Seminar 2 – Mărimii Medii

I. Teorie

Media aritmetică
Media aritmetică reprezintă valoarea medie (nivelul mediu) pe care o obținem atunci când
adunăm toate valorile unei variabile și împărțim suma la numărul total de valori. Practic, este
valoarea „de mijloc” care ar apărea dacă toate unitățile statistice ar avea aceeași valoare, fără
variații.
Cum se folosește media aritmetică:
1. Pentru a sumariza un set de date:
o Media aritmetică este utilizată atunci când dorim să obținem o singură valoare care
să reprezinte întregul set de date. Aceasta este utilă atunci când dorim să
simplificăm și să interpretăm informații complexe.
Exemplu: Într-o cercetare despre veniturile angajaților unei companii, media aritmetică ne ajută
să aflăm venitul „mediu” al angajaților, astfel încât să putem face o generalizare asupra întregii
companii.
2. Pentru a compara grupuri diferite:
o Media este utilă atunci când dorim să comparăm două sau mai multe grupuri. De
exemplu, putem compara media notelor între două clase pentru a vedea care clasă
are, în medie, rezultate mai bune.
Exemplu: Dacă într-o școală dorim să comparăm performanțele elevilor din două clase la
matematică, putem calcula media notelor pentru fiecare clasă și să vedem care clasă are rezultate
mai bune în medie.
3. Pentru a analiza tendințele în timp:
o Media aritmetică poate fi folosită pentru a urmări cum evoluează o variabilă în
timp, oferindu-ne indicii despre schimbări sau tendințe.
Exemplu: Într-o analiză economică, putem urmări media prețurilor produselor de bază pentru a
observa dacă inflația crește sau scade.
4. Pentru a facilita deciziile:
o Media este adesea folosită în luarea deciziilor, mai ales când trebuie să ne bazăm
pe date pentru a trage concluzii.
Exemplu: Un manager poate folosi media aritmetică a vânzărilor pe ultimele luni pentru a
planifica producția viitoare, în funcție de cererea medie.

1
Când trebuie folosită cu precauție:
• Prezența valorilor extreme (outliers) - Media poate fi influențată semnificativ de valori
extreme sau anormale. De exemplu, dacă într-o clasă majoritatea elevilor au note între 7 și
9, dar un elev are nota 1, media va fi mult mai mică decât ceea ce este cu adevărat
reprezentativ.
• Distribuții asimetrice - Dacă datele sunt foarte asimetrice (adică majoritatea valorilor sunt
foarte diferite de medie), este posibil ca media să nu fie o măsură bună a tendinței centrale.
În aceste cazuri, este mai util să folosim alte măsuri, cum ar fi mediana.

Mediana
Mediana este o altă măsură a tendinței centrale, care reprezintă valoarea din mijloc a unui set
de date ordonate. Spre deosebire de media aritmetică, mediana nu este afectată de valorile extreme
(outliers) și oferă o imagine mai corectă a centrului distribuției pentru datele asimetrice.
Cum se folosește mediana:
1. Pentru a găsi valoarea de mijloc într-un set de date ordonate:
o Mediana este utilă atunci când dorim să știm care este valoarea de la mijlocul unui
set de date ordonate, astfel încât jumătate din valorile observațiilor să fie mai mici
și jumătate să fie mai mari.
Exemplu: Dacă analizăm veniturile a 7 persoane și le ordonăm de la cel mai mic la cel mai mare,
mediana va fi venitul persoanei din mijloc. Aceasta ne oferă o valoare „centrală” fără a fi
influențată de extreme.
2. Pentru a analiza distribuțiile asimetrice:
o Mediana este deosebit de utilă atunci când avem de-a face cu distribuții asimetrice,
adică atunci când există valori extreme (foarte mici sau foarte mari) care ar
distorsiona media aritmetică.
Exemplu: Dacă majoritatea angajaților unei companii câștigă între 2000 și 3000 lei, dar câțiva
manageri câștigă peste 10.000 lei, media aritmetică ar fi afectată de aceste salarii mari. Mediana,
în schimb, ar arăta mai bine care este venitul „tipic” al angajaților obișnuiți. Astfel 50% din
angajați au un salariu până la valoarea de 2500, restul de 50% peste această valoare.
3. Pentru date cu variații mari:
o Mediana este mai robustă decât media aritmetică atunci când există o mare
variabilitate în date. Dacă există o valoare foarte mare sau foarte mică care ar trage
media într-o anumită direcție, mediana rămâne stabilă.

2
Exemplu: Dacă avem date despre timpul de deplasare la muncă, și majoritatea oamenilor fac între
20 și 30 de minute, dar câteva persoane fac 2 ore, mediana va reflecta mai bine timpul obișnuit de
deplasare.
Când trebuie folosită mediana în locul mediei:
• Distribuții cu valori extreme - atunci când setul de date conține valori foarte mari sau
foarte mici care ar afecta media aritmetică, mediana oferă o alternativă mai precisă pentru
a descrie tendința centrală.
• Distribuții asimetrice - în cazul în care distribuția este puternic asimetrică (de exemplu,
veniturile unei populații unde câțiva oameni câștigă foarte mult, iar majoritatea câștigă
puțin), mediana este o măsură mai potrivită decât media.
• Date ordinale - atunci când datele sunt ordinale și diferențele dintre categorii nu sunt
neapărat egale, mediana este cea mai bună opțiune pentru măsurarea tendinței centrale.
Modul
Modul (sau valoarea modală) este acea valoare care apare cel mai frecvent într-un set de date.
Spre deosebire de medie sau mediană, modul ne arată care este valoarea dominantă sau cea mai
comună dintr-o serie de observații.
Cum se folosește modulul:
1. Pentru a identifica valoarea cea mai frecventă:
o Modul este utilizat pentru a găsi valoarea care apare cel mai des într-un set de date.
Aceasta ne poate ajuta să identificăm cea mai frecventă caracteristică sau cel mai
întâlnit comportament într-o populație.
Exemplu: Într-un sondaj despre preferințele politice, modul poate arăta care este cel mai frecvent
ales partid sau opțiune politică de către respondenți.
2. Pentru a analiza datele categoriale:
o Modul este extrem de util atunci când lucrăm cu variabile categoriale (cum ar fi
genul, naționalitatea sau preferințele). În aceste cazuri, nu se poate calcula media
sau mediana, dar modul oferă informații importante despre cea mai frecventă
categorie.
Exemplu: Într-un studiu despre tipurile de mașini deținute de o populație, modul poate arăta care
este tipul de mașină cel mai comun (sedan, SUV etc.).
3. Pentru a identifica preferințele într-un grup:
o Modul poate fi folosit pentru a înțelege ce alegere, comportament sau caracteristică
este cea mai populară într-un anumit grup sau categorie.

3
Exemplu: Într-un studiu despre comportamentul de consum, modul ar putea arăta care este cel
mai des cumpărat produs într-un magazin.
4. Pentru a analiza frecvența într-un set de date numerice:
o Chiar și pentru variabile numerice, modul poate fi util atunci când anumite valori
se repetă frecvent.
Exemplu: Dacă analizăm notele studenților la un examen și multe dintre ele sunt 7, putem spune
că modulul este 7, ceea ce ne arată că 7 este nota cea mai frecvent obținută.
Când trebuie folosit modulul:
• Date categoriale sau discrete - Modulul este extrem de util atunci când lucrăm cu date
care nu sunt numerice sau care nu pot fi ordonate într-un mod tradițional (cum ar fi
răspunsurile la un sondaj despre preferințe).
• Date cu valori repetitive - În cazul în care avem un set de date în care anumite valori se
repetă frecvent, modulul ne poate spune care este acea valoare dominantă.
• Pentru analiza comportamentelor dominante - Modulul ne ajută să înțelegem care sunt
preferințele sau comportamentele dominante într-un grup, fără a fi necesare calcule
complicate.
Relații între cele trei măsuri de tendință centrală: media, mediana și modulul
Aceste trei măsuri (media, mediana și modulul) descriu tendința centrală a unui set de date, iar
relațiile dintre ele pot oferi informații despre forma distribuției. În funcție de relația dintre aceste
măsuri, putem identifica dacă o distribuție este simetrică sau asimetrică (pozitiv sau negativ).
1. Când media, mediana și modulul sunt egale, distribuția este simetrică:
• Distribuția simetrică înseamnă că valorile sunt distribuite uniform în jurul tendinței
centrale. În acest caz, media, mediana și modulul au aceeași valoare.
• Exemplu: Într-o distribuție simetrică normală (ca în cazul clopotului lui Gauss), jumătate
dintre valori sunt mai mari decât media și jumătate sunt mai mici, iar media, mediana și
modulul coincid.
2. Când media este mai mare decât mediana și modulul, distribuția este asimetrică la dreapta
(asimetrie pozitivă):
• Asimetria pozitivă înseamnă că coada distribuției este mai lungă în partea dreaptă, adică
există câteva valori foarte mari care „trag” media spre dreapta.
• Cum arată: În acest caz, media va fi cea mai mare, deoarece este influențată de valorile
extreme mari, urmată de mediană, iar modulul va fi cea mai mică valoare.

4
 • Exemplu: Dacă într-o populație majoritatea persoanelor au un venit mic sau mediu, dar
câțiva oameni câștigă foarte mult, venitul mediu (media) va fi mai mare decât mediana sau
modulul. Așadar, distribuția veniturilor este asimetrică la dreapta.
3. Când media este mai mică decât mediana și modulul, distribuția este asimetrică la stânga
(asimetrie negativă):
• Asimetria negativă înseamnă că coada distribuției este mai lungă în partea stângă, adică
există câteva valori foarte mici care „trag” media spre stânga.
• Cum arată: În acest caz, media va fi cea mai mică, mediana va fi mai mare, iar modulul
va fi cea mai mare valoare.
• Exemplu: Într-o situație în care majoritatea studenților au obținut note mari la un examen,
dar câțiva au obținut note foarte mici, media va fi „trasă” în jos de aceste note mici, iar
distribuția va fi asimetrică la stânga.
Pe scurt:
• Distribuția simetrică: Media = Mediana = Modul (ex: distribuția normală)
• Asimetrie pozitivă: Media > Mediana > Modul (ex: veniturile mari „trag” media în sus)
• Asimetrie negativă: Media < Mediana < Modul (ex: note mici care „trag” media în jos)

Aceste relații sunt utile pentru a descrie forma unei distribuții și pentru a înțelege mai bine
comportamentul valorilor dintr-un set de date. Dacă cele trei măsuri sunt egale, distribuția este
echilibrată. În schimb, dacă media diferă semnificativ de mediană și modul, distribuția este
influențată de valori extreme.
Quartilele
• Quartilele sunt valorile care împart un set de date ordonat în patru părți egale. Fiecare
quartil corespunde unui procent specific din distribuția datelor:

5
 o Q1 (prima quartilă) împarte primele 25% din date,
o Q2 (a doua quartilă) corespunde medianei, împărțind datele în două jumătăți egale
(50%),
o Q3 (a treia quartilă) împarte primele 75% din date.
Cum se interpretează quartilele:
• Quartilele ne oferă informații despre distribuția datelor, permițându-ne să vedem cum
sunt repartizate valorile între diferite părți ale setului de date. Ele sunt utile pentru a
identifica concentrarea valorilor și pentru a observa dispersia acestora.
Exemplu:
• Să spunem că analizăm notele studenților la un examen.
o Q1 ne arată care este nota sub care se află 25% dintre studenți,
o Q2 (mediana) ne arată nota sub care se află 50% dintre studenți,
o Q3 arată nota sub care se află 75% dintre studenți.
Decilele
• Decilele sunt valori care împart un set de date ordonat în zece părți egale. Fiecare decil
corespunde unui procent specific din distribuția datelor. Cele mai importante decile sunt:
o D1 (prima decilă) împarte primele 10% din date,
o D9 (a noua decilă) împarte primele 90% din date.
Cum se interpretează decilele:
• Decilele sunt folosite pentru a analiza distribuția unui set de date în detaliu. Acestea ne
ajută să identificăm unde se află anumite valori cheie și cum se repartizează datele în
intervale mai mici decât cele oferite de quartile.
Exemplu:
• Într-o analiză a veniturilor, D1 ar putea arăta limita sub care se află 10% dintre cei cu
cele mai mici venituri, iar D9 arată limita sub care se află 90% din populație, lăsând
în afara acestei decile cei cu cele mai mari venituri (10% din vârful distribuției).
Baza de date de lucru:
Baza de date [Link] include informații despre diverse modele de mașini, iar fiecare rând al bazei
de date reprezintă o mașină, cu caracteristici asociate acesteia. În continuare este prezentată o
descriere a variabilelor din acest set de date:

6
 • mpg – (Miles per gallon) – reprezintă eficiența consumului de combustibil, măsurată în
mile parcurse pe galon de combustibil. Aceasta este o variabilă numerică, fără valori lipsă,
și este măsurată la scară.
• engine – (Engine Displacement) – reprezintă capacitatea cilindrică a motorului, măsurată
în inci cubi (cu-in). Este o variabilă numerică, măsurată la scară, și indică volumul
motorului.
• horse – (Horsepower) – reprezintă puterea motorului, măsurată în cai putere (HP). Aceasta
este o variabilă numerică, fără valori lipsă, și este măsurată la scară.
• weight – (Vehicle Weight) – reprezintă greutatea vehiculului, măsurată în livre (lbs).
Aceasta este o variabilă numerică, măsurată la scară.
• accel – (Time to Accelerate) – reprezintă timpul necesar pentru a accelera de la 0 la 60 de
mile pe oră, măsurat în secunde. Este o variabilă numerică, măsurată la scară.
• year – (Model Year) – reprezintă anul modelului mașinii. Aceasta este o variabilă numerică
de tip ordinal, pentru că anii au o ordine naturală, și poate include valori lipsă.
• origin – (Country of Origin) – reprezintă originea mașinii, codificată nominal astfel: 1
pentru America, 2 pentru Europa și 3 pentru Japonia. Este o variabilă nominală.
• cylinder – (Number of Cylinders) – reprezintă numărul de cilindri al motorului. Este o
variabilă numerică ordinală, deoarece există o ordine naturală între numărul de cilindri (ex:
3 cilindri, 4 cilindri, 6 cilindri, etc.).
Vizualizare în PSPP:

7
Exemplu:

Tabelul prezentat arată percentilele pentru „Nota de admitere”, ceea ce ne oferă o imagine despre modul
în care sunt distribuite notele într-un eșantion de studenți. Percentilele reprezintă punctele de tăiere ale unui
set de date ordonat, împărțind datele în 100 de părți egale.
1. Percentila 5 (P5):
o Valoarea de 6.38 arată că 5% dintre studenți au obținut o notă sub această valoare. Doar
doar 5% din studenți au obținut note mai mici de 6.38.
2. Percentila 10 (P10) – Prima decilă (D1):
o Valoarea de 6.42 indică faptul că 10% dintre studenți au obținut o notă sub această valoare.
Restul de 90% au obținut note mai mari de 6.42.
3. Percentila 25 (P25) - Prima quartilă (Q1):
o Valoarea de 7.16 arată că 25% dintre studenți au obținut o notă sub această valoare.
Aceasta este valoarea sub care se află un sfert din eșantion (primul quartil).
4. Percentila 50 (P50) - Mediana:
o Valoarea de 8.23 reprezintă mediana setului de date, ceea ce înseamnă că jumătate dintre
studenți au obținut note mai mici sau egale cu 8.23, iar cealaltă jumătate a obținut note
mai mari.
5. Percentila 75 (P75) - A treia quartilă (Q3):

8
 o Valoarea de 9.23 arată că 75% dintre studenți au obținut o notă sub această valoare. Restul
de 25% dintre studenți au obținut note mai mari de 9.23.
6. Percentila 90 (P90) – Decila a noua (D9):
o Valoarea de 9.46 indică faptul că 90% dintre studenți au obținut o notă sub această valoare,
iar doar 10% dintre studenți au obținut note mai mari de 9.46.
7. Percentila 95 (P95):
o Valoarea de 9.52 arată că 95% dintre studenți au obținut note mai mici sau egale cu 9.52.
Numai 5% dintre studenți au obținut o notă mai mare.

Ce ne spune acest tabel:

• Din tabel reiese că notele de admitere sunt concentrate între 6.38 și 9.52, cu mediana la 8.23, ceea
ce indică o tendință centrală ușor peste nota 8.
• Percentilele 25 și 75 (Q1 și Q3) sunt la 7.16 și 9.23, ceea ce arată că majoritatea notelor (50% din
date) se află între aceste două valori, indicând o dispersie relativ moderată.
• Există câțiva studenți cu note mai mici (în jurul valorii de 6.38) și câțiva cu note foarte mari (în
jurul valorii de 9.52), dar majoritatea studenților au obținut note în intervalul mediu.

1. Media (Mean):
• Valoarea mediei este 8.09, ceea ce indică nota medie de admitere pentru studenții din
eșantion.
2. Mediana (Median):

9
 • Arată că jumătate dintre studenți au obținut note mai mici sau egale cu 8.23, iar cealaltă
jumătate a obținut note mai mari. Comparativ cu media, mediana fiind puțin mai mare
sugerează o ușoară asimetrie negativă (spre stânga).
3. Minimul (Minimum):
• Valoarea minimă este 6.38, ceea ce înseamnă că cea mai mică notă de admitere obținută
în acest eșantion este 6.38.
4. Maximul (Maximum):
• Valoarea maximă este 9.52, ceea ce indică cea mai mare notă de admitere obținută. Acest
rezultat este destul de apropiat de limita superioară posibilă (10), ceea ce înseamnă că există
studenți care au performat foarte bine.
5. Modul (Mode):
• Modul nu apare în acest tabel. Motivul pentru care modul nu este inclus în această analiză
descriptivă automată este faptul că modulul este, de obicei, nu este relevant atunci când
datele sunt continue sau când nu există valori care se repetă foarte frecvent. Modul este
mai util în analiza datelor discrete sau categorice, sau atunci când avem o valoare care
apare foarte des (cea mai frecventă valoare). În cazul datelor continue, cum ar fi notele de
admitere, este posibil ca niciuna dintre note să nu se repete suficient de mult încât să fie
considerată „modul”, motiv pentru care această statistică este omisă.
Concluzie generală:
• Media și mediana sunt apropiate, ceea ce sugerează că distribuția este relativ simetrică, dar
există o ușoară asimetrie negativă (mediana este mai mare decât media).
• Minimul și maximul arată intervalul în care se situează notele, cu un minim de 6.38 și un
maxim de 9.52.

10
 II. Aplicații

Utilizând programul PSPP:

1. Se consideră timpul (în minute) petrecut de vizitatori într-un muzeu, prezentat astfel: 45,
30, 35, 50, 40, 60, 55, 45.
• să se afle cele 3 mărimi medii fundamentale
• să se afle decilele și quarilele
• să se interpreteze rezultatele din PSPP

2. Se consideră cantitatea de cafea (în kilograme) vândută de un magazin într-o săptămână,

prezentată astfel: 3, 2, 4, 3, 5, 5, 2, 4, 4, 5.
• să se afle cele 3 mărimi medii fundamentale
• să se afle decilele și quarilele
• să se interpreteze rezultatele din PSPP

3. Se consideră numărul de pagini citite pe zi de un grup de elevi în timpul vacanței,

prezentate astfel: 20, 5, 15, 0, 15, 5, 10, 30, 25, 20, 15, 30.
• să se afle cele 3 mărimi medii fundamentale
• să se afle decilele și quarilele
• să se interpreteze rezultatele din PSPP

4. Se consideră numărul de articole scrise de un grup de jurnaliști într-o lună, prezentate

astfel: 3, 2, 5, 4, 6, 1, 4. Să se afle media folosind PSPP.

5. Se consideră numărul de pași făcuți zilnic de persoanele dintr-un studiu despre sănătate,
prezentate astfel: 7000, 8000, 7500, 8500, 6500, 9000.
• să se afle cele 3 mărimi medii fundamentale
• să se afle decilele și quarilele
• să se interpreteze rezultatele din PSPP

6. Se consideră seria de vârste (în ani) ale participanților la un atelier de pictură: 22, 23, 27,
28, 29, 60.
• să se precizeze mărimea medie cea mai reprezentativă
• să se afle decilele și quarilele
• să se explice de ce.

11
 7. Se consideră seria de distanțe (în kilometri) parcurse de un grup de șoferi într-o săptămână:
5, 250, 260, 270, 180, 190.
• să se precizeze mărimea medie cea mai reprezentativă
• să se afle decilele și quarilele
• să se explice de ce.

8. Distribuția numărului de mașini deținute de angajații unei companii se prezintă astfel:

Nr. mașini 0 1 2 3
Nr. angajați 7 12 9 2

• să se afle cele 3 mărimi medii fundamentale;

• să se interpreteze rezultatele din PSPP

9. Distribuția numărului de căni de cafea consumate zilnic de profesorii unei facultăți se

prezintă astfel:
Nr. căni de cafea 0 1 2 3 4
Nr. profesori 5 10 15 14 10

• să se afle cele 3 mărimi medii fundamentale;

• să se interpreteze rezultatele din PSPP

10. Distribuția numărului de cărți citite de membrii unui club de carte într-o lună se prezintă
astfel:
Nr. cărți citite 0 1 2 3 4 5
Nr. membri 2 7 9 6 3 1

• să se afle cele 3 mărimi medii fundamentale;

• să se interpreteze rezultatele din PSPP

11. Pentru baza de date cars ([Link]) calculați toate cele de mai sus pentru variabilele care
vă permit acest lucru. Intepretați rezultatele.

12