Capitolul III Statistic A Tehnica

MANAGEMENTUL CALITII Construcia, implementarea, dezvoltarea sistemului calitii n ntreprinderi industriale
53
Capitolul III
STATISTICA TEHNIC
[3] [4] [5] [8] [9] [10] [12] [13] [17] [24] [25] [28] [47] [58] [74] [87] [88] [89] [90] [91] [93] [99] [100] [107] [109] [113] [121] [126] [127] [129]
[130] [131]
3.1. NOIUNI GENERALE
Statistica reprezint un ansamblu de procedee, tehnici i principii metodologice care au drept scop
producerea informaiei statistice avnd la baz observarea, prelucrarea i analiza datelor statistice,
aciuni care vor conduce la fundamentarea deciziilor referitoare la starea i variabilitatea colectivitii
statistice n timp, n spaiu i din punct de vedere calitativ.
Statistica matematic, n general, i statistica tehnic, n particular, are ca obiectiv cercetarea
metodelor de culegere, nregistrare, prelucrare i analiz a datelor statistice experimentale referitoare
la o colectivitate statistic n scopul obinerii unor previziuni privind desfurarea ulterioar a
fenomenelor de mas, respectiv pentru fundamentarea deciziilor.
Principalul rol al statisticii tehnice este de a descoperii legile de variabilitate a fenomenelor de
mas, fenomene ce se produc n condiii de incertitudine. Practic, se poate determina probabilitatea de
reapariie a unor fenomene n viitor n funcie de frecvena de apariie n trecut a evenimentelor.
Statistica tehnic studiaz fenomene de mas cum ar fi mulimea de piese finite, mulimea de
repere, de subansambluri care se produc n aceleai condiii, sunt de aceiai natur, au aceleai legi de
dezvoltare, practic sunt fenomene statistice omogene.
Procesul de cunoatere statistic este complex utiliznd dou tipuri de raionamente recunoscute
n cadrul metodelor tiinifice: raionamentul deductiv i raionamentul inductiv. Raionamentul
deductiv parcurge etapele de la general la particular i utilizeaz raionamentul matematic: se stabilesc
ipotezele generale asupra unor fenomene i se deduc prin raionament logic proprietile particulare.
Raionamentul inductiv parcurge procesul plecnd de la observaiile particulare asupra fenomenelor
ajungndu-se la reguli generale. n procesul de cunoatere statistic se emit ipoteze, se culeg date, se
prelucreaz i se verific datele observate, astfel se genereaz un ciclu deductiv inductiv. n
concluzie, procesul de cunoatere statistic este iterativ.
Ca disciplin tiinific, funcie de scopul cunoaterii, statistica se subdivide n:
- Statistic descriptiv
- Statistic inferenial
- Analiz statistic
Statistica Descriptiv
Cu ajutorul statisticii descriptive se pot descrie starea i variabilitatea unei colectiviti statistice
dup una sau mai multe caracteristici. Obiectivul principal const n culegerea datelor statistice,
prelucrarea i prezentarea lor sintetic, fie sub form numeric prin indicatori statistici, fie sub form
grafic prin diagrame i tabele statistice.
n raport cu numrul caracteristicilor considerate n planul cunoaterii avem:
Statistic descriptiv unidimensional cu o singur variabil;
Statistic descriptiv bidimensional cu dou variabile;
Statistic descriptiv multidimensional mai multe variabile;
Statistic Inferenial s-a dezvoltat dup descoperirea legilor probabilistice i construirea teoriei
probabilitilor. Statistica inferenial este utilizat pentru estimarea caracteristicilor unei colectiviti
pornind de la cunoaterea unei colectiviti pariale i testarea ipotezelor statistice care const n
msurarea incertitudinii rezultatelor i calcularea riscurilor pe care le implic luarea unor decizii
fundamentate pe baza unor informaii ce nu pot fi exhaustive. Statistica inferenial se utilizeaz
pentru studierea, cunoaterea unei colectiviti i se bazeaz pe inducia matematic fiind
fundamentat pe legea numerelor mari, pe principiile teoriei probabilitilor i pe statistica
matematic.
Capitolul III STATISTICA TEHNIC

54
Analiz Statistic urmrete descoperirea a ceea ce este permanent, esenial, logic n variaia
proceselor i fenomenelor de mas i msurarea influenei factorilor care le determin variaia n timp,
n spaiu i din punct de vedere calitativ. n acest scop se folosesc urmtoarele metode: analiza de
regresie, analiza de corelaie, analiza seriilor de timp.
3.1.1. ETAPELE I PROCEDEELE SPECIFICE METODEI STATISTICE
a) Definirea problemei presupune precizarea clar a scopului i a ariei de investigaie (fenomen
sau proces observat) a variabilelor care sunt observate. n aceast etap se efectueaz documentarea
teoretic i faptic asupra fenomenului ce trebuie observat, se emit ipotezele de lucru se aleg metodele
de investigare, se elaboreaz planul de cercetare.
b) Observarea statistic este o etap important, un proces complex de identificare, msurare i
nregistrare a fenomenelor de mas reprezentnd caracteristicile indivizilor unei colectiviti care se
manifest ntr-un mod real, practic se obin probele pentru procesul de cunoatere statistic. Calitatea
probelor obinute va determina n mod esenial autenticitatea informaiei statistice.
Culegerea datelor statistice se poate face prin:
- nregistrare total (exhaustiv) a populaiei;
- nregistrarea parial (anchete prin sondaj) adic nregistrarea la nivelul unui eantion.
c) Prelucrarea statistic a datelor este un proces complex prin care datele nregistrate sunt
sistematizate i tratate statistic n vederea obinerii sistemului de indicatori. Prelucrarea statistic
cuprinde efectuarea unui numr de opt operaii pentru obinerea indicatorilor utiliznd procedee i
tehnici de lucru specifice statisticii:
1. Sistematizarea probelor obinute n etapa observrii statistice. Operaia se poate realiza
prin procedee clasice de centralizare i grupare statistic n urma creia se obin indicatorii
primari i serii de date statistice.
2. Prezentarea datelor statistice utilizeaz metodele tabelare i/sau graficele.
3. Calcularea indicatorilor derivai cum ar fi:
- indicatori ai valorii centrale;
- indicatori ai dispersiei;
- indicatori ai formei de repartiie.
4. Msurarea gradului de intensitate a legturilor statistice (procedeele covariaiei i
corelaiei);
5. Msurarea influenei factorilor asupra variaiei fenomenelor;
6. Aproximarea modelelor de regresie i de trend (procedeul ajustrii statistice);
7. Prognoza fenomenelor (extrapolarea statistic);
8. Estimarea parametrilor i verificarea ipotezelor statistice (procedeul inferenial).
Rezultatul prelucrrii statistice se regsete n valoarea indicatorilor primari i derivai.
d) Analiza statistic. Procesul cunoaterii statistice fiind un proces iterativ, etapele prelucrrii
datelor statistice se combin cu procedeele de analiz a rezultatelor, practic trecerea la urmtoarea faz
de prelucrare statistic se face numai dup analiza rezultatelor obinute n cadrul prelucrrilor
statistice.
3.1.2. NOIUNI FUNDAMENTALE
Statistica opereaz cu o terminologie unitar utiliznd urmtoarele concepte de baz:
- colectivitile statistice;
- unitile statistice;
- variabilele statistice;
- indicatorii statistici.
A) Colectivitile statistice mai sunt denumite populaii, mulimi sau universuri statistice. O
colectivitate statistic reprezint totalitatea elementelor relative identice care au aceiai natur i au o
trstur esenial comun numit omogenitatea. n cadrul statisticii tehnice, colectivitile statistice
definesc populaii reale care sunt, n fapt, mulimi finite. Colectivitile statistice trebuie s fie
delimitate de frontiere care sunt necesare pentru a se putea realiza observarea n condiii normale i
pentru a se interpreta rezultatele fr apariia unor confuzii.

55
Colectivitile statistice pot fi grupate dup urmtoarele criterii:
a) gradul de cuprindere:
1) colectiviti totale care pot fi:
- statice;
- dinamice.
2) colectiviti pariale care pot fi:
- statice;
- dinamice.
b) natura elementelor:
1) colectiviti cu coninut msurabil;
2) colectiviti cu coninut atributiv.
B) Unitile statistice reprezint elementele constitutive ale unei colectiviti statistice. Esenial
pentru unitile statistice este definirea clar i precis a acestora pentru a putea fi identificate corect
ceea ce presupune obinerea datelor autentice. Unitile statistice sunt elemente de observare, msurare
i nregistrare. Anumite uniti au o existen proprie, practic sunt concrete, altele pot fi abstracte fiind
utilizate pentru individualizarea observaiilor.
Clasificarea unitilor statistice se face dup:
a) gradul de complexitate:
1. uniti statistice simple sunt formate dintr-un singur element, depind de starea lor
natural de existen;
2. uniti statistice complexe sunt formate din dou sau mai multe uniti simple i
depind de modul de organizare
b) rolul n procesul nregistrrii statistice:
1. uniti statistice active;
2. uniti statistice pasive.
C) Variabile statistice (sau caracteristici statistice) reprezint nsuiri, trsturi eseniale purtate
de unitile statistice ale unei colectiviti, adic dimensiunile prin care se observ, msoar cuantific
i nregistreaz fiecare unitate din colectivitate. n cadrul studiilor statistice, funcie de nivelul
cercetrii se pot regsi trei tipuri de variabile: empirice, teoretice i de selecie.
Variabilele empirice sau statistice sunt variabile ce exprim valori reale nregistrate la nivelul
unitilor statistice i le corespund distribuiile statistice (empirice). Acestea sunt tratate de statistica
descriptiv prin distribuii statistice unidimensionale sau bidimensionale. Variabilele aleatoare sunt
acele variabile ale cror variane depind de un sistem complet de evenimente.
Variabilele teoretice. Funcia de probabilitate reprezint frecvena relativ a unei variabile
aleatoare i au valori cu att mai mari cu ct influena factorilor ce le determin sunt mai mari.
Variabilele teoretice au valori abstracte ce sunt corespunztoare distribuiilor teoretice (distribuiilor
probabilistice).
Variabilele de selecie se regsesc n cadrul cercetrilor prin sondaj. Distribuiile de selecie fac
obiectul statistici infereniale.
Clasificarea variabilelor statistice:
a) dup importana lor, pot fi:
1) variabile eseniale, exprim natura intern a fenomenului. Variabilele se regsesc la
toate unitile colectivitii;
2) variabile neeseniale, au caracter ntmpltor.
b) dup natura lor, pot fi:
1) variabile calitative, exprim esena, natura unitilor;
2) variabile de timp const n apartenena unitilor la un moment sau interval de timp;
3) variabile de spaiu, exprim zona (teritoriul) n care exist i se manifest unitile
colectivitii.
c) dup modul de exprimare, pot fi:
1) variabile numerice sau variabile cantitative acestea sunt fie numrabile fie msurabile,
putnd fi reprezentate pe o scal interval sau pe o scal raport. Domeniul lor de variaie
se numete amplitudine de variaie. Aceste variabile cantitative pot fi:

56
- variabile continue ceea ce presupune c variabila numeric msurabil poate fi
divizat pn la infinit i se poate grupa n k intervale;
- variabile discrete, iau valori msurabile.
2) variabile nenumerice sunt variabile calitative (sunt exprimate atributiv). Acestea pot fi
reprezentate pe o scal nominal sau pe o scal ordinal.
d) dup modul de manifestare se disting:
1) variabile alternative, au caracter dichotomic adic pot lua dect dou valori, mai sunt
numite caracteristici binomiale sau binare;
2) variabile nealternative, pot lua valori diferite reprezentate de uniti sau grupe de
uniti.
D) Indicatori statistici. Un indicator statistic poate fi definit ca rezultatul numeric al unei
numrri, al unei msurri statistice a fenomenelor i proceselor de mas sau al unui calcul asupra
datelor obinute dintr-o nregistrare statistic. Indicatori statistici au un coninut real, adic exprim
fenomene i procese care se deruleaz n mod natural.
n cadrul unei cercetri statistice, indicatorul statistic apare n dubl ipostaz
purttor de informaie, reprezentnd expresia numeric a unui fenomen real;
mijloc de calcul, fiind un instrument pentru obinerea informaiei statistice.
Valabilitatea tiinific a indicatorilor statistici este condiionat de dou condiii importante:
coninutul tiinific trebuie s fie bine determinat putnd fi reprezentat de o definiie, o
formul de calcul, etc.;
condiia de comparabilitate n timp, spaiu i calitativ trebuie s fie ndeplinit.
Clasificarea indicatorilor statistici se face dup urmtoarele criterii:
a) modul de determinare:
1) indicatori primari reprezint rezultatul unor msurtori statistice i exprim n mrime
absolut o dimensiune a unei colectiviti sau a unui element al acesteia;
2) indicatori derivai, se obin prin prelucrarea indicatorilor elementari.
b) gradul de cuprindere:
1) indicatori statistici sintetici sunt expresii numerice ale diferitelor categorii de sintez;
2) indicatori statistici analitici exprim structura unei colectiviti i influena factorilor care
acioneaz asupra acesteia.
c) forma de exprimare:
1) indicatori exprimai sub form de mrimi absolute;
2) indicatori exprimai sub form de mrimi relative;
3) indicatori exprimai sub form de mrimi medii.
3.2. STATISTICA DESCRIPTIV
Colectarea datelor referitoare la unitile statistice ce formeaz o colectivitate statistic urmrete
stabilirea valorii care este caracteristic indivizilor sau are ca scop formarea unei concluzii reale ce
rezult din datele observate, pentru a se formula decizii. Statistica descriptiv reprezint o form
simpl de analiz a caracteristicilor unei colectiviti statistice avnd incluse urmtoarele activiti:
colectarea datelor, prezentarea lor sub form de tabele, ntocmirea unei reprezentri grafice i
stabilirea indicatorilor statistici. Rezultatele acestor activiti permit obinerea unor informaii reale
referitoare la colectivitatea statistic.
3.2.1. REPARTIII STATISTICE EMPIRICE
Sistematizarea datelor este o faz primar a prelucrrii statistice i are ca scop obinerea
distribuiilor statistice empirice. Sistematizarea datelor statistice nregistrate are ca scop ordonarea lor
funcie de omogenitate. Diferenierea pe grupe a populaiei statistice, n funcie de variabilitatea
caracteristicii examinate i a frecvenelor corespunztoare se face n raport cu diveri factori:
- n raport cu locul n care s-a produs fenomenul;
- n raport cu timpul n care s-au fcut observaiile;
- n raport cu un alt factor diferit de spaiu sau timp.
n mod corespunztor se deosebesc trei tipuri de repartiii statistice:

57
- repartiii n spaiu;
- repartiii n timp (dinamice);
- repartiii de frecvene.
Prezentarea empiric a rezultatelor obinute prin sistematizarea datelor se poate face prin serii,
tabele i grafice.
Tabele
O modalitate comod i rapid de prezentare a distribuiilor statistice este tabelul cu simpl sau cu
dubl intrare. Aceast form de prezentare este des utilizat deoarece ordoneaz operaiile ce sunt
impuse de prelucrarea statistic. Un tabel statistic trebuie s cuprind urmtoarele elemente: titlul
general al tabelului, titlurile interioare, unitatea de msur, rubricile tabelului, sursa datelor i dac este
cazul sunt introduse note la subsolul tabelului. Titlurile indic obiectul tabelului i trebuie astfel
conceput nct s precizeze variabila de distribuie i colectivitatea observat. Specificarea sursei este
necesar pentru a identifica zona i pentru a da posibilitatea verificrii datelor nregistrate. Notele de
subsol ajut la interpretarea datelor.
Forma de prezentare a datelor utiliznd tabelele i reprezentrile grafice trebuie ntocmite n aa
fel nct s permit o interpretare direct i uoar, fr a mai necesita texte explicative suplimentare.
Tabelul cu datele primare conine valori ale caracteristicilor cercetate x
1
, x
2
, x
3
, ..., x
n
ce pot fi trecute
ntr-o ordine ntmpltoare.
Aceleai valori pot fi aranjate n ordine cresctoare
1 i i
x x
+
s , n ordine descresctoare
1 +
>
i i
x x
sau n orice alt form de ordonare crendu-se astfel, tabelul valorilor ordonate.
Dac gruparea se realizeaz pe intervale de grupare, tabelul de asociere se prezint astfel:
Tabel 3.1. Intervale de grupare
INTERVALE
DE
GRUPARE

CENTRUL
INTERVALUL
UI DE
GRUPARE

FRECVENE
ABSOLUTE
NI
FRECVENE
RELATIVE
n
i
f
i
n
=

FRECVENE
RELATIVE N
%
100 % =
n i
f
i
n

FRECVENA
ABSOLUT
CUMULAT FCUM
=
=
k
i
i m
n N
1

FRECVENA
RELATIV
CUMULAT F%CUM
=
=
k
i
i m
% f F
1

sup inf
x x
1 1

med
x
1
n
1
f
1
f
1
% N
1
F
1

... ... ... ... ...
sup i inf i
x x
imed
x n
i
f
i
f
i
% N
i
F
i

... ... ... ... ...
sup inf m m
x x

med m
x
n
m
f
m
f
m
% N
m
F
m

TOTAL -
=
=
m
1 i
i
n n

=
=
m
i
f
1 i
1 100 % =
=
m
i
f
1 i

- -
Intervalul general se poate mpri n k intervale de grupare care pot fi egale sau neegale (se
prefer intervalele de grupare egale). Atunci cnd unitile statistice au o valoare egal cu valoarea
superioar a intervalului de grupare acestea trec n intervalul urmtor. Numrul unitilor statistice
care au valori aparinnd aceluiai interval de grupare reprezint frecvene absolute: n
1
, n
2
, ..., n
k
,

respectiv frecvenele relative: f
1
, f
2
, ..., f
k
. Suma total a frecvenelor absolute este egal cu numrul
total al unitilor cercetate, n: n n
i
=

Tabel 3.2. Tabel cu dubl intrare
Valorile Y
Valorile X
y
1
y
2
y
j
y
p
n
i.

x
1
n
11
n
12
... n
1j
... n
1p
n
1.

x
2
n
21
n
22
... n
2j
... n
2p
n
2.

... ... ... ... ... ... ...
x
i
n
i1
n
i2
... n
ij
... n
ip
n
i.

... ... ... ... ... ... ... ...
x
m
n
m1
n
m2
n
mj
n
mp
n
m.

n
.j
n
.1
n.
.2
... n
..j
... n
..p
n
..


58
Raportul dintre frecvena absolut i numrul total de uniti statistice se numete frecven
relativ:
n
n
f
i
i
= , 100 % =
n
n
f
i
i

Sunt situaii n care este necesar s se cunoasc numrul de uniti statistice pn la o anumit
valoare a caracteristicii sau numrul de la o anumit valoare n sus. Aceast modalitate de prezentare
se realizeaz utiliznd frecvena cumulat care se noteaz cu f
cum
. Relaiile de calcul pentru: frecvena
absolut cumulat
=
=
m
i
i cum
n f
1
respectiv pentru frecvena relativ cumulat
=
=
k
i
i cum
f f
1
% %
.
Dac gruparea se realizeaz dup dou caracteristici, rezult o serie de repartiie bidimensional
care se reprezint printr-un tabel de corelaie sau tabel cu dubl intrare.
O distribuie bidimensional prezint variaia unitilor unei colectiviti simultan dup dou
caracteristici de grupare.

O distribuie bidimensional este definit de ansamblul de triplete (x
i
,y
j
,n
ij
), m , i 1 = , p , j 1 =
Distribuiile marginale n X, respectiv n Y, sunt definite de ansamblul de cupluri (x
i
,n
i.
), m , i 1 = ,
respectiv (y
j
,n.
j
), p , j 1 = , unde:
n
i
.

reprezint efectivele marginale corespunztoare valorii x
i
n.
j
reprezint efectivele marginale corespunztoare valorii y
j
=
=
p
j
ij
n
. i
n
1

=
=
m
i
ij
n
j
n
1
.

Relaii ntre efectivele marginale i pariale:

=
=
=
= j
ij
n
i
p
j
j .
n
m
i
. i
n
1 1

Frecvene relative marginale:
..
.
.
n
i
n
i
f = respectiv
.. n
j .
n
j .
f =
Frecvene relativ pariale:
.. n
ij
n
ij
f =
Frecvene relativ condiionate:
j .
n
ij
n
j / i
f =
, j are valoare fix, m , i 1 = ;

. i
n
ij
n
i / j
f =
, i are valoare fix p , j 1 =
Relaii ntre frecvene:
- Suma frecvenelor marginale:
1
..
..
1
.
..
1
1
..
.
1
.
= =
=
=
=
=
=
n
n
m
i
i
n
n
m
i
n
i
n m
i
i
f
1
..
..
1
.
..
1
1
..
.
1
.
= =
=
=
=
=
=
n
n
p
j
j
n
n
p
j
n
j
n
p
j
j
f
- Suma frecvenelor condiionate:
1
1
1
1 1
= =
=
=
=
=
=
j .
n
j .
n
m
i
ij
n
j .
n
m
i
j .
n
ij
n
m
i
j / i
f

1
.
.
1
.
1
1
.
1
/
= =
=
=
=
=
=
i
n
i
n p
j
ij
n
i
n
p
j
i
n
ij
n
p
j
i j
f

- Suma frecvenelor pariale:

59
1
..
..
1
.
..
1
1
..
1 1 1
= =
=
=
=
=
=
=
=
n
n
m
i
i
n
n
p
j
n
ij
n
m
i
p
j
ij
f
m
i

- Produsul dintre frecvenele marginale i frecvenele condiionate este egal cu frecvenele
pariale corespunztoare:
ij
f
n
ij
n
i
n
ij
n
n
i
n
i j
f
i
f = = =
..
.
..
.
/ .

- Produsul sumelor frecvenelor condiionate este egal cu suma frecvenelor pariale care este
egal cu unitatea:

1
.
.
.
.
.
1
.
1
. .
/ /
= =
|
|
.
|
\
|
|
|
.
|
\
|
=
|
|
.
|
\
|
|
|
|
.
|
\
|
=
i
n
i
n
j
n
j
n
j
ij
n
i
n
i
ij
n
j
n
j
i
n
ij
n
i
j
n
ij
n
j
i j
f
i
j i
f

Pe baza distribuiilor marginale i a distribuiilor condiionate se pot calcula medii marginale i
condiionate, variane marginale i condiionate, covariana.
Reprezentarea grafic a tabelului de corelaie se prezint ca un nor de puncte.
Tabel 3.3. Tabel de corelaie
Valorile Y

Valorile X
y
1
y
2

y
j
y
m

=
m
j
ij
a
1

x
1
a
11
a
12
... a
1j
... a
1m
a
1.
x
2
a
21
a
22
... a
2j
... a
2m
a
2.

... ... ... ... ... ...
x
i
a
i1
a
i2
... a
ij
... a
im
a
i.

... ... ... ... ... ... ... ...
x
n
a
n1
a
n2
... a
nj
... a
nm
a
n.

=
n
i
ij
a
1

a
.1
a
.2
a
.j
a
.m
a
..

Frecvene absolute i frecvene relative
Valorile unei caracteristici statistice se pot prezenta sub form tabelar sau sub form restrns,
prin efectuarea unei grupri simple sau a unei grupri pe intervale. Gruparea simpl, posibil n
anumite cazuri pe caracteristici discrete, reprezint un tabel coninnd valorile distincte, respectiv
numrul de apariie ale acestora. Adoptarea unui numr m de intervale disjuncte i gruparea valorilor
statistice pe aceste intervale conduce la realizarea unui tabel cu intervale (clase) de grupare. Numrul
unitilor (elementelor) statistice care au aceeai valoare sau aparin aceluiai interval reprezint
frecvena absolut n
1
, n
2
, , n
n
. Suma total a frecvenelor absolute este egal cu numrul unitilor
cercetate n: n n
i
=

Raportul dintre frecvena absolut i numrul total de uniti statistice se numete frecven
relativ:
= =
i
i i
i
n
n
n
n
f sau 100 % =
i
i
i
n
n
f
Suma total a frecvenelor relative este egal cu: 1
1
=
=
n
i
i
f sau 100 %
1
=
=
n
i
i
f
Calculul frecvenelor absolute cumulate:
N
1
= n
1
,

N
2
= N
1
+ n
2
,

, N
i
= N
i-1
+ n
i
, , N
m
= N
m-1
+ n
m
= n
m i
m
i
m m
n ... n .... n n n N + + + + + = =
=
2 1
1

Calculul frecvenelor relative cumulate:
F
1
= f
1
, F
2
= F
1
+ f
2
, , F
i
= F
i-1
+ f
i
, , F
m
= F
m-1
+ f
m
= 1
Calculul frecvenelor relative cumulate exprimate n procente:

60
F
1
= f
1
%, F
2
= F
1
+ f
2
%, , F
i
= F
i-1
+ f
i
%, , F
m
= F
m-1
+ f
m
% = 100%
n multe cazuri este necesar s se cunoasc numrul total de uniti statistice pn la o anumit
valoare a caracteristicii sau numrul de la o anumit valoare n sus, acest numr reprezint frecvena
cumulat. Frecvena cumulat poate fi relativ sau absolut, de asemenea poate fi cresctoare sau
descresctoare, ea reprezint suma frecvenelor intervalelor de grupare de la un anumit nivel n sus sau
n jos.
Intervale de grupare
Gruparea statistic este o centralizare pe grupe a unitilor unei colectiviti.
Mrimea intervalelor (claselor) de grupare se consider, n general, egal, cu excepia intervalelor
extreme, pentru care uneori se pot adopta valori diferite. Alegerea numrului de grupe se face innd
seama de scopul gruprii. Mrimea (amplitudinea) intervalelor de grupare se determin cu
relaia:
k
A
k
x x
h
min max
=
= unde: h amplitudinea intervalului de grupare; k numrul de intervale

de grupare
min max
x x A = - amplitudinea de variaie a caracteristicilor
unde: x
max
i x
min
reprezint valoarea maxim respectiv minim a caracteristici de grupare x.
n cazul colectivitilor de volum mare cu o tendin de variaie sistematic numrul intervalelor
de grupare se pot stabili cu relaia lui H. A. Sturges: n k lg 322 , 3 1 + = , unde n este numrul total al
datelor observate.
Pentru 100 n > se utilizeaz relaia lui H. B. Mann i A. Wald: ( )
5
1
1
4
1
4
(
= n k
Un alt mod simplu de stabilitate a numrului de intervale de grupare const n considerarea
numrului ntreg care rezult din relaia n k = .
Pentru 250 n < este suficient mprirea n 10 intervale de grupare.
Dac 25 n < , gruparea valorilor statistice nu ofer informaii suplimentare pe baza crora s se
poat lua decizii. Atunci cnd se lucreaz cu intervale de grupare, frecvena rezultat prin grupare se
consider ca fiind corespunztoare valorilor medii al fiecrui interval. Dac limitele intervalului de
grupare sunt
inf
i
x
i
sup
i
x
, intervalul se consider nchis la stnga i deschis la dreapta. Astfel, o
valoare x
i
aparinnd intervalului
)
inf sup
,
i i
x x
trebuie s satisfac inegalitatea

inf sup
i i i
x x x s <
.
Dac
sup
i i
x x = valoarea x
i
va fi ncadrat n urmtorul interval de grupare.
3.2.2. REPREZENTAREA GRAFIC
Reprezentarea grafic a datelor statistice se poate face prin figuri
geometrice i figuri naturale simbolice numite i diagrame sau grafice.
Reprezentarea grafic evideniaz aspectele caracteristice ale
fenomenelor i proceselor fiind folosit ca mijloc de comparare sau de
studiere a legturilor. Reprezentarea grafic este o metod de
prezentare prin imagini a datelor unei repartiii. Un rol important al
graficului const n interpretarea datelor, analiza lor i comunicarea
rezultatelor. Cu ajutorul graficului sunt puse n eviden caracteristici
eseniale ale distribuiilor cum ar fi tendinele, ordinea de mrime,
legile de variaie n timp, n spaiu sau din punct de vedere calitativ.
Graficele frecvent folosite sunt: histogramele de repartiie a
frecvenelor (simple sau cumulate), diagramele cu bare (coloane),
diagrama prin benzi, diagrama de structur, cronograme, diagrama polar, diagrama Radar,
corelograma i poligonul frecvenelor.

N
i
Figura 3.1. Histograma
frecvenelor cumulate

2
14
24
42
32
38
7
44
x
i

61
Histograma este o diagram format din dreptunghiuri avnd pe axa absciselor segmente de
dreapt egale cu intervalul de grupare iar pe axa ordonatelor nlimea dreptunghiurilor este
proporional cu frecvena corespunztoare intervalului de grupare.
Datele necesare pentru construirea unei histograme pot fi constituite din
orice set de msurtori ale unei variabile continue sau discrete. Datele
pentru construirea unei histograme trebuie s fie precise, complete i
reprezentative.
Dac intervalele sunt inegale efectivele nu sunt comparabile de la o
clas la alta, ca urmare n construcia histogramei este necesar s se
recurg la frecvene corectate, denumite i frecvene reduse.
Frecvenele reduse se obin utiliznd relaia:
i
i
i
k
n
h =
n care
. min
l
l
k
i
i
=
unde:
n
i
frecvena corespunztoare intervalului (x
i-1
,x
i
)
l
i
mrimea intervalului (x
i-1
,x
i
)
l
min
- mrimea intervalului minim
k
i
coeficientul de reducere al frecvenelor
Diagrama prin suprafee este un grafic n care datele statistice sunt reprezentate prin figuri
geometrice ca ptratul, dreptunghiul, cercul ale cror arii sunt proporionale cu mrimile indicatorilor
respectivi.
Diagrama prin benzi este un grafic n care datele statistice sunt reprezentate prin dreptunghiuri a
cror lungime este proporional cu mrimile indicatorilor reprezentai iar limile dreptunghiului sunt
egale i sunt aezate pe axa ordonatelor.
Diagrama polar este un grafic construit pe o reea radial iar scara se construiete pe raz,
lungimea razei fiind egal cu media indicatorilor seriei respective.
Diagrama cu linii constituie un mod simplu de reprezentare a repartiiei ntlnite ndeosebi n
fiele industriale de control statistic.
Diagrama cu coloane este un grafic n care datele statistice sunt reprezentate prin ariile unor
dreptunghiuri cu aceiai lime construite pe axa absciselor a cror nlime este proporional cu
mrimea indicatorilor reprezentai.

Diagrama de structur este un grafic n care este reprezentat structura unei colectiviti, scoate
n eviden raportul existent dintre prile componente ale colectivitii i colectivitatea luat ca ntreg.
Graficul utilizeaz figuri geometrice cum ar fi: cercul, ptratul, dreptunghiul. Suprafeele acestora sunt
direct proporionale cu volumul colectivitii, iar pari ale acestora sunt reprezentate prin poriuni de
suprafa.
Poligonul frecvenelor acestui grafic poate fi extras dintr-o histogram unind prin linii frnte
valorile centrale ale intervalelor de grupare. n cazul frecvenelor cumulate cresctor, unind n acelai
mod mijloacele se obine poligonul repartiiei numit i ogiva lui Galton.
n
i
x
i
2
6
3
5
2
4
8
10
Fig. 3.3 Diagrama cu linii
a frecvenelor absolute
1
n
i
5 15 20 25 30 35 40 45 50
Fig. 3.4 Poligonul
frecvenelor absolute
x
i
n
i
x
i
Figura 3.2. Histograma
frecvenelor simple
2
5
7
8
6
4
2
10

62
3.2.3. INDICATORI STATISTICI
Alctuirea seriei statistice, gruparea datelor i reprezentarea grafic nu sunt suficiente pentru
analiza statistic, respectiv pentru determinarea legilor cruia i se supune fenomenul de mas observat.
Seria statistic format scoate n eviden trsturile comune ale tuturor caracteristicilor ce se supun
unor legi generale. Datele existente n cadrul seriei trebuie s fie sintetizate ntr-un indicator care s le
reprezinte. Rezultatul msurtorilor obinute n condiiile variabilitii mrimilor ne conduce la faptul
c exist o tendin a datelor de a se grupa n jurul frecvenei maxime, frecven care corespunde unei
valori centrale a variabilelor statistice numit tendina central.
n cazul repartiiilor statistice empirice a frecvenelor, tendina de variaie pentru orice
caracteristic a populaiei statistice prezint dou aspecte:
- de localizare (poziie) n jurul unei valori medii;
- de variaie (mprtiere).
Din experien, se constat c repartiia frecvenelor poate fi simetric sau asimetric n raport cu
poziia de localizare, de asemenea, localizarea se poate face n jurul unei valori medii dar mprtierea
poate fi diferit. Graficele de frecven rezultate n urma prelucrrii datelor au numai valoare de
utilizare calitativ.
O analiz cantitativ care s permit o comparaie a tendinelor de localizare i de variaie
(mprtiere) se poate realiza numai prin determinarea indicatorilor statistici care se calculeaz pe baza
datelor statistice ale valorilor caracteristice respective.
3.2.3.1. Indicatori de localizare (de poziie)
Orice mrime care d informaii asupra poziiei valorilor principale ale repartiiei pe axa
absciselor se numete indicator de localizare (poziie). Indicatorul de localizare este o valoare
teoretic, care n anumite cazuri poate s nu existe practic printre valorile populaiei. Indicatorul de
localizare precizeaz valoarea n jurul creia tind s se grupeze datele reale. Indicatorul de baz al
tendinei de localizare este format din mrimile medii.
Media.
n cadrul procesului de prelucrare a datelor, pentru a caracteriza n mod sintetic ceea ce este tipic
sau esenial n variaia caracteristicii dintr-o colectivitate statistic este necesar s se calculeze media.
Media este un indicator derivat. Media este sintetizat numeric sub form abstract pentru toate
nivelurile individuale ale unei caracteristici.
Pentru ca media s aib un coninut real, deci s nu denatureze rezultatul cercetrii este necesar ca
la calculul acesteia s se in cont de urmtoarele aspecte:
- nainte de a calcula media se va efectua o analiz a structurii colectivitii asigurndu-ne de
omogenitatea unitii folosite pentru a calcula media;
- n cazul n care colectivitatea are un caracter eterogen, este necesar ca respectiva
colectivitate s se mpart n grupe omogene; se va calcula o medie pentru fiecare grup, iar
ulterior se calcula o medie pentru ntreaga colectivitate analizat;
- pentru calcul mediei se va utiliza un numr ct mai mare de valori individuale;
- deoarece se pot calcula mai multe tipuri de medii se va utiliza acel tip care se coreleaz cel
mai bine cu natura i forma de variaie a caracteristicii.
Media reprezint expresia care sintetizeaz ntr-un singur nivel (reprezentativ) tot ceea ce este
esenial, tipic i obiectiv n modul de apariie, manifestare i dezvoltare pentru caracteristica statistic.
Anumite concepte consider media ca fiind sperana matematic spre care tind toate valorile
caracteristicilor statistice. Fiecare dintre medii se pot calcula sub dou forme:
- ca medie simpl;
- ca medie ponderat;
Media aritmetic ( ) x - se calculeaz atunci cnd fenomenul cercetat nregistreaz modificri
constante care se afl n progresie aritmetic. Considernd valorile caracteristicii: x
1
, x
2
, ..., x
n

=
=
+ + +
=
n
i
i
n
x
n n
x ... x x
x
1
2 1
1


63
Media ponderat. Cnd exist intervale de grupare cu frecvene de apariie specifice fiecrui
interval, media aritmetic se calculeaz cu relaia:
=
=
=
+ + +
+ + +
=
n
i
i
n
i
i i
n
n n
n
n x
n n n
n x n x n x
x
1
1
2 1
2 2 1 1
...
...
sau
=
=
=
+ + +
+ + +
=
n
i
i
n
i
i i
n
n
f
f x
f f f
f x f x f x
x
1
1
2 1
2 2 2 1 1
...
...

100 %
1
=
=
n
i
i
f , atunci
100
1
=
=
n
i
i i
f x
x sau
1 %
1
=
=
n
i
i
f
atunci
=
=
n
i
i i
f x x
1

Pentru variabilele aleatoare discrete n i
p
x
X
i
i
,..., 2 , 1 , : =
|
|
.
|
\
|
valoarea medie se noteaz cu | | X M i
se calculeaz cu relaia: | |
i
n
i
i
n
i
i
i
n
i
i
n
n n
p x
p
p x
p ... p p
p x ... p x p x
X M x

=
=
=
= =
+ + +
+ + +
= = =
1
1
1
2 1
2 2 1 1
unde:
1
1
n
i
i
p
=
=
reprezint un sistem complet de evenimente.

Pentru variabile continue, media aritmetic care mai este denumit i sperana matematic se
calculeaz cu relaia:
| | ( ) ( )dx x xf x xdF X M x
} }
+

+

= = = = unde: f(x) reprezint densitatea de probabilitate a
variabilei x.
Calculul simplificat al mediei aritmetice: a k
n
k
a x
x
n
i
i
+
|
.
|
\
|
=

=1
sau
a k
f
f
k
a x
x
n
i
i
n
i
i
i
+
|
.
|
\
|
=
=
=
1
1

Media aritmetic este influenat de valorile mari ale seriei.
Proprietile mediei aritmetice
a) Media aritmetic are un nivel cuprins ntre nivelul minim i nivelul maxim.

min max
x x x < <
b) Suma abaterilor nivelurilor individuale fa de nivelul mediei este zero.
( ) 0
1
=
=
n
i
i
x x ( ) 0
1
1 1 1 1 1
= = = =

=
= = = = =
n
x
n x x n x x x x x
n
i
i
n
i
i
n
i
i
n
i
n
i
i
n
i
i

( ) 0
1
=
=
i
n
i
i
n x x

( ) 0
1
1
1
1 1 1 1
= = =

=
=
=
= = = =
n
i
i
n
i
i
n
i
i i
n
i
i i
n
i
i
n
i
i i i
n
i
i
n
n
n x
n x n x n x n x x

c) Media calculat pe baza variantelor caracteristicii micorate sau mrite cu o caracteristic
o modific n acelai sens i cu aceeai mrime fa de valoarea iniial.
1
n
i
i
x
x
n
=
=

;
( )
a x
n
na x n
n
a x
n
a x
x
n
i
n
i
i
n
i
i
=
=

= = = 1 1 1 /


64
( )
a x a
n
n x
n
n a n x
n
n a x
x
n
i
i
i
n
i
i
n
i
i
n
i
i i
n
i
i
n
i
i
i
n
i
i
= =
=
=
=
= =
=
=
1
1
1
1 1
1
1 /

d) Media calculat din variantele caracteristicii multiplicat sau simplificat cu o constant k
mrete sau micoreaz de k ori media iniial.
x
k n
x
k
n
k
x
x
n
i
i
n
i
i
/
1
1
1 1
= = =

= =
x k
n
x k
n
k x
x
n
i
i
n
i
i
/
= = =

= = 1 1

Pentru cazul n care se calculeaz pentru serii de frecvene atunci relaia se poate scrie:
1
1
1
n
i
n
i
i
i
x a
x n k a
k
f
=
=
(
(
| |
( = +
|
\ . (
(

e) Dac ntr-o serie se reduc frecvenele cu o mrime constant precum i valorile
caracteristicilor cu aceeai constant, media calculat rmne neschimbat.
1 1 1
1 1 1
1
1
n n n
i
i i i i i
i i i
n n n
i
i i
i i i
f
x f x x f
k k
x x
f
f f
k k
= = =
= = =
| |

|
\ .
= = = =
| |

|
\ .

f) Media aritmetic a unei sume este format din dou sau mai multe variabile independente
egal cu suma mediilor.
( ) ( ) ( ) ( ) M x y z M x M y M z + + = + +
g) Media aritmetic a produsului dintre dou variabile independente este egal cu produsul
mediilor.
( ) ( ) ( ) M x y M x M y =
h) Media general calculat pentru o populaie eterogen este egal cu media mediilor
pariale.
Media armonic ( )
h
x - se calculeaz din suma valorilor inverse ale termenilor seriei.
Considerm valorile caracteristicii x
1
, x
2
, ..., x
n
, media armonic este dat de relaia:
1 2 1
1
1 1 1 1
...
h n
n i i
n
x
x x x x
n
=
= =
+ + +

sau
1
1
n
i
i
h n
i
i
i
f
x
f
x
=
=
=

=
=
=
n
i i
i
n
i
i
h
x
n
n
x
1
1

Observaie important:
x x
h
<
.
Media armonic este influenat de valorile mici, reducnd din influena valorilor mari.
Media armonic se utilizeaz n practic la calculul preului mediu i al indicelui mediu al
preurilor.
Media ptratic ( )
p
x - se calculeaz din suma valorilor ridicate la ptrat al termenilor seriei.
=
=
+ + +
=
n
i
i
n
p
x
n n
x ... x x
x
1
2
2 2
2
2
1 2
1

=
=
n
i
i p
x
n
x
1
2
1


65
Atunci cnd colectivitatea este divizat pe grupe i fiecrei grupe i se asociaz o frecven, media
ptratic se calculeaz cu relaia:
2
1
1
n
i i
i
p n
i
i
x f
x
f
=
=
sau
=
=
=
n
i
i
n
i
i i
p
n
n x
x
1
1
2

h p
x x x < < .
Media ptratic este influenat de valorile mari ale seriei.
Media ptratic se folosete n situaii speciale:
- cnd se dorete s se acorde o importan mai mare termenilor x
i
cu nivele mari n cadrul
seriei;
- cnd seria conine att termeni pozitivi ct i termenii negativi.
Media geometric ( )
g
x - se calculeaz din produsul termenilor seriei:
1 2
1
...
n
n
n
g n i
i
x x x x x
=
= =
[

Pentru uurina calculului se logaritmeaz:
1 2
1
lg lg ... lg 1
lg lg
n
n
g i
i
x x x
x x
n n
=
+ + +
= =

Atunci cnd exist serii de frecvene pentru valorile x
i,
media geometric se calculeaz astfel:
=
=
[
=
m
i
i
i
n
m
i
n
i g
x x
1
1
sau
= =
[
=
m
i
i
i
f
m
i
f
i g
x x 1
1

Pentru uurin se folosete expresia:
=
=
=
+ + +
+ + +
=
m
i
i
m
i
i i
m
n m
g
n
x n
n n n
x n x n x n
x
1
1
2 1
2 2 1 1
lg
...
lg ... lg lg
lg
Media geometric se mai numete i ritm mediu.
Media geometric este influenat de valorile mici, reducnd din influena valorilor mari.
Media de ordin r se calculeaz cu formula:
=
=
n
i
r
i
r
r
x
n
m
1
1
sau
r
n
i
r
i r
x
n
m

=
=
1
1
respectiv
r
n
i
i
n
i
i
r
i
r
n
n x
m
=
=
=
1
1

- dac r = 1 ,
=
=
= =
n
i
i
i
n
i
i
r
n
n x
x m
1
1
, media aritmetic
- dac r = 2
=
=
= =
n
i
i
n
i
i i
p r
n
n x
x m
1
1
2
, media ptratic
- dac r = -1
=
=
= =
n
i i
i
n
i
i
h r
x
n
n
x m
1
1
, media armonic
h g p
x x x x s s s .

66
Mediana
( ) Me - reprezint valoarea caracteristicii care ocup locul central n irul ordonat de
valori, mparte seria n dou grupe egale ca numr. Pentru a determina mediana este necesar s se
ordoneze termenii seriei cresctor sau descresctor iar locul medianei va fi stabilit pe baza relaiilor:
-
|
.
|
\
| +
=
2
1 n e
x M
- dac irul conine un numr impar de valori
( ) 2 1 n k = + unde
1
2
n +
reprezint
rangul;
-
2
1
2 2
|
.
|
\
|
+ |
.
|
\
|
+
=
n n
e
x x
M - dac irul conine un numr par de valori
Dac valorile sunt grupate pe clase, intervalul care conine elementul median se numete interval
median sau clas median.
ntr-o serie de frecvene nti trebuie s se gseasc intervalul median dup care se calculeze
valoarea medianei.
2
1

1
=
+
=
n
i
i
f
median Intervalul
Dac seria frecvenelor este foarte mare (>500) atunci se renun la adunarea cu cifra 1.
Pentru variabile continue, mediana reprezint valoarea tipic cu care variabila x are aceiai
probabilitatea de a fi inferioar sau superioar: ( ) ( )
e e
M X P M X P > = < sau
( ) ( )dx x f dx x f
e
e
M
M
} }
+

=

Expresia simplificat pentru calculul medianei este:

e
e
M
M
1
inf
f
2
1
cum
n
i
i
M e
f
f
h x M
e
+
+ =
=
unde:
- X
inf Me
limita inferioar a intervalului median sau a
intervalului cu frecvena cea mai mare (interval modal);
- h mrimea intervalului median sau intervalului modal;
-
1
n
i
i
f
=
- suma frecvenelor tuturor intervalelor;

- f
cum Me
- frecvena cumulat a intervalelor anterioare
intervalului median sau intervalului modal;
- f
Me
frecvena intervalului median sau a intervalului modal.
Mediana se determin mult mai uor dect media i nu necesit
nici un calcul complicat. Din cauza modului simplu de determinare,
mediana este folosit frecvent n industrie, n cadrul controlului
statistic (diagrama median amplitudine, diagrama median abatere
standard, etc.). Mediana este preferat uneori mediei, fiind mai puin afectat de valorile extreme care
pot avea valori foarte mari sau foarte mici. Mediana este mai stabil la fluctuaiile de selecie dect
media aritmetic.
Mediana nu este influenat de valorile extreme.
Determinarea grafic a medianei. Dac dorim s aflm valoarea medianei corespunztoare
unui fenomen cu variabile continue construim curba frecvenelor cumulate iar din punctul care
reprezint jumtate din frecvenele absolute de apariie a unitilor statistice se duce o perpendicular
pe axa absciselor rezultnd valoarea medianei. Mai simplu, se construiete ogiva frecvenelor
(frecvena cumulat n sus respectiv frecvena cumulat n jos) iar la intersecia acestora coborm o
perpendicular pe axa absciselor i aflm valoarea medianei.
Modul (Moda sau Dominanta) ( )
0
D sau M
0
- este acea valoare a caracteristicii care are
frecvena cea mai mare de apariie. Se calculeaz numai n cazul intervalelor de grupare (seriilor cu
frecvene). Cnd repartiia frecvenelor este reprezentat de o curb cazul variabilelor continue, modul
x
i
n
i
3.5. Graficul pentru
determinarea medianei

M
e

67
corespunde valorii pentru care densitatea de probabilitate are un maxim. Dac repartiia statistic
empiric are un maxim se numete unimodal, dac are dou se numete bimodal sau dac are mai
multe maxime se numete polimodal. Intervalul cruia i corespunde frecvena maxim se numete
interval modal sau clas modal.
Determinarea grafic. Se construiete fie o histogram fie o curb a frecvenelor. n cazul
histogramei sunt dou metode de calcul: metoda diagonalelor sau metoda de interpolare a valorilor.
Mod de calcul al valorii denumite mod (moda).
b
h
c
=
A
1
i
a
h
=
A
c
2
,
rezult din cele dou relaii c:
a b
2 1
A = A sau
( ) ; a h a h b a
2
1
2
1
2
1
2
1
A
A
A
A
=
A
A
=
A
A
=

;
2 1
2
2
1
h a
A + A
A/
A/
A
=

;
2 1
1
h a
A + A
A
=

similar se calculeaz
;
2 1
2
h b
A + A
A
=

Rezult:
h L a L M
A + A
A
+ = + =
2 1
1
1 1 0
sau
h L b L M
A + A
A
= =
2 1
2
2 2 0

n cazul curbei frecvenelor se determin punctul de inflexiune corespunztor unei parabole
punnd condiia s treac prin trei puncte. Se obine aceiai relaie ca mai sus.
Avantajul utilizrii modului. Modul poate fi determinat foarte rapid. Se utilizeaz pentru a
obine o prim estimare a valorii centrale ale unei distribuii. Cu ct valoarea modul se afl la distan
fa de valoarea mediei aritmetice cu att distribuia are o asimetrie mai pronunat. n concluzie
modul poate fi utilizat pentru aprecierea gradului de asimetrie.
Valoarea central reprezint media extremelor valorilor caracteristice ale unei serii.

2
min max
c
x x
x
+
=
Valoarea central se calculeaz i pentru un interval de grupare de ordin i i reprezint media
valorilor limit (inferior i superior) ale intervalului.
( ) ( )
2
sup inf
i
i
i c
x x
x
+
=
Quantile sunt mrimi de poziie. Quantilele sunt valori ale caracteristicii statistice care mpart
seria n n grupe care au efective egale. Numrul n definete ordinul quantilelor. Modul de determinare
a quantilelor este analog cu cel utilizat de median. Pentru variabile continue se utilizeaz relaia:
( ) ( ) ( ) ( )
n
dx x f ..... dx x f dx x f dx x f
n
x
x
x
x
x
x
1
1
3
2
2
1
1
= = = = =
} } } }
+

Quartile - notate Q
1
, Q
2
, Q
3
sunt acele valori ale caracteristicii care mpart seria n patru pri
egale. Ele se calculeaz prin analogie cu modul de calcul al medianei dar innd seam de locul pe care
l ocup quartila inferioar Q
1
sau quartila superioar Q
3
n cadrul seriei, quartila Q
2
este egal cu
mediana.
Locul fiecrei quartile se determin utiliznd relaiile:
( ) ( )

4
1 3
L ;
4
1 2
L ;
4
1
3 2 1
Q Q
+
=
+
=
+
=
n n n
L
Q

M
e
Q
2

Q
3
Q
1

Fig 3.7 Poziia quartilelor i a medianei

f

x

L
1
L
2
M
0

A
1

A
2

a b
c
h

Fig 3.6. Graficul pentru
determinarea modului

68
Valoarea quartilelor se calculeaz cu relaiile:

1
Q
f
1
Q 4
1
1
h
1
infQ 1
Q x
cum
f
n
i
i
f
=
+
+ =
;
e
M Q =
2
;
3
Q
f
3
Q 4
1
1 3
h
3
infQ 1
Q x
cum
f
n
i
i
f
=
+
+ =
|
|
.
|
\
|

Decile notate D
1
, D
2
, ..., D
9
sunt acele valori ale caracteristicii care mpart seria n zece pri
(decia), a cincea decil fiind egal cu mediana.
Locul decilelor se calculeaz utiliznd formulele:
( ) ( )
10
1 9
9
D
L , . . . ,
10
1 2
2
D
L ,
10
1
1
+
=
+
=
+
=
n n n
D
L

Valoarea decilei se calculeaz cu relaia:
1
D
f
1
D 10
1
1
h
1
infD 1
D x
cum
f
n
i
i
f
=
+
+ =

D2
f
2
D cum
f
n
i
i
f 1
h

2
infD
x
2
D
=
+
|
|
.
|
\
|
+ =
10
1
2
e
M D =
5
9
D
f
9
D cum
f
n
i
i
f 1
9
infD
h x D
9
=
+
+
|
|
.
|
\
|
=
10
1
9

Centile sau procentile notate C
1
, . . ., C
99
sunt valorile caracteristicii care mpart seria n 100
de pri.
Locul procentilelor se calculeaz utiliznd formule:

( ) ( )
100
1 99
100
1 2
100
1
1
+
=
+
=
+
=
n
99
C
L ; . . . ;
n
2
C
L ;
n
C
L

Valoarea procentilei este dat de relaia:

1
C
f
1
C cum
f
n
1 i
i
f 1
infC 1
h x C
1
=
+
+ =
100

e
M C =
50

99
C
f
99
C cum
f
n
1 i
i
f 1
99
infC 99
h x C
=
+
+ =
|
.
|
\
|
100
99

Explicaia termenilor din formulele de mai sus este similar cu cea de la decile.
3.2.3.2. Indicatori simplii ai variaiei sunt utilizai pentru a msura cmpul de mprtiere al
caracteristicilor nregistrate, precum i pentru a determina mprtierea fiecrui nivel individual al
caracteristici fa de nivelul mediu. Indicatorii sunt: amplitudinea variaiei i abaterea individual.
Acetia se pot exprima att n mrimi absolute ct i n mrimi relative.
Amplitudinea variaiei
a) Amplitudinea variaiei n mrimi absolute: A
x
= X
max
- X
min

b) Amplitudinea variaiei n mrimi relative: A
rel
% = 100 100
min max
=
x
x x
x
A
x


69
Amplitudinea variaiei nu este un indicator suficient de semnificativ, principalul dezavantaj const
n faptul c nu ine seam de toate valorile observate ci numai de valorile extreme ale caracteristicilor,
ori asupra variaiei unui fenomen este normal s aib influen toate valorile individuale i frecvenele
lor de apariie. Uneori sunt cazuri cnd valorile extreme sunt foarte deprtate de celelalte valori
intermediare i in acest caz, a msura variaia numai n funcie de amplitudinea ei poate fi o greeal.
Amplitudinea variaiei este un indicator care n domeniul tehnic se interpreteaz n raport cu limitele
de toleran admise.
Abaterea individual
a) Abaterea individual n mrimi absolute notate d
i
-

se calculeaz cu relaia x x d
i i
=

b) Abaterea individual n mrimi relative notate d
i
% - se calculeaz cu relaia
100 100 % =
=
x
d
x
x x
d
i i
rel

n concluzie, amplitudinea variaiei ofer informaii referitoare la mrimea(ntinderea) domeniului
de variaie fr s ofere posibilitatea cunoaterii structurii interne de variaie, iar abaterea individual
ofer informaii doar la nivelul fiecrei variante x
i
, neglijnd imaginea dispersiei pe ansamblul
distribuiei.
Indicatori sintetici ai variaiei exprim, n mod sintetic, mprtierea tuturor nivelurilor
individuale ale unei caracteristici fa de nivelul mediu
Abaterea medie liniar notat d - este un indicator sintetic al mprtierii, definit ca valoare
medie a abaterilor absolute, se calculeaz ca media aritmetic simpl sau ponderat din abaterile
termenilor de la media lor, luat n valoare absolut.
=
=
=

=
n
i
x
i
x
n n
n
i
x
i
x
d
1
1
1

Abaterea medie liniar calculat n valori absolute pentru o serie cu intervale de grupare.
=

=
=
=
=

=

n
i
i
f x
i
x
n
i
i
f
n
i
i
f
n
i
i
f x
i
x
d
1
1
1
1
1

Abaterea medie liniar calculat n valori relative pentru o serie cu intervale de grupare.
=
=
=

=
n
i
i
f x
i
x
n
i
i
f x
i
x
d
1
%
100
1
100
1
%

Dac x
i
este o variabil aleatoare a crei funcie de repartiie este F
(x)
i exist media M[x],
expresia abaterii medii liniare este dat de relaia: | | | |
( )
( )
( )
dx f x dF X M x d
x i x i
} }
+

+

= =
Calculul abaterilor individuale d se face fr a ine seam de semnul lor deoarece dac s-ar folosi
valorile algebrice, nivelul abaterii medii liniare ar fi egal cu zero. Abaterea medie liniar indic
variaia medie de la valoarea medie de distribuie. Valoarea este cu att mai mic cu ct valorile sunt
grupate n jurul mediei. Pentru calculul abaterii medii liniare se poate utiliza orice alt mrime medie
cum ar fi mediana, dezavantajul const n aproximarea introdus de median.
Abaterea medie ptratic notat se mai numete deviaia standard, este un indicator al
mprtierii valorilor unei variabile aleatoare x, este definit ca rdcina ptrat a momentului centrat
de ordin doi sau este rdcina ptrat a dispersiei.
( )
( )

=
=
=
=
=

= =
n
i
x
i
x
n
n
i
x
i
x
n n
n
i
x
i
x
1
2 2
1
1
2
1
1
2
2
o o


70
Abaterea medie ptratic calculat n valori absolute pentru o serie cu intervale de grupare este
dat de expresia:
( )
=

=
n
i
i
n
n
i
i
n x
i
x
1
1
2
o
Abaterea medie ptratic calculat n valori relative pentru o serie cu intervale de grupare este
dat de expresia:
( )
=

=
n
i
i
f
n
i
i
f x
i
x
1
1
2
1
o sau
( )
=
=
n
i
%
i
f x
i
x
1
2
100
1
o

Pentru serii cu variabile aleatoare discrete, expresia abaterii medii ptratice este:
( )

= =
= =
n
i
i i
n
i
i i
p x p x
1
2 2
1
2
o
Pentru serii cu variabile continue, unde F
(x)
este funcia de repartiie a variabilei aleatoare x i
este media acestor variabile, abaterea medie ptratic este dat de relaia:
( )
( )
( )
( ) ( )
} } }
+

+

+

= = = o
2 2 2 2
dx f x dx f x dF x
x i x i x i

Abaterea medie ptratic este calculat ca o medie ptratic, iar prin ridicarea la ptrat se d o mai
mare importan abaterilor mai mari n valoare absolut. Abaterea medie ptratic este un indicator de
baz care se folosete n analiza variaiei, pentru estimarea erorilor de selecie, n calculele de
corelaie.
Observaie: > d
,
rezult din faptul c abaterea medie ptratic este calculat ca o medie
ptratic n care se reflect n mod pregnant influena factorilor ntmpltori, adic abaterile mari fa
de medie. Abaterea medie ptratic caracterizeaz mai bine variaia fenomenelor.
Relaia ntre i Q. Dou mrimi diferite devin comparabile dac facem raportarea la un
referenial comun. n cazul de fa considerm distribuia normal perfect simetric, tim c n
intervalul mediu interquartilic (M
e
Q) i (M
e
+ Q) se afl 50% din unitile unei colectiviti, n
schimb n intervalul ( ) o x i ( ) o + x se afl 68,27 % din unitile colectivitii. Fcnd convertirea
utiliznd variabila standard
o
=
x x
Z i consultnd tabelele Gauss, rezult Q = 0,675
Abaterea medie ptratic corectat notat cu s se calculeaz dup formula:
( )
( )
=

=

=
n
i
x
i
x
n n
n
i
x
i
x
s
1
2
1
1
1
1
2

Coeficientul de variaie notat CV este un indicator relativ al variaiei caracteristicii, se
calculeaz ca raport procentual ntre abaterea medie ptratic sau abaterea medie liniar i media
aritmetic a seriei. CV = 100
x
o
sau CV = 100
x
d

Coeficientul de variaie are valori cuprinse n intervalul 0 < CV < 100%, cu ct nivelul
coeficientului de variaie tinde spre zero, cu att seria statistic este mai omogen i media este mai
reprezentativ respectiv cu ct valoarea tinde ctre 100% cu att variaia este mai intens iar media
are un nivel de reprezentare redus.
Pentru a caracteriza variaia seriei, respectiv testul de semnificaie al reprezentativitii mediei
funcie de coeficientul de variaie se consider urmtoarele praguri:
0 < CV 17% media este strict reprezentativ iar colectivitatea este omogen
17% < CV 35% media este moderat reprezentativ

71
35% < CV 50% media este reprezentativ n sens larg
CV > 50% media este nereprezentativ iar colectivitatea este eterogen
Interval interquartilic notat I
Q
- exprim abaterea interquartilic i se calculeaz ca diferena
ntre quartila Q
3
i quartila Q
1. ( ) ( )
1 3 1 3
Q M M Q Q Q I
e e Q
= =
Intervalul interquartilic fa de amplitudinea de variaie elimin influena valorilor extreme ale
seriei, care n anumite situaii sunt exagerate.
Semiinterquartila

notat A
Q
reprezint abaterea medie interquartilic.
2
1 3
Q Q
A
Q
=
Semiinterdecila notat A
D
reprezint abaterea medie interdecilic
2
1 9
D D
A
D
=
Coeficientul de variaie interquartilic notat cu CV
Q
100 100
1 3
1 3
= =
Q Q
Q Q
M
A
CV
e
Q
Q

Coeficientul de variaie interdecilic notat cu CV
D
100
2
100
1 9
= =
e e
D
D
M
D D
M
A
CV
Dispersia notat cu
2
se calculeaz ca o medie aritmetic simpl sau ponderat a ptratelor
abaterilor valorilor individuale fa de media lor.
Relaia de calcul a dispersiei este urmtoarea:
( )
n
x x
n
i
i
=

=
1
2
2
o

Relaia de calcul a dispersiei cu frecvene absolute pentru o serie analizat prin intervale de
grupare este urmtoarea:
( )
=
=

= o
n
i
i
n
i
i i
n
n x x
1
1
2
2

Relaia de calcul a dispersiei cu frecvene relative pentru o serie analizat prin intervale de grupare
este urmtoarea:
( )
=
=
=
n
i
i i
n
i
i
f x x
f
1
2
1
1
2
o
; ( )
=
=
n
i
i i
f x x
1
2
%
100
1
2
o
Relaia de calcul a dispersiei pentru o serie cu variabile discrete este:
( )
=
=
n
i
i
x x
n
1
2
1
2
o sau | | ( ) | | ( )
=
= = =
n
i
i i
p x x M X D
1
2 2 2
o
Relaia de calcul a dispersiei pentru o serie cu variabile continue este:

| | ( )
( )
dx f x X D
x
}
+

= =
2
2
o

Dispersia unei caracteristici poate fi calculat cu ajutorul formulei momentului centrat de ordinul
doi. Astfel, se poate stabili dac este necesar calculul abaterilor individuale ale variantelor de la media
lor.
Pentru o serie simpl:
2
1 1
2
2
|
|
|
|
.
|
\
|
=

= =
n
x
n
x
n
i
i
n
i
i
o

Pentru o serie analizat prin intermediul intervalelor de grupare:
2
1
1
1
1
2
2
|
|
|
|
.
|
\
|
=
=
=
=
=
n
i
i
n
i
i i
n
i
i
n
i
i i
f
f x
f
f x
o

Calculul simplificat al dispersiei se poate face cu ajutorul urmtoarelor relaii de calcul:

72
- pentru o serie simpl ( )
2 2 1
2
2
a x k
n
k
a x
n
i
i

|
.
|
\
|
=
= o
- pentru o serie cu frecvene
( )
2 2
1
1
2
2
a x k
f
f
k
a x
n
i
i
n
i
i
i

|
.
|
\
|
=
=
= o
sau

( )
2
2
2
1
1
1
1
2
2
a x k
n
i
i
n
n
i
i
n
`
i
x
n
i
i
n
n
i
i
n
`
i
x

=
=
=
=

=
(
(
(
(
(
(
(
(
|
|
|
|
|
|
|
.
|
\
|
o
unde
k
a
i
x
`
i
x

=

unde: a valoarea caracteristicii cu frecvena cea mai mare;
k lungimea intervalului;
f
i
frecvena clasei i.
3.2.3.3. Indicatori de asimetrie i aplatizare
n practica statistic se pot ntlni serii de repartiii de frecvene simetrice, uor asimetrice sau cu
tendin pronunat de asimetrie. Indicatorii de asimetrie confer date referitoare la modul de
repartizare a frecvenelor de o parte sau de alta a valorii centrale (pot fi: media, mediana i modul).
Indicatorii de aplatizarea (boltire) exprim gradul de suplee a frecvenelor n zona central, mai precis
n jurul mediei. Practic, asimetria constituie o deviaie a curbei de la forma simetric a distribuiei. n
cazul unei distribuii unimodale perfect simetric mrimile medii cele mai importante se suprapun,
o e
M M x = = , iar perechile de quartile Q
1
, Q
3
respectiv perechile de decile D
1
, D
9
sunt echidistante
fa de valoarea central. ntr-o distribuie statistic coeficienii de asimetrie se determin ca o relaie
ntre medie i mod, respectiv ntre medie i median. Coeficieni de asimetrie se pot calcula att n
valori absolute ct i n valori relative, reprezentnd un numr abstract utilizat pentru comparabilitate.
Indicatori de asimetrie
Asimetria n mrime absolut notat A
s
este cu att mai mare cu ct diferena dintre x i
o
M este mai mare, aceast diferen este nul n cazul repartiiei unimodale. Expresia asimetriei este:

o s
M x A = sau pe baza relaiei dintre valorile centrale ( )
e o s
M x M x A = = 3

Atunci cnd A
s
< 0 media aritmetic se afl la stnga deci exist o extindere a frecvenelor ctre
stnga iar asimetria este negativ, dac A
s
> 0 media aritmetic se afl la dreapta, asimetria este
pozitiv, exist o extindere a frecvenelor spre dreapta.
Coeficientul empiric de asimetrie Pearson notat
P
as
C - este raportul dintre valoarea asimetriei
i abaterea standard.

o
=
o
=
s o P
as
A M x
C

Acest coeficient poate lua valori ntre 1 i + 1. Cu ct coeficientul este mai mic n valoare
absolut, cu att asimetria este mai mic. ntr-o serie perfect simetric
p
as
C = 0, ceea ce presupune c
valoarea medie coincide cu mediana i cu valoarea modal a seriei. Acest coeficient este utilizat pentru
distribuii uor asimetrice.
Dac: 0 =
p
as
C distribuia este simetric
) ; ( C
p
as
1 0 + e distribuia are asimetrie pozitiv (asimetrie la dreapta);
) 0 ; 1 ( e
p
as
C distribuia are asimetrie negativ (asimetrie la stnga)

73
Coeficientul de asimetrie Pearson notat
1
se calculeaz pe baza momentelor centrate de
ordin trei respectiv de ordin doi.
2
3
1
=
unde
( )

=
i
i i
n
n x x
2
2
iar
( )

=
i
i i
n
n x x
3
3

Distribuiile simetrice au momentele centrate de ordin impar nule iar cele de ordin par sunt
pozitive ( ) 0 ; 0 ; 0 ; 0
4 2 3 1
> > = = .
Distribuiile asimetrice au momentele centrate de ordin impar diferite de zero iar cele de ordin par
sunt pozitive, sensul asimetriei este dat de semnul lui
3
.
Dac: 0 =
1
distribuia este simetric
0 <
1
distribuia este asimetric la dreapta
0 >
1
distribuia este asimetric la stnga
Coeficientul empiric de asimetrie Fischer notat
F
as
C - are formula
( )
o
e F
as
M x
C

=
3

Aceasta formul se folosete pentru seriile uor asimetrice i ia valori ntre 3 i + 3. Se mai
utilizeaz i formula: Mod = Media 3(Media Mediana)
Coeficientul de asimetrie Fischer notat
1
se calculeaz cu relaia:
3
3
1
o
= , unde:
3
2
3
o = , valoare care este ntotdeauna pozitiv, semnul asimetriei va fi dat de
3
. Interpretarea este
aceiai ca i la coeficientul de asimetrie Pearson
Coeficientul lui Bowley notat
B
as
C -
1 2
1 2
q q
q q
C
B
as
+
=

unde:
1 1
Q M q
e
= iar
e
M Q q =
3 2
;
coeficientul poate lua valori n intervalul 1 1 + s s
B
as
C
Dac: 0 =
B
as
C distribuia este simetric;
0 >
B
as
C distribuia este asimetric la dreapta;
0 <
B
as
C distribuia este asimetric la stnga.
Dac acest coeficient se apropie de 0,1 seria este moderat asimetric iar pentru valori mari de 0,3
seria este pronunat asimetric.
Repartiiile empirice pot avea unul sau mai multe maxime. Repartiia cu un singur maxim se
numete unimodal i poate fi simetric sau asimetric. Dac repartiia prezint dou sau mai multe
maxime se numete polimodal. Se ntlnesc i situaii n care apar zone de minim n locul unui
maxim, n acest caz repartiia poart denumirea de antimodal. Un caz particular de repartiie
antimodal este repartiia uniform la care valorile frecvenei rmn constante.

f(x)
f(x)
f(x)
asimetrie de dreapta
|
1
> 0
asimetrie de stnga
|
1
< 0
simetrie
|
1
= 0
x
x
x
Figura 3.8. Simetria repartiiei

74
Indicatori de aplatizare.
Analizat din punct de vedere grafic, aplatizarea (boltirea) se apreciaz comparnd curba
frecvenelor unei distribuii empirice cu modelul corespunztor distribuiei normale avnd aceiai
medie i aceiai dispersie. Aplatizarea se poate gsi n una dintre cele trei situaii:
- curba mezocurtic (normal), este cea care coincide cu modelul;
- curba platicurtic, se datoreaz unei variaii puternice a variabilei x nsoit de o variaie
slab a frecvenei f
i
;
- curba leptocurtic, se datoreaz unei variaii slabe a variabilei x nsoit de o variaie
puternic a frecvenei f
i
;
Excesul de aplatizare se exprim avnd ca etalon de referin repartiia normal la care
2
= 3
Densitatea de repartiie a frecvenelor se calculeaz ca raport ntre fiecare frecven intervalului
de grupare i mrimea intervalului respectiv:
- densitatea absolut de repartiie a frecvenelor
h
n
d
i
a
= ;
- densitatea relativ de repartiie a frecvenelor
h
f
d
i
r
=
h
% f
d
i
r
= .
Calcularea acestor indicatori este necesar, n special, pentru seriile cu intervale de grupare mari
sau neegale. ntre densitatea de repartiie i densitatea de probabilitate exist analogii, astfel dac
valorile acestora indic o tendin de cretere ca valoare ctre valoarea central a caracteristicii
nseamn c seria are o tendin de normalitate i c media este reprezentativ pentru cele mai multe
valorii ale caracteristicii statistice.
Coeficientul de aplatisare Pearson notat
2
se calculeaz utiliznd momentele centrate cu
relaia:
4
4
2
2
4
2
o
| = = , unde
2
, respectiv
4
reprezint momentul centrat de ordin doi (variana)
respectiv momentul centrat de ordin patru.
Dac: 3
2
= | distribuia este normal ( curba Gauss Laplace )
3
2
< | distribuia este platicurtic
3
2
> | distribuia este leptocurtic
Coeficientul de aplatisare Fisher notat
2
se calculeaz cu relaia 3 3
2
2
4
2 2
= =
|
Dac: 0
2
= distribuia este normal ( curba Gauss Laplace )
0
2
< distribuia este platicurtic
0
2
> distribuia este leptocurtic

f(x) f(x)
f(x)
aplatisat
(platicurtic)
|
1
<3; 0
2
<
ascuit
(leptocurtic)
|
1
>3; 0
2
>
x
x
x
Figura 3.9. Tipuri de aplatizri

aplatisare medie
(mezocurtic)
|
1
~ 3; 0
2
=

75
3.2.4. MOMENTE
n statistica matematic i teoria probabilitii, se utilizeaz noiunea de moment, noiune extrem
de important, deoarece pe baza acestei noiuni se pot stabili indicatori de baz: media, dispersia
precum i indicatorii referitori la forma repartiiei, simetrie i aplatizare. De asemenea, particulariti
legate de forma repartiiei nu pot fi redate de indicatori statistici de localizare sau variaie de aceea se
calculeaz momentele de ordin k.
Momentele se mpart n dou mari categorii:
- momente absolute, la care valorile sunt considerate n raport cu originea (notate
k
a
m );
- momente centrate de ordin k, la care valorile sunt exprimate n raport cu o valoare arbitrar
(notat.
k
c
m )
Moment absolut de ordin k (k > 1) sau moment iniial de ordin k se determin utiliznd relaia:
=
=
+ + +
=
n
i
k
i
k
n
k k
k
a
x
n n
x ... x x
m
1
2 1
1
unde: x
1
, x
2
, , x
n
sunt valori observate

ale caracteristicii X.
Momentul absolut de ordin k poate fi exprimat i cu ajutorul frecvenelor absolute sau relative:
=
=
=
n
i
k
i i
n
i
i
k
a
x f
f
m
1
1
1
sau
=
=
n
i
k
i i
k
a
x % f m
1
100
1

Momentul absolut de ordin I reprezint media aritmetic.
a
n
i
i
n
a
x x
n n
x ... x x
m = =
+ + +
=

=1
2 1 1
1

Momentul absolut de ordin II reprezint media ptratic.
2
1
2
2 2
2
2
1 2
1
p
n
i
i
n
a
x x
n n
x ... x x
m = =
+ + +
=

=

Momente centrate de ordin k (k > 1) n raport cu o origine arbitrar A este :
( )
=
=
n
i
k
i
k
c
A x
n
m
1
1
sau ( )
i
n
i
k
i
n
i
i
k
c
f A x
f
m

=
=
=
1
1
1
; ( ) %
100
1
1
i
n
i
k
i
k
c
f A x m

=
=
Momentul centrat de ordin k n raport cu media aritmetic se noteaz cu
k
c
m i se calculeaz cu
relaiile: ( )
=
=
n
i
k
i
k
c
x x
n
m
1
1
sau ( )
i
n
i
k
i
n
i
i
k
c
f x x
f
m

=
=
=
1
1
1
; ( ) %
100
1
1
i
n
i
k
i
k
c
f x x m

=
=
Momentul centrat de ordin k n raport cu media teoretic se noteaz cu
k
i se calculeaz cu
relaia: | | ( ) | | ( )
i
n
i
k
i
k k
p x X M X M

=
= =
1

Pentru variabila continu, momentul centrat de ordin k este : ( )
( )
dx f x
x
k k
}
+

=
Momentul centrat de ordinul II este egal cu dispersia.
( )
2
1
2 2
1
o = =

=
n
i
i c
x x
n
m

Relaii ntre momentele absolute i momentele centrate
ntre momentele absolute
k
a
m i momentele centrate
k
c
m se pot stabili anumite relaii. Momentul
centrat de ordin doi poate fi exprimat de momentele iniiale :
( )
2
1
1
2
2
1
1
1
1
2
1
2
2
1
1
1
2
1
1
1
2
x
i
x
n
i
i
f
n
i
i
f
x
i
x
n
i
i
f
n
i
i
f
n
i
i
f x
i
x
n
i
i
f x
i
x
n
i
i
f
n
i
i
f
x
i
x
n
i
i
f
n
i
i
f
c
m +
=
=

=
=
=
=
+
=

=
=
=
=
=
=
|
.
|
\
|

( ) ( )
2
1 2
2
1 1 1
2
2 2
c
m
c
m
a
m
a
m
a
m
a
m
c
m = + =

76
n mod similar, momentul centrat de ordin trei va fi :
3
1
2
2 1
3
3 3
|
.
|
\
|
+ =
a
m
a
m
a
m
a
m
c
m
Se pot scrie urmtoarele relaii:
( )
( )
( ) ( )
4 2 2 3 4
4
1 2
2
1 3 1 4 4
3 2 3
3
1 2 1 3 3
2 2 2
2
1 2 2
1 1
0
3 6 4 3 6 4
2 3 2 3
0
0
x x m x m m m m m m m m m
x x m m m m m m m
x m m m m
x m m
m
a a a a a a a a a c
a a a a a a c
a a a c
a c
c
+ = + =
+ = + =
= = =
= =
=
o

Corecia momentelor
Pentru calculul indicatorilor statistici n cazul seriilor cu foarte multe uniti statistice se utilizeaz
gruparea pe intervale, frecvena fiecrui interval este considerat ca fiind corespunztoare valorii
centrale a intervalului de grupare. Calculul indicatorilor statistici utiliznd metoda gruprii unitilor
statistice conduce, n general, la apariia anumitor erori. Numai o repartiie uniform a unitilor
statistice n interiorul fiecrei clase conduce la inexistena erorilor, lucru care este, n general, foarte
rar ntlnit. Corectarea indicatorilor statistici calculai utiliznd metoda gruprii este cunoscut sub
denumirea de corecie Sheppard.
Media nu necesit nici o corecie, deoarece formula:
=
=
n
i
i
x
n
x
1
1
este identic cu ( )
=
+ =
n
i
i
A x
n
A x
1
1

Pentru momentele absolute corectate
c
k
a
m i momentele centrate corectate
c
k
c
m , valorile sunt
date de relaiile:

1 1
a
m
c
a
m = 0
1 1
= =
c
m
c
c
m

2
12
1
2 2
h
a
m
c
a
m + =
2 2 2
12
1
h m m
c c
=

1 2
4
1
3 3
a
m h
a
m
c
a
m + =
3 3
c
m
c
c
m =

4
80
1
2 2
2
1
4 4
h
a
m h
a
m
c
a
m + + =
4
240
7
2
2
1
4 4
h h
c
m
c
m
c
c
m + =
unde: h este amplitudinea intervalului de grupare.
3.3. REPARTIII STATISTICE
Repartiiile teoretice reprezint un model ideal al unei repartiii statistice, practic exprim un mod
teoretic de comportare a fenomenelor studiate de statistic. Repartiiile teoretice sau legile de
probabilitate ale unei variabile aleatoare X arat modul n care este distribuit volumul total al
probabilitilor pe ansamblul valorilor posibile ale variabilei X.
Descrierea unei legi de probabilitate a unei variabile aleatoare X se face prin:
- funcia de repartiie F
(x)
, n cazul unei variabile aleatoare discrete;
- funcia densitii de probabilitate f
(x)
sau prin funcia de repartiie F
(x)
, n cazul unei
variabile aleatoare continue.
Funcia de repartiie a unei variabile aleatoare X este definit prin intermediul probabilitilor
( ) { } R x , e < = x X P x F
Pentru o variabil continu, funcia de repartiie are urmtoarea expresie:
( )
( )
dx f x F
x
x
}

= unde f
(x)
este funcia densitatea de probabilitate a variabilei X
Pentru o variabil discret, funcia de repartiie are urmtoarea expresie:

77
( )
( )
=
x x ; i
x
i
i
p x F
unde
( )
i
x
p
este funcia de mas de probabilitate a variabilei X care
ndeplinete condiiile ( ) | | | | | | 1 1 0 = = s = = s

i
i i i
x X P ; x X P x p
Orice lege de probabilitate este caracterizat de anumii parametri care se determin n acelai
mod cu parametrii distribuiilor statistice prezentai n capitolele precedente: media, dispersia, abaterea
standard, coeficientul de asimetrie, coeficientul de aplatisare. Parametrii repartiiilor teoretice discrete
se obin pe baza relaiilor cunoscute pentru distribuiile statistice n care frecvenele sunt nlocuite cu
probabilitile asociate valorilor variabilei aleatoare X.

3.3.1. REPARTIII DISCRETE
Repartiia binomial (sau repartiia Bernoulli) se obine n cazul variabilelor aleatoare discrete
cnd experimentrile au urmtorul model probabilistic:
a) fiecare ncercare are numai dou rezultate posibile care formeaz un sistem complet de
evenimente incompatibile. Exemplu: A cnd se produce evenimentul favorabil; A - cnd
nu se produce evenimentul favorabil.
b) probabilitatea de apariie a unui eveniment, P(A) s fie constant la fiecare ncercare i
egal cu p iar probabilitatea celuilalt eveniment va fi egal cu P( A ) = 1- p = q.
Dac repetm experimentului de n ori, numrul de apariie al evenimentului A este o variabil
aleatoare discret avnd valorile posibile 0, 1, 2, ... n.
Considerm un lot de piese avnd un procent de q defecte. Efectum extrageri repetate, iar piesele
extrase se introduc din nou n lot, spre a nu se modifica compoziia, pentru a avea aceiai probabilitate
de succes, se obine o repartiie binomial a numrului de piese defecte. Extragerea se numete cu
ntoarcere. Presupunem c am efectuat n acest mod dou extrageri: notm evenimentul ca piesa s
fie bun cu A, iar celalalt eveniment ca piesa s fie defect cu A . n acest caz se pot lua n consideraie
urmtoarele situaii:
- Probabilitatea de apariie a evenimentului A de dou ori este :
P(AA) = P(A) P(A) = p
2

- Probabilitatea de apariie o singur dat este:
P[(A A )U( A A)] = ( ) A P P(A) + ( ) A P ) A P( = 2pq
- Probabilitatea apariiei evenimentului A n cele dou extrageri:
P ( A A ) = ( ) A P ) A P( = q
2

Generaliznd putem considera c dup n ncercri s-a produs de k ori evenimentul A i de n k ori
evenimentul A . Probabilitatea de a se produce evenimentul A de k ori n ordine i apoi a evenimentul
A de n k ori n ordine este data de relaia: P(AAA A A A ) = p
k
q
n-k
Dac n cele n experimentri nu intereseaz ordinea de apariie a evenimentului A atunci trebuie
considerate toate situaiile posibile. Numrul posibil al ordonrilor diferite este egal cu formula
combinrilor
k
n
C
. Rezult deci c probabilitatea ca n n probe evenimentul A s se produc de k ori
este dat de relaia:
P(n,k ) = P(X = k) = f(k) = q p C
k - n k k
n
= ( )
k - n k k
n
p - 1 p C unde:
k
n
C
=
!
)! (
k
k n
=
( )! k n k!
n!

P(i km) =
( )
=
m
i k
k f
=
=
m
i k
k - n k k
n
q p C

Legea binomial exprim probabilitatea de a avea de k ori succes n cadrul a n ncercri
independente, desfurate n aceleai condiii, al cror rezultat poate fi succesul, cu probabilitatea p,
sau eecul cu probabilitatea q =1-p

78
P(i km) =
( )
=
m
i k
k f
=
=
m
i k
k - n k k
n
q p C

Se observ c expresia P(n,k) este termenul general al dezvoltrii binomului lui Newton ( )
m
q p + ,
de unde i denumirea de repartiie binomial. Pentru aplicaiile unde n ia valori mari se poate folosi,
pentru simplificarea calculului, formula lui Stirling: n e n ! n
n n
t =

2
Funcia de probabilitate a repartiiei binomiale are expresia: P(x = k) = P(k) = q p C
k - n k k
n

Legea binomiale se poate aproxima printr-o lege normal.
Repartiia binomial tinde ctre repartiia normal cnd n . S-a constatat, din reprezentarea
grafic a legii binomiale B(n,p) c atunci cnd probabilitatea p este aproape de 0,5, repartiia
binomial are o form simetric. Dac p rmne constatat i n este destul de mare (n > 30), legea lui
Gauss devine o bun aproximare a legii binomiale i admite ca parametrii sperana matematic np x =
respectiv abaterea standard npq = o a legii binomiale adic: ( )
|
.
|
\
|
~ npq , np N p , n B X ~ . n practic
acest rezultat se traduce prin faptul c dac n are o valoare mare (n > 30) i p nu este zero sau unu, se
poate calcula probabilitatea pentru care variabila binomial X s se afle n intervalul (a,b) ca i n cazul
unei variabile normate cu media np x = i abaterea standard npq = o .
Indicatorii teoretici sunt:
- Media: =
| | X M
= np;
- Dispersia:
2
=
| | X D
= npq = np(1-p);
- Abaterea medie ptratic npq = o ;
- Momente ( ) ( ) npq pq npq p q npq npq np 3 6 1 , , ,
4 3
2
2 1
+ = = = = = = o ;
- Asimetria
npq
p q
=
1
;
- Aplatizarea
npq
pq 6 1
2
=
- Valoarea modal a variabilei aleatoare discrete X este un numr ntreg cuprins ntre np-q i
np+q i permite aprecierea asimetriei distribuiei de probabilitate. Repartiia binomial este n cele mai
multe cazuri asimetric: p > 0,5 asimetrie pozitiv, p < 0,5 asimetrie negativ, p = 0,5 simetric.
Repartiia hipergeometric
Modelul probabilistic al repartiiei hipergeometrice este similar celui binomial, singura diferen
const n faptul c elementul extras nu mai revine i astfel la fiecare extragere se modific compoziia
(condiiile). Extragerea se numete fr ntoarcere.
Fiind dat o populaie compus din n piese din care: a sunt bune i b = n - a sunt defecte (condiia
a + b = n). Probabilitatea ca dup ce efectum m extrageri succesive fr ntoarcere s se obin un
numr de x piese bune respectiv un numr de m x piese defecte, este calculat cu formula
combinrilor a n piese luate cte m:
m
b a
m
n
C C
+
= . Numrul cazurilor favorabile extragerii de piese bune
este
k
a
C , respectiv numrul cazurilor favorabil extragerii de piese defecte este
k m
b
C

.
Funcia de probabilitate are expresia:P
n,m
(k) =
m
b a
k m
b
k
a
C
C C
+

Dac n este foarte mare, repartiia hipergeometric se aproprie de repartiia binomial cu
parametrii: p =
n
a
, q =
n
b
= 1
n
a

Funcia de repartiie se calculeaz cu formula: ( ) ( )
x m
b
k
x
x
a
m
n
m , n
C C
C
k X P k F

=
= s =
0
1


79
Forma general a repartiiei hipergeometrice poate fi definit astfel: se consider un numr de n
produse industriale cu a
1
, a
2
, a
k
clase avnd caliti diferite unde a
1
+ a
2
+ +a
k

= n, extragem (fr
ntoarcere) m exemplare, posibilitatea ca n eantionul extras, s existe x
1
, x
2
, ... x
k
exemplare din
fiecare calitate (x
1
+ x
2
+ ...+ x
k
= m) este: P
n,m
(x
1
,x
2
,...,x
k
) =
m
n
x
a
x
a
x
a
C
C C C
k
k
...
2
2
1
1

Repartiia hipergeometric se utilizeaz la controlul statistic de recepie a loturilor mici de
produse. Repartiia binomial poate fi considerat ca un caz limit al repartiiei hipergeometrice n
situaia n care n , iar volumul eantionului este constant.
- Valoarea medie (media): = mp;
- Dispersia:
1
2
= o
n
m n
mpq , dac n >> m, atunci |
.
|
\
|
= o
n
m
mpq 1
2

Repartiia Poisson (denumit i repartiia evenimentelor rare)
Evenimentele specifice repartiiei Poisson au o probabilitate mic de apariie (evenimente rare) iar
volumul eantionului este suficient de mare nct s fie ndeplinit condiia np = = constant. Aceste
evenimente sunt cele care produc avarii, produc accidente, conduc la defectarea unei maini, s.a. i
este denumit variabila Poisson. Variabila Poisson este o variabil aleatoare care ia un numr de valori
pe un interval de lungime finit. Notm cu densitatea de apariie a unui eveniment n unitatea de
timp, atunci media apariiilor evenimentului n intervalul t se calculeaz cu formula =t .
Probabilitatea apariiei a evenimentului de k ori n acelai interval t este: P(X = k) =
t
k
e
k
t

!
) (

Funcia de probabilitate are expresia: P(x = k) =

e
! k
k

Distribuia Poisson este determinat de un singur parametru X ~ P(k)
Funcia de repartiie Poisson are expresia: ( ) ( )

=

=
= = s
k
k
k k
k
k
! k
e e
! k
k F k x P
0 0

Aproximarea legii Poisson
Legea Poisson poate fi aproximat cu o repartiiei binomial cnd p (sau q) este mic iar n este
mare. n acest caz se folosete ca parametru al legii Poisson sperana matematic (media teoretic) a
legii binomiale = np. Aceast particularitate poate fi folosit n aplicaiile practice atunci cnd un
eveniment cu repartiie binomial are o probabilitate foarte mic de apariie. n acest caz n locul
formulei de mai sus se poate utiliza relaia: P(n,k)=
np
k
e
k
np

!
) (

Aproximaia este suficient de bun atunci cnd p s 0,1 i np s 5.
Atunci cnd parametrul Poisson este mai mare ca 20 (m>20) legea Poisson poate fi aproximat
printr-o lege normal X ~ P(m) ~ N(m, m )
O particularitate a repartiiei Poisson const n faptul c media teoretic i dispersia sunt egale:
= M(X) =
2
= D(X) = .
Condiia necesar pentru a avea o lege Poisson este urmtoarea:
( )
( ) k k X P
k X P
=
=
=
1
.
Suma a dou variabile aleatoare independente X
1
i X
2
, urmnd fiecare o lege Poisson de
parametri m
1
i m
2
, urmeaz ea nsi o lege Poisson
X
1
~ P(m
1
); X
2
~ P(m
2
) rezult (X
1
+ X
2
) = P(m
1
+m
2
)
- Valoarea medie (media): = M(X) = ;
- Dispersia: ( ) o = = X D
2


80
3.3.2. REPARTIII CONTINUE
Repartiia uniform. Funcia densitate de repartiie are expresia:
( )
| |
| |
e
e
=
b a x pentru
b a x pentru
a b
, , 0
, ,
1
x f
Variabila aleatoare X care are funcia de repartiie uniform pe [a, b].
Funcia de repartiie uniform pe [a, b] este :
( )
>
s <
s
=
b x pentru
b x a pentru
a b
a x
a x pentru
F
, 1
,
, 0
x unde ( ) ( )dt t f x F
x
}

= .
Pentru x s a, F(x) = 0, deoarece n acest caz f(t) = 0.
Dac a < x s b avem: ( ) ( ) ( ) ( )dt t f dt t f dt t f x F
x
a
x
a
a
} } }
= + =

deoarece, pentru t < a, f(t) = 0 i deci
( ) 0 =
}

dt t f
a
.rezult: ( )
}

=
x
a
a b
a x
dt
a b
x F
1
.
Dac x > b putem scrie: ( ) ( ) ( ) ( ) ( ) 1
1
=
= = + + =
} } } } }

dt
a b
dt t f dt t f dt t f dt t f x F
b
a
b
a
x
b
b
a
a
, deoarece,
pentru t < a i t > b, f(t) = 0.
Graficele funciilor f(x) i F(x) ale repartiiei uniforme sunt date n figura 3.10.

Valoarea medie i dispersia variabilei aleatoare , uniform pe [a, b] sunt:
M() =
2
b a +
, ( )
( )
12
2
2
a b
D

=
ntr-adevr, innd seama de funcia de repartiie avem:
( ) ( ) ( ) ( ) ( ) ( )
2
1 b a
dx x
a b
dx x xf dx x xf dx x xf dx x xf dx x xf M
b
a
b
a b
b
a
a
+
=
= = + + = =
} } } } } }

.

( ) ( ) ( )
3
1
2 2
2 2 2 2
b ab a
dx x
a b
dx x f x dx x f x M
b
a
b
a
+ +
=
= = =
} } }

.
Din aceast expresie i din rezultatul precedent deducem:
( )
( ) ( )
12 4 3
2 2 2 2
2
a b b a b ab a
D

=
+
+ +
=
.
Deoarece b > a rezult:
( )
3 2
a b
D

=
.
Repartiia normal este cea mai important lege de repartiie, fiind cunoscut sub denumirea de
legea Gauss Laplace. Legea normal are un rol important n teoria probabilitii, fiind utilizat
f(x)
F(x)
0 0 a b x
b a
1

a
b x
Figura 3.10. Graficul repartiiei uniforme

a) funcia densitii de probabilitate

b) funcia de repartiie


81
pentru aproximarea unor legii de probabilitate. Repartiia normal este utilizat foarte des n analiza
variabilelor aleatoare, avnd un rol fundamental n teoria seleciei, n analiza de regresie, n analiza
varianei i covarianei, etc. O distribuie normal este rezultatul unui numr foarte mare de cauze
independente, cu efect aditiv, fiecare dintre ele avnd o influen neglijabil n modificarea celorlalte.
a) LEGEA GAUSS LAPLACE este caracterizat de parametrii i
2
.
O variabil aleatoare X este distribuit dup o lege normal dac funcia densitate de probabilitate
are urmtoarea expresie: f(x) =
2
2
1
2
1
|
.
|
\
|
o

t o
x

e
, R x e
unde: - este media iar
2
este variana (dispersia).
Distribuia normal este unic determinat de medie i dispersie, se noteaz simbolic prin:
X ~ N(,
2
).

Suma (sau diferena) a dou variabile aleatoare independente X
1
i X
2
care sunt guvernate de legea
normal N(
1
,
1
2
) i N(
2
,
2
2
) urmeaz de asemenea, legea normal, i anume:

) , N( ~ X
) , N( ~ X
2
2 2 2
2
1 1 1
o
o

2 1
X X X + = ~
( )
2
2
2
1 2 1
o o , N

Graficul funciei densitatea de probabilitate are forma de clopot i prezint urmtoarele
particulariti:
- admite un maxim pentru x = i scade necontenit la dreapta i la stnga (
dx
x df ) (
= 0 pentru x
= iar valoarea funciei n acest punct este f =
t o 2
1
);
- este simetric n raport cu dreapta x = . Valorile
centrale (media, mediana i modul) sunt egale = M
o
=
M
e
;
- n punctele x = - i x = + i modific
convexitatea (puncte de inflexiune);
- ntr-o distribuie normal, amplitudinea variabilei este
infinit - < X < +. Cnd x funcia f(x) tinde
spre zero.
- dac n variabile aleatoare normale X
i
(cu i = a , 1 ) sunt
independente i identic repartizate de parametri cunoscui, atunci
variabila aleatoare Y definit ca suma acestor variabile aleatoare
=
=
n
i
i
X Y
1
urmeaz o lege normal cu
=
=
n
i
i
1
i
=
=
n
i
i
1
2 2
o o
Curba funciei densitatea de probabilitate este cu att mai
ascuit cu ct valoarea lui este mai mic.
Modificarea parametrului translateaz curba de-a lungul axei Ox fr s o modifice ca form.

Funcia de repartiie normal este dat de expresia:
f(x)

x
o
4 , 0

Figura 3.11. Densitatea de
probabilitate cu repartiie normal
o = 1
f(x)
o
2 , 0

x
o = 0,5
o = 2
= ct.
Figura 3.12. Curba densitilor de
probabilitate cu dispersii diferite
F(x)
x
o
4 , 0

Figura 3.13. Funcia de repartiie
normal
f(x)
x
i
F(x)
1
0,5
F(x
i
)
x
i

82
F(x) = P(X x) = ( )
}

x
dx x f =
}

|
.
|
\
|
x
x
dx e

2
1

2
2
1
o
t o
.
Funcia F(x) = P(X x) satisface condiiile:
- F(x) 0;
- F(x
1
) < F(x
2
) pentru x
1
< x
2
;
- F(+) = P(X +) =
}
+

|
.
|
\
|
dx e
x

2
2
1

2
1
o
t o
= 1
Repartiia fiind simetric F(x) =
( )dx x f
x
}

=
( )dx x f
x
}
+
=
2
1

Parametrii funciei de repartiie:
- media | | ( )
( )
t o
o
= = =
} }
+

+

dx e x dx x f x x M
x
2
2
2
2
1

- dispersia | | ( ) ( )
( )
2
2
2
2
2 2
2
1
o
t o
o
= = =
} }
+

+

dx e x dx x f x x D
x

n unele domenii de aplicaie (teoria erorilor) funcia densitate de probabilitate, cu repartiie
normal, este prezentat sub forma: f(x) =
) (
2 2
x h
e
h

t
, unde h =
2
1
o
=
o
707 . 0

b) REPARTIIA NORMAL NORMAT. O variabil aleatoare Z urmeaz o lege de
repartiie normal normat dac funcia densitatea de probabilitate este dat de relaia:
f(z) =
2
2
1
2
1
z
e
t
, R z e
Proprietile funciei densitate de probabilitate:
- f(z) > 0;
- f(-z) = f(z);
- ( ) 0 =

z f
lim
x
;
- aria clopotului Gauss este: ( ) 1 =
}
+

dz z f
Expresia funciei densitate de probabilitate s-a obinut prin efectuarea schimbrii de variabil n
cadrul repartiiei normale i anume: z
i
=
o

i
x
;
o
=
i
i
dx
dz . Prin schimbarea de variabil s-a realizat
trecerea de la o distribuie statistic normal la o distribuie normal normat.
Se observ c funcia f(z) se poate obine i din funcia f(x) cu condiia ca = 0 i = 1. ntre
densitatea de probabilitate a unei variabile normale normate Z, respectiv variabila normal
corespondent X exist relaia urmtoare: ( ) ( ) z f x f
o
=
1

n consecin, dispersia este egal cu abaterea medie ptratic, iar momentele centrate sunt egale
cu cele iniiale. Repartiia normal normat se noteaz Z ~ N(0,1).
Funcia de repartiie normal normat (sau funcia de repartiie Laplace) are expresia:
( )
} }

t
= =
z
z

z
dz e dz ) z ( f z F
2
2
2
1
.
Parametrii distribuiei sunt:
f(x)

2
x
2

3
Figura 3.14. Curba densitilor de
probabilitate cu medii diferite

83
- media | | ( ) 0
2
1
2
2
=
t
= =
} }

+

z
z

dz e z dz z f z Z M ;
- dispersia | | ( ) 1
2
1
2
2 2
2
=
t
= =
} }

+

z
z

dz e z dz z f z Z D

Valorile funciilor f(z) i F(z) se determin mai simplu utiliznd tabelele de valori.
Din figura 3.15 se poate constata c funcia de repartiie F(z) este simetric n raport cu originea,
astfel se poate scrie: ) z ( dz ) z ( f dz ) z ( f dz ) z ( f ) z ( F
z z
u + = + = =
} } }

2
1
0
0
.

Utiliznd aceast relaiei i operaia de translaie (realizat cu ajutorul ecuaiilor: z = z i (z) =
F(z) -
2
1
) se constat c putem determina valoarea funciei de repartiie F(z) prin intermediul
funciei integrale Laplace (z).
Integrala
} }

t
= = u
z
z

z
dz e dz ) z ( f ) z (
0
2
0
2
2
1
poart denumirea de Funcie Integral Laplace,
geometric aceasta reprezent de aria dublu haurat din graficul funciei densitii de probabilitate din
figura 3.17. c.
n practic pentru rezolvarea unor probleme de interferen (estimare, testare, etc.) se impune
calcularea unor probabilitii pe baza funciei de repartiie. Aceste valori se obin utiliznd tabelele
Gauss - Laplace, unde sunt prezentate valorile pentru funcia (z).
Proprieti ale funciei lui Laplace:
- (0) = 0;
- (-z) = - (z);
- ( )
2
1
= u

z lim
x
;
- ( ) ( ) z z F u + =
2
1
.
Valorile funciei integral Laplace (z) ca i ale funciei de repartiie Laplace F(z) precum i
relaiile de legtur ntre F(z) i (z) sunt prezentate n tabelul de mai jos.
z
0 -1 1 -2 2
-3
3
0,5
1
0,0013
Figura 3.16. Funcia de repartiie pentru o
repartiie normal normat
F(z)
0,0028
0,1587
0,8413
0,9772
0,9987
z
f(z)
0 -1 1 -2 2 -3 3
0,1
0,2
0,3
0,4
Figura 3.15. Funcia densitatea de probabilitate
pentru o repartiie normal normat
0,5
1 0,5
-
0,5
u(z)
u(z)
F(z)
z
a) Funcia de repartiie Laplace b) Funcia integral Laplace

f(x)
0 z
c) Funcia densitatea de
probabilitate

Figura 3.17. Interpretarea geometric a funciei Laplace

u(z)
F(z)
F(z)

84
n practic, este suficient s se cunoasc valorile funciei (z), pentru z > 0 i se poate calcula
probabilitatea ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
2 2 2 2 2 1 2 2 1
2 z z z z z z z z Z z P u = u + u = u u = u u = s s .
Tabelul 3.4. Relaii ntre funciile (z) i F(z)
z (z) F(z)
-
2
1

0
- z
- (z) =
2
1
- F(z) F(z) =
2
1
- (z)
0 0
2
1

z
(z) = F(z) -
2
1
F(z) =
2
1
+ (z)
+
2
1

1
Probabilitatea ca o variabil aleatoare normal X ~ N(,
2
) s aparin unui interval (x
1,
x
2
) se
determin cu relaia: P(x
1
< X < x
2
) = ( ) ( ) ( )
1 2
2
1
x F x F dx x f
x
x
=
}
.
Aplicm metoda de normare
o

=
1
1
x
z i
o

=
2
2
x
z , rezult
P(x
1
< X < x
2
) =.
( ) ( ) ) z ( F ) z ( F
x
F
x
F dz z f dx x f
z
z
x
x
1 2
1 2
2
1
2
1
= |
.
|
\
|
o

|
.
|
\
|
o

= =
} }

Apartenena unei variabile aleatoare la un interval oarecare are numeroase aplicaii practice n
tehnic cum ar fi: ncadrarea consumului de material, de energie, etc. n anumite limite impuse de
procesul tehnologic; ncadrarea cotelor pieselor, reperelor prelucrate n anumite limite de toleran, .a.
Putem calcula probabilitatea ca o variabil aleatoare s urmeze o lege normal normat i s
aparin diferitelor intervale o , o 2 , o 3 , o 4 , etc. Grafic aceast probabilitate este
redat n figura 3.18. De asemenea, exist numeroase aplicaii unde este necesar ca variabila aleatoare
z
, avnd probabilitatea , s nu depeasc anumite limite impuse.

Importana repartiiei normale. Repartiiei normale se explic cu ajutorul unei teoreme
importante din teoria probabilitilor, cunoscut sub denumirea de teorema limit central.
Conform acestei teoreme, fiind dat o serie de variabile aleatoare independente: X
1
, X
2
, ... X
n
, cu
dispersiile
1
2
,
2
2
, ...,
n
2
, variabila aleatoare Y = a
1
X
1
+ a
2
X
2
+...+ a
n
X
n
urmeaz o lege normal dac
rapoartele:
n
i
1
2
1
o
o
;
n
i
1
2
2
2
o
o
; ...
n
n
i
n
1
2
o
o
; tind ctre zero cnd n tinde la infinit.
Iniial aceast teorem a fost considerat fr importan practic, deoarece era greu de bnuit c
se va ntlni n realitate o variabil aleatoare care s fie suma unui numr infinit de alte variabile
aleatoare. Ulterior n industrie s-au gsit foarte multe modele care s ndeplineasc aceste condiii. De
Figura 3.19. Reprezentarea lui P(z >a
) =

P(z >a
) =

1 -

o =68,27%
2o = 95,445 %
3o = 99,73 %
4o = 99,996 %
Figura 3.18. Probabilitatea intervalelor

85
exemplu, n domeniul msurtorilor tehnice se pot identifica numeroase cauze perturbatoare sau surse
de erori cu efect aditiv. n tehnic, o anumit caracteristic a unui produs, cum ar fi curentul
determinat pe un lot de electromagnei prezint variaii care depind de numeroi factori ca: abaterile
tehnologice (ntrefier, rezistena nfurrii, spira ecran), variaii ale parametrilor fizici de material etc.
determinnd n final o lege de repartiie normal. Aceasta poate fi luat ca model teoretic general
pentru cercetarea probabilistic aproape a tuturor fenomenelor naturii.
Repartiia exponenial
Variabila aleatoare continu X, cu repartiia exponenial negativ, are densitatea de probabilitate:
f(x) = e
-x
; > 0, 0 s x <

Funcia de repartiie este: F(x) = 1- e
-x
, pentru x > 0
F(x) = 0, pentru x < 0
Indicatori teoretici. Se observ n acest caz egalitatea dintre media teoretic i abaterea standard:
= =
1
Repartiia exponenial reprezint cazul particular al repartiiilor Poisson i Weibull.
Graficele densitii de probabilitate i al funciei de repartiie sunt prezentate n figurile de mai
jos:

Repartiia
2
(hi-ptrat.)
Fie X
1
, X
2
, , X
variabile independente, distribuite dup o lege normal, variabila obinut prin

nsumarea ptratelor variabilelor
2
=
2
...
2
2
2
1 v
X X X + + +
urmeaz o repartiie hi-ptrat cu grade de
libertate.
O variabil continu urmeaz repartiia
2
dac funcia densitatea de probabilitate are urmtoarea
expresie:
s
>
v
I
=
|
.
|
\
|

v
v
0 x pentru 0,
0 x pentru , e x
) (
) x ( f
x

2
1
2
2
2
2
1
, unde:
= n -1 reprezint numrul gradelor de libertate (numrul de variabile independente).
( ) dx e x a
x a
+
}
= I
0
1
, a > 0 este integrala Gamma a lui Euler.
Numrul gradelor de libertate reprezint numrul de variabile independente a cror variaie nu
sufer nici o restricie. Dac se consider o variabil aleatoare continu X care poate lua valorile
v
x ,..., x , x
2 1
cu probabilitatea
v
p ,..., p , p
2 1
i dac 1
1
=
v
= i
i
p atunci oricare dintre probabiliti poate fi
determinat cnd se cunosc celelalte 1 v probabiliti. n aceast situaie repartiia
2
are 1 v grade
de libertate ( 1 v din cele v variabile sunt independente, iar una este dependent i se obine din
celelalte 1 v variabile independente).
F(x)
x
1
0,63
1

Figura 3.20. Funcia de repartiie
f(x)
x
1
0,368
1

Figura 3.21 Densitatea de probabilitate

86
Dac se consider n variabile aleatoare de tip continuu, independente z
1
,

z
2
, ..., z
n
care au fiecare o
repartiie normal normat - N(0,1), atunci suma ptratelor variabilelor z
i
constituie o variabil
aleatoare continu, care urmeaz repartiia
2
cu grade de libertate:
=
n
i
z
1
2 2
_
Graficul funciei densitatea de probabilitate depinde de parametrul i este prezentat n figura
3.23. Curbele de repartiie sunt asimetrice pentru valori mici ale lui i se apropie de o repartiie
simetric cnd ia valori mari (adic pe msur ce variabilele aleatoare normale normate din care se
constituie sunt mai mare). Conform teoremei limit central repartiia
2
tinde lent ctre repartiia
normal .
Indicatorii teoretici ai repartiiei
2
au urmtoarele expresii:
- - media M[x] = ;
- dispersia D[x] = 2 ;
- abaterea medie ptratic v = o 2 .
Funcia de repartiie F(x) a unei variabile aleatoare continue care urmeaz repartiia
2
are
expresia: ( ) dx
p
x
x

e

x
) (
p
x X P x F
}

v
I
v
= s =
|
|
|
.
|
\
|
|
.
|
\
|
0
2
1
2
2
2
2
1

n activitatea practic este necesar s se determine probabilitatea astfel ca valorile variabilei
2
s
fie mai mici dect o valoare
2
1
p
_ , s fie cuprins n intervalul ( )
2
2
2
1
p p
,_ _ sau s fie mari dect o valoare
dat
2
2
p
_ . n aceast situaie se utilizeaz urmtoarea relaie:

0
2
2
2
2
1
2 2
2
2
2
1
2 2
= _
}
_
_
v
_
v
I
v
= _ > = _
|
|
|
.
|
\
|
|
|
.
|
\
|
|
|
.
|
\
|
|
|
.
|
\
|
d
p

e
) (
p
X P F

Cnd numrul gradelor de libertate 30 > v , quartilele se pot aproxima astfel:
( )
2
2
1 2
2
1
v + ~ _
p p
z , unde z
p
este valoarea normal normat corespunztoare.
Distribuia
2
este folosit, n special pentru testarea ipotezelor statistice.
Graficul funciei de repartiie este prezentat n figura 3.22.
Valorile variabilei
2
o v
_
,
sunt tabelate n funcie de numrul gradelor de libertate i condiia de a nu
fi depit probabilitatea .
Repartiia Student sau distribuia t.
Dou variabile aleatoare continue, X care urmeaz repartiia
2
i Z care urmeaz repartiia
normal normat - N(0, 1), pot defini o alt variabil aleatoare continu
v
_
2
Z
t =
cu o repartiie
f(_
2
)
2
o
_

2
_

o = P (
2
_ >
2
o
_ )
Figura 3.22. Interpretarea geometric a
probabilitii
f(_
2
)
Figura 3.23. Curbele repartiiei
2

5 10 15
20
20

0,1
v = 2
v = 5
v = 10
v = 20
25
30
0,2

87
denumit repartiia t sau Student (pseudonimul matematicianului englez Gosset), cu grade de
libertate, dac funcia densitatea de probabilitate are expresia:

< <
|
|
.
|
\
|
+
|
.
|
\
|
I
|
.
|
\
| +
I
=
+
t
t
t f ; 1
2
2
1
1
) (
2
1

2
v
v v
v
tv

Variabilele Z care urmeaz repartiia normal normat N(0, 1) i variabila X care urmeaz
repartiia
2
cu grade de libertate sunt centrate i independente.
Se pot defini i repartiii t necentrate dar n acest caz se utilizeaz repartiia normal normat
necentrat - N(m, 1) i repartiia
2
,
necentrat.
Funcia de repartiie este simetric satisfcnd urmtoarele relaii: f(-t) = - f(t); F(-t) = 1-F(t).

< <
|
|
.
|
\
|
+
|
.
|
\
|
I
|
.
|
\
| +
I
=
}
+

+
t dt
t
t F ; 1
2
2
1
1
) (
2
1

2
v
v v
v
tv

Legea student este utilizat pentru analiza distribuiilor de selecie n cazul eantioanelor de volum
mic (n < 30), n special, pentru verificarea ipotezelor statistice care se refer la media unei populaii
normale cnd parametrul este necunoscut.
Simbolizarea X ~ t().
Repartiia t este definit ca i repartiia normal prin indicatorii teoretici i , care au valorile
= 0 i
2
=
v
v
o , de unde se constat c definirea acestei legi depinde de numrul gradelor de
libertate, unde = n -1 iar n reprezint numrul observaiilor. Pentru mare (practic > 30) legea
Student se poate aproxima prin legea normal N(,) centrat sau prin legea normal normat. n
aplicaiile cele mai frecvente, repartiia Student este folosit pentru a determina limitele care sunt
depite cu o probabilitate (fig. 3.25).
Distribuia Student este folosit n locul distribuiei normale cnd nu cunoatem variana
distribuiei i o nlocuim cu o estimaie a sa.

-3 3 -2 -1 1 2
0
Figura 3. 24. Comparaii ntre densitile
de probabilitate ntre f(t) i f (z)
N(0,1)
f(t) f(z)
Repartiia
Student
2
o
t
0
f(t)
1 - o
2
o

2
o

2
o
t
Figura 3.25. Poziia limitelor depite
cu probabilitatea /2 definit
de repartiia Student


88
3.4. TEORIA PROBABILITILOR
Conceptele fundamentale ale teoriei probabilitilor sunt cele de eveniment i cele de
probabilitate. Teoria probabilitilor opereaz cu aceste noiuni specifice care se prezint astfel:
Experimentul reprezint realizarea unui ansamblu de condiii conform unui anumit criteriu de
cercetare.
Evenimentul este rezultatul unui experiment. Putem cita urmtoarele evenimente: A formarea
unui arc electric la ntreruperea unui circuit; B arderea unei lmpi electrice la alimentarea cu o
tensiune nominal; C apariia unui defect dup un anumit timp de funcionare, etc. Dac se
analizeaz evenimentele menionate, se observ c fiecare se poate realiza ntr-o msur diferit.
Astfel, evenimentul B este mai puin probabil s se produc n comparaie cu evenimentul A sau C.
Dac se asociaz fiecrui eveniment un anumit numr care s indice posibilitatea de realizare, se
ajunge la noiunea de probabilitate.
Probabilitatea unui eveniment este msura numeric a posibilitii de realizare. Din punct de
vedere al posibilitilor de realizare, evenimentele se pot clasific n :
1. Eveniment sigur evenimentul care se produce n mod obligatoriu ntr-un experiment.
Notm evenimentul sigur cu litera E. Exemplu : extragerea unui contactor dintr-un lot de
contactoare.
2. Eveniment imposibil evenimentul care n mod obligatoriu nu se produce n cadrul unui
experiment. Notm evenimentul imposibil cu . Exemplu : extragerea unui motor electric
dintr-un lot de butoane.
3. Eveniment aleator (ntmpltor) evenimentul care se produce sau nu ntr-un experiment,
i se noteaz n general cu A, B, C sau A
1
, A
2
,,A
n
.
Cmp de evenimente: rezultatele unor experimente pot reprezenta evenimente diferite, iar
totalitatea acestor evenimente formeaz ceea ce se numete cmp de evenimente.
Cmp de probabilitate este mulimea valorilor numerice reprezentnd probabilitatea fiecrui
eveniment aparinnd unui cmp de evenimente. Evenimentele aleatoare pot fi la rndul lor :
compatibile, dac se pot produce simultan, sau incompatibile dac nu se produc simultan (se exclud
mutual). Astfel, realizarea unui eveniment exclude realizarea celuilalt. O categorie aparte de
evenimente incompatibile o formeaz evenimentele contrarii (complementare) care la nerealizarea
unui eveniment A se produce sigur cellalt eveniment .
Observaie : evenimentele contrarii sunt incompatibile n timp ce evenimentele incompatibile nu
sunt n mod obligatoriu contrarii.
Evenimente independente: dou evenimente se numesc independente n probabilitate dac
probabilitatea de realizare a unuia nu este influenat de realizarea sau nerealizarea celuilalt.
Evenimente dependente: dou evenimente se numesc dependente dac probabilitatea unui
eveniment este influenat de realizarea celuilalt eveniment.
3.4.1. ALGEBRA EVENIMENTELOR
Dou sau mai multe evenimente (compatibile sau incompatibile) pot defini printr-o operaie de
reuniune sau de intersecie un alt eveniment.
Reuniunea evenimentelor (suma evenimentelor)
Considernd evenimentele A, B, reuniunea S nseamn realizarea cel puin a unuia din
evenimentele A sau B. Se noteaz astfel : S = A B (se citete A sau B). Reuniunea a dou mulimi A
i B este mulimea elementelor care aparin sau lui A sau lui B. n cazul unui sistem de n evenimente
A
i
: i = 1, 2,,n reuniunea S se prezint sub forma :
i
n
i
n
A A A A S
1
2 1
...
=
= =
Se spune c evenimentul aleatoriu A se descompune n evenimentele A
1
...A
n
dac acestea sunt
incompatibile (A
i
A
j
= ), iar evenimentul A const cel puin din realizarea unuia din evenimentele
A
1
, A
2
,,A
n
, adic:
i
n
i
n
A A A A A A
1
3 2 1
...
=
= = . Evenimentele A
1
, A
2
,,A
n
formeaz un sistem

89
complet de evenimente dac cel puin unul din evenimentele A se produce ntr-un experiment, adic
E
n
i
=
=1
.
n tabelul 3.5. sunt prezentate proprietile mai importante ale operaiilor cu evenimente i relaiile
corespunztoare.
Intersecia evenimentelor (produsul evenimentelor)
Considernd evenimentele A, B, intersecia acestora, nsemnnd realizarea i a evenimentului A i
a evenimentului B, este I = A B (se citete A i B). Intersecia unui sistem de evenimente {A
i
; i=1, 2,
, n} se prezint sub forma :
i
n
i
n
A A A A I
1
2 1
. . . .
=
= =

Tabelul 3.5 .Proprietile operaiilor cu evenimente
ENUN RELAII
Contrariul unui eveniment sigur este un eveniment imposibil (i
invers).
= E
= E
Reuniunea sau intersecia unui eveniment A cu el nsui este egal cu
acelai eveniment.
A A A
A A A
=
=

Reuniunile i interseciile sunt comutative.
A B B A
A B B A
=
=

Reuniunile i interseciile sunt asociative.
C B A C B A
C B A C B A
=
=
) ( ) (
) ( ) (

Intersecia n raport cu reuniunea i reuniunea n raport cu intersecia
sunt distributive. ) ( ) ( ) (
) ( ) ( ) (
C A B A C B A
C A B A C B A
=
=

Reuniunea evenimentelor contrare este un eveniment sigur. E A A =
Intersecia a dou evenimente incompatibile este un eveniment
imposibil.
A A =
Dac E este un eveniment sigur, un eveniment imposibil i A un
eveniment aleatoriu exist relaiile :
= A E E A ; = ;
. E E; = = E

Oricare ar fi evenimentele A, B exist relaiile :
A B A A
A B A A
=
=
) (
) (

Considernd evenimentele A, B i contrariile A , B exist
urmtoarele relaii (relaii de Morgan)
B A B A
B A B A
=
=
) (
) (

3.4.2. PROBABILITATEA EVENIMENTELOR
Interpretri
Probabilitatea reprezint msura numeric a posibilitii de realizare a unui eveniment. Astfel
noiunea de probabilitate a unui eveniment este legat de noiunea practic de frecven a unui
eveniment. Ca elemente de referin n precizarea unitii de msur a probabilitii unui eveniment
aleatoriu se consider pe de o parte probabilitatea evenimentului sigur care este egal cu unu, iar pe de
alt parte probabilitatea evenimentului imposibil egal cu zero. Probabilitatea unui eveniment aleatoriu
este cuprins astfel ntre 0 i 1 (0 < P(A) < 1). n anumite cazuri se poate calcula direct probabilitatea
cunoscnd numrul cazurilor favorabile din totalitatea cazurilor posibile, considernd evenimentele
separate ca echiprobabile. n acest caz probabilitatea unui eveniment A, P(A), este :
posibile cazurilor numarul
favorabile cazurilor numarul
) ( = =
n
m
A P
Aceast formul denumit formul clasic de calcul a servit mult timp ca baz a definiiei
probabilitilor.
Formula de mai sus este formula direct de calcul a probabilitii cnd experimentul se reduce la
un sistem n care fiecare caz posibil are aceeai probabilitate de realizare i compoziia este cunoscut.

90
n multe cazuri, calculul direct al probabilitilor nu este posibil (exemplu, durata de via a unei
bobine, a unui bec etc.). Pentru aceste cazuri este necesar s se fac ncercri n condiii identice,
determinndu-se frecvena evenimentului cercetat. Se ajunge astfel la interpretarea n frecven a
probabilitii unui eveniment:
incercari de total nr.
lui evenimentu ale aparitii de nr.
) (
A
n
m
A P = =
Cnd numrul ncercrilor este redus, frecvena evenimentului are un caracter aleatoriu. Dac
numrul ncercrilor crete, se ajunge la o stabilitate a frecvenelor.
innd seama de caracterul particular al variaiei acestei mrimi se spune c frecvena unui
eveniment converge n probabilitate ctre probabilitatea adevrat a evenimentului.
Proprieti ale probabilitilor:
1. P(B A) = P(B) P(AB)
2. Dac AcB, atunci P(B A) = P(B) P(A)
3. Dac AcB, atunci P(A) s P(B)
4. P( A ) = 1 P(A)
5. P() = 0
6. 0 s P(A) s1
7. P(AB) = P(A) + P(B) P(AB)
8. P(A B) + P(B A) = P(A) + P(B) 2P(AB)
9.
|
|
.
|
\
|
=
1 i
i
A P
s ( )
=n i
i
A P pentru orice familie (A
i
)
i=n
finit de evenimente
Principiul certitudinii practice
n multe cazuri se ntlnesc evenimente a cror probabilitate se situeaz la limitele extreme : fie
foarte apropiate de zero, fie foarte apropiate de unitate, fr ns a se confunda cu evenimentele
imposibile sau evenimentele sigure. Aceste evenimente poart denumirea de evenimente aproape
imposibile i evenimente aproape sigure. Evenimentele aproape imposibile i aproape sigure
joac un rol foarte important n teoria probabilitilor i n multe domenii. Majoritatea aplicaiilor
practice sunt bazate pe aceste noiuni (tehnica msurtorilor, control de calitate, reglaj automat etc).
Dac probabilitatea unui eveniment ntr-o experien este foarte mic sau foarte apropiat de unitate,
atunci se poate prevedea rezultatul experienei pe baza principiului imposibilitii practice a
evenimentelor cu probabilitate mic sau a principiului certitudinii practice . Acest principiu poate fi
formulat astfel: dac probabilitatea unui eveniment oarecare A ntr-o experien este foarte mic,
putem fi aproape siguri c dac experiena se efectueaz o singur dat, evenimentul A nu va avea loc.
Pornind de la definiia clasic a probabilitii se observ c un eveniment cu probabilitate zero nu este
un eveniment imposibil, dar realitatea cea care confirm principiul imposibilitii practice.
3.4.3. TEOREME FUNDAMENTALE N TEORIA PROBABILITILOR
Rolul teoremelor fundamentale
Metoda direct de calcul a probabilitilor are un rol minor n teoria probabilitilor, fiind de cele
mai multe ori inutilizabil. Foarte mult se folosesc metodele indirecte de calcul permind aflarea
probabilitilor unui eveniment pe baza probabilitilor deja cunoscute altor evenimente legate de
primele. Astfel, teoria probabilitilor se reduce n mare, la un sistem de metode indirecte pe baza
crora necesitatea experimentrii este minim.
Tabelul 3.6. Relaii de calcul pentru probabilitatea interseciei i reuniunii
DEFINIIA
EVENIMENTULUI
FELUL
EVENIMENTULUI
RELAII DE CALCUL

i
n
A A
1
=

(intersecia)
Dependente
[

=
n
j
i
i i
n
A A P A P
1
1
1 1
) / ( ) (

Dependente sau
independente
=
>
n
i
i i
n
n A P A P
1
1
) 1 ( ) ( ) (

Independente
[
=
n
i i
n
A P A P
1
1
) ( ) (


91

i
n
A A
1
=
(reuniune)
Compatibile
) ( ) 1 ( ...
) ( ) ( ) ( ) (
1
1
1
1
i
n
n
n
k j i
k j i
n
j i
j i
n
i i
n
A P
A A A A A A P A P
+
+ + >
= = =

(Formula lui Poincar)
Pentru evenimente independente :
[
=
n
i
i i
n
A P A P )] ( 1 [ 1 ) (
1

Incompatibile
=
n
i i
n
A P A P
1
1
) ( ) (

Teoreme i relaii referitoare la intersecia i reuniunea evenimentelor
Probabilitatea interseciei a dou evenimente A, B compatibile i independente este :
) ( ) ( ) ( B P A P B A P =
Dac evenimentele sunt dependente : ) / ( ) ( ) ( A B P A P B A P =
unde P(B/A) este probabilitatea evenimentului B condiionat de A. n mod similar pentru n evenimente
dependente : ) / ( )... / ( ) / ( ) ( ) (
1
1
2 1 3 1 2 1
1
i
n
n i
n
A A P A A A P A A P A P A P
=
Reuniunea a dou evenimente A i B compatibile i dependente este :
) ( ) ( ) ( ) ( B A P B P A P B A P + =
n tabelul 3.8., sunt prezentate relaiile referitoare la calculul probabilitii interseciei i reuniunii.
Cnd nu este cunoscut faptul dac evenimentele sunt dependente sau independente se utilizeaz pentru
intersecie inegalitatea Boole.
Formula probabilitilor totale
Pornind de la un exemplu practic considernd c tolele necesare statorului unei maini electrice
sunt tanate la trei prese diferite. Se cunosc urmtoarele evenimente : X
1
(presa 1) produce 30% din
totalul tolelor cu un rebut de 2% pe pres; X
2
(presa 2) produce 20% din totalul tolelor cu un rebut 3%
pe pres; X
3
(presa 3) produce 50% din totalul tolelor cu un rebut de 1% pe pres. Tolele ajung la
secia de montaj i se amestec. Aici se pune problema probabilitii extragerii unei tole
necorespunztoare. Generaliznd, considerm un sistem complet de evenimente X
1
, X
2
,, X
n
, adic
E X
i
n
i
=
=1
. Fie un alt eveniment A, defectul, care nu se poate realiza ci numai mpreun cu unul din
evenimentele X
i
, formnd un sistem de evenimente X
i
A incompatibile. n consecin evenimentul
) (
1
A X A
i
n
i
=
=
. Deoarece evenimentele (X
i
A), (X
j
A) sunt incompatibile, adic (X
i
A) (X
j

A) = , probabilitatea evenimentului A este :
=
= + + + =
n
i
i n
A X P A X P A X P A X P A P
1
2 1
). ( ) ( ... ) ( ) ( ) (
Deoarece evenimentele X
i
i A sunt compatibile i dependente :
) / ( ) ( ) (
i i i
X A P X P A X P =
nlocuind ultima formul n penultima obinem :
=
(
=
=
n
i i i
n
i
X A P X P A X P A P
1
1
). / ( ) ( ) ( ) (
Aceast relaie de mai sus este cunoscut sub denumirea formula probabilitilor totale.
Revenind la exemplul iniial unde P(X
1
) = 0,3; P(X
2
) = 0,2; P(X
3
) = 0,5 i de asemenea P(A/X
1
) = 0,02;
P(A/X
2
) = 0,03; P(A/X
3
) = 0,01, rezult cu (2.11) probabilitatea extragerii unei tole defecte P(A) =
P(X
1
) P(A/X
1
) + P(X
2
) P(A/X
2
) + P(X
3
) P(A/X
3
) = 0,017.
Teorema ipotezelor (formula lui Bayes)

92
Fie un sistem complet de ipoteze (evenimente) incompatibile H
1
, H
2
,,H
n

( = =
j i j i
n
H H E H ;
1
). Aceste ipoteze (evenimente) reprezint cauzele unui alt eveniment A,
condiionat de evenimentele H
1
, H
2
,,H
n
. nainte de a efectua vreo experien sunt date
probabilitile ipotezelor P(H
1
), P(H
2
), ., P(H
n
) i P(A/H
1
), P(A/H
2
),, P(A/H
n
). Realizndu-se
evenimentul A, se pune ntrebarea ce valoare capt probabilitile acestor ipoteze, condiionate de
evenimentul A care s-a produs. Se tie c : P(A/H
i
) = P(A) P(H
i
/A).
Intersecia evenimentelor fiind comutativ, P(A H
i
) = P(H
i
A). Se poate scrie egalitatea : P(A)
P(H
i
/A) = P(H
i
) P(A/H
i
), de unde : .
) (
) / ( ) (
) / (
A P
H A P H P
A H P
i i
i
=
Conform formulei probabilitilor totale, probabilitatea evenimentului A este
=
n
i i
H A P H P A P
1
) / ( ) ( ) ( i nlocuind aceast relaie n cea anterioar n se obine relaia :
=

=
n
i
i i
i i
i
H A P H P
H A P H P
A H P
1
) / ( ) (
) / ( ) (
) / ( care poart denumirea de formula lui Bayes sau teorema
ipotezelor.


93
3.7. METODA DE ANALIZ STATISTIC A LEGTURILOR DINTRE
FENOMENE I PROCES
Statistica studiaz fenomenele de mas n cadrul crora acioneaz legile statistice a cror
particularitate principal o constituie faptul c ele se manifest sub form de tendin cunoscut i sunt
verificate numai la nivelul ntregului ansamblu. n foarte multe situaii este necesar interpretarea lor
sub form de tendin a relaiilor de cauzalitate. n acelai timp, practica statistic dovedete c n
procesul de producere a fenomenelor de mas, nu toate relaiile de cauzalitate se manifest cu aceeai
intensitate i n acelai sens. Cu ct fenomenele pe care la studiem sunt mai complexe, cu att numrul
factorilor este mai mare i relaiile de cauzalitate mai dificil de identificat i de msurat.
Legea de repartiie a unui sistem de variabile poate fi diferit de cea a componentelor sale ntre care
pot exista legturi strnse de genul cauz efect sau legturi mai puin evidente. n cazul legturilor
cauz efect este suficient s se cunoasc valoarea uneia dintre ele pentru a se determina cu exactitate
valoarea celeilalte (legturi deterministe). n al doilea caz, legtura dintre caracteristici poate avea un
caracter aleatoriu fiind dependente statistic sau independente cnd legtura este slab (legtur
probabilistic). Variabila aleatoare Y este independent de variabila aleatoare X dac evenimentele
(X<x) i (Y<y) sunt independente pentru orice valori x i y, n acest caz se poate scrie relaia:
P(X<x,Y<y)=P(X<x)P( Y<y)
Dar conform definiiei generale P(X<x, Y<y)=F(x,y); P(X<x)=F(x); P(Y<y)=F(y).
Rezult n mod analog f(x,y)= f(x)f(y), aceasta fiind condiia necesar i suficient de independen
a dou variabile aleatoare dar care presupune cunoaterea legilor de repartiie.
Noiunea de dependen referitoare la variabilele aleatoare are un sens mai larg dect cel utilizat n
tehnic. n mod obinuit, n tehnic, se ia n calcul o singur zon a dependenei aceia de dependen
total sau determinist. n realitate dou variabile aleatoare X i Y pot fi legate i printr-o relaie
probabilistic. Dou variabile X i Y pot fi legate i printr-o relaie probabilistic, exemplu cnd se
cunoate valoarea lui X, valoarea lui Y nu poate fi determinat cu exactitate, dar se poate determina
legea sa de repartiie dependent de X. n practic se pune probleme stabilirii legturii dintre variabilele
sistemului. n funcie de tipul de dependen dintre variabile legtura fie prin regresie fie prin corelaie.
Conceptul de legtur statistic
Legturile statistice pot fi interpretate printr-o funcie matematic, astfel:
- unei singure variabile din irul de caracteristici i corespunde o singur valoare din irul
caracteristicilor efect: ) (
i i
x f y =
- unei singure valori din irul de caracteristici efect i corespund mai multe valori din irul de
caracteristici cauz: ) ,... , (
2 1 n i
x x x f y = unde:
n
x x x ,... ,
2 1
reprezint caracteristica
factorial (independent, exogen sau cauz) iar
i
y reprezint caracteristica rezultativ
- (dependent, endogen sau efect).
Legturile statistice se pot clasifica astfel:
a) dup numrul caracteristicilor care se iau n studiu:
- legturi simple: o singur caracteristic factorial cu caracter esenial determin o
caracteristic rezultativ iar ceilali factori sunt cu aciune constant;
- legturi multiple.
b) dup felul de exprimare a caracteristicilor:
- legturi ntre variabile statistice exprimate numeric (cantitativ) corelaii statistice;
- legturi ntre variabile statistice exprimate prin cuvinte asocieri statistice;
c) dup direcia legturii:
- legturi directe; atunci cnd cresc (sau descresc) valorile caracteristicii factoriale, cresc
(sau descresc) valorile caracteristicii rezultative;
- legturi inverse.
d) dup expresia analitic a legturilor:
- legturi liniare;
- legturi neliniare.
e) dup momentul n care se produc:
- legturi sincrone;

94
- legturi asincrone.
3.7.1. METODE DE STUDIU A LEGTURILOR STATISTICE
a) Metoda seriilor paralele interdependente const n aezarea valorilor a dou serii paralele n
ordine cresctoare sau descresctoare a caracteristicilor. Prin compararea seriilor de valori astfel
ordonate, se poate stabili dac exist sau nu legturi ntre ele i se determin direcia acestei legturi.
Seriile paralele se folosesc numai cnd avem un numr mic de uniti observate.
b) Metoda gruprilor reprezint un model de analiz prin excelen calitativ, capabil s
surprind aspectele eseniale ale legturilor dintre variabile. Studiul legturilor se realizeaz dup ce
unitile colectivitii se grupeaz n funcie de caracteristica factorial iar pentru caracteristica
rezultativ se calculeaz indicatorii derivai (mrimii relative sau medii), specifice fiecrei grupe. Prin
compararea variaiei caracteristicii factoriale, cu aceea a caracteristicii rezultative se poate aproxima
caracterul legturii, direcia i intensitatea acesteia. Se recomand intervale de grupare egale.
c) Metoda tabelului de corelaie (tabel cu dubl intrare) reprezint o form special a unei
gruprii combinate n care separarea pe grupe a unitilor se face dup variaia ambelor caracteristici
factorial i rezultativ. Se recomand ca numrul gruprilor formate dup cele dou caracteristici s fie
aproximativ egale, iar intervalele de grupare s fie egale.
d) Metoda grafic. Pentru a obine graficul de corelaie - denumit i corelogram - valorile
caracteristicii factoriale (x) sau intervalul acesteia se trec pe abscisa iar pe ordonat se trec valorile
caracteristicii rezultative (y) sau intervalele respective. Fiecare unitate observat, purttoare a celor
dou caracteristici corelate, se reprezint grafic printr-un punct. Reprezentarea grafic a legturii n
cmpul de corelaie are aspectul unui nor de puncte.
3.7.2. METODA REGRESIEI
Metoda regresiei a fost introdus n anul 1886 de ctre biologul statistician englez Francis Galton
(1822 - 191l). Modelul matematic utilizat de regresie este metoda celor mai mici ptrate al crui enun
este urmtorul suma ptratelor distanelor punctelor observate fa de dreapta teoretic trebuie s fie
minim. Metoda este folosit n cercetare i proiectare, acolo unde teoria nu poate stabili nici o relaie
care s determine legtura ntre anumite mrimi.
Ca orice metod statistic, prima etap const n cercetare experimental a variaiei mrimilor pe
care le studiem. Urmeaz culegerea datelor experimentale i reprezentarea grafic a variaiei mrimilor
care trebuie analizate, deoarece graficul sugereaz tipul de ajustare care se poate realiza. Cu ajutorul
metodei de regresie se poate determina, cu o aproximaie destul de bun, funcia care guverneaz
fenomenul studiat. Dac fenomenul analizat este bidimensional se obine o dreapt sau o curb iar dac
este tridimensional se obine o suprafa de ajustare. Funcia obinut prin metoda regresiei este valabil
numai pe domeniul n care s-a realizat aplicaia, nu reprezint un model matematic generalizat, n
schimb funcia poate fi utilizat, cu succes n diverse aplicaii similare cu fenomenul studiat, n cadrul
programelor software de simulare. Metoda regresiei este eficient pentru aplicaiile particulare, fiindc
suplinete cu succes lipsa modelelor matematice. De asemenea, pe domenii restrnse, interpretrile
utiliznd funcia determinat prin metoda regresie sunt mult mai aproape de adevr fa de cazul n care
s-ar utiliza modele matematice clasice. Aceast metod a devenit des utilizat datorit uurinei lucrului
cu calculatoarele electronice.
Metoda regresiei constituie o metod statistic de corectare a legturii dintre variabile cu ajutorul
unei funcii denumite funcii de regresie: ) ,... , (
2 1 n i
x x x f y = unde:
Y variabila dependent;

n
x x x ,... ,
2 1
variabile independente
Datorit caracterului aleator al fenomenelor i proceselor, modelul teoretic se nlocuiete cu un
model de dependen statistic : c + = ) ,... , (
2 1 n
x x x f Y unde: c reprezint o eroare aleatoare cu
dispersia constant i media nul.

Modele de regresie unifactorial

95
Regresia unifactorial descrie legtura dintre variabilele y i x considernd c ceilali factori au o
aciune constant i neglijabil asupra caracteristicii dependente. n continuare vom prezenta cele mai
des ntlnite modele de regresie n tehnicile statistice.

a) Modelul liniar. Se consider dou variabile X i Y ntre care se presupune c exist o legtur
pentru care experimental au fost determinate perechile de valori x
i
i y
i
:
Se traseaz un grafic printre puncte care reprezint dreapta de regresie
i
x b a
x
y + = care se
apropie cel mai mult de punctele experimentale. Valorii experimentale y
x
i corespunde pe dreapta de
regresie valoarea care are urmtorul model teoretic:
i
x
i
y | + o = .
Abaterile valorilor reale fa de valorile estimate (de pe dreapta de regresie) sunt:

i
x b a
i
y
i
x b a
i
y
x
y
i
y = + = |
.
|
\
|

n aceast situaie, modelul teoretic se poate estima printr-o ecuaie similar cu modelul
determinist, la care se ia n considerare i eroarea: c + + =
i
x b a
x
y
Parametrii a i b, au n acest caz coninut de medii i se estimeaz cu ajutorul unor metode
specifice oferite de matematica statistic : metoda verosimilitii maxime respectiv metoda celor mai
mici ptrate.
n practic se folosete frecvent metoda celor mai mici ptrate care presupune c suma ptratelor
abaterilor dintre valorile teoretice (ajustate) y
i
i valorile empirice (reale) y
x
s fie minim, se obine
formula: min
2
) ( =
x
y
i
y nlocuim pe x
y
i obinem min
2
) ( =
i
bx a
i
y
Derivm n raport cu a i b i egalm cu zero derivatele pariale de ordinul nti, se obine un sistem
de ecuaii:
( )
( )
= =
c
c
=
c
c
= =
c
c
=
c
c

0
0 1
2
2
) bx a y ( x
b b
R
) bx a y (
a a
R
i i i
i i
)
i
bx a
i
y (
)
i
bx a
i
y (
sistem care are forma final:
= +
= +

i i i i
i i
y x x b x a
y x b na
2
iar soluii sunt:

=
2
2
i i
i
i i i
i i
x x
x n
x y x
x y
a
,

=
2
i i
i
i i i
i
x x
x n
y x x
y n
b
sau
2 2
2
) (

=
i i
i i i i i
x x n
y x x y x
a

2 2
) (

=
i i
i i i i
x x n
y x y x n
b

Prin nlocuirea coeficienilor a i b n ecuaia de gardul unu, rezult ecuaia teoretic
x b a y + =

care reprezint cel mai bine fiecare punct din norul de puncte determinate experimental. Dreapta de
regresie trece prin punctul mediu ) ; ( y x .
Coeficientul a nu are interpretare statistic.
Coeficientul b denumit coeficient de regresie arat msura n care se manifest (se modific)
caracteristica dependent n cazul n care caracteristica independent se modific cu o unitate.
y
x
Figura 3.43 Graficul dreptei de regresie
x
1
x
2
x
3
x
n . . .
y
1

y
2

y
3

y
n


96
n funcie de semnul coeficientului de regresie se poate aprecia tipul de legtur :
- legtur direct, coeficientul este pozitiv ;
- legtur invers, coeficientul este negativ ;
- dac b = 0 se apreciaz c valorile x i y sunt independente.
Utiliznd coeficienii a i b calculai se determin valoarea ecuaiei de regresie pentru fiecare
mrime a caracteristicii x.
b) Modelul exponenial
Se determin coeficienii a i b, pornind de la forma canonic a ecuaie exponenial, utiliznd
modelele specifice matematicii statistice :
i
x
i
y o| = - modelul teoretic

i
x
x
ab y = - modelul determinist (practic, real)
Abaterile valorilor reale fa de valorile estimate (de pe curba de regresie) sunt:
i
x
ab
i
y
i
x
ab
i
y
x
y
i
y = =
|
|
|
.
|
\
|

determinist, la care se ia n considerare i eroarea:
c + =
i
ab y
x
x
Logaritmm expresa modelului determinist, pentru a transform ecuaia ntr-un model liniar similar
cu cel studiat mai sus:
b lg x a lg y lg
i x
+ =
, facem substituia x x
y lg y = '
a a lg ' = b b lg ' = rezult
ecuaia de forma:
x ' b ' a ' y
x
+ =
unde suma dispersiilor trebuie s fie minim.
Suma dispersiilor, dintre modelul teoretic i modelul determinist, trebuie s fie minim, se ajunge la
formula: min ) (
2
=
x i
y y nlocuim pe
x
y
, se obine formula:
min ) ' ' (
2
=
i i
x b a y
Derivm n raport cu ' a i ' b i egalm cu zero derivatele pariale de ordinul nti, se obine un
sistem de ecuaii:
( )( )
( )( )
= '
' c
' ' ' c

=
' c
c
= ' =
' c
' ' ' c

=
' c
c
0 ' '
2
) (
0 ' ' 1
2
) (
b
i
x a
i
y
i
x
b
i
x b a
i
y
b
R
b
i
x a
i
y
a
i
x b a
i
y
a
R

Forma final a sistemului de dou ecuaii cu dou necunoscute este:
= +
= +

i i i i
i i
y x x b x a
y x b na
' ' '
' ' '
2

rezult soluiile ' a i ' b ale sistemului de ecuaii:

=
2
2
i i
i
i i i
i i
x x
x n
x y x
x y
' a

'
=
2
i i
i
i i i
i
x x
x n
y x x
y n
' b
revenim la
substituia iniial a a lg ' = rezult
' a
e a = i b b lg ' = rezult
' b
e b =
Prin nlocuirea coeficienilor a i b n ecuaia exponenial, rezult ecuaia teoretic
x
ab y =

c) Modelul logaritmic
Se pornete de la forma canonic a ecuaiei logaritmice, exprimat prin cele dou modele statistice

i i
x y lg + = | o - modelul teoretic.
i x
x lg b a y + =
- modelul determinist (practic, real) unde a > 0, b > 0

i
x lg b a
i
y
i
x lg b a
i
y
x
y
i
y = + = |
.
|
\
|


97
c + + =
i x
x lg b a y

Suma modelul dispersiilor, dintre modelul teoretic i modelul determinist, trebuie s fie minim,
rezulta formula: ( ) min
2
=
x i
y y nlocuim pe x
y
, rezult formula:
( ) min lg
2
=
i i
x b a y
Derivam n raport cu a i b i egalm cu zero derivatele pariale de ordinul nti, se obine sistemul
de ecuaii:
( )
|
.
|
\
|
|
.
|
\
|
|
.
|
\
|
= =
c
c
=
c
c

= =
c
c
=
c
c
0
2
0 1
2
i
x lg b a
i
y
i
x lg
b
)
i
x lg b a
i
y (
b
R
i
x lg b a
i
y
a
)
i
x lg b a
i
y (
a
R

Forma final a sistemului de dou ecuaii cu dou necunoscute este:

= +
= +

i i i i
i i
x y x b x a
y x b na
lg ) (lg lg
lg
2
rezolvm sistemul i obinem

=
2
2
) (lg lg
lg
) (lg lg
lg
i i
i
i i i
i i
x x
x n
x x y
x y
a

=
2
) (lg lg
lg
lg lg
i i
i
i i i
i
x x
x n
x y x
y n
b

Prin nlocuirea coeficienilor a i b n ecuaia logaritmic, rezult ecuaia teoretic
x lg b a y + =

d) Modelul parabolei
Se pleac de la forma canonic a ecuaiei de gradul al doilea, utiliznd modelele statistice

2
i i i
x x y + + = o | o - modelul teoretic.

2
i i x
x c x b a y + + = - modelul determinist (practic, real)

2 2
i
x c
i
x b a
i
y
i
cx
i
x b a
i
y
x
y
i
y = |
.
|
\
|
+ + =
n acest situaie, modelul teoretic se poate estima printr-o ecuaie similar cu modelul
determinist, la care se ia n considerare i eroarea: c + + + =
2
i i x
x c x b a y
rezulta formula:
( ) im min y y
x i
=
2
nlocuim pe x
y
, rezult formula:
( ) min
2
2
=
i i i
cx bx a y
Derivm n raport cu a, b i c i egalm cu zero derivatele pariale de ordinul nti, se obine :
( )
|
|
.
|
\
|
|
|
.
|
\
|
|
|
.
|
\
|
|
.
|
\
|
|
|
.
|
\
|
= =
c
c
=
c
c

= =
c
c
=
c
c

= =
c
c
=
c
c
0
2
2
2 2
0
2
2 2
0
2
1
2 2
i
cx
i
bx a
i
y
i
x
c
)
i
cx
i
bx a
i
y (
c
R
i
cx
i
bx a
i
y
i
x
b
)
i
cx
i
bx a
i
y (
b
R
i
cx
i
bx a
i
y
a
)
i
cx
i
bx a
i
y (
a
R

Sistemul de trei ecuaii cu trei necunoscute este de forma:
= + +
= + +
= + +

i i i i i
i i i i i
i i i
y x x c x b x a
y x x c x b x a
y x c x b na
2 4 3 2
3 2
2

Soluiile a, b i c ale sistemului de ecuaii sunt:

98

=
4 3 2
3 2
2
4 3 2
3 2
2
i i i
i i i
i i
i i i i
i i i i
i i i
x x x
x x x
x x n
x x y x
x x y x
x x y
a

=
4 3 2
3 2
2
4 2 2
3
2
i i i
i i i
i i
i i i i
i i i i
i i
x x x
x x x
x x n
x y x x
x y x x
x y n
b

=
4 3 2
3 2
2
2 3 2
2
i i i
i i i
i i
i i i i
i i i i
i i
x x x
x x x
x x n
y x x x
y x x x
y x n
c
Prin nlocuirea coeficienilor a, b i c n ecuaia parabolei, rezult ecuaia teoretic
2
x c x b a y + + =

e) Modelul hyperbolic
Se pleac de la forma canonic a ecuaiei hiperbolei, utilizm modelele matematicii statistice, se
obine :
i
i
x
y
|
o + =
- modelul teoretic

i
x
x
b
a y + =
- modelul determinist (practic, real)

i
x
b
a
i
y
i
x
b
a
i
y
x
y
i
y = + =
|
|
|
|
.
|
\
|

c + + =
i
x
x
b
a y

rezulta formula: ( ) min
2
=
x i
y y nlocuim pe x
y
, rezult formula
min
2
=
|
|
.
|
\
|

i
i
x
b
a y
Derivm n raport cu a i b i egalm cu zero derivatele pariale, se obine sistemul:
( )
|
|
|
.
|
\
|
|
|
|
|
.
|
\
|
|
|
|
.
|
\
|
=
=
c
c
=
c
c
=
=
c
c
=
c
c
0
2
1
2
0
2
1
2
i
x
b
a
i
y
i
x
b
)
i
x
b
a
i
y (
b
R
i
x
b
a
i
y
a
)
i
x
b
a
i
y (
a
R

Sistemul de dou ecuaii cu dou necunoscute este de forma:
=
|
|
.
|
\
|
+
= +

i
i
i i
i
i
x
y
x
b
x
a
y
x
b a n
1 1 1
1
2

Soluiile sunt:

=
2
2
1 1
1
1 1
1
i
i
i
i
i
i
i
i
x
x
x
n
x
x
y
x
y
a
,

=
2
1 1
1
1 1
i
i
i
i
i
i
i
x
x
x
n
x
y
x
y n
b


99
Prin nlocuirea coeficienilor a i b n ecuaia hiperbolei, rezult ecuaia teoretic
x
b a y
1
+ =

Modelul multifactorial
ntre fenomene, procese de orice fel exist legturi complexe care se caracterizeaz prin influena
unui numr mare de factori (variabile independente) asupra caracteristicii rezultative (variabile
dependente). Aceste legturi se pot exprima cu ajutorul funciei de regresie multipl:

) x ,... x , x ( f y
n x 2 1
=
unde
n
x x x ,... ,
2 1
sunt caracteristici independente sau factoriale.
Cel mai utilizat model teoretic de regresie multifactorial, este modelul liniar dat de expresia :
n n i
x a x a x a a y + + + + = ...
2 2 1 1 0
, unde
0
a - reprezint coeficientul care exprim influenta factorilor neinclui n model, fiind considerai cu
aciune constant;
n ,... , i
a
2 1 = - sunt coeficieni de regresie multipli i arat ponderea cu care caracteristica factorial x
influeneaz fiecare caracteristica rezultativ y.
Modelul determinist este dat de relaia:
n n x
x a ... x a x a a y + + + + =
2 2 1 1 0

Modelul teoretic se poate estima printr-o ecuaie similar cu modelul determinist, la care se
ia n considerare i eroarea:
c + + + + + =
n n x
x a ... x a x a a y
2 2 1 1 0

Suma dispersiilor dintre modelul teoretic i modelul real trebuie s fie minim, rezult formula :
( ) min
2
=
x i
y y nlocui m pe
x
y , rezul t formul a
min ) ... (
2
2 2 1 1 0
=
n n i
x a x a x a a y
Derivam n raport cu
n
a a a ,... ,
2 1
i egalm cu zero derivatele pariale, se obine sistemul:
= + + + +
= + + + +
= + + + +

y x x a x x a x x a x a
y x x x a x x a x a x a
y x a x a x a n a
n n n n n n
n n
n n
2
1 2 1 1 0
1 1 2 1 2
2
1 1 1 0
2 2 1 1 0
...
.......... .......... .......... .......... .......... .......... .......... .......... .......... ..........
...
...

prin rezolvarea sistemului se determin coeficienii
n
a a a a ,..., , ,
2 1 0

3.7.3. CORELAIA
3.7.3.1. Corelaii liniare
n paragrafele anterioare au fost prezentate repartiiile unor variabile aleatoare izolate,
repartiii caracterizate prin momentele respective care pot fi determinate prin estimarea acestora.
Repartiia unui cuplu de variabile aleatoare nu poate fi redat numai prin momentele celor dou
variabile luate separat, ci este necesar s se caracterizeze i covariaia.

Figura 3.45 Graficul repartiiei bivariate
f(x,y)
x
y
x

Figura 3.44 Graficul corelaiei a dou variabile
aleatoare
x x
a) b)
f(x)
f(x)

100
Spre deosebire de legtura de regresie care reprezint legtura dintre dou variabile, dintre
care una aleatoare iar alta cunoscut sau dat (nealeatoare), legtura de corelaie se refer la un
cuplu de dou variabile aleatoare a crui legtur poate fi caracterizat de coeficientul de corelaie.
Considerm dou variabile aleatoare X cu repartiia normal
( )
2
x x
, N o
i variabila Y cu repartiia
( )
2
y y
, N o
ntre care exist o anumit legtur. Densitatea de probabilitate a funciei de repartiie
normal cu doi parametri este dat de expresia:

( )
( )

)
(
(
(
|
|
.
|
\
|
o

+
|
|
.
|
\
|
o

|
|
.
|
\
|
o

|
|
.
|
\
|
o

o to
=
2
2
2
1 2
1
2
1
y
y
y
y
x
x
x
x
y x
y y
x x
exp y , x f

a crui reprezentare grafic este prezentat n figura 3.45 i are funcia de repartiie
( ) ( )
( ) } }

)
(
(
(
|
|
.
|
\
|
o

+
|
|
.
|
\
|
o

|
|
.
|
\
|
o

|
|
.
|
\
|
o

o to
= s s =
x y
y
y
y
y
x
x
x
x
y x
y y
x x
exp y Y , x X P y , x F
2
2
2
1 2
1
2
1

Coeficientul
este denumit coeficient de corelaie avnd valoarea cuprins n intervalul:

1
+ 1 i definete gradul de dependen dintre variabile.

Dac
= 0, cele dou variabile sunt independente atunci funcia de repartiie se scrie astel:

( )
( )
( )
( ) ( ) y f x f
x
exp
x
exp y , x f
y
y
y x
x
x
=
(
(
o

t o
(
(
o

t o
=
2
2
2
2
2 2
1
2 2
1
fiind pus n eviden condiia
de independen.
Dac
> 0, variabilele x, y sunt dependente aleatoriu (stochastic). Coeficientul teoretic de

corelaie este dat de media produselor abaterilor normate.

(
(
|
|
.
|
\
|
o

|
|
.
|
\
|
o

=
y
y
x
x
y
x
M
sau
( )( )
( ) ( )

= =
=

=
n
i
n
i
y i x i
y i
n
i
x i
y x
y x
1 1
2 2
1

3.7.3.2. Indicatori sintetici ai corelaiei
Covariana
Covariana se obine ca o medie aritmetic a produselor abaterilor variabilelor, fa de media lor:
( ) ( )
= y y x x
n
y x
i i
1
) , cov(
Covariana poate avea:
- valoare pozitiv, ceea ce indic o legtur direct;
- valoare negativ, ceea ce indic o legtur invers;
- valoare zero, dac variabilele sunt independente (deci lipsete legtura de corelaie).
Pe msura ce covariana crete, crete i intensitatea corelaiei.
Coeficientul de corelaie liniar simpl
Este un indicator care msoar intensitatea legturii de tip liniar dintre dou variabile x i y.

x
i
x
x x
z
o
=
y
i
y
y y
z
o
=

( ) ( ) ( ) ( )
( ) ( )
2 2
/
y y x x
y y x x
n
y y x x
r
i i
i i
y x
i i
x y

=

=

o o

n practic se folosete urmtoarea formul:

101
( ) ( )
( ) | | ( ) | |

=

=
=
2
2
2
2
/
) , cov(
i i i i
i i i i
y x
i i
y x
x y
y y n x x n
y x y x n
n
y y x x
y x
r
o o o o

1 0 s s
yx
r
Coeficientul de corelaie este aplicabil numai n cazul a dou variabile cu repartiii normale; pentru
alte cazuri nu este fundamentat i poate eventual caracteriza
Semnul su semnific tipul de legtura. n practic se utilizeaz urmtoarea interpretare :
2 , 0 0
/
< s
x y
r - nu exist legtur semnificativ
5 , 0 2 , 0
/
< s
x y
r - exist o legtur slab
75 , 0 5 , 0
/
< s
x y
r - exist o legtur de intensitate medie
95 , 0 75 , 0
/
< s
x y
r - exist o legtur puternic
1 95 0 s s
x / y
r , - legtur determinist
Raportul de corelaie
Este denumit i coeficientul de corelaie al lui Pearson, acesta msoar intensitatea legturilor att
liniare ct i curbilinii. Poate lua valori n intervalul 0 1. Cu ct valoarea raportului este mai aproape
de valoarea unu, cu att legtura de corelaie este mai puternic i invers.
( )
( )
= =
2
2
/
1
med i
i
x y
y y
Y y
R q

unde :
i
y - reprezint valorile iniiale;
Y - reprezint valorile teoretice sau calculate;

med
y - reprezint valoarea medie.
3.7.3.3. Reprezentarea geometric a corelaiei
Fie variabilele aleatoare X i Y dependente avnd repartiii normale. n mod arbitrar se consider
X ca avnd variaii independente, iar variabila Y ca fiind legat de X. Ansamblul punctelor x, y
descrie un domeniu reprezentat printr-o elips de
probabilitate (figura 3.46).
Deoarece s-a considerat variabila X independent,
pentru fiecare valoare particular
i
x , i va corespunde lui Y
un ansamblu de valori
i
y repartizate normal. La fiecare
valoare
i
x corespunde o valoare medie
i
x / y
a lui Y. Deci,
cnd x descrie un anumit domeniu, punctele
i
x / y
descriu o
dreapt a crei ecuaie este:
|
.
|
\
|

o
o
+ =
x
x
x
y
y
x / y
.
Pentru o anumit valoare
i
x , ansamblul valorilor
i
y are
dispersia:
|
|
.
|
\
|
o = o
2
1
2 2
y
x / y

tim c o funcie ( ) x f y = se poate scrie i sub forma ( ) y x = . n consecin legtura dintre
variabilele aleatoare X i Y se poate obine fixnd Y i determinnd mediile variabilei X
corespunztoare:
|
|
.
|
\
|

o
o
+ =
y
x
y
x
x
y / x
cu dispersia
|
|
.
|
\
|
o = o
2
1
2 2
x
y / x
.
Ecuaiile
x / y
i
y / x
reprezint, n cazul dispersiilor constante, dreptele de regresie:

|
.
|
\
|
| + =
x
x yx
y
y respectiv
|
|
.
|
\
|
| + =
y
y xy
x
x unde
x
y
yx
o
o
= |
y
x
xy
o
o
| = .
Figura 3.46 Graficul elipsei de
probabilitate
x
y
x
i
i
x
y

x
y

Capitolul III Statistic A Tehnica

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Capitolul III Statistic A Tehnica

Caricato da

Copyright:

Formati disponibili

MANAGEMENTUL CALITII Construcia, implementarea, dezvoltarea sistemului calitii n ntreprinderi industriale

= unde: h amplitudinea intervalului de grupare; k numrul de intervale

trebuie s satisfac inegalitatea

reprezint un sistem complet de evenimente.

- suma frecvenelor tuturor intervalelor;

, avnd probabilitatea , s nu depeasc anumite limite impuse.

variabile independente, distribuite dup o lege normal, variabila obinut prin

' ' ' c

' ' ' c

este denumit coeficient de corelaie avnd valoarea cuprins n intervalul:

+ 1 i definete gradul de dependen dintre variabile.

> 0, variabilele x, y sunt dependente aleatoriu (stochastic). Coeficientul teoretic de

reprezint, n cazul dispersiilor constante, dreptele de regresie:

Potrebbero piacerti anche