MARIANA-ELENA BALU

BAZELE STATISTICII



































Descrierea CIP a Bibliotecii NaŃionale a României
BALU, MARIANA-ELENA
Bazele statisticii. / Mariana-Elena Balu. – Bucureşti,
Editura FundaŃiei România de Mâine, 2007
Bibliografie
ISBN 978-973-725-762-8



311(075.8)






© Editura FundaŃiei România de Mâine, 2007










Redactor: Roxana ENE
Cosmin COMARNESCU
Tehnoredactor: Marcela OLARU
Coperta: Cornelia PRODAN

Bun de tipar: 11.04.2007; Coli tipar: 23
Format: 16/61×86

Editura FundaŃiei România de Mâine
Bulevardul Timişoara nr.58, Bucureşti, Sector 6
Tel./Fax: 021/444.20.91; www.spiruharet.ro
e-mail: contact@edituraromaniademaine.ro

UNIVERSITATEA SPIRU HARET




MARIANA-ELENA BALU





BAZELE
STATISTICII



















EDITURA FUNDAłIEI ROMÂNIA DE MÂINE
Bucureşti, 2007






































5

CUPRINS





Cuvânt-înainte ……………………………………………………….. 11
1. STATISTICA – ŞTIINłĂ METODOLOGICĂ
1.1. Conceptele sistemului informaŃional statistic al economiei
de piaŃă ………………………………………………………..

13
1.2. Obiectul şi metoda statisticii ……………………….…………. 16
1.3. Concepte de bază ale statisticii ……………………….………. 19
1.4. Tipuri de scale folosite în statistică ……………………….…... 25
1.5. Observarea statistică ………………………...………………... 30
1.5.1. Planul unei observări statistice ……………………….... 31
1.5.2. Metode de culegere a datelor prin observarea statistică ... 31
1.5.3. Erorile observării statistice ……………………….……. 33
Concepte-cheie …………………….……………………………... 36
Întrebări de autoevaluare ……………….………………………... 36

2. PRELUCRAREA STATISTICĂ PRIMARĂ

2.1. Metode primare de sistematizare a datelor statistice ………….. 38
2.2. Tehnici de prelucrare ……………………….………………... 39
2.3. Metode de prezentare a datelor statistice ……………………... 45
2.3.1. Tabele statistice ……………………….………………. 46
2.3.2. Serii statistice ……………………….………………… 47
2.3.3. Grafice statistice ……………………….………………. 49
2.3.3.1. Prezentarea seriilor statistice unidimensionale ... 53
2.3.3.2. Prezentarea distribuŃiilor statistice bidimensionale .. 63
Concepte-cheie …………………….……………………………... 66
Întrebări de autoevaluare ……………….………………………... 67

3. INDICATORI STATISTICI


3.1. NoŃiunea de indicator statistic. Tipuri de indicatori …………... 68
3.2. Indicatori relativi ……………………….…………………….. 69
Concepte-cheie …………………….……………………………... 74
Întrebări de autoevaluare …………….………………………….. 74

6
4. ANALIZA SERIILOR DE DISTRIBUłIE UNIDIMENSIONALE
4.1. Indicatorii tendinŃei centrale ……………………….…………. 75
4.1.1. Indicatorii medii ……………………………………….. 76
4.1.2. Indicatorii de poziŃie sau de structură …………………. 85
4.2. Indicatorii de variaŃie ……………………….……………….. 96
4.2.1. Indicatorii simpli ai variaŃiei ……………………….….. 98
4.2.2. Indicatorii sintetici ai variaŃiei ……………………….... 100
4.2.3. Regula adunării dispersiilor ……………………….…... 105
4.3. Verificarea semnificaŃiei factorului principal de grupare
prin metoda analizei dispersionale. Testul F ………………….

113
4.4. Media şi dispersia unei variabile alternative …………………. 118
4.5. Asimetria ………………………...……………………….…. 121
Concepte-cheie …………………….……………………………... 126
Întrebări de autoevaluare ……………….………………………... 126

5. SONDAJUL STATISTIC ŞI TESTAREA IPOTEZELOR
PENTRU FUNDAMENTAREA DECIZIILOR ECONOMICE

5.1. Necesitatea folosirii sondajului statistic ………………………. 129
5.2. Erorile de sondaj ……………………….…………………….. 132
5.3. Procedee de selecŃie folosite în practica statistică ……………. 134
5.3.1. Sondaje nealeatoare ……………………….…………… 134
5.3.2. Sondaje aleatoare ………………………..……………. 137
5.4. Tipuri de sondaje ……………………….…………………….. 139
5.4.1. Sondajul aleator simplu ……………………….……….. 139
5.4.1.1. Indicatori ai sondajului aleator simplu ………... 141
5.4.1.2. Indicatori ai sondajului în cazul caracteristicilor
alternative ……………………….……………...

145
5.4.2. Sondajul tipic (stratificat) ………………………………. 148
5.4.3. Sondajul de serii ……………………….……………… 152
5.5. Testarea ipotezelor statistice şi fundamentarea deciziilor bazate
pe date de sondaj ……………………….……………………..

154
5.5.1. Probleme ale testării unei ipoteze statistice …………….. 154
5.5.2. Teste asupra ipotezelor statistice ………………………. 155
5.5.3. Teste pentru media caracteristicilor …………………… 158
5.5.3.1. Testul Z pentru verificarea conformităŃii
unei medii experimentale cu o valoare propusă ...

158
5.5.3.2. Testul Z pentru verificarea egalităŃii a două medii … 161
5.5.3.3. Testul t (Student) ……………………….…….. 163
5.5.4. Verificarea normalităŃii unei distribuŃii cu testul χ
2
…… 165
Concepte-cheie …………………….……………………………...
174
Întrebări de autoevaluare ……………….…………………………
174

7

6. ANALIZA DE REGRESIE ŞI CORELAłIE

6.1. Tipuri de legături între fenomenele social-economice.
NoŃiuni şi clasificarea legăturilor statistice …………………….

176
6.2. Metode elementare de caracterizare a legăturilor dintre variabile 180
6.3. Metode analitice (parametrice) de analiză a legăturilor statistice 182
6.3.1. Regresia liniară simplă ……………………….……….... 183
6.3.2. CorelaŃia liniară simplă ……………………….………... 185
6.4. InferenŃă statistică în cadrul modelului liniar …………………. 189
6.4.1. Validarea modelului de regresie cu testul F ……………. 189
6.4.2. Verificarea semnificaŃiei coeficientului corelaŃiei simple
cu testul t ……………………….………………………

190
6.5. Regresia şi corelaŃia curbilinie simplă ………………………… 190
6.6. Regresia şi corelaŃia multiplă …………………………………. 192
6.7. Metode neparametrice de măsurare a intensităŃii legăturilor
dintre fenomene ……………………….………………………

194
6.7.1. Coeficientul de asociere ………………………………... 194
6.7.2. CoeficienŃii de corelaŃie ai rangurilor …………………... 196
Concepte-cheie …………………….……………………………... 197
Întrebări de autoevaluare ……………….………………………… 197

7. ANALIZA STATISTICĂ A SERIILOR CRONOLOGICE

7.1. NoŃiuni. ParticularităŃi ……………………….……………….. 200
7.2. Sistemul de indicatori statistici ai seriilor cronologice ………... 202
7.3. Analiza statistică a componentelor SCR ……………………... 210
7.3.1. Componentele unei serii cronologice …………………... 211
7.3.2. Metode de determinare a trendului ……………………. 213
7.3.3. Metode mecanice de ajustare a SCR …………………... 213
7.3.4. Metode analitice de determinare a trendului …………… 219
7.3.5. Analiza calităŃii estimării tendinŃei generale de evoluŃie
a unui fenomen …………………………………………

225
7.4. Previzionarea indicatorilor economici prin extrapolare ……….. 228
Concepte-cheie …………………….…………………………….... 230
Întrebări de autoevaluare ……………….………………………… 230

8. METODA INDICILOR ÎN ANALIZELE ECONOMICE

8.1. NoŃiunea de indice. ConŃinutul şi funcŃiile indicilor ………….. 233
8.2. Indicii individuali ……………………….……………………. 235
8.3. Indicii sintetici ……………………….……………………….. 235


8
8.3.1. Sisteme de ponderare folosite la construirea indicilor sintetici 236
8.3.2. Indicii agregaŃi …………………….………………….. 238
8.3.3. Indicii calculaŃi ca medie a indicilor individuali ………... 239
8.3.4. Indicii calculaŃi ca raport a două medii ………………… 240
8.4. Descompunerea pe factori a variaŃiei unui fenomen complex
folosind metoda indicilor ……………………….……………..

242
8.5. Sisteme concrete de indici ……………………….…………… 247
8.5.1. Indicii valorii, volumului fizic şi ai preŃurilor …………... 247
8.5.2. Indicii productivităŃii muncii …………………………... 251
8.5.3. Indicii salariului mediu şi ai fondului de salarii ………… 255
Concepte-cheie …………………….……………………………... 258
Întrebări de autoevaluare ……………….………………………… 258

9. ELEMENTE DE STATISTICĂ MACROECONOMICĂ

9.1. Eurostatica – sistemul statisticii comunitare ………………….. 261
9.2. Definirea Sistemului Conturilor NaŃionale (SCN) ………….. 265
9.3. Conturile macroeconomice …………………………………… 269
9.4. Principalii indicatori macroeconomici de rezultate …………… 279
9.5. Indici de preŃuri utilizaŃi în statistica macroeconomică ……….. 287
9.6. ComparaŃii în timp şi comparaŃii internaŃionale …………… 291
Concepte-cheie …………………….……………………………... 293
Întrebări de autoevaluare ……………….………………………… 293

10. STATISTICA BALANłEI DE PLĂłI EXTERNE

10.1. NoŃiuni şi concepte generale ……………………….……….. 295
10.2. Definirea BalanŃei de plăŃi externe (BPE) …………………… 298
10.3. Indicatori statistici pentru analiza BPE ……………………… 306
10.3.1. Indicatori statistici pentru analiza contului curent al BPE 306
10.3.2. Indicatori statistici pentru analiza contului de capital
şi financiar în cadrul BPE …………………………….

310
10.4. Definirea poziŃiei investiŃionale internaŃionale a Ńării (PII)
sau balanŃa de creanŃe şi angajamente externe ………………

321
Concepte-cheie …………………….……………………………... 327
Întrebări de autoevaluare ……………….………………………… 327

11. STATISTICA DATORIEI EXTERNE

11.1. NoŃiuni utilizate în statistica datoriei externe ……………….... 329
11.2. Analiza statistică a datoriei externe ……………………….…. 331
Concepte-cheie …………………….…………………………….... 336
Întrebări de autoevaluare ……………….………………………… 336

9

12. INDICATORII STATISTICI AI POTENłIALULUI
ECONOMIC

12.1. Indicatorii statistici ai potenŃialului uman …………………… 337
12.2. Indicii statistici ai fondurilor fixe ……………………………. 342
12.3. Indicatorii nivelului de trai al populaŃiei ……………………... 344
12.3.1. Indicatorii veniturilor populaŃiei ……………………… 345
12.3.2. Indicele preŃurilor de consum (IPC) …………………... 351
12.3.3. Indicatorii consumului populaŃiei ……………………... 353
12.3.4. Indicii sintetici ai dezvoltării umane ………………….. 356
Concepte-cheie …………………….…………………………….... 359
Întrebări de autoevaluare ……………….………………………… 359
Anexe ………………………………….…………………………….. 361
Bibliografie …………………………………………………………... 365






















10


































11


CUVÂNT-ÎNAINTE







Dacă pornim de la unul din sensurile cuvântului statistică, definit de
DicŃionarul Explicativ al Limbii Române
1
– „evidenŃă numerică,
referitoare la diverse fenomene”, observăm faptul că, în general, cunoaş-
terea empirică a oricărui domeniu de activitate impune necesitatea de a
apela la date numerice, care, prin prelucrare, conduce la desprinderea
legislaŃiilor specifice acelor domenii, sub imperiul legilor statisticii.
Statistica apare ca ştiinŃă de graniŃă, o ştiinŃă metodologică, un
gen de „omnibuz” al cunoaşterii empirice, care a devenit indispensabilă
pentru cunoaşterea fenomenelor din natură şi societate.
Lucrarea prezentă se încadrează noului plan de învăŃământ de trei
ani, conform sistemului Bologna. Astfel, volumul va trata, în prima parte,
noŃiuni ale statisticii descriptive, dintre care amintim: indicatorii statistici,
indicatori ai tendinŃei centrale, indicatori de variaŃie, sondajul statistic,
regresia şi corelaŃia, serii cronologice, indici statistici. Iar în a doua parte,
câteva noŃiuni de macroeconomie, dintre care: SNC, BPE, datoria externă,
potenŃialul economic. Toate aceste noŃiuni sunt considerate fundamentale
pentru formarea viitorilor economişti, care vor trebui să se încadreze
exigenŃelor practicii economice într-un mediu concurenŃial.
Lucrarea urmăreşte să sprijine studenŃii în înŃelegerea şi utilizarea
corectă a metodelor şi tehnicilor statistice de prelucrare a informaŃiei statis-
tice, să formeze deprinderea unor raŃionamente bazate pe calcule statistice
riguroase, care dau o mai bună înŃelegere a vieŃii economico-sociale.

1
Academia Română, Institutul de Lingvistică „Iorgu Iordan”, DEX,
DicŃionarul Explicativ al Limbii Române, ediŃia a II-a, Editura Univers Enciclopedic,
Bucureşti, 1998, p. 1015.

12
MulŃumesc tuturor celor care vor consulta lucrarea şi vor veni cu
sugestii şi observaŃii pertinente, care vor contribui la îmbunătăŃirea ei,
pentru că orice material didactic este supus îmbogăŃirii şi perfecŃionării
informaŃionale.

martie 2007 Autoarea



13


1. STATISTICA – ŞTIINłĂ METODOLOGICĂ


„… într-o zi, gândirea statistică va fi la fel
de necesară oricărui cetăŃean folositor
societăŃii ca scrisul şi cititul…”
H. G. Wells



1.1. Conceptele sistemului informaŃional statistic
ale economiei de piaŃă
Epoca noastră este marcată de multitudinea informaŃiilor statistice
prezentate în mass-media. Astfel că par normale întrebări precum: Cum
trebuie înŃeleasă şi utilizată informaŃia statistică? Cum se formează
informaŃia statistică? etc. Cea care răspunde la aceste întrebări este
statistica – o ştiinŃă interdisciplinară, un fel de ştiinŃă metodologică, un
gen de „omnibus” al cunoaşterii empirice şi care are metodele de ana-
liză a datelor pentru multe domenii de activitate economice şi nu numai.
Etimologia cuvântului statistică
1
vine de la cuvântul latinesc
status, care desemna starea politică sau o ştiinŃă a descrierii statului.
Însă, noŃiunea de statistică a fost folosită pentru prima dată în
Germania, 1746, de Gottfried Achenwall pentru a prezenta variabile
referitoare la producŃia şi consumul de produse agricole. De-a lungul
timpului, statistica a avut mai multe semnificaŃii, şi anume:

1
Statistica – 1. ştiinŃa care studiază fenomenele de masă, sub aspect
cantitativ, cu metode proprii de descriere şi analiză; 2. culegere, prelucrare şi
valorificare a unor date referitoare la fenomenele de masă; 3. prezentare a
unui situaŃii, a unui fenomen din natură sau din societate prin cifre; evidenŃă
numerică .... [din fr. statistique, germ. statistik, statistisch] (Cf. Noul
DicŃionar Universal al Limbii Române, Oprea I., Pamfil Carmen-Gabriela,
Radu Rodica, Zăstroiu Victoria, Editura Litera InternaŃional, Bucureşti, 2006,
p. 1384).
14
• de activitate practică – datorită necesităŃii de cunoaştere în
expresie numerică a fenomenelor şi proceselor social-economice;
• de metodă statistică – sub această calitate este folosită de
celelalte discipline ştiinŃifice pentru a-şi descoperi legile ce funcŃionează
în propriile lor domenii de studiu.
Statistica ca ştiinŃă poate fi analizată ca o disciplină de sine
stătătoare, fiind considerată:
– obiect de studiu propriu;
– metodă proprie;
– ca având un scop bine precizat.
Astfel, putem defini statistica ca disciplină ştiinŃifică şi de
învăŃământ şi o putem privi prin prisma dezvoltării ştiinŃei, în general,
dar şi a creşterii rolului ei în procesul dezvoltării societăŃii româneşti,
mai ales rolul ei în integrarea României în Uniunea Europeană.
Azi, informaŃia statistică, necesară cunoaşterii procesului de dez-
voltare al societăŃii şi economiei, se elaborează în cadrul sistemului
informaŃional statistic (S.I.S.). În Ńara noastră, S.I.S. este urmărit în
cadrul organului oficial de statistică naŃional – Institutul NaŃional de
Statistică (I.N.S.).
Cu ajutorul sistemului S.I.S., se construiesc Bănci de date, care vor
permite obŃinerea mai multor baze de date necesare studiilor statistice în
diverse domenii de activitate. Pentru a putea obŃine aceste informaŃii,
banca de date este organizată din baze de date, alcătuite pe baza unui
sistem de gestiune al băncii de date. Schema funcŃionării unei bănci de
date sub forma unui raŃionament statistic este prezentată în figura 1.1.

RaŃionamentul statistic realizează trecerea de la masa amorfă
de date individuale, culese prin observare statistică, la un sistem de
indicatori statistici, specifici întregului ansamblu investigat.

Astfel, baza de date se poate compune dintr-un:
• sistem de indicatori specifici;
• ansamblu de metode, tehnici şi procedee de calcul al indicatorilor;
• ansamblul intrărilor (date primare, elementare), ieşirilor (situaŃii
cu informaŃii statistice), informaŃii memorate în banca de date.


15

Figura 1.1. Etapele raŃionamentului statistic
Definirea:
– problemei
– scopului
– ariei de investigare
:
:




• sistematizarea datelor primare
• calculul indicatorilor statistici
• prezentarea datelor:
− tabelele
− serii
− grafice
• compararea datelor
• verificarea ipotezelor
• concluzii asupra cercetării
• calcule de prognoză
16
InformaŃiile necesare S.I.S. sunt culese prin diferite documente
statistice solicitate de I.N.S. din cele două sectoare:
• public – furnizorii de informaŃii fiind unităŃile social-economice
de stat;
• privat – furnizorii de informaŃii sunt agenŃii economici privaŃi, chiar
şi instituŃiile financiar-bancare, care sunt purtătoare de informaŃii fiscale;
• alŃi furnizori de informaŃii pot fi: populaŃia, persoanele fizice,
familiile, menajele etc.
Azi, însă, vorbim şi de un sistem statistic global, care foloseşte
datele statistice naŃionale, internaŃionale şi transnaŃionale pentru a putea
formula decizii şi politici de dezvoltare economică la toate nivelurile.
Comunitatea statistică internaŃională încearcă impunerea anumitor
metode de calcul a indicatorilor economici pentru a se asigura calitatea
statisticilor naŃionale şi internaŃionale, calitate reflectată în indicatori
pertinenŃi folosiŃi în analizele şi comparaŃiile internaŃionale.
De aceea, un Institut NaŃional de Statistică, pentru a-şi îndeplini
rolul său democratic, trebuie să se bucure de credibilitate, proces ce se
construieşte în timp. Dar o statistică este credibilă atâta timp cât poate
rămâne imparŃială – aceasta în măsura în care nu se Ńine seama de
puncte de vedere partizane, care să favorizeze pe cineva sau ceva
anume. De multe ori, imparŃialitatea informaŃiei statistice este asigurată
dacă Institutul NaŃional de Statistică utilizează metodele şi standardele
recunoscute internaŃional. Astfel, în democraŃiile moderne se admite un
acces larg al cetăŃenilor la informaŃiile statistice, fiind necesar unei bune
funcŃionări a democraŃiilor respective.
I.N.S. are drept obiectiv elaborarea informaŃiei statistice, cât şi al
unor lucrării tematice necesare pentru caracterizarea fenomenelor şi
proceselor social-economice la nivel micro şi macroeconomic.

1.2. Obiectul şi metoda statisticii
Cercetarea fenomenelor şi proceselor din natură, societate şi
economie se realizează în mod diferit, în funcŃie de natura lor, de scopul
cercetării şi de modalitatea efectuării lui. Atributul principal cantitativ al
cunoaşterii statistice îi conferă acestuia un rol important în investigarea
diferitelor fenomene şi procese.
Statistica, ca disciplină ştiinŃifică, studiază acele procese şi
fenomene care se manifestă într-un număr mare de cazuri şi prezintă

17
anumite regularităŃi în producerea lor, pe care le defineşte ca fiind
fenomene de masă sau fenomene de tip colectiv.
Fenomene tipice sunt cele care apar în societate, în tehnologie, în natu-
ră, fiind datorate unei singure cauze şi pot fi analizate şi verificate pe cale
experimentală, în laborator – acestea sunt considerate fenomene univoc
determinate, certe, care se prezintă ca fenomene simple, identice între ele.
Fenomene atipice sunt acele fenomene care apar ca rezultat al
acŃiunii unui număr diversificat de factori de influenŃă, obiectivi sau
subiectivi, comuni sau specifici sau ca urmare a manifestării unor
raporturi de cauzalitate de tipul cauză-efect.

Fenomenele de masă se prezintă ca fenomene atipice, fiind
rezultatul acŃiunii unui număr mare de cauze şi condiŃii variabile,
cu grade şi sensuri diferite de influenŃă.

Exemple de fenomene de masă pot fi:
– populaŃia unei Ńări stabilită printr-un recensământ;
– populaŃia cu drept de vot;
– cifra de afaceri a firmelor, veniturile populaŃiei etc.
Statistica studiază fenomenele de masă ce sunt definite ca ansam-
bluri finite de elemente, cu trăsături esenŃiale comune, aceleaşi condiŃii
şi legi de dezvoltare, fiind astfel statistic omogene. Aceste ansambluri
sunt cunoscute sub denumirea de populaŃii, colectivităŃi statistice.
Statistica social-economică are ca particularitate studierea feno-
menelor social-economice de masă în cadrul cărora acŃionează legi
statistice, legi care se manifestă sub formă de tendinŃă predominantă în
masa manifestărilor individuale, fără a putea fi identificate în fiecare caz
în parte, ele putând fi cunoscute numai la nivelul întregului ansamblu.
Legea statisticii apare ca rezultantă medie a numeroase
acŃiuni individuale, bazată pe abstractizări succesive şi generalizări
dintr-un număr mare de manifestări (aparent) întâmplătoare.
Datorită faptului că fenomenele de masă sunt influenŃate de o mul-
titudine de factori (esenŃiali, aleatori), ele pot fi interpretate doar pro-
babilist, fiind considerate ca fenomene de tip nedeterminist sau statistic.
18
Prin urmare, statistica studiază fenomenele de masă din punct de
vedere cantitativ, dar le interpretează probabilist, în baza principiilor
teoriei probabilităŃilor şi, în mod deosebit, a legii numerelor mari
(Bernoulli, 1713).
Potrivit acestei legi, variaŃiile întâmplătoare de la tendinŃa generală
se compensează reciproc la nivelul ansamblului pentru un număr suficient
de mare de cazuri individuale, ajungând prin abstractizări succesive la
ceea ce este esenŃial, tipic în manifestarea fenomenelor de masă.
Altă particularitate a statisticii social-economice o reprezintă
studierea laturii cantitativ-numerice a fenomenelor de masă, prin care
se precizează dimensiunea, intensitatea, structura etc., aspecte ce pot fi
caracterizate numeric în funcŃie de locul şi timpul producerii lor, în
legătură cu latura lor calitativă.
Cercetarea statistică a fenomenelor social-economice porneşte de
la studierea esenŃei şi particularităŃilor calitative ale acestor fenomene,
ajungând astfel la cunoaşterea lor cantitativă, în vederea caracterizării
lor numerice (cu ajutorul indicatorilor statistici). Prin abstractizări
succesive, statistica ajunge la generalizarea a tot ce este tipic, esenŃial
în manifestările fenomenelor de masă, în condiŃiile respectării integri-
tăŃii calitative a acestora.
Statistica reuşeşte să evidenŃieze regularităŃile în producerea unor
fenomene de masă, prin interpretarea probabilistică a rezultatelor, aju-
tând la cunoaşterea legilor care determină fenomenele sociale, permiŃând
efectuarea unor previziuni asupra nivelului şi structurii viitoare a acestora.

Obiectul statisticii îl constituie studiul aspectelor cantitative ale
determinărilor calitative ale fenomenelor de masă din orice
domeniu al vieŃii social-economice sau naturale, fenomene asupra
cărora acŃionează legile statistice care se manifestă în condiŃii
concrete, variabile în timp şi spaŃiu.

Metoda statistică este definită ca totalitatea procedeelor, tehni-
cilor de observare, calcul şi interpretare statistică, care produc infor-
maŃia statistică.
Metoda statistică, fiind un ansamblu de principii metodologice,
poate fi urmărită prin folosirea unor noŃiuni proprii legate de obiectul

19
ei de studiu (colectivitate statistică etc.) sau de metodologia sa (date
statistice, indicatori, indici etc.)
Metoda statistică este definită în funcŃie de natura fenomenelor cer-
cetate, cât şi de scopul cercetării şi se bazează pe un raŃionament statistic.
Cercetarea statistică presupune acŃiuni de proiectare şi organizare,
de culegere, prelucrare, analiză şi interpretare a datelor statistice –
specifice domeniului cercetat.
Pentru atingerea acestui obiectiv, statistica apelează atât la metodo-
logia generală de cercetare, cât şi la metodele specifice ei.

1.3. Concepte de bază ale statisticii
Cercetarea statistică a fenomenelor de masă în orice domeniu
investigat foloseşte o serie de noŃiuni (concepte) de bază, ce au caracter
general sau specific şi care formează vocabularul de bază al statisticii
2
.
NoŃiunile de bază ale statisticii sunt prezentate schematic în figura 1.2.

1. Colectivitatea statistică (sau populaŃia statistică) desemnează
totalitatea elementelor omogene (după anumite criterii) care fac
obiectul cercetării şi care au o serie de trăsături esenŃiale comune,
fiind generate de aceleaşi cauze esenŃiale. Omogenitatea
elementelor fiind dată de calitatea lor de a fi de aceeaşi natură, de
a aparŃine aceluiaşi spaŃiu şi timp
3
.

ColectivităŃile statistice au un caracter obiectiv şi finit, ceea ce
face necesară delimitarea lor din punctul de vedere al conŃinutului,
timpului, spaŃiului şi al formei de organizare.
Colectivitatea statistică poate fi alcătuită din:
• persoane (populaŃia României la recensământul din martie 2000);
• obiecte (tablourile unui muzeu de artă);
• evenimente (copii născuŃi vii în luna septembrie 2000, în Bucureşti);
• idei sau opinii (opiniile consumatorilor unor produse nou
apărute pe piaŃă).


2
NoŃiunile utilizate au la bază volumul Mică enciclopedie statistică,
Trebici V. (coord.), Editura ŞtiinŃifică şi Enciclopedică, Bucureşti, 1985.
3
Jaba E., Statistică, Editura Economică, Bucureşti, 2000.
20









F
i
g
u
r
a

1
.
2
.


N
o
Ń
i
u
n
i

d
e

b
a
z
ă

a
l
e

s
t
a
t
i
s
t
i
c
i
i

S
u
r
s
a
:

B
i
j
i

E
.
,

W
a
g
n
e
r

P
.
,

L
i
l
e
a

E
.
,

V
ă
t
u
i

M
.
,

P
e
t
c
u

N
.
,













S
t
a
t
i
s
t
i
c
ă
,

E
d
i
t
u
r
a

D
i
d
a
c
t
i
c
ă

ş
i

P
e
d
a
g
o
g
i
c
ă
,












B
u
c
u
r
e
ş
t
i
,

1
9
9
9
;












I
s
a
i
c
-
M
a
n
i
u

A
.
,

M
i
t
r
u
Ń
,

C
.
,

V
o
i
n
e
a
g
u
,

V
.
,












S
t
a
t
i
s
t
i
c
a
,

E
d
i
t
u
r
a

U
n
i
v
e
r
s
i
t
a
r
ă
,

B
u
c
u
r
e
ş
t
i
,

2
0
0
3
.

C
O
L
E
C
T
I
V
I
T
A
T
E

(
P
o
p
u
l
a
Ń
i
e
)

s
t
a
t
i
s
t
i
c
ă

U
N
I
T
Ă
ł
I

S
T
A
T
I
S
T
I
C
E

D
A
T
E

S
T
A
T
I
S
T
I
C
E

I
N
D
I
C
A
T
O
R
I

S
T
A
T
I
S
T
I
C
I

D
u
p
ă

c
o
n
Ń
i
n
u
t
u
l

l
o
r

V
a
r
i
a
b
i
l
e


a
t
r
i
b
u
t
i
v
e

(
c
a
l
i
t
a
t
i
v
e
)

(
c
a
n
t
i
t
a
t
i
v
e
)


21
Cercetarea statistică se poate face asupra întregii colectivităŃi,
denumită colectivitate totală, sau numai asupra unei părŃi reprezentative
a acesteia, extrase din colectivitatea totală cu un procedeu garantat cu
o anumită probabilitate, care formează o colectivitate parŃială sau de
selecŃie (eşantion, mostră).
Dacă avem în vedere timpul la care se referă, colectivităŃile
statistice pot fi:
• colectivităŃi statice, când exprimă o stare şi au o anumită
întindere în spaŃiu, formând un stoc la un moment dat (EXEMPLU:
câştigătorii la Loto-Prono la extragerea din data… etc.);
• colectivităŃi dinamice, când exprimă un proces în devenire, un
flux, iar caracterizarea lor presupune înregistrarea elementelor
componente pe un interval de timp (EXEMPLU: căsătoriile
înregistrate în luna octombrie 2003, în Bucureşti).

2. UnităŃile statistice reprezintă elementele componente ale
colectivităŃii statistice, asupra cărora se efectuează nemijlocit
observarea
4
, existente într-un moment dat sau în decursul unui
interval de timp.

În funcŃie de colectivităŃile statistice pe care le compun, pot fi:
• unităŃi statice – compun efectivul colectivităŃii respective
(persoane, produse etc.) la un moment dat;
• unităŃi dinamice – desemnează evenimente, procese sau fluxuri
ce aparŃin aceleiaşi structuri organizatorice şi se produc într-un
interval de timp.
În funcŃie de componenŃa lor, cât şi de gradul de complexitate,
unităŃile statistice pot fi:
• unităŃi simple – formate dintr-un singur element (studentul,
salariatul etc.) şi arată modul de existenŃă al colectivităŃii;
• unităŃi complexe – formate din mai multe unităŃi simple de acelaşi
tip şi depind de forma de organizare social-economică a societăŃii
(EXEMPLU: familia este alcătuită din membrii ei; grupa este alcătuită
din studenŃi; firma este formată din secŃii, ateliere etc.).


4
Ibidem.
22
3. Caracteristica statistică este însuşirea sau trăsătura comună
unităŃilor unei populaŃii statistice cercetate, care primeşte
accepŃiuni sau valori diferite de la o unitate la alta, sau de la un
grup de unităŃi la altul.

EXEMPLE: vârsta, vechimea în muncă, naŃionalitatea, religia, ocupaŃia
etc. Formele concrete de manifestare a caracteristicilor statistice, la nivelul
fiecărei unităŃi, se numesc valori sau variante. Numărul de apariŃii ale unei
variante într-o colectivitate se numeşte pondere sau frecvenŃă.
Caracteristicile statistice se mai numesc variabile statistice sau
variabile aleatoare (întâmplătoare).
Variabila statistică este caracteristica statistică, având proprieta-
tea de a-şi modifica în timp şi în spaŃiu nivelul de dezvoltare.
Nivelul unei variabile statistice poate fi diferit de la o unitate la alta
a colectivităŃii, datorită multitudinii de factori ce acŃionează cu
intensităŃi şi sensuri diferite, conferind variabilelor statistice caracterul
de variabilă aleatoare. Valorile unei variabile aleatoare apar în situaŃii
întâmplătoare, cu probabilităŃi determinate. Astfel, variabila aleatoare
comportă nu numai un ansamblu de valori posibile, ci şi o funcŃie care
indică probabilitatea fiecărei valori posibile. Această funcŃie este
denumită funcŃie de probabilitate şi reprezintă frecvenŃa relativă a
valorilor variabilei aleatoare.
Variabilele statistice corespunzătoarea unităŃilor statistice ale unei
colectivităŃi obiective şi finite compun distribuŃii sau repartiŃii statis-
tice.
În funcŃie de modul de provenienŃă a acestor tipuri, variabilele
statistice pot avea
5
:
• valori reale (empirice) şi alcătuiesc distribuŃii de frecvenŃă sau
distribuŃii empirice;
• valori abstracte (teoretice) şi alcătuiesc distribuŃii teoretice
sau distribuŃii probabilistice.
Dacă cercetarea statistică se face asupra unei colectivităŃi parŃiale
(eşantion), atunci variabilele sunt denumite variabile de selecŃie şi
alcătuiesc distribuŃii de selecŃie.

5
Ibidem.

23
Clasificarea variabilelor statistice:
a. După modul de exprimare există:
• variabile calitative (atributive) – exprimate pentru fiecare
unitate a colectivităŃii statistice sub formă de expresii lingvis-
tice (EXEMPLU: profesia, funcŃia, sexul, şcoala absolvită etc.);
• variabile cantitative (numerice) ale căror valori se stabilesc prin:
– numărare, numărul de produse executate, vârsta, numărul de
copii ai unei familii;
– măsurare, greutate, înălŃime, suprafaŃă, volum;
– calcul, costurile, productivitatea muncii, rata rentabilităŃii.
Variabilele cantitative, în funcŃie de natura variaŃiei, pot fi:
• variabile cantitative continue (cu variaŃie continuă) – variabile
numerice măsurabile, ce pot lua valori într-un interval finit sau
infinit. EXEMPLU: cifra de afaceri, beneficiul unei firme, salariul
angajaŃilor etc. În funcŃie de precizia dorită de cercetător şi de
metoda de măsurare utilizată (unitatea de măsură), pentru fiecare
unitate statistică a colectivităŃii vom avea o valoare a variabilei nu-
merice. EXEMPLU: vechimea se exprimă în ani, salariul în lei etc.;
• variabile cantitative discrete (variaŃie discontinuă) – variabile
care pot lua numai anumite valori (numere întregi) ce pot fi
numărabile. EXEMPLU: numărul de copii ai unei familii,
numărul de globule roşii dintr-un cm
3
de sânge etc.
b. După conŃinutul variabilelor, acestea pot fi:
• variabilele de timp – arată apartenenŃa unităŃilor statistice la un
moment sau interval de timp;
• variabile de spaŃiu – arată apartenenŃa unităŃilor statistice la un
anumit teritoriu;
• variabile atributive – arată natura, esenŃa unităŃilor statistice şi
servesc pentru definirea fenomenelor studiate.
c. După modul de manifestare (ca variante de răspuns înregistrate)
există:
• variabile alternative (caracteristici binare) – se prezintă sub
forma a două valori individuale complementare. EXEMPLU:
sexul poate fi feminin (F) sau masculin (M); candidatul la un
examen poate fi admis (A) sau respins (R). Aceste variabile se
pot codifica, dând valoarea 0 (zero) pentru răspunsurile cu NU
şi valoarea 1 pentru cele cu DA;
24
• variabile nealternative – se prezintă ca variante distincte nu-
merice sau calitative. Exemplu: salariile etc.
d. După gradul de esenŃialitate, pot fi:
• variabile esenŃiale – diferite în funcŃie de scopul cercetării
statistice, fiind prezente la toate unităŃile colectivităŃii;
• variabile neesenŃiale – variabile întâmplătoare, dar care pot
ajuta procesul de cunoaştere.
e. După modul de obŃinere şi folosire a datelor:
• variabile primare – datele obŃinute prin înregistrarea directă
(observarea statistică la nivelul fiecărei unităŃi statistice);
• variabile derivate – obŃinute în urma aplicării unui model de
calcul statistic.
Analiza unei repartiŃii statistice necesită şi utilizarea conceptului
de parametru statistic.

Parametrul statistic sau valoarea tipică a repartiŃiei, în forma sa
generală, desemnează valoarea reprezentativă obŃinută dintr-o operaŃie
numerică (calcul, agregare etc.) aplicată unei repartiŃii statistice.

În funcŃie de conŃinut, parametrii statistici pot fi:
– parametri de nivel: media, mediana, valoarea modală;
– parametri de variaŃie: dispersia;
– parametrii de asimetrie: coeficientul lui Pearson, coeficientul lui
Fischer etc.

4. Datele statistice sunt obŃinute în statistică prin procesul de
observare şi prelucrare, reprezentând mărimile concrete numerice
ale unităŃilor colectivităŃii.

Data statistică conŃine următoarele elemente:
• noŃiunea, care precizează conŃinutul calitativ al fenomenului studiat;
• elemente de identificare (de timp, de spaŃiu etc.);
• valoarea numerică.
Mesajul datelor îl reprezintă informaŃia statistică. Aceasta este
obŃinută continuu prin organul de statistică publică şi introdusă într-o
bancă de date sub formă de date primare (stocată), de unde poate fi
consultată spre prelucrare sau se poate publica.
Astfel, în procesul de cercetare statistică se obŃin:
– date primare (observate);
– date derivate (prelucrate).

25

5. Indicatori statistici
Suportul datelor statistice îl reprezintă indicatorii statistici. Dacă
datele statistice reprezintă o expresie generalizatoare, atunci indicatorii
statistici sunt particularizaŃi pe domenii.

Datele statistice, care caracterizează un fenomen sau proces
economic printr-o expresie numerică, obŃinută într-o cercetare statistică
efectuată în condiŃii specifice de timp, spaŃiu, organizatorice, se definesc
ca indicatori statistici.

Indicatorii statistici exprimă numeric, de regulă, o categorie
economică. Exprimarea numerică a unei categorii economice presupune
folosirea unei sistem de indicatori. Elaborarea indicatorilor statistici se
realizează de către organul oficial de statistică din fiecare Ńară.

1.4. Tipuri de scale folosite în statistică
Fenomenele social-economice există sub forma unor mulŃimi, care,
pentru a fi măsurate, înregistrate, analizate, necesită o exprimare
numerică, ce devine posibilă prin cuantificare. OperaŃia de cuantificare
este un proces complex de izolare, măsurare în forme comparabile şi
înregistrare a elementelor unei colectivităŃi. Cuantificarea este o operaŃie
specifică statisticii şi presupune un set de reguli de atribuire a unei valori
unităŃilor statistice ce aparŃin colectivităŃii studiate, după o caracteristică.
Valorile individuale, înregistrate pe fiecare unitate a colectivităŃii
statistice (cifre, simboluri), pot fi diferenŃiate cu ajutorul unui
instrument de măsurare, numit scală.

Scala poate fi reprezentată printr-un şir de numere, valori,
simboluri, care se succed progresiv, pentru a arăta gradul în care un
fenomen posedă o caracteristică sau proprietate.





26

F
i
g
u
r
a

1
.
3
.

T
i
p
u
r
i

d
e

s
c
a
l
e


27

Scala
6
poate fi un instrument fizic (EXEMPLU: pentru măsurarea
greutăŃii, înălŃimii) sau o construcŃie prezentă în metoda de culegere a
datelor de natură calitativă (când măsurăm, de exemplu, preferinŃele,
atitudinea consumatorilor). Activitatea de formare a scalelor se numeşte
scalare. Metodele de scalare pot fi grupate după nivelul de măsurare
obŃinut de acea scală şi după proprietăŃile statistico-matematice ale
acesteia. S.S. Stevens
7
propune cea mai cunoscută modalitate de clasi-
ficare a scalelor, în patru tipuri: nominală, ordinală, de interval şi
proporŃională. Fiecare scală are la bază anumite ipoteze referitoare la
relaŃia dintre proprietăŃile fenomenului cercetat şi sistemul lor de
măsurare.
În funcŃie de volumul de informaŃii se poate trece succesiv de la
utilizarea unui tip de scală la alt tip, îmbunătăŃindu-se sistemul de
măsurare.
În marketing, scalarea răspunsurilor este un proces de măsurare a
preferinŃelor, percepŃiilor, atitudinilor consumatorului. Ceea ce se
măsoară este intensitatea reacŃiilor psihologice a unor persoane faŃă de
produse, mărimi, culori, stiluri etc.
În practica statistică sunt folosite diferite scale (vezi figura 1.3):
– scale de măsură (nominale, ordinale, de interval, de raport);
– scale de atitudine (de evaluare, de preferinŃă, de intenŃie).

SCALE DE MĂSURĂ
1. Scala nominală este o scală elementară, ce stabileşte o relaŃie
de identificare sau de apartenenŃă la o clasă neordinală. Toate
componentele unei clase de obiecte sau însuşiri, exprimate prin cuvinte,
vor fi codificate prin simboluri numerice. Unele variabile au două stări
posibile (EXEMPLU: sexul poate fi feminin şi masculin, codificate cu
numerele 0 şi 1), altele pot avea mai multe stări (EXEMPLU: starea civilă
poate fi necăsătorit(ă), căsătorit(ă) văduv(ă), codificate cu numerele
1, 2, 3). Variantele nominale (sau codurile numerice asociate), situate pe

6
Jugănaru M., Teorie şi practică în cercetarea de marketing, Editura
Expert, Bucureşti, 1998.
7
Stevens S.S., On the Theory of Scales of Measurement, în „Science”,
7 June 1946.
28
această scală, nu au nicio proprietate cantitativă şi nu fac obiectul
operaŃiilor matematice.
Scala nominală poate folosi la stabilirea numărului unităŃilor ce
conŃin aceeaşi variantă. Exemplu: sexul – putem şti câte persoane sunt
de sex feminin şi câte de sex masculin.
2. Scala ordinală este o scală de clasament sau de repartizare,
permiŃând ordonarea variantelor cercetate, în raport cu un criteriu
predefinit, folosindu-se valori ordinale: primul, al doilea etc. Exemplu:
ordonarea unui produs (cafea: Jacobs, Elite, Columbia) în funcŃie de
preferinŃe (codul 1 – pentru marca cumpărată cel mai des, codul 2 –
pentru marca cumpărată cel mai rar).
Valorile de pe această scală indică doar poziŃia unităŃii, într-un şir
ordonat care există între două poziŃii succesive. Variantele de pe o scală
ordinală mai pot fi asociate unor expresii ca: mai bun decât, mai rapid
decât etc. şi nu sunt supuse operaŃiilor matematice.
3. Scala de interval este utilizată în cazul variabilelor cantitative,
presupunând atribuire de valori numerice unităŃilor colectivităŃii în
funcŃie de caracteristica observată. Variantele asociate acestui tip de
scală pot fi supuse unor operaŃii matematice.
În această scală, unităŃile de măsură sunt constante, iar distanŃele
dintre niveluri sunt cunoscute, au semnificaŃie, ceea ce permite com-
pararea diferenŃelor dintre 2 valori ale aceleiaşi variabile. Originea
scalei de interval este aleasă arbitrar. Exemplul tipic este acela al
scalelor de temperatură după gradaŃiile unui termometru. Originea scării
va fi diferită de la un termometru medical, la unul de cameră, ca şi de la
scara Celsius la scara Farenheit. Valoarea zero pe această scală nu
semnifică absenŃa completă a caracteristicii, ci o valoare ca oricare alta.
EXEMPLU: temperatura pe cele 2 scări Celsius şi Farenheit. Dacă
schimbăm originea şi valorile temperaturii, raportul dintre două
modificări de temperatură rămâne acelaşi.
4. Scala de rapoarte (proporŃională) permite reprezentarea
numerelor cardinale. În aceste scale, ordinea de măsurare are un sens,
ordinea posedă un punct zero unic, iar unitatea de măsură este
constantă. Scala este împărŃită în intervale egale, fiecăruia îi corespunde
un anumit număr, astfel că raportul dintre oricare două valori ale scalei
este independent de unitatea de măsură folosită. Această scală este

29
folosită pentru măsurarea valorilor celor mai multe variabile economice
numerice: cantităŃile de producŃie, preŃuri etc.
Compararea rapoartelor de pe această scală au sens şi este
semnificativă. Exemplu: dacă cafeaua Elite (E) este de două ori mai
căutată decât cafeaua Columbia (C), raportul E/C = 2 se va păstra pe
oricare altă scară valorică.
SCALE DE ATITUDINE
Aceste scale transformă informaŃiile calitative în date cantitative,
ce se vor prelucra statistic. Pentru acest tip de scale se folosesc
caracteristici ca: marca, conceptul de produs, intenŃia de cumpărare etc.
Scala de atitudine este formată de numărul nivelurilor unei
caracteristici calitative între care se pot face opŃiuni (minim 3, maxim
100). Cele mai folosite scale sunt cele cu 5 sau 7 poziŃii.
Dintre aceste tipuri de scale alegem doar o scală de evaluare –
Scala lui Likert.
SCALA LUI LIKERT
Este o scală de tip ordinal, cu care se obŃin informaŃii de natură
neparametrică.
Etapele acestei metode sunt următoarele:
– se alcătuieşte un set de propoziŃii pozitive sau negative care
evaluează un obiect;
– propoziŃiile ce exprimă gradul de acord/dezacord sau apro-
bare/dezaprobare se prezintă subiectului intervievat, ale cărei
opinii urmează să fie scalate.
Scala, de regulă, conŃine 5 niveluri cărora li se atribuie 5 valori
numerice de genul următor:


Acord total Acord Indiferent Dezacord
Dezacord
total
Scor 5 4 3 2 1
Valoare numerică +2 +1 0 -1 -2

Subiectul marchează una din poziŃii. Scorul realizat de un subiect
este egal cu suma algebrică a valorilor relative, indicate de fiecare subiect.
Valorile relative se obŃin prin împărŃirea scorului la numărul de
subiecŃi (metoda aritmetică) – estimând astfel intensitatea acordului sau
dezacordului.
30
1.5. Observarea statistică
Cunoaşterea realităŃii şi stăpânirea fenomenelor social-economice
de masă, studiate de statistică, depind de informaŃiile de care dispunem.
InformaŃia corespunzătoare ajută la fundamentarea deciziilor mana-
gerilor în orice domeniu de activitate.
Datele şi informaŃiile statistice se realizează în cadrul Sistemului
InformaŃional Statistic (S.I.S.). Partea principală a S.I.S.-ului o for-
mează ansamblul datelor statistice obŃinute din surse ca:
– subsistemul rapoartelor statistice (dări de seamă);
– subsistemul cercetărilor statistice special organizate;
– publicaŃii statistice;
– bănci de date statistice etc.
În Ńara noastră, S.I.S.-ul este organizat în cadrul Institutului
NaŃional de Statistică (I.N.S.), care se ocupă de perfecŃionarea acestuia.
În cadrul S.I.S., un rol important îl joacă băncile de date, care, cu
ajutorul unui sistem de gestiune al bazei de date, poate furniza datele
necesare oricărui studiu statistic.
La scară naŃională, de modul de funcŃionare a S.I.S. depinde cunoaş-
terea fenomenelor social-economice, ce se realizează în cadrul cercetării
statistice. Cercetarea statistică, ca orice cercetare ştiinŃifică, cuprinde
totalitatea operaŃiilor de culegere, sistematizare, prelucrare, stocare, analiză
şi interpretare a informaŃiilor şi se realizează în trei etape distincte.
Cercetarea statistică, parte a S.I.S., presupune parcurgerea unor
etape:
• Observarea statistică, reprezentând culegerea datelor primare, a
informaŃiilor, după o metodologie unitară, pentru toate unităŃile
colectivităŃii.
• Prelucrarea statistică:
− sistematizarea datelor, prin gruparea statistică;
− calculul indicatorilor statistici;
− prezentarea datelor: tabele statistice, serii statistice, grafice
statistice.
• Analiza şi interpretarea statistică:
− confruntarea, compararea datelor;
− verificarea ipotezelor;
− formularea concluziilor asupra cercetărilor;
− fundamentarea calculelor de prognoză.

31
1.5.1. Planul unei observări statistice
Planul de observare trebuie să cuprindă toate problemele ridicate
de o cercetare statistică.
• Scopul observării. Obiectivele stabilite prin cercetarea statisti-
că, concretizate în obŃinerea de noi informaŃii, fixează scopul.
Scopul observării este subordonat scopului general al cercetă-
rii, iar stabilirea lui corectă este importantă pentru delimitarea
colectivităŃii cercetate, a unităŃilor de observaŃie etc.
• Colectivitatea statistică trebuie delimitată ca volum, în timp, în
spaŃiu, în funcŃie de scopul cercetării statistice.
• UnităŃile de observare trebuie să fie definite clar, ca să permită
înŃelegerea unitară a noŃiunii respective. UnităŃile pot fi simple
sau complexe în funcŃie de colectivităŃile statistice investigate.
• Caracteristicile statistice exprimă trăsăturile, aspectele unită-
Ńilor colectivităŃii, care vor fi cuprinse în cercetare conform
scopului urmărit.
• Timpul observării vizează două probleme esenŃiale:
– timpul la care se referă datele;
– timpul în care se face culegerea datelor.
Timpul la care se referă datele se numeşte moment critic şi diferă
de intervalul de timp (perioada) de culegere a datelor.
• Locul observării se precizează prin program şi de obicei este
acela în care evoluează fenomenul cercetat.
• Măsuri organizatorice sunt necesare pentru organizarea obser-
vării statistice şi vizează următoarele aspecte: recrutarea şi pre-
gătirea personalului pentru efectuarea înregistrărilor, tipărirea şi
transmiterea formularelor, elaborarea hărŃilor localităŃilor,
realizarea publicităŃii.

1.5.2. Metode de culegere a datelor prin observarea statistică
Observarea statistică, ca primă etapă a demersului statistic, constă
în operaŃia de culegere a datelor, informaŃiilor, după o metodologie
unitară, pentru toate unităŃile statistice şi caracteristicile lor. InformaŃiile
înregistrate trebuie să respecte două condiŃii:
32
– să fie în volum complet, ceea ce permite manifestarea legii
numerelor mari şi descoperirea legităŃilor obiective;
– să aibă calitatea corespunzătoare, adică să reflecte realitatea,
pentru că în caz contrar duce la erori de observare.
Observarea statistică se poate realiza, în practică, prin metode
diferite în funcŃie de natura fenomenelor observate, de posibilităŃile
tehnice de prelucrare de care se dispune, de modul de organizare al
activităŃii agenŃilor economici etc.
În funcŃie de metodele de culegere folosite, putem avea:
• Observarea directă se face prin contactul direct cu unităŃile de
observat.
• Observarea indirectă se face pe baza prelucrării datelor
obŃinute din diverse documente de evidenŃă contabilă, statistică etc.
• Observări totale, prin care se culeg date de la toate unităŃile
care compun colectivitatea finită, supusă cercetării (recensământ,
rapoarte statistice).
• Observări parŃiale, prin care se înregistrează numai o parte a
unităŃilor din colectivitatea generală, după anumite criterii (sondajul,
ancheta).
• Observarea curentă se face pe măsura producerii eve-
nimentului respectiv prin înregistrarea permanentă a unităŃilor colec-
tivităŃii şi a caracteristicilor lor (fapte demografice, decese, naşteri).
• Observarea periodică este o înregistrare a unităŃilor colec-
tivităŃii cercetate la intervale (momente) de timp precis stabilite
(recensământul populaŃiei, animalelor).
• Observări unice sunt efectuate ocazional pentru evenimente
nerepetabile.
În continuare, vom prezenta principalele metode de culegere a datelor:
Recensământul este cea mai veche metodă de observare
statistică, fiind o observare totală prin care se înregistrează toate
unităŃile colectivităŃii, cu caracter periodic, de obicei la nivel naŃional.
Efectuarea unui recensământ, necesită mari cheltuieli materiale şi de
timp, de aceea el are un caracter periodic (EXEMPLU: la 10 ani pentru
populaŃie, anual doar pentru populaŃia şcolară etc.).
Fiind una din cele mai ample observări statistice, trebuie pregătit
minuŃios pentru ca să rezolve probleme ca: sectorizarea teritoriului,
popularizarea evenimentului, instruirea personalului, timpul la care se

33
referă datele, sfera de cuprindere, elaborarea şi tipărirea documentelor
de înregistrare etc.
Sondaje statistice. Sunt observări parŃiale ale unităŃilor
colectivităŃii generale (eşantioane), obŃinute cu economie de timp şi de
bani. Acestea presupun reprezentativitatea eşantionului utilizat.
Ancheta statistică este o observare statistică parŃială, care
întâmplător respectă condiŃia de reprezentativitate ce se realizează pe
baza chestionarului completat direct sau prin poştă (EXEMPLU: târguri,
expoziŃii). Rezultatele obŃinute prin anchetă sunt doar orientative (se
foloseşte în sondajele de opinie publică), unde opinia, atitudinea sunt
elemente concrete ale existenŃei sociale.
Observarea părŃii principiale este o metodă de observare
parŃială, special organizată, pentru obŃinerea operativă a informaŃiilor
despre o colectivitate, împărŃită pe grupe calitative diferite. Se scot date
pentru grupele cele mai semnificative, neglijând pe cele cu importanŃă
redusă şi se pot estima destul de corect indicatorii necesari caracterizării
întregii colectivităŃi analizate.
Monografia este o metodă statistică ce studiază în mod
aprofundat elementele noi ce au apărut în activitatea societăŃilor
economice analizate.

1.5.3. Erorile observării statistice
ConcordanŃa dintre fenomenul real înregistrat şi datele obŃinute
prin observarea statistică este necesară în vederea realizării unui studiu
statistic valoros.
Practica însă a arătat că datele obŃinute prin observare nu pot fi
considerate exacte în sens absolut, ceea ce determină apariŃia erorilor de
observare.
Erorile de observare pot fi:
– erori de înregistrare;
– erori de reprezentativitate – ce sunt specifice sondajului statistic.
Erorile de înregistrare sunt erori ce se produc în toate formele de
înregistrare statistică şi arată diferenŃa dintre mărimea reală, concretă şi
nivelul înregistrat al aceleiaşi caracteristici. Mărimea erorilor este direct
proporŃională cu volumul înregistrărilor şi precizia mijloacelor de
înregistrare, cât şi cu alte surse.
34
Alte surse de erori pot fi:
• variaŃia în timp a unităŃii de observare (EXEMPLU: chestionarul,
care, datorită înŃelegerii greşite a întrebării, memoriei chestionaŃilor etc.,
poate duce la răspunsuri inexacte);
• anchetatorul, datorită:
– imperfecŃiunii organelor de simŃ (auz, văz);
– interpretare greşită sau necunoaşterea instrucŃiunilor de
înregistrare;
– clasificarea greşită a datele preluate sau transcrierea lor
greşită.
• definirea unităŃilor de observat şi a variabilelor de înregistrat se
face neclar, în limite elastice în timp, astfel că delimitarea lor unitară
devine dificilă;
• factori subiectivi etc.
Tipuri de erori de înregistrare
Erorile de înregistrare, în funcŃie de sursa şi modul lor de
producere, pot fi: erori întâmplătoare şi sistematice.
Erorile sunt prezentate schematic în figura 1.4:



Figura 1.4. Tipuri de erori de înregistrare

Sursa: Jaba E., Statistică, Editura Economică, Bucureşti, 2000


ERORI DE ÎNREGISTRARE
Erori sistematice Erori întâmplătoare
Erori ale
unităŃii
observate
Erori ale
anchetatorului
Erori
de
metodă
Erori datorate
factorilor
subiectivi
După modul
de producere
După
sursa
de eroare

35
Erorile întâmplătoare ce se produc în demersul statistic al
observării au un caracter nepremeditat şi sunt produse de cele mai multe
ori din neatenŃie. Aceste erori produc abateri, în sensul măririi sau
micşorării nivelului real al fenomenului, dar pentru că se produc în
ambele sensuri, există posibilitatea de-a se compensa reciproc şi deci
vor influenŃa în mică măsură rezultatele cercetării.
Cu cât înregistrarea are un număr mai mare de unităŃi, cu atât
posibilităŃile de compensare cresc, pentru că distribuŃiile lor se
realizează după legea normală de probabilitate a lui Gauss-Laplace.
Erorile sistematice produc abateri semnificative, pentru că, de
regulă, se produc într-un singur sens, astfel că efectul lor se cumulează
şi influenŃează rezultatele cercetării statistice.
Producerea acestor erori se datorează nerespectării sau neînŃe-
legerii instrucŃiunilor de culegere a datelor. Pentru evitarea şi minima-
lizarea lor trebuie să se efectueze observări de probă, să se stabilească
chei de control, instrucŃiuni clare etc.
Erorile de reprezentativitate se întâlnesc în cercetarea selectivă
(capitolul 4 – Sondajul statistic) şi sunt datorate metodei de formare a
eşantionului, ce nu poate reproduce strict structura calitativă a colec-
tivităŃii totale.

Controlul statistic al erorilor de înregistrare
Pentru asigurarea unor date de calitate, corespunzătoare cercetării
statistice, este necesară depistarea şi corectarea erorilor de înregistrare
printr-un control riguros.
Controlul datelor se poate face în două direcŃii:
1) control cantitativ (de volum), în care se verifică dacă s-au
strâns toate formularele de la toate unităŃile observate, dacă s-
au completat toate rubricile formularului;
2) control calitativ, în care se verifică calitatea datelor, logic şi
aritmetic:
– controlul logic presupune, ca pe baza experienŃei şi cunoştinŃelor
din domeniul respectiv, să depistăm erorile printr-o comparaŃie
vizuală, sau prin concordanŃe logice între valorile diferitelor
caracteristici la aceeaşi unitate de observare (EXEMPLU: vârsta,
profesia, starea civilă etc.);
– controlul aritmetic presupune efectuarea unor operaŃii simple
de calcul pentru verificarea calculelor efectuate de anche-
tatori, aplicarea unor chei de control.
36
Pentru asigurarea unor date de calitate corespunzătoare, putem
preveni aceste erori prin acŃiuni suplimentare, cum ar fi:
– testarea tehnicilor şi formularelor de înregistrare;
– selectarea optimă şi pregătirea profesională a persoanelor ce fac
înregistrarea;
– inspectarea, pe teren, a înregistrării datelor;
– pregătirea psihologică a personalului (mai ales pentru anchetele
de sondaj);
– popularizarea scopului înregistrării.

CONCEPTE-CHEIE: metodă statistică; informaŃie statistică;
sistem informaŃional statistic (S.I.S.); bănci de date; baze de date;
raŃionament statistic; fenomene de masă; legea statistică; colectivitate
sau populaŃie statistică; unitate statistică; caracteristică statistică; dată
statistică; indicator statistic; scală (nominală, ordinale, de interval, de
raport); cercetare statistică; observare statistică; eroare statistică.

ÎNTREBĂRI DE AUTOEVALUARE

1. Care sunt principalele sensuri ale termenului de statistică?
2. Ce este un fenomen de masă şi care sunt particularităŃile sale?
3. Cum poate fi cunoscută o lege statistică?
4. Care sunt etapele unui raŃionament statistic?
5. Care sunt noŃiunile fundamentale ale statisticii?
6. Ce este o colectivitate statistică? Tipuri de colectivităŃi. Exemple.
7. Ce înŃelegeŃi prin unitate statistică? Tipuri de unităŃi statistice. Exemple.
8. Cum definiŃi caracteristica (variabila) statistică? De câte feluri este o
variabilă statistică?
9. Ce înŃelegeŃi prin variantă?
10. Prin ce se deosebeşte varianta de variabila statistică?
11. Care sunt etapele cercetării statistice?
12. Ce trebuie să cuprindă programul unei observări statistice?
13. PrecizaŃi metodele de culegere a datelor prin observarea statistică.
14. Care sunt principalele metode de observare special organizate?
15. Stabilirea scopului unei observări statistice, totală sau parŃială, nu
prezintă importanŃă pentru:
a) delimitarea obiectului de observare;
b) definirea unităŃilor de observare;
c) stabilirea scopului cercetării statistice;
d) stabilirea programului propriu-zis al observării;

37
e) delimitarea obiectivelor parŃiale ale cercetării (se referă concret la
volumul şi calitatea datelor necesare).
16. Care este deosebirea de fond între ancheta statistică şi sondajul statistic?
17. Ancheta statistică:
a) este o metodă de observare totală;
b) este o metodă de observare parŃială, care întâmplător îndeplineşte
condiŃia de reprezentativitate;
c) este o metodă de observare parŃială, care obligatoriu trebuie să
îndeplinească condiŃia de reprezentativitate;
d) este o metodă de observare parŃială, care se bazează pe obliga-
tivitatea completării chestionarului;
e) mai este denumită şi sondaj statistic.
18. Recensământul, ca metodă de observare statistică:
a) are exclusiv un caracter demografic;
b) se încadrează în sfera observaŃiilor cu caracter permanent;
c) se organizează cu o anumită periodicitate;
d) presupune culegerea selectivă a datelor unei colectivităŃi statistice.
19. PrecizaŃi tipurile de scale de măsurare folosite în statistică.
20. Scala de interval:
a) are toate caracteristicile scalelor ordinale şi de raport;
b) este o scală numerică şi, în plus, raportul dintre două puncte ale
scalei este independent de unitatea de măsură;
c) prezintă multe dintre caracteristicile scalei ordinale;
d) mai este numită şi scală de raport sau scală discretă.
21. Care sunt erorile de observare şi de câte feluri sunt?
22. Care este deosebirea de fond dintre erorile de observare întâm-
plătoare şi cele sistematice?
23. Cum pot fi înlăturate erorile de observare?
24. Erorile de reprezentativitate sunt specifice:
a) rapoartelor statistice;
b) sondajului;
c) recensământului;
d) observării părŃii principale;
e) monografiilor.
25. Pentru identificarea şi diminuarea erorilor de observare este necesar
controlul datelor culese. Acest control presupune:
a) ca prin sondaj să se refacă calculele de obŃinere a valorilor unor
indicatori înscrişi în formulare;
b) ca la centrele de prelucrare să se verifice dacă au sosit toate
formularele, cu toate rubricile completate;
c) efectuarea de comparări.

38

2. PRELUCRAREA STATISTICĂ PRIMARĂ


,,Dacă un lucru există, existenŃa sa are o
anumită măsură cantitativă.”
E.L. Thorndike


2.1. Metode primare de sistematizare a datelor statistice
Datele statistice, obŃinute printr-o modalitate totală sau parŃială, sunt
utile în procesul de cunoaştere şi pregătire a deciziilor numai dacă sunt
supuse unor operaŃii de prelucrare.
OperaŃia de prelucrare are rolul de a ilustra relaŃiile de interdependenŃă
a fenomenelor studiate cu factorii care influenŃează evoluŃia lor, de a
desprinde parametrii care dimensionează fiecare etapă, cât şi tendinŃa de
manifestare a fenomenelor de acelaşi tip.

Prelucrarea, ca etapă a cercetării, este un proces complex cu care
se realizează trecerea de la date individuale la indicatori derivaŃi,
sintetici, care reflectă esenŃa din manifestarea fenomenelor.

Prelucrarea primară presupune un ansamblu de operaŃii:
– centralizarea datelor statistice;
– gruparea sau clasificarea statistică;
– prezentarea datelor statistice: serii statistice, tabele, grafice;
– indicatori statistici.
Sintetizarea datelor individuale, la nivelul grupelor şi apoi la nivelul
colectivităŃii, este însoŃită de o pierdere inevitabilă de informaŃii, deoarece se
elimină ceea ce este neesenŃial şi întâmplător. În acelaşi timp se câştigă sub
aspectul obŃinerii unei noi informaŃii, sintetice, care nu poate fi obŃinută direct
din datele primare. Rezultatele operaŃiilor de prelucrare primară constituie
elementele de intrare pentru prelucrarea secundară, în urma căreia se
estimează valori tipice, omogenitatea şi asimetria distribuŃiilor, intensitatea
legăturilor dintre fenomenul analizat şi factorii săi de influenŃă etc.

39
2.2. Tehnici de prelucrare
Complexitatea problemelor impune stabilirea unui plan de prelucrări
statistice, în care sunt precizate aspectele metodologice, cât şi organizatorice.
Planul prelucrării statistice cuprinde:
• programul prelucrării;
• metodele şi procedeele de calcul statistic;
• formele de prezentare ale rezultatului prelucrării;
• aspectele organizatorice ale prelucrării.
Programul prelucrării constă în enumerarea caracteristicilor
primare şi derivate, care se folosesc pentru calculul indicatorilor primari şi
derivaŃi:
• dacă este o cercetare special organizată, programul prelucrării se
face înainte de începerea cercetării;
• dacă se face pentru o informaŃie deja existentă în sistemul
informaŃional economic, atunci se stabileşte ce caracteristici se
culeg (de obicei, cele ce se culeg în mod curent);
• suplimentarea de informaŃii se face cu metoda sondajului.
Metodele şi procedeele de calcul statistic se stabilesc în funcŃie de
fiecare prelucrare, de scopul cercetării, de natura specifică a fenomenelor şi
a informaŃiei existente.
Formele de prezentare ale rezultatului prelucrării statistice sunt:
• seriile statistice;
• tabele statistice;
• graficele.
Problemele organizatorice se referă la locul şi timpul când are loc
prelucrarea şi transmiterea rezultatelor prelucrării.

A. Centralizarea datelor statistice presupune ca datele utilizate să fie
comparabile şi aditive, pentru a putea totaliza unităŃile statistice sau valorile
unei caracteristici, la nivelul grupelor tipice sau a colectivităŃilor observate.
Totalizarea valorilor unei caracteristici se face prin însumarea directă
sau prin mijlocirea unor coeficienŃi de echivalenŃă (preŃuri, timp de muncă
etc.). În urma centralizării se obŃin indicatori statistici de nivel (exemplu:
producŃia de antibiotice într-un interval dat). Această operaŃie poate fi
efectuată manual, mecanic sau automat, în funcŃie de mărimea colectivităŃii.

40
Centralizarea pe subcolectivităŃi omogene are ca scop o cunoaştere
mai detaliată a fenomenului şi permite analiza fenomenelor pe elemente
structurale.
B. Gruparea datelor statistice. Obiectivul principal al metodelor de
clasificare şi/sau grupare îl reprezintă formarea de clase sau grupe omogene
din colectivitatea investigată. Prin grupă sau clasă omogenă înŃelegem acea
grupă sau clasă în care sunt incluse acele unităŃi din colectivitate, la care
valorile individuale ale caracteristicii urmărite prezintă variaŃii minime,
explicate prin influenŃa factorilor întâmplători.

Gruparea statistică este o centralizare pe grupe a unităŃilor
colectivităŃii, prin metoda grupărilor statistice şi presupune separarea
unităŃilor unei colectivităŃi pe grupe omogene, după una sau mai multe
caracteristici de grupare.
Tipuri de grupări statistice
Grupările statistice se pot efectua în funcŃie de numărul variabilelor
de grupare şi de natura lor:
1. După numărul caracteristicilor de grupare deosebim:
• Grupări simple, cele ce separă unităŃile unei colectivităŃi în grupe
omogene după variaŃia unei singure caracteristici. Rezultatul acestor
grupări îl reprezintă distribuŃiile unidimensionale.
• Gruparea combinată presupune separarea unităŃilor unei
colectivităŃi după variaŃia simultană a două sau mai multor caracteristici de
grupare. Ordinea de grupare este dată de interdependenŃa dintre factori.
Dintre caracteristicile de grupare se alege o caracteristică primară, după
variaŃia căreia se distribuie pe grupe unităŃile colectivităŃii. Apoi, fiecare
grupă se separă în subgrupe după variaŃia celei de-a doua caracteristici de
grupare, numită caracteristică secundară de grupare. Apoi, fiecare
subgrupă se separă după variaŃia celei de-a treia caracteristici de grupare.
De exemplu, grupăm întreprinderile după numărul muncitorilor. Dar,
pentru a le structura după mărime, folosim şi alte caracteristici, printre
care: capitalul fix investit, cifra de afaceri, mijloacele fixe etc. Se
recomandă a nu se folosi mai mult de 3-4 caracteristici de grupare, pentru
a nu fărâmiŃa colectivitatea, cu toate că, mărind numărul caracteristicilor
de grupare, creşte şi gradul de omogenitate al unităŃilor cuprinse în grupe.

41
Grupările combinate se pot realiza nu numai pentru variabilele
numerice, ci şi pentru cele calitative. Astfel, clasificările se folosesc de
obicei sub formă de grupări combinate, ele incluzând pe lângă o variabilă
calitativă şi o variabilă numerică independentă (de exemplu, gruparea
firmelor pe ramuri de activitate, iar în cadrul acestora pe forme de
proprietate şi după valoarea mijloacelor fixe).
2. După conŃinutul caracteristicilor de grupare deosebim:
• Grupări cronologice, obŃinute prin folosirea unei variabile de
timp drept caracteristică de grupare. Pentru o astfel de grupare, timpul tre-
buie să determine o structurare calitativă a colectivităŃii, pentru a răspunde
principiilor grupării statistice (de exemplu, gruparea firmelor din Bucureşti
după anul înfiinŃării).
• Grupări teritoriale separă unităŃile colectivităŃii după o variabilă de
spaŃiu. O astfel de grupare trebuie să se refere la toate unităŃile şi să fie
asigurată omogenitatea datelor (de exemplu, grupări teritorial-administra-
tive, grupări pe zone geografice etc.).
• Grupări atributive, care se folosesc pentru toate caracteristicile ce
au constituit programul observării (în afară de cele de timp şi de spaŃiu). Ele
pot fi caracteristici cantitative (numerice) sau calitative (nenumerice):
Grupările după o caracteristică calitativă sunt cunoscute sub forma
clasificărilor, pentru ele fiind nevoie de un nomenclator. Clasificările
statistice, de exemplu, clasificarea după ramurile de activitate, se elaborează
pe baza unor nomenclatoare specifice statisticilor naŃionale şi internaŃio-
nale. Nomenclatoarele se revizuiesc periodic, eliminând grupele ce-şi pierd
din importanŃă şi despărŃind alte grupe, devenite mai cuprinzătoare, în mai
multe grupe.
Clasificarea este o operaŃie de tip conceptual, reprezentând o anumită
modalitate de a distinge unităŃile populaŃiei statistice, prin divizarea lor
după caracteristici comune în clase sau grupe relativ omogene. Omoge-
nitate în clase a unităŃilor, în raport cu variaŃia caracteristicii, se realizează
astfel:
– se identifică variantele sub care se manifestă caracteristica
urmărită;
– apoi se centralizează datele pe aceste forme.
Pentru caracteristicile calitative, ansamblul unităŃilor observate se
divide prin dihotomie în clasa unităŃilor care posedă caracteristica şi clasa
unităŃilor care nu posedă caracteristica. Cele două clase complementare pot

42
fi descompuse în clase omogene după o caracteristică numerică ş.a.m.d.,
obŃinându-se, în final, o clasificare ierarhică cu un anumit număr de
niveluri, ca în exemplul următor:

Grupările după o caracteristică numerică sunt cele mai folosite în
statistică pentru noŃiunea de grupare. Putem întâlni trei situaŃii:
a) dacă amplitudinea variaŃiei este foarte mică şi s-a înregistrat un
număr mic de valori, gruparea se face direct pe variante (de exemplu,
gruparea studenŃilor după nota la examen);
b) dacă amplitudinea variaŃiei este moderată, se foloseşte o grupare
pe intervale egale. Amplitudinea variaŃiei se calculează: A = X
max
– X
min
,
unde: A = amplitudinea;
X
max
= valoarea variabilei maxime din interval;
X
min
= valoarea variabilei minime din interval;
c) dacă amplitudinea variaŃiei este mare, se recomandă gruparea pe
intervale de variaŃie inegale. De regulă, se face, în prealabil, o grupare pe
intervale egale de variaŃie, folosind un număr mai mare de grupe. Apoi se
trece la restrângerea grupelor, încercând să imprimăm un mod de variaŃie
sistematic, prin alegerea unui interval de bază căruia i se aplică
multiplicatori din ce în ce mai mari. Cu cât valoarea caracteristicii creşte, cu
atât este mai uşor de asigurat omogenitatea. Acest tip de grupare urmăreşte
structurarea colectivităŃii pe tipuri calitative. De exemplu, gruparea firmelor
după cifra de afaceri dă posibilitatea structurării colectivităŃii pe firme mici
şi mijlocii şi firme mari.
Grupările pe intervale neegale se mai numesc şi grupări tipologice.
Grupările după o variabilă numerică pot fi grupări după o variabilă
discretă şi grupări după o variabilă continuă.
Grupările, indiferent de scopul şi obiectul lor, trebuie să
îndeplinească mai multe condiŃii:
0
2 1 3
10
10
20 21 22
22
30 31 11

43
• Completitudine: la grupare se folosesc toate unităŃile observate
sau un număr suficient de mare, care să asigure reprezentativitatea
colectivităŃii studiate.
• Unicitatea: fiecare unitate aparŃine unei clase şi numai una.
Această condiŃie trebuie respectată pentru grupările cu variaŃie continuă, în
special pentru unităŃile complexe, pentru ca o unitate să nu fie reprezentată
simultan în mai multe clase. Pentru a evita înregistrările repetate, trebuie să
se stabilească anumite convenŃii cu care să se trateze în mod unitar
repartizarea unităŃilor în grupe ale colectivităŃii.
• Omogenitatea: unităŃile ce aparŃin aceleiaşi clase trebuie să fie
asemănătoare. În acest sens, se aleg variabile esenŃiale de grupare, care să
asigure o variaŃie minimă între valorile caracteristicilor numerice din
aceeaşi grupă.
• Continuitatea variaŃiei grupelor în cazul variabilelor numerice,
ceea ce înseamnă că nu există grupe cu frecvenŃe nule, care ar duce la
întreruperea grupării.
Tehnica grupării statistice necesită parcurgerea următoarelor etape:
1) precizarea scopului pentru care se face gruparea;
2) alegerea variabilei de grupare;
3) stabilirea numărului de grupe (r);
4) determinarea mărimii intervalului de grupare (h) pentru
variabilele numerice;
5) delimitarea grupelor de variaŃie şi separarea unităŃilor pe
intervale de variaŃie.
1. Scopul grupării statistice se stabileşte în concordanŃă cu obiectul
cercetării. Astfel, gruparea poate fi folosită fie pentru sistematizarea
materialului faptic în vederea prelucrării, fie pentru analiza directă în cadrul
grupelor tipice bine definite.
2. Alegerea variabilelor de grupare

Caracteristica (variabila) de grupare este acea însuşire care stă
la baza împărŃirii colectivităŃii în grupe omogene.

Drept caracteristică de grupare se alege o caracteristică esenŃială, cu
un caracter stabil pentru unităŃile colectivităŃii, care exprimă natura
fenomenului cercetat şi corespunde scopului urmărit. EXEMPLU: într-o
grupare statistică s-au observat mai multe caracteristici: numărul

44
angajaŃilor, mărimea mijloacelor fixe, productivitatea muncii, costurile de
producŃie. Gradul de esenŃialitate al caracteristicilor se poate schimba în
funcŃie de scopul cercetării, astfel: dacă se studiază mărimea firmelor
cuprinse în analiză, se va folosi drept caracteristică esenŃială: numărul anga-
jaŃilor, mărimea mijloacelor fixe; dacă se studiază eficienŃa economică a fir-
melor se vor folosi caracteristicile: productivitatea muncii, costurile de pro-
ducŃie.
3. Stabilirea numărului de grupe (r) se face Ńinând seama de
scopul cercetării. Numărul de grupe poate ajunge până la 15-20, în funcŃie
de amplitudinea variaŃiei şi numărul unităŃilor observate. Nu este
recomandată folosirea unui număr mai mare de grupe, datorită fărâmiŃării
excesive a colectivităŃii respective, dar, pentru o analiză, nu se folosesc mai
puŃin de 5 grupe. Astfel, dacă gruparea este folosită pentru sistematizarea
datelor în vederea prelucrării, obŃinerii de indicatori derivaŃi, se ia un număr
mai mare de grupe, cu intervale egale de variaŃie de la o grupă la alta. Când
gruparea se foloseşte ca mijloc de analiză în vederea stabilirii structurii pe
tipuri calitative şi a mutaŃiilor intervenite în structura colectivităŃilor
comparate, se ia un număr mai mic de grupe şi intervale de variaŃie neegale,
în funcŃie de dimensiunea grupelor conturate natural.
4. Alegerea intervalului de grupare (h)

Intervalul de grupare este un grup omogen de variante, despărŃit
de restul colectivităŃii prin cele două limite (inferioară şi superioară) ale
intervalului de grupare.

Se află în funcŃie de amplitudinea de variaŃie a caracteristicii (A) şi de
numărul de colectivităŃi studiate:
A = X
max
- X
min
,
r
X - X
r
A
h
min max
= =
,
unde: A = amplitudinea;
X
min, max
= valoarea minimă, maximă a caracteristicii de grupare;
h = mărimea intervalului; r = numărul de grupe.
Pentru colectivităŃile de volum mare, pentru o variabilă cu tendinŃă de
variaŃie sistematică, cu o amplitudine de variaŃie mare, mărimea
intervalului de grupare se determină cu formula lui H.D. Sturges:
n log 3,322 1
A
h
+
=
, unde n = numărul unităŃilor colectivităŃii

45
5. Delimitarea grupelor de variaŃie şi separarea unităŃilor pe
intervale de variaŃie.
Intervalele de grupare pot fi:
– egale şi neegale;
– închise şi deschise;
– cu variaŃie continuă şi cu variaŃie discretă.
Intervalele pot fi închise, cu ambele limite precizate, sau deschise,
când este dată numai o limită, fie cea superioară, fie cea inferioară. Pentru a
le folosi în prelucrare, limitele intervalelor trebuie închise. Închiderea
intervalelor se face în funcŃie de mărimea intervalului de grupare alăturat,
Ńinând seama de tipul grupării (cu intervale egale sau neegale). Mărimea
intervalului alăturat se află făcând diferenŃa dintre două limite de acelaşi fel
(inferioare sau superioare) alăturate.
Dacă variabila este continuă, atunci limita superioară a fiecărui inter-
val se repetă ca limită inferioară a intervalului următor. Pentru a evita inclu-
derea simultană a unor unităŃi în două grupe alăturate, se stabileşte o con-
venŃie (de exemplu, limita superioară inclusă în interval sau limita infe-
rioară inclusă în interval), prin care se precizează limita inclusă în interval.
Pentru intervalele cu variaŃie discretă, limita inferioară a intervalului
următor este deplasată cu o unitate de măsură, faŃă de limită superioară a
intervalului precedent.
După delimitarea grupelor de variaŃie, unităŃile se separă pe intervale
de variaŃie şi se află frecvenŃa de distribuŃie. Materialul sistematizat se
înscrie într-un tabel statistic (vezi exemplele următoare).

2.3. Metode de prezentare a datelor statistice
Datele statistice, obŃinute prin observarea statistică, se prezintă în
forme specifice: tabele, serii, grafice, în care relaŃiile dintre fenomenele
studiate apar într-o succesiune logică, corespunzătoare relaŃiilor obiective
existente. Această prezentare a informaŃiilor face posibilă interpretarea
statistică a formelor de manifestare a fenomenelor şi permite alegerea
corectă a metodologiei de calcul a indicatorilor statistici.
Aceste metode sunt folosite ca mijloace auxiliare, dar eficiente, de
investigare a fenomenelor studiate, cât şi pentru a lua decizii de prelucrare
ulterioară a fenomenului respectiv, ca şi pentru popularizarea datelor.


46
2.3.1. Tabele statistice
Tabelul statistic este una dintre cele mai adecvate modalităŃi de
prezentare a datelor statistice într-o formă tabelară şi utilizată în toate
etapele cercetării.

Tabelul statistic reprezintă o formă de sistematizare a unui
ansamblu de relaŃii cantitative despre fenomenul studiat, folosind o reŃea
de linii paralele, orizontale şi verticale, în care se înscriu indicatorii
obŃinuŃi prin prelucrare.

Tabelul statistic este elaborat cu dublu scop: pentru sistematizarea
datelor în vederea prelucrării şi obŃinerii indicatorilor statistici; pentru
prezentarea rezultatelor prelucrării primare şi secundare.
Tabelul statistic se elaborează după anumite reguli de conŃinut şi de
formă şi trebuie să conŃină anumite elemente obligatorii:
• subiectul tabelului este reprezentat de colectivitatea sau eşantionul
la care se referă datele;
• predicatul tabelului se referă la sistemul de caracteristici primare
sau derivate, ale căror valori individuale sunt sistematizate;
• macheta tabelului este formată din reŃeaua de rânduri şi coloane
în care se înscriu, în mod ordonat datele, titlul general, titlurile interioare (în
capetele rândurilor), note explicative şi sursa.
În funcŃie de scopul analizei şi prelucrării putem menŃiona:
• tabele simple, descriptive sunt elaborate pentru prezentarea
indicatorilor statistici ai unităŃilor complexe investigate, ordonate, din punct
de vedere cronologic, teritorial etc.;

Tabelul 2.1. Macheta tabelului
cronologic
Tabelul 2.2. Macheta tabelului
teritorial

Variabila
timp t
i
Numărul unităŃilor
y
i

UnităŃi
teritoriale
Valoarea caracteristicii
y
t
1
t
2

t
n

y
1
y
2
...
y
n

A
B

T
Y
A
Y
B
...
y
T

Total
Σ y
n

Total Σ y
T



47
• tabele utilizate în prelucrare sunt instrumente intermediare
utilizate pentru parcurgerea unor algoritmi de calcul;
• tabele de prezentare a datelor statistice pe grupe de variaŃie;
• tabele de contingenŃă sunt tabele cu dublă intrare ce conŃin un
număr de „r” grupe, formate după o caracteristică factorială (x
i
) şi „p”
grupe formate după o caracteristică rezultativă – efect (y
j
). Forma generală
a acestui tabel, utilizată pentru prima dată de K. Pearson pentru analiza
interdependenŃelor, este prezentată în tabelul 2.3.

Tabelul 2.3. Macheta distribuŃiilor unităŃilor unei colectivităŃi după
două caracteristici interdependente (x
i
, y
j
)
Valorile variabilei y
j
Total frecvenŃe

Valorile

variabilei
x
i
y
1
… y
j
… y
p
după x

x
1
n
11
… n
1j
… n
11
n
1.

… … … … … … …
x
i
n
i1
… n
ij
… n
i1
n
i.

… … … … … … …
x
r
n
r1
… n
rj
… n
r1
n
r.

Total frecvenŃe
după y
n
.1
… n
.j
… n
.p

n
..
= Σ n
i
= Σ n
j
= ΣΣ n
ij
=N

Din tabel se observă:
– n
ij
= frecvenŃele comune ambelor variabile (x
i
y
j
);
– n
i.
= numărul de unităŃi după variabila x
i
;
– n
.j
= numărul de unităŃi după variabila y
j
;
– n
..
= numărul total de unităŃi ale colectivităŃii studiate.

2.3.2. Serii statistice
Seria statistică defineşte corespondenŃa dintre două şiruri de date
statistice, în care primul reprezintă variaŃia caracteristicii urmărite, iar al
doilea şir cuprinde frecvenŃele de apariŃie a variantelor caracteristicii.

Forma generală a unei serii statistice cu o singură caracteristică se
prezintă astfel:


48



unde: x
1
--- x
r
sunt variantele caracteristicii x;
n
1
--- n
r
sunt frecvenŃele de apariŃie ale caracteristicii x.

OBSERVAłII!
• Seria trebuie să ofere informaŃii cu privire la succesiunea, mărimea
valorilor înregistrate şi a frecvenŃelor corespunzătoare.
• Între cele două şiruri de date există o legătură univocă, în sensul că
unei valori individuale îi corespunde o anumită frecvenŃă.
După posibilitatea de caracterizare a fenomenului, seriile statistice pot fi:
• serii statistice independente sau serii unidimensionale, rezultate
dintr-o grupare simplă;
• serii statistice condiŃionate sau serii multidimensionale, obŃinute
dintr-o grupare combinată.
După conŃinutul caracteristicii de grupare, seriile statistice pot fi:
– serii cronologice (de timp);
– serii de spaŃiu (teritoriale);
– serii de distribuŃie (de repartiŃie).
• Seria cronologică prezintă variaŃia unei caracteristici în funcŃie de
timp (y
t
= f(t)), unde: y
t
= variaŃia caracteristicii studiate; t
i
= variaŃia de timp.

După timpul la care se referă pot fi:
o Serii cronologice de fluxuri (intervale) sunt acele serii în care
valorile caracteristicii studiate se înregistrează pe luni, trimestre, ani
etc. Valoarea centralizată se poate obŃine prin cumularea unităŃilor
înregistrate.
o Serii cronologice de stocuri sau de momente sunt valorile caracte-
risticii obŃinute la diferite momente de timp (vezi capitolul 7. Analiza
statistică a seriilor cronologice).
• Seria teritorială prezintă variaŃia teritorială a caracteristicii
analizate. În aceste serii, valorile caracteristicii se referă la unităŃile
teritoriale din care fac parte (vezi exemplul din tabelul 2.2). Aceste serii se
obŃin după criterii administrativ-teritoriale, ceea ce înseamnă că spaŃiul este
variabil, timpul şi structura organizatorică fiind considerate constante. Aceste
serii se reprezintă grafic cu ajutorul hărŃilor sau sub formă de cartograme.
x
1
x
2
--- x
r
n
1
n
2
--- n
r
X

49
• Seria de repartiŃie (de distribuŃie) se foloseşte pentru gruparea
datelor după o caracteristică atributivă (calitativă sau numerică).
Seriile obŃinute după o caracteristică calitativă corespund clasifică-
rilor întâlnite curent în statistica de stat.
Seriile formate după variaŃia unei caracteristici numerice se mai
numesc serii de variaŃie, iar al doilea şir este format, de regulă, din
frecvenŃele corespunzătoare grupelor.

2.3.3. Grafice statistice
W. Plyfaif pune la punct construcŃia primelor grafice moderne în secolul
al XVIII-lea şi afirmă că, prin utilizarea graficelor, se pot imprima în
memorie, în cinci minute, informaŃii al căror studiu prin tabele ar necesita
zile întregi. Graficul facilitează înŃelegerea şi memorarea, invitând la
elaborarea intuitivă a ipotezelor cu privire la legităŃile specifice obiectului
cercetării, cu privire la conexiunile posibile cu alte fenomene etc.

Reprezentarea grafică este o imagine spaŃială, cu caracter
convenŃional, care, prin diferite mijloace plastice de reprezentare, reliefează
ceea ce este caracteristic, esenŃial pentru obiectul studiat.

Graficele statistice nu reprezintă decât o parte a reprezentărilor grafice
întâlnite în literatura social-economică (organigrame, diagrame ergono-
mice, scheme logice etc.).
Graficele statistice pot fi folosite în următoarele scopuri:
– interpretarea vizuală a raportului de mărime dintre doi sau mai
mulŃi indicatori statistici;
– interpretarea structurii şi a mutaŃiilor de structură;
– interpretarea densităŃii de repartiŃie a frecvenŃelor;
– interpretarea formelor de realizare a interdependenŃelor dintre două
sau mai multe variabile;
– interpretarea tendinŃelor de dezvoltare a fenomenelor pentru etapa
dată;
– popularizarea datelor statistice.
Elementele constructive ale unui grafic sunt:
– titlul graficului;
– reŃeaua graficului;
– scara de reprezentare;
– graficul propriu-zis;

50
Cadranul I
Y+
Y-
III IV
II
X+ X-
Figura 2.1. Sistemul de axe rectangulare
– note explicative, inclusiv legenda şi sursa informaŃiilor utilizate la
construirea graficului.
Principiul de bază al reprezentării grafice a unei distribuŃii statistice îl
constituie proporŃionalitatea. Pentru a respecta acest principiu, graficele
trebuie să conŃină o serie de elemente precise care le definesc (prezentate
anterior ca elemente constructive).
Titlul graficului trebuie să fie scurt, clar, precis şi complet, să
corespundă, pe cât posibil, titlului tabelului statistic ale cărui date le
reprezintă. El cuprinde informaŃii despre obiectul reprezentat, timpul şi
spaŃiul la care se referă datele şi unitatea de măsură. De regulă, titlul se
trece deasupra figurii graficului.
ReŃeaua graficului este constituită din totalitatea liniilor ajutătoare
folosite la construirea graficului propriu-zis, fiind suportul acestuia.
Construirea reŃelei grafice presupune respectarea unor reguli:
– liniile reŃelei trebuie să se profileze vizibil, dar nu prea accentuat,
astfel încât să faciliteze citirea graficului;
– alegerea formei reŃelei se face în funcŃie de scopul în care se
foloseşte graficul etc. Este recomandat ca forma reŃelei să Ńină seama de
sistemul axelor de referinŃă faŃă de care se construieşte graficul.
Majoritatea graficelor statistice au la bază sistemul de axe
rectangulare, cadranul I (figura 2.1). În practică, se folosesc reŃele
rectangulare, reŃele curbilinii, reŃele de cercuri concentrice, sectoare de
cerc.













Scara de reprezentare stabileşte relaŃia dintre unitatea grafică de
măsură şi unitatea de măsură a caracteristicii studiate. Cu ajutorul scării se
gradează axele graficului şi se măsoară coordonatele punctelor. Scara se

51
construieşte Ńinând seama de ordinul de mărime al indicatorilor de
reprezentat, de gradul şi forma de variaŃie dintre ei şi de scopul urmărit.
Alegerea unităŃii de lungime a scării se face în aşa fel încât să surprindă
forma reală de variaŃie a indicatorilor de reprezentat. Dacă se prezintă
corelat mai multe caracteristici statistice, atunci scările de reprezentare
trebuie stabilite, astfel încât să poată cuprinde toate valorile indicatorilor şi
să redea, într-o formă armonioasă, proporŃia, dintre ele.
Scările de reprezentare pot fi:
– uniforme, când diviziunile cotate pe suportul scării sunt
echidistante între ele (scara aritmetică);
– neuniforme, când distanŃele variabile dintre punctele cotate sunt sta-
bilite pe baza unei funcŃii curbilinii (scara logaritmică, scara binomială etc.).
Alegerea scării se face astfel încât să asigure vizualizarea corectă a
proporŃiilor reale dintre elementele care compun colectivitatea.
Scările pot fi rectilinii sau curbilinii, după cum suportul este o dreaptă
sau o curbă. Dintre reŃelele curbilinii, care folosesc sistemul coordonatelor
polare, mai importantă este diagrama polară, ce foloseşte în reprezentare
cercuri concentrice, fiind folosită, în special, pentru reprezentarea
sezonalităŃii unui fenomen economic.
Legenda graficului reprezintă explicarea concisă a semnelor
convenŃionale, măsurilor şi culorilor folosite. Unele explicaŃii sunt trecute
chiar în spaŃiul grafic sau există şi varianta când titlul graficului este
suficient de detaliat, astfel încât legenda poate să lipsească.
Sursa datelor este obligatorie în toate cazurile când se folosesc date
reale. Ea se trece sub reŃeaua fiecărui grafic pentru a identifica provenienŃa
indicatorilor cuprinşi în grafic.
Notele explicative se folosesc pentru a interpreta corect graficul. Ele
pot fi trecute sub reŃeaua graficului sau în subsolul paginii, pentru a atrage
atenŃia asupra unui procedeu special de calcul statistic sau asupra modului
lor de prezentare în grafic.
Graficul propriu-zis este alcătuit dintr-o mulŃime de puncte, linii
(drepte, curbe, frânte), figuri geometrice în plan sau în spaŃiu, simboluri
natural convenŃionale construite proporŃional.
Tipuri de reprezentări grafice. Se aleg, în principal, în funcŃie de
natura seriilor statistice.
Seriile de timp pot fi reprezentate prin cronograme sau diagrame
polare.

52
Seriile de spaŃiu se reprezintă prin cartograme sau cartodiagrame.
Cele mai frecvente tipuri de grafice sunt: graficele prin coloane sau
benzi, grafice prin figuri geometrice de suprafaŃă sau de volum. Ele permit
evidenŃierea rapidă a relaŃiilor obiective dintre indicatorii prezentaŃi. Ele se
folosesc în popularizarea unor aspecte din viaŃa socio-economică, pentru a
reda imaginea unui fenomen în evoluŃia lui în timp, când distanŃele dintre
perioade sunt mari şi inegale.
Graficul prin coloane se recomandă mai ales atunci când numărul
datelor reprezentate nu este prea mare şi graficul este sugestiv. Se
reprezintă în cadranul I din sistemul de axe rectangulare, unde OX va fi
baza coloanelor sub formă de dreptunghi (bazele coloanelor vor fi egale),
iar pe OY se stabileşte o scară a procentajului (%). Între coloane se lasă un
spaŃiu liber, egal cu mărimea bazei coloanei (dacă sunt puŃine coloane de
reprezentat) sau cu jumătate din baza coloanei în caz contrar. ÎnălŃimea
coloanei este proporŃională cu valoarea indicatorilor de reprezentat.
EXEMPLU: La o firmă cu 3 secŃii de producŃie se urmăreşte
îndeplinirea programului de producŃie. Astfel, în trimestrul I 2003 acesta a
fost îndeplinit de secŃia I în proporŃie de 80%, de secŃia II – 100% şi de
secŃia III – 120%. Reprezentarea grafică este următoarea:

Titlu: Graficul îndeplinirii planului de
producŃie la firma „X”

Scara: pe OY 1 cm reprezintă 20%.
Figura 2.2. Reprezentarea grafică prin coloane

53
OBSERVAłIE! La construirea acestor grafice nu se admite între-
ruperea scării, coloanele trebuie să fie neîntrerupte chiar de la linia de bază.
După modul de exprimare a caracteristicii, pot fi:
• pentru serii unidimensionale exprimate cifric:
– histograma;
– poligonul frecvenŃelor;
– curba frecvenŃelor (curbe de densitate);
• pentru serii unidimensionale cu atribut calitativ:
– diagrame de structură;
• pentru serii bidimensionale:
– corelograma (diagrama norului de puncte).

2.3.3.1. Prezentarea seriilor statistice unidimensionale
DistribuŃia statistică unidimensională prezintă corespondenŃa dintre
două tipuri de date statistice, sistematizate într-o succesiune logică: primul
şir reprezintă valorile caracteristicii de grupare, iar al doilea şir reprezintă
frecvenŃele de apariŃie.

Pentru o colectivitate C, cu „p” elemente ordonate după o variabilă X
cu valorile (x
1
x
2
--- x
p
), fiecărei valori x
i
îi corespunde o frecvenŃă absolută
n
i
. Seria statistică, definită de cuplul (x
i
,n
i
), apare astfel:

cu ( ) p i , 1 =

Orice nivel (x
i
) al caracteristicii de grupare cu frecvenŃa ei de apariŃie
(n
i
) formează termenul distribuŃiei (x
i
, n
i
), elementul de bază al seriei statistice.

NoŃiunea de frecvenŃă se referă la numărul unităŃilor statistice ce
corespund grupelor de unităŃi obŃinute ca rezultat al centralizărilor.

Şirurile de valori dintr-o serie pot fi exprimate fie sub forma
indicatorilor absoluŃi, fie ca indicatori derivaŃi.
Folosim notaŃiile:
n
i
= frecvenŃa absolută (se exprimă în unităŃi concrete);
n
i

= frecvenŃe relative.
x
1
x
2
--- x
p
n
1
n
2
--- n
p
X

54
FrecvenŃa relativă (n
i
∗ ∗∗ ∗
) se calculează ca un indicator relativ de
structură (ca raport între parte şi întreg):
100 * sau
* *
∑ ∑
= =
i
i
i
i
i
i
i
i
n
n
n
n
n
n

e:

= 1
*
i
n
şi

= % 100
*
% i
n

Poate fi exprimată sub formă de coeficient (de câte ori) sau sub formă
de procent (cât la sută), reprezentând partea considerată într-un întreg.
FrecvenŃa cumulată. FrecvenŃa poate fi cumulată atât în formă
absolută (N
i
), cât şi relativă (N
i
*
) şi exprimă numărul unităŃilor, respectiv
ponderile lor faŃă de total, centralizate crescător sau descrescător nivelului
considerat al caracteristicii. Cumularea frecvenŃelor se face:
N
1
= n
1
N
*
1

= n
*
1
. .
. .
. .
N
i
= N
i-1
+ n
i
N
*
i
= N
*
i-1
+ n
*
i
. .
. .
. .
N
p
= N
p-1
+ n
p
N
*
p
= N
*
p-1
+ n
*
p
Elementele unei distribuŃii statistice unidimensionale se pot prezenta
într-un tabel simplu (tabelul 2.4):
Tabelul 2.4
Intervale
de grupare
FrecvenŃa
absolută
FrecvenŃa
relativă
FrecvenŃa
absolută cumulată
FrecvenŃa
relativă cumulată
x
i-1
- x
i
n
i
n
*
i
N
i
N
*
i

Total n 1 - -

A. Reprezentarea grafică a unei distribuŃii unidimensionale
Dintre graficele folosite în reprezentarea grafică a distribuŃiilor
unidimensionale amintim: histograma, poligonul frecvenŃelor, curba
cumulativă a frecvenŃelor, curba de concentrare (Lorentz).
Histograma se foloseşte pentru reprezentarea seriilor de distribuŃie de
frecvenŃe. Se construieşte în cadranul I din sistemul axelor rectangulare
astfel: pe OX se trec intervalele de valori, respectând principiul ca
intervalele egale să fie reprezentate prin distanŃe egale, iar pe OY se trec
frecvenŃele absolute corespunzătoare.

55
Pe axe se va face în origine o întrerupere de canal cu două linii mici
paralele, pentru ca apoi să se plece de la valorile minime înregistrate atât de
caracteristică, cât şi de frecvenŃe. Pe axa ordonatelor (OY) se construieşte o
scară a frecvenŃelor în funcŃie de mărimea frecvenŃei maxime.
Histograma se construieşte sub forma unor dreptunghiuri lipite, cu baza
pe OX, mărimea lor fiind egală la bază cu mărimea intervalului de variaŃie
respectiv. ÎnălŃimea dreptunghiului va fi dată de frecvenŃa corespunzătoare
fiecărui interval de variaŃie. Histograma arată forma de repartiŃie, densitatea
de repartiŃie a frecvenŃelor, cât şi gradul de asimetrie al seriei.
EXEMPLU: Prezentarea distribuŃiei salariaŃilor după vechime (ani):
Tabelul 2.5
Gruparea
salariaŃilor
după vechime
Număr
salariaŃi
n
i

FrecvenŃe
cumulate

Centrul de
interval
c
i
(x
i
)
2-8 6 6 50 5
8-14 11 17 44 11
14-20 13 30 33 17
20-26 12 42 20 23
26-32 4 46 8 29
32-38 4 50 4 35
Total 50 - - -

RepartiŃia salariaŃilor după vechime


Scara:
Ox – 1 cm = 6 ani
Oy – 1 cm = 2
salariaŃi




Figura 2.3.
Histograma



OBSERVAłIE! Graficul ne arată o serie uşor asimetrică.
y

14

12

10

8

6

4
2 8 14 20 26 32 38
x
4 4
12
23
11
6
Figura 2.3. Histograma

56
Poligonul frecvenŃelor se foloseşte tot de cadranul I din sistemul de
axe rectangulare, unde: pe OX se trec intervalele de variaŃie sau centrele de
interval, iar pe OY se construieşte scara frecvenŃelor. Fiecărui centru de
interval îi corespunde o frecvenŃă, iar la intersecŃia lor se pune un punct.
Punctele se vor uni cu linii frânte, obŃinând astfel poligonul frecvenŃelor.
Vom construi poligonul frecvenŃelor tot după exemplul prezentat în
tabelul 2.5:

RepartiŃia muncitorilor după vechime

Figura 2.4. Poligonul frecvenŃelor

OBSERVAłIE! SemnificaŃia indicatorilor sintetici, calculaŃi pentru o
astfel de distribuŃie, foloseşte la analiza gradului de omogenitate al seriei.

Curba cumulativă a frecvenŃelor se foloseşte când se determină pe
grafic valorile mediilor de poziŃie (mediana, cuartile, decile). Se
construieşte pe baza frecvenŃelor cumulate. OperaŃia de cumulare
crescătoare a frecvenŃelor arată partea din colectivitate statistică pentru care
valoarea caracteristicii este mai mică decât x. În operaŃia de cumulare
descrescătoare, frecvenŃa cumulată indică numărul total al unităŃilor care au
nivelul caracteristicii superior lui x. Se construieşte în cadranul I din
sistemul de axe rectangulare, unde: pe OX se vor lua centrele de interval
(sau intervalele de variaŃie), iar pe OY frecvenŃele cumulate. Pe grafic vor
apărea două curbe care unesc punctele de coordonate dintre limitele
14

12

10
7
8

6

4
5 11 17 23 29 35
x
y


57
inferioare, respectiv superioare şi frecvenŃele cumulate pentru curba
crescătoare şi corespunzător similar pentru cea descrescătoare. Punctul de
intersecŃie a celor două curbe va marca tendinŃa de asimetrie a seriei
prezentate grafic (vezi figura 2.5).

RepartiŃia muncitorilor după vechime

Figura 2.5. Curba cumulativă a frecvenŃelor

Curba cumulativă a frecvenŃelor se mai numeşte şi ogivă, în cazul în
care seria prezintă un pronunŃat accent de simetrie a distribuŃiei frecvenŃelor
în raport cu frecvenŃa maximă, ce corespunde valorii centrale a carac-
teristicii.

Curba de concentrare (Lorentz) se numeşte astfel după numele
celui care a utilizat-o prima dată. Se construieşte pe baza frecvenŃelor
relative cumulate, ajutând la studierea fenomenelor de concentrare sau de
diferenŃiere. Pentru construirea ei se parcurg următorii paşi:
– se calculează frecvenŃele relative;
– se cumulează crescător frecvenŃele relative;
– se calculează greutăŃile specifice ale caracteristicii şi se cumulează
crescător.
Curba lui Lorentz se construieşte în cadranul I. Pe axa OX se
reprezintă frecvenŃele relative cumulate, iar pe OY greutăŃile specifice
2 8 14 20 26 32 38 X

Y


53

46

39

32

25

18

11

4
Ascendentă
Descendentă
Scara:
Ox – 1cm = 6 ani
Oy – 1cm = 7 muncitori


58
cumulate. Perechile de valori corespunzătoare fiecărei grupe se marchează
prin puncte în grafic. Unind punctele alăturate prin segmente de dreaptă se
obŃine curba de concentrare şi linia perfectei egalităŃi a frecvenŃelor se
numeşte aria de concentrare. Cu cât aria de concentrare este mai mare, cu
atât concentrarea este mai puternică.
EXEMPLU: Folosim gruparea agenŃilor economici după mărimea
profitului.

Tabelul 2.6. Gruparea agenŃilor economici după mărimea profitului (mld. lei)
Gruparea agenŃilor Număr agenŃi economici Profitul estimat
după profit n
i
n
*
i%
n
*
i%

cumulat
x
i
g
i%
g
i%

cumulat
5-10 5 2,5 2,5 190 1,88 1,88
10-15 30 15 17,5 1260 12,47 14,35
15-20 40 20 37,5 1840 18,22 32,57
20-25 50 25 62,5 2500 24,75 57,32
25-30 30 15 77,5 1620 16,04 73,36
30-35 25 12,5 90 1450 14,36 87,72
35-40 20 10 100 1240 12,28 100
Total 200 100 10100 100

Graficul agenŃilor economici după mărimea profitului

Figura 2.6. Curba de concentrare Lorentz

Din grafic, rezultă că 77,5% din totalul agenŃilor economici
concentrează 73,36 din profitul total, deci concentrarea este scăzută.

59
Dacă avem de comparat date pentru trei sau patru perioade, vom
construi un număr corespunzător de curbe de concentrare pe acelaşi grafic.

B. Reprezentarea grafică a diagramelor de structură
Diagramele de structură sunt folosite frecvent în prezentarea datelor
statistice pentru interpretarea mutaŃiilor intervenite în structura pe ramuri
sau pe plan teritorial. Aceste diagrame pot fi folosite pentru orice colec-
tivitate împărŃită în grupe după variaŃia uneia sau a mai multor caracteristici
statistice. Aceste diagrame presupun un raport de proporŃionalitate între
suprafaŃa figurii geometrice (pătrat, cerc, dreptunghi) şi totalul structurii de
100%. Fiecare figură geometrică se va împărŃi în atâtea părŃi câte are
colectivitatea cercetată, părŃile se vor distinge prin haşurarea sau colorarea
diferită. SemnificaŃia haşurilor sau culorilor utilizate se va prezenta în
legenda graficului.
Dreptunghiul de structură se poate construi în cadranul I, cu baza pe
OX de mărimea dorită, iar înălŃimea este dată de cele 100 procente marcate
pe axa OY. În interiorul dreptunghiului se construiesc dreptunghiuri mai
mici, suprapuse, cu suprafeŃele proporŃionale cu ponderea părŃilor în colec-
tivitate.
EXEMPLU: Vrem să reprezentăm structura pe sexe a populaŃiei
României. Se consideră că populaŃia masculină este de 49% şi cea feminină
de 51% (figura 2.7).

Structura pe sexe a populaŃiei României


Figura 2.7. Dreptunghiul de structură




Y

10
0
80
60
40
20
51%
49%

Feminin
Masculin

Scara: OY – 1cm = 20%
Legendă:
X

60
Structura pe sexe a populaŃiei României













Figura 2.8. Pătratul de structură

Cercul de structură constă în reprezentarea părŃilor componente prin
sectoare de cerc. SuprafaŃa cercului se consideră proporŃională cu volumul
colectivităŃii (360
0
= 100%). Mărimea sectoarelor de cerc se calculează pe
baza relaŃiei de proporŃionalitate (3,0
0
= 1%), ele fiind proporŃionale cu
ponderea părŃilor în colectivitate.
Pătratul de structură. Se construieşte un pătrat a cărui suprafaŃă,
conform cu relaŃia de proporŃionalitate, este echivalentă cu 100%. SuprafaŃa
pătratului se împarte în 100 pătrate mai mici, fiecare având aria egală cu
1%. Se separă apoi prin haşuri diferite, numărul de pătrate corespunzător
fiecărei părŃi a populaŃiei.

C. Reprezentarea grafică a seriilor de timp
Reprezentarea grafică a seriilor de timp (cronologice) se realizează cu
ajutorul cronogramei şi a diagramelor polare.
Cronograma se foloseşte pentru a desprinde tendinŃa de dezvoltare a
fenomenelor pe fiecare etapă analizată. Se construieşte în cadranul I; pe axa
absciselor (OX) se construieşte scara timpului, iar pe axa ordonatelor (OY),
scara valorilor seriei cronologice. La stabilirea scării timpului şi nivelurilor
trebuie să se respecte proporŃionalitatea, pentru că raportul dintre scări are o
importanŃă mare asupra formei curbei şi poate da o imagine denaturată
asupra dezvoltării fenomenului.










51%
femei
49%
bărbaŃi

61
EXEMPLU: ProducŃia unui produs în perioada 1995-2002.

Tabelul 2.7
Anii 1995 1996 1997 1998 1999 2000 2001 2002
Cantitatea
(mii tone)
31 38 40 45 49 50 56 60

EvoluŃia producŃiei în perioada 1995-2002
28
31
34
37
40
43
46
49
52
55
58
61
1995 1996 1997 1998 1999 2000 2001 2002
Anii
mii tone
Figura 2.9. Cronograma

OBSERVAłIE! Graficul se marchează prin puncte în plan ce se unesc
prin segmente de dreaptă în ordinea curgerii timpului.
Diagrama polară (radială) ajută la interpretarea gradului şi formei
de variaŃie sezonieră. În statistica social-economică se întâlnesc frecvent
fenomene care prezintă variaŃii sezoniere săptămânale, trimestriale etc., ca
de exemplu, consumul casnic de gaze naturale, consumul de bere şi băuturi
răcoritoare ş.a. Fenomenele cu caracter sezonier sunt specifice îndeosebi
activităŃilor din turism, comerŃ şi agricultură.
La construirea graficului se foloseşte o reŃea de cercuri concentrice, iar
raza este proporŃională cu nivelul mediu al indicatorilor; cercul se împarte
în atâtea părŃi câŃi indicatori sunt. Drept abscisă serveşte circumferinŃa
cercului pe care se notează timpul, iar ca ordonată raza sau poziŃia razei, pe
care se notează cantităŃile.
La trasarea graficului se procedează astfel:
• se calculează media lunară, trimestrială etc. a indicatorului de
reprezentat în funcŃie de variaŃia acestuia;

62
• lungimea razei se consideră egală cu media indicatorului şi se
trasează cercul;
• circumferinŃa cercului se împarte în atâtea părŃi egale, câŃi indicatori
are perioada de timp respectivă (4 pentru trimestre, 12 pentru ani);
• dacă valoarea unui indicator depăşeşte media valorilor individuale,
atunci se vor prelungi cele două raze în afara cercului, iar dacă valoarea lor
este mai mică, atunci se vor îngroşa razele numai până la punctele
corespunzătoare acesteia.
După ce s-au fixat toate punctele pe reŃeaua polară, se unesc aceste
puncte prin linii frânte sau curbe. Comparând cu linia cercului de bază se
poate interpreta cât este de mare variaŃia fiecărei luni sau trimestru în raport
cu valoarea care ar fi trebuit să fie realizată dacă fenomenul nu ar fi fost
influenŃat de nivelul sezonier.
EXEMPLU: ProducŃia trimestrială a fabricii „X”.

Tabelul 2.8
Trimestrul I II III IV Media trimestrială
ProducŃia (mii kg) 250 350 700 300 400
Scara: 1 cm = 100 mii kg (se foloseşte un cerc cu raza R = 4 cm).

Diagrama polară a producŃiei trimestriale la fabrica „X”

Figura 2.10. Diagrama polară

Tr.III
Tr.II
Tr.IV
Tr.I

63
D. Reprezentări grafice pentru seriile de spaŃiu
Seriile de spaŃiu (teritoriale) se pot reprezenta grafic prin cartogramă şi
cartodiagramă.
Cartograma prezintă distribuŃia în spaŃiu a intensităŃii de manifestare
a unui fenomen. Construirea graficului presupune:
– gruparea unităŃilor teritoriale după o variabilă considerată;
– construirea unei hărŃi în care se delimitează unităŃile teritoriale;
– haşurarea suprafeŃelor unităŃilor teritoriale în funcŃie de intensitatea
de manifestare a fenomenului studiat.
Cartodiagramele reprezintă un tip special de cartogramă, care constă
dintr-o combinaŃie a cartogramei cu diagramele (cerc, pătrat, coloane etc.)
care se aplică pe cartogramă. Pe hartă se vor construi figurile geometrice
amintite mai sus, pentru a reda volumul sau structura diferiŃilor indicatori
distribuiŃi din punct de vedere teritorial. La întocmirea graficului se va Ńine
seama de obiectivul urmărit.
La reprezentarea grafică a distribuŃiilor teritoriale ale diferiŃilor
indicatori se mai pot folosi şi figuri naturale sau simbolice, care sunt
proporŃionale cu valoarea indicatorilor de reprezentat.

2.3.3.2. Prezentarea distribuŃiilor statistice bidimensionale
O distribuŃie bidimensională prezintă variaŃia unităŃilor unei
colectivităŃi simultan după două caracteristici de grupare.

Fie o colectivitate C, cu n elemente şi două variabile: X cu valorile x
i
,
cu i = n 1, şi Y cu valorile y
j
, cu j = p 1, . Notăm cu n
ij
frecvenŃele comune
ale celor două variabile. În cadrul unei distribuŃii bidimensionale se disting
două distribuŃii marginale, în X, respectiv în Y şi (m+p) distribuŃii
condiŃionate.
DistribuŃiile marginale în X, respectiv în Y sunt definite de
ansamblul cuplurilor: (x
i
, n
i.
), m , 1 i = şi (y
j
, n
.j
), p , 1 j = , unde n
i.
reprezintă frecvenŃele marginale corespunzătoare valorii x
i
, iar n
.j
reprezintă
frecvenŃele marginale corespunzătoare valorii y
p
, definite astfel:
∑ ∑
= =
= =
m
1 i
ij j .
p
1 j
ij . i
n n ; n n

64
RelaŃiile dintre frecvenŃele marginale şi parŃiale. Suma frecvenŃelor
marginale este egală cu suma frecvenŃelor parŃiale:
∑∑ ∑ ∑
= =
= = i j
ij
p
1 j
j .
m
1 i
. i
n n n

În funcŃie de modul de exprimare a variabilelor x,y se pot trata
următoarele tipuri de distribuŃii bidimensionale:
– distribuŃii cu ambele variabile exprimate cantitativ;
– distribuŃii cu o variabilă exprimată cantitativ şi o variabilă
exprimată atributiv;
– distribuŃii cu ambele variabile exprimate atributiv.
DistribuŃia bidimensională exprimată cantitativ se prezintă sub forma
tabelului cu dublă intrare (tabelul 2.9), numit tabel de corelaŃie.

Tabelul 2.9. Model al tabelului cu dublă intrare
x
i
y
j

y
1
… y
j
… y
p
n
i.

x
1
n
11
… n
1j
… n
1p
n
1.

… … … … … … …
x
i
n
i1
… n
ij
… n
ip
n
i.

… … … … … … …
x
m
n
m1
… n
mj
… n
mp
n
m.

n
.j
n
.1
… n
.j
… n
.p

∑ ∑ ∑∑
= = =
j
j .
i
. i
i j
ij ..
n n n n


Corelograma (Diagrama norului de puncte)

Reprezentarea grafică se realizează cu corelograma cunoscută sub
denumirea „diagrama norului de puncte”. Se construieşte în cadranul I al
sistemului de axe rectangulare. Pe axa OX (axa absciselor) se ia o scară a
valorilor caracteristicii factoriale (x), iar pe OY (axa ordonatelor) valorile
caracteristicii rezultative. Pe fiecare axă se va face întrerupere în origine cu
două liniuŃe paralele, pentru ca cele două scări de reprezentare să înceapă
cu valorile cele mai apropiate de limitele inferioare înregistrate pentru cele
două caracteristici.
La stabilirea scărilor de reprezentare pe cele două axe se recomandă să
se asigure o anumită proporŃionalitate între ele în raport cu gradul de
variaŃie al celor două caracteristici. Dacă se asigură o proporŃie justă între

65
cele două scări de reprezentare, atunci graficul se va întocmi corect, şi cu
ajutorul lui se va putea prezenta forma obiectivă în care se produce
legătura, tipul de dependenŃă dintre cele două variabile. Fiecare unitate,
purtătoare a celor două caracteristici (x
i
, y
j
), se reprezintă pe grafic printr-un
punct. Acest tip de grafic stabileşte existenŃa, direcŃia legăturii, forma de
legătură dintre cele două variabile. Pentru interpretarea legăturii putem
folosi următoarele variante de grafice care se referă la funcŃiile liniare:
Figura 2.11. Figura 2.12. Figura 2.13.
Legătură liniară directă Legătură liniară inversă Lipsă de legătură

Când punctele sunt situate aproximativ pe diagonala principală
legătura este directă, iar concentrarea lor pe diagonala secundară ne arată o
legătură inversă. Dacă punctele sunt împrăştiate pe întreg câmpul de
corelaŃie fără nici o regularitate, variabilele sunt independente între ele.
Legătura directă între cele două variabile poate fi şi neliniară, în acest
caz, pe grafic, apărând o linie curbă. În legăturile social-economice cel mai
frecvent apar hiperbole, parabole de gradul 2 sau ecuaŃii exponenŃiale.
Figura 2.14. Figura 2.15. Figura 2.16.
Hiperbolă Parabolă FuncŃie exponenŃială

OBSERVAłIE! Graficul prezintă avantajul că pe baza lui se poate
constata nu numai existenŃa legăturii şi sensul ei, dar mai ales forma către
care tinde să se realizeze, deci se poate elabora o ipoteză statistică care să
fie utilizată la aplicarea metodelor analitice de corelaŃie.

66
EXEMPLU: Să se stabilească legătura dintre volumul desfacerilor la
export (mil. lei) şi cheltuielile de publicitate (mil. lei) pentru produsele
prezentate la export:

Volumul desfacerilor
de mărfuri la export
Y 5 6 7 5 10 8 7 6
Cheltuieli de
publicitate
X 0,1 0,12 0,5 0,2 1,0 0,7 0,6 0,4

Din analiza făcută asupra variabilelor se stabileşte că volumul
mărfurilor desfăcute la export este influenŃat de cheltuielile de publicitate.

Scara:
OX 1 cm = 0,2

OY 1 cm = 1
K
OY
= 5/5 = 1










Figura 2.17. Coxelograma (Diagrama norului de puncte)

OBSERVAłIE! Între cele două variabile există o legătură strânsă,
directă, liniară. În continuare se pot face estimaŃii cu ajutorul ecuaŃiei
dreptei.

CONCEPTE-CHEIE: prelucrarea statistică; centralizarea şi gru-
parea datelor statistice; tabel statistic; serie statistică; grafic statistic.










Y
10
9
8
7
6
5

0
X
0,2 0,4 0,6 0,8 1






● ●

67

ÎNTREBĂRI DE AUTOEVALUARE

1. DefiniŃi prelucrarea statistică, ca etapă a cercetării.
2. Ce tehnici de prelucrare statistică cunoaşteŃi? EnumeraŃi-le.
3. DefiniŃi noŃiunea de centralizare a datelor statistice.
4. DefiniŃi gruparea statistică. EnumeraŃi tipurile de grupări statistice.
5. Care sunt condiŃiile pe care trebuie să le îndeplinească o grupare
statistică indiferent de scopul şi obiectul lor? DefiniŃi noŃiunile de:
completitudine, unicitate, omogenitate, continuitatea variaŃiei
grupelor.
6. EnumeraŃi etapele necesare efectuării unei grupări statistice.
7. Ce este caracteristica de grupare?
8. Cum se stabileşte numărul de grupe (r)?
9. Cum se procedează la alegerea intervalului de grupare (h)?
10. EnumeraŃi posibilităŃile de prezentare a datelor statistice.
11. Ce este un tabel statistic?
12. Ce tipuri de tabele statistice cunoaşteŃi?
13. Ce este o serie statistică? Care sunt tipurile de serii statistice?
14. Cum definiŃi noŃiunea de grafic statistic?
15. EnumeraŃi şi definiŃi elementele constructive ale unui grafic.
16. Câte tipuri de grafice cunoaşteŃi?
17. Ce este o distribuŃie statistică unidimensională?
18. La ce se referă noŃiunea de frecvenŃă?
19. DefiniŃi noŃiunile de: frecvenŃă absolută, frecvenŃă cumulată,
frecvenŃă relativă. Formule de calcul.
20. Cum definiŃi o distribuŃie bidimensională? Dar o distribuŃie mar-
ginală?
21. Care sunt tipurile de grafice adecvate reprezentării unei distribuŃii
unidimensionale? Dar unei distribuŃii bidimensionale?








68

3. INDICATORI STATISTICI







3.1. NoŃiunea de indicator statistic. Tipuri de indicatori
Surprinderea variabilităŃii din forma de manifestare a fenomenelor de
masă necesită elaborarea de către statistică a unor metodologii şi tehnici de
transformare şi aplicare a unor operaŃii speciale de calcul, pentru obŃinerea
unor determinări cantitativ-numerice, denumite generic indicatori statistici.

Indicatorul statistic, în forma sa generală, este expresia numerică a
manifestărilor unor fenomene, procese, activităŃi sau categorii economice şi
sociale, delimitate în timp, spaŃiu şi structură organizatorică.

Deci, indicatorul statistic cuprinde două părŃi:
• o parte noŃională, cu care se defineşte conŃinutul şi pentru care se
stabileşte o metodologie unică de calcul;
• expresia numerică, concretizată ca timp, spaŃiu şi delimitare
organizatorică.
Pentru cunoaşterea fenomenelor de masă, indicatorii statistici îndepli-
nesc mai multe funcŃii: de măsurare, de comparare, de analiză sau sinteză,
de estimare, de verificare a ipotezelor şi/sau de testare a semnificaŃiei para-
metrilor utilizaŃi.
Simpla enumerare a principalelor funcŃii ale indicatorilor statistici
pune în evidenŃă multitudinea de aspecte care trebuie avute în vedere la
elaborarea şi folosirea acestora în analiză; inclusiv stabilirea condiŃiilor şi
limitelor în care pot fi utilizaŃi indicatorii statistici în raport cu conŃinutul
specific al fenomenelor, al surselor de informaŃie de care se dispune în
scopul cercetării.
După etapa în care apar în procesul cercetării statistice, indicatorii
statistici pot fi primari şi derivaŃi.

69

Indicatorii primari se obŃin în procesul prelucrării primare prin
operaŃii de centralizare/agregare etc. a datelor, care provin dint-o
observare totală sau parŃială.
Indicatori derivaŃi se obŃin prin comparări, abstractizări,
generalizări, sintetizări, prin aplicarea unor procedee specifice de
prelucrare a mărimilor absolute sau relative a indicatorilor primari.

Indicatorii derivaŃi au rolul de a pune în evidenŃă aspectele calitative
ale fenomenelor analizate, întrucât: exprimă relaŃia dintre părŃile colec-
tivităŃii, dintre diferite caracteristici; legăturile de interdependenŃă dintre
fenomene sau valori tipice, care se formează în mod obiectiv; contribuŃia
diverşilor factori la variaŃia unui fenomen complex etc. Indicatorii derivaŃi
se obŃin frecvent din comparare, dar şi din alte metode de calcul.
ComparaŃiile dintre date pot fi făcute prin diferenŃă sau prin raportare.
Compararea prin diferenŃă a datelor se referă la unităŃi de timp
diferite, părŃi diferite din colectivitate, rezultând un indicator derivat:
modificare absolută sau diferenŃă absolută. Acest indicator semnifică
creşterea sau reducerea absolută (economia sau pierderea absolută).
Compararea prin raportare conduce la obŃinerea unui indicator
derivat mărimi relative sau indicatori relativi.

3.2. Indicatori relativi
O primă etapă în trecerea de la mărimi absolute primare la indicatorii
derivaŃi (de la concret la abstract) o reprezintă calculul şi analiza
indicatorilor relativi.

Prin definiŃie, o mărime relativă exprimă numeric proporŃiile
indicatorului primar în raport cu indicatorul bază de raportare.

Pentru calculul mărimilor relative trebuie respectate următoarele
cerinŃe:
– între termenii comparaŃiei să existe o corespondenŃă logică, de
condiŃionare sau de cauzalitate;
– termenii comparaŃi să fie comparabili din punctul de vedere al
conŃinutului, sferei de cuprindere, metodologiei de calcul, unităŃilor de
măsură, surselor de informaŃii etc.;

70
– baza de comparaŃie să aibă o anumită semnificaŃie în evoluŃia
fenomenului studiat.
Asigurarea comparabilităŃii presupune efectuarea în prealabil a unei
analize calitative a datelor de care dispunem. Mărimile relative se exprimă
fie în coeficienŃi, fie în unităŃi de măsură concrete, în procente, promile etc.
În funcŃie de scopul analizei, a direcŃiei în care se efectuează
comparaŃia, mărimile relative sunt: de structură, de intensitate, de
dinamică, de coordonare şi ale programării (planificării).
Asigurarea comparabilităŃii datelor este o cerinŃă esenŃială care
trebuie satisfăcută înaintea calculării mărimilor relative.
• Mărimi relative de structură (M.R.S.) se mai numesc ponderi
sau greutăŃi specifice şi sunt utilizate pentru analiza structurii diferitelor
colectivităŃi statistice.

M.R.S. exprimă raportul părŃilor faŃă de întreg şi oferă informaŃii
despre structurile calitativ distincte ale populaŃiei statistice.

Într-o serie statistică, ponderea sau greutatea specifică (g
i
) a unui
element în totalul colectivităŃii (∑x
i
) va fi:
100
1
∗ =

=
m
i
i
i
i
x
x
g sau 100
1 1
1
∗ =
∑∑

= =
=
m
i
r
j
ij
r
j
ij
i
x
x
g , r j m i , 1 ; , 1 = = (3.1)

Mărimile relative care arată în ce raport se află numărul unităŃilor din
fiecare grupă (n
i
) faŃă de unităŃile din întreaga colectivitate (∑n
i
) se numesc
frecvenŃe relative:
m i
n
n
n
i
i
i
, 1 , 100 *
*
= =

(3.2)

ProprietăŃi:
– suma mărimilor relative de structură (M.R.S.) este egală cu 1 (dacă
sunt exprimate sub formă de coeficienŃi);
– suma M.R.S. este egală cu 100 (dacă sunt exprimate sub în
procente).

71
Graficul mărimilor relative de structură se realizează prin diagrame
de structură.
• Mărimi relative de coordonare (M.R.C.)

M.R.C. se folosesc pentru a compara două grupe ale aceleiaşi
colectivităŃi sau două colectivităŃi situate în spaŃii diferite, dar coexistente
în timp.

Notăm cu X
A
şi X
B
nivelurile pe grupe ale variabilei studiate pentru o
colectivitate împărŃită în două grupe, astfel mărimea relativă de coordonare
va fi:
B
A
B
A
X
X
k = sau
A
B
A
B
X
X
k = (3.3)

Se poate observa că direcŃia de comparare nu este unică: oricare dintre
termenii comparaŃiei pot fi luaŃi bază de comparare. De regulă, aceste
mărimi se exprimă sub formă de coeficient.
M.R.C. se folosesc în studiul variaŃiei teritoriale, astfel au caracter de
indici teritoriali. Indicii teritoriali stau la baza comparaŃiilor pe plan naŃional
(între judeŃele Ńării), pe plan internaŃional (între Ńări) sau pe zone geografice
(continente).
Reprezentarea grafică a M.R.C. se poate face:
− prin benzi şi coloane, stabilind în acest fel relaŃiile existente între
diferite părŃi ale aceleiaşi colectivităŃi;
− prin cartograme, cartodiagrame, în studiul variaŃiei teritoriale
(judeŃe).

• Mărimi relative de intensitate (M.R.I.)

M.R.I. se calculează ca raport între doi indicatori absoluŃi, de
natură diferită, între care există o relaŃie de interdependenŃă.

M.R.I. se exprimă în unităŃi concrete de măsură şi poate fi calculată
după relaŃia:
i
i
i
z
y
x = (3.4)

72
unde: x
i
= mărimea relativă de intensitate;
y
i
= variabila fenomenului de raportat;
z
i
= variabila fenomenului ales bază de raportare.
Din relaŃie rezultă că variabila depinde de doi factori: unul de natură
extensivă (cantitativă) z
i
, care poate fi asimilat frecvenŃelor absolute şi astfel
este direct însumabil; altul de natură intensivă (calitativă) x
i
, care nu poate fi
însumat direct.
EXEMPLU. Nivelul productivităŃii muncii (W) se calculează ca raport
între nivelul producŃiei (q) şi timpul de muncă consumat pentru producerea
acesteia (T):
T
q
W =
Nivelul total al caracteristicii (x
i
) se calculează prin raportarea
nivelului totalizat al caracteristicii (y
i
) la nivelul totalizat al caracteristicii,
conform relaŃiei:


=
i
i
z
y
X (3.5)
Mărimile de intensitate au largi aplicaŃii în:
– industrie (coeficientul mecanizării, automatizării, utilizării inten-
sive, integrale a utilajului);
– agricultură (coeficientul chimizării, irigaŃiilor, recolta medie la hectar);
– turism (indicatorii eficienŃei activităŃii de turism etc.);
– demografie (coeficienŃii mişcării naturale şi migratorii ai populaŃiei).
Calculul acestor indicatori permite aprofundarea analizei
fenomenelor studiate, dar se impune ca la interpretarea lor să avem în
vedere şi nivelul indicatorilor absoluŃi din care s-au calculat.
Ca reprezentare grafică se pot folosi: diagrama prin coloane,
diagrama prin figuri geometrice de suprafaŃă (dreptunghi, pătrat etc.).

• Mărimi relative ale programării (planificării) (M.R.PL.) se
calculează în economia de piaŃă la nivelul unităŃilor economice, fiind
necesare elaborării programului de aprovizionare, producŃie sau desfacere
pe termene scurte sau lungi. Calculul acestor mărimi presupune preluarea
din evidenŃele unităŃii economice analizate a informaŃiilor despre:
– nivelul fenomenului analizat în perioada de bază (x
0
);
– nivelul planificat al aceluiaşi fenomen într-o perioadă curentă (x
pl
);
– nivelul realizat al acestuia în perioada curentă (x
1
).


73
Din comparaŃia sub formă de raport a celor trei nivele rezultă:
mărimea relativă a sarcinii de plan
100 .
0
0 /
X
X
K
pl
pl
= , coeficientul sarcinii de plan (3.6)
mărimea relativă a îndeplinirii planului
100 * .
1
/ 1
pl
pl
X
X
K = , coeficientul îndeplinirii planului (3.7)
mărimea relativă a dinamicii
100 *
0
1
0 / 1
X
X
K = , coeficientul dinamicii (3.8)
Între cei trei coeficienŃi se stabileşte relaŃia:
pl pl
K K K
/ 1 0 / 0 / 1
* = (3.9)
Dacă se dispune de date la nivel parŃial putem calcula M.R.PL. la
nivel de ansamblu:
100
X
X
K
0
pl
0 / pl ⋅ =


(3.10)
100
X
X
K
pl
1
pl / 1 ⋅ =


(3.11)

M.R.PL. se exprimă procentual. Adesea se reŃine numai valoarea ce
depăşeşte 100, arătând procentul de creştere programat. Coeficientul
sarcinii de plan poate fi supraunitar sau subunitar. Interpretarea lui se face
în funcŃie de conŃinutul indicatorului implicat în calcul şi de corelaŃia cu
ceilalŃi indicatori ai activităŃii economice.
M.R.PL. se reprezintă grafic prin diagrame prin coloane.

• Mărimile relative ale dinamicii (M.R.D.)

M.R.D. se folosesc în scopul caracterizării statistice a evoluŃiei în
timp a fenomenului studiat. M.R.D. se calculează când avem două valori
ale aceluiaşi indicator înregistrat în unităŃi de timp diferite.



74
În funcŃie de baza de comparaŃie aleasă putem calcula:
mărimi relative ale dinamicii cu bază fixă
100 .
0
0 /
X
X
K
t
t
= (3.12)
mărimi relative ale dinamicii cu bază mobilă (variabilă sau în lanŃ)
100 .
1
1 /


=
t
t
t t
X
X
K (3.13)
M.R.D. se exprimă sub formă de coeficient sau procentual.
Reprezentarea grafică se poate face prin cronogramă. În activităŃile
economico-sociale, M.R.D. se numeşte indice.

CONCEPTE-CHEIE: indicator statistic (primar, derivat); mărime
relativă (M.R.S., M.R.C., M.R.I., M.R.Pl, M.R.D.).

ÎNTREBĂRI DE AUTOEVALUARE

1. Ce înŃelegem printr-un indicator statistic?
2. Ce este un indicator primar?
3. Dar un indicator derivat?
4. Cum definim o mărime relativă?
5. Care sunt mărimile relative pe care le cunoaşteŃi?
6. DefiniŃi M.R.S.; formule de calcul; reprezentare grafică.
7. DefiniŃi M.R.C.; formule de calcul; reprezentare grafică.
8. DefiniŃi M.R.I.; formule de calcul; reprezentare grafică.
9. DefiniŃi M.R.P.L.; formule de calcul; reprezentare grafică.
10. DefiniŃi M.R.D.; formule de calcul; reprezentare grafică.









75


4. ANALIZA SERIILOR DE DISTRIBUłIE UNIDIMENSIONALE






4.1. Indicatorii tendinŃei centrale
Riscul, în orice iniŃiativă a unei firme, este cu atât mai mic cu cât se
cunosc mai bine manifestările individuale ale fenomenelor de masă din
domeniul ei de activitate. Astfel, adoptarea unei decizii este precedată de
cunoaşterea manifestărilor acestor fenomene social-economice de masă.
Fenomenele de masă se caracterizează, în principal, prin variabilitatea
formelor de manifestare, determinate de acŃiunea combinată, în sensuri
diferite, a unui complex de factori sistematici sau întâmplători, esenŃiali sau
neesenŃiali, identificaŃi direct sau indirect.
Fenomenele de masă social-economice intră sub incidenŃa aleatorului
şi sub incidenŃa legilor statistice. Acestea se manifestă nu la nivelul
fiecărei unităŃi din colectivitatea investigată, ci la nivelul colectivităŃii, ca
tendinŃă. Abaterile de la tendinŃă se compensează obiectiv reciproc. Prin
urmare, fundamentarea deciziilor presupune cunoaşterea, la nivelul
colectivităŃii investigate, a tendinŃei, a ceea ce este esenŃial, comun şi stabil
în formele individuale de manifestare a fenomenelor, în acest scop fiind
necesar să se determine indicatorii statistici adecvaŃi. Indicatorii cu care se
caracterizează tendinŃa centrală din forma de manifestare a fenomenelor de
masă au ca principală funcŃie aceea de a sintetiza valorile individuale
înregistrate ale caracteristicilor urmărite, astfel încât să fie posibilă substi-
tuirea acestora fără să modifice esenŃa şi relaŃia obiectivă dintre date.
Indicatorii sintetici ai tendinŃei centrale trebuie să fie valori tipice, care
să fie reprezentative pentru întreaga colectivitate.
Indicatorii tendinŃei centrale se determină, în general, ca indicatori
medii sau indicatori de poziŃie, în funcŃie de scopul urmărit în
colectivitatea investigată.


76
4.1.1. Indicatorii medii
Pentru caracterizarea tendinŃei centrale din manifestarea unui fenomen
de masă se calculează media valorilor individuale ale caracteristicii
urmărite.

Media este o măsură a tendinŃei centrale, iar valoarea sa calculată
sintetizează într-un singur nivel reprezentativ tot ceea ce este tipic,
esenŃial, comun şi obiectiv în apariŃia şi manifestarea fenomenelor de
masă.

Media se exprimă în unităŃi concrete de măsură, dar are un caracter
abstract, pentru că valoarea ei calculată poate să coincidă sau nu cu vreo
valoare individuală înregistrată de variabila numerică urmărită. Ea are un
conŃinut cu atât mai real, cu cât este mai reprezentativă şi cu cât valorile
individuale din care se calculează sunt mai omogene, mai apropiate ca
mărime, între ele. Numai în aceste condiŃii, în vecinătatea valorii medii se
concentrează cele mai multe valori individuale înregistrate, iar sintetizarea
lor într-o singură valoare se efectuează pe baza unei realităŃi obiective.
Calculul mediei trebuie să se bazeze pe folosirea unui număr mare de
cazuri individuale înregistrate, a căror variaŃie să poată fi considerată ca
întâmplătoare în raport cu întreaga masă de fenomene studiate.
De asemenea, calculul mediei trebuie să fie precedat de verificarea
omogenităŃii colectivităŃii, după caracteristica urmărită. Dacă colectivitatea
este eterogenă, chiar şi după eliminarea datelor aberante, atunci ea se
structurează pe grupe omogene, iar apoi se calculează medii parŃiale pe
grupe. Astfel, media unei caracteristici pe întreg ansamblul caracteristicii,
apare ca o sinteză a mediilor parŃiale.
După natura caracteristicii urmărite, cât şi după scopul analizei, se
calculează: media aritmetică ( X), media armonică (
h
X ), media pătratică
(
p
X ), media geometrică (
g
X ).
Media se calculează în funcŃie de natura obiectivă dintre date, dar şi în
funcŃie de forma de repartiŃie a frecvenŃelor, ca medie simplă sau ponderată.
Mediile simple se folosesc atunci când repartiŃiile au frecvenŃe
singulare sau când frecvenŃele tuturor valorilor caracteristicii sunt legate
între ele şi deci se pot simplifica.

77
Mediile ponderate se utilizează pentru repartiŃiile în care fiecărei
valori a caracteristicii i se poate ataşa o frecvenŃă care diferă de la caz la
caz.

Media aritmetică ( X)

Media aritmetică a valorilor individuale x
1
, x
2
,..., x
n
ale
caracteristicii numerice X reprezintă acea valoare ( X) care s-ar fi
înregistrat dacă toŃi factorii de influenŃă ar fi acŃionat constant (cu aceeaşi
intensitate) la nivelul fiecărei unităŃi înregistrate.

Astfel, dacă media aritmetică ( X) ar substitui fiecare valoare
individuală x
i
, (cu n , 1 i = ) valoarea totalizată obiectiv formată a
caracteristicii nu s-ar modifica. Prin urmare, fiind obiectivă aditivitatea
valorilor individuale, avem:

= x n x
i
(4.1)
n
x
X
n
1 i
i ∑
=
= (4.2)
unde: n i , 1 = ;
x
i
= nivelurile individuale ale variabilei;
n = numărul unităŃilor observate.

ProprietăŃi ale mediei aritmetice utile în analiză:
1. DefiniŃia mediei aritmetice este adevărată numai dacă valorile
individuale înregistrate sunt numerice. Pentru o serie cu valori nenumerice
sau cu valori măsurabile pe o scară nominală sau ordinală, nu se poate
calcula media aritmetică.
2. Mărimea calculată a mediei aritmetice este unică: o serie nu
posedă mai multe medii aritmetice distincte.
3. Mărimea mediei aritmetice poate să coincidă sau nu cu vreo
valoare individuală înregistrată, dar precis se încadrează între valoarea
minimă şi cea maximă.
X
min
< X < x
max

78
Această proprietate are rolul unui semnal de alarmă, arătând că dacă
media se plasează peste aceste limite, rezultatul este în mod sigur eronat.
4. Prin definiŃie, media aritmetică este legată de toate valorile
numerice înregistrate şi, în consecinŃă, este sensibilă la prezenŃa valorilor
aberante. Astfel, seria (1,5,7,9,11,12,20,100) posedă o singură valoare
aberantă. Media calculată din primele 7 valori ale seriei este X = 9,29, iar
din toate valorile X = 20,63 ceea ce este nereprezentativ pentru serie.
5. Într-o colectivitate statistică suficient de mare, unde de obicei
multe unităŃi prezintă aceeaşi caracteristică (distribuŃie de frecvenŃe), media
aritmetică se va calcula ca o medie ponderată. Formula de calcul este:
∑ ∑
= + + = + + =
i
i k 1 k k 1 1
i
i i
n x n x ... n x n x .... n x n x →
i
i
i
i
i
n
n x
X


=
(4.3)
unde: k = numărul variantelor distincte;
n = frecvenŃa variantei.
Dacă Ńinem seama de frecvenŃele relative

=
i
i
i
*
i
n
n
n ,
relaŃia devine:
*
i
i
*
i
1 i
i
n
n x
X


=
= (4.4)
– dacă 1
*
=

i
i
n →
*
i
i
i
n x X

=
– dacă 100 n
i
*
i
=


100
n x
X
*
i
i
i ∑
=
6. Suma diferenŃelor dintre valorile individuale înregistrate şi media
lor aritmetică este nulă. Această proprietate arată că, în condiŃiile acŃiunii
factorilor întâmplători, abaterile pozitive şi negative faŃă de tendinŃă, la
nivelul ansamblului, se compensează reciproc.

79
Deci, 0 x n x n x n x ) X x (
i
i
i
i
= − = − = −
∑ ∑

7. Într-o serie statistică, dacă se micşorează sau se măresc toŃi
termenii cu o constantă a, media calculată din termenii modificaŃi va fi mai
mică sau mai mare decât media termenilor reali cu constanta a.
a X
a
na
n
x
n
) a x (
X
i
i
i
i
'
± = ± =
±
=
∑ ∑
(pentru seriile simple)
=
±
=


i
i
i
i i
'
n
n ) a x (
X
a X
n
n
a
n
n x
i
i
i
i
i
i
i
i i
± = ± =




(pentru seriile de frecvenŃe)
Deci, a x ± =
'
X
unde: X= media termenilor iniŃiali;

'
X = media termenilor măriŃi sau micşoraŃi cu a.

8. Într-o serie statistică, dacă se împart sau se înmulŃesc toŃi termenii se-
riei cu un factor constant h şi se face media noilor termeni, media astfel obŃi-
nută va fi de h ori mai mică, respectiv mai mare, decât media seriei iniŃiale.
h * X X ;
h
X
n
x
*
h
1
n
h
x
X
' '
i
i
i
i
' '
= = = =
∑ ∑
(pentru seria simplă)
h * X X ;
h
X
n
n x
*
h
1
n
n
h
x
X
' '
i
i
i
i i
i
i
i
i
i
' '
= = = =





ProprietăŃile de la puntele 7) şi 8) folosesc la calculul simplificat al
mediei aritmetice:
(pentru seria
de frecvenŃe)

80
a h *
n
)
h
a x
(
X
i
i
+

=

(pentru seria de simplă)
a h *
n
n )
h
a x
(
X
i
i
i
i
i
+

=


(pentru seria de frecvenŃe) (4.5)
unde: a = mijlocul intervalului caracteristicii cu frecvenŃa cea mai mare;
h = mărimea intervalului.

OBSERVAłIE! Este recomandabil să se utilizeze calculul simplificat,
când seria se prezintă pe intervale egale de variaŃie.

9. Într-o colectivitate împărŃită în grupe omogene, media pe total se
poate calcula şi pe baza mediilor de grupă, folosind relaŃiile:


=
i
i
i
i
i
0
n
n x
X sau
r
x
X
i
i
0

= (4.6)
unde: r = numărul mediilor de grupă.

În cazul în care caracteristica urmărită este alternativă, calculul
nivelului său mediu se face astfel:
– unităŃile colectivităŃii se împart în două grupe: una, formată din
unităŃile la care se înregistrează forma directă de manifestare a
caracteristicii, şi alta, formată din acele unităŃi la care s-a înregistrat opusul
formei directe de manifestare;
– convenŃional, această caracteristică se exprimă numeric astfel: se
acordă valoarea 1 pentru variantele cu răspuns afirmativ forma directă, şi
valoarea 0 variantelor cu răspuns negativ (forma opusă);
– se elaborează distribuŃia.




81
Tabelul 4.1. DistribuŃia generală a frecvenŃelor după o caracteristică alternativă
Răspuns
înregistrat
Varianta
caracteristicii
x
i
FrecvenŃe
absolute
FrecvenŃe relative
DA X=1 M P
N
M
=
NU X=0 N-M
p q
N
M
N
M N
− = = − =

1 1

Total N p+q=1

M = unităŃi care posedă caracteristica;
N = numărul total de unităŃi ale colectivităŃii.

Media aritmetică a caracteristicii alternative este o mărime relativă de
structură:
p
N
M
N
)] M N ( * 0 [ ) M * 1 (
n
n x
X
i
i
i
i i
'
= =
− +
= =


(4.7)

OBSERVAłIE! RelaŃiile de calcul ale mediei aritmetice (cu frecvenŃe
absolute, cu frecvenŃe relative şi prin calcul simplificat) se utilizează pentru
caracterizarea nivelului mediu al variabilelor de tip discret. În practică,
fenomenele social-economice supuse cercetării statistice trebuie înregistrate
în condiŃiile concrete de spaŃiu şi timp. În cazul variabilelor continue,
cunoaşterea întregii game posibile de valori individuale, cuprinse într-un
anumit interval, nefiind posibilă, folosindu-se, indiferent de modul de
variaŃie al variabilei aleatoare, relaŃiile de calcul ale mediei recomandate
pentru valorile de tip discret. Pentru aceasta este necesar să se înregistreze
ca variabile discrete.
Media armonică (
h
X )

Media armonică, ca măsură a tendinŃelor centrale într-un
ansamblu de observaŃii cantitative, se defineşte ca fiind egală cu valoarea
inversă a mediei aritmetice, calculată din valorile inverse ale termenilor
aceleaşi serii.

82
Deşi derivă din media aritmetică ponderată, în practică se întâlnesc două
variante ale mediei armonice, simplă şi ponderată:


=
i
i
h
x
1
n
X pentru o serie simplă (4.8.)



=
i
i
i
i
i
h
n
x
1
n
X pentru o serie de repartiŃie cu frecvenŃe (4.9)
EXEMPLU. O persoană cheltuieşte 4 lei pentru aprovizionarea cu
3 tipuri de cafea: (tip I 5kg*0,8 lei/kg; tip II 4kg*1 lei/kg; tip III
2,5 kg*1,6 lei/kg). preŃul mediu al unui kg de cafea se obŃine:
kg / lei 044 , 1
5 , 11
12
5 , 2 4 5
4 * 3
totală cantitate
total costul
mediu preŃ = =
+ +
= =

Acelaşi rezultat s-ar fi obŃinut dacă s-ar fi calculat media armonică a
celor 3 calităŃi de cafea:
kg / lei 044 , 1
6 , 1
1
1
1
8 , 0
1
3
mediu preŃ =
+ +
=

OBSERVAłII!
1. Pentru aceleaşi valori pozitive, media armonică este mai mică
decât media aritmetică.
2. În cazul în care între două variabile există o relaŃie de inversă
proporŃionalitate (y=1/x), aceasta se păstrează şi între mediile calculate
pentru fiecare variabilă. Astfel, dacă pentru calculul nivelului mediu al
uneia din cele două variabile se foloseşte media aritmetică, pentru cealaltă
se foloseşte obligatoriu media armonică.
3. Media armonică se utilizează pentru exprimarea tendinŃei centrale
în funcŃie de scopul cercetării şi, mai ales, în funcŃie de natura obiectivă
dintre valorile variabilei numerice observate. De cele mai multe ori se
foloseşte pentru calculul indicelui (sintetic) al preŃurilor mărfurilor şi
tarifelor serviciilor (care sintetizează indicii individuali ai acestor preŃuri şi
tarife). RelaŃia de calcul este:

83


=
i
1 1
p
0 / 1
i
1 1
P
0 / 1
q p
i
1
q p
I (4.10)
unde:
1 1
q p = valoarea mărfii în perioada curentă;

p
0 / 1
i = indicele individual al preŃurilor mărfurilor de sortiment i.
4. În distribuŃiile de frecvenŃă, media armonică este indicat a se folosi
când predomină valorile mici ale seriei, seria prezentând o asimetrie către
valorile minime ale caracteristicii.

Media pătratică ( Xp )
Media pătratică reprezintă acea valoare a caracteristicii, care,
dacă ar înlocui fiecare valoare individuală din serie, suma pătratelor
termenilor seriei nu s-ar modifica.

Deci:
2
p
2
p
2
p
2
n
2
1
i
2
i
x n x ... x x .... x x ⋅ = + + = + + =


Astfel, media pătratică se calculează:

n
x
X
2
i
p

= pentru o serie simplă (4.11)

i
i
2
i
p
n
n x
X


= pentru o serie de frecvenŃă (4.12)

OBSERVAłII!
1. Cu toate că media pătratică se poate calcula din valori individuale
pozitive, nule, negative, ea nu are sens din punct de vedere economic decât
dacă se calculează din valori pozitive.
2. Valoarea mediei pătratice este mai mare decât a mediei
aritmetice, atunci când se calculează din aceleaşi date.
3. Frecvent, media pătratică se utilizează pentru a caracteriza
tendinŃa centrală din ansamblul abaterilor valorilor individuale de la
valoarea medie. Se recomandă media pătratică pentru calculul nivelului

84
mediu în seriile în care predomină valorile ridicate sau când se doreşte să se
acorde o importanŃă mai mare în nivelul mediu acelor unităŃi pentru care
caracteristica urmărită prezintă cele mai mari valori absolute.

Media geometrică ( Xg )
Spre deosebire de tipurile de medii prezentate anterior, care au la
bază o relaŃie de aditivitate între termenii unei serii statistice, media
geometrică se calculează pe baza unei relaŃii obiective multiplicative între
termenii aceleiaşi serii.

Media geometrică reprezintă acea valoare a caracteristicii
observate, care, dacă ar înlocui fiecare valoare individuală din serie,
produsul acestora nu s-ar modifica.

Deci:
n
g g g n 2 1
n
1 i
i
x x ... x x ... x x x = + + = ⋅ ⋅ ⋅ =

=
, de unde:
n
n
1 i
i
x Xg

=
= pentru serii simple (4.13)

=

=
i
i
i
n
n
1 i
i
n
x Xg pentru serii de frecvenŃă (4.14)
Media geometrică se mai numeşte uneori şi medie logaritmică, pentru
că se poate determina prin logaritmii valorilor individuale. Astfel:
n
x log
Xg log
i
i ∑
= pentru serii simple (4.15)


=
i
i
i
i i
n
x log n
Xg log pentru seria de frecvenŃe (4.16)
Prin aplicarea logaritmilor, media geometrică se transformă într-o
medie aritmetică a logaritmilor factorilor, iar antilogaritmul ei este o
valoare mai mică decât media aritmetică, calculată din valorile reale ale
termenilor seriei:
Xg < X

85
OBSERVAłII ŞI PROPRIETĂłI
1. Calculul nivelului mediu, ca medie geometrică, are sens economic
numai atunci când relaŃia de multiplicare a termenilor seriei este reală. În
calculul nivelului mediu într-o serie de distribuŃie, media geometrică se
foloseşte mai rar, îndeosebi când termenii prezintă o evidentă concentrare
către valorile cele mai mici sau când se urmăreşte să se acorde o importanŃă
deosebită valorilor individuale reduse.
2. Dacă cel puŃin o valoare individuală este nulă sau negativă,
calculul mediei geometrice este lipsit de sens.
3. În mod frecvent, media geometrică se utilizează pentru calculul
indicelui mediu al dinamicii, pentru caracterizarea tendinŃei centrale din
seria indicilor de dinamică cu bază mobilă.
4. Prin logaritmare, abaterile dintre termenii seriei se micşorează şi se
obŃine un grad mai mare de concentrare a frecvenŃelor.
Între mediile prezentate există următoarea relaŃie de ordine:

p
g
h
X X X X < < < (4.17)
În concluzie, la calculul nivelului mediu al unei repartiŃii unidimen-
sionale se foloseşte de preferinŃă media aritmetică şi complementar
celelalte tipuri de medii, dacă seria prezintă anumite particularităŃi sau în
scopul analizei aprofundate.

4.1.2. Indicatorii de poziŃie sau de structură
Caracterizarea tendinŃei centrale în seriile de repartiŃie presupune
luarea în considerare nu numai a valorilor individuale ale caracteristicii
urmărite, dar şi a formei în care se repartizează unităŃile colectivităŃii după
caracteristica respectivă. De multe ori, indicatorii de poziŃie furnizează
informaŃii mult mai utile în fundamentarea deciziilor decât cele oferite de
indicatorii medii.

Indicatorii de poziŃie, în ansamblul datelor culese, evidenŃiază
tendinŃa de aglomerare, de concentrare a unităŃilor după caracteristica
studiată.

Astfel, pentru completarea analizei seriilor de distribuŃie, este necesar
să se calculeze indicatorii de poziŃie, dintre care frecvent utilizaŃi sunt:
modul (dominanta) şi cuantilele.


86
Modul (dominanta) (Mo)

Modul (Mo) reprezintă acea valoare a caracteristicii care
corespunde celui mai mare număr de unităŃi, sau aceea care are cea mai
mare frecvenŃă de apariŃie.
Pentru o repartiŃie discretă în cazul unei serii X (x
i
,n
i
), cu n i , 1 = ,
aflarea modului se face prin următoarele operaŃii:
1. se găseşte frecvenŃa maximă a seriei (n
i
= n
max
);
2. se citeşte, în dreptul frecvenŃei maxime, valoarea caracteristicii
corespunzătoare, valoare care este egală cu modul (x
i
= Mo);
3. grafic, prin diagrama în baloane şi observarea valorii x
i
,
corespunzătoare celui mai înalt balon (figura 4.1).

a) serie unimodală b) serie bimodală
Figura 4.1


Pentru o serie de distribuŃie pe intervale egale, valoarea modului
trebuie calculată. Intervalul modal se consideră intervalul care are frecvenŃa
cea mai mare.
Calculul algebric al modului se bazează pe relaŃia:
2 1
1
0 0
h X M
∆ + ∆

+ =
(4.18)
unde: X
0
= limita inferioară a intervalului modal;
h = mărimea intervalului modal;

1
= diferenŃa dintre frecvenŃa intervalului modal şi a celui
precedent;

1
=

diferenŃa dintre frecvenŃa intervalului modal şi a celui
următor.

87
OBSERVAłII!
1. M
0
are o largă aplicabilitate practică în comerŃ şi stă la baza
calculului şi interpretării gradului de asimetrie a repartiŃiilor.
2. M
0
poate înlocui media atunci când ea nu poate fi calculată sau nu
are sens a fi calculată (EXEMPLU: numărul mediu la încălŃăminte). În acest
caz se stabilesc valori modale (EXEMPLU: numărul de pantofi cel mai căutat).
3. M
0
se exprimă în aceleaşi unităŃi de măsură ca şi variabila studiată.

Cuantilele de ordinul K
Cuantilele sunt indicatorii care descriu anumite poziŃii localizate în
mod particular în cadrul seriilor de distribuŃie. Conceptul de cuantilă indică
o divizare a distribuŃiei observaŃiilor într-un număr oarecare de părŃi. Astfel,
cuantilele de ordin k sunt valori ale caracteristicii studiate care împart
distribuŃia ordonată a observaŃiilor în k părŃi egale. Fiecare parte are acelaşi
efectiv, adică 1/k din numărul total al unităŃilor. Frecvent se utilizează
următoarele cuantile:
– mediana sau cuantila de ordinul 2 (k = 2);
– quartilele sau cuantilele de ordin 4 (k = 4);
– decilele sau cuantilele de ordin 10 (k = 10);
– centilele sau cuantilele de ordin 100 (k = 100).
Cuantilele de ordin superior (k>4) se calculează în cazul distribuŃiilor
cu număr mare de grupe sau clase de valori individuale.
• MEDIANA (Me)

Mediana (Me) reprezintă acea valoare a caracteristicii localizată
în mijlocul seriei sau repartiŃiei statistice, cu valori individuale aranjate
crescător sau descrescător. Mediana împarte numărul unităŃilor
investigate în două părŃi egale: numărul valorilor individuale superioare
medianei este egal cu numărul valorilor individuale mai mici decât Me.

Din această cauză, Me se mai numeşte valoarea echiprobabilă a ca-
racteristicii:
P(x
i
≥Me) = P(x
i
≤Me) = 1/2

a. Cazul seriei simple
Determinarea medianei presupune ordonarea crescătoare sau
descrescătoare a valorilor individuale ale caracteristicii. Apoi, identificarea
Me se face astfel:

88
– dacă seria ordonată are un număr impar de termeni, Me
corespunde cu valoarea caracteristicii de rang (n+1)/2.
EXEMPLU: În seria 1,5,7,14,20,25,30, mediana are valoarea 14.



− dacă seria ordonată are un număr par de termeni, Me se determină,
în mod convenŃional, ca medie aritmetică între valoarea individuală de rang
n/2 şi cea de rang (n+1)/2.
EXEMPLU: în seria 5,8,13,28,34,40,61,63, mediana va fi:

Me= (x
4
+x
5
)/2 = (28+34)/2=31
OBSERVAłII!
• În cazul seriei simple, mediana respectă pe deplin definiŃia valorii
mediane;
• În cazul seriei cu număr par de termeni, valoarea mediană se deter-
mină, în mod convenŃional, şi nu este conformă definiŃiei date.

b. Cazul seriei distribuŃiei de frecvenŃe
Pentru seria de distribuŃie de frecvenŃe pe variante distincte,
semnificaŃia valorii mediane este afectată de metoda sa de calcul. În această
situaŃie este considerată valoare mediană acea valoare individuală a
caracteristicii corespunzătoare primei frecvenŃe cumulate ascendent, care
depăşeşte valoarea
2
1
1

=
+
k
i
i
n
.
EXEMPLU: Se consideră că, în urma unui control de calitate a 100
loturi de aparate electronice, s-au obŃinut următoarele date:
Tabelul 4.2. Determinarea Me pentru distribuŃia pe variante
Numărul de aparate
electronice cu defecte (x
i
)
Numărul de loturi
de aparate (n
i
)
Numărul cumulat
crescător de loturi
0
1
2
3
4
5
10
20
40
15
10
5
10
30
70
85
95
100
Total 100 -
Me
x
4
x
5


89
Astfel, 5 , 50
2
1 100
2
1 n
k
1 i
i
=
+
=
+

=

deci prima frecvenŃă cumulată ce depăşeşte 50,5 este 70 şi corespunde
numărului median de aparate Me=2. Valoarea determinată nu corespunde
definiŃiei date, pentru că valoarea 2 nu împarte seria în două părŃi egale.
Astfel, numai 30% din loturi au un număr de rebuturi mai mic decât
numărul median şi nu 50% cum cere definiŃia. În asemenea situaŃii se
recomandă să se renunŃe la mediană ca valoare tipică pentru caracterizarea
tendinŃei centrale şi să se recurgă la alte valori tipice.

Pentru seria de distribuŃie de frecvenŃe pe intervale, valoarea
mediană se determină în mod aproximativ printr-un procedeu de
interpolare liniară bazat pe ipoteza repartizării uniforme a frecvenŃelor în
intervalul median. Mediana se determină în următoarele etape:
– se determină intervalul median (locul Me). Acesta este intervalul
care corespunde primei frecvenŃe cumulate crescător care depăşeşte
valoarea
2
1 n
k
1 i
i ∑
=
+

– în cadrul intervalului median, valoarea medianei se determină prin
interpolare cu relaŃia:

jMe
i
Me 1 i
i
i
0
n
n
2
1 n
h X Me




+
+ =
(4.19)
unde: x
0
= limita inferioară a intervalului median;
h = mărimea intervalului median;
n
jMe
= frecvenŃa absolută a intervalului median;

∑ −
i
Me 1 i
n = suma frecvenŃelor precedente intervalului median.
EXEMPLU: Se cunosc următoarele date despre vechimea muncitorilor
unei firme:


90
Tabelul 4.3
Gruparea
muncitorilor
după vechime x
i
Număr
muncitori
n
i

FrecvenŃe
cumulate
crescător
FrecvenŃe
cumulate
descrescător
Centre
de
interval
0-5 5 5 74 2,5
5-10 7 12 69 7,5
10-15 10 22 62 12,5
15-20 12 34 52 17,5
20-25 18 52 40 22,5
25-30 15 67 22 27,5
30-35 7 74 7 32,5
Total ∑ n
i
74

Astfel, se determină:
– locul M
e
:
( ) 25 , 20 Me 5 , 37
2
1 74
2
1 n
k
1 i
i
∈ → =
+
=
+

=
– calculul M
e
:
97 , 20
18
34 5 , 37
5 20 =

+
ani.

OBSERVAłII!
• RaŃionamentul de determinare al medianei, aplicat repartiŃiei va-
lorilor globale (x
i
n
i
) ale caracteristicii analizate, conduce la obŃinerea indi-
catorului de poziŃie numit medială, utilizat frecvent în studiul concentrării.
• Valorile medianei nu sunt afectate de valorile extreme ale seriei.
• Mediana este un indicator al tendinŃei centrale, mai independent
faŃă de intervalele de grupare şi forma de repartiŃie comparativ cu media
aritmetică. Este mai utilă când informaŃiile sunt date într-o formă în care
calculul mediei este imposibil sau este afectat de închiderea convenŃională a
intervalelor deschise.
• Determinarea medianei se mai poate face prin calcul grafic, care se
poate realiza astfel: se trasează diagramele frecvenŃelor cumulate ascendent
şi descendent; din punctul de intersecŃie al celor două curbe se trasează
perpendiculare pe axa absciselor şi se citeşte valoarea Me pe OX.




91
EXEMPLU: Pe baza datelor din tabelul 4.3 construim curba cumulativă
a frecvenŃelor:

Figura 4.2. Calculul grafic al Me

Din punct de vedere grafic, precizăm că verticala corespunzătoare Me
împarte histograma seriei în două părŃi de aceeaşi suprafaŃă, pentru că ariile
dreptunghiurilor adiacente, care constituie histograma, sunt, prin definiŃie,
proporŃionale cu frecvenŃele absolute corespunzătoare.

• QUARTILELE

Quartilele sunt valori ale caracteristicii ce împart seria în patru
părŃi egale, fiecare diviziune conŃinând 25% din valorile individuale
înregistrate pentru aceeaşi variabilă numerică.

Procedeul de determinare al quartilelor este asemănător cu cel al
determinării medianei:
– quartila inferioară Q
1
este mai mare decât 25% din termenii seriei
şi mai mică decât 75% dintre ei;
– quartila a doua Q
2
coincide cu Me şi separă seria în două părŃi;
– quartila superioară Q
3
este mai mare decât 75% din termenii seriei
şi mai mică decât 25% din numărul lor.
2,5 7,5 12,5 17,5 22,5 27,5 32,5
n
i ↗

75

65

55

45

35

25

15

Asc
Desc
Me=20,97
Legendă:

OX: 1cm = 5 unităŃi
OY: 1cm = 10 unităŃi
K
OY
= (74-5)/7 = 9,8 ≈ 10

92
Pentru seria simplă, determinarea quartilelor Q
1
, Q
2
= Me, Q
3

se face după procedeul prezentat la mediană;

Pentru seria de distribuŃie de frecvenŃe pe variante:
– Q
1
este considerată ca fiind valoarea caracteristicii corespunzătoare
primei frecvenŃe cumulate ascendent care depăşeşte ¼ (∑n
i
+1);
– Q
2
= Me;
– Q
3
este acea valoare a caracteristicii corespunzătoare primei
frecvenŃe cumulate ascendent care depăşeşte 3/4(∑n
i
+1).
Pentru seria de distribuŃie de frecvenŃe pe intervale, unde
valorile individuale îşi pierd individualitatea, valorile aproxi-
mative ale quartilelor se determină prin procedeul de
interpolare liniară astfel:
– se stabilesc intervalele în care se situează Q
1
, Q
2
, Q
3
. Acestea sunt
intervalele corespunzătoare primelor frecvenŃe cumulate ascendent care
depăşesc ¼(∑n
i
+1), 2/4(∑n
i
+1), 3/4(∑n
i
+1);
– în cadrul intervalelor identificate, quartilele se determină după
următorul sistem de relaŃii:

Tabelul 4.4. RelaŃiile de calcul ale quartilelor Q
1
, Q
2
, Q
3



Locul quartilei


Valoarea quartilei

Loc Q
1
= ¼ (∑n
i
+1)

( )
1
1
1
4
1
0 1
Q
pQ i
n
n n
h X Q
∑ ∑
− +
+ =


Q
2
= Me


Loc Q
3
= ¾ (∑n
i
+1)

( )
3
3
1
4
3
0 3
Q
pQ i
n
n n
h X Q
∑ ∑
− +
+ =


unde:
∑ 1
Q n
p
,
∑ 3
Q n
p
reprezintă suma frecvenŃelor intervalelor
precedente locului pe care-l ocupă Q
1
şi Q
3
;

93
1
Q
n ,
3
Q
n reprezintă frecvenŃele absolute ale intervalelor ce conŃin
quartilele respective.
Într-o distribuŃie normală, locul quartilelor se prezintă astfel:
Figura 4.3. Reprezentarea quartilelor în distribuŃia Gauss-Laplace

• DECILELE (D)

Decilele, în număr de 9, reprezintă acele valori ale caracteristicii
care împart seria în zece părŃi egale, conŃinând fiecare 10% din numărul
observaŃiilor.

Cazul seriei simple: conform definiŃiei, cele 9 decile (D
1
, D
2
,...,
D
5
=Me,..., D
9
) se determină după procedura prezentată în cazul
medianei;
Cazul seriei de distribuŃie de frecvenŃă pe variante: decila m (D
m
,
9 , 1 = m ) va fi considerată acea valoare corespunzătoare primei
frecvenŃe cumulate ascendent care depăşeşte m/10 (∑n
i
+1), cu
9 , 1 = m ;

25% 25%
25%

25%
Q
1
Q
2
Q
3

Me

94
Cazul seriei de distribuŃie de frecvenŃă pe intervale:
– se determină intervalele interdecilice reprezentând valoarea
caracteristicii pentru care frecvenŃele cumulate crescător depăşesc
m/10 (∑n
i
+1), cu ; 9 , 1 m =
– apoi se determină decilele, cu relaŃiile obŃinute prin interpolare:

Tabelul 4.5. RelaŃiile de calcul ale decilelor

Locul decilei


Valoarea decilei

Loc D
1
= 1/10 (∑n
i
+1)

( )
1
1
1
10
1
0 1
D
pD i
n
n n
h X D
∑ ∑
− +
+ =

. .
. .
. .
D
5
= Me
. .
. .
. .

Loc D
9
= 9/10 (∑n
i
+1)

( )
9
9
1
10
9
0 9
D
pD i
n
n n
h X D
∑ ∑
− +
+ =


unde: x
0
reprezintă limita inferioară a intervalului decilic;
h este mărimea intervalului;
m/10 (∑n
i
+1) este locul decilei;


i
pD
n reprezintă suma frecvenŃelor precedente intervalului decilic;

i
D
n reprezintă frecvenŃa absolută a intervalului decilic.

OBSERVAłIE! Calculul decilelor este justificat când variaŃia valorilor
individuale este foarte mare.

Dacă se reprezintă pe axă, cuantilele prezentate vor fi:

95
Figura 4.4. Cuantilele reprezentate pe axă

Cuantilele se folosesc pentru caracterizarea şi măsurarea variaŃiei şi
asimetriei intercuantilice şi interdecilice.
EXEMPLU: Reluăm datele din tabelul (4.3) pentru calculul cuantilelor
de ordin K=4 şi K=10.
Quartilele:
( )
38 , 13
10
12 75 , 18
5 10
1
4
1
1
1
0 1
=

+ =
− +
+ =
∑ ∑
Q
pQ i
n
n n
h X Q

Loc Q
1
= ¼ (∑n
i
+1)=1/4 (74+1)=18,75 → Q
1 ∈
(10,15)
Q
2
= Me

( )
42 , 26
15
52 25 , 56
5 25
1
4
3
3
3
0 3
=

+ =
− +
+ =
∑ ∑
nQ
Q n n
h X Q
p i

Loc Q
3
= ¾ (∑n
i
+1)=3/4(74+1)=56,25 → Q
3 ∈
(25,35)

Decilele:
Loc D
1
= 1/10 (∑n
i
+1)=1/10(74+1)=7,5 → D
1 ∈
(5,10)
( )
78 , 6
7
5 5 , 7
5 5
1
10
1
1
1
0 1
=

+ =
− +
+ =
∑ ∑
D
pD i
n
n n
h X D

.
.
.
D
5
= Me=20,97
.
.
.
Loc D
9
= 9/10 (∑n
i
+1)=9/10*75=67,5 → D
9 ∈
(30,35)
D
1
D
2
D
3
D
4
D
5
D
6
D
7
D
8
D
9


Q
1
Me Q
3


Q
2



96
( )
36 , 30
7
67 5 , 67
5 30
1
10
9
9
9
0 9
=

+ =
− +
+ =
∑ ∑
D
pD i
n
n n
h X D

Reprezentarea valorilor pe axă:

Figura 4.5. Reprezentarea cuantilelor de ordin K = 4 şi K = 10

• CENTILE
Dacă avem o colectivitate statistică cu un număr mare de unităŃi şi cu
o variabilitate foarte mare, este util pentru analiză calculul cuantilelor de
ordin mai mare ca 10. Astfel, cuantila de ordin 100 se numeşte centilă.
Centilele, în număr de 99, sunt valorile caracteristicii ce împart seria în 100
de părŃi egale (fiecare parte conŃinând 1/100 din numărul observaŃiilor
efectuate).
Procedeul de determinare a centilelor este asemănător cu cel al
medianei (sau al tuturor cuantilelor de ordin mai mic decât 10).
Centilele de rang 10,20,30,40,... sunt decilele D
1
, D
2
,..., D
9
.
Centila de rang 25=Q
1
, cea de rang 50=Me, iar cea de rang 75= Q
3
.

4.2. Indicatorii de variaŃie
Formele individuale de manifestare ale fenomenelor de masă analizate
într-o colectivitate prezintă o variabilitate (împrăştiere) mai mare sau mai
mică, în funcŃie de numărul, natura, direcŃia şi sensul acŃiunii factorilor
esenŃiali şi întâmplători. La nivelul colectivităŃii, legea tendinŃei compor-
tamentului acestor fenomene este reflectată sintetic de indicatorii tendinŃei
centrale. Cu cât fenomenele au un grad de complexitate mai mare, cu atât
împrăştierea valorilor individuale este mai mare. Deci, utilizarea corectă a
D
1
D
2
D
3
D
4
D
5
D
6
D
7
D
8
D
9


Q
1
Me Q
3


6,78 13,38 Q
2
=20,97 26,42 30,36


97
indicatorilor tendinŃei centrale în fundamentarea deciziilor necesită
verificarea stabilităŃii şi reprezentativităŃii valorilor înregistrate de aceştia.
Astfel, valoarea mediei este reprezentativă numai în măsura în care ea
este calculată din date omogene. Aceasta înseamnă că determinarea mediei
trebuie însoŃită de verificarea omogenităŃii valorilor individuale din care s-a
calculat. Verificarea omogenităŃii necesită măsurarea şi analiza împrăştierii
şi concentrării faŃă de valorile tipice calculate.
De exemplu, dacă avem două variabile statistice (x
1
) şi (x
2
) simetrice,
ele pot avea aceeaşi medie, dar repartiŃiile lor sunt diferite, variabila (x
1
)
având o împrăştiere mai mare decât variabila (x
2
), aşa cum rezultă din
figura 4.6.




Figura 4.6. Reprezentarea variabilelor x
1
şi x
2
în cadranul I

Astfel, noŃiunea de împrăştiere, dispersare, completează informaŃiile
despre seriile statistice investigate.
Analiza variaŃiei sau împrăştierii valorilor individuale faŃă de tendinŃa
centrală oferă posibilitatea rezolvării unor probleme de cunoaştere
statistică. Dintre acestea se disting:
x
1

x
2

X
f(x)
x


98
– analiza gradului de omogenitate a datelor din care s-au calculat
indicatorii tendinŃei centrale şi verificarea reprezentativităŃii acestora;
– compararea în timp şi/sau spaŃiu a mai multor serii de repartiŃie,
după caracteristici independente sau pentru aceeaşi caracteristică;
– separarea acŃiunii factorilor esenŃiali de acŃiunea factorilor
întâmplători, identificarea felului în care factorii esenŃiali îşi modifică
acŃiunea de la o grupă (clasă) la alta;
– concentrarea valorilor individuale ale caracteristicilor şi deplasarea
către valorile tipice;
– aplicarea diferitelor teste ale statisticii matematice.
Indicatorii împrăştierii (variaŃiei), utilizaŃi în analizele statistice, sunt
clasificaŃi după mai multe criterii:
• După numărul variantelor luate în calcul (sau după gradul lor de
sinteză) există:
– indicatori simpli;
– indicatori sintetici.
• După modul de calcul şi exprimare există indicatori ai variaŃiei
calculaŃi ca mărimi absolute şi ca mărimi relative.
• După modul de sistematizare a datelor primare există:
– indicatori ai variaŃiei calculaŃi pentru serii de distribuŃie unidimen-
sionale;
– indicatori ai variaŃiei calculaŃi pentru serii de distribuŃie multi-
dimensionale.

Indiferent de natura lor, indicatorii de împrăştiere calculaŃi oferă
informaŃii necesare numai pentru cunoaşterea variabilităŃii din seriile
statistice analizate, dar şi pentru aprecierea „calităŃii” valorilor tipice
utilizate în procesul decizional.

4.2.1. Indicatorii simpli ai variaŃiei
Aceşti indicatori prezintă următoarele caracteristici generale:
– se determină dintr-un număr redus de valori individuale;
– se calculează în cifre absolute, folosind aceleaşi unităŃi de măsură
ca şi pentru caracteristica studiată, cât şi în mărimi relative, prin compararea
sub formă de diferenŃă a valorilor individuale extreme, sau prin compararea
sub formă de raport a fiecărei valori individuale cu valoarea lor medie;

99
– informaŃiile despre variabilitate oferite în urma determinării şi
analizei rezultatelor sunt extrem de reduse şi nu vizează omogenitatea
ansamblului de date înregistrate etc.

Amplitudinea împrăştierii sau variaŃiei (A)

• Amplitudinea absolută se defineşte prin diferenŃa dintre cea mai
mare şi cea mai mică valoare individuală înregistrată.
A= x
max
– x
min
(4.20)
Pentru seriile de distribuŃie de frecvenŃă, construite pe intervale de
grupare, amplitudinea variaŃiei se calculează ca diferenŃă între limita supe-
rioară a ultimului interval (x
L
) şi limita inferioară a primului interval (x
l
).
Astfel:
A = x
L
- x
l
(4.21)
OBSERVAłIE! Amplitudinea absolută se exprimă în unităŃile de
măsură ale variabilei respective, prin urmare nu poate fi folosită la
compararea a două variabile exprimate în unităŃi de măsură diferite.

• Amplitudinea relativă a variaŃiei (A%) se exprimă, de regulă, în
procente şi se calculează ca raport între amplitudinea absolută şi nivelul
mediu al caracteristicii:

100
X
%
∗ =
A
A
(4.22)
OBSERVAłII!
– Se foloseşte la controlul calităŃii produselor, caz în care se
interpretează în raport cu limitele de toleranŃă admise.
– Este utilizat la dirijarea statistică a procesului de fabricaŃie.
– Din punct de vedere metodologic este folosit la stabilirea
numărului de grupe (r) şi a mărimii intervalului de grupare (h).

Abaterile individuale, ca măsuri ale împrăştierii într-o serie
statistică, arată cu câte unităŃi de măsură, sau de câte ori (sau cât la sută)
valoarea caracteristicii urmărite, la fiecare unitate a caracteristicii, se abate
de la mărimea calculată a unui indicator al tendinŃei centrale.
Abaterile individuale se exprimă în cifre absolute sau relative.
• Abaterile individuale absolute (d
i
) se calculează ca diferenŃă între
fiecare variantă înregistrată şi nivelul mediu al acestora (de obicei, media
aritmetică):

100
d
i
= x
i
- X i=1,2,...,n (4.23)

• Abaterile individuale relative (d
i%
) se calculează raportând
abaterile absolute la nivelul mediu al caracteristicii:
100
X
X x
100
X
d
d
i i
% i


= ∗ = i=1,2,...,n (4.24)
• Abaterile maxime pozitive (d
max+
) şi negative (d
max-
) se urmăresc, în
mod deosebit, în analizele statistice şi se pot calcula în cifre absolute şi relative:
d
max+
= x
max
- X sau 100
X
d
d
max
% max
∗ =
+
+

d
max-
= x
min
- X sau 100
X
max
% max
∗ =


d
d (4.25)
OBSERVAłIE! În cazul unei distribuŃii simetrice
− +
=
max max
d d , iar
în interiorul seriei, la abateri egale (dar de semne contrare) corespund
frecvenŃe egale de apariŃie. Aceasta conduce la compensarea pe total (la
nivelul întregului ansamblu) a abaterilor individuale.

4.2.2. Indicatorii sintetici ai variaŃiei
Indicatorii sintetici ai variaŃiei, spre deosebire de indicatorii
simpli, sintetizează într-o singură expresie numerică variaŃia valorilor
individuale faŃă de tendinŃa centrală a caracteristicii urmărite într-o
populaŃie statistică.

Principalii indicatori statistici cu care se caracterizează variaŃia sunt:
abaterea medie absolută ( d ), dispersia (
2
σ ), abaterea medie pătratică
(σ ), coeficientul de variaŃie (v).
Abaterea medie absolută

Abaterea medie absolută reprezintă media aritmetică simplă sau
ponderată a abaterilor „absolute” ale termenilor seriei, de la tendinŃa lor
centrală, caracterizată cu ajutorul mediei sau medianei.




101
Se determină astfel:
• pentru seria simplă:
n
x xi
d
i


= (4.26)
• pentru seria de distribuŃie de frecvenŃe:



=
i
i
i
i
i
n
n * x x
d
(4.27)
• pentru seria de frecvenŃe relative:
100
* % i
i
i
n x x
d



= (4.28)
unde: i = 1,k.
OBSERVAłII!
• Abaterea medie absolută arată, în medie, cu cât se abat termenii
seriei de la media lor.
• Ea se exprimă în unitatea de măsură a caracteristicii urmărite.
• În cazul seriilor de distribuŃie pe intervale de grupare, pentru
calculul ei se iau în considerare centrele acestora.
• Este concludentă numai dacă seria prezintă un grad mare de
omogenitate.
• Prezintă dezavantajul că nu Ńine seama de semnul algebric şi acordă
aceeaşi importanŃă atât abaterilor mici, cât şi celor mari, deşi cele din urmă
influenŃează în mai mare măsură gradul de variaŃie al caracteristicii. Din
punct de vedere algebric nu este indicat să se renunŃe în mod arbitrar la
semnul valorilor din care se calculează o valoare medie. Din aceste consi-
derente, se foloseşte ca principal indicator sintetic al variaŃiei abaterea medie
pătratică.
Dispersia (
2
σ )

Dispersia, ca măsură sintetică a variaŃiei, reprezintă media
aritmetică (simplă sau ponderată) a pătratelor abaterilor individuale de la
tendinŃa lor centrală.

Formulele de calcul sunt:
• pentru seria simplă:
( )
2
k
1 i
i
2
n
x x

=

= σ
(4.29)

102
• pentru seria de distribuŃie de frecvenŃe:
( )


=
=

=
k
i
i
k
i
i i
n
n x x
1
1
2
2
σ
(4.30)
• pentru seria de frecvenŃe relative:
( )
100
* %
2
2
i
i
i
n x x



= σ
(4.31)
Dispersia se mai poate determina cu ajutorul formulei de calcul
simplificat. Aceasta se bazează pe combinarea a două proprietăŃi ale
dispersiei, care precizează că:
a. Dispersia calculată din abaterile valorilor caracteristicii faŃă de o
constantă a este mai mare decât dispersia aceloraşi valori faŃă de media lor
cu pătratul diferenŃei dintre medie şi constanta a.
Deoarece: a x a x
i i
− = − , atunci avem:
( ) ( ) [ ] ( )
x
i
i i
i
i i
a x
n
x x a x
n
a x a x
i
2
2
2
σ σ =
+ − −
=
− − −
=
∑ ∑


2 2 2
) ( a x
x a x
i
− + =

σ σ
( )
[ ]
n
) a x ( n
n
) x x (
) a x ( 2
2
) x x (

n
) a x ( ) x x (
n
a x
: Astfel
2
i
2
i
2
i
i
2
i
a x
2
i

+

− +

=
=
− + −
=

= σ
∑ ∑




Deoarece

= − 0 ) ( x x
i
(vezi proprietăŃile mediei aritmetice),
relaŃia de mai sus devine:
2 2 2
) ( a x x a x
i
− + = − σ σ .
b. Într-o serie de variaŃie, dacă se împart sau se înmulŃesc toŃi termenii
cu un coeficient (h>1), dispersia noii serii (
2
σ

) este de h
2
ori mai mică,
respectiv de h
2
ori mai mare decât dispersia seriei iniŃiale (
2
σ ):
2 2 2 2
2
2
2
i
2
2
i
h ;
h n
) x x (
h
1
n
)
h
x x
(
∗ σ

= σ σ

=
σ
=

=





103
De regulă, cele două proprietăŃi se combină şi rezultă formula de
calcul simplificat a dispersiei pentru o serie de distribuŃie de frecvenŃe
cu intervale egale:
2 2
i
i
i
i
2
i
2
) a x ( h
n
n
h
a x
− − ∗
|
¹
|

\
|

= σ


(4.32)
unde: h = mărimea intervalului;
a = valoarea caracteristicii cu frecvenŃă maximă.
OBSERVAłII! Dispersia, ca şi media calculată pe baza seriilor de
repartiŃie cu interval, este mai puŃin exactă decât dacă s-ar folosi date
individuale, negrupate. Cu cât intervalele de grupare sunt mai mari, cu atât
media şi dispersia sunt mai puŃin semnificative.
Dacă avem dubii asupra veridicităŃii dispersiei calculate putem proceda
la corectarea acesteia, Ńinând seama de recomandarea făcută de statisticianul
W.F. Sheppard. Sheppard consideră că, în anumite condiŃii, dispersia se poate
corecta scăzând 1/12 din pătratul intervalului de grupare. Dispersia corectată
va fi:
12
) (
2
2 2
h
x − = ′ σ σ
, h fiind mărimea intervalului de grupare (4.33)
El consideră posibilă aplicarea acestei corecŃii numai pentru seriile
care prezintă următoarele proprietăŃi:
– repartiŃia de frecvenŃă este continuă, unimodală, relativ simetrică;
– frecvenŃele tind către zero în ambele extremităŃi ale intervalului de
variaŃie.
Aceste condiŃii presupun o repartiŃie normală sau uşor asimetrică a
frecvenŃelor, în care se asigură o compensare a abaterilor şi în interior, nu
numai pe total. Rezultă că aplicarea corecŃiei lui Sheppard trebuie să se facă
cu prudenŃă, verificând în prealabil dacă sunt îndeplinite condiŃiile de
normalitate şi volum.
• Dispersia este un indicator abstract, nu are formă concretă de expri-
mare şi arată modul în care valorile caracteristicii gravitează în jurul mediei.
• Dispersia măsoară variaŃia totală a caracteristicii studiate, datorată
cauzelor esenŃiale şi întâmplătoare.
• Dispersia este utilă în verificări de ipoteze statistice, în calculul
altor indicatori statistici etc.

104
Abaterea medie pătratică (sau abaterea standard sau abaterea
tip) (σ )

Abaterea standard se defineşte ca medie pătratică simplă sau
ponderată a abaterilor valorilor individuale de la tendinŃa centrală sau ca
rădăcină pătrată a dispersiei.
RelaŃia de calcul este următoarea:
2
σ σ = (4.34)
unde
2
σ
= dispersia, calculată prin orice metodă.

OBSERVAłII!
• σ se foloseşte în studiile de marketing, în studiul calităŃii
produselor, pentru elaborarea variantelor de prognoză.
• Abaterea standard, fiind calculată din pătratul abaterilor, este mai
concludentă decât abaterea medie liniară. Prin ridicarea la pătrat se dă o mai
mare importanŃă abaterilor mai mari în valoare absolută, acestea
influenŃând într-o mai mare măsură gradul de variaŃie al variabilei analizate.
Calculând pentru aceeaşi serie σ şi d , ele vor fi întotdeauna în
această relaŃie: σ >d .
În literatura de specialitate se apreciază că pentru o serie de distribuŃie
cu tendinŃă clară de normalitate, abaterea medie liniară este egală cu 4/5 din
valoarea abaterii medii pătratice:
x
x d σ
5
4

.
• Abaterea standard este un indicator de bază, care se foloseşte în
analiza variaŃiei la estimarea erorilor de selecŃie, în calculele de corelaŃie.
• Dezavantajele abaterii standard se referă la faptul că se exprimă în
aceleaşi unităŃi de măsură ca şi variantele caracteristicii. Astfel, ea nu se
poate folosi pentru compararea gradului de variaŃie a două sau mai multe
variabile diferite şi în această situaŃie se recurge la alt indicator de variaŃie –
coeficientul de variaŃie.
Coeficientul de variaŃie (v) sau coeficientul de omogenitate

Coeficientul de variaŃie este o măsură a dispersiei relative care
descrie abaterea medie pătratică ca procent din media aritmetică.

105
Acest coeficient permite compararea împrăştierii valorilor care nu sunt
exprimate în aceeaşi unitate de măsură (de exemplu, compararea variabilităŃii
salariilor din două Ńări şi în două monede diferite). Coeficientul de variaŃie se
defineşte ca raport între abaterea medie pătratică (σ ) şi media aritmetică
( x ) a ansamblului de observaŃii:

100 *
x
V
σ
=
(4.35)
OBSERVAłII!
• Coeficientul de variaŃie este cel mai sintetic indicator al
împrăştierii, nu numai pentru că permite comparaŃia variabilităŃii, dar şi prin
faptul că valorile sale sunt localizate în intervalul {0,100}:
– dacă v = 0 înseamnă lipsă de variaŃie, valorile sunt egale între ele şi
egale cu media lor;
– dacă v → 0, variaŃia caracteristicii este mică;
– dacă v →100, variaŃia caracteristicii este mare.
Practica utilizării coeficientului de variaŃie a stabilit pragul de trecere
de la starea de omogenitate la cea de eterogenitate:
v ≤ 30-35%, variaŃia este mică şi se concretizează în:
– media, ca indicator al tendinŃei centrale este semnificativă;
– colectivitatea este omogenă, respectiv este formată din unităŃi ce
aparŃin aceluiaşi tip calitativ;
– gruparea, ca metodă de sistematizare primară, este bine făcută.
v > 35%, colectivitatea este eterogenă, gruparea trebuie refăcută.
• Coeficientul de variaŃie, în analizele financiar-bursiere, este o măsură
a riscului relativ şi permite o interpretare mai nuanŃată a dispersiei.
• Pentru profunzimea analizei întreprinse, aceste informaŃii trebuie
completate cu cele referitoare la concentrarea valorilor individuale, la
deplasarea acestora faŃă de anumite valori tipice. Astfel, analiza variaŃiei
trebuie urmată de analiza formelor în care se distribuie acestea.

4.2.3. Regula adunării dispersiilor
ColectivităŃile cu care se operează în statistica social-economică, deşi au
un caracter finit, sunt formate de cele mai multe ori dintr-un număr foarte mare
de unităŃi purtătoare a unor variabile cu un grad mare de variaŃie.

106
Astfel, unităŃile la care s-a făcut observarea trebuie împărŃite în grupe,
în funcŃie de variaŃia factorilor determinanŃi. Dacă s-a folosit metoda
grupării se pot calcula medii şi dispersii pe grupe şi pe total colectivitate.

Între indicatorii de variaŃie, calculaŃi la nivelul fiecărei grupe, şi cei
pe întreaga colectivitate există anumite relaŃii bazate pe regula adunării
dispersiilor.

Considerăm o colectivitate C, în care s-au înregistrat cele două
variabile x şi y. Cele n unităŃi ale colectivităŃii C s-au structurat în k grupe
după valorile caracteristicii x şi în r grupe după valorile caracteristicii y
(vezi tabelul 4.6).
Tabelul 4.6. DistribuŃiile condiŃionate ale variabilei y în funcŃie de un factor de
grupare x

Valorile
caracteristicii

Valorile caracteristicii y
j


Volumul
grupelor
Media pe
grupe (medii
condiŃionate)
x
i
y
1
y
2
... y
j
... y
r
n
i

i
y
x
1
n
11
n
12
... n
1j
... n
1r
n
1.

1
y
x
2
n
21
n
22
... n
2j
... n
2r
n
2.

2
y
... ... ... ... ... ... ... ... ...
x
i
n
i1
n
i2
... n
ij
... n
ir
n
i.

i
y
... ... ... ... ... ... ... ... ...
x
k
n
k1
n
k2
... n
kj
... n
kr
n
k.

k
y
Total n
.1
n
.2
... n
.j
... n
.r
∑ n
i
=
=∑ n
j
=∑ n
i
j
y

Pe baza datelor prezentate în tabelul 4.6 se pot calcula următorii
indicatori statistici:
• medii (pe fiecare grupă şi pe total);
• dispersii (pe fiecare grupă şi pe total).
Mediile de grupă (
i
y ). Se pot calcula k medii de grupă ale variabilei
y, câte una pentru fiecare grupă x:

107


=
=
=
r
1 j
ij
r
1 j
ij j
i
n
n y
y (4.36)
Media generală. Va fi notată cu
0
y , când datele provin dintr-o
observare totală, sau cu y , când datele provin dintr-o observare parŃială.
Media generală sintetizează atât variaŃia valorilor individuale ale
colectivităŃii totale, cât şi valorile mediilor de grupă (mediile condiŃionate
de factorul de grupare). Astfel, se poate calcula în funcŃie de datele de care
dispunem, după una din relaŃiile:


=
=
=
r
1 j
j
r
1 j
j j
0
n
n y
y sau


=
=
=
k
i
i
k
i
i i
n
n y
1
1
y (4.37)
Împrăştierea valorilor individuale ale unităŃilor colectivităŃii C faŃă de
valoarea medie generală (
0
y y
j
− ) se poate descompune:
) ( ) (
0 0
y y y y y y
i i j j
− + − = − (4.38)

Pentru caracteristica y, înregistrată în colectivitatea C, se identifică trei
feluri de variaŃii:
1) ) (
i j
y y − pentru orice r j k i , 1 , , 1 = = reprezentând împrăş-
tierea valorilor individuale în jurul fiecărei medii de grupă, datorită acŃiunii
cauzelor întâmplătoare;
2)
) (
0
y y
i

pentru orice
k i , 1 =
reprezentând variaŃia valorilor
mediilor de grupă în jurul mediei colectivităŃii totale, datorate acŃiunii
cauzelor esenŃiale (factorul principal de grupare);
Abateri
totale
Abateri
întâmplătoare
Abateri
sistematice

108
3)
0
y y
j

pentru orice
r j , 1 =
reprezentând variaŃia valorilor y
j
în jurul
mediei colectivităŃii totale, datorate influenŃei cauzelor esenŃiale şi
întâmplătoare.
Măsurarea acŃiunii separate şi combinate a celor două categorii de
factori variabili presupune descompunerea adecvată a dispersiei colecti-
vităŃii totale C.
Pentru determinarea separată, atât la nivelul fiecărei grupe, cât şi la
nivelul colectivităŃii generale, a intensităŃii cu care au influenŃat asupra
variabilităŃii caracteristicii dependente cele două grupe de factori
(întâmplători şi esenŃiali), se folosesc următoarele tipuri de dispersii:
• dispersia de grupă ( i
2
σ );
• media dispersiilor de grupă (
2
σ );
• dispersia dintre grupe (
2
δ );
• dispersia totală (
2
0
σ ).
Dispersia de grupă (dispersie parŃială) se calculează ca o medie
aritmetică ponderată a pătratelor abaterilor variantelor caracteristicii, de la
media lor de grupă:
( )


=
=

=
r
j
ij
r
j
ij i j
i
n
n y y
1
1
2
2
σ (4.39)
unde:
j
y = variantele caracteristicii dependente;
i
y = media de grupă, calculată din aceste variante;
ij
n = frecvenŃele corespunzătoare fiecărui interval de valori din
cadrul grupei.

OBSERVAłII!
• Dispersia de grupă evidenŃiază variaŃia caracteristicii dependente
(
j
y ) determinată de acŃiunea factorilor întâmplători care acŃionează la
nivelul grupei respective.

109
• Numărul dispersiilor de grupă este egal cu numărul grupelor ce
formează colectivitatea supusă studiului;
• Comparând între ele dispersiile de grupă, putem preciza care grupă
este mai omogenă. Dispersia cu nivelul cel mai scăzut evidenŃiază gradul
înalt de omogenitate al grupei, acŃiunea redusă a factorilor întâmplători şi
deci o variaŃie slabă. Dispersia cu nivelul cel mai mare reflectă o variaŃie
pronunŃată sub acŃiunea intensă a factorilor întâmplători.
• Pentru a sintetiza această variaŃie într-un singur indicator calculat
pe întreaga colectivitate, se calculează media dispersiilor de grupă.
Media dispersiilor de grupă (
2
σ ) se calculează ca o medie
aritmetică ponderată a dispersiilor parŃiale astfel:
• ca o medie aritmetică simplă pentru grupe cu un număr egal de
unităŃi:
k
i
i ∑
=
2
2
σ
σ

• pentru grupe cu un număr diferit de unităŃi:


=
i
i
i
i i
n
n
2
2
σ
σ
(4.40)
OBSERVAłIE!
2
σ sintetizează influenŃa factorilor întâmplători pe
întreaga colectivitate, astfel măsoară variaŃia reziduală sau întâmplătoare a
caracteristicii studiate.
Dispersia dintre grupe (
2
δ ) reflectă variaŃia caracteristicii
dependente, datorată acŃiunii cauzelor esenŃiale pe întreaga colectivitate,
deci influenŃa factorului de grupare asupra caracteristicii rezultative y. Se
calculează ca o medie aritmetică ponderată a pătratelor abaterilor mediilor
de grupă faŃă de media colectivităŃii generale:
( )



=
i
i
i
i i
n
n y y
2
0
2
δ (4.41)
Dispersia totală (
2
0
σ ). Măsoară întreaga împrăştiere a valorilor
caracteristicii y, care este produsă atât de acŃiunea factorilor esenŃiali, cât şi
a celor neesenŃiali, variabili de la o grupă la alta sau în cadrul aceleiaşi
grupe:

110

( )



=
j
j
j
j j
n
n y y
2
0
2
0
σ (4.42)
Pornind de la conŃinutul dispersiilor prezentate, dispersia totală se
calculează cu relaŃia:
2 2
2
0
δ σ σ + = . (4.43)
Această relaŃie este cunoscută în literatura de specialitate sub
denumirea de regula adunării dispersiilor. Ea se utilizează pentru
verificarea exactităŃii calculelor şi pentru cazul când nu se cunosc decât
două din cele trei dispersii.
Pe baza ei se pot calcula alŃi doi indicatori statistici cu caracter de
mărime relativă de structură:
Coeficientul de determinaŃie (
2
R ) arată care este ponderea
factorului principal de grupare în variaŃia totală a caracteristicii.
100
0
2
2
2
⋅ =
σ
δ
R (4.44)
Coeficientul de nedeterminaŃie (
2
K ) arată care este ponderea
factorilor întâmplători în variaŃia totală a caracteristicii.
100
2
2
0
2
⋅ =
σ
σ
K
(4.45)
Între cei doi coeficienŃi există următoarea relaŃie:
1
2 2
= + K R

Dacă:

2 2
K R >
, factorul de grupare acŃionează în mod hotărâtor asupra
variaŃiei caracteristicii rezultative y
j
;

2 2
K R < variaŃia variabilei y
j
se datorează influenŃei exercitate de
alte cauze (factori neînregistraŃi), aceasta fiind independentă de variaŃia
caracteristicii x
i
.
OBSERVAłIE! Dispersiile calculate în regula de adunare a dispersiilor
se folosesc în sondaj pentru calculul erorii medii pe tipuri de sondaj.
Pentru prezentarea modului de calcul şi a semnificaŃiei acestor
dispersii, vom considera distribuŃia unui eşantion de studenŃi după sex şi
vârstă (tabelul 4.7).

111
Tabelul 4.7
Grupe de studenŃi
după sex
Subgrupe de studenŃi după vârstă (ani)
(y
j)

(x
i
) 18-20 20-22 22-24 24-26 26-28 Total
Masculin 2 7 7 4 - 20
Feminin 1 1 3 3 2 10
Total 3 8 10 7 2 30
Tabelul 4.8. Grupa I Sex feminin
Grupe de
studenŃi
după vârstă
Număr
studenŃi
n
ij

Centru de
interval
y
j


y
j
n
ij


( )
ij i j
n y y
2

18-20 2 19 38 21,78
20-22 7 21 147 11,83
22-24 7 23 161 3,43
24-26 4 25 100 29,16
Total 20 446 66,2
∑ n
ij
∑ y
j
n
ij

( )
2
/
2
z y
ij
i j
n y y ∆ = −



• Media grupei I: 3 , 22
20
446
1
= = y ani.
• Dispersia grupei I: 31 , 3
20
2 , 66
1
2
= = σ
Tabelul 4.9. Grupa II Sex masculin
Grupe de
studenŃi
după
vârstă
Număr
studenŃi
n
ij

Centru
de
interval
y
j


y
j
n
ij


( )
ij i j
n y y
2


18-20 1 19 19 23,04
20-22 1 21 21 7,84
22-24 3 23 69 1,92
24-26 3 25 75 4,32
26-28 2 27 54 20,48
Total 10 238 57,6
∑ n
ij
∑ y
j
n
ij

( )
2
/
2
z y
ij
i j
n y y ∆ = −



112

• Media grupei II:
8 , 23
10
238
2
= = y
ani.
• Dispersia grupei II: 76 , 5
10
6 , 57
2
2
= = σ
Tabelul 4.10. Total eşantion
Grupe de
studenŃi
după vârstă
Număr
studenŃi
n
j

Centru de
interval
y
j


y
j
n
j


( )
j j
n y y
2
0


18-20 3 19 57 43,32
20-22 8 21 168 25,92
22-24 10 23 230 0,4
24-26 7 25 175 33,88
26-28 2 27 54 35,28
Total 30 684 138,8
∑ n
ij
∑ y
j
n
ij

( )
j
j
n y y


2
0


• Media totală:
8 , 22
30
684
0
= = y
ani sau

8 , 22
30
684
= = =


i
i i
n
n y
y
ani.
• Dispersia totală:
( )
63 , 4
30
8 , 138
2
0
2
0
= =

=


j
j
j
j j
n
n y y
σ


Tabelul 4.11
Grupe de
studenŃi
după sex
Numă
rul
grupe-
lor (n
i
)
i
y
i
y n
i
i
2
σ i
2
σ
n
i

( )
i i
n y y
2
0


Feminin 20 22,3 446 3,31 66,2
5
Masculin 10 23,8 238 5,76 57,6
10
Total 30 684 123,8
15

( )
2
/
2
0 z y
i
i
n y y ∆ = −




113
• Media dispersiilor de grupă:
13 , 4
30
8 , 123
2
2
= = =


i
i
i
i i
n
n σ
σ

• Dispersia dintre grupe:
( )
5 , 0
30
15
2
0
2
= =

=


i
i
i
i i
n
n y y
δ

• Regula de adunare a dispersiilor:
63 , 4 5 , 0 13 , 4
2 2
2
0
= + = + = δ σ σ
• Coeficientul de determinaŃie:
% 11 100
63 , 4
5 , 0
100
0
2
2
2
≅ ⋅ = ⋅ =
σ
δ
R

• Coeficientul de nedeterminaŃie:
% 89 100
63 , 4
13 , 4
100
2
2
0
2
= ⋅ = ⋅ =
σ
σ
K
1
2 2
= + K R
(100%)
1 - R
2
= K
2
→ K
2
= 100 – 11% = 89%
11% + 89% = 100%
OBSERVAłIE! , K R
2 2
< ceea ce înseamnă că sexul nu este un fac-
tor determinant pentru analiza vârstei, aceasta fiind influenŃată de alŃi
factori.

4.3. Verificarea semnificaŃiei factorului principal de grupare
prin metoda analizei dispersionale. Testul F
Analiza dispersională stă la baza caracterizării statistice a interdepen-
denŃelor din economie. Prin analiza dispersională se urmăreşte:
• depistarea şi ordonarea factorilor care influenŃează fenomenul
analizat;
• separarea influenŃei diferiŃilor factori, considerând câte un factor
sau mai mulŃi variabili, iar ceilalŃi cu acŃiune constantă.


114
Analiza dispersională se foloseşte în următoarele cazuri:
– la verificarea dependenŃei variaŃiei unei caracteristici statistice de
influenŃa factorilor determinanŃi;
– la verificarea stabilităŃii mediei şi dispersiei pentru mai multe
eşantioane succesive.
Cazul 1. Analiza dispersională este o metodă auxiliară a corelaŃiei şi
regresiei statistice, aplicându-se înainte şi după aplicarea acestora.
Înainte ne oferă posibilitatea să verificăm gradul de semnificaŃie al
factorului principal de grupare, confirmându-se sau infirmându-se existenŃa
sau inexistenŃa legăturii.
După aplicarea metodelor de corelaŃie, analiza dispersională serveşte
la verificarea veridicităŃii funcŃiei de regresie şi a indicatorilor de corelaŃie.
Cazul 2. Analiza dispersională se foloseşte când fenomenul cercetat
se grupează după criterii organizatorice (EXEMPLU: repartizarea angajaŃilor
pe echipe, a mărfurilor pe loturi etc).
Cazul 3. Se verifică gradul de reprezentativitate al eşantionului; dacă
se îndeplineşte condiŃia reprezentativităŃii, media şi dispersia nu diferă
semnificativ de la un eşantion la altul, aceşti indicatori fiind estimaŃii ale
mediei şi dispersiei colectivităŃii totale.
Analiza dispersională se bazează pe metoda grupării, prin care se
separă influenŃa factorilor esenŃiali (notaŃi cu x) de acŃiunea factorilor
întâmplători (notaŃi cu z), asupra unei variabile rezultative y.
Indicatorii folosiŃi frecvent în analiza dispersională sunt:
• devianŃele sau varianŃele (∆
2
);
• gradul de determinaŃie (
2
x
R ) şi nedeterminaŃie (
2
z
K );
• numărul gradelor de libertate (n);
• dispersiile corectate (S
2
);
• testul F, raportul dintre dispersiile corectate.

DevianŃele (∆
2
)
DevianŃa totală (∆
2
y
) arată gradul de împrăştiere a tuturor valorilor
caracteristicii y
j
, ca urmare a influenŃei tuturor factorilor (esenŃiali şi
întâmplători):
( )

− = ∆
j j y
n y y
2
0
2
(4.46)


115
DevianŃa sistematică (
2
/ x y
∆ ), considerată devianŃă între grupe, arată
gradul de împrăştiere al mediilor condiŃionate (
i
y ) ale variabilei y
j

faŃă de media totală:
( )

− = ∆
j i x y
n y y
2
0
2
/
(4.47)

DevianŃa reziduală (
2
/ z y
∆ ) măsoară împrăştierea valorilor variabilei
y
j
faŃă de media condiŃionată (
i
y ) din fiecare grupă, datorată
cauzelor întâmplătoare. Se mai numeşte devianŃa din interiorul
grupelor, numărul acestora fiind egal cu numărul grupelor:
( )
∑ ∑
= =
(
¸
(

¸

− = ∆
k
i
r
j
ij i j z y
n y y
1 1
2
2
/
(4.48)

Gradul de determinaŃie şi nedeterminaŃie se bazează pe raportul dintre
fiecare deviantă şi devianŃa totală, şi arată ponderea influenŃei cauzelor sis-
tematice şi, respectiv, a celor întâmplătoare, în variaŃia totală a variabilei y
j
.
Coeficientul de determinaŃie:
2
2
/
2
y
x y
x
R


= (4.49)

Coeficientul de nedeterminaŃie:
2
2
/
2
y
z y
z
K


= (4.50)
Rezultă că: 1
2 2
= +
z x
K R .
OBSERVAłIE! Cu cât valoarea lui
2
x
R este mai mare şi se apropie de
1, cu atât factorul principal de grupare are acŃiune mai pronunŃată şi
semnificativă asupra variabilei y
j
.

Dispersii corectate (S
2
)
În tabelul 4.12 se prezintă, pe etape, construcŃia acestor tipuri de
dispersii:

116


Tabelul 4.12
Felul
varia-
Ńiei
Suma pătratelor
abaterilor
Numărul
gradelor
de
libertate
Dispersii corectate
Între
grupe
( )
2
/
2
0 x y i i
n y y ∆ = −


r-1
( )
1 1
2
0
2
/
2
/


=


=

r
n y y
r
S
i i x y
x y

În
interio-
rul
grupe-
lor
( )
2
/
1 1
2
z y
k
i
r
j
ij i j
n y y ∆ =
(
¸
(

¸


∑ ∑
= =

n-r
( )
r n
n y y
r n
S
k
i
r
j
ij i j
z y
z y

(
¸
(

¸


=


=
∑ ∑
= = 1 1
2
2
/
2
/

Totală
( )
2
2
0 y j j
n y y ∆ = −

n-1
( )
1 1
2
0
2
2


=


=

n
n y y
n
S
j j y
y


Numărul gradelor de libertate: r = numărul de grupe;
n = numărul de valori perechi.

Dispersia totală (S
2
) măsoară variaŃia totală a variabilei y
j
, datorată
tuturor categoriilor de cauze care o determină.
( )
1
2
0
2
2


=

=

n
n y y
n
S
j j
y
y
y
(4.51)
Dispersia sistematică (
2
/ x y
S ) măsoară acea parte din variaŃia carac-
teristicii y
j
, datorată factorului principal de grupare şi se calculează
ca raport între devianŃa sistematică şi numărul de grupe (r) formate
după caracteristica x
i
, mai puŃin o unitate:
( )
1
2
0
2
/
2
/


=

=

r
n y y
n
S
i i
x
x y
x y
(4.52)
Dispersia reziduală (
2
/ z y
S ) măsoară acea parte din variaŃia
caracteristicii y
j
, datorată factorilor întâmplători şi se calculează ca
raport între devianŃa reziduală şi numărul de unităŃi din care se
compune colectivitatea (n), mai puŃin numărul de grupe (r):

117

( )


∑ ∑
=

(
(
¸
(

¸


=


=
= =
i
i
i
i i
k
i
r
j
ij i j
z y
z y
n
n
r n
n y y
r n
S
2
1 1
2
2
/
2
/
σ
(4.53)
rezultă că , S S # S
2
z / y
2
x / y
2
y
+ dar relaŃia este valabilă pentru devianŃe:
.
2
z / y
2
x / y
2
y
∆ + ∆ = ∆

Testul F
Se aplică asupra dispersiilor corectate, fiind raportul dintre dispersia
sistematică şi cea reziduală:
F
calculat
=
2
/
2
/
z y
x y
S
S
(4.54)
F
calculat
> 1, dacă
2
/
2
/ z y x y
S S >
acest raport putând fi: F
calculat
< 1, dacă
2
/
2
/ z y x y
S S <
F
calculat
= 1, dacă
2
/
2
/ z y x y
S S =

Practic, acest F
calculat
se compară cu un F
teoretic
, prezentat în tabele
speciale, depinzând de gradele de libertate respective n
x
şi n
z
, luate în
consideraŃie la calculul dispersiilor şi de probabilitatea cu care se
garantează apariŃia rezultatelor.

f
1
(v
1
) / n
x
= r – 1
F
teoretic
:
f
2
(v
2
) / n
z
= n - r

Valorile lui F
teoretic
se vor lua din Anexa 3 pentru repartiŃia F
corespunzător unui nivel de semnificaŃie.
Dacă F
calculat
> >> > F
teoretic
, caracteristica x
i
constituie un factor determinant
pentru caracteristica y
j
, adică între cele două variabile există o legătură
statistică semnificativă ce poate fi cuantificată.

118
Dacă F
calculat
< F
teoretic
, cele două variabile sunt necorelate sau
independente.

EXEMPLU: Folosim distribuŃia studenŃilor după sex şi vârstă din
tabelul 4.7. De asemenea, mai folosim tabelele 4.8 şi 4.9, unde devianŃele
reziduale vor fi:
2
/ z y
∆ = 66,2 şi
2
/ z y
∆ = 57,6. Din tabelul 4.11 vom lua
devianŃa sistematică
2
/ x y
∆ = 15.
F
calculat
= =


÷


=
r n r S
S
z y x y
z y
x y
2
/
2
/
2
/
2
/
1

( )
( )
39 , 3
2 30
6 , 57 2 , 66
1 2
15
1
2
2
0
=

+
÷

=

(
¸
(

¸


÷


=
∑ ∑

r n
n y y
r
n y y
i j
ij i j
i i


f
1
= r – 1 = 1
F
teoretic
: , pentru α = 0,05 rezultă F
teoretic
= 4,2.
f
2
= n – r = 28

F
calculat
< F
teoretic
, 3,39 < 4,2 deci sexul nu influenŃează semnificativ
vârsta, acestea fiind independente din punct de vedere statistic.

4.4. Media şi dispersia unei variabile alternative
În cercetarea statistică a fenomenelor social-economice se întâlnesc
caracteristici ale căror variante nu se exprimă numeric (cantitativ), ci prin
cuvinte (calitativ) şi nu admit decât una dintre alternative. În cazul în care
caracteristica urmărită este alternativă, unităŃile colectivităŃii se împart în
două grupe:
– o grupă care cuprinde acele unităŃi la care se înregistrează forma
directă de manifestare a caracteristicii;
– o altă grupă la care se înregistrează opusul formei de manifestare a
caracteristicii.
EXEMPLU: Starea unei piese poate fi bună sau rebut; situaŃia unui
student după un examen poate fi promovat sau nepromovat. De menŃionat
că orice caracteristică numerică nealternativă se poate transforma într-o

119
caracteristică alternativă, prin raportarea la un anumit prag, care poate fi
media. Astfel, unităŃile colectivităŃii se vor separa în două grupe:
– unităŃi cu un nivel de dezvoltare mai mic decât media;
– unităŃi cu un nivel de dezvoltare mai mare decât media.
Pentru caracterizarea statistică a variabilelor alternative este necesară o
cuantificare a valorilor. Pentru exprimarea lor cantitativă se folosesc
următoarele valori convenŃionale:
• pentru DA, x
1
= 1;
• pentru NU, x
2
= 0.
Numărul de unităŃi (frecvenŃele) din cele două grupe este diferit, iar
distribuŃia lor este prezentată în tabelul 4.13.
Tabelul 4.13
Răspunsul
înregistrat
Valorile
caracteristicii
FrecvenŃe
absolute
FrecvenŃe
relative
DA x
1
= 1 M p = M / N
NU x
2
= 0 N – M q = (N – M)/N = 1 - p
Total N = ∑n
i
p + q = 1

unde: N = numărul total al unităŃilor colectivităŃii studiate;
M = numărul unităŃilor care posedă caracteristica;
N – M = numărul unităŃilor care nu posedă caracteristica.

Media caracteristicii alternative (p) se va calcula aplicând relaŃia
mediei aritmetice ponderate, astfel:

N
M
p p
N
M
N
) M N ( 0 M 1
n
n x
x
i
i i
= ⇒ = =
− ⋅ + ⋅
= =


(4.55)

OBSERVAłII!
• Media caracteristicii alternative este chiar frecvenŃa relativă
corespunzătoare răspunsurilor afirmative.
• Media caracteristicii alternative poate fi considerată mărime relativă
de structură, greutate specifică sau pondere şi probabilitate de apari-
Ńie a cazurilor favorabile.
• Aceste observaŃii sunt valabile şi pentru q, media răspunsurilor
neafirmative.

120
Dispersia caracteristicii alternative (
2
p
σ ) se obŃine pornind de la
relaŃia de calcul obişnuit al dispersiei:
( )
( )
=
− − + −
=

=


N
M N p M p
n
n x x
i
i i
p
) ( ) 0 ( 1
2
2
2
2
σ
( )
( )( ) ( ) q p p p p p p p
N
M N p
N
M p
⋅ = − = + − − =

+

= 1 1 1
) ( 1
2
2


( ) q p p p
p
⋅ = − = 1
2
σ (4.56)

OBSERVAłIE! Dispersia caracteristicii alternative este egală cu
produsul celor două frecvenŃe relative.
Abaterea medie pătratică (
p
σ ) se determină clasic, prin extragerea
rădăcinii pătrate din dispersie:
( ) q p p p
p p
⋅ = − = = 1
2
σ σ (4.57)
Aceşti indicatori sunt folosiŃi pe scară largă în cercetări selective şi în
controlul calităŃii produselor.
Dispersia şi abaterea medie pătratică a caracteristicii alternative prezintă
anumite particularităŃi:
• dispersia poate lua valori numai în intervalul , 25 , 0 0
2
p
≤ σ ≤ iar
abaterea medie pătratică ia valori numai în intervalul ; 5 , 0 0
p
≤ σ ≤
• când p < q şi p creşte uniform în cadrul intervalului 0 < p < 0,5, atât
abaterea medie pătratică, cât şi dispersia înregistrează o creştere mai rapidă
la început şi mai lentă către limita superioară;
• când p = q dispersia şi abaterea standard ating valori maxime
25 , 0
2
=
p
σ şi ; 5 , 0
p
= σ
• dacă p > q şi p continuă să crească în cadrul intervalului 0,5 < p < 1
atât abaterea standard, cât şi dispersia înregistrează o scădere în acelaşi ritm
în care a avut loc şi creşterea.

121
EXEMPLU: Pentru determinarea calităŃii produselor unei firme de
rulmenŃi, s-au examinat un număr de 300 de piese, din care 270 au fost
considerate bune. Se cere:
a. Procentul mediu de piese bune:
Dacă N = 300 şi M = 270

% 90 100
300
270
= ⋅ = =
N
M
p

b. Procentul mediu de piese rebut:
% 10 100
300
270 300
= ⋅

=

=
N
M N
q

c. VariaŃia colectivităŃii:
900 % 10 % 90
2
= ⋅ = ⋅ = q p
p
σ
d. Coeficientul de variaŃie:
% 35 % 3 , 33 100
90
900
100 < ⇒ = ⋅ = ⋅ = V
p
v
p
σ


4.5. Asimetria
În analiza distribuŃiilor statistice unidimensionale şi unimodale, un
interes deosebit îl prezintă cunoaşterea formei distribuŃiei.
Seriile de repartiŃie de frecvenŃă empirice (cele obŃinute în urma
prelucrării primare a informaŃiilor) se pot compara cu repartiŃiile teoretice,
pentru care s-au calculat parametrii (medie, dispersie etc.) şi este cunoscută
forma lor de repartiŃie. Cea mai frecventă repartiŃie teoretică către care tind
seriile empirice este distribuŃia normală, sau funcŃia Gauss-Laplace, ale
cărei frecvenŃe se distribuie simetric de o parte şi de alta a frecvenŃei
maxime plasată în centrul seriei, iar graficul are forma de clopot, în raport
cu ordonata maximă.

Asimetria, ca noŃiune, se referă la felul în care frecvenŃele unei
distribuŃii empirice se abat de la curba normală a frecvenŃelor.

Sunt cunoscute distribuŃii empirice:
– uşor asimetrice;
– pronunŃat asimetrice.
Forma asimetriei se poate stabili grafic cu ajutorul histogramei sau
poligonul frecvenŃelor.

122
Într-o distribuŃie simetrică, cele 3 valori ale tendinŃei centrale: modul
(Mo), mediana (Me) şi media ( x ) se confundă, ca în figura 4.7.


j
n







j
x
Me = Mo = x
Figura 4.7. RepartiŃia simetrică a frecvenŃelor

O repartiŃie uşor asimetrică prezintă o deplasare mai mare sau mai
mică într-o parte şi alta faŃă de tendinŃa centrală (exprimată prin Me,
Mo, x ) ca în figura 4.8 şi 4.9:


j
n
j
n
Mo Me x
j
x x Me Mo
j
x
Mo < Me < x x < Me < Mo
(etalarea frecvenŃelor spre stânga) (etalarea frecvenŃelor spre dreapta)

Figura 4.8. RepartiŃia oblică Figura 4.9. RepartiŃia oblică
spre stânga spre dreapta




123
Seriile pronunŃat asimetrice pot fi:
• în formă de „J”, atunci când frecvenŃele de grupare îşi ating
maximul la un capăt sau altul al intervalului de variaŃie:
• în formă de „U”, atunci când frecvenŃele maxime sunt la capătul
intervalului, iar cele minime în centrul intervalului;
• sau repartiŃii complexe, formate din suprapunerea mai multor tipuri de
repartiŃii (una în formă de „J” şi două repartiŃii moderat asimetrice).
Reprezentarea grafică oferă o imagine asupra asimetriei, dar gradul de
asimetrie se măsoară cu ajutorul unor indicatori specifici:
– indicatori de asimetrie ai lui Pearson;
– coeficienŃii de asimetrie interquartilici şi interdecilici.
Coeficientul de asimetrie Pearson (Cas) se bazează pe asimetria
absolută (As), calculată ca diferenŃă între media aritmetică şi modul:
Mo X As − =
As arată cât de mare este abaterea dintre cei doi indicatori.
Coeficientul de asimetrie (Cas) se află ca raport între asimetria
absolută (As) şi abaterea medie pătratică (σ ):

σ σ
Mo X As
Cas

= = (4.58)
OBSERVAłIE!
• Cas are o valoare abstractă şi arată mărimea şi felul asimetriei.
• Cas ia valori în intervalul [-1; +1].
• Dacă: Cas = 0 : seria este simetrică;
Cas → 0 : asimetria seriei este mică;
Cas → ±1: asimetria este pronunŃată;
Cas > 0: asimetrie la stânga;
Cas < 0: asimetrie la dreapta;
• Cas se foloseşte numai pentru distribuŃii uşor asimetrice;
• Pentru un Cas cuprins în intervalul (-0,3; +0,3) se poate calcula şi
cel de-al doilea coeficient de asimetrie a lui Pearson:

( )
σ
Me X
as C

=

3
(4.59)
Acest as C

ia valori cuprinse între [-3; +3]; as C

dacă →0: asimetria
este mai redusă.

124
CoeficienŃi de asimetrie interquartilici şi interdecilici
• Coeficientul Yule (Cas
1
) măsoară asimetria în funcŃie de poziŃia
quartilelor. Se calculează cu relaŃia:
( ) ( )
( ) ( )
1 3
1 3
1
Q Me Me Q
Q Me Me Q
Cas
− + −
− − −
= (4.60)
OBSERVAłIE!
• Cas
1
ia valori în intervalul [-1; +1].
• Interpretarea lui este identică cu cea a coeficientului de asimetrie
Pearson.
• Coeficientul Bowley (Cas
2
) măsoară asimetria în funcŃie de poziŃia
decilelor. Se calculează cu relaŃia:
( ) ( )
( ) ( )
1 9
1 9
1
D Me Me D
D Me Me D
Cas
− + −
− − −
= (4.61)
OBSERVAłIE! Cas
2
ia valori în intervalul [-1; +1], iar interpretarea lui
este similară cu cea a coeficientului de asimetrie Pearson.
EXEMPLU: Pe baza distribuŃiei agenŃilor economici, după mărimea
profitului, analizaŃi asimetria seriei statistice.
Tabelul 4.14. DistribuŃia agenŃilor economici după profit
AgenŃi economici
după mărimea
profitului
(mii lei)
Nr. agenŃi
economici
n
i
x
i

h
a x
i


i
i
n
h
a x
|
|
¹
|

\
| −

i
2
i
n
h
a x
|
|
¹
|

\
| −

20-30 5 25 -3 -15 45
30-40 14 35 -2 -28 56
40-50 18 45 -1 -18 18
50-60 30 55 0 0 0
60-70 15 65 1 15 15
70-80 12 75 2 24 48
80-90 6 85 3 18 54
TOTAL 100 -4 236
unde: h = 10; a = 55

Reprezentarea grafică a asimetriei s-a efectuat cu poligonul
frecvenŃelor (conform figurii 4.10).


125
DistribuŃia agenŃilor economici după mărimea profitului economic
Figura 4.10. Poligonul frecvenŃelor

Din grafic se pate observa o uşoară asimetrie pozitivă în funcŃie
de valorile medii ale seriei: x = 54,6; M
e
= 54,5; M
0
= 54,44.
Atunci: x M M
e 0
〈 〈 , ceea ce determină un coeficient de asimetrie
pozitiv Cas

> 0.
Pe baza tabelului 4.14 vom determina coeficientul de asimetrie
Pearson, astfel:
6 , 54 55 10
100
4
a h
i
n
i
n
h
a
i
x
x = + ⋅

= + ⋅



=
|
|
¹
|

\
|

( ) ( ) 84 , 235 55 6 , 54 100
100
236
a x h
n
n
h
a x
2
2
2
i
i
2
i
2
= − − ⋅ = − − ⋅
|
¹
|

\
|

= σ


35 , 15 84 , 235
2
= = σ = σ ; M
0
∈ (50 – 60)
Y

33

29

25

21

17

13

9

5
25 35 45 55 65 75 85
x
Ox: 1 cm = 10 u.m.
Oy: 1 cm = 4

K
oy
= (30-5)/7 ≈ 4
Mo Me x

126
( )
( ) ( )
44 , 54
15 30 18 30
18 30
10 50 h x M
2 1
1
0 0
=
− + −

+ =
∆ + ∆

+ =
0104 , 0
35 , 15
44 , 54 6 , 54 M x
Cas
0
=

=
σ

=

OBSERVAłIE! Ceea ce s-a constatat pe grafic, s-a obŃinut şi prin
Cas = 0,0104, o uşoară asimetrie pozitivă.

CONCEPTE-CHEIE: tendinŃă centrală; indicatorii medii; media
distribuŃiei statistice; media aritmetică ( X); media armonică (
h
X ); media
pătratică (
p
X ); media geometrică (
g
X ); indicatorii de poziŃie; modul
(Mo); cuantile de ordinul K: (mediana (Me), quartilele (Q), decilele (D);
indicatorii de variaŃie (simpli şi sintetici); regula de adunare a dispersiilor;
testul F; caracteristica alternativă (media, dispersia); asimetria.

ÎNTREBĂRI DE AUTOEVALUARE

1. Cu ce indicatori caracterizăm tendinŃa centrală?
2. În ce situaŃii tendinŃa centrală este mai corect generalizată de: media
aritmetică, media armonică, media pătratică, media geometrică?
3. Care sunt dezavantajele mediei în caracterizarea tendinŃei centrale?
4. Cum se determină media variabilei alternative?
5. Care sunt proprietăŃile mediei aritmetice?
6. Când nu are sens determinarea mediei aritmetice?
7. O medie calculată dintr-un şir de valori individuale este reprezentativă
dacă:
a) s-au utilizat frecvenŃele absolute de apariŃie a valorilor individuale;
b) şirul de valori individuale este omogen;
c) coeficientul de asimetrie ia valori în intervalul [-1];
d) şirul de valori este structurat pe intervale de grupare egale;
e) s-a utilizat media aritmetică.
8. Media armonică se defineşte ca:
a) media aritmetică, calculată din inversele valorilor individuale
înregistrate;
b) valoarea inversă a mediei aritmetice, calculată din inversele pătratelor
valorilor individuale înregistrate;

127
c) valoarea inversă a mediei aritmetice, calculată din inversele valorilor
individuale;
d) valoarea care, dacă ar înlocui termenii seriei, nu ar modifica suma lor.
9. Ce sunt cuantilele? DefiniŃia şi modul de calcul a cuantilelor de ordinul 2
şi 4.
10. Care este semnificaŃia valorii modale? Când şi cum se calculează
aceasta?
11. O serie de distribuŃie de frecvenŃe poate avea mai multe moduri? Dacă
da, cum se continuă analiza?
12. Când se recomandă folosirea medianei (Me) ca o alternativă la media
aritmetică?
13. Care din următoarele afirmaŃii nu este adevărată pentru o serie statistică:
a) între quartila 1 şi quartila 3 se găsesc 50% din observaŃii, situate în
centrul distribuŃiei;
b) valoarea Q
2
este egală cu mediana, doar pentru o serie simetrică;
c) valoarea Me este întotdeauna egală cu valoarea Q
2
;
d) pentru o serie simetrică, abaterea interquartilică este nulă;
e) pentru o serie simetrică, abaterea interquartilică cuprinde 25% din
observaŃii.
14. Expresia sintetizării valorilor individuale ale unei variabile statistice
într-un singur nivel reprezentativ, în apariŃia şi manifestarea feno-
menelor de masă este dată de:
a) mediană;
b) medială;
c) valoarea medie;
d) coeficientul de variaŃie;
e) mărimea relativă de intensitate.
15. Care este cel mai potrivit indicator pentru caracterizarea variaŃiei unei
caracteristici statistice?
16. Când se utilizează amplitudinea absolută a variaŃiei?
17. Când se recomandă folosirea abaterii medii liniare?
18. Care sunt principalele caracteristici ale indicatorului abatere medie
absolută?
19. Ce probleme de cunoaştere statistică rezolvă analiza variaŃiei valorilor
individuale de la tendinŃa centrală?
20. Care sunt avantajele diferitelor modalităŃi de calcul a dispersiei?
21. Care sunt proprietăŃile dispersiei şi utilizarea lor practică?
22. Ce relaŃie este între abaterea medie liniară şi abaterea medie pătratică în
cazul unei distribuŃii normale?
23. Când se recomandă folosirea abaterii medii pătratice?


128

24. Dispersia este invers proporŃională cu:
a) volumul eşantionului;
b) abaterea standard;
c) coeficientul de asimetrie.
25. Coeficientul de variaŃie arată:
a) de câte ori este mai mare σ faŃă de ; x
b) cu câte procente este depăşită limita de omogenitate admisă;
c) cu cât este mai mare σ faŃă de ; x
d) de câte ori se cuprinde σ în ; x
e) câte procente din σ reprezintă . x
26. Care sunt indicatorii ce analizează concentrarea valorilor individuale şi
fac analiza formelor în care se distribuie aceste valori?
27. Care este regula de adunare a dispersiilor?
28. Ce semnificaŃie are dispersia dintre grupe?
29. Ce reprezintă media dispersiilor de grupă? Dar dispersia totală?
30. Ce indicatori putem calcula pe baza regulii de adunare a dispersiilor?
31. Ce verificăm cu ajutorul testului F?
32. Cum se calculează şi ce semnificaŃie au media şi dispersia
caracteristicii alternative?
33. Ce se înŃelege prin asimetrie?
34. Când este o serie perfect simetrică? Dar asimetrică?
35. Cum se calculează şi se interpretează coeficienŃii de asimetrie propuşi
de Pearson?
36. Coeficientul de asimetrie Pearson se află în relaŃie de inversă
proporŃionalitate cu:
a) abaterea standard;
b) abaterea standard şi valoarea modală;
c) dispersia şi valoarea modală;
d) media aritmetică;
e) mediana.
37. Ce alŃi coeficienŃi de asimetrie mai cunoaşteŃi?
38. Ce verificări se pot face cu testul χ
2
?
39. Ce indici numerici ai concentrării puteŃi enumera? Cum se calculează şi
se interpretează aceşti indici?

129


5. SONDAJUL STATISTIC ŞI TESTAREA IPOTEZELOR
PENTRU FUNDAMENTAREA DECIZIILOR ECONOMICE





5.1. Necesitatea folosirii sondajului statistic
Sondajul statistic, ca metodă de obŃinere a datelor statistice, alături de
alte procedee (recensământ, rapoarte statistice, anchete etc.), este o variantă
aflată, în prezent, în plină expansiune. Într-o economie de piaŃă, sondajul
este o formă preponderentă de obŃinere a datelor statistice, datorită
operativităŃii şi economicităŃii obŃinerii acestora.
InformaŃia obŃinută pe baza datelor rezultate dintr-o cercetare parŃială,
respectiv a unui eşantion din colectivitatea totală, face obiectul statisticii
inferenŃiale.
Statistica inferenŃială se referă la cunoaşterea statistică indirectă a
unei colectivităŃi, se bazează pe inducŃia statistică – procedeu al cunoaşterii
ce pleacă de la particular la general – şi este fundamentată pe legea
numerelor mari, principiile teoriei probabilităŃilor şi statisticii matematice.

Sondajul statistic este o procedură prin care se caracterizează o
populaŃie, în baza cercetării unei părŃi a acesteia, deci a unui eşantion
prelevat din populaŃia de origine (colectivitatea totală).

Rezultatele obŃinute pe baza sondajului se extrapolează la
dimensiunea întregii populaŃii. Extinderea rezultatelor de la parte la întreg
nu are caracter determinist, ci probabilist, fiind supuse unui risc de a fi
eronate.
Avantajele cercetării prin sondaj pot fi următoarele:
• când colectivitatea totală este foarte mare, iar cercetarea ei
exhaustivă ar necesita un volum mare de cheltuieli materiale şi de muncă,
atunci este avantajos să se recurgă la sondaj;
130
• programul observărilor prin sondaj cuprinde, de regulă, un număr
mai mare de caracteristici decât programul observării totale, ceea ce
permite o caracterizare mai aprofundată a fenomenelor studiate;
• în cazul controlului de calitate executat prin distrugerea produsului
respectiv, sondajul este singura cercetare posibilă;
• evaluarea rezervelor subterane de petrol, gaze naturale, cărbune etc.
nu este posibilă decât pe baza unui sondaj statistic;
• sondajul poate fi folosit cu bune rezultate în verificarea progra-
mului unei observări totale, cât şi la verificarea ipotezelor statistice.

Prin sintetizarea avantajelor prezentate de sondaj putem obŃine următoa-
rele elemente care ar recomanda sondajul:
– COSTUL. Costul poate fi mai mic datorită faptului că sondajul
presupune cercetarea unei părŃi a colectivităŃii totale, numite eşantion.
Datele obŃinute pot caracteriza suficient de bine populaŃia de referinŃă.
– RAPIDITATEA. Cercetătorul are de-a face cu un eşantion, ceea ce îi va
reduce timpul necesar pregătirii observării, timpul de culegere al datelor,
cât şi timpul de prelucrare al datelor.
– EXACTITATEA CERCETĂRII. Eşantionul folosit este verificat dacă este
reprezentativ (eroarea de sondaj ≤ 5%). De asemenea, utilizarea în procesul
de culegere a datelor a unor persoane pregătite, cât şi organizarea unor
sondaje de probă şi a unor controale în teren.
– CERINłE SPECIALE. Există domenii în care sondajul nu poate fi folosit
(EXEMPLU = controlul calităŃii unui lot de produse, care presupune
distrugerea totală sau parŃială a produselor).

NoŃiuni specifice sondajului statistic
Scopul sondajului statistic îl constituie estimarea parametrilor colecti-
vităŃii totale pe baza informaŃiilor culese şi prelucrate statistic, folosind
principiile teoriei probabilităŃilor. Astfel, în cercetarea selectivă se parcurg
două etape:
– prima etapă, denumită descrierea statistică, constă în culegerea şi
prelucrarea informaŃiilor referitoare la eşantion, respectiv calculul
indicatorilor care-l definesc (media, dispersia etc.);
– a doua etapă este denumită inferenŃă statistică sau extinderea
indicatorilor eşantionului asupra colectivităŃii generale în scopul
caracterizării complete a colectivităŃii totale.
131
Cercetarea prin sondaj necesită folosirea unor indicatori perechi, ca de
pildă:

Colectivitatea totală, denumită şi colectivitate generală sau
populaŃie, cuprinde totalitatea unităŃilor simple şi complexe care formează
fenomenul supus cercetării.

Ansamblul unităŃilor, ce formează colectivitatea totală, formează
volumul colectivităŃii şi se notează cu:
– „N” în cazul unităŃilor simple;
– „R” pentru unităŃile complexe;
– „M” pentru unităŃile ce posedă caracteristica, în cazul
variabilelor alternative.

• Colectivitatea de selecŃie, numită şi eşantion (probă, mostră), este
colectivitatea parŃială extrasă din colectivitatea totală în scopul observării
şi generalizării rezultatelor obŃinute prin prelucrare asupra întregului
ansamblu.

Volumul eşantionului se notează cu:
– „n” pentru unităŃi simple;
– „r” pentru unităŃi complexe;
– „m” pentru unităŃile ce posedă caracteristica, în cazul
variabilelor alternative.
OBSERVAłIE! Dintr-o colectivitate totală pot fi extrase mai multe
eşantioane, care să difere între ele atât ca volum, cât şi ca structură.
Astfel, indicatorii statistici cu care caracterizăm eşantionul pot fi
consideraŃi de forma unor variabile aleatoare pentru care se pot stabili dis-
tribuŃii de frecvenŃe corespunzătoare, spre deosebire de media şi dispersia
colectivităŃii totale studiate care nu pot lua decât o singură valoare.

Tabelul 5.1. Simboluri de bază folosite în sondaj
Media caracteristicii Dispersia caracteristicii
Indicatori
din:
Nr. de
unităŃi
Nume-
rică
Alter-
nativă
Nume-
rică
Alternativă
PopulaŃia
generală
N
0
X
P
2
0
σ
( ) p p
p
− = 1
2
σ

Eşantion n
X
W
2
x
σ

( ) w w
w
− = 1
2
σ


132

5.2. Erorile de sondaj
Folosirea cu succes a sondajului depinde de asigurarea reprezentati-
vităŃii, de aceasta depinzând valoarea rezultatelor obŃinute în urma
cercetării prin sondaj.

Un eşantion este considerat reprezentativ atunci când reproduce, în
structura sa, aceeaşi structură pe care o prezintă şi colectivitatea generală.

Asigurarea reprezentativităŃii presupune respectarea următoarelor
condiŃii:
– includerea în eşantion a unităŃilor, în mod obiectiv, fără
preferinŃe, fiecare unitate fiind extrasă după principiul hazardului, cu o
probabilitate calculabilă şi diferită de zero;
– eşantionul stabilit să fie suficient de mare încât să permită reda-
rea trăsăturilor esenŃiale ale populaŃiei totale şi obŃinerea unor indicatori cu
un grad mare de stabilitate;
– includerea fiecărei unităŃi în eşantion trebuie să se facă
independent de alte unităŃi.
Principala clasă a erorilor de sondaj sunt erorile de reprezentativitate,
care pot fi:
• Erori de reprezentativitate sistematice, ce pot fi evitate dacă se
respectă principiile teoriei selecŃiei prin înlăturarea cauzelor ce duc la
producerea lor;
• Erori întâmplătoare de reprezentativitate, care îşi au sursa în însuşi
natura sondajului ca cercetare parŃială, erori ce nu pot fi eliminate, dar pot fi
predimensionate, astfel distorsiunile de apreciere realizate prin cercetarea unui
eşantion pot fi prevăzute statistic.
Măsurarea erorii de reprezentativitate se poate efectua:
• Absolut, ca dimensiune a deplasării parametrului de sondaj ( x ) de
la mărirea adevărată a parametrului în populaŃia totală (
0
x ), respectiv:
0
x x d
x
− = (5.1)
• Relativ, caz în care se poate stabili coeficientul de
reprezentativitate (
% x
d ) calculat ca raport între eroarea efectivă de
reprezentativitate
x
d şi media colectivităŃii generale (
0
x ):
133
% 5 100
0
0
0
%


= =
x
x x
x
d
d
i
x
x
(5.2)
Dacă
% x
d ≤ 5% ne permite să apreciem că sondajul este reprezentativ
şi oferă o imagine aproximativ fidelă a realităŃii. Dimensionarea erorii de
sondaj este o problemă a proiectării unui sondaj şi Ńine de stabilirea unui
compromis acceptabil între nivelul erorii şi costul măririi eşantionului.
EXEMPLU: Verificarea gradului de reprezentativitate a unui eşantion,
pentru alegerea unei selecŃii corespunzătoare.
Tabelul 5.2. DistribuŃia salariaŃilor după salariul mediu
Grupe
salariaŃi
Număr salariaŃi
după
salariul
mediu
Colectivitate
generală
n
i

SelecŃia I
n
i1

Selec-
Ńia II
n
i2

x
i


x
i
n
i


x
i
n
i1


x
i
n
i2

2-5 20 2 7 3,5 70 7 24,5
5-7 120 12 12 5,5 660 66 66
7-9 280 35 48 7,5 2100 262,5 360
9-11 400 38 20 9,5 3800 361 190
11-13 100 8 7 11,5 1150 92 80,5
13-15 80 5 6 13,5 1080 67,5 81
Total 1000 100 100 8,860 856 802
86 , 8
1000
8860
0
= = =


i
i i
n
n x
x
56 , 8
100
856
1
1
1
= = =


i
i i
n
n x
x
02 , 8
100
802
2
2
2
= = =


i
i i
n
n x
x
I. % 39 , 3 100
86 , 8
86 , 8 56 , 8
100
0
0 1
%
= ⋅

= ⋅

=
x
x x
d
x

134
II. % 48 , 9 100
86 , 8
86 , 8 02 , 8
100
0
0 2
%
= ⋅

= ⋅

=
x
x x
d
x


Din selecŃiile alese, numai selecŃia I corespunde condiŃiei de
reprezentativitate :
% x
d = 3,3% ≤ 5%.

5.3. Procedee de selecŃie folosite în practica statistică
Practica statistică, după procedeul folosit în construirea eşantionului,
acceptă două categorii de sondaje:
– sondaje nealeatoare;
– sondaje aleatoare.

5.3.1. Sondaje nealeatoare
Metoda sondajului nealeator constă în alegerea acelor unităŃi din
eşantion, astfel încât să fie cât mai apropiate de caracteristicile esenŃiale
ale colectivităŃii generale din care s-au extras.

Astfel, eşantionul se formează după o manieră arbitrară, care are însă
la bază alegerea raŃională a unităŃilor, dar nu se poate estima probabilitatea
ca un element să intre în eşantion. De aceea, nu este posibilă estimarea
variantei şi nici intervalul de încredere pentru colectivitatea generală.
În acest tip de sondaj, singurul mod de a evalua calitatea datelor de
anchetă este de a compara rezultatele metodei cu datele reale ale colecti-
vităŃii observate. Cu cât rezultatele obŃinute sunt mai apropiate de datele
reale, cu atât această metodă va fi mai utilă în cercetarea statistică. Astfel,
dacă populaŃia de referinŃă este omogenă atunci metodele neprobabiliste
pot oferi rezultate acceptabile.
OBSERVAłII!
• metodele nealeatoare sunt mai puŃin costisitoare şi mult mai practice;
• în comparaŃie cu metodele aleatoare sunt mai puŃin exacte.
Dintre metodele neprobabiliste putem aminti:
• Eşantionarea la întâmplare;
• Eşantioane de voluntari;
• Eşantioane dirijate;
• Eşantionarea prin metoda cotelor.
135
Eşantioane la întâmplare
ConstrucŃia eşantionului este făcută la întâmplare, de aceea
asigurarea reprezentativităŃii eşantionului este puternic afectată de intuiŃia
operatorilor de anchetă. Dacă operatorii de anchetă respectă câteva condiŃii
minime pentru asigurarea caracterului „aleator” în construcŃia eşantionului
rezultatele obŃinute sunt suficient de reprezentative.
EXEMPLE:
• Sondajul de opinie publică pe o problemă de actualitate.
• Sondaje de opinie pe probleme ecologice.
OBSERVAłII!
• această metodă este utilă atunci când colectivitatea generală din
care se extrage eşantionul este omogenă.
• în restul cazurilor metoda trebuie luată cu precauŃie ca fiind corectă,
mai ales că este puternic influenŃată de operatorii ce culeg datele.

Eşantioane de voluntari
În cadrul acestei metode eşantionul se formează pe baza opŃiunii
voluntare a persoanelor de a face parte din eşantion. Din această cauză
trebuie să avem în vedere durata mare de formare a acestor eşantioane care
necesită şi o exigenŃă deosebită.
REMARCĂ!
• Această formă de eşantionare este folosită cu succes în studiile de
marketing (lansarea unui anumit produs nou).
• Cercetarea medicală şi psihologia folosesc acest tip de eşantionare:
– în tratarea unei boli;
– în urmărirea efectelor introducerii unui nou medicament.

Eşantioane dirijate
Formarea eşantionului se face de către persoanele care culeg datele
în funcŃie de anumite considerente asupra compoziŃiei colectivităŃii de
referinŃă.
Deoarece alegerea unităŃilor ce vor intra în eşantion este făcută de un
operator, el poate face şi alegeri subiective, care pot provoca distorsiuni sau
deplasări semnificative ale indicatorilor calculaŃi de la valorile colectivităŃii
studiate.
Atunci când acest tip de selecŃie trebuie folosit, se va face o analiză
amănunŃită din punct de vedere calitativ a colectivităŃii generale, iar în
formarea eşantionului se vor avea în vedere aceste informaŃii cu precădere.
136
REMARCĂ!
• Acest tip de selecŃie se foloseşte în studiile preliminare asupra unui
fenomen.
• Alegerea dirijată a unităŃilor eşantionului determină costuri reduse,
precum şi un mare grad de operativitate.
• Nu se va folosi în practică în situaŃiile în care se cere o mare rigoare
ştiinŃifică.

Eşantionarea pe cote
Presupune formarea unui eşantion care să respecte compoziŃia pe
straturi a colectivităŃii generale. Astfel, acest tip de sondaj se face atunci
când se cunosc proprietăŃile indivizilor pe straturi, într-o colectivitate care a
fost stratificată după un criteriu prestabilit. Anchetatorul va alege din
fiecare strat unităŃile pe care le consideră reprezentative.
Apropierea acestui tip de sondaj de sondajul aleator se realizează în
măsura în care frecvenŃele relative, definite în cadrul colectivităŃii generale
pentru anumite variabile, pot fi interpretate ca probabilităŃi. Acest lucru
poate fi realizat dacă colectivitatea generală este suficient de mare pentru a
da posibilitatea aplicării legii numerelor mari.
REMARCĂ!
• Această metodă, bazată pe o alegerea raŃională a unităŃilor în
eşantion, dă rezultate suficient de bune în studiile de piaŃă, în sondajele de
opinie la nivel naŃional.
• Metoda pe cote este, în general, mai puŃin costisitoare decât o
metodă aleatoare, datorită desfăşurării ei.
• Este o metodă practică şi asigură o culegere rapidă a informaŃiilor
necesare studiului.
• În această metodă însă calitatea datelor depinde decisiv de
priceperea anchetatorului. De aceea, nu se pot evalua erorile de eşantionare,
neputând calcula precizia estimărilor, plecând de la rezultatele obŃinute
asupra eşantionului. Anchetatorul, din dorinŃa de a alege unităŃile cele mai
reprezentative, alege intenŃionat valori apropiate de medie, dar îi scapă
tocmai elementele externe care caracterizează dispersia colectivităŃii.
Astfel, acest eşantion ales raŃional va spune ceva mai mult despre medie şi
prea puŃin despre dispersia colectivităŃii.
Atunci această metodă se poate folosi cu succes în cercetările în care
se cere operativitate şi nu o înaltă precizie a rezultatelor obŃinute.
137
EXEMPLU: Se organizează o anchetă statistică la nivel naŃional
privind introducerea pe piaŃă a unor noi produse cosmetice. Pentru studiul
nostru vom lua un eşantion format din 3000 de persoane. În analiză se pot
introduce mai multe variabile în funcŃie de scopul studiului: sexul, vârsta,
categoria socio-profesională etc. În exemplul nostru vom lua doar sexul ca
variabilă (conform tabelului 5.3 şi tabelului 5.4).

Tabelul 5.3. Repartizarea populaŃiei României cu vârstă peste 18 ani, după sex
PopulaŃia după sex Număr persoane Structura populaŃiei %
Femei 10.600.000 54,22
BărbaŃi 8.950.000 45,78
Total 19.550.000 100,00

Tabelul 5.4. Cote relative la populaŃia generală pentru eşantionul
de 3000 de persoane
PopulaŃia după sex Număr de persoane
Femei 1.627
BărbaŃi 1.373
Total 3000

5.3.2. Sondaje aleatoare
Principiul alegerii aleatoare (probabiliste) presupune extragerea
unităŃilor eşantionului din colectivitatea generală în mod aleator, cu o
probabilitate egală şi nenulă, cunoscută a priori.

Prin utilizarea acestei metode în generarea unui eşantion, eroarea de
eşantionare este, în general, mai mică decât în sondajele nealeatoare.
Procedee de eşantionare
În eşantionarea aleatoare, după modul de extragere a unităŃilor
eşantionului se disting următoarele procedee:
• eşantionarea aleatoare repetată;
• eşantionarea aleatoare nerepetată;
• eşantionarea aleatoare mecanică.
Eşantionarea aleatoare repetată – se realizează atunci când o unitate
extrasă se restituie colectivităŃii de origine. Volumul colectivităŃii generale
138
(N) va rămâne neschimbat pe toată perioada iteraŃiei, astfel că fiecare
unitate extrasă va avea aceeaşi probabilitate de includere (1/N) în eşantion.
Eşantionarea aleatoare nerepetată – se realizează atunci când uni-
tăŃile extrase din colectivitatea generală nu mai sunt restituite acesteia. Astfel
că volumul colectivităŃii generale, la sfârşitul iteraŃiei, va fi (N-n), adică dife-
renŃa dintre volumul colectivităŃii generale (N) şi volumul eşantionului (n).
REMARCĂ!
Modelul teoretic al celor două variante de prelucrare este schema
urnei lui Bernoulli cu bila revenită şi cu bila nerevenită.
Eşantionarea aleatoare mecanică – presupune formarea eşantionului
pe baza unei progresii aritmetice, prin alegerea unui număr de la care să
pornească construirea progresiei şi prin stabilirea unui pas de numărare
(raŃia progresiei) prin relaŃia K = N/n.
Atunci, construirea eşantionului se face prin două elemente:
• pasul de numărare (K);
• punctul de plecare ales (x) din colectivitatea generală.
Practic, selecŃiile aleatoare se pot realiza prin mai multe procedee
dintre care amintim:
• procedeul „loteriei”;
• procedeul tabelului cu numere aleatoare;
• procedeul mecanic.
Procedeul „loteriei”. Acesta presupune extragerea dintr-o urnă a
unor bile, discuri, bilete, reprezentând fiecare o unitate a colectivităŃii.
Extragerea din urnă se face în două variante:
a) procedeul bilei revenite, în care probabilitatea de includere în
eşantion a fiecărei unităŃi este constantă (p = 1/N) tot timpul cât durează
operaŃia de construire a eşantionului. La sfârşit, în urnă rămân (N-1) unităŃi;
b) procedeul bilei nerevenite, în care bila, odată extrasă, nu se mai
întoarce în urnă, mărind astfel şansa fiecărei unităŃi rămase în urnă de a intra
în eşantion. ProbabilităŃile sunt variabile şi cresc pe măsura formării eşantio-
nului: p
1
=1/N, p
2
=1/N-1,...., p
n
=1/N-(n-1). La sfârşit, în urnă rămân (N-n)
unităŃi.
Pentru că, în acest caz, este exclusă posibilitatea extragerii de mai
multe ori a aceleaşi unităŃi, erorile sunt mai mici, iar rezultatele obŃinute au
un grad de precizie mai ridicat.

139
OBSERVAłIE! Procedeul „Loteriei” se foloseşte când colectivitatea
generală cuprinde un număr mai mic de unităŃi, pentru care să se poată
asigura bile şi să se poată include în urnă.
Procedeul tabelului cu numere aleatoare. Acest procedeu poate
fi folosit numai pentru colectivităŃi restrânse. Tabelele cu numere aleatoare,
elaborate de Kendall Yates etc., au fost întocmite cu ajutorul unui dispozitiv
de amestecat numere. Pentru folosirea tabelului cu numere aleatoare este
necesară numerotarea unităŃilor colectivităŃii generale de la 1 la N şi apoi
extragerea celor „n” unităŃi ce formează eşantionul. Pentru formarea
eşantionului se va proceda astfel: se vor alege la întâmplare coloana şi
rândul din coloana respectivă cu care se va începe selecŃia. Apoi, de la
numărul respectiv începe selectarea unităŃilor (după anumite criterii) până
la formarea completă a eşantionului „n”.
Procedeul mecanic presupune ordonarea unităŃilor după o
caracteristică oarecare (ordine alfabetică, denumirea străzii etc.) prin care să
se asigure includerea, pe cât posibil întâmplătoare, a unităŃilor în eşantion.
Formarea eşantionului este precedată de stabilirea unui pas de numărare,
după care se va face includerea unităŃilor. Pasul de numărare, care trebuie
să fie un număr întreg, se calculează ca raport între volumul colectivităŃii
generale şi volumul colectivităŃii de selecŃie: k = N/n.
Prin calculul pasului de numărare se obŃine împărŃirea colectivităŃii
generale în grupe de volum egal.
Pentru constituirea eşantionului se procedează astfel: se selectează la
întâmplare (prin tragere la sorŃi) o unitate din prima grupă, la care se adaugă
succesiv pasul de numărare până la obŃinerea celor „n” unităŃi ale
eşantionului.
OBSERVAłIE! Constituirea eşantionului în selecŃia mecanică nu este
pe deplin aleatoare pentru că fiecare unitate selectată depinde de numărul
de ordine al celei precedente. De aceea, selecŃia mecanică este considerată
în literatura de specialitate o selecŃie cvasialeatoare. Totuşi ea este folosită
cu succes în statistica agricolă şi statistica nivelului de trai.

5.4. Tipuri de sondaje
5.4.1. Sondajul aleator simplu
Este varianta aleatoare elementară de sondaj, celelalte tipuri putând fi
înŃelese ca soluŃii obŃinute prin particularizarea unor elemente ale acestui tip
de sondaj.
140

Sondajul aleator simplu se aplică numai unor colectivităŃi cu un
grad mare de omogenitate, formate din unităŃi simple de observare şi în
care se urmăreşte variaŃia unei singure caracteristici de grupare.

În practică se operează asupra unor populaŃii finite, prelevând cele „n”
unităŃi din cele N ale populaŃiei şi înregistrând pentru fiecare unitate din
eşantion valoarea caracteristicii urmărite, pe baza cărora se calculează
media:
n
x
x
i ∑
=
Această medie va fi diferită (mai mult sau mai puŃin) faŃă de media
„adevărată”, dar necunoscută din populaŃia generală. Pentru o altă
eşantionare, unităŃile prelevate vor fi altele, astfel încât tot alta ar fi fost
media de sondaj al acestor valori.
Faptul că indicatorii de sondaj diferă de la un eşantion la altul
înseamnă că pot fi interpretaŃi ca variabile aleatoare. Astfel, în prelucrarea
datelor de sondaj se pot folosi procedee de tratare a datelor specifice
disciplinei de „probabilităŃi şi statistică matematică”.
EstimaŃiile obŃinute pe baza datelor de sondaj constituie evaluări
aproximative ale adevăratelor valori ale parametrilor necunoscuŃi din
populaŃia generală.
Rezultatele obŃinute prin sondaj sunt afectate de erori. Ce se obŃine
prin sondaj nu reprezintă valoarea exactă a parametrului căutat, ci un
„interval de încredere” care, cu o probabilitate fixată de cercetător, acoperă
valoarea adevărată, dar necunoscută a parametrilor din populaŃia generală.
Acest interval se numeşte interval de estimaŃie sau interval de încredere,
iar cele două limite ale intervalului
inf
θ şi
sup
θ se calculează pe baza
datelor sondajului, astfel încât cu o probabilitate P = 1– α să se
îndeplinească relaŃia: α θ θ θ − = < < 1 ) (
sup inf
P , unde:
– intervalul (
inf
θ ,
sup
θ ) reprezintă intervalul de încredere şi
defineşte precizia estimaŃiei;
– probabilitatea P = 1– α caracterizează siguranŃa afirmaŃiei şi se
numeşte nivel de încredere;
141
– α, fiind valoarea complementară a nivelului de încredere, se
numeşte prag sau nivel de semnificaŃie şi se fixează prin
programul de cercetare.

5.4.1.1. Indicatori ai sondajului aleator simplu
1. Eroarea medie de sondaj
a. Cazul sondajului repetat. Datele înregistrate în eşantion pot fi
considerate variabile aleatoare, iar folosind independenŃa valorilor
variabile, se calculează media de sondaj:
n
x
x
i ∑
=
Media de sondaj poate fi un estimator al mediei
0
x a colectivităŃii
generale, dacă se îndeplineşte condiŃia ca media de sondaj să fie egală cu
media generală ( )
0
x x M = . Se calculează dispersia mediei de sondaj:
( )
n
D
2
x
σ
=
În practică, cercetarea prin sondaj se foloseşte fie pentru a completa o
observare totală de mare amploare, fie ca singura posibilitate de carac-
terizare statistică a fenomenului respectiv. Astfel, cunoscând, de regulă,
numai media calculată pe baza datelor rezultate de la un singur eşantion,
pentru determinarea erorii medii de sondaj trebuie să se recurgă la relaŃia
care există între dispersia colectivităŃii de selecŃie (
2
x
σ ), eroarea medie de
sondaj (
x
µ ) şi volumul eşantionului (n).
În teorie, se demonstrează că, în cazul selecŃiei aleatoare repetate,
între cei doi indicatori există relaŃia:
2
x
σ =
x
µ * n , de unde:
n
x
x
2
σ
µ = (5.3)

b. Cazul sondajului nerepetat
În acest tip de sondaj, unităŃile sunt prelevate întâmplător din
populaŃia generală, o unitate astfel extrasă nu mai este restituită populaŃiei
de origine.
142
Dacă N este volumul populaŃiei generale, atunci P(X
1
= x
1
) = 1/N, iar
probabilitatea evenimentului X
2
= x
2
este condiŃionată de faptul că la prima
extragere a avut loc evenimentul X
1
= x
1
, iar unitatea extrasă nu mai revine
în populaŃia generală: P (X
2
= x
2
/ X
1
= x
1
) = 1/N-1. Astfel, abaterea
standard a mediei de sondaj ca măsurător al erorii medii de
reprezentativitate devine:
) 1 (
1 1
2 2 2
N
n
n N
n N
n N
n N
n
x x x
x
− ⋅ ≅


⋅ ≅


⋅ =
σ σ σ
µ (5.4)
OBSERVAłIE!
• În practică, dacă volumul colectivităŃii generale este foarte mare se
renunŃă la (-1) de la numitorul formulei şi coeficientul de corecŃie se
foloseşte astfel: ) 1 (
N
n
− .
• Coeficientul de corecŃie
N
n
− 1 este subunitar. Dacă în calculele
efective n/N < 0,2, de regulă factorul
N
n
− 1 nu se mai ia în considerare.
• Dacă volumul N al populaŃiei este ridicat, iar al sondajului „n” este
redus, atunci
1 −

N
n N
→1, astfel rezultatul estimării erorii medii de sondaj
coincide în ambele variante de sondaj.
• Dacă n = N, atunci
N
n
− 1 devine nul, căci cercetarea parŃială
s-a transformat într-o cercetare totală.
• Dacă „n”, volumul sondajului, creşte – precizia sporeşte cu
aproximativ n ori, şi în acelaşi raport se micşorează şi dispersia de
sondaj. Aceasta arată că sporirea volumului eşantionului nu se regăseşte
proporŃional în ridicarea preciziei sondajului. De aceea, în practică se
folosesc sondaje de volum mic.
• Eroarea medie de reprezentativitate pentru acest tip de sondaj este
mai mică decât în cazul celui cu revenire.
143
2. Eroarea limită (eroare maximă admisă sau probabilă –
x
∆ )
Eroarea limită maximă admisă defineşte siguranŃa estimării mediei
0
x
prin variabila de sondaj x şi se măsoară probabilist astfel:
x
x x ∆ < −
0

Mărimea
x
∆ caracterizează precizia estimării. Aprecierea satisfacerii
inegalităŃii se face ca o probabilitate de realizare:
α − = ∆ < − 1 ) (
0 x
x x P
Probabilitatea (1– α) se alege de către cercetător, în funcŃie de nivelul
de siguranŃă urmărit în estimare.
Eroarea limită se determină pornind de la variabila:
x
x
n
x x
Z
µ
σ

=

=
2
0

Variabila Z are o repartiŃie normală, fiind valoarea tabelară care
satisface relaŃia 2Φ(Z
α
) = P = 1– α . Astfel, eroarea limită este:
n
Z Z
x
x x
2
σ
µ
α α
⋅ = ⋅ = ∆ pentru sondajul repetat (5.5)






− ⋅ = ⋅ = ∆
N
n
n
Z Z
x
x x
1
2
σ
µ
α α
pentru sondajul nerepetat (5.6)

3. Determinarea volumului eşantionului
Dimensionarea raŃională a volumului eşantionului este o problemă
importantă în cercetarea prin sondaj, mărimea eşantionului „n”, în virtutea
legii numerelor mari, sporeşte precizia rezultatelor şi reduce eroarea medie
probabilă.
În teoria şi practica sondajului se folosesc eşantioane „mari” şi
eşantioane de volum redus, în funcŃie de gradul de omogenitate al
colectivităŃii generale.
Interpretarea erorii medii de reprezentativitate se face diferit:
144
– pentru eşaloanele mari se foloseşte distribuŃia normală Laplace;
– pentru cele de volum redus se foloseşte distribuŃia Student.
Calculul volumului de sondaj se realizează pornind de la eroarea
limită maximă admisă:
– pentru cazul sondajului repetat:
n
Z
x
x
2
σ
α
⋅ = ∆ , de unde:
x
x
x
x
Z
n
n
Z
2
2 2
2
2 2


= ⇒ ⋅ = ∆
σ
σ
α
α
(5.7)
– pentru cazul sondajului nerepetat:






− ⋅ = ∆
N
n
n
Z
x
x
1
2
σ
α
, de unde:
N
Z
Z
n
x
x
x
2 2
2
2 2
σ
σ
α
α

+ ∆

= . (5.8)

4. Intervalul de estimaŃie sau intervalul de încredere
Intervalul de încredere desemnează zona probabilă în interiorul căreia
se va plasa media populaŃiei generale.
Intervalul se determină pornind de la media de sondaj corectată cu
nivelul erorii limită maxim admisă:
x
x x ∆ < −
0
, relaŃie echivalentă cu
dubla inegalitate:
x x
x x x ∆ + < < ∆ −
0

Satisfacerea inegalităŃii se face cu o probabilitate de realizare:
P(
x
x x ∆ < −
0
) = P(
x x
x x ∆ < − < ∆ −
0
) =
= P(
x x
x x x ∆ + < < ∆ −
0
) = 1 – α (5.9)
Lungimea intervalului de încredere este direct proporŃională cu
mărimea împrăştierii valorilor şi invers proporŃională cu nivelul pragului de
semnificaŃie şi mărirea eşantionului.
În unele situaŃii prezintă interes şi calculul intervalului probabil de
plasare a nivelului totalizat al caracteristicii în populaŃia generală:
x N x
i
⋅ ≈

; de unde intervalul de încredere:
( ) ( )N x x x N
x
i
x
∆ + < < ∆ −

(5.10)

145
5.4.1.2. Indicatori ai sondajului în cazul caracteristicilor alternative
Când variabila X poate arăta doar o însuşire pe care o posedă doar
unele dintre elementele populaŃiei, caracteristica se numeşte alternativă sau
binară.
EXEMPLU: Într-un lot de piese, caracteristica poate fi: „defectă” sau
„bună”, iar pentru o echipă de muncitori caracteristica poate reprezenta
nivelul de calificare sau salarizare: „peste medie” sau „sub medie” etc.
PopulaŃia cercetată este formată din „n” elemente, dintre care un număr
„m” posedă caracteristica, şi un număr „n-m” nu o posedă. Apoi se atribuie
valoarea 1 elementelor colectivităŃii care posedă caracteristica şi valoarea 0
celor ce nu o posedă.
Tabelul 5.5
UnităŃile
eşantionului
Răspuns Valoarea
caracteristicii
FrecvenŃa
absolută n
i
FrecvenŃa relativă n
i
*
UnităŃi ce
posedă
caracteristica
DA X
1
=1 m
w
n
m
=

UnităŃi ce nu
posedă
caracteristica
NU X
2
=0 n-m
w
m
n
n
m n
− = − =

1 1

Total


= n n
i


=1
*
i n


Media caracteristicii alternative:
w
n
m
n
m n m
n
n x
x
i
i i
= =
− ⋅ + ⋅
= =


) ( 0 1
(5.11)
Media „w” este chiar frecvenŃa relativă a caracteristicii cercetate în
eşantion.

Dispersia caracteristicii alternative:
( )
( ) ( )
=
− ⋅ −
+
⋅ −
=

=


n
m n w
n
m w
n
n x x
i
i i
w
) ( 0 1
2 2
2
2
σ
( ) ( ) ( ) ( ) ( ) w w w w w w w w w w − ⋅ = + − ⋅ − ⋅ = − + ⋅ − = 1 1 1 1 1
2
2

( ) w w
w
− = 1
2
σ (5.12)
146
Eroarea medie de sondaj:
( )
n
w w
n
w
w
− ⋅
= =
1
2
σ
µ pentru sondajul repetat (5.13)
( )







− ⋅
=






− =
N
n
n
w w
N
n
n
w
w
1
1
1
2
σ
µ pentru sondajul nerepetat
(5.14)

Eroarea limită maximă admisibilă:
– pentru sondaj repetat:
( )
n
w w
Z
n
Z Z
w
w w

⋅ = ⋅ = ⋅ = ∆
1
2
σ
µ (5.15)
– pentru sondaj nerepetat:
( )








⋅ =






− ⋅ = ⋅ = ∆
N
n
n
w w
Z
N
n
n
Z Z
w
w w
1
1
1
2
σ
µ (5.16)

Intervalul de încredere pentru media caracteristicii alternative:
w w
w p w ∆ + < < ∆ − (5.17)

Volumul eşantionului „m” pentru caracteristica alternativă:
– pentru sondajul repetat:
( ) ( ) ( )
w
w
w
w w Z
n
n
w w
Z
n
w w
Z
2
2
2 2
1 1 1

− ⋅
= ⇒

⋅ = ∆ ⇒

⋅ = ∆
(5.18)
– pentru sondajul nerepetat:







− ⋅ = ∆ ⇒






− ⋅ = ∆
N
n
n
Z
N
n
n
Z
w
w
w
w
1 1
2
2 2
2
σ σ

N
Z
Z
n
w
w
w
2 2
2
2 2
σ
σ

+ ∆

= ⇒ (5.19)

147

Intervalul de încredere pentru nivelul totalizat al caracte-
risticii alternative:
( )

∆ + < < ∆ − ⋅ ) (
w i w
w N M w N

Tabelul 5.6. Indicatorii sondajului aleator simplu
Indicatori Caracteristică numerică Caracteristică alternativă
SelecŃie
repetată
SelecŃie
nerepetată
SelecŃie repetată SelecŃie nerepetată
1. Eroarea
medie
de
sondaj n
2
x
x
σ
= µ









σ
= µ
N
n
1
n
2
x
x



( )
=
− ⋅
= µ
n
w 1 w
w

n
2
w
σ
=

= − σ = µ






N
n
1
2
w w
( )







− ⋅
=
N
n
1
n
w 1 w

2. Eroarea
limită
x
Z
x
µ ⋅ = ∆

x
Z
x
µ ⋅ = ∆


w
Z
w
µ ⋅ = ∆
w
Z
w
µ ⋅ = ∆
3. Volumul
eşantionului
(n)
x
2
2
x
2
Z
n

σ ⋅
=

N
2
x
2
Z
x
2
2
x
2
Z
n
σ ⋅
+ ∆
σ ⋅
=

=

σ ⋅
=
w
2
2
w
2
Z
n

( )
w
2
w 1 w
2
Z

− ⋅
=


=
σ ⋅
+ ∆
σ ⋅
=
N
2
w
2
Z
w
2
2
w
2
Z
n


( )
( )
N
w 1 w
2
Z
w
2
w 1 w
2
Z
− ⋅
+ ∆
− ⋅
=

4. Intervalul
de
încredere
pt. media
generală

x
x
0
x
x
x ∆ + < < ∆ −

w
w p
w
w ∆ + < < ∆ −





148
OBSERVAłII!
• Dacă se ajunge la situaŃia ca n = N, atunci factorul







N
n
1
devine nul şi dispare, pentru că cercetarea parŃială s-a transformat
în cercetare totală.
• Dacă N, volumul colectivităŃii, este ridicat, iar n al sondajului este
redus, atunci







N
n
1 → 1, practic coincide în ambele tipuri de
sondaj.
• Z – este argumentul funcŃiei de probabilitate Gauss-Laplace
Φ(Z), care are o repartiŃie normală, fiind o valoare tabelară (vezi
Anexa 1).
Intervalul de încredere delimitează zona probabilă în care se va plasa
valoarea adevărată, dar necunoscută a mediei populaŃiei generale ) x (
0
.

5.4.2. Sondajul tipic (stratificat)
Sondajul tipic este tipul de selecŃie ce se aplică cel mai frecvent în
cercetarea fenomenelor social-economice de masă.

Sondajul tipic se aplică colectivităŃilor neomogene, care au fost
împărŃite în grupe omogene (straturi sau tipuri de unităŃi) după o
caracteristică esenŃială, notate cu N
1
, N
2
,..., N
r
, şi reprezentate în sondaj
prin volumul subeşantioanelor n
1
, n
2
,..., n
r
.

Cu cât grupele în care a fost împărŃită colectivitatea sunt mai
omogene, cu atât mediile de grupe ( )
i
x au valori apropiate de valorile
individuale din care s-au calculat şi deci abaterile într-un sens sau altul sunt
mici, iar gradul de variaŃie este mic.
VariaŃia mediilor de selecŃie posibile va fi în funcŃie de variaŃia
fiecărei grupe măsurată prin dispersiile de grupă ( )
2
i
σ şi sintetizată prin
media dispersiilor parŃiale ( )
2
σ . Din regula de adunare a dispersiilor ştim

2
0
2
σ σ < , iar de aici rezultă erori mai mici prin aplicarea selecŃiei
tipice. Dacă nu dispunem de date dintr-o cercetare totală anterioară, se va
149
folosi pentru calculul indicatorilor de selecŃie media dispersiilor parŃiale din
colectivitatea de selecŃie ( )
2
σ .
• Media de selecŃie ( ) x se va calcula ca o medie aritmetică
ponderată a mediilor subeşantioanelor respective:


=
i
i i
n
n x
x
(5.20)
unde: r i , 1 = .
• Media dispersiilor de grupă






2
x
σ se calculează ca o medie
aritmetică ponderată a dispersiilor de grupă astfel:



=






i
i i
x
n
n
2
2
σ
σ (5.21)
OBSERVAłIE! Dacă caracteristica, ce a stat la baza separării în grupe
omogene, joacă un rol important în variaŃia caracteristicii cercetate, mediile
de grupă sau parŃiale (
i
x ) se vor diferenŃia între ele şi se vor abate într-o
măsură mai mare de la media colectivităŃii generale. Astfel, ponderea mediei
dispersiilor parŃiale în variaŃia totală va fi mică, deci influenŃa cauzelor
întâmplătoare va fi mai redusă în raport cu cea a cauzelor esenŃiale.
Eşantionul se obŃine prin extragerea de subeşantioane din nivelurile
populaŃiei totale prin procedee de selecŃie aleatoare. Pentru repartizarea
eşantionului pe subeşantioane corespunzător tipurilor calitative, se pot
aplica trei procedee:

• SelecŃia tipică simplă se face prin repartizarea în mod egal a
eşantionului pe subeşantioane, indiferent de numărul unităŃilor ce
compun straturile populaŃiei totale.

RelaŃia de calcul:
r
n
n
i
= (5.22)
unde: n
i
= dimensiunea fiecărui subeşantion;
r = numărul de straturi în populaŃia totală.
150


• SelecŃia tipică proporŃională este acea selecŃie în care ponderea
pe subeşantioane este în funcŃie de ponderea pe care o are fiecare grupă
în colectivitatea generală şi se respectă proporŃia de selecŃie n/N.

Volumul fiecărui subeşantion va fi:
r , 1 i unde ,
N
N
n n
i
i
ip
= ⋅ =

(5.23)

OBSERVAłIE! SelecŃia tipică, proporŃională. Se foloseşte frecvent în
practică, datorită modului de formare a eşantionului. Structura colectivităŃii
de selecŃie este identică cu cea a colectivităŃii generale, asigurându-se astfel
erori mai mici.

• SelecŃia tipică optimă în care la formarea subeşantioanelor se
are în vedere atât ponderea fiecărei grupe în colectivitatea generală, cât şi
gradul de omogenitate al grupelor măsurat prin abaterea standard.

RelaŃia de calcul:
r , 1 i unde ,
N
N
n n
i i
i
i
o
=
σ
σ
⋅ =

(5.24)
unde: N
i
= numărul unităŃilor pe grupe din colectivitatea totală;

i
σ = abaterea standard pe grupe ale colectivităŃii totale.

OBSERVAłIE! SelecŃia tipică dă cele mai mici erori în activitatea
practică, dar este greu de aplicat.
RelaŃiile de calcul în cazul sondajului tipic se particularizează
pornind de la cele ale sondajului aleator simplu, înlocuind dispersia colec-
tivităŃii generale sau dispersia eşantionului cu media dispersiilor de grupă.
Calculul indicatorilor de selecŃie pentru sondajul tipic va fi prezentat
sintetic în tabelul 5.7.




151
Tabelul 5.7
Indica- Caracteristică numerică Caracteristică alternativă
tori SelecŃie
repetată
SelecŃie nerepetată SelecŃie
repetată
SelecŃie
nerepetată
Eroarea
medie
de sondaj
n
2
x
x
σ
= µ









σ
= µ
N
n
1
n
2
x
x



( )
=
− ⋅
=
n
w w
w
1
µ

n
w
2
σ
=

=






− =
N
n
n
w
w
1
2
σ
µ
( )







− ⋅
=
N
n
1
n
w 1 w

Eroarea
limită
x x
Z µ ⋅ = ∆


x x
Z µ ⋅ = ∆

w w
Z µ ⋅ = ∆


w w
Z µ ⋅ = ∆

Volumul
eşantio-
nului
x
x
Z
n
2
2 2


=
σ

N
Z
Z
n
x
x
x
2 2
2
2 2
σ
σ

+ ∆

=

=


=
w
w
Z
n
2
2 2
σ
( )
w
2
2
w 1 w Z

− ⋅
=


=

+ ∆

=
N
Z
Z
n
w
w
w
2 2
2
2 2
σ
σ

( )
( )
N
w 1 w
2
Z
w
2
w 1 w
2
Z
− ⋅
+ ∆
− ⋅
=

Intervalul
de încre-
dere pt.
media
colecti-
vităŃii
generale



x
x
0
x
x
x ∆ + < < ∆ −




∆ + < < ∆ −
w i w
w M w

Intervalul
de încre-
dere pt.
nivelul
totali–
zat al
caracte-
risticii


( ) ( )N x x x N
x
N
i
i
x
∆ + < < ∆ −

=1


( )

∆ + < < ∆ − ⋅ ) (
w i w
w N M w N


OBSERVAłII!
• Pentru a obŃine acelaşi grad de precizie a rezultatelor, eşantionul
constituit prin stratificare este mai mic decât cel pentru sondajul aleator
simplu.
• Eşantionul trebuie dimensionat, astfel încât fiecare subeşantion să
conŃină un număr suficient de unităŃi, pentru a permite calcularea dispersiilor
la nivelul subeşantionului (n
i
> 35).
152
5.4.3. Sondajul de serii
Sondajul de serii este folosit pentru colectivităŃile compuse din
unităŃi complexe, numite şi serii (echipe, brigăzi, magazine etc.).

UnităŃile complexe sunt formate la rândul lor din unităŃi simple ce
posedă caracteristici ce le deosebesc una de alta, au caracter eterogen.
EXEMPLU: Muncitorii care alcătuiesc o echipă au o vechime în muncă
diferită, au un anumit nivel de pregătire şi deci o anumită calificare. Ei au,
ca unităŃi simple, un caracter eterogen, dar împreună alcătuiesc o echipă.
Formarea eşantionului se face prin procedee cunoscute, selectând
unităŃi complexe sau serii întregi de unităŃi simple.
Caracteristic acestui tip de sondaj este faptul că, în locul variantelor
concrete ale caracteristicilor, se vor folosi indicatori de selecŃie, calculaŃi la
nivelul seriei.
Reprezentativitatea se va asigura prin apropierea mediilor din seriile
de unităŃi selectate de mediile din seriile colectivităŃii generale.
Mediile seriilor (
i
x ) servesc la estimarea mediei de sondaj:
r
x
x
i

=
şi
r
w
w
i ∑
=
(pentru caracteristica alternativă) (5.25)
Abaterile dintre mediile seriilor selectate şi media de sondaj se
măsoară sintetic prin dispersia dintre serii (
2
δ ):
( )
r i
r
x x
i
x
, 1 unde ,
2
2
=

=

δ
, r = numărul seriilor selectate;
( )
r
w w
i
w


=
2
2
δ
(pentru caracteristica alternativă) (5.26)
În sondajul de serii, dispersia dintre serii înlocuieşte dispersia generală
din sondajul simplu şi astfel erorile de reprezentativitate vor fi mai mici sau
cel puŃin egale cu erorile de la sondajul simplu
2
0
2
σ ≤ δ
.
Dispersia dintre serii are o valoare mică în eşantioanele ce conŃin serii
care au aceeaşi structură ca şi a colectivităŃii generale. Eşantionarea
făcându-se pe bază de serii, numărul acestora se va nota cu „r” în
colectivitatea de selecŃie şi cu „R” în colectivitatea totală.
Analog cu selecŃia simplă se vor elabora formele şi pentru selecŃia de
serii cu deosebirea că:
153
• în locul dispersiilor colectivităŃii totale se va folosi dispersia dintre
serii (
2
δ
);
• în locul volumului eşantionului (n) se va folosi numărul de serii
din eşantioane (r);
• coeficientul de corecŃie al erorilor de sondaj va fi
1 R
r R


; nu se mai
renunŃă la „1” din numitor pentru că el reprezintă o serie ca unitate
complexă.

Calculul indicatorilor de selecŃie pentru sondajul de serii este prezentat
în tabelul 5.8.

Tabelul 5.8
Indica- Caracteristică numerică Caracteristică alternativă
tori SelecŃie
repetată
SelecŃie
nerepetată
SelecŃie
repetată
SelecŃie nerepetată
Eroarea
medie
de
selecŃie
r
2
x
x
δ
= µ










δ
= µ
1 R
r R
r
2
x
x

r
2
w
x
δ
= µ







− δ
= µ
1 R
r R
r
2
w
w

Eroarea
limită
x x
Z µ ⋅ = ∆


x x
Z µ ⋅ = ∆


w w
Z µ ⋅ = ∆
w w
Z µ ⋅ = ∆
Volumul
eşantio-
nului
„r”
x
2
2
x
2
Z
r

δ ⋅
=

( )
2
x
2
x
2
2
x
2
Z 1 R
Z R
r
δ ⋅ + ∆ −
δ ⋅ ⋅
=


w
2
2
w
2
Z
x

δ ⋅
=

( )
2
w
2
w
2
2
w
2
Z 1 R
Z R
r
δ ⋅ + ∆ −
δ ⋅ ⋅
=

Intervalul
de
încredere
pt.
0
x



x x
x x x ∆ + < < ∆ −
0



w w
w p w ∆ + < < ∆ −

OBSERVAłIE! Datorită avantajelor organizatorice pe care le prezintă
sondajul de serii – chiar cu carenŃele sale de reprezentativitate – se justifică
utilizarea sa în numeroase domenii ale statisticii economice şi sociale:
statistica preŃurilor pe piaŃa Ńărănească, statistica bugetelor de familie în
cadrul anchetelor integrate în gospodării etc.


154
5.5. Testarea ipotezelor statistice şi fundamentarea deciziilor
bazate pe date de sondaj
Prin cercetarea selectivă se urmăreşte extrapolarea sau extinderea
rezultatelor obŃinute pe baza eşantionului la întreaga populaŃie cercetată.
Prin prelucrarea datelor de sondaj se obŃine un estimator al para-
metrului urmărit în populaŃia de origine. Se pune problema în ce măsură
parametrul estimat pe baza sondajului asigură credibilitatea aprecierilor
referitoare la întreaga populaŃie. Rezultatul obŃinut pe baza sondajului este
un estimator al nivelului indicatorului în populaŃia generală sau, altfel spus,
o ipoteză statistică.

O ipoteză statistică este o supoziŃie cu privire la repartiŃia uneia sau
a mai multor variabile la legea de probabilitate a populaŃiei studiate sau
asupra valorii unui parametru al unei distribuŃii date.

Ipoteza statistică nu priveşte statisticile de sondaj, ci valorile adevărate
ale parametrilor implicaŃi sau formele caracteristice ale repartiŃiilor con-
siderate.
Modul de operare asupra supoziŃiei se realizează prin datele
eşantionului, care reprezintă elementul de cunoaştere, care, prin procedeele
oferite de teoria estimaŃiei, ne apropie mai mult sau mai puŃin de valoarea
adevărată a unui parametru.
Valoarea adevărată, dar necunoscută a parametrului din populaŃia
generală, va fi estimată probabilist, ca o zonă probabilă de deplasare a
parametrului adevărat.

5.5.1. Probleme ale testării unei ipoteze statistice
Testarea ipotezelor statistice este strâns legată de teoria estimaŃiei. Este
un procedeu care, în funcŃie de anumite reguli de decizie, se poate respinge
sau nu o ipoteză admisă asupra unui parametru sau a unei distribuŃii.
Pentru testarea unei ipoteze se parcurg următoarele etape:
• se formulează ipotezele de lucru (ipoteza nulă şi ipoteza alternativă);
• se alege şi se calculează un test statistic în funcŃie de distribuŃia de
selecŃie considerată;
• se alege un prag de semnificaŃie pentru test;
• se compară valoarea calculată a testului cu valoarea teoretică;
• se stabilesc regulile de decizie;
155
• se ia decizia de acceptare sau respingere a ipotezei admise prin
compararea valorii calculate cu valoarea teoretică (tabelară) şi adoptarea
deciziei de acceptare sau respingere a ipotezei nule.
Apare problema rezultatului unui experiment, dacă valorile înregis-
trate se repartizează într-adevăr după legea teoretică propusă. Ipoteza care
se formulează cu privire la parametrii unei repartiŃii sau la legea de repar-
tiŃie pe care o urmează variabila statistică se numeşte ipoteză statistică.
Pentru o ipoteză statistică, ce urmează să fie verificată, se foloseşte
termenul de ipoteză nulă H
0
.

Ipoteza H
0
exprimă acea situaŃie pe care cercetătorul ar vrea să o
discrediteze în urma testării.

Ipoteza de la care porneşte cercetătorul şi pe care doreşte să o
confirme se numeşte ipoteză alternativă, notată cu H
1
.

Ipoteza nulă H
0
, este formulată în aşa fel încât negarea ei să ducă în
mod automat la acceptarea ipotezei alternative.
Ipoteza alternativă se exprimă întotdeauna sub forma unei inegalităŃi,
al cărui sens poate fi cunoscut sau necunoscut.
Drept urmare, se poate vorbi de două tipuri de teste: teste unilaterale şi
teste bilaterale.

5.5.2. Teste asupra ipotezelor statistice
Verificarea ipotezei constă în alegerea unor reguli care precizează
condiŃiile în care se consideră că ipoteza nu concordă cu realitatea şi trebuie
respinsă. Procedeul de verificare se numeşte test sau criteriu.
Pentru a accepta sau a respinge o ipoteză statistică se efectuează un
experiment pentru definirea zonei de acceptare sau respingere a ipotezei,
problemă care presupune alegerea testului unilateral sau bilateral şi a
probabilităŃii asociate acestuia.

Zona de acceptare a unei ipoteze, numită şi interval de încredere,
este un interval în care se acceptă, printr-un test, ipoteza nulă H
o
, căreia i
se asociază probabilitatea 1– α.



156

Zona de respingere este intervalul dintr-o distribuŃie de selecŃie a
unei statistici considerate, în care se respinge ipoteza nulă H
0
, căreia i se
asociază o probabilitate α.

Probabilitatea α (alfa) este numită prag de semnificaŃie a testului. În
testarea ipotezelor, regiunea care se defineşte este regiunea de respingere a
ipotezei H
0
pentru un prag de semnificaŃie acceptat.
Teste unilaterale
Sunt testele în care sensul inegalităŃii din ipoteza alternativă este
cunoscut. Dacă în experimentarea acestei ipoteze apare una din expresiile
„mai mare” sau „mai mic”, avem de-a face cu un test unilateral. Un test
unilateral este la stânga dacă în ipoteza alternativă apare semnul „<”(mai
mic) şi la dreapta dacă apare semnul „>” (mai mare).
Teste bilaterale
Este testul în care sensul ipotezei alternative este necunoscut
(H
1
: m
1
≠ m
2
). Vom şti că este vorba despre un test bilateral, atunci când
exprimarea ipotezei alternative este prin cuvintele „diferit”, „inegal”.

OBSERVAłIE! Recunoaşterea corectă a unui test ca fiind bilateral sau
unilateral are mare importanŃă în luarea deciziei de acceptare sau respingere
a ipotezei nule.
Majoritatea testelor de marketing sunt teste unilaterale. După
formularea ipotezelor se stabileşte nivelul de semnificaŃie al testării – care
se notează cu α – adică probabilitatea de eroare pe care o admite
cercetătorul (probabilitatea ca o ipoteză nulă adevărată să fie respinsă).
În cazul testării unei ipoteze se pot produce erori de acceptare sau de
respingere pe nedrept a unei ipoteze, numite erori de primă speŃă sau erori
de tip I şi de-a doua speŃă sau erori de tip II.
Eroarea este o diferenŃă între o valoare adevărată şi o valoare
observată.

Eroarea de tip I este eroarea în care se respinge pe nedrept ipoteza
nulă H
0
, când în realitate ea este adevărată. Probabilitatea asociată este
notată cu α , unde α = P, respinge H
0
, când H
0
este adevărată. În
practică, α este cunoscut sub denumirea de risc al vânzătorului.
157
Eroare de tip II este eroarea în care se acceptă ipoteza nulă, atunci
când ea este falsă. Probabilitatea asociată este notată cu β, unde β = P,
care acceptă H
0
, când H
0
este falsă.
Riscul β este cunoscut sub denumirea de riscul cumpărătorului.

Tabelul 5.9 reprezintă tipurile de erori ce pot apărarea în analiza de
marketing.
Tabel 5.9. Tipuri de erori în testarea ipotezelor
Decizia Realitatea
H
0
este adevărată H
0
este falsă
Acceptăm H
0
Decizie corectă
p = 1 – α
Eroare de tip II
p = β
Respingem H
0
Eroare de tip I
p = α
Decizie corectă
p = 1 – β

În cercetările de marketing se lucrează, de regulă, cu un nivel de
semnificaŃie 5% (adică un nivel de încredere 95%).
Verificând o ipoteză, se calculează o anumită mărime, numită
statistică sau test. Procedeul verificării ipotezelor, compararea statisticii
calculate cu valoarea teoretică constă în fixarea unor reguli, după care ipo-
teza se respinge pe baza testului.
Tabelul 5.10 prezintă criteriile de decizie pentru cazul distribuŃiilor
normală şi Student. În tabel s-au folosit indicele „c” pentru valorile calcu-
late şi indicele „t” pentru cele tabelare.

Tabelul 5.10. Criterii de decizie
1

Tipul
testului
DistribuŃia normală (z)
Eşantion (n ≥ 30)
DistribuŃia Student (t)
Eşantion (n < 30)
Test
unilateral
stânga
Z
C
> – Z
t(α)
acceptăm H
0
Z
C
≤ – Z
t(α)
respingem H
0
t
C
> – t
t(α)
acceptăm H
0
t
C
≤ – t
t(α)
respingem H
0

Test
unilateral
dreapta
Z
C
< Z
t(α)
acceptăm H
0
Z
C
≥ Z
t(α)
respingem H
0

t
C
< t
t(α)
acceptăm H
0
t
C
≥ t
t(α)
respingem H
0

Test
bilateral
Z
t(α/2)
< Z
C
< Z
t(α/2)
acceptăm H
0
Z
C
≤ – Z
t(α/2)
sau
Z
C
≥ Z
t(α)
respingem H
0

– t
t(α/2)
< t
C
< t
t(α/2)
acceptăm H
0
t
C
≤ – t
t(α/2)
sau
t
C
≥ t
t(α)
respingem H
0

1
Prutianu Şt., Anastasiei B., Jijie T., Cercetări de marketing. Studiul
pieŃei pur şi simplu, Editura Polirom, Iaşi, 2002.
158
Zonele de acceptare sau respingere a ipotezei H
0
se pot prezenta şi
grafic ca în figura 5.1.


Test unilateral Test unilateral Test bilateral
stânga dreapta

Figura 5.1. Criterii de decizie în cazul distribuŃiei normale

OBSERVAłIE! Ipoteza este acceptată sub beneficiu de inventar, până la
apariŃia unor informaŃii noi, care, eventual, vor informa rezultatele testării.
În testarea ipotezelor se disting două tipuri de teste:
• Teste parametrice, care presupun cunoaşterea formei parametrice
a unei distribuŃii a populaŃiei considerate, adică a legii de distribuŃie. Aici
putem aminti testul Student, care vizează compararea mediilor a două
populaŃii care urmează o distribuŃie normală. Alte teste: testul χ
2
şi testul F.
• Teste neparametrice – pot testa ipotezele statistice fără a fi
cunoscute formele de distribuŃie a populaŃiilor comparate. Dintre cele mai
cunoscute teste putem aminti: testul Wilcoxon (1945) foloseşte datele de
sondaj pentru a arăta diferenŃele semnificative între două populaŃii; testul
Mann-Whitney (1947), pentru verificarea existenŃei egalităŃii între două
populaŃii; testul Kolmagatov-Smitnov (1933) vizează testarea identităŃii a
două legi de distribuŃie.

5.5.3. Teste pentru media caracteristicilor
5.5.3.1. Testul Z pentru verificarea conformităŃii unei medii
experimentale cu o valoare propusă
Testul Z
2
se bazează pe o statistică a cărei repartiŃie este normală, cu
parametrii m = 0 şi σ
2
= 1. Formele testului Z, folosite în practică, sunt:

2
Isaic-Maniu Al., MitruŃ C., Voineagu V., Statistică, Editura
IndependenŃa Economică, Brăila, 1998.
Acceptă
m
H
0

-z
Acceptă
m
H
0


Acceptă
m
H
0

-z
159
1. Testul unilateral, când se verifică ipoteza H : m = m
0
, statistica Z
are forma:
n
m x
Z
x
C
σ
0

= (5.27)
având o lege de repartiŃie normală N (Z,0,1), unde:
– x = estimaŃia medie m;
– m
0
= media teoretică (respectiv media populaŃiei generale);
– n = volumul eşantionului;

x
σ = abaterea standard teoretică a populaŃiei (presupusă cunoscută).
Fiind un test unilateral, valoarea calculată Z
C
se va compara cu o
valoare tabelară Z
t(α)
. În funcŃie de probabilitate acceptată şi felul testului, se
acceptă sau se respinge ipoteza H
0
ca în tabelul 5.8.
2. Testul bilateral în care se pleacă de la aceeaşi ipoteză H
0
: m = m
0

şi se construiesc două limite Z
1
şi Z
2
, astfel încât, pentru un nivel de
semnificaŃie α fixat, să avem:
α
σ
− =
















≤ 1
2
0
1
Z
n
m x
Z P
x

Dacă vom alege Z
1
= – Z
2
= Z
1
– α/2, obŃinem:
α
σ
α α
− =
















≤ −
− −
1
2
1
0
2
1
Z
n
m x
Z P
x
(5.28)

EXEMPLU: Testul Z unilateral dreapta şi Testul Z bilateral
Presupunem că pentru 100 de observări asupra unei variabile X s-a
obŃinut x = 110 şi
x
σ = 60.


160
Atunci:
a) testaŃi ipoteza nulă că m = 100, cu alternativa m > 100, pentru
α = 0,053;
b) testaŃi ipoteza nulă că m = 100, cu alternativa m # 100, pentru
α = 0,05.
Rezolvare:

a) n = 100, x = 110,
x
σ = 60, α = 0,05
ipoteza: H
0
: m = 100
H
1
: m > 100
α
σ
− =
















1
1
0
Z
n
m x
P
x

n
Z m x
x
σ
α
⋅ + ≥
− 1 0

645 , 1
95 , 0 05 , 0 1
= =

Z Z
87 , 109 645 , 1
100
60
100
1 0
= ⋅ + = ⋅ +

n
Z m
x
σ
α

Astfel, x = 110 > 109,87 deci suntem în zona critică şi se respinge H
0
.
b) ipoteza: H
0
: m = 100
H
1
: m ≠ 100
α − =













σ

≤ −
α

α

1 Z
n
m x
Z P
2
1
x
0
2
1

96 , 1
975 , 0
2
05 , 0
1
= =

Z Z
Limitele intervalului de încredere sunt:
n
Z m x
n
Z m
x
2
1
0
x
2
1
0
σ
⋅ + ≤ ≤
σ
⋅ −
α

α


161
76 , 11 96 , 1
100
60
2
1
= ⋅ = ⋅

α
σ
Z
n
x

100 – 11,76 < x < 100+11,76
88,24 < x < 111,76
Pentru că ne aflăm în intervalul de încredere, se acceptă H
0
.

5.5.3.2. Testul Z pentru verificarea egalităŃii a două medii
Acest test este utilizat pentru compararea diferenŃelor dintre mediile a
două variabile, fie pentru măsurarea corelaŃiei dintre două variabile. Fiecare
variabilă va avea o medie proprie (notată cu
1
x şi
2
x ) şi o abatere medie
pătratică proprie (
1
σ şi
2
σ ).
Acest test se foloseşte în practică, de pildă, pentru testarea
performanŃelor produselor similare oferite de potenŃialii furnizori.
1. Când se verifică ipoteza egalităŃii a două medii m
1
şi m
2
, ce
corespund la două populaŃii normal distribuite, care au aceeaşi dispersie
teoretică
2
σ , statistica Z are o repartiŃie normală N(Z,0,1) şi se calculează:
2
1 1
1
2 1
n n
x x
Z
+

=
σ
(5.29)
unde:
1
x şi
2
x sunt estimaŃiile teoretice m
1
şi m
2
;
n
1
şi n
2
sunt volumele eşantioanelor efectuate asupra celor două
populaŃii.
2. Când se verifică ipoteza egalităŃii a două medii m
1
şi m
2
,
corespunzătoare celor două populaŃii normal distribuite, care au dispersii
neegale
2
1
σ şi
2
2
σ , statistica Z este normal repartizată N(Z,0,1):
2
2
2
1
2
1
2 1
n n
x x
Z
σ σ
+

= (5.30)
162
Regiunea critică a testului în toate aceste cazuri este
) (α t
Z x > , unde
) (α t
Z se ia din tabelul valorilor funcŃiei Gauss-Laplace (vezi Anexa 1).
O altă formă de luare a deciziilor constă în a considera diferenŃa dintre
cele două medii ca fiind nesemnificativă când mărimea:
2
2
2
1
2
1
2
1
2 1
n n
Z x x
σ σ
α
+ ⋅ ≤ −

(5.31)
EXEMPLU: Pentru a verifica dacă între greutăŃile medii ale ştiuleŃilor
din două soiuri de porumb există o diferenŃă semnificativă sau nu, s-au luat
câte 10 probe din fiecare soi:

Total
Soiul I 260 250 290 300 270 310 260 280 340 300 2860
Soiul
II
240 270 230 250 220 280 210 260 290 240 2490

Din cercetările anterioare se cunoaşte:
2
1
σ =275 şi
2
2
σ =260.
• Testul Z bilateral:
286
10
2860
1
= = =

n
x
x
i

249
10
2490
2
= = =

n
x
x
i

• Pragul de semnificaŃie α = 0,05:
96 , 1
975 , 0
2
05 , 0
1
2
1
= = =
− −
Z Z Z
α

• Intervalul de încredere:
α
σ σ σ σ
α α
− =








+ ⋅ ≤ − ≤ + ⋅ −
− −
1
2
2
2
1
2
1
2
1
2 1
2
2
2
1
2
1
2
1
n n
Z x x
n n
Z P
3472 , 14 32 , 7 * 96 , 1
10
260 275
96 , 1
2
2
2
1
2
1
2
1
= =
+
⋅ = + ⋅

n n
Z
σ σ
α

Astfel:
1
x –
2
x = 37 > 14,3472 deci ne aflăm în regiunea critică şi se
respinge H
0
.
163
Deci, între greutăŃile medii ale ştiuleŃilor din cele două soiuri de
porumb există diferenŃe semnificative.

5.5.3.3. Testul t (Student)
Testul t
3
se foloseşte pentru verificarea ipotezelor referitoare la
mediile populaŃiei normal repartizate, când nu se cunosc dispersiile teo-
retice. Testul t se bazează pe statistica t care are o repartiŃie Student.
Forme de aplicare ale testului t:
1. Când se verifică ipoteza H : m = m
0
, statistica t este:
n
m x
t
x
0
σ

= (5.32)
unde: x = estimaŃia teoretică m
0
;
x
σ = estimaŃia abaterii standard necunoscute;
n = volumul sondajului.
Statistica t are t = n-1 grade de libertate.
2. Când se verifică ipoteza egalităŃii a două medii H : m
1
= m
2
pentru
două colectivităŃi normal repartizate, care au aceeaşi dispersie teoretică
necunoscută, statistica t este:
( ) ( )
2 1 2 1
2
2
2 1
2
1
2 1
1 1
1
1 1
n n n n
n S n S
x x
t
+ ⋅
− +
− + −

= (5.33)
unde: S
1
şi S
2
sunt estimaŃii ale dispersiei teoretice necunoscute.
Rezultatul se compară cu valoarea tabelară a lui t pentru nivelul de
încredere ales şi 1
2 1
− + n n grade de libertate.
3. Când se verifică ipoteza egalităŃii a două medii m
1
şi m
2
, ce
corespund la două populaŃii normal distribuite, care au dispersiile teoretice
neegale şi necunoscute, statistica t este:

3
Prutianu Şt., Anastasiei B., Jijie T., op. cit.
164
2
2
2
1
2
1
2 1
n
S
n
S
x x
t
+

= (5.34)
Regiunea critică a testului t este
( ) α t
t t > .
OBSERVAłII!
• Testul t înlocuieşte testul Z când eşantionul este mai mic de 30.
• Testul t se foloseşte pentru verificarea egalităŃii a două medii
teoretice numai după ce s-a aplicat testul F în funcŃie de rezultatul
căruia se constată dacă ne găsim în situaŃia 2 sau 3.

Testul F se foloseşte pentru verificarea ipotezei egalităŃii dispersiilor
teoretice
2
1
σ şi
2
2
σ a două populaŃii distribuite normal.
Dacă
2
1
s şi
2
2
s sunt estimaŃiile dispersiilor
2
1
σ şi
2
2
σ obŃinute în
două sondaje diferite, de volum
1
n şi
2
n , atunci testul F se construieşte pe
statistica:
2
2
2
1
S
S
F = (5.35)
care are o repartiŃie Fischer cu 1
1
− n , 1
2
− n grade de libertate.
Regiunea critică pentru testul F este:
2 1
, , f f t calc
F F > , unde 1
1 1
− = n f , 1
2 2
− = n f şi pragul de
semnificaŃie α ales.
Numerotarea dispersiilor se face astfel încât F ≥ 1.
EXEMPLU: Asupra preŃului unui produs pentru anul viitor îşi exprimă
părerea 5 experŃi. Rezultatul anchetei: x = 2,63 mil. lei, S = 0,72 mil. lei
( )












=
1
2
2 1
n
x x
S .
Dacă se ştie că anul acesta preŃul mediu a fost 2,01 mil. lei, se susŃine
ipoteza că anul viitor preŃul mediu va fi semnificativ mai mare? Se
utilizează o probabilitate de 95% de garantare a rezultatelor.
165
• Ipoteza: H
0
:
0
x = 2,01
H
1
:
0
x > 2,01
• Testul t: 96 , 1
5 72 , 0
01 , 2 63 , 2
n
S
x x
t
2 1
=

=

=
S-a presupus că distribuŃia populaŃiei generale este aproximativ
normală.
• Nivelul de încredere: 1-α = 0,95, pragul de semnificaŃie 0,05.
132 , 2
4 ; 05 , 0 1 ,
= =

t t
n α

• Regiunea de respingere: . t t
1 n , t calc −
>
Când
1 , −
<
n t calc
t t (1,96 < 2,132), înseamnă că nu avem motive să
respingem ipoteza nulă şi acceptăm ipoteza conform căreia preŃul
produsului va fi anul viitor semnificativ mai mare.

5.5.4. Verificarea normalităŃii unei distribuŃii cu testul χ
2
Verificarea normalităŃii unei distribuŃii se poate face prin procedee
grafice: curba frecvenŃelor, histograma sau prin procedee numerice: testul χ
2
.
Verificarea normalităŃii prin procedee grafice constă în construirea
graficului pentru distribuŃia observată şi compararea acestuia cu modelul
teoretic al clopotului Gauss-Laplace.
Testul χ
2
este testul cel mai folosit pentru verificarea normalităŃii unei
distribuŃii, atât pe variabile discrete, cât şi pentru cele continue. Testul face
compararea frecvenŃelor absolute n
i
, asociate valorilor x
i
ale variabilei
observate X, cu valorile teoretice p
i
.
Ipoteza nulă H
0
admite normalitatea unei distribuŃii, presupune că nu
există diferenŃe semnificative între valorile comparate n
i
şi p
i
.
Testul χ
2
este definit de statistica χ
2
:
( )

=

=
k
i
i
i i
np
np n
1
2
2
χ (5.36)
unde: n
i
= frecvenŃa absolută a intervalului i, k i n n
i
i
, 1 , = =

;
166
p
i
= probabilitatea ca valorile variabilei X să se încadreze în
intervalulul i şi este definită de p
i
= F(x
i
) – F(x
i-1
), respectiv
p
i
= Φ(z
i
) – Φ(z
i-1
), unde F(x) este funcŃia de repartiŃie, iar Φ(z)
funcŃia Laplace.
Valoarea χ
2
, determinată pe baza datelor din serie, se compară cu
valoarea tabelară χ
2
α,v
.
VariaŃia χ
2
are v = k – (l+1) grade de libertate în care:
l = numărul parametrilor estimaŃi;
k = numărul de intervale de grupe;
α = riscul asumat pentru rezultate.
Dacă χ
2
calc ≤
χ
2
α,v
,

atunci se acceptă ipoteza H
0
, adică ipoteza de
normalitate.
Dacă χ
2
calc >
χ
2
α,v
,

atunci se respinge ipoteza de normalitate (vezi figura 5.2).


Figura 5.2. Curba densităŃii χ
2


Testul χ
2
neparametric
Testul univariat χ
2
(hi pătrat)
Testul compară o repartiŃie observată (reală) cu o repartiŃie teoretică
cunoscută şi stabileşte dacă există diferenŃe între ele.
Notăm: Q
i
= frecvenŃele observate; T
i
= frecvenŃele teoretice.
Ipoteze: H
0
: Q
i
= T
i
şi H
1
: Q
i
≠ T
i
.
Acceptăm H
0
Respingem H
0
χ
2
α,v
χ
2
v

α = 0,05
167
REMARCĂ! Testul χ
2
este întotdeauna bilateral. RepartiŃia teoretică
T
i
= n/k, unde: n = volumul eşantionului; k = numărul de clase ale
repartiŃiei. Atunci
( )

=

= χ
k
1 i
i
2
i i
2
c
T
T Q
se compară cu
2
1 k , , t − α
χ ,
k = numărul de grade de libertate.
Criterii de decizie
2
t
2
c
χ > χ → respingem ipoteza nulă (H
0
);
2
t
2
c
χ ≤ χ → acceptăm ipoteza nulă (H
0
).

Testul χ
2
bivariat
Ipotezele de cercetare: H
0
: Q
ij
= T
ij
şi H
1
: Q
ij
# T
ij

FrecvenŃele teoretice:
∑∑
∑ ∑
=
i j
ij
j i
ij ij
ij
Q
Q Q
T

Remarcă! Ipoteza nulă va fi respinsă dacă frecvenŃele teoretice T
ij

diferă semnificativ de frecvenŃele observate (reale) Q
ij
.
Valoarea calculată a lui
2
c
χ va fi:
( )
∑∑

= χ
i j ij
2
ij ij 2
c
T
T Q

Valoarea tabelară a lui
2
t
χ
va fi:
( )( )
2
1 c 1 L , , t − − α
χ
unde: L = numărul de linii; c = numărul de coloane ale tabelului de
contingenŃă format.
Regula de decizie: χ
2
c
> χ
2
t
respingem ipoteza nulă
χ
2
c
< χ
2
t
acceptăm ipoteza nulă.

Testul χ
2
poate fi folosit ca un test χ
2
univariat, care ne ajută
să răspundem la o întrebare a utilizatorului. Testul compară o
repartiŃie reală (observată) cu o repartiŃie teoretică cunoscută şi
stabileşte dacă între cele două repartiŃii există diferenŃe semnificative.
Ipotezele de cercetare ale testului χ
2
vor fi:
H
0
: Q
i
= T
i

H
1
: Q
i
≠ T
i

unde, Q
i
= frecvenŃele observate;
T
i
= frecvenŃele teoretice;
168
Testul χ
2
este întotdeauna bilateral.
Dacă repartiŃia teoretică este o echirepartiŃie (adică o repartiŃie
egală a frecvenŃelor între clase), atunci frecvenŃele teoretice:
k
n
T
i
=

unde: n = volumul eşantionului;
k = numărul de clase ale repartiŃiei.

Astfel, valoarea lui χ
2
se calculează:
( )

=

= χ
k
1 i
i
2
i i
2
calc
T
T Q

Această valoare se compară cu cea din tabelele distribuŃiei χ
2
pentru nivelul de încredere ales şi (k − 1) grade de libertate. Criteriile
de decizie sunt următoarele:
2
t
2
calc
χ > χ respingem ipoteza nulă;
2
t
2
calc
χ ≤ χ acceptăm ipoteza nulă.
2
t
χ
= hi pătrat, valoarea teoretică.

EXEMPLUL 1: Studiem un sondaj vizând piaŃa detergentului,
pe un eşantion 200 persoane privind marca preferată:

Tabelul 5.11
Marca Tide Omo Ariel verde Dero Ariel albastru Total
Nr. de cumpărători 22 30 70 28 50 200

Studiul de marketing se face pentru a testa dacă acest sondaj
arată preferinŃele reale ale consumatorilor de pe piaŃă. FrecvenŃele
teoretice T
i
ne arată cum va arăta sondajul dacă nu ar exista o preferinŃă
deosebită pentru un anumit produs:
Tabelul 5.12
Marca Tide Omo Ariel verde Dero Ariel albastru Total
Nr. de
cumpărători
40 40 40 40 40 200
40
5
200
k
n
T
i
= = =

169
Utilizând testul χ
2
pentru a determina dacă există o diferenŃă
semnificativă între frecvenŃele teoretice T
i
şi frecvenŃele observate Q
i
.
Ipotezele: H
0
: Q
i
= T
i

H
1
: Q
i
≠ T
i

( ) ( ) ( ) ( )
( ) ( )
2 , 39
40
40 50
40
40 28
40
40 70
40
40 30
40
40 22
T
T Q
2 2
2 2 2
5
1 i
i
2
i i
2
calc
=

+

+
+

+

+

=

= χ

=

( )
488 , 9
2
1 5 , 05 , 0 , t
= χ


Pentru ( ) 488 , 9 2 , 39
2
t
2
calc
> χ > χ vom respinge ipoteza nulă
şi concluzionăm că rezultatele sondajului arată preferinŃele reale ale
consumatorilor de pe piaŃă.
Dacă şi altă societate de cercetare a pieŃei realizează acelaşi fel
de studiu asupra pieŃei detergentului, în care preferinŃele cumpărătorilor
indică următorul clasament:

Tide preferat de 15% din cumpărători

Omo preferat de 18% din cumpărători

Ariel verde preferat de 38% din cumpărători

Dero preferat de 9% din cumpărători

Ariel albastru preferat de 20% din cumpărători

Atunci repartiŃia teoretică devine:

Tabelul 5.13
Marca Tide Omo
Ariel
verde
Dero
Ariel
albastru
Total
Nr. de
cumpărători
30(200×0,15) (200×0,4)36 76 18 40 200

( )
488 , 9
2
1 5 , 05 , 0 , t
= χ


( ) ( ) ( ) ( ) ( )
66 , 11
40
40 50
18
18 28
76
76 70
36
36 30
30
30 22
2 2 2 2 2
2
calc
=

+

+

+

+

= χ

170
( ) 488 , 9 66 , 11
2
t
2
calc
> χ > χ vom respinge ipoteza nulă, iar
rezultatele sondajului rămân în continuare să reflecte preferinŃele reale ale
consumatorilor.
OBSERVAłIE! Între cele două studii nu există diferenŃe
semnificative.
EXEMPLUL 2: Testul χ
2
neparametric se poate utiliza ca un test
bivariat, care poate arăta relaŃia de interdependenŃă între două variabile
nominale. Dacă până acum am studiat preferinŃa consumatorilor pentru o
anumită marcă de detergent, acum asociem o a doua variabilă nominală –
vârsta cumpărătorilor.
Sondajul cu cele două variabile va fi:

Tabelul 5.14
Detergent Grupa de
vârstă Tide Omo Ariel
verde
Dero Ariel
albastru
Total
sub 35 ani 10 5 30 7 23 75
peste 35
ani
17 20 40 23 25 125
TOTAL 27 25 70 30 48 200

Ipoteza nulă afirmă că nu e nicio diferenŃă legată de vârstă în ce
priveşte preferinŃa pentru o anumită marcă de detergent. Acestei ipoteze îi
corespund frecvenŃele teoretice T
ij
, ce se calculează cu formula:
∑∑
∑ ∑
×
=
i j
ij
i
ij
j
ij
ij
Q
Q Q
T

unde: 2 , 1 i = , reprezintă variabila vârstă;

5 , 1 j =
, reprezintă marca de detergent.
Ipoteza nulă va fi respinsă dacă aceste frecvenŃe teoretice
diferă semnificativ de frecvenŃele observate Q
ij
. Ipotezele de cercetare
în cazul testului χ
2
(hi pătrat) bivariat vor fi:
H
0
: Q
ij
= T
ij

H
1
: Q
ij
≠ T
ij
FrecvenŃele teoretice T
ij
se vor calcula astfel:
171
125 , 10
200
75 27
Q
Q Q
T
i j
ij
i
1 i
j
j 1
ij
=
×
=
×
=
∑∑
∑ ∑
; 375 , 9
200
75 25
T
12
=
×
= ş.a.m.d.

Tabelul 5.15. FrecvenŃele teoretice
Detergent Grupa de
vârstă Tide Omo Ariel
verde
Dero Ariel
albastru
Total
sub 35 ani 10,125 9,375 26,25 11,25 18 75
peste 35 ani 16,875 15, 625 43,75 18,75 30 125
Total 27 25 70 30 48 200

Valoarea testului χ
2
calculat se stabileşte astfel:
( )
∑∑

= χ
i j
ij
2
ij ij 2
calc
T
T Q

Testul
2
calc
χ
se compară cu valoarea teoretică (existentă în anexa 5:
valorile funcŃiei de probabilitate
2
α
χ în funcŃie de probabilitatea
( )
2
P
α
χ = α
şi numărul gradelor de libertate f) – notată cu
2
t
χ pentru un
nivel de încredere ales şi (l − 1)(c − 1) grade de libertate unde:
l = numărul de linii;
c = numărul de coloane ale tabelului.
Regula de decizie este aceeaşi.
2
t
2
calc
χ > χ
respingem ipoteza nulă;
2
t
2
calc
χ ≤ χ
acceptăm ipoteza nulă.
Astfel, valoarea teoretică a lui
2
t
χ
pentru un α = 0,05 şi
(2 − 1)(5 − 1) grade de libertate va fi:
( )( )
488 , 9
2
1 5 1 2 , 05 , 0 , t
= χ
− −
.
Valoarea testului va fi:
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( )
30
30 25
75 , 18
75 , 18 23

75 , 43
75 , 43 40
625 , 15
625 , 15 20
875 , 16
875 , 16 17
18
18 23

25 , 11
25 , 11 7
25 , 26
25 , 26 30
375 , 9
375 , 9 5
125 , 10
125 , 10 10
2 2
2 2 2 2
2 2 2 2
2
calc

+

+
+

+

+

+

+
+

+

+

+

= χ


92 , 8
2
calc
= χ

172
Deoarece se verifică inegalitatea:
2
t
2
calc
χ < χ
(pentru că
8,92 < 9,488) vom accepta ipoteza nulă. Astfel, putem observa pentru
un nivel de încredere de 95% că frecvenŃele teoretice nu diferă sem-
nificativ de cele observate – de unde rezultă că nu există diferenŃe
semnificative între preferinŃele consumatorilor de o anumită vârstă
pentru marca de detergent utilizată.

EXEMPLUL 3: Dacă am vrea să studiem lansarea unui nou tip
de detergent Ariel, care scoate mult mai bine petele de pe lucrurile
colorate, trebuie să studiem preŃul la care îl putem lansa, cât şi vârsta
cumpărătorilor care ar intenŃiona să-l cumpere.
Aceasta ar da posibilitatea unei firme să cunoască anticipat
nivelul maxim al preŃurilor ce pot fi practicate fără să afecteze nivelul
vânzărilor.
Prin urmare, firma este nevoită să mărească preŃul produsului
din cauza inflaŃiei. Astfel, se poate testa reacŃia cumpărătorilor fără a
aştepta cunoaşterea vânzărilor de la sfârşitul perioadei.
Rezultatele cercetării pe un eşantion de 1.000 persoane au fost:
Tabelul 5.16
PREł 9 PREł 10
INTENłIA
sub 35 ani peste 35 ani
TOTAL sub 35
ani
peste
35 ani
TO-
TAL
Cumpără 600 175 775 550 150 700
Nu cumpără 150 75 225 200 100 300
TOTAL 750 250 1.000 750 250 1.000

Se studiază mai întâi dacă la preŃul de 9 lei apar diferenŃe
semnificative legate de vârsta cumpărătorilor. Astfel, pe baza datelor din
tabelul 5.16, referitoare la preŃul de 9 lei, se vor calcula frecvenŃele
teoretice pe grupe de vârstă (tabelul 5.17):
Tabelul 5.17. FrecvenŃele observate Tij
PREł 9
INTENłIA
sub 35 ani peste 35 ani
TOTAL
cumpără 581,25 193,75 775
nu cumpără 168,75 56,25 225
TOTAL 750 250 1000
Unde:
( )( )
. 841 , 3
2
1 2 1 2 , 05 , 0 , t
= χ
− −

173
Valoarea calculată a lui χ
2
va fi:
( )
( ) ( ) ( )
( ) ( )
75 , 10
25 , 56
25 , 56 75
75 , 168
75 , 168 150
75 , 193
5 , 262 225
5 , 737
75 , 193 175
25 , 581
25 , 581 600
T
T Q
2 2
2 2 2
i j
ij
ij ij
2
calc
=

+

+

+

+

=

= χ
∑∑

Rezultă: ( ) 841 , 3 75 , 10
2
t
2
calc
> χ > χ , ceea ce înseamnă că vom
respinge ipoteza nulă. Se poate afirma că există diferenŃe sem-
nificative în atitudinea cumpărătorilor în funcŃie de vârstă. Analizând
sondajul pe baza tabelului 5.16, dar pentru preŃul de 10 lei, vom avea
următoarea repartiŃie a frecvenŃelor teoretice (tabelul 5.18):
Tabelul 5.18. FrecvenŃele observate Tij
PREł 10
INTENłIA
sub 38 ani peste 38 ani
TOTAL
cumpără 525 175 700
nu cumpără 225 75 300
TOTAL 750 250 1.000

Valoarea calculată a lui χ
2
va fi:
( ) ( ) ( ) ( )
87 , 15
25 , 56
25 , 56 75
175
175 150
225
225 200
525
525 550
2 2 2 2
2
calc
=

+

+

+

= χ

Se va compara cu :
2
t
χ , pentru un nivel de semnificaŃie 0,05 şi
(2 – 1)(2 – 1) grade de libertate:
( )( )
841 , 3
2
1 5 1 2 , 05 , 0 , t
= χ
− −


Deoarece
2
t
2
calc
χ > χ ( ) 41 , 13 87 , 15 > , aici apar diferenŃe sem-
nificative în atitudinea cumpărătorilor faŃă de acest produs, în funcŃie
de vârstă.
Se poate analiza şi efectul inflaŃiei asupra vânzărilor prin
studiul diferenŃelor ce se vor crea în intenŃiile de cumpărare a celor
testaŃi în funcŃie de nivelurile de preŃ. Studiu de opinie pe un eşantion
de 2000 de persoane.


174
Tabelul 5.19. FrecvenŃele observate Qij
INTENłIA PREł 9 PREł 10 TOTAL
Cumpără 775 700 1.475
Nu cumpără 225 300 525
TOTAL 1.000 1.000 2.000

Tabelul 5.20. FrecvenŃele teoretice Tij
INTENłIA PREł 9 PREł 10 TOTAL
Cumpără 737,5 737,5 1.475
Nu cumpără 262,5 262,5 525
TOTAL 1.000 1.000 2.000

Valoarea calculată a lui
2
calc
χ va fi:
( ) ( ) ( ) ( )
54 , 14
5 , 262
5 , 262 300
5 , 262
5 , 262 225
5 , 737
5 , 737 700
5 , 737
5 , 737 775
2 2 2 2
2
calc
=
=

+

+

+

= χ

( )( )
841 , 3
2
1 2 1 2 , 05 , 0 , t
= χ
− −

Dacă
2
t
2
calc
χ > χ
se respinge ipoteza nulă, iar rezultatele
vânzărilor acestui produs vor fi influenŃate semnificativ de modi-
ficarea preŃurilor, ceea ce va determina o scădere a vânzărilor.
În analiza statistică trebuie să se Ńină seama şi de ceilalŃi factori
economici care influenŃează volumul vânzărilor, doar la nivelul firmei,
testul χ
2
ne poate oferi informaŃiile necesare în anticiparea unei noi apro-
vizionări, cât şi în lansarea deciziilor necesare continuităŃii activităŃii firmei.

CONCEPTE-CHEIE: sondaj; eroare medie; eroare limită;
volumul eşantion; interval de încredere; sondaj tipic; selecŃie tipică
optimă; selecŃie tipică proporŃională; ipoteză; test; test unilateral; test
bilateral; test parametric; test neparametric; ipoteză nulă; ipoteză
alternativă; eroare de grad I; eroare de grad II.

ÎNTREBĂRI DE AUTOEVALUARE

1. De ce este preferat sondajul statistic în locul unei observări totale?
2. Prin ce se deosebeşte sondajul statistic de celelalte cercetări parŃiale?
3. Care sunt modalităŃile de prelevare a unităŃilor din populaŃia generală
pentru a construi un nou eşantion?
175
4. Ce condiŃii trebuie respectate pentru a asigura reprezentativitatea
eşantionului?
5. De câte feluri sunt erorile de reprezentativitate?
6. Ce procedee de selecŃie cunoaşteŃi?
7. Cum se realizează selecŃia aleatoare?
8. Care sunt explicaŃiile pentru diferenŃele de eroare între prelevarea
repetată şi cea nerepetată a unităŃilor dintr-o populaŃie pentru constituirea
eşantionului?
9. Ce ştiŃi despre modalităŃile de prelevare a unităŃilor pentru alcătuirea
eşantionului:
• despre procedeul „Loteriei”?
• despre procedeul tabelului cu numere aleatoare?
• despre procedeul mecanic?
10. Ce indicatori ai sondajului aleator simplu cunoaşteŃi?
11. Intervalul de încredere pentru media colectivităŃii în cazul sondajului
nerepetat este mai mare sau mai mic ca cel al sondajului repetat?
12. Când se utilizează sondajul aleator simplu?
13. Când se utilizează sondajul stratificat?
14. Ce tipuri de sondaj stratificat cunoaşteŃi?
15. Care sunt procedeele de repartizare a eşantionului pe subeşantioane?
16. Cum se formează eşantionul în cazul sondajului tipic proporŃional? Dar
în cazul sondajului tipic optim?
17. MulŃimea unităŃilor statistice extrase aleatoriu dintr-o colectivitate
statistică este denumită şi:
a) probă;
b) eşantionare;
c) schemă probabilistică;
d) pas de numărare;
e) bază de sondaj.
18. Cum se calculează erorile în cazul sondajului tipic?
19. Cum este dimensiunea eşantionului în cazul sondajului aleator simplu
faŃă de cazul sondajului stratificat, dacă se doreşte aceeaşi precizie a
rezultatelor?
20. Când se utilizează sondajul de serii?
21. Cum se calculează erorile în cazul sondajului de serii?
22. Ce este o ipoteză statistică?
23. Care sunt problemele ce apar la testarea unei ipoteze statistice?
24. Ce teste se folosesc în verificarea ipotezelor statistice?
25. Când şi cum se folosesc testele pentru media caracteristicilor?
26. Ce test folosiŃi pentru verificarea normalităŃii unei distribuŃii statistice?
27. Ce teste se folosesc atunci când nu sunt cunoscute formele de
distribuŃie a populaŃiilor comparate?
28. Ce teste parametrice cunoaşteŃi? Cum le puteŃi descrie?
176


6. ANALIZA DE REGRESIE ŞI CORELAłIE






6.1. Tipuri de legături între fenomenele social-economice.
NoŃiuni şi clasificarea legăturilor statistice
Metoda corelaŃiei este tot mai frecvent utilizată în practică datorită
necesităŃii crescânde a reflectării într-o formă numerică adecvată a
interdependenŃei obiective dintre fenomenele social-economice.
Statistica studiază fenomenele de masă în interdependenŃă unele cu
altele. Astfel, datele sunt sintetizate sub formă de serii de repartiŃie
multidimensionale.
Fenomenele social-economice sunt rezultatul conjugării influenŃei
multor fenomene cauză, iar în sistemul acesta de legături nu toate
raporturile de dependenŃă sunt la fel de importante, acŃiunea unora dintre
ele compensându-se reciproc.
Astfel, în analiza statistică a raporturilor de dependenŃă dintre
fenomene, se pune problema măsurării relaŃiei care există între două sau
mai multe caracteristici, cuprinse în programul unei cercetări concrete. În
cadrul acesteia se studiază dependenŃa dintre o variabilă (caracteristică)
X – denumită caracteristică factorială, independentă sau cauză – şi o
variabilă (caracteristică) Y – caracteristică rezultativă, dependentă sau efect.
Dacă această dependenŃă există, trebuie să se exprime printr-un
indicator simplu sau sintetic de corelaŃie, care ar arăta influenŃa variabilei X
asupra variabilei rezultative Y sub aspectul naturii, direcŃiei, formei de
legătură între ele.
O cerinŃă a legii numerelor mari presupune ca datele să se refere la un
număr mare de cazuri individuale concrete, diferite ca formă de
manifestare, în care distribuŃia abaterilor este aproximativ normală. Dacă
această condiŃie este nesatisfăcută, câmpul de acŃiune al legii numerelor
mari este limitat şi concluziile desprinse pot da interpretări eronate.
177
De asemenea, trebuie să se folosească metoda abstractizării succesive
a factorilor, prin care să se poată studia atât legăturile simple, imediate
dintre două fenomene legate printr-o relaŃie de cauzalitate, cât şi legăturile
parŃiale şi multiple.
Sarcina statisticii este de a adopta modelele de calcul statistic la trăsă-
turile distincte ale fenomenelor cercetate, la baza de informaŃii folosite în
calcul şi cu particularităŃile domeniului de cercetare. Formele de manifes-
tare ale relaŃiilor de interdependenŃă sunt extrem de variate şi adesea greu
de sesizat.
Însă, în cea mai mare parte, legăturile dintre fenomene sunt legături de
cauzalitate, bazate pe relaŃia cauză-efect. Astfel, putem avea:
• legătură nulă, când nu există nicio influenŃă între variabilele
considerate, sunt independente;
• legătură funcŃională, când modificarea unei variabile cauză produce
variaŃia altei variabile efect într-o măsură ce rămâne constantă, indiferent de
timpul şi locul de referinŃă. Această legătură se mai numeşte şi legătură de
tip determinist. RelaŃia matematică dintre variabila cauză şi variabila efect
pentru legăturile de tip funcŃional este: y = f(x). Acest tip de legături se
întâlnesc în natură, în tehnică, mai rar în domeniul social-economic;
• legătură statistică sau stochastică, când modificarea unei variabile
efect este rezultatul combinării mai multor cauze, care pot acŃiona în acelaşi
sens sau în sensuri opuse, generând forme diferite de manifestare
individuală. Astfel, pentru fiecare valoare a variabilei efect vom avea o
distribuŃie de valori a variabilei cauză.
Legătura statistică se poate prezenta matematic prin ecuaŃia:
y = f (x
1
, x
2
, ..., x
n
)
unde: x
1
, x
2
, ..., x
n
sunt valorile fenomenului cauză;
y este valoarea fenomenului efect.
În domeniul social-economic, legăturile statistice sunt cele mai
frecvente, iar sarcina ce revine oricărei cercetări este de a depista şi stabili
factorii cauză şi de a măsura statistic gradul de dependenŃă a factorului efect
de factorii determinanŃi, cât şi de a măsura intensitatea acestei dependenŃe.
Multitudinea legăturile statistice necesită o clasificare a lor după mai
multe criterii.



178

Clasificarea legăturilor statistice:
După numărul caracteristicilor independente luate în studiu:
• Legături simple – când se studiază dependenŃa dintre o caracteristică
rezultativă (y) numai în funcŃie de o singură caracteristică
independentă (x), considerată principală şi variabilă.
RelaŃia matematică este: y = f (x).
EXEMPLU: Legătura dintre suprafaŃa comercială utilă (x) şi valoarea
vânzătorilor (y).
• Legături multiple – când se studiază dependenŃa dintre o
caracteristică rezultativă (y) şi două sau mai multe caracteristici
independente (x) pentru care se impune ierarhizarea lor în ordinea
influenŃei asupra caracteristicii rezultative. RelaŃia matematică este y =
f(x
1
, x
2
, ..., x
n
).
EXEMPLU: Legătura dintre capacitatea de cazare (x
1
), numărul de
înnoptări (x
2
) şi valoarea încasărilor (y).
După direcŃia legăturilor:
• Legături directe – când caracteristica dependentă se modifică în
acelaşi sens cu caracteristica independentă: dacă x creşte şi y creşte,
dacă x scade şi y scade.
EXEMPLU: Creşterea cumpărărilor de maşini de spălat de către
populaŃie determină creşterea vânzării de detergenŃi.
• Legături inverse – când caracteristica dependentă (y) se modifică în
sens invers modificării caracteristicii independente (x). Dacă x creşte,
y scade, iar dacă x scade, y creşte.
EXEMPLU: Creşterea gradului de calificare al muncitorilor, determină
scăderea rebuturilor din producŃie.
După exprimarea analitică a legăturilor:
• Legături liniare, acele dependenŃe care pot fi exprimate cu ajutorul
funcŃiei liniare.
• Legături neliniare (curbilinii) – acele dependenŃe care pot fi
exprimate cu ajutorul funcŃiilor neliniare (parabolă, hiperbolă, funcŃie
exponenŃiali etc.). Identificarea formei de realizare a legăturii se face
cu ajutorul unor metode simple (metoda grafică) şi a unor metode
analitice (analiza dispersională).

179
După timpul în care se realizează:
• Legături sincrone (concomitente) – se realizează în acelaşi timp, se
pot urmări în dinamică pentru aceeaşi perioadă.
EXEMPLU: CorelaŃia dintre dinamica productivităŃii muncii şi a
salariilor, astfel pe măsura creşterii productivităŃii muncii creşte şi
mărimea salariilor încasate de muncitorii aceleaşi colectivităŃi statistice.
• Legăturile asincrone (cu decalaj) – apar atunci când caracteristicile
factoriale (x) încep să acŃioneze asupra variaŃiei caracteristicii
rezultative (y) după scurgerea unei perioade de timp.
EXEMPLU: Între dezvoltarea unei ramuri noi de producŃie şi mărimea
exportului există un decalaj corespunzător asigurării competitivităŃii
produselor pe plan internaŃional.
NoŃiunile folosite în analiza de corelaŃie sunt:
Regresia
1
este o metodă de cercetare a unei relaŃii predeterminate,
exprimând legătura dintre variabila rezultativă (y) şi una sau mai
multe variabile independente (x).
CorelaŃia
2
este o reflectare a legăturilor cu caracter complex,
existente între fenomenele de masă, iar în sens mai restrâns, este
măsura gradului de legătură între variabilele cantitative.
CovarianŃa exprimă variaŃia simultană a două variabile între care
există o dependenŃă.
Analiza de regresie este o metodă statistică care, pe baza unui
eşantion, încearcă să estimeze relaŃia matematică dintre două sau
mai multe variabile, adică să estimeze valorile unei variabile în
funcŃie de valorile altei variabile.
Analiza de corelaŃie este o metodă statistică prin care se măsoară
intensitatea legăturilor dintre variabile.
Pentru aplicarea metodelor de analiză a legăturilor dintre fenomene
este necesară rezolvarea următoarelor probleme:
– identificarea şi ierarhizarea factorilor de influenŃă a caracteristicilor
rezultative;
– identificarea existenŃei legăturii prin analiza logică a posibilităŃii de
existenŃă a legăturii între variabilele studiate;

1
Trebici V. (coord.), Mică enciclopedie de statistică, Editura
ŞtiinŃifică şi Enciclopedică, Bucureşti, 1985.
2
Ibidem.
180
– stabilirea sensului şi formei legăturii în vederea aplicării metodei
specifice a analizei de regresie;
– determinarea gradului de intensitate a legăturii cu ajutorul analizei
de corelaŃie;
– testarea semnificaŃiei indicatorilor prin care am măsurat legătura
statistică.

6.2. Metode elementare de caracterizare a legăturilor dintre variabile
Metodele simple se folosesc pentru sistematizarea datelor, verificarea
existenŃei legăturilor, stabilirea direcŃiei legăturilor precum şi aprecierea
funcŃiei analitice care exprimă legăturile studiate.
Principalele metode simple sunt:
1. Metoda seriilor paralele independente
Deşi este un procedeu simplu, prezintă o serie de avantaje şi dă
posibilitatea aplicării în continuare a unor procedee analitice de calcul
statistic. Un avantaj al acestui procedeu este posibilitatea folosirii datelor
din diferite publicaŃii, constituite sub formă de serii statistice.
Pentru utilizarea acestei metode se porneşte de la un set de observaŃii
ale caracteristicilor studiate (x, y), urmărind raportul de dependenŃă dintre
ele. Se ordonează crescător sau descrescător mai întâi valorile variabilei
independente, cauză (x), apoi în funcŃie de ele valorile variabilei rezultative,
efect (y). Prin acest procedeu se compară vizual cele două variabile,
observându-se legătura dintre ele şi direcŃia ei.
Atunci când caracteristica independentă x este ordonată crescător,
există mai multe situaŃii:
• caracteristica y se ordonează aproximativ crescător – rezultă că
putem aprecia că între cele două variabile există o legătură directă;
• caracteristica y se ordonează aproximativ descrescător – rezultă că
putem aprecia că între cele două variabile există o legătură inversă;
• caracteristica y nu înregistrează o tendinŃă de ordonare – rezultă că
putem aprecia că, între cele două variabile nu există legătură.
2. Metoda grupărilor
Reprezintă un model de analiză calitativ, capabil să surprindă
aspectele esenŃiale dintre variabilele economice şi sociale. Pentru analiza
legăturilor dintre fenomene, metoda grupării trebuie să se aplice cu mult
discernământ, astfel încât să se obŃină grupe suficiente pentru a se desprinde
corect forma de interdependenŃă dintre caracteristicile luate în studiu.
181
Pentru fenomenele social-economice se recomandă ca, în general, să
se folosească intervale de grupare egale pentru fiecare din caracteristicile
implicate în studiu.
Această metodă constă în repartizarea unităŃilor în grupe omogene în
funcŃie de caracteristica independentă. Pentru fiecare grupă astfel
constituită se centralizează datele numerice referitoare la caracteristica
rezultativă şi se calculează medii pe fiecare grupă şi mărimi relative. Prin
comparaŃia variaŃiei caracteristicii independente cu indicatorii calculaŃi
pentru caracteristica rezultată se poate aprecia existenŃa şi forma legăturilor
dintre cele două variabile.
3. Metoda tabelului de corelaŃie
Tabelul de corelaŃie este un tabel ca dublă intrare şi prezintă o grupare a
unităŃilor unei colectivităŃi în funcŃie de două caracteristici: una dependentă
(y) şi una independentă (x). Se foloseşte, în general, în cadrul unui număr
mare de observaŃii. În funcŃie de modul de distribuŃie a frecvenŃelor în tabel
se apreciază existenŃa legăturii. În unele cazuri, direcŃia legăturii este dată de
poziŃia diagonală în jurul căreia se grupează frecvenŃele.
Concentrarea intensă a frecvenŃelor în jurul diagonalei indică existenŃa
unei legături strânse între caracteristici.
Dacă frecvenŃele se împrăştie în reŃeaua tabelului fără nicio regu-
laritate, atunci nu există legături sau este foarte slabă.
Dacă grupele atât pentru caracteristica x, cât şi pentru y sunt
prezentate în ordine crescătoare, aprecierea legăturii se face aşa cum se
prezintă în figura 6.1.

Grupe după
Grupe y
după x
1 2 . . . n n
x

1
2
.
.
.
n

n
y


a) legătură directă b) legătură inversă c) lipsa legăturii
între cele două variabile
Figura 6.1. Tipuri de legături dintre variabilele statistice într-un tabel de corelaŃie
Grupe după
Grupe y
1 2 . . . n n
x

după x
1
2
.
.
.
n

n
y

Grupe după
Grupe y
1 2 . . . n n
x

după x
1
2
.
.
.
n

n
y


182
4. Metoda grafică
Este o metodă elementară cu largă aplicabilitate în statistică datorită su-
gestivităŃii ei. Pentru a obŃine graficul de corelaŃie – denumit corelogramă –
valorile caracteristicii factoriale (x) se trec pe abscisă, iar pe ordonată se
trec valorile caracteristicii rezultative (y). Fiecare unitate observată
purtătoare a celor două caracteristici corelate se reprezintă pe grafic printr-un
punct. Reprezentarea grafică în câmpul de corelaŃie are aspectul unui nor de
puncte de unde se numeşte şi diagrama norului de puncte. Această metodă
se foloseşte pentru alegerea funcŃiei analitice care se va studia.
Dacă punctele sunt dispersate la întâmplare (figura 6.2a)) rezultă că
între cele două variabile nu există o legătură semnificativă. În acest caz,
putem considera că punctele se concentrează în jurul unei drepte paralele cu
OX.
Dacă punctele se concentrează în jurul unei anumite linii care nu este
paralelă cu axa OX, rezultă că între cele două variabile există o anumită
legătură (directă sau inversă) (figura 6.2 b) şi c)).

Figura 6.2. Diverse tipuri de legături

6.3. Metode analitice (parametrice) de analiză a legăturilor statistice
Posibilitatea de aplicare a metodelor analitice depinde:
– de natura specifică a fenomenelor cercetate;
– de volumul datelor de care se dispune;
– de numărul caracteristicilor luate în studiu din colectivitatea
generală sau dintr-un eşantion reprezentativ.
În continuare, vom analiza prin mai multe metode parametrice legătura
dintre două variabile, în scopul de a o exprima cu ajutorul unei funcŃii liniare.
x x x x
x x x x
x x x
x x x
x x
x
x x x
x x x
x x x
x x x
x x x
x x x x
x x x
x x x x
x 0 x 0
a) lipsă legătură b) legătură liniară directă c) legătură liniară
inversă
a) lipsă legătură inversă b) legătură liniară directă c) legătură liniară
183
6.3.1. Regresia liniară simplă
Metoda regresiei este o metodă de cercetare a legăturilor statistice cu
ajutorul unor funcŃii, denumite funcŃii de regresie. Această metodă este o
generalizare a analizei dispersionale. Alegerea funcŃiei de regresie se poate
face cu ajutorul corelogramei printr-o examinare atentă şi care va fi
confirmată de testul F de analiză dispersională.

FuncŃia de regresie exprimă modificarea cantitativă a
caracteristicii rezultativă (y) ca urmare a influenŃei exercitate de
caracteristica factorială (x), ceilalŃi factori fiind consideraŃi neesenŃiali şi
cu acŃiune constantă asupra tuturor unităŃilor.

Legătura dintre variabile se manifestă sub formă de tendinŃă – deci
funcŃia de modelare este o ecuaŃie medie de tendinŃă identificată prin grafic
şi confirmată prin testul F.
Regresia ne arată cum o variabilă este dependentă de o alta.
În cazul regresiei simple liniare vom considera o funcŃie liniară pentru
exprimarea legăturii dintre cele două variabile:
y = a + bx (6.1)
EcuaŃia de regresie y are caracter de medie, pentru că mărimea sa
exprimă tendinŃa de realizare a corelaŃiei dintre cele două variabile x şi y.
Astfel, cei doi parametrii au şi ei conŃinut de valori medii şi trebuie să
fie reprezentativi pentru cele mai multe unităŃi observate.
Parametrul „a” arată la ce nivel ar fi ajuns variabila y dacă toŃi
factorii de influenŃă, exceptând variabila x inclusă în modelul de corelaŃie,
ar fi influenŃat în mod constant asupra formării ei.
În sens geometric, parametrul „a”, exprimă valoarea lui y când x = 0,
deci este intersecŃia dreptei cu axa OY – de aceea se mai numeşte
„ordonata la origine”.
Interpretarea economică a lui „a” se realizează în legătură cu problema
analizată.
Parametrul „b” este panta dreptei, numit şi „coeficient unghiular de
regresie” şi are mare importanŃă în analiza de regresie.
Dacă b = 0 → cele două variabile sunt independente, iar variaŃia lui y
depinde de alŃi factori care iniŃial au fost consideraŃi constanŃi.

184

Dacă b ≠ 0 , cele două variabile sunt dependente astfel:
– dacă b > 0, legătura este directă, pozitivă;
– dacă b < 0, legătura este inversă, negativă.
Mărimea coeficientului „b”, panta dreptei în sens geometric, arată cu
cât se modifică y când variabila x se modifică cu o unitate.
În practică, estimarea parametrilor a şi b se realizează în mod obişnuit
cu ajutorul metodei celor mai mici pătrate (MCMMP) pe baza valorilor
(x,y) observate într-un eşantion de volum n.
MCMMP presupune îndeplinirea următoarelor ipoteze:
– valorile x şi y s-au obŃinut fără erori de observare sau măsurare;
– variabilele x sunt independente între ele.
Pentru a determina valorile ecuaŃiei de regresie, trebuie să se calculeze
parametrii a şi b din sistemul de ecuaŃii normale, obŃinut prin metoda celor
mai mici pătrate.
Dacă y depinde de x, atunci trebuie să se îndeplinească şi condiŃia ca
suma pătratelor abaterilor valorilor empirice de la valorile ecuaŃiei de
regresie să fie minimă:
[ ] minim
2
= − =
∑ xi i
y y S (6.2)
Pentru tendinŃa liniară această ecuaŃie este:
( ) [ ] minim
2
= + −

bx a y
i
(6.3)
Se îndeplineşte condiŃia de minim când derivatele parŃiale în raport cu
a şi b sunt nule:
( )( ) 0 1 2 = − − − =
∑ i i
bx a y
a
S
δ
δ
(6.4)
( )( ) 0 2 = − − − =
∑ i i i
x bx a y
b
S
δ
δ


Sistemul se simplifică cu 2 şi separând cunoscutele de necunoscute se
un obŃine sistem de ecuaŃii normale sub forma:
na + b∑x
i
= ∑y
i
(6.5)
a∑x
i
+ b∑x
i
2
= ∑ x
i
y
i



185
Astfel, cu ajutorul determinanŃilor aflăm valorile parametrilor a şi b:
( )
2
2
2
2
2
∑ ∑
∑ ∑ ∑ ∑
∑ ∑

∑ ∑
∑ ∑


= =


=
i i
i i i i i
i i
i
i i i
i i
x x n
y x x x y
x x
x n
x y x
x y
p
a
a
(6.6)
( )
2
2
2
∑ ∑
∑ ∑ ∑
∑ ∑

∑ ∑



= =


=
i i
i i i i
i i
i
i i i
i
x x n
y x y x n
x x
x n
y x x
y n
p
b
b
(6.7)

Cu ajutorul coeficienŃilor a şi b se calculează valorile ecuaŃiei de
regresie pentru fiecare mărime a lui x. Aceste valori ale ecuaŃiei de regresie
se mai numesc şi valori teoretice ale caracteristicii y în funcŃie de x, iar
operaŃia de înlocuire a termenilor reali y cu valorile ecuaŃiei de regresie se
numeşte ajustare.
EcuaŃia funcŃiei de regresie devine: yˆ = a + bx
i
.
OBSERVAłII!
• FuncŃia de regresie este numai o ipoteză statistică, care exprimă
regularitatea, tendinŃa medie de manifestare a legăturii dintre cele două
variabile, considerând ca variabil numai factorul înregistrat.
• Valorile ecuaŃiilor de regresie permit o apreciere a modului de
realizare a legăturilor dintre cele două variabile prin interpretarea mărimii
abaterilor lor faŃă de valorile empirice, însă ele nu reprezintă decât un prim
pas pentru măsurarea corelaŃiei dintre fenomene.

6.3.2. CorelaŃia liniară simplă
CorelaŃia ne arată gradul în care o variabilă este dependentă de altă
variabilă.
Analiza de corelaŃie ne arată gradul de concentrare sau de împrăştiere
a valorilor empirice (y
i
) în jurul liniei de regresie teoretică date de valorile
lui . yˆ Astfel, intensitatea legăturilor se poate măsura cu ajutorul:
• coeficientului de corelaŃie;
• raportului de corelaŃie;
186
• metodelor neparametrice – care dau o apreciere aproximativă a
legăturii dintre variabile.
Raportul de corelaŃie (R) măsoară gradul de intensitate dintre
caracteristica factorială (x) şi cea rezultativă (y) după aplicarea metodei
regresiei. Calculul său porneşte de la descompunerea dispersiei totale
2
y
σ
pe factori de influenŃă:
• dispersia valorilor empirice faŃă de valorile teoretice:
( )
2 2
ˆ /
ˆ
x i y y
y y − = σ ;
• dispersia valorilor teoretice faŃă de medie: ( )
2
2
/ ˆ
ˆ y y
x
y y
− = σ .
RelaŃia dintre dispersii va fi:
2
/ ˆ
2
ˆ /
2
y y
y y y
σ σ σ + = , (6.8)
sau
n
y y
n n
y y
x
y y
x
∑ ∑

+ =

∑ −
2
) ˆ (
2
) ˆ (
2
) (
(6.9)
unde:

2
y
σ = dispersia totală, arată influenŃa variaŃiei tuturor factorilor
asupra variabilei rezultative (y);

2
ˆ / y y
σ = dispersia reziduală, arată influenŃa factorilor ce au fost
consideraŃi constanŃi;

2
/ ˆ y y
σ = dispersia sistematică, arată influenŃa factorului (x) asupra
variabilei rezultative y. Cu cât această dispersie are o pondere mai mare în
dispersia totală, cu atât legătura dintre variabile este mai puternică.
Gradul de intensitate al corelaŃiei dintre fenomene se obŃine stabilind
greutatea specifică a dispersiei formată pe baza factorului înregistrat faŃă de
dispersia totală. Indicatorii care se formează sunt:
Coeficientul de determinaŃie (R
2
/ ˆ y y
) se obŃine cu relaŃia:

( )
( )
( )
( )
2
2
2
2
2
2
/ ˆ
2
/ ˆ
ˆ
1
ˆ






− =


= =
y y
y y
y y
y y
R
x x
y
y y
y y
σ
σ
(6.10)
187
Coeficientul de nedeterminaŃie (K
2
ˆ / y y
) se obŃine cu relaŃia:
( )
( )
2
2
2
2
ˆ /
2
ˆ /
ˆ




= =
y y
y y
K
x
y
y y
y y
σ
σ
(6.11)
Suma celor doi coeficienŃi este 1, ei fiind consideraŃi ca mărimi
relative de structură.
1
2
ˆ /
2
/ ˆ
= +
y y
y y
K R (6.12)
Coeficientul de determinaŃie se mai poate calcula:
2
y
2
yˆ / y
2
yˆ / y
2
y / yˆ
1 K 1 R
σ
σ
− = − = (6.13)
Dacă extragem rădăcina pătrată din coeficientul de determinaŃie
pentru a se aduce la acelaşi grad valorile empirice şi cele teoretice, se obŃine
raportul de corelaŃie.
Raportul de corelaŃie (R) care se obŃine cu formula:
( )
( )
2
2
ˆ
1




− =
y y
y y
R
x
(6.14)
OBSERVAłII!
• [ ] 1 , 0 ∈ R , semnul lui R este dat de semnul coeficientului b din
funcŃia de regresie;
• Cu cât R se apropie mai mult de +1 sau -1, cu atât legătura este
mai puternică.

Coeficientul de corelaŃie (r
xy
). Este un indicator sintetic care
măsoară intensitatea legăturii dintre două variabile x
i
şi y
i
. Se calculează ca
o medie a produselor abaterilor normale normate. Notând abaterile
normale normate z
x
şi z
y
, obŃinem:
x
i
x
x x
z
σ

= ;
y
i
y
y y
z
σ

= , relaŃia de calcul a coeficientului de
corelaŃie fiind:
188
( )( )
y x
i i
xy
n
y y x x
r
σ σ

− −
= (6.15)
În practică este mai folosită relaŃia:
( ) [ ] ( ) [ ]
∑ ∑ ∑ ∑
∑ ∑ ∑
− −

=
2
2
2
2
i i i i
i i i i
xy
y y n x x n
y x y x n
r (6.16)
Altă relaŃie pentru calculul coeficientului de corelaŃie este cea care
utilizează covarianŃa cov(x,y). CovarianŃa este o metodă ajutătoare pentru
măsurarea legăturilor statistice şi se obŃine ca o medie aritmetică a
produselor abaterilor variabilelor faŃă de media lor:
( )( )

=
− − =
n
i
y y x x
n
y x
1
1
) , cov( (6.17)
OBSERVAłII!
• CovarianŃă nulă: lipseşte legătura de corelaŃie, variabilele sunt
independente.
• Semnul covarianŃei arată direcŃia legăturii:
– plus pentru legătură directă;
– minus pentru legătură inversă.
• Pe măsură ce intensitatea creşte, creşte şi covarianŃa.
Folosind covarianŃa, coeficientul de corelaŃie are expresia:
i i
y x
i i
xy
y x
r
σ σ
) , cov(
= (6.18)

ProprietăŃile coeficientului de corelaŃie:
• ia valori în intervalul [-1,1] şi indică sensul şi intensitatea legăturii;
• dacă [ ] 1 , 0 ∈
xy
r legătura este directă;
• dacă [ ] 0 , 1 − ∈
xy
r legătura este indirectă, inversă;
• dacă 0 →
xy
r variabilele sunt independente sau necorelate;
• dacă 1 ± →
xy
r corelaŃia este puternică, iar valorile y
i
se grupează
în jurul dreptei de regresie;
189
• dacă legătura este liniară R r
xy
= şi se va calcula numai
xy
r pentru
exprimarea intensităŃii legăturii;
• dacă R r
xy
# , atunci legătura este neliniară şi se va calcula numai R;
• dacă ne interesează doar intensitatea într-o legătură liniară se poate
calcula doar
xy
r , fără a mai calcula funcŃia de regresie.

6.4. InferenŃă statistică în cadrul modelului liniar
Parametrii modelului, şi deci modelul în ansamblu, sunt obŃinuŃi pe
baza datelor dintr-un eşantion de observaŃii. De aceea este necesară
verificarea rezultatelor obŃinute prin teste statistice.

6.4.1. Validarea modelului de regresie cu testul F
Pentru a verifica, din punct de vedere statistic, modalitatea în care
modelul specificat reuşeşte să conducă la reconstituirea valorilor empirice
y
i
prin valorile teoretice
i
yˆ se foloseşte testul F
3
.
Construirea testului se bazează pe descompunerea abaterii ( ) y y
i
ˆ − .
Rezultatele sunt sintetizate în tabelul 6.1.

Tabelul 6.1
VariaŃia Suma pătratelor Grade de
libertate
Dispersia
Explicată prin
model
( )
2
ˆ

− y y
x

k-1
( )
1
ˆ
2
2


=

k
y y
S
x
y

Neexplicată
( )
2
ˆ


x
y y
n-k
( )
k n
y y
S
x
r


=

2
2
ˆ

Total
( )
2

− y y
i

n-1 -


3
Isaic-Maniu A., Korka M., Voineagu V., MitruŃ C., Statistică, Editura
IndependenŃa Economică, Brăila, 1998.
190
Testul F pentru regresia liniară:
K = numărul parametrilor modelului;
n = numărul de valori perechi.
Variabila F se defineşte ca raport de dispersii:
2
2
r
y
calc
S
S
F =
(6.19)
şi urmează o distribuŃie F cu (k-1) şi (n-k) grade de libertate.
Pentru un anumit nivel de semnificaŃie, corespunzător gradelor de
libertate se determină, din tabelul funcŃiei F, valoarea teoretică F
α;k-1;n-k

(în tabel va fi F
α
, f
1
,f
2
).
Dacă:
– F
calc
> F
α;k-1;n-k
modelul este validat;
– F
calc
< F
α;k-1;n-k
modelul este invalidat.

6.4.2. Verificarea semnificaŃiei coeficientului corelaŃiei simple
cu testul t
Verificarea coeficientului de corelaŃie simplă, care s-a utilizat pentru
aflarea intensităŃii legăturii, se face cel mai frecvent prin utilizarea testului t:
2
1
2


= n
r
r
t
xy
xy
calc
(6.20)
unde: n = volumul eşantionului;
r
xy
= coeficientul de corelaŃie liniară simplă.
Valoarea calculată se compară cu cea tabelară stabilită probabilistic
pentru un nivel de semnificaŃie α şi cu n-2 grade de libertate. Dacă:
– t
calc
> t
tabelar
se verifică ipoteza semnificaŃiei relaŃiei de corelaŃie;
– t
calc
< t
tabelar
legătura este nesemnificativă şi trebuie căutat un alt
factor esenŃial cu care să se studieze corelaŃia.

6.5. Regresia şi corelaŃia curbilinie simplă
În acest caz, legătura dintre o variabilă dependentă (y) şi una
independentă (x) se exprimă printr-o funcŃie neliniară:
Parabolă de gradul II: y
x
= a + bx + cx
2
(6.21)


191

Pentru determinarea parametrilor funcŃiei de regresie se utilizează
metoda celor mai mici pătrate:
∑(y
i
– (a + bx + cx
2
))
2
= minim
care conduce la sistemul de ecuaŃii normale:

na + b∑x + c∑x
2
= ∑y
a∑x + b∑x
2
+ c∑x
3
= ∑ xy (6.22)
a∑x
2
+b∑x
3
+ c∑x
4
= ∑ x
2
y

Se rezolvă sistemul de ecuaŃii normale prin metoda determinanŃilor şi
se calculează valoarea celor trei parametrii, iar în funcŃie de valoarea
individuală a lui x se ajustează valorile caracteristicii rezultative.
Hiperbola: b
x
1
a y
x
⋅ + = (6.23)
Prin aplicarea metodei celor mai mici pătrate se ajunge la sistemul de
ecuaŃii necesar aflării parametrilor funcŃiei:

na + b∑1/x

= ∑y
a∑1/x + b∑1/x
2
= ∑ y
x
1
⋅ (6.24)
FuncŃia exponenŃială: y
x
= a
.
b
x
(6.25)
În acest caz, mai întâi se logaritmează funcŃia:
log y = log a + x
.
log b
Astfel, s-a ajuns la o ecuaŃie de estimare de forma unei linii drepte,
calculată pe baza logaritmilor lor.
Utilizând metoda celor mai mici pătrate, se obŃine sistemul:

n log a + logb∑x

= ∑log y
log a∑x + log b∑x
2
= ∑ (xlog y) (6.26)

Prin rezolvarea sistemului se obŃine log a şi log b, iar prin
antilogaritmare, cei doi parametrii a şi b.



192
Intensitatea legăturii pentru corelaŃia neliniară se calculează cu
ajutorul raportului de corelaŃie:

( )
( )
2
2
ˆ
1




− =
y y
y y
R
x


Reprezentarea grafică a acestor funcŃii neliniare se face în figura 6.4.
a) funcŃia b) funcŃia c) funcŃia
exponenŃială hiperbolică parabolică

Figura 6.3. Modelul matematic al funcŃiilor de regresie neliniare

6.6. Regresia şi corelaŃia multiplă
Regresia multiplă poate fi exprimată printr-o funcŃie liniară sau o
funcŃie curbilinie. În cazul regresiei liniare multiple se porneşte de la
ipoteza dependenŃei variabilei y de variabilele factoriale x
1
, x
2
,…, x
n
şi
independenŃa reciprocă a acestora din urmă. Stabilirea ecuaŃiei de regresie
multiplă se face pe baza analizei existenŃei şi a formei de legătură dintre
variabilele incluse în modelul de corelaŃie luate două câte două folosind
corelograma. FuncŃia de regresie are forma generală:
n n x x
x a x a a y
n
+ + + = ... ˆ
1 1 0 ...
1
(6.27)
SemnificaŃia parametrilor:
0
a = termenul liber cu caracter de medie, exprimă influenŃa factorilor
neînregistraŃi consideraŃi cu acŃiune constantă cu excepŃia caracteristicilor
factoriale x
1
, x
2
,…, x
n
, incluse în modelul de regresie.
193
n
a a a ,..., ,
2 1
= sunt denumiŃi coeficienŃi de regresie; arată cu cât se
modifică variabila y, când variabila factorială respectivă x
1
, x
2
,…, x
n
se
modifică cu o unitate.
Parametri se determină cu sistemul:

∑ ∑ ∑
= + + + y x a x a na
n n
...
1 1 0

∑ ∑ ∑ ∑
= + + + y x x x a x a x a
n n 1 1
2
1
1 1 0
...
1
(6.28)
∑ ∑ ∑ ∑
= + + + y x x a x x a x a
n n n n n
2
1 1 0
...

Intensitatea legăturii se calculează cu ajutorul raportului (coeficientului)
de corelaŃie multiplă.
Coeficientul de corelaŃie multiplă se determină cu ajutorul
coeficienŃilor de corelaŃie simplă dintre variabilele perechi. Astfel, în cazul
corelaŃiei dintre o variabilă rezultativă y şi două variabile independente x
1
şi
x
2
, coeficientul de corelaŃie multiplă, notat cu
2 1
x yx
r
, se poate calcula la
nivelul unui eşantion după relaŃia:
2
2
x
1
x
r 1
2
x
1
x
r
2
yx
r
1
yx
r 2
2
2
yx
r
2
1
yx
r
2
x
1
yx
R

⋅ − +
=
(6.28.a)
unde:
( )
(
(
¸
(

¸

(
(
(
¸
(

¸

|
¹
|

\
|


∑ ∑


∑ ∑ ∑

=
2
y
2
y n
2
1
x
2
1
x n
y
1
x y
1
x n
1
yx
r


( )
(
(
¸
(

¸

(
(
(
¸
(

¸

|
¹
|

\
|


∑ ∑


∑ ∑ ∑

=
2
y
2
y n
2
2
x
2
2
x n
y
2
x y
2
x n
2
yx
r

(
(
(
(
¸
(

¸

|
|
¹
|

\
|
(
(
(
¸
(

¸

|
¹
|

\
|


∑ ∑


∑ ∑ ∑

=
2
2
x
2
2
x n
2
1
x
2
1
x n
2
x
1
x
2
x
1
x n
2
x
1
x
r
(6.28.b)
Dacă ,
0
2
x
1
yx
r =
atunci
2
2
yx
r
2
1
yx
r
2
x
1
yx
R + =
.

194
Raportul de corelaŃie multiplă se poate calcula cu relaŃia:
( )
( )




− =
2
i
2
x x i
y y
y y y
1
2
x
1
yx
R
2 1 (6.28.c)
Raportul de corelaŃie multiplă se poate calcula pe baza estimaŃiilor
parametrilor ecuaŃiei de regresie multiplă, formula stabilindu-se după
modelul regresiei multiple aplicat.
Pentru o corelaŃie multiplă liniară dintre y şi x
1
x
2
:
2 2 1 1
2 1
x a x a a y
x x
+ + =
raportul de corelaŃie devine:
( )
( )


∑ ∑
− + +

=


2
2
2
2 n 2 1 n 1 n
y
n
1
y
y
n
1
y x a y x a y a
2
x
1
yx
R
(6.28.d)

6.7. Metode neparametrice de măsurare a intensităŃii legăturilor
dintre fenomene
Dacă distribuŃiile caracteristicilor corelate nu sunt de tip normal sau
dacă caracteristicile nu se exprimă numeric, pentru măsurarea intensităŃii
corelaŃiei se folosesc metode neparametrice.
Metodele neparametrice se folosesc:
– dacă variabilele se exprimă prin cuvinte, sau o variabilă este
calitativă şi alta cantitativă, sau ambele sunt cantitative, dar nu există
suficiente date pentru a se cunoaşte forma de distribuŃie;
– sunt asimetrice;
– nu au o distribuŃie normală sau asimptotic normală.

6.7.1. Coeficientul de asociere
Această metodă se utilizează, în special, când unităŃile purtătoare ale
caracteristicilor sunt separate în două grupe sau sunt de forma unor
caracteristici alternative (de tipul da-nu).
Coeficientul se asociere se calculează pe baza tabelului de asociere,
care permite analiza nu numai a caracteristicilor exprimate numeric, dar şi a
celor calitative.
195
Tabelul de asociere este format din 2 rânduri şi 2 coloane. În capetele
rândurilor şi coloanelor se trec variantele celor două caracteristici care se
supun asociaŃiei, iar în interiorul tabelului se trec frecvenŃele cores-
punzătoare (tabelul 6.2).

Tabelul 6.2
x \ y y
1
y
2
Total
x
1
a b a+b
x
2
c d c+d
Total a+c b+d a+b+c+d
Produsul ad arată gradul de realizare a legăturii directe dintre x şi y.
Produsul bc arată gradul de legătură inversă între aceste două
caracteristici cercetate.
Coeficientul de asociere se calculează cu formula lui Yulle:
[ ] 1 , 1 , − ∈
+

=
bc ad
bc ad
Q (6.29)

OBSERVAłII
4
!
• Când ad-bc = 0, înseamnă independenŃă de asociere.
• Asocierea completă poate apărea astfel:

1) asociere completă absolută (Q=1)
a 0
0 d
2) asociere completă cu sens pozitiv (Q=1)
a b
0 d
3) asociere completă absolută (Q= -1)
a b
c 0
4. asociere completă cu sens negativ (Q = -1)
0 b
c d

4
Interpretări ale coeficientului de asociere fundamentate din lucrarea
Statistică, Biji E., Wagner P., Lilea E., Vătui M., Petcu N., Editura Didactică
şi Pedagogică, Bucureşti, 1999.
196
• Interpretarea coeficientului Q, ce aparŃine intervalului
[ ] 1 , 1 −
, este
la fel ca la coeficientul de corelaŃie r
xy
.
• Avantajul coeficientului Q este că se poate calcula cu rapiditate,
chiar şi când datele provin din unităŃi statistice cu forme diferite de
distribuŃie în interiorul lor.

6.7.2. CoeficienŃii de corelaŃie ai rangurilor
Aceşti coeficienŃi nu se calculează pe baza valorilor individuale ale
variabilelor, ci pe baza numărului lor de ordine, numit rang. Rangurile se
obŃin după ce s-au ordonat datele individuale (crescător, descrescător),
astfel încât va trebui să vedem în ce măsură există, la nivelul fiecărei
unităŃi, concordanŃă între rangurile caracteristicii factoriale de la 1 la n cu
rangurile caracteristicii rezultative tot de la l la n.
Pentru calculul coeficientului de corelaŃie a rangurilor se pot folosi
formulele lui Spearman şi Kendall.
Coeficientul lui Spearman se determină cu relaŃia:
( ) 1
6
1
2
2

− =

n n
d
r
i
s

[ ] 1 , 1 − ∈
(6.30)
unde: d
i
= este diferenŃa de rang între variabilele corelate pentru
aceeaşi unitate de observare;
n = numărul perechilor de valori corelate.
Pentru calculul lui se parcurg două etape:
– se stabilesc rangurile pentru cele două caracteristici R
x
şi R
y

– se calculează diferenŃele de rang: d
i
= R
x
- R
y.

Interpretarea coeficientului lui Spearman ce aparŃine intervalului
[ ] 1 , 1 − este la fel cu a coeficientului de corelaŃie r
xy
.
Coeficientul de corelaŃie Kendall se calculează în felul următor:
– se ordonează perechile de valori (crescător, descrescător) după
caracteristica independentă (x);
– se stabilesc ranguri pentru cele două caracteristici: R
x
şi R
y

– pentru fiecare R
y
se calculează 2 indicatori:
• P
i
numărul de ranguri superioare lui R
y

• Q
i
numărul de ranguri inferioare lui R
y

• se calculează scorul S
i =
P
i
- Q
i
şi S = ∑ S
i .

197
Coeficientul de corelaŃie Kendall se calculează cu relaŃia:
( ) 1
2

=
n n
S
r
k

[ ] 1 , 1 − ∈
(6.31)

OBSERVAłIE!
• Interpretarea intervalului de variaŃie al coeficientului Kendall
[ ] 1 , 1 − ∈ este la fel ca a coeficientului de corelaŃie r
xy
;
• Coeficientul lui Kendall este de obicei mai mic decât cel calculat
după formula lui Sperman.

CONCEPTE-CHEIE: regresia; corelaŃia; corelogramă; coeficient
de corelaŃie (r
xy
); raport de corelaŃie (R
xy
); coeficient de asociere (Q);
coeficienŃii rangurilor Spearman şi Kendall.

ÎNTREBĂRI DE AUTOEVALUARE

1. Care sunt tipurile de legături statistice dintre variabilele ce descriu
fenomene economico-sociale?
2. Prin ce se caracterizează legăturile statistice?
3. Ce legături statistice avem după numărul de caracteristici independente
luate în calcul? DescrieŃi aceste legături.
4. Ce legături statistice cunoaşteŃi în funcŃie de direcŃia legăturilor?
Exemple.
5. Cum definiŃi legăturile statistice după exprimarea lor analitică? DefiniŃi
şi exemplificaŃi aceste legături.
6. Ce noŃiuni de bază folosite în analiza de corelaŃie cunoaşteŃi? DefiniŃi
aceste noŃiuni.
7. DescrieŃi metodele simple utilizate pentru verificarea existenŃei
legăturii. Exemple.
8. Cum se reprezintă grafic legătura dintre două variabile statistice? Ce se
poate analiza cu ajutorul graficului?
9. Când utilizăm metoda regresiei?
10. Care este semnificaŃia (statistică, geometrică) a parametrilor mode-
lului de regresie?
11. Cum se măsoară intensitatea legăturii:
− cazul legăturii liniare;
− cazul legăturii neliniare.
198
12. Între ce limite ia valori coeficientul de corelaŃie? Ce semnificaŃie are
intervalul de variaŃie r
xy
?
13. Ce semnificaŃie are raportul de corelaŃie?
14. Cum se poate verifica ipoteza liniarităŃii legăturii?
15. Când se utilizează metodele parametrice pentru analiza legăturilor
dintre variabilele statistice?
16. Cum verificăm validitatea modelului de regresie folosit?
17. Cu ce verificăm semnificaŃia coeficientului corelaŃiei simple?
18. Când se utilizează metode neparametrice pentru analiza legăturilor
dintre variabilele statistice?
19. Care sunt cele mai folosite metode neparametrice?
20. Când se utilizează coeficientul de asociere propus de Yulle?
21. Ce înŃelegeŃi prin ranguri şi care sunt cei mai folosiŃi indicatori ai
rangurilor?
22. Ce înŃelegeŃi prin elasticitate? Dar prin coeficientul de elasticitate?
23. ComentaŃi situaŃiile rezultate din valorile limită ale coeficienŃilor de
elasticitate.
24. Coeficientul de corelaŃie liniară se află în relaŃie de directă
proporŃionalitate cu:
a) covarianŃa;
b) abaterea standard calculată pentru variabila factorială;
c) abaterea standard calculată pentru variabila rezultativă;
d) volumul datelor studiate ;
e) este un indicator independent.
25. Atunci când coeficientul de corelaŃie ia valoarea 1:
a) legătura este de tip funcŃional;
b) variabilele sunt independente;
c) corelaŃia este puternică;
d) legătura este liniară.
26. Coeficientul de corelaŃie, calculat pentru o legătură liniară, poate lua
valori în mulŃimea:
a) (-1,0);
b) (0,1);
c) mulŃimea numerelor întregi pozitive;
d) mulŃimea numerelor reale pozitive.


199
27. Coeficientul şi raportul de corelaŃie au valori egale atunci când:
a) legătura dintre variabile este directă;
b) legătura dintre variabile este inversă;
c) colectivitatea este omogenă.
28. Pentru analiza dependenŃelor statistice dintre variabile, metoda
grafică permite:
a) interpretarea intensităŃii legăturii dintre variabile;
b) constatarea existenŃei legăturii statistice;
c) identificarea existenŃei, direcŃiei şi formei legăturii dintre două
variabile;
d) estimarea parametrilor funcŃiei de regresie;
e) estimarea raportului de corelaŃie.
29. TendinŃa legăturii dintre două variabile se exprimă prin funcŃia:
y = a + bx + cx
2
. Intensitatea legăturii dintre cele două variabile se
caracterizează prin:
a) coeficientul de corelaŃie liniară;
b) coeficientul lui Spearman;
c) raportul de corelaŃie;
d) coeficientul lui Bowley.
30. Coeficientul de elasticitate se calculează astfel:
a) ritmul de modificare a variabilei factoriale raportat la ritmul de
modificare a variabilei rezultative;
b) ritmul de modificare a variabilei rezultative raportat la ritmul de
modificare a variabilei factoriale;
c) ritmul de modificare a variabilei rezultative înmulŃit cu ritmul de
modificare a variabilei factoriale;
d) modificarea absolută a variabilei rezultative raportată la modi-
ficarea absolută a variabilei factoriale.
200


7. ANALIZA STATISTICĂ A SERIILOR CRONOLOGICE






Analiza seriilor cronologice presupune studiul dinamicii unei
variabile statistice în scopul descrierii, modelării şi extrapolării variaŃiei în
timp pe componente definitorii. Metoda pleacă de la analiza trecutului şi
vizează extrapolarea tendinŃelor manifestate în perioada studiată,
bazându-se pe următoarele ipoteze:
– tendinŃele manifestate în trecut se vor menŃine în viitor;
– fluctuaŃiile unei variabile se reproduc la intervale regulate.

7.1. NoŃiuni. ParticularităŃi
Seria cronologică este formată din două şiruri de date paralele
în care primul şir arată variaŃia caracteristicii de timp, iar cel de-al
doilea şir, variaŃia caracteristicii cercetate, de la o unitate de timp la
alta. Seriile cronologice se mai numesc serii de timp sau serii ale
dinamicii.

Exemple de serii cronologice pot fi:
– evoluŃia lunară a exporturilor sau a importurilor realizate de o
firmă;
– evoluŃia cifrei de afaceri;
– evoluŃia lunară a stocurilor de mărfuri dintr-un depozit etc.
DefiniŃia seriei cronologice (SCR) impune câteva observaŃii:
• Curgerea timpului se măsoară în succesiune cu ajutorul unei scale
de interval. UnităŃile de timp frecvent utilizate sunt: anul, trimes-
trul, luna, săptămâna, ziua.
• Seria cronologică poate fi privită ca o variabilă aleatoare, pentru
că valorile individuale se formează ca urmare a acŃiunii unui
ansamblu diferit de factori comuni sau specifici, esenŃiali sau
neesenŃiali etc.
201
• Caracterizarea evoluŃiei în timp a unui fenomen, cu ajutorul SCR
specifice, presupune ca timpul să fie variabil, iar spaŃiul şi
structura organizatorică să fie constante.
Într-o SCR, variabila y este legată funcŃional de variabila timp.
Astfel, SCR poate fi scrisă: y = f(t) unde:
– t este variabila timp;
– variabila y ia valorile individuale y
i
.
La analiza SCR trebuie avute în vedere o serie de proprietăŃi ale
acestora:
• Variabilitatea termenilor unei SCR provine din faptul că fiecare
termen este format prin centralizarea unor date individuale. Astfel,
pot apărea diferenŃe între termenii seriei, fie ca urmare a influenŃei
factorilor aleatori, fie a acŃiunii legilor ce se manifestă ca tendinŃă
generală, imprimând fenomenelor studiate forme diferite.
• Omogenitatea termenilor este asigurată dacă datele vin din
aceeaşi sursă, au acelaşi grad de cuprindere a unităŃilor, aceleaşi
metode de culegere şi prelucrare, ceea ce le asigură şi
compatibilitatea. Datele sunt omogene dacă sunt de acelaşi gen şi
sunt efecte ale aceluiaşi tip de cauză.
• Periodicitatea se referă la alegerea unităŃii de timp la care se
referă termenii unei serii cronologice.
• InterdependenŃa termenilor se explică prin aceea că termenii
seriei sunt valori succesive ale aceluiaşi fenomen ca urmare a
respectării principiului unităŃii de timp, spaŃiu şi a structurii
organizatorice. Datorită relaŃiilor de cauzalitate, valoarea fiecărui
termen depinde de valoarea termenului anterior. În funcŃie de
natura caracteristicilor (de stoc sau de flux), observarea statistică
se face continuu în decursul unui interval, sau la momente de timp
distincte. Astfel, în practică există SCR de momente sau mărimi
de stoc şi SCR de intervale sau mărimi de flux.
Deosebirea dintre cele două serii este esenŃială şi are implicaŃii
asupra metodologiei statistice de analiză, astfel:
o Termenii unei SCR de momente nu sunt însumabili, ei conŃin
acele elemente ale stocului care coexistă, în mod repetat, în
momente diferite de timp. Exemplu: stocul de produse finite din
depozitele unei firme la momente diferite de timp.
202
o Termenii unei serii de intervale sunt mărimi de flux. Ei sunt
însumabili pentru că se formează prin cumulare continuă, pe
măsura curgerii timpului. Un flux este un eveniment produs
într-o perioadă de timp. Exemplu: modificarea numărului
populaŃiei între două recensăminte.
În funcŃie de numărul termenilor, seriile cronologice au lungime
mică, medie sau mare. Seriile de lungime mică au mai mult caracter de
informare, de popularizare. Analiza statistică lucrează cu SCR de lungime
medie sau mare. Pe baza acestor tipuri de SCR, legea numerelor mari,
având câmp de acŃiune, poate desprinde legităŃile de evoluŃie, poate
elabora variante de prognoză.
• Grafice statistice ale SCR
EvoluŃia unui fenomen prezentat într-o SCR poate fi vizualizat şi
analizat pe baza graficelor trasate acestor serii de timp. SCR poate fi
reprezentată grafic prin:
− cronograme;
− diagrame semilogaritmice;
− diagrame polare radiale.
Aceste tipuri de grafice au fost prezentate mai pe larg în subcapitolul
2.3.3. Grafice statistice.

7.2. Sistemul de indicatori statistici ai seriilor cronologice
Caracterizarea evoluŃiei unui fenomen de masă, în complexitatea sa,
cu ajutorul termenilor unei SCR se face cu un sistem de indicatori
statistici, analitici şi sintetici. În funcŃie de modul de exprimare şi de
calcul, indicatorii sunt structuraŃi în: indicatori absoluŃi, indicatori relativi,
indicatori medii.
Analiza statistică a termenilor unei SCR impune alegerea unei baze
de comparare (y
0
) sau nivel de referinŃă, care să fie tipică procesului
analizat. În cazul variabilelor economice se impune folosirea:
• unei baze fixe – un nivel de referinŃă neschimbat pentru întreaga
perioadă analizată;
• unei baze în lanŃ – un nivel de referinŃă mobil, ce glisează în timp
simultan cu perioada la care se referă indicatorul. De regulă, se
foloseşte perioada imediat anterioară (y
t
se compară cu y
t-1
).

203
1. Indicatori exprimaŃi prin mărimi absolute
Indicatorii absoluŃi exprimă starea fenomenului investigat într-o
perioadă de timp sau modificările apărute succesiv în timp. În mărimi
absolute ce se exprimă în unităŃi de timp concrete (lei, metri, kilograme
etc.) ale caracteristicilor studiate se calculează indicatori statistici ce redau
nivelul, volumul agregat, modificările faŃă de diferite perioade de timp.
Indicatorii de nivel reprezintă valorile individuale ale caracteristicii
corespunzătoare condiŃiilor specifice de producere a fenomenului
urmărit. Acest indicator de nivel îl vom nota cu yt.
Volumul agregat sau suma termenilor SCR de intervale (

=
T
t
t
y
1
)
este un indicator ce se calculează cu precauŃie pentru că nu toate
caracteristicile au variantele însumabile.
Modificarea absolută (sporul sau scăderea absolută) exprimă cu câte
unităŃi de măsură s-a modificat valoarea individuală dintr-o perioadă
faŃă de o perioadă bază de comparaŃie (fixă sau mobilă). Astfel,
calculăm:
• Modificarea absolută cu bază fixă:
, 1 unde ,
0
0 /
T t y y
t
y
t
= − = ∆ (7.1)
• Modificarea absolută cu bază mobilă:
, 1 unde ,
1
1 /
T t y y
t t
y
t t
= − = ∆


(7.2)

OBSERVAłII!
• Baza fixă de comparaŃie poate fi oricare termen al seriei.
Alegerea bazei fixe de comparaŃie nu trebuie să afecteze
comparabilitatea termenilor.
• RelaŃii între sporuri:
– suma sporurilor cu bază în lanŃ este egală cu modificarea cu
bază fixă a perioadei de analiză:
( ) ( )
1 / 1 T 1 2 3 1 2 1 /
y ) ...(
T t T
y
t t
y y y y y y y ∆ = − = − + − + − = ∆
− − ∑
(7.3)
– diferenŃa dintre două modificări absolute cu bază fixă
succesive este egală cu modificarea absolută cu bază în lanŃ a
perioadei curente, după relaŃia:
204
( )
1 / 1 1 1 1 / 1 1 /
) (
− − −
∆ = − − − = ∆ − ∆
t t t t t t
y y y y (7.4)
2. Indicatori exprimaŃi prin mărimi relative
Indicatorii relativi se pot utiliza în analiza comparativă, prezentând
două aspecte:
– arată de câte ori nivelul unei variabile este mai mare sau mai
mic decât cel ales bază de comparaŃie;
– arată procentual modificarea valorii caracteristicii din perioada
raportată faŃă de cea din baza de raportare.
• Indicele de dinamică. Se calculează ca o mărime relativă a
dinamicii, care arată de câte ori (de cât la sută) s-a modificat valoarea
caracteristicii faŃă de perioada bază de comparaŃie (fixă sau mobilă).
RelaŃiile sale de calcul sunt:
T 1, t t, ; 100
t
y
t
y
y
t t/
I =



=


o Indicele de dinamică cu bază fixă:
T 1, t 100;
y
t
y
y
I
0
t/0
= ⋅ = (7.5)
o Indicele de dinamică cu bază mobilă:
T 1, t 100;
1 t
y
t
y
y
1 t/t
I = ⋅

=

(7.6)

OBSERVAłIE! Aceşti indici de dinamică, dacă sunt supraunitari sau
subunitari desemnează creşteri sau descreşteri.

ProprietăŃi:
• Produsul indicilor cu bază în lanŃ este egal cu indicele cu bază
fixă al perioadei analizate:
y
T/1
I
y
1 t/t
I =


(7.7)
y
T/1
I
1 t
y
T
y
...
2
y
3
y
1
y
2
y
y
1 t/t
I =

⋅ ⋅ ⋅ =



205
• Dacă se raportează indicii dinamicii cu bază fixă din două
perioade succesive t şi t-1, se obŃine indicele cu bază în lanŃ al
perioadei curente:
y
I
y
y
:
y
t
y
y
I :
y
I
1 t/t
1
1 t
1
1/1 t t/1 −


= = (7.8)
• Ritmul modificărilor relative sau ritmul (rata) sporului este un
alt indicator relativ. El exprimă cu cât la sută s-a modificat nivelul
fenomenului analizat, într-o anumită perioadă faŃă de nivelul din perioada
de bază. Ritmul modificării relative se calculează:
100 100
/
100
t
y
100
/
/
− ⋅

= ⋅



= ⋅



=

y
t t
I
t
y
t
y
t
y
y
t t
y
t t
R
(7.9)
– ritmul cu bază fixă:
100 100
0 /
100
0
0 /
0 /
− ⋅ = ⋅

=
y
t
I
y
y
t
y
t
R
(7.10)
– ritmul cu bază mobilă:
100 100
1 /
100
1
1 /
1 /
− ⋅

= ⋅



=

y
t t
I
t
y
y
t t
y
t t
R
(7.11)

• Valoarea absolută a unui procent de creştere (scădere) arată
câte unităŃi fizice sau valorice revin la 1% de creştere sau de scădere din
ritmul sporului şi se determină comparând modificările absolute cu ritmul
modificărilor relative.
100
100
/
/
100
/
/
/
t
y
t
y
y
t t
y
t t
y
t t
R
y
t t
y
t t
A

= ⋅





=




=

(7.12)
– valoarea absolută cu bază fixă:
100
0
y
100
y
0 / t
R
y
0 / t
y
0 / t
A =


=
(7.13)


206
– valoarea absolută cu bază mobilă:
100
1
100
1 /
1 /
1 /

=




=

t
y
y
t t
R
y
t t
y
t t
A
(7.14)

OBSERVAłIE!
• RaŃionamentul determinării valorii absolute a unui procent de
creştere are la bază repartizarea uniformă a modificării absolute pe
procentele ritmului de modificare relativă. Din această cauză, el exprimă
câte unităŃi de măsură revin unei creşteri de un procent.
• O problemă importantă pentru calculul indicatorilor absoluŃi şi
relativi, reprezintă alegerea bazei de comparaŃie. Cu cât baza de
comparaŃie este mai bine aleasă, cu atât se sesizează mai bine regularita-
tea mişcării în timp a fenomenului analizat.

3. Indicatorii medii ai SCR
Indicatorii medii ai SCR se referă la aceleaşi aspecte ca şi indicatorii
descrişi anterior (nivel, spor, proporŃie), dar exprimarea sub formă de medie,
presupune luarea în considerare a întregului interval la care se referă SCR.
• Nivelul mediu al termenilor dintr-o SCR. Calculul acestui
indicator se justifică numai dacă termenii SCR sunt omogeni în orizontul
de timp analizat.
Nivelul mediu se calculează diferenŃiat pentru SCR de intervale
(flux) şi pentru SCR de momente (de stoc):
o Pentru SCR de intervale (termenii fiind însumabili) nivelul
mediu se calculează cu ajutorul mediei aritmetice simple:
T t
T
y
y
t
, 1 unde , = =

(7.15)
o Pentru SCR de momente (de stoc) nivelul mediu se
calculează diferit în funcŃie de felul momentelor:
1. Media cronologică simplă (dacă momentele sunt echidistante):
1
2
...
2
1 2
1

+ + + ⋅ +
=

T
y
y y
y
y
T
t
CR
(7.16)


207

2. Media cronologică ponderată (dacă momentele sunt inegal
distanŃate):
2
....
2 2
2
...
2 2
1 2 1 1
1 2 1
2
1
1


+ +
+
+
⋅ + +
+
⋅ + ⋅
=
n
n
n
CR
t t t t
t
y
t t
y
t
y
y (7.17)
unde: n = numărul termenilor analizaŃi.
EXEMPLUL 1: Calculul mediei cronologice simple, când momentele
sunt echidistante. Presupunând că stocul de marfă existent în semestrul
I/2003 la o firmă se prezintă astfel:

Tabelul 7.1
Data 1 I 1 II 1 III 1 IV 1 V 1 VI 1 VII
Stocul 500 450 520 490 470 540 600

lei/an 3 , 503
1 7
2
600
540 470 490 520 450
2
500
y
CR
=

+ + + + + +
=

EXEMPLUL 2: Calculul mediei cronologice ponderate când momen-
tele sunt inegal distanŃate va fi:

Tabelul 7.2
Data 1.01.03 28.02.03 15.04.03 01.06.03 01.07.03
Stocul 500 520 480 540 600

Timpii vor fi: t
1
= 58; t
2
= 46; t
3
= 47; t
4
= 30.
lei/an 4 , 517
2
30
2
30 47
2
47 46
2
46 58
2
58
2
30
600
2
30 47
540
2
47 46
480
2
46 58
520
2
58
500
y
CR
=
+
+
+
+
+
+
+
+
+
+
+
+
+
+
=

• Modificarea medie absolută ( ∆) este media aritmetică a
modificărilor absolute de la o perioadă la alta în succesiunea lor de-a lungul
intervalului de timp analizat şi se numeşte spor mediu sau scădere medie.
208
1 T
y
1 / T
1 T
y
1 t / t


=




= ∆
(7.18)
unde: T-1 este numărul modificărilor absolute cu bază mobilă.

OBSERVAłIE! Reprezentativitatea modificării medii absolute
este asigurată numai dacă modificările absolute au bază mobilă, sunt
omogene (aproximativ egale). CondiŃia variaŃiei minime a modifi-
cărilor absolute cu bază mobilă trebuie cu atât mai mult respectată cu
cât modificarea medie absolută se calculează şi pe baza relaŃiei dintre
primul şi ultimul termen SCR, fără să se ia în consideraŃie termenii
intermediari.
• Indicele mediu de dinamică ( I ) de creştere (scădere) arată de
câte ori s-ar modifica în medie fenomenul analizat pe toată perioada, dacă
ar fi influenŃat numai de cauze sistematice. Se calculează ca o medie
geometrică a indicilor de dinamică cu bază în lanŃ:
1 T
y
T/1
1 T
1
T
1 T
T
2 t
y
1 t/t
I
y
y
I I

− −
=

= = =

(7.19)
unde: T-1 este numărul de indici de dinamică cu bază mobilă.

OBSERVAłIE! Nivelul indicelui mediu de dinamică calculat este
reprezentativ pentru evoluŃia fenomenului prezentat în cadrul SCR, numai
dacă indicii de dinamică cu bază mobilă sunt aproximativ egali.
Această cerinŃă este importantă pentru că indicele mediu de
dinamică se poate calcula şi în funcŃie de termenii extremi ai SCR, fără să
ia în considerare termenii intermediari.
• Ritmul mediu al dinamicii ( R )sau rata medie de creştere sau
descreştere – exprimă cu câte procente fenomenul analizat s-a modificat,
în medie, de la un interval de timp la altul. El se calculează pe baza
indicelui mediu al dinamicii, după relaŃia:
0 10 100 I R − ⋅ = (7.20)

OBSERVAłIE! Sistemul de indicatori ai SCR oferă informaŃii
sintetice şi analitice despre evoluŃia unui fenomen de masă într-un
orizont de timp.
209
Cu toate acestea ei nu permit evaluarea componentelor determinate
de influenŃa factorilor specifici şi generali care acŃionează în sub-
perioadele orizontului de timp al SCR.
EXEMPLU: ProducŃia de antibiotice a unei firme în perioada
1998-2002 se prezintă astfel:

Tabelul 7.3
Indicatori absoluŃi Indicatori relativi

Anii
Produc-
Ńia

Modificarea
absolută
Indicele de
dinamică
Ritmul
sporului
Valoarea
absolută a
unui% de
creştere
y
t

y
t /


y
t t 1 / −

y
t
I
1 /

y
t t
I
1 / −

y
t
R
1 /

y
t t
R
1 / −

1 / − t t
A
1998 500 - - 100 - - - -
1999 480 -
20
-20 96 96 -4 -4 5
2000 510 10 30 102 106,2
5
2 6,25 4,8
2001 540 40 30 108 105,8
8
8 5,88 5,1
2002 580 80 40 106 107,4 16 7,44 5,4
Total 2610
∑ y
t

80
∑ −

y
1 t / t



Pentru valoarea absolută a unui% de creştere cu bază fixă se
calculează indicatorul: 5
100
500
100
1
1 /
= = =
y
A
t


Indicatorii medii:
1. Valoarea medie a producŃiei în perioada 1998-2002 – nivelul
mediu:

522
5
2610
= = =

T
y
y
t
lei /an
210


2. Modificarea medie absolută:
20
4
80
1 5
500 580
1 1 1
1 1 / 1 /
= =


=


=


=


= ∆


T
y y
T T
T
y
T
y
t t
lei/an
3. Indicele mediu de dinamică:
%, 78 , 103 sau 0378 , 1
500
580
y
y
I I I
4
1 T
1
T
1 T
y
1 / T
1 T
T
2 t
y
1 t / t
= = = = = −


=
− ∏

rezultă că producŃia de antibiotice a crescut în medie de 1,0378 ori în
perioada 1998-2002.

OBSERVAłIE!
Dacă: – I < 100% indicele semnalizează scăderea sau reducerea
fenomenului analizat;
– I = 100% indicele arată că fenomenul cercetat nu prezintă
evoluŃie, ci staŃionează;
– I > 100% indicele arată creşterea fenomenului; cu cât este
mai mare faŃă de pragul de 100%, cu atât
creşterea este mai apreciabilă.

4. Ritmul sporului (scăderii):
0 10 100 I R − ⋅ = = 103,78-100= 3,78%

Ritmul mediu ne arată că producŃia de antibiotice a crescut cu
3,78% pe an.

7.3. Analiza statistică a componentelor SCR
Studiul fenomenelor de masă, realizat cu ajutorul statisticii, ne arată că
într-o SCR de lungime suficient de mare pot fi identificate mai multe tipuri
de componente. Astfel, W. M. Pearson (1919) descompune SCR în patru
componente: tendenŃială, ciclică, sezonieră şi accidentală (ca în figura 7.1).



211



Figura 7.1. Componentele unei serii cronologice
Sursa: Jaba E., Statistică, Editura Economică, Bucureşti, 2000.

7.3.1. Componentele unei serii cronologice
1. Componenta Trend (tendenŃială) – sintetizează variaŃiile siste-
matice, lente (10-15 ani), şi semnifică tendinŃa generală manifestată de
fenomenul analizat pe întreg orizontul SCR. Mărimea componentei trend
este determinată de influenŃa factorilor esenŃiali, care acŃionează în întreaga
perioadă, sintetizând aspectul variaŃiei medii al fenomenului cercetat.
Estimarea tendinŃei centrale sau ajustarea trendului se efectuează
prin diferite metode, corespunzătoare formei manifestate de acesta: liniar,
parabolic, exponenŃial, hiperbolic etc.
2. OscilaŃii sau variaŃii periodice sistematic repetabile. În funcŃie
de natura factorilor de influenŃă care determină aceste oscilaŃii, de
mărimea perioadelor la care se manifestă repetabilitatea acestora, putem
identifica variaŃii (oscilaŃii) ciclice sau sezoniere.
OscilaŃiile ciclice sunt fluctuaŃii în jurul trendului (de tip sinusoidal)
ce au un caracter regulat, desfăşurându-se pe perioade lungi de timp.
Un ciclu cuprinde patru faze: expansiune, criză, recesiune, relansare.

ciclu
VariaŃii sezoniere
VariaŃie
accidentală
TREN
212

Figura 7.2. Fazele unui ciclu
Sursa: Jaba E., Statistică, Editura Economică, Bucureşti, 2000.

Ciclicitatea este determinată de factori de natură diversă care
acŃionează asupra fenomenului analizat. OscilaŃiile ciclice se pot datora
unor cauze naturale, ca de exemplu oscilaŃiile producŃiei agricole determi-
nate de ciclurile meteorologice.
Tot din această categorie fac parte şi ciclurile economice
(conjuncturale), provocate de periodicitatea succesiunii diferitelor procese
economice (înnoirea aparatului de producŃie, revoluŃiile sociale, războaie
etc.). Aceşti factori generează, alături de ciclurile economice conjuncturale,
cicluri lungi, numite macrocicluri ale dezvoltării economico-sociale.
OscilaŃiile sezoniere se repetă ritmic în termene scurte, fie în jurul
componentei ciclice, fie în jurul trendului. Ele sunt sesizabile numai dacă
termenii SCR se referă la unităŃi de timp mai scurte decât anul (luna,
trimestrul etc.). Aceste oscilaŃii se pot produce:
• sub influenŃa unor factori natural-climaterici (producŃia agricolă,
producŃia de construcŃii etc.);
• sub influenŃa unor factori cu caracter social (concedii, sărbători,
tradiŃii etc.);
şi afectează volumul şi structura circulaŃiei mărfurilor, activitatea de
turism etc.
Astfel, dacă datele sunt:
• trimestriale: S
t
= S
t+4
(7.21)
• lunare: S
t
= S
t+12
(7.22)
În general, pentru o periodicitate „p” avem:
S
t
= S
t+p
= S
t+2p
= ....
Relansare
Criză
Expansiune
Recesiune
t
y
t

213
OBSERVAłIE! Cunoaşterea componentei sezoniere prezintă
importanŃă pentru planificare, pentru fundamentarea deciziilor.
3. VariaŃii reziduale, accidentele faŃă de trend. Ele sunt deter-
minate de factori întâmplători, neprevăzuŃi (crize internaŃionale, greve,
revoluŃii, cutremure, inundaŃii etc.). VariaŃiile accidentale se manifestă
sub forma unor abateri mari, imprevizibile, de la ceea ce este sistematic în
evoluŃia fenomenului analizat.
OBSERVAłII!
• În cadrul aceleaşi SCR de lungime mare, componentele pre-
zentate sunt combinate aditiv, multiplicativ sau mixt.
• Pentru că influenŃa tuturor factorilor se manifestă simultan, în
formarea termenilor SCR separarea componentelor se face pe baza unor
ipoteze simplificatoare, a unor abstractizări. Nu există o metodă de
separare ideală a componentelor unei SCR.

7.3.2. Metode de determinare a trendului
Analiza SCR începe cu determinarea trendului, estimarea tendinŃei
generale în evoluŃia unui fenomen ( ) T , 1 t , yˆ
t
= . Pentru ca trendul să
reflecte dezvoltarea medie a unui fenomen trebuie eliminate oscilaŃiile
sezoniere, ciclice, accidentale şi înlocuiŃi termenii reali ( ) T , 1 t , y
t
= cu
termenii teoretici ( ) T , 1 t , yˆ
t
= care exprimă trendul. Estimarea tendinŃei
generale, aflarea termenilor
t
yˆ se realizează prin operaŃii de ajustare a
SCR. Ajustarea se efectuează prin metode mecanice şi prin metode
analitice.

7.3.3. Metode mecanice de ajustare a SCR
1. Metoda mediilor mobile (MMM), ca metodă de ajustare, se
foloseşte pentru SCR ce au un aspect de regularitate ciclică. Aceasta
presupune înlocuirea termenilor reali ai SCR cu mediile lor mobile
(glisante sau alunecătoare), ceea ce înlătură influenŃa factorilor care
provoacă oscilaŃii periodice (are loc compensarea abaterilor faŃă de
medie) şi determină obŃinerea unei noi serii SCR care evidenŃiază
mişcarea largă, continuă din evoluŃia fenomenului analizat.
214

Mediile mobile (MM) sunt medii aritmetice parŃiale calculate
dintr-un număr prestabilit de termeni succesivi ai SCR.

Numărul termenilor din care se calculează MM este stabilit în
funcŃie de periodicitatea oscilaŃiilor din SCR.
Cu cât este mai mare numărul de termeni din care se calculează
MM, cu atât ajustarea este mai pronunŃată, cu atât este mai lin graficul
obŃinut prin unirea mediilor mobile succesive.
• Cazul când MM se calculează dintr-un număr impar de
termeni (exemplu p=3)
Procedura de aflare a termenilor care estimează trendul este
următoarea:
– se calculează prima medie mobilă din primii 3 termeni (y
1
, y
2
, y
3
)
care va înlocui termenul y
2
;
– se calculează a 2-a medie mobilă din (y
2
, y
3,
y
4
) care va înlocui
termenul y
3
ş.a.m.d. (vezi tabelul 7.4).

Tabelul 7.4
t
i
y
i
Medii mobile (MM) Valori ajustate
1 y
1
-
2 y
2

( ) 3 / y
3 2 1 1
y y y + + =
1
ˆ y =
3 y
3

( ) 3 / y
4 3 2 2
+ + = y y y
2
ˆ y =
4 y
4

( ) 3 / y
5 4 3 3
y y y + + =
3
ˆ y =
5 y
5

( ) 3 / y
6 5 4 4
y y y + + =
4
ˆ y =
6 y
6


OBSERVAłII!
• Pentru acest caz, numărul mediilor mobile calculate este T – (p-1);
în exemplul dat 6–(3-1)=4; astfel, fiecare medie mobilă se va plasa în
dreptul termenului ce corespunde cu poziŃia termenului centrat.
• Valorile ajustate coincid cu numărul mediilor mobile calculate.
• Trendul obŃinut, reprezentat prin noul şir de valori
t
yˆ , prezintă o
evoluŃie lină, puŃin afectată de şocuri accidentale.
215

• Cazul când MM se calculează dintr-un număr par de
termeni (p=4)
Procedura de determinare a trendului este următoarea:
– se calculează MM provizorii (
t
y ), care se plasează între termenii
reali ai seriei;
– se calculează MM finale sau centrate (
t
y ), care se plasează în
dreptul termenilor reali ai seriei, pe care îi vor înlocui şi cu care se
face ajustarea termenilor seriei iniŃiale (vezi tabelul 7.5).

Tabelul 7.5
t
i
y
i
Medii mobile (MM) Valori ajustate
1 y
1
-
2 y
2

( ) 4 / y
4 3 2 1 1
y y y y + + + =

3 y
3

( ) 4 / y
5 4 3 2 2
y y y y + + + =
( )
1 2 1 1
ˆ y y y y = + =
4 y
4

( ) 4 / y
6 5 4 3 3
y y y y + + + =
( )
2 3 2 2
ˆ y y y y = + =
5 y
5

6 y
6


OBSERVAłII!
• În această ajustare se obŃin un număr de T – (p – 1) termeni
(EXEMPLU: T – (p – 1) = 6 – (4 – 1) = 3) medii mobile provizorii şi T – p
(EXEMPLU: T – p = 6 – 4 = 2) medii mobile finale; dar se pierd un număr
de p = 4 termeni de la începutul şi sfârşitul seriei, ceea ce ar fi un
dezavantaj.
• prezintă însă avantajul simplităŃii calculelor, precum şi cel al
posibilităŃii de separare operativă a tendinŃei de fluctuaŃiile sezoniere sau
de abaterile accidentale de mică amploare.



216
EXEMPLU: Despre vânzarea de mărfuri de către o firmă în perioada
2000-2002 se cunosc următoarele date:

Tabelul 7.6
Anul Trim. Valoarea
vânzărilor
y
t

MM provizorii
p = 4
i
y
MM finale
t t
y y ˆ =
2000 I 25 - -
II 30 29,75 -
III 29 31 30,375
IV 35 31,25 31,125
2001 I 30 31,75 31,5
II 31 32 31,875
III 31 31,75 31,875
IV 36 33,5 32,625
2003 I 29 35,75 34,625
II 38 39 37,375
III 40 - -
IV 49 - -

Calculul MM provizorii:
75 , 29
4
35 29 30 25
1
=
+ + +
= y
31
4
30 35 29 30
2
=
+ + +
= y
25 , 31
4
31 30 35 29
3
=
+ + +
= y ş.a.m.d.

Calculul MM finale:
1
2 1
1
ˆ 75 , 30
2
31 75 , 29
2
y
y y
y = =
+
=
+
=
2
3 2
2
ˆ 125 , 31
2
25 , 31 31
2
y
y y
y = =
+
=
+
= ş.a.m.d.


217
Tabelul final va arăta astfel:
Tabelul 7.7
Anul/Trim. I II III IV
2000 - - 30,375 31,125
2001 31,5 31,875 31,875 32,625
2002 34,625 37,375 - -

2. Metoda grafică de ajustare a trendului

Metoda grafică presupune reprezentarea grafică a seriei de date
empirice, urmată de trasarea vizuală a dreptei sau curbei, astfel încât să
aibă abateri minime faŃă de poziŃia valorilor reale în grafic.

Această ajustare vizuală se bazează pe ipoteza că acŃiunea tuturor
cauzelor ar fi fost constantă pe toată perioada, imprimând tuturor
termenilor aceeaşi formă de creştere absolută sau relativă şi care poate fi
interpretată pe baza liniei (curbei) valorilor reale luate în funcŃie de timp.
Graficul folosit pentru reprezentarea unei SCR este cronograma, care
se bazează pe sistemul de axe rectangulare, în care timpul este reprezentat
pe Ox, iar y
t
pe Oy (grafic prezentat în paragraful 2.3.3. Grafice statistice).
Metoda grafică este o metodă independentă de ajustare, cât şi un
instrument de identificare a funcŃiei analitice care estimează tendinŃa
generală din evoluŃia fenomenului.
3. Metoda modificării absolute medii (metoda sporului mediu – MSM)

MSM este recomandată atunci când modificările absolute cu bază
mobilă sunt aproximativ egale sau când şirul termenilor SCR se aseamănă
cu o progresie aritmetică (cu raŃia egală, cu modificarea absolută medie).

Dacă se consideră timpul dintre cei doi termeni extremi ca o
variabilă statistică (t
1
, t
2
,…t
n
) şi notăm termenii ajustaŃi
t
yˆ , relaŃia care
stă la baza ajustării prin procedeul modificării medii absolute va fi:
T t t y y
t
, 1 unde , ˆ
0
= ∆ + = (7.23)
y
0
reprezintă termenul de luat ca bază de comparaŃie;
t reprezintă variabila de timp (poziŃie pe care o are termenul
respectiv faŃă de cel ales bază de comparaŃie).

218
OBSERVAłII!
• Primul (
1
ˆ y ) şi ultimul (
T
yˆ ) termen ajustat este identic cu primul
(
1
y ) şi ultimul (
T
y ) termen real al seriei.
• Baza de ajustare este, de regulă, primul termen al seriei (t=1).
După natura, lungimea SCR, baza de ajustare poate fi oricare
termen din cadrul seriei, cu condiŃia ca el să fie cel mai apropiat
de linia care uneşte punctele extreme ale SCR.

EXEMPLU: Despre un fenomen
T
y se cunosc următoarele date (tabelul 7.8):
Tabelul 7.8


Variabila MSM MIM
Anii y
t
timp
t
∆ + = t y y
t 0
ˆ
t
t
I y y ⋅ =
0
ˆ
1994 40 0 40+0*2,5=40 40*(1,052)
0
=40
1995 42 1 40+1*2,5=42,5 40*(1,052)
1
=42,08
1996 44 2 40+2*2,5=45 40*(1,052)
2
=44,268
1997 46 3 40+3*2,5=47,5 40*(1,052)
3
=46,568
1998 47 4 40+4*2,5=50 40*(1,052)
4
=48,988
1999 50 5 40+5*2,5=52,5 40*(1,052)
5
=51,536
2000 52 6 40+6*2,5=55 40*(1,052)
6
=54,204
2001 57 7 40+7*2,5=57,5 40*(1,052)
7
=57,036
2002 60 8 40+8*2,5=60 40*(1,052)
8
=60
Total 438
Sursa: date convenŃionale

Calculăm sporul mediu absolut:
5 , 2
80
40 60
1 1 1
1 1 /
1 /
=

=


=


=


= ∆
∑ −
T
y y
T T
T T
t t

Bază de ajustare este ales primul termen y
0
= 40.

4. Metoda indicelui mediu de dinamică (MIM)

MIM este recomandat pentru estimarea tendinŃei centrale din
evoluŃia fenomenului studiat dacă indicii de dinamică cu bază mobilă
sunt aproximativ egali, sau dacă şirul termenilor SCR au tendinŃa de
creştere de forma unei progresii geometrice (cu raŃia egală cu indicele
mediu de dinamică).
219
FuncŃia de ajustare se bazează pe relaŃia dintre primul termen,
ultimul termen şi indicii dinamici cu baza în lanŃ. În virtutea proprietăŃii
determinante a mediei, fiecare indice cu baza în lanŃ se înlocuieşte cu
indicele mediu şi rezultă:
t
0 t
I y yˆ ⋅ =
(7.24)

OBSERVAłII!
• Primul (
1
ˆ y ) şi ultimul (
T
yˆ ) termen ajustaŃi sunt egali cu primul
(
1
y ) şi ultimul (
T
y ) termen real al SCR.
• ObservaŃia cu privire la baza de ajustare făcută MSM este
valabilă şi pentru MIM.
• Dacă pe grafic se trasează linia care uneşte punctele extreme, prin
punctele care reprezintă valorile ajustate se obŃine tendinŃa
generală de evoluŃie sub forma unei curbe exponenŃiale.

EXEMPLU: Pe baza datelor din tabelul 7.8, calculăm indicele mediu
de dinamică ( I ):
052 , 1
40
60
I
4
1
1
1
2
1 /
= = = = − −
=


T
T
T
T
t
y
t t
y
y
I

unde: termenul bază de ajustare este y
0
=40.

OBSERVAłIE! În afară de metoda mediilor mobile, celelalte metode,
metoda indicelui mediu de dinamică şi metoda sporului mediu, se
bazează în determinarea trendului ajustat numai pe primul şi ultimul
termen al SCR. Din această cauză, ele au un caracter „mecanic”, dar pot
oferi informaŃii utile despre tendinŃa de evoluŃie a unui fenomen în
măsura în care condiŃia de omogenitate a termenilor SCR este satisfăcută.

7.3.4. Metode analitice de determinare a trendului
Metodele analitice sunt considerate, în general, de mare performanŃă
în comparaŃie cu cele mecanice, pentru că determinarea tendinŃei generale
se bazează pe toŃi termenii seriei SCR.


220
Metodele analitice se bazează pe funcŃii matematice
) ( yˆ
t
t f =
,
numite şi funcŃii de ajustare a trendului, de estimare a tendinŃei
centrale, unde t reprezintă variabila de timp, iar y variaŃia în timp.

EvoluŃia unei SCR depinde de influenŃa ansamblului de factori
generali şi specifici ce acŃionează pe o scară de timp. În metodele
analitice, variabila timp este luată în considerare nu ca factor de
influenŃă, ci este utilizată numai pentru ordonarea termenilor SCR.
TendinŃa de evoluŃie a fenomenelor social-economice se
aproximează pe baza reprezentărilor grafice ale SCR (cronograma) şi a
altor criterii, printr-o funcŃie de ajustare, exprimată de funcŃii matematice
uzuale (parabolă de gradul I sau II, hiperbola, exponenŃială, liniară etc.)
(vezi figura 7.3).

bt a y
t
+ = ˆ

2
ˆ ct bt a y
t
+ + =
t
t
b
t
a y
1
ˆ + =

t
t
ab y = ˆ


Figura 7.3. FuncŃii de ajustare a termenilor unei SCR

OBSERVAłII!
• FuncŃia liniară bt a y
t
+ = ˆ îşi găseşte o largă aplicabilitate în
economie, datorită calculelor mai simple pe care le presupune,
dar şi pentru faptul că în intervale scurte sau medii, evoluŃia
multor fenomene poate fi aproximată printr-o dreaptă.
• În domeniul comerŃului exterior, al turismului, însă evoluŃiile pot
fi de tip exponenŃial
t
t
ab y = ˆ .
• În comerŃul interior, procesul de saturare a pieŃei poate face ca
vânzările pentru unele produse să înregistreze creşteri din ce în ce
mai mici, ceea ce sugerează alegerea funcŃiei semilogaritmice
Trend liniar Trend parabolic Trend hiperbolic Trend
exponenŃial
bt a y
t
+ = ˆ

2
ˆ ct bt a y
t
+ + =
t
t
b
t
a y
1
ˆ + =

t
t
ab y = ˆ

221
t b a y
t
log ˆ ⋅ + = sau a parabolei
2
ˆ ct bt a y
t
+ + = în vederea
descrierii tendinŃei.
După alegerea funcŃiei de ajustare, în baza criteriilor prezentate, este
necesară estimarea parametrilor. Estimarea parametrilor funcŃiei de
regresie se poate efectua prin mai multe metode, dar cea mai folosită este
metoda celor mai mici pătrate (MCMMP). Această metoda are ca funcŃie
obiectiv minimizarea sumei pătratelor abaterilor valorilor ajustate (de
trend) de la termenii reali:
( )


t
2
t t
yˆ y min unde: T , 1 t =

Trendul liniar
În cazul funcŃiei liniare, această condiŃie devine:
( ) [ ] min
2
= + −

bt a y
t

În scopul determinării celor doi parametrii a şi b, scriem sistemul de
ecuaŃii normale, care măsoară legătura liniară dintre variabila indepen-
dentă a şi variabila dependentă y (lucru prezentat în capitolul 6. Analiza
de regresie şi corelaŃie). Înlocuind pe x cu t, obŃinem:
Ta + b∑t = ∑y

(7.25)

a∑t

+ b∑t
2
= ∑ ty


Deoarece timpul este o variabilă care se măsoară cu ajutorul scalei
de interval, punctul de origine (t=0) al scalei şi unitatea de măsură a
variabilei timp t se aleg în mod convenabil. Pentru rezolvarea sistemului
de ecuaŃii dedus prin MCMMP se poate apela la o simplificare
importantă: se stabilesc valorile variabilei t, astfel încât ∑t = 0 (care
anihilează influenŃa timpului). Această simplificare poate fi efectuată în
felul următor:
– dacă SCR este formată dintr-un număr impar de termeni, ca
origine (t = 0) se ia termenul median, restul termenilor sunt
plasaŃi simetric faŃă de origine:

-2 -1 0 1 2 t
1999 2000 2001 2002 2003
222
– dacă SCR este formată dintr-un număr par de termeni, originea
(t = 0), se ia între termenii centraŃi (-1, 1), iar apoi restul
termenilor sunt plasaŃi simetric faŃă de origine la distanŃe egale (la
distanŃă de 2 unităŃi pentru valori întregi).


Pentru ∑t = 0, sistemul de ecuaŃii normale prezentat devine:
Ta = ∑y a = (∑y)/T
b∑t
2
= ∑ty de unde: b = (∑ty)/∑t
2

unde: a = media variabilei y
t
, fiind chiar media aritmetică a termenilor ; y
b = panta dreptei, care arată cu cât se modifică în medie fenomenul
studiat, la modificarea cu o unitate de timp (an, trimestru etc.)

EXEMPLU: Reluăm exemplul prezentat în tabelul 7.8:


Anii y
t
t t
2
t
.
y
bt a y
t
+ = ˆ
1994 40 -4 16 -160 48,67+2,42
.
(-4) =38,99
1995 42 -3 9 -126 48,67+2,42
.
(-3) =41,41
1996 44 -2 4 -88 48,67+2,42
.
(-2) =43,83
1997 46 -1 1 -46 48,67+2,42
.
(-1) =46,25
1998 47 0 0 0 48,67+2,42
.
(0) =48,67
1999 50 1 1 50 48,67+2,42
.
(1) =51,09
2000 52 2 4 104 48,67+2,42
.
(2) =53,51
2001 57 3 9 171 48,67+2,42
.
(3) =55,93
2002 60 4 16 240 48,67+2,42
.
(4) =58,35
Total 438 60 145


Calcularea parametrilor:
Ta = ∑y
b∑t
2
= ∑ty
de unde:
67 , 48
9
438
= = =

T
y
a
,
. 42 , 2
60
145
t
y t
b
2
= =

=



-5 -3 -1 1 3 5 t
1998 1999 2000 2001 2002 2003
223
Am arătat aplicarea acestei metode; interpretarea metodelor
mecanice MSM şi MIM, cât şi a metodei analitice le vom face în
paragraful 7.3.5. Analiza calităŃii estimării tendinŃei generale de evoluŃie
a unui fenomen (tabelul 7.9).
Atunci, când modificările cu bază în lanŃ alcătuiesc aproximativ o
linie dreaptă şi acceleraŃia evoluŃiei (diferenŃele absolute de ordinul 2)
sunt aproximativ constante, se recomandă ca model de ajustare parabola
de gradul 2:
2
ˆ ct bt a y
t
+ + = .
Astfel trendul parabolic va fi prezentat în următorul sistem de ecuaŃii:

Ta + b∑t + c∑t
2
= ∑y
t
a∑t

+ b∑t
2
+ c∑t
3
= ∑ t
.
y
t
a∑t
2
+ b∑t
3
+ c∑t
4
= ∑ t
2

.
y
t
, în care ∑t şi ∑t
3
=0


Sistemul devine:

Ta +ct
2
= ∑y
t
b∑t
2
= ∑ t
.
y
t
→ a, b, c

a∑t
2
+ c∑t
4
= ∑ t
2

.
y
t


Dacă se poate admite că termenii seriei cresc în progresie
geometrică, adică prezintă creşteri relative aproximativ constante, atunci
ca model de ajustare se utilizează curba exponenŃială:
t
t
ab = yˆ , în care
b este aproximativ egal cu indicele mediu ( I ).
Trendul exponenŃial se transformă într-o funcŃie liniară de
logaritmi: lg

y
t
=lg a+t
.
lg b
Sistemul de ecuaŃii va fi:
T
.
lg a + ∑ t
.
lg b = ∑ lg

y
t

∑ t
.
lg a +∑ t
2.
lg b = ∑ t
.
lg y
t


dacă considerăm ∑t = 0 sistemul devine:
T
.
lg a = ∑ lg

y
t

∑ t
2.
lg b = ∑ t
.
lg y
t
→ lg a şi lg b

Curba logistică
Prima formă a acestei curbe a fost propusă de matematicianul
P.F. Verhult (1845) pentru utilizarea în domeniul biologiei, demografiei
şi, mai târziu, în economie.
224
După autor, acest model este specific fenomenelor cu evoluŃii
neuniforme ce au în prima fază un ritm accelerat, apoi ritmul se
încetineşte, în final tinzând spre zero. Forma clasică propusă de el este
dată de relaŃia
1
:
bt a
t
e
k
y

+
=
1
ˆ
0
(7.26)
În practica economică se foloseşte o formulă simplificată dată de
relaŃia
2
:
t
t
bc a
y
+ =
ˆ
1
(7.26.a)
Dacă termenii seriei prezintă în prima perioadă de timp o creştere
lentă, creştere ce se accelerează apoi până la un punct de inflexiune (punct
până la care creşterea este exponenŃială), de la care ritmul se încetineşte
tinzând spre o limită (nivel de saturaŃie) care nu mai este depăşită în
continuare, se utilizează ca model de ajustare curba logistică (funcŃia
logistică) folosită frecvent în studiile de piaŃă.
Astfel, de exemplu, pentru studiul vânzărilor de produse de uz
îndelungat această curbă urmează, în timp, o evoluŃie asemănătoare literei
S, care pe etape decurge astfel:
• vânzările cresc lent în perioada imediat următoare lansării
produsului pe piaŃă;
• produsul, odată acceptat, face ca vânzările să crească vertiginos;
• după un interval mai mult sau mai puŃin îndelungat, pe măsură ce
apare fenomenul de saturare a pieŃei, vânzările înregistrează creşteri tot
mai lente;
• această stare poate fi vremelnică, pentru că în continuare putem
asista fie la un declin, fie la o evoluŃie imprevizibilă, fie la o fază de
relansare, o evoluŃie datorată apariŃiei unor elemente noi (ridicarea
calităŃii produsului, promovarea vânzărilor) care determină ,,escaladarea
logisticii” (figura 7.4).
OBSERVAłIE! FuncŃia logistică face posibilă nu numai obŃinerea
tendinŃei şi extrapolarea acesteia, în plus oferă informaŃii cu privire la:

1
Jaba E., Statistică, Editura Economică, Bucureşti, 2000.
2
Baron T., BădiŃă M., Korka M., Statistica pentru afaceri, Editura
Eficient, Bucureşti, 1998.
225
• nivelul limită, exprimat de valoarea parametrului (a) la care are
loc sau va avea loc plafonarea evoluŃiei variabilei dacă nu vor interveni
noi elemente de relansare a creşterii;
• perioada de timp la care a fost atins, sau va fi atins, punctul de
inflexiune al evoluŃiei în condiŃii normale de desfăşurare.
Estimarea parametrilor funcŃiei logistice poate fi efectuată prin
metoda celor mai mici pătrate. Calculele sunt mult mai laborioase decât
în cazul funcŃiei liniare, ceea ce face utilă programarea lor pentru
prelucrarea electronică.


Figura 7.4. Curba de creştere logistică

Sursa: Biji E. (coord.), Baron T., Statistică teoretică şi economică, Editura
Didactică şi Pedagogică, Bucureşti, 1991.

7.3.5. Analiza calităŃii estimării tendinŃei generale
de evoluŃie a unui fenomen
Aprecierea calităŃii ajustării prin anumite metode este o problemă de
decizie statistică, care presupune utilizarea unor tehnici obiective.
Prezentăm câteva din cele mai uzuale tehnici folosite.
1. Se reprezintă în acelaşi grafic seria empirică, cât şi valorile
ajustate prin diferite metode, mecanice şi analitice, apoi se alege vizual
curba ajustată care se apropie cel mai mult de curba valorilor reale ale
a/2
y
t
t
Lansare Creştere Maturizare Declin
226
seriei. Reluăm exemplu de la tabelul 7.8 şi pentru cele 3 metode prezentate
(MSM, MIM, şi metoda analitică) vom construi graficul (vezi figura 7.5.).

Figura 7.5. Cronograma comparării grafice a metodelor de estimare a trendului


Din analiza graficului, putem observa că, dintre metodele mecanice,
cea mai corespunzătoare este MIM, iar metoda liniară este o metodă cu
termeni ajustaŃi foarte apropiaŃi de cei reali.
2. Calitatea ajustării se poate aprecia comparând suma valorilor
empirice (∑y
t
) cu suma valorilor ajustate (∑
t
yˆ ) şi se va alege acea meto-
dă de estimare a tendinŃei centrale, care duce la cea mai mare apropiere a
sumei valorilor ajustate de suma valorilor empirice. RaŃionamentul utili-
zării acestui criteriu are la bază faptul că suma abaterilor termenilor
ajustaŃi faŃă de termenii reali trebuie să fie nulă.
EXEMPLU: Din exemplul tabelului 7.8 vom avea:
– pentru MSM: ∑
t
yˆ = 450;
– pentru MIM: ∑
t
yˆ = 444,68;
227
– pentru metoda analitică: ∑
t
yˆ = 438,03;
– suma valorilor empirice: ∑y
t
= 438.
Concluzia ce rezultă din această comparare este că MIM, ca metodă
mecanică, este cea mai potrivită, dar cea mai bună metodă de estimare a
trendului este metoda analitică.

3. Se poate folosi MCMMP cu respectarea principiului conform
căruia suma pătratelor abaterilor valorilor empirice (y
t
) de la cele teoretice
(
t
yˆ ) este minimă:
( )
2
ˆ min


t
t t
y y
.
Reluăm exemplu nostru din tabelul 7.8:
Tabelul 7.9. Analiza calităŃii estimării trendului prin MSM, MIM şi MA


MSM MIM Metoda analitică
Anii y
t

t


2
) ˆ (
t t
y y −

t

2
) ˆ (
t t
y y −
t


2
) ˆ (
t t
y y −

1994 40 40 0 40 0 38,99 1,02
1995 42 42,5 0,25 42,08 0,0064 41,41 0,35
1996 44 45 1 44,268 0,0718 43,83 0,03
1997 46 47,5 2,25 46,568 0,3226 46,25 0,0625
1998 47 50 9 48,988 3,9521 48,67 2,789
1999 50 52,5 6,25 51,536 2,3592 51,09 1,188
2000 52 55 9 54,204 4,8576 53,51 2,28
2001 57 57,5 0,25 57,036 0,0013 55,93 1,145
2002 60 60 0 60 0 58,35 2,722
Total 438

y
t

450

t

28

2
) ˆ (
t t
y y −

444,68

t


11,571

2
) ˆ (
t t
y y −

438,03

t

11,5665

2
) ˆ (
t t
y y −


Concluzia este, la fel ca la punctul 2, că cea mai bună metodă
mecanică este MIM (min = 11,571), iar metoda analitică rămâne o
metodă foarte bună (min = 11,5665).

4. Criteriul comparării coeficienŃilor de variaŃie (V) calculaŃi pe baza
abaterii medii pătratice (
2
ˆ /
t
y t
y
σ ) faŃă de medie ( y ). Cea mai bună metodă
de trend este aceea pentru care V = minim.
228
• abaterea medie pătratică:
( )
T
y y
t t
t
y t
y


=
2
2
ˆ
ˆ /
σ

• media:
67 , 48
9
438
= = =

T
y
y
t

• MSM:
% 62 , 3 100
67 , 48
76 , 1
76 , 1
9
28
2
ˆ /
= ⋅ = → = = V
t
y t
y
σ

• MIM:
% 329 , 2 100
67 , 48
134 , 1
134 , 1
9
571 , 11
2
ˆ /
= ⋅ = → = = V
t
y t
y
σ

• Metoda analitică:
% 33 , 2 100
67 , 48
135 , 1
135 , 1
9
5665 , 11
2
ˆ /
= ⋅ = → = = V
t
y t
y
σ

Concluzia: V
min
= 2,329% pentru MIM
V
min
= 2,33% pentru metoda analitică.

7.4. Previzionarea indicatorilor economici prin extrapolare
SCR stau la baza cunoaşterii fenomenelor social-economice pe
diferite perioade de timp, dar sunt utilizate şi în calculele de prognoză.
NoŃiunea de prognoză este similară cu cea de extrapolare.

Extrapolarea (previzionarea) pe baza datelor SCR implică
operaŃia de stabilire a unor termeni viitori, situaŃi în afara orizontului de
analiză. Astfel, extrapolarea presupune stabilirea unui model de analiză
y
t
= f(t) şi introducerea în model a valorii convenŃionale a variabilei timp,
corespunzătoare momentului pentru care se efectuează extrapolarea.

O asemenea extrapolare se numeşte tendenŃială şi presupune
următoarele:
1) condiŃiile de manifestare ale evoluŃiei fenomenului analizat în
orizontul SCR să se menŃină neschimbate şi în orizontul de prognoză
adoptat k T T t + + = ′ , 1 , unde k = orizont de prognoză; k >1; k ∈ N;
2) lungimea SCR trebuie să fie suficient de mare, pentru a se sesiza
regularitatea mişcării în timp a fenomenului analizat. Astfel, teoreticienii
recomandă, pentru elaborarea unor variante de prognoză prin extrapolare,
ca lungimea SCR analizată să fie mai mare de 10 ani;
229
3) „ciclicitatea” variantei de prognoză elaborată prin extrapolare
depinde nu numai de orizontul SCR, ci şi de orizontul de prognoză adop-
tat. Pentru a respecta condiŃia de la punctul 1), varianta de prognoză nu
trebuie să fie prea mare. Practicienii recomandă să se utilizeze un orizont
de prognoză care să nu depăşească o treime din lungimea orizontului
pentru care s-a determinat tendinŃa generală. În funcŃie de modelul
adoptat şi de lungimea orizontului de prognoză, extrapolarea este însoŃită
de o eroare de estimaŃie. Astfel, spunem că prin extrapolare se efectuează
o estimaŃie punctuală.
Elaborarea variantelor de prognoză prin metoda extrapolării
presupune prelungirea variabilei timp „t” cuprinsă în modelul de ajustare.

• Extrapolarea prin metode mecanice. În acest caz, se porneşte
de la ipoteza că se păstrează aceeaşi bază de calcul, fenomenul va evolua
în aceleaşi condiŃii ca şi în perioada expirată, păstrând aceeaşi tendinŃă de
apropiere către modificările absolute cu bază în lanŃ, metoda modificării
medie absolute ( ∆) (pentru fenomene care au o creştere în progresie
aritmetică) şi de apropiere către indicii cu bază în lanŃ, metoda indicelui
mediu al dinamicii ( I ) (când tendinŃa de creştere este în progresie
geometrică).
o Pentru extrapolarea pe baza modificării medie absolute ( ∆):


+ =

t y y
t 0
ˆ (7.27)
pentru k T T t + + = ′ , 1 (orizontul de prognoză)
o Pentru extrapolarea pe baza indicelui mediu ( I ):

t′
⋅ = ′ I
0
y
t
yˆ (7.28)
pentru k T T t + + = ′ , 1 şi y′ ˆ = valorile extrapolate (teoretice)

OBSERVAłIE! Valorile de prognoză sunt valori probabile, ele se
apropie de valorile reale dacă se îndeplinesc condiŃiile de extrapolare.

• Extrapolarea prin metode analitice. VariaŃia timpului se
extinde în ambele sensuri în raport cu originea (∑t
i
= 0) care nu se
modifică. În cazul metodelor analitice de prognoză, extrapolarea este o
continuare a ajustării.
230
FuncŃiile de extrapolare vor fi:
o Pentru funcŃia liniară: t b a yˆ
t
′ ⋅ + = ′ (7.29)
o Pentru funcŃia exponenŃială:
t
t
ab yˆ

=

(7.30)
o Pentru funcŃia parabolică:
2
t c t b a
t
yˆ ′
⋅ +

⋅ + =

(7.31)
o Pentru funcŃia logistică:
t c b
t
e 1
a

′ ⋅ −
+
=

(7.32)

• Extrapolarea sezonieră. Dacă datele statistice se referă la
semestre, trimestre, luni, atunci valoarea extrapolată pentru al k-lea an şi
al j-lea sezon (după natura aditivă sau multiplicativă a nivelului de
evoluŃie) se determină astfel:
j kj kj
S yˆ y

+ =

sau
*
j kj kj
S yˆ y + =

(7.33)

OBSERVAłIE! Gradul de complexitate al evoluŃiei fenomenului
prezentat în SCR necesită, pentru prognoză, elaborarea mai multor
variante de calcul fundamentate pe o riguroasă analiză economică.

CONCEPTE-CHEIE: serie cronologică (SCR); SCR de intervale;
SCR de momente; cronogramă; indicatori absoluŃi, relativi, medii; trendul;
MSM – metoda sporului mediu; MIM – metoda indicelui mediu;
MA – metoda analitică; extrapolarea.

ÎNTREBĂRI DE AUTOEVALUARE

1. Ce se înŃelege prin serie cronologică? Care sunt particularităŃile unei
SCR?
2. Care sunt implicaŃiile nerespectării principiului omogenităŃii şi
imposibilitatea construirii unei SCR?
3. EvoluŃia în timp a unui fenomen nu este ilustrată de o serie statistică:
a) cronologică;
b) de timp;
c) dinamică;
d) de distribuŃie.


231
4. Nu este o proprietate a termenilor unei SCR:
a) variabilitatea;
b) omogenitatea;
c) periodicitatea;
d) independenŃa;
e) interdependenŃa.
5. Care este diferenŃa dintre indicatorii de stoc şi indicatorii de flux?
6. Ce grafice se recomandă pentru reprezentarea unei SCR?
7. Care este sistemul de indicatori folosiŃi în caracterizarea unei SCR?
Cum se calculează aceşti indicatori?
8. Problemele care trebuie rezolvate la analiza unei SCR sunt:
a) calcularea indicatorilor absoluŃi, relativi şi medii;
b) determinarea trendului;
c) analiza sezonalităŃii;
d) extrapolarea.
AlegeŃi varianta corectă: A (a,b,c,d); B (a,b,c); C (a,b).
9. Nu este posibilă însumarea termenilor SCR:
a) de momente;
b) de intervale;
c) de fluxuri;
d) exprimate în unităŃi fizice.
10. Care sunt componentele termenilor unei SCR?
11. Ce înŃelegeŃi prin trend?
12. Ce reprezintă oscilaŃiile sezoniere? Dar variaŃiile reziduale?
13. Ce metode cunoaşteŃi pentru determinarea trendului?
14. DescrieŃi metodele mecanice cunoscute.
15. Ce metode analitice cunoaşteŃi? DescrieŃi aceste metode.
16. Ce înŃelegeŃi prin ajustarea termenilor unei SCR?
17. Ce criterii se pot utiliza pentru alegerea metodei analitice de ajustare?
18. Ce semnificaŃie au parametrii trendului liniar?
19. Recesiunea economică este o fluctuaŃie:
a) sezonieră;
b) pe termen lung;
c) întâmplătoare;
d) ciclică.


232
20. Componenta ciclică apare ca urmare a acŃiunii:
a) factorilor sezonieri;
b) factorilor ce determină fazele de contracŃie şi relaxare a
fenomenelor;
c) factorilor aleatori;
d) tendinŃei;
e) nu există această componentă.
21. Trendul unei SCR se determină prin MSM, atunci când:
a) indicii cu bază în lanŃ sunt apropiaŃi;
b) graficul are un punct de minim;
c) modificările absolute cu bază în lanŃ sunt aproximativ egale;
d) graficul are un punct de maxim.
22. Cum analizaŃi calitatea estimaŃiei trendului?
23. Ce reprezintă sezonalitatea?
24. Ce metode de determinare a sezonalităŃii cunoaşteŃi? DescrieŃi-le.
25. Ce exprimă un indice de sezonalitate?
26. Componenta sezonieră a unei serii de timp apare ca rezultat al
acŃiunii:
a) fluctuaŃiilor legate de anotimp, sau similar, în cursul unei zile,
săptămâni, luni, trimestru;
b) fluctuaŃiilor ciclice;
c) factorilor aleatori;
d) tendinŃei;
e) componenta sezonieră nu există.
27. Valorile ajustate ale unei SCR pot fi, faŃă de cele înregistrate:
a) <;
b) >;
c) =;
d) <,=,>;
e) nu se pot compara.
28. Ce înŃelegeŃi prin extrapolarea termenilor unei SCR?
29. Ce presupune o extrapolare tendenŃială?



233


8. METODA INDICILOR ÎN ANALIZELE ECONOMICE



„…indicele este degetul arătător al
economiei, indicatorul progresului şi al
insuccesului … el este caracteristic
pentru întreaga situaŃie”.
Helmut Swoboda


8.1. NoŃiunea de indice. ConŃinutul şi funcŃiile indicilor
Metoda indicilor face parte din metodele de analiză factorială, prin
care se măsoară variaŃia în timp şi în spaŃiu a unui fenomen complex în
funcŃie de modificarea factorilor de influenŃă.
Indicele statistic îndeplineşte o serie de funcŃii cognitive:
1) reflectă nivelul realizării fenomenului în perioada anterioară, luată
ca bază de comparaŃie;
2) caracterizează gradul în care s-a realizat fenomenul în perioada
curentă;
3) măsoară variaŃia fenomenului în timp şi spaŃiu;
4) permite descompunerea fenomenelor complexe pe factori de
influenŃă.

Indicele sintetizează, într-o expresie numerică, nivelul relativ al
caracteristicii unui ansamblu de elemente care formează fenomenul
cercetat.

De exemplu, un manager poate fi interesat să ştie cât din modificarea
volumului activităŃii într-o anumită perioadă s-a realizat pe seama
productivităŃii muncii şi cât pe seama modificării timpului de muncă
consumat; cât din modificarea fondului de salarii s-a datorat modificării
numărul salariaŃilor şi cât modificării salariului nominal etc.
234
Indicii se calculează sub formă de raport, deci sunt mărimi relative
adimensionale, ca urmare a faptului că atât la numărător, cât şi la numitor
figurează două valori ale aceluiaşi indicator.
Specific metodei indicilor este faptul că variaŃia fenomenului complex
se descompune integral pe factorii înregistraŃi, ceea ce înseamnă că între
nivelul ansamblului şi variaŃia factorilor de influenŃă trebuie să existe o
relaŃia de produs. Astfel, folosim un model multiplicativ:
Y = x × f (8.1)

EXEMPLU: Valoarea vânzărilor unei firme (V) poate fi exprimată în
funcŃie de cantitatea vândută (q) şi preŃul folosit (p): v = p ×

q.
Fondul de salarii (Fs) poate fi exprimat în funcŃie de salariul nominal
(Sn) şi numărul de salariaŃi (T): Fs = Sn ×T.
În formula 8.1, unul din factori este factor calitativ (X) – preŃul,
salariul nominal, iar celălalt factor cantitativ (f) – cantitatea de produse,
numărul de muncitori.

OBSERVAłII!
• În funcŃie de natura şi conŃinutul său, factorul cantitativ (f) poate fi
însumabil direct – dacă, de exemplu, o firmă desface un produs prin mai
multe magazine proprii, prin însumarea cantităŃilor vândute în fiecare
magazin obŃinem cantitatea totală vândută.
• Factorul cantitativ poate fi neînsumabil – cazul în care o unitate
desface mai multe produse, cantităŃile vândute fiind neînsumabile.
• Factorul calitativ nu este însumabil direct, pentru că nu are sens
însumarea directă a preŃurilor unitare ale diferitelor produse.
Nivelul totalizator al acestor indicatori se obŃine ca medie a nivelurilor
individuale din care se calculează.
Indicii pot fi calculaŃi:
• la nivelul unor elemente individuale ale colectivităŃii studiate –
formând indicii individuali, notaŃi cu i;
• la nivelul unor grupe sau a întregii colectivităŃi, sintetizând astfel
variaŃia medie a fenomenului analizat. Aceştia sunt indicii sintetici (de
grup), notaŃi cu I.
Pentru o analiză economică complexă trebuie utilizaŃi indicii sintetici,
calculaŃi ca:
• indici agregaŃi;
235
• medie a indicilor individuali;
• raport a două medii.

8.2. Indicii individuali
Indicele individual se calculează la nivelul unei unităŃi a
colectivităŃii studiate.

Indicele individual al indicatorului complex (Y = x × f) exprimă
modificarea acestuia la nivelul unei unităŃi a colectivităŃii studiate:
0 0
1 1
0
1
0 / 1
f x
f x
y
y
i
y
= = (8.2)
Pentru cei doi factori în funcŃie de care se exprimă y, indicii
individuali vor fi:
• Indicele individual al factorului cantitativ (f):
0
1
0 / 1
f
f
i
f
= (8.2.a)
• Indicele individual al factorului calitativ (x):
0
1
0 / 1
x
x
i
x
= (8.2.b)
RelaŃia existentă între indicii individuali:

x f y
i i i
0 / 1 0 / 1 0 / 1
⋅ = (8.2.c)

8.3. Indicii sintetici
Indicii sintetici se calculează la nivelul unor grupe sau al întregii
colectivităŃi analizate, sintetizând deci variaŃia medie a fenomenului
studiat.

Elaborarea indicilor de grup presupune:
– alegerea bazei de raportare şi a formulei de calcul;
– stabilirea sistemului de ponderare;
– cuprinderea fiecărui indice în sisteme coerente de informaŃii
statistice, care trebuie să arate corect variaŃia caracteristicilor
cuprinse în analiză.
Se consideră rezolvate corect aceste probleme dacă indicii sintetici
satisfac o serie de teste (reguli) de verificare:
236
1. Testul de reversibilitate în timp constă în aceea că indicele calculat
ca raport între nivelul perioadei curente şi cel al perioadei de bază, trebuie
să fie o mărime inversă a indicelui obŃinut prin raportarea nivelului din
perioada de bază la cel din perioada curentă.
2. Testul de reversibilitate al factorilor constă în aceea că produsul
indicilor trebuie să conducă la indicele variabilei complexe.
3. Testul de tranzitivitate presupune obŃinerea indicelui cu bază fixă
prin înmulŃirea unui şir complet de indici cu bază mobilă pentru perioada
analizată.
4. Testul de circularitate verifică indicii cu bază mobilă prin prisma
posibilităŃii de trecere dintr-o bază de calcul în alta.
Baza de raportare este stabilită astfel încât indicele să reflecte
variaŃia reală a fenomenului studiat. Această cerinŃă este îndeplinită dacă
mărimea luată în considerare este un nivel obişnuit al caracteristicii, adică
nu reprezintă o situaŃie de excepŃie pentru colectivitatea cercetată.
Formula de calcul se alege în funcŃie de datele disponibile şi de
natura elementelor din colectivitatea care alcătuieşte fenomenul analizat.

8.3.1. Sisteme de ponderare folosite la construirea indicilor sintetici
De-a lungul timpului au fost concepute câteva sute de posibilităŃi de
ponderare a indicilor, dintre acestea, teoria şi practica statistică a reŃinut
câteva propuneri.
Ponderea constantă (fixă), propusă de E. Laspeyres în 1864, avea
în vedere calculul unui indice de grup al preŃurilor. În relaŃiile de calcul
propuse de el, variaŃia fiecărui factor era ponderată cu nivelurile de bază (f
o
)
şi (x
o
) ale consumatorului. Factorul constant este numit pondere şi are rol
de comăsurător general.
• Pentru factorul intensiv:


=
0 0
0 1
) (
0 / 1
f x
f x
I
x y
(8.3)
• Pentru factorul extensiv:


=
0 0
1 0
) (
0 / 1
f x
f x
I
f y
(8.4)
Ponderea variabilă (curentă), propusă de H. Paasche în 1874 tot
pentru calculul unui indice de grup al preŃurilor (de fapt cotaŃii de bursă),
237
are în vedere nivelurile curente ale comăsurătorului. În acest caz, variaŃia
factorilor fiind ponderată cu (f
1
) şi (x
1
) ale comăsurătorului.
• Pentru factorul intensiv:


=
1 0
1 1
) (
0 / 1
f x
f x
I
x y
(8.5)
• Pentru factorul extensiv:


=
0 1
1 1
) (
0 / 1
f x
f x
I
f y
(8.6)
OBSERVAłII!
• Formulele Laspeyres, cât şi formulele Paasche nu alcătuiesc un
sistem compatibil de relaŃii de calcul, deoarece produsul variaŃiei factorilor
(
) (
0 / 1
x y
I şi
) (
0 / 1
f y
I ) nu conduc la obŃinerea nivelului relativ al variaŃiei
complexe (
y
I
0 / 1
).
• În literatura de specialitate au fost elaborate o serie de formule de
compromis cele mai cunoscute fiind variantele: Mathall-Edgeworth,
Drobisch, Fisher. Dintre acestea, cea mai mare notorietate o au formulele
lui Fisher, pentru că stau la baza metodologiei oficiale de estimare a
indicilor în diferite ramuri de activitate dintr-o serie de Ńări ale lumii.
Indicii Fisher sunt medii geometrice ale variabilelor cu pondere
fixă şi variabilă stabilite pentru fiecare factor.
• Pentru factorul intensiv:




⋅ =
1 0
1 1
0 0
0 1
) (
0 / 1
f x
f x
f x
f x
I
F x
(8.7)
• Pentru factorul extensiv:




⋅ =
0 1
1 1
0 0
1 0
) (
0 / 1
f x
f x
f x
f x
I
F f
(8.8)

Aceste relaŃii, (8.7) şi (8.8), sunt cunoscute ca formule ideale pentru
că satisfac testele de verificare a indicilor sintetici.

238
OBSERVAłII!
• În practică, indicii factorului calitativ se calculează ca indici
Paasche (cel mai adesea) sau ca indici Laspeyres. Indicele
factorului cantitativ se calculează numai ca indice Laspeyres.
• Ca regulă generală de ponderare: variaŃia factorului cantitativ
se ponderează întotdeauna cu nivelele de bază ale comăsurătorului,
iar modificarea factorului calitativ se ponderează cu nivelele
curente, ale comăsurătorului (cel mai adesea).

8.3.2. Indicii agregaŃi
Indicele agregat se calculează ca raport între suma mărimilor absolute
ale indicatorilor de la nivelul colectivităŃii studiate din perioada curentă şi
suma mărimilor absolute ale aceloraşi indicatori pentru perioada de bază:
• Pentru indicatorul complex y:




= =

0 0
1 1
0
1
0 / 1
f x
f x
y
y
I
y
(8.9)
• Indicii factoriali derivaŃi din acesta:


=

1 0
1 1
) (
0 / 1
f x
f x
I
x y
(8.10)


=

0 0
1 0
) (
0 / 1
f x
f x
I
f y
(8.11)

Utilizând indicii din aceste relaŃii, modificările absolute vor fi:
• Modificarea absolută a lui ∑y:
∑ ∑
− =


0 0 1 1 0 / 1
f x f x
y
(8.12)

• Modificarea absolută a lui ∑y, datorată modificării factorului
calitativ (x):
∑ ∑
− =


1 0 1 1
) (
0 / 1
f x f x
x y
(8.13)

239
• Modificarea absolută a lui ∑y, datorată modificării factorului
cantitativ (f):
∑ ∑
− =


0 0 1 0
) (
0 / 1
f x f x
f y
(8.14)
• Între cele trei modificări există relaŃia:

∆ +

∆ =


) (
0 / 1
) (
0 / 1 0 / 1
f y x y y
(8.15)

8.3.3. Indicii calculaŃi ca medie a indicilor individuali
Calculul indicilor sintetici sub formă agregată necesită cunoaşterea
agregatelor
∑ ∑ ∑ ∑ 0 1 1 0 1 1 0 0
, , , f x f x f x f x .
Agregatele
∑ ∑
=
0 0 0
y f x şi
∑ ∑
=
1 1 1
y f x pot fi obŃinute
direct din evidenŃele agenŃilor economici, exprimând nivelul indicatorului
complex Y în cele două perioade.
Determinarea agregatelor
∑ ∑ 0 1 1 0
, f x f x necesită eforturi şi chel-
tuieli suplimentare şi obŃinerea separată a lui x şi y este imposibilă.
De aceea, indicii sintetici se vor calcula ca medie a indicilor
individuali, egali cu indicii agregaŃi pe care-i înlocuiesc.

Variante de calcul:
1) dacă se cunoaşte
∑ ∑
=
0 0 0
y f x şi
0
1
0 / 1
y
y
i
y
= , atunci:


=

0
1
0 / 1
y
y
I
y

Se cunoaşte:
0
1
0 / 1
y
y
i
y
= →
0
0 / 1
1
y i y
y
⋅ =
∑y
0






=

=

0 0
0 0 0 / 1
0
0 0 / 1
0 / 1
f x
f x i
y
y i
I
y y
y
(8.16)


240
2) dacă se cunoaşte:
∑ ∑
=
1 1 1
y f x

0
1
y
0 / 1
y
y
i = →
1
y
0 / 1
0
y
i
1
y ⋅ =







=

= =

1 1
y
0 / 1
1 1
1
y
0 / 1
1
0
1
y
0 / 1
f x
i
1
f x
y
i
1
y
y
y
I
(8.17)
OBSERVAłII!
• Varianta 1 – indicele sintetic al factorului complex (y) sau al
factorului cantitativ (f) este de tip Laspeyres şi se calculează ca o
medie aritmetică ponderată (x
0
f
0
) a indicilor individuali (i
y
sau i
f
).
• Varianta 2 – indicele sintetic al factorului calitativ este de tip
Paasche şi se calculează ca o medie armonică ponderată (x
1
f
1
) a
indicilor individuali (i
x
).

8.3.4. Indicii calculaŃi ca raport a două medii
În practică, analizăm deseori modificarea unor indicatori de natură
calitativă, calculaŃi la nivelul unei colectivităŃi; la acest nivel, indicatorii
având caracter de medie. De exemplu: productivitatea unei firme se poate
exprima ca o medie a productivităŃii la nivel de secŃii componente ale firmei;
preŃul de vânzare al unui produs vândut în mai multe magazine se poate
exprima ca medie aritmetică a preŃurilor obŃinute în fiecare magazin etc.
Astfel, la nivelul unei unităŃi a colectivităŃii studiate: y = xf vom avea:
i
i
i
f
y
x = (8.18)
La nivelul colectivităŃii va deveni:





= = =
f
i i
i
i i
i
i
i
g x
f
f x
f
y
x (8.19)
unde:
i
i
f
i
f
f
g

= = structura factorului calitativ
x
i
= factorul calitativ
OBSERVAłIE! Nivelul mediu al factorului calitativ se poate calcula
numai în cazul în care factorul cantitativ este însumabil. De exemplu:
241
• preŃul mediu al unui produs ( p ) vândut în mai multe magazine:



= =
q
i i
i
i i
g p
q
q p
p
,
unde: p
i
= preŃul în magazin;
q
i
= cantitatea vândută în magazinul i;
• productivitatea medie a muncii ( w):



= =
T
i i
i
i i
g w
T
T w
w

unde: w
i
= productivitatea individuală;


=
i
i
T
i
T
T
g
= structura salariaŃilor (timpul de lucru consumat).
Caracterizarea dinamicii indicatorului mediu ( x ) se realizează cu un
indice sintetic ca raport a 2 medii (
x
I
0 / 1
) care, datorită faptului că surprinde
şi modificarea structurii, se numeşte indice cu structură variabilă






= = =
f
0 0
f
1 1
0
0 0
1
1 1
0
1
x
0 / 1
g x
g x
f
f x
:
f
f x
x
x
I
(8.20)
Măsurarea influenŃei celor doi factori care determină modificarea lui
( x ) se realizează cu ajutorul următorilor indici:
• Indicele cu structură fixă exprimă influenŃa factorului calitativ x
i

asupra lui x , păstrând ponderea constantă în perioada curentă:






= =
f
1 0
f
1 1
1
1 0
1
1 1 ) x ( x
0 / 1
g x
g x
f
f x
:
f
f x
I
(8.21)
• Indicele modificărilor structurale exprimă influenŃa factorului
cantitativ (f) asupra lui x , considerând factorul x constant, respectiv x
o
.






= =
f
0 0
f
1 0
0
0 0
1
1 0 ) g ( x
0 / 1
g x
g x
f
f x
:
f
f x
I
f
(8.22)
OBSERVAłIE! Între cele trei relaŃii (8.20), (8.21) şi (8.22) există
următoarea legătură:
) g ( x
0 / 1
) x ( x
0 / 1
x
0 / 1
f
I I I = = (8.23)
242
8.4. Descompunerea pe factori a variaŃiei unui fenomen complex
folosind metoda indicilor
Pentru fundamentarea deciziilor economice este important să se
cunoască nu numai dinamica, ci şi contribuŃia diferiŃilor factori la
modificarea în timp a unui fenomen complex.
În practica şi teoria statistică, descompunerea indicelui general în
produsul indicilor factorilor se numeşte descompunere geometrică, iar
separarea modificării absolute totale în suma modificărilor absolute
datorate factorilor este denumită descompunere analitică.
Procedeele folosite cel mai frecvent în statistică în descompunerea
variaŃiei unui fenomen complex pe factori de influenŃă sunt:
• metoda substituirii în lanŃ;
• metoda influenŃelor izolate a factorilor, denumită şi metoda restului
nedescompus.
La descompunerea variaŃiei pe factori de influenŃă, fenomenul
complex se prezintă sub forma unui agregat obŃinut ca produs al mai multor
factori (y=xf).
Metoda substituirii în lanŃ (MSL) presupune anihilarea pe rând a
influenŃei factorilor, menŃinându-se numai variaŃia unui singur factor. În
funcŃie de succesiunea substituirii factorilor, pot fi două variante de calcul.
Indiferent de varianta aplicată, substituirea în lanŃ presupune aplicarea
următoarelor reguli:
• indicele influenŃei primului factor, de regulă cantitativ, se
construieşte folosind drept pondere cealaltă sau celelalte variabile
la nivelul perioadei de bază;
• un factor, odată substituit, rămâne drept pondere la nivelul
perioadei curente, pe tot parcursul descompunerii pentru ceilalŃi
indici factoriali.
Indicii factoriali şi modificările absolute corespunzătoare celor 2
variabile se calculează pe baza relaŃiilor:
Varianta I:


=

0 0
1 0
) f ( y
0 / 1
f x
f x
I
∑ ∑ ∑
∆ = − =


f
0 0 0 1 0
) f ( y
0 / 1
x f x f x (8.24)
243


=

1 0
1 1
) x ( y
0 / 1
f x
f x
I
∑ ∑ ∑
∆ = − =


x
x y
f f x f x
1 1 0 1 1
) (
0 / 1
(8.25)

Varianta II:


=

0 1
1 1
) f ( y
0 / 1
f x
f x
I
∑ ∑ ∑
∆ = − =


f
1 0 1 1 1
) f ( y
0 / 1
x f x f x (8.26)


=

0 0
0 1
) x ( y
0 / 1
f x
f x
I
∑ ∑ ∑
∆ = − =


x
0 0 0 0 1
) x ( y
0 / 1
f f x f x (8.27)

OBSERVAłIE! La construirea indicilor de grup, alegerea uneia sau
alteia dintre cele 2 variante se realizează în funcŃie de concluziile desprinse
din analiza succesiunii schimbărilor factorilor şi de datele disponibile. În
condiŃiile în care se cunosc valorile variabilelor pentru cele 2 perioade, se
optează, de regulă, pentru varianta I.
Deosebirea privind mărimea cu care influenŃează cei doi factori
modificarea variabilei complexe, în cazul celor 2 variante, poate fi sesizată pe
baza graficelor (8.1) şi (8.2) construite la nivelul unei unităŃi de observare.
Varianta I: se modifică mai întâi factorul cantitativ:
a) y
0
= x
0

.
f
0
→ y′ = x
0

.
f
1
b) y′ → y
1
= x
1

.
f
1



Figura 8.1

f
i

f
1



f
0
0 x
0
x
1
x
i
Legendă:
) ( f y ∆
) (x y ∆
244
Varianta II: se modifică mai întâi factorul calitativ:
c) y
0
= x
0

.
f
0
→ y′ = x
1

.
f
0
d) y′ → y
1
= x
1

.
f
1


Figura 8.2
OBSERVAłII!
• O parte din sporul total al variabilei y se atribuie unuia din factori
în raport cu mărimea şi sensul modificării factorului luat ca pondere.
De obicei, această parte se atribuie influenŃei factorului „x”.
• În practică, această metodă se foloseşte pentru comparaŃiile în timp
pe perioade scurte.

Metoda influenŃelor izolate a factorilor
(Metoda restului nedescompus)
Această metodă consideră că influenŃa factorilor se face în mod
uniform. Se porneşte de la ipoteza că ponderile folosite pentru a evidenŃia
modificările factorilor „x” şi „f” sunt cele din perioada de bază. Această
ipoteză presupune să se folosească pentru ambii factori acelaşi sistem de
pondere, ceea ce face să apară, pe lângă influenŃa explicită a factorilor, şi o
componentă numită „Rest nedescompus”.
Dacă considerăm că y = x
.
f avem:


=

0 0
1 0
) f ( y
0 / 1
f x
f x
I şi
∑ ∑
− =


0 0 1 0
) f ( y
0 / 1
f x f x (8.28)


=

0 0
0 1
) x ( y
0 / 1
f x
f x
I şi
∑ ∑
− =


0 0 0 1
) x ( y
0 / 1
f x f x . (8.29)
f
i

f
1


f
0
0 x
0
x
1
x
i
Legendă:
) (x y ∆
) ( f y ∆
245
Dacă facem verificările relaŃiilor de legătură observăm:
) x ( y
0 / 1
) f ( y
0 / 1
y
0 / 1
I I I





(8.30)
iar
) x ( y
0 / 1
) f ( y
0 / 1
y
0 / 1

∆ +

∆ ≠

∆ (8.31)
sunt diferite cu o mărime care am numit-o rest nedescompus. Aceasta
apare ca urmare a faptului că indicii individuali se construiesc folosind un
singur sistem de ponderare care nu reflectă influenŃa variaŃiei ponderilor.
Geometric, mărimea restului nedescompus poate fi prezentă grafic ca în
figura 8.3, care vizualizează descompunerea pe factori a variaŃiei variabilei
„y” la nivelul unei unităŃi de observare.

Figura 8.3

OBSERVAłII!
• Restul nedescompus trebuie interpretat ca fiind rezultatul influenŃei
concomitente a celor doi factori: (x
1
-x
0
)
.
( (f
1
-f
0
) = ∆x
.
∆f.
• În această metodă este necesară construirea unui indice care reflec-
tă interacŃiunea celor doi factori
( ) f x y
I

, cât şi modificarea absolu-
tă aferentă:
( )
.
f x y ∩
∆ Indicele
( ) f x y
I

care reflectă interacŃiunea
celor 2 factori se calculează ca raport între indicele factorului
calitativ (Paasche) şi indicele aceleaşi variabile (Laspeyres):
( )




=

0 0
0 1
1 0
1 1
0 / 1
:
f x
f x
f x
f x
I
f x y
, iar (8.32)
( )
( ) ( )
∑ ∑ ∑ ∑
− − − = ∆

0 0 0 1 1 0 1 1 0 / 1
f x f x f x f x
f x y
. (8.33)
f
i

f
1


f
0
0 x
0
x
1
x
i
x
0
∆f ∆x∆f
f
0
∆x
unde: ∆x∆f = restul nedescompus
246
Existând 2 factori de influenŃă, este obligatoriu ca restul nedescompus
să se separe pe cei 2 factori.
În literatura de specialitate există mai multe propuneri pentru
repartizarea restului nedescompus:
1) să se atribuie integral unuia dintre factori, situaŃie care conduce la
procedeul substituŃiei în lanŃ;
2) să se repartizeze în mod egal pe factori;
3) să se repartizeze proporŃional cu influenŃele independente ale
factorilor, şi anume ∑x
0
.
∆f şi ∑f
0
.
∆x.
În această ipostază, aplicarea procedeului influenŃelor izolate în
descompunerea pe factori se realizează în două faze:
a) se calculează influenŃa izolată a fiecărui factor, folosind indici
factoriali cu ponderi din perioada de bază (indici Laspeyres) pentru
ambii factori plus restul nedescompus;
b) se calculează cota-parte care revine fiecărui factor din restul
nedescompus (k
x
şi k
f
) ca raport între influenŃa independentă a
fiecărui factor şi suma celor două influenŃe absolute independente.
∑ ∑

∆ + ∆

=
f x
x
k
x
0 0
0
x f
f
(8.34)
∑ ∑

∆ + ∆

=
x f
f
k
f
0 0
0
f x
x
(8.35)
Pornind de la modificarea absolută a variabilei y:
∑ ∑
− = ∆
0 0 1 1 0 / 1
f x f x
y

şi ştiind că : x
1=
x
0
+ ∆x şi f
1=
f
0
+ ∆f
rezultă că:
( )
( ) = − ∆ + ∆ + = ∆
∑ ∑

0 0 0 0 0 / 1
) ( f x f f x x
f x y

= − ∆ ∆ + ∆ + ∆ + =
∑ ∑ ∑ ∑ ∑ 0 0 0 0 0 0
f x f x x f f x f x
∑ ∑ ∑
∆ ∆ + ∆ + ∆ = f x x f f x
0 0

( )
∑ ∑ ∑
∆ ∆ + ∆ + ∆ = ∆

f x x f f x
f x y
0 0
(8.36)
Sporul total al variabilei y, care revine factorului x:
( )
∑ ∑

∑ ∑
∆ + ∆

⋅ ∆ ∆ + ∆ = ∆
f x x f
x f
f x x f
x y
0 0
0
0 0 / 1
(8.37)
247
Sporul total al variabilei y, care revine factorului f:
( )
∑ ∑

∑ ∑
∆ + ∆

⋅ ∆ ∆ + ∆ = ∆
x f f x
f x
f x f x
f y
0 0
0
0 0 / 1
(8.38)
Pornind de la influenŃa absolută a fiecărui factor asupra modificării
variabilei complexe, se calculează ponderea factorilor la formarea sporului
total:
( )
( )
100
,



f x y
f y
respectiv
( )
( )
100
,



f x y
x y
(8.39)
OBSERVAłII!
• Metoda restului nedescompus permite explicarea mai veridică a
cauzelor care au condiŃionat variaŃia variabilei complexe.
• Folosirea acestei metode întâmpină dificultăŃi în condiŃiile în care
creşte numărul factorilor de influenŃă. Aceasta pentru că se ampli-
fică numărul sporurilor care se datorează interacŃiunii factorilor şi,
odată cu aceasta, sporeşte caracterul convenŃional privind atribuirea
restului nedescompus al factorilor de influenŃă.

8.5. Sisteme concrete de indici
Indicii se folosesc sub formă de sistem pentru caracterizarea evoluŃiei
în timp şi spaŃiu a fenomenelor social-economice.
Printre cele mai uzuale sisteme de indici prezentăm:
– indicii valorii, volumului fizic şi preŃurilor produselor sau mărfurilor;
– indicii productivităŃii muncii;
– indicii salariului mediu etc.

8.5.1. Indicii valorii, volumului fizic şi ai preŃurilor
Cunoaşterea modificării preŃurilor, a cantităŃilor (produse vândute sau
consumate) şi a valorii constituie o cerinŃă principală a analizelor privind
modificarea producŃiei, a consumului, caracterizarea nivelului inflaŃiei.
Analiza se bazează pe faptul că valoarea, ca indicator complex, poate fi
exprimată în funcŃie de cantitatea de produse (q) şi de preŃ (p): V = p

× q,
unde: p = preŃul, factor calitativ; q = cantitatea, factor cantitativ.

248
Indicii individuali:
• Indicii valorii:
0 0
1 1
0
1
0 / 1
q p
q p
v
v
i
v
= = (8.40)
• Indicii preŃurilor:
( )
1 0
1 1
0 / 1
0
1
0 / 1
sau
q p
q p
i
p
p
i
p v p
= = (8.41)
• Indicii volumului fizic:
( )
0 0
1 0
0 / 1
0
1
0 / 1
sau
q p
q p
i
q
q
i
q v q
= = (8.42)
RelaŃia dintre indicii individuali:
( ) ( ) q v p v v
i i i
0 / 1 0 / 1 0 / 1
⋅ = (8.43)
La nivelul individual al unităŃilor ce compun colectivitatea se pot
calcula şi modificările absolute:
0 0 1 1 0 1 0 / 1
q p q p v v d
v
− = − = (8.44)
( )
0 1 1 1 0 1 1
) (
0 / 1
p p q q p q p d
p v
− = − = (8.45)
( )
0 1 0 0 0 1 0
) (
0 / 1
q q p q p q p d
q v
− = − = (8.46)
RelaŃia dintre modificările absolute:
) (
0 / 1
) (
0 / 1 0 / 1
q v p v v
d d d + = (8.47)
Pentru o analiză complexă la nivel sintetic, evoluŃia generală a valorii
cantităŃilor vândute, a preŃurilor pentru produsele vândute se analizează cu
ajutorul indicilor sintetici.
• Indicele sintetic al valorii (

v
I
0 / 1
) se poate calcula astfel:





= =

0 0
1 1
0
1
0 / 1
q p
q p
v
v
I
v
(8.48)
cu modificarea absolută aferentă:
∑ ∑
− =


0 0 1 1 0 / 1
q p q p
v
(8.49)
Indicele sintetic al valorii se poate calcula şi ca medie aritmetică
ponderată a indicilor individuali ai valorii (i
v
), atunci când este
cunoscută numai valoarea totală din perioada de bază:



=

0 0
0 0 0 / 1
0 / 1
q p
q p i
I
v
v
(8.50)
249
iar modificarea absolută aferentă:
∑ ∑
− =


0 0 0 0 0 / 1
0 / 1
q p q p i
v
v
(8.51)
PreŃurile şi cantităŃile sunt de obicei neînsumabile. Pentru sintetizarea
modificării la nivelul întregii unităŃi, atât a preŃurilor, cât şi a cantităŃilor
vândute, se vor utiliza indicii valorii, considerând constant un factor şi
variabil numai factorul a cărui modificare ne interesează. Astfel, obŃinem
următorii indici sintetici:
• Indicele sintetic al volumului fizic (
( )

q v
I
0 / 1
), care exprimă
modificarea medie a calităŃii vândute. În practică, indicele
volumului fizic se calculează numai ca indice de tip Laspeyres:

( )


=

0 0
1 0
0 / 1
q p
q p
I
q v
(8.52)
iar modificarea absolută aferentă:
( )
∑ ∑
− =


0 0 1 0 0 / 1
q p q p
q v
(8.53)
Indicele sintetic al volumului fizic se mai poate calcula ca o medie
aritmetică ponderată a indicilor individuali ai volumului fizic (i
q
):
( )


=

0 0
0 0 0 / 1
0 / 1
q p
q p i
I
q
q v
(8.54)
iar modificarea absolută aferentă:
( )
∑ ∑
− =


0 0 0 0 0 / 1
0 / 1
q p q p i
q
q v
(8.55)
• Indicele sintetic al preŃurilor (
( )

p v
I
0 / 1
)
Exprimă modificarea medie a preŃurilor şi se poate calcula ca indice
de tip Laspeyres:
( )


=

0 0
0 1
0 / 1
q p
q p
I
p v
(8.56)
cu modificarea absolută aferentă:
( )
∑ ∑
− =


0 0 0 1 0 / 1
q p q p
p v
(8.57)

OBSERVAłIE! Acest indice este utilizat pentru calculul indicelui
preŃurilor de consum.


250
Indicele sintetic al preŃurilor mai poate fi calculat ca un indice de tip
Paasche:
( )


=

1 0
1 1
0 / 1
q p
q p
I
p v
(8.58)
cu modificarea absolută aferentă:
( )
∑ ∑
− =


1 0 1 1 0 / 1
q p q p
p v
(8.59)
OBSERVAłIE! Acest indice este utilizat pentru calculul preŃurilor cu
ridicata ale produselor industriale sau pentru preŃurile produsului intern brut
(PIB).
Indicele sintetic al preŃurilor poate fi calculat ca o medie armonică
ponderată a indicilor individuali ai preŃurilor (i
p
):
( )


=

1 1
0 / 1
1 1
0 / 1
1
q p
i
q p
I
p
p v
(8.60)
cu modificarea absolută:
( )
∑ ∑
− =


1 1
0 / 1
1 1 0 / 1
1
q p
i
q p
p
p v
(8.61)
Deoarece indicele valorii totale reprezintă rezultatul variaŃiei
raportului de combinare a factorilor intensivi şi extensivi ce determină un
ansamblu de manifestări, între cei trei indici există relaŃia:
( ) ( )

+

=

q v p v v
I I I
0 / 1 0 / 1 0 / 1
(8.62)
Şi relaŃia dintre modificările absolute:
( ) ( )

∆ +

∆ =


q v p v v
0 / 1 0 / 1 0 / 1
(8.63)
• Indicele preŃului mediu
PreŃul mediu se stabileşte ca medie aritmetică ponderată a preŃurilor
individuale. Astfel, dacă preŃul:
i
i
i
q
v
p = , rezultă că preŃul mediu va fi:





= = =
q
i i
i
i i
i
i
g p
q
q p
q
v
p (8.64)
OBSERVAłIE! Nivelul şi dinamica preŃului mediu sunt determinate de
preŃurile la nivel de unitate (p
i
) şi structura valorii

=
i
i q
i
q
q
g
.
251
Dinamica preŃului mediu:
• Indicele cu structură variabilă (caracterizează modificarea preŃului
mediu):






= = =
q
q
p
g p
g p
q
q p
q
q p
p
p
I
0 0
1 1
0
0 0
1
1 1
0
1
0 / 1
: (8.65)
iar modificarea absolută va fi:
∑ ∑
− = ∆
q q p
g p g p
0
0
1
1
0 / 1
(8.66)
• Indicele cu structură fixă (caracterizează influenŃa preŃului
individual asupra preŃului mediu):
( )






= =
q
q
p p
g p
g p
q
q p
q
q p
I
1 0
1 1
1
1 0
1
1 1
0 / 1
: (8.67)
şi modificarea absolută va fi:
∑ ∑
− = ∆
q q p p
g p g p
1
0
1
1
) (
0 / 1
(8.68)
• Indicele modificărilor structurale (caracterizează influenŃa structurii
asupra preŃului mediu):
( )






= = =
q
0 0
q
1 0
0
0 0
1
1 0
0
1
g p
0 / 1
g p
g p
q
q p
:
q
q p
p
p
I
q
(8.69)
iar modificarea absolută va fi:



= ∆








q
0 0
q
1 0 0 / 1
g p g p
q
g p
(8.70)
RelaŃia dintre cei trei indici:
( ) ( )
q
0 / 1 0 / 1 0 / 1
g p
I
p p
I
p
I ⋅ = (8.71)
RelaŃia dintre modificările absolute:
( ) ( )
q
0 / 1 0 / 1 0 / 1
g p p p p
∆ + ∆ = ∆ (8.72)

8.5.2. Indicii productivităŃii muncii
Productivitatea muncii este o caracteristică derivată cu caracter de
mărime medie, care se caracterizează cu ajutorul indicilor calculaŃi ca
raport a două medii. În domeniul comerŃului şi turismului, productivitatea
252
muncii se poate calcula ca raport între valoarea desfacerilor sau cea a
încasărilor din activitatea turistică şi numărul de salariaŃi.
Vom nota cu: Q = valoarea vânzărilor cu amănuntul;
T = numărul mediu de muncitori;
W = productivitatea muncii;
W = productivitatea medie a muncii.
Productivitatea muncii se poate calcula cu relaŃia:
i
i i
i
i
i
T
T W
T
Q
W = = (8.73)
unde: – factorul complex este
i i i
T W Q =
– factorul calitativ este
i
W
– factori cantitativi:
i i
T Q ,
Indicii individuali:
• Indicele numărului de salariaŃi:
0
1
0 / 1
T
T
i
T
= (8.74)
• Indicele valorii desfacerii de mărfuri:
0
1
0 / 1
Q
Q
i
Q
= (8.75)
• Indicele productivităŃii muncii:
0
1
0 / 1
W
W
i
W
= (8.76)
RelaŃia existentă între cei trei indici:
T W Q
i i i
0 / 1 0 / 1 0 / 1
⋅ = (8.77)
Modificările absolute aferente unei unităŃi a colectivităŃii:
• Modificarea absolută a valorii desfacerilor de mărfuri:
0 0 1 1 0 1 0 / 1
T W T W Q Q d
Q
− = − = (8.78)
• Modificarea absolută a productivităŃii muncii:
( )
1 0 1 1 1 0 1 0 / 1
T W T W T W W d
W
− = − = (8.79)
• Modificarea absolută a numărului de salariaŃi:
( )
0 0 0 1 0 0 1 0 / 1
W T W T W T T d
T
− = − = (8.80)
RelaŃia existentă între modificările absolute:
T W Q
d d d
0 / 1 0 / 1 0 / 1
+ = (8.81)

253
Indicii sintetici:
• Indicele sintetic al valorii desfacerilor de mărfuri:




= =

0 0
1 1
0
1
0 / 1
T W
T W
Q
Q
I
Q
(8.82)
cu modificarea absolută:
∑ ∑
− =


0 0 1 1 0 / 1
T W T W
Q
(8.83)
• Indicele sintetic al numărului de salariaŃi:
0
1
0 / 1


=

T
T
I
T
(8.84)
cu modificarea absolută:
∑ ∑
− =


0 1 0 / 1
T T
T
(8.85)
• Productivitatea medie:




= =
i
i i
i
i
T
T W
T
Q
W (8.86)
• Indicele productivităŃii medii:
0
0 0
1
1 1
0
1
0 / 1
:




= =
T
T W
T
T W
W
W
I
W
(8.87)
cu modificarea absolută:
0 1
0 / 1
W W
W
− = ∆ (8.88)

Dinamica productivităŃii muncii cu descompunerea ei pe factori
de influenŃă:
• Indicele cu structură fixă al factorului intensiv exprimă variaŃia
pură a productivităŃii muncii prin menŃinerea constantă a structurii
salariaŃilor:
( )
*
0
1
1
1 0
1
1 1 w W
0 / 1
W
W
T
T W
:
T
T W
I = =




(8.89)


254
cu modificarea absolută corespunzătoare:
( )
*
0 1
0 / 1
W W
w W
− = ∆ (8.90)
Notăm cu


=
1
1 0
*
0
T
T W
W
, reprezentând productivitatea muncii în
perioada de bază cu păstrarea structurii în perioada curentă.
• Indicele modificărilor structurale al factorului extensiv, expri-
mă efectul modificării structurii salariaŃilor, păstrând productivi-
tatea constantă în bază.
( )
0
*
0
0
0 0
1
1 0 g W
0 / 1
W
W
T
T W
:
T
T W
I
T
= =




(8.91)
cu modificarea absolută corespunzătoare:
( )
0
*
0
0 / 1
W W
T
g W
− = ∆ (8.92)
RelaŃiile existente între indici sunt:
( )






⋅ =
T
g W
I
w W
I
W
I
0 / 1 0 / 1
0 / 1
(8.93)

Cumulând influenŃele în mărimea absolută ale celor 2 factori, rezultă
modificarea absolută a nivelului mediu al caracteristicii:
( )






∆ ⋅ ∆ = ∆
T
g W
0 / 1
w W
0 / 1
W
0 / 1
(8.94)

Dinamica valorii desfacerilor de mărfuri cu descompunerea ei pe
factori de influenŃă
Se poate face o analiză separată a valorii desfacerilor de mărfuri, ca
fenomen complex (y = f
.
x), care este influenŃat de factorul intensiv
(calitativ), productivitatea muncii (W) şi de factorul extensiv (cantitativ)
numărului de salariaŃi (T).
• Indicele sintetic al valorii desfacerilor de mărfuri:




= =

0 0
1 1
0
1
0 / 1
T W
T W
Q
Q
I
Q
(8.95)


255
cu modificarea absolută:
∑ ∑
− =


0 0 1 1 0 / 1
T W T W
Q
(8.96)
• Indicele sintetic cu structură fixă arată influenŃa factorului intensiv
productivitatea muncii, păstrând structura salariaŃilor constantă în
perioada curentă:
( )


=

1 0
1 1
W Q
0 / 1
T W
T W
I
(8.97)
cu modificarea absolută:
( )
∑ ∑
− =


1 0 1 1 0 / 1
T W T W
W Q
(8.98)
• Indicele sintetic al modificărilor structurale arată influenŃa
factorului extensiv structura salariaŃilor, păstrând productivitatea
constantă în bază.
( )


=

0 0
1 0
0 / 1
T W
T W
I
T
Q
(8.99)
cu modificarea absolută:
( )
∑ ∑
− =


0 0 1 0
T Q
0 / 1
T W T W (8.100)

RelaŃiile existente între indici şi modificările absolute vor fi:
( ) ( )



=

T W
Q Q Q
I I I
0 / 1 0 / 1 0 / 1
(8.101)
( ) ( ) T Q W Q Q

∆ +

∆ =


0 / 1 0 / 1 0 / 1
(8.102)

8.5.3. Indicii salariului mediu şi ai fondului de salarii
AngajaŃii unei firme au calificări diferite, capacităŃi şi aptitudini de
muncă diferite, deci aportul lor la producŃia materială va fi diferit. De aici
rezultă necesitatea măsurării precise şi a controlului asupra muncii şi
consumului, astfel încât, determinând rezultatele muncii fiecăruia, să i se
poată atribui partea ce i se cuvine.
Fondul de salarii al unei societăŃi este format din totalitatea salariilor
cuvenite sau calculate după cantitatea şi calitatea muncii prestate. Statistic,
fondul de salarii este o variabilă complexă care se determină ca produs a
doi factori: salariul încasat, ca factor calitativ şi numărul de salariaŃi, ca
factori cantitativ.
256
Salariul este remunerarea muncii depuse de fiecare angajat în funcŃie
de: rezultatul negocierii, vechimea în muncă, categoria de încadrare,
numărul de ore efectuate, de calitatea şi cantitatea muncii depuse etc.
Salariul mediu este o variabilă statistică, formată în funcŃie de valorile
individuale ale salariilor şi numărul de salariaŃi pe categorii, pe grupe de
salariaŃi.
Folosim următoarele notaŃii:
S
i
= salariu încasat de o grupă de salariaŃi;
T
i
= numărul de salariaŃi corespunzător unei grupe de salariaŃi;
S = salariul mediu;
Fs = fondul de salarii.
Calculul salariului se face în funcŃie de fondul de salarii şi numărul de
salariaŃi pe grupa respectivă:
i
i
i
T
Fs
S = , de unde




= =
i
i i
i
i
T
T S
T
Fs
S
(8.103)
Putem calcula indicii individuali ai:
• Salariului încasat:
0
1
0 / 1
S
S
i
S
= (8.104)
• Fondului de salarii:
0
1
0 / 1
Fs
Fs
i
Fs
= (8.105)
• Numărului de salariaŃi:
0
1
0 / 1
T
T
i
S
= (8.106)
RelaŃia dintre indicii individuali:
T S Fs
i i i
0 / 1 0 / 1 0 / 1
⋅ = (8.107)
Analiza salariului mediu cu descompunerea ei pe factori:
• Indicele sintetic al salariului mediu:




= =
0
0 0
1
1 1
0
1
0 / 1
:
T
T S
T
T S
S
S
I
S
(8.108)
• Modificarea absolută:
0 1 0 / 1
S S
S
− = ∆ (8.109)

257
• Indicele sintetic cu structura fixă:
( )
*
0
1
1
1 0
1
1 1 S S
0 / 1
S
S
T
T S
:
T
T S
I = =




(8.110)
Notăm cu


=
1
1 0
*
0
T
T S
S

• Modificarea absolută:
( )
*
0
1 0 / 1
S S
s S
− = ∆ (8.111)
• Indicele modificărilor structurale:
( )
0
*
0
0
0 0
1
1 0 g S
0 / 1
S
S
T
T S
:
T
T S
I
T
= =




(8.112)
• Modificarea absolută:
( )
0
*
0
0 / 1
S S
T
g S
− = ∆ (8.113)

RelaŃiile existente între indici:
( ) ( )
T
g S S S S
I I I
0 / 1 0 / 1 0 / 1
⋅ =
Între modificările absolute:
( ) ( )
T
g S S S S
0 / 1 0 / 1 0 / 1
∆ + ∆ = ∆
Se mai poate analiza şi fondul de salarii după relaŃia: T S Fs ⋅ =




= =
0 0
1 1
0
1
0 / 1
T S
T S
Fs
Fs
I
Fs
(8.114)
∑ ∑
− = ∆
0 0 1 1 0 / 1
T S T S
Fs
(8.115)

Cei doi factori, ce influenŃează fondul de salarii, sunt:
• Indicele sintetic al factorului intensiv:
( )


=
1 0
1 1
0 / 1
T S
T S
I
S Fs
(8.116)
( )
∑ ∑
− = ∆
1 0 1 1 0 / 1
T S T S
S Fs
(8.117)


258
• Indicele sintetic al factorului extensiv:
( )


=
0 0
1 0
0 / 1
T S
T S
I
T Fs
(8.118)
( )
∑ ∑
− = ∆
0 0 1 0 0 / 1
T S T S
T Fs
(8.119)
RelaŃiile dintre indici:
( ) ( ) T Fs S Fs Fs
I I I
0 / 1 0 / 1 0 / 1
⋅ = (8.120)
RelaŃiile dintre modificările absolute:
( ) ( ) T Fs S Fs Fs
0 / 1 0 / 1 0 / 1
∆ + ∆ = ∆ (8.121)

CONCEPTE-CHEIE: indicii; indici individuali; indici sintetici; indicii
valorii, volumului fizic şi ai preŃurilor; indicii productivităŃii muncii; indicii
salariului mediu şi ai fondului de salarii.

ÎNTREBĂRI DE AUTOEVALUARE

1. DefiniŃi noŃiunea de indice. Câte tipuri de indici cunoaşteŃi şi cum
se calculează ei?
2. Ce sisteme de ponderare se pot utiliza la construirea indicilor
sintetici?
3. Ce sisteme de indici sintetici folosiŃi în analizele economice
complexe? DescrieŃi fiecare sistem de indici.
4. Când se verifică relaŃia de sistem între indicii de grup?
5. Ce metode se pot folosi la descompunerea pe factori a variaŃiei unui
fenomen complex?
6. Ce reprezintă restul nedescompus?
7. Când se foloseşte media armonică pentru calculul indicilor de grup?
Exemple.
8. Ce sisteme concrete de indici cunoaşteŃi?
9. Care sunt relaŃiile de calcul pentru indicii valorii, volumului fizic şi
ai preŃurilor?
10. DescrieŃi indicii productivităŃii muncii. RelaŃii de calcul.
11. Ce ştiŃi despre indicii salariului mediu şi ai fondului de salarii?
12. Nu obŃinem un indice atunci când raportăm:
a) nivelurile înregistrate de un fenomen în momente diferite de
timp;
259
b) nivelurile înregistrate de un fenomen în unităŃi diferite de
spaŃiu;
c) nivelul realizat al fenomenului la cel planificat;
d) o parte a colectivităŃii la total.
13. Nu reprezintă o condiŃie obligatorie pentru indicii de grup:
a) reversibilitatea în timp;
b) reversibilitatea factorilor;
c) transferabilitatea;
d) circularitatea.
14. Indicii de grup nu se pot calcula ca:
a) medie a indicilor individuali;
b) sumă a indicilor individuali;
c) raport a două medii;
d) sub formă de agregat.
15. Dacă se cunosc indicii individuali şi valorile din perioada
curentă, calculăm indicii de grup ca:
a) raport a două medii;
b) agregat;
c) medie aritmetică;
d) medie armonică;
e) medie geometrică.
16. Cine a propus un sistem de ponderare cu folosirea ponderilor din
perioada de bază:
a) Laspeyres;
b) Paasche;
c) Edgenworth;
d) Fischer.
17. Indicele preŃurilor de consum se poate calcula ca un indice de tip:
a) Paasche;
b) Laspeyres;
c) Fischer;
d) indice al valorii;
e) indice al volumului fizic.
18. În descompunerea unui fenomen complex, metoda restului
nedescompus, spre deosebire de metoda substituŃiei în lanŃ:
a) este mai corectă pentru că nu Ńine seama de natura calitativă
sau cantitativă a factorului izolat;
260
b) este mai corectă pentru că izolează numai factorul calitativ la
nivelul perioadei de bază;
c) este mai corectă pentru că ea operează atât cu modificări
absolute cât şi cu modificări relative.
19. Restul nedescompus exprimă:
a) influenŃa totală a factorului calitativ;
b) influenŃa totală a factorului cantitativ;
c) influenŃa combinată a celor doi factori;
d) influenŃa izolată a factorului calitativ;
e) influenŃa izolată a factorului cantitativ.
20. Restul nedescompus este:
a) mai mic decât modificarea absolută a fenomenului;
b) mai mare decât modificarea absolută a totală;
c) mai mic decât modificarea absolută a factorului calitativ;
d) mai mic decât modificarea absolută a factorului cantitativ.














261

9. ELEMENTE DE STATISTICĂ MACROECONOMICĂ


„… contabilitatea naŃională este o
tehnică statistică ce asigură reprezentarea
cifrică completă, dar suficient de
simplificată a economiei naŃionale”.

J.E. Chapron şi M. Seruzier*


9.1. Eurostatistica – sistemul statisticii comunitare
Integrarea europeană a României este un act complex, care a
impus adaptarea InstituŃiei Statistice la cerinŃele şi normele
eurostatisticii, atât la nivel microeconomic, cât şi la nivel
macroeconomic. Această adaptare presupune o informaŃie statistică
oportună şi de calitate, care poate fi obŃinută prin modernizarea
metodologiilor statistice de obŃinere şi prelucrare a datelor statistice.
Ceea ce presupune o perfecŃionare şi modernizare a tehnologiei (IT), o
pregătire a personalului în vederea utilizării eficiente a echipamentului
şi aplicaŃiilor cu caracter statistic.
Acquis-ul comunitar – aferent capitolului 12 Statistica – cuprin-
de ansamblul de reglementări, norme, practici ale statisticii comu-
nitare, care trebuie adoptate în sistemul Statisticii NaŃionale. Astfel, pe
24 mai 2001 s-a adoptat o nouă Lege a Statisticii care a stat la baza
organizării Institutului NaŃional de Statistică (I.N.S.).
Un sistem statistic trebuie să aibă o concepŃie funcŃională care,
la rândul ei, să determine o concepŃie structurală generală. Structura
generală a statisticii comunitare trebuie să cuprindă (schema 9.1):
• infrastructura statistică;
• statistica demografică şi socială;
• statistica economică;
• statistica regională.

* În Initiation Pratique à la Comptabilité Nationale selon le nouveau systéme.


262

EUROSTATISTICA –
STATISTICA COMUNITARĂ






INFRASTRUCTURA
STATISTICĂ
STATISTICA
DEMOGRAFICĂ
ŞI SOCIALĂ


STATISTICA
ECONOMICĂ


STATISTICĂ
REGIONALĂ

Schema 9.1. Structura generală a statisticii comunitare

Statistica economică este una dintre cele mai importante compo-
nente ale statisticii comunitare. Astfel, ea cuprinde (schema 9.2):
• statistica macroeconomică;
• statistica afacerilor;
• statistica monetară, financiară, comercială şi a balanŃei de
plăŃi;
• statistica agriculturii, silviculturii, pescuitului.


STATISTICA
ECONOMICĂ




STATISTICA
MACRO-
ECONOMICĂ
STATISTICA
AFACERILOR


STATISTICA
MONETARĂ
FINANCIARĂ
COMERCIALĂ
ŞI B.P.E.


STATISTICA
AGRICULTURII,
SILVICULTURII,
PESCUITULUI

Schema 9.2. Structura generală a statisticii economice



263
Faptul că acest capitol prezintă elementele macroeconomice,
statistica macroeconomică prezintă un mai mare interes pentru noi. De
aceea, statistica macroeconomică prezintă, ca statistică generală,
(conform schemei 9.3) următoarele capitole:
• conturile economiei – anuale:
− sistemul european de conturi (SEC);
− conturile naŃionale agregate macroeconomice;
− conturile sectorului guvernamental;
− conturile sectoarelor instituŃionale;
− conturile pe ramuri – tabele/input-output;
− balanŃele stocurilor de capital;
• conturile trimestriale şi de mediu:
− conturile naŃionale trimestriale;
− conturile de mediu;
• conturile financiare curente:
− conturile financiare curente;
− balanŃele financiare;
• monitorizarea resurselor proprii:
− PNB din resurse proprii;
− monitorizarea TVA pe resurse proprii;
• preŃurile:
− indicele preŃurilor consumatorilor armonizat;
− PNB la paritatea puterii de cumpărare;
− remunerarea oficialilor UE.


STATISTICA
MACROECONOMICĂ





CONTURILE
ECONOMIEI
(ANUALE)
CONTURILE
TRIMESTRIALE
ŞI DE MEDIU
CONTURILE
FINANCIARE
CURENTE

MONITO-
RIZAREA
RESURSELOR
PROPRII

PREłURILE

Schema 9.3. Structura generală a statisticii macroeconomice

264
Macroeconomia studiază comportamentul economic al unei Ńări,
având în vedere aspectele generale ce afectează întreaga economie
naŃională, elimină aspectele particulare, astfel să se ia deciziile cele
mai corecte de politică economică.
Astfel, macroeconomia studiază agregatele macroeconomice
(investiŃiile totale, exporturi, produs naŃional), venit naŃional, rezultate
din activităŃile diferitelor sectoare ale economiei (gospodării, firme,
guvern).
Atunci, ca elemente specifice în studierea macroeconomiei pot
fi:
• Ciclul economic – viaŃa economică a unei Ńări cuprinde
cicluri economice care se desfăşoară într-un timp mai mare de un an şi
cuprinde mai multe faze: expansiune, criză, recesiune, relansare.
• Standardele generale de viaŃă – se urmăreşte creşterea
acestor standarde prin creşterea producŃiei totale şi individuale.
Aspectele calitative ale resurselor umane sunt caracterizate prin
Indicele dezvoltării umane (IDU) care se compune din trei indicatori:
– longevitatea, măsurată prin speranŃa medie de viaŃă la naştere;
– nivelul educaŃional, măsurat prin combinarea ratei alfabetizării
cu rata de şcolarizare;
– standardul de viaŃă, măsurat prin PIB pe locuitor, calculat la
paritatea puterii de cumpărare.
• InflaŃia şi recesiunea – inflaŃia este studiată atât în Ńările ce
trec spre economia de piaŃă, cât şi în cele dezvoltate economic –
deoarece încercările guvernelor de a controla inflaŃia pot duce la
recesiuni.
• Şomajul – numărul şomerilor este alcătuit din toate
persoanele care au declarat că în perioada de referinŃă erau înscrise la
oficiile de forŃă de muncă şi şomaj, indiferent dacă primeau sau nu
ajutor de şomaj. Astfel, când o economie se află în faza de recesiune,
rata şomajului creşte, iar când are loc o expansiune economică, rata
şomajului scade.
• Deficite bugetare guvernamentale – deficitele bugetare sunt
înregistrate chiar şi în Ńările dezvoltate, adică cheltuielile guver-
namentale sunt mai mari decât veniturile obŃinute prin impozite.
Există mai multe opinii legate de eficienŃa deficitelor bugetare:

265
– unii economişti consideră că deficitul bugetar duce la o
scădere a şomajului;
– alŃi economişti consideră că împovărarea cu credite externe şi
dobânzi este suportată, în final, de populaŃie căreia îi cresc impozitele
şi taxele.
REMARCĂ!
• Pentru stabilirea unor politici economice adecvate fiecărei Ńări
este necesară studierea acestor componente macroeconomice, astfel
încât să poată fi limitate efectele recesiunii.

9.2. Definirea Sistemului Conturilor NaŃionale (SCN)
Sistemul Conturilor NaŃionale (SCN) este un sistem de
evidenŃă macroeconomică, ce are ca obiectiv reprezentarea
cantitativă, agregată, simplificată, coerentă şi completă a activităŃii
economice desfăşurate într-o perioadă determinată.

În 1993, organizaŃiile internaŃionale: FMI, OrganizaŃia de
Dezvoltare ONU la CEE-Eurostat au elaborat SCN prin perfecŃio-
narea trăsăturilor de bază ale vechiului sistem din 1968.
DefiniŃii ale SCN:
• Institutul NaŃional de Statistică îl defineşte „ca un ansamblu
coerent şi detaliat de conturi şi tabele, ce oferă o imagine sistematică,
comparabilă şi completă a activităŃii economice a unei Ńări”.
• Jean-Paul Pirion în lucrarea La Comptabilité Nationale în 1990 –
defineşte SCN ca fiind „o reprezentare globală, detaliată şi cifrică a
economiei naŃionale folosind cadrele contabile”.
În 1995 a fost elaborat Sistemul European de Conturi NaŃionale şi
Regionale – SEC 95, care unifică statisticile sociale şi economice ale UE.
De asemenea, SEC 95 va armoniza metodologia şi va da rigoare
şi precizie conceptelor, definiŃilor, clasificărilor, regulilor contabile –
pe baza cărora se obŃine o descriere cantitativă, fiabilă şi comparabilă
a economiilor Ńărilor cuprinse în UE.
Putem prezenta SCN ca fiind:
• un document statistic complex, care permite prezentarea de
ansamblu a echilibrelor fundamentale (resurse – utilizatori) la nivelul
economiei naŃionale;

266
• un document ce reflectă la scară naŃională activitatea trecută,
pentru a putea cunoaşte fenomenele şi procesele economice specifice;
• face posibilă extrapolarea spre viitor, prin previziuni de noi
politici economice, sociale şi financiar-bancare;
• prezintă realitatea economică grupată după caracteristici de
timp şi spaŃiu:
– după caracteristica de spaŃiu se alcătuiesc: conturi naŃionale în
profil teritorial, regional, plurinaŃional;
– după caracteristica de timp se alcătuiesc: conturi trimestrial,
anual, pe mai mulŃi ani, la un moment dat.
Reprezentarea circuitului economic dintr-o Ńară cu economie des-
chisă (angajată în schimburi cu străinătatea) se bazează pe câteva
premise metodologice:
• definirea şi clasificarea unităŃilor ce efectuează tranzacŃii pe
plan intern şi (sau) extern;
• definirea şi clasificarea fluxurilor dintre aceste unităŃi;
• stabilirea surselor de date necesare caracterizării metodo-
logiilor pentru colectarea şi agregarea datelor;
• coordonarea şi integrarea diferitelor sisteme de indicatori
într-un tablou unic, armonizat de informaŃii coerente despre
economia naŃională – sistemul conturilor naŃionale;
• asigurarea comparabilităŃii internaŃionale a indicatorilor
macro-economici – fără de care nu ar fi posibilă nici
aprecierea corectă a conjuncturii economice de Ńară şi nici
justa ierarhizare a participanŃilor la tranzacŃiile internaŃionale.

SCN prezintă unele particularităŃi, sistematizate astfel:
• SCN este o metodă de înregistrare şi prezentare cantitativă,
agregată, simplificată a realităŃii economice;
• SCN reflectă, prin conŃinutul său, mecanismele unei economii
de piaŃă şi foloseşte conceptele teoriei economice capitaliste a
factorilor de producŃie (potrivit căreia, participanŃii la activitatea
economică sunt recompensaŃi în funcŃie de contribuŃia adusă).
• SCN reflectă întreaga activitate umană, concretizată în mărfuri
şi servicii, cu caracter marfar sau nemarfar, inclusiv cele legate de
asigurarea ordinii publice şi securităŃii sociale.

267
• SCN este un sistem statistic de evidenŃă ce utilizează tehnici
contabile, folosind principiul dublei înregistrări în conturi pentru alcă-
tuirea conturilor analitice care reflectă activitatea agenŃilor economici.
Agregarea rezultatelor în indicatori economici foloseşte metodele statistice.
NoŃiuni, de bază necesare în analiza SCN sunt:
ActivităŃile economice – cuprind totalitatea activităŃilor care
urmăresc direct sau indirect satisfacerea nevoilor cu bunuri şi servicii.
Subiectele economice – unităŃile între care se produc
tranzacŃii sunt persoane fizice sau juridice, care decid asupra efectuării
activităŃii economice. După funcŃia îndeplinită în cadrul economiei
naŃionale, pot fi cinci categorii de subiecte economice:
▪ gospodăriile private sau menajele acŃionează pe piaŃa facto-
rilor de producŃie ca ofertante a forŃei de muncă. FuncŃia domi-
nantă a acestui subiect este consumul, pentru că îşi utilizează
veniturile obŃinute din muncă sau alte surse (pensii, burse,
ajutoare etc.) pentru satisfacerea necesităŃilor de consum;
▪ firmele (societăŃi comerciale, regii autonome) reprezintă
subiectele economice ce produc bunuri şi servicii destinate
pieŃei, având ca scop principal obŃinerea de profit;
▪ statul (guvernul, administraŃia publică sau sectorul public)
cuprinde subiectele economice care produc bunuri şi servicii
cu destinaŃie colectivă, pe care le introduce în circuitul
economic fie gratuit, fie la preŃuri preferenŃiale (simbolice,
costurile lor fiind acoperite de taxe şi impozite). Statul oferă,
prin instituŃii specializate, servicii de apărare naŃională,
securitate personală, ordine publică, asistenŃă pentru categorii
defavorizate ale populaŃiei, iluminat public etc.;
▪ băncile reprezintă o categorie aparte de subiecte economice, a
căror misiune este formarea capitalului bănesc pe care-l
mobilizează de la celelalte categorii de subiecte economice
(gospodării, firme, stat) în vederea valorificării de către alte
subiecte economice din Ńară şi străinătate;
▪ străinătatea (restul lumii) este un subiect economic complex,
care grupează totalitatea partenerilor externi care au tranzacŃii
cu persoane fizice sau juridice domiciliate într-o Ńară.

268
Obiectele activităŃii economice sunt bunurile materiale,
serviciile de consum, serviciile factorilor de producŃie şi creanŃele.
TranzacŃiile exprimă trecerea obiectelor de la un subiect
economic la altul.
Evaluarea atribuie tranzacŃiei o anumită mărime în expresie
monetară.
Datarea reprezintă data când are loc tranzacŃia.
Localizarea stabileşte locul unde se efectuează tranzacŃia.
Astfel, se stabileşte dacă tranzacŃiile se derulează în cadrul activităŃii
din economia naŃională sau poate fi atribuită altor economii naŃionale.
TranzacŃiile între subiectele economice sunt prezentate
respectând două principii de bază:
1) fiecare tranzacŃie poate fi reprezentată prin două fluxuri. Ele
pot fi bilaterale (furnizarea resurselor de muncă de la gospodării către
firme şi încasarea veniturilor de la firme către gospodării) sau
unilaterale (donarea unor sume de bani);
2) plata unor dobânzi pentru eventualele credite primite.
Conturile macroeconomice constituie un sistem de conturi ce stă
la baza calculării indicatorilor sintetici şi a analizelor macro-
economice. În calculele macroeconomice, delimitarea economiei se
realizează pe baza a 2 criterii, unul valabil pentru instituŃii, celălalt
referindu-se la persoanele care aparŃin Ńării respective:
a) economia naŃională reprezintă totalitatea instituŃiilor ce au un
centru de interes în teritoriul economic;
b) economia naŃională reprezintă totalitatea persoanelor ce au un
centru de interes pe teritoriul economic.

Calculelor macroeconomice efectuate pe baza criteriului a) le
corespunde conceptul de „intern” (suma activităŃilor desfăşurate de
agenŃii economici pe teritoriul Ńării), iar celor realizate pe baza
criteriului b) le corespunde conceptul de „naŃional” – conform
schemei 9.4.





269


CRITERIUL
TERITORIULUI
ECONOMIC
CRITERIUL
APARTENENłĂ
NAłIONALĂ
ACTIVITATEA
AGENłILOR ECONOMICI
NAłIONALI ÎN łARĂ


ACTIVITATEA
AGENłILOR ECONOMICI
STRĂINI ÎN łARĂ





PRODUS
INTERN








ACTIVITATEA AGENłILOR
CONAłIONALI
ÎN STRĂINĂTATE


















PRODUS
NAłIONAL

Schema 9.4. Delimitarea produs intern – produs naŃional


9.3. Conturile macroeconomice
Conturile macroeconomice sunt formate pe baza agregării şi
sintetizării informaŃilor cuprinse în conturile alcătuite pe: subiecte
economice; sectoare economice; ramuri de activitate.
Conturile sectoarelor rezultă din agregarea conturilor ce
caracterizează activitatea subiectelor economice care alcătuiesc fiecare
sector, conturile naŃionale se obŃin prin agregarea şi consolidarea
conturilor de activitate ale sectoarelor.
Agregarea presupune însumarea tranzacŃiilor desfăşurate de
subiectele economice aparŃinând unui sector în relaŃiile lor cu alte
sectoare.
Consolidare:
• presupune compensarea tranzacŃiilor de acelaşi fel între
subiectele economice aparŃinând aceluiaşi sector;
• fluxurile reciproce intrasectoriale sunt eliminate din calcul,
păstrându-se doar fluxurile intersectoriale;

270
• fluxurile intersectoriale pot fi şi ele compensate şi atunci se
ajunge la soldare, adică se înregistrează doar fluxurile nete sau
soldurile relaŃiilor dintre sectoare, pentru a obŃine relaŃii la scara
economiei naŃionale.
SCN este structurat în două conturi naŃionale, care se alcătuiesc
la nivelul întregii economii:
• Contul 0 „contul sintetic de bunuri”;
• Contul 8 „contul străinătatea”.
REMARCĂ!
• La nivelul economiei naŃionale, conturile sintetice „0” şi „8”
sunt întotdeauna echilibrate.
• Forma contabilă de cont arată în partea stângă provenienŃa
(resurse), iar în partea dreaptă utilizarea (destinaŃia).
• DiferenŃa dintre resurse şi utilizări se numeşte „sold”.
SCN mai are 7 grupe de conturi, numerotate de la 1 la 7, care se
elaborează atât la nivelul sectoarelor de activitate, cât şi pe întreaga
economie naŃională.

REMARCĂ!
• Grupele de conturi de la „1” la „7” alcătuiesc un circuit logic
închis.
• În partea dreaptă a fiecărui cont apare provenienŃa (RESURSE),
iar pe partea stângă destinaŃia (UTILIZĂRI), astfel că diferenŃa dintre
Resurse şi Utilizări se numeşte Sold.
• Soldul se creează pe partea stângă şi se preia în contul următor
pe partea dreaptă.
• RelaŃiile dintre cele 7 conturi pot fi interpretate ca dublă
înregistrare a relaŃiilor dintre subiectele economice rezidente (conform
schemei 9.5).









271

CONT 1 ProducŃie

UTILIZĂRI RESURSE




VABpp PB

PIBpp

SOLD

CONT 2 Crearea veniturilor

VABpp
VANpf PIBpp
PINpf
SOLD


CONT 3 RepartiŃia veniturilor


VANpf

VN PINpf

SOLD


CONT 4 Redistribuirea veniturilor



VND VN

SOLD


CONT 5 Utilizarea veniturilor



VND

EN (economiile NETE)

SOLD


CONT 6 Modificarea patrimoniului



EN

(soldul finanŃării) SF

SOLD


CONT 7 FinanŃare


SF

Echilibrare prin „diferenŃă statistică”

Schema 9.5. Schema relaŃiilor dintre conturile 1 – 7

272
Pentru analiza vieŃii economice din societate putem alcătui urmă-
toarele grupe de conturi naŃionale:
• Conturi care, prin conŃinutul lor, stau la baza calculării
indicatorilor sintetici ai producŃiei de bunuri:
– contul sintetic de bunuri (contul 0);
– contul de producŃie (contul 1).
• Conturi ce stau la baza calculării indicatorilor ce permit analiza
formării veniturilor, repartiŃiei şi utilizării acestora:
– contul de creare a veniturilor (contul 2);
– contul de repartiŃie a veniturilor (contul 3);
– contul de redistribuire a veniturilor (contul 4);
– contul de utilizare a veniturilor (contul 5).
• Conturi ce stau la baza calculării indicatorilor şi analizei
modificării patrimoniului:
– contul de modificare a patrimoniului (contul 6);
– contul de finanŃare (contul 7).
• Conturi ce stau la baza analizei tranzacŃiilor cu străinătatea (restul
lumii). Acesta este contul 8 (restul lumii), care are anexe ce cuprind
informaŃii detaliate referitoare la relaŃiile economice ale Ńării cu alte
state.

PREZENTAREA CONTURILOR SCN
Contul sintetic de bunuri (contul 0) este un cont elaborat numai la
nivelul economiei naŃionale. Înregistrează dimensiunea şi provenienŃa
bunurilor materiale şi serviciilor pe sectoare şi ramuri de activitate, precum
şi utilizarea acestora în scopuri productive, pentru consum şi dezvoltare.
Contul sintetic de bunuri (contul 0)
RESURSE UTILIZĂRI
– Valoarea producŃiei (pe ramuri
şi sectoare economice) – PB
– Consum intermediar (pe ramuri şi
sectoare economice) – CI
– Import – Imp – Consum final – CF
– Impozite nete pe produse şi
import – IIN
– InvestiŃii brute – Inv.b
– Export – Exp.
ProducŃia totală de bunuri = Utilizarea totală a bunurilor

273
Contul 0 nu prezintă sold, este echilibrat prin relaŃia de egalitate între
resurse şi utilizări:
PB +Imp + IIN = CI + CF +Inv.b + EXP (9.1)

Contul trebuie corelat cu tabelul input-output care prezintă detaliat
pe ramuri şi subramuri producŃia de bunuri şi utilizarea acesteia.


Contul de producŃie (contul 1) se construieşte la nivelul sectoarelor
şi pe ansamblul economiei naŃionale şi sintetizează tranzacŃiile ce
caracterizează activitatea de producŃie a subiectelor economice interne.
Elementele contului de producŃie sunt evidenŃiate detaliat prin tabelul
input-output. Soldul contului este valoarea adăugată brută (VAB – la
nivelul unui sector), respectiv produsul intern brut (PIB – la nivelul
economiei naŃionale). Este construit după conceptul „intern”.

Contul de producŃie (cont 1)
– Consumul intermediar (pe sectoare)
– CI
– Valoarea producŃiei brute (pe
sectoare economice) – PB
– Valoarea adăugată brută (pe
sectoare) – VABpp
sau
– Produsul intern brut (pe economia
naŃională) – PIBpp


Pe baza datelor din acest cont se calculează indicatorii care stau la
baza aprecierii activităŃii firmei:
• Valoarea adăugată brută (VAB)
VAB = PB – CI (9.2)
unde: VAB – se exprimă la preŃurile pieŃei (când include impozitele
indirect nete);
– stă la baza calculării la nivel macroeconomic a produsului
intern brut (PIB)
VAB = A +Rm +IIN + D+Pr (9.3)
unde: A = amortizarea capitalului fix; Rm = salarii; IIN = impozite
indirecte nete; D = dobânzi, rente; Pr = profit.


274
• Excedentul brut de exploatare (EBE) – evidenŃiază profitul (Pr) şi
amortizarea capitalului fix (A):
EBE = VAB – IIN – Rm (9.4)
• Excedentul net de exploatare (ENE) – exprimă profitul
întreprinzătorului
ENE = EBE – A (9.5)

• Produsul intern brut (PIB)
PIBpp

= PB – CI (9.6)
unde: PIBpp – produsul intern brut în preŃul pieŃei.

Contul de creare a veniturilor (contul 2) evidenŃiază, pentru fiecare
sector şi pentru întreaga economie, formarea veniturilor din activitatea
economică şi din patrimoniu. Se exprimă prin valoare adăugată netă
(VAN), când calculul se face la nivel de sectoare, sau prin produsul
intern net (PIN), când calculul se face la nivelul economiei naŃionale.
Contul de creare a veniturilor (cont 2)
– Amortizarea – A
– Impozite indirecte pe produse şi pe
import – II
– Valoarea adăugată brută (pe
sectoare) – VABpp
sau
– Produsul intern brut (pe
economia naŃională) – PIBpp
– SubvenŃii – Sv
– Valoarea adăugată netă (pe
sectoare) – VANpf
sau
– Produsul intern net (pe economia
naŃională) – PINpf


Elementele acestui cont servesc la calculul PINpf:
PINpf = PIBpp +Sv – (A+II) = PIBpp – A – IIN (9.7)

Contul de repartiŃie a veniturilor (contul 3) evidenŃiază repartiŃia
primară a veniturilor. Cuprinde veniturile factorilor create în interiorul
Ńării, veniturile factorilor încasate în străinătate şi veniturile plătite
străinătăŃii. La alcătuirea contului se realizează trecerea de la conceptul
„intern” la conceptul „naŃional”.

275

Contul de repartiŃie a veniturilor (cont 3)
– Veniturile factorilor de producŃie
plătite în străinătate – VFPS
– Produsul intern net (pe
economia naŃională) – PINpf
– Veniturile factorilor încasate
din străinătate – VFIS
– Produsul naŃional net (pe economia
naŃională) – PNNpf
sau
– Venitul naŃional – VN


Venitul naŃional (VN), numit şi produsul naŃional net (PNNpf), se
obŃine adăugând la PINpf soldul veniturilor factorilor de producŃie în
raport cu străinătatea (SVFS):
VN sau PNNpf = PINpf + SVFS = PINpf + (VFIS – VFPS) (9.8)

Contul de redistribuire a veniturilor (contul 4) evidenŃiază elemen-
tele care stau la baza caracterizării şi analizei trecerii de la indicatorul
venit naŃional (VN) (soldul contului 3) la venit naŃional disponibil (VND)
sau venitul disponibil (VD).
Contul de redistribuire a veniturilor (cont 4)
– Transferuri curente plătite către
alte Ńări – TCPS
– Venitul naŃional – VN
sau
– Produsul naŃional net la preŃurile
factorilor – PNNpf
– Transferuri curente încasate de la
alte Ńări – TCIS
– Impozite indirecte nete – IIN
– Venitul disponibil – VD
sau
– Venitul naŃional disponibil – VND


Venitul naŃional disponibil (VND) se obŃine după relaŃia:
VD = VND = VN + (TCÎS – TCPS) = VN + STCS (9.9)
unde: STCS = soldul transferurilor curente în raport cu străinătatea.
Venitul brut disponibil (VBD) se obŃine:
VBD = VND + A (9.10)

276
unde: A = amortizarea capitalului fix.
Soldul contului este venitul disponibil (VD), numit şi venitul
naŃional disponibil (VND).

Contul de utilizare a veniturilor (contul 5) arată utilizarea în interiorul
Ńării a veniturilor nete disponibile prin consumul final (consumul privat de
membrii societăŃii şi de consumul public de investiŃii).
Contul de utilizare a veniturilor (cont 5)
– Consumul final (CF):
• consum privat (CPV)
• consum public (CPB)
– Venitul naŃional disponibil – VND

– Economii nete – E

Soldul contului îl reprezintă economiile nete (E):
E = VND – CF = VND – (Cpv + Cpb) (9.11)
Economiile reprezintă principala sursă de finanŃare a investiŃiilor,
astfel în analiza economică se foloseşte frecvent conceptul de economie
netă (E), cât şi cel de economie brută (EB), diferenŃa fiind dată de
amortizarea capitalului fix (A), potrivit relaŃiilor:
EB = E + A sau EB = VD + A – CF (9.12)

Contul de modificare a patrimoniului (contul 6) evidenŃiază
economiile brute şi transferurile de patrimoniu din străinătate (partea
dreaptă) şi componentele în care s-au concretizat aceste surse (partea
stângă). Contul este numit şi acumulare, pentru că reflectă formarea
patrimoniului material datorită investiŃiilor şi modificarea stocului
creanŃelor şi angajamentelor, cât şi finanŃarea acestuia. Transferurile de
patrimoniu sunt considerate transferuri de bani, care reprezintă pentru cel
puŃin unul din sectoarele implicate în tranzacŃie o modificare nemijlocită
a patrimoniului.






277
Contul de modificare a patrimoniului (contul 6)
1. Cumpărări de bunuri capitale)
2. Bunuri capitale din producŃie (Inv.c) (Inv.b)
proprie
6. Amotizarea (A) (EB)
7. Economii nete (EN)
3. Modificarea stocurilor – ∆S 8. Transferuri de patrimoniu
din alte Ńări (TÎRS)
4. Transferuri de patrimoniu către alte Ńări
(subiecte economice) – TPRS

5. Soldul finanŃării (SF) („+” excedent, „–”
deficit)


Venitul disponibil, obŃinut într-o perioadă de timp, se poate utiliza
pentru consum productiv sau pentru investiŃii.
Soldul finanŃării (SF) se calculează astfel:
SF = (EN + A + TÎRS) – (Inv.c + ∆S + TPRS) =
= (EB + TÎRS) – (Inv.b + TPRS) (9.13)
SF = (EB – Inv.b) + (TÎRS – TPRS) (9.14)
unde: Inv.c = investiŃii curente;
Inv.b = investiŃii brute;
EB = economia brută.

Contul de finanŃare (contul 7) exprimă, pe ansamblul Ńării, modifică-
rile intervenite în nivelul şi structura creanŃelor şi angajamentelor finan-
ciare ale Ńării.
Contul de finanŃare a modificării patrimoniului (cont 7)
– Modificări la nivelul creanŃelor – Modificări la nivelul angajamentelor
– Soldul finanŃării – SF
DiferenŃă statistică („+” excedent „–”
deficit)

Pe ansamblul economiei, acest cont ar trebui să fie echilibrat
(modificarea angajamentelor = modificarea creanŃelor din întreaga
economie). Deoarece datele utilizate provin din surse diferite, contul
apare cu un anumit sold, care se echilibrează prin „diferenŃă statistică”.
Concluzie: Conturile prezentate (contul 1 până la 7) prezintă un sold
la utilizări, care este preluat în contul imediat următor la resurse ceea ce

278
poate fi interpretat ca dublă înregistrare a relaŃiilor dintre subiectele
economice rezidente. În schimb, relaŃiile cu nerezidenŃii apar doar simplu
înregistrate, ceea ce impune utilizarea unui cont „oglindă” – contul 8 –
străinătatea.

Contul străinătatea sau restul lumii (contul 8) arată tranzacŃiile
subiectelor economice interne cu alte Ńări. În debitul contului se
înregistrează veniturile provenite din străinătate, iar în creditul contului
plăŃile făcute către străinătate.
Contul se mai numeşte şi cont „oglindă”, pentru că înregistrările se fac
din punct de vedere al străinătăŃii şi nu din punct de vedere al economiei
Ńării. Exemplu: importul de mărfuri sau servicii apare ca o vânzare a
străinătăŃii către Ńară (deşi ea constituie o resursă pentru agenŃii economici
din Ńară). Exportul se înregistrează ca o cumpărare de către străinătate.
Contul străinătatea sau restul lumii (contul 8)
– Importuri de mărfuri şi servicii – Exporturi de mărfuri şi servicii
încasate
– Venituri din activitatea economică şi
din patrimoniu plătite străinătăŃii
– Transferuri curente către străinătate
– Transferuri de capital către
străinătate
– Modificarea creanŃelor
– Venituri din activitatea economică şi
din patrimoniu încasate din străinătate
– Transferuri curente din străinătate
– Transferuri de capital din străinătate
– Modificarea angajamentelor

Contul 8 se echilibrează prin modificarea creanŃelor/angajamentelor
externe sau influenŃând rezervele oficiale (+ sau –).
Contul sintetic 8 se defalcă pe patru subconturi astfel:
• Subcontul extern de bunuri şi servicii evidenŃiază importul şi
exportul. Soldul contului reflectă soldul balanŃei externe de bunuri
şi servicii.
• Subcontul extern al veniturilor factorilor şi al transferurilor
curente. Soldul contului este soldul curent al balanŃei externe.
• Subcontul de capital arată influenŃa transferurilor de capital
în/din străinătate.
• Subcontul financiar exprimă modificările intervenite în nivelul şi
structura creanŃelor şi angajamentelor faŃă de străinătate.

279
9.4. Principalii indicatori macroeconomici de rezultate
Rolul indicatorilor macroeconomici este acela de a ilustra cantitativ
performanŃele economiei naŃionale.
Indicatorii propriu-zişi de rezultate sunt:
• produsul intern brut (PIB)/produsul naŃional brut (PNB);
• produsul intern net (PIN)/produsul naŃional net (PNN);
• venitul naŃional (V.N.);
iar agregatele macroeconomice de venituri:
• venitul personal (VP);
• venitul disponibil (VD), numit şi venit naŃional disponibil (VND).
Metodele de estimare a indicatorilor macroeconomici sunt:
• pe baza fluxurilor reale de bunuri şi servicii:
– în funcŃie de producerea lor → metoda de producŃie;
– în funcŃie de consumul lor → metoda de consum;
• pe baza fluxurilor financiare dintre subiectele economice:
– în funcŃie de formarea veniturilor → metoda veniturilor;
– în funcŃie de folosirea venitorilor → metoda cheltuielilor.
Pornind de la principiul că ceea ce pentru un subiect economic
reprezintă venituri, constituie pentru alt subiect economic cheltuieli – se
poate accepta că ele reflectă aceeaşi realitate economică. Datorită acestui
principiu indicatorii macroeconomici pot fi calculaŃi prin trei metode
diferite, în funcŃie de informaŃiile utilizate. Indicatorii macroeconomici
sintetizează tranzacŃiile efectuate între agenŃii economici într-o perioadă
determinată (1 an). Aceste tranzacŃii sunt exprimate prin fluxuri monetare
(de venituri şi cheltuieli). Astfel: producŃia finală totală = totalul veniturilor
realizate în activitatea economică – totalul cheltuielilor pentru cumpărarea
bunurilor şi serviciilor.
Putem analiza indicatorii macroeconomici după:
Natura lor:
– de producŃie (PIB, PNB, PIN, PNN);
– de venituri (VN, VND).
Elementele componente:
– indicatori globali: PGB (au în componenŃa lor consumul
intermediar şi amortizarea);
– indicatori bruŃi: PIB; PNB (includ amortizarea);
– indicatori neŃi: PIN; PNN.

280
Principiul „intern” sau „naŃional”:
– interni: PIB; PIN;
– naŃionali: PNB; PNN.
PreŃurile utilizate în evaluarea lor:
– preŃurile pieŃei: PIBpp; PINpp; PNNpp.
– preŃurile factorilor: PIBpf; PINpf; VN.
Se mai pot examina în preŃuri curente sau constante.

Produsul Intern Brut (PIB). Măsoară valoarea brută a producŃiei finale
de bunuri şi servicii, produse în decursul perioadei de calcul de subiectele
economice, care îşi desfăşoară activitatea economică în interiorul Ńării. Este
un indicator reprezentativ pentru Ńările în curs de dezvoltare.
PIB se determină prin 3 metode:
– metoda de producŃie;
– metoda utilizării finale (metoda cheltuielilor);
– metoda veniturilor.
1. Metoda de producŃie surprinde contribuŃia fiecărui agent economic la
producŃia de bunuri şi servicii.
VAB
i
= VPB
i
– CI
i
(9.15)
PIB = ΣVAB
i
= PGB – CI (9.16)
PIB
pf
= ΣVPB
i
– ΣCI
i
, (9.17)
unde: VAB
i
= valoarea adăugată brută la nivelul sectorului i;
CI
i
= consumul intermediar al sectorului i;
PGB = produsul global brut – însumează totalitatea bunurilor şi servi-
ciilor produse şi puse la dispoziŃia conaŃionalilor în vederea
folosirii;
CI = consumul intermediar.
PIB exprimat la preŃuri de piaŃă nu ia în calcul consumul intern
(CI), ci doar producŃia destinată consumului final (CF).
PIBpp = ΣVAB
i
,
pf
+ I
n
ind
= PIB
pf
+ I
n
ind
(9.18)
unde: PIBpp = produsul intern brut la preŃurile pieŃei;
I
ind
= impozite indirecte; I
n
ind
= impozite indirecte nete;
S = subvenŃii de exploatare.
ind
n
I = I
ind
– S
ind
n
I = reprezintă plăŃi obligatorii ale unităŃilor producătoare către stat;
− impozite pe produs; taxe vamale; TVA; accize etc.

281
Impozitele indirecte nete trebuie plătite, indiferent de realizarea
profitului.
S = subvenŃiile pe produs – sunt sume repartizate de stat unor
unităŃi producătoare, pentru a menŃine la nivel scăzut preŃul de piaŃă al
anumitor bunuri şi servicii de consum.

EXEMPLU: Metoda de producŃie – PIB pe ramuri de activitate

Sursa: date convenŃionale
I.
280 . 709 VAB PIB
6
1 i
i pf
= =

=

II. PIBpp = PIB
pf
+ (I
n
ind
-S) = 709.280 + (96.000 + 4.600) = 809.880

2. Metoda utilizării finale (metoda cheltuielilor) presupune însumarea
componentelor care exprimă utilizarea finală a bunurilor şi serviciilor,
evaluate la preŃul pieŃei, mai puŃin valoarea bunurilor şi serviciilor utilizate.
PIBpp = CP + CG + FBC + EN (9.19)
unde: CP = consum privat;
CF = consum final; CF = CP + CG
CG = consum guvernamental (consumul statului, consum public);
FBC = formarea brută a capitalului;
FBC = FBCF + ∆S
FBC = inv.b + ∆S
FBC = inv.n + A + ∆S
unde: FBCF = formarea brută de capital fix;
∆S = modificarea stocurilor de producŃie;
Inv. b = investiŃie brută; Inv.n = investiŃie netă;
Categorii de resurse NotaŃia Valoarea
(preŃuri curente)
1. Agricultură, silvicultură 88.537
2. Industrie 201.953
3. ComerŃ 155.000
4. Transport, poştă, telecomunicaŃii 83.800
5. ActivităŃi financiar-bancare 120.990
6. Alte servicii 59.000
7. Impozite indirecte I
ind
96.000
8. SubvenŃii pe produs S -4.600
I VABi
II IIN = II – SV

282
EN = export net (diferenŃa dintre valoarea bunurilor şi serviciilor
exportate (E) şi valoarea celor importate (I)).
Consumul privat (CP) reprezintă valoarea bunurilor şi serviciilor
de consum destinate satisfacerii nevoilor oamenilor şi a celor din
producŃie proprie care au fost consumate (autoconsum).
Consumul guvernamental (CG – consumul statului) include
producŃia statului (valoarea serviciilor nedestinate pieŃei, produse de
administraŃia publică şi privată în folosul colectivităŃii), din care se
elimină serviciile vândute şi investiŃiile capitale.
Formarea brută a capitalului (FBC) reprezintă valoarea bunurilor
durabile, destinate altor scopuri decât cele utilitare, cu o anumită valoare,
dobândite de unităŃile producătoare rezidente, în scopul de a fi utilizate pe
o durată mai mare decât un an în procesele lor de producŃie, precum şi
valoarea serviciilor încorporate în bunurile de capital fix.
VariaŃia stocurilor reprezintă diferenŃa dintre intrările şi ieşirile din
stocurile în cursul perioadei considerate.
Exportul net (EN = E – I) sau soldul schimburilor comerciale cu străi-
nătatea, care majorează (E < I) sau restrânge (E > I) oferta pe piaŃa naŃională.
EXEMPLU: Metoda utilizării finale – PIB pe categorii de utilizatori


PIBpp = CF + FBCF + ∆S + EN =
= 687.880 + 161.060 + 6.190 – 45.250 = 809.880

3. Metoda veniturilor presupune însumarea elementelor care exprimă
compensarea factorilor de producŃie, concretizate în veniturile primite de
proprietarii acestora (salarii, dobânzi rente, profituri), în alocaŃiile pentru
consumul de capital fix şi în impozite indirecte.
PIBpf = ΣVF + A
unde: A = amortizarea capitalului fix.
ΣVF = suma veniturilor factorilor de producŃie.
Categorii de utilizatori NotaŃia Valoarea
(preŃuri curente)
1. Consumul final CF = CP + CG 687.880
2. Formarea brută de capital fix FBCF 161.060
3. VariaŃia stocurilor ∆S 6.190
4. Export net (E – I) EN -45.250

283
PIBpp = CM + ENE + I
n
ind
+ A
unde: A = amortizarea capitalului fix;
CM = compensarea factorului muncă, ce include salariile
angajaŃilor, contribuŃii plătite asigurărilor sociale;
ENE = excedentul net de exploatare ce cuprinde: dobânda netă,
profitul brut.

EXEMPLU: Metoda veniturilor – PIB pe ramuri de activitate

Nr. crt. Categorii de resurse Simbol Valoarea
1 Salarii brute Sal
b
180.000
2 Alte venituri din muncă Vmc 460.001
3 ContribuŃii la asigurări sociale CAS 54.000
I Compensarea muncii CM 280.000
4 Impozit pe profit Ipr 90.000
5 Dividende Dv 50.280
6 Profituri nedistribuite Prn 160.000
II. A. Profitul înainte de impozitare Pr 300.280
II. B. Dobânzi nete încasate de firme Db 69.000
II. (II.A.+ II.B.) Excedentul net de exploatare ENE 369.280
7 Impozite directe pe produs Iind 96.000
8 SubvenŃii pe produs Sv – 4.600
III Impozite indirecte nete
net
ind
I = I
ind
– Sv
100.600
IV. Amortizarea capitalului fix A 60.000

PIBpp = CM + ENE +
net
ind
I + A
809.880 = 280.000 + 369.280 + 100.600 + 60.000

PRODUSUL INTERN NET (PIN) reprezintă mărimea valorii adăugate
a bunurilor şi serviciilor produse de agenŃii economici interni, într-o
anumită perioadă.
Dacă se exprimă în preŃurile factorilor PIN
pf
, indică valoarea netă
a bunurilor finale din punct de vedere al producătorului:
PIN
pf
= PIB
pp
– A – I
n
ind
= PIB
pf
– A (9.20)
unde: PIB
pp,pf
= preŃul intern brut în preŃurile pieŃei/preŃurile factorilor;
A = amortizarea capitalului fix;
I
n
ind
= impozite indirecte nete.

284
Dacă se exprimă în preŃul pieŃei (adică, inclusiv impozitele indi-
recte) arată aceeaşi producŃie finală, dar din punct de vedere al consuma-
torului:
PIN
pp
= PIB
pp
– A (9.21)
La nivelul sectoarelor, valoarea adăugată netă este:
VAN
i,pp
= VAB
i,pp
– A
i
(9.22)
şi PIN
pp
= ∑VAN
i,pp
(9.23)
Prin metoda cheltuielilor:
PINpp = CP + CG + INV
n
+ EN (9.24)
unde: CP = consum privat;
CG = consum guvernamental (consumul statului, consum public);
INV
n
= investiŃiile nete (investiŃii brute – amortizarea).
De regulă, PIN se calculează ca diferenŃă între produsul intern brut
(PIB) şi amortizare (A):
PIN = PIB – A (9.25)

PRODUSUL NAłIONAL BRUT (PNB) se defineşte ca fiind valoarea
curentă de piaŃă, a tuturor bunurilor şi serviciilor finale produse de agenŃii
economici naŃionali, atât în Ńară, cât şi în exterior, într-o perioadă de un
an. PNB mai este denumit:
− venit naŃional brut – dacă se evaluează în preŃurile factorilor;
− cheltuială naŃională brută – dacă este exprimat în preŃurile pieŃei.
Calculul PNB
pp
se foloseşte de PIB
pp
, calculat la preŃul pieŃei şi de
soldul valorii adăugate brute, create de agenŃii economici străini în
interiorul Ńării (SVAB
pp
):
PNB
pp
= PIB
pp
+ SVAB
pp
(9.26)
unde: PNB
pp
= produsul naŃional brut în preŃurile pieŃei;
PIB
pp
= produs intern brut la preŃurile pieŃei;
SVAB
pp
= soldul veniturilor în raport cu străinătatea.

OBSERVAłII!
• În Ńările dezvoltate economic, este preferat ca indicator
reprezentativ PNB.
• În Ńările în curs de dezvoltare, mai semnificativ este PIB.

285
PRODUSUL NAłIONAL NET (PNN) exprimă valoarea netă a bunurilor
şi serviciilor finale produse de agenŃii economici naŃionali, într-o perioadă
de timp, indiferent dacă este obŃinută în exteriorul Ńării.
Produsul naŃional net poate fi calculat:
• pornind de la PNB şi PIB
PNN
pp
= PNB
pp
– A (9.27)
sau
PNN
pp
= PIB
pp
+ SVAB
pp
– A (9.28)
• pornind de la PIN, care este corectat cu soldul dintre veniturile
din activitatea economică şi din patrimoniu ale agenŃilor
economici naŃionali care îşi desfăşoară activitatea în străinătate şi
cele ale agenŃilor economici străini de pe teritoriul Ńării (SVAS):
PNN
pf
= PIN
pf
+ SVAS (9.29)
unde: SVAS = soldul veniturilor în raport cu străinătatea.

Venitul naŃional (VN) exprimă veniturile totale ale proprietarilor
factorilor de producŃie implicaŃi în activitatea economică.
Când PNN este determinat la preŃurile factorilor, este denumit şi
venit naŃional (VN):
PNN
pf
= VN (9.30)
Venitul naŃional se mai poate determina:
VN = PNN
pf
= PIB
pp
+ SVAS – A – I
n
ind
(9.31)
VN = PNB
pp
– A – I
n
ind
(9.32)
VN = PNN
pp
– I
n
ind
(9.33)
Venitul naŃional disponibil (VND) este venitul naŃional corectat cu
transferurile cu străinătatea care nu au legătură cu procesul de producŃie
(cotizaŃii, ajutoare, taxe etc. plătite (primite în/din străinătate).
VND = VN + STCS; unde: STCS = soldul transferurilor curente cu străinătate)
REMARCĂ! VND determină mărimea venitului personal, cererea
finală de produse şi servicii de consum şi capacitatea de investiŃii.
Venitul personal al populaŃiei sau al menajelor (VPM)
În procesul repartiŃiei primare şi redistribuirii veniturilor,
populaŃia primeşte venituri care se evidenŃiază prin:
• Indicatorul venituri personale ale gospodăriilor sau ale
menajelor (VPM).
Acest indicator se calculează scăzând din venitul naŃional
disponibil (VND) elementele care nu revin populaŃiei (contribuŃia

286
pentru asigurări sociale – CAS, profitul nedistribuit, impozitul pe
profit) şi se adaugă veniturile populaŃiei care provin din transferuri
(pensii, ajutoare, burse, alocaŃii etc.).
• Veniturile disponibile ale menajelor (VDM):
– se calculează prin scăderea din veniturile personale ale
menajelor (VPM), impozitele şi taxele plătite de populaŃie (Imp.p).
– acest indicator ne arată posibilităŃile pentru consum (C) şi
pentru economisire (E), arătând veniturile nominale ale populaŃiei.
RelaŃii de calcul:
• Venituri personale ale menajelor (VPM)
VPM = VND – V
S
+ V
T

unde: VND = venituri naŃional disponibil
V
S
= venituri care revin altor sectoare (CAS, profituri
nedistribuite, impozitul pe profit);
V
T
= venituri provenite din transferuri către populaŃie (pensii,
burse, ajutoare, alocaŃii etc.)
• Venituri personale disponibile ale menajelor (VDM)
VDM = VPM –Imp.p sau VDM = C + E
unde: Imp.p = impozite şi taxe plătite de populaŃie;
C = consum; E = economie.
Pentru a analiza puterea de cumpărare a populaŃiei, trebuie
calculate veniturile reale ale populaŃiei (VRP).
Astfel, VRP se calculează ca raport între veniturile nete (VDM)
şi indicele preŃurilor de consum (IPC):
IPC
VDM
VRP = , unde: VDM = veniturile disponibile ale menajelor.
Pe baza acestor relaŃii se pot determina:
• veniturile nete şi reale ale populaŃiei;
• venitul mediu net şi real pe o familie (acesta trebuie calculat
având în vedere anumite criterii: statutul capului de familie, categoria
socio-profesională, numărul şi vârsta copiilor etc.);
• venitul mediu net şi real pe o persoană.
Venitul disponibil al menajelor (VDM) este folosit pentru
cumpărarea de bunuri şi servicii utilizate pentru satisfacerea directă a
nevoilor umane individuale (consum – C), cât şi pentru economisire (E)
sau investiŃii.

287
Consumul populaŃiei reprezintă totalitatea produselor alimentare şi
nealimentare consumate şi a serviciilor folosite de populaŃie în scopuri
neproductive pentru o perioadă de timp.
Consumul total al populaŃiei (CTP) – de produselor alimentare,
nealimentare şi servicii într-o perioadă de timp este un indicator care
reprezintă consumul final al populaŃiei (CF).
Atunci, consumul total a populaŃiei (CTP): CTP =

⋅ p g
unde: g = reprezintă întreg consumul populaŃiei;
p = preŃurile (de achiziŃie sau de producŃie) ale mărfurilor şi
serviciilor achiziŃionate de populaŃie.
Pe baza indicelui preŃurilor de consum (IPC) se pot determina
consumurile reale ale populaŃiei (CRP):
IPC
CTP
CRP = .
Pentru analizele economice se pot folosi şi alŃi indicatori:
• ratele consumului – exprimă ponderea consumului final (CF) în
PIB;
• rata veniturilor din muncă – ca procent din VN (venitul naŃional);
• PIB pe locuitor – exprimă rezultatele ce revin în medie pe o
persoană.

9.5. Indici de preŃuri utilizaŃi în statistica macroeconomică
O economie cu o rată mare a inflaŃiei presupune riscuri mari
economice şi financiare. De aceea, în tranzacŃiile de import-export cu o
anumită Ńară, agenŃii economici de comerŃ exterior trebuie să Ńină seama
de măsura în care preŃurile rămân relativ stabile într-o economie.
Statistica utilizează trei tipuri de indicatori:
– indicele preŃurilor producătorilor (I
PP
);
– indicele preŃurilor consumatorilor (I
PC
);
– indicele general al preŃurilor (deflatorul PIB sau PNB; I
gp
).
Indicele preŃurilor producătorilor (I
PP
) are la bază înregistrarea
preŃurilor la prima tranzacŃie semnificativă (când se tranzacŃionează
loturi mari de produse) între agenŃii economici. Se calculează ca un
indice Laspeyres:

288


=
0 0
0 1 PP
0 \ 1
q p
q p
I (9.34)
sau pe baza indicilor individuali ai preŃurilor
0
1
p
0 / 1
p
p
i = astfel:



=

=
i
p
0
p
0 0
0 0
p
0 / 1 PP
0 \ 1
g * i
q p
q p i
I (9.35)
unde:

=
0 0
0 0
p
0
q p
q p
g reprezintă structura valorică a livrărilor din perioada
de bază.
OBSERVAłII!
• Se determină uşor, baza de date trebuind actualizată numai pentru
noile preŃuri p
i
.

• Datorită acestui avantaj este un indice

relativ ieftin, necesitând
costuri mici.
Dezavantaje:
– structura fixă a indicelui (dată de formula de calcul Laseyres)
supraestimează creşterile de preŃuri;
– indicele ia în considerare numai livrările între agenŃii economici,
ignorând total consumul final.
Indicele preŃurilor consumatorilor (I
PC
) are la bază supravegherea
preŃurilor de vânzare către consumatorul final. Se calculează Ńinând
seama de structura cheltuielilor efectuate pentru cumpărarea mărfurilor şi
serviciilor determinată pe baza bugetelor de familie. Se calculează tot ca
un indice Laspeyres:


=
0 0
0 1 PC
0 \ 1
q p
q p
I (9.36)
unde: p
i
= preŃurile mărfurilor şi tarifele serviciilor cumpărate în perioada
de bază (p
0
), respectiv perioada curentă (p
1
);
q
0
= cantităŃile cumpărate în perioada de bază.

289
Se poate calcula şi pe baza indicilor individuali ai preŃurilor
0
1
p
0 / 1
p
p
i =
astfel:



=

=
i
p
0
p
0 0
0 0
p
0 / 1 PC
0 \ 1
g * i
p q
p q i
I
(9.37)
unde:

=
0 0
0 0
p
0
p q
p q
g este ponderea cheltuielilor din perioada de bază, în
totalitatea cheltuielilor efectuate pentru procurarea mărfurilor şi
serviciilor din coşul de consum.
Indicele general al preŃurilor (I
gp
) are în vedere mişcarea tuturor
categoriilor de preŃuri din economie, pornind de la destinaŃia rezultatelor
economice.
PIB = CP + CG + FBC + (E – I) = Σ D
i
(9.38)
unde: CP = consum privat;
CG = consum guvernamental;
FBC = formarea brută a capitalului;
(E-I) = exportul net.
Pentru fiecare din cele patru destinaŃii se calculează câte un indice de
preŃuri de tip Paasche (pe baza indicilor individuali de preŃuri, ca medie
armonică ponderată a indicilor individuali ai preŃurilor):


=
1 1
p
0 / 1
1 1 p
0 / 1
p q
i
1
p q
I (9.39)
unde, deflatorul PIB se poate calcula:
comp
crt
PIB
PIB
D =

unde: PIB
crt
este PIB în preŃuri curente;
PIB
comp
este PIB în preŃuri comparabile.
D
*
j
=
p
j
I
D
(9.40)
Deoarece PIB = ΣDj , iar PIB
*
=

=
4
1 j
*
j
D (9.41)

290
rezultă indicele general de preŃuri:
comp
gp
PIB
PIB
I = , (9.42)
PIB
comp
=
D
PIB
crt

unde: PIB
*
= produs intern brut exprimat în preŃuri comparabile;
I
gp
= indicele general de preŃuri este numit şi deflator PIB(D).
Rata anuală a inflaŃiei (R
inf
) se obŃine pe baza indicelui general al
preŃurilor (I
gp
):
R
inf
= (I
gp
– 1)
.
100 (9.43)
Indicele costului vieŃii (I
cv
)
1
. Acest indice este utilizat în comparaŃii
internaŃionale. Se poate calcula ca o medie armonică a indicilor
individuali ai preŃurilor (
p
0 / 1
i
1
):


=
1 1
p
0 / 1
1 1 CV
0 / 1
q p
i
1
q p
I (9.44)
Acest indice (I
cv
), ca şi indicele preŃurilor consumatorilor (I
Pc
), se
foloseşte pentru calculul veniturilor reale ale populaŃiei:
PC
r
I
Vn
V = sau
CV
r
I
Vn
V = (9.45)
unde: V
r
= venituri reale exprimate în preŃuri comparabile (preŃurile unui
singur an);
V
n
= venituri nominale în preŃuri curente (ale anului respectiv).

OBSERVAłII!
• I
cv
se utilizează în Ńările cu economie în tranziŃie, în general în
cazul Ńărilor unde structura consumului cunoaşte modificări
semnificative la perioade foarte scurte.
• I
PC
se utilizează în Ńările cu economie stabilă.


1
Begu L.S., Statistică internaŃională, Editura All Beck, Bucureşti, 1999.

291
9.6. ComparaŃii în timp şi comparaŃii internaŃionale
Factorii de decizie, la orice nivel economic, sunt interesaŃi de
performanŃele economice reale ale indicatorilor economici analizaŃi.
În mod obişnuit, indicatorii economici obŃinuŃi sunt exprimaŃi în
preŃuri curente ale perioadei de calcul şi sunt numiŃi indicatori nominali.
Astfel, pentru cunoaşterea dinamicii reale a indicatorilor sintetici
macroeconomici trebuie înlăturată variaŃia preŃurilor. De regulă, se
utilizează indicii de timp Laspeyres şi Paasche.
• Indicele de preŃuri Laspeyres:
,
q p
q p
I
0 0
0 1
PL


=
unde: p
1, 0
= preŃurile din perioada curentă şi de bază;
q
0
= cantitatea din perioada de bază.
REMARCĂ!
• Se calculează cu rapiditate, datorită structurii din bază şi faptului
că trebuie cunoscute doar preŃurile curente.
• Pentru că nu Ńine seama de produsele nou apărute, ci numai de
cele din structura de bază care au fost parŃial înlocuite în consum –
creează aparenŃa unei creşteri a preŃurilor mai mare decât în realitate.
• Indicele de preŃuri de tip Paasche:


=
0 1
1 1
PP
p q
p q
I
REMARCĂ!
• Este mai greu de calculat, datorită folosirii cantităŃilor din
perioada curentă.
• În comparaŃie cu indicele Laspeyres, el diminuează creşterea reală
a preŃurilor, deoarece reflectă produsele înlocuite în consum cu o pondere
mai mică decât în perioada anterioară.
• De asemenea nu se Ńine seamă de situaŃiile când creşterea
preŃurilor este justificată datorită îmbunătăŃirii parametrilor tehnici şi
calitativi ai bunurilor.
ComparaŃiile internaŃionale s-au intensificat odată cu procesul de
integrare a statelor europene. De aceea, s-a impus folosirea unei
metodologii comune atât de organismele internaŃionale, cât şi de

292
instituŃiile statistice naŃionale. Astfel, o problemă esenŃială o constituie
exprimarea indicatorilor într-o valută unică. Una din metodele cele mai
folosite este evaluarea pe baza parităŃii puterii de cumpărare. Pentru
aceste evaluări se folosesc indicii de preŃuri:
• indicele Laspeyres: ,
q p
q p
I
0 0
0 1
PL


=
• indicele Paasche:


=
1 0
1 1
PP
q p
q p
I .
REMARCĂ!
• Indicii de preŃuri folosesc în calcul:
– preŃurile aceloraşi produse din cele două Ńări comparate;
– preŃurile produselor sunt ponderate fie cu cantităŃile unei Ńări
(exemplu Ńara A), fie cu cantităŃile celeilalte Ńări (Ńara B).
RelaŃiile de calcul:


=
A B
A A
PP
B A
q p
q p
I sau ,
q p
q p
I
B B
B A
PL
A B


=
Datorită aplicării unor ponderi diferite între cei doi indici vor exista
diferenŃe, astfel pentru înlăturarea lor se va calcula indicele de preŃ de tip
Fischer – ca medie geometrică a celor doi indici Laspeyres şi Paasche:




⋅ = ⋅ =
B B
B A
A B
A A
PL PP PF
q p
q p
q p
q p
I I I

REMARCĂ!
• Calcularea unui astfel de indice general de preŃuri este dificil de
realizat. Calculul acestui indice este făcut numai de organismele naŃionale
şi internaŃionale de statistică.
• Indicii de preŃuri, astfel calculaŃi, arată paritatea puterii de
cumpărare a valutelor naŃionale ale Ńărilor comparate. Adică ei exprimă
raportul dintre necesarul de unităŃi monetare ale Ńării A şi ale Ńării B
pentru cumpărarea aceloraşi cantităŃi de produse. Indicii pot arăta
raporturile existente între valutele Ńărilor comparate.

293
Pe baza acestor indici de preŃuri se calculează indicatorii
macroeconomici de rezultate (produsul intern, produsul naŃional, venitul
naŃional, consumul populaŃiei etc.).
Apoi se pot efectua comparaŃii internaŃionale astfel:
⇒ produsul intern, venitul naŃional, consumul populaŃie pe locuitor
şi indicii acestor indicatori (luând ca bază nivelurile înregistrate în alte
Ńări):
B
A pib
B A
pib
pib
I ;
P
PIB
pib = =
unde: PIB = produsul intern brut total;
p = numărul mediu al populaŃiei;
pib
A,B
= produsul intern brut pe locuitor în Ńara A, respectiv B.
⇒ structura pe ramuri şi dinamica indicatorilor de rezultate,
comparativ cu cele înregistrate în alte Ńări.
⇒ eficienŃa factorilor de producŃie (productivitatea muncii,
eficienŃa capitalului fix etc.); compararea lor cu indicii de eficienŃă
specifici altor Ńări.

CONCEPTE-CHEIE: Sistemul Conturilor NaŃionale (SCN); subiecte
economice; conturi macroeconomice, produsul intern brut (PIB);
produsul intern net (PIN); produsul naŃional brut (PNB); produsul
naŃional net (PNN); venitul naŃional (VN); indicele preŃurilor produ-
cătorilor (IPp); indicele preŃurilor consumatorilor (IPC); indicele
general de preŃuri (Igp).

ÎNTREBĂRI DE AUTOEVALUARE

1. Ce reprezintă sistemul conturilor naŃionale (SCN) ca instrument
statistic?
2. Ce particularităŃi ale SCN cunoaşteŃi?
3. Ce înŃelegeŃi prin noŃiunile de bază folosite în analiza SCN? DescrieŃi
aceste noŃiuni.
4. SpecificaŃi conturile din care este alcătuit SCN. PrezentaŃi aceste
conturi.

294
5. Cum calculaŃi indicatorul valoare adăugată brută (VAB)? Dar
excedentul de exploatare?
6. PrezentaŃi formulele de calcul pentru:
− produsul intern net (PIN);
− venitul naŃional;
− produsul naŃional net (PNN);
− venitul naŃional disponibil (VND);
− economiile nete (EN).
7. Care sunt principalii indicatori macroeconomici de rezultate?
8. Ce este şi cum se poate calcula PIB?
9. Ce este şi cum se poate calcula PIN?
10. Ce este şi cum se poate calcula PNB? Dar PNN?
11. EnumeraŃi principalii indicatori de preŃuri folosiŃi în statistica
macroeconomică. RelaŃii de calcul şi utilizări ale acestor indici.
12. Ce indici de preŃuri folosim pentru comparaŃiile în timp?
13. Cum putem realiza comparaŃiile internaŃionale?


295


10. STATISTICA BALANłEI DE PLĂłI EXTERNE






10.1. NoŃiuni şi concepte generale
PoziŃia unei Ńări, în raporturile ei cu restul lumii, este reflectată în
două documente, a căror elaborare a fost armonizată sub auspiciile
Fondului Monetar InternaŃional (FMI):
• balanŃa de plăŃi externe (BPE), dacă se au în vedere
fluxurile dintre rezidenŃi şi nerezidenŃi;
• poziŃia investiŃională internaŃională (PII), dacă se are în
vedere stocul de creanŃe şi angajamentele financiare ale
economiei. Acest document este cunoscut şi sub denumirea de
balanŃa creanŃelor şi angajamentelor externe.
În Ńara noastră, de elaborarea acestor documente se ocupă Banca
NaŃională a României. Începând cu 1994 au fost aplicate normele
metodologice actualizate privitoare la înregistrarea şi raportarea
operaŃiunilor valutare ce reprezintă tranzacŃii şi fac obiectul BPE.
Aceste norme sunt cuprinse în Manualul balanŃei de plăŃi, publicat de
Fondul Monetar InternaŃional în 1993.
Concluzii:
• Datele cuprinse în aceste documente stau la baza alcătuirii
diferitelor componente ale conturilor naŃionale (conturi de
producŃie, de venituri, de capital şi financiare) şi sunt utile la
măsurarea produsului intern brut.
• Raportul dintre încasările şi plăŃile externe, respectiv intrările
şi ieşirile de investiŃii străine, joacă un rol important în luarea
deciziilor politice cu caracter macroeconomic.
• Aceste documente stau la baza unor studii analitice, cum
sunt:

296
– studiul dezechilibrelor dintre încasări şi plăŃi şi necesitatea
unor măsuri de promovare sau de ajustare;
– analiza problemelor legate de datoria externă;
– studiul legăturilor dintre cursul de schimb şi fluxurile
contului curent şi contul de capital şi financiar etc.
Potrivit Manualului BPE, elaborat sub auspiciile FMI, BPE este
un document statistic care rezumă tranzacŃiile unei economii cu restul
lumii, de-a lungul unei perioade de timp, de obicei un an.
La baza elaborării BPE stau câteva concepte importante:
• TranzacŃie internaŃională, prin care se înŃelege transfor-
marea, comercializarea, transferul sau stingerea unei valori
economice în relaŃiile unei economii cu restul lumii.
• RezidenŃi sau nerezidenŃi – distincŃia dintre cele două noŃiuni
se referă la centrul principal de interes sau activitate.
RezidenŃii unei economii sunt alcătuiŃi din totalitatea persoanelor
fizice şi juridice care au interes economic în teritoriul
economic al Ńării respective:
– familiile şi indivizii care îşi creează în cadrul economiei o
gospodărie;
– firmele (societăŃi comerciale sau regii autonome),
corporaŃiile sau cvasicorporaŃiile (sucursale ale investito-
rilor străini ce nu au dobândit personalitate juridică);
– organizaŃii private nonprofit;
– administraŃia publică centrală (guvernul) şi locală.
NerezidenŃii sunt:
– persoane fizice şi juridice străine care fiinŃează în afara teri-
toriului economic al Ńării;
– conaŃionalii care şi-au mutat centrul de interes econo-
mic/activitate în străinătate;
– turiştii străini;
– oameni de afaceri şi funcŃionari diplomatici aflaŃi temporar
pe teritoriul altei Ńări decât cea de origine.
• Centru de interes economic se află într-o Ńară atunci când o
persoană fizică sau juridică are plasamente în economia acelei
Ńări. Astfel, se angajează sau intenŃionează să se angajeze în
tranzacŃii comerciale sau financiare pe o perioadă de timp nu
mai mică de un an.

297
• Teritoriul economic al Ńării corespunde teritoriului geogra-
fic administrat de guvernul unei Ńări, unde persoanele, bunu-
rile şi capitalul circulă liber. Teritoriul economic al unei Ńări
cuprinde spaŃiul aerian, apele teritoriale, teritorii din apele
internaŃionale asupra cărora Ńara are drepturi exclusive, encla-
vele teritoriale din restul lumii, zonele libere, depozitele de
graniŃă şi/sau unităŃile operate de firme nerezidente sub
controlul vamal al Ńării respective.
• Evaluarea tranzacŃiei se face la preŃul pieŃei, reprezentând
suma de bani pentru care tranzacŃia se încheie între parteneri,
plăŃi independente, reunite din interese strict economice.
• Momentul înregistrării tranzacŃiei este momentul schimbu-
lui de proprietate. În practică este momentul în care se
înregistrează în contabilitatea băncii în care partenerii au
deschise conturile lor.
• Principiul dublei înregistrări în elaborarea BPE este acela
prin care fiecare tranzacŃie care se înregistrează trebuie să fie
reprezentată prin două intrări, care au aceeaşi valoare. O intrare
este pe credit cu semnul plus „+”, iar cealaltă este pe debit cu
semnul minus „–”. Astfel, suma intrărilor cu semnul „+” este
egală cu suma intrărilor cu semnul „–”, iar soldul va fi zero.
În practică, datele pentru alcătuirea BPE provin din surse diferite,
astfel, sistemul de înregistrare prin dublă partidă nu este perfect,
conturile nu se echilibrează, putând apărea erori şi omisiuni.
Majoritatea intrărilor din BPE se referă la tranzacŃii în care
valorile economice sunt date sau primite în schimbul altor valori
economice. Acestea constau din resurse reale (bunuri, servicii şi
venituri) şi poziŃii financiare.
Dacă tranzacŃia dă naştere unei înregistrări unice, trebuie făcută o
înscriere (numită transfer), special concepută pentru a asigura com-
pensarea necesară.
łara care alcătuieşte BPE înregistrează pe:
• Credit (activ):
– resurse reale, indicând exporturi de bunuri materiale şi
servicii, încasări de venituri aferente factorilor de producŃie
care au părăsit Ńara;

298
– poziŃii financiare, reprezentând reduceri ale activelor
externe sau creşteri ale pasivelor externe ale economiei.
• Debit (pasiv):
– resurse reale, reprezentând importuri de bunuri materiale şi
servicii, plăŃi cu titlu de venituri ale factorilor de producŃie
intrate în Ńară din străinătate în vederea valorificării;
– poziŃii financiare, reprezentând creşterea activelor externe
ale Ńării sau reduceri ale pasivelor externe ale economiei.

Pentru activele reale sau financiare, o cifră pozitivă (credit) arată
o scădere, în timp ce o cifră negativă (debit) arată o creştere.
Pentru angajamente, o cifră pozitivă (credit) arată o creştere, în
timp ce o cifră negativă (debit) arată o diminuare.
Transferurile sunt trecute pe credit când înscrierile pe care le
compensează sunt făcute în debit şi sunt trecute pe debit când
înscrierile sunt efectuate în credit.
BPE se întocmeşte de autoritatea monetară centrală (BNR) pe
baza raportărilor lunare ale tuturor băncilor comerciale autorizate de
ea să intermedieze tranzacŃii comerciale şi financiare internaŃionale.
Pentru a se asigura întreaga gamă de informaŃii necesare în
gestionarea echilibrului extern, BPE se elaborează:
• global – pentru a arăta totalitatea tranzacŃiilor economiei
naŃionale cu restul lumii;
• bilateral – cu fiecare Ńară parteneră, pentru evidenŃierea
particularităŃilor tranzacŃiilor comerciale şi financiare;
• regional – cu grupări de state, care adoptă şi respectă reguli
comune în tranzacŃiile cu România.

10.2. Definirea BalanŃei de plăŃi externe (BPE)
Manualul FMI, elaborat în 1993 pentru armonizarea modului de
întocmire a BPE şi a poziŃiei investiŃionale a unei Ńări, recomandă
Ńărilor membre FMI să repartizeze în două conturi totalitatea
tranzacŃiilor lor cu restul lumii:
• contul curent sau BPE curente (BalanŃei de plăŃi externe
curente);
• contul de capital şi financiar sau balanŃa mişcărilor de
capital.

299
Fiecare dintre aceste conturi se detaliază pe subconturi (capitole),
posturi şi poziŃii, pentru a evidenŃia specializarea internaŃională a
economiei Ńării, precum şi interesele economice şi financiare pe care le
promovează.

BalanŃa de plăŃi este un document statistic în care sunt
rezumate tranzacŃiile economice ale unei Ńări cu restul lumii pentru
o perioadă dată. BalanŃa de plăŃi nu se ocupă de plăŃi, ci de
tranzacŃii.

TranzacŃia este un flux economic care reflectă crearea,
transformarea, schimbul, transferul sau stingerea unei valori
economice şi presupune transferul de proprietate asupra bunurilor
şi/sau drepturilor financiare, prestarea de servicii sau
disponibilizarea de forŃă de muncă şi capital.

TranzacŃiile din BPE sunt operaŃiuni desfăşurate între rezidenŃi şi
nerezidenŃi. În BPE se includ şi tranzacŃiile cu creanŃe financiare între
doi rezidenŃi din sectoare diferite ale economiei (autoritatea monetară,
guvern, bănci, alte sectoare), precum şi tranzacŃiile cu angajamente
financiare externe între doi nerezidenŃi (dar rezidenŃi în Ńări diferite).
RezidenŃa economică nu se bazează pe naŃionalitate sau alte
criterii legale, deşi poate fi similară cu conceptul de rezident, utilizat
în multe Ńări prin stabilirea plătitorilor de taxe şi impozite.
ParticularităŃi ale BPE:
• BPE lucrează cu fluxuri (nu cu stocuri), astfel urmăreşte eveni-
mentele economice pe parcursul unei perioade de timp de referinŃă.
• Există o deosebire între BPE şi reflectarea plăŃilor externe,
pentru că un număr de tranzacŃii internaŃionale pot, sau nu pot,
să dea loc unei plăŃi, iar unele nu comportă niciun fel de plată.
Prezentarea BPE este făcută în tabelul 10.1.







300



Tabelul 10.1. BalanŃa de plăŃi externe
1. CONTUL CURENT (A+B+C)
A. Bunuri şi servicii
a) bunuri fob (export/import);
b) servicii.
B. Venituri
– din muncă;
– din investiŃii directe;
– din investiŃii de portofoliu;
– din alte investiŃii de capital (dobânzi).
C. Transferuri curente
– sector oficial;
– alte sectoare.
2. CONTURI DE CAPITAL ŞI FINANCIAR (A+B)
A. Contul de capital
a) transferuri de capital;
b) achiziŃionare/vânzare active nemateriale/nefinanciare.
B. Contul financiar
a) investiŃii directe;
b) investiŃii de portofoliu;
c) alte investiŃii de capital;
d) conturi în tranzit;
e) conturi de cliring/barter;
f) active de rezervă.
3. ERORI ŞI OMISIUNI (net)
TOTAL GENERAL

CONTUL CURENT AL BPE cuprinde trei capitole distincte:
A – Bunuri şi servicii; B – Venituri; C – Transferuri curente.
A. Bunuri şi servicii cuprinde:
– balanŃa comercială, respectiv importul şi exportul de bunuri
materiale (tangibile sau vizibile) evaluate la preŃuri franco-
frontieră vamală a Ńării exportatoare sau preŃuri fob port de
îmbarcare (fob-free on board = liber la bordul navei);

301
– balanŃa serviciilor, care cuprinde încasări şi plăŃi rezultate
din prestarea de servicii între rezidenŃi şi nerezidenŃi
(prezentată şi la capitolul de comerŃ exterior şi servicii).
Capitolul Bunuri
1
cuprinde:
– mărfuri de export (import);
– bunuri pentru prelucrare;
– reparaŃii de bunuri;
– procurare de bunuri în porturi de către cărăuşi;
– aur monetar.
Capitolul Servicii cuprinde:
– servicii de transport;
– turism-călători;
– alte servicii.
B. Venituri sau balanŃa veniturilor cuprinde încasări şi plăŃi
cauzate de faptul că factorii de producŃie trec frontiera Ńării
pentru valorificare, iar veniturile rezultate sunt (fie şi parŃial)
repatriate. Astfel, se înregistrează:
– venituri din muncă;
– venituri din investiŃii directe şi de portofoliu;
– venituri acumulate de un investitor din deŃinerea de
active financiare (depozite bancare, împrumuturi acordate,
efecte de comerŃ şi servicii etc.).
C. Transferurile curente cuprind intrările şi/sau ieşirile de resurse
reale (bunuri sau servicii) şi financiare (cotizaŃii, burse, premii
etc.) fără compensare din partea beneficiarului. Transferurile
sunt făcute de instituŃiile administraŃiei publice (subvenŃii
acordate/primite pentru susŃinerea bugetului curent, contribuŃii
la bugetele administrative ale organizaŃiilor internaŃionale,
burse de stat, premii internaŃionale, cheltuieli pentru între-
Ńinerea reprezentanŃelor diplomatice, consulare, culturale,
militare etc.), fie de persoane fizice, fie de organizaŃii private,
conform legislaŃiei în vigoare şi în legătură cu interesele pe

1
Pentru detaliere vezi, Begu L.S., Statistică internaŃională, Editura All
Beck, Bucureşti, 1999 – capitolul Bunuri.

302
care le promovează (chirii, moşteniri, premii, burse, donaŃii,
ajutoare nerambursabile operate între rezidenŃi şi nerezidenŃi).
Capitolul Transferuri curente este format din:
– Transferuri ale guvernului general;
– Transferuri private.
CONTUL DE CAPITAL ŞI FINANCIAR AL BPE sau BALANłA DE
CAPITAL evidenŃiază mişcările de capital în două tipuri de tranzacŃii:
A. Contul de capital cuprinde toate operaŃiile cu achiziŃionarea
şi vânzarea de active nefinanciare ce nu sunt rezultatul muncii
umane (terenurile, bogăŃiile subsolului), precum şi active
intangibile (brevete, mărci etc.), dar şi operaŃiile de încasare
sau plăŃi în vederea transferului internaŃional al capitalului,
tranzacŃionate între rezidenŃi şi nerezidenŃi.
B. Contul financiar reuneşte operaŃiile care au ca obiect activele
financiare:
– schimbarea proprietăŃii activelor financiare străine;
– crearea şi/sau lichidarea de creanŃe în relaŃia cu restul
lumii, în cadrul activelor şi pasivelor financiare externe
ale unei economii.
OperaŃiile sunt structurate pe tranzacŃii:
1. InvestiŃii directe
2
, formate din:
• investiŃii directe de capital ale rezidenŃilor în străinătate;
• investiŃii ale nerezidenŃilor în România.
InvestiŃiile directe presupun plasamente financiare într-o
întreprindere situată în afara teritoriului economic al Ńării
investitorului, în condiŃiile influenŃării în luarea deciziilor
pentru obŃinerea de profit.
2. InvestiŃii de portofoliu
3
– tranzacŃii care au ca obiect acŃiuni şi
obligaŃiuni negociate pe piaŃa bursieră sau extrabursieră:
• valori mobiliare de natura acŃiunilor (pe activ);
• valori mobiliare de natura obligaŃiunilor (pe activ);
• valori mobiliare de natura acŃiunilor (pe pasiv);
• valori mobiliare de natura obligaŃiunilor (pe pasiv).

2
Ibidem.
3
Ibidem.

303
În activ se înregistrează creanŃele deŃinute de rezidenŃi
asupra nerezidenŃilor, iar în pasiv angajamentele reziden-
Ńilor faŃă de nerezidenŃi.
InvestiŃiile de portofoliu sunt plasamente financiare într-o
societate comercială sau bancară situată în afara teritoriului
economic al Ńării investitorului, cu scopul de a asigura o
valorificare mai avantajoasă a capitalului pe piaŃa externă
decât se poate obŃine pe propria piaŃă financiară.
3. Alte investiŃii de capital
4
se referă la creditele financiare,
împrumuturile de la FMI şi folosirea acestora:
• la activ:
– împrumuturi şi credite pe termen lung;
– împrumuturi şi credite pe termen scurt;
– documente de export, pe termen lung, în curs de decontare;
– documente de export, pe termen scurt, în curs de decontare;
– numerar şi cecuri;
– depozite deŃinute de rezidenŃi;
– alte active;
• la pasiv:
– credite şi împrumuturi de la FMI;
– împrumuturi şi credite pe termen lung;
– împrumuturi şi credite pe termen scurt;
– documente de import, pe termen lung, în curs de decontare;
– documente de import, pe termen scurt, în curs de decontare;
– numerar şi cecuri;
– depozite deŃinute de nerezidenŃi în România;
– alte pasive.
4. Conturi în tranzit conŃine conturi cu sume a căror prove-
nienŃă sau destinaŃie este în curs de stabilire.
5. Conturi de cliring/barter înregistrează numai mişcarea
activelor şi pasivelor nete.





4
Ibidem.

304
BARTER:
→ este o compensaŃie globală, la nivel de grupe de întreprinderi ce
pot aparŃine uneia sau a mai multor ramuri economice;
→ se face pe baza unor contracte, care nu prevăd existenŃa unui
suport financiar pentru stingerea datoriilor, de aceea devine necesară
existenŃa unei scrisori de garanŃie bancară.
CLEARING:
→ este o compensaŃie globală privind schimbul reciproc de mărfuri
şi servicii între două sau mai multe Ńări. Schimbul se efectuează fără a fi
însoŃit de schimb de devize;
→ se formează raportul: importatori – bancă de compensaŃie –
exportatori;
→ calculul de compensaŃie se face în mod global la sfârşitul anului
(prin livrări de mărfuri, prestaŃii de serviciu, plăŃi în valută etc. – pentru
eventualele solduri debitoare).

6. Activele de rezervă sunt sub controlul şi la dispoziŃia
autorităŃii monetare din fiecare Ńară (BNR) pentru a echilibra
BPE, pentru intervenŃii pe piaŃa valutară în vede-rea influen-
Ńării cursului de schimb al monedei naŃionale. Ele sunt cons-
tituite din aur monetar, drepturi speciale de tragere (DST),
poziŃia de rezervă la FMI, disponibilităŃi în valute străine şi
alte creanŃe.

PoziŃia ERORI ŞI OMISIUNI apare în BPE cu o anumită încărcare,
fie pe debit fie pe credit, ca urmare a faptului că tranzacŃiile financiare
şi comerciale derulate de către băncile comerciale au o formă
complexă, ce nu permite identificarea uşoară a structurii analitice
propuse de FMI prin Manualul BalanŃei de plăŃi externe. TranzacŃiile
derulate chiar în ziua prezentării la BNR a rapoartelor lunare de către
băncile comerciale rămân a fi adăugate abia la sfârşitul anului.
Pentru că datele necesare alcătuirii balanŃei provin din surse
diferite, procesul de contabilizare prin dublă intrare nu este perfect.
Omisiunile şi inadvertenŃele tind să se compenseze; mărimea
diferenŃei nete nu poate fi considerată ca indicator al acurateŃei unei
balanŃe, iar analiza diferitelor poziŃii ale balanŃei rămâne la nivelul
unei tentative de caracterizare. O diferenŃă mare şi persistentă în timp
afectează credibilitatea întregii balanŃe, iar BPE n-ar mai putea fi
folosită ca instrument de analiză macroeconomică.

305
Echilibrarea BPE
Datorită dublei înregistrări a tranzacŃiilor cu restul lumii, BPE a
unei Ńări este, în mod necesar, echilibrată, în sensul că la nivel global
credit = debit sau încasări = plăŃi, iar soldul este nul.
Soldul BPE arată relaŃia în care se găsesc cele două conturi
principale (contul curent şi contul de capital şi financiar) din punct de
vedere al intrărilor şi ieşirilor generate de tranzacŃiile internaŃionale.
Soldul se calculează ca diferenŃă (sumă netă) între încasările
(creditul) şi plăŃile (debitul) aferente tranzacŃiilor înscrise în balanŃă.
De obicei se constată un dezechilibru, fie într-un sens fie în
celălalt. Astfel, dacă încasările sunt mai mari decât plăŃile, soldul este
pozitiv sau excedentar (balanŃă activă sau excedentară). Dacă
încasările sunt mai mici decât plăŃile, soldul este negativ sau deficitar
(balanŃă pasivă sau deficitară).
Conceptele de dezechilibru activ/pasiv, excedent/deficit, se aplică
în cazul unei balanŃe globale de plăŃi externe numai conturilor,
capitolelor sau poziŃiilor din balanŃă şi nu întregii balanŃe.
Excedentul contului curent al BPE poate determina:
• o reducere a propriei datorii externe faŃă de străinătate prin
achitarea unor tranşe din împrumuturile acordate;
• creşterea rezervelor oficiale ale Ńării;
• împrumuturi acordate nerezidenŃilor;
• un export de capital sub formă de investiŃie în străinătate etc.
Deficitul contului curent al BPE generează în contul de capital
financiar următoarele operaŃii:
• un import de capital;
• o amânare a rambursării datoriei externe;
• cheltuirea unei părŃi din rezervele oficiale pentru a achita
plăŃile scadente etc.
BPE se va împărŃi în două conturi:
• contul curent aflat „peste linie”;
• contul de capital şi financiar aflat „sub linie”.
Dezechilibrul constatat deasupra liniei în contul curent se
reglează prin balanŃa de sub linie.

306
Când soldurile posturilor contului curent nu se compensează,
diferenŃa „+” sau „–” este absorbită prin posturile aflate sub linie, iar
în ultimă instanŃă ea grevează asupra activelor de rezervă ale statului.
La nivel regional sau bilateral, BPE sunt adeseori în dezechilibru.
Astfel, BNR, în calitate de autoritate monetară centrală, are misiunea
de a supraveghea aceste dezechilibre parŃiale şi de a sugera guvernului
măsuri de politică financiară, comercială şi economică, menite să
corecteze în timp aceste dezechilibre, pentru ca ele să nu afecteze grav
schimburile Ńării cu restul lumii.
REMARCĂ! BalanŃa globală a unei Ńări nu poate rămâne
dezechilibrată, pentru că soldul exprimă influenŃa tranzacŃiilor efectuate de
o economie cu restul lumii, asupra rezervelor internaŃionale nete ale Ńării.

10.3. Indicatori statistici pentru analiza BPE
Pornind de la mecanismul de echilibrare al BPE, cele două conturi
(contul curent şi contul de capital şi financiar) fac obiectul analizei
statistice. Dezechilibrul din fiecare cont se analizează prin:
− mărimea absolută şi relativă a dezechilibrului, pentru a cunoaşte
amploarea acestei stări;
− evoluŃia în timp a dezechilibrului;
− structura dezechilibrului pentru explicarea originilor sale.

10.3.1. Indicatori statistici pentru analiza contului curent al BPE

Dacă asociem toate înregistrările din creditul BPE cu încasările gene-
rate de exportul de mărfuri sau de servicii (x
j
), iar cele din debitul BPE cu
plăŃile pentru import (m
j
), atunci soldul (S
j
) al unei poziŃii j
( ) k , 1 j =
va fi:
S
j
= x
j
-m
j
(10.1)
La nivelul balanŃei, soldul contului curent este dat de diferenŃa
dintre încasările totale şi plăŃile totale:
S = , M X m x S
j j
j j
k
1 j
j
− = − =
∑ ∑ ∑
=

unde:

j
j
x = încasările totale;


j
j
m = plăŃile totale.

307
Soldul poate fi:
– S > 0: sold excedentar sau activ, când încasările depăşesc plăŃile;
– S = 0: sold echilibrat, sold zero, când încasările sunt egale cu plăŃile;
– S < 0: sold deficitar sau pasiv, când încasările sunt depăşite de plăŃi.
OBSERVAłIE! Mărimea absolută a soldului contului curent sau a
soldului uneia din componentele sale, ne foloseşte pentru a putea
continua analiza, dar ea nu permite emiterea unei constatări calitative.
De aceea, calculul mărimilor relative ale soldului ne va permite să
vedem cât este de grav dezechilibrul.
Ponderea soldului contului curent în PIB este o mărime deri-
vată, care ne arată deficitul (excedentul) contului curent faŃă de PIB:
100
PIB
S
MRS ⋅ = (10.2)
unde: MRS = ponderea soldului contului curent în produsul intern brut;
S = X – M este soldul contului curent; PIB = produsul intern brut.

OBSERVAłII!
• Un dezechilibru de 2% până la ±4% este firesc, cu condiŃia să
nu se permanentizeze.
• Dacă este cuprins între ±5% şi ±10%, este un semnal de
alarmă pentru factorii de decizie la nivel macroeconomic.
• Dacă dezechilibrul depăşeşte 10% faŃă de PIB, este semnul
unor disfuncŃii grave în economie.
Gradul de deschidere a economiei (GDE) unei Ńări sau
„ventilarea” internaŃională a produsului intern brut al Ńării respective
se poate obŃine prin:
100
PIB
M X
GDE ⋅
+
= (10.3)
OBSERVAłIE! Raportul poate fi mai mare sau mai mic de 100%,
arătând măsura în care comerŃul exterior contribuie la realizarea PIB.
Mărimea relativă a soldului faŃă de volumul total al
tranzacŃiilor (MRS
j
) prezintă avantajul că poate fi calculată la nivelul
fiecărui capitol, poziŃii, posturi etc. cu relaŃia:

308
100
m x
S
MRS
j j
j
j

+
= (10.4)
OBSERVAłII!
• ComparaŃia dintre dezechilibrele relative ale componentelor
contului curent şi acesta, cât şi cu dezechilibrul general, relevă
posturile ce sunt cel mai grav afectate.
• Pot fi considerate praguri valorile ±15%:
– dacă MRS
j
> +15%, intrările de bani au fost numeroase şi
Ńara respectivă nu îi foloseşte;
– dacă MRS
j
< +15%, importurile rămân neplătite, fapt ce va
duce fie la scăderea rezervelor valutare ale Ńării, fie la
creşterea datoriei externe.
• Analiza balanŃei prin solduri se poate efectua numai dacă
semnul soldului rămâne acelaşi.
Gradul de acoperire a plăŃilor prin încasări (GA) este o mărime
relativă care exprimă gravitatea dezechilibrului prin abaterea faŃă de
poziŃia de echilibru (100%). Gradul de acoperire este expresia
procentuală a soldului balanŃei contului curent:
100
M
X
GA ⋅ = (10.5)
iar la nivelul fiecărei componente:
100
m
x
GA
j
j
j
⋅ = (10.6)
OBSERVAłII! Utilizarea acestui indicator oferă avantajul de a
releva dimensiunea calitativă a dezechilibrului absolut. Astfel:
– GA < 100% arată un sold deficitar;
– GA > 100% arată un sold excedentar.
Indicele gradului de acoperire a plăŃilor prin încasări
(
GA
1/0
I ) arată evoluŃia în dinamică a raportului dintre plăŃi şi încasări:
M
1/0
X
1/0
0
1
0
1
0
0
1
1
0
1
GA
1/0
I
I
M
M
:
X
X
M
X
:
M
X
GA
GA
I = = = =
(10.7)


309
OBSERVAłII!

GA
1/0
I = 100% arată o menŃinere în timp a (dez)echilibrului
dintre încasări şi plăŃi.

GA
1/0
I > 100% poate semnifica:
– creşterea excedentului, caz în care GA
1
> GA
0
, atât în
perioada curentă, cât şi în bază; gradul de acoperire a
plăŃilor prin încasări a fost peste 100%, însă în perioada
curentă a fost mai mare decât în perioada de bază;
– trecerea de la starea deficitară sau echilibrată la o balanŃă
excedentară;
– reducerea pasivului, atunci când, în ambele perioade, gradul
de acoperire a plăŃilor prin încasări este sub 100%, însă
pasivul balanŃei s-a redus în perioada curentă faŃă de cea
anterioară.
• Dacă
GA
1/0
I < 100% situaŃia se deteriorează de-a lungul anilor,
pentru că GA
1
< GA
0
şi se observă următoarele efecte:
– diminuarea excedentului;
– degradarea balanŃei, de la un sold pozitiv la unul negativ;
– sporirea dimensiunilor deficitului.
• Analiza
GA
1/0
I se face în colaborare cu mărimea absolută a
soldului în perioada curentă.

Concluzii:
Factorii care acŃionează asupra contului curent sunt: inflaŃia
internă, veniturile disponibile interne, cursul de schimb şi constrân-
gerile guvernamentale.
Dacă rata inflaŃiei interne creşte într-o măsură mai mare decât
la majoritatea partenerilor, soldul contului curent, în general, scade, ca
urmare a faptului că, consumatorii interni vor fi tentaŃi să importe mai
multe bunuri şi servicii şi să exporte mai puŃin.
Dacă veniturile disponibile ale Ńării cresc într-un ritm mai
mare decât la majoritatea partenerilor de comerŃ exterior, atunci soldul
contului curent al Ńării respective, în general, va scădea. Nivelul ridicat

310
al veniturilor duce la creşterea consumului de bunuri şi servicii,
inclusiv cele importate.
Dacă cursul de schimb al monedei Ńării respective tinde să se
aprecieze faŃă de cursurile partenerilor externi, atunci soldul contului
curent tinde să scadă. Deci, exportul tinde să devină mai scump.
Guvernul poate influenŃa soldul contului curent prin
impunerea de bariere tarifare şi netarifare la bunurile din import.

10.3.2. Indicatori statistici pentru analiza contului de capital
şi financiar în cadrul BPE
Contul de capital şi financiar prezintă un anumit sold (S), obŃinut
ca diferenŃă între vânzările de active către nerezidenŃi (X), ceea ce
presupune încasări în valută înregistrate în creditul contului şi
achiziŃionările de active străine de către rezidenŃi (M), determinând
plăŃi evidenŃiate în debit:
S = X – M
iar la nivelul fiecărui post se poate stabili un sold (s
j
):
s
j
= x
j
-m
j

unde: S =
∑ j
S ; X =
∑ j
x ; M =

. m
j

Mărimea relativă a soldului arată gravitatea dezechilibrului prin
raportul între soldul contului (S) şi totalul tranzacŃiilor cu active (X+M):
100
M X
S
MRS ⋅
+
= (10.8)
şi, respectiv, la nivelul postului:
100
m x
s
MRS
j j
j
j

+
= (10.9)
Gradul de acoperire a plăŃilor prin încasări (GA) arată
dezechilibrul din tranzacŃiile cu active financiare şi nefinanciare:
• la nivelul BPE: 100
M
X
GA ⋅ =
• pentru fiecare componentă a contului: 100
m
x
GA
j
j
j
⋅ =

311
Indicele gradului de acoperire a plăŃilor prin încasări
(
GA
0 / 1
I ) arată evoluŃia în dinamică a dezechilibrului:
0
1
GA
0 / 1
GA
GA
I =
Rata de contribuŃie (RC
j
) a fiecărei componente la
dezechilibrul total al contului:
100
S
s
RC
j
j
⋅ = (10.10)

OBSERVAłIE! Rata de contribuŃie se poate calcula în măsura în
care soldurile (sub)conturilor componente au semnul soldului general
al contului de capital şi financiar.
Pentru aprofundarea analizei este necesar să se pornească de la
faptul că fiecare tranzacŃie cu active financiare şi nefinanciare are ca
scop valorificarea capitalului investit. Structura rezumată a BPE
permite observarea relaŃiei dintre veniturile încasate de România din
investiŃii directe în restul lumii (creditul contului curent) şi investiŃiile
directe ale României în restul lumii (debitul contului de capital şi
financiar), comparativ cu relaŃia dintre veniturile din investiŃii străine
directe plătite de România către restul lumii şi influxul de capital
străin în economia României sub formă de investiŃii directe. Analiza
poate fi extinsă şi pentru investiŃiile de portofoliu, alte investiŃii
(împrumuturi contractate, respectiv acordate) etc.
Astfel, se pot calcula indicatori
5
ca:

Ponderea diverselor venituri în veniturile totale (V):
Ponderea veniturilor din investiŃii directe (VID):
100
V
VID
P
VID
⋅ = (10.11)



5
Begu L.S., Statistică internaŃională, Editura All Beck, Bucureşti,
1999.

312


Ponderea veniturilor din investiŃii de portofoliu (VIP):
100
V
VIP
P
VIP
⋅ = (10.12)
Ponderea veniturilor din alte investiŃii (VAI):
100
V
VAI
P
VAI
⋅ = (10.13)

Raportul dintre veniturile din investiŃii directe (de pe credit),
notate VID şi investiŃiile directe efectuate (de pe debit) notate
cu ID:
ID
VID
R
1
= (10.14)
OBSERVAłII!
• R
1
> 1 numai în cazul Ńărilor cu o migraŃie puternică a
capitalului pentru valorificarea pe pieŃe externe.
• R
1
< 1 pentru Ńările beneficiare de investiŃii directe străine.
În Ńările în curs de dezvoltare se calculează un R
2
prin compa-
rarea plăŃilor în contul veniturilor din investiŃiile directe noi
(VID – debit) în total investiŃii directe (ID – credit):
(credit) ID
(debit) VID
R
2
= (10.15)
OBSERVAłIE! Raportul este favorabil Ńării respective când este
subunitar, caz în care investiŃiile directe noi sunt mai mari decât plăŃile
în contul veniturilor din investiŃii directe acceptate în anii precedenŃi.

















313
EXEMPLU:
Vom analiza evoluŃia BalanŃei de plăŃi externe a României în anul
2005 faŃă de 2004 cu ajutorul câtorva indicatori statistici (tabelul 10.2):

Tabelul 10.2. BalanŃa de plăŃi
– u.m. –
2004 2005
Credit
A
0

Debit
P
0

Sold
(+/-)
S
0

Credit
A
1

Debit
P
1

Sold
(+/-)
S
1

1. CONTUL CURENT
(A+B+C)
15.290 17.513 -2.223 18.444 19.969 -1.525
A. Bunuri şi servicii 13.418 16.502 -3.084 16.223 18.825 -2.602
– bunuri fob (export/import) 10.385 14.356 -2.969 13.876 16.487 -2.611
– servicii 2.033 2.148 -115 2.347 2.338 +9
B. Venituri 455 737 -282 413 872 -459
C. Transferuri curente 1.417 274 1.143 1.808 272 1.536
2. Conturi de capital şi
financiar (A+B)
6.739 5.240 1.499 8.245 5.863 2.382
A. Contul de capital 108 13 95 100 7 93
– transferuri de capital; 108 13 95 100 7 93
B. Contul financiar
− investiŃii directe 1.303 129 1.174 1.366 238 1.128
− investiŃii de portofoliu 1.155 580 575 905 523 382
− alte investiŃii de capital 4.150 3.025 1.125 5.821 3.259 2.562
− conturi în tranzit, conturi de
cliring/barter
23 9 14 43 24 19
− active de rezervă BNR
(„–”creştere, „+”scădere)
0 1.484 -1,484 10 1.812 -1.802
3. ERORI ŞI OMISIUNI (net)
724 0 724 0 857 -857
Total general 22.753 22.753 0 26.686 26.689 0
Sursa: date convenŃionale

Ponderea soldului curent în PIB (MRS) este o mărime
relativă ce consemnează deficitul (excedentul) contului curent
faŃă de PIB:
100
PIB
DEBIT CREDIT
100
PIB
S
MRS ⋅

= ⋅ =
2004 2005
-5,53% -3,33%



314
2004 2005
PIB:
40.145,5 45.749,1

Dacă interpretăm valorile acestui indicator vom constata:
• ( ) % 4 şi % 2 MRS ± ± ∈ pentru aceste valori dezechilibrul este
firesc cu condiŃia să nu se permanetizeze, iar guvernul trebuie să ia
măsuri de reechilibrare a contului curent al BalanŃei de plăŃi externe
(situaŃia anului 2005);
• ( ) % 10 şi % 5 MRS ± ± ∈ prezintă un semnal de alarmă pentru
factorii de decizie la nivel macroeconomic (situaŃia anului 2004).
MSR cu valori mai mari de 10% faŃă de PIB arată un
dezechilibru care semnalează grave disfuncŃii în economia unei Ńări.
Din analiza soldului curent în PIB în anul 2005, s-a constatat că
acesta a avut cea mai redusă pondere (3,33%) după anul 1994.

Mărimea relativă a soldului contului curent (S) faŃă de
volumul total al tranzacŃiilor (MRS
T
):
100
DEBIT CREDIT
S
MRS
T T
T

+
=

unde pot fi considerate praguri valorice ±10%:

2004 2005
-6,78% -4,1%

Valorile acestui indicator, situate sub 10%, pot indica că importurile
au rămas neplătite, ceea ce va duce la scăderea rezervelor şi la creşterea
datoriei externe. Dezechilibrul contului curent este însă considerat
acceptabil şi nu implică măsuri monetare sau fiscale imediate.
Dar o valoare a MRS
T
, mai mare decât 10%, poate arăta intrări
numeroase de bani pe care Ńara respectivă nu le foloseşte, acestea
producând un dezechilibru, care va impune intervenŃia autorităŃii
monetare şi, totodată, va corecta acest dezechilibru în timp.
Avantajele acestui indicator constau în faptul că poate fi calculat
şi la nivelul capitolelor, poziŃiilor, posturilor etc. ComparaŃia care se
poate face între dezechilibrul general şi dezechilibrele relative, ale
componentelor contului curent, poate arăta posturile care sunt cele mai
grav afectate. Spre exemplificare vom lua:

315

• capitolul Bunuri (BalanŃa comercială):

( ) ( )
100
P debit A credit
S
MRS
j j
j
j

+
=
2004 2005
-11,53% -8,61%

• capitolul Servicii (BalanŃa serviciilor):

2004 2005
-2,75% -0,58%

Din această analiză, observăm dificultatea capitolului Bunuri,
care în 2001 are o valoare mai mare de 10%, dar, începând cu 2002, se
reduce până la 8,61%.

Gradul de acoperire a plăŃilor prin încasări (GA):
Acest indicator arată gravitatea dezechilibrului prin abaterea sa
faŃă de poziŃia de echilibru (100%)
( )
( )
100
plati DEBIT
incasari CREDIT
GA ⋅ =
2004 2005

87,31% 92,11%
Cu ajutorul acestui indicator GA putem vedea dimensiunea
calitativă a dezechilibrului absolut:
• GA < 100% arată un sold deficitar;
• GA > 100% arată un sold excedentar.
În 2002, indicatorul GA = 92,11% arată o situaŃie economică
care se apropie de o stare de echilibru.
Gradul de deschidere a unei economii (GDE) se obŃine:

( )
100
PIB
) plati ( DEBIT incasari CREDIT
GDE ⋅
+
=

2004 2005
81,67% 83,96%

arată măsura în care comerŃul exterior al unei Ńări contribuie la
realizarea PIB-ului Ńării respective (în funcŃie de cum este indicatorul
mai mic sau mai mare de 100%).

Dinamica evoluŃiei dezechilibrelor BalanŃei de plăŃi externe o
putem analiza cu următorii indicatori:

316
Indicele soldului contului curent
S
2004 / 2005
I se calculează în
condiŃiile în care semnul soldurilor au acelaşi semn:
% 6 , 68 100
223 . 2
525 . 1
100
S
S
I
2004
2005
S
2004 / 2005
= ⋅


= ⋅ =
Dacă valoarea indicelui este mai mare decât 100% şi soldurile
sunt negative, atunci creşterea deficitului contului curent se traduce
printr-o deteriorare a BalanŃei de plăŃi externe curente. Valoarea
indicelui
S
2004 / 2005
I = 68,6%, ceea ce arată o îmbunătăŃire în 2005 a
BalanŃei de plăŃi externe curente, printr-o uşoară scădere a deficitului
cu 31,4% faŃă de 2004.
Însă, o ameliorare a BalanŃei de plăŃi externe curente s-ar
produce dacă
S
2004 / 2005
I > 100%, atunci când el s-ar calcula din solduri
pozitive ale contului curent.
Indicele gradului de acoperire a plăŃilor prin încasări
GA
0 / 1
I :
% 56 , 105 100
8731 , 0
9211 , 0
100
GA
GA
I
0
1
GA
2004 / 2005
= ⋅ = ⋅ =
Dacă % 5 , 105 I
GA
2004 / 2005
= , deci mai mare decât 100%, rezultă o
ameliorare a situaŃiei contului curent a BalanŃei de plăŃi externe (creşte
acoperirea plăŃilor prin încasări).
Analiza poate continua de la balanŃa comercială şi la celelalte
balanŃe. Astfel, balanŃa serviciilor:

Tabelul 10.3. BalanŃa serviciilor

2004 2005
Indici (%)
2005/2004
Încasări 2033 2347 115,4
PlăŃi 2148 2338 108,8
Sold -115 9 -

În 2005, BalanŃa serviciilor are un excedent de 9 u.m. datorită
îmbunătăŃirii raportului dintre încasări şi plăŃi la poziŃia transport:



317

Tabelul 10.4. BalanŃa veniturilor

2004 2005
Indici (%)
2005/2004
Încasări 455 413 90,8
PlăŃi 737 872 118,3
Sold -282 -459 162,8

BalanŃa veniturilor s-a încheiat în 2005 cu un deficit de
459 u.m., ceea ce a reprezentat 30% din deficitul contului curent –
datorită măririi ieşirilor de capital sub forma profiturilor din investiŃii
directe şi din investiŃii de portofoliu.

Tabelul 10.5. BalanŃa transferurilor curente

2004 2005
Indici (%)
2005/2004
Încasări 1.417 1.808 127,6
PlăŃi 274 272 99,3
Sold 1.143 1.536 134,4

Soldul acestei balanŃe de 1.536 u.m. a înregistrat în 2005 cea
mai mare pondere în PIB din ultimii ani:
% 4 , 3 100
1 , 749 . 45 PIB
536 . 1
100
PIB
S
MRS = ⋅ = ⋅ =

Transferurile curente nete s-au majorat cu peste o treime faŃă de
2004, mai ales prin intensificarea fluxurilor băneşti către rezidenŃi.
În ce priveşte contul de capital şi financiar, anul 2005 a arătat o
mare deschidere a economiei româneşti la împrumuturile şi creditele
externe, care au fost orientate spre consolidarea rezervei oficiale, în
condiŃiile în care investiŃiile directe şi de portofoliu au permis
finanŃarea integrală a deficitului de cont curent.






318


Tabelul 10.6. Indicatori de analiză ai dezechilibrului din contul de capital
şi financiar al BalanŃei de plăŃi externe a României
Sold

S
j

MRS
T

%
MRS
j

%
GA
%
GA
j

%
RC
j

%
Contul de
capital şi
financiar
2.382 16,9 140,6 100
– contul de
capital
93 86,9 142,9 4
– contul de
financiar
2.289 16,3 139,1 96

Analiza originii dezechilibrului în acest cont s-a făcut cu
indicatorul rata de contribuŃie a postului la formarea excedentului
(deficitului) total (RC
j
):
100
S
s
RC
j
j
⋅ =

OBSERVAłIE! RelaŃia nu este aplicabilă decât dacă diferenŃele
de la numărător şi numitor sunt de acelaşi semn („+” sau „–”).

Analiza tabelului 10.6 a contului de capital şi financiar arată:
– o depăşire a plăŃilor prin încasări cu 40,6% a tranzacŃiilor cu
active financiare şi nefinanciare;
– faŃă de totalul tranzacŃiilor, acest dezechilibru, de 16,9%,
arată gravitatea deficitului din contul curent, pe care acest excedent
trebuie să-l compenseze;
– excedentul este în proporŃie de 4% pe seama contului de
capital a cărui sold este de 93 u.m. Restul de 96% este dat de contul
financiar al cărui sold este de 2.289 u.m., arătând o depăşire de 1,391
ori a debitului prin creditul specific operaŃiunilor cu active financiare
rezidenŃi şi nerezidenŃi (între România şi restul lumii).
Dinamica evoluŃiei contului de capital şi financiar o putem
observa în tabelul 10.7:



319


Tabelul 10.7. Dinamica contului de capital şi financiar

2004 2005
Indici (%)
2005/2004
Încasări 6.739 8.245
PlăŃi 5.240 5.863
% 3 , 109 I
GA
2004 / 2005
=
Sold 1.499 2.382
% 9 , 158 I
S
2004 / 2005
=

Gradul de acoperire a plăŃilor prin încasări (GA) va fi:

( )
100
P DEBIT
) Î ( CREDIT
GA ⋅ =
2004 2005
128,6 140,6

Pentru anul 2005, când soldurile au fost excedentare
% 9 , 158 I
S
2004 / 2005
= ne arată o creştere a excedentului balanŃei, ceea
ce semnifică şi indicele gradului de acoperire a plăŃilor prin încasări
% 3 , 109 I
GA
2004 / 2005
= , marcând o ameliorare a situaŃiei (GA
1
> GA
0
).
Concluzie: În 2005, BalanŃa de plăŃi a României a arătat o
ameliorare a deficitului de cont curent favorizată de:
– reducerea importului net de bunuri şi servicii;
– intensificarea transferurilor curente nete;
– pe fondul consolidării creşterii economice;
– îmbunătăŃirea ratingului de Ńară.

Astfel, finanŃarea deficitului de cont curent s-a făcut aproape
70% din investiŃiile directe.
Una din problemele analizate poate fi şi din ce se va finanŃa
deficitul de cont curent. În 2005, finanŃarea deficitului de cont curent
s-a realizat integral din investiŃiile directe şi de portofoliu (conform
tabelului 10.8):



320
Tabelul 10.8. FinanŃarea deficitului de cont curent
– u.m. –
2004 2005
Surse de finanŃare 2.223 1.525
a) transferuri de capital, net 95 93
b) investiŃii directe, net 1.174 1.128
c) investiŃii de portofoliu, net 575 382
d) alte investiŃii de capital* 1.863 1.724
e) active de rezervă BNR
(„–” indică creştere)
-1.484 -1.802

* cuprinde credite pe termen scurt, mediu şi lung; poziŃii nete pentru
numerar, cecuri, depozite, conturi de cliring şi barter.

În 2005, BalanŃa de plăŃi a României a arătat o ameliorare de
cont curent faŃă de 2004, pentru că finanŃarea deficitului nu a creat
mari dificultăŃi, fiindcă 70% din deficit a fost acoperit de investiŃiile
directe, astfel cea mai mare parte a influxurilor financiare putând fi
alocată creşterii rezervei valutare.
RelaŃia de echilibru dintre economisire şi soldul contului curent a
consemnat pentru anul 2005 cel mai redus nivel al deficitului de cont curent
în PIB (33%), datorită evoluŃiei pozitive a celor două componente:
– rata economisirii care s-a situat la 19,7% (cea mai mare după
1994);
– rata de investire care a atins 23% (exemplificare în tabelul 10.9).

Tabelul 10.9. Produsul intern brut
– mil. USD –
2004 2005
1. AbsorbŃie (A = CF + I) 43.249,5 48.351
• Consum final (CF) 34.211,2 37.825,3
• InvestiŃii
1
(I) 9.038,3 10.525,8
2. Exportul de bunuri şi servicii – net (E) -3.084,0 -2.602,0
3. Venituri externe – net (V) -282,0 -459,0
4. Transporturi curente externe – net (TC) 1.143,0 1.536,0
PRODUS INTERN BRUT (PIB = A + E) 40.165,5 45.749,1
VENIT NAłIONAL BRUT DISPONIBIL (VNBD)
(VNBD = A + E + V + TC)
41.026,5 46.826,1
SOLDUL CONTULUI CURENT AL BPE
(SCC = E + V + TC)
-2.223 -1.525
ECONOMISIREA BRUTĂ (EB = I + SCC) 6.815,3 9.000,8

1
InvestiŃiile cuprind formarea brută de capital fix, variaŃia stocurilor şi
diferenŃe statistice.

321
Pe baza tabelului 10.8, mai putem calcula:
• Rata economisirii: 100 PIB EB RE ⋅ =
2004 2005
17% 19,7%

• Rata investiŃiilor: 100 PIB I RI ⋅ =
2004 2005
22,5% 23%

• Ponderea soldului contului curent
2004 2005
în PIB: 100 PIB SCC RSCC ⋅ =
-5,5% -3,3%

Această relaŃie, în literatura de specialitate, este cunoscută ca
relaŃia de echilibru dintre economisire, investiŃii şi soldul contului
curent:
PIB
I
PIB
EB
PIB
SCC
− = sau RSCC = RE – RI
ceea ce va fi: • 2004 : 17,0 – 22,5 = -5,5%
• 2005 : 19,7 – 23 = -3,3%
Astfel, datorită celor două rate RE (19,7) şi RI (23%), relaŃia de
echilibru RSCC = -3,3% pentru anul 2005, a constituit cel mai redus
nivel din ultimii doi ani ai deficitului de cont curent în PIB (3,3%).

10.4. Definirea poziŃiei investiŃionale internaŃionale a Ńării (PII)
sau balanŃa de creanŃe şi angajamente externe
PoziŃia investiŃională internaŃională a Ńării prezintă, la un moment
dat, valoarea şi structura stocului de active financiare ale unei eco-
nomii (drepturi/creanŃe asupra restului lumii, inclusiv aurul monetar),
ca şi valoarea şi structura stocului de pasive financiare (obliga-
Ńii/angajamente faŃă de restul lumii).
VariaŃia stocului de creanŃe şi angajamente este determinată:
→ în primul rând de rezultatul tranzacŃiilor derulate de-a
lungul anului cu nerezidenŃii (lucru consemnat şi în BPE);
→ dar şi de modificările cursului de schimb al monedelor în
care se exprimă creanŃele şi/sau angajamentele externe;
→ cât şi de modificările preŃurilor folosite în evaluarea lor;
→ precum şi a altor ajustări valorice.

322
DiferenŃa dintre aceste două valori este valoarea netă a
patrimoniului atribuibil relaŃiilor economice internaŃionale. În funcŃie
de această valoare, PII poate fi net creditoare sau net debitoare.
Structura analitică, recomandată de FMI, are în vedere funcŃiile
acestor angajamente şi creanŃe:
• activele financiare externe ale unei Ńări:
– investiŃii directe şi de portofoliu efectuate de rezidenŃi în
străinătate;
– împrumuturi acordate nerezidenŃilor (de stat, de bănci, de
societăŃi comerciale);
– activele de rezervă ale statului, gestionate de autoritatea
monetară a Ńării (BNR);
• pasivele financiare externe ale Ńării sunt alcătuite din:
– investiŃii străine directe şi de portofoliu intrate în economia
naŃională;
– împrumuturi angajate de rezidenŃi în străinătate, pentru a
acoperi o nevoie internă de finanŃare.
Fiecare componentă a balanŃei de creanŃe şi angajamente este
reflectată prin următoarele caracteristici:
– poziŃia la începutul anului;
– tranzacŃiile în timpul anului;
– efectul schimbărilor de preŃ;
– efectul modificării cursului de schimb;
– alte ajustări;
– poziŃia la sfârşitul anului.
Soldul net al PII a unei Ńări este des utilizat în analiza performanŃelor
unei economii în raport cu restul lumii. Indicatorul arată ce deŃine
economia unei Ńări ca active, în raport cu ce datorează pe plan extern:
pentru o economie de piaŃă performantă, PII este activă
(poziŃia netă este pozitivă pentru că activele sunt mai mari decât
pasivele financiare externe ale Ńării);
pentru economiile în curs de dezvoltare şi Ńările puternic
îndatorate, PII se caracterizează prin angajamente masive ale guvernului
şi ale autorităŃii monetare, iar creanŃele externe ale acestor două sectoare
sunt modeste. Întreaga PII este pasivă (poziŃia netă negativă, activele
externe fiind mult sub nivelul pasivelor financiare externe).


323

Aceste active şi pasive sunt grupate pe 4 sectoare instituŃionale,
implicate în fluxurile financiare internaŃionale:


Tabelul 10.10. PoziŃia investiŃională internaŃională a României

1. AdministraŃie publică
• credite guvernamentale
• cliringuri
• active investite
• alte active/pasive

2. Autoritate monetară (BNR)
• plasamente pe termen lung/împrumuturi (din care FMI)
• aur monetar
• depozite valutare
• active investite
• alte active/pasive

3. Sector bancar
• linii de finanŃare importuri
• împrumuturi bancare
• depozite valutare
• active investite

4. Sector nebancar
• credite şi documente comerciale:
– termen lung
– termen scurt
• active investite
• alte active/pasive
TOTAL







324

EXEMPLU:

PII – PoziŃia investiŃională internaŃională a României
– u.m. –
SECTOARE INSTITUłIONALE 2004 2005
1. Sector guvernamental -1.271 -2.488
– active 3.873 3.921
– pasive 5.144 6.409
2. Autoritate monetară 4.384 6.890
– active 4.871 7.316
– pasive 487 426
3. Sector bancar 675 -119
– active 1.645 1.202
– pasive 970 1.321
4. Sector nebancar -13.247 -16.399
– active 1.029 852
– pasive 14.276 17.251
PoziŃia netă -9.459 -12.116
– active 10.418 13.291
– pasive 20.877 25.407


Soldul (poziŃia netă) a PII
• Dacă soldul este pozitiv (activele > pasivele), rezultă o econo-
mie de piaŃă performantă.
• Analiza poziŃiei nete ne arată un sold negativ în 2004 care se
majorează în 2005 (-12.116 u.m.). Economiile Ńărilor în curs de dez-
voltare – sunt Ńări puternic îndatorate, cu angajamente masive ale guver-
nului şi ale autorităŃilor monetare – în timp ce creanŃele externe sunt mai
modeste. În 2005, singura poziŃie pozitivă activă este a BNR, mai ales
datorită rezervelor de aur monetar şi depozitelor de valute convertibile.
Pasivele mari sunt reprezentate de:
• sectorul guvernamental, tranzacŃia spre o economie de piaŃă;
• sectorul nebancar – angajarea acestui sector în tranzacŃii cu
străinătatea – ce au ca efect constituirea de creanŃe şi angajamente în
afara economiei naŃionale.



325
Riscul de insolvabilitate:
• Pentru a aprecia ACTIVELE DE REZERVĂ ALE UNEI łĂRI –
REZERVA OFICIALĂ – indicatorul folosit în presa de specialitate este
Rezerva oficială exprimată în luni calendaristice de import de mărfuri
şi servicii.
• Limita inferioară acceptabilă al acestui indicator este de 2 luni.
• Dacă se depăşeşte această barieră – riscul de insolvabilitate al
acestei Ńări este foarte ridicat.

EXEMPLU:
PII – Stocul de active şi pasive financiare

INDICATORI 2004 2005
Active externe de rezervă din
sistemul bancar
6.380,6 8.392
– aur monetar 938,7 1.180,2
– deŃineri de DST-uri 6,8 2,3
– devize convertibile 5.435,1 7.209,8
CreanŃe pe termen mediu şi lung 3.627 3.629
Datoria externă pe termen mediu şi
lung (pe tipuri de creditori)
10.924,5 15.084
– Multilaterale: 4.553,6 5.483,1
▫ FMI 386,4 425,6
▫ UE 198,5 177,2
▫ BIRD 2.025,9 2.256,3
▫ BERD 804,4 968,0
– bilaterale 819,1 841,3
– bănci private 1.958,8 2.458
– obligaŃiuni 1.695 2.390,1
– credite furnizor 307,6 387,9
– alŃi creditori privaŃi 2.590,4 3.523,6
CreanŃe şi angajamente pe termen
scurt
-49,7 -273,1
– creanŃe 358,7 193,4
– angajamente 408,7 466,5
TOTAL -1.966,6 -3.335,8



326
Stocul de active şi pasive externe
• Se poate structura în funcŃie de rolul acestor active şi pasive în
cadrul economiei României (ca în tabelul prezentat).
• Angajamentele în această perioadă analizată au crescut faŃă de
creanŃe – soldul sau PII netă este negativă (în creştere faŃă de 2004),
specifică Ńărilor în curs de dezvoltare a căror economie de piaŃă nu
este din categoria celor performante.
• Analiza PII se poate face pe componente, urmărind:
– stocul iniŃial;
– tranzacŃii în timpul anului;
– efectuat modificării cursului de schimb;
– alte ajustări;
– stoc la sfârşitul anului.
Pentru o economie de piaŃă performantă, PII netă este pozitivă, iar
ponderea sectorului privat bancar şi nebancar devine predominantă.

Tabelul 10.11. Structura pe sectoare instituŃionale a activelor
şi pasivelor financiare externe a româniei la sfârşitul perioadei (2005)

Sectoare
instituŃionale
ACTIVE % PASIVE % Puncte
procentuale
diferenŃă
1. Sector
guvernamental
3.921 30 6.409 25 +5
2. BNR 7.316 55 426 2 +53
3. Sector
bancar
1.202 9 1.321 5 +4
4. Sector
nebancar
652 6 17.251 68 -62
TOTAL 13.291 100,0 25.407 100.0 -

Sector guvernamental – credite guvernamentale acordate > decât
cele primite (efectele politicii de finanŃare externă a regimului trecut –
prelungite peste ani datorită imposibilităŃii de a recupera creanŃele
externe de la unele Ńări).
Împrumuturile masive în străinătate ale sectorului nebancar au
adus poziŃii nete pasive.


327
CONCEPTE-CHEIE: balanŃa de plăŃi externe (BPE); tranzacŃia;
cont curent; cont de capital şi financiar; soldul BPE; balanŃa globală,
ponderea soldului contului curent în PIB (MRS); gradul de deschidere
al unei economii (GDE); gradul de acoperire a plăŃilor prin încasări
(GA); poziŃie investiŃională internaŃională (PII).

ÎNTREBĂRI DE AUTOEVALUARE

1. Prin ce documente putem reflecta poziŃia unei Ńări în raporturile ei
cu restul lumii?
2. Cum definiŃi BPE?
3. Ce concepte stau la baza elaborării BPE?
4. Ce înŃelegeŃi prin rezidenŃi şi nerezidenŃi?
5. Cum definiŃi noŃiunile de:
− centru de interes economic,
− teritoriul economic al Ńării,
− evaluarea tranzacŃiei,
− principiul dublei înregistrări?
6. Ce înregistrează BPE pe debit şi pe credit?
7. În ce conturi înregistrează BPE totalitatea tranzacŃiilor cu restul
lumii?
8. DescrieŃi cele trei capitole ale contului curent al BPE.
9. Ce înŃelegeŃi prin balanŃa de capital şi din ce este alcătuită?
10. Cum se face echilibrarea BPE?
11. Ce indicatori statistici folosiŃi în analiza BPE cunoaşteŃi?
12. Ce înseamnă şi cum se defineşte balanŃa de creanŃe şi
angajamente externe.
13. Care sunt funcŃiile acestor angajamente şi creanŃe, conform FMI?
14. Ce ne arată soldul balanŃei de creanŃe şi angajamente externe?


328


11. STATISTICA DATORIEI EXTERNE








Atunci când economia unei Ńări înregistrează un deficit de ofertă
pentru că resursele materiale şi financiare ale Ńării nu acoperă cererea
internă, se recurge la importuri de mărfuri, servicii sau de capital.
În general, importurile se realizează pe baza creditelor (împru-
muturilor) externe angajate de rezidenŃii unei Ńări. InsuficienŃa mijloa-
celor de plată pentru achitarea acestor importuri dă naştere obligaŃiilor
de plată ce vor duce la aşa-zisa îndatorare.

Datoria externă cuprinde totalitatea împrumuturilor angajate
de guvern, persoane juridice sau fizice rezidente în raporturile lor
cu străinătatea.

OBSERVAłII!
• Datoriile scadente, înainte de trecerea unui an calendaristic,
sunt considerate credite comerciale şi nu sunt cuprinse în
datoria externă a Ńării respective.
• Împrumuturile sectorului privat (persoane fizice şi/sau
juridice) angajate fără garanŃia unei autorităŃi publice (guvern
sau BNR), nu sunt cuprinse în datoria externă.
• Datoria externă nu cuprinde:
– sumele datorate unor creditori nerezidenŃi pentru care nu au
fost stabilite termene de restituire;
– împrumuturile restituite în moneda naŃională a debitorului;
– datoria rezultată din tranzacŃiile autorităŃii monetare FMI.




329

11.1. NoŃiuni utilizate în statistica datoriei externe
Persoanele juridice, reprezentate prin instituŃiile administraŃiei
publice, prin autoritatea monetară, prin băncile comerciale sau agenŃii
economice, cât şi persoanele fizice rezidente, pot acorda împrumuturi
(credite) în relaŃiile lor cu străinătatea.
Creditele se pot evidenŃia în funcŃie de mai multe criterii:
Cazul datoriei externe în funcŃie de destinaŃie:
• Credite pe mărfuri, ce se acordă pentru cumpărarea de mărfuri
direct de la creditor sau din Ńara unde se află creditorul.
• Credite financiare, care sunt acordate de organisme financiare
internaŃionale în valută convertibilă. Creditele sunt destinate:
– sectorului productiv;
– pentru echilibrarea contului curent;
– pentru sporirea activelor de rezervă etc.
Aceste credite sunt utilizate de debitor fie pe piaŃa creditorului,
fie pe alte pieŃe, în funcŃie de nevoile sale.
Cazul datoriei externe în funcŃie de durata acordării creditelor:
• credite pe termen scurt (1-2 ani);
• credite pe termen mediu (3-5 ani);
• credite pe termen lung (peste 5 ani).
Conform practicii internaŃionale, rambursarea creditelor se poate
face:
− rambursare în cote egale;
− rambursare în cote inegale;
− rambursare într-o singură tranşă.
Datoria externă, privită din punct de vedere al creditorului, se
prezintă astfel:
• credite externe acordate de întreprinderi furnizoare (credite
comerciale);
• credite externe acordate de bănci şi alte instituŃii financiare
(credite bancare);
• credite externe acordate de organisme financiare internaŃionale
(credite financiare);

330
• credite externe acordate de rentieri şi persoane fizice
(împrumuturi de stat).

În sens larg, datoria externă brută cuprinde sumele de bani şi
alte valori pe care rezidenŃii unei Ńări le datorează străinătăŃii.

În sens restrâns, datoria externă brută cuprinde obligaŃiile
băneşti faŃă de străinătate, mai puŃin: creditele sub un an, investiŃiile
străine directe, ajutoare nerambursabile, împrumuturile externe cu o
perioadă de graŃie mai mare de 10-15 ani, credite efectuate de
persoane fizice sau juridice negarantate de autoritatea statului,
împrumuturile acordate filialelor sau sucursalelor lor de către firma
externă, în condiŃii mai avantajoase decât cele de pe piaŃa mondială.

Datoria externă netă este specifică Ńărilor care apar în dublă
ipostază în relaŃia cu restul lumii, creditoare şi debitoare faŃă de
străinătate.

Datoria externă netă rezultă din diferenŃa dintre activele publice
şi private, ale rezidenŃilor unei Ńări în străinătate şi activele deŃinute de
rezidenŃii străini în Ńara analizată.
În interpretarea Băncii Mondiale, datoria externă cuprinde:
• sumele datorate unor creditori publici şi privaŃi, în valută
străină;
• bunuri şi servicii cu o perioadă de rambursare mai mare de un
an;
• sumele datorate de persoane private garantate de autoritatea
publică.

Datoria externă pe termen lung cuprinde debitele externe care
au o perioadă de rambursare mai mare de un an, achitabile în
monedă străină curentă.

Datoria externă pe termen lung are 3 componente:
1) datoria externă publică include obligaŃiile externe ale
sectorului public, incluzând şi datoriile externe ale agenŃilor
de stat;

331
2) datoria externă garantată public, reprezintă o obligaŃie
externă a unui debitor privat care este garantată de o entitate
publică;
3) datoria externă privată negarantată reprezintă o obligaŃie
externă a unui debitor privat, ce nu este garantată de către o
entitate publică.

Datoria externă pe termen scurt cuprinde debitele externe
care au o perioadă de rambursare de cel mult un an.

Incapacitatea unor Ńări greu îndatorate faŃă de străinătate de a
restitui tranşele scadente din datorie şi dobânda aferentă (anuitatea sau
serviciul datoriei externe) a dat naştere crizei datoriei externe. Ca
mijloc de atenuare a crizei a luat fiinŃă piaŃa internaŃională a datoriei
externe, pe care se negociază şi înstrăinează titlurile de îndatorare,
asemănător cu ceea ce se petrece pe piaŃa obligatară.

11.2. Analiza statistică a datoriei externe
Indicatorii statistici, utilizaŃi în analiza datoriei externe a unei
Ńări, se împart în:
– indicatori ai cuantumului datoriei externe;
– indicatori ai structurii datoriei externe;
– indicatori ai efectelor economice şi financiare ale datoriei
externe.

Cuantumul datoriei externe reprezintă mărimea datoriei
externe pe termen lung şi mediu şi se determină la sfârşitul anului
calendaristic sau anului financiar.

Datoria externă, indiferent care este moneda în care s-a
contractat, este contabilizată şi publicată în dolari S.U.A. de fiecare
Ńară înscrisă la Banca Mondială. Banca Mondială publică periodic o
lucrare referitoare la fluxurile financiare ale Ńărilor în curs de
dezvoltare sub titlul World Debt Tables. Sunt publicate şi aspecte
legate de datoria externă pe total, pe diverse grupări analitice de Ńări:
pe zone geografice, pe Ńările cele mai îndatorate, pe Ńările cele mai
slab dezvoltate etc.

332
Analiza cuantumului datoriei externe se poate face cu indicatori
derivaŃi, care arată gravitatea îndatoririi în raport cu resursele interne
ale Ńării, exprimate prin: PIB, numărul populaŃiei(P), exportul de
mărfuri (X).
Ponderea datoriei externe în PIB ( )
PIB
PD :
100 *
PIB
DE
PD
PIB
= (11.1)
unde: DE = datoria externă.
Indicatorul arată cât la sută din produsul brut al anului considerat
ar trebui să fie destinat rambursării datoriei externe existente. El are o
valoare mai mult teoretică, pentru că datoria externă este rambursată
eşalonat, iar din PIB numai o parte este utilizată pentru achitarea
angajamentelor sau debitelor în acel an.
Ponderea datoriei externe în exportul de mărfuri şi servicii
( )
X
PD :
X
DE
PD
X
= (11.2)
OBSERVAłII!
• PD
X
arată câte exporturi anuale ar fi necesare pentru
acoperirea instantanee a datoriei externe.
• Indicatorul se măsoară în ani şi când este mai mare de 2 ani,
este un semnal de alarmă pentru factorii de decizie guver-
namentali.

Datoria externă pe locuitor (PD
P
):
P
DE
PD
P
= (11.3)

OBSERVAłII!
• Indicatorul este utilizat în comparaŃiile internaŃionale pentru a
arăta suma datorată străinătăŃii la un moment dat pe locuitor.
• Se exprimă în dolari pe locuitor.


333
Analiza în dinamică a mărimii datoriei externe se poate face cu
indicele datoriei externe: 100 *
DE
DE
I
0
1
DE
0 / 1
= (11.4)
unde: DE
1/0
= cuantumul datoriei externe în perioada de bază/curentă.

Indicatori statistici ai structurii datoriei externe
1
se pot analiza
pe mai multe criterii:
1. pe tipuri de rată a dobânzii: 100
DE
DER
PD
i
R
i
⋅ = (11.5)
unde: PD
Ri
= ponderea datoriei externe cu rată ,,i” de rambursare
în total datorie externă;
DER
i
= datoria externă cu rată „i” de rambursare.
2. pe perioada de scadenŃă: 100
DE
DES
PD
i
S
i
⋅ = (11.6)
unde: PD
Si
= ponderea datoriei externe cu termenul ,,i” de
scadenŃă în total datorie externă;
DES
i
= datoria externă cu termenul ,,i” de scadenŃă
3. pe ramuri economice: 100
DE
DEE
PD
i
E
i
⋅ = (11.7)
unde: PD
Ei
= ponderea datoriei externe a ramurii economice ,,i”
în total datorie externă (DE);
DEE
i
= datoria externă a ramurii economice ,,i”
4. pe tipuri de creditori: 100
DE
DEC
PD
i
C
i
⋅ = (11.8)
unde: PD
Ci
= ponderea datoriei externe de tip ,,i” în totalul
datoriei externe
DEC
i
= datorie externă pe tipul de creditor ,,i”.

Efectele economice ale datoriei externe se analizează statistic pe
baza comparării ratei profitului la capitalul investit, cu rata dobânzii
negociate cu creditorul nerezident. Dacă fondurile împrumutate au fost
investite pentru dezvoltarea unor activităŃi profitabile, iar rata

1
Begu I. S., Statistică internaŃională, Editura All Beck, Bucureşti,
1999.

334
profitului (RP) este cel puŃin egală cu rata dobânzii (RD), îndatorarea
externă are efecte economice bune pentru dezvoltarea economică
(RP ≤ RD).
Dacă creditele externe sunt angajate de sectorul public pentru a
acoperi nevoia de consum neacoperită de oferta internă sau pentru
echilibrarea contului curent al BPE, îndatorarea externă rezolvă un
dezechilibru momentan. Astfel, se produce o amânare a plăŃii pentru
viitor, ceea ce este un semn negativ.
Efectele financiare ale datoriei externe sunt prezentate de efortul
valutar făcut de restituirea împrumuturilor ce sunt acoperite din
încasările Ńării pe seama exportului de bunuri şi servicii.

Indicatorii folosiŃi în analiza statistică a acestor efecte sunt:
• Rata medie anuală a dobânzii pentru împrumuturile contractate
este calculată ca medie aritmetică ponderată a dobânzilor negociate
ponderate cu rata scadentă din anul respectiv.
• Masa anuală a dobânzii (MAD) este suma rezultată din aplicarea
ratelor de dobândă negociate la creditele nerambursate.
• Rata anuală scadentă (RAS) se obŃine din însumarea ratelor
scadente în anul respectiv pentru toate împrumuturile contractate.
• Serviciul datoriei externe sau anuitatea (SDE) este suma
datorată creditorilor străini într-un an:
SDE = MAD + RAS (11.9)
• Gradul de îndatorare al unei Ńări faŃă de străinătate (G
DE
) arată
ponderea datoriei externe (SDE) în PIB şi se calculează cu relaŃia:
100
PIB
SDE
G
DE
⋅ = (11.10)
• Ponderea serviciului datoriei externe în export apreciază
amploarea efortului financiar de restituire a datoriei externe:
100
X
SDE
PD
X
⋅ = (11.11)
unde: PD
X
= ponderea serviciului datoriei externe în totalul
intrărilor de valută din export.
OBSERVAłIE! Povara datoriei externe tinde să afecteze puterea
de cumpărare a exporturilor Ńării dacă PD
X
> 15%.

335
• Ponderea anuităŃilor achitate în suma noilor intrări de
capital (PA
C
) sub forma asistenŃei publice şi/sau private pentru
dezvoltare:


=
i
i
C
C
AA
PA (11.12)
unde:
∑ i
AA = reprezintă însumarea anuităŃilor achitate pe o
perioadă de trei până la zece ani consecutivi;
∑ i
C = intrările de capitaluri noi.

OBSERVAłII!
• Dacă PA
C
< 1 arată că afluenŃa de capital nou este mai mare
decât efortul de achitare a datoriei externe, existând o diferenŃă care
contribuie la creşterea economică;
• În terminologia Băncii Mondiale, se numeşte flux net de
resurse (FNR), când se calculează pe fiecare an calendaristic.

• Indicele de vulnerabilitate financiară
1
(I
VF
) arată
dimensiunea îndatorării externe în condiŃiile în care în ultimii ani, pe
fondul crizei structurale a economiei mondiale, asistenŃa internaŃională
publică şi privată pentru dezvoltare s-a redus semnificativ.
Astfel, fluxul net de resurse (FNR) către Ńările în curs de
dezvoltare este negativ, ceea ce arată o retragere de capital ce va
afecta rezervele oficiale în valută (RES) ale acestor Ńări. Formula de
calcul a indicelui este:
100
RES
FNR
I
VF
⋅ = (11.13)

OBSERVAłII!
• Dacă FNR < 0, vulnerabilitatea financiară a Ńării este cu atât
mai mare cu cât indicele se îndepărtează de zero (care înseamnă că
mişcările de capital pe termen mediu şi lung nu afectează resursele).

1
BădiŃă M., Baron T., Korka M., Statistica pentru afaceri, Editura
Eficient, Bucureşti, 1998.

336
• Dacă FNR > 0, calculul indicelui I
VF
nu are rost pentru că
rezervele oficiale nu sunt afectate.

CONCEPTE-CHEIE: datoria externă (DE); datorie externă brută
şi netă; cuantumul datoriei externe; indicele datoriei externe; serviciul
datoriei externe (SD).

ÎNTREBĂRI DE AUTOEVALUARE


1. Ce înŃelegeŃi prin datorie externă?
2. Care sunt criteriile prin care putem evidenŃia creditele?
3. Cum definiŃi datoria externă brută în sens larg, cât şi în sens restrâns?
4. Câte componente ale datoriei externe pe termen lung cunoaşteŃi?
DefiniŃi-le.
5. Ce reprezintă cuantumul datoriei externe?
6. Cu ce indicatori statistici putem analiza cuantumul datoriei externe?
7. Ce indicatori statistici ai structurii datoriei externe cunoaşteŃi? RelaŃii de
calcul.
8. Ce înŃelegeŃi prin efecte economice ale datoriei externe?
9. Care sunt indicatorii statistici folosiŃi în analiza acestor efecte?

337


12. INDICATORII STATISTICI
AI POTENłIALULUI ECONOMIC





12.1. Indicatorii statistici ai potenŃialului uman
Resursele de muncă, existente la un moment dat în societate,
exprimă numărul persoanelor capabile de muncă, respectiv acea
parte a populaŃiei care posedă ansamblul capacităŃilor fizice şi
intelectuale, ce îi permit să desfăşoare o activitate utilă.

• Resursele de muncă (RM): populaŃia în limitele vârstei apte de
muncă (PAL) – populaŃia în limitele vârstei apte de muncă, dar
incapabilă de muncă (PI) + populaŃia în afara limitelor de vârstă aptă
de muncă, dar care lucrează (PVA).
Astfel: RM = PAL – PI + PVA
În România, limitele vârstei apte de muncă:
– 16-55 ani pentru femei;
– 16-62 ani pentru bărbaŃi.
PAL (populaŃia în limitele vârstei apte de muncă) determină, în mod
hotărâtor, nivelul şi structura resurselor de muncă şi cuprinde totalitatea
persoanelor a căror vârstă este cuprinsă între vârsta de intrare (16 ani pentru
ambele sexe) şi vârsta de ieşire din activitate (55 ani pentru femei şi 62 de
ani pentru bărbaŃi). Limitele de vârstă între care o persoană poate participa
la activitatea socială se stabilesc prin legislaŃia fiecărei Ńări.
PI (persoanele în limitele vârstei apte de muncă, dar incapabile de
muncă) şi PVA (populaŃia în afara vârstei de muncă, dar care lucrează) se
determină pe baza datelor cuprinse în sistemul informaŃional statistic.
Caracterizarea resurselor de muncă se face cu BalanŃa resurselor de
muncă.



338
Tabelul 12.1. BalanŃa resurselor de muncă
Resurse de muncă Utilizarea resurselor de muncă
I. Resurse de muncă
• PA
• PI (–)
• PV (+)
II. PopulaŃia ocupată (PO) pe ramuri
III. Rezervele de muncă (RZM)
• elevi, studenŃi (în vârstă de muncă care nu lucrează)
• militari în termen
• persoane casnice
• şomeri etc.
RM = PA – PI + PV RM = PO + RZM

În analizele economice, populaŃia activă este corelată cu populaŃia to-
tală sau cu anumite segmente ale acesteia, determinându-se ratele de acti-
vitate:
• Ponderea populaŃiei ocupate în resursele de muncă: =
100
RM
Po


unde: RM = resursele de muncă; Po = populaŃia ocupată.
• Rata generală de activitate: Rga =
100
P
PA


unde: PA = populaŃia activă (PA = PO + S);
PO = populaŃia ocupată; S = şomerii; P = populaŃia totală.

• Rata de activitate a populaŃiei în vârstă aptă de muncă:
RAM=
100
PAM
PA


unde: PA = populaŃia activă; PAM = populaŃia aptă de muncă.

• Rate specifice de activitate (RSA) pe grupe de vârstă sau pe
sexe (i):
RSA
PopulaŃia activă din grupa i
PopulaŃia totală din grupa i
=

• Rata de dependenŃă economică – raportul dintre populaŃia în
afara limitelor vârstei apte de muncă (PIA) şi populaŃia în vârstă aptă
de muncă (PAV):
100
PAV
PIA
RD ⋅ =

• Rata de întreŃinere – raportul dintre populaŃia inactivă (PI) şi
populaŃia activă (PA): RI = PI/PA.

• Rata de ocupare a forŃei de muncă – raportul dintre
populaŃia care lucrează şi populaŃia aptă de muncă.

339
• Rata brută de ocupare – raportul dintre populaŃia ocupată
(PO) şi populaŃia totală (P): RBO = PO/P.

• Rata şomajului – raportul dintre numărul şomerilor (S) şi
populaŃia activă (PA): Rs = 100
PA
S


Indicatorii utilizării timpului de lucru
Timpul efectiv de lucru reprezintă totalitatea zilelor, respectiv
orelor lucrate de toŃi salariaŃii din unitatea economică sau ramura
pentru care se efectuează calculul.

La nivel macroeconomic, timpul de muncă se calculează prin
gruparea informaŃiilor cuprinse în BalanŃa utilizării timpului de
lucru, elaborată de unităŃile economice.

Tabelul 12.2. BalanŃa utilizării timpului de lucru

Resurse
Zile-
om
Ore-om
Utilizare
FTMD
Zile-
om
Ore-
om
1. Fondul de timp
calendaristic
FTC FTC*8 5. Timp
efectiv lucrat
TZ TH
2. Fondul de timp
corespunzător
sărbătorilor legale şi
zilelor de repaus
FTSL FTSL*8
3. Fondul de timp
corespunzător
concediilor de odihnă
FTCO FTCO*8 6. Timp
nelucrat:
– în zile-întregi
– în ore
Tnz Tnz*8
4. Fond de timp
maxim disponibil
FTMD FTMD*8
4 = 1 – (2 + 3) 5 + 6 = 4

INDICATORII MEDII AI PERSONALULUI:
• Număr mediu de salariaŃi:
n
N
N
i ∑
= ,
unde: Ni = numărul zilnic de muncitori într-o lună;
n = numărul zilelor dintr-o lună.



340
• Pentru personalul CAF (conducere şi administraŃie):
2
Ns Ni
N
+
=
unde: Ni/s = numărul personalului la începutul şi la sfârşitul perioadei.

ANALIZA TIMPULUI DE MUNCĂ:
Fondul de timp calendaristic (FTC):
FTC = N • n
zc

unde: N = numărul mediu de salariaŃi;
n
zc
= numărul de zile calendaristice ale lunii respective.
Fondul de zile libere şi sărbători legale (FTSL):
FTSL = N • z
ls

unde: z
ls
– numărul de zile libere ale lunii (şi de sărbători legale).
Fondul de concedii de odihnă (FCO):
FCO = N
co
• z
lr

unde: N
co
= numărul de salariaŃi în concediu de odihnă;
z
lr
= numărul de zile lucrătoare ale lunii respective.

Fondul de timp maxim disponibil (FTMD):
FTMD = FTC – (FTSL + FCO) sau FTMD = TEL + TNE
unde: TEL = timpul efectiv lucrat; TNE = timpul nelucrat.
Indicatorii derivaŃi ai folosirii timpului de muncă:
• gradul de folosire a fondului de timp maxim disponibil (G
z
)
100
FTMD
TZ
G
Z
Z
⋅ =
– în zile-om;
100
FTMD
TH
G
H
H
⋅ =
– în ore-om

• Durata medie a zilei de lucru:
lucrate om - zile total
lucrate om - ore total
TZ
TH
D
Z
= =

• Durata medie a lunii de lucru:
or salariatil al mediu numarul
om lucrate total ore-
N
TZ
D
l
= =

• Coeficientul de utilizare a zilei de lucru:
lucru de ilei z a egala l durata
lucru de ilei z a medie durata
DNZ
D
K
Z
z
= =


341
• Gradul de utilizare a lunii de lucru:
lucru de unii l a egala l durata
lucru de unii l a medie durata
DNL
D
K
l
l
= =

• Durata normală a lunii de lucru (DNL) se va calcula cu relaŃia:
N
FTMD
DNL
Z
=
,
unde: FTMD
Z
= fond de timp maxim disponibil în zile;
N = numărul mediu de salariaŃi.
• Pierderea de timp datorată neutilizării complete a zilei de lucru:
TZ ) DNZ Dz ( P
TZ
⋅ − =
• Pierderea de timp datorată neutilizării complete a lunii de
lucru (zile-om): N ) DNL Dl ( PTL ⋅ − =
• Pierderea totală de timp (PTN) datorată neutilizării complete
a zilei (PTZ) şi a lunii de lucru (PTL): PTN = PTZ + PTL
• Indicatorii eficienŃei folosirii potenŃialului uman (indicatorii
productivităŃii)
° Productivitatea orară a muncii în luna: Wh =
Th
Q

° Productivitatea zilnică a muncii:
° Wz =
Dz * Wh
Nz
Nh
Nh
Q
Nz
Q
= ⋅ =

° Productivitatea lunară a muncii:
Wl =
Dl Dz Wh
N
Nz
Nz
Nh
Nh
Q
N
Nz
Nz
Q
N
Q
⋅ ⋅ = ⋅ ⋅ = ⋅ =


° Productivitatea muncii la nivel de ramură (i) şi de economie
naŃională:
i
i
i
N
VAB
W =
;




= = =
i
i i
i
i
N
N W
N
VAB
N
PIB
W

unde: Wi = productivitatea muncii în ramura i;
VABi = valoarea adăugată brută în ramura i;
Ni = consumul de timp de muncă în ramura i;
W = productivitatea muncii la nivel de economie naŃională;
PIB = produsul intern brut;
N = consumul de timp de muncă la nivel de economie naŃională.


342
Evaluarea pierderilor de producŃie, datorate neutilizării complete
a timpului de lucru, se poate face cu relaŃiile:
• Pierderea de producŃie pe seama utilizării incomplete a zilei
de lucru (Ppz):
h NZ
h Z
pz
W P W TZ ) DNZ D ( P ⋅ = ⋅ ⋅ − =
• Pierderea de producŃie pe seama utilizării incomplete a lunii de
lucru (Ppl): Z
h NL Z
l
pl
D W P W N ) DNL D ( P ⋅ ⋅ = ⋅ ⋅ − =

DINAMICA PRODUCTIVITĂłII MUNCII
• Indicele cu structură variabilă:

T
0 / 1
PIB
0 / 1
0
0 0
1
1 1
0
1 W
0 / 1
I
I
T
T W
:
T
T W
W
W
I =




= =

• Indicele productivităŃii pure, cu structură fixă:


=




=
T
1 0
T
1 1
1
1 0
1
1 1
) W ( W
0 / 1
g W
g W
T
T W
:
T
T W
I
,
unde:
=
T
1
g
greutatea specifică a numărului de muncitori în
perioada curentă;

• Indicele modificărilor structurale:


=




=
T
0 0
T
1 0
0
0 0
1
1 0
) T ( W
0 / 1
g W
g W
T
T W
:
T
T W
I

RelaŃia dintre indici:
) T ( W
0 / 1
) W ( W
0 / 1
W
0 / 1
I * I I =

12.2. Indicii statistici ai fondurilor fixe

Mijloacele fixe (capitalul fix, fondurile fixe) sunt acele bunuri
materiale care au o durată de întrebuinŃare mai mare de un an şi o
valoare de inventar mai mare decât o anumită limită stabilită de lege.
Exprimarea statistică a fondurilor fixe se face cu următorii
indicatori:
• Valoarea iniŃială completă (VIC), care reprezintă valoarea de
inventar sau de înregistrare şi cuprinde totalitatea cheltuielilor făcute
cu construirea sau achiziŃionarea, transportul şi punerea în funcŃiune a
mijlocului fix.

343
• Valoarea rămasă (VR) reprezintă partea din valoarea iniŃială
completă, care nu a fost încă transferată, prin amortizare, asupra producŃiei.
VR = VIC – Am

• Valoarea medie anuală de inventar a fondurilor fixe:
anului lunile 12 , 1 t ,
12
VIC
F
t
t
=

=
unde: VICt – valoarea iniŃială completă a fondurilor fixe în luna t
• Valoarea medie anuală rămasă: F *
VIC VIC
VR VR
VR
sf i
sf i
+
+
= ,
unde:
sf i
VR , VR = valoarea rămasă la începutul şi la sfârşitul perioadei;
sf i
VIC , VIC = valoarea iniŃială completă la începutul şi la sfârşitul
perioadei.
• Structura fondurilor fixe:
− =

= n , 1 i ,
F
F
g
i
i F
i
grupele supuse analizei
Indicatorii stării fizice a fondurilor fixe:
• Indicatorul stării de utilitate:
100
VIC
Am VIC
100
VIC
VR
I
ut


= ⋅ =

• Indicatorul uzurii fondurilor fixe:
ut uz
I 100 100
VIC
Am
I − = ⋅ =


Indicatorii statistici ai eficienŃei utilizării fondurilor fixe:
• EficienŃa fondurilor fixe la nivel de ramură (i):
100 *
F
VAB
E
i
i
Fi
=
• EficienŃa fondurilor fixe la nivelul economiei naŃionale:


= =
i
i
F
F
VAB
F
PIB
E
unde: PIB = produsul intern brut ( )
∑ i
VAB ;
F = valoarea medie a fondurilor fixe la nivelul economiei naŃionale;
VABi = valoarea adăugată brută la nivelul ramurii i;
Fi = valoarea medie a fondurilor fixe în ramura i.


344
• Modificarea în timp a eficienŃei folosirii fondurilor fixe:
F
0 / 1
PIB
0 / 1
0
1
0
1
0
0
1
1
0 F
1 F E
0 / 1
I
I
F
F
:
PIB
PIB
F
VAB
:
F
VAB
E
E
I = =
∑ ∑
= =
• EficienŃa fondurilor fixe noi, care arată influenŃa fondurilor
fixe noi asupra eficienŃei generale a fondurilor fixe:
100
FN
PIB
E
1 t
1 t / t
FN


=


,
unde:
1 t / t
PIB

∆ = sporul de PIB în anul t faŃă de t-1;

1 t
FN

= fondurile fixe noi puse în funcŃiune în anul t-1.

12.3. Indicatorii nivelului de trai al populaŃiei
Nivelul de trai este o categorie economică complexă, iar măsurarea
ei în scopul cunoaşterii şi analizei detaliate este foarte importantă pentru
statistica unei Ńări. Datorită complexităŃii conceptului de nivel de trai,
analiza lui se va face cu ajutorul unui sistem de indicatori, ce se poate
structura în trei grupe:
1. Indicatori generali ai nivelului de trai
Aceşti indicatori permit o apreciere a posibilităŃilor societăŃii de a
asigura un anumit nivel de viaŃă populaŃiei Ńării, fără a putea face o
apreciere concludentă a nivelului şi evoluŃiei acestui indicator.
Dintre indicatorii folosiŃi, amintim:
– nivelul şi evoluŃia produsului intern sau produsului naŃional pe
locuitor;
– nivelul, structura şi evoluŃia avuŃiei naŃionale.

2. Indicatori care caracterizează direct nivelul de trai al
populaŃiei:
− indicatorii consumului de bunuri şi servicii de către populaŃie;
− indicatorii veniturilor şi ai puterii de cumpărare a acestora;
− indicatorii calităŃii mediului înconjurător;
− indicatorii gradului de ocupare a populaŃiei;
− indicatorii folosirii timpului liber etc.




345
3. Indicatorii efectelor nivelului de trai al populaŃiei
Aici se includ indicatori demografici ca:
− rata mortalităŃii;
− durata medie a vieŃii etc.
Calculul şi analiza acestor indicatori se fac atât pe plan naŃional, cât şi
internaŃional, pentru a putea constitui o bază pentru comparaŃii între Ńări.

12.3.1. Indicatorii veniturilor populaŃiei
A. SALARIUL REAL ŞI INDICELE SALARIULUI REAL
Numărul de salariaŃi constituie o categorie a forŃei de muncă.
Salariul este sursa cea mai importantă de venituri ale populaŃiei.
Salariul nominal reprezintă remunerarea muncii depuse de fiecare
angajat în funcŃie de calitatea şi cantitatea muncii depuse. Salariul nominal
sau câştigul salarial nominal se calculează ca salariu brut şi salariul net:
• Salariul nominal brut (SB) reprezintă totalitatea sumelor şi
avantajelor primite de angajat în contrapartida muncii depuse. Toate
drepturile se acordă salariatului conform actelor normative în vigoare şi
contractelor colective şi individuale de muncă.
• Salariul nominal net (SN) este format prin diminuarea salariului
brut (SB) cu reŃinerile (R), formate din:
– impozitul pe salariu;
– contribuŃia pentru pensia suplimentară;
– contribuŃia pentru fondul de şomaj.
Salariul real (SR), pentru perioada curentă, reprezintă puterea de
cumpărare a salariului nominal în raport cu o perioadă de referinŃă.
Salariul real din perioada curentă este deflat (corectat) cu indicele preŃu-
rilor de consum (IPC):
100
IPC
SN
SR
1
1
⋅ =


Indicele salariului real (I
SR
1/0
) reprezintă puterea de cumpărare a
salariului nominal şi se poate calcula prin două metode:

100
SR
SR
I
0
1 SR
0 / 1
⋅ =
, unde: SR
0
= SN
0


100
IPC
I
I
SN
0 / 1 SR
0 / 1
⋅ =
, unde:
100
SN
SN
I
0
1 SN
0 / 1
⋅ =


346
Concluzie: EvoluŃia salariului real depinde de raportul (corelaŃia)
dintre indicele salariului nominal şi indicele preŃurilor de consum:
• IPC,
SN
1/0
I 〈 evoluŃia salariului nominal este devansată de creşterea
preŃurilor, se va înregistra o reducere a puterii de cumpărare, %; 100
SR
0 / 1
I 〈
• , IPC
SN
0 / 1
I = salariul nominal creşte în acelaşi ritm cu preŃurile, se
va menŃine puterea de cumpărare, %; 100
SR
0 / 1
I =
• , IPC
SN
0 / 1
I 〉 evoluŃia salariului nominal devansează creşterea preŃu-
rilor, va fi o creştere a puterii de cumpărare, %. 100
SR
0 / 1
I 〉
La nivelul firmei, ramurii sau la nivelul economiei naŃionale,
salariul (nominal sau real) se calculează ca salariu mediu lunar (SN
l
, SR
l
)
şi anual (SN
a
, SR
a
) conform relaŃiilor:
l
l
l
T
FS
SN =
,
unde: FS
l
= fondul de salarii lunar; T
l
= nr. mediu lunar al salariaŃilor
a
a
a
T
FS
SN =
,
unde: FS
a
= fondul de salarii anual; T
a
= nr. mediu anual al salariaŃilor

EXEMPLU:
Se cunosc următoarele date:
Indicatori NotaŃia Perioada bază Perioada curentă
1. Salariul nominal SN 500 1000
2. Modificarea preŃurilor în
perioada curentă faŃă de
perioada de bază în %
• mărfuri alimentare
• mărfuri nealimentare
• servicii



r
alim

r
nealim

r
s









+ 40
+ 55
+ 25
3. Structura cheltuielilor
familiilor %:
• mărfuri alimentare
• mărfuri nealimentare
• servicii


g
alim

g
nealim

g
s

100
30
39
31

100
45
51
14



347
Se cere:
a) să se calculeze indicele preŃurilor bunurilor de consum (IPC);
b) să se calculeze salariul real şi indicele salariului nominal şi al
salariului real. Să se interpreteze fenomenul.
Rezolvare:
a)



=

=
v
0
P
0 / 1
0 0
0 0
P
0 / 1
g i
q p
q p i
IPC



125% 100 25 100 r i
155% 100 55 100 r i
140% 100 40 100 r i
100 r i
s
s
1/0
nealim
nealim
1/0
alim
alim
1/0
P
P
0 / 1





= + + = + =
= + + = + =
= + + = + =
⇒ + =

412 , 1 3875 , 0 6045 , 0 42 , 0
) 31 , 0 25 , 1 ( ) 39 , 0 55 , 1 ( ) 3 , 0 4 , 1 (
v
0
g
P
0 / 1
i IPC
= + + =
= ⋅ + ⋅ + ⋅ = =


IPC = 1,412

b) SR
0
= SN
0
= 500 lei /salariat
2
500
1000
IPC
SN
SR
1
1
= = =
sau 200%
416 , 1
500
708
SR
SR
I
0
1 SR
0 / 1
= = =
sau 141,6%
416 , 1
412 , 1
2
IPC
I
I
SN
0 / 1 SR
0 / 1
= = =
sau 141,6%
Interpretare:
IPC I
SN
0 / 1

, ceea ce înseamnă că salariul nominal devansează creşte-
rea preŃurilor, arătând o creştere a puterii de cumpărare % 6 , 141 I
SR
0 / 1
= .

Salariul mediu nominal şi salariul real
AgenŃii economici calculează şi transmit lunar trei indicatori:
− fondul brut de salarii (FBS);
− total reŃineri (R);
− număr mediu de salariaŃi (T).
Indicatorii sunt agregaŃi pe subramuri conform principiului
activităŃii de bază (preponderentă) a fiecărui agent economic.


348
Astfel, salariul mediu nominal brut şi salariul mediu nominal
net la nivelul subramurii vor fi:
;
T
FBS
SB
i
i
i
i
S


=

( )



=
i
i
i
i i
S
T
R FBS
SN

unde: s = subramura alcătuită din agenŃii economici i.
Salariul mediu nominal brut şi salariul mediu nominal net la
nivelul fiecărei ramuri:



=
S
S
S
S S
r
T
T SB
SB
;


=
S
S
S S
S
T
T SN
SN

unde:
T
S
= numărul mediu de salariaŃi din ramura s;

S
T
= numărul mediu de salariaŃi din ramura r, obŃinut ca sumă
a numărului mediu de salariaŃi din toate subramurile s ce
fac parte din ramura r.

Salariul mediu nominal brut şi salariul mediu nominal net la
nivelul economiei naŃionale se obŃin sub forma unei medii aritmetice
ponderate a salariilor medii de la nivelul ramurilor:



=
r
r
r r
T
T SB
SB
;


=
r
r
r r
T
T SN
SN

unde: T
r
= numărul mediu al salariaŃilor din ramura r;

r
r
T = numărul mediu al salariaŃilor la nivelul economiei
naŃionale, obŃinut ca sumă a numărului mediu de salariaŃi din toate
ramurile r ale economiei naŃionale.

EXEMPLU:
Se cunosc următoarele date:
Indicatorul NotaŃ
ia
2005 2006
1. Fondul brut de salarii (lei) FBS 250000 720000
2. Ponderea impozitului pe salarii în FBS – % g
imp
19 20
3. Ponderea cotizaŃiilor sociale (fond şomaj,
pensie suplimentară etc.) în FBS –%

g
CS

3,5

4,1
4. Numărul mediu de salariaŃi – mii pers N 520 510

349
Se cere:
a) să se calculeze fondul net de salarii;
b) să se calculeze salariul mediu nominal anual şi salariul mediu
nominal lunar;
c) să se analizeze dinamica salariului mediu nominal.

Rezolvare:
a. Fondul net de salarii (FNS):
FNS = FBS – I
impsal
– C
soc
unde: I
imp sal
= impozitul pe salarii; C
soc
= contribuŃiile la cotizaŃiile sociale;
Impozitul pe salarii (I
imp sal
)
FBS g I
FBS
I
g
imp
impsal
impsal
imp
⋅ = ⇒ =

I
impsal 05
= 250.000 × 0,19 = 47.500 lei;
I
imp sal 06
= 720.000 × 0,2 = 144.000 lei
ContribuŃiile la cotizaŃiile sociale:
cs
soc
soc cs
g FBS C
FBS
C
g ⋅ = ⇒ =
C
soc 05
= 250.000 ×0,035 = 8.750 lei
C
soc 06
= 720.000 × 0,041 = 29.520 lei
Fondul net de salarii (FNS):
FNS
05
= FBS
05
– I
imp sal 05
– C
soc 05
=
= 250.000 – 47.500 – 8.750 = 193.750 lei
FNS
06
= FBS
06
– I
imp sal 06
– C
soc 0,6
=
= 720.0 00– 144.0 00– 29.520 = 546.480 lei

b. Salariul mediu nominal anual (SN
a
):
N
FNS
SN
a
=
; 2005:
salariat / lei 373
520
750 . 193
SN
a
= =

2006:
salariat / lei 072 . 1
510
480 . 546
SN
a
= =

Salariul mediu nominal lunar (SN
l
):
12
SN
SN
a
l
=
; 2005:
salariat / lei 31
12
373
SN
l
= =

2006:
salariat / lei 89
12
072 . 1
SN
l
= =


350
c. Dinamica salariului mediu nominal (
SN
0 / 1
I ):
87 , 2
31
89
SN
SN
I
0
1 SN
0 / 1
= = =
sau 287 %
Interpretare:
• SN a crescut în 2006 faŃă de 2005 de aproape 3 ori
) 87 , 2 I (
SN
0 / 1
=

astfel putem spune că în 2006, populaŃia şi-a procurat bunuri şi
servicii cu o sumă de bani de 3 ori mai mare decât în 2005.
B. VENITURILE REALE ALE POPULAłIEI
Veniturile totale ale populaŃiei provin din mai multe surse, au
periodicităŃi şi mărimi foarte diferite şi sunt grupate astfel:
1. Venituri din muncă şi din patrimoniu
Acestea pot fi:
• salariul din activitatea de bază;
• venituri din activităŃi pe cont propriu;
• venituri din activităŃi suplimentare;
• venituri din vânzarea pe piaŃă a produselor agro-alimentare;
• autoconsum (contravaloarea produselor din producŃia proprie);
• venituri din patrimoniu: chirii, dividende, dobânzi etc.
2. Venituri din transferuri sociale:
• pensii;
• ajutorul de şomaj;
• alocaŃii pentru copii;
• burse şcolare;
• venituri din asistenŃă socială.
3. Venituri personale ale menajelor (VM) – veniturile brute
(înainte de impozitare), formate din:
• veniturile din muncă şi din patrimoniu (VMP);
• venituri din transferuri sociale primite de populaŃie (TP);
VM = VMP + TP
Veniturile disponibile ale menajelor (VDM) se obŃin prin
eliminarea din VM a:
• impozitelor directe (pe salarii, pe venituri, pe patrimoniu etc.) – ID;
• cotizaŃiilor sociale (la pensia suplimentară, la fondul de şomaj
etc.) – CS.
VDM = VM– ID – CS

351
VDM sunt venituri nete şi sunt folosite pentru cumpărarea de
bunuri şi servicii sau pentru economisire/investire.
Veniturile reale (VR) ale populaŃiei se calculează ca raport între
veniturile nete (V) şi indicele preŃurilor de consum (IPC):
V = VDM = VM – ID – CS;
IPC
V
VR =

Pe baza acestor venituri se pot calcula:
• veniturile nete şi reale totale ale populaŃiei;
• venitul mediu net şi real pe o familie;
• venitul mediu net şi real pe o persoană.

12.3.2. Indicele preŃurilor de consum (IPC)
IPC este un indicator de maximă sinteză economică, care
măsoară evoluŃia de ansamblu a preŃurilor mărfurilor cumpărate şi a
tarifelor serviciilor utilizate de populaŃie între două perioade.

IPC este un indice cunoscut şi utilizat în statistica internaŃională, unde
se calculează şi se publică lunar, ca o măsură a inflaŃiei din Ńara respectivă.
Se calculează, în general, ca un indice Laspeyres, datorită uşurinŃei
calculelor. IPC exprimă evoluŃia medie a preŃurilor pentru menŃinerea
unei structuri a consumului constantă în perioada de bază:
0 0
q p
0
p
0 / 1
0 0
0 0
p
0 / 1
0 0
0 1
g i
p q
p q i
q p
q p
IPC ⋅ = = =






unde

=
0 0
0 0 q p
0
p q
p q
g
0 0 – reprezintă structura consumului pe categorii de
bunuri şi servicii, determinată pe baza cheltuielilor de consum efectuate
în perioada de bază.
EXEMPLU:
Se cunosc următoarele date:

Indicii preŃurilor
de consum i
p
1/0
Structura cheltuielilor de
consum ale unei familii g
0
– %
Mărfuri alimentare 110,2 38
Mărfuri nealimentare 131,4 35
Servicii 152,2 27



352
Se cere:
a) IPC – ?

Rezolvare:
129% sau 29 , 1 41 , 0 46 , 0 42 , 0
) 27 , 0 522 , 1 ( ) 35 , 0 314 , 1 ( ) 38 , 0 102 , 1 ( g i IPC
0
p
0 / 1
= + + =
= × + × + × = ⋅ =


Utilizarea statistică a IPC
IPC se foloseşte în analizele economice, iar domeniile de utilizare
putând fi grupate în:
1. Utilizarea contabilă
Consumul menajelor este exprimat valoric în preŃurile curente
(consum nominal). VariaŃia cheltuielilor pentru consum depinde de:
• variaŃia preŃurilor;
• variaŃia cantităŃilor de bunuri şi servicii cumpărate.
EvoluŃia reală a consumului (consumul real) se poate face prin
determinarea consumului în preŃuri constante prin raportarea consumului
în preŃuri curente la IPC, adică deflaŃionarea acestuia:
IPC
nominal consum
real consum =

2. Utilizarea socială
IPC este utilizat în negocierile sociale dintre guvern, patronat şi
sindicate pentru stabilirea nivelului salariilor, pensiilor, alocaŃiilor.
IPC este important pentru că în contactele colective de muncă este
prevăzută clauza compensării creşterii preŃurilor, creştere evidenŃiată de
acest indice.
3. Utilizarea conjuncturală
IPC apreciază creşterea sau scăderea preŃurilor în Ńara respectivă, iar
prin aceasta exprimă cantitativ nivelul inflaŃiei.
Astfel, se pot determina:
• Rata lunară a inflaŃiei – reprezintă creşterea preŃurilor de consum
într-o lună faŃă de luna precedentă.
• Rata medie lunară a inflaŃiei – arată media creşterilor lunare ale
preŃurilor ca o medie geometrică a indicilor lunari a preŃurilor de consum
cu baza mobilă, din care se scade baza de comparare egală cu 100.



353
EXEMPLU:
S-au înregistrat valorile IPC cu baza mobilă în: ianuarie: 107,2;
februarie: 103,8; martie: 102,7; aprilie: 102,3.
Indicele mediu lunar ( )
l
I
0398 , 1 023 , 1 027 , 1 038 , 1 072 , 1 I
4
l
= × × × =


Rata medie lunară ( )
l
R a inflaŃiei:
% 98 , 3 100 – 100 0398 , 1 100 – 100 I R
l l
= ⋅ = ⋅ =

OBSERVAłIE!
• IPC sub forma mediei anuale de creştere este utilizat în comparaŃii
internaŃionale privind evoluŃia inflaŃiei în diferite Ńări.
• Modificările IPC influenŃează politica fiscală şi monetară a
autorităŃilor (stabilirea masei monetare, reglarea ratei dobânzii etc.).

12.3.3. Indicatorii consumului populaŃiei
Consumul populaŃiei reprezintă totalitatea produselor alimentare,
nealimentare consumate şi a serviciilor folosite de populaŃie, în scopuri
neproductive într-o anumită perioadă de timp. Indicatorii consumului
populaŃiei pot fi exprimaŃi în unităŃi naturale şi valoric.
I. Indicatori în expresie valorică
• Consumul total al populaŃiei (CT) de produse alimentare,
nealimentare şi servicii reprezintă consumul final al populaŃiei (consum
privat, consumul menajelor).
Consumul total se calculează cumulat:

= qp CT

unde:

qp
= valoarea consumului total al produselor alimentare, ne-
alimentare şi al serviciilor.
OBSERVAłIE!
• Acest agregat stă la baza determinării nivelului, structurii şi
dinamicii consumului total al populaŃiei.



354
• Structura consumului populaŃiei
Se determină ca mărime relativă de structură (g
c
j
) prin raportarea
consumului fiecărei grupe de bunuri şi servicii (C
j
) la totalul consumului
populaŃiei (CT):
100
CT
C
g
j c
j
⋅ =

Gruparea sintetică a posturilor de cheltuieli arată astfel:
– consum alimentar şi băuturi;
– mărfuri nealimentare;
– servicii.
Structura consumului populaŃiei are o principală sursă de date prin
bugetele de familie.
• Dinamica consumului populaŃiei se realizează cu ajutorul unui
sistem de indici şi modificări absolute, care evidenŃiază:
– modificarea volumului fizic al consumului populaŃiei;
– modificarea preŃurilor/tarifelor produselor şi serviciilor consumate.
Astfel, se pot calcula:
– indicele valoric al consumului populaŃiei:


= =
0 0
1 1
0
1 C
0 / 1
q p
q p
C
C
I
, iar modificarea absolută:
0 0 1 1 0 1
C
0 / 1
q p – q p C – C
∑ ∑
= = ∆
– indicele volumului fizic al consumului populaŃiei:
( )


= =
0 0
0 1
0
1 q C
0 / 1
p q
p q
C
C
I
, cu modificarea absolută:
( )
0 0 0 1
q C
0 / 1
p q – p q
∑ ∑
= ∆

– indicele preŃurilor /tarifelor bunurilor şi serviciilor aferente consu-
mului populaŃiei:
( )


=
0 1
1 1 q C
0 / 1
p q
p q
I
, iar modificarea absolută:
( )
∑ ∑
= ∆
0 1 1 1
q C
0 / 1
p q – p q
RelaŃiile de legătură vor fi:
( ) ( ) p C
0 / 1
g C
0 / 1
C
0 / 1
I I I ⋅ = ;
( ) ( ) p C
0 / 1
q C
0 / 1
C
0 / 1
∆ + ∆ = ∆

II. Indicatori în unităŃi naturale
Sunt importanŃi pentru:
• caracterizarea nivelului de trai;
• comparaŃii internaŃionale.

355
1. Consumul mediu anual de produse alimentare pe locuitor în
unităŃi naturale reprezintă cantitatea de produse alimentare destinată
consumului uman, indiferent de forma în care se consumă (brută sau
prelucrată), de sursa de aprovizionare sau de locul în care se consumă.
Metodele de calcul folosite sunt:
a. Metoda de producŃie
În Ńările dezvoltate, se utilizează această metodă, care se bazează pe
bilanŃurile alimentare. Consumul total dintr-un produs se determină cu re-
laŃia:
consum total = ProducŃia + Import + Stocuri
1
– [ProducŃia nedestinată
consumului + Export + Pierderi + Stocuri
2
]
unde: stocuri
1
= stocurile la producător şi în comerŃ la începutul anului;
stocuri
2
= stocuri la producător şi în comerŃ la sfârşitul anului.

b. Metoda de repartiŃie
Prin această metodă, consumul total al populaŃiei se calculează prin
însumarea cantităŃilor de produse care au fost destinate consumului
populaŃiei şi provin din comerŃ, piaŃa Ńărănească, consumul producătorilor
agricoli din resurse proprii, alte consumuri.
Astfel, consumul mediu anual la un produs alimentar pe locuitor în
unităŃi naturale
( ) c
se calculează:
P
q
c

=
, unde: P = număr mediu al populaŃiei
Dinamica consumului mediu anual se calculează cu următorii indici:
100
c
c
I
0
1 C
0 / 1
⋅ =

2. Înzestrarea populaŃiei cu bunuri de folosinŃă îndelungată
Se determină pentru principalele produse: televizoare, aparate de radio,
frigidere, maşini de gătit cu gaze, maşini de spălat rufe, autoturisme etc.
Înzestrarea populaŃiei cu bunuri de folosinŃă îndelungată (Z) se
stabileşte în expresie naturală la sfârşitul anului, la 1.000 de locuitori şi la
100 de familii cu relaŃia:
( ), I 1000
P
S
= Z ( ), II 100
F
S
= Z


356
unde: P = numărul populaŃiei la sfârşitul anului;
F = numărul de familii la sfârşitul anului;
S = stocul de bunuri la populaŃie la sfârşitul anului.
Stocul de bunuri Vânzări către Ieşiri din uz
S = la populaŃie + populaŃie în + în cursul
la începutul anului cursul anului anului


OBSERVAłIE!
Cea de-a doua relaŃie (II) permite să se analizeze gradul de dotare a
unei familii cu bunuri de folosinŃă îndelungată.


12.3.4. Indicii sintetici ai dezvoltării umane
OrganizaŃia Mondială a SănătăŃii recomandă Ńărilor membre UE ra-
portarea unui număr de 280 indicatori, grupaŃi în 38 de obiective, ce carac-
terizează bunăstarea fizică, psihică şi social-economică a unei populaŃii.
În planul statisticii internaŃionale se urmăresc două tendinŃe:
1. Cercetarea sectorială a unor domenii de mare actualitate, ca:
• statutul femeilor, copiilor şi persoanelor în vârstă;
• accesul la muncă şi condiŃiile de muncă;
• degradarea mediului înconjurător;
• drepturile omului şi libertăŃile civile.
2. Sistemul de indici sintetici de măsurare a aspectelor calita-
tive ale dezvoltării
Indicele dezvoltării umane (IDU), numit şi human development
index – HDI, este un indice de bază a trei indicatori:
– longevitatea, măsurată prin speranŃa medie de viaŃă la naştere;
– nivelul educaŃional, măsurat prin combinarea ratei alfabetizării şi
a ratei de şcolarizare;
– standardul de viaŃă, măsurat prin PIB pe locuitor, calculat la
paritatea puterii de cumpărare (echivalent în dolari SUA).
Începând din 1990, Programul NaŃiunilor Unite pentru Dezvoltare
(PNUD) publică anual Raportul asupra dezvoltării umane, în care Ńările
sunt grupate în funcŃie de un criteriu nou, denumit indicele dezvoltării
umane (IDU) (tabelul 12.3).




357
Tabelul 12.3. Indicele dezvoltării umane în unele Ńări membre ale UE
Locul Ńărilor UE Nr.
crt.
łările Valoarea
IDU în UE în plan mondial
1. Belgia 0,923 1 5
2. Suedia 0,923 2 6
3. Olanda 0,921 3 8
4. Marea Britanie 0,918 4 10
5. FranŃa 0,918 5 11
6. Finlanda 0,913 6 13
7. Germania 0,906 7 14

Sursa: Rapport mondial sur le dévéloppement humain.

Pentru construirea IDU se parcurg mai multe etape:
A. SperanŃa medie de viaŃă la naştere:
a) se fixează valorile minime şi maxime ale fiecărui indicator, pornind
de la plaja de valori înregistrată în Ńările lumii (EXEMPLU):
– speranŃa medie de viaŃă la naştere: 25-85 ani;
– rata alfabetizării: 0-100%;
– rata de şcolarizare: 0-100%;
– PIB pe locuitor: 100-60.000 dolari;
b) se calculează pentru fiecare Ńară i şi pentru fiecare indicator j al
indicelui individual (i
ij
):
min max
min ij
ij
x x
x x
i


=
unde: x
ij
= nivelul absolut al indicatorului j, în Ńara i;
x
min, max
= nivelul minim şi maxim al indicatorului j.

B. Pentru nivelul educaŃional, calculul se face în două etape:
a) se determină indicii individuali pentru fiecare din cei 2 indicatori:
– rata alfabetizării – r
a
;
– rata de şcolarizare – r
s
;
b) se determină indicele combinat al nivelului educaŃional, folosind
media aritmetică ponderată în care rata alfabetizării are ponderea 2, iar
rata de şcolarizare are pondere 1:
3
r 1 r 2
i
s a
ed
∗ + ∗
=


358
C. Calculul PIB pe locuitor se face în trei etape:
a. Media mondială a PIB pe locuitor este considerată ca prag limită
(y
*
). Orice nivel al PIB pe locuitor mai mare decât acest prag trebuie
diminuat, folosind formula lui Atkinson
1
:
y pentru 0 < y < y
*
w(y) =
*
y y 2 y − + pentru y
*
≤ y ≤ 2y
*


3
* * *
y 2 y 3 y 2 y − + + pentru 2y
*
≤ y ≤ 3y
*



OBSERVAłIE!
Valorile PIB pe locuitor inferioare nivelului mediu mondial (y
*
) nu
se recalculează.

b. Se recalculează nivelul maxim al PIB pe locuitor (60.000 dolari),
folosind formula lui Atkinson:
n
*
y ) 1 n ( 60000 n
3 *
y 3
*
y 2
*
y w(y) − − + + + + = L
Calculând w(y), se va obŃine o v valoare maximă ajustată faŃă de
care se va recalcula PIB pe locuitor.
c. În final, se calculează indicele agregat IDU pentru fiecare Ńară,
folosind media aritmetică simplă a celor trei indici individuali. Apoi se
ierarhizează Ńările respective în ordinea descrescătoare a acestui indice.
3
i i i
IDU
PIB ed sv
+ +
=

unde: i
sv
= indicele individual al speranŃei medie de viaŃă la naştere
Indicele de capacitate (IC), numit gender empowerment measure –
GEM, utilizează variabile construite pentru a măsura implicarea femeilor
şi bărbaŃilor în:
− activităŃi economice şi politice;
− activităŃi manageriale;
− activităŃi tehnice şi profesionale etc.
Indicele sărăciei (IS), numit şi CPM – capability poverty measure,
se construieşte ca indice simplu din trei indicatori ce reflectă procentul
populaŃiei cu cele mai slabe caracteristici de bază ale dezvoltării umane:

1
Capanu I., Wagner P., Secăreanu C., Statistică macroeconomică, Editura
Economică, Bucureşti, 1997.

359
– nutriŃia şi starea sănătăŃii (prin ponderea copiilor sub 5 ani care
sunt sub greutatea normală);
– accesul la serviciile de sănătate (prin ponderea naşterilor nesupra-
vegheate de personal medical);
– nivelul educaŃional şi inechitatea pe sexe (rata analfabetismului la
femei).
Dacă evaluăm sărăcia, presupunem existenŃa unui anumit nivel de
trai, considerat drept prag de sărăcie.
Persoana care nu poate fi considerată săracă este persoana al cărei
nivel de trai trebuie să atingă cel puŃin acest prag. Pentru aceasta există un
nivel al consumului la alimente, îmbrăcăminte, locuinŃă etc., care permite
supravieŃuirea individului pe termen scurt.
Astfel, putem vorbi de:
• pragul de sărăcie absolută – un nivel de referinŃă constant al
nivelului de trai, unic pentru întreg domeniul în care se efectuează
comparaŃiile privind sărăcia;
• pragul de sărăcie relativă variază în acest domeniu şi creşte
odată cu nivelul de trai mediu;
• săracii (definiŃia ONU) – acei oameni care nu se bucură de
nivelul minim de trai comparabil cu demnitatea umană;
• sărăcia (definiŃia Băncii Mondiale) – incapacitatea de a avea un
standard de viaŃă adecvat.
CONCEPTE-CHEIE: resurse de muncă (RM); BalanŃa resurselor de
muncă; BalanŃa utilizării timpului de muncă; fonduri fixe, nivel de trai;
salariul real; salariul nominal; IPC – indicele preŃurilor de consum;
consumul populaŃiei; IDU – indicele dezvoltării umane.

ÎNTREBĂRI DE AUTOEVALUARE

1. Ce reprezintă RM (resursele de muncă)?
2. Care sunt ratele de activitate pe care le puteŃi defini? Metode de calcul.
3. DefiniŃi BalanŃa utilizării timpului de lucru.
4. Care sunt indicatorii ce analizează folosirea timpului de muncă?
5. EnumeraŃi indicatorii eficienŃei folosirii potenŃialului uman: formule de
calcul.
6. Cu ce indicatori putem analiza fondurile fixe şi eficienŃa acestora:
formule de calcul.
7. Analiza nivelului de trai al populaŃiei: indicele salariului real; veniturile
reale ale populaŃiei; IPC; indicatorii consumului populaŃiei; IDU.

360


















361
ANEXE
Anexa 1
Valorile funcŃiei Gauss-Laplace


362
Anexa 2
Valorile repartiŃiei Student în funcŃie de probabilitatea P(t ≤ t
α
)
şi numărul„f” al gradelor de libertate


363
Anexa 3
Valori critice pentru repartiŃia F corespunzător nivelului de semnificaŃie de 5%


364
Anexa 4
Valorile funcŃiei
2
α
χ în funcŃie de probabilitatea ( )
2 2
P
α
χ > χ = α şi numărul
gradelor de libertate



365


BIBLIOGRAFIE





Lucrări de specialitate

1. Andrei T., Stancu S., Statistică. Teorie şi aplicaŃii, Editura ALL,
Bucureşti, 1995.
2. Anghel L., Florescu C., Zaharia R., Marketing – probleme, cazuri, teste,
Editura Expert, Bucureşti, 1994.
3. Anghelache C., Capanu I., Statistică macroeconomică, Editura
Economică, Bucureşti, 2004.
4. Anghelache C., Niculescu E., Statistică. Indicatori, formule de calcul şi
sinteze, Editura Economică, Bucureşti, 2001.
5. Balaure V. şi colab., Marketing, Editura Uranus, Bucureşti, 2000.
6. Balu Mariana-Elena, Statistică pentru marketing şi comerŃ exterior,
Editura FundaŃiei România de Mâine, Bucureşti, 2004.
7. Balu Mariana-Elena, Statistică aplicată în economie. Studii de caz –
Probleme, Editura FundaŃiei România de Mâine, Bucureşti, 2006.
8. Baron T., BădiŃă M., Korka M., Statistica pentru afaceri, Editura Eficient,
Bucureşti, 1998.
9. Baron T., Biji E., Statistică teoretică şi economică. Editura Didactică şi
Pedagogică, Bucureşti, 1996.
10. BădiŃă M., Cristache S.E., DicŃionar statistico-economic explicativ,
Editura Luceafărul, Bucureşti, 2001.
11. Begu L.S., Statistică internaŃională, Editura All Beck, Bucureşti, 1999.
12. Biji M., Biji E.M., Lilea E., Anghelache C., Tratat de statistică, Editura
Economică, Bucureşti, 2002.
13. Box GEP., Jenkins G.M., Time Series Analysis: Forecasting and
Control, 2-nd edition, Halden Day, San Francisco, 1998.
14. Calot G., Cours de statistique descriptive, Dumod, Paris, 1975.
15. Capanu I., Wagner P., Secăteanu C., Statistică macroeconomică,
Editura Economică, Bucureşti, 1997.
16. Cătoiu I., Bălan C., Onete B., Popescu I.C., Vegheş C., Metode şi
tehnici utilizate în cercetările de marketing. AplicaŃii, Editura
Uranus, Bucureşti, 1999.

366
17. Clocotici V., Stan A., Statistică aplicată în psihologie, Editura Polirom,
Iaşi, 2001.
18. Craiu V., Bâscă O., Teste de omogenitate, Editura Economică,
Bucureşti, 1998.
19. Dadge, Y., Statistique, P.A.N., Neuchatel, 1990.
20. Denner A., Principes et pratique du marketing, Edition J. Delmas,
Paris, 1971.
21. Droesbeke, J.J. Fichet, B., Analyse statistique des données de survie,
ASU, Economica, Paris, 1989.
22. Droesbeke J.J., Fichet B., Modèles pour l’analyse des données
multidimensionnelles, Economica, Paris, 1992.
23. Dubois J., Méthodologie économique et téchnique statistique,
Montpellier, 1965.
24. Foucart T., Analyse factorielle, Masson, Paris, 1985.
25. Georgescu-Roegen N., Metodă statistică, ediŃia a II-a, Editura Expert,
Bucureşti, 1998.
26. Gourienoux C., Manfort A., Statistique et modèles économetriques,
Economica, 1996.
27. Gourienoux C., Statistique de l’assurance, Economica, Paris, 1999.
28. Gourienoux C., Théorie des sondages, Economica, Paris, 1995.
29. Granger C.W.J., Newhold P., Forecasting Economic Time Series: 2-nd
Edition, Academic Press, New York.
30. Guyon X., Statistique et économetrie, Ellipses, Paris, 2001.
31. Isaic-Maniu Al., Grădinaru A., Voineagu V., MitruŃ C., Statistică
teoretică şi economică, Editura Tehnică, Chişinău, 1994.
32. Isaic-Maniu Al., Korka M., Voineagu V., MitruŃ C., Statistică, Editura
IndependenŃa Economică, Brăila, 1998.
33. Isaic-Maniu Al., Voineagu V., MitruŃ C., Statistica pentru
managementul afacerilor, ediŃia a II-a, Editura Economică,
Bucureşti, 1999.
34. Jaba E., Statistică, Editura Economică, Bucureşti, 2000.
35. Jugănaru M., Teorie şi practică în cercetarea de marketing, Editura
Expert, Bucureşti, 1998.
36. Kotler P., Managementul marketingului, Editura Teora, Bucureşti,
1997.
37. Lecaillon J., Labrouse C., Statistique descriptive, Editura Cajas, Paris,
1988.
38. Lessard S., Statistique. Concepts et méthodes, Masson, Montreal, 1993.
39. Malinvaud E., Méthodes statistique de l’économetrie, Dunot, Paris,
1988.

367
40. Marinescu I., Analiză factorială, Editura ŞtiinŃifică şi Enciclopedică,
Bucureşti, 1984.
41. Mihoc Gh., Urseanu V., Sondaje şi estimaŃii statistice. Teorie şi
aplicaŃii, Editura Tehnică, Bucureşti, 1977.
42. Millis T.C., Time Series Techiques for Economists, Cambridge, 1990.
43. Negoescu Gh., Ciobanu R., Bontaş, Bazele statisticii pentru afaceri,
Editura All Beck, Bucureşti, 1999.
44. Pecican E.S., Econometrii, Editura ALL, Bucureşti, 1994.
45. Popescu Th., Demetriu S., Practica modelării şi predicŃiei seriilor de
timp. Metodologia Box-Jenkins, Editura Tehnică, Bucureşti, 1991.
46. Popescu Th., Serii de timp. AplicaŃii în analiza sistemelor, Editura
Tehnică, Bucureşti, 2000.
47. Prutianu Şt., Anastasiei B., Jijie T, Cercetarea de marketing. Studiul
pieŃei pur şi simplu, Editura Polirom, Iaşi, 2001.
48. Saporta G., Probabilités et analyse des données statistiques, Technip,
Paris, 1990.
49. Săvoiu G., Grigorescu P., Statistica financiară, Editura IndependenŃa
Economică, Piteşti, 2003.
50. Scheffe H., The analysis of variance, J.Wiley, 1970.
51. Ştefănescu Daniela Elena, Statistică internaŃională, vol.I şi II, Editura
FundaŃiei România de Mâine, Bucureşti, 2006.
52. Tassi P., Méthodes statistiques, Economica, Paris, 1997.
53. Tovissi L., Isaic-Maniu Al., Statistică, ASE, Bucureşti, 1984.
54. Trebici V. (coord), Mică enciclopedie de statistică, Editura ŞtiinŃifică şi
Enciclopedică, Bucureşti, 1985.
55. Ungureanu Ivan C., Contabilitatea naŃională – concepte, metodologii,
aplicaŃii, Casa de editură IRECSON, Bucureşti, 2003.
56. Voineagu V., Colibaba D., Grădinaru G., Statistică. NoŃiuni
fundamentale şi aplicaŃii, Editura ASE, Bucureşti, 2002.
57. Voineagu V., Furtună F., Voineagu M.E., Ştefănescu C., Analiza
factorială a fenomenelor social-economice în profil regional,
Editura RAMIS SRL, Bucureşti, 2002.
58. Voineagu V., MitruŃ C., Isaic-Maniu Al. şi colab., Statistică teoretică şi
economică. Lucrări practice, teste şi studii de caz, Editura
Economică, Bucureşti, 1998.
59. Voineagu V., Lilea E., Goschin Y, Vătui M., Statistică economică,
Editura Economică, Bucureşti, 2003.
60. Voineagu M., Tigan E., GhiŃă S., Statistică aplicată în economie. Studii
de caz, Editura FundaŃiei România de Mâine, Bucureşti, 2000.

368
61. Wagner P., Ştefănescu D.E., Compararea internaŃională a produsului
intern brut, Editura Economică, Bucureşti, 1999.
62. Whittaker J., Graphical Models in Applied Multivariate Statistics,
J. Wiley, 1990.
63. Yulle G. M., Kendall M.G., Introducere în teoria statistică, ediŃia
a XIV-a, Editura ŞtiinŃifică, Bucureşti, 1969.

Articole în reviste de specialitate

1. Băcescu Cărbunaru A., Sistemul statisticii comunitare, în „Revista
Română de Statistică”, nr.3/2003.
2. Pavelescu M., ProprietăŃi ale indicelui Fischer, în „Revista Română de
Statistică”, nr.2/2003.
3. Pivotă D., Impactul inflaŃiei asupra vânzărilor, în „Revista Română de
Statistică”, nr.2, Bucureşti, 2001.
4. Ştefănescu D., Dumitrescu I., Este statistica pregătită a răspunde
cerinŃelor date de noii economii?, în „Revista Română de
Statistică”, nr.2/2002.























SCALE





scala
dihotomică
scale
de măsură
scale de
atitudine






scala
nominală
scala
ordinală
scala
de interval
scala
de raport
scale
de evaluare
scale
de preferinŃe
scale
de intenŃie





scala
Likert
scala
Osgood
scala de
clasament
(scala
ordinală)
scala de
compatibil
prin perechi
scala
de
predispoziŃie
scale de
probabilităŃi
de
cumpărare

Fig. 1.3. Tipuri de scale

Descrierea CIP a Bibliotecii NaŃionale a României BALU, MARIANA-ELENA Bazele statisticii. / Mariana-Elena Balu. – Bucureşti, Editura FundaŃiei România de Mâine, 2007 Bibliografie ISBN 978-973-725-762-8 311(075.8)

© Editura FundaŃiei România de Mâine, 2007

Redactor: Roxana ENE Cosmin COMARNESCU Tehnoredactor: Marcela OLARU Coperta: Cornelia PRODAN Bun de tipar: 11.04.2007; Coli tipar: 23 Format: 16/61×86 Editura FundaŃiei România de Mâine Bulevardul Timişoara nr.58, Bucureşti, Sector 6 Tel./Fax: 021/444.20.91; www.spiruharet.ro e-mail: contact@edituraromaniademaine.ro

UNIVERSITATEA SPIRU HARET

MARIANA-ELENA BALU

BAZELE STATISTICII

EDITURA FUNDAłIEI ROMÂNIA DE MÂINE Bucureşti, 2007

CUPRINS

Cuvânt-înainte ……………………………………………………….. 1. STATISTICA – ŞTIINłĂ METODOLOGICĂ 1.1. Conceptele sistemului informaŃional statistic al economiei de piaŃă ……………………………………………………….. 1.2. Obiectul şi metoda statisticii ……………………….…………. 1.3. Concepte de bază ale statisticii ……………………….………. 1.4. Tipuri de scale folosite în statistică ……………………….…... 1.5. Observarea statistică ………………………...………………... 1.5.1. Planul unei observări statistice ……………………….... 1.5.2. Metode de culegere a datelor prin observarea statistică ... 1.5.3. Erorile observării statistice ……………………….……. Concepte-cheie …………………….……………………………... Întrebări de autoevaluare ……………….………………………... 2. PRELUCRAREA STATISTICĂ PRIMARĂ 2.1. Metode primare de sistematizare a datelor statistice ………….. 2.2. Tehnici de prelucrare ……………………….………………... 2.3. Metode de prezentare a datelor statistice ……………………... 2.3.1. Tabele statistice ……………………….………………. 2.3.2. Serii statistice ……………………….………………… 2.3.3. Grafice statistice ……………………….………………. 2.3.3.1. Prezentarea seriilor statistice unidimensionale ... 2.3.3.2. Prezentarea distribuŃiilor statistice bidimensionale .. Concepte-cheie …………………….……………………………... Întrebări de autoevaluare ……………….………………………... 3. INDICATORI STATISTICI 3.1. NoŃiunea de indicator statistic. Tipuri de indicatori …………... 3.2. Indicatori relativi ……………………….…………………….. Concepte-cheie …………………….……………………………... Întrebări de autoevaluare …………….…………………………..

11

13 16 19 25 30 31 31 33 36 36

38 39 45 46 47 49 53 63 66 67

68 69 74 74 5

4. ANALIZA SERIILOR DE DISTRIBUłIE UNIDIMENSIONALE 4.1. Indicatorii tendinŃei centrale ……………………….…………. 4.1.1. Indicatorii medii ……………………………………….. 4.1.2. Indicatorii de poziŃie sau de structură …………………. 4.2. Indicatorii de variaŃie ……………………….……………….. 4.2.1. Indicatorii simpli ai variaŃiei ……………………….….. 4.2.2. Indicatorii sintetici ai variaŃiei ……………………….... 4.2.3. Regula adunării dispersiilor ……………………….…... 4.3. Verificarea semnificaŃiei factorului principal de grupare prin metoda analizei dispersionale. Testul F …………………. 4.4. Media şi dispersia unei variabile alternative …………………. 4.5. Asimetria ………………………...……………………….…. Concepte-cheie …………………….……………………………... Întrebări de autoevaluare ……………….………………………... 5. SONDAJUL STATISTIC ŞI TESTAREA IPOTEZELOR PENTRU FUNDAMENTAREA DECIZIILOR ECONOMICE 5.1. Necesitatea folosirii sondajului statistic ………………………. 5.2. Erorile de sondaj ……………………….…………………….. 5.3. Procedee de selecŃie folosite în practica statistică ……………. 5.3.1. Sondaje nealeatoare ……………………….…………… 5.3.2. Sondaje aleatoare ………………………..……………. 5.4. Tipuri de sondaje ……………………….…………………….. 5.4.1. Sondajul aleator simplu ……………………….……….. 5.4.1.1. Indicatori ai sondajului aleator simplu ………... 5.4.1.2. Indicatori ai sondajului în cazul caracteristicilor alternative ……………………….……………... 5.4.2. Sondajul tipic (stratificat) ………………………………. 5.4.3. Sondajul de serii ……………………….……………… 5.5. Testarea ipotezelor statistice şi fundamentarea deciziilor bazate pe date de sondaj ……………………….…………………….. 5.5.1. Probleme ale testării unei ipoteze statistice …………….. 5.5.2. Teste asupra ipotezelor statistice ………………………. 5.5.3. Teste pentru media caracteristicilor …………………… 5.5.3.1. Testul Z pentru verificarea conformităŃii unei medii experimentale cu o valoare propusă ... 5.5.3.2. Testul Z pentru verificarea egalităŃii a două medii … 5.5.3.3. Testul t (Student) ……………………….…….. 5.5.4. Verificarea normalităŃii unei distribuŃii cu testul χ2 …… Concepte-cheie …………………….……………………………... Întrebări de autoevaluare ……………….………………………… 6

75 76 85 96 98 100 105 113 118 121 126 126

129 132 134 134 137 139 139 141 145 148 152 154 154 155 158 158 161 163 165 174 174

6. ANALIZA DE REGRESIE ŞI CORELAłIE 6.1. Tipuri de legături între fenomenele social-economice. NoŃiuni şi clasificarea legăturilor statistice ……………………. 6.2. Metode elementare de caracterizare a legăturilor dintre variabile 6.3. Metode analitice (parametrice) de analiză a legăturilor statistice 6.3.1. Regresia liniară simplă ……………………….……….... 6.3.2. CorelaŃia liniară simplă ……………………….………... 6.4. InferenŃă statistică în cadrul modelului liniar …………………. 6.4.1. Validarea modelului de regresie cu testul F ……………. 6.4.2. Verificarea semnificaŃiei coeficientului corelaŃiei simple cu testul t ……………………….……………………… 6.5. Regresia şi corelaŃia curbilinie simplă ………………………… 6.6. Regresia şi corelaŃia multiplă …………………………………. 6.7. Metode neparametrice de măsurare a intensităŃii legăturilor dintre fenomene ……………………….……………………… 6.7.1. Coeficientul de asociere ………………………………... 6.7.2. CoeficienŃii de corelaŃie ai rangurilor …………………... Concepte-cheie …………………….……………………………... Întrebări de autoevaluare ……………….………………………… 7. ANALIZA STATISTICĂ A SERIILOR CRONOLOGICE 7.1. NoŃiuni. ParticularităŃi ……………………….……………….. 7.2. Sistemul de indicatori statistici ai seriilor cronologice ………... 7.3. Analiza statistică a componentelor SCR ……………………... 7.3.1. Componentele unei serii cronologice …………………... 7.3.2. Metode de determinare a trendului ……………………. 7.3.3. Metode mecanice de ajustare a SCR …………………... 7.3.4. Metode analitice de determinare a trendului …………… 7.3.5. Analiza calităŃii estimării tendinŃei generale de evoluŃie a unui fenomen ………………………………………… 7.4. Previzionarea indicatorilor economici prin extrapolare ……….. Concepte-cheie …………………….…………………………….... Întrebări de autoevaluare ……………….………………………… 8. METODA INDICILOR ÎN ANALIZELE ECONOMICE 8.1. NoŃiunea de indice. ConŃinutul şi funcŃiile indicilor ………….. 8.2. Indicii individuali ……………………….……………………. 8.3. Indicii sintetici ……………………….………………………..

176 180 182 183 185 189 189 190 190 192 194 194 196 197 197

200 202 210 211 213 213 219 225 228 230 230

233 235 235 7

Întrebări de autoevaluare ……………….. Analiza statistică a datoriei externe ………………………. Indicatori statistici pentru analiza contului curent al BPE 10. Principalii indicatori macroeconomici de rezultate …………… 9.5. volumului fizic şi ai preŃurilor …………. 9..1..3.1.2. 11.……………………………..5.. Indicii valorii.. Indicii calculaŃi ca medie a indicilor individuali ………. Descompunerea pe factori a variaŃiei unui fenomen complex folosind metoda indicilor ………………………. 9. Indicii salariului mediu şi ai fondului de salarii ………… Concepte-cheie …………………….4.3. Definirea BalanŃei de plăŃi externe (BPE) …………………… 10. 8.. Indici de preŃuri utilizaŃi în statistica macroeconomică ………. ELEMENTE DE STATISTICĂ MACROECONOMICĂ 9.……………………………..1.4....…………………………….8. Indicii agregaŃi ……………………...6.1.. Indicii productivităŃii muncii …………………………. Definirea poziŃiei investiŃionale internaŃionale a Ńării (PII) sau balanŃa de creanŃe şi angajamente externe ……………… Concepte-cheie ……………………. 8. Întrebări de autoevaluare ………………. STATISTICA BALANłEI DE PLĂłI EXTERNE 10.3.3.…………… 8..5. ComparaŃii în timp şi comparaŃii internaŃionale …………… Concepte-cheie ……………………. Sisteme de ponderare folosite la construirea indicilor sintetici 8. 8.5.1..2..3.3.………………………… 9. 10.. NoŃiuni utilizate în statistica datoriei externe ……………….4.2..2.5. Indicatori statistici pentru analiza BPE ……………………… 10.4.3.. Întrebări de autoevaluare ……………….………. Eurostatica – sistemul statisticii comunitare ………………….……………………………..3.………………………… 10.3. NoŃiuni şi concepte generale ……………………….1. Indicatori statistici pentru analiza contului de capital şi financiar în cadrul BPE ……………………………. Conturile macroeconomice …………………………………… 9. Concepte-cheie …………………….2.……………. STATISTICA DATORIEI EXTERNE 11.... Întrebări de autoevaluare ………………. 8. 9. 8. Definirea Sistemului Conturilor NaŃionale (SCN) ………….…………………. 10.2.….………………………… 11. Sisteme concrete de indici ……………………….3. Indicii calculaŃi ca raport a două medii ………………… 8.………………………… 8 236 238 239 240 242 247 247 251 255 258 258 261 265 269 279 287 291 293 293 295 298 306 306 310 321 327 327 329 331 336 336 .

3....1.. Indicii sintetici ai dezvoltării umane …………………. Indicatorii nivelului de trai al populaŃiei ……………………....3.……………………………..3. Concepte-cheie ……………………. Indicii statistici ai fondurilor fixe …………………………….3.………………………… Anexe …………………………………. 337 342 344 345 351 353 356 359 359 361 365 9 ..2. Indicele preŃurilor de consum (IPC) ………………….4. 12..……………………………. Indicatorii statistici ai potenŃialului uman …………………… 12.12. Indicatorii consumului populaŃiei ……………………. INDICATORII STATISTICI AI POTENłIALULUI ECONOMIC 12..3. Indicatorii veniturilor populaŃiei ……………………… 12. Bibliografie …………………………………………………………. Întrebări de autoevaluare ………………. 12. 12..1.2. 12.3..

10 .

Toate aceste noŃiuni sunt considerate fundamentale pentru formarea viitorilor economişti. 1998. 1015. regresia şi corelaŃia. care. în general. care dau o mai bună înŃelegere a vieŃii economico-sociale. observăm faptul că. Iar în a doua parte. care vor trebui să se încadreze exigenŃelor practicii economice într-un mediu concurenŃial. Astfel. sondajul statistic. ediŃia a II-a. volumul va trata. dintre care: SNC. Statistica apare ca ştiinŃă de graniŃă. definit de DicŃionarul Explicativ al Limbii Române1 – „evidenŃă numerică. Lucrarea urmăreşte să sprijine studenŃii în înŃelegerea şi utilizarea corectă a metodelor şi tehnicilor statistice de prelucrare a informaŃiei statistice. conform sistemului Bologna. noŃiuni ale statisticii descriptive. în prima parte. p. 1 Academia Română. BPE. sub imperiul legilor statisticii. Bucureşti. referitoare la diverse fenomene”. conduce la desprinderea legislaŃiilor specifice acelor domenii. potenŃialul economic. o ştiinŃă metodologică. Institutul de Lingvistică „Iorgu Iordan”. câteva noŃiuni de macroeconomie. indicatori ai tendinŃei centrale. DEX. 11 . Editura Univers Enciclopedic.CUVÂNT-ÎNAINTE Dacă pornim de la unul din sensurile cuvântului statistică. prin prelucrare. să formeze deprinderea unor raŃionamente bazate pe calcule statistice riguroase. un gen de „omnibuz” al cunoaşterii empirice. dintre care amintim: indicatorii statistici. cunoaşterea empirică a oricărui domeniu de activitate impune necesitatea de a apela la date numerice. datoria externă. indicatori de variaŃie. care a devenit indispensabilă pentru cunoaşterea fenomenelor din natură şi societate. DicŃionarul Explicativ al Limbii Române. Lucrarea prezentă se încadrează noului plan de învăŃământ de trei ani. indici statistici. serii cronologice.

MulŃumesc tuturor celor care vor consulta lucrarea şi vor veni cu sugestii şi observaŃii pertinente. pentru că orice material didactic este supus îmbogăŃirii şi perfecŃionării informaŃionale. care vor contribui la îmbunătăŃirea ei. martie 2007 Autoarea 12 .

sub aspect cantitativ.. Astfel că par normale întrebări precum: Cum trebuie înŃeleasă şi utilizată informaŃia statistică? Cum se formează informaŃia statistică? etc. Pamfil Carmen-Gabriela. Însă. un gen de „omnibus” al cunoaşterii empirice şi care are metodele de analiză a datelor pentru multe domenii de activitate economice şi nu numai.. Bucureşti. Radu Rodica. 2. un fel de ştiinŃă metodologică. G. 2006. [din fr.. statistisch] (Cf. gândirea statistică va fi la fel de necesară oricărui cetăŃean folositor societăŃii ca scrisul şi cititul…” H. a unui fenomen din natură sau din societate prin cifre. Cea care răspunde la aceste întrebări este statistica – o ştiinŃă interdisciplinară. Noul DicŃionar Universal al Limbii Române. Wells 1. 1384).1. prezentare a unui situaŃii. Zăstroiu Victoria. Etimologia cuvântului statistică1 vine de la cuvântul latinesc status. care desemna starea politică sau o ştiinŃă a descrierii statului. germ. statistica a avut mai multe semnificaŃii. evidenŃă numerică . cu metode proprii de descriere şi analiză. de Gottfried Achenwall pentru a prezenta variabile referitoare la producŃia şi consumul de produse agricole. statistique. Conceptele sistemului informaŃional statistic ale economiei de piaŃă Epoca noastră este marcată de multitudinea informaŃiilor statistice prezentate în mass-media. statistik. şi anume: Statistica – 1.1. 1746. 3.. p. prelucrare şi valorificare a unor date referitoare la fenomenele de masă. 13 1 . noŃiunea de statistică a fost folosită pentru prima dată în Germania. De-a lungul timpului. ştiinŃa care studiază fenomenele de masă. Editura Litera InternaŃional. Oprea I. culegere. STATISTICA – ŞTIINłĂ METODOLOGICĂ „… într-o zi.

Astfel. În Ńara noastră.). S. Schema funcŃionării unei bănci de date sub forma unui raŃionament statistic este prezentată în figura 1. se elaborează în cadrul sistemului informaŃional statistic (S. alcătuite pe baza unui sistem de gestiune al băncii de date. care vor permite obŃinerea mai multor baze de date necesare studiilor statistice în diverse domenii de activitate. ieşirilor (situaŃii cu informaŃii statistice). se construiesc Bănci de date. specifici întregului ansamblu investigat. 14 . este urmărit în cadrul organului oficial de statistică naŃional – Institutul NaŃional de Statistică (I. în general. Cu ajutorul sistemului S. • ansamblul intrărilor (date primare. – ca având un scop bine precizat.S. dar şi a creşterii rolului ei în procesul dezvoltării societăŃii româneşti. • de metodă statistică – sub această calitate este folosită de celelalte discipline ştiinŃifice pentru a-şi descoperi legile ce funcŃionează în propriile lor domenii de studiu. Statistica ca ştiinŃă poate fi analizată ca o disciplină de sine stătătoare. RaŃionamentul statistic realizează trecerea de la masa amorfă de date individuale. Pentru a putea obŃine aceste informaŃii. putem defini statistica ca disciplină ştiinŃifică şi de învăŃământ şi o putem privi prin prisma dezvoltării ştiinŃei.I. fiind considerată: – obiect de studiu propriu.I.1.N. culese prin observare statistică. tehnici şi procedee de calcul al indicatorilor. banca de date este organizată din baze de date.).I. Azi. informaŃia statistică. mai ales rolul ei în integrarea României în Uniunea Europeană. necesară cunoaşterii procesului de dezvoltare al societăŃii şi economiei. baza de date se poate compune dintr-un: • sistem de indicatori specifici. Astfel. • ansamblu de metode. la un sistem de indicatori statistici. elementare). – metodă proprie.• de activitate practică – datorită necesităŃii de cunoaştere în expresie numerică a fenomenelor şi proceselor social-economice.S.S.S.. informaŃii memorate în banca de date.

Definirea: – problemei – scopului – ariei de investigare : : • • sistematizarea datelor primare • • calculul indicatorilor statistici • • prezentarea datelor: − tabelele − serii − grafice • compararea datelor • verificarea ipotezelor • concluzii asupra cercetării • calcule de prognoză Figura 1. Etapele raŃionamentului statistic 15 .1.

calitate reflectată în indicatori pertinenŃi folosiŃi în analizele şi comparaŃiile internaŃionale. Dar o statistică este credibilă atâta timp cât poate rămâne imparŃială – aceasta în măsura în care nu se Ńine seama de puncte de vedere partizane. însă. • privat – furnizorii de informaŃii sunt agenŃii economici privaŃi. care foloseşte datele statistice naŃionale. persoanele fizice. familiile. Comunitatea statistică internaŃională încearcă impunerea anumitor metode de calcul a indicatorilor economici pentru a se asigura calitatea statisticilor naŃionale şi internaŃionale. Obiectul şi metoda statisticii Cercetarea fenomenelor şi proceselor din natură. care sunt purtătoare de informaŃii fiscale. are drept obiectiv elaborarea informaŃiei statistice. proces ce se construieşte în timp.2. în democraŃiile moderne se admite un acces larg al cetăŃenilor la informaŃiile statistice. De aceea. din cele două sectoare: • public – furnizorii de informaŃii fiind unităŃile social-economice de stat. Atributul principal cantitativ al cunoaşterii statistice îi conferă acestuia un rol important în investigarea diferitelor fenomene şi procese. Statistica. un Institut NaŃional de Statistică. trebuie să se bucure de credibilitate. ca disciplină ştiinŃifică. studiază acele procese şi fenomene care se manifestă într-un număr mare de cazuri şi prezintă 16 . cât şi al unor lucrării tematice necesare pentru caracterizarea fenomenelor şi proceselor social-economice la nivel micro şi macroeconomic.S. De multe ori. I. vorbim şi de un sistem statistic global. Azi. internaŃionale şi transnaŃionale pentru a putea formula decizii şi politici de dezvoltare economică la toate nivelurile. în funcŃie de natura lor. fiind necesar unei bune funcŃionări a democraŃiilor respective. societate şi economie se realizează în mod diferit.S. • alŃi furnizori de informaŃii pot fi: populaŃia. 1.S. pentru a-şi îndeplini rolul său democratic. Astfel. de scopul cercetării şi de modalitatea efectuării lui. menajele etc.InformaŃiile necesare S.N. imparŃialitatea informaŃiei statistice este asigurată dacă Institutul NaŃional de Statistică utilizează metodele şi standardele recunoscute internaŃional.N. chiar şi instituŃiile financiar-bancare.I. care să favorizeze pe cineva sau ceva anume. sunt culese prin diferite documente statistice solicitate de I.

– populaŃia cu drept de vot. cu grade şi sensuri diferite de influenŃă. Aceste ansambluri sunt cunoscute sub denumirea de populaŃii. pe care le defineşte ca fiind fenomene de masă sau fenomene de tip colectiv. fără a putea fi identificate în fiecare caz în parte. fiind considerate ca fenomene de tip nedeterminist sau statistic. Fenomenele de masă se prezintă ca fenomene atipice. bazată pe abstractizări succesive şi generalizări dintr-un număr mare de manifestări (aparent) întâmplătoare. cu trăsături esenŃiale comune. comuni sau specifici sau ca urmare a manifestării unor raporturi de cauzalitate de tipul cauză-efect. ele pot fi interpretate doar probabilist. Exemple de fenomene de masă pot fi: – populaŃia unei Ńări stabilită printr-un recensământ. Statistica studiază fenomenele de masă ce sunt definite ca ansambluri finite de elemente. în natură. obiectivi sau subiectivi. – cifra de afaceri a firmelor. în tehnologie. aceleaşi condiŃii şi legi de dezvoltare. fiind rezultatul acŃiunii unui număr mare de cauze şi condiŃii variabile. 17 . colectivităŃi statistice. legi care se manifestă sub formă de tendinŃă predominantă în masa manifestărilor individuale. Fenomene tipice sunt cele care apar în societate. care se prezintă ca fenomene simple. certe. Datorită faptului că fenomenele de masă sunt influenŃate de o multitudine de factori (esenŃiali. fiind astfel statistic omogene. în laborator – acestea sunt considerate fenomene univoc determinate. fiind datorate unei singure cauze şi pot fi analizate şi verificate pe cale experimentală. Legea statisticii apare ca rezultantă medie a numeroase acŃiuni individuale. Statistica social-economică are ca particularitate studierea fenomenelor social-economice de masă în cadrul cărora acŃionează legi statistice. veniturile populaŃiei etc. Fenomene atipice sunt acele fenomene care apar ca rezultat al acŃiunii unui număr diversificat de factori de influenŃă. aleatori). identice între ele.anumite regularităŃi în producerea lor. ele putând fi cunoscute numai la nivelul întregului ansamblu.

Potrivit acestei legi. în baza principiilor teoriei probabilităŃilor şi. ajungând prin abstractizări succesive la ceea ce este esenŃial. ajungând astfel la cunoaşterea lor cantitativă. prin care se precizează dimensiunea. aspecte ce pot fi caracterizate numeric în funcŃie de locul şi timpul producerii lor. tehnicilor de observare.Prin urmare. tipic în manifestarea fenomenelor de masă. statistica studiază fenomenele de masă din punct de vedere cantitativ. structura etc. esenŃial în manifestările fenomenelor de masă. permiŃând efectuarea unor previziuni asupra nivelului şi structurii viitoare a acestora. intensitatea. poate fi urmărită prin folosirea unor noŃiuni proprii legate de obiectul 18 . Prin abstractizări succesive. în mod deosebit. Obiectul statisticii îl constituie studiul aspectelor cantitative ale determinărilor calitative ale fenomenelor de masă din orice domeniu al vieŃii social-economice sau naturale. variaŃiile întâmplătoare de la tendinŃa generală se compensează reciproc la nivelul ansamblului pentru un număr suficient de mare de cazuri individuale. Altă particularitate a statisticii social-economice o reprezintă studierea laturii cantitativ-numerice a fenomenelor de masă. în condiŃiile respectării integrităŃii calitative a acestora. Cercetarea statistică a fenomenelor social-economice porneşte de la studierea esenŃei şi particularităŃilor calitative ale acestor fenomene. fenomene asupra cărora acŃionează legile statistice care se manifestă în condiŃii concrete. calcul şi interpretare statistică.. statistica ajunge la generalizarea a tot ce este tipic. a legii numerelor mari (Bernoulli. dar le interpretează probabilist. Metoda statistică este definită ca totalitatea procedeelor. fiind un ansamblu de principii metodologice. prin interpretarea probabilistică a rezultatelor. Statistica reuşeşte să evidenŃieze regularităŃile în producerea unor fenomene de masă. ajutând la cunoaşterea legilor care determină fenomenele sociale. variabile în timp şi spaŃiu. 1713). în vederea caracterizării lor numerice (cu ajutorul indicatorilor statistici). care produc informaŃia statistică. Metoda statistică. în legătură cu latura lor calitativă.

3. 2000. Editura ŞtiinŃifică şi Enciclopedică. • idei sau opinii (opiniile consumatorilor unor produse nou apărute pe piaŃă). Pentru atingerea acestui obiectiv. de culegere.) Metoda statistică este definită în funcŃie de natura fenomenelor cercetate. NoŃiunile utilizate au la bază volumul Mică enciclopedie statistică. cât şi de scopul cercetării şi se bazează pe un raŃionament statistic. de a aparŃine aceluiaşi spaŃiu şi timp3. fiind generate de aceleaşi cauze esenŃiale.) sau de metodologia sa (date statistice. Concepte de bază ale statisticii Cercetarea statistică a fenomenelor de masă în orice domeniu investigat foloseşte o serie de noŃiuni (concepte) de bază. (coord. 1. timpului. Cercetarea statistică presupune acŃiuni de proiectare şi organizare. ColectivităŃile statistice au un caracter obiectiv şi finit. Colectivitatea statistică poate fi alcătuită din: • persoane (populaŃia României la recensământul din martie 2000).). 3 Jaba E. Editura Economică. Omogenitatea elementelor fiind dată de calitatea lor de a fi de aceeaşi natură. Trebici V. 1985. ceea ce face necesară delimitarea lor din punctul de vedere al conŃinutului. Colectivitatea statistică (sau populaŃia statistică) desemnează totalitatea elementelor omogene (după anumite criterii) care fac obiectul cercetării şi care au o serie de trăsături esenŃiale comune. cât şi la metodele specifice ei.. Bucureşti. 19 2 . • evenimente (copii născuŃi vii în luna septembrie 2000. 1. analiză şi interpretare a datelor statistice – specifice domeniului cercetat. indici etc. prelucrare. spaŃiului şi al formei de organizare. în Bucureşti). indicatori. ce au caracter general sau specific şi care formează vocabularul de bază al statisticii2. • obiecte (tablourile unui muzeu de artă). NoŃiunile de bază ale statisticii sunt prezentate schematic în figura 1.2.ei de studiu (colectivitate statistică etc. statistica apelează atât la metodologia generală de cercetare. Bucureşti. Statistică.

MitruŃ. Voineagu. Bucureşti... Isaic-Maniu A... C. Statistică. NoŃiuni de bază ale statisticii Sursa: Biji E.. Lilea E. Vătui M...2.. Statistica.20 DATE STATISTICE INDICATORI STATISTICI După conŃinutul lor Variabile atributive (calitative) (cantitative) COLECTIVITATE (PopulaŃie) statistică UNITĂłI STATISTICE Figura 1. Bucureşti. Wagner P. . Editura Didactică şi Pedagogică. Petcu N. 2003. Editura Universitară. V. 1999.

) la un moment dat. iar caracterizarea lor presupune înregistrarea elementelor componente pe un interval de timp (EXEMPLU: căsătoriile înregistrate în luna octombrie 2003.Cercetarea statistică se poate face asupra întregii colectivităŃi. mostră). firma este formată din secŃii. • unităŃi dinamice – desemnează evenimente. care formează o colectivitate parŃială sau de selecŃie (eşantion. Dacă avem în vedere timpul la care se referă. existente într-un moment dat sau în decursul unui interval de timp. 21 . formând un stoc la un moment dat (EXEMPLU: câştigătorii la Loto-Prono la extragerea din data… etc. 2. denumită colectivitate totală. UnităŃile statistice reprezintă elementele componente ale colectivităŃii statistice.) şi arată modul de existenŃă al colectivităŃii. salariatul etc. • colectivităŃi dinamice.). ateliere etc. produse etc. grupa este alcătuită din studenŃi. extrase din colectivitatea totală cu un procedeu garantat cu o anumită probabilitate. sau numai asupra unei părŃi reprezentative a acesteia. • unităŃi complexe – formate din mai multe unităŃi simple de acelaşi tip şi depind de forma de organizare social-economică a societăŃii (EXEMPLU: familia este alcătuită din membrii ei. când exprimă un proces în devenire. colectivităŃile statistice pot fi: • colectivităŃi statice. 4 Ibidem. pot fi: • unităŃi statice – compun efectivul colectivităŃii respective (persoane.). asupra cărora se efectuează nemijlocit observarea4. în Bucureşti). unităŃile statistice pot fi: • unităŃi simple – formate dintr-un singur element (studentul. când exprimă o stare şi au o anumită întindere în spaŃiu. În funcŃie de componenŃa lor. procese sau fluxuri ce aparŃin aceleiaşi structuri organizatorice şi se produc într-un interval de timp. În funcŃie de colectivităŃile statistice pe care le compun. un flux. cât şi de gradul de complexitate.

Variabilele statistice corespunzătoarea unităŃilor statistice ale unei colectivităŃi obiective şi finite compun distribuŃii sau repartiŃii statistice. Nivelul unei variabile statistice poate fi diferit de la o unitate la alta a colectivităŃii. Formele concrete de manifestare a caracteristicilor statistice. ci şi o funcŃie care indică probabilitatea fiecărei valori posibile. • valori abstracte (teoretice) şi alcătuiesc distribuŃii teoretice sau distribuŃii probabilistice. datorită multitudinii de factori ce acŃionează cu intensităŃi şi sensuri diferite. 5 Ibidem. care primeşte accepŃiuni sau valori diferite de la o unitate la alta. Această funcŃie este denumită funcŃie de probabilitate şi reprezintă frecvenŃa relativă a valorilor variabilei aleatoare. atunci variabilele sunt denumite variabile de selecŃie şi alcătuiesc distribuŃii de selecŃie. variabila aleatoare comportă nu numai un ansamblu de valori posibile. religia. Valorile unei variabile aleatoare apar în situaŃii întâmplătoare. Variabila statistică este caracteristica statistică. conferind variabilelor statistice caracterul de variabilă aleatoare. naŃionalitatea. Caracteristica statistică este însuşirea sau trăsătura comună unităŃilor unei populaŃii statistice cercetate. 22 . se numesc valori sau variante. Astfel. Caracteristicile statistice se mai numesc variabile statistice sau variabile aleatoare (întâmplătoare). Dacă cercetarea statistică se face asupra unei colectivităŃi parŃiale (eşantion). la nivelul fiecărei unităŃi. sau de la un grup de unităŃi la altul. ocupaŃia etc. Numărul de apariŃii ale unei variante într-o colectivitate se numeşte pondere sau frecvenŃă. EXEMPLE: vârsta. cu probabilităŃi determinate. având proprietatea de a-şi modifica în timp şi în spaŃiu nivelul de dezvoltare.3. variabilele statistice pot avea5: • valori reale (empirice) şi alcătuiesc distribuŃii de frecvenŃă sau distribuŃii empirice. vechimea în muncă. În funcŃie de modul de provenienŃă a acestor tipuri.

• variabile cantitative (numerice) ale căror valori se stabilesc prin: – numărare. acestea pot fi: • variabilele de timp – arată apartenenŃa unităŃilor statistice la un moment sau interval de timp. – calcul. În funcŃie de precizia dorită de cercetător şi de metoda de măsurare utilizată (unitatea de măsură). EXEMPLU: numărul de copii ai unei familii. greutate. volum. dând valoarea 0 (zero) pentru răspunsurile cu NU şi valoarea 1 pentru cele cu DA.. salariul angajaŃilor etc. salariul în lei etc. b. sexul. Variabilele cantitative. • variabile de spaŃiu – arată apartenenŃa unităŃilor statistice la un anumit teritoriu. productivitatea muncii. • variabile cantitative discrete (variaŃie discontinuă) – variabile care pot lua numai anumite valori (numere întregi) ce pot fi numărabile. EXEMPLU: sexul poate fi feminin (F) sau masculin (M). După conŃinutul variabilelor. numărul de produse executate. costurile. numărul de globule roşii dintr-un cm3 de sânge etc. beneficiul unei firme.). pentru fiecare unitate statistică a colectivităŃii vom avea o valoare a variabilei numerice. EXEMPLU: vechimea se exprimă în ani. Aceste variabile se pot codifica. esenŃa unităŃilor statistice şi servesc pentru definirea fenomenelor studiate. c.Clasificarea variabilelor statistice: a. funcŃia. EXEMPLU: cifra de afaceri. După modul de manifestare (ca variante de răspuns înregistrate) există: • variabile alternative (caracteristici binare) – se prezintă sub forma a două valori individuale complementare. • variabile atributive – arată natura. în funcŃie de natura variaŃiei. – măsurare. şcoala absolvită etc. candidatul la un examen poate fi admis (A) sau respins (R). rata rentabilităŃii. vârsta. înălŃime. numărul de copii ai unei familii. 23 . pot fi: • variabile cantitative continue (cu variaŃie continuă) – variabile numerice măsurabile. După modul de exprimare există: • variabile calitative (atributive) – exprimate pentru fiecare unitate a colectivităŃii statistice sub formă de expresii lingvistice (EXEMPLU: profesia. ce pot lua valori într-un interval finit sau infinit. suprafaŃă.

mediana. – date derivate (prelucrate). 4. • variabile derivate – obŃinute în urma aplicării unui model de calcul statistic. • variabile neesenŃiale – variabile întâmplătoare. După gradul de esenŃialitate. Analiza unei repartiŃii statistice necesită şi utilizarea conceptului de parametru statistic. 24 • variabile .) aplicată unei repartiŃii statistice. Exemplu: salariile etc. în procesul de cercetare statistică se obŃin: – date primare (observate). • elemente de identificare (de timp. Data statistică conŃine următoarele elemente: • noŃiunea. • valoarea numerică. coeficientul lui Fischer etc. de spaŃiu etc. de unde poate fi consultată spre prelucrare sau se poate publica. parametrii statistici pot fi: – parametri de nivel: media.). pot fi: • variabile esenŃiale – diferite în funcŃie de scopul cercetării statistice. în forma sa generală. dar care pot ajuta procesul de cunoaştere. desemnează valoarea reprezentativă obŃinută dintr-o operaŃie numerică (calcul. După modul de obŃinere şi folosire a datelor: • variabile primare – datele obŃinute prin înregistrarea directă (observarea statistică la nivelul fiecărei unităŃi statistice). Astfel. e. – parametrii de asimetrie: coeficientul lui Pearson. reprezentând mărimile concrete numerice ale unităŃilor colectivităŃii. fiind prezente la toate unităŃile colectivităŃii. Parametrul statistic sau valoarea tipică a repartiŃiei. Datele statistice sunt obŃinute în statistică prin procesul de observare şi prelucrare. agregare etc. – parametri de variaŃie: dispersia. care precizează conŃinutul calitativ al fenomenului studiat. În funcŃie de conŃinut.nealternative – se prezintă ca variante distincte numerice sau calitative. valoarea modală. Aceasta este obŃinută continuu prin organul de statistică publică şi introdusă într-o bancă de date sub formă de date primare (stocată). d. Mesajul datelor îl reprezintă informaŃia statistică.

simboluri. organizatorice. o categorie economică. măsurare în forme comparabile şi înregistrare a elementelor unei colectivităŃi. după o caracteristică. ce devine posibilă prin cuantificare. atunci indicatorii statistici sunt particularizaŃi pe domenii. pentru a fi măsurate. de regulă. analizate. obŃinută într-o cercetare statistică efectuată în condiŃii specifice de timp. numit scală. Scala poate fi reprezentată printr-un şir de numere. Elaborarea indicatorilor statistici se realizează de către organul oficial de statistică din fiecare Ńară.4. Exprimarea numerică a unei categorii economice presupune folosirea unei sistem de indicatori. pot fi diferenŃiate cu ajutorul unui instrument de măsurare. necesită o exprimare numerică. simboluri). 1. care caracterizează un fenomen sau proces economic printr-o expresie numerică. Dacă datele statistice reprezintă o expresie generalizatoare. spaŃiu. pentru a arăta gradul în care un fenomen posedă o caracteristică sau proprietate. Cuantificarea este o operaŃie specifică statisticii şi presupune un set de reguli de atribuire a unei valori unităŃilor statistice ce aparŃin colectivităŃii studiate. se definesc ca indicatori statistici. Indicatori statistici Suportul datelor statistice îl reprezintă indicatorii statistici. 25 . Indicatorii statistici exprimă numeric. Valorile individuale. care se succed progresiv. Datele statistice. valori.5. înregistrate pe fiecare unitate a colectivităŃii statistice (cifre. OperaŃia de cuantificare este un proces complex de izolare. care. Tipuri de scale folosite în statistică Fenomenele social-economice există sub forma unor mulŃimi. înregistrate.

Tipuri de scale .3.26 Figura 1.

ce stabileşte o relaŃie de identificare sau de apartenenŃă la o clasă neordinală. Metodele de scalare pot fi grupate după nivelul de măsurare obŃinut de acea scală şi după proprietăŃile statistico-matematice ale acesteia. ordinale. codificate cu numerele 0 şi 1). Scala nominală este o scală elementară. Activitatea de formare a scalelor se numeşte scalare..3): – scale de măsură (nominale. 7 June 1946. 27 6 . altele pot avea mai multe stări (EXEMPLU: starea civilă poate fi necăsătorit(ă). Editura Expert. de preferinŃă. Ceea ce se măsoară este intensitatea reacŃiilor psihologice a unor persoane faŃă de produse. În funcŃie de volumul de informaŃii se poate trece succesiv de la utilizarea unui tip de scală la alt tip. de interval şi proporŃională. Fiecare scală are la bază anumite ipoteze referitoare la relaŃia dintre proprietăŃile fenomenului cercetat şi sistemul lor de măsurare.S. Bucureşti. Unele variabile au două stări posibile (EXEMPLU: sexul poate fi feminin şi masculin. în „Science”. scalarea răspunsurilor este un proces de măsurare a preferinŃelor. înălŃimii) sau o construcŃie prezentă în metoda de culegere a datelor de natură calitativă (când măsurăm. mărimi. de raport). Teorie şi practică în cercetarea de marketing.S. stiluri etc. On the Theory of Scales of Measurement. percepŃiilor. 2. S. atitudinilor consumatorului. de interval. preferinŃele.Scala6 poate fi un instrument fizic (EXEMPLU: pentru măsurarea greutăŃii. – scale de atitudine (de evaluare. îmbunătăŃindu-se sistemul de măsurare. ordinală. culori. codificate cu numerele 1. SCALE DE MĂSURĂ 1. Variantele nominale (sau codurile numerice asociate). vor fi codificate prin simboluri numerice. atitudinea consumatorilor). în patru tipuri: nominală. 1998. de intenŃie). de exemplu. Stevens7 propune cea mai cunoscută modalitate de clasificare a scalelor. 3).. exprimate prin cuvinte. 7 Stevens S. În marketing. Toate componentele unei clase de obiecte sau însuşiri. În practica statistică sunt folosite diferite scale (vezi figura 1. căsătorit(ă) văduv(ă). situate pe Jugănaru M.

iar unitatea de măsură este constantă. iar distanŃele dintre niveluri sunt cunoscute. Scala este împărŃită în intervale egale. Scala ordinală este o scală de clasament sau de repartizare. presupunând atribuire de valori numerice unităŃilor colectivităŃii în funcŃie de caracteristica observată. Această scală este 28 . Scala nominală poate folosi la stabilirea numărului unităŃilor ce conŃin aceeaşi variantă. nu au nicio proprietate cantitativă şi nu fac obiectul operaŃiilor matematice. în raport cu un criteriu predefinit. Exemplul tipic este acela al scalelor de temperatură după gradaŃiile unui termometru. În această scală. la unul de cameră. Elite. Variantele asociate acestui tip de scală pot fi supuse unor operaŃii matematice. fiecăruia îi corespunde un anumit număr. astfel că raportul dintre oricare două valori ale scalei este independent de unitatea de măsură folosită. 2. mai rapid decât etc. şi nu sunt supuse operaŃiilor matematice. raportul dintre două modificări de temperatură rămâne acelaşi. au semnificaŃie. Scala de rapoarte (proporŃională) permite reprezentarea numerelor cardinale. codul 2 – pentru marca cumpărată cel mai rar). Valorile de pe această scală indică doar poziŃia unităŃii. unităŃile de măsură sunt constante. ceea ce permite compararea diferenŃelor dintre 2 valori ale aceleiaşi variabile. într-un şir ordonat care există între două poziŃii succesive. 4. Valoarea zero pe această scală nu semnifică absenŃa completă a caracteristicii. al doilea etc. Scala de interval este utilizată în cazul variabilelor cantitative. 3. Originea scalei de interval este aleasă arbitrar. În aceste scale. Exemplu: ordonarea unui produs (cafea: Jacobs. ordinea de măsurare are un sens. folosindu-se valori ordinale: primul. ci o valoare ca oricare alta. EXEMPLU: temperatura pe cele 2 scări Celsius şi Farenheit. Variantele de pe o scală ordinală mai pot fi asociate unor expresii ca: mai bun decât. Originea scării va fi diferită de la un termometru medical. ordinea posedă un punct zero unic. Columbia) în funcŃie de preferinŃe (codul 1 – pentru marca cumpărată cel mai des. Dacă schimbăm originea şi valorile temperaturii. Exemplu: sexul – putem şti câte persoane sunt de sex feminin şi câte de sex masculin.această scală. ca şi de la scara Celsius la scara Farenheit. permiŃând ordonarea variantelor cercetate.

ce se vor prelucra statistic. intenŃia de cumpărare etc. – propoziŃiile ce exprimă gradul de acord/dezacord sau aprobare/dezaprobare se prezintă subiectului intervievat. Scala. Scala de atitudine este formată de numărul nivelurilor unei caracteristici calitative între care se pot face opŃiuni (minim 3.folosită pentru măsurarea valorilor celor mai multe variabile economice numerice: cantităŃile de producŃie. Valorile relative se obŃin prin împărŃirea scorului la numărul de subiecŃi (metoda aritmetică) – estimând astfel intensitatea acordului sau dezacordului. conceptul de produs. Compararea rapoartelor de pe această scală au sens şi este semnificativă. de regulă. Dintre aceste tipuri de scale alegem doar o scală de evaluare – Scala lui Likert. ale cărei opinii urmează să fie scalate. raportul E/C = 2 se va păstra pe oricare altă scară valorică. SCALE DE ATITUDINE Aceste scale transformă informaŃiile calitative în date cantitative. SCALA LUI LIKERT Este o scală de tip ordinal. Pentru acest tip de scale se folosesc caracteristici ca: marca. Exemplu: dacă cafeaua Elite (E) este de două ori mai căutată decât cafeaua Columbia (C). Cele mai folosite scale sunt cele cu 5 sau 7 poziŃii. Scorul realizat de un subiect este egal cu suma algebrică a valorilor relative. Etapele acestei metode sunt următoarele: – se alcătuieşte un set de propoziŃii pozitive sau negative care evaluează un obiect. maxim 100). 29 . preŃuri etc. indicate de fiecare subiect. cu care se obŃin informaŃii de natură neparametrică. conŃine 5 niveluri cărora li se atribuie 5 valori numerice de genul următor: Acord total Scor Valoare numerică 5 +2 Acord 4 +1 Indiferent 3 0 Dezacord 2 -1 Dezacord total 1 -2 Subiectul marchează una din poziŃii.

care.S. depind de informaŃiile de care dispunem. − verificarea ipotezelor.-ului o formează ansamblul datelor statistice obŃinute din surse ca: – subsistemul rapoartelor statistice (dări de seamă). − calculul indicatorilor statistici.S. Cercetarea statistică.1.-ul este organizat în cadrul Institutului NaŃional de Statistică (I. de modul de funcŃionare a S.). ce se realizează în cadrul cercetării statistice.. • Prelucrarea statistică: − sistematizarea datelor. sistematizare.I. a informaŃiilor. parte a S.I. În cadrul S. care se ocupă de perfecŃionarea acestuia. poate furniza datele necesare oricărui studiu statistic. prin gruparea statistică.I. Observarea statistică Cunoaşterea realităŃii şi stăpânirea fenomenelor social-economice de masă.S.I. cu ajutorul unui sistem de gestiune al bazei de date. În Ńara noastră. studiate de statistică. analiză şi interpretare a informaŃiilor şi se realizează în trei etape distincte. − prezentarea datelor: tabele statistice. stocare. ca orice cercetare ştiinŃifică. – subsistemul cercetărilor statistice special organizate. S.S.S.). un rol important îl joacă băncile de date. − fundamentarea calculelor de prognoză. – publicaŃii statistice.I. presupune parcurgerea unor etape: • Observarea statistică. La scară naŃională. compararea datelor. după o metodologie unitară.5.N.. − formularea concluziilor asupra cercetărilor. serii statistice.I. pentru toate unităŃile colectivităŃii. prelucrare. reprezentând culegerea datelor primare. Cercetarea statistică. depinde cunoaşterea fenomenelor social-economice. • Analiza şi interpretarea statistică: − confruntarea. Datele şi informaŃiile statistice se realizează în cadrul Sistemului InformaŃional Statistic (S.S. – bănci de date statistice etc. cuprinde totalitatea operaŃiilor de culegere. 30 . InformaŃia corespunzătoare ajută la fundamentarea deciziilor managerilor în orice domeniu de activitate.S. grafice statistice. Partea principală a S.

– timpul în care se face culegerea datelor. ca primă etapă a demersului statistic.2. în spaŃiu. care vor fi cuprinse în cercetare conform scopului urmărit.5. Scopul observării este subordonat scopului general al cercetării. iar stabilirea lui corectă este importantă pentru delimitarea colectivităŃii cercetate. a unităŃilor de observaŃie etc. • Scopul observării. Planul unei observări statistice Planul de observare trebuie să cuprindă toate problemele ridicate de o cercetare statistică. InformaŃiile înregistrate trebuie să respecte două condiŃii: 31 . Metode de culegere a datelor prin observarea statistică Observarea statistică. • Timpul observării vizează două probleme esenŃiale: – timpul la care se referă datele. informaŃiilor. ca să permită înŃelegerea unitară a noŃiunii respective. 1. în funcŃie de scopul cercetării statistice. • Caracteristicile statistice exprimă trăsăturile. Obiectivele stabilite prin cercetarea statistică.1. • Măsuri organizatorice sunt necesare pentru organizarea observării statistice şi vizează următoarele aspecte: recrutarea şi pregătirea personalului pentru efectuarea înregistrărilor. după o metodologie unitară.5.1. UnităŃile pot fi simple sau complexe în funcŃie de colectivităŃile statistice investigate. • UnităŃile de observare trebuie să fie definite clar. pentru toate unităŃile statistice şi caracteristicile lor. aspectele unităŃilor colectivităŃii. fixează scopul. elaborarea hărŃilor localităŃilor. concretizate în obŃinerea de noi informaŃii. Timpul la care se referă datele se numeşte moment critic şi diferă de intervalul de timp (perioada) de culegere a datelor. constă în operaŃia de culegere a datelor. tipărirea şi transmiterea formularelor. în timp. • Locul observării se precizează prin program şi de obicei este acela în care evoluează fenomenul cercetat. realizarea publicităŃii. • Colectivitatea statistică trebuie delimitată ca volum.

– să fie în volum complet, ceea ce permite manifestarea legii numerelor mari şi descoperirea legităŃilor obiective; – să aibă calitatea corespunzătoare, adică să reflecte realitatea, pentru că în caz contrar duce la erori de observare. Observarea statistică se poate realiza, în practică, prin metode diferite în funcŃie de natura fenomenelor observate, de posibilităŃile tehnice de prelucrare de care se dispune, de modul de organizare al activităŃii agenŃilor economici etc. În funcŃie de metodele de culegere folosite, putem avea: • Observarea directă se face prin contactul direct cu unităŃile de observat. • Observarea indirectă se face pe baza prelucrării datelor obŃinute din diverse documente de evidenŃă contabilă, statistică etc. • Observări totale, prin care se culeg date de la toate unităŃile care compun colectivitatea finită, supusă cercetării (recensământ, rapoarte statistice). • Observări parŃiale, prin care se înregistrează numai o parte a unităŃilor din colectivitatea generală, după anumite criterii (sondajul, ancheta). • Observarea curentă se face pe măsura producerii evenimentului respectiv prin înregistrarea permanentă a unităŃilor colectivităŃii şi a caracteristicilor lor (fapte demografice, decese, naşteri). • Observarea periodică este o înregistrare a unităŃilor colectivităŃii cercetate la intervale (momente) de timp precis stabilite (recensământul populaŃiei, animalelor). • Observări unice sunt efectuate ocazional pentru evenimente nerepetabile. În continuare, vom prezenta principalele metode de culegere a datelor: Recensământul este cea mai veche metodă de observare statistică, fiind o observare totală prin care se înregistrează toate unităŃile colectivităŃii, cu caracter periodic, de obicei la nivel naŃional. Efectuarea unui recensământ, necesită mari cheltuieli materiale şi de timp, de aceea el are un caracter periodic (EXEMPLU: la 10 ani pentru populaŃie, anual doar pentru populaŃia şcolară etc.). Fiind una din cele mai ample observări statistice, trebuie pregătit minuŃios pentru ca să rezolve probleme ca: sectorizarea teritoriului, popularizarea evenimentului, instruirea personalului, timpul la care se
32

referă datele, sfera de cuprindere, elaborarea şi tipărirea documentelor de înregistrare etc. Sondaje statistice. Sunt observări parŃiale ale unităŃilor colectivităŃii generale (eşantioane), obŃinute cu economie de timp şi de bani. Acestea presupun reprezentativitatea eşantionului utilizat. Ancheta statistică este o observare statistică parŃială, care întâmplător respectă condiŃia de reprezentativitate ce se realizează pe baza chestionarului completat direct sau prin poştă (EXEMPLU: târguri, expoziŃii). Rezultatele obŃinute prin anchetă sunt doar orientative (se foloseşte în sondajele de opinie publică), unde opinia, atitudinea sunt elemente concrete ale existenŃei sociale. Observarea părŃii principiale este o metodă de observare parŃială, special organizată, pentru obŃinerea operativă a informaŃiilor despre o colectivitate, împărŃită pe grupe calitative diferite. Se scot date pentru grupele cele mai semnificative, neglijând pe cele cu importanŃă redusă şi se pot estima destul de corect indicatorii necesari caracterizării întregii colectivităŃi analizate. Monografia este o metodă statistică ce studiază în mod aprofundat elementele noi ce au apărut în activitatea societăŃilor economice analizate. 1.5.3. Erorile observării statistice ConcordanŃa dintre fenomenul real înregistrat şi datele obŃinute prin observarea statistică este necesară în vederea realizării unui studiu statistic valoros. Practica însă a arătat că datele obŃinute prin observare nu pot fi considerate exacte în sens absolut, ceea ce determină apariŃia erorilor de observare. Erorile de observare pot fi: – erori de înregistrare; – erori de reprezentativitate – ce sunt specifice sondajului statistic. Erorile de înregistrare sunt erori ce se produc în toate formele de înregistrare statistică şi arată diferenŃa dintre mărimea reală, concretă şi nivelul înregistrat al aceleiaşi caracteristici. Mărimea erorilor este direct proporŃională cu volumul înregistrărilor şi precizia mijloacelor de înregistrare, cât şi cu alte surse.
33

Alte surse de erori pot fi: • variaŃia în timp a unităŃii de observare (EXEMPLU: chestionarul, care, datorită înŃelegerii greşite a întrebării, memoriei chestionaŃilor etc., poate duce la răspunsuri inexacte); • anchetatorul, datorită: – imperfecŃiunii organelor de simŃ (auz, văz); – interpretare greşită sau necunoaşterea instrucŃiunilor de înregistrare; – clasificarea greşită a datele preluate sau transcrierea lor greşită. • definirea unităŃilor de observat şi a variabilelor de înregistrat se face neclar, în limite elastice în timp, astfel că delimitarea lor unitară devine dificilă; • factori subiectivi etc. Tipuri de erori de înregistrare Erorile de înregistrare, în funcŃie de sursa şi modul lor de producere, pot fi: erori întâmplătoare şi sistematice. Erorile sunt prezentate schematic în figura 1.4:
ERORI DE ÎNREGISTRARE

După modul de producere

Erori întâmplătoare

Erori sistematice

După sursa de eroare

Erori ale unităŃii observate

Erori ale anchetatorului

Erori de metodă

Erori datorate factorilor subiectivi

Figura 1.4. Tipuri de erori de înregistrare Sursa: Jaba E., Statistică, Editura Economică, Bucureşti, 2000

34

Erorile întâmplătoare ce se produc în demersul statistic al observării au un caracter nepremeditat şi sunt produse de cele mai multe ori din neatenŃie. Aceste erori produc abateri, în sensul măririi sau micşorării nivelului real al fenomenului, dar pentru că se produc în ambele sensuri, există posibilitatea de-a se compensa reciproc şi deci vor influenŃa în mică măsură rezultatele cercetării. Cu cât înregistrarea are un număr mai mare de unităŃi, cu atât posibilităŃile de compensare cresc, pentru că distribuŃiile lor se realizează după legea normală de probabilitate a lui Gauss-Laplace. Erorile sistematice produc abateri semnificative, pentru că, de regulă, se produc într-un singur sens, astfel că efectul lor se cumulează şi influenŃează rezultatele cercetării statistice. Producerea acestor erori se datorează nerespectării sau neînŃelegerii instrucŃiunilor de culegere a datelor. Pentru evitarea şi minimalizarea lor trebuie să se efectueze observări de probă, să se stabilească chei de control, instrucŃiuni clare etc. Erorile de reprezentativitate se întâlnesc în cercetarea selectivă (capitolul 4 – Sondajul statistic) şi sunt datorate metodei de formare a eşantionului, ce nu poate reproduce strict structura calitativă a colectivităŃii totale. Controlul statistic al erorilor de înregistrare Pentru asigurarea unor date de calitate, corespunzătoare cercetării statistice, este necesară depistarea şi corectarea erorilor de înregistrare printr-un control riguros. Controlul datelor se poate face în două direcŃii: 1) control cantitativ (de volum), în care se verifică dacă s-au strâns toate formularele de la toate unităŃile observate, dacă sau completat toate rubricile formularului; 2) control calitativ, în care se verifică calitatea datelor, logic şi aritmetic: – controlul logic presupune, ca pe baza experienŃei şi cunoştinŃelor din domeniul respectiv, să depistăm erorile printr-o comparaŃie vizuală, sau prin concordanŃe logice între valorile diferitelor caracteristici la aceeaşi unitate de observare (EXEMPLU: vârsta, profesia, starea civilă etc.); – controlul aritmetic presupune efectuarea unor operaŃii simple de calcul pentru verificarea calculelor efectuate de anchetatori, aplicarea unor chei de control.
35

Pentru asigurarea unor date de calitate corespunzătoare, putem preveni aceste erori prin acŃiuni suplimentare, cum ar fi: – testarea tehnicilor şi formularelor de înregistrare; – selectarea optimă şi pregătirea profesională a persoanelor ce fac înregistrarea; – inspectarea, pe teren, a înregistrării datelor; – pregătirea psihologică a personalului (mai ales pentru anchetele de sondaj); – popularizarea scopului înregistrării. CONCEPTE-CHEIE: metodă statistică; informaŃie statistică; sistem informaŃional statistic (S.I.S.); bănci de date; baze de date; raŃionament statistic; fenomene de masă; legea statistică; colectivitate sau populaŃie statistică; unitate statistică; caracteristică statistică; dată statistică; indicator statistic; scală (nominală, ordinale, de interval, de raport); cercetare statistică; observare statistică; eroare statistică. ÎNTREBĂRI DE AUTOEVALUARE 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. Care sunt principalele sensuri ale termenului de statistică? Ce este un fenomen de masă şi care sunt particularităŃile sale? Cum poate fi cunoscută o lege statistică? Care sunt etapele unui raŃionament statistic? Care sunt noŃiunile fundamentale ale statisticii? Ce este o colectivitate statistică? Tipuri de colectivităŃi. Exemple. Ce înŃelegeŃi prin unitate statistică? Tipuri de unităŃi statistice. Exemple. Cum definiŃi caracteristica (variabila) statistică? De câte feluri este o variabilă statistică? Ce înŃelegeŃi prin variantă? Prin ce se deosebeşte varianta de variabila statistică? Care sunt etapele cercetării statistice? Ce trebuie să cuprindă programul unei observări statistice? PrecizaŃi metodele de culegere a datelor prin observarea statistică. Care sunt principalele metode de observare special organizate? Stabilirea scopului unei observări statistice, totală sau parŃială, nu prezintă importanŃă pentru: a) delimitarea obiectului de observare; b) definirea unităŃilor de observare; c) stabilirea scopului cercetării statistice; d) stabilirea programului propriu-zis al observării;

36

16. 17.

18.

19. 20.

21. 22. 23. 24.

25.

e) delimitarea obiectivelor parŃiale ale cercetării (se referă concret la volumul şi calitatea datelor necesare). Care este deosebirea de fond între ancheta statistică şi sondajul statistic? Ancheta statistică: a) este o metodă de observare totală; b) este o metodă de observare parŃială, care întâmplător îndeplineşte condiŃia de reprezentativitate; c) este o metodă de observare parŃială, care obligatoriu trebuie să îndeplinească condiŃia de reprezentativitate; d) este o metodă de observare parŃială, care se bazează pe obligativitatea completării chestionarului; e) mai este denumită şi sondaj statistic. Recensământul, ca metodă de observare statistică: a) are exclusiv un caracter demografic; b) se încadrează în sfera observaŃiilor cu caracter permanent; c) se organizează cu o anumită periodicitate; d) presupune culegerea selectivă a datelor unei colectivităŃi statistice. PrecizaŃi tipurile de scale de măsurare folosite în statistică. Scala de interval: a) are toate caracteristicile scalelor ordinale şi de raport; b) este o scală numerică şi, în plus, raportul dintre două puncte ale scalei este independent de unitatea de măsură; c) prezintă multe dintre caracteristicile scalei ordinale; d) mai este numită şi scală de raport sau scală discretă. Care sunt erorile de observare şi de câte feluri sunt? Care este deosebirea de fond dintre erorile de observare întâmplătoare şi cele sistematice? Cum pot fi înlăturate erorile de observare? Erorile de reprezentativitate sunt specifice: a) rapoartelor statistice; b) sondajului; c) recensământului; d) observării părŃii principale; e) monografiilor. Pentru identificarea şi diminuarea erorilor de observare este necesar controlul datelor culese. Acest control presupune: a) ca prin sondaj să se refacă calculele de obŃinere a valorilor unor indicatori înscrişi în formulare; b) ca la centrele de prelucrare să se verifice dacă au sosit toate formularele, cu toate rubricile completate; c) efectuarea de comparări.
37

2. PRELUCRAREA STATISTICĂ PRIMARĂ
,,Dacă un lucru există, existenŃa sa are o anumită măsură cantitativă.” E.L. Thorndike

2.1. Metode primare de sistematizare a datelor statistice Datele statistice, obŃinute printr-o modalitate totală sau parŃială, sunt utile în procesul de cunoaştere şi pregătire a deciziilor numai dacă sunt supuse unor operaŃii de prelucrare. OperaŃia de prelucrare are rolul de a ilustra relaŃiile de interdependenŃă a fenomenelor studiate cu factorii care influenŃează evoluŃia lor, de a desprinde parametrii care dimensionează fiecare etapă, cât şi tendinŃa de manifestare a fenomenelor de acelaşi tip. Prelucrarea, ca etapă a cercetării, este un proces complex cu care se realizează trecerea de la date individuale la indicatori derivaŃi, sintetici, care reflectă esenŃa din manifestarea fenomenelor. Prelucrarea primară presupune un ansamblu de operaŃii: – centralizarea datelor statistice; – gruparea sau clasificarea statistică; – prezentarea datelor statistice: serii statistice, tabele, grafice; – indicatori statistici. Sintetizarea datelor individuale, la nivelul grupelor şi apoi la nivelul colectivităŃii, este însoŃită de o pierdere inevitabilă de informaŃii, deoarece se elimină ceea ce este neesenŃial şi întâmplător. În acelaşi timp se câştigă sub aspectul obŃinerii unei noi informaŃii, sintetice, care nu poate fi obŃinută direct din datele primare. Rezultatele operaŃiilor de prelucrare primară constituie elementele de intrare pentru prelucrarea secundară, în urma căreia se estimează valori tipice, omogenitatea şi asimetria distribuŃiilor, intensitatea legăturilor dintre fenomenul analizat şi factorii săi de influenŃă etc.
38

mecanic sau automat. Totalizarea valorilor unei caracteristici se face prin însumarea directă sau prin mijlocirea unor coeficienŃi de echivalenŃă (preŃuri. de natura specifică a fenomenelor şi a informaŃiei existente. timp de muncă etc. • metodele şi procedeele de calcul statistic. • dacă se face pentru o informaŃie deja existentă în sistemul informaŃional economic. programul prelucrării se face înainte de începerea cercetării. Programul prelucrării constă în enumerarea caracteristicilor primare şi derivate. A. Problemele organizatorice se referă la locul şi timpul când are loc prelucrarea şi transmiterea rezultatelor prelucrării. cât şi organizatorice. cele ce se culeg în mod curent).2. • aspectele organizatorice ale prelucrării. • suplimentarea de informaŃii se face cu metoda sondajului. 39 . În urma centralizării se obŃin indicatori statistici de nivel (exemplu: producŃia de antibiotice într-un interval dat). • tabele statistice. la nivelul grupelor tipice sau a colectivităŃilor observate. de scopul cercetării. pentru a putea totaliza unităŃile statistice sau valorile unei caracteristici.). Centralizarea datelor statistice presupune ca datele utilizate să fie comparabile şi aditive. Formele de prezentare ale rezultatului prelucrării statistice sunt: • seriile statistice. Această operaŃie poate fi efectuată manual. Metodele şi procedeele de calcul statistic se stabilesc în funcŃie de fiecare prelucrare. care se folosesc pentru calculul indicatorilor primari şi derivaŃi: • dacă este o cercetare special organizată. • graficele. Tehnici de prelucrare Complexitatea problemelor impune stabilirea unui plan de prelucrări statistice.2. în funcŃie de mărimea colectivităŃii. atunci se stabileşte ce caracteristici se culeg (de obicei. în care sunt precizate aspectele metodologice. Planul prelucrării statistice cuprinde: • programul prelucrării. • formele de prezentare ale rezultatului prelucrării.

Apoi. fiecare subgrupă se separă după variaŃia celei de-a treia caracteristici de grupare. numită caracteristică secundară de grupare. fiecare grupă se separă în subgrupe după variaŃia celei de-a doua caracteristici de grupare. creşte şi gradul de omogenitate al unităŃilor cuprinse în grupe. cu toate că. De exemplu.Centralizarea pe subcolectivităŃi omogene are ca scop o cunoaştere mai detaliată a fenomenului şi permite analiza fenomenelor pe elemente structurale. Gruparea statistică este o centralizare pe grupe a unităŃilor colectivităŃii. Se recomandă a nu se folosi mai mult de 3-4 caracteristici de grupare. Dintre caracteristicile de grupare se alege o caracteristică primară. Ordinea de grupare este dată de interdependenŃa dintre factori. printre care: capitalul fix investit. cele ce separă unităŃile unei colectivităŃi în grupe omogene după variaŃia unei singure caracteristici. 40 . Prin grupă sau clasă omogenă înŃelegem acea grupă sau clasă în care sunt incluse acele unităŃi din colectivitate. pentru a nu fărâmiŃa colectivitatea. mărind numărul caracteristicilor de grupare. după una sau mai multe caracteristici de grupare. Apoi. mijloacele fixe etc. explicate prin influenŃa factorilor întâmplători. după variaŃia căreia se distribuie pe grupe unităŃile colectivităŃii. folosim şi alte caracteristici. cifra de afaceri. Rezultatul acestor grupări îl reprezintă distribuŃiile unidimensionale. După numărul caracteristicilor de grupare deosebim: • Grupări simple. Tipuri de grupări statistice Grupările statistice se pot efectua în funcŃie de numărul variabilelor de grupare şi de natura lor: 1. B. • Gruparea combinată presupune separarea unităŃilor unei colectivităŃi după variaŃia simultană a două sau mai multor caracteristici de grupare. la care valorile individuale ale caracteristicii urmărite prezintă variaŃii minime. Obiectivul principal al metodelor de clasificare şi/sau grupare îl reprezintă formarea de clase sau grupe omogene din colectivitatea investigată. Gruparea datelor statistice. grupăm întreprinderile după numărul muncitorilor. Dar. pentru a le structura după mărime. prin metoda grupărilor statistice şi presupune separarea unităŃilor unei colectivităŃi pe grupe omogene.

Clasificarea este o operaŃie de tip conceptual. Ele pot fi caracteristici cantitative (numerice) sau calitative (nenumerice): Grupările după o caracteristică calitativă sunt cunoscute sub forma clasificărilor. timpul trebuie să determine o structurare calitativă a colectivităŃii. ci şi pentru cele calitative. gruparea firmelor din Bucureşti după anul înfiinŃării). de exemplu. Cele două clase complementare pot 41 . 2. Pentru caracteristicile calitative. devenite mai cuprinzătoare. clasificările se folosesc de obicei sub formă de grupări combinate. pentru ele fiind nevoie de un nomenclator. care se folosesc pentru toate caracteristicile ce au constituit programul observării (în afară de cele de timp şi de spaŃiu). După conŃinutul caracteristicilor de grupare deosebim: • Grupări cronologice. Pentru o astfel de grupare. Nomenclatoarele se revizuiesc periodic. Omogenitate în clase a unităŃilor. Astfel. O astfel de grupare trebuie să se refere la toate unităŃile şi să fie asigurată omogenitatea datelor (de exemplu. ele incluzând pe lângă o variabilă calitativă şi o variabilă numerică independentă (de exemplu. eliminând grupele ce-şi pierd din importanŃă şi despărŃind alte grupe. pentru a răspunde principiilor grupării statistice (de exemplu. gruparea firmelor pe ramuri de activitate. ansamblul unităŃilor observate se divide prin dihotomie în clasa unităŃilor care posedă caracteristica şi clasa unităŃilor care nu posedă caracteristica. în raport cu variaŃia caracteristicii.). se realizează astfel: – se identifică variantele sub care se manifestă caracteristica urmărită. obŃinute prin folosirea unei variabile de timp drept caracteristică de grupare. se elaborează pe baza unor nomenclatoare specifice statisticilor naŃionale şi internaŃionale.Grupările combinate se pot realiza nu numai pentru variabilele numerice. în mai multe grupe. Clasificările statistice. clasificarea după ramurile de activitate. reprezentând o anumită modalitate de a distinge unităŃile populaŃiei statistice. • Grupări teritoriale separă unităŃile colectivităŃii după o variabilă de spaŃiu. grupări pe zone geografice etc. • Grupări atributive. – apoi se centralizează datele pe aceste forme. grupări teritorial-administrative. iar în cadrul acestora pe forme de proprietate şi după valoarea mijloacelor fixe). prin divizarea lor după caracteristici comune în clase sau grupe relativ omogene.

Apoi se trece la restrângerea grupelor. Xmax = valoarea variabilei maxime din interval. cu atât este mai uşor de asigurat omogenitatea.a. Putem întâlni trei situaŃii: a) dacă amplitudinea variaŃiei este foarte mică şi s-a înregistrat un număr mic de valori. Acest tip de grupare urmăreşte structurarea colectivităŃii pe tipuri calitative. o clasificare ierarhică cu un anumit număr de niveluri. în final. Amplitudinea variaŃiei se calculează: A = Xmax – Xmin. b) dacă amplitudinea variaŃiei este moderată. gruparea firmelor după cifra de afaceri dă posibilitatea structurării colectivităŃii pe firme mici şi mijlocii şi firme mari. prin alegerea unui interval de bază căruia i se aplică multiplicatori din ce în ce mai mari. Grupările după o variabilă numerică pot fi grupări după o variabilă discretă şi grupări după o variabilă continuă. trebuie să îndeplinească mai multe condiŃii: 42 .. Grupările pe intervale neegale se mai numesc şi grupări tipologice. în prealabil. c) dacă amplitudinea variaŃiei este mare. încercând să imprimăm un mod de variaŃie sistematic. Xmin = valoarea variabilei minime din interval. gruparea se face direct pe variante (de exemplu.d. folosind un număr mai mare de grupe. se face. obŃinându-se.m. o grupare pe intervale egale de variaŃie. De regulă. se recomandă gruparea pe intervale de variaŃie inegale. ca în exemplul următor: 0 1 2 3 10 10 11 20 21 22 30 31 22 Grupările după o caracteristică numerică sunt cele mai folosite în statistică pentru noŃiunea de grupare. De exemplu. unde: A = amplitudinea. Grupările. se foloseşte o grupare pe intervale egale.fi descompuse în clase omogene după o caracteristică numerică ş. Cu cât valoarea caracteristicii creşte. gruparea studenŃilor după nota la examen). indiferent de scopul şi obiectul lor.

Pentru a evita înregistrările repetate. se aleg variabile esenŃiale de grupare. fie pentru analiza directă în cadrul grupelor tipice bine definite. pentru ca o unitate să nu fie reprezentată simultan în mai multe clase. • Omogenitatea: unităŃile ce aparŃin aceleiaşi clase trebuie să fie asemănătoare. 2) alegerea variabilei de grupare. ceea ce înseamnă că nu există grupe cu frecvenŃe nule.• Completitudine: la grupare se folosesc toate unităŃile observate sau un număr suficient de mare. care ar duce la întreruperea grupării. 1. Această condiŃie trebuie respectată pentru grupările cu variaŃie continuă. care să asigure o variaŃie minimă între valorile caracteristicilor numerice din aceeaşi grupă. Drept caracteristică de grupare se alege o caracteristică esenŃială. Tehnica grupării statistice necesită parcurgerea următoarelor etape: 1) precizarea scopului pentru care se face gruparea. 2. 3) stabilirea numărului de grupe (r). Astfel. Alegerea variabilelor de grupare Caracteristica (variabila) de grupare este acea însuşire care stă la baza împărŃirii colectivităŃii în grupe omogene. care exprimă natura fenomenului cercetat şi corespunde scopului urmărit. gruparea poate fi folosită fie pentru sistematizarea materialului faptic în vederea prelucrării. Scopul grupării statistice se stabileşte în concordanŃă cu obiectul cercetării. 5) delimitarea grupelor de variaŃie şi separarea unităŃilor pe intervale de variaŃie. cu un caracter stabil pentru unităŃile colectivităŃii. EXEMPLU: într-o grupare statistică s-au observat mai multe caracteristici: numărul 43 . • Continuitatea variaŃiei grupelor în cazul variabilelor numerice. 4) determinarea mărimii intervalului de grupare (h) pentru variabilele numerice. În acest sens. • Unicitatea: fiecare unitate aparŃine unei clase şi numai una. în special pentru unităŃile complexe. trebuie să se stabilească anumite convenŃii cu care să se trateze în mod unitar repartizarea unităŃilor în grupe ale colectivităŃii. care să asigure reprezentativitatea colectivităŃii studiate.

nu se folosesc mai puŃin de 5 grupe. dar. mărimea intervalului de grupare se determină cu formula lui H. Când gruparea se foloseşte ca mijloc de analiză în vederea stabilirii structurii pe tipuri calitative şi a mutaŃiilor intervenite în structura colectivităŃilor comparate. Astfel. pentru o variabilă cu tendinŃă de variaŃie sistematică. cu o amplitudine de variaŃie mare. pentru o analiză. h = A = max r r unde: A = amplitudinea. datorită fărâmiŃării excesive a colectivităŃii respective. 4. mărimea mijloacelor fixe. se ia un număr mai mic de grupe şi intervale de variaŃie neegale.322 log n 44 . Xmin. se va folosi drept caracteristică esenŃială: numărul angajaŃilor. costurile de producŃie. costurile de producŃie. maximă a caracteristicii de grupare. dacă gruparea este folosită pentru sistematizarea datelor în vederea prelucrării. max = valoarea minimă. Sturges: A . Nu este recomandată folosirea unui număr mai mare de grupe. obŃinerii de indicatori derivaŃi. Stabilirea numărului de grupe (r) se face Ńinând seama de scopul cercetării. Pentru colectivităŃile de volum mare.X min . 3. mărimea mijloacelor fixe. Se află în funcŃie de amplitudinea de variaŃie a caracteristicii (A) şi de numărul de colectivităŃi studiate: X . în funcŃie de amplitudinea variaŃiei şi numărul unităŃilor observate. Numărul de grupe poate ajunge până la 15-20. cu intervale egale de variaŃie de la o grupă la alta. astfel: dacă se studiază mărimea firmelor cuprinse în analiză. A = Xmax . despărŃit de restul colectivităŃii prin cele două limite (inferioară şi superioară) ale intervalului de grupare. h = mărimea intervalului. Gradul de esenŃialitate al caracteristicilor se poate schimba în funcŃie de scopul cercetării. dacă se studiază eficienŃa economică a firmelor se vor folosi caracteristicile: productivitatea muncii.Xmin .angajaŃilor. în funcŃie de dimensiunea grupelor conturate natural.D. r = numărul de grupe. unde n = numărul unităŃilor colectivităŃii h= 1 + 3. Alegerea intervalului de grupare (h) Intervalul de grupare este un grup omogen de variante. productivitatea muncii. se ia un număr mai mare de grupe.

Mărimea intervalului alăturat se află făcând diferenŃa dintre două limite de acelaşi fel (inferioare sau superioare) alăturate. Ńinând seama de tipul grupării (cu intervale egale sau neegale). grafice. Aceste metode sunt folosite ca mijloace auxiliare. prin care se precizează limita inclusă în interval. Această prezentare a informaŃiilor face posibilă interpretarea statistică a formelor de manifestare a fenomenelor şi permite alegerea corectă a metodologiei de calcul a indicatorilor statistici. Intervalele de grupare pot fi: – egale şi neegale.3. limita inferioară a intervalului următor este deplasată cu o unitate de măsură. Intervalele pot fi închise. 45 . cât şi pentru a lua decizii de prelucrare ulterioară a fenomenului respectiv. – cu variaŃie continuă şi cu variaŃie discretă. Metode de prezentare a datelor statistice Datele statistice. limitele intervalelor trebuie închise. se prezintă în forme specifice: tabele. atunci limita superioară a fiecărui interval se repetă ca limită inferioară a intervalului următor. 2. Materialul sistematizat se înscrie într-un tabel statistic (vezi exemplele următoare). în care relaŃiile dintre fenomenele studiate apar într-o succesiune logică. Pentru a evita includerea simultană a unor unităŃi în două grupe alăturate. Delimitarea grupelor de variaŃie şi separarea unităŃilor pe intervale de variaŃie. serii. dar eficiente. ca şi pentru popularizarea datelor. Pentru a le folosi în prelucrare. corespunzătoare relaŃiilor obiective existente. unităŃile se separă pe intervale de variaŃie şi se află frecvenŃa de distribuŃie. După delimitarea grupelor de variaŃie. se stabileşte o convenŃie (de exemplu. limita superioară inclusă în interval sau limita inferioară inclusă în interval). de investigare a fenomenelor studiate. faŃă de limită superioară a intervalului precedent. Închiderea intervalelor se face în funcŃie de mărimea intervalului de grupare alăturat. fie cea inferioară. Dacă variabila este continuă. cu ambele limite precizate.5. Pentru intervalele cu variaŃie discretă. – închise şi deschise. sau deschise. fie cea superioară. când este dată numai o limită. obŃinute prin observarea statistică.

2. • predicatul tabelului se referă la sistemul de caracteristici primare sau derivate. folosind o reŃea de linii paralele.1. Tabelul statistic reprezintă o formă de sistematizare a unui ansamblu de relaŃii cantitative despre fenomenul studiat.. Numărul unităŃilor yi y1 y2 .. Tabele statistice Tabelul statistic este una dintre cele mai adecvate modalităŃi de prezentare a datelor statistice într-o formă tabelară şi utilizată în toate etapele cercetării.3. • macheta tabelului este formată din reŃeaua de rânduri şi coloane în care se înscriu. tn Total yn Σ yn yT Σ yT 46 . Tabelul 2. titlurile interioare (în capetele rândurilor). ordonate. orizontale şi verticale. în care se înscriu indicatorii obŃinuŃi prin prelucrare. teritorial etc. în mod ordonat datele. Tabelul statistic se elaborează după anumite reguli de conŃinut şi de formă şi trebuie să conŃină anumite elemente obligatorii: • subiectul tabelului este reprezentat de colectivitatea sau eşantionul la care se referă datele.. note explicative şi sursa. Macheta tabelului teritorial UnităŃi teritoriale A B … T Total Valoarea caracteristicii y YA YB . din punct de vedere cronologic. titlul general. pentru prezentarea rezultatelor prelucrării primare şi secundare. Macheta tabelului cronologic Variabila timp ti t1 t2 … Tabelul 2.. În funcŃie de scopul analizei şi prelucrării putem menŃiona: • tabele simple. Tabelul statistic este elaborat cu dublu scop: pentru sistematizarea datelor în vederea prelucrării şi obŃinerii indicatorilor statistici..2. ale căror valori individuale sunt sistematizate.1. descriptive sunt elaborate pentru prezentarea indicatorilor statistici ai unităŃilor complexe investigate.

Pearson pentru analiza interdependenŃelor.3.j … n11 … … … ni1 … … … nr1 … n. = Σ ni = Σ nj = ΣΣ nij=N Din tabel se observă: – nij = frecvenŃele comune ambelor variabile (xi yj)..p Total frecvenŃe după x n1. în care primul reprezintă variaŃia caracteristicii urmărite. formate după o caracteristică factorială (xi) şi „p” grupe formate după o caracteristică rezultativă – efect (yj).• tabele utilizate în prelucrare sunt instrumente intermediare utilizate pentru parcurgerea unor algoritmi de calcul. – n. • tabele de prezentare a datelor statistice pe grupe de variaŃie. Forma generală a unei serii statistice cu o singură caracteristică se prezintă astfel: 47 . Serii statistice Seria statistică defineşte corespondenŃa dintre două şiruri de date statistice.3. Tabelul 2.2. – n. utilizată pentru prima dată de K. – ni. … ni. este prezentată în tabelul 2. n. iar al doilea şir cuprinde frecvenŃele de apariŃie a variantelor caracteristicii. = numărul total de unităŃi ale colectivităŃii studiate. … nr. • tabele de contingenŃă sunt tabele cu dublă intrare ce conŃin un număr de „r” grupe.1 … n1j … … … nij … … … nrj … n.j = numărul de unităŃi după variabila yj . 2. Forma generală a acestui tabel. Macheta distribuŃiilor unităŃilor unei colectivităŃi după două caracteristici interdependente (xi. = numărul de unităŃi după variabila xi . yj) Valorile variabilei xi x1 … xi … xr Total frecvenŃe după y Valorile variabilei yj y1 … yj … yp n11 … ni1 … nr1 n..3.

valorile caracteristicii se referă la unităŃile teritoriale din care fac parte (vezi exemplul din tabelul 2. timpul şi structura organizatorică fiind considerate constante. trimestre.nr unde: x1 --. Aceste serii se obŃin după criterii administrativ-teritoriale. • Seria cronologică prezintă variaŃia unei caracteristici în funcŃie de timp (yt = f(t)). seriile statistice pot fi: • serii statistice independente sau serii unidimensionale. După conŃinutul caracteristicii de grupare. Aceste serii se reprezintă grafic cu ajutorul hărŃilor sau sub formă de cartograme. • serii statistice condiŃionate sau serii multidimensionale. ceea ce înseamnă că spaŃiul este variabil. o Serii cronologice de stocuri sau de momente sunt valorile caracteristicii obŃinute la diferite momente de timp (vezi capitolul 7.nr sunt frecvenŃele de apariŃie ale caracteristicii x. n1 --. După posibilitatea de caracterizare a fenomenului. OBSERVAłII! • Seria trebuie să ofere informaŃii cu privire la succesiunea. – serii de spaŃiu (teritoriale). Analiza statistică a seriilor cronologice). – serii de distribuŃie (de repartiŃie). În aceste serii. rezultate dintr-o grupare simplă. Valoarea centralizată se poate obŃine prin cumularea unităŃilor înregistrate. seriile statistice pot fi: – serii cronologice (de timp). • Între cele două şiruri de date există o legătură univocă. unde: yt = variaŃia caracteristicii studiate. în sensul că unei valori individuale îi corespunde o anumită frecvenŃă. 48 .2).X x1 x2 --. obŃinute dintr-o grupare combinată. • Seria teritorială prezintă variaŃia teritorială a caracteristicii analizate. mărimea valorilor înregistrate şi a frecvenŃelor corespunzătoare. După timpul la care se referă pot fi: o Serii cronologice de fluxuri (intervale) sunt acele serii în care valorile caracteristicii studiate se înregistrează pe luni.xr sunt variantele caracteristicii x. ani etc.xr n1 n2 --. ti = variaŃia de timp.

prin diferite mijloace plastice de reprezentare. reliefează ceea ce este caracteristic.3. informaŃii al căror studiu prin tabele ar necesita zile întregi. Seriile formate după variaŃia unei caracteristici numerice se mai numesc serii de variaŃie. – interpretarea structurii şi a mutaŃiilor de structură. diagrame ergonomice. – interpretarea tendinŃelor de dezvoltare a fenomenelor pentru etapa dată. – scara de reprezentare.3.• Seria de repartiŃie (de distribuŃie) se foloseşte pentru gruparea datelor după o caracteristică atributivă (calitativă sau numerică). Seriile obŃinute după o caracteristică calitativă corespund clasificărilor întâlnite curent în statistica de stat.). Reprezentarea grafică este o imagine spaŃială. cu caracter convenŃional. 2. din frecvenŃele corespunzătoare grupelor. – interpretarea densităŃii de repartiŃie a frecvenŃelor. Elementele constructive ale unui grafic sunt: – titlul graficului. se pot imprima în memorie. 49 . – interpretarea formelor de realizare a interdependenŃelor dintre două sau mai multe variabile. invitând la elaborarea intuitivă a ipotezelor cu privire la legităŃile specifice obiectului cercetării. care. cu privire la conexiunile posibile cu alte fenomene etc. iar al doilea şir este format. – popularizarea datelor statistice. prin utilizarea graficelor. – reŃeaua graficului. Grafice statistice W. de regulă. – graficul propriu-zis. scheme logice etc. Graficul facilitează înŃelegerea şi memorarea. Plyfaif pune la punct construcŃia primelor grafice moderne în secolul al XVIII-lea şi afirmă că. Graficele statistice pot fi folosite în următoarele scopuri: – interpretarea vizuală a raportului de mărime dintre doi sau mai mulŃi indicatori statistici. Graficele statistice nu reprezintă decât o parte a reprezentărilor grafice întâlnite în literatura social-economică (organigrame. în cinci minute. esenŃial pentru obiectul studiat.

graficele trebuie să conŃină o serie de elemente precise care le definesc (prezentate anterior ca elemente constructive). titlului tabelului statistic ale cărui date le reprezintă.1. titlul se trece deasupra figurii graficului. Construirea reŃelei grafice presupune respectarea unor reguli: – liniile reŃelei trebuie să se profileze vizibil. În practică. precis şi complet. De regulă. timpul şi spaŃiul la care se referă datele şi unitatea de măsură. fiind suportul acestuia. Sistemul de axe rectangulare Scara de reprezentare stabileşte relaŃia dintre unitatea grafică de măsură şi unitatea de măsură a caracteristicii studiate. cadranul I (figura 2.1).– note explicative. se folosesc reŃele rectangulare. ReŃeaua graficului este constituită din totalitatea liniilor ajutătoare folosite la construirea graficului propriu-zis. pe cât posibil. El cuprinde informaŃii despre obiectul reprezentat. reŃele curbilinii. Scara se 50 . Majoritatea graficelor statistice au la bază sistemul de axe rectangulare. Cu ajutorul scării se gradează axele graficului şi se măsoară coordonatele punctelor. Este recomandat ca forma reŃelei să Ńină seama de sistemul axelor de referinŃă faŃă de care se construieşte graficul. Titlul graficului trebuie să fie scurt. inclusiv legenda şi sursa informaŃiilor utilizate la construirea graficului. reŃele de cercuri concentrice. sectoare de cerc. Y+ II Cadranul I X- X+ III Y- IV Figura 2. Pentru a respecta acest principiu. să corespundă. clar. dar nu prea accentuat. astfel încât să faciliteze citirea graficului. Principiul de bază al reprezentării grafice a unei distribuŃii statistice îl constituie proporŃionalitatea. – alegerea formei reŃelei se face în funcŃie de scopul în care se foloseşte graficul etc.

după cum suportul este o dreaptă sau o curbă. atunci scările de reprezentare trebuie stabilite. Alegerea scării se face astfel încât să asigure vizualizarea corectă a proporŃiilor reale dintre elementele care compun colectivitatea. într-o formă armonioasă. astfel încât legenda poate să lipsească. pentru a atrage atenŃia asupra unui procedeu special de calcul statistic sau asupra modului lor de prezentare în grafic. care folosesc sistemul coordonatelor polare. Scările de reprezentare pot fi: – uniforme. Se aleg. dintre ele. când diviziunile cotate pe suportul scării sunt echidistante între ele (scara aritmetică). Alegerea unităŃii de lungime a scării se face în aşa fel încât să surprindă forma reală de variaŃie a indicatorilor de reprezentat. Legenda graficului reprezintă explicarea concisă a semnelor convenŃionale. Notele explicative se folosesc pentru a interpreta corect graficul. Ea se trece sub reŃeaua fiecărui grafic pentru a identifica provenienŃa indicatorilor cuprinşi în grafic. astfel încât să poată cuprinde toate valorile indicatorilor şi să redea. când distanŃele variabile dintre punctele cotate sunt stabilite pe baza unei funcŃii curbilinii (scara logaritmică.construieşte Ńinând seama de ordinul de mărime al indicatorilor de reprezentat. Dintre reŃelele curbilinii. Tipuri de reprezentări grafice. linii (drepte. măsurilor şi culorilor folosite. scara binomială etc. în special. ce foloseşte în reprezentare cercuri concentrice. Scările pot fi rectilinii sau curbilinii. Unele explicaŃii sunt trecute chiar în spaŃiul grafic sau există şi varianta când titlul graficului este suficient de detaliat. 51 . – neuniforme. frânte). curbe. Sursa datelor este obligatorie în toate cazurile când se folosesc date reale. Graficul propriu-zis este alcătuit dintr-o mulŃime de puncte. în principal. Dacă se prezintă corelat mai multe caracteristici statistice. în funcŃie de natura seriilor statistice. Seriile de timp pot fi reprezentate prin cronograme sau diagrame polare. de gradul şi forma de variaŃie dintre ei şi de scopul urmărit. proporŃia. mai importantă este diagrama polară. pentru reprezentarea sezonalităŃii unui fenomen economic. figuri geometrice în plan sau în spaŃiu. simboluri natural convenŃionale construite proporŃional. fiind folosită. Ele pot fi trecute sub reŃeaua graficului sau în subsolul paginii.).

Figura 2. pentru a reda imaginea unui fenomen în evoluŃia lui în timp. Ele se folosesc în popularizarea unor aspecte din viaŃa socio-economică. iar pe OY se stabileşte o scară a procentajului (%). de secŃia II – 100% şi de secŃia III – 120%. Reprezentarea grafică este următoarea: Titlu: Graficul îndeplinirii planului de producŃie la firma „X” Scara: pe OY 1 cm reprezintă 20%. grafice prin figuri geometrice de suprafaŃă sau de volum.Seriile de spaŃiu se reprezintă prin cartograme sau cartodiagrame. EXEMPLU: La o firmă cu 3 secŃii de producŃie se urmăreşte îndeplinirea programului de producŃie. Între coloane se lasă un spaŃiu liber. Astfel. unde OX va fi baza coloanelor sub formă de dreptunghi (bazele coloanelor vor fi egale). în trimestrul I 2003 acesta a fost îndeplinit de secŃia I în proporŃie de 80%. când distanŃele dintre perioade sunt mari şi inegale.2. egal cu mărimea bazei coloanei (dacă sunt puŃine coloane de reprezentat) sau cu jumătate din baza coloanei în caz contrar. ÎnălŃimea coloanei este proporŃională cu valoarea indicatorilor de reprezentat. Graficul prin coloane se recomandă mai ales atunci când numărul datelor reprezentate nu este prea mare şi graficul este sugestiv. Se reprezintă în cadranul I din sistemul de axe rectangulare. Ele permit evidenŃierea rapidă a relaŃiilor obiective dintre indicatorii prezentaŃi. Cele mai frecvente tipuri de grafice sunt: graficele prin coloane sau benzi. Reprezentarea grafică prin coloane 52 .

ni ∗ = frecvenŃe relative. sistematizate într-o succesiune logică: primul şir reprezintă valorile caracteristicii de grupare.1.xp). ni ). p ) Orice nivel (xi ) al caracteristicii de grupare cu frecvenŃa ei de apariŃie (ni) formează termenul distribuŃiei (xi . – curba frecvenŃelor (curbe de densitate).OBSERVAłIE! La construirea acestor grafice nu se admite întreruperea scării. definită de cuplul (xi . coloanele trebuie să fie neîntrerupte chiar de la linia de bază. 53 . Prezentarea seriilor statistice unidimensionale DistribuŃia statistică unidimensională prezintă corespondenŃa dintre două tipuri de date statistice. iar al doilea şir reprezintă frecvenŃele de apariŃie. – poligonul frecvenŃelor.ni ). Pentru o colectivitate C. 2. apare astfel: X x1 x2 --. Folosim notaŃiile: ni = frecvenŃa absolută (se exprimă în unităŃi concrete). NoŃiunea de frecvenŃă se referă la numărul unităŃilor statistice ce corespund grupelor de unităŃi obŃinute ca rezultat al centralizărilor.3. pot fi: • pentru serii unidimensionale exprimate cifric: – histograma. elementul de bază al seriei statistice. fie ca indicatori derivaŃi. cu „p” elemente ordonate după o variabilă X cu valorile (x1 x2 --. fiecărei valori xi îi corespunde o frecvenŃă absolută ni . Seria statistică.xp n1 n2 --.np cu i = (1.3. • pentru serii bidimensionale: – corelograma (diagrama norului de puncte). • pentru serii unidimensionale cu atribut calitativ: – diagrame de structură. După modul de exprimare a caracteristicii. Şirurile de valori dintr-o serie pot fi exprimate fie sub forma indicatorilor absoluŃi.

. Histograma se foloseşte pentru reprezentarea seriilor de distribuŃie de frecvenŃe. . .4): Tabelul 2. . curba de concentrare (Lorentz). Reprezentarea grafică a unei distribuŃii unidimensionale Dintre graficele folosite în reprezentarea grafică a distribuŃiilor unidimensionale amintim: histograma. FrecvenŃa poate fi cumulată atât în formă absolută (Ni). . Cumularea frecvenŃelor se face: N1 = n1 N*1 = n*1 .4 Intervale de grupare xi-1 . N*p = N*p-1 + n*p Np = Np-1 + np Elementele unei distribuŃii statistice unidimensionale se pot prezenta într-un tabel simplu (tabelul 2. centralizate crescător sau descrescător nivelului considerat al caracteristicii. respectiv ponderile lor faŃă de total. reprezentând partea considerată într-un întreg. Se construieşte în cadranul I din sistemul axelor rectangulare astfel: pe OX se trec intervalele de valori. . cât şi relativă (Ni*) şi exprimă numărul unităŃilor.FrecvenŃa relativă (ni ∗) se calculează ca un indicator relativ de structură (ca raport între parte şi întreg): n n ni* = i sau ni* = i *100 ∑ ni ∑ ni i i e: ∑n * i =1 şi ∑n * i% = 100% Poate fi exprimată sub formă de coeficient (de câte ori) sau sub formă de procent (cât la sută). . poligonul frecvenŃelor. 54 . FrecvenŃa cumulată. iar pe OY se trec frecvenŃele absolute corespunzătoare. . . respectând principiul ca intervalele egale să fie reprezentate prin distanŃe egale.xi Total FrecvenŃa absolută ni n FrecvenŃa relativă n*i 1 FrecvenŃa absolută cumulată Ni FrecvenŃa relativă cumulată N*i - A. . Ni = Ni-1 + ni N*i = N*i-1 + n*i . curba cumulativă a frecvenŃelor.

5 Număr salariaŃi ni 6 11 13 12 4 4 50 FrecvenŃe cumulate 6 17 30 42 46 50 50 44 33 20 8 4 Centrul de interval ci(xi) 5 11 17 23 29 35 - RepartiŃia salariaŃilor după vechime y 14 12 10 8 6 4 6 11 23 12 Scara: Ox – 1 cm = 6 ani Oy – 1 cm = 2 salariaŃi 4 4 Figura 2.Pe axe se va face în origine o întrerupere de canal cu două linii mici paralele. EXEMPLU: Prezentarea distribuŃiei salariaŃilor după vechime (ani): Gruparea salariaŃilor după vechime 2-8 8-14 14-20 20-26 26-32 32-38 Total Tabelul 2. mărimea lor fiind egală la bază cu mărimea intervalului de variaŃie respectiv. cu baza pe OX. cât şi gradul de asimetrie al seriei. 55 . densitatea de repartiŃie a frecvenŃelor. ÎnălŃimea dreptunghiului va fi dată de frecvenŃa corespunzătoare fiecărui interval de variaŃie. Histograma 2 8 14 20 26 32 38 x Figura 2.3. pentru ca apoi să se plece de la valorile minime înregistrate atât de caracteristică.3. Histograma arată forma de repartiŃie. Pe axa ordonatelor (OY) se construieşte o scară a frecvenŃelor în funcŃie de mărimea frecvenŃei maxime. Histograma OBSERVAłIE! Graficul ne arată o serie uşor asimetrică. Histograma se construieşte sub forma unor dreptunghiuri lipite. cât şi de frecvenŃe.

Se construieşte în cadranul I din sistemul de axe rectangulare.5: RepartiŃia muncitorilor după vechime y 14 12 10 7 8 6 4 5 11 17 23 29 35 x Figura 2. decile). iar la intersecŃia lor se pune un punct. frecvenŃa cumulată indică numărul total al unităŃilor care au nivelul caracteristicii superior lui x. Se construieşte pe baza frecvenŃelor cumulate.4. foloseşte la analiza gradului de omogenitate al seriei. iar pe OY se construieşte scara frecvenŃelor. Fiecărui centru de interval îi corespunde o frecvenŃă. unde: pe OX se vor lua centrele de interval (sau intervalele de variaŃie). Curba cumulativă a frecvenŃelor se foloseşte când se determină pe grafic valorile mediilor de poziŃie (mediana. Pe grafic vor apărea două curbe care unesc punctele de coordonate dintre limitele 56 . Poligonul frecvenŃelor OBSERVAłIE! SemnificaŃia indicatorilor sintetici. Vom construi poligonul frecvenŃelor tot după exemplul prezentat în tabelul 2. calculaŃi pentru o astfel de distribuŃie. cuartile. unde: pe OX se trec intervalele de variaŃie sau centrele de interval. În operaŃia de cumulare descrescătoare. obŃinând astfel poligonul frecvenŃelor.Poligonul frecvenŃelor se foloseşte tot de cadranul I din sistemul de axe rectangulare. Punctele se vor uni cu linii frânte. iar pe OY frecvenŃele cumulate. OperaŃia de cumulare crescătoare a frecvenŃelor arată partea din colectivitate statistică pentru care valoarea caracteristicii este mai mică decât x.

ce corespunde valorii centrale a caracteristicii. respectiv superioare şi frecvenŃele cumulate pentru curba crescătoare şi corespunzător similar pentru cea descrescătoare. RepartiŃia muncitorilor după vechime Y 53 46 39 32 25 18 11 4 2 8 14 20 26 32 38 Ascendentă Scara: Ox – 1cm = 6 ani Oy – 1cm = 7 muncitori Descendentă X Figura 2. ajutând la studierea fenomenelor de concentrare sau de diferenŃiere. Curba lui Lorentz se construieşte în cadranul I. Se construieşte pe baza frecvenŃelor relative cumulate.inferioare. Punctul de intersecŃie a celor două curbe va marca tendinŃa de asimetrie a seriei prezentate grafic (vezi figura 2. Pe axa OX se reprezintă frecvenŃele relative cumulate.5. în cazul în care seria prezintă un pronunŃat accent de simetrie a distribuŃiei frecvenŃelor în raport cu frecvenŃa maximă. Pentru construirea ei se parcurg următorii paşi: – se calculează frecvenŃele relative. – se calculează greutăŃile specifice ale caracteristicii şi se cumulează crescător. Curba de concentrare (Lorentz) se numeşte astfel după numele celui care a utilizat-o prima dată. – se cumulează crescător frecvenŃele relative. Curba cumulativă a frecvenŃelor Curba cumulativă a frecvenŃelor se mai numeşte şi ogivă.5). iar pe OY greutăŃile specifice 57 .

cumulate.88 1. Perechile de valori corespunzătoare fiecărei grupe se marchează prin puncte în grafic. Curba de concentrare Lorentz Din grafic. 58 .47 14.6.5 40 20 37.28 100 10100 100 xi Graficul agenŃilor economici după mărimea profitului Figura 2. Unind punctele alăturate prin segmente de dreaptă se obŃine curba de concentrare şi linia perfectei egalităŃi a frecvenŃelor se numeşte aria de concentrare.36 87.88 1260 12.22 32.35 1840 18.5 25 12.36 1450 14.75 57.36 din profitul total. Cu cât aria de concentrare este mai mare.6.5 2. Tabelul 2.72 1240 12.04 73. Gruparea agenŃilor economici după mărimea profitului (mld. lei) Gruparea agenŃilor după profit 5-10 10-15 15-20 20-25 25-30 30-35 35-40 Total Număr agenŃi economici ni n*i% n*i% cumulat 5 2.5 30 15 17. rezultă că 77. EXEMPLU: Folosim gruparea agenŃilor economici după mărimea profitului.5 50 25 62. cu atât concentrarea este mai puternică.57 2500 24.5 30 15 77.32 1620 16.5 90 20 10 100 200 100 Profitul estimat gi% gi% cumulat 190 1. deci concentrarea este scăzută.5% din totalul agenŃilor economici concentrează 73.

Fiecare figură geometrică se va împărŃi în atâtea părŃi câte are colectivitatea cercetată.7). cu suprafeŃele proporŃionale cu ponderea părŃilor în colectivitate. Se consideră că populaŃia masculină este de 49% şi cea feminină de 51% (figura 2.7. Aceste diagrame pot fi folosite pentru orice colectivitate împărŃită în grupe după variaŃia uneia sau a mai multor caracteristici statistice. EXEMPLU: Vrem să reprezentăm structura pe sexe a populaŃiei României. dreptunghi) şi totalul structurii de 100%. cu baza pe OX de mărimea dorită.Dacă avem de comparat date pentru trei sau patru perioade. În interiorul dreptunghiului se construiesc dreptunghiuri mai mici. Aceste diagrame presupun un raport de proporŃionalitate între suprafaŃa figurii geometrice (pătrat. părŃile se vor distinge prin haşurarea sau colorarea diferită. Dreptunghiul de structură se poate construi în cadranul I. cerc. Dreptunghiul de structură 59 . B. iar înălŃimea este dată de cele 100 procente marcate pe axa OY. vom construi un număr corespunzător de curbe de concentrare pe acelaşi grafic. Reprezentarea grafică a diagramelor de structură Diagramele de structură sunt folosite frecvent în prezentarea datelor statistice pentru interpretarea mutaŃiilor intervenite în structura pe ramuri sau pe plan teritorial. SemnificaŃia haşurilor sau culorilor utilizate se va prezenta în legenda graficului. Structura pe sexe a populaŃiei României Y 10 0 80 60 40 20 Legendă: 51% Feminin Masculin 49% X Scara: OY – 1cm = 20% Figura 2. suprapuse.

Se construieşte un pătrat a cărui suprafaŃă. iar pe axa ordonatelor (OY).Structura pe sexe a populaŃiei României 49% bărbaŃi 51% femei Figura 2. Pătratul de structură Cercul de structură constă în reprezentarea părŃilor componente prin sectoare de cerc. pentru că raportul dintre scări are o importanŃă mare asupra formei curbei şi poate da o imagine denaturată asupra dezvoltării fenomenului. fiecare având aria egală cu 1%. Se separă apoi prin haşuri diferite. Cronograma se foloseşte pentru a desprinde tendinŃa de dezvoltare a fenomenelor pe fiecare etapă analizată. Mărimea sectoarelor de cerc se calculează pe baza relaŃiei de proporŃionalitate (3. ele fiind proporŃionale cu ponderea părŃilor în colectivitate. 60 . SuprafaŃa pătratului se împarte în 100 pătrate mai mici. C. Pătratul de structură. conform cu relaŃia de proporŃionalitate.00 = 1%). pe axa absciselor (OX) se construieşte scara timpului. SuprafaŃa cercului se consideră proporŃională cu volumul colectivităŃii (3600 = 100%).8. Se construieşte în cadranul I. numărul de pătrate corespunzător fiecărei părŃi a populaŃiei. este echivalentă cu 100%. scara valorilor seriei cronologice. Reprezentarea grafică a seriilor de timp Reprezentarea grafică a seriilor de timp (cronologice) se realizează cu ajutorul cronogramei şi a diagramelor polare. La stabilirea scării timpului şi nivelurilor trebuie să se respecte proporŃionalitatea.

La construirea graficului se foloseşte o reŃea de cercuri concentrice. consumul de bere şi băuturi răcoritoare ş. Fenomenele cu caracter sezonier sunt specifice îndeosebi activităŃilor din turism. iar raza este proporŃională cu nivelul mediu al indicatorilor. trimestriale etc. ca de exemplu. consumul casnic de gaze naturale. 61 . pe care se notează cantităŃile. Cronograma OBSERVAłIE! Graficul se marchează prin puncte în plan ce se unesc prin segmente de dreaptă în ordinea curgerii timpului. În statistica social-economică se întâlnesc frecvent fenomene care prezintă variaŃii sezoniere săptămânale.. a indicatorului de reprezentat în funcŃie de variaŃia acestuia. cercul se împarte în atâtea părŃi câŃi indicatori sunt. Drept abscisă serveşte circumferinŃa cercului pe care se notează timpul. La trasarea graficului se procedează astfel: • se calculează media lunară.EXEMPLU: ProducŃia unui produs în perioada 1995-2002. Diagrama polară (radială) ajută la interpretarea gradului şi formei de variaŃie sezonieră. Tabelul 2. comerŃ şi agricultură. iar ca ordonată raza sau poziŃia razei. trimestrială etc.a.9.7 Anii Cantitatea (mii tone) mii tone 61 58 55 52 49 46 43 40 37 34 31 28 1995 1996 1997 1998 Anii 1999 2000 2001 2002 1995 31 1996 38 1997 40 1998 45 1999 49 2000 50 2001 56 2002 60 EvoluŃia producŃiei în perioada 1995-2002 Figura 2.

• dacă valoarea unui indicator depăşeşte media valorilor individuale. atunci se vor îngroşa razele numai până la punctele corespunzătoare acesteia. câŃi indicatori are perioada de timp respectivă (4 pentru trimestre.• lungimea razei se consideră egală cu media indicatorului şi se trasează cercul. EXEMPLU: ProducŃia trimestrială a fabricii „X”. Diagrama polară a producŃiei trimestriale la fabrica „X” Tr. 12 pentru ani).II Tr.IV Tr.8 Trimestrul I II III IV Media trimestrială ProducŃia (mii kg) 250 350 700 300 400 Scara: 1 cm = 100 mii kg (se foloseşte un cerc cu raza R = 4 cm). • circumferinŃa cercului se împarte în atâtea părŃi egale. După ce s-au fixat toate punctele pe reŃeaua polară. Comparând cu linia cercului de bază se poate interpreta cât este de mare variaŃia fiecărei luni sau trimestru în raport cu valoarea care ar fi trebuit să fie realizată dacă fenomenul nu ar fi fost influenŃat de nivelul sezonier.I Tr. se unesc aceste puncte prin linii frânte sau curbe. Diagrama polară 62 . Tabelul 2.III Figura 2. iar dacă valoarea lor este mai mică. atunci se vor prelungi cele două raze în afara cercului.10.

cu i = 1. Cartodiagramele reprezintă un tip special de cartogramă. care sunt proporŃionale cu valoarea indicatorilor de reprezentat.D. În cadrul unei distribuŃii bidimensionale se disting două distribuŃii marginale. i = 1. – construirea unei hărŃi în care se delimitează unităŃile teritoriale. pentru a reda volumul sau structura diferiŃilor indicatori distribuiŃi din punct de vedere teritorial. Fie o colectivitate C. în X. Pe hartă se vor construi figurile geometrice amintite mai sus. Construirea graficului presupune: – gruparea unităŃilor teritoriale după o variabilă considerată. reprezintă frecvenŃele marginale corespunzătoare valorii xi. = ∑ n ij .3. cu n elemente şi două variabile: X cu valorile xi. pătrat. n şi Y cu valorile yj . Prezentarea distribuŃiilor statistice bidimensionale O distribuŃie bidimensională prezintă variaŃia unităŃilor unei colectivităŃi simultan după două caracteristici de grupare. respectiv în Y sunt definite de ansamblul cuplurilor: (xi. n. – haşurarea suprafeŃelor unităŃilor teritoriale în funcŃie de intensitatea de manifestare a fenomenului studiat. Notăm cu nij frecvenŃele comune ale celor două variabile. 2.) care se aplică pe cartogramă.j). Reprezentări grafice pentru seriile de spaŃiu Seriile de spaŃiu (teritoriale) se pot reprezenta grafic prin cartogramă şi cartodiagramă. ni. j=1 p n .2. cu j = 1. La reprezentarea grafică a distribuŃiilor teritoriale ale diferiŃilor indicatori se mai pot folosi şi figuri naturale sau simbolice. respectiv în Y şi (m+p) distribuŃii condiŃionate. p . j = ∑ n ij i =1 m 63 . DistribuŃiile marginale în X.j reprezintă frecvenŃele marginale corespunzătoare valorii yp. care constă dintr-o combinaŃie a cartogramei cu diagramele (cerc. Cartograma prezintă distribuŃia în spaŃiu a intensităŃii de manifestare a unui fenomen. p . unde ni.). m şi (yj. coloane etc. La întocmirea graficului se va Ńine seama de obiectivul urmărit. iar n. definite astfel: n i.3. j = 1.

Se construieşte în cadranul I al sistemului de axe rectangulare.j i j m p ij În funcŃie de modul de exprimare a variabilelor x. iar pe OY (axa ordonatelor) valorile caracteristicii rezultative. Suma frecvenŃelor marginale este egală cu suma frecvenŃelor parŃiale: ∑ n = ∑ n = ∑∑ n i =1 i.. = ∑∑nij = ∑ni.1 … … … … … … … yj n1j … nij … nmj n.j … … … … … … … yp n1p … nip … nmp n. Pe axa OX (axa absciselor) se ia o scară a valorilor caracteristicii factoriale (x). Dacă se asigură o proporŃie justă între 64 . Pe fiecare axă se va face întrerupere în origine cu două liniuŃe paralele. pentru ca cele două scări de reprezentare să înceapă cu valorile cele mai apropiate de limitele inferioare înregistrate pentru cele două caracteristici. Model al tabelului cu dublă intrare xi x1 … xi … xm n.9).RelaŃiile dintre frecvenŃele marginale şi parŃiale. – distribuŃii cu o variabilă exprimată cantitativ şi o variabilă exprimată atributiv.p ni. DistribuŃia bidimensională exprimată cantitativ se prezintă sub forma tabelului cu dublă intrare (tabelul 2.j yj y1 n11 … ni1 … nm1 n. n1.j i j i j Corelograma (Diagrama norului de puncte) Reprezentarea grafică se realizează cu corelograma cunoscută sub denumirea „diagrama norului de puncte”. La stabilirea scărilor de reprezentare pe cele două axe se recomandă să se asigure o anumită proporŃionalitate între ele în raport cu gradul de variaŃie al celor două caracteristici. = ∑n. … ni. numit tabel de corelaŃie. j=1 . Tabelul 2.9. … nm. n. – distribuŃii cu ambele variabile exprimate atributiv.y se pot trata următoarele tipuri de distribuŃii bidimensionale: – distribuŃii cu ambele variabile exprimate cantitativ.

Legătura directă între cele două variabile poate fi şi neliniară. Pentru interpretarea legăturii putem folosi următoarele variante de grafice care se referă la funcŃiile liniare: Figura 2.14. Acest tip de grafic stabileşte existenŃa. direcŃia legăturii. yj). deci se poate elabora o ipoteză statistică care să fie utilizată la aplicarea metodelor analitice de corelaŃie. se reprezintă pe grafic printr-un punct. pe grafic. apărând o linie curbă. În legăturile social-economice cel mai frecvent apar hiperbole. parabole de gradul 2 sau ecuaŃii exponenŃiale.11. 65 .15. variabilele sunt independente între ele. dar mai ales forma către care tinde să se realizeze. Parabolă Figura 2. tipul de dependenŃă dintre cele două variabile. şi cu ajutorul lui se va putea prezenta forma obiectivă în care se produce legătura. în acest caz. Hiperbolă Figura 2. FuncŃie exponenŃială OBSERVAłIE! Graficul prezintă avantajul că pe baza lui se poate constata nu numai existenŃa legăturii şi sensul ei. Lipsă de legătură Când punctele sunt situate aproximativ pe diagonala principală legătura este directă.13. Legătură liniară inversă Figura 2. Figura 2. Legătură liniară directă Figura 2. Fiecare unitate.16.12. Dacă punctele sunt împrăştiate pe întreg câmpul de corelaŃie fără nici o regularitate. atunci graficul se va întocmi corect. purtătoare a celor două caracteristici (xi. iar concentrarea lor pe diagonala secundară ne arată o legătură inversă. forma de legătură dintre cele două variabile.cele două scări de reprezentare.

centralizarea şi gruparea datelor statistice. grafic statistic.2 10 1. 66 .4 Din analiza făcută asupra variabilelor se stabileşte că volumul mărfurilor desfăcute la export este influenŃat de cheltuielile de publicitate. Y 10 9 8 7 6 5 0 ● ● ● ● ● ● ● ● ●● Scara: OX 1 cm = 0. În continuare se pot face estimaŃii cu ajutorul ecuaŃiei dreptei. lei) şi cheltuielile de publicitate (mil.1 6 0.0 8 0. CONCEPTE-CHEIE: prelucrarea statistică.EXEMPLU: Să se stabilească legătura dintre volumul desfacerilor la export (mil.12 7 0.8 1 Figura 2.6 6 0. serie statistică.5 5 0. tabel statistic.7 7 0. lei) pentru produsele prezentate la export: Volumul desfacerilor de mărfuri la export Cheltuieli de publicitate Y X 5 0.17. Coxelograma (Diagrama norului de puncte) OBSERVAłIE! Între cele două variabile există o legătură strânsă.2 OY 1 cm = 1 KOY = 5/5 = 1 X 0. directă.2 0. liniară.4 0.6 0.

EnumeraŃi etapele necesare efectuării unei grupări statistice. Ce tipuri de tabele statistice cunoaşteŃi? 13. EnumeraŃi posibilităŃile de prezentare a datelor statistice. Cum se stabileşte numărul de grupe (r)? 9. EnumeraŃi tipurile de grupări statistice. La ce se referă noŃiunea de frecvenŃă? 19. Cum se procedează la alegerea intervalului de grupare (h)? 10. 6. frecvenŃă cumulată. unicitate. EnumeraŃi şi definiŃi elementele constructive ale unui grafic. DefiniŃi noŃiunile de: frecvenŃă absolută. Formule de calcul. ca etapă a cercetării. 4. Ce este o distribuŃie statistică unidimensională? 18. Ce tehnici de prelucrare statistică cunoaşteŃi? EnumeraŃi-le. 7. Care sunt condiŃiile pe care trebuie să le îndeplinească o grupare statistică indiferent de scopul şi obiectul lor? DefiniŃi noŃiunile de: completitudine.ÎNTREBĂRI DE AUTOEVALUARE 1. Ce este caracteristica de grupare? 8. DefiniŃi prelucrarea statistică. Care sunt tipurile de grafice adecvate reprezentării unei distribuŃii unidimensionale? Dar unei distribuŃii bidimensionale? 67 . 20. Ce este un tabel statistic? 12. continuitatea variaŃiei grupelor. 2. 16. 3. Câte tipuri de grafice cunoaşteŃi? 17. Cum definiŃi o distribuŃie bidimensională? Dar o distribuŃie marginală? 21. DefiniŃi gruparea statistică. Cum definiŃi noŃiunea de grafic statistic? 15. omogenitate. 5. Ce este o serie statistică? Care sunt tipurile de serii statistice? 14. 11. frecvenŃă relativă. DefiniŃi noŃiunea de centralizare a datelor statistice.

3. • expresia numerică. NoŃiunea de indicator statistic. delimitate în timp. Indicatorul statistic. al surselor de informaŃie de care se dispune în scopul cercetării. Tipuri de indicatori Surprinderea variabilităŃii din forma de manifestare a fenomenelor de masă necesită elaborarea de către statistică a unor metodologii şi tehnici de transformare şi aplicare a unor operaŃii speciale de calcul. indicatorul statistic cuprinde două părŃi: • o parte noŃională. concretizată ca timp. indicatorii statistici îndeplinesc mai multe funcŃii: de măsurare. de estimare. în forma sa generală. de verificare a ipotezelor şi/sau de testare a semnificaŃiei parametrilor utilizaŃi.1. După etapa în care apar în procesul cercetării statistice. pentru obŃinerea unor determinări cantitativ-numerice. de comparare. de analiză sau sinteză. INDICATORI STATISTICI 3. spaŃiu şi structură organizatorică. Deci. este expresia numerică a manifestărilor unor fenomene. Pentru cunoaşterea fenomenelor de masă. indicatorii statistici pot fi primari şi derivaŃi. cu care se defineşte conŃinutul şi pentru care se stabileşte o metodologie unică de calcul. Simpla enumerare a principalelor funcŃii ale indicatorilor statistici pune în evidenŃă multitudinea de aspecte care trebuie avute în vedere la elaborarea şi folosirea acestora în analiză. 68 . spaŃiu şi delimitare organizatorică. procese. denumite generic indicatori statistici. inclusiv stabilirea condiŃiilor şi limitelor în care pot fi utilizaŃi indicatorii statistici în raport cu conŃinutul specific al fenomenelor. activităŃi sau categorii economice şi sociale.

a datelor. o mărime relativă exprimă numeric proporŃiile indicatorului primar în raport cu indicatorul bază de raportare. abstractizări. dintre diferite caracteristici. părŃi diferite din colectivitate. Indicatorii derivaŃi se obŃin frecvent din comparare. Compararea prin diferenŃă a datelor se referă la unităŃi de timp diferite. sintetizări. unităŃilor de măsură..Indicatorii primari se obŃin în procesul prelucrării primare prin operaŃii de centralizare/agregare etc. legăturile de interdependenŃă dintre fenomene sau valori tipice. Acest indicator semnifică creşterea sau reducerea absolută (economia sau pierderea absolută). – termenii comparaŃi să fie comparabili din punctul de vedere al conŃinutului. 3.2. Indicatori relativi O primă etapă în trecerea de la mărimi absolute primare la indicatorii derivaŃi (de la concret la abstract) o reprezintă calculul şi analiza indicatorilor relativi. surselor de informaŃii etc. care provin dint-o observare totală sau parŃială. întrucât: exprimă relaŃia dintre părŃile colectivităŃii. Indicatori derivaŃi se obŃin prin comparări. care se formează în mod obiectiv. ComparaŃiile dintre date pot fi făcute prin diferenŃă sau prin raportare. 69 . Prin definiŃie. metodologiei de calcul. de condiŃionare sau de cauzalitate. rezultând un indicator derivat: modificare absolută sau diferenŃă absolută. Compararea prin raportare conduce la obŃinerea unui indicator derivat mărimi relative sau indicatori relativi. prin aplicarea unor procedee specifice de prelucrare a mărimilor absolute sau relative a indicatorilor primari. contribuŃia diverşilor factori la variaŃia unui fenomen complex etc. generalizări. Indicatorii derivaŃi au rolul de a pune în evidenŃă aspectele calitative ale fenomenelor analizate. dar şi din alte metode de calcul. Pentru calculul mărimilor relative trebuie respectate următoarele cerinŃe: – între termenii comparaŃiei să existe o corespondenŃă logică. sferei de cuprindere.

m ∑ ni (3. – suma M.1) ∑ xi i =1 ∑∑ x i =1 j =1 Mărimile relative care arată în ce raport se află numărul unităŃilor din fiecare grupă (ni) faŃă de unităŃile din întreaga colectivitate (∑ni) se numesc frecvenŃe relative: ni = * ni *100. în procente.2) ProprietăŃi: – suma mărimilor relative de structură (M. În funcŃie de scopul analizei. r ij (3. Asigurarea comparabilităŃii presupune efectuarea în prealabil a unei analize calitative a datelor de care dispunem. de intensitate. m. ponderea sau greutatea specifică (gi) a unui element în totalul colectivităŃii (∑xi) va fi: r gi = xi m ∗100 sau g i = j =1 m r ∑x ij ∗ 100 . j = 1. promile etc. exprimă raportul părŃilor faŃă de întreg şi oferă informaŃii despre structurile calitativ distincte ale populaŃiei statistice. M.S.R. mărimile relative sunt: de structură. • Mărimi relative de structură (M. de coordonare şi ale programării (planificării).R.R. i = 1. i = 1. a direcŃiei în care se efectuează comparaŃia.S. este egală cu 100 (dacă sunt exprimate sub în procente). fie în unităŃi de măsură concrete.S. Într-o serie statistică. Asigurarea comparabilităŃii datelor este o cerinŃă esenŃială care trebuie satisfăcută înaintea calculării mărimilor relative.R. 70 .) se mai numesc ponderi sau greutăŃi specifice şi sunt utilizate pentru analiza structurii diferitelor colectivităŃi statistice. de dinamică.– baza de comparaŃie să aibă o anumită semnificaŃie în evoluŃia fenomenului studiat. Mărimile relative se exprimă fie în coeficienŃi.S.) este egală cu 1 (dacă sunt exprimate sub formă de coeficienŃi).

astfel mărimea relativă de coordonare va fi: kA = B XA XB sau k B = A XB XA (3. se calculează ca raport între doi indicatori absoluŃi. dar coexistente în timp.I. • Mărimi relative de coordonare (M. astfel au caracter de indici teritoriali. − prin cartograme.R.I.Graficul mărimilor relative de structură se realizează prin diagrame de structură. pe plan internaŃional (între Ńări) sau pe zone geografice (continente).) M.C.R. De regulă.R. de natură diferită.R. aceste mărimi se exprimă sub formă de coeficient.4) 71 .3) Se poate observa că direcŃia de comparare nu este unică: oricare dintre termenii comparaŃiei pot fi luaŃi bază de comparare.C.R.R. se exprimă în unităŃi concrete de măsură şi poate fi calculată după relaŃia: xi = yi zi (3.) M. M. Notăm cu XA şi XB nivelurile pe grupe ale variabilei studiate pentru o colectivitate împărŃită în două grupe. Indicii teritoriali stau la baza comparaŃiilor pe plan naŃional (între judeŃele Ńării). în studiul variaŃiei teritoriale (judeŃe). M. stabilind în acest fel relaŃiile existente între diferite părŃi ale aceleiaşi colectivităŃi.R. cartodiagrame. se poate face: − prin benzi şi coloane. Reprezentarea grafică a M. • Mărimi relative de intensitate (M. se folosesc pentru a compara două grupe ale aceleiaşi colectivităŃi sau două colectivităŃi situate în spaŃii diferite.I. între care există o relaŃie de interdependenŃă.C.C. se folosesc în studiul variaŃiei teritoriale.

dar se impune ca la interpretarea lor să avem în vedere şi nivelul indicatorilor absoluŃi din care s-au calculat. Calculul acestor indicatori permite aprofundarea analizei fenomenelor studiate. zi = variabila fenomenului ales bază de raportare.). yi = variabila fenomenului de raportat. integrale a utilajului). care nu poate fi însumat direct.PL. altul de natură intensivă (calitativă) xi. utilizării intensive. Ca reprezentare grafică se pot folosi: diagrama prin coloane. – nivelul realizat al acestuia în perioada curentă (x1). care poate fi asimilat frecvenŃelor absolute şi astfel este direct însumabil.).R. producŃie sau desfacere pe termene scurte sau lungi. pătrat etc.5) i Mărimile de intensitate au largi aplicaŃii în: – industrie (coeficientul mecanizării. fiind necesare elaborării programului de aprovizionare. recolta medie la hectar). diagrama prin figuri geometrice de suprafaŃă (dreptunghi. irigaŃiilor. • Mărimi relative ale programării (planificării) (M. Calculul acestor mărimi presupune preluarea din evidenŃele unităŃii economice analizate a informaŃiilor despre: – nivelul fenomenului analizat în perioada de bază (x0).unde: xi = mărimea relativă de intensitate. Nivelul productivităŃii muncii (W) se calculează ca raport între nivelul producŃiei (q) şi timpul de muncă consumat pentru producerea acesteia (T): W = q T Nivelul total al caracteristicii (xi) se calculează prin raportarea nivelului totalizat al caracteristicii (yi) la nivelul totalizat al caracteristicii. EXEMPLU. – nivelul planificat al aceluiaşi fenomen într-o perioadă curentă (xpl). – turism (indicatorii eficienŃei activităŃii de turism etc. – agricultură (coeficientul chimizării. 72 .) se calculează în economia de piaŃă la nivelul unităŃilor economice. automatizării. Din relaŃie rezultă că variabila depinde de doi factori: unul de natură extensivă (cantitativă) zi. conform relaŃiei: X = ∑y ∑z i (3. – demografie (coeficienŃii mişcării naturale şi migratorii ai populaŃiei).

D. Interpretarea lui se face în funcŃie de conŃinutul indicatorului implicat în calcul şi de corelaŃia cu ceilalŃi indicatori ai activităŃii economice.R. arătând procentul de creştere programat. se folosesc în scopul caracterizării statistice a evoluŃiei în timp a fenomenului studiat.PL.) M.D.6) mărimea relativă a îndeplinirii planului K 1 / pl = X1 .PL.10) 1 (3.11) pl M. coeficientul sarcinii de plan (3.9) Dacă se dispune de date la nivel parŃial putem calcula M. se calculează când avem două valori ale aceluiaşi indicator înregistrat în unităŃi de timp diferite. se reprezintă grafic prin diagrame prin coloane.R.Din comparaŃia sub formă de raport a celor trei nivele rezultă: mărimea relativă a sarcinii de plan K pl / 0 = X pl X0 .PL.R. coeficientul îndeplinirii planului X pl (3.R.R. Coeficientul sarcinii de plan poate fi supraunitar sau subunitar.R. se exprimă procentual.8) Între cei trei coeficienŃi se stabileşte relaŃia: K1 / 0 = K pl / 0 * K1 / pl (3. * 100 . 73 .100 . la nivel de ansamblu: K pl / 0 = K1/ pl ∑X ∑X ∑X = ∑X pl 0 ⋅100 ⋅100 (3. M. • Mărimile relative ale dinamicii (M.7) mărimea relativă a dinamicii K1 / 0 = X1 *100 .D. M. Adesea se reŃine numai valoarea ce depăşeşte 100. coeficientul dinamicii X0 (3.

derivat).S.L.R.). formule de calcul.R. ÎNTREBĂRI DE AUTOEVALUARE 1.R. Reprezentarea grafică se poate face prin cronogramă.100 X0 Xt .S.R.13) M.. Ce este un indicator primar? 3. reprezentare grafică. DefiniŃi M. reprezentare grafică. M.I.R. reprezentare grafică. formule de calcul. se exprimă sub formă de coeficient sau procentual..R. M. reprezentare grafică. Cum definim o mărime relativă? 5.R... DefiniŃi M. M. se numeşte indice.. Dar un indicator derivat? 4. 7. M. 74 . Care sunt mărimile relative pe care le cunoaşteŃi? 6..P.R. 8..C.I. formule de calcul.R.C. reprezentare grafică.12) mărimi relative ale dinamicii cu bază mobilă (variabilă sau în lanŃ) K t / t −1 = (3. 10. mărime relativă (M. 9.În funcŃie de baza de comparaŃie aleasă putem calcula: mărimi relative ale dinamicii cu bază fixă Kt / 0 = Xt .Pl. DefiniŃi M.R.D.D. formule de calcul.D.R.D. Ce înŃelegem printr-un indicator statistic? 2.100 X t −1 (3.R. M.. formule de calcul. DefiniŃi M. DefiniŃi M. CONCEPTE-CHEIE: indicator statistic (primar. În activităŃile economico-sociale.

Indicatorii sintetici ai tendinŃei centrale trebuie să fie valori tipice. în sensuri diferite. Prin urmare. 75 . ca tendinŃă. ci la nivelul colectivităŃii. în funcŃie de scopul urmărit în colectivitatea investigată. a ceea ce este esenŃial. determinate de acŃiunea combinată. Indicatorii tendinŃei centrale Riscul. prin variabilitatea formelor de manifestare.1. în principal. ca indicatori medii sau indicatori de poziŃie. în orice iniŃiativă a unei firme. a unui complex de factori sistematici sau întâmplători. astfel încât să fie posibilă substituirea acestora fără să modifice esenŃa şi relaŃia obiectivă dintre date. comun şi stabil în formele individuale de manifestare a fenomenelor. este cu atât mai mic cu cât se cunosc mai bine manifestările individuale ale fenomenelor de masă din domeniul ei de activitate.4. Indicatorii tendinŃei centrale se determină. Fenomenele de masă se caracterizează. la nivelul colectivităŃii investigate. în acest scop fiind necesar să se determine indicatorii statistici adecvaŃi. în general. Indicatorii cu care se caracterizează tendinŃa centrală din forma de manifestare a fenomenelor de masă au ca principală funcŃie aceea de a sintetiza valorile individuale înregistrate ale caracteristicilor urmărite. a tendinŃei. Fenomenele de masă social-economice intră sub incidenŃa aleatorului şi sub incidenŃa legilor statistice. adoptarea unei decizii este precedată de cunoaşterea manifestărilor acestor fenomene social-economice de masă. fundamentarea deciziilor presupune cunoaşterea. Astfel. identificaŃi direct sau indirect. Acestea se manifestă nu la nivelul fiecărei unităŃi din colectivitatea investigată. care să fie reprezentative pentru întreaga colectivitate. ANALIZA SERIILOR DE DISTRIBUłIE UNIDIMENSIONALE 4. Abaterile de la tendinŃă se compensează obiectiv reciproc. esenŃiali sau neesenŃiali.

Numai în aceste condiŃii. media unei caracteristici pe întreg ansamblul caracteristicii. atunci ea se structurează pe grupe omogene. Mediile simple se folosesc atunci când repartiŃiile au frecvenŃe singulare sau când frecvenŃele tuturor valorilor caracteristicii sunt legate între ele şi deci se pot simplifica.4. în vecinătatea valorii medii se concentrează cele mai multe valori individuale înregistrate. 76 . După natura caracteristicii urmărite. apare ca o sinteză a mediilor parŃiale. media geometrică ( X g ). dar şi în funcŃie de forma de repartiŃie a frecvenŃelor. esenŃial. media pătratică ( X p ). chiar şi după eliminarea datelor aberante. cu cât este mai reprezentativă şi cu cât valorile individuale din care se calculează sunt mai omogene. ca medie simplă sau ponderată. media armonică ( X h ). Indicatorii medii Pentru caracterizarea tendinŃei centrale din manifestarea unui fenomen de masă se calculează media valorilor individuale ale caracteristicii urmărite. Media este o măsură a tendinŃei centrale. iar apoi se calculează medii parŃiale pe grupe. Media se calculează în funcŃie de natura obiectivă dintre date. pentru că valoarea ei calculată poate să coincidă sau nu cu vreo valoare individuală înregistrată de variabila numerică urmărită. Astfel. după caracteristica urmărită. Calculul mediei trebuie să se bazeze pe folosirea unui număr mare de cazuri individuale înregistrate. comun şi obiectiv în apariŃia şi manifestarea fenomenelor de masă. dar are un caracter abstract. cât şi după scopul analizei. între ele. iar sintetizarea lor într-o singură valoare se efectuează pe baza unei realităŃi obiective. Dacă colectivitatea este eterogenă.1. De asemenea. calculul mediei trebuie să fie precedat de verificarea omogenităŃii colectivităŃii. mai apropiate ca mărime.1. iar valoarea sa calculată sintetizează într-un singur nivel reprezentativ tot ceea ce este tipic. Ea are un conŃinut cu atât mai real. se calculează: media aritmetică ( X ). Media se exprimă în unităŃi concrete de măsură. a căror variaŃie să poată fi considerată ca întâmplătoare în raport cu întreaga masă de fenomene studiate.

xn ale caracteristicii numerice X reprezintă acea valoare ( X ) care s-ar fi înregistrat dacă toŃi factorii de influenŃă ar fi acŃionat constant (cu aceeaşi intensitate) la nivelul fiecărei unităŃi înregistrate.. fiind obiectivă aditivitatea valorilor individuale. n ) valoarea totalizată obiectiv formată a caracteristicii nu s-ar modifica. Pentru o serie cu valori nenumerice sau cu valori măsurabile pe o scară nominală sau ordinală. x2. 3.. xi = nivelurile individuale ale variabilei.. 2. Prin urmare.2) ProprietăŃi ale mediei aritmetice utile în analiză: 1. nu se poate calcula media aritmetică. n = numărul unităŃilor observate. dacă media aritmetică ( X ) ar substitui fiecare valoare individuală xi. n . Astfel. (cu i = 1. Mărimea mediei aritmetice poate să coincidă sau nu cu vreo valoare individuală înregistrată. dar precis se încadrează între valoarea minimă şi cea maximă..1) ∑ xi = nx X= ∑x i =1 n i n unde: i = 1. DefiniŃia mediei aritmetice este adevărată numai dacă valorile individuale înregistrate sunt numerice.Mediile ponderate se utilizează pentru repartiŃiile în care fiecărei valori a caracteristicii i se poate ataşa o frecvenŃă care diferă de la caz la caz. (4. Xmin< X < xmax 77 . Media aritmetică ( X ) Media aritmetică a valorilor individuale x1. Mărimea calculată a mediei aritmetice este unică: o serie nu posedă mai multe medii aritmetice distincte. avem: (4.

Formula de calcul este: ∑x n i i i = x 1n 1 + . la nivelul ansamblului.. iar din toate valorile X = 20. Astfel.20. media aritmetică se va calcula ca o medie ponderată.5..11. Suma diferenŃelor dintre valorile individuale înregistrate şi media lor aritmetică este nulă. Această proprietate arată că. Într-o colectivitate statistică suficient de mare. Prin definiŃie. Dacă Ńinem seama de frecvenŃele relative n * = i ni .4) – dacă ∑n i i * i = 1 → X = ∑ x i n* i i – dacă ∑n * i = 100 → X = ∑x n i i * i 100 6. în condiŃiile acŃiunii factorilor întâmplători.29. rezultatul este în mod sigur eronat. media aritmetică este legată de toate valorile numerice înregistrate şi.Această proprietate are rolul unui semnal de alarmă. n = frecvenŃa variantei.12.63 ceea ce este nereprezentativ pentru serie. în consecinŃă... + x k n k = xn1 + . abaterile pozitive şi negative faŃă de tendinŃă.3) ∑ i ni unde: k = numărul variantelor distincte. 78 .. ∑ ni i ∑x n relaŃia devine: X = ∑n i =1 i i * i * i (4.9. arătând că dacă media se plasează peste aceste limite.100) posedă o singură valoare aberantă. seria (1. 5. se compensează reciproc. + xn k = x ∑ n i → i i i X= ∑x n i (4. este sensibilă la prezenŃa valorilor aberante.7. Media calculată din primele 7 valori ale seriei este X = 9. unde de obicei multe unităŃi prezintă aceeaşi caracteristică (distribuŃie de frecvenŃe). 4.

X = X '' * h (pentru seria simplă) h n h ProprietăŃile de la puntele 7) şi 8) folosesc la calculul simplificat al mediei aritmetice: 79 . respectiv mai mare. X = '' ∑h i xi n x ∑ hi n i 1 ∑ x i n i X X '' = i = * i = . dacă se împart sau se înmulŃesc toŃi termenii seriei cu un factor constant h şi se face media noilor termeni. Într-o serie statistică. X = ' ∑ (x i i ± a) = i ∑x i i n i i n ± na = X ± a (pentru seriile simple) a X ' ∑ ( x ± a )n = = ∑n ∑x n ∑n = ±a ∑n ∑n i i i i i i i i i i = X ± a (pentru seriile de frecvenŃe) i Deci.Deci. 8. X ' = x ± a unde: X = media termenilor iniŃiali. Într-o serie statistică. media astfel obŃinută va fi de h ori mai mică. X ' = media termenilor măriŃi sau micşoraŃi cu a. dacă se micşorează sau se măresc toŃi termenii cu o constantă a. X = X '' * h (pentru seria ni h ∑ ni h de frecvenŃe) ∑ i i x 1 ∑ i X i = * = . decât media seriei iniŃiale. media calculată din termenii modificaŃi va fi mai mică sau mai mare decât media termenilor reali cu constanta a. ∑ (x i i − X) = ∑ x i − n x = n x − n x = 0 i 7.

când seria se prezintă pe intervale egale de variaŃie. formată din unităŃile la care se înregistrează forma directă de manifestare a caracteristicii.6) unde: r = numărul mediilor de grupă. – se elaborează distribuŃia. formată din acele unităŃi la care s-a înregistrat opusul formei directe de manifestare. 80 . – convenŃional. h = mărimea intervalului. OBSERVAłIE! Este recomandabil să se utilizeze calculul simplificat. şi alta. media pe total se poate calcula şi pe baza mediilor de grupă.xi − a ) h i X= * h + a (pentru seria de simplă) n x −a ∑ ( i h )n i X= i * h + a (pentru seria de frecvenŃe) ∑ ni ∑( (4.5) i unde: a = mijlocul intervalului caracteristicii cu frecvenŃa cea mai mare. Într-o colectivitate împărŃită în grupe omogene. 9. această caracteristică se exprimă numeric astfel: se acordă valoarea 1 pentru variantele cu răspuns afirmativ forma directă. calculul nivelului său mediu se face astfel: – unităŃile colectivităŃii se împart în două grupe: una. şi valoarea 0 variantelor cu răspuns negativ (forma opusă). folosind relaŃiile: X0 ∑x n = ∑n i i i i i sau X 0 = ∑x i i r (4. În cazul în care caracteristica urmărită este alternativă.

Tabelul 4. calculată din valorile inverse ale termenilor aceleaşi serii. folosindu-se. În cazul variabilelor continue. se defineşte ca fiind egală cu valoarea inversă a mediei aritmetice. N = numărul total de unităŃi ale colectivităŃii. relaŃiile de calcul ale mediei recomandate pentru valorile de tip discret. Media armonică ( X h ) Media armonică. ca măsură a tendinŃelor centrale într-un ansamblu de observaŃii cantitative. Pentru aceasta este necesar să se înregistreze ca variabile discrete.1. cu frecvenŃe relative şi prin calcul simplificat) se utilizează pentru caracterizarea nivelului mediu al variabilelor de tip discret. fenomenele social-economice supuse cercetării statistice trebuie înregistrate în condiŃiile concrete de spaŃiu şi timp. cunoaşterea întregii game posibile de valori individuale.7) X = i = = =p N N ∑ ni i OBSERVAłIE! RelaŃiile de calcul ale mediei aritmetice (cu frecvenŃe absolute. indiferent de modul de variaŃie al variabilei aleatoare. DistribuŃia generală a frecvenŃelor după o caracteristică alternativă Răspuns înregistrat DA Varianta caracteristicii xi X=1 FrecvenŃe absolute M FrecvenŃe relative M =P N N −M M = 1− = q = 1− p N N p+q=1 NU Total X=0 N-M N M = unităŃi care posedă caracteristica. 81 . cuprinse într-un anumit interval. Media aritmetică a caracteristicii alternative este o mărime relativă de structură: ∑ x i n i (1* M) + [0 * ( N − M)] M ' (4. nefiind posibilă. În practică.

în funcŃie de natura obiectivă dintre valorile variabilei numerice observate. Pentru aceleaşi valori pozitive. tip III 2.5 Acelaşi rezultat s-ar fi obŃinut dacă s-ar fi calculat media armonică a celor 3 calităŃi de cafea: preŃ mediu = 3 = 1.8.9) EXEMPLU. dacă pentru calculul nivelului mediu al uneia din cele două variabile se foloseşte media aritmetică.8 lei/kg. O persoană cheltuieşte 4 lei pentru aprovizionarea cu 3 tipuri de cafea: (tip I 5kg*0. în practică se întâlnesc două variante ale mediei armonice. Media armonică se utilizează pentru exprimarea tendinŃei centrale în funcŃie de scopul cercetării şi.044 lei / kg cantitate totală 5 + 4 + 2. pentru cealaltă se foloseşte obligatoriu media armonică. 3.6 lei/kg). media armonică este mai mică decât media aritmetică. Astfel. preŃul mediu al unui kg de cafea se obŃine: preŃ mediu = costul total 3* 4 12 = = = 1.) Xh = ∑n i i 1 ∑ x ni i i pentru o serie de repartiŃie cu frecvenŃe (4.8 1 1. tip II 4kg*1 lei/kg.5 11. mai ales. În cazul în care între două variabile există o relaŃie de inversă proporŃionalitate (y=1/x).Deşi derivă din media aritmetică ponderată.6 OBSERVAłII! 1. RelaŃia de calcul este: 82 . aceasta se păstrează şi între mediile calculate pentru fiecare variabilă. 2. simplă şi ponderată: Xh = n 1 ∑x i i pentru o serie simplă (4.044 lei / kg 1 1 1 + + 0.5 kg*1. De cele mai multe ori se foloseşte pentru calculul indicelui (sintetic) al preŃurilor mărfurilor şi tarifelor serviciilor (care sintetizează indicii individuali ai acestor preŃuri şi tarife).

media armonică este indicat a se folosi când predomină valorile mici ale seriei. dacă ar înlocui fiecare valoare individuală din serie.. nule. Deci: ∑x i 2 i 2 = x1 + . + x 2 = n ⋅ x 2 n p p p Astfel. media pătratică se calculează: Xp = Xp = ∑x n 2 i pentru o serie simplă i (4. seria prezentând o asimetrie către valorile minime ale caracteristicii... Media pătratică ( Xp ) Media pătratică reprezintă acea valoare a caracteristicii.11) ∑x n ∑n 2 i i pentru o serie de frecvenŃă (4.12) OBSERVAłII! 1. 2. Frecvent.. În distribuŃiile de frecvenŃă. care. 3. Valoarea mediei pătratice este mai mare decât a mediei aritmetice. p i1/ 0 = indicele individual al preŃurilor mărfurilor de sortiment i. atunci când se calculează din aceleaşi date. Se recomandă media pătratică pentru calculul nivelului 83 . + x 2 = x 2 + .I P 1/ 0 = ∑p q i 1 1 ∑i i 1 (4. Cu toate că media pătratică se poate calcula din valori individuale pozitive.. ea nu are sens din punct de vedere economic decât dacă se calculează din valori pozitive. 4. suma pătratelor termenilor seriei nu s-ar modifica. negative.10) p 1/ 0 p1q1 unde: p1q1 = valoarea mărfii în perioada curentă. media pătratică se utilizează pentru a caracteriza tendinŃa centrală din ansamblul abaterilor valorilor individuale de la valoarea medie.

iar antilogaritmul ei este o valoare mai mică decât media aritmetică. media geometrică se calculează pe baza unei relaŃii obiective multiplicative între termenii aceleiaşi serii.. pentru că se poate determina prin logaritmii valorilor individuale. de unde: Xg = n Xg = i ∏x i =1 n i =1 i pentru serii simple ni (4. Deci: ∏x i =1 n n i n = x1 ⋅ x 2 ⋅ . media geometrică se transformă într-o medie aritmetică a logaritmilor factorilor. care au la bază o relaŃie de aditivitate între termenii unei serii statistice.14) Media geometrică se mai numeşte uneori şi medie logaritmică... + x g = x g . Media geometrică ( Xg ) Spre deosebire de tipurile de medii prezentate anterior. ⋅ x n = x g + .mediu în seriile în care predomină valorile ridicate sau când se doreşte să se acorde o importanŃă mai mare în nivelul mediu acelor unităŃi pentru care caracteristica urmărită prezintă cele mai mari valori absolute. produsul acestora nu s-ar modifica.. care. Media geometrică reprezintă acea valoare a caracteristicii observate. calculată din valorile reale ale termenilor seriei: Xg < X 84 .16) Prin aplicarea logaritmilor.15) ∑n i pentru seria de frecvenŃe i (4.13) ∑ni ∏x i pentru serii de frecvenŃă (4. dacă ar înlocui fiecare valoare individuală din serie. Astfel: log Xg = log Xg = ∑ log x i i i n ∑ n i log x i pentru serii simple (4.

calculul mediei geometrice este lipsit de sens. Indicatorii de poziŃie. Între mediile prezentate există următoarea relaŃie de ordine: Xh < Xg < X < Xp (4. este necesar să se calculeze indicatorii de poziŃie. media geometrică se foloseşte mai rar.17) În concluzie. în ansamblul datelor culese. În mod frecvent. dacă seria prezintă anumite particularităŃi sau în scopul analizei aprofundate. 4. Astfel. evidenŃiază tendinŃa de aglomerare. Prin logaritmare. are sens economic numai atunci când relaŃia de multiplicare a termenilor seriei este reală. dintre care frecvent utilizaŃi sunt: modul (dominanta) şi cuantilele.1. 2. Dacă cel puŃin o valoare individuală este nulă sau negativă. De multe ori. 85 . dar şi a formei în care se repartizează unităŃile colectivităŃii după caracteristica respectivă. ca medie geometrică. pentru caracterizarea tendinŃei centrale din seria indicilor de dinamică cu bază mobilă. 3. abaterile dintre termenii seriei se micşorează şi se obŃine un grad mai mare de concentrare a frecvenŃelor. Calculul nivelului mediu.OBSERVAłII ŞI PROPRIETĂłI 1. indicatorii de poziŃie furnizează informaŃii mult mai utile în fundamentarea deciziilor decât cele oferite de indicatorii medii. pentru completarea analizei seriilor de distribuŃie. de concentrare a unităŃilor după caracteristica studiată. îndeosebi când termenii prezintă o evidentă concentrare către valorile cele mai mici sau când se urmăreşte să se acorde o importanŃă deosebită valorilor individuale reduse. În calculul nivelului mediu într-o serie de distribuŃie. la calculul nivelului mediu al unei repartiŃii unidimensionale se foloseşte de preferinŃă media aritmetică şi complementar celelalte tipuri de medii.2. 4. Indicatorii de poziŃie sau de structură Caracterizarea tendinŃei centrale în seriile de repartiŃie presupune luarea în considerare nu numai a valorilor individuale ale caracteristicii urmărite. media geometrică se utilizează pentru calculul indicelui mediu al dinamicii.

Intervalul modal se consideră intervalul care are frecvenŃa cea mai mare.18) M0 = X0 + h ∆1 + ∆ 2 unde: X0 = limita inferioară a intervalului modal. 2. a) serie unimodală Figura 4. valoare care este egală cu modul (xi = Mo). valoarea caracteristicii corespunzătoare. cu i = 1. ∆1 = diferenŃa dintre frecvenŃa intervalului modal şi a celui următor.Modul (dominanta) (Mo) Modul (Mo) reprezintă acea valoare a caracteristicii care corespunde celui mai mare număr de unităŃi. valoarea modului trebuie calculată. corespunzătoare celui mai înalt balon (figura 4. se găseşte frecvenŃa maximă a seriei (ni = nmax).1). h = mărimea intervalului modal. grafic.ni). în dreptul frecvenŃei maxime. Pentru o repartiŃie discretă în cazul unei serii X (xi. Calculul algebric al modului se bazează pe relaŃia: ∆1 (4. sau aceea care are cea mai mare frecvenŃă de apariŃie.1 b) serie bimodală Pentru o serie de distribuŃie pe intervale egale. ∆1 = diferenŃa dintre frecvenŃa intervalului modal şi a celui precedent. n . aflarea modului se face prin următoarele operaŃii: 1. prin diagrama în baloane şi observarea valorii xi. 86 . 3. se citeşte.

Cuantilele de ordinul K Cuantilele sunt indicatorii care descriu anumite poziŃii localizate în mod particular în cadrul seriilor de distribuŃie. Me se mai numeşte valoarea echiprobabilă a caracteristicii: P(xi ≥ Me) = P(xi ≤ Me) = 1/2 a. • MEDIANA (Me) Mediana (Me) reprezintă acea valoare a caracteristicii localizată în mijlocul seriei sau repartiŃiei statistice. 3.OBSERVAłII! 1. Conceptul de cuantilă indică o divizare a distribuŃiei observaŃiilor într-un număr oarecare de părŃi. M0 se exprimă în aceleaşi unităŃi de măsură ca şi variabila studiată. Mediana împarte numărul unităŃilor investigate în două părŃi egale: numărul valorilor individuale superioare medianei este egal cu numărul valorilor individuale mai mici decât Me. – quartilele sau cuantilele de ordin 4 (k = 4). – centilele sau cuantilele de ordin 100 (k = 100). În acest caz se stabilesc valori modale (EXEMPLU: numărul de pantofi cel mai căutat). adică 1/k din numărul total al unităŃilor. Apoi. cu valori individuale aranjate crescător sau descrescător. M0 are o largă aplicabilitate practică în comerŃ şi stă la baza calculului şi interpretării gradului de asimetrie a repartiŃiilor. Frecvent se utilizează următoarele cuantile: – mediana sau cuantila de ordinul 2 (k = 2). Cuantilele de ordin superior (k>4) se calculează în cazul distribuŃiilor cu număr mare de grupe sau clase de valori individuale. Din această cauză. – decilele sau cuantilele de ordin 10 (k = 10). Fiecare parte are acelaşi efectiv. Cazul seriei simple Determinarea medianei presupune ordonarea crescătoare sau descrescătoare a valorilor individuale ale caracteristicii. cuantilele de ordin k sunt valori ale caracteristicii studiate care împart distribuŃia ordonată a observaŃiilor în k părŃi egale. M0 poate înlocui media atunci când ea nu poate fi calculată sau nu are sens a fi calculată (EXEMPLU: numărul mediu la încălŃăminte). identificarea Me se face astfel: 87 . 2. Astfel.

61.30. mediana va fi: x4 x5 Me= (x4+x5)/2 = (28+34)/2=31 OBSERVAłII! • În cazul seriei simple. şi nu este conformă definiŃiei date. Me − dacă seria ordonată are un număr par de termeni. EXEMPLU: în seria 5. mediana respectă pe deplin definiŃia valorii mediane. în mod convenŃional. Me corespunde cu valoarea caracteristicii de rang (n+1)/2. semnificaŃia valorii mediane este afectată de metoda sa de calcul.– dacă seria ordonată are un număr impar de termeni.63. ca medie aritmetică între valoarea individuală de rang n/2 şi cea de rang (n+1)/2.2.34. valoarea mediană se determină. În această situaŃie este considerată valoare mediană acea valoare individuală a caracteristicii corespunzătoare primei frecvenŃe cumulate ascendent.25.40. în mod convenŃional.13.14.8. în urma unui control de calitate a 100 loturi de aparate electronice. Me se determină. b. mediana are valoarea 14. • În cazul seriei cu număr par de termeni. Determinarea Me pentru distribuŃia pe variante Numărul de aparate electronice cu defecte (xi) 0 1 2 3 4 5 Total 88 Numărul de loturi de aparate (ni) 10 20 40 15 10 5 100 Numărul cumulat crescător de loturi 10 30 70 85 95 100 - .20. s-au obŃinut următoarele date: Tabelul 4. Cazul seriei distribuŃiei de frecvenŃe Pentru seria de distribuŃie de frecvenŃe pe variante distincte.7. care depăşeşte valoarea ∑ ni + 1 i =1 k .28. EXEMPLU: În seria 1. 2 EXEMPLU: Se consideră că.5.

Astfel. n i −1Me = suma frecvenŃelor precedente intervalului median. njMe = frecvenŃa absolută a intervalului median. Acesta este intervalul care corespunde primei frecvenŃe cumulate crescător care depăşeşte valoarea ∑ k i =1 ni +1 2 – în cadrul intervalului median.∑n Astfel. h = mărimea intervalului median.5 2 deci prima frecvenŃă cumulată ce depăşeşte 50. valoarea medianei se determină prin interpolare cu relaŃia: ∑ ni +1 i − ∑ n i −1Me 2 i (4.19) Me = X 0 + h n jMe unde: x0 = limita inferioară a intervalului median. În asemenea situaŃii se recomandă să se renunŃe la mediană ca valoare tipică pentru caracterizarea tendinŃei centrale şi să se recurgă la alte valori tipice. valoarea mediană se determină în mod aproximativ printr-un procedeu de interpolare liniară bazat pe ipoteza repartizării uniforme a frecvenŃelor în intervalul median. Mediana se determină în următoarele etape: – se determină intervalul median (locul Me).5 este 70 şi corespunde numărului median de aparate Me=2. ∑ i EXEMPLU: Se cunosc următoarele date despre vechimea muncitorilor unei firme: 89 . pentru că valoarea 2 nu împarte seria în două părŃi egale. Valoarea determinată nu corespunde definiŃiei date. i =1 k i +1 = 2 100 + 1 = 50. Pentru seria de distribuŃie de frecvenŃe pe intervale. numai 30% din loturi au un număr de rebuturi mai mic decât numărul median şi nu 50% cum cere definiŃia.

5 17.5 7. • Valorile medianei nu sunt afectate de valorile extreme ale seriei.5 12. 25 2 37 . 5 → Me ∈ (20 .Tabelul 4. conduce la obŃinerea indicatorului de poziŃie numit medială. utilizat frecvent în studiul concentrării. 97 ani. Este mai utilă când informaŃiile sunt date într-o formă în care calculul mediei este imposibil sau este afectat de închiderea convenŃională a intervalelor deschise. 18 2 = ni + 1 ) OBSERVAłII! • RaŃionamentul de determinare al medianei. se determină: – locul Me: ∑ k i =1 – calculul Me: 74 + 1 = 37 .5 27. 90 .5 Astfel.5 22. mai independent faŃă de intervalele de grupare şi forma de repartiŃie comparativ cu media aritmetică. • Mediana este un indicator al tendinŃei centrale.3 Gruparea muncitorilor după vechime xi 0-5 5-10 10-15 15-20 20-25 25-30 30-35 Total Număr muncitori ni 5 7 10 12 18 15 7 ∑ ni74 FrecvenŃe cumulate crescător 5 12 22 34 52 67 74 FrecvenŃe cumulate descrescător 74 69 62 52 40 22 7 Centre de interval 2. care se poate realiza astfel: se trasează diagramele frecvenŃelor cumulate ascendent şi descendent.5 32. aplicat repartiŃiei valorilor globale (xini) ale caracteristicii analizate. 5 − 34 20 + 5 = 20 . • Determinarea medianei se mai poate face prin calcul grafic. din punctul de intersecŃie al celor două curbe se trasează perpendiculare pe axa absciselor şi se citeşte valoarea Me pe OX.

• QUARTILELE Quartilele sunt valori ale caracteristicii ce împart seria în patru părŃi egale.97 Figura 4.3 construim curba cumulativă a frecvenŃelor: ni ↗ 75 65 Asc Legendă: 55 45 35 25 15 2. prin definiŃie. precizăm că verticala corespunzătoare Me împarte histograma seriei în două părŃi de aceeaşi suprafaŃă.5 32. sunt. fiecare diviziune conŃinând 25% din valorile individuale înregistrate pentru aceeaşi variabilă numerică. pentru că ariile dreptunghiurilor adiacente.8 ≈ 10 Me=20.5 27.5 17.5 7. 91 .5 Desc OX: 1cm = 5 unităŃi OY: 1cm = 10 unităŃi KOY = (74-5)/7 = 9. – quartila a doua Q2 coincide cu Me şi separă seria în două părŃi. – quartila superioară Q3 este mai mare decât 75% din termenii seriei şi mai mică decât 25% din numărul lor. Procedeul de determinare al quartilelor este asemănător cu cel al determinării medianei: – quartila inferioară Q1 este mai mare decât 25% din termenii seriei şi mai mică decât 75% dintre ei. Calculul grafic al Me Din punct de vedere grafic.2. care constituie histograma.5 12.5 22.EXEMPLU: Pe baza datelor din tabelul 4. proporŃionale cu frecvenŃele absolute corespunzătoare.

∑ n pQ3 reprezintă suma frecvenŃelor intervalelor precedente locului pe care-l ocupă Q1 şi Q3. – Q3 este acea valoare a caracteristicii corespunzătoare primei frecvenŃe cumulate ascendent care depăşeşte 3/4(∑ni+1). 3/4(∑ni+1). quartilele se determină după următorul sistem de relaŃii: Tabelul 4. valorile aproximative ale quartilelor se determină prin procedeul de interpolare liniară astfel: – se stabilesc intervalele în care se situează Q1. Acestea sunt intervalele corespunzătoare primelor frecvenŃe cumulate ascendent care depăşesc ¼(∑ni+1). Q2 = Me. Q2. 92 . Q3 Locul quartilei Valoarea quartilei Loc Q1 = ¼ (∑ni+1) 1 (∑ ni + 1) − ∑ n pQ1 Q1 = X 0 + h 4 n Q1 Q2 = Me 3 (∑ ni + 1) − ∑ n pQ3 Q3 = X 0 + h 4 n Q3 Loc Q3 = ¾ (∑ni+1) unde: ∑ n p Q1 . determinarea quartilelor Q1. Q3. Q2. – Q2 = Me. – în cadrul intervalelor identificate.Pentru seria simplă. unde valorile individuale îşi pierd individualitatea. 2/4(∑ni+1). Q3 se face după procedeul prezentat la mediană. Pentru seria de distribuŃie de frecvenŃe pe variante: – Q1 este considerată ca fiind valoarea caracteristicii corespunzătoare primei frecvenŃe cumulate ascendent care depăşeşte ¼ (∑ni+1). Pentru seria de distribuŃie de frecvenŃe pe intervale.4. RelaŃiile de calcul ale quartilelor Q1.

. Cazul seriei simple: conform definiŃiei.9 ...nQ1 . m = 1. nQ3 reprezintă frecvenŃele absolute ale intervalelor ce conŃin quartilele respective. în număr de 9..3. Cazul seriei de distribuŃie de frecvenŃă pe variante: decila m (Dm. 93 ... Reprezentarea quartilelor în distribuŃia Gauss-Laplace • DECILELE (D) Decilele. reprezintă acele valori ale caracteristicii care împart seria în zece părŃi egale. Într-o distribuŃie normală. cele 9 decile (D1. D9) se determină după procedura prezentată în cazul medianei. locul quartilelor se prezintă astfel: 25% 25% 25% 25% Q1 Q2 Me Q3 Figura 4. cu m = 1..9 ) va fi considerată acea valoare corespunzătoare primei frecvenŃe cumulate ascendent care depăşeşte m/10 (∑ni+1).. D5=Me. D2. conŃinând fiecare 10% din numărul observaŃiilor.

RelaŃiile de calcul ale decilelor Locul decilei Valoarea decilei Loc D1 = 1/10 (∑ni+1) . ∑ nDi reprezintă frecvenŃa absolută a intervalului decilic. . OBSERVAłIE! Calculul decilelor este justificat când variaŃia valorilor individuale este foarte mare. cuantilele prezentate vor fi: 94 . cu relaŃiile obŃinute prin interpolare: Tabelul 4. Loc D9 = 9/10 (∑ni+1) .Cazul seriei de distribuŃie de frecvenŃă pe intervale: – se determină intervalele interdecilice reprezentând valoarea caracteristicii pentru care frecvenŃele cumulate crescător depăşesc m/10 (∑ni+1).5. n pDi reprezintă suma frecvenŃelor precedente intervalului decilic. Dacă se reprezintă pe axă. m/10 (∑ni+1) este locul decilei. . . . – apoi se determină decilele.9 . . cu m = 1. . . . h este mărimea intervalului. D5 = Me . 1 (∑ ni + 1) − ∑ n pD1 D1 = X 0 + h 10 n D1 9 (∑ ni + 1) − ∑ n pD9 D9 = X 0 + h 10 n D9 unde: x0 reprezintă limita inferioară a intervalului decilic. .

Quartilele: 1 (∑ ni + 1) − ∑ n pQ 18.D1 D2 D3 D4 D5 Q1 Me Q2 D6 D7 D8 Q3 D9 Figura 4. 42 nQ3 15 Loc Q3 = ¾ (∑ni+1)=3/4(74+1)=56. .75 − 12 Q1 = X 0 + h 4 = 10 + 5 = 13. 1 1 Loc D9 = 9/10 (∑ni+1)=9/10*75=67.5 − 5 D1 = X 0 + h 10 = 5+5 = 6. D5 = Me=20.15) Q2 = Me 3 (∑ ni + 1) − ∑ n p Q3 56.35) 95 .25 → Q3 ∈ (25.10) 1 (∑ ni + 1) − ∑ n pD 7.25 − 52 Q3 = X 0 + h 4 = 25 + 5 = 26. Cuantilele reprezentate pe axă Cuantilele se folosesc pentru caracterizarea şi măsurarea variaŃiei şi asimetriei intercuantilice şi interdecilice.3) pentru calculul cuantilelor de ordin K=4 şi K=10.5 → D9 ∈ (30.35) Decilele: Loc D1 = 1/10 (∑ni+1)=1/10(74+1)=7. EXEMPLU: Reluăm datele din tabelul (4.78 nD 7 . .97 . .5 → D1 ∈ (5. .75 → Q1 ∈ (10.38 nQ 10 1 1 Loc Q1 = ¼ (∑ni+1)=1/4 (74+1)=18.4.

. 4.5 − 67 10 D9 = X 0 + h = 30 + 5 = 30 . Deci. Centila de rang 25=Q1.. Centilele.2.42 30. direcŃia şi sensul acŃiunii factorilor esenŃiali şi întâmplători. D2.40. utilizarea corectă a 96 . Procedeul de determinare a centilelor este asemănător cu cel al medianei (sau al tuturor cuantilelor de ordin mai mic decât 10).36 n D9 7 Reprezentarea valorilor pe axă: D1 D2 D3 D4 D5 Q1 Me D6 D7 D8 Q3 D9 6.. cu atât împrăştierea valorilor individuale este mai mare. iar cea de rang 75= Q3. D9. în număr de 99.36 Figura 4. Astfel.. Centilele de rang 10. La nivelul colectivităŃii. sunt valorile caracteristicii ce împart seria în 100 de părŃi egale (fiecare parte conŃinând 1/100 din numărul observaŃiilor efectuate).97 26. Cu cât fenomenele au un grad de complexitate mai mare. Reprezentarea cuantilelor de ordin K = 4 şi K = 10 • CENTILE Dacă avem o colectivitate statistică cu un număr mare de unităŃi şi cu o variabilitate foarte mare.9 (∑ ni + 1) − ∑ n pD9 67 . legea tendinŃei comportamentului acestor fenomene este reflectată sintetic de indicatorii tendinŃei centrale.30.. cea de rang 50=Me.. este util pentru analiză calculul cuantilelor de ordin mai mare ca 10. sunt decilele D1. în funcŃie de numărul.. Indicatorii de variaŃie Formele individuale de manifestare ale fenomenelor de masă analizate într-o colectivitate prezintă o variabilitate (împrăştiere) mai mare sau mai mică.20. natura.5.38 Q2=20.78 13. cuantila de ordin 100 se numeşte centilă.

6. Aceasta înseamnă că determinarea mediei trebuie însoŃită de verificarea omogenităŃii valorilor individuale din care s-a calculat. Dintre acestea se disting: 97 . dar repartiŃiile lor sunt diferite. Analiza variaŃiei sau împrăştierii valorilor individuale faŃă de tendinŃa centrală oferă posibilitatea rezolvării unor probleme de cunoaştere statistică.indicatorilor tendinŃei centrale în fundamentarea deciziilor necesită verificarea stabilităŃii şi reprezentativităŃii valorilor înregistrate de aceştia. Reprezentarea variabilelor x1 şi x2 în cadranul I Astfel. Verificarea omogenităŃii necesită măsurarea şi analiza împrăştierii şi concentrării faŃă de valorile tipice calculate. variabila (x1) având o împrăştiere mai mare decât variabila (x2). ele pot avea aceeaşi medie. aşa cum rezultă din figura 4. Astfel. dispersare.6. valoarea mediei este reprezentativă numai în măsura în care ea este calculată din date omogene. completează informaŃiile despre seriile statistice investigate. f(x) x2 x1 x X Figura 4. De exemplu. noŃiunea de împrăştiere. dacă avem două variabile statistice (x1) şi (x2) simetrice.

1. utilizaŃi în analizele statistice. • După modul de sistematizare a datelor primare există: – indicatori ai variaŃiei calculaŃi pentru serii de distribuŃie unidimensionale. Indicatorii împrăştierii (variaŃiei). – se calculează în cifre absolute. – indicatori ai variaŃiei calculaŃi pentru serii de distribuŃie multidimensionale. Indicatorii simpli ai variaŃiei Aceşti indicatori prezintă următoarele caracteristici generale: – se determină dintr-un număr redus de valori individuale. prin compararea sub formă de diferenŃă a valorilor individuale extreme.2.– analiza gradului de omogenitate a datelor din care s-au calculat indicatorii tendinŃei centrale şi verificarea reprezentativităŃii acestora. – compararea în timp şi/sau spaŃiu a mai multor serii de repartiŃie. – separarea acŃiunii factorilor esenŃiali de acŃiunea factorilor întâmplători. identificarea felului în care factorii esenŃiali îşi modifică acŃiunea de la o grupă (clasă) la alta. cât şi în mărimi relative. • După modul de calcul şi exprimare există indicatori ai variaŃiei calculaŃi ca mărimi absolute şi ca mărimi relative. sunt clasificaŃi după mai multe criterii: • După numărul variantelor luate în calcul (sau după gradul lor de sinteză) există: – indicatori simpli. Indiferent de natura lor. 98 . folosind aceleaşi unităŃi de măsură ca şi pentru caracteristica studiată. după caracteristici independente sau pentru aceeaşi caracteristică. dar şi pentru aprecierea „calităŃii” valorilor tipice utilizate în procesul decizional. – aplicarea diferitelor teste ale statisticii matematice. 4. – indicatori sintetici. – concentrarea valorilor individuale ale caracteristicilor şi deplasarea către valorile tipice. indicatorii de împrăştiere calculaŃi oferă informaŃii necesare numai pentru cunoaşterea variabilităŃii din seriile statistice analizate. sau prin compararea sub formă de raport a fiecărei valori individuale cu valoarea lor medie.

construite pe intervale de grupare. Astfel: A = xL .xl (4. Abaterile individuale. ca măsuri ale împrăştierii într-o serie statistică. – Din punct de vedere metodologic este folosit la stabilirea numărului de grupe (r) şi a mărimii intervalului de grupare (h). Abaterile individuale se exprimă în cifre absolute sau relative.20) A= xmax – xmin Pentru seriile de distribuŃie de frecvenŃă. Amplitudinea împrăştierii sau variaŃiei (A) • Amplitudinea absolută se defineşte prin diferenŃa dintre cea mai mare şi cea mai mică valoare individuală înregistrată. arată cu câte unităŃi de măsură. în procente şi se calculează ca raport între amplitudinea absolută şi nivelul mediu al caracteristicii: A (4.– informaŃiile despre variabilitate oferite în urma determinării şi analizei rezultatelor sunt extrem de reduse şi nu vizează omogenitatea ansamblului de date înregistrate etc. • Amplitudinea relativă a variaŃiei (A%) se exprimă. amplitudinea variaŃiei se calculează ca diferenŃă între limita superioară a ultimului interval (xL) şi limita inferioară a primului interval (xl). • Abaterile individuale absolute (di) se calculează ca diferenŃă între fiecare variantă înregistrată şi nivelul mediu al acestora (de obicei. media aritmetică): 99 . caz în care se interpretează în raport cu limitele de toleranŃă admise. la fiecare unitate a caracteristicii. (4. sau de câte ori (sau cât la sută) valoarea caracteristicii urmărite. de regulă. – Este utilizat la dirijarea statistică a procesului de fabricaŃie. se abate de la mărimea calculată a unui indicator al tendinŃei centrale.21) OBSERVAłIE! Amplitudinea absolută se exprimă în unităŃile de măsură ale variabilei respective.22) A% = ∗100 X OBSERVAłII! – Se foloseşte la controlul calităŃii produselor. prin urmare nu poate fi folosită la compararea a două variabile exprimate în unităŃi de măsură diferite.

23) • Abaterile individuale relative (di%) se calculează raportând abaterile absolute la nivelul mediu al caracteristicii: d i% = di X ∗ 100 = xi − X X ∗ 100 i=1.n (4.di = xi . 4.X i=1. caracterizată cu ajutorul mediei sau medianei.. Abaterea medie absolută Abaterea medie absolută reprezintă media aritmetică simplă sau ponderată a abaterilor „absolute” ale termenilor seriei. 100 .. în mod deosebit.2. coeficientul de variaŃie (v)..= xmin . dispersia ( σ 2 ).n (4.. de la tendinŃa lor centrală.X sau d max + % = sau d max − % d max + ∗ 100 X d = max − ∗100 X (4..2. Indicatorii sintetici ai variaŃiei Indicatorii sintetici ai variaŃiei.. Principalii indicatori statistici cu care se caracterizează variaŃia sunt: abaterea medie absolută ( d ).X dmax...25) OBSERVAłIE! În cazul unei distribuŃii simetrice d max + = d max − .2. Aceasta conduce la compensarea pe total (la nivelul întregului ansamblu) a abaterilor individuale. sintetizează într-o singură expresie numerică variaŃia valorilor individuale faŃă de tendinŃa centrală a caracteristicii urmărite într-o populaŃie statistică.24) • Abaterile maxime pozitive (dmax+) şi negative (dmax-) se urmăresc. la abateri egale (dar de semne contrare) corespund frecvenŃe egale de apariŃie.2. iar în interiorul seriei. spre deosebire de indicatorii simpli. abaterea medie pătratică ( σ ). în analizele statistice şi se pot calcula în cifre absolute şi relative: dmax+ = xmax .

se foloseşte ca principal indicator sintetic al variaŃiei abaterea medie pătratică. • Ea se exprimă în unitatea de măsură a caracteristicii urmărite. ∑x i i − x * n∗i% 100 (4. Din aceste considerente. cât şi celor mari. în medie. cu cât se abat termenii OBSERVAłII! seriei de la media lor. • În cazul seriilor de distribuŃie pe intervale de grupare.28) • Abaterea medie absolută arată.29) 101 n .27) • pentru seria de frecvenŃe relative: d = unde: i = 1.Se determină astfel: • pentru seria simplă: d = • ∑ xi − x i n i i i (4. reprezintă media aritmetică (simplă sau ponderată) a pătratelor abaterilor individuale de la tendinŃa lor centrală. ca măsură sintetică a variaŃiei. Dispersia ( σ 2 ) Dispersia. deşi cele din urmă influenŃează în mai mare măsură gradul de variaŃie al caracteristicii.26) ∑ x − x *n pentru seria de distribuŃie de frecvenŃe: d = ∑n i i (4. • Este concludentă numai dacă seria prezintă un grad mare de omogenitate.k. Formulele de calcul sunt: • pentru seria simplă: σ 2 = ∑ (x k i =1 i −x ) 2 (4. Din punct de vedere algebric nu este indicat să se renunŃe în mod arbitrar la semnul valorilor din care se calculează o valoare medie. • Prezintă dezavantajul că nu Ńine seama de semnul algebric şi acordă aceeaşi importanŃă atât abaterilor mici. pentru calculul ei se iau în considerare centrele acestora.

dispersia noii serii ( σ ′ 2 ) este de h2 ori mai mică. care precizează că: a.• pentru seria de distribuŃie de frecvenŃe: σ 2 = ∑ (x k i =1 i k − x ni (4. Dispersia calculată din abaterile valorilor caracteristicii faŃă de o constantă a este mai mare decât dispersia aceloraşi valori faŃă de media lor cu pătratul diferenŃei dintre medie şi constanta a. Aceasta se bazează pe combinarea a două proprietăŃi ale dispersiei. dacă se împart sau se înmulŃesc toŃi termenii cu un coeficient (h>1).30) i ) 2 ∑n i • pentru seria de frecvenŃe relative: σ 2 = ∑ (x i − x * n∗i% ) i =1 2 (4. atunci avem: σ 2 xi − a = ∑ [(xi − a ) − (xi − a )] i 2 ∑ (xi − a − x + xi ) i σ 2 xi −a =σ i 2 x n + ( x − a) 2 2 = n 2 = σ 2x Astfel : σ 2 x i −a = = = n n ∑ ( x i − x ) 2 + 2( x − a ) ∑ ( x i − x ) + n ( x − a ) 2 = 2 n n Deoarece ( xi − x) = 0 (vezi proprietăŃile mediei aritmetice). respectiv de h2 ori mai mare decât dispersia seriei iniŃiale ( σ 2 ): ∑( 102 xi − x 2 ) 1 h = 2 n h ∑ (x i − x)2 n = σ2 = σ′ 2 . Deoarece: xi − a = xi − a . 2 h σ 2 = σ′2 ∗ h 2 .31) 100 Dispersia se mai poate determina cu ajutorul formulei de calcul simplificat. ∑ (x i − a ) ∑ [( x i − x ) + ( x − a )] ∑ relaŃia de mai sus devine: σ 2 xi − a = σ 2 x + ( x − a ) 2 . Într-o serie de variaŃie. b.

relativ simetrică. Sheppard. este mai puŃin exactă decât dacă s-ar folosi date individuale. h fiind mărimea intervalului de grupare 12 (4. în care se asigură o compensare a abaterilor şi în interior. nu numai pe total. în anumite condiŃii. Dispersia corectată va fi: (σ 2 )′ = σ 2 x − h 2 . nu are formă concretă de exprimare şi arată modul în care valorile caracteristicii gravitează în jurul mediei. ca şi media calculată pe baza seriilor de repartiŃie cu interval. verificând în prealabil dacă sunt îndeplinite condiŃiile de normalitate şi volum. negrupate. • Dispersia este un indicator abstract.32) unde: h = mărimea intervalului. Cu cât intervalele de grupare sunt mai mari.De regulă. • Dispersia măsoară variaŃia totală a caracteristicii studiate. datorată cauzelor esenŃiale şi întâmplătoare. Aceste condiŃii presupun o repartiŃie normală sau uşor asimetrică a frecvenŃelor. Sheppard consideră că. • Dispersia este utilă în verificări de ipoteze statistice. a = valoarea caracteristicii cu frecvenŃă maximă. în calculul altor indicatori statistici etc. cu atât media şi dispersia sunt mai puŃin semnificative. 103 .33) El consideră posibilă aplicarea acestei corecŃii numai pentru seriile care prezintă următoarele proprietăŃi: – repartiŃia de frecvenŃă este continuă. Dacă avem dubii asupra veridicităŃii dispersiei calculate putem proceda la corectarea acesteia. unimodală. cele două proprietăŃi se combină şi rezultă formula de calcul simplificat a dispersiei pentru o serie de distribuŃie de frecvenŃe  x −a  ∑  i h  ni 2  cu intervale egale: σ 2 = i  ∗ h − (x − a)2 ni ∑ 2 i (4. dispersia se poate corecta scăzând 1/12 din pătratul intervalului de grupare. – frecvenŃele tind către zero în ambele extremităŃi ale intervalului de variaŃie. Ńinând seama de recomandarea făcută de statisticianul W. Rezultă că aplicarea corecŃiei lui Sheppard trebuie să se facă cu prudenŃă.F. OBSERVAłII! Dispersia.

RelaŃia de calcul este următoarea: σ = 2 σ 2 (4. în studiul calităŃii produselor. OBSERVAłII! • σ se foloseşte în studiile de marketing. ea nu se poate folosi pentru compararea gradului de variaŃie a două sau mai multe variabile diferite şi în această situaŃie se recurge la alt indicator de variaŃie – coeficientul de variaŃie. Calculând pentru aceeaşi serie σ şi d . 104 5 x . • Abaterea standard. • Abaterea standard este un indicator de bază. Astfel. abaterea medie liniară este egală cu 4/5 din valoarea abaterii medii pătratice: d x ≅ 4 σ . fiind calculată din pătratul abaterilor. pentru elaborarea variantelor de prognoză.Abaterea medie pătratică (sau abaterea standard sau abaterea tip) ( σ ) Abaterea standard se defineşte ca medie pătratică simplă sau ponderată a abaterilor valorilor individuale de la tendinŃa centrală sau ca rădăcină pătrată a dispersiei. Prin ridicarea la pătrat se dă o mai mare importanŃă abaterilor mai mari în valoare absolută.34) unde σ = dispersia. • Dezavantajele abaterii standard se referă la faptul că se exprimă în aceleaşi unităŃi de măsură ca şi variantele caracteristicii. calculată prin orice metodă. acestea influenŃând într-o mai mare măsură gradul de variaŃie al variabilei analizate. Coeficientul de variaŃie (v) sau coeficientul de omogenitate Coeficientul de variaŃie este o măsură a dispersiei relative care descrie abaterea medie pătratică ca procent din media aritmetică. în calculele de corelaŃie. În literatura de specialitate se apreciază că pentru o serie de distribuŃie cu tendinŃă clară de normalitate. care se foloseşte în analiza variaŃiei la estimarea erorilor de selecŃie. este mai concludentă decât abaterea medie liniară. ele vor fi întotdeauna în această relaŃie: σ > d .

aceste informaŃii trebuie completate cu cele referitoare la concentrarea valorilor individuale. Coeficientul de variaŃie se defineşte ca raport între abaterea medie pătratică ( σ ) şi media aritmetică ( x ) a ansamblului de observaŃii: σ V = *100 x (4. – colectivitatea este omogenă. ca metodă de sistematizare primară. gruparea trebuie refăcută.100}: – dacă v = 0 înseamnă lipsă de variaŃie.2. ca indicator al tendinŃei centrale este semnificativă. este o măsură a riscului relativ şi permite o interpretare mai nuanŃată a dispersiei. dar şi prin faptul că valorile sale sunt localizate în intervalul {0. 105 . valorile sunt egale între ele şi egale cu media lor.3. deşi au un caracter finit.35) OBSERVAłII! • Coeficientul de variaŃie este cel mai sintetic indicator al împrăştierii. 4. nu numai pentru că permite comparaŃia variabilităŃii. • Pentru profunzimea analizei întreprinse. respectiv este formată din unităŃi ce aparŃin aceluiaşi tip calitativ.Acest coeficient permite compararea împrăştierii valorilor care nu sunt exprimate în aceeaşi unitate de măsură (de exemplu. – dacă v → 0. – gruparea. compararea variabilităŃii salariilor din două Ńări şi în două monede diferite). variaŃia este mică şi se concretizează în: – media. – dacă v →100. variaŃia caracteristicii este mare. Astfel. colectivitatea este eterogenă. în analizele financiar-bursiere. Regula adunării dispersiilor ColectivităŃile cu care se operează în statistica social-economică. analiza variaŃiei trebuie urmată de analiza formelor în care se distribuie acestea. v > 35%. variaŃia caracteristicii este mică. Practica utilizării coeficientului de variaŃie a stabilit pragul de trecere de la starea de omogenitate la cea de eterogenitate: v ≤ 30-35%. este bine făcută. • Coeficientul de variaŃie. sunt formate de cele mai multe ori dintr-un număr foarte mare de unităŃi purtătoare a unor variabile cu un grad mare de variaŃie. la deplasarea acestora faŃă de anumite valori tipice.

.. ... nk.. calculaŃi la nivelul fiecărei grupe... .... nk2 n. şi cei pe întreaga colectivitate există anumite relaŃii bazate pe regula adunării dispersiilor.6.... în funcŃie de variaŃia factorilor determinanŃi.6).. • dispersii (pe fiecare grupă şi pe total).. ∑ ni = =∑ nj=∑ nij yi y1 y2 . Între indicatorii de variaŃie. .. nij .. ni2 . . nk1 n. ...... .. yk y Pe baza datelor prezentate în tabelul 4... Tabelul 4. Considerăm o colectivitate C. . .. yr n1r n2r ... ni.. în care s-au înregistrat cele două variabile x şi y. . Cele n unităŃi ale colectivităŃii C s-au structurat în k grupe după valorile caracteristicii x şi în r grupe după valorile caracteristicii y (vezi tabelul 4.. unităŃile la care s-a făcut observarea trebuie împărŃite în grupe.. xi . .. câte una pentru fiecare grupă x: 106 . . nkr n.... yj n1j n2j .. Se pot calcula k medii de grupă ale variabilei y. DistribuŃiile condiŃionate ale variabilei y în funcŃie de un factor de grupare x Media pe grupe (medii Valorile Valorile caracteristicii yj Volumul condiŃionate) caracteristicii grupelor xi x1 x2 .. ni1 .. nir . Mediile de grupă ( yi ).6 se pot calcula următorii indicatori statistici: • medii (pe fiecare grupă şi pe total).. xk Total y1 n11 n21 ....Astfel.... Dacă s-a folosit metoda grupării se pot calcula medii şi dispersii pe grupe şi pe total colectivitate. .j .. n2. ...1 y2 n12 n22 . yi .2 ....... nkj n.r ni n1..... . .. ..

se poate calcula în funcŃie de datele de care dispunem. datorate acŃiunii cauzelor esenŃiale (factorul principal de grupare).37) k ∑ ni i =1 Împrăştierea valorilor individuale ale unităŃilor colectivităŃii C faŃă de valoarea medie generală ( y j − y 0 ) se poate descompune: y j − y0 = ( y j − yi ) + ( yi − y0 ) Abateri totale Abateri întâmplătoare Abateri sistematice (4. j = 1. Va fi notată cu y 0 . k reprezentând variaŃia valorilor mediilor de grupă în jurul mediei colectivităŃii totale. când datele provin dintr-o observare parŃială.yi = ∑y n j=1 r j r ij ∑n j=1 (4. după una din relaŃiile: ∑ y jn j y0 = j=1 r ∑nj j=1 r sau y = i =1 k ∑ yi ni (4. 2) ( yi − y0 ) pentru orice i = 1. datorită acŃiunii cauzelor întâmplătoare.36) ij Media generală. când datele provin dintr-o observare totală. Media generală sintetizează atât variaŃia valorilor individuale ale colectivităŃii totale. r reprezentând împrăş- tierea valorilor individuale în jurul fiecărei medii de grupă. sau cu y . 107 . cât şi valorile mediilor de grupă (mediile condiŃionate de factorul de grupare). înregistrată în colectivitatea C. se identifică trei feluri de variaŃii: 1) ( y j − yi ) pentru orice i = 1.38) Pentru caracteristica y. Astfel. k .

atât la nivelul fiecărei grupe. • media dispersiilor de grupă ( σ 2 ). 2 Dispersia de grupă (dispersie parŃială) se calculează ca o medie aritmetică ponderată a pătratelor abaterilor variantelor caracteristicii.39) ij ) 2 ∑n j =1 unde: y j = variantele caracteristicii dependente. a intensităŃii cu care au influenŃat asupra variabilităŃii caracteristicii dependente cele două grupe de factori (întâmplători şi esenŃiali). 108 . cât şi la nivelul colectivităŃii generale. Măsurarea acŃiunii separate şi combinate a celor două categorii de factori variabili presupune descompunerea adecvată a dispersiei colectivităŃii totale C. datorate influenŃei cauzelor esenŃiale şi întâmplătoare. r reprezentând variaŃia valorilor yj în jurul mediei colectivităŃii totale. OBSERVAłII! • Dispersia de grupă evidenŃiază variaŃia caracteristicii dependente ( y j ) determinată de acŃiunea factorilor întâmplători care acŃionează la nivelul grupei respective. calculată din aceste variante. • dispersia totală ( σ 0 ).3) y j − y0 pentru orice j = 1. Pentru determinarea separată. de la media lor de grupă: σ 2i = ∑ (y r j =1 j r − y i nij (4. se folosesc următoarele tipuri de dispersii: • dispersia de grupă ( σ 2 i ). nij = frecvenŃele corespunzătoare fiecărui interval de valori din cadrul grupei. • dispersia dintre grupe ( δ 2 ). yi = media de grupă.

se calculează media dispersiilor de grupă. Dispersia cu nivelul cel mai mare reflectă o variaŃie pronunŃată sub acŃiunea intensă a factorilor întâmplători. acŃiunea redusă a factorilor întâmplători şi deci o variaŃie slabă.40) OBSERVAłIE! σ 2 sintetizează influenŃa factorilor întâmplători pe întreaga colectivitate. Dispersia cu nivelul cel mai scăzut evidenŃiază gradul înalt de omogenitate al grupei. cât şi a celor neesenŃiali. astfel măsoară variaŃia reziduală sau întâmplătoare a caracteristicii studiate.• Numărul dispersiilor de grupă este egal cu numărul grupelor ce formează colectivitatea supusă studiului. variabili de la o grupă la alta sau în cadrul aceleiaşi grupe: 109 . datorată acŃiunii cauzelor esenŃiale pe întreaga colectivitate. • Pentru a sintetiza această variaŃie într-un singur indicator calculat pe întreaga colectivitate. Se calculează ca o medie aritmetică ponderată a pătratelor abaterilor mediilor de grupă faŃă de media colectivităŃii generale: δ 2 ∑ (y − y ) n = ∑n 2 i 0 i i i i (4. Dispersia dintre grupe ( δ 2 ) reflectă variaŃia caracteristicii dependente. Măsoară întreaga împrăştiere a valorilor caracteristicii y. putem preciza care grupă este mai omogenă. deci influenŃa factorului de grupare asupra caracteristicii rezultative y.41) 2 Dispersia totală ( σ 0 ). • Comparând între ele dispersiile de grupă. care este produsă atât de acŃiunea factorilor esenŃiali. Media dispersiilor de grupă ( σ 2 ) se calculează ca o medie aritmetică ponderată a dispersiilor parŃiale astfel: • ca o medie aritmetică simplă pentru grupe cu un număr egal de ∑σ i 2 2 unităŃi: σ = i k • pentru grupe cu un număr diferit de unităŃi: σ 2 ∑σ n = ∑n 2 i i i i i (4.

2 2 OBSERVAłIE! Dispersiile calculate în regula de adunare a dispersiilor se folosesc în sondaj pentru calculul erorii medii pe tipuri de sondaj.44) Coeficientul de nedeterminaŃie ( K 2 ) arată care este ponderea factorilor întâmplători în variaŃia totală a caracteristicii. Pentru prezentarea modului de calcul şi a semnificaŃiei acestor dispersii.43) Această relaŃie este cunoscută în literatura de specialitate sub denumirea de regula adunării dispersiilor.45) 2 2 Între cei doi coeficienŃi există următoarea relaŃie: R + K = 1 Dacă: – R > K . (4. σ K = 2 ⋅ 100 σ0 2 2 (4. factorul de grupare acŃionează în mod hotărâtor asupra variaŃiei caracteristicii rezultative yj. aceasta fiind independentă de variaŃia caracteristicii xi. – R 2 < K 2 variaŃia variabilei yj se datorează influenŃei exercitate de alte cauze (factori neînregistraŃi). 2 2 δ2 R = 2 ⋅ 100 σ 0 2 (4.42) j j ) 2 ∑n 2 Pornind de la conŃinutul dispersiilor prezentate.7). Ea se utilizează pentru verificarea exactităŃii calculelor şi pentru cazul când nu se cunosc decât două din cele trei dispersii. dispersia totală se calculează cu relaŃia: σ 0 = σ + δ . 110 . Pe baza ei se pot calcula alŃi doi indicatori statistici cu caracter de mărime relativă de structură: Coeficientul de determinaŃie ( R 2 ) arată care este ponderea factorului principal de grupare în variaŃia totală a caracteristicii.σ0 = 2 ∑ (y j j − y0 n j (4. vom considera distribuŃia unui eşantion de studenŃi după sex şi vârstă (tabelul 4.

32 20.9.43 29.78 11.2 ) 2 ∑ (y j − yi n ij = ∆2y / z ) 2 • Media grupei I: y1 = 446 = 22.7 Grupe de studenŃi după sex (xi) Masculin Feminin Total Subgrupe de studenŃi după vârstă (ani) (yj) 18-20 20-22 22-24 24-26 26-28 2 7 7 4 1 1 3 3 2 3 8 10 7 2 Tabelul 4. 20 66.84 1.31 20 Tabelul 4.92 4. Grupa II Sex masculin Număr studenŃi nij 1 1 3 3 2 10 Centru de interval yj 19 21 23 25 27 Grupe de studenŃi după vârstă 18-20 20-22 22-24 24-26 26-28 Total yj nij (y j − yi nij ) 2 19 21 69 75 54 238 ∑ nij ∑ yj nij ∑ (y 23.83 3. Grupa I Sex feminin Grupe de studenŃi după vârstă 18-20 20-22 22-24 24-26 Total Număr studenŃi nij 2 7 7 4 20 ∑ nij Centru de interval yj 19 21 23 25 yj nij 38 147 161 100 446 ∑ yj nij Total 20 10 30 (y j − yi nij 21.16 66.04 7.2 • Dispersia grupei I: σ 21 = = 3.Tabelul 4.8.6 j − yi n ij = ∆2y / z 111 ) 2 .48 57.3 ani.

76 10 Tabelul 4.3 23.8 ani.28 138. y= ∑ ni 30 • Dispersia totală: σ 0 2 = ∑ (y j j − y0 n j = j j ) 2 ∑n σ 2i 138.6 • Dispersia grupei II: σ 2 2 = = 5.10.63 30 Tabelul 4.76 66.4 33.8 ani sau 30 ∑ y i ni = 684 = 22.32 25.11 Grupe de studenŃi după sex Feminin Masculin Total Numă rul grupelor (ni) 20 10 30 yi yi ni σ 2i ni (y i − y 0 ni ) 2 22.8 ani.31 5.8 j − y0 n j ) 2 • Media totală: y 0 = 684 = 22.8 446 238 684 3.8 = 4.6 123. Total eşantion Număr studenŃi nj 3 8 10 7 2 30 ∑ nij Centru de interval yj 19 21 23 25 27 Grupe de studenŃi după vârstă 18-20 20-22 22-24 24-26 26-28 Total yj nj 57 168 230 175 54 684 ∑ yj nij (y j − y0 n j ) 2 ∑ (y 43.8 ∑ (y 5 10 15 i − y 0 n i = ∆2y / z ) 2 112 .2 57. 10 57.92 0.88 35.• Media grupei II: y 2 = 238 = 23.

R2 = K2 → K2 = 100 – 11% = 89% 11% + 89% = 100% OBSERVAłIE! R 2 < K 2 . ceea ce înseamnă că sexul nu este un factor determinant pentru analiza vârstei.13 + 0.63 • Coeficientul de determinaŃie: δ2 0. aceasta fiind influenŃată de alŃi factori. Testul F Analiza dispersională stă la baza caracterizării statistice a interdependenŃelor din economie. Prin analiza dispersională se urmăreşte: • depistarea şi ordonarea factorilor care influenŃează fenomenul analizat.63 σ0 2 2 R 2 + K 2 = 1 (100%) 1 .3. 4.13 K = 2 ⋅ 100 = ⋅ 100 = 89% 4.63 σ 0 • Coeficientul de nedeterminaŃie: σ 4.8 = 4.5 30 • Dispersia dintre grupe: δ 2 ∑ (y − y ) n = ∑n i i i i = • Regula de adunare a dispersiilor: σ 0 2 = σ 2 + δ 2 = 4. • separarea influenŃei diferiŃilor factori.• Media dispersiilor de grupă: σ 2 ∑σ n = ∑n 2 i i i i 2 i 0 i = 123. iar ceilalŃi cu acŃiune constantă. considerând câte un factor sau mai mulŃi variabili. Verificarea semnificaŃiei factorului principal de grupare prin metoda analizei dispersionale. 113 .5 R 2 = 2 ⋅ 100 = ⋅ 100 ≅ 11% 4.13 30 15 = 0.5 = 4.

dacă se îndeplineşte condiŃia reprezentativităŃii.46) 114 . aceşti indicatori fiind estimaŃii ale mediei şi dispersiei colectivităŃii totale. Înainte ne oferă posibilitatea să verificăm gradul de semnificaŃie al factorului principal de grupare. prin care se separă influenŃa factorilor esenŃiali (notaŃi cu x) de acŃiunea factorilor întâmplători (notaŃi cu z). • testul F. Cazul 3. Analiza dispersională se foloseşte când fenomenul cercetat se grupează după criterii organizatorice (EXEMPLU: repartizarea angajaŃilor pe echipe. 2 • gradul de determinaŃie ( Rx ) şi nedeterminaŃie ( K z2 ). a mărfurilor pe loturi etc). Analiza dispersională se bazează pe metoda grupării. Cazul 2. raportul dintre dispersiile corectate. confirmându-se sau infirmându-se existenŃa sau inexistenŃa legăturii. ca urmare a influenŃei tuturor factorilor (esenŃiali şi întâmplători): ∆2y = ∑ y j − y0 n j 2 ( ) (4. aplicându-se înainte şi după aplicarea acestora. Se verifică gradul de reprezentativitate al eşantionului. – la verificarea stabilităŃii mediei şi dispersiei pentru mai multe eşantioane succesive. Indicatorii folosiŃi frecvent în analiza dispersională sunt: • devianŃele sau varianŃele (∆2). • numărul gradelor de libertate (n). Cazul 1. media şi dispersia nu diferă semnificativ de la un eşantion la altul. analiza dispersională serveşte la verificarea veridicităŃii funcŃiei de regresie şi a indicatorilor de corelaŃie.Analiza dispersională se foloseşte în următoarele cazuri: – la verificarea dependenŃei variaŃiei unei caracteristici statistice de influenŃa factorilor determinanŃi. Analiza dispersională este o metodă auxiliară a corelaŃiei şi regresiei statistice. DevianŃele (∆2) DevianŃa totală (∆2y) arată gradul de împrăştiere a tuturor valorilor caracteristicii yj. După aplicarea metodelor de corelaŃie. • dispersiile corectate (S2). asupra unei variabile rezultative y.

arată gradul de împrăştiere al mediilor condiŃionate ( yi ) ale variabilei yj faŃă de media totală: ∆ 2y / x = ∑ (y i − y0 ) 2 n j (4. respectiv. în variaŃia totală a variabilei yj. Se mai numeşte devianŃa din interiorul grupelor.50) 2 Rezultă că: R x + K z2 = 1 . a celor întâmplătoare. Coeficientul de determinaŃie: R = 2 x ∆2y / x ∆2y ∆2y / z ∆2y (4.12 se prezintă.48) Gradul de determinaŃie şi nedeterminaŃie se bazează pe raportul dintre fiecare deviantă şi devianŃa totală. construcŃia acestor tipuri de dispersii: 115 . considerată devianŃă între grupe.49) Coeficientul de nedeterminaŃie: K = 2 z (4. Dispersii corectate (S2) În tabelul 4. 2 OBSERVAłIE! Cu cât valoarea lui Rx este mai mare şi se apropie de 1.DevianŃa sistematică ( ∆2y / x ). cu atât factorul principal de grupare are acŃiune mai pronunŃată şi semnificativă asupra variabilei yj. datorată cauzelor întâmplătoare. pe etape. numărul acestora fiind egal cu numărul grupelor: k  r  2 ∆2y / z = ∑ ∑ y j − yi nij  i =1  j =1  ( ) (4.47) DevianŃa reziduală ( ∆2y / z ) măsoară împrăştierea valorilor variabilei yj faŃă de media condiŃionată ( yi ) din fiecare grupă. şi arată ponderea influenŃei cauzelor sistematice şi.

mai puŃin o unitate: S 2 y/x = ∆2y / x nx ∑ (y = i − y 0 ni ) 2 r −1 (4.52) 2 Dispersia reziduală ( S y / z ) măsoară acea parte din variaŃia caracteristicii yj.12 Numărul gradelor de libertate Dispersii corectate 2 r-1 S 2 y/x = ∆2y / x r −1 ∆ 2 y/z ∑ (y = k i − y 0 ni  2 − yi nij   n−r j ) 2 r −1 r  r  2 ∑ ∑ y j − yi nij  = ∆2y / z i =1  j =1  ( n-r S ∑ ∑ ( y  = i =1 2 y/ z =  j =1 ) n−r = Totală ∑ (y j − y 0 n j = ∆2y ) 2 n-1 2 Sy = ∆2y n −1 ∑ (y j − y0 n j ) 2 n −1 Numărul gradelor de libertate: r = numărul de grupe. datorată factorilor întâmplători şi se calculează ca raport între devianŃa reziduală şi numărul de unităŃi din care se compune colectivitatea (n). datorată factorului principal de grupare şi se calculează ca raport între devianŃa sistematică şi numărul de grupe (r) formate după caracteristica xi. datorată tuturor categoriilor de cauze care o determină.51) 2 Dispersia sistematică ( S y / x ) măsoară acea parte din variaŃia carac- teristicii yj. Dispersia totală (S2) măsoară variaŃia totală a variabilei yj.Felul variaŃiei Între grupe În interiorul grupelor Suma pătratelor abaterilor ∑ (y k i − y0 ni = ∆2y / x ) ) Tabelul 4. mai puŃin numărul de grupe (r): 116 . n = numărul de valori perechi. S = 2 y ∆2y ny ∑ (y = j − y0 n j ) 2 n −1 (4.

acest Fcalculat se compară cu un Fteoretic. prezentat în tabele speciale. Testul F Se aplică asupra dispersiilor corectate. dacă S y / x > S y / z (4. 117 .r Valorile lui Fteoretic se vor lua din Anexa 3 pentru repartiŃia F corespunzător unui nivel de semnificaŃie. Dacă Fcalculat > Fteoretic . depinzând de gradele de libertate respective nx şi nz. dacă S y / x = S y / z Practic.53) rezultă că S # S 2 y 2 y/x +S 2 y/z .2 Sy/ z  r  2 ∑  ∑ y j − yi nij  ∆2y / z i =1  j =1   = = = n−r n−r k ( ) ∑σ i2 ni i ∑ ni i (4. luate în consideraŃie la calculul dispersiilor şi de probabilitatea cu care se garantează apariŃia rezultatelor. dacă S y / x < S y / z 2 2 Fcalculat = 1.54) acest raport putând fi: 2 2 Fcalculat < 1. caracteristica xi constituie un factor determinant pentru caracteristica yj. f1(v1) / nx = r – 1 Fteoretic: f2(v2) / nz = n . adică între cele două variabile există o legătură statistică semnificativă ce poate fi cuantificată. fiind raportul dintre dispersia sistematică şi cea reziduală: Fcalculat = 2 Sy/x 2 Sy/z 2 2 Fcalculat > 1. dar relaŃia este valabilă pentru devianŃe: ∆2y = ∆2y / x + ∆2y / z .

4. EXEMPLU: Starea unei piese poate fi bună sau rebut. pentru α = 0.39 n−r 2 −1 30 − 2 ) f1 = r – 1 = 1 Fteoretic: f2 = n – r = 28 Fcalculat < Fteoretic. situaŃia unui student după un examen poate fi promovat sau nepromovat.2. Fcalculat = 2 Sy/x 2 Sy/z = ∆2y / x r −1   i j ÷ ∆2y / z n−r j = ∑ (y = i − y 0 ni ) 2 ∑ ∑ ( y ÷ r −1  2 − yi nij   = 15 ÷ 66.9. De asemenea.2 şi ∆2y / z = 57. mai folosim tabelele 4. 3. De menŃionat că orice caracteristică numerică nealternativă se poate transforma într-o 118 . ci prin cuvinte (calitativ) şi nu admit decât una dintre alternative.11 vom lua devianŃa sistematică ∆2y / x = 15.2 deci sexul nu influenŃează semnificativ vârsta. unităŃile colectivităŃii se împart în două grupe: – o grupă care cuprinde acele unităŃi la care se înregistrează forma directă de manifestare a caracteristicii.6 = 3. Din tabelul 4. În cazul în care caracteristica urmărită este alternativă.6.2 + 57. EXEMPLU: Folosim distribuŃia studenŃilor după sex şi vârstă din tabelul 4.Dacă Fcalculat < Fteoretic. . cele două variabile sunt necorelate sau independente. 4.39 < 4. acestea fiind independente din punct de vedere statistic. unde devianŃele reziduale vor fi: ∆2y / z = 66.8 şi 4.05 rezultă Fteoretic = 4. – o altă grupă la care se înregistrează opusul formei de manifestare a caracteristicii.7. Media şi dispersia unei variabile alternative În cercetarea statistică a fenomenelor social-economice se întâlnesc caracteristici ale căror variante nu se exprimă numeric (cantitativ).

Pentru exprimarea lor cantitativă se folosesc următoarele valori convenŃionale: • pentru DA. greutate specifică sau pondere şi probabilitate de apariŃie a cazurilor favorabile.p p+q=1 unde: N = numărul total al unităŃilor colectivităŃii studiate. prin raportarea la un anumit prag. Numărul de unităŃi (frecvenŃele) din cele două grupe este diferit. x1 = 1. • Aceste observaŃii sunt valabile şi pentru q. Astfel. Tabelul 4. iar distribuŃia lor este prezentată în tabelul 4.caracteristică alternativă. x2 = 0.13. • pentru NU. M = numărul unităŃilor care posedă caracteristica. – unităŃi cu un nivel de dezvoltare mai mare decât media. media răspunsurilor neafirmative. Pentru caracterizarea statistică a variabilelor alternative este necesară o cuantificare a valorilor. astfel: x= ∑ xini ∑ ni = 1 ⋅ M + 0 ⋅ ( N − M) M M = =p⇒p= N N N (4.55) OBSERVAłII! • Media caracteristicii alternative este chiar frecvenŃa relativă corespunzătoare răspunsurilor afirmative. Media caracteristicii alternative (p) se va calcula aplicând relaŃia mediei aritmetice ponderate. N – M = numărul unităŃilor care nu posedă caracteristica. care poate fi media. 119 . • Media caracteristicii alternative poate fi considerată mărime relativă de structură. unităŃile colectivităŃii se vor separa în două grupe: – unităŃi cu un nivel de dezvoltare mai mic decât media.13 Răspunsul înregistrat DA NU Total Valorile caracteristicii x1 = 1 x2 = 0 FrecvenŃe absolute M N–M N = ∑ni FrecvenŃe relative p=M/N q = (N – M)/N = 1 .

cât şi dispersia înregistrează o scădere în acelaşi ritm în care a avut loc şi creşterea. • dacă p > q şi p continuă să crească în cadrul intervalului 0. Abaterea medie pătratică ( σ p ) se determină clasic.56) OBSERVAłIE! Dispersia caracteristicii alternative este egală cu produsul celor două frecvenŃe relative. • când p < q şi p creşte uniform în cadrul intervalului 0 < p < 0. prin extragerea rădăcinii pătrate din dispersie: σ p = σ p 2 = p(1 − p ) = p ⋅ q (4.57) Aceşti indicatori sunt folosiŃi pe scară largă în cercetări selective şi în controlul calităŃii produselor. Dispersia şi abaterea medie pătratică a caracteristicii alternative prezintă anumite particularităŃi: • dispersia poate lua valori numai în intervalul 0 ≤ σ p ≤ 0.25.5.5 < p < 1 atât abaterea standard.25 şi σ p = 0. cât şi dispersia înregistrează o creştere mai rapidă la început şi mai lentă către limita superioară. • când p = q dispersia şi abaterea standard ating valori maxime σ p 2 = 0.5.5. 120 .Dispersia caracteristicii alternative ( σ p ) se obŃine pornind de la 2 relaŃia de calcul obişnuit al dispersiei: σp = 2 (1 − p ) N ∑ (x − x ) n = (1 − p ) = ∑n 2 i i i 2 2 M + (0 − p ) 2 ( N − M ) = N M + p (N − M ) = p(1 − p )(1 − p + p ) = p (1 − p ) = p ⋅ q N 2 σ p 2 = p(1 − p ) = p ⋅ q (4. atât abaterea medie pătratică. iar 2 abaterea medie pătratică ia valori numai în intervalul 0 ≤ σ p ≤ 0.

Sunt cunoscute distribuŃii empirice: – uşor asimetrice. dispersie etc. Coeficientul de variaŃie: σp 900 v= ⋅ 100 = ⋅ 100 = 33. Procentul mediu de piese rebut: N − M 300 − 270 q= = ⋅100 = 10% N 300 c. Seriile de repartiŃie de frecvenŃă empirice (cele obŃinute în urma prelucrării primare a informaŃiilor) se pot compara cu repartiŃiile teoretice. ca noŃiune. 121 . ale cărei frecvenŃe se distribuie simetric de o parte şi de alta a frecvenŃei maxime plasată în centrul seriei.) şi este cunoscută forma lor de repartiŃie. Se cere: a. sau funcŃia Gauss-Laplace.5. – pronunŃat asimetrice.EXEMPLU: Pentru determinarea calităŃii produselor unei firme de rulmenŃi. se referă la felul în care frecvenŃele unei distribuŃii empirice se abat de la curba normală a frecvenŃelor.3% ⇒ V < 35% p 90 4. Cea mai frecventă repartiŃie teoretică către care tind seriile empirice este distribuŃia normală. s-au examinat un număr de 300 de piese. Forma asimetriei se poate stabili grafic cu ajutorul histogramei sau poligonul frecvenŃelor. pentru care s-au calculat parametrii (medie. un interes deosebit îl prezintă cunoaşterea formei distribuŃiei. din care 270 au fost considerate bune. iar graficul are forma de clopot. în raport cu ordonata maximă. Asimetria În analiza distribuŃiilor statistice unidimensionale şi unimodale. Asimetria. VariaŃia colectivităŃii: σ p 2 = p ⋅ q = 90% ⋅10% = 900 d. Procentul mediu de piese bune: Dacă N = 300 şi M = 270 M 270 p= = ⋅100 = 90% N 300 b.

RepartiŃia oblică spre dreapta . Mo.9: nj nj Mo Me x Mo < Me < x (etalarea frecvenŃelor spre stânga) Figura 4.7. mediana (Me) şi media ( x ) se confundă. ca în figura 4.9.7. nj xj Me = Mo = x Figura 4. x ) ca în figura 4. RepartiŃia oblică spre stânga 122 xj x Me Mo xj x < Me < Mo (etalarea frecvenŃelor spre dreapta) Figura 4.8. cele 3 valori ale tendinŃei centrale: modul (Mo).Într-o distribuŃie simetrică.8 şi 4. RepartiŃia simetrică a frecvenŃelor O repartiŃie uşor asimetrică prezintă o deplasare mai mare sau mai mică într-o parte şi alta faŃă de tendinŃa centrală (exprimată prin Me.

atunci când frecvenŃele maxime sunt la capătul intervalului. Cas → 0 : asimetria seriei este mică. • Cas se foloseşte numai pentru distribuŃii uşor asimetrice. Coeficientul de asimetrie (Cas) se află ca raport între asimetria absolută (As) şi abaterea medie pătratică ( σ ): Cas = As σ = X − Mo σ (4.59) . Reprezentarea grafică oferă o imagine asupra asimetriei.Seriile pronunŃat asimetrice pot fi: • în formă de „J”. Cas > 0: asimetrie la stânga. Cas < 0: asimetrie la dreapta. 123 σ ) (4. calculată ca diferenŃă între media aritmetică şi modul: As = X − Mo As arată cât de mare este abaterea dintre cei doi indicatori. formate din suprapunerea mai multor tipuri de repartiŃii (una în formă de „J” şi două repartiŃii moderat asimetrice). +3]. • sau repartiŃii complexe. iar cele minime în centrul intervalului. dar gradul de asimetrie se măsoară cu ajutorul unor indicatori specifici: – indicatori de asimetrie ai lui Pearson. +1]. – coeficienŃii de asimetrie interquartilici şi interdecilici.3. • Pentru un Cas cuprins în intervalul (-0. +0. Coeficientul de asimetrie Pearson (Cas) se bazează pe asimetria absolută (As). Cas → ±1: asimetria este pronunŃată. • Dacă: Cas = 0 : seria este simetrică. atunci când frecvenŃele de grupare îşi ating maximul la un capăt sau altul al intervalului de variaŃie: • în formă de „U”. • Cas ia valori în intervalul [-1.58) OBSERVAłIE! • Cas are o valoare abstractă şi arată mărimea şi felul asimetriei.3) se poate calcula şi cel de-al doilea coeficient de asimetrie a lui Pearson: C ′as = 3 X − Me ( Acest C ′as ia valori cuprinse între [-3. C ′as dacă →0: asimetria este mai redusă.

DistribuŃia agenŃilor economici după profit AgenŃi economici după mărimea profitului (mii lei) 20-30 30-40 40-50 50-60 60-70 70-80 80-90 TOTAL Nr.10).61) OBSERVAłIE! Cas2 ia valori în intervalul [-1. +1].CoeficienŃi de asimetrie interquartilici şi interdecilici • Coeficientul Yule (Cas1) măsoară asimetria în funcŃie de poziŃia quartilelor. agenŃi economici ni 5 14 18 30 15 12 6 100 xi 25 35 45 55 65 75 85 xi −a h -3 -2 -1 0 1 2 3  xi −a    h n i    -15 -28 -18 0 15 24 18 -4  xi −a    h  ni    45 56 18 0 15 48 54 236 2 unde: h = 10. Se calculează cu relaŃia: Cas1 = (Q3 − Me) − (Me − Q1 ) (Q3 − Me) + (Me − Q1 ) (4. • Coeficientul Bowley (Cas2) măsoară asimetria în funcŃie de poziŃia decilelor.14. a = 55 Reprezentarea grafică a asimetriei s-a efectuat cu poligonul frecvenŃelor (conform figurii 4. Tabelul 4. 124 . iar interpretarea lui este similară cu cea a coeficientului de asimetrie Pearson. Se calculează cu relaŃia: Cas1 = (D9 − Me) − (Me − D1 ) (D9 − Me ) + (Me − D1 ) (4. după mărimea profitului.60) OBSERVAłIE! • Cas1 ia valori în intervalul [-1. +1]. • Interpretarea lui este identică cu cea a coeficientului de asimetrie Pearson. EXEMPLU: Pe baza distribuŃiei agenŃilor economici. analizaŃi asimetria seriei statistice.

Atunci: M 0 〈 M e 〈 x .35 .44.6.6 100 ∑ ni  xi − a    ni h  2 =  σ ⋅ h2 − x − a ni ∑ 2 ( ) 2 = 236 2 ⋅ 100 − (54. ceea ce determină un coeficient de asimetrie pozitiv Cas > 0. M0 ∈ (50 – 60) 125 . Me = 54.5.10. astfel:  x −a  n ∑ i  h  i −4  x=  ⋅h + a = ⋅10 + 55 = 54. Poligonul frecvenŃelor Din grafic se pate observa o uşoară asimetrie pozitivă în funcŃie de valorile medii ale seriei: x = 54.m. Pe baza tabelului 4.6 − 55) = 235.84 100 σ = σ 2 = 235. Oy: 1 cm = 4 Koy = (30-5)/7 ≈ 4 25 35 45 55 65 75 85 x Mo Me x Figura 4.14 vom determina coeficientul de asimetrie Pearson.84 = 15.DistribuŃia agenŃilor economici după mărimea profitului economic Y 33 29 25 21 17 13 9 5 Ox: 1 cm = 10 u. M0 = 54.

modul (Mo). Cu ce indicatori caracterizăm tendinŃa centrală? 2. media armonică. calculată din inversele valorilor individuale înregistrate. indicatorii de poziŃie.0104 σ 15. media geometrică? 3. media aritmetică ( X ). media geometrică ( X g ).35 OBSERVAłIE! Ceea ce s-a constatat pe grafic. cuantile de ordinul K: (mediana (Me). testul F. Care sunt dezavantajele mediei în caracterizarea tendinŃei centrale? 4. asimetria. b) şirul de valori individuale este omogen. media armonică ( X h ). indicatorii medii. o uşoară asimetrie pozitivă. media pătratică ( X p ). Cum se determină media variabilei alternative? 5. caracteristica alternativă (media. În ce situaŃii tendinŃa centrală este mai corect generalizată de: media aritmetică.44 (30 − 18) + (30 − 15) ∆1 + ∆ 2 Cas = x − M 0 54. 8. O medie calculată dintr-un şir de valori individuale este reprezentativă dacă: a) s-au utilizat frecvenŃele absolute de apariŃie a valorilor individuale.0104. calculată din inversele pătratelor valorilor individuale înregistrate. regula de adunare a dispersiilor. Când nu are sens determinarea mediei aritmetice? 7. dispersia).M0 = x0 + h ∆1 (30 − 18) = 50 + 10 = 54. e) s-a utilizat media aritmetică.6 − 54. d) şirul de valori este structurat pe intervale de grupare egale. media pătratică. indicatorii de variaŃie (simpli şi sintetici). 126 . b) valoarea inversă a mediei aritmetice. Media armonică se defineşte ca: a) media aritmetică. Care sunt proprietăŃile mediei aritmetice? 6. media distribuŃiei statistice. decilele (D). CONCEPTE-CHEIE: tendinŃă centrală. quartilele (Q). s-a obŃinut şi prin Cas = 0. c) coeficientul de asimetrie ia valori în intervalul [-1]. ÎNTREBĂRI DE AUTOEVALUARE 1.44 = = 0.

14. 9. Care este semnificaŃia valorii modale? Când şi cum se calculează aceasta? 11. e) pentru o serie simetrică. nu ar modifica suma lor. Ce relaŃie este între abaterea medie liniară şi abaterea medie pătratică în cazul unei distribuŃii normale? 23. Ce sunt cuantilele? DefiniŃia şi modul de calcul a cuantilelor de ordinul 2 şi 4. c) valoarea Me este întotdeauna egală cu valoarea Q2. cum se continuă analiza? 12. Când se recomandă folosirea abaterii medii liniare? 18. e) mărimea relativă de intensitate. abaterea interquartilică cuprinde 25% din observaŃii. c) valoarea medie. Când se utilizează amplitudinea absolută a variaŃiei? 17. Când se recomandă folosirea medianei (Me) ca o alternativă la media aritmetică? 13. Care este cel mai potrivit indicator pentru caracterizarea variaŃiei unei caracteristici statistice? 16. b) valoarea Q2 este egală cu mediana. situate în centrul distribuŃiei. d) coeficientul de variaŃie. în apariŃia şi manifestarea fenomenelor de masă este dată de: a) mediană. dacă ar înlocui termenii seriei. 10. Care sunt avantajele diferitelor modalităŃi de calcul a dispersiei? 21. Care sunt proprietăŃile dispersiei şi utilizarea lor practică? 22. Care sunt principalele caracteristici ale indicatorului abatere medie absolută? 19. Când se recomandă folosirea abaterii medii pătratice? 127 . b) medială. O serie de distribuŃie de frecvenŃe poate avea mai multe moduri? Dacă da. doar pentru o serie simetrică. Expresia sintetizării valorilor individuale ale unei variabile statistice într-un singur nivel reprezentativ. d) pentru o serie simetrică. Care din următoarele afirmaŃii nu este adevărată pentru o serie statistică: a) între quartila 1 şi quartila 3 se găsesc 50% din observaŃii. Ce probleme de cunoaştere statistică rezolvă analiza variaŃiei valorilor individuale de la tendinŃa centrală? 20. calculată din inversele valorilor individuale. abaterea interquartilică este nulă.c) valoarea inversă a mediei aritmetice. 15. d) valoarea care.

Ce reprezintă media dispersiilor de grupă? Dar dispersia totală? 30. Dispersia este invers proporŃională cu: a) volumul eşantionului. Ce indici numerici ai concentrării puteŃi enumera? Cum se calculează şi se interpretează aceşti indici? 128 . Ce se înŃelege prin asimetrie? 34. e) mediana. Care este regula de adunare a dispersiilor? 28. c) coeficientul de asimetrie. c) cu cât este mai mare σ faŃă de x. Cum se calculează şi se interpretează coeficienŃii de asimetrie propuşi de Pearson? 36. e) câte procente din σ reprezintă x.24. Ce alŃi coeficienŃi de asimetrie mai cunoaşteŃi? 38. 25. Ce indicatori putem calcula pe baza regulii de adunare a dispersiilor? 31. 26. c) dispersia şi valoarea modală. b) abaterea standard. Cum se calculează şi ce semnificaŃie au media şi dispersia caracteristicii alternative? 33. b) abaterea standard şi valoarea modală. Ce semnificaŃie are dispersia dintre grupe? 29. b) cu câte procente este depăşită limita de omogenitate admisă. Ce verificări se pot face cu testul χ2? 39. Ce verificăm cu ajutorul testului F? 32. 37. Coeficientul de variaŃie arată: a) de câte ori este mai mare σ faŃă de x. d) de câte ori se cuprinde σ în x. Când este o serie perfect simetrică? Dar asimetrică? 35. Coeficientul de asimetrie Pearson se află în relaŃie de inversă proporŃionalitate cu: a) abaterea standard. Care sunt indicatorii ce analizează concentrarea valorilor individuale şi fac analiza formelor în care se distribuie aceste valori? 27. d) media aritmetică.

Sondajul statistic este o procedură prin care se caracterizează o populaŃie. face obiectul statisticii inferenŃiale. principiile teoriei probabilităŃilor şi statisticii matematice. fiind supuse unui risc de a fi eronate. ci probabilist. în prezent. anchete etc. în plină expansiune.5. iar cercetarea ei exhaustivă ar necesita un volum mare de cheltuieli materiale şi de muncă. 129 . este o variantă aflată. respectiv a unui eşantion din colectivitatea totală. Necesitatea folosirii sondajului statistic Sondajul statistic. deci a unui eşantion prelevat din populaŃia de origine (colectivitatea totală). Avantajele cercetării prin sondaj pot fi următoarele: • când colectivitatea totală este foarte mare. se bazează pe inducŃia statistică – procedeu al cunoaşterii ce pleacă de la particular la general – şi este fundamentată pe legea numerelor mari.1. în baza cercetării unei părŃi a acesteia. Rezultatele obŃinute pe baza sondajului se extrapolează la dimensiunea întregii populaŃii. datorită operativităŃii şi economicităŃii obŃinerii acestora. InformaŃia obŃinută pe baza datelor rezultate dintr-o cercetare parŃială. ca metodă de obŃinere a datelor statistice. Extinderea rezultatelor de la parte la întreg nu are caracter determinist. Într-o economie de piaŃă. SONDAJUL STATISTIC ŞI TESTAREA IPOTEZELOR PENTRU FUNDAMENTAREA DECIZIILOR ECONOMICE 5. atunci este avantajos să se recurgă la sondaj.). Statistica inferenŃială se referă la cunoaşterea statistică indirectă a unei colectivităŃi. sondajul este o formă preponderentă de obŃinere a datelor statistice. rapoarte statistice. alături de alte procedee (recensământ.

Eşantionul folosit este verificat dacă este reprezentativ (eroarea de sondaj ≤ 5%). utilizarea în procesul de culegere a datelor a unor persoane pregătite. NoŃiuni specifice sondajului statistic Scopul sondajului statistic îl constituie estimarea parametrilor colectivităŃii totale pe baza informaŃiilor culese şi prelucrate statistic. numite eşantion.