Statistică neparametrică

Curs 1, Februarie 2023

Titular de curs: [Link] BOBOC
Email: [Link]@[Link]
 Statistică neparametrică
 Planul cursului
 Notiuni introductive
 Distributii de probabilitate
 Indicatori statistici neparametrici
 Teste statistice neparametrice
 Modele de predictie cu variabile calitative
Academia de Studii Economice, Departamentul de Statistica si Econometrie, 2021

 Nota finală:
 60% nota de la examen
 20% proiect
 10% referat
10% prezenţă şi activitate seminar
Date contact:e-mail: [Link]@[Link]

 Bibliografie
 Suport curs si seminar
 Andrei T., Stancu S. – Statistică. Teorie şi aplicaţii. Ed. ALL, Bucureşti, 1995
 Boboc C. – Analiză statistică multidimensională, [Link] Press, 2007
 Opariuc-Dan C. – Statistică aplicată în ştiinţele [Link], 2011
 Parametric versus non-parametric

 O potenţială sursă de erori în analizele statistice este utilizarea

necorespunzătoare a metodelor parametrice în cazul unor date
neparametrice
 Principalul mod în care poate fi făcută distincţia între necesitatea utilizării
metodelor parametrice versus neparametrice este următoarea:
Academia de Studii Economice, Departamentul de Statistica si Econometrie, 2021

 În cazul scalelor nominale sau ordinale se folosesc întotdeauna statistici şi

METODE NEPARAMETRICE
 În cazul scalelor de interval sau de raport se folosesc în general statistici
şi metode parametrice
Date contact:e-mail: [Link]@[Link]

 În cazul în care metodele parametrice pornesc de la ipoteza că datele sunt

distribuite normal, atunci trebuie verificată normalitatea datelor În cazul în care
aceasta nu este verificată se folosesc METODELE NEPARAMETRICE.
 Exemplu: poate fi verificat dacă seria este simetrica (Skewness) si nu este
leptocurtica sau platicurtica (Kurtosis)
Noţiuni şi notaţii preliminare

Recapitulare
 Noţiuni şi notaţii preliminare
Variabile statistice (I)
1. după modul de exprimare:
 variabile calitative: exprimate prin cuvinte, cu care se precizează
apartenenţa la o categorie sau o modalitate a unei mulţimi finite de
observaţii ([Link] firmei: micro, mică, mijlocie sau mare)
 variabile cantitative (numerice): exprimate prin numere, mulţimea
Academia de Studii Economice, Departamentul de Statistica si Econometrie, 2021

observaţiilor putând fi infinită (Ex. Cifra de afaceri a firmei)

2. după cardinalul mulţimii  a observaţiilor:

 variabile binare (alternative): 10, da, nu etc (Ex. Fumător/nefumător; Plătitor de
Date contact:e-mail: [Link]@[Link]

TVA/Neplătitor de TVA)

 variabile cu un număr finit de valori (Ex. Studii: gimnaziale, liceale, universitare,

postuniversitare)

 variabile cu un număr infinit de valori (Ex. Cifra de afaceri a firmei)

 Noţiuni şi notaţii preliminare
Variabile statistice (III)
3. după conţinutul variabilei:
 variabile de timp (cronologice) (Ex. Curs valutar, speranța de viață)
 variabile de spaţiu:
 exprimate prin funcţii de spaţiu (Ex. Rata șomajului pe județele României)
 variabile atributive:
 sunt definite printr-o funcţie atributivă (Ex. Cifra de afaceri a firmei)

4. după structura algebrică S cu care este înzestrată mulţimea observaţiilor şi

Academia de Studii Economice, Departamentul de Statistica si Econometrie, 2021

tipul de scală de măsurare:

 variabile calitative nominale:
 doar relaţia de identitate/nonidentitate (=/) ce asigură diferenţierea reciprocă a
elementelor (Ex. Ocupația)
 variabile calitative ordinale:
Date contact:e-mail: [Link]@[Link]

 mulţime finită de modalităţi înzestrată cu o structură de ordine totală ()

(Ex. Nivelul studiilor)
 variabile cantitative măsurabile pe scală de interval
 mulţime finită sau infinită de modalităţi înzestrată cu o structură de ordine totală
([Link], timp)
 variabile cantitative măsurabile pe scală de raport
 structură de corp ordonat şi scală de raport (Ex. Salariul)
ANALIZA UNIVARIATĂ
 ANALIZA UNIVARIATĂ
 examinează distribuţia variantelor de răspuns pentru o variabilă
observată
 permite descrierea eşantionului
 probleme abordate:
 sintetizarea datelor: gruparea datelor în clase omogene
 reprezentarea grafică: sintetizarea grafică a variabilei observate
Academia de Studii Economice, Departamentul de Statistica si Econometrie, 2021

 analiza tendinţei centrale: dacă ar trebui să rezumăm seria de observaţii printr-

o singură valoare, cea mai “tipică”, cea mai reprezentativă
 analiza variabilităţii: care e dispersia observaţiilor în jurul acestei tendinţe
centrale
 inferenţa: compararea valorilor observate cu una sau mai multe valori
predeterminate
Date contact:e-mail: [Link]@[Link]
 ANALIZA UNIVARIATĂ
VARIABILE NOMINALE

 Sintetizarea datelor:
 sunt determinate frecvenţele de apariţie în datele observate ale fiecărei variante posibile a variabilei
studiate
 Reprezentarea grafică:
 se utilizează diagrama prin coloane pentru reprezentarea frecvenţelor absolute
se utilizează diagrama de structură pentru reprezentarea grafică a structurii populaţiei observate
Academia de Studii Economice, Departamentul de Statistica si Econometrie, 2021

Care sunt preferinţele dvs cu

privire la site-urile de job-uri? 80 72

70 [Link]
60 altele
Frecv. % 12% [Link]
60 48%
[Link] 72 48
Date contact:e-mail: [Link]@[Link]

50

[Link] 60 40 40

altele 18 12 30
18
[Link]
stjobs.r
o
total 150 100 20
40%
10

0
[Link] [Link] altele
 ANALIZA UNIVARIATĂ
VARIABILE NOMINALE

 Tendinţa centrală
 Modul: varianta cea mai des întâlnită (cu frecvenţa maximă)
 Variabilitatea
 Procentul numărului de observaţii corespunzător fiecărei modalităţi calculat sub diverse
baze
Academia de Studii Economice, Departamentul de Statistica si Econometrie, 2021
Date contact:e-mail: [Link]@[Link]
 ANALIZA UNIVARIATĂ
VARIABILE ORDINALE

 Sintetizarea datelor:
 sunt determinate frecvenţele de apariţie în datele observate ale fiecărei variante posibile a
variabilei studiate
 Reprezentarea grafică:
 se utilizează diagrama prin coloane pentru reprezentarea frecvenţelor absolute
Academia de Studii Economice, Departamentul de Statistica si Econometrie, 2021

 se utilizează diagrama de structură pentru reprezentarea structurii populaţiei observate

 Tendinţa centrală
 Mediana: valoarea ce împarte populaţia studiată în două părţi egale
 când seria are un număr impar de valori: valoarea (n+1)/2 este mediana
 când seria are un număr par de valori: media valorilor n/2 şi n/2+1 este mediana
Date contact:e-mail: [Link]@[Link]

Care este părerea dvs cu privire la site-ul [Link]?

Frecv. % n/2=75
Proasă 34 22,7
Neutră 22 14,6 Mediana = “Bună”
Bună 52 34,7
“Mai mult de 50% din populaţie au o părere
Foarte bună 42 28 cel puţin bună despre site.
 ANALIZA UNIVARIATĂ
VARIABILE ORDINALE

 Variabilitatea:
 Fractilele: împărţirea populaţiei în categorii de efective egale (cele mai frecvente sunt
curtilele şi decilele)
Academia de Studii Economice, Departamentul de Statistica si Econometrie, 2021

Care este părerea dvs cu privire la site-ul [Link]?

Frecv. % n/4=37,5 3n/4=112,5
Proasă 34 22,7
Neutră 22 14,6 Q1 = “Neutră” Q3 = “Foarte bună”
Date contact:e-mail: [Link]@[Link]

Bună 52 34,7
Sub 25% din populaţie are o părere proastă
Foarte bună 42 28 despre site şi peste 25% au o părere foarte bună.
 ANALIZA UNIVARIATĂ
VARIABILE CANTITATIVE

 Sintetizarea datelor:
 sunt grupate datele pe intervale de variaţie
 mărimea intervalului de variaţie:
− x min
Academia de Studii Economice, Departamentul de Statistica si Econometrie, 2021

x
h = max
r

 Reprezentarea grafică:
 se utilizează histograma pentru reprezentarea distribuţiei variabilei
 se utilizează diagrama de structură pentru reprezentarea structurii populaţiei
Date contact:e-mail: [Link]@[Link]

observate
 ANALIZA UNIVARIATĂ
VARIABILE CANTITATIVE

Intervale Frecvenţe
0-20 5
Câte ore aţi navigat pe Intervale Frecvenţe
20-40 10
10-35 10
internet luna trecută? 40-60 9
35-60 10
60-80 8
40 70 40 30 60-85 12
80-100 5
Academia de Studii Economice, Departamentul de Statistica si Econometrie, 2021

80 130 90 80 85-110 5
100-120 2
20 60 30 40 110-135 3
120-140 1
100 20 20 50 12

70 70 50 30 10

60 90 70 110
8
Date contact:e-mail: [Link]@[Link]

40 10 70 90
6

30 50 80 60
4
30 40 60 20
50 120 100 50
2

0
20.0 40.0 60.0 80.0 100.0 120.0 140.0

[Link]
 ANALIZA UNIVARIATĂ
VARIABILE CANTITATIVE
 Tendinţa centrală:
 Media: valoarea medie a valorilor observate
 Valoarea medie este mai sensibilă ca alţi indicatori ai tendinţei centrale (modulul sau
mediana) de prezenţa “observaţiilor extreme”

x=
 xi
Academia de Studii Economice, Departamentul de Statistica si Econometrie, 2021

n
 Media nu se situează în centrul eşantionului decât dacă distribuţia este simetrică
 În cazul unei disimetrii puternice modulul poate fi mai reprezentativ pentru ansamblul
eşantionului
 În cazul distribuţiilor multimodale (întâlnite în cazul studiilor de opinie când populaţia
este polarizată în jurul a 2 extreme) puţine valori sunt apropiate de medie
Date contact:e-mail: [Link]@[Link]

 Modulul: valoarea cea mai des întâlnită în serie

 Mediana: valoarea care împarte seria în două
 ANALIZA UNIVARIATĂ
VARIABILE CANTITATIVE
 Variabilitatea:
 Amplitudinea: A=x n max-xmin
 (xi − x )2
 Dispersia: s x2 = i =1
n −1
= sx
2
 Abaterea medie pătratică: s x
 0,1
sx
 Coeficientul de variaţie: cv = (cv<30% - date omogene)
x
Academia de Studii Economice, Departamentul de Statistica si Econometrie, 2021

 Compararea distribuţiei observate cu distribuţia normală

n

 (x − x )
3
i

 Simetria (Skewness): CAS = i =1

n  (s x )
3

 Valorile în jurul mediei: Skewness = 0

Valorile concentrate în jurul valorilor cele mai slabe: Skewness > 0
Date contact:e-mail: [Link]@[Link]

 Valorile concentrate în jurul valorilor cele mai mari: Skewness < 0

 Concentrarea (Kurtosis):

 Concentrarea observaţiilor – curbă ascuţită (leptocurtica) : Kurtosis > 0

 Slaba concentrare a observaţiilor – curbă aplatizată (platicurtica) : Kurtosis < 0
 ANALIZA UNIVARIATĂ
VARIABILE CANTITATIVE

Timpul mediu de navigare pe internet

a fost de 55,75 ore în luna anterioară.

cv=29,71/58,75=50,57%  date neomogene

Valorile sunt concentrate în jurul timpilor
Academia de Studii Economice, Departamentul de Statistica si Econometrie, 2021

mici de navigare pe internet

Există o slabă concentrare a observaţiilor,

curba find ascuţită
Date contact:e-mail: [Link]@[Link]
Distribuții de probabilitate
 Distribuția normală (sau Gauss Laplace)
 Este cea mai importantă distribuție de probabilitate continuă
Academia de Studii Economice, Departamentul de Statistica si Econometrie, 2021
Date contact:e-mail: [Link]@[Link]

[Link]
 Distribuția normală (sau Gauss Laplace)
 Distribuția normală poate descrie doar variabile continue, având o formă simetrică
de clopot, fiind definită matematic cu ajutorul a doi parametri, media ( ) și
dispersia sau varianța (2), independenți unul de altul.
 Dacă variabila aleatoare X urmează o repartiție normală, atunci funcția de repartiție
are forma:
(𝑥−𝜇)2
1
Academia de Studii Economice, Departamentul de Statistica si Econometrie, 2021

−
 𝑓 𝑥 = 𝑒 2𝜎2
2𝜋𝜎 2

 Notație: N(x: , 2) sau N(, 2)

 Cu probabilitatea de 95%
Date contact:e-mail: [Link]@[Link]

orice valoare dintr-o distribuție

normală de date se află la cel
mult două deviații standard
de medie: (-2, +2)
 Distribuția normală – Funcția Laplace

 Pentru o medie zero și

dispersie 1, =0 și 2=1 se
obține funcția Laplace :
𝑥 2
1 −
𝑓 𝑥 = 𝑒 2
Academia de Studii Economice, Departamentul de Statistica si Econometrie, 2021


2𝜋

 Exemple variabile
distribuite normal:
Date contact:e-mail: [Link]@[Link]

 Presiunea arterială
 Înalțimea populației [Link]
20de%[Link]
 Notele tuturor elevilor din
România la evaluarea națională
de la Clasa a VIIIa