Sunteți pe pagina 1din 62

UNIVERSITATEA DIN PETROANI FACULTATEA DE TIINE

SUPORT CURS

MODELAREA I SIMULAREA FENOMENELOR SOCIALE

Lector univ.dr. Preda Mircea

PEROANI 2012

Conceptul de model i modele matematice

1. In mod obinuit, prin model se nelege un obiect sau un dispozitiv creat artificial de om, care seamn ntr-o anumita msur cu un altul, acesta din urma fiind un obiect de cercetare sau de interes practic. Noiunea tiinific de model se refer la un mod de cunoatere a realitii, care const n reprezentarea fenomenului studiat cu ajutorul unui sistem construit artificial. Proprietatea cea mai generala a unui model este deci capacitatea lui de a reflecta, de a reproduce lucruri i fenomene ale lumii obiective, ordinea lor necesar, structura lor.
Modelele se pot clasifica n dou mari clase : modele tehnice sau materiale i modele maginate sau ideale ; aceast mprire se face dup modul construirii modelelor i dup mijloacele prin care se reproduc obiectele studiate. Modelele tehnice sunt create de om, dar exist obiectiv independent de contiina lui, fiind materializate n lemn, metal, cmpuri electromagnetice, etc. Destinaia lor este de a reproduce n scop cognitiv obiectul studiat, pentru a reda structura sau unele din proprietile lui. Modelul poate s pstreze sau nu natura fizic a obiectului studiat sau asemnarea geometric cu acesta. Dac se pstreaz asemnarea geometrica, dar modelul difer prin natura sa fizic, avem de-a face cu sisteme analogice. De exemplu, modelele electrice pot reproduce procese analoage cu cele care au loc n mecanica solidelor deformabile, diferite calitativ, dar descrise cu ecuaii analoage. Aceste modele, ca i altele de acelai fel, se ncadreaz n clasa modelelor matematice.

2.

Modelele ideale nu sunt, n general, idealizate i adesea nici nu pot fi. Din punctul de vedere al formei lor ele se pot mpri n dou tipuri. a. Modelele de ordinul nti se construiesc din elemente intuitive care au o anumit asemnare cu elementele corespunztoare ale fenomenului real modelat; observam ca aceast asemnare poate s nu se mrgineasc numai la relaiile spaiale i se poate extinde i la alte laturi ale modelului i obiectului (de exemplu, caracterul micrii). Intuitivitatea acestor modele se manifest nti prin faptul c sunt intuitive nsi modelele formate din elemente perceptibile senzorial (plci, prghii, tuburi, fluide, vrtejuri etc.) i n al doilea rnd prin faptul c sunt imagini intuitive ale obiectelor nsi. Adesea aceste modele se prezint sub form de scheme. b. Modelele de ordinul al doilea sunt sisteme de semne, elementele lor fiind semne speciale; relaiile logice dintre ele formeaz, de asemenea, un sistem, fiind exprimate tot prin semne speciale. In acest caz, nu exist asemnare ntre elementele modelului i elementele obiectului corespunztor. Modelele de ordinul al doilea nu posed intuitivitate n sensul asemnrii spaiale sau al analogiei fizice; ele nu au, prin natura lor fizic, nimic comun cu natura obiectelor modelate. Modelele de ordinul al doilea reflect realitatea pe plan gnoseologic, pe baza izomorfismului lor cu fenomenul din realitate; se presupune astfel o corespondena biunivoc ntre fiecare element i fiecare relaie a modelului . Aceste modele reproduc obiectele studiate ntr-o form simplificat, constituind ca toate modelele o anumit idealizare a realitii. Tipurile de modele ideale menionate mai sus pot fi privite drept cazuri limit ; ntr-adevr, exista modele care mbin trsturi comune ale ambelor tipuri de modele descrise mai sus. Asemenea modele sunt deosebit de

3.

importante i utilizarea lor sistematic a permis ntre altele dezvoltarea mare pe care a luat-o, n ultimul timp, mecanica solidelor deformabile. Contradicia dialectic fundamental a modelarii (modelul servete la cunoaterea obiectului sau fenomenului tocmai pentru ca nu este identic cu acesta) se manifest n mod deosebit n cunoaterea proprietilor solidelor deformabile. ntr-adevr, un model conine cu att mai multe informaii asupra obiectului cu ct este mai apropiat de acesta. Totui, realitatea fizic este deosebit de complicat; rezolvarea contradiciei se realizeaz prin folosirea unui ir de modele, din ce n ce mai complete, care aduc fiecare contribuii noi la cunoaterea solidelor deformabile reale. Se ncearca s se pun n eviden tocmai acest proces de perfecionare continua a modelelor n mecanica solidelor deformabile, proces care constituie coninutul principal al dezvoltrii acestei ramuri a mecanicii. In general, dup ce un anumit model ideal a fost adoptat, este absolut necesar s comparam rezultatele obinute, n urma raionamentelor pe care le facem cu realitatea fizica. Daca rezultatele obinute nu sunt satisfctoare (cteodat acest lucru se poate ntmpla ntre anumite limite destul de restrnse), este necesar s aducem corecii sau perfecionri modelului ales. Acesta este de fapt modul n care s-a dezvoltat mecanica solidelor deformabile, cuvntul model fiind din ce n ce mai des folosit de cercettorii care se ocup cu aceasta ramur a mecanicii.

1.1 Particularitile modelrii mecanice


Mecanica general (clasic), ca i mecanica mediilor continue deformabile (n particular, mecanica solidelor deformabile i mecanica fluidelor), studiaz legile obiective ale celei mai simple forme de micare : micarea mecanic. nti, pentru studiul micrii mecanice este necesar o reprezentare a spaiului i a timpului; astfel, n mecanica clasic, spaiul fizic este spaiul euclidian tridimensional E3, iar timpul (considerat universal i caracteriznd durata, succesiunea i simultaneitatea proceselor materiale) este asimilabil tot cu un spaiu euclidian, dar unidimensional E1. n felul acesta, modelele geometrice pentru spaiu i timp, folosite n mecanica general, reflect proprieti ale spaiului i timpului real, ca forme de existen ale materiei. Corpul real n micare este, n general, conceput ca un rigid i este redus, adesea, la un punct material. Analog se studiaz i sistemele de puncte materiale, care pot fi deformabile. Pentru diferite valori ale timpului t n E1 putem gsi poziia corpului sau a sistemului de puncte materiale n E3. Un alt element care intervine este cauza care produce micarea mecanic. Corpurile acioneaz mecanic unul asupra altuia i de multe ori este greu de stabilit esena fizic a acestei aciuni; n mod generic i s-a atribuit numele de for. Aceast idee, provenit din aciunea organismului omenesc asupra lumii exterioare, capt n mecanica clasic un sens precis. Ea este expresia abstract pentru msura transmiterii micrii. Fr a cerceta natura forei respective, ea a fost modelat matematic cu ajutorul vectorilor (vectori alunectori n cazul solidului rigid sau vectori legai n cazul sistemelor deformabile de puncte materiale). Trebuie s menionm nsa c poate exista micare mecanic i fr intervenia vreunei fore i anume micarea inerial (rectilinie i uniform). 3

De asemenea, trebuie introdus noiunea de mas a punctului material, o proprietate fundamental a materiei ; ea exist n mod obiectiv i este independent de locul n care se msoar. Menionam ca Isaac Newton (16421727) a conceput masa ca msur a cantitii de materie. Se introduc i noiunile de masa gravitaional i mas inert, egale ntre ele, dup cum a dovedit Lorancl Eotvos (18481919); n felul acesta, avem diferite posibiliti de msurare a masei. In concepia clasica, newtonian, spaul, timpul i masa sunt considerate independente ntre ele. Odat aceste elemente introduse, modelul newtonian ia fiin prin adoptarea celor trei principii ale lui Newton (principiul ineriei, principiul independenei aciunii forelor, incluznd i legea de micare, i principiul aciunii i reaciunii). Acest model a fost verificat de practica nemijlocit pentru corpuri care se mic cu viteze relativ mici (neglijabile n raport cu viteza luminii). Modelul newtonian al mecanicii clasice nu a constituit, ns, dect o treapt n procesul cunoaterii. ntr-adevr, s-a dovedit (n urma unor experiene celebre ale lui Albert Michelson (1852 1931) i ale altor cercettori, ale cror rezultate nu puteau fi explicate la nceput) c, la viteze mult mai mari (comparabile cu viteza luminii), principiile lui Newton trebuie schimbate sau completate. Pentru o descriere mai exact a proprietilor spaiului real, se adopt geometriile neeuclidiene ; de asemenea, concepia newtonian despre timpul universal va trebui s fie nlocuit cu reprezentarea relativist, care ine seama de timpul fizic , individual de faptul c timpul depinde de micarea nsi. Masa, de asemenea, nu mai este constant, depinznd de vitez i implicit de timp. Dup articolele lui Albert Einstein (18791955) din 1905 i 1916, apar astfel relativitatea restrns (special), respectiv relativitatea general, care constituie noi trepte n procesul cunoaterii micrii mecanice a sistemelor de puncte materiale. Menionm c aceste noi modele (care au cutat s pstreze principiile mecanicii clasice, adaptndu-le dup necesitate ( de exemplu, principiul ineriei) au fost verificate printr-o serie de experiene foarte importante (experiene cruciale n relativitatea general). Totui exist nc unele contradicii (de exemplu paradoxul orologiilor n relativitatea restrns), care fac necesar apariia unor noi modele perfecionate. Este posibil, de asemenea, ca teoria actual a relativitii s corespund la viteze comparabile cu viteza luminii, dar nu la viteze apropiate de aceast vitez limit superioar, i c la asemenea viteze s fie necesare modele mai complexe. Remarcm c au aprut i teorii n care vitezele sunt totdeauna mai mari dect viteza luminii, care este astfel o viteza limita inferioara. Mecanica general i propune, n general, rezolvarea problemei micrii corpurilor, presupunndu-le rigide, cu toate c unele rezultate generale stabilite sunt valabile i pentru corpurile deformabile (aplicndu-se n special sistemelor discrete deformabile de puncte materiale). n studiul mediilor continue deformabile modelul newtonian trebuie completat; in locul solidului rigid se introduc diferite modele de medii deformabile. Urmrind procesul istoric al dezvoltrii acestor modele, al cunoaterii modului n care corpurile supuse unor aciuni oarecare se deformeaz i curg, vom avea implicit procesul apariiei teoriei elasticitii, a teoriei plasticitii, a teoriei fluidelor perfecte sau vscoase, a reologiei, etc. In 4

cele ce urmeaz vom face numai cteva consideraii sumare cu privire la solidele deformabile, n cadrul mecanicii clasice. Aceste consideraii se pot extinde i s-au extins n ultimul timp i pentru modelul relativist. Problema cea mai general care se pune se poate formula n modul urmtor : se d n spaiul E3 un solid cu volumul V i frontiera S. Pe S este cunoscut aciunea altor corpuri; de asemenea, admitem cunoscut i aciunea altor sarcini exterioare (de exemplu, interioare volumului V, variaii de temperatur, etc.). Datorita acestor sarcini exterioare, solidul considerat se deformeaz, frontiera S devenind S'. Se cere s se gseasc noua frontier S' i s se arate cum variaz n timp ; se caut raportul dintre dimensiunile corpului i intensitatea sarcinilor exterioare pentru ca s nu se produc ruperea acestuia etc. Pentru aceasta, n vederea reprezentrii spatio-temporale, se adopt acelai model geometric E3 i E1. Ca elemente noi, se face un studiu al geometriei i cinematicii deformaiilor i un studiu al mecanicii tensiunilor. Elementele teoretice ale unui model n mecanica solidelor deformabile, menionate mai sus, sunt mai apropiate, n general, de modelele ideale de ordinul al doilea. Dar aceste elemente trebuie completate cu unele date de natura experimental. Starea de deformaie (respectiv starea de deplasare) i starea de tensiune intr n componenta modelului pe care-1 construim. Acesta se completeaz prin introducerea unei relaii ntre aceste stri. Modelarea comportrii fizice a corpurilor reale se va concretiza astfel prin introducerea unei dependente: cauz-efect, for-deformaie, tensiune-deformaie specifica, deci prin stabilirea unei legi constitutive a solidului deformabil respectiv. 4. Prin anagrama ,,ut tensio sic vis", publicat de Robert Hooke (16351703) n 1678, apare primul model de solid deformabil, modelul hookeian : solidul perfect elastic; se considera c solidul capt o deformaie proporional cu fora care a produs-o i care dispare odat cu aceasta (deformaie reversibil). Aceasta implic o relaie liniar, independent de timp, ntr-o solicitare unidimensional, de forma , unde este tensiunea normal, este deformaia specific liniar, iar E este modulul de elasticitate longitudinal. n urma unor rezultate experimentale, s-a trecut astfel la modelul ideal al corpului elastic. Cu toate c n realitate nu exist un astfel de corp, modelul hookeian a fost i este necesar n procesul cunoaterii; el reflect realitatea, deoarece corpurile au, n anumite limite, aceast proprietate. Pe baza acestui model a fost creata teoria elasticitii. Soluiile obinute n cadrul acestei teorii sunt comparate cu realitatea fizic ; n felul acesta vom constata n ce msur modelul considerat reflect realitatea obiectiv i care sunt limitele lui de aplicabilitate. In modelul de mai sus s-a desprins din fenomenul complex latura principal, neglijnd alte aspecte. Astfel, poate s apar ca jucnd un rol esenial influena sarcinilor mari 5

i deci considerarea proprietilor plastice ale materialului. In felul acesta se obine n primul rnd modelul lui Adhemar- Jean Claude Barre de Saint-Venant (17971886) : corpul perfect plastic (plastic rigid); tensiunea normala este constant i egal cu tensiunea de curgere plastic .

Prin legarea n paralel a unui model Hooke cu un model Saint-Venant se obine modelul corespunztor corpurilor plastic rigide| liniar ecruisabile. De asemenea, prin legarea n serie a modelelor elementare de mai sus, se obine modelul corpului elasto-plastic. In sfrit, prin legarea n paralel a unui model Hooke cu un model elasto-plastic, se obine modelul corpului elasto-plastic | iecruisabil liniar. Un alt factor de care trebuie s se in seama este factorul timp. Observaiile directe ce au artat, de exemplu, c pmntul se taseaz n timp sub aciunea construciilor pe care le suport (care, de asemenea, se deformeaz). Diferite corpuri considerate solide (ca oelul, betonul, munii, ghearii etc.) curg. De la intuirea vie se trece la abstractizare, la considerarea, unor noi modele. Factorul timp apare astfel cel mai simplu prin introducerea modelului newtonian (relaia liniar ntre tensiuni i vitezele de deformaie) pentru fluidele vscoase. Modelul vscos newtonian se poate reprezenta printr-o lege de forma

,
unde k este un coeficient de viscozitate, iar punctul reprezint derivarea n raport cu timpul.

Dei aditivitatea deformaiilor elastice cu cele vscoase este lipsit de sens la nivel microscopic, ea s-a dovedit extrem de utila la nivel macroscopic. Este important de observat astfel c multi cercettori din a doua jumtate a secolului trecut : James Clerk Maxwell (18311879), n 1868 ; William Thomson , lord Kelvin (18421907), n 1878 ; Woldemar Voigt (1850 1919), n 1889), printr-un proces de abstractizare i fr s fie direct n posesia unor rezultate experimental, au imaginat modele vscoelastice. In felul acesta ia natere modelul Kelvin (sau Voigt), prin legarea n paralel a unui model Hooke cu un model Newton, cruia i va corespunde o lege constitutiv de forma , Analog, prin legarea n serie a acestor modele, se obine un model Maxwell, cruia i corespunde legea , Cu toate ca aceste modele s-au obinut pe cale intuitiv, ele s-au dovedit deosebit de utile, uurnd imaginaia tiinific, n vederea construirii unor modele mai complexe, care s reflecte i alte aspecte ale realitii obiective. Este important c aceste modele pot explica i fenomenele de fluaj i relaxare care se pot petrece n timp.

Utiliznd un aparat matematic mai complicat, s-au putut generaliza modelele vscoelastice, prin trecerea de la un spectru discontinuu al timpurilor de relaxare la un spectru continuu. In descrierea noilor modele, mult mai complexe, apar ecuaii integro-difereniale. Modelele de corpuri plastice (n particular modelul Saint-Venant) se pot combina cu modelele corpurilor vscoelastice, obinndu-se diferite modele de corpuri elasto-vscoplastice (sau numai vsco-plastice), caracterizate de legi constitutive mult mai complexe. De asemenea, n afara corpurilor liniar reologice menionate mai sus, se pot considera corpuri cu proprieti reologice generale (neliniare). Din punct de vedere practic, este important de observat c, n cadrul rezistentei materialelor i al teoriei structurilor (statica, stabilitatea i dinamica structurilor), se consider corpurile simplificate ca form (barele sunt reduse la axele lor, plcile la suprafeele mediane etc). In felul acesta se realizeaz un model ideal al corpului real, model de primul ordin, care are un caracter deosebit de modelele considerate mai sus. Prin aceste ipoteze suplimentare se obin, n general, rezultate mai simple ca form, care trebuie verificate prin teorii mai exacte.

Modelarea matematic unui fenomen social

Fie x(t) dimensiunea populaiei la momentul t. Valoarea populaiei x(t) va evolua dup legi probabiliste, altfel spus x(t) este o variabil aleatoare i {x(t), t>0} reprezint un process stokastic, unde parametrul t este timpul real i continuu, iar variabila x(t)este discret lund un set de valori ntregi i nenegative corespunztoare populaiei. Obiectivul const n determinarea distribuiei probabilitii: , n=0,1,2, Modelare: (h) o cantitate cu proprietatea , creterea populaiei n

intervalul h; Sn starea sistemului la momentul t, adic dac n indivizi din populaie sunt prezeni la sfritul intervalului (0,t); cu alte cuvinte pn(t) este probabilitatea ca sistemul s fie n starea Sn la momentul t; Presupunem c n system au loc numai nateri fr decese. Ipoteze de lucru creterea populaiei de la starea Sn este posibil numai la starea Sn+1; dac la momentul t sistemul este n starea Sn, atunci probabilitatea de cretere a populaiei n intervalul de timp (t,t+h) este presupus a fi n.h+(h),unde n este rata de cretere a populaiei cnd sistemul este n starea Sn; 7

dac la momentul t sistemul este n starea Sn, atunci probabilitatea de cretere a populaieicu unu n intervalul (t,t+h)este neglijabil, adic (h); presupunem c evenimentele sunt independente. Aceste ipoteze sunt utile la determinarea probabilitii pn(t) la momentul t ca dimensiunea populaiei s fie n, cu n>0 Dup mai multe calcule se ajunge la formula: , care este o ecuaie diferenial de ordinul unu. Prin rezolvarea ecuaiei difereniale de gradul I se determin populaia la momentul t dac se cunoate populaia la momentul iniial. Deteminarea sau cunoaterea valorilor anumitor parametri ai unei populaii statistice se pot obine pe baza unei cercetri statistice, care ulterior este prelcrat i modelat n vererea realizrii unei aplicaii de simulare a evoluiei diversilor parametri ai colectivitii.

Concepte statistice necesare modelrii

3.1 Modele de prezentare a rezultatelor observaiei statistice

Rezultatele unei cercetri statistice sunt supuse unei prelucrri primare, pe lng verificarea documentelor, gruparea, numrarea sau nsumarea indicatorilor primari, mai presupune, ntocmirea unor documente, mai mult sau mai puin prelucrate. Rezultatul poate fi prezentat sub trei forme clasice sau standard, forme care au stat la baza stabilirii formulelor pentru indicatorii statistici principali, diferii de mrimile relative. Din acest motiv sunt prezentai aici, pentru a uura nelegerea formulelor echivalente, prezentate la indicatorii statistici urmtori. C se numesc serii simple, serii de distribuie absolut sau serii de distribuie relativ, aceste forme sunt echivalente, fiecare deducndu-se din precedenta sau din seriile simple, prin operaii aritmetice simple i apeleaz la asociativitatea sau comutativitatea operaiei de adunare. Prelucrarea primar ofer o imagine cantitativ pe grupe i colectivitate, dar de modul de prezentare a acestora depind formulele de calcul a indicatorilor calitativi urmtori. Dei aceste forme sunt echivalente ele pot modifica formulele care pot fi mai uor de aplicat dac identificm rapid forma sub care sunt prezentate rezultatele prelucrrii primare. Ne vom referi la acele cercetri statistice care-i propun cercetarea colectivitii prin prisma unei singure caracteristici, acest mod neexcluznd i varianta cercetrii multiple, ntlnit frecvent n practic. 8

Clasificarea acestor modaliti dup modul n care influeneaz formulele celorlali indicatori, formele de prezentare a rezultatului prelucrrii primare se clasific astfel:
forma de serie simpl; forma de distribuie absolut ; forma de distribuie relativ.

Forma, modul de construire i avantajele i dezavantajele sunt prezentate n continuare. 3.1.1 Serie simpl Este cea mai simpl form i presupune niruirea valorilor caracteristicii n ordine observrii sau msurrii. Nu presupune tabele speciale sau operaii suplimentare, dar poate conduce la un volum mare de scriere, deci timp i spaiu de scriere. Ea are forma simbolic : X={x1,x2,,xi,xn),
Form. 1

unde xi sunt valorile caracteristicii X corespunztoare elementului i, iar n numrul elementelor observate sau msurate. n acest caz valoarea la nivelul colectivitii, dac X este o caracteristic numeric este dat de suma celor n elemente observate:
n

V
i 1

xi x1

x2

x3

... xn , Form. 2

n aceast form valorile se pot repeta de la un element la altul, iar elementele se pot identifica prin poziia valorii, adic i, aspect care la celelalte forme nu mai este posibil.

3.1.2 Distribuie absolut sau serie de repartiie Aceast form se deduce din forma simpl sau alte forme simple intermediare. Ea elimin posibilitatea repetrii valorilor, deci reduce spaiul i suplimentare ofer frecvena fiecrei valori, adic numrul de repetiii al valorii n colectivitate. Per ansamblu aceast form reduce numrul operaiilor de adunare n indicatorii statistici viitori, spaiul de scriere i ofer o imagine clar privind structura colectivitii privit prin prisma frecvenei valorilor caracteristicii X. O putem ntlni sub forma unei matrice sau tabel bidimensional unde pe o linie se afl cresctor valorile x i distincte, iar pe a doua linie frecvenele corespunztoare valorii ca n exemplele de mai jos.
Valoare Caracteristic X Frecvena absolut x1 n1 x2 n2 xj nj xk nk

Fig. 1 Distribuia absolut a caracteristici X - forma de tabel

Fig. 2Distribuia absolut a caracteristicii X - forma de matrice

n forma de distribuie absolut semnificaia simbolurilor, xi, ni i k este urmtoarea : xi reprezint valorile distincte ale caracteristicii X; ni reprezint frecvena absolut a valorii xi n serie; k - reprezint numrul de valori distincte ale caracteristicii X i are proprietile : o kn numrul valorilor distincte este inferior numrului de elemente observate;
o

n i 1i

n n ... n 1 2 k

n , Form. 3

n acest caz valoarea total la nivelul colectivitii este dat de suma ponderat a valorilor disjuncte ca n formula urmtoare.
V x .n i 1i i k n x n x ... n x ,Form. 4 1 1 2 2 k k

Aceast form devine mai eficient dac 2k<n, cnd numrul operaiilor este inferior formei simple, acest fapt este datorat faptului c n forma simpl V se determin prin n adunri, iar n acest caz prin k nmuliri ni.xi urmate de k adunri. Prin aceast form se face o economie de (n-2k) nmulit cu timpul necesar unei operaii sau se consum timp dac inegalitatea nu este ndeplinit. 3.1.3 Distribuie relativ sau serie de repartiie Aceast form se deduce din distribuia absolut, diferena constnd n faptul c locul
* frecvenelor absolute ni este luat de frecvenele relative ni sunt tabelare sau matrice ca in imaginile de mai jos.
Valoare Caracteristic X Frecvena relativ ...

n i , i 1 : k , Form. 5, iar formele n

x1 n* 1

x2 n* 2

xj n* i

xk n* k

Fig. 3 1Distribuia relativ a caracteristici X - forma de tabel

Fig. 4 Distribuia relativ a caracteristicii X - forma de matrice

* este frecvena relativ definit Simbolurile xi,k,n au semnificaiile de mai sus, iar ni n Form.18 i verific relaia:

k * n n* n * ... n * 1 2 k i i 1

1 , Form. 6

n aceast form valoarea colectivitii este dat de formula urmtoare :


V k * n. ni .x i i 1 n * .x n * .x ... n* .x , Form. 7 1 1 2 2 k k

10

Utilitatea acestei forme const n faptul c permite relativ simplu legtura cu


* probabilitatea corespunztoare probabilitile unde xi reprezint evenimentele, iar ni producerii evenimentului xi i de aici o serie de ntrebri specifice teoriei probabilitilor de forma Care este probabilitatea ca extrgnd la ntmplare unul din cele n elemente x care au distribuia probabilist din Fig.2 s aib proprietatea :

x ) n* ; k k k * n ; xxk- rspunsul este P( x x ) k i 1i n * xxk - rspunsul este P( x x ) n ; k i k i

x=xk - rspunsul este P ( x

xpxxk - rspunsul este P( x

k * x ) n ; k i p i

Analiznd aceast form prin prisma eficientei constatm c sunt necesare 3.k+1 operaii pentru determinarea lui V, deci este mai ineficient dect forma precedent necesitnd k+1 operaii suplimentare. Alegerea formei de cele mai multe ori este impus de condiiile de lucru sau cerinele instrumentului de calcul utilizat. De exemplu toi indicatorii statistici calculai n MS Excel solicit forma simpl i pentru un numr redus de termeni de regul 30 care de multe ori nu este satisfctor, iar celelalte forme trebuiesc programate. n continuare vor fi prezentai indicatorii statistici derivai i formulele de calcul care vor fi prezentate pentru cele trei forme descrise anterior cu efectele precizate.

3.1.4 Problem
Pentru o echip format din 20 de muncitori s-a nregistrat pe o zi producia realizat sub forma unei serii cronologice simple ca mai jos.

Zi

1 2

10 11 12 13 14 15 16 17 18 19 20

ProducieR 12 18 16 11 13 14 15 17 13 12 14 14 15 16 15 14 15 16 15 13

Se cere : s se scrie seria sub form de distribuie absolut dup producia zilnic realizat; s se scrie seria sub form de distribuie relativa dup producia zilnic realizat; sa se determine producia realizat pe ntreaga perioada pornind de la cele 3 forme; s se comenteze rezultatele;

11

care este probabilitatea ca selectnd la ntmplare un muncitor el s produc cel puin 16 piese.

Rezolvare
Forma de distribuie absolut se obine din seria simpl prin ordonarea cresctoare a valorilor realizare individual ca in tabelul de mai jos urmate de o numrare a valorilor distincte.

11 12 12 13 13 13 14 14 14 14 15 15 15 15 15 16 16 16 17 18

Numrarea valorilor distincte este trecut n tabelul urmtor n care se evideniaz valoarea produciei zilnice realizate i numrul de salariai care au realizat acea producie.

11 1

12 2

13 3

14 4

15 5

16 3

17 1

18 1

sau forma de matrice

Aceast form evideniaz rapid numrul de muncitori care au realizat aceiai producie. n acest caz k=8 care este mult mai mic dect n=20 ci muncitori sunt.

Forma de distribuie relativ se obine din seria de distribuie absolut prin mprirea frecvenelor absolute la n care este 20 ca n tabelul de mai jos.

11 0.05

12 0.10

13 0.15

14 0.20

15 0.25

16 0.15

17 0.05

18 0.05

sau forma de matrice

12

Aceast form evideniaz ponderea ca frecven a celor care au realizat acelai numr
de piese i se constat uor c cei care au realizat 14,15 piese reprezint 45 % din total muncitori, restul fiind distribuii aproape uniform.

Producia realizat pe zi V se determin conform formulelor definite mai sus n conformitate cu forma. o V 12 18 16 11 ... 15 15 288 , pentru forma simpl cnd se efectueaz 20 de operaii de adunare; o V 11 * 01 12 * 02 13 * 03 14 * 04 15 * 05 16 * 03 17 * 01 18 * 01 288 forma ponderat care necesit 2*8=16 operaii; o A treia form nu este aa de precis introducnd erori de rotunjite la calculul lui ni* . Probabilitatea ca muncitorul selectat ntmpltor s produc cel puin 16 piese este :
P( x 16) n * 16 n* 17 n* 18

0.15 0.05 0.05 0.25

3.2 Serii de repartiie / distribuii fundamentale


Mai sus au fost prezentat cteva modele de prezentare a rezultatelor unei prelucrri printre care i sub forma de serii de repartiie relative pe care n continuare le vom denumi distribuii, acestea din urm asigurnd legtura cu teoria probabilitilor. n funcie de modul de variaie al variabilei atunci distribuiile pot fi : continue cnd valorile caracteristicii pot avea orice valoare real dintr-un interval; discrete cnd valorile caracteristicii obinute din date istorice sau msurare sunt discrete, iar frecvenele relative devin probabiliti. Se poate ntmpla ca n cercetrile statistice s ntlnim serii de repartiie care au anumite proprieti asemntoare unor distribuii importante i care ne ajut n cercetarea anumitor trsturi ale fenomenului sau colectivitii studiate. O parte din aceste distribuii considerate fundamentale sunt prezentate n continuare. 3.2.1 Distribuia binomial Pentru definirea seriei de repartiie binomial considerm x o caracteristic alternant care poate lua dou valori A i valoarea contrar A cu ponderi diferite. Notm : p P( x A) - probabilitatea de apariie a valorii A ntr-o extragere aleatoare; q P( x A) - probabilitatea de apariie a valorii A ntr-o extragere aleatoare. n aceste condiii seria de repartiie relativ a lui x se poate scrie sub forma : 13

A A , unde p+q=1 p q

Presupunem c se fac n extrageri independente asupra coleciei , extrageri din care apare valoarea A de k ori i de n-k ori nonvaloarea, adic A , iar k 0 n . Aceste extrageri formeaz o nou serie de repartiie care n literatura de specialitate, este cunoscut sub denumirea de repartiie binomial sau schema bilei revenite. Se pune ntrebarea, care este probabilitatea ca din cele n extrageri valoarea A s apar de k ori ?
k Rspunsul la ntrebare este dat de coeficientul Tk ,n C n . p k .q n k

dedus din binomului

lui Newton

p q n , Form. 1

n aceste condiii cele n+1 extrageri constituie o serie de repartiie relativ de forma de mai jos denumit repartiie binomial.

0 x C . p .q
0 0 n

...

...

n
, Form. 2

1 1 n 1 k Cn . p .q ...C n . p k .q n k

n ...C n . p n .q 0

Repartiia binomial are urmtoarele proprieti:


x n. p
2

n. p.q
n. p.q

f ( x)

P( x

k)

k Cn . p k .q n

n! pk qn k! (n k )!

, probabilitatea ca valoarea A s apar de k

ori;
k

F ( x)

P( x

k)
i 0

i Cn . p i .q n

, probabilitatea ca valoarea A s apar de cel mult k ori.

14

3.2.2 Problem Dintr-un lot de produse se extrag 5 piese care se verific din punct de vedere al calitii. Probabilitatea ca o pies extras la ntmplare sa fie rebut este
1 . 4

S se determine probabilitatea de a obine trei piese bune dac se verific 5 produse.

Rezolvare

Notaii A piesele bune din lot; A - piesele rele sau rebut; n=5 i k=3;
q p( A) 1 ; 4 3 ; 4

p 1 q

pentru a obine 3 piese bune nseamn s se determine f(3) care nlocuind n formula lui f(x) obinem:
3 2

f (3)

3 C5 . p 3 .q 5

5! 3 3! (2)! 4

1 4

5.4 . 0.75 3 . 0.25 1.2

0.263672

3.2.3 Distribuia POISSON Repartiia POISSON se utilizeaz n situaiile n care probabilitatea de apariie a unei valori a caracteristicii observate p este foarte mic i numrul de observaii este foarte mare. Din proprietatea p q 1, q 1 p 1 , concluzie utilizat mai jos. Din aceast cauz este denumit i sub denumirea de legea evenimentelor rare. Pentru construirea repartiiei POISSON se pleac de la o repartiie binomial punnd condiia ca
n. p a cons tan t , Form. 38

innd cont de convenia de mai sus, proprietile binomiala se transform i devin urmtoarele pentru repartiia POISSON:

15

x
2

a a

a
f ( x) P( x k)
k Cn . p k .q n k

n! pk qn k! (n k )!
k

ak .e k!

, probabilitatea ca valoarea A s

apar de k ori;
k

F ( x)

P( x

k)
i 0

i Cn . p i .q n

.
j

aj 0 j!

, probabilitatea ca valoarea A s apar de cel

mult k ori. Observaie. Avantajul acestei serii de repartiii const n faptul c nu trebuie s cunoatem numrul de observaii i nici probabilitatea p, ci numai mrimea medie a seriei x a .

3.2.4 Problem La o societate productoare de becuri se supune controlului un lot de 4000 de becuri. Da la serviciul CTC se cunoate din experimentele trecute c fraciunea defect are o probabilitate de 0.25 %. S se determine probabilitatea ca n lotul analizat s se gseasc 15 becuri defecte.

Rezolvare Se cunoate p
0.25 100
10

0.0025

n. p

4000x0.0025 10;

Se cere f (15,10)

a 15 .e 15!

1015 .e 15!

10

0.034718 , s-a considerat e=2,718281

3.2.5 Distribuia triunghiular Face parte din familia distribuiilor continue n care valorile caracteristicii variaz n intervalul a; c , unde a este valoarea minim, iar c valoarea maxim puncte n care presupunem c probabilitatea are valoarea zero. Fie b punctul n care distribuia are probabilitatea maxim i se pune problema determinrii probabilitii n fiecare punct x din intervalul axc. innd cont c triunghiul (a,f(b),c) trebuie s aib aria 1 pentru a constitui o distribuie, rezult c nlimea triunghiului este
2 c a

, iar probabilitatea pentru x este data de

16

valoarea perpendicularei din x pe a,c pn la latura triunghiului, care este dat de formula urmtoare :

f ( x)

x a pentru a b c.c a c x 2. pentru b c a.c b 2.

x x

b
Form. 4

Particularitile distribuiei triunghiulare :


x
2

a b c ; 3

a2

b2

c2

a.b a.c b.c ; 18 0 pentru x a

F ( x)

P( X

x)

x a2 b a c a 1 0

pentru a x

b
Form. 5

c x2 pentru b x c a c b pentru x c

Acest model de distribuie se utilizeaz atunci cnd nu exist date istorice referitoare la valorile variabilei analizate, aa cum sunt , de exemplu, veniturile anuale estimate a se realiza dup punerea n funciune a unui obiectiv de investiii i cnd se presupune c obiectivele se vor nscrie ntr-o plaj de valori min - max.

3.2.6 Problem Societatea SC Alfa SRL realizeaz un nou produs i estimeaz c veniturile lunare obinute din vnzare pot fi descrise de o distribuie triunghiular cu valoarea minim a=200 um i valoarea maxim c=800 um, iar valoarea cea mai probabil b=400 um. Care este probabilitatea ca ntr-o anumit lun venitul obinut s fie ntre 50 i 70 um ?

Rezolvare

Pentru condiiile date se determin distribuia triunghiular rezultatele sunt prezentate n tabelul urmtor. 17

dup Form 4, iar

200

250

300

350

400

450

500

550

600

650

700

750

800

f(x) 0.0000 0.0008 0.0017 0.0025 0.0033 0.0029 0.0025 0.0021 0.0017 0.0013 0.0008 0.0004 0.0000

Graficul specific distribuiei triunghiulare este prezentat mai jos

Fig. 4

Probabilitatea cerut P(500x700) se poate determina n mai multe modaliti, cea mai simpl este geometric prin determinarea ariei trapezului haurat
P(500 x 700) 0.0025- 0.0008 .(700 500) 2
1400 466.6 , 3

0.0017.100 0.17

x
2

200 400 800 3

iar dispersia

15555.56

3.2.7 Distribuia normal Este una dintre cele mai utilizate distribuii n cercetarea tiinific, controlul calitii, al fiabilitii, etc. n care se ntlnesc probe, experiene, operatori sau procese care variaz sub influena unui numr mare de factori aleatori.

18

Prin definiie o variabil aleatoare x are o lege de distribuie normal dac densitatea de repartiie sau ponderea relativ a valorii este data de relaia :

f ( x)

1 . 2.

.e

x x 2. 2

; x, x

R si

0;

Proprietile distribuiei normale:

graficul este simetric faa de x , are dou puncte de inflexiune n x numete Clopotul lui Gauss i are forma din figura urmtoare

i x

i se

4000 3500 3000 2500 2000 1500 1000 500 0 -500 0 1 2 3 4 5 6 7 8 9 10 11

Fig. 5 Clopotul lui Gauss

are un punct de maxim n x egal cu are funcia de repartiie

1 2

F ( x)

f ( x)dx

1 2

( x x)2 2 e 2

.dx ,Form. 6

probabilitatea ca x

este dat de formula

P(

F ( ) F ( ) , Form. 7

19

valorile probabilitilor pe intervalele fundamentale sunt prezentate mai jos i se utilizeaz n practic.

Fig. 6 Frecvenele relative pe intervale multiple de

3.2.8 Problem Un fabricant de baterii de automobile determin durata medie de funcionare a acestora ca fiind de 60 de luni cu o abatere medie ptratic de 10 luni. Presupunnd c distribuia de frecvente a duratei de funcionare este normal se cere: care este mrimea aproximativ a amplitudinii variaiei pentru durata de funcionare; aproximativ ce procent din baterile fabricate vor avea o durat de funcionare mai mare de 50 de luni; aproximativ ce procent din baterile fabricate vor avea o durat de funcionare mai mic de 40 de luni; Rezolvare

amplitudinea A xmax xmin i din tabelul de mai sus deducem c ntr-un interval de 8 se afl aproximativ 0.9998 din elemente, rezult xmax x 4. 60 4.10 100 de luni, iar xmin x 4. 60 4.10 20 , rezult o amplitudine A=100-20=80 de luni aproximativ; se observ c 50 x k. 60 k.10 k 1, deci este vorba de intervalele de mai sus ce se afl dup x , care nseamn c sunt jumtate 50%+intervalul x care conine 34,13%, deci n total 84,13%; k 2 pentru bateriile ce rezist mai puin de 40 luni se constat c 40 60 k

20

3.3 AJUSTAREA LEGTURILOR STATISTICE


Metodele i indicatorii de corelaie ne ajut s identificm o posibil legtur, s stabilim tipul i intensitatea legturii, dar nu pot preciza sub aspect cantitativ, cu ct crete sau scade un fenomen cnd variabila cauzal crete sau scade cu o anumit cantitate. Pentru a soluiona aceste aspecte care n final conduc la ajustarea fenomenului statistic cu o funcie determinist care permite stabilirea determinarea nivelului rezultatului cnd se d o valoare variabilei cauzale. n acest fel se trece de la stohastic la determinism. Statistica ofer mai multe metode de trecere de la statistic la determinism prilej prin care fenomenele se simplific, uniformizeaz, dar -i pierd din trsturile reale particulare. n continuare va fi prezentat o metod ntlnite frecvent n practica economic i cercetare metoda ecuaiilor de regresie. 3.3.1 Metoda regresiei Metoda regresiei este una din metodele analitice de descriere i msurare a legturilor statistice prin ecuaiile unor funcii matematice cunoscute, aspect ce conduce la simplificarea procesului de cercetare statistic a tendinelor fenomenelor. Problema const n determinarea acelei funcii dintr-o anumit clas care aproximeaz cel mai bine norul statistic. Pentru un numr suficient de mare de observaii norul statistic poate s aib una din formele de mai jos i atunci clasa de funcii este aproape evident. Forma norului ne ajut s alegem clasa de funcii, urmeaz s stabilim metoda prin care alegem funcia cea mai reprezentativ pentru acea form i aici metoda regresiei ne ajut. Mai jos sunt reprezentate principalele forme de nori care pot fi ajustate prin funcii matematice. Dac norul statistic se reduce la o curb este cazul legturilor deterministe ntlnite n fizic, mecanic, biologie, etc.

Fig. 7 Modele de nori statistici

21

Pentru nelegerea metodei regresiei se va porni de la o problem rezolvat anterior. Fie o repartiie statistic bidimensional dat n tabelul de mai jos i acestui tabel i se asociaz graficul cu norul statistic corespunztor. Problema regresiei const n gsirea unei curbe dintr-o clas care aproximeaz cel mai bine norul statistic. Modelarea se va face pe repartiia bidimensional dintre caracteristicile x i y prezentate mai jos.

Grupe de ntrziere Grupe de vechime n ani 35-45 y1 =40 0-10 x1=5 10-20 x2=15 20-30 x3=25 TOTAL mi* 0 24 126 150 0,38 23,4 45-55 y2 = 50 25 80 14 119 0,30 14,1 55-60 y3 =60 75 56 0 131 0,33 9,3 16 100 160 140 400 TOTAL

ni*

0.25 0.40 0.35

57,500 55,000 41,000 49,525

1,00

n care se cunosc frecvenele absolute,iar informaiile din zona haurat se calculeaz. S-au calculat frecvenele relative pe grupe ni* i m i* , mediile pe grupe y i x (media ntrzierilor i vechimea medie a ntrziailor ). Pentru reprezentarea grafic a norului statistic fie sistemul de axe rectangulare xoy corespunztoare celor dou caracteristici i se fixeaz grafic poziiile celor dou valori medii
x, y i corespondena lor astfel :

y=f(x) cu + x=g(y) cu -

Fig. 8 Reprezentarea grafic a norului statistic

Mediile liniilor i coloanelor vor fi legate mai mult sau mai puin de anumite curbe netede ntlnite n matematic. Curbele obinute prin unirea punctelor de medie 22

corespunztoare se numesc curbe de regresie, iar ecuaiile corespunztoare se numesc ecuaii de regresie.

Termenul de regresie ( scdere, descretere) a fost introdus de F. GALTON (18221911) n urma stabiliri dependenei dintre nlimea tailor i a fiilor i a constatat c fii prinilor, a cror nlime se abate de la medie cu x centimetri au o nlime cu x centimetri mai mic fa de media copiilor, fenomen pe care l-a numit regresie, iar ecuaia de ajustare ecuaie de regresie.

O problem important o constituie stabilirea ecuaiilor de regresie specifice fenomenului studiat. Dac y este variabila dependent i x1,x2,..xn sunt variabilele independente atunci ecuaia de regresie este de forma general :
Y = f ( x1,x2,xn ), Form. 8

care definete o curb sau o suprafa funcie de numrul variabilelor, iar regresia se numete :

unifactorial dac are o variabil ; multifactorial dac are mai multe variabile factoriale. 3.3.2 Modele de regresie unifactorial Regresiile unifactoriale descriu legtura dintre dou variabile y i x considernd c ceilali factori au o aciune constant sau neglijabil asupra caracteristici dependente y. Ecuaia de regresie este de forma :
y = f (x), Form. 9

Cel mai des ntlnite modele de regresie unifactoriale sunt:

regresii polinomiale Y= a0+a1x1++apxp regresii exponeniale Y= a . bx regresii hiperbolice Y = a + b/x regresii logaritmice Y = a + b. lgx Principalele probleme care stau la baza determinrii ecuaiilor de regresie, n cazul coleciilor statistice constau n :

23

alegerea modelului cel mai reprezentativ pentru fenomenul studiat, adic modelul ales s aproximeze norul statistic ct mai corect ; determinarea parametrilor ( a0,a1,a2,,an,a,b ) din modelul general ales astfel ca aproximarea s fie ct mai exact. Din mulimea de soluii posibile, se alege varianta la care suma ptratelor diferenelor dintre valorile reale yi i Yi valorile teoretice n xi, s fie minim, cerin transformat n relaia matematic urmtoare.

S
i 1

( yi

Yi ) 2 , Form. 10 s fie minim (1)

3.3.3 Metoda celor mai mici ptrate Expresia S obinut dup nlocuirea termenilor cunoscui (xi,yi) n (1) este o funcie ptratic de mai multe variabile (necunoscute) care are un minim i se rezolv utiliznd metoda celor mai mici ptrate. Metoda celor mai mici ptrate asigur determinarea parametrilor lui S parcurgnd urmtoarele etape :

se determin valorile Yi care conin parametri necunoscui, prin nlocuirea n expresia funciei alese ca model F variabilele xi cunoscute; se nlocuiesc valorile determinate mai sus Yi n (1), de unde rezult :
n

S
i 1

( x i , y i , a 0 ,..., a p , a, b) 2

(2)

care este o expresie n care ai,a,b sunt parametri ce urmeaz a fi determinai.

se rezolv sistemul de ecuaii difereniale de ordinul I:


S a0 S a1 ... S ap

0 0

(3)
0

24

cu ai determinai se scrie ecuaia de regresie concret din clasa F, care trebuie s treac prin ( x, y ). Avantajul ecuaiilor de regresie const n faptul c permite determinarea valorilor aproximative ale rezultantei pentru valori ale variabilei xi n care nu s-au fcut observri , dar pentru extrapolri, adic valori n afara intervalului de observare trebuie luate msuri de siguran, putnd apare anomalii. Concretizarea etapelor specifice metodei celor mai mici ptrate se face pentru fiecare clas de funcie n continuare.

3.3.4 Ecuaiile de regresie polinomiale n acest caz norul statistic se ajusteaz cu o funcie polinomial de ordinul p, iar clasa funciilor polinomiale este de forma :

F ( x)

a0

a1 x a 2 x 2 ... a p x p ,

iar valorile Yi devin

Yi

a0

a1 xi

a 2 xi2 ... a p xip , i 1 n , unde xi este cunoscut

n aceste condiii devine S

( yi
i 1

a0

a1 x i

... a p x ip ) 2

, iar sistemul (3) se calculeaz

derivatele pariale ale lui S la care remarcm derivata unei sume care este egala cu suma derivatelor, un ptrat care derivat este egal cu 2 nmulit cu funcia i derivata ei

u2

'

2 u u ' , dar u

yi

a0

a1 xi

...

a p xip

n care variabilele sunt necunoscutele adic ai i n momentul derivrii doar ai este variabil celelalte fiind constante, atunci derivatele pariale ale lui u sunt :
u a0 u a1 u a2 ( yi a0 ( yi a0 ( yi a0 a1 x i a0 a1 x i a1 a1 x i a2 p ... a p x i ) p ... a p x i ) p ... a p x i ) 1

xi . x i2

.......... .......... .......... .......... .......... .......... .......... p ( y i a 0 a1 x i ... a p x i ) u p xi ap ap

25

innd cont de cele de mai sus i dup cteva operaii cosmetice sistemul (3) devine:

S a0 S a1 S ap

yi
i 1 n

n.a 0
n

a1
i 1

xi
n

a2
i 1

x i2 ... a p
n

n i 1

x ip
n i 1

0 x ip
1

xi y i
i 1

a0
i 1

xi

a1
i 1

x i2

a2
i 1

x i3 ... a p

(4)
0

...................................................................................................................
n i 1

x ip y i

a0
i 1

xi p

a1
i 1

x ip

a2
i 1

x ip

... a p
i 1

x i2 p

Rezultatul este un sistem de p+1 ecuaii cu p+1 necunoscute care se rezolv prin una din metodele cunoscute , de regula metoda lui GAUSS cnd p>4. Dac p=1 atunci F (x) a0 a1.x i atunci este vorba de o regresie liniar i sistemul (4) devine:
n n

yi
i 1 n

n.a 0
n

a1
i 1

xi
n

0
,Form. 11

y i xi
i 1

a0
i 1

xi

a1
i 1

x i2

n care necunoscutele sunt a0, a1, iar xi, yi sunt cunoscute din observaii. Pentru rezolvare se utilizeaz metoda tabelar care pe lng coloanele cu xi,yi, se ataeaz i produsul variabilelor i ptratul lui xi, xi . yi , xi2 , care se determin pentru fiecare i, apoi se nsumeaz. Rezultatele obinute se nlocuiesc n sistem care se rezolv, iar n final se scrie ecuaia de regresie cutat. nelegerea corect acelor de mai sus este posibil prin urmrirea rezolvrii problemei urmtoare. 3.3.5 Problem Pentru problema iniial se cere determinarea ecuaiei regresiei liniare Y(x). Rezolvarea se reduce la pregtirea informaiilor utilizate n sistem (4) ca n tabelul de mai jos (zona umbrit).
i 1 2 3 Total

xi
5 15 25 45

yi
57,5 52,0 41,0 150,5

x i . yi
287,5 870,0 1025,0 2092,5

xi2
25 225 625 875

26

Pe baza informaiilor din tabel se scriu ecuaiile sistemului (5) care devin:

150.5 3.a 0

45.a1

0 0

2092.5 45.a 0

875.a1

, se mparte cu -3 prima ecuaie i

50.2 a0 15.a1

0 se nmulete tot prima cu -15 i se adun cu a doua.

- 2257.5 45.a0 675.a1 0 2092.5 45.a 0 875.a1 0 -165.0 0.a 0 a1 a0 Y -200.a1 0 - 165.0 -0.83 200 62.54 62.54- 0.83.x

Printr-o reprezentare grafic a legturilor i a ecuaiei de regresie determinate n MS Excel se pot compara rezultatele.
Ecuatia de regresie in MS Excel
60.0
Minute intirziere
y = -0.825x + 62.542 R2 = 0.9643

55.0 50.0 45.0 40.0 0 5 10 15

20

25

30

Vechime unitate
Serie1 Liniar (Serie1)

Fig.9

Graficul i ecuaie de regresie n MS Excel

3.3.6 Problem Se d seria de repartiie bidimensional din tabelul de mai :


I 1 2 3 4 5 Total xi 0 1 2 3 4 10 yi 1,0 1,8 1,3 2,5 6,3 12,9

27

S se determine ecuaiile regresiilor i s se confirme rezultatul anticipat !


liniar : Y=0.04 +1.13X parabolic Y= 1.42-1.07X+0.55 x2 polinomial de ordin 3 Y= -0.817+3.44X-0.601X2 0.006X3 s se reprezinte grafic seria i ecuaiile de regresie .

a. b. c. d. Rezolvare

Pentru rezolvare analiznd sistemele specifice tipului de regresie polinomial stabilim elementele necesare rezolvrii sistemelor i le tratm simultan xi yi , xi2 , xi2 yi , xi3 , xi3 yi , xi4 , xi5 , xi6 . Pentru polinomul de ordin 3 sunt necesare puteri pn la ordinul 6 ale lui xi, iar procedura este aceiai, difer sistemul care este de patru ecuaii cu patru necunoscute.

I 1 2 3 4 5 Total

xi 0 1 2 3 4 10

yi 1.0 1.8 1.3 2.5 6.3 12.9

xiyi

xi2
0 1 4 9 16
30

xi2 . yi
0.0 1.8 5.2 22.5 100.8
130.3

xi3
0 1 8 27 64
100

xi3 . yi
0.0 1.8 10.4 67.5 403.2
482.9

xi4
0 1 16 81 256
354

0 2 3 8 25
37

a. liniar
n n

yi
i 1 n

n.a 0
n

a1
i 1

xi
n

0 x i2 0

yi xi
i 1

a0
i 1

xi

a1
i 1

12.9 - 5.a 0 - 10.a1 37.1- 10.a 0 - 30.a1 - 25.8 10.a 0 adunindule 11.3- 0.a0 - 10.a1 a1 a0 Y 1.13 0.32

0 0 0 0

inm ultind cu 2 prim a 20.a1 37.1- 10.a 0 - 30.a1 0

ec.liniara 0.32 1.13.x, q.e.d

28

Grafic si ec. regresie liniara in MS Excel


7.0 6.0 5.0 4.0 3.0 2.0 1.0 0.0 0 1
y = 1.13x + 0.32 R2 = 0.6869

2 x Serie1

Liniar (Serie1)

b. parabolic
n n n

yi
i 1 n

n.a 0
n

a1
i 1

xi
n

a2
i 1

x i2
n

0 x i3 x i4 0 0

y i xi
i 1 n i 1

a0
i 1 n

xi x i2

a1
i 1 n

x i2 x i3

a2
i 1 n

y i x i2

a0
i 1

a1
i 1

a2
i 1

Prelund parametri din tabelul de mai sus se obine sistemul :

12.9-5.a -10a -30a 0 0 1 2 37.1-10.a 30a 100a 0 0 1 2 130.3-30.a 100a 354a 0 0 1 2

dupa rezol var e a 2 0.55 a1 a0 Y 1.07 1.42 1.42 1.07.x 0.55.x 2

29

n continuare se afl graficul i ecuaia de regresie obinute n MS Excel care coincide cu cel calculat conform metodei celor mai mici ptrate.
Graficul si ec. regresie parabolica in MS Excel
7.0 6.0 5.0 4.0 3.0 2.0 1.0 0.0 0
y = 0.55x 2 - 1.07x + 1.42 R2 = 0.9148

2 x Serie1

Polinomial. (Serie1)

3.3.7 Regresiile exponeniale Funciile exponeniale au forma Y= a.bx ,

(6)

Pentru determinarea regresiei exponeniale se procedeaz astfel:

se logaritmeaz (6) lg Y = lga +x.lg b notm : Y= lg Y ; a0= lg a ; a1= lg b Y= a0+a1x , care este o ecuaie liniar din care se determin a0 i a1.

se determin a i b din ecuaiile :


lg a = a 0 lg b = a 1 Y a a = 10 0 a b = 10 1

a a 10 0 .( 10 1 ) x

Acest model se preteaz atunci cnd x crete n progresie aritmetic, iar y n progresie geometric. 30

Pentru problema precedent este prezentat rezultatul din Excel cu meniune c rezultatul are ca baz numrul e.
Ecuatia de regresie exponentiala
7.0 6.0 5.0 4.0 3.0 2.0 1.0 0.0 0 1 y = 0.9226e0.401x R2 = 0.7883

2 x Serie1

Expon. (Serie1)

3.3.8

Regresiile hiperbolice

O funcie hiperbolic este de forma Y a

b x

i acest tip de relaie se aplic n cazul

dependenei inverse. Modelul este posibil cnd toi xi # 0. nlocuind n (1) pe


Yi a b , rezult c xi
n

S
i 1

( yi

b 2 ) xi
n

i aplicnd metoda celor mai mici ptrate rezult sistemul :


n

yi
i 1 n i 1

na b
i 1

1 xi
n

0 1 xi2
, Form. 12 (7)

yi xi

1 xi

b
i 1

sistem de dou ecuaii cu dou necunoscute a i b. Pe lng xi i yi n tabelul suplimentar se vor altura i colonele pentru termenii din sistem
1 yi 1 , , x i x i x i2

, elemente ce intervin n sistem

determinate pe seama valorilor observare xi,yi, care se nsumeaz i se nlocuiesc n sistemul model.

3.3.9 Regresiile logaritmice

O funcie logaritmic este de forma Y= a + b.lg(x) care este cresctoare dac b > 0 i descresctoare dac b < 0 i este posibil dac toi xi > 0 . nlocuind 31

Yi = a + b.lgxi , n (1) S= sistemul :


( yi a b lg xi ) 2 i aplicnd metoda celor mai mici ptrate rezult

yi
i 1 n

na b
i 1 n

lg x i lg x i
i 1

0
n

,Form.13

(7)

y i lg x i
i 1

b
i 1

lg x i

sistem de dou ecuaii cu dou necunoscute a i b. Metoda se aplic atunci cnd xi crete n progresie geometric.

3.3.10 Calculul sumei ptratelor abaterilor Prin metoda utilizat , curba determinat conduce la o valoare a lui S mai mic dect orice alt curb de acelai gen i se pune ntrebarea ct de apropiat de zero este . Pentru a calcula pe S nu este necesar s calculm toi termeni abaterii:

n i 1 n i 1 p

yi yi yi

a0 a0

a1 xi a1 xi

...

p 2 a p xi ... p a p xi ... p a p xi )
, Form. 14

j n a j xi . ( yi j 0 i 1

a0

a1 xi

Termenul al doilea din expresie constituie chiar ecuaiile sistemului i sunt 0, deci rezult c :

yi 2

a0

yi

a1

xi y i

a2

y i xi2 ... a p

y i xip , Form. 15

relaie care este valabil n cazul ajustrilor polinomiale, dar similar se deduc i n celelalte cazuri , dar care are forma general de mai jos.

32

yi yi i 1

n Yi i 1

y2 i

n i 1 y .Y , Form. 16 i i

Aceasta ultim formul presupune determinarea valorilor teoretice Yi corespunztoare ecuaiei de regresie determinate i apoi nlocuirea lor n formul, aspect care n formula precedent nu este necesar, deci alegerea metodei depinde de utilizator.

3.3.11 Problem Pentru problema cu ntrzierile s se determine suma ptratelor abaterilor n cazul ajustri liniare prin metoda regresiei.

yi

a0

yi

a1

xi y i

y i2

62,54 x150,5 0,83 x 2093 5.04

7691,3 62,54 x150,5 0,83 x 2093

S= 5,04

33

Instrumente MS Excel specifice modelrii i simularii

4.1 Actualizarea coleciilor de date n MS Excel


Pentru realizarea unei aplicaii de actualizare a coleciei de Facturi primite n MS Excel ca n figura de mai jos se procedeaz astfel: cu Click Dr n directorul / folderul dorit se alege opiunea New i apoi Microsoft Excel WorkSheet; se d numele fiierului Facturi primite sau cum dorii, dar se pstreaz extensia .xls; se deschide colecia cu dublu click; pe primul rnd se scrie denumirea fiecrei coloane care trebuie s nceap cu o liter i poate conine litere, cifre, liniua de subliniere, dar nu se permit diacritice i unele semne speciale, eu nu recomand nici spaiu. Este bine s fie scrise corect, clar i inteligibil c apar n toate rapoartele aferente coleciei; pe rndul doi se stabilete tipul datelor ce se vor introduce pe fiecare coloan. Aceast operaie ne garanteaz c nu se accept dect valorile care ndeplinesc condiiile pe care noi le definim aici. Aceast operaie se face parcurgnd pe rnd fiecare coloan i definind regulile de validare utiliznd facilitile funciei de Validation din opiune Data a meniului principal, care arat ca n figura de mai jos.

Fig. 10 Formular - Funcia de Validare

Cu acest instrument care are trei taguri / ferestre se definesc toate elementele specifice validrii i anume : Settings se stabilete tipul datei permise i funcie de tip se stabilesc suplimentar condiiile de verificare. Tipurile de date permise sunt definite n lista ascuns Allow i se deschide dnd click pe micul triunghi cu vrful n jos i constau n : 34

o Any value orice valoare, stabilit pentru Furnizor; o Whole number numere ntregi, stabilit pentru Numr_Fact. Pentru aceast categorie se accept o serie de restricii suplimentare definite in Fig.xx o Decimal numere zecimale, stabilit pentru: Valoare_Marf, Valoare_TVA, Valoare_Fact; o List valorile se verific sau se aleg dintr-o list, cum este Judet; o Time se nregistreaz o dat tip timp HH- mm-ssss; o Text length lungimea unei coloane text n caractere; o Custom date definite de utilizator. Input Message fereastr ce permite definirea unui mesaj la introducere valoare. Ea are structura de mai jos i permite stabilirea mesajului de ntmpinare.

Fig. 11Tagul Setting din Validare

Efectul precizrilor de mai sus apar dac este marcat Check box-ul Show input message i apare n momentul selectrii celulei i dispare dup prsirea celulei, iar pentru Data_Fact arat astfel:

Fig. 12 Mesaj ntmpinare actualizare Data_Fact

Error Alert prin acest formular se stabilete mesajul ce va apare n cazul n care valoarea introdus nu ndeplinete condiia stabilit. Structura formularului este urmtoarea: 35

Fig. 13 Tagul Error Alert din Validare

n formular se observ patru parametri ce contribuie la definirea mesajului n caz de eroare i anume : Check box-ul Show error alert, care este activat implicit, dar se poate dezactiva prin Click; Style stilul mesajului emis : Stop, Attention, Information cu o pictogram specific fiecruia. La apariia unei erori de validare va apare o fereastr n concordan cu condiiile stabilite aici i utilizatorului i se solicit s aleag o cale din dou sau trei variante ca n figura urmtoare. Dac s-a stabilit stilul Stop nu poi trece mai departe numai dac abandonezi calea sau se reia operaia de actualizare.

Fig. 14 Mesaj eroare la actualizare Jude

Condiii pentru date numerice. Pentru mai multe tipuri de date se poate stabili una din condiiile ascunse ale opiunii Data i care sunt prezentate n figura de mai jos cu semnificaia urmtoare: 36

o Between valoarea trebuie s fac parte dintr-un interval precizat n continuare de utilizator [xmin,xmax]; o Not Between valoarea s nu aparin intervalului definit de utilizator; o Equal to valoarea s fie egal cu o valoare dat sau cu o valoare calculat pe baza unei formule definite. Formal putem scrie x=f(x), unde f(x) este o expresie matematic ce returneaz o valoare care va fi comparat cu cea tastat. o Valoare_TVA = Valoare_Marf*0,24( = round(E2*0,24;2)) n acest caz este mai bine s definim formul de calcul i atunci nu mai este necesar validarea. o Nor Equal to valoarea s nu fie egal cu o valoare dat sau calculat; o Greater than valoarea s fie mai mare dect una minim specificat de utilizator ( x > xmin); o Less than valoarea s fie mai mic dect o valoare precizat de utilizator (x<xmax) o Greater than or Equql to valoarea s fie mai mare sau egal dect una minim specificat de utilizator ( x xmin); o Less than or Equql to valoarea s fie mai mic sau egal dect o valoare precizat de utilizator (xxmax)

Fig. 15 Opiunile de verificare a numerelor ntregi

Dup ce condiiile de validare au fost stabilite pentru toate coloanele i sa verificat corectitudinea lor putem selecta coloanele rndului 2 i le copiem pentru o zon mai mare pe care urmeaz s-o completm cu date reale n condiiile definite. MS Excel ne permite s actualiz tabelul definit mai sus n dou variante i anume : o completnd direct datele n tabelul definit mai sus i utiliznd facilitile de navigare specifice, dar dezavantajul const n posibilitatea alterrii involuntare a datelor; 37

o utiliznd un formular de actualizare generat dinamic de sistem prin activarea opiunii Forms din opiunea Data a meniului principal, dup ce am selectat antetul tabelului i mai multe rspunsuri ce vor face obiectul actualizrii i care arat ca n figura urmtoare. Nu trebuie s uitm c aceast variant funcioneaz numai pentru tabele cu mai puin de 32 de coloane i asta este o mare restricie pentru aplicaiile complexe care au un numr mult mai mare de coloane.

Fig. 16 Tabela Facturi primite i formularul ataat

n formular se identific numele coloanelor n stnga, zona de date la mijloc, iar n dreapta un set de instrumente de navigare i care sunt destul de sugestive. Trecerea de la un cmp la altul se face cu mousul, dac se d Enter nelege final nregistrare. La trecerea de la un cmp la altul acioneaz regulile de validare definite anterior.

4.2 FILTRAREA I SORTAREA DATELOR DINTR-O COLECIE


4.2.1 Conceptul de filtrare Una din cele mai frecvent operaii specifice prelucrrii coleciilor de date este filtrarea datelor. Ea de obicei precede celelalte operaii de prelucrare specifice construirii / ntocmirii documentelor contabile, de analiz sau management i face parte din activitile pregtitoare ale unei prelucrri (calcul, listare, centralizare, generare). Conceptul de filtrarea, selectare sau distilare are legtur cu noiunile din domeniu l tehnic i anume : 38

Selectare este operaia se separare printr-un proces mecanic a boabelor bune de cele rele dintr-o colecie de cereale; Triere este operaia de separare de regul mecanic sau manual a obiectelor, dar separare n mai multe grupe; Filtrarea este operaia de separare a impuritilor dintr-un lichid; Distilarea este procesul de extragere / separare a alcoolului din fructele fermentate. Filtrarea informaiilor este un procesul complex, care const n cutarea i extragerea nregistrrilor, care satisfac o cerin formulat de utilizator, dintr-o colecie dat, deci este similar cu selectarea, trierea, filtrarea i distilarea, dar utilizat mai frecvent pentru informaii. Filtrarea informaiilor nu presupune extragerea fizic a nregistrrilor gsite, ci ele devin disponibile prelucrrilor ulterioare fr ca celelalte nregistrri s fie afectate. Filtrarea este un proces prin care o parte din nregistrrile unei colecii devin accesibile proceselor viitoare. Modalitatea prin care este definit partea dorit este o expresie logic pe care valorile cmpurilor din expresie trebuie s le ndeplineasc. Utilizatorul are impresia c au fost separate de restul sau celelalte nregistrri, care devin invizibile, inaccesibile acestuia n momentul aciunii filtrului. n general, cerina de filtrare sau de definire a unei prii din ntreg, care se dorete a fi pregtit pentru prelucrare i poate fi formulat astfel:

Filtreaz nregistrrile care ndeplinesc condiia

Din analiza propoziiei de mai sus rezult c dou cuvinte sunt eseniale, celelalte fiind subnelese i anume Filtreaz i condiie, din aceast cauz n multe limbaje de prelucrare a bazelor de date o ntlnim sub forma :

SET FILTER TO ExpL ,

adic stabilete un filtru pentru nregistrrile din colecia curent, care ndeplinesc condiia definit prin expresia logic ExpL.

Ce este o expresie logic ?

39

Expresia logic este o condiie sau mai multe condiii conectate prin operatorii logici and, or, not (i, sau, nu n romnete) i paranteze rotunde. Condiia este o relaie ce poate fi posibil ntre valorile unui atribut (cmp) i o valoare dat, valoarea unei variabile sau a altui cmp. De exemplu S se filtreze facturile primite n luna curent, care au furnizorul SC ALPHA SRL. Aceast cerin formal se traduce n :

SET FILTER TO luna_facturii=luna_curent AND den_furn=SC ALPHA SRL

n expresia filtrului se observ dou condiii care folosesc operatorul relaional = i anume:
luna_facturii=luna_curent i a doua condiie den_furn=SC ALPHA SRL, cele dou condiii trebuie s fie ambele adevrate (i prima i a doua, aspect comunicat de operatorul logic AND). Expresiile logice pot conine multe condiii i care pot fi asociate prin paranteze, aspect ce conduce la expresii logice foarte complexe, dar limbajele de programare sau aplicaiile specializate n prelucrarea coleciilor mari de date au implementate mecanisme simple de definire a condiiilor sau regulilor de filtrare, dar asta o vedem concret n continuare.

4.2.2 Filtrarea datelor n MS Excel instrument comod i puternic de filtrare a MS Excel ofer un informaiilor dintr-un tabel. El lucrnd interactiv nu utilizeaz comenzi aspect ce-l face comod i uor de utilizat. n continuare se va exemplifica utilizarea funciei de filtrare pe colecia CIG_DBF.XLS care conine colecia ncasrilor i plilor aferente Clienilor i Furnizorilor unei societi comerciale pe perioada 2009-2012. n colecie se afl 31378 de nregistrri, un numr apreciabil pentru a fi supus prelucrrilor noastre. Pentru a beneficia de facilitile funciei de Filtrare pentru nceput se activeaz aceasta printr-un simplu Click pe opiune Data din meniul principale, apoi pe suboiunea (butonul de Filtrare) Filter i imaginea se modific prin apariia acelor butoane ataate n dreapta numelui fiecrui cmp ca n figura urmtoare.

40

Fig. 17 Efectul activrii funciei de filtrare asupra cmpului / coloanei

Semnificaia i rolul acelor butoane este urmtorul: indic faptul ca funcia Filter este activ; prin apsarea ei se poate defini un filtru specific coloanei respective; se poate defini un filtru pentru fiecare coloan; prezena filtrului la o coloan este marcat de simbolului filtrului (plnia) lng triunghiul mic; dac mai multe coloane au restricii de filtrare atunci filtru este rezultatul unei expresii obinut prin conectarea filtrelor de coloan prin operatorul logic AND (i); Prin activarea filtrului pentru o coloan se deschide un formular care permite definirea interactiv a condiiilor de filtrarea asupra valorilor specifice coloanei i care arat ca n figura de mai jos :

Fig. 18 Formular definire filtru coloan

n formularul specific definirii regulilor de filtrare se identific urmtoarele faciliti:


Sort Smallest to Lagest - sortarea nregistrrilor cresctor; Sort Largest to Smallest sortarea nregistrrilor descresctor; Sort by Color sortare dup culoare valoare; Clear Filter From coloan eliminare filtru coloan; Caseta cu valorile specifice coloanei ea permite selectarea total

sau parial a coloanelor prin intermediul Check Boxul ataat fiecrei valori. Prezena bifei indic faptul c acea valoare va fi filtrat, iar absena ei semnific faptul ca acea valoare nu va fi filtrat. n cazul listei mici de valori activitatea este simpl, dar n cazul listelor mari operaia devine incomod i atunci se pot utiliza regulile de definire a filtrului, care devin accesibile prin activarea opiunii urmtoare; Number Filters permite definirea regulilor de filtrare a valorilor cmpului care ndeplinesc condiiile ce pot fi definite i care apar n fereastra din dreapta i au semnificaia urmtoare : o Equal To - egal cu ; o Does Nor Equal s nu fie egal cu ; o Greater Than s fie mai mare ca ; o Greater Than Or Equal To s fie mai mare sau egal cu ; o Less Than s fie mai mic ca ; o Less Than Or Equal To s fie mai mic sau egal cu ; o Between s fie cuprins ntre ; o Top 10 primele 10; 41

o Above Average deasupra mediei; o Below Average sub medie; o Custom Filter. Obs.1. Primele trei opiuni de sortare i pierd aciunea prin definirea unei noi ordini la o alt coloana, deci rmne ultima ordonare, dac definim mai multe, dac dorim ordonare n cascad atunci trebuie s definim o sortare dup mai multe coloane. Obs.2 Ordonarea n cascad presupune ordonarea dup valorile unei coloane, apoi ordonarea n cadrul unei valori a primei coloane dup valorile celei de-a doua coloan i aa mai departe. Exemplu. Ordonarea dup furnizor i n cadrul furnizorului dup numr factur. Alegerea unei condiii de filtrare din list conduce la activarea formularului de mai jos n care sunt definii parametri specifici condiiei. Nu pot fi formulate dect dou condiii conectate prin operatorii AND sau OR. n figura de mai jos se regsesc parametri pentru Betwwen, care este echivalent cu cele dou condiii comentate n figur.

Fig. 19 Formular definire parametri condiie Dac coloana este de tip caracter atunci lista posibilitilor se diversific i apar condiii noi cum ar fi :
Equals To egal

cu, dar are o facilitate foarte puternic, ea utiliznd caracterele ? i * ce permit definirea unor modele care au pe o poziie orice (?) sau ncepe cu ceva i mai departe orice (*). Exemplu seria este egala cu G?, seria are dou litere, dar prima este G, a doua orice sau G* care selecteaz seriile care ncep cu G i mai departe au oricte caractere. Begins with s nceap cu urmtoarele caractere; Ends with s se termine cu urmtoarele caractere ; Contains s conin caracterele., care cuprinde i Begins i Ends

42

Mai complicat pare definirea unui filtru avansat, dar care faciliteaz filtrri mai complexe. n continuare sunt formulate cteva probleme de filtrare specifice coleciei definite anterior.

4.2.3 Probleme de filtrare MS Excel 2007 i mai nou are multe faciliti n comparaie cu versiunile precedente, dar pentru tabele pe lng filtrare i sortare mai are o facilitate care permite oferirea rapid a unor informaii aferente coloanei selectate i anume : Average: valoare afieaz valoarea medie calculat a coloanei selectate; Count: numr afieaz numrul de rnduri, nregistrri din tabel inclusiv R1; Sum: suma afieaz suma valorilor coloanei fr R1. n exemplul de mai jos se observ efectul selectrii coloanei I, prin afiarea pe rndul de sub tabel a informaiilor despre aceast coloan.

Fig. 20 Rezultatul selectrii coloanei I Obs.1 Selectarea coloanei se face dnd click pe numele coloanei A, B, C, i dac coloana nu este numeric se afieaz numai Count: numr cu numrul de rnduri. n continuare sunt formulate 10 probleme de filtrare nsoite i de facilitile seleciei prin care ne convingem de utilitatea i eficiena acestui instrument.

1) S se filtreze ncasrile realizate n Ianuarie 2010. 2) S se filtreze plile efectuate n 13 Ianuarie 2011. 3) S se filtreze plile i ncasrile ctre partenerii 104,249,368,538 efectuate n 2011. 4) S se filtreze plile efectuate n 2009 aferente facturilor care au n serie UPC. 5) S se filtreze plile efectuate n Mai 2011. 6) S se filtreze ncasrile realizate n Mai 2011. 7) S se filtreze plile fcute n Mai 2012. 8) S se filtreze ncasrile realizate n Mai 2012. 9) Comparai ncasrile din Mai 2012 cu cele din Mai 2011, comentai. 10) Comparai plile din Mai 2012 cu cele din Mai 2011, comentai.

43

4.3 Sortare datelor n MS Excel


4.3.1 Concepte specifice sortrii Sortarea este un proces complex, care presupune aranjarea nregistrrilor dintr-un tabel ntr-o anumit ordine. Ea de cele mai multe ori urmeaz imediat dup filtrarea datelor pentru a reduce timpul de efectuare a tuturor operaiilor specifice, dar nu este obligatoriu. Este necesar la : care n coleciile ordonate operaia se execut mult mai rapid i mai sigur dect n cele nesortate; centralizarea pe mai multe nivele, care presupune realizarea de subtotaluri pe diversele nivele, la schimbarea valorii coloanei. Prin sortarea pe mai multe nivele se poate construi o structur de sintez asemntoare unui arbore unde nregistrrile sunt frunzele, iar elementele de subtotal sunt ramurile. Acest aspect este exemplificat n paragraful urmtor, probleme. Sortarea o mai ntlnim i sub denumirea de ordonare sau indexare dei ntre ele exist diferene tehnologice, dar efectul este acelai. Sortarea se face n general dup valoarea codului caracterelor cuprinse n cheia de sortare, de regul ASCII i mai nou unicod. Cheia de sortare poate fi :
simpl cnd sortarea se face dup o singur coloan; multipl cnd sortarea se face dup mai multe coloane cutare,

n cascad, deci aici

ordinea coloanelor este esenial. n sortarea multipl ordinea coloanelor este esenial, rezultatele fiind total diferite dac schimbm ordinea acestora. Exemplu. Sortarea Bonurile de consum dintr-o lun pe Conturi i Secii sau pe Secii i Conturi. Prima permite inserarea unui subtotal pe Secie n cadrul unui Cont i la schimbarea contului un total pe Cont, invers se va face un subtotal pe cont n cadrul Seciei i un total Secie la schimbarea ei.

4.3.2 Etapele sortrii n MS Excel Ordinea de sortare este impus de operaiile care urmeaz a fi efectuate : o listare ordonat alfabetic, cresctor sau o centralizare. MS Excel ofer un instrument comod i puternic de sortare, care este asociat cu filtrarea, dar am vzut c nu putem face sortri multiple acolo, pe cnd dac folosim funcia

44

de Sortare putem realiza sortri multiple i complexe dac inem cont de faptul c ordinea de sortare poate s difere de la o coloan la alta. Funcia de sortare este accesibil din meniul principal prin opiunile Home i Data: Home, subopiunea Editing i are imaginea din figura urmtoare cu meniunea Sort/Filter, care prin activare apare formularul

prin care sunt accesibile urmtoarele funcii: o Sort A to Y sortare cresctoare simpl a coloanei selectate; o Sort Y to A sortare descresctoare simpl a coloanei selectate; o Custom Sort- activeaz un formular prin care definim coloanele i ordinea de sortare, care arat ca n figura urmtoare.

Fig. 21 Formular definire parametri sortare

n formular sunt accesibile funciile cu urmtorul rol: o My data has header acest Check Box dac este bifat n lista de ordonare apare denumirea coloanei, n caz contrar apare simbolul coloanei (A,B,); o AddLevel adaug un nou nivel de sortare la care se selecteaz coloana dup care se face ordonarea, se stabilete ordinea de sortare, implicit dup valoarea, dar se poate i dup culoare, apoi modalitatea de ordonare: cresctor, descresctor; o Delete Level terge nivelul selectat

45

o Options- permite sortarea rndurilor, implicit, dar i a coloanelor dac informaiile sunt structurate astfel. o OK finalizeaz operaia pregtitoare i face sortarea efectiv. Data i opiunea Sort / Filter, aici sunt separate cele dou funcii, fiecare are butonul su, dar funcionalitatea este aceiai. 4.3.3 Probleme de sortare n continuare se d colecia CIG_DBF.XLS care conine colecia ncasrilor i plilor aferente Clienilor i Furnizorilor unei societi comerciale pe perioada 2009-2012. Colecia conine 31378 de nregistrri, un numr apreciabil pentru a fi supus prelucrrilor noastre. Structura coleciei este cea din probleme anterioar i se solicit : 1. S se sorteze colecia dup ncasri i pli. 2. S se ordoneze colecia dup parteneri, tip operaie (ncasare, plat) i numr document decontare; 3. S se sorteze colecia dup luna contabil, tipul operaiei i modalitatea de efectuare a operaiei; 4. S se ordoneze colecia pe luna contabil, tipul operaiei i partener; 5. S se ordoneze colecia dup partener, anul, luna i ziua operaiei i tipul operaiei. Pentru rezolvarea acestor probleme este necesar trecerea de la limbajul natural utilizat n formularea problemelor, la limbajul specific aplicaiei MS Excel, care const n urmtoarele: 1. ncasri i pli n colecie sunt valorile coloanei tipf, deci se va face o sortare simpl dup aceast coloan; 2. Parteneri, tip operaie i numr document decontare n tabel le corespund coloanele : codf, tipf i nrdoc, deci se face o sortare dup trei coloane; 3. Luna contabil, tipul operaiei i modalitatea de efectuare a operaiei n tabel le corespund coloanele : dat, tipf, tipddc, deci se face o sortare dup trei coloane; 4. Luna contabil, tipul operaiei i partener n tabel le corespund coloanele : dat, tipf, codf, deci se face o sortare dup trei coloane; 5. Partener, anul, luna, ziua i tipul operaiei n tabel le corespund coloanele : codf, an_d, lu_d, zi_d, tipf, deci se face o sortare dup cinci coloane. Rezultatul sortrii ofer posibilitatea realizrii unei structuri arborescente n care se pot evidenia att numrul ct i valoarea de la frunz, ramur la trunchi. Fiecare ramur este suma valorilor frunzelor de pe ramur, ramura fiind toate frunzele care au elemente comune reflectate n imaginea de mai jos.

46

ncasri

Pli

Total
Fig. 22 Arbore problema 1

Incasri11

Pli11

Incasari21

Plai21

Incasari31

Pli31

Partener1

Partener2

Partener3

Total
Fig. 23Arbore problema 2

CHI

OP

POS

CHI

OP

POS

ncasri

Pli

Luna

Total
Fig. 24 Arbore problema 3

Pentru celelalte probleme se procedeaz asemntor i aceast schem va sta la baza centralizrilor care va fi prezentat n continuare.

4.4 CENTRALIZAREA DATELOR


4.4.1 Caracteristicile centralizrii Centralizarea este una dintre cele mai utilizate activiti de prelucrare a datelor. Ea are meritul c evideniaz relativ simplu i clar aspectele eseniale ale diferitelor caracteristici ce se regsesc n structura coleciei de date i pot sta la baza altor analize care vizeaz structura sau dinamica fenomenelor. Centralizarea presupune c n prealabil informaiile au fost pregtite pentru acest proces, adic au fost filtrate informaiile care ne intereseaz i au fost sortate dup criteriile necesare, n acest moment ar trebui ca la finalul fiecrei schimbri de nivel s construim cte un subtotal i la final un total general. 47

Spre deosebire de Visual FoxPro cu MS Excel nu se pot face centralizri doar la dou nuvele : la schimbarea cheii i la total, deci este vorba de structuri arborescente tip arbore cu ramuri i trunchi, fr subramuri. La acest tip de probleme MS Excel este maestru, dac am neles exact modalitatea de

utilizare i funcionare a funciei specializate n construirea de subtotaluri. n practic se solicit urmtoarele tipuri de rapoarte centralizatoare: o Detaliat elementele primare se finalizeaz cu un rnd de total sau ncep cu acesta. Exemplu: plile dintr-o lun sunt structurate pe modaliti plat i atunci se calculeaz un total modalitate plat (CHI, OP, etc.) i un total pli; o Numai totalurile pe elemente, nu intereseaz elementele primare, n aceast variant apar numai totalurile modalitilor de plat i total pli; o Mixt, cnd la dorina utilizatorului se vizualizeaz rapid i comod componena analitic a unui total, iar celelalte sunt numai totalurile. 4.4.2 Funcia SUBTOTAL din MS Excel Toat paleta de probleme specifice centralizrii se realizeaz uor i rapid cu ajutorul funciei SUBTOTAL din opiunea DATA. Dac sortrile au fost fcute atunci se activeaz funcia SUBTOTAL apsnd butonul aferent ca n figura urmtoare. Odat activat funcia apare un formular care ne permite s definim parametri centralizrii ca

n figura urmtoare.

48

Fig. 2 Formular definire parametri de Subtotal Semnificaia parametrilor este urmtoarea: : se alege coloana care va coordona inserarea unui rnd de subtotal la fiecare schimbare de valoare. In exemplul dat s-a ales coloana dat dup care se va face un subtotal pe fiecare lun ( echivalentul unui total al plilor/ncasrilor pe fiecare lun contabil); Use function : subtotalul poate consta n suma, numrul, media, minimum, maximum sau produsul elementelor din grup, mai frecvent se alege suma, adic SUM; Add subtotal to : permite fixarea coloanelor la care va aplica funcia cerut prin bifare sau marcare. Se pot marca mai multe coloane dar numerice, aici s-a ales sumad, adic suma decontat (ncasat sau pltit); Cnd au fost fixai parametri i s-au stabilit condiiile de executare se apas butonul OK. Obs.1. n funcie de mrimea coleciei durata va fi mai mic sau mai mare nu se recomand filtrarea, care este un handicap mai mare.
At each change in

Obs.2. Dac se utilizeaz i filtrarea, atunci nu se beneficiaz de facilitile de vizualizare numai a rndurilor de total sau varianta mixt. Rezultatul pentru condiiile de mai sus arat ca n figura precedent n care sunt evideniate : rndul de subtotal lun care a aprut la finalul lunii 200901 i o serie de butoane ce faciliteaz condiiile de vizualizare a rezultatelor, care au aprut n stnga tabelului. Semnificaia apsrii butoanelor aprute este urmtoarea:
Apsarea lui 3 conduce la vizualizarea rndurilor de detaliu, ca n figur; Apsarea lui 2 conduce la afiarea numai a rndurilor de total ca n Fig.xx; Apsarea lui 1 conduce la afiarea numai a rndului de total general; Apsarea lui din dreptul rndului de Subtotal, inhib vizualizarea rndurilor

de

detaliu;
Apsarea lui +

din dreptul rndului de Subtotal, activeaz vizualizarea rndurilor de

detaliu.

Fig. 3 Vizualizare numai rnduri de subtotal

49

Rezultatul de mai sus s-a obinut prin apsarea butonului 2 din stnga tabelului, dac se apas semnul plus(+) din dreptul rndului de subtotal vor fi afiate i rndurile de detaliu. Pentru probleme bine definite i care se cunosc clar condiiile de centralizare se recomand realizarea unei aplicaii dedicate care este fcut o dat i folosit de multe ori. Aici avem maleabilitate, flexibilitate mare, dar efortul se reia de fiecare dat, el este util n analiz i cercetare cnd ideile sunt spontane i trebuie verificate rapid, dac nu iese ce cutm relum analiza n alte codiii.

Simularea n MS Excel

5.1 SIMULAREA EVOLUTIEI PONDERILOR PE PIATA A TREI CATEGORII DE SOCIETATI


5.1.1 Facilitile oferite de EXCEL i etapele de modelare Programele comerciale de tip foi de calcul au devenit din ce n ce mai puternice att din punct de vedere al numrului de operaii de calcul i volumului de date ct i din punct de vedere al aplicaiilor. Concret foile de calcul au devenit un instrument utilizat de milioane de manageri n analiza problemelor de afaceri. Foile de calcul prezint o serie de avantaje pentru simularea unui sistem n care timpul nu este o variabil important. Aceste avantaje constau n urmtoarele: Rspndirea i accesibilitatea acestui tip de programe: aproape toate firmele utilizeaz foile de calcul pentru efectuarea de rapoarte de activitate, analize contabile, analiza bugetului de venituri i cheltuieli, analiza diferitelor scenarii etc. Nivelul necesar de pregtire i experien pentru folosirea lor este redus. Foile de calcul au ncorporate o mare varietate de funcii statistice. Comenzile de tip macro ale acestor programe au devenit mai puternice i mai uor de folosit. Ofer posibilitatea efecturii analizelor de tip Ce se ntampl dac? pri n schimbarea unui singur parametru.Exist multe programe de tipad-inn cum sunt @RISK i CRISTAL BALL pentru EXCEL care faciliteaz efectuarea experimentelor de simulare i analiz statistic a rezultatelor simulrii. Constuirea i execuia unui model de simulare cu un program de tip foaie de calcul presupune parcurgerea urmtoarelor etape: 1) Definirea sistemului care se analizeaz. Stabilirea obiectivului sistemului,identificarea variabilelor de decizie, a parametrilor, a variabilelor probabiliste independente i a variabilelor probabiliste dependente care pot influena atingerea obiectivului. 2) Construirea funciei obiectiv care prezint criteriul de evaluare a variabilelor de decizie. 50

3) Determinarea distribuiei de probabilitate pentru fiecare variabil probabilist independent. 4) Stabilirea metodelor de generare a seleciilor artificiale prin alegerea metodelor de rezolvare a ecuaiilor F(x)=u corespunztoare funciilor F(x) de distribuie cumulativ ale variabilelor probabiliste independente i a numerelor aleatoare u generate de funcia =RAND() 5) Organizarea foii de calcul pe baza formulelor obinute n etapele 2-4 cu urmtoarele seciuni:

seciunea parametrilor de intrare; seciunea variabilelor de decizie; seciunea distribuiilor de probabilitate ale variabilelor probabiliste independente; seciunea pentru generarea valorilor variabilelor probabiliste i a rezultatelor simulrii; seciunea cu indicatori statistici i distribuiile de probabilitate ale valorilor funciei obiectiv (criteriul de performan) pentru fiecare variabil decizional.

5.2 SIMULAREA EVOLUIEI PE PIA A UNOR PRODUSE CONCURENIALE


n desfurarea afacerilor, pot interveni o serie de evenimente ntmpltoare cum sunt: sosirea clienilor ntr-un sistem de servire; apariia defeciunilor la maini, echipamente etc.; apariia pe pia a unor noi competitori; accidente rutiere; cereri de despgubiri pentru bunurile asigurate; etc. Numrul evenimentelor care pot avea loc ntr-o perioad specificat este o variabil probabilistic discret. Comportamentul variabilelor probabiliste discrete poate fi descris cu urmtoarele destribuii de probabilitate: empiric, uniform discret, binomial, Poisson. n continuare va fi prezentat o aplicaie a simulrii Monte Carlo pentru analiza evoluiei pe pia a unor produse concureniale n cazul apariiei de noi competitori. 5.2.1 Analiza evoluei pe pia a unor produse concureniale n cazul apariiei de noi competitori -

51

Pe pia exist produse similare care satisfac aceeai necesitate de consum. De cele mai multe ori, aceste produse sunt realizate de firme concurente. Ficare din firmele concurente ncearc prin diferite mijloace (reclam, premii, preuri, calitate, form, ambalaj etc.) s atrag cat mai muli cumprtori. Ponderea pe pia a firmelor concurente se modific ntmpltor de la o perioad la alta, din cauza: reorientrilor ntmpltoare a cumprtorilor de la un produs la altul; apariiei pe pia a unor noi competitori; dispariiei pe pia a unor firme concurente. S presupunem c pe pia exist un numr finit n de produse A1 , A2 ,..., An care satisfac aceeai necesitate de consum. Se va considera c (n-1) dintre ele sunt companii care domin piaa, iar al n-lea competitor este reprezentat de toate firmele mici. 5.2.2 Baza informaional a problemei Pe piaa buturilor rcoritoare exist dou firme dominante Beta i Gama. Celelalte 10 firme concurente formeaz clasa firmelor mici. n Tabelul 6.1, sunt prezentate cotele iniiale de participare pe pia a firmelor concurente: Tabelul 6.1 Denumire firm Beta Gama Firme mici Pondere 46% 44% 10%

Probabilitatea ca una din firmele mici s ias de pe pia ntr-un an este de 0,5. Numrul firmelor noi care pot aprea ntr-un an este o variabil discret descris de o distribuie Poisson cu media 1. n EXCEL se va folosi funcia=Poisson (numr de firme noi pe an, media numarului de firme noi pe an,1). Din piaa eliberat de firmele care au ieit de pe pia, firma Beta poate ctiga minim 40%, cel mai probabil 50%, maxim 60% (distribuie triunghiular). Restul din pia eliberat este preluat de firma Gama. Reorientrrile i fidelitile cumprtorilor pot fi descrise de matricea P a probabilitilor de tranziie ale crei elemente sunt variabile probabiliste cu distribuii triunghiulare date in Tabelului 6.2.

52

Obiectivul simulrii: Determinarea cotelor de pia pentru urmtorii 10 ani

Tabelul 6.2

Firma aleas n perioada t


Minimum Firma Beta Cel mai probabil Maximum Minimum Firma Gama Cel mai probabil Maximum Minimum Firmele mici Cel mai probabil Maximum

Reorientri n perioada (t+1) Firma Beta


1-(0,01+0,005*total firme mici) 1-(0,05+0,01*total firme mici) 1-(0,1+0,03*total firme mici)

Firma Gama
0,01

Firmele mici
0,005*total firme mici

0,05

0,01*total firme mici

0,10
1-(0,02+0,005*total firme mici)

0,03*total firme mici

0,02 0,06 0,10 0,05 0,10 0,15

0,005*total firme mici

1-(0,06+0,01*total firme mici)

0,01*total firme mici

1-(0,1+0,03*total firme mici)

0,03*total firme mici

0,05 0,10 0,15

1-(0,05+0,05) 1-(0,10+0,10) 1-(0,15+0,15)

Rezolvare Vom nota vectorul de pia la momentul iniial:


t

t Beta

t Gama

t Firme mici

Matricea P a probabilitilor de tranziie este prezentat n Tabelul 6.2. 53

Modelul matematic pentru determinarea pentru cotelor de pia n perioada (t+1) este urmtorul:
t 1

t 1 Beta

t 1 Gama

t 1 Firme mici

P pentru t=1,2,,10

i apoi: Cota de pia eliberat de firmele care ies de pe pia= =[Numr firme care ies de pe pia/Total firme mici]* Cota de pia a firmei Beta n perioada (t+1)= =
t 1 Beta +fraciunea t 1 Firme mici

ctigat de firma Beta din cota de pia eliberat de firmele care au ieit

de pe pia Cota de pia a firmei Gama n perioada (t+1)= =


t 1 Gama +fraciunea

ctigat de firma Gama din cota de pia eliberat de firmele care au

ieit de pe pia Cota de pia a Firmelor mici n perioada (t+1)= - cota de pia eliberat de firmele care au ieit de pe pia Deoarece modelul conine variabile probabiliste, pentru determinarea cotelor de pia pentru fiecare an t,t=1,2,,n,se va utiliza simularea Monte Carlo prin parcurgerea urmtoarelor etape: I. Generarea numrului de firme noi i determinarea numrului total de firme mici la nceputul anului t; II. Generarea reorientrilor din matricea P a probabilitilor de tranziie; III. Determinarea cotei de pia a firmelor mici, determinarea numrului firmelor care ies de pe pia i acotei de pia eliberat de firmele care ies de pe pia. IV. Determinarea fraciunilor ctigate de firmele dominante din cota de pia eliberat de firmele care au ieit de pe pia; V. Determinarea cotelor de pia la sfritul anului t; VI. Determinarea cotelor de pia la nceputul anului (t+1); VII. Anul (t+1) devine an curent i se reia procedura de la Etapa I; VIII. Realizarea unui numr mare de simulri i analiza evoluiei cotelor de pia medii anuale. 5.2.3 Simularea n EXCEL 1. Se introduc date de intrare conform Figura 6.1. n zona F4:G20 se creaz tabelul cu distribuia Poisson a numrului de firme noi care apar ntr-un an cu funcia=Poisson (numr firme noi,media pe an,1).Se poate consulta Figura 6.4 unde sunt prezentate formulele utilizate. 54
t 1 Firme mici -

Pentru a facilita generarea variabilelor probabiliste cu distribuie triunghiular, n celulele F22,F27,F28,F30,F32,F34,F35 s-au calculat probabilitile P(X Cel mai probabil). 2. Se introduce matricea reorientrilor conform Figurii 6.2. 3. Simularea evenimentelor din Anul 1 prin parcurgera etapelor I-V. n Figura 6.3 se observ c n zona B39:B41 se preiau ponderile iniiale din zona B6:B7 i B11, iar n celula B44 se preia numrul iniial de firme mici. n celula B45 se genereaz numrul de firme noi care pot apare n Anul 1. n acest scop se utilizeaz funcia=VLOOKUP(RAND(),$F$20,2) n B45 se calculeaz numrul total de firme=SUM(B44:B45). n zona B49:B57 se genereaz reorientrile din Anul 1. Deoarece aceste reorientri sunt descrise prin distribuii triunghiulare triunghiulare cu trei valori (a<b<c), se rezolv ecuaiile F(x)= u prezentate n seciunea 2.6. Se determin P(X<=cel mai probabil) Dac u
2

=(b-a)/(c-a).

, atunci din ecuaia F(x)= u de forma : x=a+ ( u (b-a)(c-a)) =a+(c-a)( u * )


1 2

((x-a) )/(b-a)(c-a)= u i dac u

1 2

atunci din ecuaia 1-((c-x) 2 )/(c-a)(c-b)= u

x=c-((1-u)(c-a)(c-b)) =a+(c-a)(1-(1- )(1- u )

1 2

1 2

n zona B60:B63 se obin informaii despre firmele care ies de pe pia. n zona B66:B67 se determin fraciunile ctigate de firmele dominante din cota de pia eliberat de firmele care au ioeit de pe pia. n zona B70:B72 se determin cotele de pia la sfritul anului t. Aceste cote se copiaz n zona C39:c41 pentru a deveni cotele iniiale pentru Anul 2. 4. Realizarea unui numr mare de simulri se va realiza prin utilizarea comenzilor DATA i TABLE .(vezi Figura 6.5).

5.3 SIMULAREA METODEI MONTE CARLO PENRU EVALUAREA UNUI PROIECT


5.3.1 Baza informaional a problemei

55

Societatea PIONER SA specializat pe culturi agricole, vrea s studieze evoluia venitului net actualizat (VNA) obinut de pe cultivarea a 500 ha cu gru n urmtorii 5 ani n condiiile urmtoare:

capitalul iniial 2000 mil Lei ( C0 ); costul de producie pentru 1 ha de gru (CU): n primul an este descris de o distribuie normala cu media de 5 milioane Lei / ha i o abatere standard de 0,5 mil Lei/ha n anii urmtori costul de producie la ha este costul anterior actualizat cu indicele de inflaie CUi = CUi-1 *(1+f); factorul de inflaie este o mrime probabilist care poate fi descris cu o distribuie normal cu media de 9% i o abatere standard 0,05; preul de vnzare ( P ) al unei to de gru : pentru alimentaie este de 4,5 mil Lei n primul an i n anii urmtori preul precedent actualizat cu indicele de inflaie f (Pi = Pi *(1+f)); producia neacoperit de cerere se va vinde la sfritul anului la o ferm de animale la un pre cu 40 % mai mic; cererea anual de gru este (CA) : n primul an este o mrime probabilist care poate fi descris de o distribuie normal cu o medie de 2000 to i cu o abatere de 500 to; n anii urmtori CAi i=2:5 este descris de o distribuie normal cu media vnzrile din anul precedent i abaterea 600 to; producia estimat (PU) la ha este o variabil normal cu media de 4,5 to /ha i o abatere standard de 0,7 to. Unitatea dispune de sistem de irigaii i presupune c factorii naturali (grindina, vntul, etc.) afecteaz producia n limitele variaiei normale definite.

Conducerea societii dorete s cunoasc evoluia venitului net actualizat i implicit determinarea probabilitii ca societatea s ias n pierdere n vederea schimbrii culturii sau depistarea altei alternative. 5.3.2 Rezolvare

5.3.2.1 Obiectivul problemei Problema de rezolvat este o problem decizionala de acceptare sau respingerea a unei variante posibile sugerat de echipa tehnic care se poate rezolva prin simulare.

56

5.3.2.2 Criteriul de decizie Criteriul de decizie utilizat va fi Venitul Net Actualizat, care este dat de relaia:

VNA

C0
i

Fi i 1 (1 a)

C0 - Capitalul iniial necesar primului an; Fi - Fluxul de numerar din anul i; D Durata de funcionare a obiectivului; a - rata de actualizare ; 5.3.2.3 Diagrama de flux pentru funcia obiectiv

VNA
Capitalul iniial Fluxul de numerar anual Durata de funcionare Rata de actualizare

Venitul anual din vnzri

Costul anual de producie

Pretul unitar de vnzare

Cererea anuala

Cantitarea produs anual

Costul unitar de producie

Factor de inflaie

Suprafaa cultivabil

Producia la ha

5.3.2.4 Descrierea variabilelor utilizate

Variabile tip parametru sau calculate direct:

57

Capitalul iniial C0= 2000 mil Lei; Durata proiectului D=5 ani; Preul iniial : P0 = 4,5 mil Lei; Preul n anii urmtori Pi = Pi-1*(1+f) Preul pentru sectorul zootehnic Pzi=Pi*0.60

Variabile probabiliste independente: Costul unitar pentru o to de gru CU=4 0,5 mil Lei; Factorul anual de inflaie: f=9% 0,05%; Cererea anuala : CA=2000 to 500 to ; Producia anuala : PA=2200 to 700 to.

Variabile probabiliste dependente: Costul unitar anii urmtori CU=CU*(1+f) Preul unitar de vnzare n anii 2,3,4,5 Pi =Pi-1*(1+fi ); Costul anual de producie CP= PA*CU; Producia vndut pt. alimentaie PVA=min(CA,PA); Producia vndut pt. furaje PVF=max(0,PA-PVA); Fluxul de numerar F = PVA*CU+PVF*CU *(1-40%) D Fi Venitul net actualizat VNA C0 i i 1 (1 a)

5.3.2.5 Descrierea funciilor informatice utilizate Pentru simularea procesului n care intervin variabile probabilistice se utilizeaz urmtoarele funcii EXCEL:

NORMINV ( RANDOM ()), x, ) care genereaz o valoare corespunztoare unei distribuii normale pornind de la o probabilitate aleatoare generat de RAND(), n condiiile unei valori medii date x i ale unei abateri standard .

=NPV(rata_de_actualizare, zona_valorilor_ce_se_actualizeaz) actualizeaz valorile din zona de actualizat cu rata de actualizare conform formulei date; comenzile DATA i TABLE pentru simularea a 100 variante la care se calculeaz valoarea medie, n vederea tragerii unei concluzii ct mai apropiate de realitate. 58

5.3.2.6 Concluzii In urma analizei rezultatelor simulrii se trag urmtoarele concluzii: VNA mediu va fi 5985 Mil Lei pentru 500 simulri; cu o probabilitate de 96,4% VNA va fi intre : -1090 i 13996 mil Lei; cu o probabilitate de 80,8% NVA va fi ntre 2933 i 10979 mil Lei; cu o probabilitate de 40,0% VNA va fi ntre 4945 i 7962 mil Lei; Urmeaz ca pe baza analizei rezultatelor simulrii echipa managerial s hotrasc dac i asum responsabilitatea sau schieaz alte variante.

Extras din Histograma Parreto a simularii


-2095 -1090 -84 922 1928 2933 3939 4945 5950 6956 7962 8968 9973 10979 11985 12990 13996 4 5 14 25 20 29 46 47 56 47 50 40 34 30 20 12 7 2.00% 3.00% 5.80% 10.80% 14.80% 20.60% 29.80% 39.20% 50.40% 59.80% 69.80% 77.80% 84.60% 90.60% 94.60% 97.00% 98.40% 6956 3939 8968 9973 10979 2933 922 1928 11985 -84 12990 13996 -1090 -3101 -2095 15002 16008 47 46 40 34 30 29 25 20 20 14 12 7 5 4 4 4 2 40.00% 49.20% 57.20% 64.00% 70.00% 75.80% 80.80% 84.80% 88.80% 91.60% 94.00% 95.40% 96.40% 97.20% 98.00% 98.80% 99.20%

59

BILIOGRAFIE

1) Modelarea matematic , Mircea Malia,..., Editura Tehnic, Bucureti, 1987 2) Simularea sistemelor, de Gh.Dodescu, Stefania Scxheianu, ,Editura Tehnic, Bucureti, 1992 3) Fundamentele statisticii economice, Preda Mircea, Editura Universitas, Petroani, 2010 4) Proiectarea sistemelor informatice, Preda Mircea, Editura Universitas, Petro ani, 2002 5) Simulari n afaceri, Florica Luban , suport curs, ASE, Bucureti 6) *** MS Office MSDN 7) *** MS Excel documentaia aplicaiei

60

CUPRINS
1 CONCEPTUL DE MODEL I MODELE MATEMATICE .................................................................................. 2 1.1 2 3 PARTICULARITILE MODELRII MECANICE .............................................................................................. 3

MODELAREA MATEMATIC UNUI FENOMEN SOCIAL .............................................................................. 7 CONCEPTE STATISTICE NECESARE MODELRII ......................................................................................... 8 3.1 MODELE DE PREZENTARE A REZULTATELOR OBSERVAIEI STATISTICE ..................................................... 8 3.1.1 Serie simpl ..................................................................................................................................... 9 3.1.2 Distribuie absolut sau serie de repartiie ..................................................................................... 9 3.1.3 Distribuie relativ sau serie de repartiie .................................................................................... 10 3.1.4 Problem ....................................................................................................................................... 11 3.2 SERII DE REPARTIIE / DISTRIBUII FUNDAMENTALE................................................................................ 13 3.2.1 Distribuia binomial .................................................................................................................... 13 3.2.2 Problem ....................................................................................................................................... 15 3.2.3 Distribuia POISSON .................................................................................................................... 15 3.2.4 Problem ....................................................................................................................................... 16 3.2.5 Distribuia triunghiular ............................................................................................................... 16 3.2.6 Problem ....................................................................................................................................... 17 3.2.7 Distribuia normal ....................................................................................................................... 18 3.2.8 Problem ....................................................................................................................................... 20 3.3 AJUSTAREA LEGTURILOR STATISTICE ...................................................................................... 21 3.3.1 Metoda regresiei ........................................................................................................................... 21 3.3.2 Modele de regresie unifactorial .................................................................................................. 23 3.3.3 Metoda celor mai mici ptrate ...................................................................................................... 24 3.3.4 Ecuaiile de regresie polinomiale .................................................................................................. 25 3.3.5 Problem ....................................................................................................................................... 26 3.3.6 Problem ....................................................................................................................................... 27 3.3.7 Regresiile exponeniale ................................................................................................................. 30 Regresiile hiperbolice ................................................................................................................... 31 3.3.8 3.3.9 Regresiile logaritmice ................................................................................................................... 31 3.3.10 Calculul sumei ptratelor abaterilor ........................................................................................ 32 3.3.11 Problem .................................................................................................................................. 33

INSTRUMENTE MS EXCEL SPECIFICE MODELRII I SIMULARII .............................................................. 34 4.1 ACTUALIZAREA COLECIILOR DE DATE N MS EXCEL............................................................................................. 34 4.2 FILTRAREA I SORTAREA DATELOR DINTR-O COLECIE ........................................................................... 38 4.2.1 Conceptul de filtrare ...................................................................................................................... 38 4.2.2 Filtrarea datelor n MS Excel ......................................................................................................... 40 4.2.3 Probleme de filtrare....................................................................................................................... 43 4.3 SORTARE DATELOR N MS EXCEL..................................................................................................................... 44 4.3.1 Concepte specifice sortrii ............................................................................................................. 44 4.3.2 Etapele sortrii n MS Excel ........................................................................................................... 44 4.3.3 Probleme de sortare ...................................................................................................................... 46 4.4 CENTRALIZAREA DATELOR ...................................................................................................................... 47 4.4.1 Caracteristicile centralizrii ........................................................................................................... 47 4.4.2 Funcia SUBTOTAL din MS Excel .................................................................................................... 48

SIMULAREA N MS EXCEL ...................................................................................................................... 50

61

5.1 SIMULAREA EVOLUTIEI PONDERILOR PE PIATA A TREI CATEGORII DE SOCIETATI......... 50 5.1.1 Facilitile oferite de EXCEL i etapele de modelare ................................................................... 50 5.2 SIMULAREA EVOLUIEI PE PIA A UNOR PRODUSE CONCURENIALE ............................ 51 5.2.1 Analiza evoluei pe pia a unor produse concureniale n cazul apariiei de noi compe titori ..... 51 5.2.2 Baza informaional a problemei .................................................................................................. 52 5.2.3 Simularea n EXCEL ..................................................................................................................... 54 5.3 SIMULAREA METODEI MONTE CARLO PENRU EVALUAREA UNUI PROIECT ...................... 55 5.3.1 Baza informaional a problemei .................................................................................................. 55 5.3.2 Rezolvare ....................................................................................................................................... 56
5.3.2.1 5.3.2.2 5.3.2.3 5.3.2.4 5.3.2.5 5.3.2.6 Obiectivul problemei ................................................................................................................................ 56 Criteriul de decizie .................................................................................................................................... 57 Diagrama de flux pentru funcia obiectiv.................................................................................................. 57 Descrierea variabilelor utilizate ................................................................................................................ 57 Descrierea funciilor informatice utilizate ................................................................................................ 58 Concluzii................................................................................................................................................... 59

62