Curs 7 Statistica

Caracterizarea statistică a formei distribuţiilor de

frecvenţe.
Distribuţia normală – noţiuni de bază.

[Link] Cristache Silvia Elena

 Obiectivele cursului
 Caracterizezi forma unei distribuţi utilizând coeficientul
de asimetrie şi coeficientul de boltire.

 Descrierea distribuţiei normale: caracteristici şi utilitate.

 Exemple
 Forma distribuţiei
Tabloul construit prin analizarea indicatorilor tendinţei
centrale şi indicatorilor împrăştierii trebuie completat prin
analiza indicatorilor formei de distribuţie.

 Indicatorii formei distribuţiei analizează modul în care se

distribuie unităţile statistice analizate (frecvenţele) în funcţie
de valorile variabilei de interes.

 Analizarea statistică a formelor de repartiţie ale

frecvenţelor presupune caracterizarea asimetriei şi a
aplatizării curbei frecvenţelor.
 Asimetria distribuţiilor statistice
 Putem afirma despre o distribuţie că este simetrică
dacă observaţiile înregistrate sunt egal distribuite de
o parte şi de alta a indicatorilor tendinţei centrale.
 Într-o distribuţie simetrică cele trei valori ale
tendinţei centrale (valoarea medie, valoarea mediană
şi valoarea modală) se confundă.
 Asimetrie (skewness engl.)
 Asimetria distribuţiilor statistice
• O repartiţie asimetrică sau oblică este caracterizată prin
faptul că frecvenţele valorilor caracteristicii urmărite sunt
deplasate într-o parte sau alta a tendinţei centrale
• Asimetria poate fi mai pronunţată sau mai puţin pronunţată.
 Asimetria distribuţiilor statistice
Valoarea asimetriei unimodale moderate se caracterizează cu ajutorul unui set
de indicatori adimensionali.

a) Coeficientul de asimetrie al lui Yule şi Kendall

are valori cuprinse între -1 şi +1

simetrie (quartile echidistante)

asimetrie la dreapta (etalarea frecvenţelor spre dreapta)
asimetrie la stanga (etalarea frecvenţelor spre stanga)

Valori între -0.1 şi + 0.1 arată o asimetrie moderată

Valori sub -0.3 şi peste + 0.3 arată o asimetrie puternică

 Asimetria distribuţiilor statistice

b) Coeficientul de asimetrie al lui Pearson

• valorile negative indică o asimetrie negativă iar cele pozitive o

asimetrie pozitivă
• valoarea 0 indică o repartiţie simetrică
• în seriile ce prezintă asimetrie moderată se verifică relaţia

atunci coeficientul de asimetrie devine:

Pentru analiza asimetriei se poate apela şi la valori centrate de ordin

2 şi 3.
Coeficienţii utilizaţi sunt:
Coeficientul Fisher ajustat
 Dacă C as ( Mo )  0 , C as ( Me )  0 seria este SIMETRICĂ

C as ( Mo ) 
x  Mo
  1,1 C as ( Me ) 

3 x  Me    3,3
 

C as ( Mo )   1,0  C as ( Mo )  0,1
C as ( Me )   3,0  C as ( Me )  0,3
asimetrie de dreapta asimetrie de stânga asimetrie de dreapta asimetrie de stânga

C as   1 ;  0,5 C as   3 ;  1,5
Asimetrie Asimetrie
pronunţată pronunţată
C as  0,5 ; 1 C as  1,5 ; 3

C as   0,5 ; 0  C as'   1,5 ; 0

Asimetrie Asimetrie
redusă redusă
C as  0 ; 0,5 C as'  0 ; 1,5
 Asimetria distribuţiilor statistice
 Pearson introduce un nou coeficient de asimetrie, bazat pe calculul
momentelor centrate:
3
2
Cas  1  3
unde: 2

 ix  x 2
ni
2  S 2  (momentul centrat de ordin 2)
n i


 ix  x 3
ni
3  (momentul centrat de ordin 3)
n i
 Coeficientul de asimetrie al lui Fisher (skewness)

3  1  0 , simetrie
1   1  0 , asimetrie de stânga
 23
 1  0 , asimetrie de dreapta
2

Asimetria distribuţiilor statistice

 sunt indicatori de caracterizare a gradului de aplatizare
sau boltire a curbei frecvenţelor:
 Coeficientul lui Pearson: 4
2 
 22

 ix  x 4
ni
4 
unde n i
(momentul centrat de ordinul 4)

Interpretare: β2=3 (repartiţie mezocurtică)

β 2>3 (repartiţie leptocurtică)
β 2<3 (repartiţie platicurtică)
 Coeficientul lui Fischer (kurtosis):  2  2  3
 2  0 , repartiţie mezocurtică
 2  0 , repartiţie platicurtică
 2  0 , repartiţie leptocurtică
Aplatizarea distribuţiilor statistice
 graficele seriilor de distribuţie de frecvenţă sunt mai mult sau
mai puţin aplatizate faţă de graficul distribuţiei normale.
 un grafic este aplatizat dacă o variaţie mare a variabilei de
interes presupune o variaţie mică a frecvenţelor
 un grafic este ascuţit dacă o variaţie mică a variabilei de
interes presupune o variaţie mare a frecvenţelor
• Kurtosis (engl.)
 Aplatizarea distribuţiilor statistice
In concluzie,analiza aplatizării sau excesului se face cu următorii coeficienţi:


Coeficientul lui Pearson:


Coeficientul lui Fischer:

valoarea 0 pentru coeficientul lui Fischer si 3 pentru coeficientul lui Pearson

înseamnă că avem de a face cu o distribuţie de înălţime normală
valori negative pentru coeficientul lui Fisher sunt specifice unei distribuţii
platicurtice
valori pozitive pentru coeficientul lui Fisher sunt specifice unei distribuţii
leptocurtice
Obs: analiza asimetriei şi a aplatizării au sens în cazul distribuţiilor empirice unimodale.
 Aplatizarea distribuţiilor statistice

serie mezocurtică serie platicurtică serie leptocurtică

50 50 50
45 45 45
40 40 40
35 35 35
30 30 30
Studenti

Studenti
Studenti
25 25 25
20 20 20
15 15 15
10 10 10
5 5 5
0 0 0
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Nota
Nota Nota

2  0 2  0 2  0
 Distribuţia normală de probabilitate
Caracteristici:
 este o distribuţie al cărei grafic are formă de clopot (clopotul
lui Gauss).
 este simetrică în jurul mediei.
 coboară asimptotic spre axa OX fără să o atingă (curbele
repartiţiei se întind la infinit în ambele părţi).
 distribuţia normală este definită complet de parametrii:
medie şi abatere standard.
 media, valoarea mediană şi valoarea modală sunt identice.
 aria de sub curbă este 1.
 jumătate dintre arie se află în dreapta mediei, iar cealaltă în
stânga mediei.
Distribuţia normală
 Distribuţia normală standard
 Distribuţia normală standard este o distribuţie normală
cu media 0 şi abaterea medie patratică 1.
 Această distribuţie este denumită şi distribuţia Z.
 O valoare z este reprezentată de distanţa de la o valoare
individuală, aferentă nivelului variabilei înregistrate în
cazul unei anumite unităţi statistice, până la media
populaţiei (în cazul variabilei respective), împărţită la
abaterea medie pătratică a respectivei variabile.
 Modul de calcul al unei valori z este urmatorul:
 Distribuţia normală standard
Scorul z reprezintă distanța dintre valoarea inregistrata xi și medie,
exprimata în unități de abateri medii pătratice.
Se obține astfel o nouă variabilă, variabila zi, numită variabilă standardizată,
normal distributia, care are media 0 și dispersia 1. Suma tuturor scorurilor z este
egală cu 0.
Dacă pentru o anumită unitate statistică scorul z este negativ, înseamnă că
unitatea respectivă înregistrează valori sub medie, iar dacă este pozitiv înseamnă că
unitatea respectivă înregistrează valori peste medie.
Forma distribuției pentru scorurile z este identică cu forma distribuției valorilor
variabilei.

Regula empirică a lui Cebîșev pentru scorul z:

Pondere termenii unei serii înregistrează pentru scorurile z
aproximativ 68% valori cuprinse între -1 și 1;
aproximativ 95% valori cuprinse între -2 și 2;
aproximativ 99,8% valori cuprinse între -3 și 3;
Distribuţia normală – regula empirica
 Distribuţia normală – regula empirica
Astfel, Teorema lui Cebîșev spune: ”Cel puțin din termenii unei
serii se găsesc în intervalul unde z>1 se numesc scoruri z = numar
de deviatii standard cu care difera valorile individuale de la media aritmetica)
Dacă Termenii unei serii se situează în intervalul
z=1.96 atunci cel puțin 0,75 sau
75% din termenii seriei se situeaza
in intervalul
z= aprox.3 atunci cel puțin 0,89 sau
89%
z= aprox. 4 atunci cel puțin 0,94
sau 94%

Unul dintre avantajele Teoremei lui Cebîșev este aceea că poate fi utilizată
pentru orice formă a distribuției.
Dacă distribuția este normală, si frecventele sunt distribuite dupa clopotul lui
GAUSS, atunci se poate utiliza regula empirică care ne arată procentul valorilor
care se găsesc într-un număr specificat de abateri medii pătratice de la medie, in
plus sau in minus fata de aceasta.
Regula empirică a lui Cebîșev spune:
Pondere Termenii unei serii se situează în intervalul
aproximativ 68%
aproximativ 95%
aproximativ 99,8%
 Distribuţia normală – regula empirica
Aplicația 5.1. În urma unui sondaj efectuat pe 100 de persoane cu vârsta cuprinsă
între 18 și 65 de ani, referitor la numărul de ore de somn pe noapte s-a
obținut o medie de 6,8 ore cu o abatere medie pătratică de 1,1 ore.

Cerințe:
a) Să se aprecieze care este procentul persoanelor care dorm între 4,6 și 9
ore pe noapte;
b) Considerând că numărul de ore de somn urmează o distribuție normală,
să se aprecieze care este procentul persoanelor care dorm între 4,6 și 9 ore
pe noapte și să se compare rezultatele cu cele obținute la subpunctul a.

Rezolvare:

a) Aplicând Teorema lui Cebîșev, întrucât nu cunoaștem forma distribuției

persoanelor după numărul de ore de somn, putem obține procentul celor care dorm
între 4,6 și 9 ore pe noapte.
Observăm că 4,6=6,8-2*1,1 respectiv 9=6,8+2*1,1, deci

Pentru z=2 în intervalul se găsesc cel puțin

sau 75% din numărul de persoane din eșantion.

b) Deoarece cunoaștem că distribuția e normală, putem aplica Regula empirică a lui

Cebîșev care spune că în intervalul se găsesc aproximativ 95%
din numărul de persoane din eșantion.
Deci, în cazul repartiției normale, procentul persoanelor care au numărul de ore
dormite în intervalul este mai mare.
 Distribuţia normală – regula empirica
Aplicația 5.1. Se cunosc următoarele date referitoare la prețul unui gram de aur
pentru 9 magazine:
Preț aur (lei/gr.) 125 121 117 122 119 124 119 119 114
Cerințe:

a) Să se calculeze media și dispersia pentru caracteristica “prețul mai mare decât 121
lei.”
b) Să se calculeze scorul z pentru magazinul care are prețul egal cu 117 lei pe gram.

Avem o caracteristică alternativă sau binară:

Frecvențele absolute
Varianta xi
ni
DA (prețul mai mare decât 121 lei ) 1 m= 3
NU (prețul mai mic sau egal cu 121 lei ) 0 n–m=6
Total - n=9

Media caracteristicii alternative:

Interpretare: 33% dintre magazine au avut un preț mai mare decât 121 lei.

Dispersia caracteristicii alternative:

b) Scorul z pentru magazinul care are prețul egal cu 117 lei/gram.

 Nr. crt. Preț aur (lei/gr.)
Col.0 Col.1 Col.4 Col.5
1 125 5 25
2 121 1 1
3 117 3 9
4 122 2 4
5 119 1 1
6 124 4 16
7 119 1 1
8 119 1 1
9 114 6 36
Total 1080 24 94

c) Să se aprecieze asimetria seriei; 𝑥 − 𝑀𝑜 120 − 119

𝐶𝑎𝑠 = = = 0,292
𝑆 3,42
Unde: Modul este egal cu 119 lei/gr (prețul cel mai frecvent înregistrat).
 
Interpretare: Deoarece Cas  0 avem asimetrie pozitivă sau de dreapta, deci în această serie predomină valorile
mici ale caracteristicii.
Cas  [-0,3; 0,3]  seria este e uşor asimetrică
sau cu:
3(𝑥− 𝑀𝑒) 3(120− 119)
𝐶𝑎𝑠= = =0,87
𝑠 3,42
Unde: Mediana este egală cu 119 lei, adică e egală cu termenul din mijloc al seriei ordonate
crescător.
Interpretare: Deoarece Cas  0 avem asimetrie pozitivă sau de dreapta, deci în
această serie predomină valorile mici ale caracteristicii.
Cas  [-1; 1]  seria este e uşor asimetrică.