UNIVERSITATEA TEHNIC A MOLDOVEI

FACULTATEA TEHNOLOGIE I MANAGEMENT

N INDUSTRIA ALIMENTAR


MODELAREA MATEMATIC A
EXPERI MENTULUI
Suport teoretic de curs













Chiinu, 2013
Y
X
1
X
2
-1; +1

+1; +1

+1; -1

-1; -1

2 2
1 2
1 2
Y Y
Y X X
X X
| | | |
c c
A = A + A
| |
c c
\ . \ .
458.4 2.7 0.6%
Y
Y c = ~

1
UNIVERSITATEA TEHNIC A MOLDOVEI
FACULTATEA TEHNOLOGIE I MANAGEMENT
N INDUSTRIA ALIMENTAR


MODELAREA MATEMATIC A
EXPERI MENTULUI
Suport teoretic de curs













Chiinu, 2013
Y
X
1
X
2
-1; +1

+1; +1

+1; -1

-1; -1

2 2
1 2
1 2
Y Y
Y X X
X X
| | | |
c c
A = A + A
| |
c c
\ . \ .
458.4 2.7 0.6%
Y
Y c = ~

2
Suportul teoretic de curs pentru disciplina "Managementul
experimentului de cercetare" este destinat studenilor ciclului 2
(masteranzilor) Facultii Tehnologiei i Managementului n Industria
Alimentar a Universitii Tehnice a Moldovei.
Obiectivul-cadru al acestei discipline este formarea aptitudinilor de
cercettor-experimentator. Aceste aptitudini includ planificarea
experimentului, realizarea lui n condiii optime, calcularea erorilor
msurrilor directe i indirecte. Masterandul va obine cunotine,
necesare pentru interpretarea obiectiv i corect a datelor
experimentale. Partea important a cursului este consacrat modalitii
de prezentare a rezultatelor cu ajutorul mijloacelor multimedia,
elaborrii articolelor tiinifice i a brevetelor de invenie.



Autori:
doctor, confereniar universitar Alexei Baerle
doctor, confereniar universitar Artur Macari


Redactor responsabil:
dr., conf. univ. Alexei Baerle
Recenzeni:
dr. hab., prof. univ. Vasile Guanu U.S.M.





U.T.M., 2013

3
Cuprins
CAPITOLUL 1. Metodologia cercetrilor tiinifice
1.1. Metoda tiinific.
1.2. Modelarea matematic n tiina i n industria.
1.3. Managementul cercetrii.
CAPITOLUL 2. Teoria i practica experimentului
2.1. Modelele experimentului.
2.2. Factorii de influen.
2.3. Experimentul activ.
2.4. Optimizarea parametrilor tehnologici.
CAPITOLUL 3. Prelucrarea datelor experimentale
3.1. Precizia determinrilor i calculelor.
3.2. Determinarea erorilor experimentului.
3.3. Prezentarea grafic a rezultatelor.
3.4. Estimarea erorilor determinrilor grafice.
3.5. Softuri speciale pentru modelarea matematic.
CAPITOLUL 4. Interpretarea datelor experimentale
3.1. Regulile de argumentare i judecata tiinific.
3.2. Arta formulrii concluziilor tiinifice.
3.3. Structura publicaiilor i brevetelor.
3.4. Elaborarea posterilor i prezentrilor multimedia.
3.5. Promovarea i implementarea rezultatelor.
TRANSLATOR DE TERMENI
ANEXE
BIBLIOGRAFIA

4
"tiina este cunoatere organizat"
Immanuil Kant
I. METODOLOGIA CERCETRII
I.1. Metoda tiinific
Metoda tiinific este algoritmizarea obinerii cunotinelor i
procedeelor, necesare pentru cunoaterea adevrului. Metode tiinifice
se separ convenional n cele teoretice i empirice (de experimentare).
Criteriul important al metodei tiinifice este obiectivitatea acesteia.
Al doilea criteriu este cel al falsificabilitii lui Popper. Acesta permite
s se deosebeasc metoda tiinific de cea non-tiinific:
"Metoda tiinific trebuie s fie falsificabil n principiu".
Ipoteza, teoria i chiar legea se consider falsificabile, dac exist
posibilitatea contestrii (i doar numai n al doilea rnd, confirmrii)
lor. Afirmaiile: pV=RT sau CO
2
+H
2
OH
2
CO
3
, sunt falsificabile prin
experiment. Dimpotriv, afirmaia "zodi Gemenilor se afl sub
influena Lunei..." se afl n afar tiinei, deoarece nu este falsificabil.
Metode teoretice (de interpretare, analiza i sinteza):
o formularea ipotezelor (ipoteza = presupunere fr dovezi);
o elaborarea teoriilor (teoria = afirmaia cu fora de prezicere);
o modelarea tiinific (crearea i cercetarea modelelor
obiectului, transferarea cunotinelor pe obiectul real);
o stabilirea legilor; (legea tiinific = afirmaia verbal sau
ecuaia matematic, acceptat actual de comunitatea tiinific).
Metode empirice (de experimentare):
o acumularea observaiilor (att ntmpltoare, ct i organizat);
o msurarea parametrilor cantitativi;
o realizarea experimentului (experiment = verificarea ipotezei);
o cercetarea tiinific (ansamblu din mai multe experimente).
Metoda tiinific posed urmtoarele caracteristici:
atitudinea critic (dar respectuoas) faa de ipotezele i
interpretrile altor cercettori, chiar i celor cu autoritate;
documentarea minuioas a observaiilor proprii;
verificarea reproductibilitii rezultatelor experimentale;
evaluarea critic a validitii datelor i interpretrilor;
asigurarea accesului liber la date iniiale, metodele aplicate,
rezultatele i concluzii, exprimat prin publicarea rezultatelor.

5
I.2. Modelarea matematic n tiina i n industria alimentar
Modelul matematic este reprezentarea virtual a obiectului sau
fenomenului real prin intermediul limbajului algoritmizat. Dup o
definiie laconic, "modelul este o ecuaie, care reflect realitate".
Modelarea matematic este crearea i cercetarea modelului
obiectului real, urmat de transferarea informaiei pe obiectul real.
Modelul matematic adevrat posed urmtoarele caracteristici:
o Corespunde cu obiectul cercetat dup criterii calitative;
o Este capabil s substituie obiectul real cu cel virtual;
o Furnizeaz informaii cantitative despre obiectul modelat;
o Poate s prezic comportamentul sistemului sau obiectului real.
Modelarea matematic presupune realizarea urmtoarelor obiective:
o Reducerea costurilor i timpului cercetrilor;
o Evitarea experimentelor foarte complicate sau imposibile;
o Obinerea rapid a soluiilor unor probleme practice.
Modelarea matematic soluioneaz urmtoarele probleme:
o Problema direct, rezolvarea creia const n determinarea
influenei unor factori asupra obiectului, supus modelrii;
o I nvers, soluionarea creia prezint stabilirea cauzei apariiei
proprietii msurabile, caracteristice obiectului modelrii .
I .2.1. Clasificarea modelelor
Clasificarea formal binar (dihotomic) presupune separarea n dou
clase antagoniste (dihotomii).
o Liniare / Difereniale ;
o Concentrate / Dispersate ;
o Statice / Dinamice ;
o Deterministe / Statistice (statistic = stocastic = stohastic) ;
o Rigide (puternic idealizate) / Blnde (slab idealizate) .
Clasificarea conceptual, care reflect atitudinea cercettorului faa de
obiectul modelrii. Dup aceast clasificare modelele pot fi:
o Ipotetice (ar putea s fie, c ...);
o Fenomenologice (obiectul se comport, parc ...);
o Maximaliste i Minimaliste (influena maxim sau minim);
o Simpliste (omitem unele momente "puin semnificative" ...);
o Euristice (Intuitive sau a Bunului sim) (se simte, c ...);
o Analogice (sistemul se comport asemntor cu ...)
o Experimentului Mental (demonstrrii (im)posibilitii)

6
Clasificarea dup transparena modelului:
o Structurale (geometrice; grafice; "cutie neagr")
o Funcionale (algebrice; "cutie transparent").
o Structural-funcionale (combinate; "cutie sur")








I .2.2. Etapele modelrii matematice
1. Crearea modelului "preliminar":
se definitiveaz problema sau fenomenul, supus modelrii;
se stabilesc calitile ale obiectului modelrii, legturile ntre ele;
proprietile obiectului modelrii se traduc n limbajul algoritmizat;
2. Verificarea adecvabilitii modelului: se testeaz capacitatea
modelului s genereze soluii deja existente, cunoscute;
3. Perfecionarea modelului;
4. Aplicarea modelului: se simuleaz situaii-problem reale, care nu
au soluii cunoscute;
5. Interpretarea datelor, oferite de model.
I .2.3. Modele matematice n industria i tiina alimentar
Sistem-model este elaborat i confecionat de cercettor, cu ajutorul
crora se modeleaz (se simuleaz) unele trsturi ale obiectului, supus
modelrii. n industria i n tiina alimentar se utilizeaz pe larg
urmtoarele sisteme-model:
1. Soluii-standard i simulatori:
Sisteme model cu parametrii identici sistemelor naturale
(concentraia, pH, culoarea). Exemplu: ser fiziologic;
Soluii-etalon i soluii standard cu un anumit semnal analitic.
2. Scheme i grafice (totalitatea formelor de prezentare i de interpre-
tare grafic a datelor, experimentale sau generalizate din diferite surse);
3. Relaii matematice de calcul, care pot fi exacte i estimative;
4. Instalaii pentru modelare i/sau msurare a unor proprieti.
Modele Structurale Modele Combinate

aciune
rezultat
mecanism
aciune
rezultat
mecanism
aciune
rezultat
Modele Funcionale

7
5. Algoritme standardizate: modele-standard, verificate i aprobate de
mai muli cercettori, aparent corecte, pn la o eventual falsificare.
Schema-bloc de rezolvare a unei probleme tiinifice (Figura 1)
impune respectarea criteriului Popper, dar nu i garanteaz
corectitudinea absolut a rezolvrii obinute.











Fig.1. Schema bloc de rezolvare a unei probleme tiinifice
Dac etapa cutrii contraargumentelor se omite, apare eroarea
logic: "confirmarea prin consecina". Orice ipoteza, care nu a fost
testat prin cutarea contraargumentelor, este aparent corect.
Logica cercetrii deseori
impune utilizarea concomitent a
mai multor tipuri de modele.
Exemplu: Instalaia prezentat
pe Figura 2 este destinat pentru
estimarea strii oxido-reductoare a
sistemelor alimentare. Se presupune
egalitatea activitilor de ap din
ambele celule. n calitate de soluie-
etalon se folosete un agent redox,
de preferina acidul ascorbic, care se
dozeaz n celula II pn la egalarea
potenialelor redox n ambele celule.
Starea redox a sistemului alimentar, care se afl n celula I, se exprim
prin concentraia agentului etalon din celula II. (Astfel, n cercetare se
realizeaz ansamblu ipoteza-instalaia-etalon-ecuaie). Menionm, c
acest model a fost elaborat la Catedra Tehnologia Conservrii a UTM.
Examinarea soluiilor cunoscute
PROBLEMA
Formularea ipotezei i concluziilor din ipoteza
Cutarea contraargumentelor ipotezei
nu sunt sunt
Teoria "de lucru"
REZOLVARE
Poteniometru

d

1
2
I II
Fig.2. 1/2 electrod standard / de
msurare; I/II proba cercetat /
model; d dozator de etalon.

8
I.3. Organizarea cercetrii
I .3.1. Elaborarea planului de cercetare include urmtoarele etape:
Formularea clar a obiectivelor;
Elaborarea colectiv (cu participarea echipei de cercetare);
Concretizarea scris a sarcinilor individuale;
Indicarea metodelor de cercetare;
Estimarea realizabilitii i riscurilor;
Respectarea standardelor i algoritmilor;
Indicaia rezultatelor scontate.
I .3.1. Stabilirea obiectivelor. Obiectivul este formularea laconic a
sensului i finalitii aciunii. Obiectivele se mpart n trei nivele:
o Nivel inferior, care cuprinde obiective nguste, locale;
o Nivel mediu, format din obiective vaste, generale;
o Nivel nalt, crui corespund obiective revoluionare, globale.
Obiectivele, formulate corect, corespund urmtoarelor cerine:
Au finalitatea pozitiv;
Stipuleaz modalitile de realizare a rezultatului concret;
Sunt independente i auto-suficiente (autonome).
Finalitatea pozitiv exclude utilizarea verbelor, programate pentru
eec: "a ncerca", "a se strdui", etc. Astfel de verbe "ajut" s se
deprind cu eecul fr s nceap a lucra, de asemenea, las portia
deschis pentru a fugi de responsabilitate (n primul rnd, faa de sine)
n cazul posibilului eec sau datorit impersistenei proprii.
Operaionalizarea exclude utilizarea verbelor vagi, adic celor,
care nu stipuleaz o aciune concret:
a studia
a stabili
a cerceta
a ti
a afla
a percepe
a pricepe
a nelege
a poseda
a stpni
a sesiza
a se convinge
a se ncredina
a contientiza
a nsui
Auto-suficiena obiectivelor presupune independena acestora de
alte obiective de acelai nivel, cu referina la un rezultat concret.
Dup gradul de generalizare se deosebesc obiective cadru
(principale) i operaionale (de referin).
Obiectiv-cadru este un obiectiv de nivel mediu sau nalt, n funcie
de tipul cercetrii i ambiia cercettorului. Acest obiectiv definete
scopul final al cercetrii, fr dezvluirea detaliilor concrete. Aducem
exemple de obiective-cadru de nivelul mediu i nalt:

9
Nivel mediu: S perfecioneze tehnologia de producere a maionezei.
Nivel nalt: S elaboreze substituentul structural al maionezei.
Obiective operaionale sunt obiective de nivel inferior i mediu,
subordonate realizrii obiectivului-cadru. Ei definesc stadiile i
metodele concrete de cercetare, conturnd unele rezultate scontate.
- S se determine influena concentraiei de lecitin asupra
procesului de formare a emulsiei;
- S se calculeze raportul optim al componenilor folosind EFF;
- S se determine stabilitatea Sunset Yellow n produsul final,
folosind cromatografia HPLC i spectroscopia UV diferenial;
- S efectueze testarea microbiologic a produsului final;
- S se elaboreze brevetul de invenie i prescripiile tehnice.
I .3.2. Analiza bibliografic eficient
Pentru a evita "descoperirea" lucrurilor cunoscute, a optimiza i a
actualiza cercetarea, este nevoie de documentare prealabil din mai
multe surse. Aceasta documentare, n cele din urm, capt forma scris
i ocup un volum important (30-50%) n comunicri, articole i teze.
Analiza bibliografic este trecerea n revist, succint i critic,
a informaiei referitoare la problema abordat.
Exist cteva semne de identificare, care permit a face clasificarea
i a alege cu corectitudinea sursele de informaie pentru analiza:
o ISBN (International Standard Book Number) codul internaional
al crii, atribuit de organ naional respectiv (Agenia Naional
ISBN Moldova). Cartea fr ISBN se consider "literatura sur";
o ISSN (International Standard Serial Number) codul internaional
al ediiilor periodice, atribuit de organ naional respectiv (Centrul
Naional ISSN Moldova n cadrul Camerei Naionale a Crii).
o CZU//UDC (Clasificarea Zecimal Universal) clasificarea
surselor de informaie dup tematic, destinat pentru sortarea i
cutarea eficient. Codul CZU este atribuit de autor sau de editor.
o CIP//IPC (Clasificarea Internaional de Patente) codul
tematic internaional, atribuit de autorul inveniei n acord cu
organul naional de patentare.
Sursele de informaie tiinific pot fi mprite n 6 clase n ordinea
scderii gradului de noutate i credibilitatea informaiei (Tabelul 1).

10
Tabelul 1. Clasificarea surselor de informaie tiinific
Clasa Surse specializate
Semne caracteristice
oficiale bibliografice
I
Articolele n reviste specializate ISSN A D R ae V N p
Monografii specializate ISBN A D or ed ae np
II
Disertaii i autoreferate CZU A D ae or ins np
Cri de specialitate ISBN A D or ed ae np
Brevete, cereri de brevete CIP A D CIP ae nc (nb)
III
Comunicri la conferine ISBN A D DC or ins ae p
Literatura didactic de la edituri ISBN A D or ed ae np
Literatura metodico-didactic CZU A D ins ae np
IV Literatura "sur" --- A D (ins) ae np
Sursele, care urmeaz, necesit atitudinea foarte vigilent din punct de
vedere tiinific, fiind depersonalizate, coninnd informaii comerciale
i populiste, deseori cu caracter manipulator, politizat, ideologizat, etc.
Clasa Surse electronice Exemple
V
Sursele mass-media tradiionale
(radio, televiziune) i moderne
(Internet, reele de telefonie
mobil).
Filme documentare, emisiuni
tiinifico-populare, show'uri,
publicitate, nouti, etc.
VI
Surse electronice (siteuri, reele
sociale, foruri i bloguri) fr
suport pe hrtie i fr indicarea
surselor bibliografice recenzate.
Reele sociale i publicitare,
siteurile companiilor de
distribuie, ONG-urilor,
partidelor, confesiunilor, etc.
n care: A autor sau autorii; D denumirea articolului, crii; R denumirea
revistei; ae anul ediiei; V volumul; N numrul; p diapazonul de
pagini (prima ultima); or oraul, ed editura; np numrul total de
pagini, ins instituie, ara, CI P codul CIP al brevetului; nc numrul
cererii de brevet, nb numrul buletinului oficial al organului naional de
brevetare
Caracteristicile Analizei bibliografice eficiente:
- Se analizeaz informaia din mai multe surse calitative
(preponderent in clasele I, II, III din Tabelul 3).

11
- Informaia se analizeaz critic. Se indic contradicii, lacune,
inexactiti, depistate n urma studierii informaiei "a priori".

- n analiza bibliografic tradiional se abordeaz:
a. importana problemei pe plan autohton i mondial;
b. metode cunoscute de rezolvare a problemei abordate;
c. metode de cercetare, care vor fi aplicate n partea
experimental;
- Nu se concentreaz mult asupra unei i aceleai surse; se indic
referine la surse citate, evitnd calchierea i excluznd plagiat.
- Analiza se ncheie cu un scurt paragraf, menit s demonstreze, c
problema nu este rezolvat, i merit a fi cercetat de Dvs.


12
"Experimentul nu este greit niciodat. Greit este interpretarea"
Leonardo da Vinci
II. TEORIA EXPERIMENTULUI
II.1. Modelele experimentului
Termenii "experiena" i "experiment" deseori se substituie
reciproc, n pofida faptului, c ntre ei exist deosebiri eseniale.
Cuvntul "experiena" se utilizeaz n mai multe sensuri:
o demonstrarea unui fenomen n scopuri metodico-didactice;
o totalitatea cunotinelor i aptitudinilor unei persoane;
o ncercarea unei ipoteze ad-hoc (spontane), fr rezultatul garantat;
o un pas discret n cadrul unei cercetri (experimentului)
Experimentul este procesul de cercetare n condiii elaborate i
controlate, destinat n special pentru contestarea unei ipoteze.
Exist 5 tipuri ale experimentului, care sunt aranjate n
corespundere cu creterea importanei practice:
o Experiment ideal cercetare ipotetic (nerealizabil),
care servete drept reper pentru cercetri reale;
o Experiment mental realizat n minte, prin judecat logic;
o Experiment ntmpltor aciune cu un rezultat imprevizibil;
o Experiment planificat ansamblu de aciuni, destinate pentru
obinerea unui rezultat prognozabil i apreciabil statistic;
o Experiment crucial elaborat pentru falsificarea unei ipoteze.
Modelul (algoritmul) unei cercetri tiinifice demonstreaz locul
superior al experimentului n realizarea acesteia:
n practica tiinific mondial se utilizeaz modele-standard al
experimentului chimic sau biologic, care au denumiri tradiionale n
limba latin:
o in vivo n organism viu; n sistem natural;
o in vitro n eprubet; n sistem-model;
o in situ pe loc; direct n amestec de reacie; folosind metode
"in vitro" pentru experimentul "in vivo";
o ex vivo n afara organismului viu;
o in silico cu ajutorul softului respectiv (simulrilor la computer).
ntmplare
(Observaii)
Experiena
Modelare tiinific
(Ipoteza + EXPERIMENT)

13
II.2. Factorii de influena i interaciunea acestora
Factorii de influena (de intrare) sunt variabile, care influeneaz
calitativ i cantitativ comportamentul sistemului sau modelului studiat.
Factorii de influena n sisteme alimentare se grupeaz n 4 tipuri:
o Fizici (F) temperatura, presiune, timp (factor cinetic), etc.;
o Mecanici (M) viteza agitrii, volumul i forma instalaiei, etc.;
o Chimici (C) concentraia, pH, masa molecular, etc.;
o Combinai gradul de dispersie (F-M), solubilitate (F-C), etc.
Factorii de influena acioneaz n mod direct i indirect.
Influena direct a factorului de intrare asupra sistemului sau
modelului studiat nu depinde de valoarea altor factori de intrare.
Influena indirect a factorului de intrare se manifest prin
interaciune cu ali factori de influena.
Tabelul 2. Factorii de intrare i influena indirect a acestora.
Factorii de influena Cod
Limite de
variaie
Influenat de:
f
i
z
i
c
i

Factor cinetic (timp) s...ani nici un alt factor
Factor termodinamic H -10
3
+10
3
kJ , C, TF,
Temperatura t -40...+250 Inst,
Viscozitatea 0,110mPas C, a, pH, TF, M
Unde electromagnetice h 10
-9
-10
-2
m C, t, Inst,
Transferuri de faz TF s, l, g, aq t, C, M,
m
e
c
a
n
i
c
i

Construcia instalaiei Inst
eprubet
instalaia pilot
linia tehnologic
a, , TF
Viteza agitrii 0,1-10000 min
-1
, C, Inst
Gradul de dispersie i
omogenitatea dispersiei
a 10
-9
...10
-3
m , Inst, TF,
c
h
i
m
i
c
i

Compoziia mono,..., poli , TF, pH
Indice de hidrogen pH

2.00-12.00 t, C,
Concentraia C
10
-8
10mol/L
10
-7
100%
t, a, pH,
Tensiune superficial 10100mJ/m
2
C, t, pH, M
Masa molecular a
polimerilor
M 10
3
...10
8
g/mol , pH,

14
Tabelul 2 evideniaz urmtoarele momente:
- practic nu exist nici un factor de influena "pur" (absolut
independent de ali factori), unica excepie prezint cel cinetic, ;
- cei mai influeni, concomitent, cei mai puin influenai, sunt i t;
- influena reciproc a factorilor ntotdeauna va avea un caracter
specific, unic, fr a fi extrapolat de la un sistem la altul.
Doi, iar cteodat i mai muli factori independeni pot exercita
aciunea concomitent asupra sistemului.
o Aciunea sinergic (sinergism, supra-adiie) influena
comun a doi factori e mai mare, dect suma aporturilor fiecruia.
Exemplu: Adugarea a 1% de alcool mrete termenul de pstrare a
vinului cu 1 an, iar adugarea a 1% de zahr cu 4 luni. La
suplimentarea concomitent cu ambele substane, termenul de pstrare
se mrete cu 4 ani (de 3 ori mai mult, dect suma influenelor lor).
Menionm, c aciunea sinergic poate fi att "bun" (benefic
pentru parametrii sistemului studiat), ct i "rea" (nedorit).
o Aciunea antagonist influena concomitenta a doi factori este
mai mic, dect influena separat a fiecruia dintre ei.
Exemplu: Alcoolii grai i hidrocarburi extrag bine grsimi. La
anumit proporie a lor procesul de extracie devine foarte greu,
fiindc alcoolul gras n amestec cu hidrocarbur se comport ca
substana tensioactiv, transformnd sistemul n emulsia stabil.
o Aciunea latent se manifest, cnd un al treilea factor se
activeaz datorit altor doi factori. De aceea aciunea latent poate
avea un caracter aparent sinergic sau antagonist.
Exemplu: Colorantul se extrage mai eficient fie la creterea
temperaturii, fie la creterea vitezei de agitare a amestecului materia
prim-solvent. La amplificarea concomitent a valorilor acestor factori
cantitatea colorantului n extract scade contrar ateptrilor. A fost
propus ipoteza, conform creia pierderile colorantului se datoreaz
oxidrii rapide la temperaturi i viteze de agitare ridicate.
Fenomenul de interaciune a mai multor factori ngreuneaz
interpretarea corect a influenei acestora, ducnd la efecte, care
contrazic cunotinelor acumulate "a priori". Anume astfel de cazuri
prezint un interes deosebit n cadrul cercetrii, devenind posibil
falsificarea cunotinelor existente i formularea ipotezelor noi.

15
"Statistica poate dovedi orice chiar i adevrul" (Noel Moynihan)

III. INTERPRETAREA ERORILOR EXPERIMENTALE
III.1. Precizia msurrilor i calculelor. Cifre semnificative
n cadrul experimentului de cercetare se efectueaz 2 tipuri de
msurri: directe i indirecte.
Msurrile directe ale X sunt efectuate cu un aparat de msura,
destinat special pentru msurarea parametrului respectiv (pH-ul se
msoar cu pH-metru, timpul cu cronometru, numrul de colonii cu
microscop).
Msurrile indirecte ale Y reprezint determinrile valorilor
argumentelor (X
1
X
n
) ale funciei Y =f (X
1
X
n
), nsoite de
calcule respective. De exemplu, constanta de viteza K poate fi calculat
dup msurarea a 4 variabile: V, , C
0
, C

, care sunt legate prin relaie

analitic:
0
( / ) ln ( / ) K V C C
t
t = . Erorile msurrilor indirecte vor fi
mai mari n comparaie cu erorile msurrilor directe, incluznd erorile
de msurare i cele de calcul.
Deseori precizia msurrilor i calculelor se estimeaz folosind
noiunea, rspndit preponderent i... insuportabil de incorect:
"numrul cifrelor dup virgul". Vom scrie 3 numere: 456.78;
0.45678 10
3
; 45678 10
-2
. Evident, c toate sunt egale i la fel de
precise, indiferent de poziia virgulei! Conteaz numrul cifrelor
semnificative (CS), care depinde de precizia metodei de msurare i a
calculelor.
Cifre semnificative (CS) se ncep de la prima cifr, diferit de 0;
cifra 0, situat dup o cifr 0, de asemenea este semnificativ.
Exemplu: n 0.056074 prima CS = 5, a treia CS = 0, a cincea = 4.
n procedeule i calcule tehnico-chimice i tehnologice numrul
optim de cifre semnificative este 3 sau 4. Un numr mai mic de CS va
duce la erori considerabile (nu va fi asigurat respectarea condiiilor de
producere i de controlul calitii). Numrul exagerat de CS este inutil,
depind precizia, proprie domeniului respectiv de producere/cercetare.
Exemplu: La 10,0 kg de aluat se vor aduga, dup calcul, 2.4158g
de colorant alimentar. ns, deoarece masa aluatului se msoar cu
precizia de 3 cifre semnificative, a patra i a cincea cifre semnificative

16
din masa colorantului i pierd importana; masa colorantului se
rotunjete la 2.42g ; dispare necesitatea utilizrii balanei analitice.
Numrul CS, cu care vor fi indicate rezultatele finale, va depinde
de precizia a priori a metodei i de eroarea experimentului.
I I I .1.1. Algoritmul rotunjirii corecte a valorilor medii
1. Ultima CS lsat rmne neschimbat, dac prima cifra din cele
aruncate este 0, 1, 2, 3, 4. Exemplu:
4
23.04499 23.04
CS
;
2. Ultima CS lsat se mrete cu 1, dac prima cifra din cele aruncate
este 5 "cu ceva", 6, 7, 8, i 9. Exemplu:
3
3.005001 3.01
CS
;
3. Dac dup ultima CS lsat urmeaz un 5 "pur", atunci: ultima CS
par se las neschimbat; ultima CS impar se mrete cu 1.
Exemple:
4
654.05 654.0
CS
;
4 2 2
8.1375 10 8.138 10
CS
.
III.2. Erorile experimentale
I I I .2.1. Sursele de providen ale erorilor
Erorile msurrilor se clasific n urmtoarele grupe:
o sistematice, caracteristice metodei utilizate de msurare;
o instrumentale, generate de un anumit aparat de msur;
o aleatoare, datorate fluctuaiilor ale factorilor de intrare;
o umane, care apar din cauza oboselii, neateniei sau neglijenei.
Erorile sistematice, pe care le vom nota cu X
S
, se repet de la o
msurare la alt. Aceste erori se datoreaz n cele mai dese cazuri
dereglajului constant al instrumentului sau imperfeciunii metodei de
msurare. Erorile sistematice instrumentale pot fi eliminate uor, dac
se cunoate valoarea dereglajului. De exemplu, dac un termometru
arat pentru amestec ap-ghea temperatura +2C, vom scdea 2C din
indicaiile acestui termometru n alte condiii, la alte temperaturi.
Erorile aleatoare (ntmpltoare, imprevizibile) variaz spontan de
la o msurare la alt, avnd totodat i semne diferite. Aceste erori nu
pot fi eliminate i prezint cauza principal a dispersiei rezultatului.
Dispersia (mprtierea) valorii parametrului msurat reflect lipsa
reproductibilitii rezultatelor msurrilor repetate
Fiind imposibil de a fi eliminate, erorile aleatoare trebuie s fie
luate n consideraie la prelucrarea statistic i prezentarea rezultatului.

17
Erorile grosolane, mai denumite eecul msurrii, se datoreaz
defeciunii temporare sau fatale ale aparatului de msur sau greelilor
umane, i trebuie s fie eliminate din calcule respective.

18
I I I .2.2. Noiuni principale din teoria erorilor
Valoarea adevrat sau ideal a parametrului msurat, notat X
A
,
este valoarea lui obiectiv, care nu depinde de particularitile
instrumentului de msur, nici de factorul uman. Valoarea adevrat se
consider cunoscut, dac ea reprezint un punct de referin absolut
sau stabilit prin definiie. Valorile 0, 100C (punctele de topire i de
fierbere a apei), 0.000V (potenialul redox standard al electrodului de
hidrogen) i multe altele, stabilite prin definiie, pot fi considerate drept
valori adevrate (ideale). ns, msurarea temperaturii sau potenialului
redox al unui sistem alimentar real necesit estimarea erorilor.
Eroarea absolut, X A , reprezint modulul diferenei ntre
valoarea medie msurat,
m
X , i cea adevrat,
A
X :

A
X X X A = (1)
Eroarea relativ i eroarea relativ procentual :

A
X
X
c
A
= (2.1)
%
100%
A
X
X
c
A
= (2.2)
ns, deoarece de multe ori valoarea adevrat
A
X nu este
cunoscut, aceasta va fi nlocuit cu valoarea medie msurat X :

m
X
X
c
A
= (3.1)
%
100%
m
X
X
c
A
= (3.2)
Nivelul de ncredere, P, reprezint probabilitatea determinrii
valorii adevrate a parametrului msurat. De exemplu, P = 0.99
corespunde probabilitii de 99% de determinare corect a valorii
adevrate. n unele surse bibliografice prin termenul nivelul de
ncredere se substituie un alt parametru statistic, de fapt,
complementar valorii P, care se va numi corect nivelul de nencredere
(incertitudine). Acesta se noteaz prin q i este egal cu probabilitatea
determinrii greite a
A
X . Certitudinea P = 0.99 (99%) corespunde cu
nivelul de nencredere q = 0.01 ( 1% ).
1 P q + = (sau 100%) (4)

19
I ntervalul de ncredere prezint coordonatele limitelor, n care
este cuprins (cu probabilitatea P) valoarea adevrat a parametrului
msurat. Acest interval are dou formalizri echivalente:

A
X X X = A (5.1)
( )
;
A
X X X X X e A +A (5.2)

De exemplu, expresia: pH = 3.51 0.03 este echivalent expresiei
pH e (3.48; 3.54); aceste expresii nseamn, c valoarea adevrat a
pH este cuprins ntre valorile 3.48 i 3.54. n acest caz eroarea relativ
= 0.03/3.51 = 0.009, iar cea relativ procentual
%
= 0.9%.
I I I .2.3. Distribuia normal a erorilor
Fie c se realizeaz un numr m de msurri directe repetate ale
parametrului X
m
, me(1; m). n acest caz valorile msurate ale X
m
vor
devia de la valoarea adevrat X
A
, datorit erorilor aleatoare. Este firesc
(normal), c frecvena abaterilor mici a X
m
de la X
A
este mai nalt,
dect frecvena abaterilor mari. Prin W vom nota probabilitatea
nregistrrii unui rezultat X
m
din m msurri repetate (paralele). n
analiza statistic astfel de distribuie se numete normal. Graficul ei
reprezint o haussian.











n Figura 2 este reprezentat legtura ntre unele tipuri de
variabile, erori i curbe de distribuie.
A
X : valoarea adevrat a parametrului msurat;
m
X : valoarea medie din mmsurri paralele;
Fig.2. Clar despre erori -
X
S
X

X
A
X X X A X X +A
intervalul de ncredere
W
a b
*
X
X
S
E
X
X
Gr

20
X

: valoarea medie din infinit de msurri repetate;

S A
X X X

A = : eroarea sistematic, care are un semn determinat;

E
X : eecul experimentului, care genereaz eroarea grosolan
Gr
X A ;
*
m m S
X X X = A : media corectat, care este mai apropiat de valoarea
adevrat
A
X , dect
*
m
X . Ea poate fi determinat doar n cazul, dac
a priori sau a posteriori se cunoate valoarea
S
X A .
a curba distribuiei ideale a valorilor
m
X (

n lipsa erorii sistematice);
b curba distribuiei valorilor
m
X (n prezena erorii sistematice).
I I I .2.4. Rotunjirea corect a erorilor
Rotunjirea erorilor impune respectarea unor reguli speciale, care
difer de regulile, utilizate pentru rotunjirea mediilor. Diferite ediii
tiinifice periodice cer respectarea a cel puin 2 variante de rotunjire
ale erorilor: clasic i modern (simplificat).
Varianta clasic de rotunjire stipuleaz, c precizia, cu care se
rotunjete eroarea, este determinat de prima CS a erorii:
1. Dac prima CS n eroare este 1 sau 2, eroarea se prezint cu
precizia de dou CS; dac prima CS n eroare este 39, atunci
eroarea se prezint cu precizia de o singur CS.
0.1752 0.18 ; 7.824 8 ; 0.02461 0.025 ;
2
774 8 10
Varianta simplificat: Eroarea se prezint cu precizia de dou CS,
indiferent de valoarea primei CS.
0.1328 0.14 ; 7.353 7.4 ; 0.02403 0.025 ;
2
502 5.1 10
2. n eroare ultima CS lsat se mrete cu o unitate, dac dup ea
urmeaz orice combinaie ale cifrelor semnificative.
0.342 0.35 ; 7.802 7.9 ;
2
246.1 2.5 10 ;
2
774 7.8 10
3. La reprezentarea final a rezultatului, ultimele CS din media vor
avea acelai ordin, ca i ultimele cifre semnificative ale erorii.

21
Exemple:
incorect: corect:
x = 34.0 0.56 mm ; x = 34.0 0.6 mm
pK = 4.537 0.1432 ; pK = 4.54 0.15
n = 756.431 34.4 ; n = 756 35
t = 345.356 1.534
0
C ; t = 345.4 1.6
0
C
m

= (1,98892 0,000249) 10
30
kg ; m

= (1,98892 0,00025) 10
30
kg
z
p
= (1.6021892 0.0000046) 10
-19
; z
p
= 1.6021892(46) 10
-19

Coulomb
III.3. Calcularea erorilor msurrilor directe
Msurarea direct este determinarea valorii parametrului msurat
cu ajutorul unui instrument special avnd scara analogic sau digital.
Msurrile directe nu necesitat calcule suplimentare matematice, care
se refer la valoarea parametrului, ns, vor suferi prelucrarea statistic
corespunztoare pentru a afla intervalul de ncredere .
Deviaia standard a eantionului de date,
1 m
o

, reprezint
rdcina ptrat din dispersia eantionului de date (
2
1 m
o

); m este
numrul datelor n eantion de date aleatoare:

2
1
1
1
( )
1
m
m k
k
X X
m
o

=
=

(6).
Deviaia standard a totalitii de date,
m
o (rdcina ptrat din
dispersia general de date,
2
m
o ) se va calcula cu o formul
asemntoare, n care m este numrul datelor n totalitatea de date:

2
1
1
( )
m
m k
k
X X
m
o
=
=

(7).
Eroarea determinrii, X, se va calcula folosind formula:

1 ( , ) eantion m St f q
X T o

A = (8),
n care T
St(f, q)
- coeficientul Student pentru numrul gradelor de
libertate f i incertitudine q (vezi i Anexe 1, 3).


22
Cele mai utilizate valori ale ponderii statistice P i incertitudinii q,
sunt, respectiv: P(q) = 0.99(0.01), 0.95(0.05), 0.9(0.1).
Exemplu: Pentru nivelul de ncredere P = 0.95 (q = 0.05), i numrul
datelor aleatoare n eantion m = 3, numrul gradelor de libertate
f = 3 - 1 = 2. Din Anexa 1 sau folosind procedura Excel respectiv din
Anexa 3 determinm, c T
St (0.05, 2)
= 4.30.
Deviaia medie a determinrii mediei,
X
o :

2
1
1
1
( )
( 1)
1
m
m m
k X
k
X X
m m
m m
o o
o

=
= = =

(9)
Eroarea medie a determinrii mediei, X A :

(q,f ) St X
X T o A = (10)
I I I .3.1. Algoritmul calculrii erorilor msurrilor directe
1. Se calculeaz media provizorie din mexperiene paralele:

*
1
1
m
m k
k
X X
m
=
=

; (11)
2. n caz de necesitate se elimin eecul experimentului, care
provoac eroarea grosolan:

max
Gr k
X X X A = (12)
3. Se recalculeaz m i X , deviaia standard
1 m
o

sau
m
o ;
4. Dac este cunoscut valoarea erorii sistematice
S
X A , se
recalculeaz media prin iteraie:
*
m m S
X X X = A ;
5. Se determin eroarea absolut:
1 (q,f ) m St
X T o

A = pentru un
eantion de date aleatoare, sau
m
o ,
X
o , i X A pentru totalitatea
de date;
6. Se rotunjesc valorile X A sau X A , apoi mediei X ;
7. Se reprezint rezultatul final n forma: X X X = A pentru
eantion de date sau X X X = A pentru totalitatea de date.



23
Fie c avem un ir, alctuit din 13 msurri experimentale directe.
Acest ir se va numi totalitatea (general) de date. Calculm valorile
respective cu ajutorul calculatorului tiinific sau prin intermediul
procedurilor Excel din Anexa 4.
Tabelul 3.Exemplu de analiza datelor cu eliminarea eecului
Date 754 746 739 747 765 713 751 768 778 756 749 779 757
Media provizorie
*
m
X = 754
k
X X

0 8 15 7 11 41 3 5 24 2 14 25 3
Abateri
acceptate
Abateri
acceptate Abaterea cea mai mare
Date
preluc-
rate
Date Eecul experimentului Date
normale normale
754 746 739 747 765 713 751 768 778 756 749 779 757
Media corectat X = 757.42
m
o =12.12
X
o = 3.65
Eroarea determinrii mediei:
(0.05,11) St X
X T o A = = 3.65 2.20 = 8.03
Forma final de prezentare a valorii medii: X = 757.4 8.1
Din cele 12 msurri, rmase dup cenzurarea eecului, pot fi
extrase la ntmplare cteva cifre, formnd eantion de date aleatoare,
sau mai multe astfel de eantioane. Pentru exemplificare, am extras 4
eantioane a cte 3 date, numrul variantelor fiind, evident, mai mare.
Tabelul 4. Exemple de extracie ale eantioanelor independente
Este remarcabil faptul, c toate valorile X
N
din Tabelul 4 se
ncadreaz n limite intervalului de ncredere, calculat pentru mulimea
general de date (Tabelul 3). De asemenea, valorile X
N
sunt cu mult
mai mari, dect valoarea X A , calculat pentru mulimea general de
date. Acest exemplu demonstreaz, c numrul mai mare de repetri
micoreaz eroarea determinrii parametrului msurat.
N
1
X
2
X
3
X
N
X
1 m
o


N
X A
N N N
X X X = A
1 754 765 757 758.67 5.69 24.46 X
1
= 759 25
2 746 751 778 758.33 17.21 74.00 X
2
=758 74
3 739 768 749 752.00 14.73 63.34 X
3
= 752 64
4 747 756 779 760.67 16.50 70.96 X
4
= 761 71

24
III.4. Erorile instrumentale
Erorile instrumentale, X
inst.
, apar din cauza imperfeciei
construciei aparatului de msur i datorit factorului uman, manifestat
prin experiena, atenie i srguina (sau lipsa acestora) a operatorului.
Clasa de precizie a aparatului, , reflect perfeciunea aparatului i
corectitudinea scrii lui. Clasa de precizie este numeric egal cu eroarea
procentual de determinare a valorii maxime, X
max.
, n diapazonul
scrii aparatului, X
min
X
max
.

inst.
max min
100%
X
X X

A
=

(13)
Exemplu: O pipeta cotat Mohr cu volum de 25mL are clasa de precizie
= 2. Determinai intervalul de ncredere pentru volumul V.
Rezolvare: n cazul de fa V
max
= 25, V
min
= 0. Folosind Formula 13,
aflm, c V
max
= 0.5 mL. Intervalul de ncredere V = 25.0 0.5 mL.
Exemplu: O pipet gradat cu volum de 10 mL i valoarea diviziunii
0.1 mL are clasa de precizie = 0.5. Calculai eroarea procentual de
determinare a volumului V = 2.0 mL, folosind aceast pipet.
Rezolvare: Transformm formula (81) pentru a determina V
max
:
max min
.
( ) 0.5% (10.0 0.0)
0.05
100% 100%
inst
V V mL
V mL

A = = =
Aceasta eroarea va fi valabil n tot domeniu de lucru a pipetei. Eroarea
procentual de determinare a volumului n alt regiune a scrii se va
calcula cu ajutorul formulei (56):
.
%
0.05
100% 100% 2.5%
2.00
inst
V
V
c
A
= = =
Deseori se ntmpl, c clasa de precizie a aparatului nu este
cunoscut (a fost pierdut documentaia, s-au ters inscripiile
respective, etc.). n aceste cazuri se consider, c eroarea instrumental
poate fi determinat experimental.
Eroarea absolut a scrii, X
scara
, se determin ca
1
/
2
sau
1
/
3
din
valoarea diviziunii VD a aparatului. :

1
2
scara
X VD A = (14.1), sau
1
3
scara
X VD A = (14.2)
Coeficientul
1
/
3
se folosete n cazul unei diviziuni analoage mari, dac
acul sau meniscul indicatorului se vede clar ntre diviziuni. Pentru un

25
aparat cu scara digital coeficientul respectiv, evident, este egal cu .
Pentru un eantion din m msurri paralele (repetate) a unei
mrimi eroarea instrumental se va calcula din formula:

2 2
.
( ) ( )
inst eantion scara
X X X A = A + A (15),
n care X
eantion
se calculeaz dup Formula 8.
Exemplu: Temperatur dintr-o ncpere a fost msurat
din 20 n 20 de minute cu un termometru, reprezentat pe
desen, timp de 2 ore. Calculai valoarea intervalului de
ncredere la determinarea t, efectund calcule n baza
eantionului din 4 date aleatoare pentru P = 0.95.
, min 0 20 40 60 80 100 120
t,
0
C 21 22 22 21 22 21 22
Rezolvare: Alegem un oricare set din 4 date aleatoare i
calculm t i
4 1
o

, folosind procedurile respective din
Excel, sau un calculator tiinific: t = 21.5,
4 1
o

= 0.577.
Din Anexa 1, T
St(0.05, 3)
= 3.18. Atunci:
4-1 (0.05,3) eantion St
t T o A = = 0.577 3.18 = 1.84.
Valoarea diviziunii, VD = 2
0
C. Respectiv,
scara
t A = 0.667
0
C.
2 2 2 2
.
( ) ( ) 1.84 0.667 1.96 2.0
inst eantion scara
t t t A = A + A = + = ~
.
21.5 2.0
inst
t t t = A =
Regula a trei sigme. Deseori msurrile multiple nu se fac
datorit necesitii (sau sub pretextul) economisirii timpului. Atunci
eroarea instrumental poate fi apreciat cu ajutorul regulii a trei
sigme, care permite aprecierea erorii n cazul unei singuri determinri:
n lipsa erorii sistematice valoarea adevrat a parametrului msurat X
A

este cuprins n intervalul 3 X o cu probabilitatea P > 99.7%
Exemplu: Lucrnd cu o balan digital cu VD = 0.01 g, a fost de
mai multe ori constatat, c la cntrirea aceleiai probe o valoare
numeric a masei se repet de 2 ori, iar o alt valoare - odat, diferena

26
ntre ele fiind egal cu VD. De pild: m = 34.55; 34.56; 34.55.
Determinai eroarea instrumental a aparatului.
Rezolvare: Din (6) aflm c
3 1
o

= 0.0057735. Dup regula a 3,
m =
3 1
3 o

= 3

0.0057735 = 0.0174 0.018. Aadar, pentru
aprecierea erorii va fi suficient o singur experien cu determinarea
masei m, iar valoarea m va fi a priori cunoscut din multiple
experiene anterioare. Urmeaz schema, care ilustreaz, c valoarea
adevrat a masei, m
A
, nimerete n intervalul de ncredere, format dup
regula a trei sigme. Mai mult ca att, rmne rezerv suficient
pentru a ine cont i de eroarea scrii instrumentului, egal cu
1
/
2
VD.










Fig.3. Ilustrarea grafic a regulii de 3 sigme
III.5. Determinarea erorilor msurrilor indirecte
Msurarea indirect reprezint, de fapt, calcularea valorii funciei
Y = f(X
1
, X
2
, , X
n
), n care X
1
, X
2
, , X
n
sunt argumente, determinate
cu anumit precizie, respectiv, cu oarecare eroare. Aadar, eroarea
msurrii indirecte va fi datorat att erorilor determinrii tuturor
argumentelor funciei, ct i erorilor, generate de legturile dintre
argumentele X
1
, X
2
, , X
n
n ecuaie respectiv.
I I I .5.1. Determinarea erorii msurrii indirecte prin erorile relative
n primul rnd, se precizeaz valorile
( )
1 1
X X A
( )
n n
X X A ,
i se calculeaz valoarea Y . Apoi se va utiliza formula:


2 2 2
1 2 n
1 2 n
...
X X X Y
Y X X X
| | | | | |
A A A A
= + + +
| | |
\ . \ . \ .
(16)
intervalul de ncredere
'
A
m
''
A
m m 3 m o 3 m o +
34.53 34.54 34.55 34.56 34.57 34.58 34.59
scara
m A
scara
m A

27
Exemplu: Fie c se pregtete o soluie standard de acid sulfuric din
fiola cu fixanal, care conine 0.1000 0.0005 echivaleni ai H
2
SO
4
.
Coninutul fiolei se trece cantitativ ntr-un balon cotat cu volum de 1
litru i clasa de precizie 1.0. Calculai intervalul de ncredere pentru
determinarea concentraiei normale.
Rezolvare: Calculm concentraia normal a acidului, fr a ine cont
de erorile respective (substituind valorile medii ale
ech.
i V:
.
0.1000 .
0.1000 . /
1
ech
N
echiv
C ech L
V L
v
= = =
Dup definiia clasei de precizie, sau din analiza Formulelor 3.1 i 3.2
rezult, c / 0.01 V V A = ,
. .
/
ech ech
v v A =0.0005/0.1000 = 0.005.
Exprimm i calculm C
N
/C
N
cu ajutorul Formulei 16:

2 2
2 2
.
.
0.005 0.01 0.0112
N ech
N ech
C V
C V
v
v
| | | | A A A
= + = + =
| |
\ . \ .

0.0112 0.1 0.0102 0.00112 0.0012
N N
C C A = = = ~
0.1000 0.0012 /
N
C mol L A =
I I I .5.2. Determinarea erorii msurrii indirecte prin difereniere
Aceasta metoda este mai precis i permite minimizarea erorii n
comparaie cu metoda precedent. Din funcia Y = f(X
1
, X
2
, , X
n
) se
deduce i se rezolv ecuaie de tipul:

2 2 2
1 2 n
1 2 n
...
Y Y Y
Y X X X
X X X
| | | | | |
c c c
A = A + A + + A
| | |
c c c
\ . \ . \ .
(17)
n care
1 2 n
, ,...,
Y Y Y
X X X
c c c
c c c
- derivatele pariale ale funciei Y dup X
(Anexa 3);
1 2
, ,...,
n
X X X A A A - erorile determinrii parametrilor
1 2
, ,...,
n
X X X .
Derivatele pariale se calculeaz, de exemplu, n felul urmtor:
Pentru funcie:
2
P RT = , derivatele pariale:
2
, 2
P P
T RT
R T
c c
= =
c c


28
Exemplu: Prob de baz cu volum de 10ml, luat cu o pipet cu clasa
de precizie = 1, a fost titrat cu un acid, C
A
= 0.10650.0016 ech/L
Volumul acidului, consumat la titrare, a fost egal cu 11.7 ml, fiind
determinat de biureta cu valoarea diviziunii 0.1ml. Titrarea a fost
repetat de 3 ori, de fiecare dat dnd aceleai rezultate. Calculai
eroarea determinrii concentraiei de baz.
Rezolvare:
1. Concentraia bazei se determin din formula:
0.1065 . / 11.7
0.1246 . /
10
A A
B
B
C V ech L ml
C ech L
V ml

= = =
Respectiv, C
B
= f(C
A
, V
A
, V
B
). Determinm C
A
, V
A
i V
B
:
o din condiiile problemei, C
A
= 0.0016ech./L;
o pentru V
A
utilizm formula (15). Deoarece 3 titrri au dat acelai
rezultat, V
A, eantion
= 0; V
A, scara
=
1
/
3
VD =
1
/
3
0.1 = 0.0333.
2 2
(0) (0.333) 0.0333
A
V A = + =
o din Formula 13, V
B
= 0.1ml;
2. Exprimm i calculm derivatele pariale pentru C
B
= f(C
A
,V
A
,V
B
):
11.70 0.1065
1.1700; 0.01065
10.00 10.00
B A B A
A B A B
C V C C
C V V V
c c
= = = = = =
c c

2 2
0.1065 11.70
0.01246
10.00
B A A
B B
C C V
V V
c
= = =
c

Folosim formula (17) pentru determinarea
B
C A :
2 2 2
B B B
B A A B
A A B
C C C
C C V V
C V V
| | | | | |
c c c
A = A + A + A
| | |
c c c
\ . \ . \ .

( ) ( ) ( )
2 2 2
1.17 0.0016 0.01065 0.0333 0.01246 0.100
B
C A = + +
6 6 6
3.50 10 0.126 10 1.55 10 0.00228
B
C

A = + + =
0.1246 0.0023
B B B
C C C = A =

29
IV. PLANIFICAREA EXPERIMENTULUI ACTIV
Experimentul activ presupune interaciunea ntre cercettor i
obiectul cercetrii. Experimentul activ are un scop bine definit, pentru
realizarea cruia experimentatorul dirijeaz valorile factorilor de
influena i nregistreaz rspunsurile sistemului.
Rspunsul (parametrul de ieire, replica) sistemului exprim
cantitativ efectul factorilor de influen asupra strii sistemului.
Sistem factorial de coordonate este un sistem (j+1)-dimensional de
coordonate, generat de j factori de influen plus replica sistemului.
Suprafaa de rspuns este totalitatea valorilor replicii sistemului,
generat de funcie Y = f(X
1
, X
2
, X
3
, ..., X
j
), n care X
1
...X
j
sunt factorii
de influen, iar Y replica.
Exemplu: Fie c factorii de
influena sunt concentraia
eluantului organic (X
1
) i
temperatura (X
2
), iar rspunsul
sistemului concentraia
produsului dorit n eluat (Y).
Respectiv avem: spaiul
tridimensional de coordonate,
suprafaa de rspuns, descris de
funcia Y = f(X
1
, X
2
), n cadrul
creia zona haurat prezint
valoarea optim a rspunsului sistemului.
Obiectivul-cadru "standard" n metoda planificrii experimentului
activ este determinarea maximului suprafeei de rspuns (zona haurat,
Figura 4), care corespunde cu valorile optime ale factorilor de influen.
Deducerea expresiei analitice a funciei Y = f(X
1
, X
2
, ..., X
j
) este o
forma finit de realizare a acestui obiectiv. Este ns o problema deloc
uoar, ndeosebi pentru suprafeele de rspuns, generate de mai muli
factori de influen (aducei aminte efecte de interaciune ntre factorii
de influen, II.2.). n acest caz, pentru a calcula valorile replicii Y n
ntregul spaiul factorial, va fi nevoie de un numr enorm de experiene.
Pentru un numr redus de experiene rezultatele satisfctoare se
vor obine, dac valorile optime ale factorilor de intrare vor fi
determinate cu precizie, suficient pentru a nimeri n zona
maximumului sau minimumului suprafeei de replic. Aceast zon mai
poart denumiri de zona aproape staionar sau replica optim.
X
1
, %
X
2
,C
Y, mg/mL
Fig.4. Suprafa de replic

30
IV.1. Experimentul Factorial Complet (EFC)
Spaiul factorial conine de coordonate, la fel i suprafaa real de
rspuns este compus din de puncte. Prin urmare, pentru stabilirea
formei reale a suprafeei de rspuns sunt necesare de experiene, ceea
ce este imposibil. n realitate este nevoie de a micora numrul de
experiene, fr a pierde substanial din precizia determinrilor,
reproductibilitatea rezultatelor i corectitudinea concluziilor.
Experimentul Factorial Complet (EFC) presupune cercetarea
influenei a factorilor "independente", stabilirea interaciunilor lor i
elaborarea unui model matematic al sistemului, numit ecuaie de
regresie. Metoda EFC este foarte informativ i econoam, avnd
urmtoarele avantaje n comparaie cu metodele clasice:
o asigur cercetarea concomitent a influenei mai multor factori;
o permite aprecierea cantitativ a interaciunii dintre factori;
o reduce substanial numrul de experiene vizavi de metode clasice;
o apreciaz reproductibilitatea i validitatea statistic a rezultatelor.
n metoda EFC se postuleaz, c spaiul factorial real cu de
puncte poate fi substituit cu o matrice finit, discret, care reflect
suficient de precis forma suprafeei de rspuns n intervalul ales al
spaiului factorial. Vom demonstra aceast afirmaie pe dou exemple.

Fie c a fost obinut un numr restrns de date experimentale (replici,
Y) pentru anumite valori ale factorului de ntrare x (Figura 5). Aceste
date pot genera o linie neted, care va corespunde cu "suprafaa"
aparent de replica n spaiul bidimensional. Aproximaia liniar
simplific i generalizeaz forma suprafeei de replic, permite
interpretarea funciei y =f(x), de asemenea, contribuie la diminuarea
erorilor experimentale. Zona haurat (

) de pe Figura 6 reprezint
y = 0,1681x + 0,6465
R
2
= 0,9553
0
0,5
1
1,5
2
2,5
0 2 4 6 8 10 12
suprafaa de rspuns aproximaia liniar
Fig.5. Replica n spaiul 2D Fig.6. Replica (

) n spaiul 3D
Y
X
1
X
2
-1; +1

+1; +1

+1; -1

-1; -1


31
imaginea fragmentului suprafeei de replic n spaiul tridimensional
(3D). Prin analogie aceste exemple pot fi extrapolate pentru sisteme cu
mai muli factori de influien, pentru care este greu sau chiar imposibil
de a gsi reprezentarea potrivit n spaiul bidimensional.
I V.1.1. Matrice de planificare a experimentului binivelar
n cadrul EFC numrul seturilor unici ale valorilor variabilelor de
intrare, aa zis numrul de rnduri, se va calcula prin formul:

j
N L = (18)
unde L este numrul de nivele, iar j numrul factorilor de intrare. n
majoritatea cazurilor L = 2, i experimentul se numete binivelar.
I ntervalul de variere ( X
j
) a factorului de influena este intervalul
ntre nivelul minim (X
j,min
sau X
j(-)
) i maxim (X
j,max
sau X
j(+)
) al
factorului de influen cu numrul je(1; j):
X
j
=X
j(+)
- X
j(-)
(19)
Matrice de planificare prezint formalizarea matematic a planului
experimentului. Alctuirea matricei EFC include urmtoarele etape:
A. Se aleg prin analiza informaiei "a priori" j factori, influena crora
va fi cercetat, i se codific prin X
1
..... X
j
; aceti factori se vor
numi factori de influena direct sau generatori de matrice; se
calculeaz numrul necesar de linii N, folosind formula (18).
B. Se prestabilesc valorile X
j,min
i X
j,max
, respectiv, a intervalului de
variere a fiecrui factor de influen, X
j
, folosind algoritmul
intuitiv, numit regulile de alegere a intervalului:
1. Dac nivelul informaiei "a priori" este nalt, adic, dac despre
influena factorului respectiv se tie mult, X
j
va fi relativ mic
i va cuprinde n el valoarea a priori cunoscut a lui X
j,optim
;
2. Dac informaia "a priori" este insuficient sau controversat,
se alege interval X
j
mare; valoarea presupus (intuit) a lui
X
j,optim
se va afla n interiorul intervalului ales X
j
;
3. n cazul lipsei informaiei a priori, X
j
va fi ct de posibil de
mare, concomitent, situat departe de valoarea ipotetic a X
j,optim
.
C. Valorile X
j(-)
i X
j(+)
se codific prin "-1", "+1", sau prin (-), (+). Se
alctuiete o matrice din N rnduri, care va cuprinde toate
combinaiile ale generatorilor de matrice n forma codificat. Se
calculeaz valorile codurilor factorilor de interaciune.

32
Exemplu: Se determin umiditatea produsului finit n funcie de
urmtorii factori: temperatura de coacere, durata de coacere, i
concentraia unui agent nou de texturare n aluat. Se tie a priori, c
t
optim
pentru coacere este de 190, la durata de 40...70min. Influena
agentului nou de texturare nu a fost cercetat. Texturanii dau rezultate
bune la concentraii de cca 2%. De alctuit matrice de planificare EFC.
A. Codificm factorii de influena: temperatura (X
1
), durata (X
2
),
concentraia texturantului (X
3
). Numrul de experiene, realizate n
cadrul experimentului binivelar va fi egal cu: N =2
3
=8.
B. Aplicm regulile de alegere a intervalului:
1. Influena factorului X
1
este cunoscut a priori => conform
Regulii 1, X
1
va fi mic i va cuprinde n el valoarea a priori
cunoscut a lui X
1,optim
= 190C; X
1,min
= 185C, X
1,max
=195C;
2. Informaii despre influena factorului X
2
sunt diferite i merit a
fi precizate. Din intervalul cunoscut 40...70 minute intuim
valoarea optim a X
2,optim
60min. Respectiv, X
2,"-"
= 50min,
iar X
2,"+"
= 70min.
3. Cazul corespunde Regulii 3. Valoarea intuit a X
3,optim
= 2%.
Intervalul trebuie s fie mare i situat la distana bun de la
X
3,optim
. Se propune X
3,"-"
= 0.1%, X
3,"+"
= 0.5% de texturant.
Tabelul 3. Codificarea factorilor de influen
Factor Cod ( )
X (centru)
( + )

X
j

Temperatura, C X
1
185 190 195 10
Durata, min X
2
50 60 70 20
C(texturant), % X
3
0.1 0.3 0.5 0.4
C. Elementele secundare ale Tabelul 4. Planificare EFC 2
3

matricei, adic, factorii de
interaciune, se obin prin
nmulirea codurilor factori-
lor-generatori respectivi. De
exemplu, pentru N = 3:

3
12
X = X
1
X
2
= +1 1 = 1
Unitile pot fi omise. De
exemplu, pentru N = 6:
6
123
X = + = +.
Factori
N
generatori de interaciune
X
1
X
2
X
3
X
12
X
13
X
23
X
123
1 + + + + + + +
2 + + - + - - -
3 + - + - + - -
4 + - - - - + +
5 - + + - - + -
6 - + - - + - +
7 - - + + - - +
8 - - - + + + -

33
Matrice de planificare n Tabelul 5. Matrice de planificare
variabile codificate (Tabelul 4) EFC 2
3
n coordonate reale.
va fi necesar pentru interpre-
tarea ulterioar a datelor i, n
cele din urm, elaborarea
modelului sistemului. Pentru
realizarea experimentului va fi
util matrice de planificare n
coordonatele reale (Tabelul 5).
Acest lucru se face prin
substituia valorilor codificate
ale factorilor generatori X
1
, X
2
,
X
3
din Tabelul 4 cu valorile lor reale din Tabelul 3. Dup cum se
observ, planul real al experimentului conine 8 experiene, n cadrul
crora niciodat nu se repet acelai set de valori ai factorilor generatori
de matrice i de interaciune.
Menionm, c matrice cu 3 factori-generatori (Tabelul 4), se
utilizeaz cel mai frecvent, asigurnd cercetarea ampl a sistemului
(influena a 3 factori independeni i aporturilor interaciunilor
acestora), la numrul relativ mic de experiene (8, 16, 32, ...).
Elaborarea matricelor n variabile codificate necesit respectarea
urmtoarelor reguli:
o Numrul semnelor "+" "" n coloana va fi egal;
o Semnele respective se vor aranja simetric n "semicoloane":
varianta "+ + + + " este potrivit, "+ + + + " - nu;
o dac matricea este elaborat corect, va exista un rnd cu toate
semne "+", i N-1 rnduri cu acelai raport al semnelor opuse;
numrul semnelor "+" n matrice va coincide cu numrul celor "-".
Aplicarea acestor reguli aduce la mai multe variante echivalente de
matrice de codificare. Astfel, pentru EFC 2
2
vor fi posibile 12 variante
de matrice, dintre care prezentm doar 4 (Tabelul 6):
Tabelul 6. Unele variante de planificare a EFC binivelar bifactorial.
I X
1
X
2
X
12
II X
1
X
2
X
12
III X
1
X
2
X
12
IV X
1
X
2
X
12
1 + + + 1 + - - 1 - + - 1 - - +
2 + - - 2 + + + 2 - - + 2 - + -
3 - + - 3 - - + 3 + + + 3 + - -
4 - - + 4 - + - 4 + - - 4 + + +

N
Factori-generatori
t, C

, min

C, %
1 + 195 + 70 + 0.5
2 + 195 + 70 - 0.1
3 + 195 - 50 + 0.5
4 + 195 - 50 - 0.1
5 - 185 + 70 + 0.5
6 - 185 + 70 - 0.1
7 - 185 - 50 + 0.5
8 - 185 - 50 - 0.1

34
Tabelul 7. Matrice complet de planificare a EFC 2
4
.
N
Factori-generatori
Factorii de interaciune
dubl, X
ik
tripl, X
ikl
X
iklm
X
0
X
1
X
2
X
3
X
4
X
12
X
13
X
14
X
23
X
24
X
34
X
123
X
124
X
134
X
234
X
1234
1 + + + + + + + + + + + + + + + +
2 + + + + - + + - + - - + - - - -
3 + + + - + + - + - + - - + - - -
4 + + + - - + - - - - + - - + + +
5 + + - + + - + + - - + - - + - -
6 + + - + - - + - - + - - + - + +
7 + + - - + - - + + - - + - - + +
8 + + - - - - - - + + + + + + - -
9 + - + + + - - - + + + - - - + -
10 + - + + - - - + + - - - + + - +
11 + - + - + - + - - + - + - + - +
12 + - + - - - + + - - + + + - + -
13 + - - + + + - - - - + + + - - +
14 + - - + - + - + - + - + - + + -
15 + - - - + + + - + - - - + + + -
16 + - - - - + + + + + + - - - - +

Analiza Tabelului 7 demonstreaz, c matrice de planificare EFC 2
4

scindeaz n dou matrice EFC 2
3
, sau n 4 matrice EFC 2
2
. Respectiv,
planul EFC 2
2
este "semireplica" planului EFC 2
3
i de replic a
planului EFC 2
4
. n caz general, pentru orice numr de factori j:

1 2
1 1
2 2 2
2 4
j j j
EFC EFC EFC
+ +
= = (20).
Existena variantelor echivalente de planificare i a "semireplicilor"
ofer cercettorului unele posibiliti importante, i anume: de corectare
a planului (inversiunea semnelor "+" n "-") sau de adugare n plan a
unui alt factor de influena fr repetarea experienelor deja efectuate.
I V.1.2. Ecuaii de regresie
Ecuaia de regresie este expresia analitic a funciei: Y = f(X
1
...X
i
),
respectiv, replica = f (factori de influen), adic, reprezint un
polinom, care descrie suprafaa de rspuns n spaiul (j+1)-dimensional:
2 3
0 0
1 1 1 1 1
...
j j j j j
i i ii ik ik iii
i i i k i
Y X X X X X | | | | |
= = = = =
= + + + + +

(21),

35
n care:
o Y rspunsul sistemului;
o
0
valoarea replicii sistemului n centrul experimentului X
0
,
coordonatele crora corespund centrelor intervalelor de variere

j
X A ( notat prin pe Figura 6):

( ) ( )
2
j j
j
X X
X
+
+
= (22);
o
1
...
i
coeficienii de influena ale factorilor de ntrare;
o X
1
... X
i
factorii de influen n forma codificat;
o
jj
pe lng X
j
2
coeficieni de influena "ptratic" a factorilor
respectiv X
j
;
o
jk
pe lng X
jk
coeficieni de interaciune a factorilor X
j
i X
k
;
Polinomul (4) se va simplifica substanial prin neglijarea
coeficienilor exponeniali: ptratici, cubici, etc. Astfel se obine
modelul numit ecuaia de regresie n aproximaia liniar:

0 0
1 1 1 1 1 1
...
j j j k k l
j j jk jk jkl jkl
Y X X X X | | | | = + + + +

(23).

Factorul X
0
, fiind o mrime constant, va avea valoarea formal +1
n variabile codificate, de aceea deseori se omite n ecuaii de regresie.
Trebuie de menionat, c interaciunea a doi factori se manifest
frecvent, interaciunea a trei factori se depisteaz mai rar, respectiv,
scade pentru ansamblele din 4 i mai muli factori. Acest lucru permite
a extinde posibilitile metodei, substituind ansamblele de factori fr
interaciunea cu unii factori noi.
Cea mai simpl ecuaie de regresie, care rezult din formulele
generale (21) i (23), este ecuaia unei drepte (vezi i Figura 5).
Y =
0
+
1
X
1
(24).
Pentru experimentul EFC 2
2
ecuaia va avea aspectul, caracteristic
metodei EFC, coninnd 2 factori "independeni" i 1 de interaciune:
Y =
0
+
1
X
1
+
2
X
2
+
12
X
12
(25).
n cazul interaciunii semnificative ntre factorii X
1
i X
2
,
coeficientul pe lng X
12
nu va fi nul (
12
0). Menionm, c n acest
caz "simplu" suprafaa real de rspuns va fi descris n spaiul 4D.

36
Pentru experimentul binivelar trifactorial ecuaia standard de
regresie va descrie o suprafaa similar celei prezentate pe Figura 6,
dar... n lumea greu imaginabil, "octadimensional":
Y =
0
+
1
X
1
+
2
X
2
+
3
X
3
+
12
X
12
+
13
X
13
+
23
X
23
+
123
X
123
(26).
I V.1.3. Prelucrarea matematic a rezultatelor EFC
Metoda Modelrii Matematice n general, i a EFC n particular, nu
impune restricii privind numrul replicilor, care pot fi studiate. n
cadrul unui experiment pot fi nregistrai mai multe rspunsuri
independente, obinndu-se informaia ampl despre sistemul studiat.
Pe lng faptul, c replica sistemului este funcia factorilor de
intrare, dirijai i controlai de cercettor, aceasta mai este i funcia
factorilor latente, care nu se supun controlului experimental. Influena
acestor factori poate fi clarificat a posteriori sau chiar s rmn
nedezvluit. Valorile factorilor cunoscute i necunoscute de influen,
pot avea i deviaii imprevizibile, care sunt drept evenimente aliatoare.
De aceea, pentru validarea statistic a rezultatelor experimentului
fiecare experiena pe linie trebuie s se realizeze de mai multe ori.
Vom numi Y
N,1
Y
N,m
replici gemene ale sistemului n cadrul
experienei cu numrul N, adic, rezultatele experienelor gemene
N
1
N
m
(efectuate n aceleai condiii). Se consider, c numrul optim
de experiene gemene este 3 pentru EFC 2
2
, i doar 2 pentru EFC 2
3
. Un
numr astfel de mic de repetri rezult din faptul, c realizarea ntregii
matrice de planificare a EFC 2
3
va necesita 8 2 = 16 experiene,
adic, aprecierea statistic se va face dintr-un eantion de date destul de
mare. Se va calcula media replicii, care rezult din m sau din 2
experiene-gemene:

,
1
1
m
N N i
i
Y Y
m
=
=

(27.1);
( )
, ,
1
2
N N A N B
Y Y Y = + (27.2),
n care prin A i B sunt notate dou experiene gemene.
Dup finisarea tuturor experienelor (pe linii i pe coloan), devine
posibil calcularea coeficienilor de regresie:
' , '
1
1
N
j N N j
Y X
N
| =

(28.1)
8
' , '
1
1
8
j N N j
N
Y X |
=
=

(28.2)

37
Oferim cteva exemple de calculare a coeficienilor n baz
matricei de planificare din Tabelul 4, reprodus aici pentru comoditate:

1 2 3 4 5 6 7 8
0
8
Y Y Y Y Y Y Y Y
|
+ + + + + + +
=
1 2 3 4 5 6 7 8
2
8
Y Y Y Y Y Y Y Y
|
+ + +
=
1 2 3 4 5 6 7 8
13
8
Y Y Y Y Y Y Y Y
|
+ + +
=

Reieind din valorile replicilor gemene i din mediile replicilor, se
vor calcula dispersiile pe linie, adic, dispersiile replicilor gemene.
Dac numrul de repetri m = 2, formula 29.1 se transform n 29.2.

( )
2
2
,
1
1
1
m
N N m N
Y Y
m
o =

(29.1)
( )
2
2
,
2
N N A N
Y Y o = (29.2).
Media aritmetic ale tuturor
2
N
o formeaz dispersia medie pe matrice:

2 2
1
1
N
matrix N
N
o o =

(30.1)
2 2
1
1
8
N
matrix N
o o =

(30.2).
n final, se va calcula deviaia medie ptratic a coeficienilor de
regresie, care de fapt i caracterizeaz statistic ecuaia (modelul).

2
matrix
N m
|
o
o =

(31.1)
2
16
matrix
|
o
o = (31.2).
Deoarece, conform Formulei 8, =

T
St
, n ecuaii de regresie
vor fi valabili din punct de vedere statistic doar coeficienii , modulul
crora depete valoarea respectiv a . De aceea valoarea se
noteaz ca
critic
, reprezentnd limita critic de jos a validitii statistice
a modelului, sau, cu alte cuvinte, eroarea absolut a determinrii
coeficienilor de influen (de regresie):

( , ) critic St q f
T
|
| o = (32),

generatori de interaciune
X
1
X
2
X
3
X
12
X
13
X
23
X
123
1 + + + + + + +
2 + + - + - - -
3 + - + - + - -
4 + - - - - + +
5 - + + - - + -
6 - + - - + - +
7 - - + + - - +
8 - - - + + + -

38
n acest caz valoarea criteriului Student se va alege pentru numrul
gradelor de libertate al sistemului f =N-1 i P(q) respectiv.
Coeficienii de influena se vor socoti semnificativi sau
nesemnificativi, n comparaie cu coeficientului de validitate
critic
:
o Coeficientul este semnificativ, dac:
critic
| | (33.1)
o Coeficientul este nesemnificativ, dac:
critic
| | s (33.2)
Sensul fizic al coeficientului de validitate statistic
critic
ca erorii
absolute a determinrii coeficienilor
j
impune necesitatea respectrii
rigorilor, care se refer la rotunjirea erorilor i mediilor.
I V.1.4. Semnificaia ecuaiilor de regresie.
Calcularea adecvabilitii modelului
Fie c a fost realizat un EFC 2
3
conform planului, descris n IV.1.1,
efectundu-se cte dou experiene-gemene, A i B (de exemplu, n
condiii reale, prezentate n Tabelul 5). Replica sistemului
concentraia reductorilor n produsul final: Y
i
, mg/100g. A fost
completat matricea respectiv n forma final (Tabelul 8)
*
.
Tabelul 8. Exemplu de realizare a matricei EFC 2
3

Eliminarea din ecuaie de regresie a coeficienilor nesemnificativi
permite a elabora modelul matematic al sistemului cercetat, adic,
algoritmul funcionrii sistemului. n cazul, prezentat n Tabelul 8,
coeficienii eliminai sunt
23
i
123
, fiind mai mici, dect
critic
=2.9
*
.
Corelaii terminologice ntre replic, coeficieni i factori, care fac
parte din ecuaie de regresie, sunt generalizate pe Figura 7.

*
V recomandm s folosii formulele 27.2 ... 38.2 i s recalculai valorile respective
N X
0
X
1
X
2
X
3
X
12
X
13
X
23
X
123 , N A
Y

, N B
Y
N
Y

2
N
o

N
Y
2
, N Y
o


1 + + + + + + + + 77.8 84.2 81.0 21.0 81.9 0.81
2 + + + - + - - - 79.4 82.6 81.0 5.2 80.1 0.81
3 + + - + - + - - 106.0 117.2 111.6 62.3 110.7 0.81
4 + + - - - - + + 104.8 111.2 108.0 21.0 108.9 0.81
5 + - + + - - + - 55.4 58.2 56.8 4.0 59.5 7.29
6 + - + - - + - + 28.3 30.9 29.6 3.5 26.9 7.29
7 + - - + + - - + 108.7 116.5 112.6 31.1 109.9 7.29
8 + - - - + + + - 70.5 78.7 74.6 33.7 77.3 7.29

j
81.9 13.5 -19.8 8.6 5.4 -7.7 -1.8 0.9 T
St(0.05,7)
= 2.37;
critic
= 2.9

39













Fig.7. Prile componente ale ecuaiei de regresie -
Eliminarea fonului din ecuaia de regresie din Figura 7 se va sconta
cu obinerea ecuaiei de regresie n forma final (modelului matematic):
Ateptarea matematic,

Y , reprezint rezultatul recalculrii

valorilor replicii, omind termenii nesemnificativi. Spre deosebire de
replica sistemului cercetat, ateptarea matematic este depoluat de
influena factorilor, nesemnificativi din punct de vedere statistic (Fig.7).








Fig.8. Deosebirea ntre replica sistemului i ateptarea matematic
Ateptrile matematice se calculeaz prin sumarea produselor
elementelor respective ale matricei, care nu au fost supuse eliminrii:

0 ', '

N j semn j
Y X | | = +

(34)
sistem
real
Factori
semnificativi

Fon (factori ne-
semnificativi)

model
matematic
Replica
sistemului, Y
Ateptarea
matematic,

Y
generatori de interaciune
nlocuibili nenlocuibili
Factori
central de influena direct
1 2 3 12 13 23 123
81.9 13.5 19.8 8.6 5.4 7.7 1.8 0.9 Y X X X X X X X = + + + +
2.9
critic
| =
semnificativi nesemnificativi
Coeficieni Replica
1 2 3 12 13

81.9 13.5 19.8 8.6 5.4 7.7 ; 2.9

critic
Y X X X X X | = + + + =

40



Dispersia liniar a ateptrii matematice,
2
, N Y
o

, se va calcula ca
ptratul diferenei ntre replica medie i ateptare matematic:

( )
2
2
,
N N
N Y
Y Y o =

(35).
Dispersia remanent a modelului se calculeaz prin formule:

2 2
.
* ,
1
1
N
rem
N Y
i
N N
o o
=
=

(36.1)
8
2 2
.
* ,
1
1
8
rem
N Y
i
N
o o
=
=

(36.2),
n care:
N - numrul coeficienilor n ecuaia de regresie (inclusiv central,
0
);
N
*
- numrul coeficienilor semnificativi n ecuaia de regresie.
Adecvabilitatea (veridicitatea) modelului se determin dup
criteriile Fisher (vezi Anexa 2). Pentru aceasta se calculeaz raportul
dispersiei remanente i a dispersiei medii pe matrice, apoi rezultatul se
compar cu valoarea criteriului Fisher care corespunde ponderii
statistice P(q) i gradelor de libertate f
1
i f
2
:
f
1
= N-N* (37.1); f
2
= N(m-1) (37.2)
Dac
1 2
2
( ), ,
2
rem
P q f f
matrix
F
o
o
< , modelul este adecvat sistemului, (38.1);
Dac
1 2
2
( ), ,
2
rem
P q f f
matrix
F
o
o
> , modelul nu este adecvat sistemului, (38.2).
I V.1.5. Importana factorilor nlocuibili
Factorii nlocuibili se afl pe lng coeficieni nesemnificativi
(Figura 7), adic ei nu influeneaz replica sistemului n mod
semnificativ din punct de vedere statistic. Termenul nlocuibil
subliniaz posibilitatea, dar nu i obligaia, nlocuirii acestui factor cu
un alt factor de influen, a priori sau ipotetic semnificativ. Aadar,
depistarea factorilor nlocuibili demonstreaz nc un avantaj al
modelelor matematice n forma ecuaiilor de regresie: lipsa influenei
unui factor ofer posibilitatea studierii influenei unui alt factor.
3

81.9 13.5( 1) 19.8( 1) 8.6( 1) 5.4( 1) 7.7( 1)

71.1 13.5 19.8 8.6 5.4 7.7 110.7
Y = + + + + + + =
= + + + =

41
IV.2. Experimentul Factorial Fracionar (EFF)
Experimentul Factorial Fracionar (EFF) permite aprecierea
influenei unui numr mai mare de factori asupra obiectului de studiu,
nlocuind factorii nesemnificativi din EFC cu ali factori semnificativi.
Lipsa de interaciune ntre factori independeni se va stabili:
o intuitiv, referindu-se la "comportamentul firesc" al sistemului.
("Presupunem, c X
2
i X
3
nu vor interaciona, de aceea factorul X
23

poate fi nlocuit cu un alt factor de influen, X
4
");
o n baza unor informaii prealabile sau a unor experiene de prob,
care au demonstrat lipsa de interaciune ntre factorii respectivi;
o n baza ecuaiei de regresie adecvate din punct de vedere statistic,
care a fost obinut anterior n cadrul unui EFC.
Prima modalitate este riscant, celelalte dou sunt mai obiective.
Factori nenlocuibili sunt att factorii generatori de matrice (indiferent
de semnificaia statistic a acestora), ct i cei semnificativi de
interaciune. Aceti factori nu se nlocuiesc , trecnd de la EFC la EFF.
Factorii nlocuibili sunt factorii nesemnificativi de interaciune, mai
mici dect
critic
. Acestea pot fi nlocuii la trecerea de la EFC la EFF,
sau folosite "din start" pentru cercetarea mai detaliat a sistemului.
Matricele EFC 2
2
, EFC 2
3
i EFC 2
4
permit crearea a respectiv 1, 4
i 11 planuri EFF, numrul crora corespunde cu numrului factorilor
de interaciune neinfluente din EFC corespunztor. Utilizarea matricei
EFC 2
3
pentru experimentul EFF este foarte convenabil, fiindc
sistemul va fi cercetat amplu prin numr relativ mic de experiene.
Tabelul 9. Codificarea EFF la trecerea EFC EFF
Planul EFC
Factorii nlocuibili
din EFC
Total factori EFF Codul EFF
EFC 2
2
1

3 EFF 2
3-1
EFC 2
3
1

4 EFF 2
4-1

4

7 EFF 2
7-4

EFC 2
4

1 5 EFF 2
5-1

2 6 EFF 2
6-1


11

15 EFF 2
15-11

42
Tabelul 10. Matricea EFF 2
5-2
n baza experimentului EFC 2
3

Pentru cazul acesta, ecuaia dup EFF 2
5-2
va avea aspectul:
Y =
0
+
1
X
1
+
2
X
2
+
3
X
3
+
4
X
4
+
5
X
5
+
12
X
12
+
13
X
13
(39).
IV.3. Optimizarea replicii prin ascensiune pe gradient
Ecuaia de regresie permite stabilirea condiiilor optime, adic,
valorilor rezonabile ale X
1
X
n
, n care replica dorit atinge valori
maximale, iar replica nedorit atinge valori minimale. Pentru gsirea
valorilor optime ale replicii se folosete o scar, a crei trepte (pai de
ascensiune) se calculeaz n baza matricei de planificare i a ecuaiei de
regresie. Exist cel puin 3
posibiliti de a se ridica
de-a lungul acestei scri: cu
paii foarte mici, cu cei de
valoare optim, i cu paii
gigantici. Ascensiunea cu
paii mici necesit multe
experiene; paii mari duc
la ratarea zonei aproape
staionare (Figura 9).
Calcularea corect a pailor
optimi pentru ascensiune,
necesit o doz considera-
bil de intuiie de la
experimentator.
N
Generatori n EFF
Nenlocuibili
Generatori din EFC nlocuibili din EFC
X
0
X
1
X
2
X
3
X
23
=X
4
X
123
=X
5
X
12
X
13
1 + + + + + + + +
2 + + + - - - + -
3 + + - + - - - +
4 + + - - + + - -
5 + - + + + - - -
6 + - + - - + - +
7 + - - + - + + -
8 + - - - + - + +
1
2
3
4
6
7
Fig.9. Schema ascensiunii pe gradient:
1 - centrul experimentului de modelare;
2, 3, 4 - paii mici, optimi i mari;
5 - suprafa de replic; 6 - zona aproape
staionar; 7 - condiii optime.
5

43
Propunem un algoritm pentru calcularea pailor de ascensiune:
1. Pentru fiecare variabila X
j
generatoare de matrice EFC sau EFF cu
coeficientul
j
semnificativ se calculeaz valoarea pailor teoretici
de ascensiune pe gradient (AG):

,
teoretic
j AG j j
X X | A = A (40);
2. Dintre valorile determinate ale pailor teoretici se alege o valoare,
maxim dup modul. Aceasta deseori este absurd din punct de
vedere a realizrii practice a ei. De aceea se intuiete un coeficient
K
intuitiv
, care transform pasul n unul rezonabil (realizabil):

,
,
teoretic
j AG practic
j AG
intuitiv
X
X
K
A
A = (41);
3. Paii de ascensiune mai mici se recalculeaz la fel, folosind aceiai
valoare a K
intuitiv
. Recomandm s efectuai rotunjirea valorilor
obinute ale pailor pn la o CS bun, adic, cea, care aparine
mulimii: (1, 2, 5)10
n
, n care n sunt numere ntregi. (Mai detaliat
despre CS bune i rele consultai capitolul V.1).

1 " "
, ,
CS bun practic practic
j AG j AG
X X A A (42).
Tabelul 11. Exemplu de realizare a experimentului de optimizare
Experiment de optimizare

,0
AG
j
X
.
,
pract
j AG
X A
N
AG

1 2 3 4 5 6 7
X
1
190 +0.5
0
C 190.5 191 191.5 192 193.5 194 194.5
X
2
60 -2min 58 56 54 52 50 48 46
X
3
0.3 +0.02% 0.32 0.34 0.36 0.38 0.40 0.42 0.44
Y
optimizat
81.9 --- 130.3 162.6 172.5 174.4 173.1 172.9 172.3
Y
supl.
--- --- 3.9 7.6 9.1 8.8 8.4 7.3 5.2

Calcularea pailor ascensiunii pe gradient
Pai teoretici de ascensiune K
intuitiv
Paii practici rezonabili
.
1,
teor
AG
X A = 13.5 10 = 135
0
C
200
.
1,
pract
AG
X A = +0.675 +0.5
0
C
.
2,
teor
AG
X A = -19.8 20 = -396min
.
2,
pract
AG
X A = -1.98 -2min
.
3,
teor
AG
X A = 8.6 0.4 = 3.44%
.
3,
pract
AG
X A = +0.0172 +0.02%

44
n Tabelul 11, prezentat anterior, sunt redate rezultatele unui
experiment de optimizare. Pentru calcularea pailor de ascensiune pe
gradient au fost utilizate matricea de planificare (Tabelul 5) i
coeficienii semnificativi
j
din ecuaie de regresie (34), care reprezint
modelul matematic al coninutului reductorilor n produsul final. Paii
de ascensiune, calculai n mod teoretic, sunt absurde: este imposibil de
a micora durata procesului de coacere cu 396 minute, sau a mri
temperatura cu 135
0
. De aceea a fost ales un coeficient K
intuitiv
, care
transform paii de ascensiune n valori reale, realizabile. Rotunjirea
pailor pn la 1 CS bun uureaz lucrul experimentatorului, fr a
afecta n mod semnificativ precizia rezultatelor.














Fig.10. Rezultatele ascensiunii pe gradient

45
CAPITOLUL V. PREZENTAREA GRAFIC A REZULTATELOR
Exist foarte multe posibiliti de interpretare i reprezentare grafic
a rezultatelor experimentale. Acestea poate fi convenional clasificate n
urmtoarele grupuri:
o graficele funciilor matematice;
o diagramele standard polidimensionale;
o profiluri i diagrame cu destinaii speciale.
Modul ales de prezentare grafic a datelor experimentale
influeneaz i procesul de interpretare a lor. Alegerea greit a modului
de prezentare poate aduce la interpretarea incomplet, parial sau
incorect a rezultatelor experimentului.
V.1. Regulile de construire ale graficilor funciilor
Din punct de vedere matematic, construirea graficului funciei este
posibil doar n cazul, dac exist funcia y = f (x), derivabil i
integrabil. n termenii modelrii matematice, graficul funciei este
reprezentarea vizual a replicii sistemului y n dependena de valorile
factorului de intrare x. Exemple clasice de astfel de dependene
funcionale sunt A = f (C) sau pH = f (V). Argumentele acestor funcii,
C i V, pot avea valori ntregi sau fracionare, fiind msurate cu
precizie, corespunztoare metodei utilizate.
Construind graficul unei funcii, respectai urmtoarele reguli:
1. Respectai legtura cauza-efect, plasnd argumentul funciei pe axa
OX, iar valoarea ei pe axa OY. Nu inversai axele graficului!
2. Zonele de lucru ale ambelor axe trebuie s fie comensurabile,
raportul lungimilor lor s nu depeasc 1/22/1.
Remarc: Alegei scara astfel, c dreapta s fie situat sub unghi de
3060
0
; unghiul de 45
0
este optim, deoarece ofer graficului un
aspect estetic frumos i asigur eroarea minim.
3. Indicai simbolurile variabilelor i a unitilor de msura pe axele
respective, sau denumirile parametrilor respective.
4. Scara, construit corect, va avea un pas constant, multiplu cu una
din cifre semnificative bune (1, 2, 5), sau cu multiplele acestora
(0.1, 20, 5 10
4
etc.).
Remarc: Pentru pasul scrii se admit i numerele 2.5 i 4, i
multiplele lor (25, 40, 2500, 4 10
-5
), dar utilizarea lor aduce la
incomoditi. Este interzis utilizarea cifrelor rele: 3, 6, 7, 8, 9 i

46
multiplelor lor. Regula utilizrii cifrelor semnificative bune se refer
n aceiai msur i la numrul ptratelor milimetrice.
5. Respectai valoarea aleas a pasului pe ntreag lungime a scrii !
6. Nu construii axele, dup care vei depune puncte experimentale !
7. Dac mrimea respectiv este scris n forma exponenial, i va
inversa semnul pe axa graficului (i n capul tabelului !).
8. Graficul va reflecta tendina, i nici ntr-un caz nu va trece prin toate
puncte experimentale. Se face interpolarea i extrapolarea prin
aproximaie. Numrul punctelor, deviate de la grafic n stnga i n
dreapt, trebuie s fie aproximativ egal, ca i sumele abaterilor
respective.
Remarc: Eecul experimentului se cenzureaz, adic, punctul
respectiv nu se utilizeaz pentru construirea graficului. (Se
recomand, totui, plasarea acestui punct pe spaiul graficului,
pentru asigurarea obiectivitii). Cenzurarea punctului eec se
efectueaz cu respectarea urmtoarelor cerine:
o se cenzureaz doar un singur punct;
o cenzurarea dreptei este posibil, dac exist cel puin 5 puncte
experimentale (ca dup cenzura s rmn cel puin 4 puncte);
o pentru cenzurarea curbei este nevoie de cel puin 6 puncte, ca dup
cenzurarea s rmn nu mai puin de 5 puncte.
9. Construirea graficului se uureaz cu utilizarea punctului credibil,
care prezint:
o o valoare absolut sau formulat prin definiie;
o constant, cunoscut a priori i determinat prin metoda mai
precis n cadrul unui alt experiment;
o valoarea iniial sau final a parametrului msurat.
Remarc: n lipsa erorii sistematice, graficul va trece prin punctul
credibil. Existena punctului credibil i msurarea experimental a
parametrului msurat n condiiile respective va permite calcularea
X
sist.
; n acest caz pot fi efectuate toate corectrile respective.
V.2. Credibilitatea aproximaiei
Uneori datele experimentale sunt insuficiente sau contraditorii,
pentru a face o aproximaie funcional (liniar, logaritmic,
exponenial etc). Credibilitatea aproximaiei, R
2
e (0; 1), permite
falsificarea ipotezei despre natura funciei y = f(x). Se consider, c
0 1000 2000 3000 , Pa 0 1 2 3 10
-3
, Pa

47
aproximaia funcional este cu att mai credibil, cu ct R
2
se apropie
de unitate. Trebuie de menionat, c la un numr mic de puncte
valoarea R
2
i pierde sensul
(orice dreapt, tras prin dou
puncte, va avea R
2
= 1, indiferent
de veridicitatea determinrii
acestor puncte!).
Valoarea R
2
se determin cu
ajutorul procedurii Excel
.


Sarcina individual:
n partea dreapt sunt
reprezentate dou grafice,
realizate incorect i corect.
Gsii ct mai multe erori,
comise la construirea graficului
incorect, innd cont de regulile
de construire ale graficilor.
Folosind al doilea grafic,
apreciai valoarea erorii
sistematice a determinrii,
X
sist.,
dac se cunoate, c
valoarea V
0
, determinat cu o
metoda mai precis, este de
0.076m/s. Reconstruii graficul
corectat pe hrtie milimetric.


48
TRANSLATOR POLIGLOT DE TERMENI TEMATICI

Cum s-l folosim ? / ? / How to use it ?

Se scrie: / : Se va citi: / :
eantion
o de date
eantion
eantion de date
factor
o - significant
o - unexpected
factor
significant factor
unexpected factor
()
, sau:


Romn English
ateptarea
o matematic

o -
expectation
o - mathematical
brevet
o de invenie

o
patent
o for invention
cifra
o aruncat
o bun
o intermediar
o semnificativ
o suplimentar

o -
o -
o -
o -
o -
digit
o - rejected
o - good
o - intermediary
o - significant
o - supplementary
clasa de precizie
o a aparatului

o
accuracy class
o of the instrument
cinci "cu ceva" " -" five with something
cinci pur net five
coeficient
o dublu
o mixt; hibrid
o nesemnificativ
o semnificativ, valid
o triplu

o -
o -
o -
o -
o -
coefficient
o - binary
o - mixed; hybrid
o - insignificant
o - significant
o - ternary
derivata
o funciei complexe
o parial

o
o
derivative
o of complex function
o partial

49
o Y dup X o Y o of Y by X
deviaia
o medie
o ptratic
o standard

o -
o -
o -
deviation
o - medium
o - cuadrat
o - standard
dispersia
o de date (aleatoare)
o mulimii de date
o general

o ()
o
o -
dispersion
o of (random) fetch
o of all data
o - general
distribuia
o normal
o ntmpltoare

o -
o -
distribution
o - normal
o - random
eroarea
o absolut
o aleatoare
o instrumental
o grosolan
o procentual
o relativ
o uman

o -
o -
o
o -
o -
o -
o
error
o - absolute
o - random
o - instrumental
o - appreciable
o - percentage
o - relative
o - human
eantion
o de date (aleatoare)
()
o
(random) sample
o of data
eecul experienei blunder
experiena experience
experiment
o complet
o crucial
o factorial
o mental

o -
o
o -
o -
experiment
o - fool
o crucial
o - factorial
o - thought
factor
o semnificativ
o imprevizibil
o latent
o de intrare
o de influen

o -
o -
o -
o -
o -
factor
o - significant
o - unexpected
o - latent
o of entry
o of influence
(inter)aciune
o reciproc
o sinergic
()
o -
o -
(inter)action
o - joint
o - synergic

50
o antagonist
o implicit; latent
o -
o - ;
o - antagonistic
o - implicit; hidden
interval
o de ncredere
o de variaie

o -
o
interval
o - confidence
o of variation
linearitatea
o scrii aparatului

o
linearity
o - scale
literatura sur home-literature
matricea
o de planificare
o n coordonate
.. codificate ..
.. reale ..

o
o
.. ..
.. ..
matrix
o - planning
o in the coordinates
.. encoded ..
.. real ..
msurare
o aleatoare
o independent
o instrumental
o repetat

o -
o -
o -


o -
measurement
o - random
o - independent
o - instrumental
o - repeat
nivelul
o de ncredere
o de incertitudine

o
o
level
o - reliability
o - insecurity
punctul
o cenzurat, aruncat
o credibil, sigur

o -
o -
point
o - censored
o - credible
rspunsul, replica
o sistemului
o modelului

o
o
response
o - system
o of model
reproductibilitatea
o datelor
o experienelor

o
o
reproducibility
o - data
o of experiences
rotunjirea
o erorii
o special
o valorii medii/mediei

o
o -
o ()
rounding
o of error
o - special
o of average (value)
spaiul
o factorial

o -
space
o - factorial
suprafaa
o de replic

o
surface
o - response

51
ANEXE

Anexa 1. Valorile coeficienilor Student, T
St(q, f)


f
Nivelul de ncredere / de ncertitudine ( P / q )
0.6/0.4 0.8/0.2 0.9/0.1 .95/.05 .98/.02 .99/.01 .999/.001
1 1.38 3.08 6.31 12.7 31.8 63.7 637
2 1.06 1.89 2.92 4.30 6.97 9.93 31.6
3 0.978 1.64 2.35 3.18 4.54 5.84 12.9
4 0.941 1.53 2.13 2.78 3.75 4.60 8.61
5 0.920 1.48 2.02 2.57 3.37 4.03 6.86
6 0.906 1.44 1.94 2.45 3.14 3.71 5.96
7 0.896 1.42 1.90 2.37 3.00 3.50 5.41
8 0.889 1.40 1.86 2.31 2.90 3.36 5.04
9 0.883 1.38 1.83 2.26 2.82 3.25 4.78
10 0.879 1.37 1.81 2.23 2.76 3.17 4.59
11 0.876 1.36 1.80 2.20 2.72 3.11 4.44
12 0.873 1.36 1.78 2.18 2.68 3.06 4.32
13 0.870 1.35 1.77 2.16 2.65 3.01 4.22
14 0.868 1.35 1.76 2.15 2.62 2.98 4.14
15 0.866 1.34 1.75 2.13 2.60 2.95 4.07
30 0.854 1.31 1.70 2.04 2.46 2.75 3.65
60 0.848 1.30 1.67 2.00 2.39 2.66 3.46
120 0.845 1.29 1.66 1.98 2.36 2.62 3.37
0.842 1.28 1.65 1.96 2.33 2.58 3.29

Coeficientul Student pentru alte valori a P(q) i f se calculeaz cu
procedur Excel: TI NV(q; f), sau (q; f) (Anexa 3).

Comentarii:
o Numrul gradelor de libertate, f, se calculeaz ca f = m 1 pentru
ansamblu din m date i pentru un eantion din m date aleatoare;
o Utilizare a mai mult de 3 cifre semnificative n coeficientul Student
este inutil, deoarece el se folosete pentru aprecierea erorii, precizia
prezentrii creia nu poate depi dou CS. Aadar, trei CS n
coeficientul Student asigur o cifra semnificativ suplimentar,
necesar, dar i suficient pentru precizia calculelor intermediare.

52
Anexa 2. Valorile Coeficienilor Fisher,
1 2
, , q f f
F
*
Certitudinea P = 0.95 / Incertitudinea q = 0.05
f
1

f
2

1 2 3 4 5 6 8 12 24
1 161 200 216 225 230 234 239 244 249 254
2 18.5 19.0 19.2 19.3 19.3 19.3 19.4 19.4 19.5 19.5
3 10.1 9.55 9.28 9.12 9.01 8.94 8.84 8.74 8.64 8.53
4 7.71 6.94 6.59 6.39 6.26 6.16 6.04 5.91 5.77 5.63
5 6.61 5.79 5.41 5.19 5.05 4.95 4.82 4.68 4.53 4.36
6 5.99 5.14 4.76 4.53 4.39 4.28 4.15 4.00 3.84 3.67
7 5.59 4.74 4.35 4.12 3.97 3.87 3.73 3.57 3.41 3.23
8 5.32 4.46 4.07 3.84 3.69 3.58 3.44 3.28 3.12 2.93
9 5.12 4.26 3.86 3.63 3.48 3.37 3.23 3.07 2.90 2.71
10 4.96 4.10 3.71 3.48 3.33 3.22 3.07 2.91 2.74 2.54
15 4.54 3.68 3.29 3.06 2.90 2.79 2.64 2.48 2.29 2.07
3.84 2.99 2.60 2.37 2.21 2.09 1.94 1.75 1.52 1.00
Certitudinea P = 0.90 / Incertitudinea q = 0.10
f
1

f
2

1 2 3 4 5 6 8 12 24
1 39.9 49.5 53.6 55.8 57.2 58.2 59.4 60.7 62.0 63.3
2 8.53 9.00 9.16 9.24 9.29 9.33 9.37 9.41 9.45 9.49
3 5.54 5.46 5.39 5.34 5.31 5.28 5.25 5.22 5.18 5.13
4 4.54 4.32 4.19 4.11 4.05 4.01 3.95 3.90 3.83 3.76
5 4.06 3.78 3.62 3.52 3.45 3.40 3.34 3.27 3.19 3.11
6 3.78 3.46 3.29 3.18 3.11 3.05 2.98 2.90 2.82 2.72
7 3.59 3.26 3.07 2.96 2.88 2.83 2.75 2.67 2.58 2.47
8 3.46 3.11 2.92 2.81 2.73 2.67 2.59 2.50 2.40 2.29
9 3.36 3.01 2.81 2.69 2.61 2.55 2.47 2.38 2.28 2.16
10 3.29 2.92 2.73 2.61 2.52 2.46 2.38 2.28 2.18 2.06
15 3.07 2.70 2.49 2.36 2.27 2.21 2.12 2.02 1.90 1.76
2.71 2.30 2.08 1.94 1.85 1.77 1.67 1.55 1.38 1.01

Criteriul Fisher pentru alte valori a q, f
1
i f
2
se calculeaz cu procedur
Excel: FI NV(q; f
1
; f
2
), sau F(q; f
1
; f
2
) (Anexa 3).

53
Anexa 3. Unele funcii utile din Microsoft Office Excel

Procedura Excel, versiunea
Englez / Rus .....
..... calculeaz
AVERAGE / media aritmetic
CONFIDENCE / intervalul de ncredere
DEVSQ / suma ptratelor deviaiilor
FINV / F valoarea coeficientului Fisher
FORECAST / valoarea prezis a funciei liniare
MMULT / produsul matricelor
POWER / rezultatul ridicrii la puterea
PRODUCT / produsul argumentelor
ROUND / valoarea rotunjit
SIGN / semnul numrului
SQRT / rdcina ptrat
STDEV / deviaia standard a eantionului de date
STDEVP / deviaia standard a totalitii de date
SUM / suma argumentelor
SUMIF / suma celulelor, care satisfac condiiei
SUMPRODUCT /
C
suma produselor elementelor matricei
SUMSQ / suma ptratelor argumentelor
SUMX2MY2 / suma diferenelor ptratelor
SUMX2PY2

suma sumelor ptratelor
SUMXMY2 / suma ptratelor diferenelor
TINV / coeficientul Student
VAR / dispersia eantionului de date
VARP / dispersia general (a mulimii de date)

Anexa 4. Alfabetul grecesc
- alfa - iota - ro
- beta - kapa - sigma
- gama - lambda - tau
- delta - miu - ipsilon
- epsilon - niu - fi
- dzeta - xi - hi
- eta - omicron - psi
- teta - pi - omega

54
Anexa 5. Unele derivate i formule de difereniere
( ) ' 0 a =
1
( ) '
n n
ax anx

=
( ) '
ax ax
e ax =
( ) ( )
( ) ' '( )
f x f x
e f x e =
( ) ' ln
x x
a a a =
1
(log ) '
ln
a
x
x a
=

1
(ln ) ' x
x
=
'( )
(ln ( )) '
( )
f x
f x
f x
=
(sin ) ' cos x x = (cos )' sin x x =
2
'
1 cos
(cos ec ) ' cos ec
sin sin
x
x ctgx x
x x
| |
= = =
|
\ .

2
'
1 sin
(sec ) ' sec
cos cos
x
x tgx x
x x
| |
= = =
|
\ .

2
1
(arcsin ) '
1
x
x
=

2
1
(arccos ) '
1
x
x
=

2
2
1
( ) ' sec
cos
tgx x
x
= =
2
2
1
( ) ' cosec
sin
ctgx x
x
= =
2
1
(arctg ) '
1
x
x
=
+

2 2
(arcctg ) '
x a
a a x
=
+

2 2
'
arctg
x a
a a x
| |
=
|
+
\ .

2 2
'
arcctg
x a
a a x
| |
=
|
+
\ .

Derivata sumei:
( ) ( ) ( )
1 2 1 2
' ' '
( ) ( ) ( ) ( ) f x f x f x f x + = +
Exemplu:
( )
3 2 2 2
'
2 6 2
x x
x e x x + = +
Derivata produsului:
( ) ( ) ( )
1 2 1 2 2 1
' ' '
( ) ( ) ( ) ( ) ( ) ( ) f x f x f x f x f x f x = +
Exemplu:
( )
1
'
cos ln ( sin ) ln cos x x x x x
x
= +

55
BIBLIOGRAFIA

1. .. . ., 2008. 100.
2. .., .., .. ,
. . ., 2010. 96.
3. ..
. , " ", 2004. 640.
4. ..

. , "", 1971. 51.
5. ..
. , " ", 1973. 280.
6. .., ..
. ., "",
1991. 367 .
7. ..
. , " ", 1991. 367 .
8. .
Excel. http://brusentsov.com/2009/12/27/3519.
9. Baerle A.V., Gutsanu V.L., Makari A.V., Roshka I.G. Influence
of Various Factors on the Acid-Ethanol Synergism . Russian
Journal of Phys. Chem., 2005, Vol. 79, No. 7. p. 1145-1149.
10. Macari A., Tatarov P., Lavric T. Vldicescu V. The evolution of
the biologically active compounds during the storage of preserved
foodstuffs. Food Sci. and Techn., Trgovite, Romnia, 2009,
V.10, Is. 1, p. 410-413.
11. .., .., .., ..
-
-. . ., 2013, 6. . 58-59.