Sunteți pe pagina 1din 64

MANAGEMENTUL CALITII Construcia, implementarea, dezvoltarea sistemului calitii n ntreprinderi industriale

Capitolul III

STATISTICA TEHNIC
3.1.

NOIUNI GENERALE

Statistica reprezint un ansamblu de procedee, tehnici i principii metodologice care au drept scop
producerea informaiei statistice avnd la baz observarea, prelucrarea i analiza datelor statistice, aciuni
care vor conduce la fundamentarea deciziilor referitoare la starea i variabilitatea colectivitii statistice n
timp, n spaiu i din punct de vedere calitativ.
Statistica matematic, n general, i statistica tehnic, n particular, are ca obiectiv cercetarea metodelor
de culegere, nregistrare, prelucrare i analiz a datelor statistice experimentale referitoare la o colectivitate
statistic n scopul obinerii unor previziuni privind desfurarea ulterioar a fenomenelor de mas, respectiv
pentru fundamentarea deciziilor.
Principalul rol al statisticii tehnice este de a descoperii legile de variabilitate a fenomenelor de mas,
fenomene ce se produc n condiii de incertitudine. Practic, se poate determina probabilitatea de reapariie a
unor fenomene n viitor n funcie de frecvena de apariie n trecut a evenimentelor.
Statistica tehnic studiaz fenomene de mas cum ar fi mulimea de piese finite, mulimea de repere, de
subansambluri care se produc n aceleai condiii, sunt de aceiai natur, au aceleai legi de dezvoltare,
practic sunt fenomene statistice omogene.
Procesul de cunoatere statistic este complex utiliznd dou tipuri de raionamente recunoscute n
cadrul metodelor tiinifice: raionamentul deductiv i raionamentul inductiv. Raionamentul deductiv
parcurge etapele de la general la particular i utilizeaz raionamentul matematic: se stabilesc ipotezele
generale asupra unor fenomene i se deduc prin raionament logic proprietile particulare. Raionamentul
inductiv parcurge procesul plecnd de la observaiile particulare asupra fenomenelor ajungndu-se la reguli
generale. n procesul de cunoatere statistic se emit ipoteze, se culeg date, se prelucreaz i se verific
datele observate, astfel se genereaz un ciclu deductiv inductiv. n concluzie, procesul de cunoatere
statistic este iterativ.
Ca disciplin tiinific, funcie de scopul cunoaterii, statistica se subdivide n:
Statistic descriptiv
Statistic inferenial
Analiz statistic
Statistica Descriptiv
Cu ajutorul statisticii descriptive se pot descrie starea i variabilitatea unei colectiviti statistice dup
una sau mai multe caracteristici. Obiectivul principal const n culegerea datelor statistice, prelucrarea i
prezentarea lor sintetic, fie sub form numeric prin indicatori statistici, fie sub form grafic prin diagrame
i tabele statistice.
n raport cu numrul caracteristicilor considerate n planul cunoaterii avem:
Statistic descriptiv unidimensional cu o singur variabil;
Statistic descriptiv bidimensional cu dou variabile;
Statistic descriptiv multidimensional mai multe variabile;
Statistic Inferenial s-a dezvoltat dup descoperirea legilor probabilistice i construirea teoriei
probabilitilor. Statistica inferenial este utilizat pentru estimarea caracteristicilor unei colectiviti
pornind de la cunoaterea unei colectiviti pariale i testarea ipotezelor statistice care const n msurarea
incertitudinii rezultatelor i calcularea riscurilor pe care le implic luarea unor decizii fundamentate pe baza
unor informaii ce nu pot fi exhaustive. Statistica inferenial se utilizeaz pentru studierea, cunoaterea unei
colectiviti i se bazeaz pe inducia matematic fiind fundamentat pe legea numerelor mari, pe principiile
teoriei probabilitilor i pe statistica matematic.
Analiz Statistic urmrete descoperirea a ceea ce este permanent, esenial, logic n variaia
proceselor i fenomenelor de mas i msurarea influenei factorilor care le determin variaia n timp, n
spaiu i din punct de vedere calitativ. n acest scop se folosesc urmtoarele metode: analiza de regresie,
analiza de corelaie, analiza seriilor de timp.
3.1.1. ETAPELE I PROCEDEELE SPECIFICE METODEI STATISTICE

Capitolul III STATISTICA TEHNIC

a) Definirea problemei presupune precizarea clar a scopului i a ariei de investigaie (fenomen sau
proces observat) a variabilelor care sunt observate. n aceast etap se efectueaz documentarea teoretic i
faptic asupra fenomenului ce trebuie observat, se emit ipotezele de lucru se aleg metodele de investigare, se
elaboreaz planul de cercetare.
b) Observarea statistic este o etap important, un proces complex de identificare, msurare i
nregistrare a fenomenelor de mas reprezentnd caracteristicile indivizilor unei colectiviti care se
manifest ntr-un mod real, practic se obin probele pentru procesul de cunoatere statistic. Calitatea
probelor obinute va determina n mod esenial autenticitatea informaiei statistice.
Culegerea datelor statistice se poate face prin:
nregistrare total (exhaustiv) a populaiei;
nregistrarea parial (anchete prin sondaj) adic nregistrarea la nivelul unui
eantion.
c) Prelucrarea statistic a datelor este un proces complex prin care datele nregistrate sunt
sistematizate i tratate statistic n vederea obinerii sistemului de indicatori. Prelucrarea statistic cuprinde
efectuarea unui numr de opt operaii pentru obinerea indicatorilor utiliznd procedee i tehnici de lucru
specifice statisticii:
1. Sistematizarea probelor obinute n etapa observrii statistice. Operaia se poate realiza prin
procedee clasice de centralizare i grupare statistic n urma creia se obin indicatorii primari i
serii de date statistice.
2. Prezentarea datelor statistice utilizeaz metodele tabelare i/sau graficele.
3. Calcularea indicatorilor derivai cum ar fi:
indicatori ai valorii centrale;
indicatori ai dispersiei;
indicatori ai formei de repartiie.
4. Msurarea gradului de intensitate a legturilor statistice (procedeele covariaiei i corelaiei);
5.
Msurarea influenei factorilor asupra variaiei fenomenelor;
6. Aproximarea modelelor de regresie i de trend (procedeul ajustrii statistice);
7. Prognoza fenomenelor (extrapolarea statistic);
8. Estimarea parametrilor i verificarea ipotezelor statistice (procedeul inferenial).
Rezultatul prelucrrii statistice se regsete n valoarea indicatorilor primari i derivai.
d) Analiza statistic. Procesul cunoaterii statistice fiind un proces iterativ, etapele prelucrrii datelor
statistice se combin cu procedeele de analiz a rezultatelor, practic trecerea la urmtoarea faz de prelucrare
statistic se face numai dup analiza rezultatelor obinute n cadrul prelucrrilor statistice.
3.1.2. NOIUNI FUNDAMENTALE
Statistica opereaz cu o terminologie unitar utiliznd urmtoarele concepte de baz:

colectivitile statistice;

unitile statistice;

variabilele statistice;

indicatorii statistici.
A)
Colectivitile statistice mai sunt denumite populaii, mulimi sau universuri statistice. O
colectivitate statistic reprezint totalitatea elementelor relative identice care au aceiai natur i au o
trstur esenial comun numit omogenitatea. n cadrul statisticii tehnice, colectivitile statistice
definesc populaii reale care sunt, n fapt, mulimi finite. Colectivitile statistice trebuie s fie delimitate de
frontiere care sunt necesare pentru a se putea realiza observarea n condiii normale i pentru a se interpreta
rezultatele fr apariia unor confuzii.
Colectivitile statistice pot fi grupate dup urmtoarele criterii:
a) gradul de cuprindere:
1) colectiviti totale care pot fi:
- statice;
- dinamice.
2) colectiviti pariale care pot fi:
- statice;
- dinamice.
b) natura elementelor:
2

MANAGEMENTUL CALITII Construcia, implementarea, dezvoltarea sistemului calitii n ntreprinderi industriale

1) colectiviti cu coninut msurabil;


2) colectiviti cu coninut atributiv.
B) Unitile statistice reprezint elementele constitutive ale unei colectiviti statistice. Esenial pentru
unitile statistice este definirea clar i precis a acestora pentru a putea fi identificate corect ceea ce
presupune obinerea datelor autentice. Unitile statistice sunt elemente de observare, msurare i
nregistrare. Anumite uniti au o existen proprie, practic sunt concrete, altele pot fi abstracte fiind utilizate
pentru individualizarea observaiilor.
Clasificarea unitilor statistice se face dup:
a) gradul de complexitate:
1. uniti statistice simple sunt formate dintr-un singur element, depind de starea lor natural
de existen;
2. uniti statistice complexe sunt formate din dou sau mai multe uniti simple i depind de
modul de organizare
b) rolul n procesul nregistrrii statistice:
1.
uniti statistice active;
2. uniti statistice pasive.
C) Variabile statistice (sau caracteristici statistice) reprezint nsuiri, trsturi eseniale purtate de
unitile statistice ale unei colectiviti, adic dimensiunile prin care se observ, msoar cuantific i
nregistreaz fiecare unitate din colectivitate. n cadrul studiilor statistice, funcie de nivelul cercetrii se pot
regsi trei tipuri de variabile: empirice, teoretice i de selecie.
Variabilele empirice sau statistice sunt variabile ce exprim valori reale nregistrate la nivelul
unitilor statistice i le corespund distribuiile statistice (empirice). Acestea sunt tratate de statistica
descriptiv prin distribuii statistice unidimensionale sau bidimensionale. Variabilele aleatoare sunt acele
variabile ale cror variane depind de un sistem complet de evenimente.
Variabilele teoretice. Funcia de probabilitate reprezint frecvena relativ a unei variabile aleatoare i
au valori cu att mai mari cu ct influena factorilor ce le determin sunt mai mari. Variabilele teoretice au
valori abstracte ce sunt corespunztoare distribuiilor teoretice (distribuiilor probabilistice).
Variabilele de selecie se regsesc n cadrul cercetrilor prin sondaj. Distribuiile de selecie fac
obiectul statistici infereniale.
Clasificarea variabilelor statistice:
a) dup importana lor, pot fi:
1) variabile eseniale, exprim natura intern a fenomenului. Variabilele se regsesc la toate
unitile colectivitii;
2) variabile neeseniale, au caracter ntmpltor.
b) dup natura lor, pot fi:
1) variabile calitative, exprim esena, natura unitilor;
2) variabile de timp const n apartenena unitilor la un moment sau interval de timp;
3) variabile de spaiu, exprim zona (teritoriul) n care exist i se manifest unitile
colectivitii.
c) dup modul de exprimare, pot fi:
1) variabile numerice sau variabile cantitative acestea sunt fie numrabile fie msurabile, putnd
fi reprezentate pe o scal interval sau pe o scal raport. Domeniul lor de variaie se numete
amplitudine de variaie. Aceste variabile cantitative pot fi:
variabile continue ceea ce presupune c variabila numeric msurabil poate fi
divizat pn la infinit i se poate grupa n k intervale;
variabile discrete, iau valori msurabile.
2) variabile nenumerice sunt variabile calitative (sunt exprimate atributiv). Acestea pot fi
reprezentate pe o scal nominal sau pe o scal ordinal.
d) dup modul de manifestare se disting:
1) variabile alternative, au caracter dichotomic adic pot lua dect dou valori, mai sunt numite
caracteristici binomiale sau binare;
2) variabile nealternative, pot lua valori diferite reprezentate de uniti sau grupe de uniti.
D) Indicatori statistici. Un indicator statistic poate fi definit ca rezultatul numeric al unei numrri, al
unei msurri statistice a fenomenelor i proceselor de mas sau al unui calcul asupra datelor obinute dintr-

Capitolul III STATISTICA TEHNIC

o nregistrare statistic. Indicatori statistici au un coninut real, adic exprim fenomene i procese care se
deruleaz n mod natural.
n cadrul unei cercetri statistice, indicatorul statistic apare n dubl ipostaz
purttor de informaie, reprezentnd expresia numeric a unui fenomen real;
mijloc de calcul, fiind un instrument pentru obinerea informaiei statistice.
Valabilitatea tiinific a indicatorilor statistici este condiionat de dou condiii importante:
coninutul tiinific trebuie s fie bine determinat putnd fi reprezentat de o definiie, o formul de
calcul, etc.;
condiia de comparabilitate n timp, spaiu i calitativ trebuie s fie ndeplinit.
Clasificarea indicatorilor statistici se face dup urmtoarele criterii:
a) modul de determinare:
1) indicatori primari reprezint rezultatul unor msurtori statistice i exprim n mrime absolut
o dimensiune a unei colectiviti sau a unui element al acesteia;
2) indicatori derivai, se obin prin prelucrarea indicatorilor elementari.
b) gradul de cuprindere:
1) indicatori statistici sintetici sunt expresii numerice ale diferitelor categorii de sintez;
2) indicatori statistici analitici exprim structura unei colectiviti i influena factorilor care
acioneaz asupra acesteia.
c) forma de exprimare:
1) indicatori exprimai sub form de mrimi absolute;
2) indicatori exprimai sub form de mrimi relative;
3) indicatori exprimai sub form de mrimi medii.
3.2. STATISTICA DESCRIPTIV
Colectarea datelor referitoare la unitile statistice ce formeaz o colectivitate statistic urmrete
stabilirea valorii care este caracteristic indivizilor sau are ca scop formarea unei concluzii reale ce rezult
din datele observate, pentru a se formula decizii. Statistica descriptiv reprezint o form simpl de analiz a
caracteristicilor unei colectiviti statistice avnd incluse urmtoarele activiti: colectarea datelor,
prezentarea lor sub form de tabele, ntocmirea unei reprezentri grafice i stabilirea indicatorilor statistici.
Rezultatele acestor activiti permit obinerea unor informaii reale referitoare la colectivitatea statistic.
3.2.1. REPARTIII STATISTICE EMPIRICE
Sistematizarea datelor este o faz primar a prelucrrii statistice i are ca scop obinerea distribuiilor
statistice empirice. Sistematizarea datelor statistice nregistrate are ca scop ordonarea lor funcie de
omogenitate. Diferenierea pe grupe a populaiei statistice, n funcie de variabilitatea caracteristicii
examinate i a frecvenelor corespunztoare se face n raport cu diveri factori:
- n raport cu locul n care s-a produs fenomenul;
- n raport cu timpul n care s-au fcut observaiile;
- n raport cu un alt factor diferit de spaiu sau timp.
n mod corespunztor se deosebesc trei tipuri de repartiii statistice:
- repartiii n spaiu;
- repartiii n timp (dinamice);
- repartiii de frecvene.
Prezentarea empiric a rezultatelor obinute prin sistematizarea datelor se poate face prin serii, tabele i
grafice.
Tabele
O modalitate comod i rapid de prezentare a distribuiilor statistice este tabelul cu simpl sau cu dubl
intrare. Aceast form de prezentare este des utilizat deoarece ordoneaz operaiile ce sunt impuse de
prelucrarea statistic. Un tabel statistic trebuie s cuprind urmtoarele elemente: titlul general al tabelului,
titlurile interioare, unitatea de msur, rubricile tabelului, sursa datelor i dac este cazul sunt introduse note
la subsolul tabelului. Titlurile indic obiectul tabelului i trebuie astfel conceput nct s precizeze variabila
de distribuie i colectivitatea observat. Specificarea sursei este necesar pentru a identifica zona i pentru a
da posibilitatea verificrii datelor nregistrate. Notele de subsol ajut la interpretarea datelor.
4

MANAGEMENTUL CALITII Construcia, implementarea, dezvoltarea sistemului calitii n ntreprinderi industriale

Forma de prezentare a datelor utiliznd tabelele i reprezentrile grafice trebuie ntocmite n aa fel
nct s permit o interpretare direct i uoar, fr a mai necesita texte explicative suplimentare. Tabelul cu
datele primare conine valori ale caracteristicilor cercetate x1, x2, x3, ..., xn ce pot fi trecute ntr-o ordine
ntmpltoare.
Aceleai valori pot fi aranjate n ordine cresctoare xi xi 1 , n ordine descresctoare xi xi 1 sau n
orice alt form de ordonare crendu-se astfel, tabelul valorilor ordonate.
Dac gruparea se realizeaz pe intervale de grupare, tabelul de asociere se prezint astfel:
Tabel 3.1. Intervale de grupare
INTERVALE
DE
GRUPARE

CENTRUL
INTERVALUL
UI DE
GRUPARE

x1 inf x1 sup

x1med

n1

...

...

...

xi inf xi sup

ximed

ni

...

x m inf x m sup

...

...

x m med

nm

n ni
i1

TOTAL

FRECVENA
ABSOLUT
CUMULAT FCUM

FRECVENE
RELATIVE N
%
n
f % i 100
i
n

FRECVENE
FRECVENE RELATIVE
n
ABSOLUTE
f i
NI
i
n

f1

f1%

fi

fi%

FRECVENA
RELATIV
CUMULAT F%CUM
k

N m ni

Fm f i %

N1

F1

Ni

Fi

i 1

i 1

...

...

...

...

fm

fm%

Nm

Fm

f 1
i1 i

f i % 100
i1

Intervalul general se poate mpri n k intervale de grupare care pot fi egale sau neegale (se prefer
intervalele de grupare egale). Atunci cnd unitile statistice au o valoare egal cu valoarea superioar a
intervalului de grupare acestea trec n intervalul urmtor. Numrul unitilor statistice care au valori
aparinnd aceluiai interval de grupare reprezint frecvene absolute: n1, n2, ..., nk, respectiv frecvenele
relative: f1, f2, ..., fk. Suma total a frecvenelor absolute este egal cu numrul total al unitilor cercetate, n:

Tabel 3.2. Tabel cu dubl intrare


Valorile Y
Valorile X

x1
x2
...
xi
...
xm
n.j

y1

y2

n11
n21
...
ni1
...
nm1
n.1

n12
n22
...
ni2
...
nm2
n..2

yj
...
...
...
...
...
...

n1j
n2j
...
nij
...
nmj
n..j

...
...
...
...
...

yp

ni.

n1p
n2p
...
nip
...
nmp
n..p

n1.
n2.
...
ni.
...
nm.
n..

Raportul dintre frecvena absolut i numrul total de uniti statistice se numete frecven relativ:
n
n
f i i , f i % i 100
n
n
Sunt situaii n care este necesar s se cunoasc numrul de uniti statistice pn la o anumit valoare a
caracteristicii sau numrul de la o anumit valoare n sus. Aceast modalitate de prezentare se realizeaz
utiliznd frecvena cumulat care se noteaz cu fcum. Relaiile de calcul pentru: frecvena absolut cumulat
m

f cum ni

f cum % f i %

i 1
respectiv pentru frecvena relativ cumulat
.
Dac gruparea se realizeaz dup dou caracteristici, rezult o serie de repartiie bidimensional care se
reprezint printr-un tabel de corelaie sau tabel cu dubl intrare.
O distribuie bidimensional prezint variaia unitilor unei colectiviti simultan dup dou
caracteristici de grupare.
i 1

O distribuie bidimensional este definit de ansamblul de triplete (xi,yj,nij), i 1,m , j 1, p


Distribuiile marginale n X, respectiv n Y, sunt definite de ansamblul de cupluri (xi,ni.), i 1,m , respectiv
(yj,n.j), j 1, p , unde:
ni. reprezint efectivele marginale corespunztoare valorii xi
5

Capitolul III STATISTICA TEHNIC

n.j reprezint efectivele marginale corespunztoare valorii yj

p
m
ni. nij n n
.j
ij
j 1
i 1
p
m
Relaii ntre efectivele marginale i pariale: ni. n. j nij
i 1
j 1
i j
n. j
n
Frecvene relative marginale: f i. respectiv f . j
i. n..
n..

nij
Frecvene relativ pariale: f ij
n..

Frecvene relativ condiionate:


f j/i

nij
ni.

nij
fi / j
n. j

, j are valoare fix, i 1,m ;

, i are valoare fix j 1, p

Relaii ntre frecvene:


- Suma frecvenelor marginale:
m
m n
1 m
n..
1
f i.
n
i.
i. n..
n
..
n
..
i 1
i 1
i 1
p
p n. j
1 p
n..

1
f. j
n. j
n
..
n
..
n..
j 1
j 1
j 1

- Suma frecvenelor condiionate:

n. j
m
m nij
p
p nij
n
1 m
1 p

1 f
fi / j
nij

nij i. 1
j
/
i
n
n
n
n
i 1
i 1 . j
. j i 1
.j
j 1
j 1 ni. ni. j 1
i.

- Suma frecvenelor pariale:


p
p nij
m
m
1 m
n..

1
f ij
ni.
n
..
n
..
n..
i 1 j 1
i 1 j 1
i 1

- Produsul dintre frecvenele marginale i frecvenele condiionate este egal cu frecvenele pariale
corespunztoare:
n
n nij
ij
f f
i.

f
i.
j/i
ij
n.. n
n..
i.

- Produsul sumelor frecvenelor condiionate este egal cu suma frecvenelor pariale care este egal cu
unitatea:

ij
fi / j f j / i
n
i .j
i
j

n
ij
n

j i.

1
n

n i ij
.j

1
n
i.

n n

n . j i. 1

ij
n n
. j i.
j

Pe baza distribuiilor marginale i a distribuiilor condiionate se pot calcula medii marginale i


condiionate, variane marginale i condiionate, covariana.
Reprezentarea grafic a tabelului de corelaie se prezint ca un nor de puncte.
Tabel 3.3. Tabel de corelaie
Valorile Y

y1

y2

yj

ym

a
j 1

Valorile X

x1
x2
...
xi
...
xn

a11
a21
...
ai1
...
an1

a12
a22
...
ai2
...
an2

a.1

a.2

...
...
...
...
...
...

a1j
a2j
...
aij
...
anj

...
...
...
...
...

a1m
a2m
...
aim
...
anm

a1.
a2.

a.m

a..

ai.
...
an.

a
i 1

ij

a.j

Frecvene absolute i frecvene relative

ij

MANAGEMENTUL CALITII Construcia, implementarea, dezvoltarea sistemului calitii n ntreprinderi industriale

Valorile unei caracteristici statistice se pot prezenta sub form tabelar sau sub form restrns, prin
efectuarea unei grupri simple sau a unei grupri pe intervale. Gruparea simpl, posibil n anumite cazuri
pe caracteristici discrete, reprezint un tabel coninnd valorile distincte, respectiv numrul de apariie ale
acestora. Adoptarea unui numr m de intervale disjuncte i gruparea valorilor statistice pe aceste intervale
conduce la realizarea unui tabel cu intervale (clase) de grupare. Numrul unitilor (elementelor) statistice
care au aceeai valoare sau aparin aceluiai interval reprezint frecvena absolut n1, n2, , nn. Suma total
a frecvenelor absolute este egal cu numrul unitilor cercetate n:
ni n
Raportul dintre frecvena absolut i numrul total de uniti statistice se numete frecven relativ:
ni
n
n
100
fi i i
sau f i %
n ni
ni
n

Suma total a frecvenelor relative este egal cu:

i 1

f i 1 sau

f % 100
i

i 1

Calculul frecvenelor absolute cumulate:


N1 = n1, N2 = N1 + n2, , Ni = Ni-1 + ni, , Nm = Nm-1 + nm = n
m

N m nm n1 n2 .... ni ... nm
i 1

Calculul frecvenelor relative cumulate:


F1 = f1, F2 = F1 + f2, , Fi = Fi-1 + fi, , Fm = Fm-1 + fm = 1
Calculul frecvenelor relative cumulate exprimate n procente:
F1 = f1%, F2 = F1 + f2%, , Fi = Fi-1 + fi%, , Fm = Fm-1 + fm% = 100%
n multe cazuri este necesar s se cunoasc numrul total de uniti statistice pn la o anumit valoare a
caracteristicii sau numrul de la o anumit valoare n sus, acest numr reprezint frecvena cumulat.
Frecvena cumulat poate fi relativ sau absolut, de asemenea poate fi cresctoare sau descresctoare, ea
reprezint suma frecvenelor intervalelor de grupare de la un anumit nivel n sus sau n jos.
Intervale de grupare
Gruparea statistic este o centralizare pe grupe a unitilor unei colectiviti.
Mrimea intervalelor (claselor) de grupare se consider, n general, egal, cu excepia intervalelor
extreme, pentru care uneori se pot adopta valori diferite. Alegerea numrului de grupe se face innd seama
de scopul gruprii. Mrimea (amplitudinea) intervalelor de grupare se determin cu relaia:
x x min
A
h max

unde: h amplitudinea intervalului de grupare; k numrul de intervale de grupare


k
k
A x max x min - amplitudinea de variaie a caracteristicilor
unde: xmax i xmin reprezint valoarea maxim respectiv minim a caracteristici de grupare x.
n cazul colectivitilor de volum mare cu o tendin de variaie sistematic numrul intervalelor de
grupare se pot stabili cu relaia lui H. A. Sturges: k 1 3,322 lg n , unde n este numrul total al datelor
observate.
Pentru n 100 se utilizeaz relaia lui H. B. Mann i A. Wald:

1
n 1
k 4
4

1
5

Un alt mod simplu de stabilitate a numrului de intervale de grupare const n considerarea numrului
ntreg care rezult din relaia k n .
Pentru n 250 este suficient mprirea n 10 intervale de grupare.
Dac n 25 , gruparea valorilor statistice nu ofer informaii suplimentare pe baza crora s se poat
lua decizii. Atunci cnd se lucreaz cu intervale de grupare, frecvena rezultat prin grupare se consider ca
fiind corespunztoare valorilor medii al fiecrui interval. Dac limitele intervalului de grupare sunt xiinf i

xisup , intervalul se consider nchis la stnga i deschis la dreapta. Astfel, o valoare xi aparinnd intervalului

xi , xi
x xi xisup .
inf sup trebuie s satisfac inegalitatea iinf

Dac xi xisup valoarea xi va fi ncadrat n urmtorul interval de grupare.

Capitolul III STATISTICA TEHNIC

3.2.2. REPREZENTAREA GRAFIC


Reprezentarea grafic a datelor statistice se poate face prin figuri
geometrice i figuri naturale simbolice numite i diagrame sau grafice.
Reprezentarea grafic evideniaz aspectele caracteristice ale fenomenelor
i proceselor fiind folosit ca mijloc de comparare sau de studiere a
legturilor. Reprezentarea grafic este o metod de prezentare prin imagini
a datelor unei repartiii. Un rol important al graficului const n
interpretarea datelor, analiza lor i comunicarea rezultatelor. Cu ajutorul
graficului sunt puse n eviden caracteristici eseniale ale distribuiilor
cum ar fi tendinele, ordinea de mrime, legile de variaie n timp, n spaiu
sau din punct de vedere calitativ. Graficele frecvent folosite sunt:
histogramele de repartiie a frecvenelor (simple sau cumulate), diagramele
cu bare (coloane), diagrama prin benzi, diagrama de structur, cronograme,
diagrama polar, diagrama Radar, corelograma i poligonul frecvenelor.

42

44

38
Ni

32
24
14
7
2

Figura 3.1. Histograma


frecvenelor cumulate

x
i

Histograma este o diagram format din dreptunghiuri avnd pe axa absciselor segmente de dreapt
egale cu intervalul de grupare iar pe axa ordonatelor nlimea dreptunghiurilor este proporional cu
frecvena corespunztoare intervalului de grupare. Datele necesare
10
pentru construirea unei histograme pot fi constituite din orice set de
ni
8
msurtori ale unei variabile continue sau discrete. Datele pentru
7
construirea unei histograme trebuie s fie precise, complete i
6
5
reprezentative.
4
Dac intervalele sunt inegale efectivele nu sunt comparabile de la o
2
2
clas la alta, ca urmare n construcia histogramei este necesar s se
xi
recurg la frecvene corectate, denumite i frecvene reduse.
Frecvenele reduse se obin utiliznd relaia:
ki

hi

ni
ki

n care

Figura 3.2. Histograma


frecvenelor simple

li

unde:
lmin .
ni frecvena corespunztoare intervalului (xi-1,xi)
li mrimea intervalului (xi-1,xi)
lmin - mrimea intervalului minim
ki coeficientul de reducere al frecvenelor
Diagrama prin suprafee este un grafic n care datele statistice sunt reprezentate prin figuri geometrice
ca ptratul, dreptunghiul, cercul ale cror arii sunt proporionale cu mrimile indicatorilor respectivi.
Diagrama prin benzi este un grafic n care datele statistice sunt reprezentate prin dreptunghiuri a cror
lungime este proporional cu mrimile indicatorilor reprezentai iar limile dreptunghiului sunt egale i
sunt aezate pe axa ordonatelor.
Diagrama polar este un grafic construit pe o reea radial iar scara se construiete pe raz, lungimea
razei fiind egal cu media indicatorilor seriei respective.
Diagrama cu linii constituie un mod simplu de reprezentare a repartiiei ntlnite ndeosebi n fiele
industriale de control statistic.
Diagrama cu coloane este un grafic n care datele statistice sunt reprezentate prin ariile unor
dreptunghiuri cu aceiai lime construite pe axa absciselor a cror nlime este proporional cu mrimea
indicatorilor reprezentai.
10
8

ni
4
2
1

ni

6
5
3
2

xi

xi

Fig. 3.3 Diagrama cu linii


a frecvenelor absolute

5 15 20 25 30 35 40 45 50
8

Fig. 3.4 Poligonul


frecvenelor absolute

MANAGEMENTUL CALITII Construcia, implementarea, dezvoltarea sistemului calitii n ntreprinderi industriale

Diagrama de structur este un grafic n care este reprezentat structura unei colectiviti, scoate n
eviden raportul existent dintre prile componente ale colectivitii i colectivitatea luat ca ntreg. Graficul
utilizeaz figuri geometrice cum ar fi: cercul, ptratul, dreptunghiul. Suprafeele acestora sunt direct
proporionale cu volumul colectivitii, iar pari ale acestora sunt reprezentate prin poriuni de suprafa.
Poligonul frecvenelor acestui grafic poate fi extras dintr-o histogram unind prin linii frnte valorile
centrale ale intervalelor de grupare. n cazul frecvenelor cumulate cresctor, unind n acelai mod
mijloacele se obine poligonul repartiiei numit i ogiva lui Galton.
3.2.3. INDICATORI STATISTICI
Alctuirea seriei statistice, gruparea datelor i reprezentarea grafic nu sunt suficiente pentru analiza
statistic, respectiv pentru determinarea legilor cruia i se supune fenomenul de mas observat. Seria
statistic format scoate n eviden trsturile comune ale tuturor caracteristicilor ce se supun unor legi
generale. Datele existente n cadrul seriei trebuie s fie sintetizate ntr-un indicator care s le reprezinte.
Rezultatul msurtorilor obinute n condiiile variabilitii mrimilor ne conduce la faptul c exist o
tendin a datelor de a se grupa n jurul frecvenei maxime, frecven care corespunde unei valori centrale a
variabilelor statistice numit tendina central.
n cazul repartiiilor statistice empirice a frecvenelor, tendina de variaie pentru orice caracteristic a
populaiei statistice prezint dou aspecte:

de localizare (poziie) n jurul unei valori medii;

de variaie (mprtiere).
Din experien, se constat c repartiia frecvenelor poate fi simetric sau asimetric n raport cu poziia
de localizare, de asemenea, localizarea se poate face n jurul unei valori medii dar mprtierea poate fi
diferit. Graficele de frecven rezultate n urma prelucrrii datelor au numai valoare de utilizare calitativ.
O analiz cantitativ care s permit o comparaie a tendinelor de localizare i de variaie (mprtiere)
se poate realiza numai prin determinarea indicatorilor statistici care se calculeaz pe baza datelor statistice
ale valorilor caracteristice respective.
3.2.3.1. Indicatori de localizare (de poziie)
Orice mrime care d informaii asupra poziiei valorilor principale ale repartiiei pe axa absciselor se
numete indicator de localizare (poziie). Indicatorul de localizare este o valoare teoretic, care n anumite
cazuri poate s nu existe practic printre valorile populaiei. Indicatorul de localizare precizeaz valoarea n
jurul creia tind s se grupeze datele reale. Indicatorul de baz al tendinei de localizare este format din
mrimile medii.
Media.
n cadrul procesului de prelucrare a datelor, pentru a caracteriza n mod sintetic ceea ce este tipic sau
esenial n variaia caracteristicii dintr-o colectivitate statistic este necesar s se calculeze media. Media este
un indicator derivat. Media este sintetizat numeric sub form abstract pentru toate nivelurile individuale
ale unei caracteristici.
Pentru ca media s aib un coninut real, deci s nu denatureze rezultatul cercetrii este necesar ca la
calculul acesteia s se in cont de urmtoarele aspecte:

nainte de a calcula media se va efectua o analiz a structurii colectivitii asigurndu-ne de


omogenitatea unitii folosite pentru a calcula media;

n cazul n care colectivitatea are un caracter eterogen, este necesar ca respectiva colectivitate s se
mpart n grupe omogene; se va calcula o medie pentru fiecare grup, iar ulterior se calcula o
medie pentru ntreaga colectivitate analizat;

pentru calcul mediei se va utiliza un numr ct mai mare de valori individuale;

deoarece se pot calcula mai multe tipuri de medii se va utiliza acel tip care se coreleaz cel mai
bine cu natura i forma de variaie a caracteristicii.
Media reprezint expresia care sintetizeaz ntr-un singur nivel (reprezentativ) tot ceea ce este esenial,
tipic i obiectiv n modul de apariie, manifestare i dezvoltare pentru caracteristica statistic. Anumite
9

Capitolul III STATISTICA TEHNIC

concepte consider media ca fiind sperana matematic spre care tind toate valorile caracteristicilor
statistice. Fiecare dintre medii se pot calcula sub dou forme:

ca medie simpl;

ca medie ponderat;
Media aritmetic x - se calculeaz atunci cnd fenomenul cercetat nregistreaz modificri
constante care se afl n progresie aritmetic. Considernd valorile caracteristicii: x1, x2, ..., xn
x x ... x n 1 n
x 1 2
xi
n
n i 1
Media ponderat. Cnd exist intervale de grupare cu frecvene de apariie specifice fiecrui interval,
media aritmetic se calculeaz cu relaia:
n

x n x 2 n2 ... x n nn
x 1 1

n1 n2 ... nn

x i ni

x1 f1 x 2 f 2 ... x n f 2

sau x
f 1 f 2 ... f n

i 1
n

x f
i

i 1

f i % 100 , atunci

i 1

Pentru variabilele aleatoare discrete X :

i 1

i 1
n

x
i 1

fi

sau

i 1

f i % 1 atunci x xi f i
i 1

100
xi
, i 1,2,..., n valoarea medie se noteaz cu M X i
p i
n

x1 p1 x 2 p 2 ... x n p n
i 1n
se calculeaz cu relaia: x M X
p1 p 2 ... p n

xi pi

p
i 1

xi pi unde:
i 1

p
i 1

reprezint un sistem complet de evenimente.


Pentru variabile continue, media aritmetic care mai este denumit i sperana matematic se calculeaz
cu relaia:
x MX

xdF x

xf x dx unde: f(x) reprezint densitatea de probabilitate a variabilei x.


xi a
fi
k
i 1
n

xi a

Calculul simplificat al mediei aritmetice:


sau x
k
i 1
x
k a
n
n

f
i 1

k a

Media aritmetic este influenat de valorile mari ale seriei.


Proprietile mediei aritmetice
a) Media aritmetic are un nivel cuprins ntre nivelul minim i nivelul maxim.

xmin x xmax
b) Suma abaterilor nivelurilor individuale fa de nivelul mediei este zero.
n

x 0

i 1

i 1

i 1

i 1

i 1

i 1

xi x xi x xi nx xi n i1

xi x ni 0
i 1

xi x ni xi ni x ni xi ni
i 1

i 1

i 1

i 1

x n
i

i 1
n

i 1

i 1

c) Media calculat pe baza variantelor caracteristicii micorate sau mrite cu o caracteristic o


modific n acelai sens i cu aceeai mrime fa de valoarea iniial.

10

MANAGEMENTUL CALITII Construcia, implementarea, dezvoltarea sistemului calitii n ntreprinderi industriale


n

xi

i 1

x
/

xi

i 1

n x na
xa
n

i 1

x a n x n a n x n
i

i 1

xi a
i

i 1

i 1

i 1

i 1

i 1

a x a

i 1
n

i 1

d) Media calculat din variantele caracteristicii multiplicat sau simplificat cu o constant k


mrete sau micoreaz de k ori media iniial.
n
n
n
xi 1 n
xi
xi k k xi

1
k
k
x / i 1 i 1 x
x / i 1
i 1 kx
n
n
k
n
n
Pentru cazul n care se calculeaz pentru serii de frecvene atunci relaia se poate scrie:

1
xi a

x n

n
k a

i 1
fi

i 1
e) Dac ntr-o serie se reduc frecvenele cu o mrime constant precum i valorile caracteristicilor
cu aceeai constant, media calculat rmne neschimbat.

1 n
f i
x

f i xi

i
k
k i 1

i 1
x n

1 n
f i
f i


k i 1
i 1 k
n

fi

i 1

f
i 1

f) Media aritmetic a unei sume este format din dou sau mai multe variabile independente egal
cu suma mediilor. M x y z M x M y M z
g) Media aritmetic a produsului dintre dou variabile independente este egal cu produsul
mediilor. M x y M x M y
h) Media general calculat pentru o populaie eterogen este egal cu media mediilor pariale.
Media armonic x h - se calculeaz din suma valorilor inverse ale termenilor seriei. Considerm
valorile caracteristicii x1, x2, ..., xn, media armonic este dat de relaia:
xh

1
1
1
1

...
x1 x2
xn
n

n
n

i 1 xi

sau xh

fi

fi
xi

i 1
n

i 1

, xh

n
i 1
n

ni

x
i 1

Observaie important: x h x .
Media armonic este influenat de valorile mici, reducnd din influena valorilor mari.
Media armonic se utilizeaz n practic la calculul preului mediu i al indicelui mediu al preurilor.
Media ptratic x p - se calculeaz din suma valorilor ridicate la ptrat al termenilor seriei.
x12 x22 ... x n2 1 n 2
1 n 2
xi x p
xi
n
n i 1
n i 1
Atunci cnd colectivitatea este divizat pe grupe i fiecrei grupe i se asociaz o frecven, media
x p2

ptratic se calculeaz cu relaia:

xp

2
i

i 1

f i

f
i 1

sau x p

x n
i 1
n

n
i 1

11

2
i i

Capitolul III STATISTICA TEHNIC

Observaie important: xh x x p .
Media ptratic este influenat de valorile mari ale seriei.
Media ptratic se folosete n situaii speciale:

cnd se dorete s se acorde o importan mai mare termenilor xi cu nivele mari n cadrul seriei;

cnd seria conine att termeni pozitivi ct i termenii negativi.


Media geometric x g - se calculeaz din produsul termenilor seriei:

xg x1 x2
... xn
n

xi

i 1

lg x1 lg x2 ... lg xn 1 n
lg xi
n
n i 1
Atunci cnd exist serii de frecvene pentru valorile xi, media geometric se calculeaz astfel:

Pentru uurina calculului se logaritmeaz: lg xg


m

xg

ni
i 1

ni
i

sau x g

i 1

fi
i 1

fi

i 1

Pentru uurin se folosete expresia:


m

n lg x1 n 2 lg x 2 ... nm lg x n
lg x g 1

n1 n2 ... nm

n lg x
i

i 1

n
i 1

Media geometric se mai numete i ritm mediu.


Media geometric este influenat de valorile mici, reducnd din influena valorilor mari.
Media de ordin r se calculeaz cu formula:
n

1
1
xir sau mr r xir respectiv mr r

n i 1
n i 1

mrr

x n
i 1
n

r
i i

n
i 1

- dac r = 1 , mr x

x n

i i

i 1
n

n
i 1

- dac r = 2

mr x p

, media aritmetic

x n

2
i i

i 1
n

n
i 1

, media ptratic

- dac r = -1 m r x h

n
i 1
n

ni

i 1 xi

, media armonic

Observaie important: xh x g x x p .
Mediana Me - reprezint valoarea caracteristicii care ocup locul central n irul ordonat de valori,
mparte seria n dou grupe egale ca numr. Pentru a determina mediana este necesar s se ordoneze termenii
seriei cresctor sau descresctor iar locul medianei va fi stabilit pe baza relaiilor:

M e x

n 1

- dac irul conine un numr impar de valori

rangul;
12

n 2k 1

unde

n 1
reprezint
2

MANAGEMENTUL CALITII Construcia, implementarea, dezvoltarea sistemului calitii n ntreprinderi industriale

Me

n
1
2

- dac irul conine un numr par de valori

2
Dac valorile sunt grupate pe clase, intervalul care conine elementul median se numete interval
median sau clas median.
ntr-o serie de frecvene nti trebuie s se gseasc intervalul median dup care se calculeze valoarea
n

medianei.

Intervalul median

1 fi
i 1

2
Dac seria frecvenelor este foarte mare (>500) atunci se renun la adunarea cu cifra 1.
Pentru variabile continue, mediana reprezint valoarea tipic cu care variabila x are aceiai
probabilitatea de a fi inferioar sau superioar: P X M e P X M e sau

Me

Me

f x dx f x dx

Expresia simplificat pentru calculul medianei este:


n

f
i 1

M e xinf M e h

f cum M e

unde:

f Me

Xinf Me limita inferioar a intervalului median sau a intervalului


cu frecvena cea mai mare (interval modal);
h mrimea intervalului median sau intervalului modal;
n

f
i 1

ni

- suma frecvenelor tuturor intervalelor;

fcum Me - frecvena cumulat a intervalelor anterioare intervalului


median sau intervalului modal;
x
fMe frecvena intervalului median sau a intervalului modal.
Me
Mediana se determin mult mai uor dect media i nu necesit nici
3.5. Graficul pentru
un calcul complicat. Din cauza modului simplu de determinare, mediana
determinarea medianei
este folosit frecvent n industrie, n cadrul controlului statistic (diagrama
median amplitudine, diagrama median abatere standard, etc.). Mediana este preferat uneori mediei,
fiind mai puin afectat de valorile extreme care pot avea valori foarte mari sau foarte mici. Mediana este
mai stabil la fluctuaiile de selecie dect media aritmetic.
Mediana nu este influenat de valorile extreme.
Determinarea grafic a medianei. Dac dorim s aflm valoarea medianei corespunztoare unui
fenomen cu variabile continue construim curba frecvenelor cumulate iar din punctul care reprezint
jumtate din frecvenele absolute de apariie a unitilor statistice se duce o perpendicular pe axa absciselor
rezultnd valoarea medianei. Mai simplu, se construiete ogiva frecvenelor (frecvena cumulat n sus
respectiv frecvena cumulat n jos) iar la intersecia acestora coborm o perpendicular pe axa absciselor i
aflm valoarea medianei.
Modul (Moda sau Dominanta) M 0 sau D0 - este acea valoare a caracteristicii care are frecvena cea
mai mare de apariie. Se calculeaz numai n cazul intervalelor de grupare (seriilor cu frecvene). Cnd
repartiia frecvenelor este reprezentat de o curb cazul variabilelor continue, modul corespunde valorii
pentru care densitatea de probabilitate are un maxim. Dac repartiia statistic empiric are un maxim se
numete unimodal, dac are dou se numete bimodal sau dac are mai multe maxime se numete
polimodal. Intervalul cruia i corespunde frecvena maxim se
h
numete interval modal sau clas modal.
f
a b
Determinarea grafic. Se construiete fie o histogram fie o
c
1
curb a frecvenelor. n cazul histogramei sunt dou metode de calcul:
2
metoda diagonalelor sau metoda de interpolare a valorilor.
Mod de calcul al valorii denumite mod (moda).
1
2
h
h
x

,
i
c
b
c
a

L1 M 0 L2

13

Fig 3.6. Graficul pentru


determinarea modului

Capitolul III STATISTICA TEHNIC

rezult din cele dou relaii c:

b 1 h a 1 h 1 a;
2
2
2
2

2
1
a 1
h; a
h;
2 1 2
1 2

1b 2 a sau a

2
h;
1 2
1
2
h sau
M 0 L2 b L2
h
Rezult: M 0 L1 a L1
1 2
1 2
n cazul curbei frecvenelor se determin punctul de inflexiune corespunztor unei parabole punnd
condiia s treac prin trei puncte. Se obine aceiai relaie ca mai sus.
Avantajul utilizrii modului. Modul poate fi determinat foarte rapid. Se utilizeaz pentru a obine o
prim estimare a valorii centrale ale unei distribuii. Cu ct valoarea modul se afl la distan fa de
valoarea mediei aritmetice cu att distribuia are o asimetrie mai pronunat. n concluzie modul poate fi
utilizat pentru aprecierea gradului de asimetrie.

similar se calculeaz b

Valoarea central reprezint media extremelor valorilor caracteristice ale unei serii.
x xmin
xc max
2
Valoarea central se calculeaz i pentru un interval de grupare de ordin i i reprezint media valorilor
xinf i xsup i
limit (inferior i superior) ale intervalului. xc i
2
Quantile sunt mrimi de poziie. Quantilele sunt valori ale caracteristicii statistice care mpart seria n n
grupe care au efective egale. Numrul n definete ordinul quantilelor. Modul de determinare a quantilelor
este analog cu cel utilizat de median. Pentru variabile continue se utilizeaz relaia:
x3
x1
x2

1
f x dx x f x dx x f x dx ..... x f x dx n
1
2
n 1
Q1

Q3

Q2
M

Fig 3.7 Poziia quartilelor i a medianei

Quartile - notate Q1, Q2, Q3 sunt acele valori ale caracteristicii care mpart seria n patru pri egale.
Ele se calculeaz prin analogie cu modul de calcul al medianei dar innd seam de locul pe care l ocup
quartila inferioar Q1 sau quartila superioar Q3 n cadrul seriei, quartila Q2 este egal cu mediana.
Locul fiecrei quartile se determin utiliznd relaiile:
n 1
2 n 1
3 n 1
LQ
; LQ
; LQ
4
4
4
Valoarea quartilelor se calculeaz cu relaiile:
1

i 1

Q1

x infQ

3 1

i
f

h
fQ
1

cum Q
1

; Q2 M e ;
Q1

x infQ

i 1

fi
f

4
3

h
fQ

cum Q
3

Decile notate D1, D2, ..., D9 sunt acele valori ale caracteristicii care mpart seria n zece pri
(decia), a cincea decil fiind egal cu mediana.
Locul decilelor se calculeaz utiliznd formulele:

14

LD
1

n 1
10

LD

2 n 1
10

, ... , L D

9 n 1
10

MANAGEMENTUL CALITII Construcia, implementarea, dezvoltarea sistemului calitii n ntreprinderi industriale

Valoarea decilei se calculeaz cu relaia:

2 1

D2 xinfD h
2

i 1

f i
f

10

cum D

i 1
D1

x infD

i
f

10
h

cum D
1

fD
1

f D2

9 1

D9 xinfD9

i 1

fi
f

10

fD

cum D
9

Centile sau procentile notate C1, . . ., C99 sunt valorile caracteristicii care mpart seria n 100 de
pri.
Locul procentilelor se calculeaz utiliznd formule:
LC
1

n 1
;
100

LC

2 n 1
100

; ...; L C
99

99 n 1

100

Valoarea procentilei este dat de relaia:


n
1 fi
i 1

C1 xinfC

n
99 1 fi
i 1

100
fC
1

cum C
1

C50 M e

C 99 xinfC 99 h

100
fC

cum C
99

99

Explicaia termenilor din formulele de mai sus este similar cu cea de la decile.
3.2.3.2. Indicatori simplii ai variaiei sunt utilizai pentru a msura cmpul de mprtiere al
caracteristicilor nregistrate, precum i pentru a determina mprtierea fiecrui nivel individual al
caracteristici fa de nivelul mediu. Indicatorii sunt: amplitudinea variaiei i abaterea individual. Acetia se
pot exprima att n mrimi absolute ct i n mrimi relative.
Amplitudinea variaiei
a) Amplitudinea variaiei n mrimi absolute: Ax = Xmax - Xmin
A
x x min
100
b) Amplitudinea variaiei n mrimi relative: Arel% = x 100 max
x
x
Amplitudinea variaiei nu este un indicator suficient de semnificativ, principalul dezavantaj const n
faptul c nu ine seam de toate valorile observate ci numai de valorile extreme ale caracteristicilor, ori
asupra variaiei unui fenomen este normal s aib influen toate valorile individuale i frecvenele lor de
apariie. Uneori sunt cazuri cnd valorile extreme sunt foarte deprtate de celelalte valori intermediare i in
acest caz, a msura variaia numai n funcie de amplitudinea ei poate fi o greeal. Amplitudinea variaiei
este un indicator care n domeniul tehnic se interpreteaz n raport cu limitele de toleran admise.
Abaterea individual
a) Abaterea individual n mrimi absolute notate di - se calculeaz cu relaia d i xi x
b) Abaterea individual n mrimi relative notate di% - se calculeaz cu relaia
x x
d
d rel % i
100 i 100
x
x
n concluzie, amplitudinea variaiei ofer informaii referitoare la mrimea(ntinderea) domeniului de
variaie fr s ofere posibilitatea cunoaterii structurii interne de variaie, iar abaterea individual ofer
informaii doar la nivelul fiecrei variante xi, neglijnd imaginea dispersiei pe ansamblul distribuiei.
Indicatori sintetici ai variaiei exprim, n mod sintetic, mprtierea tuturor nivelurilor individuale
ale unei caracteristici fa de nivelul mediu
Abaterea medie liniar notat d - este un indicator sintetic al mprtierii, definit ca valoare medie
a abaterilor absolute, se calculeaz ca media aritmetic simpl sau ponderat din abaterile termenilor de la
n
xi x
1 n
media lor, luat n valoare absolut.
i 1
d
xi x
n
n i 1
15

Capitolul III STATISTICA TEHNIC

Abaterea medie liniar calculat n valori absolute pentru o serie cu intervale de grupare.
n
xi x f
n
1
i
i 1
d

xi x f
i
n
n
i 1
fi
fi
i 1
i 1

Abaterea medie liniar calculat n valori relative pentru o serie cu intervale de grupare.
n
xi x f %
1 n
i
d i 1

xi x f %
i
100
100 i 1
Dac xi este o variabil aleatoare a crei funcie de repartiie este F(x) i exist media M[x], expresia
abaterii medii liniare este dat de relaia:

M X dF x

f x dx

Calculul abaterilor individuale d se face fr a ine seam de semnul lor deoarece dac s-ar folosi
valorile algebrice, nivelul abaterii medii liniare ar fi egal cu zero. Abaterea medie liniar indic variaia
medie de la valoarea medie de distribuie. Valoarea este cu att mai mic cu ct valorile sunt grupate n jurul
mediei. Pentru calculul abaterii medii liniare se poate utiliza orice alt mrime medie cum ar fi mediana,
dezavantajul const n aproximarea introdus de median.
Abaterea medie ptratic notat se mai numete deviaia standard, este un indicator al
mprtierii valorilor unei variabile aleatoare x, este definit ca rdcina ptrat a momentului centrat de
ordin doi sau este rdcina ptrat a dispersiei.
2

n
2
x x
i 1 i

1 n
2
x x
ni 1 i

1 n 2
x x2
ni 1 i

Abaterea medie ptratic calculat n valori absolute pentru o serie cu intervale de grupare este dat de
expresia:

n
2
x x n
i
i
i 1
n
ni
i 1

Abaterea medie ptratic calculat n valori relative pentru o serie cu intervale de grupare este dat de
expresia:

n
2
1 x x f
i
i 1 i
n
f
i 1 i

sau

1 n
2
x x f %
i
100 i 1 i

Pentru serii cu variabile aleatoare discrete, expresia abaterii medii ptratice este:

xi 2 p i

i 1

x
i 1

2
i

pi 2

Pentru serii cu variabile continue, unde F(x) este funcia de repartiie a variabilei aleatoare x i este
media acestor variabile, abaterea medie ptratic este dat de relaia:

xi

dF x
2

xi

f x dx

2
i

f x dx 2

Abaterea medie ptratic este calculat ca o medie ptratic, iar prin ridicarea la ptrat se d o mai mare
importan abaterilor mai mari n valoare absolut. Abaterea medie ptratic este un indicator de baz care
se folosete n analiza variaiei, pentru estimarea erorilor de selecie, n calculele de corelaie.
Observaie: > d, rezult din faptul c abaterea medie ptratic este calculat ca o medie ptratic n
care se reflect n mod pregnant influena factorilor ntmpltori, adic abaterile mari fa de medie.
Abaterea medie ptratic caracterizeaz mai bine variaia fenomenelor.
Relaia ntre i Q. Dou mrimi diferite devin comparabile dac facem raportarea la un referenial
comun. n cazul de fa considerm distribuia normal perfect simetric, tim c n intervalul mediu
interquartilic (Me Q) i (Me + Q) se afl 50% din unitile unei colectiviti, n schimb n intervalul x
i x se afl 68,27 % din unitile colectivitii. Fcnd convertirea utiliznd variabila standard
Z

xx
i consultnd tabelele Gauss, rezult Q = 0,675

16

MANAGEMENTUL CALITII Construcia, implementarea, dezvoltarea sistemului calitii n ntreprinderi industriale

Abaterea medie ptratic corectat notat cu s se calculeaz dup formula:

n
2
x x
i
i 1

n 1

n
1
2
x x
n 1i 1 i

Coeficientul de variaie notat CV este un indicator relativ al variaiei caracteristicii, se calculeaz


ca raport procentual ntre abaterea medie ptratic sau abaterea medie liniar i media aritmetic a seriei.

d
CV = 100 sau CV = 100
x

Coeficientul de variaie are valori cuprinse n intervalul 0 < CV < 100%, cu ct nivelul coeficientului de
variaie tinde spre zero, cu att seria statistic este mai omogen i media este mai reprezentativ respectiv
cu ct valoarea tinde ctre 100% cu att variaia este mai intens iar media are un nivel de reprezentare
redus.
Pentru a caracteriza variaia seriei, respectiv testul de semnificaie al reprezentativitii mediei funcie
de coeficientul de variaie se consider urmtoarele praguri:
0 < CV 17% media este strict reprezentativ iar colectivitatea este omogen
17% < CV 35% media este moderat reprezentativ
35% < CV 50% media este reprezentativ n sens larg
CV > 50% media este nereprezentativ iar colectivitatea este eterogen
Interval interquartilic notat IQ - exprim abaterea interquartilic i se calculeaz ca diferena ntre
I Q Q Q M

Q
3
1
3
e
e
1
quartila Q3 i quartila Q1.
Intervalul interquartilic fa de amplitudinea de variaie elimin influena valorilor extreme ale seriei,
care n anumite situaii sunt exagerate.
Q Q1
Semiinterquartila notat AQ reprezint abaterea medie interquartilic. AQ 3
2
D9 D1
Semiinterdecila notat AD reprezint abaterea medie interdecilic AD
2

AQ

Q3 Q1
100
Me
Q3 Q1
D D1
AD
100 9
100
Coeficientul de variaie interdecilic notat cu CVD CV D
Me
2M e

Coeficientul de variaie interquartilic notat cu CVQ CVQ

100

Dispersia notat cu 2 se calculeaz ca o medie aritmetic simpl sau ponderat a ptratelor


abaterilor valorilor individuale fa de media lor.
n

Relaia de calcul a dispersiei este urmtoarea:

x
i 1

n
Relaia de calcul a dispersiei cu frecvene absolute pentru o serie analizat prin intervale de grupare este
n

urmtoarea:

x
i 1

x ni
2

i
n

n
i 1

Relaia de calcul a dispersiei cu frecvene relative pentru o serie analizat prin intervale de grupare este
1 n
2
n xi x 2 f i
1 n
2
xi x 2 f i %

urmtoarea:
;

i 1
100 i 1
fi
i 1

Relaia de calcul a dispersiei pentru o serie cu variabile discrete este:


n
1 n
2 xi x 2 sau 2 D X M x 2 xi 2 pi
n i 1
i 1

17

Capitolul III STATISTICA TEHNIC

Relaia de calcul a dispersiei pentru o serie cu variabile continue este:

D X

dx

Dispersia unei caracteristici poate fi calculat cu ajutorul formulei momentului centrat de ordinul doi.
Astfel, se poate stabili dac este necesar calculul abaterilor individuale ale variantelor de la media lor.
n

Pentru o serie simpl:

x
i 1

i 1

2
i

Pentru o serie analizat prin intermediul intervalelor de grupare:


n

x
i 1
n

2
i i

i 1
n

fi

i 1

Calculul simplificat al dispersiei se poate face cu ajutorul urmtoarelor relaii de calcul:


i 1

xi a

k
2 i 1
n
n

- pentru o serie simpl

k 2 x a

xi a

k
i 1

- pentru o serie cu frecvene 2

fi

k 2 x a2

sau

fi

i 1

2 i 1

ni

n `

`
xi ni

i 1

xi ni

i 1
n

ni

i 1

k 2 x a 2

x a
unde x`i i
k

unde: a valoarea caracteristicii cu frecvena cea mai mare;


k lungimea intervalului;
fi frecvena clasei i.
3.2.3.3. Indicatori de asimetrie i aplatizare
n practica statistic se pot ntlni serii de repartiii de frecvene simetrice, uor asimetrice sau cu
tendin pronunat de asimetrie. Indicatorii de asimetrie confer date referitoare la modul de repartizare a
frecvenelor de o parte sau de alta a valorii centrale (pot fi: media, mediana i modul). Indicatorii de
aplatizarea (boltire) exprim gradul de suplee a frecvenelor n zona central, mai precis n jurul mediei.
Practic, asimetria constituie o deviaie a curbei de la forma simetric a distribuiei. n cazul unei distribuii
unimodale perfect simetric mrimile medii cele mai importante se suprapun, x M e M o , iar perechile de
quartile Q1, Q3 respectiv perechile de decile D1, D9 sunt echidistante fa de valoarea central. ntr-o
distribuie statistic coeficienii de asimetrie se determin ca o relaie ntre medie i mod, respectiv ntre
medie i median. Coeficieni de asimetrie se pot calcula att n valori absolute ct i n valori relative,
reprezentnd un numr abstract utilizat pentru comparabilitate.
Indicatori de asimetrie
Asimetria n mrime absolut notat As este cu att mai mare cu ct diferena dintre x i M o
este mai mare, aceast diferen este nul n cazul repartiiei unimodale. Expresia asimetriei este:
As x M o sau pe baza relaiei dintre valorile centrale As x M o 3 x M e
Atunci cnd As < 0 media aritmetic se afl la stnga deci exist o extindere a frecvenelor ctre stnga
iar asimetria este negativ, dac As > 0 media aritmetic se afl la dreapta, asimetria este pozitiv, exist o
extindere a frecvenelor spre dreapta.

18

MANAGEMENTUL CALITII Construcia, implementarea, dezvoltarea sistemului calitii n ntreprinderi industriale


P

Coeficientul empiric de asimetrie Pearson notat C as - este raportul dintre valoarea asimetriei i
abaterea standard.
x M o As
C asP

Acest coeficient poate lua valori ntre 1 i + 1. Cu ct coeficientul este mai mic n valoare absolut, cu
p
att asimetria este mai mic. ntr-o serie perfect simetric C as = 0, ceea ce presupune c valoarea medie
coincide cu mediana i cu valoarea modal a seriei. Acest coeficient este utilizat pentru distribuii uor
asimetrice.
Dac: C asp 0
distribuia este simetric
p
C as ( 0;1 )
distribuia are asimetrie pozitiv (asimetrie la dreapta);
p
Cas (1;0)
distribuia are asimetrie negativ (asimetrie la stnga)
Coeficientul de asimetrie Pearson notat 1 se calculeaz pe baza momentelor centrate de ordin trei
3
respectiv de ordin doi. 1
2
unde 2

x x
n
i

ni

iar 3

x x
n
i

ni

Distribuiile simetrice au momentele centrate de ordin impar nule iar cele de ordin par sunt pozitive
1 0; 3 0; 2 0; 4 0 .
Distribuiile asimetrice au momentele centrate de ordin impar diferite de zero iar cele de ordin par sunt
pozitive, sensul asimetriei este dat de semnul lui 3 .
Dac: 1 0 distribuia este simetric
1 0 distribuia este asimetric la dreapta
1 0 distribuia este asimetric la stnga
3 x Me
F
Coeficientul empiric de asimetrie Fischer notat C as
- are formula C asF

Aceasta formul se folosete pentru seriile uor asimetrice i ia valori ntre 3 i + 3. Se mai utilizeaz
i formula:
Mod = Media 3(Media Mediana)

Coeficientul de asimetrie Fischer notat 1 se calculeaz cu relaia: 1

3
, unde: 3 23 ,
3

valoare care este ntotdeauna pozitiv, semnul asimetriei va fi dat de 3 . Interpretarea este aceiai ca i la
coeficientul de asimetrie Pearson
q 2 q1
B
B
Coeficientul lui Bowley notat C as
- C as
unde: q1 M e Q1 iar q 2 Q3 M e ;
q 2 q1
coeficientul poate lua valori n intervalul 1 C as 1
Dac: C asB 0 distribuia este simetric;
C asB 0 distribuia este asimetric la dreapta;
C asB 0 distribuia este asimetric la stnga.
Dac acest coeficient se apropie de 0,1 seria este moderat asimetric iar pentru valori mari de 0,3 seria
este pronunat asimetric.
Repartiiile empirice pot avea unul sau mai multe maxime. Repartiia cu un singur maxim se numete
unimodal i poate fi simetric sau asimetric. Dac repartiia prezint dou sau mai multe maxime se
numete polimodal. Se ntlnesc i situaii n care apar zone de minim n locul unui maxim, n acest caz
repartiia poart denumirea de antimodal. Un caz particular de repartiie antimodal este repartiia uniform
la care valorile frecvenei rmn constante.
B

19

Capitolul III STATISTICA TEHNIC

f(x)

asimetrie de dreapta
1 > 0

f(x)

f(x)

x
asimetrie de stnga
1 < 0

x
simetrie
1 = 0

Figura 3.8. Simetria repartiiei

Indicatori de aplatizare.
Analizat din punct de vedere grafic, aplatizarea (boltirea) se apreciaz comparnd curba frecvenelor
unei distribuii empirice cu modelul corespunztor distribuiei normale avnd aceiai medie i aceiai
dispersie. Aplatizarea se poate gsi n una dintre cele trei situaii:

curba mezocurtic (normal), este cea care coincide cu modelul;

curba platicurtic, se datoreaz unei variaii puternice a variabilei x nsoit de o variaie slab a
frecvenei fi;

curba leptocurtic, se datoreaz unei variaii slabe a variabilei x nsoit de o variaie puternic a
frecvenei fi;
Excesul de aplatizare se exprim avnd ca etalon de referin repartiia normal la care 2 = 3
Densitatea de repartiie a frecvenelor se calculeaz ca raport ntre fiecare frecven intervalului de
grupare i mrimea intervalului respectiv:
n
- densitatea absolut de repartiie a frecvenelor d a i ;
h
fi
f%
dr i .
- densitatea relativ de repartiie a frecvenelor d r
h
h
Calcularea acestor indicatori este necesar, n special, pentru seriile cu intervale de grupare mari sau
neegale. ntre densitatea de repartiie i densitatea de probabilitate exist analogii, astfel dac valorile
acestora indic o tendin de cretere ca valoare ctre valoarea central a caracteristicii nseamn c seria are
o tendin de normalitate i c media este reprezentativ pentru cele mai multe valorii ale caracteristicii
statistice.
Coeficientul de aplatisare Pearson notat 2 se calculeaz utiliznd momentele centrate cu relaia:

4 4

, unde 2, respectiv 4 reprezint momentul centrat de ordin doi (variana) respectiv momentul
22 4

centrat de ordin patru.


2 3 distribuia este normal ( curba Gauss Laplace )
Dac:
2 3 distribuia este platicurtic
2 3 distribuia este leptocurtic
Coeficientul de aplatisare Fisher notat 2 se calculeaz cu relaia 2 2 3
Dac:

2 0
2 0
2 0

distribuia este normal ( curba Gauss Laplace )


distribuia este platicurtic
distribuia este leptocurtic

20

4
3
22

MANAGEMENTUL CALITII Construcia, implementarea, dezvoltarea sistemului calitii n ntreprinderi industriale

f(x)

f(x)

f(x)

x
aplatisare medie
(mezocurtic)
1 3;

aplatisat
(platicurtic)
1 <3;

x
ascuit
(leptocurtic)
1 >3;

Figura 3.9. Tipuri de aplatizri

3.2.4. MOMENTE
n statistica matematic i teoria probabilitii, se utilizeaz noiunea de moment, noiune extrem de
important, deoarece pe baza acestei noiuni se pot stabili indicatori de baz: media, dispersia precum i
indicatorii referitori la forma repartiiei, simetrie i aplatizare. De asemenea, particulariti legate de forma
repartiiei nu pot fi redate de indicatori statistici de localizare sau variaie de aceea se calculeaz momentele
de ordin k.
Momentele se mpart n dou mari categorii:
- momente absolute, la care valorile sunt considerate n raport cu originea (notate mak );
- momente centrate de ordin k, la care valorile sunt exprimate n raport cu o valoare arbitrar (notat.
mck )
Moment absolut de ordin k (k > 1) sau moment iniial de ordin k se determin utiliznd relaia:
x1k x2k ... xnk 1 n k
k
ma
xi unde: x1, x2, , xn sunt valori observate ale caracteristicii X.
n
n i 1
Momentul absolut de ordin k poate fi exprimat i cu ajutorul frecvenelor absolute sau relative:
1 n
mak n f i xik
1 n
k
m

f i % xik
sau

a
i 1
f
100
i 1
i
i 1

x1 x 2 ... x n 1 n
xi x a
n
n i 1
2
2
2
x1 x2 ... x n 1 n 2
2
xi x p2
Momentul absolut de ordin II reprezint media ptratic. ma
n
n i 1
1
Momentul absolut de ordin I reprezint media aritmetic. ma

Momente centrate de ordin k (k > 1) n raport cu o origine arbitrar A este :


1 n
k
n
m

xi A k f i k 1 n
1
k
k

n
mck xi A sau c
x i A f i %
; mc

i 1
n i 1
100 i 1
fi
i 1

Momentul centrat de ordin k n raport cu media aritmetic se noteaz cu mc i se calculeaz cu


1 n
k
k
n
m

xi x f i
1
1 n
k
k
k

c
n
xi x k f i %
mc xi x sau
m

relaiile:
;

c
i 1
n i 1
100 i 1
fi
i 1

Momentul centrat de ordin k n raport cu media teoretic se noteaz cu k i se calculeaz cu relaia:

k M X M X xi p i
k

i 1

21

Capitolul III STATISTICA TEHNIC

Pentru variabila continu, momentul centrat de ordin k este :


2
Momentul centrat de ordinul II este egal cu dispersia. mc

f x dx

1 n
xi x 2 2

n i 1

Relaii ntre momentele absolute i momentele centrate


k

ntre momentele absolute ma i momentele centrate mc se pot stabili anumite relaii. Momentul
centrat de ordin doi poate fi exprimat de momentele iniiale :
n 2
n
1 n
1
1 n 2 2x n
2
2
2 n
2
m n f i xi x n f i xi 2 x f i xi x f i n f i xi n f i xi x
c
i 1
i 1
f i i 1
f i i 1
f i i 1
f i i 1
i 1
i 1
i 1
i 1

2 2m1 m1 m1 2 m 2 m1 2
mc2 ma
a a
a
c
c

n mod similar, momentul centrat de ordin trei va fi :


Se pot scrie urmtoarele relaii:
mc0 0

3 m3 3m1 m 2 2 m 1
mc
a
a a
a

m1c m1a x 0

mc2 ma2 m1a

ma2 x 2 2


6 m

mc3 m a3 3m1a m a2 2 m1a


mc4 ma4 4m1a m a3

1 2
a

ma3 3ma2 x 2 x 3

ma2 3 m1a

m a4 4m a3 x 6ma2 x 2 3x 4

Corecia momentelor
Pentru calculul indicatorilor statistici n cazul seriilor cu foarte multe uniti statistice se utilizeaz
gruparea pe intervale, frecvena fiecrui interval este considerat ca fiind corespunztoare valorii centrale a
intervalului de grupare. Calculul indicatorilor statistici utiliznd metoda gruprii unitilor statistice
conduce, n general, la apariia anumitor erori. Numai o repartiie uniform a unitilor statistice n
interiorul fiecrei clase conduce la inexistena erorilor, lucru care este, n general, foarte rar ntlnit.
Corectarea indicatorilor statistici calculai utiliznd metoda gruprii este cunoscut sub denumirea de
corecie Sheppard.
Media nu necesit nici o corecie, deoarece formula:
1 n
1 n
x xi este identic cu x A xi A
n i 1
n i 1
c
c
Pentru momentele absolute corectate mak i momentele centrate corectate mck , valorile sunt date de
relaiile:
c
1
m1
a ma

c
1
m1
c mc 0

c
1
mc2 mc2 h 2
ma2 ma2 1 h2
12
12
c
c
ma3 ma3 1 h2m1a
mc3 mc3
4
c
c
1
7 4
ma4 ma4 1 h2ma2 1 h4
m 4 mc4 mc2 h
h
c
2
80
2
240
unde: h este amplitudinea intervalului de grupare.
3.3. REPARTIII STATISTICE
Repartiiile teoretice reprezint un model ideal al unei repartiii statistice, practic exprim un mod
teoretic de comportare a fenomenelor studiate de statistic. Repartiiile teoretice sau legile de probabilitate
ale unei variabile aleatoare X arat modul n care este distribuit volumul total al probabilitilor pe ansamblul
valorilor posibile ale variabilei X.
Descrierea unei legi de probabilitate a unei variabile aleatoare X se face prin:
- funcia de repartiie F(x), n cazul unei variabile aleatoare discrete;
22

MANAGEMENTUL CALITII Construcia, implementarea, dezvoltarea sistemului calitii n ntreprinderi industriale

- funcia densitii de probabilitate f(x) sau prin funcia de repartiie F(x), n cazul unei variabile
aleatoare continue.
Funcia de repartiie a unei variabile aleatoare X este definit prin intermediul probabilitilor
F x P X x , x R

Pentru o variabil continu, funcia de repartiie are urmtoarea expresie:


x

F x

f x dx

unde f(x) este funcia densitatea de probabilitate a variabilei X

Pentru o variabil discret, funcia de repartiie are urmtoarea expresie:


F x

i ; xi x

xi

unde p xi este funcia de mas de probabilitate a variabilei X care ndeplinete

condiiile 0 p xi P X xi 1;

P X x 1
i

Orice lege de probabilitate este caracterizat de anumii parametri care se determin n acelai mod cu
parametrii distribuiilor statistice prezentai n capitolele precedente: media, dispersia, abaterea standard,
coeficientul de asimetrie, coeficientul de aplatisare. Parametrii repartiiilor teoretice discrete se obin pe baza
relaiilor cunoscute pentru distribuiile statistice n care frecvenele sunt nlocuite cu probabilitile asociate
valorilor variabilei aleatoare X.
3.3.1. REPARTIII DISCRETE
Repartiia binomial (sau repartiia Bernoulli) se obine n cazul variabilelor aleatoare discrete cnd
experimentrile au urmtorul model probabilistic:
a) fiecare ncercare are numai dou rezultate posibile care formeaz un sistem complet de
evenimente incompatibile. Exemplu: A cnd se produce evenimentul favorabil; A - cnd nu
se produce evenimentul favorabil.
b) probabilitatea de apariie a unui eveniment, P(A) s fie constant la fiecare ncercare i egal cu p
iar probabilitatea celuilalt eveniment va fi egal cu P( A ) = 1- p = q.
Dac repetm experimentului de n ori, numrul de apariie al evenimentului A este o variabil aleatoare
discret avnd valorile posibile 0, 1, 2, ... n.
Considerm un lot de piese avnd un procent de q defecte. Efectum extrageri repetate, iar piesele
extrase se introduc din nou n lot, spre a nu se modifica compoziia, pentru a avea aceiai probabilitate de
succes, se obine o repartiie binomial a numrului de piese defecte. Extragerea se numete cu ntoarcere.
Presupunem c am efectuat n acest mod dou extrageri: notm evenimentul ca piesa s fie bun cu A, iar
celalalt eveniment ca piesa s fie defect cu A . n acest caz se pot lua n consideraie urmtoarele situaii:

Probabilitatea de apariie a evenimentului A de dou ori este :


P(AA) = P(A) P(A) = p2

Probabilitatea de apariie o singur dat este:


P[(A A )U( A A )] = P(A) P A + P( A ) P A = 2pq

Probabilitatea apariiei evenimentului A n cele dou extrageri:


P ( A A ) = P( A ) P A = q2
Generaliznd putem considera c dup n ncercri s-a produs de k ori evenimentul A i de n k ori
evenimentul A . Probabilitatea de a se produce evenimentul A de k ori n ordine i apoi a evenimentul A
de n k ori n ordine este data de relaia: P(AAA A A A ) = pkqn-k
Dac n cele n experimentri nu intereseaz ordinea de apariie a evenimentului A atunci trebuie
considerate toate situaiile posibile. Numrul posibil al ordonrilor diferite este egal cu formula combinrilor
Cnk . Rezult deci c probabilitatea ca n n probe evenimentul A s se produc de k ori este dat de relaia:
n-k
P(n,k ) = P(X = k) = f(k) = Cnk p k q n - k = Cnk p k 1 - p unde:
n!
(n k )!
C nk =
= k! n k !
k!
m

P(i km) =

k i

f k

Cnk p k q n- k
k i

Legea binomial exprim probabilitatea de a avea de k ori succes n cadrul a n ncercri independente,
desfurate n aceleai condiii, al cror rezultat poate fi succesul, cu probabilitatea p, sau eecul cu
probabilitatea q =1-p
23

Capitolul III STATISTICA TEHNIC


m

P(i km) =

f k

k i

Cnk p k q n- k
k i

Se observ c expresia P(n,k) este termenul general al dezvoltrii binomului lui Newton p q m , de
unde i denumirea de repartiie binomial. Pentru aplicaiile unde n ia valori mari se poate folosi, pentru
simplificarea calculului, formula lui Stirling: n! n n e n 2n
k k n- k
Funcia de probabilitate a repartiiei binomiale are expresia: P(x = k) = P(k) = Cn p q
Legea binomiale se poate aproxima printr-o lege normal.
Repartiia binomial tinde ctre repartiia normal cnd n . S-a constatat, din reprezentarea grafic
a legii binomiale B(n,p) c atunci cnd probabilitatea p este aproape de 0,5, repartiia binomial are o form
simetric. Dac p rmne constatat i n este destul de mare (n > 30), legea lui Gauss devine o bun
aproximare a legii binomiale i admite ca parametrii sperana matematic x np respectiv abaterea
standard npq a legii binomiale adic: X ~ B n, p N np , npq . n practic acest rezultat se traduce
prin faptul c dac n are o valoare mare (n > 30) i p nu este zero sau unu, se poate calcula probabilitatea
pentru care variabila binomial X s se afle n intervalul (a,b) ca i n cazul unei variabile normate cu media
x np i abaterea standard npq .
Indicatorii teoretici sunt:

Media: = M X = np;

Dispersia: 2 = D X = npq = np(1-p);

Abaterea medie ptratic npq ;

Momente
1 np, 2 2 npq, 3 npq q p , 4 npq1 6 pq 3npq ;
q p

Asimetria 1

Aplatizarea 2

npq

1 6 pq
npq

Valoarea modal a variabilei aleatoare discrete X este un numr ntreg cuprins ntre np-q i np+q
i permite aprecierea asimetriei distribuiei de probabilitate. Repartiia binomial este n cele mai multe
cazuri asimetric: p > 0,5 asimetrie pozitiv, p < 0,5 asimetrie negativ, p = 0,5 simetric.

Repartiia hipergeometric
Modelul probabilistic al repartiiei hipergeometrice este similar celui binomial, singura diferen const
n faptul c elementul extras nu mai revine i astfel la fiecare extragere se modific compoziia (condiiile).
Extragerea se numete fr ntoarcere.
Fiind dat o populaie compus din n piese din care: a sunt bune i b = n - a sunt defecte (condiia a + b
= n). Probabilitatea ca dup ce efectum m extrageri succesive fr ntoarcere s se obin un numr de x
piese bune respectiv un numr de m x piese defecte, este calculat cu formula combinrilor a n piese luate
cte m: C nm C amb . Numrul cazurilor favorabile extragerii de piese bune este C ak , respectiv numrul
m k
cazurilor favorabil extragerii de piese defecte este Cb .

Cak Cbmk
Funcia de probabilitate are expresia:Pn,m(k) =
Camb
Dac n este foarte mare, repartiia hipergeometric se aproprie de repartiia binomial cu parametrii:

a
a
b
=
, q=
= 1
n
n
n

1 k x m x
C a Cb
C nm x 0
Forma general a repartiiei hipergeometrice poate fi definit astfel: se consider un numr de n produse
industriale cu a1, a2, ak clase avnd caliti diferite unde a1+ a2+ +ak = n, extragem (fr ntoarcere) m
exemplare, posibilitatea ca n eantionul extras, s existe x1, x2, ... xk exemplare din fiecare calitate (x1 + x2
Cax11 Cax22 ...Caxkk
+ ...+ x k = m) este: Pn,m(x1,x2,...,xk) =
Cnm
Funcia de repartiie se calculeaz cu formula: Fn ,m k P X k

24

MANAGEMENTUL CALITII Construcia, implementarea, dezvoltarea sistemului calitii n ntreprinderi industriale

Repartiia hipergeometric se utilizeaz la controlul statistic de recepie a loturilor mici de produse.


Repartiia binomial poate fi considerat ca un caz limit al repartiiei hipergeometrice n situaia n care
n , iar volumul eantionului este constant.
Indicatorii teoretici sunt:

Valoarea medie (media): = mp;


Dispersia: 2 mpq

m
nm

2
, dac n >> m, atunci mpq 1
n
n 1

Repartiia Poisson (denumit i repartiia evenimentelor rare)


Evenimentele specifice repartiiei Poisson au o probabilitate mic de apariie (evenimente rare) iar
volumul eantionului este suficient de mare nct s fie ndeplinit condiia np = = constant. Aceste
evenimente sunt cele care produc avarii, produc accidente, conduc la defectarea unei maini, s.a. i este
denumit variabila Poisson. Variabila Poisson este o variabil aleatoare care ia un numr de valori pe un
interval de lungime finit. Notm cu densitatea de apariie a unui eveniment n unitatea de timp, atunci
media apariiilor evenimentului n intervalul t se calculeaz cu formula =t .
( t ) k t
e
Probabilitatea apariiei a evenimentului de k ori n acelai interval t este: P(X = k) =
k!


e
k!
Distribuia Poisson este determinat de un singur parametru X
k

Funcia de probabilitate are expresia: P(x = k) =

~ P(k)

P x k F k e e
k!
k!
k

Funcia de repartiie Poisson are expresia:

x 0

k 0

Aproximarea legii Poisson


Legea Poisson poate fi aproximat cu o repartiiei binomial cnd p (sau q) este mic iar n este mare. n
acest caz se folosete ca parametru al legii Poisson sperana matematic (media teoretic) a legii binomiale
= np. Aceast particularitate poate fi folosit n aplicaiile practice atunci cnd un eveniment cu repartiie
binomial are o probabilitate foarte mic de apariie. n acest caz n locul formulei de mai sus se poate utiliza
relaia: P(n,k)=

( np ) k np
e
k!

Aproximaia este suficient de bun atunci cnd p 0,1 i np 5.


Atunci cnd parametrul Poisson este mai mare ca 20 (m>20) legea Poisson poate fi aproximat printr-o
lege normal X ~ P(m) N(m, m )
O particularitate a repartiiei Poisson const n faptul c media teoretic i dispersia sunt egale:
= M(X) = 2 = D(X) = .
Condiia necesar pentru a avea o lege Poisson este urmtoarea:

P X k

.
P X k 1 k

Suma a dou variabile aleatoare independente X1 i X2, urmnd fiecare o lege Poisson de parametri m1 i
m2, urmeaz ea nsi o lege Poisson
X1 ~ P(m1); X2 ~ P(m2) rezult (X1 + X2) = P(m1+m2)
Indicatorii teoretici sunt:

Valoarea medie (media): = M(X) = ;

Dispersia: 2 D X

3.3.2. REPARTIII CONTINUE


Repartiia uniform. Funcia densitate de repartiie are expresia:

1
, pentru x a, b
f x b a
0, pentru x a, b
Variabila aleatoare X care are funcia de repartiie uniform pe [a, b].
25

Capitolul III STATISTICA TEHNIC

Funcia de repartiie uniform pe [a, b] este :

0, pentru x a
xa

F x , pentru a x b
ba
1, pentru x b

unde F x

f t dt .

Pentru x a, F(x) = 0, deoarece n acest caz f(t) = 0.


a

Dac a < x b avem: F x

f t dt f t dt f t dt deoarece, pentru t < a, f(t) = 0 i deci

1
xa
f t dt 0 .rezult: F x b a dt b a .
F x

Dac x > b putem scrie:

1
dt 1 , deoarece,
ba
a

f t dt f t dt f t dt f t dt

pentru t < a i t > b, f(t) = 0.


Graficele funciilor f(x) i F(x) ale repartiiei uniforme sunt date n figura 3.10.
f(x)

F(x)

1
a b
a

b
x
a) funcia densitii de probabilitate

b
b) funcia de repartiie

Figura 3.10. Graficul repartiiei uniforme

Valoarea medie i dispersia variabilei aleatoare , uniform pe [a, b] sunt:


M() =

ab
,
2

D 2

b a 2
12

ntr-adevr, innd seama de funcia de repartiie avem:


M

xf x dx

xf x dx

M 2

xf x dx

f x dx

xf x dx

x 2 f x dx

1
ba

ba
2 3

xf x dx

x 2 dx

Din aceast expresie i din rezultatul precedent deducem: D 2


Deoarece b > a rezult:

1
ba

a 2 ab b 2
3

x dx
a

ab
2

a 2 ab b 2 a b 2 b a 2

3
4
12

Repartiia normal este cea mai important lege de repartiie, fiind cunoscut sub denumirea de legea
Gauss Laplace. Legea normal are un rol important n teoria probabilitii, fiind utilizat pentru
aproximarea unor legii de probabilitate. Repartiia normal este utilizat foarte des n analiza variabilelor
aleatoare, avnd un rol fundamental n teoria seleciei, n analiza de regresie, n analiza varianei i
covarianei, etc. O distribuie normal este rezultatul unui numr foarte mare de cauze independente, cu efect
aditiv, fiecare dintre ele avnd o influen neglijabil n modificarea celorlalte.
a) LEGEA GAUSS LAPLACE este caracterizat de parametrii i 2.

26

MANAGEMENTUL CALITII Construcia, implementarea, dezvoltarea sistemului calitii n ntreprinderi industriale

O variabil aleatoare X este distribuit dup o lege normal dac funcia densitate de probabilitate are
urmtoarea expresie: f(x) =

1
2

1 x

, xR

unde: - este media iar 2 este variana (dispersia).


Distribuia normal este unic determinat de medie i dispersie, se noteaz simbolic prin:
X ~ N(, 2).
0,4

f(x)

f(x)

= 0,5

= ct.

= 1

0,2

= 2

Figura 3.11. Densitatea de


probabilitate cu repartiie normal

Figura 3.12. Curba densitilor de


probabilitate cu dispersii diferite

Suma (sau diferena) a dou variabile aleatoare independente X1 i X2 care sunt guvernate de legea
normal N(1, 1 2) i N(2, 2 2) urmeaz de asemenea, legea normal, i anume:
X 1 ~ N(1 , 12 )
X X 1 X 2 ~ N 1 2 ,12 22
X 2 ~ N(2 , 22 )
Graficul funciei densitatea de probabilitate are forma de clopot i prezint urmtoarele particulariti:

admite un maxim pentru x = i scade necontenit la dreapta i la stnga (


1
df ( x )
= 0 pentru x = iar valoarea funciei n acest punct este f =
);
2
dx

este simetric n raport cu dreapta x = .


f(x)
Valorile centrale (media, mediana i modul) sunt egale =
Mo = Me;

n punctele x = - i x = + i
F(x)
modific convexitatea (puncte de inflexiune);

ntr-o distribuie normal, amplitudinea


xi
variabilei este infinit - < X < + . Cnd x
F(x)
funcia f(x) tinde spre zero.

dac n variabile aleatoare normale Xi (cu i = 1,a ) sunt


1
independente i identic repartizate de parametri cunoscui, atunci
variabila aleatoare Y definit ca suma acestor variabile aleatoare
0,5

n
n
n
Y X i urmeaz o lege normal cu i 2 2
i1 i
i1 i
i 1

F(xi)
xi

Figura 3.13. Funcia de repartiie


Curba funciei densitatea de probabilitate este cu att mai ascuit
normal
cu ct valoarea lui este mai mic.
Modificarea parametrului translateaz curba de-a lungul axei Ox fr s o modifice ca form.

Funcia de repartiie normal este dat de expresia:


x 1 x
x

1
F(x) = P(X x) = f x dx =
e 2 dx .

2
Funcia F(x) = P(X x) satisface condiiile:

F(x) 0;

F(x1) < F(x2) pentru x1 < x2;

F(+ )
=
P(X

+)
=

1 x 2

1
e 2 dx = 1
2
2

f(x)

1 2 3

Figura 3.14. Curba densitilor de


probabilitate cu medii diferite
27

Capitolul III STATISTICA TEHNIC


x

Repartiia fiind simetric F(x) =

f x dx =

f x dx =
x

1
2

Parametrii funciei de repartiie:


- media

M x

- dispersia

D x

x f x dx

x 2 f x dx

1
xe
2

x 2
2

2
x e

dx

x 2

dx

n unele domenii de aplicaie (teoria erorilor) funcia densitate de probabilitate, cu repartiie normal,
este prezentat sub forma: f(x) =

e h

( x2 )

, unde h =

0.707

b) REPARTIIA NORMAL NORMAT. O variabil aleatoare Z urmeaz o lege de repartiie


normal normat dac funcia densitatea de probabilitate este dat de relaia:

f(z) =

1 2
1 e 2 z , z R
2

Proprietile funciei densitate de probabilitate:


f(z) > 0;
f(-z) = f(z);

lim f z 0 ;

aria clopotului Gauss este: f z dz 1

Expresia funciei densitate de probabilitate s-a obinut prin efectuarea schimbrii de variabil n cadrul
x
dx
repartiiei normale i anume: zi = i
; dz i i . Prin schimbarea de variabil s-a realizat trecerea de la

o distribuie statistic normal la o distribuie normal normat.


Se observ c funcia f(z) se poate obine i din funcia f(x) cu condiia ca = 0 i = 1. ntre densitatea
de probabilitate a unei variabile normale normate Z, respectiv variabila normal corespondent X exist
relaia urmtoare: f x

1
f z

n consecin, dispersia este egal cu abaterea medie ptratic, iar momentele centrate sunt egale cu cele
iniiale. Repartiia normal normat se noteaz Z ~ N(0,1).
Funcia de repartiie normal normat (sau funcia de repartiie Laplace) are expresia:
z2
z
1 z 2
F z f ( z )dz
e dz .
2

Parametrii distribuiei sunt:


z2

1 z
- media
M Z z f z dz
z e 2 dz 0 ;
2

- dispersia

z2

1 z 2 2
z e dz 1
2

D Z z f z dz
2

0,4

F(z)

f(z)

0,9987
0,9772
0,8413

0,3
0,5

0,2

0,1587
0,0028
0,0013

0,1
z
1 2
0
-3 -2 -1
3
Figura 3.15. Funcia densitatea de probabilitate
pentru o repartiie normal normat

28

-3 -2 -1
0
1
2
3
Figura 3.16. Funcia de repartiie pentru o
repartiie normal normat

MANAGEMENTUL CALITII Construcia, implementarea, dezvoltarea sistemului calitii n ntreprinderi industriale

Valorile funciilor f(z) i F(z) se determin mai simplu utiliznd tabelele de valori.
Din figura 3.15 se poate constata c funcia de repartiie F(z) este simetric n raport cu originea, astfel
z
0
z
1
F
(
z
)

f
(
z
)
dz

f
(
z
)
dz

se poate scrie:

f ( z )dz 2 ( z ) .

0
1

0,5 (z)

F(z)

f(x)
(z)
F(z)

(z)

0,5
F(z)

z
0,5 Laplace
b) Funcia integral
a) Funcia de repartiie Laplace
Figura 3.17. Interpretarea geometric a funciei Laplace

0 z
c) Funcia densitatea de
probabilitate

Utiliznd aceast relaiei i operaia de translaie (realizat cu ajutorul ecuaiilor: z = z i (z) = F(z) 1
) se constat c putem determina valoarea funciei de repartiie F(z) prin intermediul funciei integrale
2

Laplace (z).
z

Integrala ( z ) f ( z )dz

z2
2

e dz poart denumirea de Funcie Integral Laplace, geometric


2 0
aceasta reprezent de aria dublu haurat din graficul funciei densitii de probabilitate din figura 3.17. c.
n practic pentru rezolvarea unor probleme de interferen (estimare, testare, etc.) se impune calcularea
unor probabilitii pe baza funciei de repartiie. Aceste valori se obin utiliznd tabelele Gauss - Laplace,
unde sunt prezentate valorile pentru funcia (z).
Proprieti ale funciei lui Laplace:

(0) = 0;

(-z) = - (z);
0

lim z

F z

1
;
2

1
z .
2

Valorile funciei integral Laplace (z) ca i ale funciei de repartiie Laplace F(z) precum i relaiile de
legtur ntre F(z) i (z) sunt prezentate n tabelul de mai jos.
n practic, este suficient s se cunoasc valorile funciei (z), pentru z > 0 i se poate calcula
probabilitatea P z1 Z z 2 z 2 z1 z 2 z 2 z 2 z 2 2 z 2 .
z

-z
0
z

Tabelul 3.4. Relaii ntre funciile (z) i F(z)


(z)
F(z)

12

- (z) =

0
- F(z)

F(z) =

2 - (z)

0
(z) = F(z) -

F(z) =

2 + (z)

Probabilitatea ca o variabil aleatoare normal X ~ N(, 2) s aparin unui interval (x1, x2) se determin
x2

cu relaia: P(x1 < X < x2) = f x dx F x 2 F x1 .


x1

29

Capitolul III STATISTICA TEHNIC

Aplicm metoda de normare z1

x1
x
i z 2 2
, rezult

x2

z2

x1

z1

x2
x
F 1 F ( z 2 ) F ( z1 )

f x dx f z dz F

P(x1 < X < x2) =.

P(z >a) =
1-

=68,27%

Figura 3.19. Reprezentarea lui P(z >a) =

2 = 95,445 %
3 = 99,73 %
4 = 99,996 %

Figura 3.18. Probabilitatea intervalelor

Apartenena unei variabile aleatoare la un interval oarecare are numeroase aplicaii practice n tehnic
cum ar fi: ncadrarea consumului de material, de energie, etc. n anumite limite impuse de procesul
tehnologic; ncadrarea cotelor pieselor, reperelor prelucrate n anumite limite de toleran, .a.
Putem calcula probabilitatea ca o variabil aleatoare s urmeze o lege normal normat i s aparin
diferitelor intervale , 2 , 3 , 4 , etc. Grafic aceast probabilitate este redat n figura
3.18. De asemenea, exist numeroase aplicaii unde este necesar ca variabila aleatoare z, avnd
probabilitatea , s nu depeasc anumite limite impuse.
Importana repartiiei normale. Repartiiei normale se explic cu ajutorul unei teoreme importante
din teoria probabilitilor, cunoscut sub denumirea de teorema limit central.
Conform acestei teoreme, fiind dat o serie de variabile aleatoare independente: X1, X2, ... Xn, cu
dispersiile 12, 22, ..., n2, variabila aleatoare Y = a1X1 + a2X2 +...+ anXn urmeaz o lege normal dac

12
rapoartele:

i
1

n2

22
;

i2

; ...

n
i

; tind ctre zero cnd n tinde la infinit.

Iniial aceast teorem a fost considerat fr importan practic, deoarece era greu de bnuit c se va
ntlni n realitate o variabil aleatoare care s fie suma unui numr infinit de alte variabile aleatoare.
Ulterior n industrie s-au gsit foarte multe modele care s ndeplineasc aceste condiii. De exemplu, n
domeniul msurtorilor tehnice se pot identifica numeroase cauze perturbatoare sau surse de erori cu efect
aditiv. n tehnic, o anumit caracteristic a unui produs, cum ar fi curentul determinat pe un lot de
electromagnei prezint variaii care depind de numeroi factori ca: abaterile tehnologice (ntrefier, rezistena
nfurrii, spira ecran), variaii ale parametrilor fizici de material etc. determinnd n final o lege de
repartiie normal. Aceasta poate fi luat ca model teoretic general pentru cercetarea probabilistic aproape a
tuturor fenomenelor naturii.
Repartiia exponenial
Variabila aleatoare continu X, cu repartiia exponenial negativ, are densitatea de probabilitate:
f(x) = e-x; > 0, 0 x <
F(x) = 1- e-x, pentru x > 0
F(x) = 0,
pentru x < 0
Indicatori teoretici. Se observ n acest caz egalitatea dintre media teoretic i abaterea standard:
Funcia de repartiie este:

==

Repartiia exponenial reprezint cazul particular al repartiiilor Poisson i Weibull.

30

MANAGEMENTUL CALITII Construcia, implementarea, dezvoltarea sistemului calitii n ntreprinderi industriale

Graficele densitii de probabilitate i al funciei


sunt prezentate n figurile de mai jos:

de repartiie

f(x)
1

F(x)
1
0,63

0,368

Figura 3.21 Densitatea de probabilitate

Figura 3.20. Funcia de repartiie

Repartiia 2 (hi-ptrat.)
Fie X1, X2, , X variabile independente, distribuite dup o lege normal, variabila obinut prin

2
1

2
2

2 urmeaz o repartiie hi-ptrat cu grade de

nsumarea ptratelor variabilelor 2 = X X ... X

libertate.
O variabil continu urmeaz repartiia 2 dac funcia densitatea de probabilitate are urmtoarea
expresie:

f ( x ) 2 ( )
2

0,


1
2

x
2

e , pentru x 0
, unde:

pentru x 0

= n -1 reprezint numrul gradelor de libertate (numrul de variabile independente).

a x a 1e x dx , a > 0 este integrala Gamma a lui Euler.


0

Numrul gradelor de libertate reprezint numrul de variabile independente a cror variaie nu sufer
nici o restricie. Dac se consider o variabil aleatoare continu X care poate lua valorile x1 , x 2 ,..., x cu
probabilitatea p1 , p 2 ,..., p i dac

pi 1
i 1

atunci oricare dintre probabiliti poate fi determinat cnd

se cunosc celelalte 1 probabiliti. n aceast situaie repartiia 2 are 1 grade de libertate ( 1


din cele variabile sunt independente, iar una este dependent i se obine din celelalte 1 variabile
independente).
Dac se consider n variabile aleatoare de tip continuu, independente z 1, z2, ..., zn care au fiecare o
repartiie normal normat - N(0,1), atunci suma ptratelor variabilelor z i constituie o variabil aleatoare
n

2
2
continu, care urmeaz repartiia 2 cu grade de libertate: zi
1

Graficul funciei densitatea de probabilitate depinde de parametrul i este prezentat n figura 3.23.
Curbele de repartiie sunt asimetrice pentru valori mici ale lui i se apropie de o repartiie simetric cnd
ia valori mari (adic pe msur ce variabilele aleatoare normale normate din care se constituie sunt mai
mare). Conform teoremei limit central repartiia 2 tinde lent ctre repartiia normal .
Indicatorii teoretici ai repartiiei 2 au urmtoarele expresii:

- media M[x] = ;

dispersia D[x] = 2 ;

abaterea medie ptratic 2 .

31

Capitolul III STATISTICA TEHNIC

Funcia de repartiie F(x) a unei variabile aleatoare continue care urmeaz repartiia 2 are expresia:
x p 1 x

e
2 dx
F x P X x p
x 2

0
2 2 ( )
2
n activitatea practic este necesar s se determine probabilitatea astfel ca valorile variabilei 2 s fie
2
2
2
mai mici dect o valoare p1 , s fie cuprins n intervalul p1 , p 2 sau s fie mari dect o valoare dat

2p2 . n aceast situaie se utilizeaz urmtoarea relaie:

2 1 2

1
2
2
2
2 d 0

e
F P X p

2 2 ( ) 2p
2
2

f(2)

0,2

f(2)
= 2
= 5
= 10

0,1

= P (>)

= 20

Figura 3.22. Interpretarea geometric a


probabilitii

10

15

25

Figura 3.23. Curbele repartiiei

2
Cnd numrul gradelor de libertate 30 , quartilele se pot aproxima astfel: p

30

2
1
z p 2 1 ,
2

unde zp este valoarea normal normat corespunztoare.


Distribuia 2 este folosit, n special pentru testarea ipotezelor statistice.
Graficul funciei de repartiie este prezentat n figura 3.22.
2
Valorile variabilei , sunt tabelate n funcie de numrul gradelor de libertate i condiia de a nu fi
depit probabilitatea .
Repartiia Student sau distribuia t.
Dou variabile aleatoare continue, X care urmeaz repartiia 2 i Z care urmeaz repartiia normal
t

2 cu o repartiie denumit repartiia

t sau Student (pseudonimul matematicianului englez Gosset), cu grade de libertate, dac funcia
densitatea de probabilitate are expresia:
1
1

2 2

1
t
2

1
f (t )
; t



2
Variabilele Z care urmeaz repartiia normal normat N(0, 1) i variabila X care urmeaz repartiia 2 cu
grade de libertate sunt centrate i independente.
Se pot defini i repartiii t necentrate dar n acest caz se utilizeaz repartiia normal normat necentrat
- N(m, 1) i repartiia 2, necentrat.
Funcia de repartiie este simetric satisfcnd urmtoarele relaii: f(-t) = - f(t); F(-t) = 1-F(t).
1
1

2 2

1
t
2 1
F (t )
dt ; t

normat - N(0, 1), pot defini o alt variabil aleatoare continu

32

MANAGEMENTUL CALITII Construcia, implementarea, dezvoltarea sistemului calitii n ntreprinderi industriale

Legea student este utilizat pentru analiza distribuiilor de selecie n cazul eantioanelor de volum mic
(n < 30), n special, pentru verificarea ipotezelor statistice care se refer la media unei populaii normale
cnd parametrul este necunoscut.
Simbolizarea X ~ t().
Repartiia t este definit ca i repartiia normal prin indicatorii teoretici i , care au valorile = 0 i

, de unde se constat c definirea acestei legi depinde de numrul gradelor de libertate, unde =
2

n -1 iar n reprezint numrul observaiilor. Pentru mare (practic > 30) legea Student se poate aproxima
prin legea normal N(,) centrat sau prin legea normal normat. n aplicaiile cele mai frecvente,
repartiia Student este folosit pentru a determina limitele care sunt depite cu o probabilitate (fig. 3.25).
Distribuia Student este folosit n locul distribuiei normale cnd nu cunoatem variana distribuiei i o
nlocuim cu o estimaie a sa.
f(t)

f(z)

f(t)
1-

N(0,1)

Repartiia
Student

-3

-2

-1 0 1

t 0 t 2
Figura 3.25. Poziia
2 limitelor depite

Figura 3. 24. Comparaii ntre densitile


de probabilitate ntre f(t) i f (z)

cu probabilitatea /2 definit
de repartiia Student

3.4. TEORIA PROBABILITILOR


Conceptele fundamentale ale teoriei probabilitilor sunt cele de eveniment i cele de probabilitate.
Teoria probabilitilor opereaz cu aceste noiuni specifice care se prezint astfel:
Experimentul reprezint realizarea unui ansamblu de condiii conform unui anumit criteriu de
cercetare.
Evenimentul este rezultatul unui experiment. Putem cita urmtoarele evenimente: A formarea unui
arc electric la ntreruperea unui circuit; B arderea unei lmpi electrice la alimentarea cu o tensiune
nominal; C apariia unui defect dup un anumit timp de funcionare, etc. Dac se analizeaz evenimentele
menionate, se observ c fiecare se poate realiza ntr-o msur diferit. Astfel, evenimentul B este mai puin
probabil s se produc n comparaie cu evenimentul A sau C.
Dac se asociaz fiecrui eveniment un anumit numr care s indice posibilitatea de realizare, se ajunge
la noiunea de probabilitate.
Probabilitatea unui eveniment este msura numeric a posibilitii de realizare. Din punct de vedere al
posibilitilor de realizare, evenimentele se pot clasific n :
1. Eveniment sigur evenimentul care se produce n mod obligatoriu ntr-un experiment. Notm
evenimentul sigur cu litera E. Exemplu : extragerea unui contactor dintr-un lot de contactoare.
2. Eveniment imposibil evenimentul care n mod obligatoriu nu se produce n cadrul unui
experiment. Notm evenimentul imposibil cu . Exemplu : extragerea unui motor electric dintr-un
lot de butoane.
3. Eveniment aleator (ntmpltor) evenimentul care se produce sau nu ntr-un experiment, i se
noteaz n general cu A, B, C sau A1, A2,,An.
Cmp de evenimente: rezultatele unor experimente pot reprezenta evenimente diferite, iar totalitatea
acestor evenimente formeaz ceea ce se numete cmp de evenimente.
Cmp de probabilitate este mulimea valorilor numerice reprezentnd probabilitatea fiecrui
eveniment aparinnd unui cmp de evenimente. Evenimentele aleatoare pot fi la rndul lor : compatibile,
dac se pot produce simultan, sau incompatibile dac nu se produc simultan (se exclud mutual). Astfel,
realizarea unui eveniment exclude realizarea celuilalt. O categorie aparte de evenimente incompatibile o
formeaz evenimentele contrarii (complementare) care la nerealizarea unui eveniment A se produce sigur
cellalt eveniment .
33

Capitolul III STATISTICA TEHNIC

Observaie : evenimentele contrarii sunt incompatibile n timp ce evenimentele incompatibile nu sunt n


mod obligatoriu contrarii.
Evenimente independente: dou evenimente se numesc independente n probabilitate dac
probabilitatea de realizare a unuia nu este influenat de realizarea sau nerealizarea celuilalt.
Evenimente dependente: dou evenimente se numesc dependente dac probabilitatea unui eveniment
este influenat de realizarea celuilalt eveniment.
3.4.1. ALGEBRA EVENIMENTELOR
Dou sau mai multe evenimente (compatibile sau incompatibile) pot defini printr-o operaie de reuniune
sau de intersecie un alt eveniment.
Reuniunea evenimentelor (suma evenimentelor)
Considernd evenimentele A, B, reuniunea S nseamn realizarea cel puin a unuia din evenimentele A
sau B. Se noteaz astfel : S = A B (se citete A sau B). Reuniunea a dou mulimi A i B este mulimea
elementelor care aparin sau lui A sau lui B. n cazul unui sistem de n evenimente Ai: i = 1, 2,,n reuniunea
n

S se prezint sub forma : S A1 A2 ... An Ai


i 1

Se spune c evenimentul aleatoriu A se descompune n evenimentele A1...An dac acestea sunt


incompatibile (Ai Aj = ), iar evenimentul A const cel puin din realizarea unuia din evenimentele A1, A2,
n

,An, adic: A A1 A2 A3 ... An Ai . Evenimentele A1, A2,,An formeaz un sistem complet de


i 1

evenimente dac cel puin unul din evenimentele A se produce ntr-un experiment, adic E .
i 1

n tabelul 3.5. sunt prezentate proprietile mai importante ale operaiilor cu evenimente i relaiile
corespunztoare.
Intersecia evenimentelor (produsul evenimentelor)
Considernd evenimentele A, B, intersecia acestora, nsemnnd realizarea i a evenimentului A i a
evenimentului B, este I = A B (se citete A i B). Intersecia unui sistem de evenimente {Ai ; i=1, 2, , n}
n

se prezint sub forma : I A1 A2 . . . . An Ai


i 1

Tabelul 3.5 .Proprietile operaiilor cu evenimente


ENUN

RELAII

Contrariul unui eveniment sigur este un eveniment imposibil (i


invers).
Reuniunea sau intersecia unui eveniment A cu el nsui este egal cu
acelai eveniment.
Reuniunile i interseciile sunt comutative.
Reuniunile i interseciile sunt asociative.
Intersecia n raport cu reuniunea i reuniunea n raport cu intersecia
sunt distributive.
Reuniunea evenimentelor contrare este un eveniment sigur.
Intersecia a dou evenimente incompatibile este un eveniment
imposibil.
Dac E este un eveniment sigur, un eveniment imposibil i A un
eveniment aleatoriu exist relaiile :

E
=E
A A A

A A A
A B B A
A B B A
A ( B C ) ( A B) C

A ( B C ) ( A B) C
A ( B C ) ( A B) ( A C )
A ( B C ) ( A B) ( A C )
A A E
A A =

A E E; A = ;
E E; E .

A ( A B) A
A ( A B) A

Oricare ar fi evenimentele A, B exist relaiile :


Considernd evenimentele A, B i contrariile A , B exist
urmtoarele relaii (relaii de Morgan)

34

( A B) A B
( A B) A B

MANAGEMENTUL CALITII Construcia, implementarea, dezvoltarea sistemului calitii n ntreprinderi industriale

3.4.2. PROBABILITATEA EVENIMENTELOR


Interpretri
Probabilitatea reprezint msura numeric a posibilitii de realizare a unui eveniment. Astfel noiunea
de probabilitate a unui eveniment este legat de noiunea practic de frecven a unui eveniment. Ca
elemente de referin n precizarea unitii de msur a probabilitii unui eveniment aleatoriu se consider
pe de o parte probabilitatea evenimentului sigur care este egal cu unu, iar pe de alt parte probabilitatea
evenimentului imposibil egal cu zero. Probabilitatea unui eveniment aleatoriu este cuprins astfel ntre 0 i
1 (0 < P(A) < 1). n anumite cazuri se poate calcula direct probabilitatea cunoscnd numrul cazurilor
favorabile din totalitatea cazurilor posibile, considernd evenimentele separate ca echiprobabile. n acest
caz probabilitatea unui eveniment A, P(A), este :
P ( A)

m numarul cazurilor favorabile

n
numarul cazurilor posibile

Aceast formul denumit formul clasic de calcul a servit mult timp ca baz a definiiei
probabilitilor.
Formula de mai sus este formula direct de calcul a probabilitii cnd experimentul se reduce la un
sistem n care fiecare caz posibil are aceeai probabilitate de realizare i compoziia este cunoscut. n multe
cazuri, calculul direct al probabilitilor nu este posibil (exemplu, durata de via a unei bobine, a unui bec
etc.). Pentru aceste cazuri este necesar s se fac ncercri n condiii identice, determinndu-se frecvena
evenimentului cercetat. Se ajunge astfel la interpretarea n frecven a probabilitii unui eveniment:
P( A)

m nr. de aparitii ale evenimentului A

n
nr. total de incercari

Cnd numrul ncercrilor este redus, frecvena evenimentului are un caracter aleatoriu. Dac numrul
ncercrilor crete, se ajunge la o stabilitate a frecvenelor.
innd seama de caracterul particular al variaiei acestei mrimi se spune c frecvena unui eveniment
converge n probabilitate ctre probabilitatea adevrat a evenimentului.
Proprieti ale probabilitilor:
1. P(B A) = P(B) P(A B)
2. Dac A B, atunci P(B A) = P(B) P(A)
3. Dac A B, atunci P(A) P(B)
4. P( A ) = 1 P(A)
5. P() = 0
6. 0 P(A) 1
7. P(A B) = P(A) + P(B) P(A B)
8. P(A B) + P(B A) = P(A) + P(B) 2P(A B)
9.

i 1

P A pentru orice familie (Ai)i=n finit de evenimente


i n

Principiul certitudinii practice


n multe cazuri se ntlnesc evenimente a cror probabilitate se situeaz la limitele extreme : fie foarte
apropiate de zero, fie foarte apropiate de unitate, fr ns a se confunda cu evenimentele imposibile sau
evenimentele sigure. Aceste evenimente poart denumirea de evenimente aproape imposibile i
evenimente aproape sigure. Evenimentele aproape imposibile i aproape sigure joac un rol foarte
important n teoria probabilitilor i n multe domenii. Majoritatea aplicaiilor practice sunt bazate pe aceste
noiuni (tehnica msurtorilor, control de calitate, reglaj automat etc). Dac probabilitatea unui eveniment
ntr-o experien este foarte mic sau foarte apropiat de unitate, atunci se poate prevedea rezultatul
experienei pe baza principiului imposibilitii practice a evenimentelor cu probabilitate mic sau a
principiului certitudinii practice . Acest principiu poate fi formulat astfel: dac probabilitatea unui
eveniment oarecare A ntr-o experien este foarte mic, putem fi aproape siguri c dac experiena se
efectueaz o singur dat, evenimentul A nu va avea loc. Pornind de la definiia clasic a probabilitii se
observ c un eveniment cu probabilitate zero nu este un eveniment imposibil, dar realitatea cea care
confirm principiul imposibilitii practice.

35

Capitolul III STATISTICA TEHNIC

3.4.3. TEOREME FUNDAMENTALE N TEORIA PROBABILITILOR


Rolul teoremelor fundamentale
Metoda direct de calcul a probabilitilor are un rol minor n teoria probabilitilor, fiind de cele mai
multe ori inutilizabil. Foarte mult se folosesc metodele indirecte de calcul permind aflarea probabilitilor
unui eveniment pe baza probabilitilor deja cunoscute altor evenimente legate de primele. Astfel, teoria
probabilitilor se reduce n mare, la un sistem de metode indirecte pe baza crora necesitatea experimentrii
este minim.
Tabelul 3.6. Relaii de calcul pentru probabilitatea interseciei i reuniunii
DEFINIIA
EVENIMENTULUI

FELUL
EVENIMENTULUI

RELAII DE CALCUL

Dependente

P( Ai ) P ( Ai / A j )

A Ai
1

(intersecia)

i 1
1

P( Ai ) P( Ai ) (n 1)

Dependente sau
independente

i 1

P( Ai ) P( Ai )

Independente

i j

P ( Ai ) P ( Ai ) ( Ai A j )
1

(A

i j k

A j Ak )

Compatibile

... ( 1) n 1 P ( Ai )
1

(Formula lui Poincar)


Pentru evenimente independente :

A Ai
1

P ( Ai ) 1 [1 P ( Ai )]

(reuniune)

P( Ai ) P ( Ai )

Incompatibile

Teoreme i relaii referitoare la intersecia i reuniunea evenimentelor


Probabilitatea interseciei a dou evenimente A, B compatibile i independente este :
P ( A B ) P ( A) P ( B )
Dac evenimentele sunt dependente : P ( A B ) P ( A) P ( B / A)

unde P(B/A) este probabilitatea evenimentului B condiionat de A. n mod similar pentru n evenimente
n

n 1

dependente : P ( Ai ) P ( A1 ) P ( A2 / A1 ) P ( A3 / A1 A2 )...P ( An / Ai )
Reuniunea a dou evenimente A i B compatibile i dependente este :
P ( A B ) P( A) P ( B ) P ( A B )

n tabelul 3.8., sunt prezentate relaiile referitoare la calculul probabilitii interseciei i reuniunii. Cnd
nu este cunoscut faptul dac evenimentele sunt dependente sau independente se utilizeaz pentru intersecie
inegalitatea Boole.
Formula probabilitilor totale
Pornind de la un exemplu practic considernd c tolele necesare statorului unei maini electrice sunt
tanate la trei prese diferite. Se cunosc urmtoarele evenimente : X1 (presa 1) produce 30% din totalul
tolelor cu un rebut de 2% pe pres; X2 (presa 2) produce 20% din totalul tolelor cu un rebut 3% pe pres; X3
(presa 3) produce 50% din totalul tolelor cu un rebut de 1% pe pres. Tolele ajung la secia de montaj i se
amestec. Aici se pune problema probabilitii extragerii unei tole necorespunztoare. Generaliznd,
n

considerm un sistem complet de evenimente X1, X2,, Xn, adic X i E . Fie un alt eveniment A,
i 1

defectul, care nu se poate realiza ci numai mpreun cu unul din evenimentele Xi, formnd un sistem de

36

MANAGEMENTUL CALITII Construcia, implementarea, dezvoltarea sistemului calitii n ntreprinderi industriale


n

evenimente Xi A incompatibile. n consecin evenimentul A ( X i A) . Deoarece evenimentele (Xi


i 1

A), (Xj A) sunt incompatibile, adic (Xi A) (Xj A) = , probabilitatea evenimentului A este :
n

P ( A) P ( X 1 A) P( X 2 A) ... P( X n A) P ( X i A).
i 1

Deoarece evenimentele Xi i A sunt compatibile i dependente :

P ( X i A) P( X i ) P ( A / X i )

nlocuind ultima formul n penultima obinem :


n
n

P ( A) P ( X i A) P( X i ) P ( A / X i ).
i 1

1
Aceast relaie de mai sus este cunoscut sub denumirea formula probabilitilor totale. Revenind la
exemplul iniial unde P(X1) = 0,3; P(X2) = 0,2; P(X3) = 0,5 i de asemenea P(A/X1) = 0,02; P(A/X2) = 0,03;
P(A/X3) = 0,01, rezult cu (2.11) probabilitatea extragerii unei tole defecte P(A) = P(X1) P(A/X1) + P(X2)
P(A/X2) + P(X3) P(A/X3) = 0,017.
Teorema ipotezelor (formula lui Bayes)
n

Fie un sistem complet de ipoteze (evenimente) incompatibile H1, H2,,Hn ( H i E j ; H i H j ).


1

Aceste ipoteze (evenimente) reprezint cauzele unui alt eveniment A, condiionat de evenimentele H1, H2,
,Hn. nainte de a efectua vreo experien sunt date probabilitile ipotezelor P(H1), P(H2), ., P(Hn) i
P(A/H1), P(A/H2),, P(A/Hn). Realizndu-se evenimentul A, se pune ntrebarea ce valoare capt
probabilitile acestor ipoteze, condiionate de evenimentul A care s-a produs. Se tie c : P(A/Hi) = P(A)
P(Hi/A).
Intersecia evenimentelor fiind comutativ, P(A Hi) = P(Hi A). Se poate scrie egalitatea : P(A)
P( H i ) P( A / H i )
.
P(Hi/A) = P(Hi) P(A/Hi), de unde : P ( H i / A)
P ( A)
Conform formulei probabilitilor totale, probabilitatea evenimentului A este
n

P ( A) P ( H i ) P ( A / H i ) i nlocuind aceast relaie n cea anterioar n se obine relaia :


1

P ( H i / A)

P ( H i ) P( A / H i )
n

P( H ) P ( A / H )
i 1

care poart denumirea de formula lui Bayes sau teorema

ipotezelor.
3.5. ESTIMAII STATISTICE
3.5.1 CONSIDERAII GENERALE ASUPRA SONDAJULUI
Experimentele statistice se fac ntotdeauna n vederea estimrii valorilor necunoscute ale parametrilor
unei legi de repartiie sau ale unor funcii ale acestora. Demersul metodologic al cercetrii prin sondaj,
urmrete extragerea i observarea dintr-o colectivitate pe care dorim s o cunoatem a unui numr limitat
de elemente, cu sperana c informaia primit prin cercetarea acestei pri s fie util i suficient de precis
pentru a cunoate ntreaga colectivitate. Cercetarea prin sondaj presupune un proces complex care cuprinde
urmtoarele etape, prezentate n fig. 3.26.
Cercetarea prin sondaj poate viza dou obiective:
1. estimarea unor caracteristici ale unei distribuii statistice (media, dispersia, etc.);
2. verificarea unor ipoteze statistice privind tipul repartiiei statistice, legturile dintre fenomene,
evoluia fenomenelor, etc.
Eantionarea presupune delimitarea statistic a colectivitii pe care vrem s o cunoatem i obinerea
unui eantion reprezentativ.
Observarea statistic. Etapa culegerii datelor presupune observarea unitilor eantionului i
nregistrarea lor prin caracteristicile cuprinse n programul nregistrrii, prevenirea i eliminarea erorilor de
nregistrare pentru a asigura autenticitatea datelor nregistrate.
37

Capitolul III STATISTICA TEHNIC

Prelucrarea i analiza datelor. Etapa prelucrrii i analiza datelor rezultate din observarea eantionului
duce la obinerea indicatorilor statistici necesari descrierii unei distribuii (media, dispersia, etc.) sau analiza
varianei i legturile dintre variabilele statistice. (coeficient de corelaie, de regresie, etc.)
Inferena i decizia statistic. Aceast etap
presupune estimarea parametrilor colectivitii
totale
Enunarea obiectivelor
i testarea ipotezelor n condiii de probabilitate
date.
Observaiile care se pot face asupra unei
Eantionarea
populaii pot fi: totale (exhaustive) sau pariale, n
funcie de modul n care sunt cuprinse n cercetare.
Observarea statistic
Unitile elementare (statistice) sau mai simplu
(culegerea datelor)
elementele statistice au caracteristici proprii, ns
luate
n ansamblul unei populaii acestea se supun unor
legi
Prelucrarea datelor
statistice. Populaiile pot fi finite (numrabile) sau
infinite. n acelai timp populaiile finite sunt reale
n
Analiza datelor
sensul c formeaz un numr finit de uniti
determinate calitativ n spaiu i timp.
Inferena statistic
n cercetare, n industrie, conceptul de
populaie poate avea i alt aspect. De exemplu
Decizia statistic
msurm tensiunea de strpungere a unui material.
Numrul de determinri fcut reprezint o
Figura. 3.26. Etape ale demersului cercetrii
populaie finit i real. n acelai sens, se poate
privi
prin sondaj
i producia de piese realizat de o main (Sursa: Elisabeta Jaba; Statistic. Editura Economic. 2002)
automat care, de asemenea, poate fi foarte mare
dar
finit. Pe lng aceste populaii reale putem s ne imaginm i o populaie ipotetic format din mulimea
tuturor cazurilor posibile, adic mulimea tuturor determinrilor experimentale posibile sau a tuturor
elementelor posibile a fi fabricate. Cercetarea unitar a ntregii populaii chiar i atunci cnd este finit este
greu de realizat i este neeconomic. Practic, descrierea populaiei se face considernd o parte din populaie
(o subpopulaie). Astfel, dintr-o populaie originar (lot) se cerceteaz o subpopulaie denumit eantion
sau selecie. Numrul de elemente cuprins n eantion se numete volumul eantionului. Din punct de vedere
al volumului, eantionul poate avea un volum mic (n 30) sau un volum mare (n < 30). Operaia de
extragere (prelevare) la ntmplare a unui eantion se numete sondaj. Scopul principal al unui sondaj este
acela de a obine cu un efort minim (volum minim de experimentri) un volum maxim de informaii asupra
populaiei originare. Referitor la o caracteristic oarecare, cercetarea eantionar poate avea ca scop
stabilirea repartiiei de frecven sau a valorilor tipice.
Sondajul se clasific dup urmtoarele criterii:
1. n funcie de principiul de selecie:
- Sondaj aleatoriu;
- Sondajul stratificat;
- Sondajul mixt.
2. n funcie de procedeul de selecie:
- Sondaj cu revenire (repetate);
- Sondaj fr revenire (nerepetate);
- Sondaje mecanice.
3. Dup numrul de uniti extrase:
- Sondaje simple, se extrage o singur unitate;
- Sondaje de serii, se extrag mai multe uniti.
4. Dup volumul eantionului:
-Sondaje de volum mare, unitile i valorile tipice se distribuie dup legea normal;
-Sondaje de volum mic, are ca lege de repartiie a valorilor tipice, legea Student.
Sondajul aleatoriu simplu presupune extragerea aleatoare a eantionului plecnd de la o baz de sondaj,
adic de la o list complet a indivizilor ce compun populaia studiat. Fiecrui individ din populaie i se
asociaz o probabilitate de a intra n eantion. Toate unitile pot avea sau aceiai probabilitate de a fi
selectate.
Sondajul stratificat se organizeaz atunci cnd se cunoate structura colectivitii. Dac o colectivitate,
de volum N, este format din k grupe: N=N1++ Nk, eantionul stratificat se formeaz prin alegerea
38

MANAGEMENTUL CALITII Construcia, implementarea, dezvoltarea sistemului calitii n ntreprinderi industriale

aleatoare a unitilor la nivelul fiecrei grupe. Sondajul stratificat poate fi: un sondaj tipic simplu,
proporional sau optim.
n cazul sondajului tipic simplu, eantionul se formeaz extrgnd din fiecare grup omogen a
colectivitii generale acelai numr de uniti indiferent de ponderea fiecrei grupe n cadrul colectivitii.
n cazul sondajului tipic proporional, eantionul se formeaz n funcie de proporia grupelor omogene.
Se extrage din fiecare grup un numr de uniti proporional cu ponderea fiecrei grupe n cadrul
colectivitii. Volumul de selecie pe grupe se stabilete innd seam de proporia de selecie (n/N), adic
n/N=ni/Ni, rezult ni=Ni n/N.
n cazul sondajului tipic optim, eantionul se formeaz innd seam de gardul de dispersie din fiecare
grup omogen a colectivitii, msurat prin abaterea medie ptratic.
Sondajul mixt const n divizarea populaiei n straturi urmat de prelevarea aleatoare din fiecare strat.
Realizarea unui eantion se realizeaz n mai multe faze. Indiferent prin ce procedeu se obine eantionul,
rezultatele interpretrilor sunt dependente de gradul n care este reprezentat structura populaiei originare n
eantion. Se numete eantion reprezentativ eantionul care red cu fidelitate structura populaiei.
Eantionarea tipic d erori mai mici comparativ cu sondajul aleatoriu simplu. Erorile de sondaj pot
avea multe alte cauze cum ar fi: o tehnic defectuoas de alegere, instrumente de msur imperfecte sau
necorespunztoare i interveniile premeditate sau nepremeditate ale observatorului.
Teoria sondajului a elaborat o serie de procedee i tehnici pentru a realiza caracterul aleator al
sondajului difereniat n funcie de volumul eantionului. Exist tabele cu numere ntmpltoare stabilite prin
metoda Monte Carlo pentru obinerea unui eantion denumit randomizat (ntmpltor). Sondajul poate fi
repetat dac elementul prelevat este reintrodus n populaia originar i nerepetat dac elementele nu se
reintroduc. Pentru sondajul repetat se mai utilizeaz denumirile de bernoullian sau nonexhaustiv, iar
pentru sondajul nerepetat nebernoullian sau exhaustiv.
3.5.2. ESTIMAII I ESTIMATORI
Considerm o variabil aleatoare X la care legea de repartiie este exprimat printr-o funcie dat
(densitatea de repartiie sau funcie de repartiie). Aceast funcie este specificat dac conine anumii
parametri necunoscui (media, dispersia etc.) sau complet specificat dac sunt cunoscui toi parametrii.
Operaia prin care se determin valorile parametrilor se numete estimaie. Deci estimarea nseamn n
general a cerceta i determina parametrii unei legi de repartiie date sau a determina indicatorii teoretici
(valorile tipice) pe baza datelor de eantion.
Pentru a efectua estimarea se utilizeaz o formula, o regula definit sau o statistica predefinit care se
numete estimator (de exemplu x este estimatorul parametrului ). Estimaia este la rndul su o variabil
aleatoare dependent de eantion. Estimaia poate fi punctual dac parametrul a al populaiei se estimeaz
printr-o valoare izolat determinat cu un estimator E x1 , x 2 , , x n pe baza datelor eantionare sau poate fi
o estimaie cu interval de ncredere dac se stabilete un interval (E 1, E + 2) care s includ valoarea
adevrat a a parametrului estimat, cu o probabilitate dat P. Estimaia punctual nu coincide n general cu
valoare adevrata a parametrului dar este foarte apropiat de aceasta.
Parametrii populaiei pot fi estimai cu ajutorul mai multor estimatori diferii, consecina fiind o precizie
diferit. Estimaia i estimatorii pot fi apreciai prin prisma unor criterii denumite: consisten, nedeplasare,
eficien i suficien. Fie a valoarea unui parametru al populaiei i E x1 , x 2 , , x n valoarea estimatorului
punctual determinat pe baza valorilor x1, x2, , xn ale eantionului.
Dac estimatorul tinde ctre valoarea a cnd numrul msurtorilor n crete necontenit:
lim E X 1 , X 2 , , X n a estimaia este consistent.
n

Estimaia este deplasat i se numete corect sau consistent deplasat dac estimatorul ndeplinete

condiiile:

M E x1 , x2 , , xn a A n

lim A n 0
n

D E x1 , x2 , , xn 0
lim
n
Se numete estimaie nedeplasat (absolut corect sau consistent nedeplasat) dac:
39

Capitolul III STATISTICA TEHNIC

M E x1 , x2 , , xn a
lim D E x , x , , x 0
1 2
n

Estimaia se numete eficient dac estimatorul este nedeplasat i are dispersie minim. De asemenea,
estimaia este suficient sau exhaustiv dac se utilizeaz complet ntreaga informaie a eantionului. Se
subliniaz faptul ca estimatorul eficient al unui parametru pentru o anumit lege de repartiie nu este identic
cu estimatorul eficient al aceluiai parametru pentru alt lege de repartiie.
n general un bun estimator trebuie s ndeplineasc urmtoarele condiii (condiiile Yule):

s fie obiectiv;

s depind de toate observaiile seriei;

s aib semnificaii concrete;

s fie simplu i uor de calculat;

s fie puin sensibil la fluctuaiile eantionului.


Ca notaii se folosesc n general literele latine ( x , m, s) pentru parametrii eantionului i literele
greceti (, , ) pentru cei ai populaiei. n continuare vom avea n vedere sondajul aleator simplu cu o
singur caracteristic cantitativ a populaiei. n foarte multe cazuri, valorile x1, x2, , xn ale unui eantion
reprezint rezultatul unor experimente care pot fi repetate la infinit i n consecin extragerea sa fiind
considerat o populaie ipotetic infinit, (fiecare unitate rmnnd n cadrul populaiei originare, iar
variabilele de sondaj fiind independente ntre ele).
3.5.2.1. Estimatorii valorilor tipice
Estimatorul mediei teoretice

1 n x
x

Media de selecie. Media eantionului se calculeaz cu relaia


i . Vom considera populaia
n i
1

finit avnd N elemente cu M X din care se extrag k eantioane cu volume egale.


Considerm populaia format din totalitatea eantioanelor, media teoretic este:

1 N
x
N i 1 i

Estimatorul al mediei este variabila aleatoare media de selecie care urmeaz lege de
probabilitate normal abaterile ntr-un sens sau altul fa de media lor se compenseaz reciproc. Distribuia
mediei de selecie se fundamenteaz pe teorema limit central.
Rezult c media mediilor este egal cu media teoretic adevrat a populaiei

1 n

1 n
1 n
1

M M x M
X i M xi n
n
n
n
n
i 1
i 1
i 1

Media aritmetic de selecie este un estimator nedeplasat. Dac estimarea este punctual prin mai multe
eantioane cu volume diferite, n1, n2,, nm la care s-au obinut mediile de selecie x1 , x 2 , , x m media
m
1m
mediilor va fi: x n ni xi , n ni .
i 1
i1
Dispersia mediei de selecie. Variabilele aleatoare de selecie x sunt independente:

1n
n
1 n
1
D x 2 2 D x
D x
D x
i
i
i
x

n 2 i 1
n2 1
n1

Dispersia mediei de selecie tinde ctre zero


populaiei n N :

0
2

cnd volumul eantionului tinde ctre valoarea


1
2
2 D x
n 2
0;

n
n2

pentru o populaie infinit (cazul sondajului aleatoriu repetat:

pentru o populaie finit (cazul sondajului aleatoriu nerepetat):

40

2 N n
D x
2
0 .

n
N

MANAGEMENTUL CALITII Construcia, implementarea, dezvoltarea sistemului calitii n ntreprinderi industriale

Se constat c dispersia este direct proporional cu dispersia


colectivitii generale i invers proporional cu volumul
eantionului. Se observ c media aritmetic pentru un numr
suficient de mare n i pierde caracterul de variabil aleatoare. Dac
eantionul provine dintr-o populaie infinit cu repartiia normal
N , 2
, media de selecie x , la un volum oarecare, are de

f x

f x
f x N ( ,2 )

2
f x N ( ,
)
n

N ,

asemenea, o repartiie normal

2
n

Variaia mediei de selecie st la baza calculului erorii medii de


reprezentativitate, care se msoar n uniti de abaterii standard.
Estimatorul momentului iniial de ordin k

Figura 3.27. Curba densitii de


probabilitate a variabilelor

Se consider c momentul teoretic iniial de ordin k este estimat cu ajutorul unui eantion prin
mck

estimatorul:

1n k
x
n1 i

1 n
1 n
M mck M xik M xik
n i

n i

Media estimatorului este:


Dac nlocuim

M xk

M X k

1
M mck n ck ck
n

se obine

k
c

1 n
2k
2 k
D mck
M xi M xi

n 2 i 1

2k n k
n c

n2

2k k
c

1n
2 xi x

n 1

Se consider dispersia de selecie determinat de relaia:

1 n
M 2 M
xi x

n 1

nlocuim pe

2 .

Estimatorul dispersiei

Media estimatorului

care are dispersia

Conform definiiei putem scrie:

n
1
M
n
1

xi x

n
1
M

n
1

xi

n
n
n

2 xi x 2 x xi 2 x nx n 2n x 2

1
i
i

2
n
2

x n x
1

2 xi x x 2

2
2


1
1 n
M 2 M xi n x 2 M xi nM x 2

n 1
n

se obine:

n
n
2
2
formulei dispersiei teoretice: M x 2 n

i
i 1
n

2
M x

Conform dispersiei medii de selecie:

Conform

2
n

nlocuim cele dou formule ale dispersiei teoretice i a dispersiei mediei de selecie n formula mediei
estimatorului

se obine:


M 2 M m

Dispersia estimatorului de selecie

1
1
n 1 2
M xi x n 2 2

n
n
n

Considerm definiia momentului centrat:


Practic:

D 2 D m M
2

Rezult c

M m
2

1n
2 xi x m2

n 1

n 13
n 1n 3 4
sau D 2 2 2 4 M X 4

n
n3

este un estimator deplasat.

Estimatorul corectat al dispersiei.


Estimatorul dispersiei de selecie 2 se corecteaz cu raportul n/n-1. Acest estimator al dispersiei de
selecie corectat se noteaz cu s2 i are expresia:

41

Capitolul III STATISTICA TEHNIC

s2

n
n 2
n 1 n
1
2
2

xi x
xi x
n 1
n 1 n i 1
n 1i 1

Media dispersiei de selecie corectat este:

M s2

2
1
M xi x

n 1

2 n 1 2
i a mediei dispersiei de selecie corectat avem:
Conform relaiei M

xi x

n mod similar cazului anterior

n 12

rezult:

M s 2 2 .

lim D s 2 0

Estimaia este nedeplasat i consistent ns nu este eficient (dispersia sa tinznd ctre valoarea
minim cnd numrul msurtorilor crete la infinit, adic este asimptotic eficient).
Dac exist m selecii de volum diferit, estimaia dispersiei este media ponderat a dispersiilor de
selecie:

n 1 s 2
i i
2
i

1
s
m

n 1
i

i 1

Pentru cazul particular n1 = n2 == nm = n estimaia dispersie este dat de relaia:


s2

1 m 2
s
m i 1 i

Dac dispersia de selecie, sc2 , este calculat cu valori grupate pe intervale cu amplitudinea intervalului
se poate face o corecie (corecia Sheppard) unde:

2
2 s2 c 12

Abaterea standard de selecie se determin cu relaia:


s

2
1 n
xi x
sau cu estimatorul:
n i 1

2
1 n
xi x
n 1 i 1

~ i s nu sunt deplasai ( M s B ,n ). Corectarea estimatorului prezint anumite


Estimatorii
dificulti. Considerm valorile unui eantion x1, x2,, xn, ca variabile aleatoare independente, fiecare urmnd
o lege de repartiie normal N(,2), rezult c variabila aleatoare definit de expresia:
2
n 1
x x
n 1 s z 2 are o repartiie 2.
i
i

2

i 1

Concluzie: Dac x1, x2,, xn sunt variabile aleatoare independente cu repartiie normal, cu aceiai medie
i dispersie, variabilele aleatoare x i s2 sunt independente. Repartiia probabilitii variabilei aleatoare s2
nu depinde de valorile pe care le capt variabila aleatoare x chiar dac sunt calculate pe acelai eantion. n
cadrul cercetrilor statistice din industrie se ntlnesc procese nereglate sau nestabilizate (produs nou intrat
n fabricaie, o nou tehnologie, materiale noi, etc.). Calculul abaterii standard n aceste situaii coroborat i
cu variaia mediei populaiei conduce la erori foarte mari.
3.5.3. INTERVALE DE NCREDERE
Un alt procedeu de estimare al unui parametru este acela al estimrii cu un interval de ncredere.
Msurarea unei anumite caracteristici (rezisten, putere, curent, etc.) poate fi considerat ca o selecie dintro populaie de valori care reprezint caracteristica respectiv. Indicarea unei valori estimate, izolat
(punctual) nu poate fi considerat de cele mai multe ori satisfctoare fr a face referiri la domeniul de
variaie i la probabilitatea corespunztoare. n industrie, lum cazul unui produs fabricat, domeniul de
variaie al unei caracteristici reflect nivelul de calitate al fabricaiei. Deoarece estimatorii de selecie sunt
variabile aleatoare, una din problemele importante care se pun const n exprimarea gradului de precizie a
estimrii sau a probabilitii estimaiei. Valoarea probabilitii P implic ns un anumit interval (x1, x2)
conform relaiei: P = Prob x1 X x 2

x2

f x dx

cruia i aparine parametrul respectiv. S-a stabilit astfel

x1

un interval numit interval de ncredere care are proprietatea ca naintea oricror experiene aceasta s
conin adevrata valoare a parametrului cu probabilitatea P. Fie a0 valoarea adevrat a parametrului pentru
42

MANAGEMENTUL CALITII Construcia, implementarea, dezvoltarea sistemului calitii n ntreprinderi industriale

care se obine o estimaie punctual . Considerm c abaterea


probabilitate foarte mare (0,90, 0,95 sau 0,99):
P a a0 a
a1

a a 0

este mai mic dect o valoare cu o


P a a 0
sau

a2

Figura 3.28. Interpretarea geometric a


intervalului de ncredere
f(x)

f(x)
1-

1-

2
a0

a2

a0

Figura 3.29. Interval cu risc bilateral


simetric

a2

Figura 3.30. Interval cu risc bilateral


asimetric

Valoarea poate fi determinat pentru o anumit


probabilitate .
Relaia P a a0 a arat c valoarea adevrat a0 aparine intervalului (-, +) cu
probabilitatea . Deci am construit un interval (a1, a2), a1 = - , a2 = + , denumit interval de ncredere
pentru parametrul a (fig 3.28). Domeniul exterior (complementar) intervalului de ncredere se numete
interval critic. Probabilitatea ca indicatorul estimat s aparin intervalului critic se noteaz cu i se
numete nivel de semnificaie. De asemenea, probabilitatea apartenenei la intervalul de ncredere se
numete nivel de ncredere i este egal cu 1- = . Nivelul de semnificaie reprezint i riscul sau
probabilitatea ca valoarea adevrat s cad n afara intervalului de ncredere considerat. Dup modul cum
este plasat riscul n raport cu intervalul de ncredere acesta poate fi:

un interval de ncredere cu un risc bilateral (simetric sau asimetric);

un risc unilateral (la stnga sau la dreapta).


Intervalul de ncredere cu risc bilateral simetric (fig. 3.29) este intervalul la care riscul este plasat cu
valori egale (/2) de o parte i de alta a valorilor extreme ale intervalului:
P a 0 a 2 P a0 a1

Observaie. Se menioneaz o particularitate a intervalului de ncredere. Valoarea a0 nu este aleatoare.


Poziia intervalului, centrat n i de amplitudine 2, este aleatoare. Din acest motiv este de preferat s se
interpreteze valoarea (1 - ) nu ca o probabilitate, pentru care valoarea adevrat a0 cade n intervalul (a1,
a2) ci ca o probabilitate a intervalului (1 - ) de a include valoarea adevrat.
Intervalele de ncredere simetrice se folosesc foarte mult n tehnica msurtorilor unde abaterile
mrimilor ntr-un sens sau altul reprezint aceeai importan.
Intervalul de ncredere cu risc bilateral asimetric (fig 3.30) este frecvent ntlnit n aplicaiile industriale,
tehnologice, proiectare, etc.
f(x)
f(x)
Considerm riscurile la partea
1-
1-
inferioar i i la partea superioar s
inegale, limitele intervalului sunt

definite de relaiile P a 0 a 2 s i
x
P a0 a1 i ,
cu
nivelul
de
as
a0
ai
a0
semnificaie i s .
b) risc dreapta
a) risc stnga
Intervalul de ncredere unilateral,
are
Figura 3.31. Interval unilateral
riscul plasat la stnga sau la dreapta
intervalului i n consecin intervalul este cu o singur limit inferioar (fig 3.31 a) sau superioar (fig 3.31
b), definit corespunztor de una din relaiile: P a 0 a 2 sau P a 0 a1 .

43

Capitolul III STATISTICA TEHNIC

Intervalele de ncredere unilaterale au numeroase aplicaii, de exemplu n tehnologia montajului unde


anumite cote nu pot fi admise dac depesc o valoare impus, sau din contr dac sunt inferioare unei
valori limit prescrise. De asemenea, acestea se mai ntlnesc la elaborarea planurilor de control statistic
unde numrul defectelor nu trebuie s depeasc o anumit limit superioar (orice valoare inferioar fiind
acceptat). Dac repartiiile sunt necunoscute, intervalele de ncredere pot fi construite cu ajutorul
inegalitii Cebev.
Intervalul de ncredere pentru media unei repartiii normale la care se cunoate dispersia. Se
consider o populaie a crei caracteristic X are o repartiie normal N(, 2) cu media necunoscut. Se
extrage din aceast populaie un eantion de volum n. S estimm media cu un interval de ncredere de
95% cu risc bilateral simetric. Nivelul de semnificaie este = 0,05. Se tie c media de selecie x are o
repartiie normal N(, 2/n).
f(z)
Parametrul fiind necunoscut se scrie abaterea
0,4
redus a acestuia n raport cu

1 - = 0,95

0,3

care are o repartiie normal normat N(0, 1). Conform


tabelului repartiiei probabilitatea de 95% este cuprins n
intervalul (-1,96; +1,96). n figura 3.32 este reprezentat
intervalul de ncredere cu probabilitatea P(-1,96 < z <
1,96). Din aceast relaie se poate scrie dubla egalitate:
x
1,96

de unde rezult:
n

1,96 z

0,025
2

0,2
0,1

0,025
2
z

Figura 3.32 Interval de ncredere cu risc


bilateral
simetric cu nivel de semnificaie = 0,05

x 1,96

x 1,96
n
n

S-a construit astfel pentru intervalul de ncredere de 95%. Rezultatul mai poate fi pus sub forma:

. n cazul general, la un nivel de semnificaie , cu ajutorul unei variabile aleatoare normale


n
x
z

normat
se poate construi pentru un interval de ncredere cu risc bilateral simetric
x 1,96

P z / 2
z / 2 1 unde:
(- z/2, z/2) dat de relaia:
z/2

reprezint valoarea variabilei z care poate fi depit cu probabilitatea /2;


(- z/2) valoarea care nu este depit cu probabilitatea /2.
Aceste valori pot fi determinate cu ajutorul tabelului repartiiei normale conform cu relaiile:

P z z / 2 F z / 2 1 2

P z z F z 1 F z
/2
/2
/2

2
Prin determinarea valorii z/2 intervalul cu risc bilateral simetric se poate scrie sub forma:


x z / 2
P x z / 2
x z / 2
1 de unde

a crui reprezentare geometric este redat n figura 3.33.


Intervalul de ncredere cu risc bilateral asimetric poate fi construit n mod similar considernd i riscul

la stnga i s riscul la dreapta: P x z


x z s
1
n
n

44

MANAGEMENTUL CALITII Construcia, implementarea, dezvoltarea sistemului calitii n ntreprinderi industriale

F z s 1 s ,

unde

sau P x z

F zi i

i i s


P x z i
F z i i
n


F z s 1 s
n

z / 2
2

/
n

f(z)
0,4

f(z)
0,4

0,3

0,3

zP

x
z1
P
2/n
/

0,2

0,1

- zi

n
figura
3.34
este

0,2

P z zs s

0,1

zs

Figura 3.34. Interval de ncredere


cu risc bilateral asimetric

Figura 3.33. Interval de ncredere cu risc bilateral


simetric cu nivel de semnificaie

reprezentat intervalul de ncredere bilateral asimetric. Intervalul de ncredere unilateral cu risc la stnga egal

cu , definit de probabilitatea P z 1 , este dat de inegalitatea: x z


. Limita superioar

a acestui interval (fig 3.35, a) se extinde pn la .


Intervalul de ncredere unilateral, cu risc la dreapta egal cu (fig 3.35, b) definit n mod similar de

probabilitatea

x
P
z 1

este dat de expresia: x z

Limita inferioar a intervalului merge pn la infinit.


Interval de ncredere pentru media unei repartiii normale la care nu se cunoate dispersia. Fie o
variabil aleatoare X cu repartiie N(, 2) cu i 2 necunoscute. Dac se consider un eantion de volum n
cu estimaiile

i s, variabila aleatoare normat

s2
n

nu mai urmeaz o lege normal.

f(z)
0,4

f(z)
0,4

1-

zP

0,2

0,2

1-

-z

a) risc
stnga

b) risc dreapta
Figura 3.35. Interval de ncredere cu risc unilateral

Se tie c -

are o repartiie normal, s o repartiie iar statistica


2

s2
n

urmeaz o lege de

repartiie Student cu = n 1 grade de libertate. Similar cazului anterior, intervalul de ncredere bilateral

t , / 2 1
pentru media este definit de relaia: P t , / 2
s n

45

Capitolul III STATISTICA TEHNIC

unde x t , / 2

x t , / 2

sau x t , / 2

s
f(t)

1-

n figura 3.35. a) este reprezentat intervalul de ncredere


unilateral cu risc la stnga cu nivel de semnificaie este:
x t ,

s
n

n mod similar, intervalul unilateral cu risc la dreapta va fi:


x t ,

s
. Quantilele t , / 2 sau t , se determin cu
n

t , / 2

Figura 3.36 Interval de ncredere


bilateral simetric pentru variabila
aleatoare cu repartiie Student

ajutorul tabelelor de repartiie Student.


Intervalul de ncredere pentru dispersie

Fie X o variabil aleatoare cu repartiie normal cu media i dispersia 2 necunoscute. Dispersia este
x x
i

estimat cu ajutorul estimatorului de selecie corectat s . Se tie c statistica:


repartiie 2 cu = n 1 grade de libertate.

Pentru un nivel de semnificaie se poate scrie relaia: P , 1


2

unde , i , 1 sunt quantilele de ordin


i 1 .
2

i 1

xi x

are o

2 1
,
2

Expresia sumei de mai sus devine:


n

i 1

xi x

1
2

x
n

i 1

n 1 s 2

f(2)

nlocuind aceast relaie n relaia anterioar aceasta se poate pune


sub forma:
1
2
1

n 1 s 2
2
2

2
2
2

sau

n 1 s

, 1
,
2
2

, 1

, 1

/,
1
2

intervalul de ncredere bilateral pentru dispersie devine:


n 1 s 2 2 n 1 s 2
2
2
,

1-

, / 2

Figura 3.37. Interval de ncredere cu


risc bilateral pentru dispersie

n figura 3.37. este reprezentat intervalul de ncredere al dispersiei cu risc bilateral simetric. Pentru
abaterea standard un mod mai simplu de a calcula intervalul de ncredere este dat de relaia:
s1 q s 1 q unde q are valorile calculate (date n tabele) pentru nivelele de semnificaie 0,05 i
0,01.
Pentru q > 1 intervalul este 0 s1 q deoarece ntotdeauna 0 .
2
n acelai mod se poate determina intervalul la stnga:

2
sau cu risc la dreapta:

n 1 s 2
2

n 1 s 2
2

3.5.4. VOLUMUL NECESAR AL EANTIOANELOR


Limitele de ncredere pot conduce la stabilirea unei relaii de legtur ntre volumul eantionului n i
parametrii statistici. Se observ c la o cretere a volumului eantionului pentru acelai nivel de semnificaie
intervalul scade dar neliniar. Volumul eantionului poate fi determinat numai n cazul n care se cunoate
dispersia iar valorile eantionului sunt independente i de precizie egal. Considernd un eantion dintr-un

46

MANAGEMENTUL CALITII Construcia, implementarea, dezvoltarea sistemului calitii n ntreprinderi industriale

lot cu repartiie normal N(, 2) pentru un anumit nivel de semnificaie se poate scrie relaia:

Considernd o abatere maxim u x , rezult pentru nivelul de semnificaie urmtoarea


2
inegalitate: n z2 2
u
Dac dispersia este necunoscut volumul eantionului (numrul de msurtori) se poate determina n

funcie de nivelul de ncredere 1 i de raportul q


(s fiind abaterea standard corectat)
s

De exemplu pentru a obine un interval de ncredere cu probabilitatea 0,95 i cu precizia pn la 0,3 s


trebuie efectuate 46 de msurtori. Alegerea unei precizii implic i ali factori care necesit a fi corelai.
Astfel precizia estimaiei respectiv volumul eantionului este dependent n multe cazuri de aspecte
economice ale ncercrilor. Creterea volumului eantionului trebuie analizat prin sporul de precizie care se
obine n raport cu creterea cheltuielilor suplimentare necesare (eficiena economic).
Elemente de statistica ordinii
Valorile (x1, x2, ,xn) se obin n general ntr-o ordine valoric oarecare. Ordonarea valorilor de
eantionare ale caracteristicii X, x (1) , x 2 , , x n formeaz irul statisticii de ordine. Primul element x (1) se
numete element minimal sau prima statistic de ordine, iar ultimul element x ( n ) se numete element
maximal sau ultima statistic de ordine. n practic se ntlnesc multe cazuri n care valorile msurate se
obin n mod natural n ordine, de exemplu, uzura la o pies, durata de via la ncercrile de fiabilitate, etc.
Pentru astfel de variabile exist un tip special de analiz statistic. Metodele respective sunt utilizate la
rezolvarea unor probleme din domeniul tehnologiei i a fiabilitii. Cu ajutorul statisticilor de ordine,
amplitudinea este definit de relaia W 1 x n x 1 . n mod similar se definete statistica wi x n i 1 x i
denumit pseudoamplitudine. Statistica de ordine poate s conduc n unele cazuri la o estimare punctual a
parametrilor mai simpl. Astfel foarte frecvent n aplicaiile industriale se utilizeaz amplitudinea ca
estimator al abaterii standard i n special acolo unde estimarea se poate face cu mai multe eantioane dar de
volum foarte redus (n 20). Vom numi aceste eantioane probe. Dac se determin pentru fiecare prob
1 k
amplitudinea wi se obine pentru cele k probe amplitudinea medie: w wi
k i 1
Statistica

w
w
reprezint o estimaie punctual nedeplasat a abaterii standard
dn
dn

n relaie de mai sus, dn reprezint factorul de conversie a amplitudinii medii n abatere standard a crui
valoare este dependent de n.

3.6. TESTE DE IPOTEZ


Se tie c statistica are ca obiect fundamental problema deciziei n cazul unei incertitudini. De exemplu
un experimentator urmrete s determine dac un nou aliaj pentru contacte are o durat de via mai mare,
dac un nou procedeu de mbtrnire a bimetalelor conduce la abateri mai mici, dac schimbarea unor
materiale la un produs asimilat prin licen a modificat valoarea unor indicatori de calitate, etc. n toate
aceste cazuri trebuie luat o decizie pe baza unor rezultate obinute pe nite eantioane. Incertitudinea este
produs de faptul c eantionarea repetat ofer rezultate diferite. n general n asemenea cazuri se alege o
anumit variabil ale crei valori obinute pe baza eantionului fundamenteaz decizia. Una din problemele
de baz const din elaborarea regulilor de decizie, n aa fel nct, alegerea, dintre multiplele variante
existente, s conduc la o concluzie corect cu o probabilitate suficient de mare, iar concluzia eronat s
aib probabilitatea ct mai redus posibil.
O decizie nseamn adaptarea sau respingerea unei ipoteze.
n statistic prin ipotez se nelege o presupunere asupra uneia sau mai multor repartiii (care
caracterizeaz una sau mai multe populaii) sau asupra unuia sau mai multor parametri ai repartiiilor
respective. Ipoteza se numete statistic deoarece este justificat statistic pe baza datelor de sondaj.
47

Capitolul III STATISTICA TEHNIC

Metodele de verificare ale ipotezelor statistice se numesc teste statistice. Testele care se refer la
ipotezele ce privesc numai valorile necunoscute ale parametrilor unei repartiii se numesc teste parametrice.
Ipotezele sunt n general presupuneri care se refer la populaie i nu la eantioane. Decizia se ia ns pe
baza eantioanelor.
n consecin, orice decizie comport un anumit risc din cauza eantionului pe baza cruia s-a obinut
variabila aleatoare. Dac ipoteza este adevrat, dar pe baza eantionului se respinge ca fals, se comite o
eroare de genul 1. Probabilitatea acestei erori se noteaz cu . Se poate ntmpla i invers; s se accepte ca
ipotez adevrat o ipotez fals. n acest caz se face o eroare de genul 2. Probabilitatea acestei erori se
noteaz cu . De exemplu, pe baza eantioanelor acceptm loturile care au valoarea adevrat = 0 (fig
3.38)
adoptnd un nivel de semnificaie .
Regiune
critic
f(x)
Unele
eantioane, dei extrase din populaia cu
Legea 2
Legea 1
media
0,
pot s indice o alt valoare diferit de 0
1-
pe
baza
creia se ia decizia de respingere a lotului.
1-
Se produce o
eroare de genul 1.
De
asemenea, pot exista eantioane dintr-un

lot cu 0
(fig 3.38) dar care s confirme ipoteza
fcut ( =
0) i n acest caz se comite eroarea de
xL
x
0

genul 2 cu o
probabilitatea egal cu . Acceptarea
Fig. 3.38 Reprezentarea erorilor de ordinul 1 i 2
ipotezei
potrivit creia lotul din care s-a extras
eantionul are media 0 sau nu, revine la a compara media de eantion x cu o valoare limit XL determinat
cu ajutorul nivelului de semnificaie i care reprezint criteriul de acceptare sau de respingere. Valoarea
erorii de genul 2 va depinde de valoarea adevrat 0. Se poate trasa o curb care reprezint valoarea
probabilitii de acceptare n funcie de adevrata valoare numit curba de eficacitate. Fiecrui proces de
decizie i se poate ataa o curb de eficacitate. Probabilitatea de respingere a unei ipoteze false, egal cu 1
, este denumit puterea testului. Considernd o populaie avnd pentru o caracteristic X funcia de
repartiie F(x, ), ne propunem s verificm ipoteza potrivit creia parametrul are valoarea 0. Notm
ipoteza astfel:
H0: = 0.
Pe lng valoarea mai pot fi i alte valori admisibile ale acestui parametru (1,2, etc.). Pentru a
distinge ipoteza H0: = 0 de restul ipotezelor admisibile aceasta se numete ipotez nul, oricare alt
ipotez fiind denumit ipotez alternativ. Utilizarea unui test presupune stabilirea unor criterii i a unor
reguli de decizie. Dac se testeaz o ipotez H0: = 0 cu alternativa H1: 0 cu ajutorul valorii unei
statistici u denumit i funcie discriminant, se definete pentru nivelul de semnificaie adoptat un interval
de acceptare w, denumit i regiune de acceptare, astfel:

w
P u
H0

Mulimea complementar w este denumit regiune critic. Regiunea de acceptare nu este determinat
unic existnd deci i alte teste pentru verificarea aceleiai ipoteze. Acceptarea unei ipoteze un nseamn c
ea este i adevrat. Pot exista i mici diferene care nu pot fi explicate i se numesc nesemnificative.
Verificarea ipotezelor statistice se poate spune c prezint n general urmtoarele etape:
1. enunarea ipotezei;
2. alegerea parametrilor (, n etc);
3. calculul statisticii de selecie pe baza datelor experimentale (funcia discriminant) i stabilirea
regulii de decizie;
4. acceptarea sau respingerea ipotezei.
n unele cazuri ipotezele se refer la o variabil aleatoare la care numai abaterea ntr-o singur direcie
se limiteaz. De exemplu, temperatura unei ci de curent, puterea de mers n gol la transformatoare,
ntrefierul minim la electromagnei, etc. n alte cazuri, se urmrete dac valoarea precis se afl n cadrul
unui interval cum ar fi dimensiunile tolerate ale unor repere, fora de apsare n contacte, eroarea unei
msurri, etc. Se utilizeaz astfel teste cu specificare unilaterale funcie de valoarea la care se limiteaz
(accept) variabila sau teste cu specificare bilateral dac variabila se ncadreaz intervalului specificat. Se
observ astfel o anumit apropiere ntre intervalele de ncredere i testele de ipotez.
48

MANAGEMENTUL CALITII Construcia, implementarea, dezvoltarea sistemului calitii n ntreprinderi industriale

3.6.1. TESTUL IPOTEZEI SIMPLE


Ipoteza care specific valorile parametrilor necunoscui ai unei repartiii se numete ipotez simpl.

Probabilitatea de
acceptare a ipotezei

Testul de egalitate cu valoarea mediei unei populaii normale cu dispersie cunoscut


Considerm c piesele de contact ale unor aparate de conectare se execut dintr-un material sinterizat
avnd o caracteristic a crei repartiie este normal cu
media
egal care are valoarea 32 i dispersia egal cu 1
(conform unui anumit sistem de uniti de msur).
Presupunem un nou lot de materiale sinterizate sosit la
ntreprindere i c n cadrul laboratorului se fac cercetri
pentru a
verifica dac materialul are sau nu caracteristica definit.
Se
stabilete mai nti cu ce probabilitate dorim s precizm
aceast
valoare medie (probabilitatea deciziei). De exemplu, dac
se alege
(0, 1 - )
1-
probabilitatea de 0,95 concluzionm c valoarea medie
este 32
chiar cnd ea este efectiv egal cu 32 sau cu ale cuvinte
fixm
eroarea valorii de genul I ( = 1 0,95 = 0,05) care poate
fi
(
,
)

1
suportat de furnizor. Menionm c n anumite cazuri se
poate
lua eroarea 0,01; 0,001 sau chiar 0,5 i aceasta n funcie
de
consecinele economice pe care le antreneaz decizia
(respingerea unui lot corespunztor).

0
1
n acelai timp trebuie s se precizeze pragul (limita)
valorii
Figura 3.39. Perechile de valori care
definesc
curba
de
eficacitate
medii creia i se asociaz riscul erorii i care const din
faptul
c atunci cnd se concluzioneaz c valoarea este 32 ea
poate fi
n realitate 34. Acest risc pe care n tolerm poate fi: 0,1; 0,15; 0,20; 0,50 (funcie de importana
consecinelor fabricaiei de aparate de proast calitate, erorii, etc.) Perechile de valori (0, 1 ) i (1, )
reprezint dou puncte ale curbei de eficacitate (figura 3.39.). Exist curbe de eficacitate calculate pentru a
stabili pe cale grafic volumul eantionului funcie de i de abaterea normat ( - 0)/. Considernd deci
o populaie avnd o caracteristic reprezentat normal, cu media necunoscut i dispersia 2 cunoscut,
urmeaz s se verifice ipoteza nul H0: = 0 cu alternativa H1: 0 la un nivel de semnificaie
bilateral. Extrgnd un eantion de volum n se obine media de selecie x . Se alege ca instrument al

x 0

deciziei, funcia discriminant (statistic)


care are o repartiie N(0, 1). Pentru cu specificaie
n
bilateral se construiete un interval de acceptare z / 2 , z / 2 cu valorile z / 2 extrase din tabelele de

repartiie. Intervalul este definit cu relaia:

P z / 2

Dac pe baza valorii calculate z c

x 0

x 0

z / 2 1

n se ndeplinete z / 2 z c z / 2 (sau z c z / 2 ) atunci se

accept H0. n caz contrar se respinge H0 i se accept H1.


Se poate aplicai un test unilateral dac se testeaz ipoteza H0: 0 contra ipotezei alternative H1: 1

> 0. n acest caz:

0
P
z 1

Intervalul de acceptare este , z .

Dac z aparine acestui interval se accept H0 cu un interval de semnificaie . n caz contrar se respinge
H0 i se accept H1.
De asemenea, n cazul unui test unilateral H0: 0 cu alternativa H1: 1 < 0. Intervalul de acceptare

0
P
z 1

definit de relaia:

este z , . Ipoteza H0: 0 va fi acceptat dac z z .

49

Capitolul III STATISTICA TEHNIC

Testul de egalitate cu valoarea mediei unei populaii normale cu dispersie necunoscut


Testm ipoteza cu specificaie bilateral H0: = 0 cu alternativa H1: 1. Din datele unui eantion
de volum n se determin valoarea medie

i tiind c statistica

x 0

tc

are o repartiie Student se scrie:

n
s

P t , / 2 t c t , / 2 1 , de unde rezult intervalul de acceptare ( t , / 2 , t , / 2 ) , unde = n 1

(numrul gradelor de libertate). Se accept ipoteza H0 dac valoarea calculat t 0 x 0

n
aparine
s

intervalului de acceptare.
Pentru specificaia unilateral, se aplic la urmtoarele teste:
b) H0 : 0 cu alternativa H1 : > 0. Ipoteza H0 se accept dac valoarea tc aparine
intervalului , t ,
b) H0 : 0 cu alternativa H1 : < 0. Ipoteza H0 se accept dac valoarea eantionar tc aparine
intervalului t , , .
Testul de egalitate cu dispersia unei repartiii normale
n acelai mod n care s-a testat c media unei repartiii normale are o valoare dat se poate testa i dac
abaterea standard are o valoare sau dac dispersia este egal cu 02 . Deci n cazul unei specificaii
2
2
2
2
bilaterale verificm ipoteza H 0 : 0 cu H 1 : 0 .
0

Accept H0

f(2)

1-

Respinge H0

Respinge H0

2
2
, / 2

2,1 / 2

Figura 3.40. Reprezentarea intervalului de


acceptare cu specificaie bilateral pentru
dispersie
2
Pe baza datelor de eantion x1, x2, ,xn se determin dispersia s2 i statistica calculat c

n 1 s 2
02

are

o repartiie 2 cu = n 1 grade de libertate.


2
Pentru nivelul de semnificaie se extrag din tabelul repartiiei 2 valorile corespunztoare , / 2 i
2,1 / 2 putndu-se scrie relaia: P 2,1 / 2 c2 2, / 2 1 care conduce la intervalul de acceptare

2
,1 / 2

; 2, / 2 , reprezentat n figura 3.40.


f(2)

f(2)

1-

1-

Accept H0 Respinge H0

Respinge H0 Accept H0

2,1

2
,

a) ;

b) ;

Figura 3.41 Interval de acceptare cu specificaie unilateral pentru dispersie

n cazul unei specificaii unilaterale se pot testa ipotezele:


50

MANAGEMENTUL CALITII Construcia, implementarea, dezvoltarea sistemului calitii n ntreprinderi industriale

2
a) H 0 : 2 02 cu ipoteza alternativ H 1 : 2 02 . Se calculeaz statistica c

n 1 s 2
02

i se

extrage din tabelul repartiiei hi-ptrat valoarea , pentru = n 1.


2
2
2
Relaia P c , 1 determin intervalul de acceptare , , , reprezentat n figura 3.41 a).

02
2
2
2
2
, se accept H0 ceea ce nseamn c 0 (sau 0 ).
n 1
Dac nu este ndeplinit inegalitatea de mai sus se respinge H0 i se accept H1 ( 2 02 ).
2
2
2
2
2
b) H 0 : 0 contra ipotezei alternative c 2 este inferior valorii 0 ( H 1 : 0 ). Din datele
n 1 s 2
2
eantionului se calculeaz c
, iar din tabelele repartiiei 2 se extrage valoarea ,1 . Relaia
02
P c2 2,1 1 definete intervalul de acceptare 2,1 , reprezentat n figura 3.41 b) Dac
2
2
Dac , , sau dac s 2 2,

2
c

aparin acestui interval sau dac s


2

2
,1

02
se accept H0.
n 1

3.6.2. TESTUL IPOTEZEI DUBLE


Pn aici au fost prezentate testele unor ipoteze simple care constau din verificarea egalitii unui
parametru al repartiiei cu o valoare dat. Foarte frecvent n aplicaiile industriale se ntlnete un alt tip de
probleme i anume acela al cercetrii dac dou repartiii au anumii parametrii de valori egale fr a se
preciza ns aceste valori.
Testul de egalitate a dou medii
Este unul din testele cu foarte multe aplicaii n tehnic. Astfel, la verificarea reglajului unor maini
automate, a stabilitii unui proces tehnologic, a influenei nlocuirii unor materiale, la compararea unor
caracteristici, etc. testul de egalitate a mediilor st la baza analizelor statistice ale proceselor respective.
2
2
Fie dou populaii cu mediile necunoscute, avnd caracteristicile X : N x , x i Y : N y , y .

Testm ipoteza H 0 : x y cu alternativa H 1 : x y . Considerm o alt variabil aleatoare definit de


2
diferena X Y , care de asemenea este repartizat normal : N , . Pe baza eantioanelor extrase
din cele dou populaii x1, x2, ,xn1, pentru caracteristica X i y1, y2, ,yn2 pentru caracteristica Y, se
stabilesc valorile tipice conform relaiilor reprezentate anterior:
2
2 y
x y; 2 x
.
n1

n2

De asemenea, media teoretic este M M X Y x y .Verificarea ipotezelor puse n


x y

z

discuie se face cu ajutorul funciei discriminante:


Considernd
1
1

n
n

x y , relaia de mai sus se reduce la forma:

x y

zc

1 2 1 2 avnd o repartiie N(0, 1). Pentru un


x y
n1
n2

nivel de semnificaie , ipoteza H0 se poate testa n urmtoarele cazuri:


2
a) Dispersiile x2 , y cunoscute. Pentru specificaia bilateral din tabelul repartiiei normale se
extrage valoarea quantilei z/2 i regiunea de acceptare va fi definit de relaia:
P z / 2 z c z / 2 1

Se calculeaz zc cu relaia

zc

x y

1 2 1 2 i dac este satisfcut dubla inegalitate z / 2 z c z / 2 ,


x y
n1
n2

se accept H0 i n consecin x = y.
51

Capitolul III STATISTICA TEHNIC

Pentru aceleai condiii considerate dar cu specificaie unilateral cnd ipoteza alternativ este
x > y ( H 1 : x y ) intervalul de acceptare a ipotezei testate ( H 0 : x y ) este , z .
n concluzie, dac z c z , se accept ipoteza x = y (sau x < y). Cnd ipoteza alternativ este x < y
( H 1 : x y ), atunci intervalul de acceptare pentru H 0 : x y este z , . n acest caz dac z c z ,
se respinge ipoteza alternativ i se accept ipoteza iniial x = y (sau x > y).
2
2
b) Dispersiile de valori egale dar necunoscute ( x = y ). Pe baza datelor de selecie se calculeaz
2
dispersiile s x2 , s y . Facem precizarea c este necesar s se testeze n prealabil dac ipoteza egalitii x2 =
y2 poate fi acceptat. n acest caz, statistica zc nu mai urmeaz o repartiie normal ci una Student i are

expresia

x y

t
s

2
2
1
1 , unde s n1 1 s x n2 1 s y .

n1 n2

Cu aceste relaii se calculeaz statistica discriminant:


x y
tc
n1 1 s x2 n2 1 s y2

1 1

n1 n 2

n1 n2 2

Pentru un interval de semnificaie , cu specificaie bilateral, se extrage din tabelul repartiiei Student
valoarea quantilei t , / 2 cu un numr de grade de libertate 1 2 n1 n2 2 , unde n1 i n2 reprezint
volumele eantioanelor corespunztoare caracteristicilor X i Y.
Regiunea de acceptare conform relaiei, P t , / 2 t c t , / 2 1 , este:

1 2 , / 2

t c t1 2 , / 2

Dac tc aparine intervalului de mai sus, se accept ipoteza H 0 : x y . n aceleai condiii, n cazul
specificaiei unilaterale, se obine regiunea de acceptare , t , cnd ipoteza alternativ este x > y.

Deci ipoteza testat H 0 : x y (sau x < y) va fi acceptat cnd: t c t 1 2 , .


De asemenea, dac ipoteza alternativ este x < y, ipoteza testat H 0 : x y (sau x y ) va fi
acceptat dac: t c t , iar n caz contrar se respinge H0 i se adopt H 1 : x y
1

Testul egalitii dispersiei a dou repartiii normale (testul F)

2
2
Considerm dou populaii cu caracteristicile X : N x , x i Y : N x , y cu mediile i dispersiile
necunoscute. Presupunem ca X i Y sunt independente n probabilitatea i eantioanele din populaiile
respective x1, x2, ,xn1 i y1, y2, ,yn2 sunt cu volume diferite.

Conform cu relaia

i 1

xi x

aleatoare cu repartiie :
2

2
x

1
2

n1 1 s x2
x2

x
n

i 1

i
2
y

n 1 s 2
2

se pot determina urmtoarele variabile

n2 1 s 2y
y2

2
x2 x s x2 y
nlocuind n expresia de definiie variabilei aleatoare F, se obine: F 2 2 2
y y sy x
2
2
2
2
Dac testm ipoteza H 0 : x y contra ipotezei alternative H 1 : x y observm c statistica

2
2
urmeaz o lege F cu n1 1 i n 2 1 grade de libertate cnd x y .

sx
2
2
Este evident c pentru x y la un nivel de semnificaie exist relaia: P 2 F 1 , 2 , 1
sy

valoarea F 1 , 2 , obinndu-se din tabelul repartiiei F.

52

s x2
s y2

MANAGEMENTUL CALITII Construcia, implementarea, dezvoltarea sistemului calitii n ntreprinderi industriale

s x2

s x2

Conform relaiei P 2 F 1 , 2 , 1 se accept ipoteza H0 dac 2 F 1 , 2 ,


sy
sy

Testul de omogenitate a dispersiilor (testul Cochran)


2
Adesea se pune problema verificrii egalitii mai multor dispersii 12 , 22 , , k . Testul F nu poate fi
utilizat dect pentru k = 2. Fie s12 , s 22 , , s n2 estimaiile independente ale dispersiilor 12 , 22 , , k2 ,
fiecare stabilite pe selecii de volume egale n1 n 2 n k n , variabilele respective avnd repartiie
normal. Se alege dispersia maxim s i se determin statistica Q cu relaia:
max si2
1 i k
Q k
(1.68)
2
s
i

i 1

Din tabelul statisticii Q pentru un nivel de semnificaie se extrag valorile: Q, , k, n 1. Dac Q Q


pentru un volum k i pentru selecii de volume egale n1, se admite ipoteza omogenitilor dispersiilor.
3.6.3. TESTE DE CONCORDAN
Testele de concordan servesc pentru verificarea concordanei dintre o repartiie teoretic i o repartiie
empiric.
Testul 2 pentru verificarea normalitii
Repartiia 2 se utilizeaz i pentru verificarea normalitii unei populaii normale cu i 2
2
necunoscute. Testm ipoteza H 0 : X N , contra ipotezei alternative H 1 : X N , 2 . Statistica 2
2
este dat n acest caz de expresia:

ai npi 2
np i

unde:

ai frecvena absolut a abaterilor n intervalul i;


n volumul eantionului;
pi probabilitatea teoretic a intervalului i.
Testul de concordant 2 se aplic atunci cnd volumul sondajului este n 100 . Observaiile se mpart
n k intervale de lungimi egale (exceptnd primul si ultimul interval care pot fi infinite). Astfel, n primul
interval ( , x1 ) se trec toate valorile mai mici sau egale cu x1, iar n ultimul interval ( x k , ), valorile
mai mari dect xk.
1 n
2
1 n
x

xi i s
xi x .
Se calculeaz:

n i 1
n 1 i 1
Restul operaiilor se pot prezenta n tabelul urmtor.
Intervale
F zi -

(
xi 1 xi
)

x x
Frecvena x x
zi i
i
ai
s

P F z F z
i
i
i 1 npi

x x
F i
s

ai- npi (ai- npi)2

ai npi 2
npi

Probabilitatea pi se determin cu ajutorul funciei Laplace pentru un interval oarecare i, unde 1 i k .


xi x
x x
F i 1
.

s
s

Valoarea lui pi este calculat astfel: pi F z i F z i 1 F

x1 x

Pentru primul interval: p F z F F z F


1

iar pentru ultimul interval:

xk x

Pk F F z k 1 F

Succesiunea operaiilor de calcul pentru testul de concordant.


53

Capitolul III STATISTICA TEHNIC

ai npi 2

urmeaz o repartiie 2 cu numrul gradelor de libertate k l 1 , unde l


npi
reprezint numrul parametrilor estimai care caracterizeaz variabila x.
Astfel, pentru repartiia normal l = 2, existnd doi parametri (media i dispersia). La un anumit nivel de
Variabila

semnificaie i pentru k 1 1 , decizia se ia n concordan cu relaia: P

2
2
sau P c , , se accept H0

npi
2, 1
npi

i 1

Testul Kolomogorov Smirnov


Cele mai multe teste necesit cunoaterea n prealabil a legii de repartiie. Exist ns i o categorie de
teste valabile pentru orice fel de lege de repartiie. Aceste teste se numesc neparametrice. n cazul, cnd
pentru verificarea aceleiai ipoteze se pot folosi i un test clasic (parametric) i unul neparametric, testul
clasic este mai puternic. Din acest motiv testelor neparametrice li se acord o ncredere mai redus i ori de
cte ori este posibil se nlocuiesc cu testele parametrice.
n general, testele neparametrice sunt mai eficiente atunci cnd se testeaz mediile i nu dispersiile.
Testul Kolomogorov Smirnov (KS) verific concordana dintre o repartiie teoretic F(x) (normal,
binomial, Poisson) i una experimental Fn(x). n urma prelucrrilor cu valorile grupate pe intervale se
determin valoarea maxim a diferenei: d n max Fn x F x i se scrie pentru un nivel semnificativ

1 K
adoptat relaia: P d n
n

Valoarea lui se obine din tabelele funciei calculate K. De exemplu pentru nivelul de semnificaie:
0,05 K 0,95 1,36 i pentru 0,10 K 0,90 1,23
Date iniiale
xi variabila
ni frecv. absolut
n volumul

Tabelele k()
1 = k()

Funcia empiric

Funcia teoretic

Fn xi F xi
d n max Fn xi F xi

Dac se accept ipoteza


concordanei

Figura 3.42 Organigrama testului K S

n concluzie, dac d n

, se accept ipoteza concordanei dintre repartiia empiric i cea teoretic.


n

Dac dn n , ipoteza concordanei se respinge.

54

MANAGEMENTUL CALITII Construcia, implementarea, dezvoltarea sistemului calitii n ntreprinderi industriale

Testul Kolomogorov Smirnov este un test greoi necesitnd un eantion de volum foarte mare i de
asemenea, un volum mare de calcul. De exemplu, n cazul verificrii normalitii unei populaii, etapele de
calcul sunt prezentate n organigrama din figura 3.42.
Testul Massey
Metoda utilizat de Kolmogorov i Smirnov a fost ncercat de F. J. Massey jr. (n anul 1951) care a
elaborat un test de verificare a unei populaii pe baza unei selecii de volum ( 8 n 32 ). Acest test se
prezint ca o modificare a testului KS i este adaptat deci pentru selecii de volum redus n scopul verificrii
normalitii.
2
Considerm o selecie de volum n cu valorile: x1, x2, ,xn. Verificm ipoteza H 0 : X N , cu

alternativa H 1 : X N , 2 . Metoda const n ordonarea valorilor experimentale xi n ordinea cresctoare


i determinarea parametrilor

i s. Se noteaz valorile variabilei y i

xi x
i se determin frecvena
s

cumulat corespunztoare fiecrei valori yi.


i

Fn y i f i unde fi este frecvena relativ a valorii yi.


1

Cu ajutorul tabelelor Laplace se calculeaz funcia teoretic de repartiie F(yi). n final se determin
diferena: d Fn y i F y i i se alege valoarea superioar ds = sup d.
Se accept ipoteza H0 dac d s d g , unde dg se alege din tabel corespunztor nivelului de semnificaie
adoptat.
Test de eliminare a erorilor grosiere (Testul Grubbs)
Valorilor aberante se ndeprteaz foarte mult de restul valorilor reale, acestea se regsesc n multe
cazuri printre datele experimentale, putnd influena rezultatul unui test de concordan sau alte valori tipice.
Cauzele sunt multiple iar un specialist cu experien n domeniul respectiv poate identifica muli factori care
au condus la apariia acestora. Un cercettor repet msurtorile (fapt ce nu este posibil totdeauna), dar
statistica matematic poate s justifice cu ajutorul unor teste (Grubbs), pentru un anumit nivel de
semnificaie, ndeprtarea valorilor aberante.
Testul Grubbs const n ordonarea datelor observaiilor x1, x2,..., xn obinndu-se irul statisticilor de
ordine x(1) x(2) x(3) x(n). Se calculeaz x i s i se determin cu valoarea aberant x(n) raportul
x x
v n
. Decizia de eliminare se ia dac
s

v n,1

sau se pstreaz dac

v n ,1

unde

n,1

este

statistic a cror valori sunt prezentate tabelar. Pentru erorile grosiere spre limita inferioar se calculeaz
x x
raportul v` n
i decizia se adopt ca n cazul anterior.
s

Un test de ipotez ofer un rspuns probabilistic asupra unei probleme care este condiionat de nivelul
de semnificaie adoptat. Testele de ipotez conduc la interpretri statistice i nu la interpretri ale cauzelor.
3.7. METODA DE ANALIZ STATISTIC A LEGTURILOR DINTRE FENOMENE
I PROCES
Statistica studiaz fenomenele de mas n cadrul crora acioneaz legile statistice a cror particularitate
principal o constituie faptul c ele se manifest sub form de tendin cunoscut i sunt verificate numai la
nivelul ntregului ansamblu. n foarte multe situaii este necesar interpretarea lor sub form de tendin a
relaiilor de cauzalitate. n acelai timp, practica statistic dovedete c n procesul de producere a
fenomenelor de mas, nu toate relaiile de cauzalitate se manifest cu aceeai intensitate i n acelai sens. Cu
ct fenomenele pe care la studiem sunt mai complexe, cu att numrul factorilor este mai mare i relaiile de
cauzalitate mai dificil de identificat i de msurat.
Legea de repartiie a unui sistem de variabile poate fi diferit de cea a componentelor sale ntre care pot
exista legturi strnse de genul cauz efect sau legturi mai puin evidente. n cazul legturilor cauz efect
este suficient s se cunoasc valoarea uneia dintre ele pentru a se determina cu exactitate valoarea celeilalte
(legturi deterministe). n al doilea caz, legtura dintre caracteristici poate avea un caracter aleatoriu fiind
55

Capitolul III STATISTICA TEHNIC

dependente statistic sau independente cnd legtura este slab (legtur probabilistic). Variabila aleatoare Y
este independent de variabila aleatoare X dac evenimentele (X<x) i (Y<y) sunt independente pentru orice
valori x i y, n acest caz se poate scrie relaia:
P(X<x,Y<y)=P(X<x)P( Y<y)
Dar conform definiiei generale P(X<x, Y<y)=F(x,y); P(X<x)=F(x); P(Y<y)=F(y).
Rezult n mod analog f(x,y)= f(x)f(y), aceasta fiind condiia necesar i suficient de independen a
dou variabile aleatoare dar care presupune cunoaterea legilor de repartiie.
Noiunea de dependen referitoare la variabilele aleatoare are un sens mai larg dect cel utilizat n
tehnic. n mod obinuit, n tehnic, se ia n calcul o singur zon a dependenei aceia de dependen total
sau determinist. n realitate dou variabile aleatoare X i Y pot fi legate i printr-o relaie probabilistic. Dou
variabile X i Y pot fi legate i printr-o relaie probabilistic, exemplu cnd se cunoate valoarea lui X,
valoarea lui Y nu poate fi determinat cu exactitate, dar se poate determina legea sa de repartiie dependent
de X. n practic se pune probleme stabilirii legturii dintre variabilele sistemului. n funcie de tipul de
dependen dintre variabile legtura fie prin regresie fie prin corelaie.
Conceptul de legtur statistic
Legturile statistice pot fi interpretate printr-o funcie matematic, astfel:

unei singure variabile din irul de caracteristici i corespunde o singur valoare din irul
caracteristicilor efect: y i f ( xi )

unei singure valori din irul de caracteristici efect i corespund mai multe valori din irul
de caracteristici cauz: y i f ( x1 , x 2 ,...x n ) unde: x1 , x 2 ,...x n reprezint caracteristica
factorial (independent, exogen sau cauz) iar y i reprezint caracteristica rezultativ

(dependent, endogen sau efect).


Legturile statistice se pot clasifica astfel:
a) dup numrul caracteristicilor care se iau n studiu:
- legturi simple: o singur caracteristic factorial cu caracter esenial determin o
caracteristic rezultativ iar ceilali factori sunt cu aciune constant;
- legturi multiple.
b) dup felul de exprimare a caracteristicilor:
legturi ntre variabile statistice exprimate numeric (cantitativ) corelaii statistice;
legturi ntre variabile statistice exprimate prin cuvinte asocieri statistice;
c) dup direcia legturii:
- legturi directe; atunci cnd cresc (sau descresc) valorile caracteristicii factoriale, cresc
(sau descresc) valorile caracteristicii rezultative;
- legturi inverse.
d) dup expresia analitic a legturilor:
legturi liniare;
legturi neliniare.
e) dup momentul n care se produc:
legturi sincrone;
legturi asincrone.
3.7.1. METODE DE STUDIU A LEGTURILOR STATISTICE
a) Metoda seriilor paralele interdependente const n aezarea valorilor a dou serii paralele n ordine
cresctoare sau descresctoare a caracteristicilor. Prin compararea seriilor de valori astfel ordonate, se poate
stabili dac exist sau nu legturi ntre ele i se determin direcia acestei legturi. Seriile paralele se folosesc
numai cnd avem un numr mic de uniti observate.
b) Metoda gruprilor reprezint un model de analiz prin excelen calitativ, capabil s
surprind aspectele eseniale ale legturilor dintre variabile. Studiul legturilor se realizeaz dup ce
unitile colectivitii se grupeaz n funcie de caracteristica factorial iar pentru caracteristica rezultativ se
calculeaz indicatorii derivai (mrimii relative sau medii), specifice fiecrei grupe. Prin compararea variaiei
caracteristicii factoriale, cu aceea a caracteristicii rezultative se poate aproxima caracterul legturii, direcia i
intensitatea acesteia. Se recomand intervale de grupare egale.
c) Metoda tabelului de corelaie (tabel cu dubl intrare) reprezint o form special a unei
gruprii combinate n care separarea pe grupe a unitilor se face dup variaia ambelor caracteristici
56

MANAGEMENTUL CALITII Construcia, implementarea, dezvoltarea sistemului calitii n ntreprinderi industriale

factorial i rezultativ. Se recomand ca numrul gruprilor formate dup cele dou caracteristici s fie
aproximativ egale, iar intervalele de grupare s fie egale.
d) Metoda grafic. Pentru a obine graficul de corelaie - denumit i corelogram - valorile
caracteristicii factoriale (x) sau intervalul acesteia se trec pe abscisa iar pe ordonat se trec valorile
caracteristicii rezultative (y) sau intervalele respective. Fiecare unitate observat, purttoare a celor
dou caracteristici corelate, se reprezint grafic printr-un punct. Reprezentarea grafic a legturii n
cmpul de corelaie are aspectul unui nor de puncte.
3.7.2. METODA REGRESIEI
Metoda regresiei a fost introdus n anul 1886 de ctre biologul statistician englez Francis Galton (1822
- 191l). Modelul matematic utilizat de regresie este metoda celor mai mici ptrate al crui enun este
urmtorul suma ptratelor distanelor punctelor observate fa de dreapta teoretic trebuie s fie minim.
Metoda este folosit n cercetare i proiectare, acolo unde teoria nu poate stabili nici o relaie care s
determine legtura ntre anumite mrimi.
Ca orice metod statistic, prima etap const n cercetare experimental a variaiei mrimilor pe care le
studiem. Urmeaz culegerea datelor experimentale i reprezentarea grafic a variaiei mrimilor care trebuie
analizate, deoarece graficul sugereaz tipul de ajustare care se poate realiza. Cu ajutorul metodei de regresie
se poate determina, cu o aproximaie destul de bun, funcia care guverneaz fenomenul studiat. Dac
fenomenul analizat este bidimensional se obine o dreapt sau o curb iar dac este tridimensional se obine o
suprafa de ajustare. Funcia obinut prin metoda regresiei este valabil numai pe domeniul n care s-a
realizat aplicaia, nu reprezint un model matematic generalizat, n schimb funcia poate fi utilizat, cu succes
n diverse aplicaii similare cu fenomenul studiat, n cadrul programelor software de simulare. Metoda
regresiei este eficient pentru aplicaiile particulare, fiindc suplinete cu succes lipsa modelelor matematice.
De asemenea, pe domenii restrnse, interpretrile utiliznd funcia determinat prin metoda regresie sunt mult
mai aproape de adevr fa de cazul n care s-ar utiliza modele matematice clasice. Aceast metod a devenit
des utilizat datorit uurinei lucrului cu calculatoarele electronice.
Metoda regresiei constituie o metod statistic de corectare a legturii dintre variabile cu ajutorul unei
funcii denumite funcii de regresie: y i f ( x1 , x 2 ,...x n ) unde:
Y variabila dependent;
x1 , x 2 ,...x n variabile independente
Datorit caracterului aleator al fenomenelor i proceselor, modelul teoretic se nlocuiete cu un model de
dependen statistic : Y f ( x1 , x 2 ,...x n ) unde: reprezint o eroare aleatoare cu dispersia constant i
media nul.
Modele de regresie unifactorial
Regresia unifactorial descrie legtura dintre variabilele y i x considernd c ceilali factori au o aciune
constant i neglijabil asupra caracteristicii dependente. n continuare vom prezenta cele mai des ntlnite
modele de regresie n tehnicile statistice.
y

x1

x2

x3

y1

y2

y3

...

xn
yn
x

Figura 3.43 Graficul dreptei de regresie

a) Modelul liniar. Se consider dou variabile X i Y ntre care se presupune c exist o legtur pentru
care experimental au fost determinate perechile de valori xi i yi:
Se traseaz un grafic printre puncte care reprezint dreapta de regresie yx a b xi care se apropie
cel mai mult de punctele experimentale. Valorii experimentale yx i corespunde pe dreapta de regresie
valoarea care are urmtorul model teoretic: yi xi .
57

Capitolul III STATISTICA TEHNIC

Abaterile valorilor reale fa de valorile estimate (de pe dreapta de regresie) sunt:


yi y x yi a b xi yi a b xi

n aceast situaie, modelul teoretic se poate estima printr-o ecuaie similar cu modelul
determinist, la care se ia n considerare i eroarea: y x a b xi
Parametrii a i b, au n acest caz coninut de medii i se estimeaz cu ajutorul unor metode specifice
oferite de matematica statistic : metoda verosimilitii maxime respectiv metoda celor mai mici ptrate.
n practic se folosete frecvent metoda celor mai mici ptrate care presupune c suma ptratelor
abaterilor dintre valorile teoretice (ajustate) yi i valorile empirice (reale) yx s fie minim, se obine
formula: ( yi y x ) 2 min nlocuim pe y x i obinem ( yi a bxi ) 2 min
Derivm n raport cu a i b i egalm cu zero derivatele pariale de ordinul nti, se obine un sistem de

( y a bxi )2
R i
1( y a bx ) 0

ecuaii: a

2
R ( yi a bxi )

b
b

sistem care are forma final:

xi ( yi a bxi ) 0

yi xi
xi yi xi2

na b xi yi

iar soluii sunt: a

2
n
xi
a x i b x i xi y i
xi xi2
x y x x y b n x y x y
a
n x ( x )
n x ( x )
2
i

2
i

2
i

yi
xi xi y i
n
xi
xi xi2
n

, b

sau

Prin nlocuirea coeficienilor a i b n ecuaia de gardul unu, rezult ecuaia teoretic y a b x care
reprezint cel mai bine fiecare punct din norul de puncte determinate experimental. Dreapta de regresie trece
prin punctul mediu ( x; y ) .
Coeficientul a nu are interpretare statistic.
Coeficientul b denumit coeficient de regresie arat msura n care se manifest (se modific)
caracteristica dependent n cazul n care caracteristica independent se modific cu o unitate.
n funcie de semnul coeficientului de regresie se poate aprecia tipul de legtur :
legtur direct, coeficientul este pozitiv ;
legtur invers, coeficientul este negativ ;
dac b = 0 se apreciaz c valorile x i y sunt independente.
Utiliznd coeficienii a i b calculai se determin valoarea ecuaiei de regresie pentru fiecare mrime a
caracteristicii x.
b) Modelul exponenial
Se determin coeficienii a i b, pornind de la forma canonic a ecuaie exponenial, utiliznd modelele
specifice matematicii statistice : yi xi - modelul teoretic

y x ab xi - modelul determinist (practic, real)


Abaterile valorilor reale fa de valorile estimate (de pe curba de regresie) sunt:

x
yi y x yi ab i

yi ab xi

n aceast situaie, modelul teoretic se poate estima printr-o ecuaie similar cu modelul
determinist, la care se ia n considerare i eroarea: y x ab xi
Logaritmm expresa modelului determinist, pentru a transform ecuaia ntr-un model liniar similar cu
a ' lg a
b' lg b rezult
cel studiat mai sus: lg y x lg a xi lg b , facem substituia y x lg y x
ecuaia de forma: y' x a' b' x unde suma dispersiilor trebuie s fie minim.
Suma dispersiilor, dintre modelul teoretic i modelul determinist, trebuie s fie minim, se ajunge la
2
formula: ( yi y x ) min nlocuim pe y x , se obine formula:

( yi

a 'b' xi )
58

min

MANAGEMENTUL CALITII Construcia, implementarea, dezvoltarea sistemului calitii n ntreprinderi industriale

Derivm n raport cu a' i b' i egalm cu zero derivatele pariale de ordinul nti, se obine un

R ( y a bx ) 2
i
i 1 y a' x b' 0

i
i
a
a
sistem de ecuaii:
2
R ( yi a bxi )
xi yi a' xi b' 0
b
b

na 'b' xi y 'i
Forma final a sistemului de dou ecuaii cu dou necunoscute este:
2
a ' x i b' xi xi y ' i

rezult soluiile a ' i b' ale sistemului de ecuaii: a'

yi xi
xi yi xi2
n
xi
xi xi2

b'

xi
n

xi

la substituia iniial a ' lg a rezult a e a ' i b' lg b rezult b e b '


Prin nlocuirea coeficienilor a i b n ecuaia exponenial, rezult ecuaia teoretic

yi
xi yi
xi
xi2

revenim

y ab x

c) Modelul logaritmic
Se pornete de la forma canonic a ecuaiei logaritmice, exprimat prin cele dou modele statistice
y i lg xi - modelul teoretic.
y x a b lg xi - modelul determinist (practic, real) unde a > 0, b > 0
Abaterile valorilor reale fa de valorile estimate (de pe curba de regresie) sunt:
yi y x yi a b lg x yi a b lg xi
i

n aceast situaie, modelul teoretic se poate estima printr-o ecuaie similar cu modelul
determinist, la care se ia n considerare i eroarea: y x a b lg xi
Suma modelul dispersiilor, dintre modelul teoretic i modelul determinist, trebuie s fie minim, rezulta
formula: y i y x 2 min nlocuim pe y x , rezult formula:

yi a b lg xi 2 min

Derivam n raport cu a i b i egalm cu zero derivatele pariale de ordinul nti, se obine sistemul de
ecuaii:

2
R ( yi a blg xi ) 1 y a b lg x 0
i
i
a
a
2
R ( yi a blg xi ) lg x y a b lg x 0

i
i i
b
b

Forma final a sistemului de dou ecuaii cu dou necunoscute este:

na b lg xi y i
rezolvm sistemul i obinem

2
a
lg
x

b
(lg
x
)

y
lg
x

i
i
i
i

n
yi
lg xi
yi
2
yi lg xi (lg xi ) b lg xi yi lg xi
a
n
n
lg xi
lg xi
2
lg xi (lg xi ) 2
lg xi (lg xi )
Prin nlocuirea coeficienilor a i b n ecuaia logaritmic, rezult ecuaia teoretic

y a b lg x

d) Modelul parabolei
Se pleac de la forma canonic a ecuaiei de gradul al doilea, utiliznd modelele statistice
y i xi xi2 - modelul teoretic .
y x a b xi c xi2 - modelul determinist (practic, real)
59

Capitolul III STATISTICA TEHNIC

Abaterile valorilor reale fa de valorile estimate (de pe curba de regresie) sunt:


yi y x yi a b xi cxi2 yi a b xi c xi2

n acest situaie, modelul teoretic se poate estima printr-o ecuaie similar cu modelul
determinist, la care se ia n considerare i eroarea: y x a b xi c xi2
Suma modelul dispersiilor, dintre modelul teoretic i modelul determinist, trebuie s fie minim, rezulta
formula: yi y x 2 min im nlocuim pe y x , rezult formula:

yi a bxi cxi2

min

Derivm n raport cu a, b i c i egalm cu zero derivatele pariale de ordinul nti, se obine :

2 2
R ( yi a bxi cxi ) 1 y a bx cx2 0
i
i
i
a
a

2 2
R ( yi a bxi cxi ) x y a bx cx2 0
i i
i
i
b
b

2 2
R ( yi a bxi cxi ) x 2 y a bx cx2 0
i i
i
i
c
c

Sistemul de trei ecuaii cu trei necunoscute este de forma:

na b xi c xi2 yi

2
3
a xi b xi c xi xi y i
a x2 b x3 c x4 x2 y
i i i i
i

Soluiile a, b i c ale sistemului de ecuaii sunt:

yi xi xi2
xi yi xi2 xi3
xi2 yi xi3 xi4

a
n
xi xi2
xi xi2 xi3
xi2 xi3 xi4

yi xi2
xi xi yi xi3
xi2 xi2 yi xi4

b
n
xi xi2
xi xi2 xi3
xi2 xi3 xi4
n

xi yi
xi xi2 xi yi
xi2 xi3 xi2 yi

c
n
xi xi2
xi xi2 xi3
xi2 xi3 xi4
n

Prin nlocuirea coeficienilor a, b i c n ecuaia parabolei, rezult ecuaia teoretic

y a bx cx 2

e) Modelul hyperbolic
Se pleac de la forma canonic a ecuaiei hiperbolei, utilizm modelele matematicii statistice, se obine :
yi

xi

- modelul teoretic
yx a

b
xi

- modelul determinist (practic, real)

Abaterile valorilor reale fa de valorile estimate (de pe curba de regresie) sunt:

b
b
yi y x yi a
yi a
xi
xi

60

MANAGEMENTUL CALITII Construcia, implementarea, dezvoltarea sistemului calitii n ntreprinderi industriale

n aceast situaie, modelul teoretic se poate estima printr-o ecuaie similar cu modelul
yx a

determinist, la care se ia n considerare i eroarea:

xi

Suma modelul dispersiilor, dintre modelul teoretic i modelul determinist, trebuie s fie minim, rezulta
formula: y i y x 2 min nlocuim pe y x , rezult formula
b
yi a x
i

min

Derivm n raport cu a i b i egalm cu zero derivatele pariale, se obine sistemul:

( yi a )2
2

xi

R
b

1 yi a 0

xi

a
a

( yi a )2

xi
R
1
b

yi a 0

xi
b
b
xi

yi

x
i

2
Sistemul de dou ecuaii cu dou necunoscute este de forma:

1
1
a b y 1
i
x

xi
xi
i
1

n
y i xi
1
1
1

y
i
xi xi2 b x i
Soluiile sunt: a
,
1
n
n
xi
1
1
1

x
xi x 2
i
i

yi
1
y i xi
1

xi
1
xi2

Prin nlocuirea coeficienilor a i b n ecuaia hiperbolei, rezult ecuaia teoretic y a b

1
x

Modelul multifactorial
ntre fenomene, procese de orice fel exist legturi complexe care se caracterizeaz prin influena unui
numr mare de factori (variabile independente) asupra caracteristicii rezultative (variabile dependente). Aceste
y x f ( x1 , x 2 ,...x n ) unde x1 , x 2 ,...x n
legturi se pot exprima cu ajutorul funciei de regresie multipl:
sunt caracteristici independente sau factoriale.
Cel mai utilizat model teoretic de regresie multifactorial, este modelul liniar dat de expresia :
yi a0 a1 x1 a2 x2 ... a n xn , unde
a 0 - reprezint coeficientul care exprim influenta factorilor neinclui n model, fiind considerai cu
aciune constant;
ai 1,2 ,...n - sunt coeficieni de regresie multipli i arat ponderea cu care caracteristica factorial x
influeneaz fiecare caracteristica rezultativ y.
Modelul determinist este dat de relaia: y x a0 a1 x1 a2 x2 ... an xn
Modelul teoretic se poate estima printr-o ecuaie similar cu modelul determinist, la care se ia n
considerare i eroarea: y x a0 a1 x1 a 2 x2 ... a n xn
Suma dispersiilor dintre modelul teoretic i modelul real trebuie s fie minim, rezult formula :
yi y x 2 min nlocuim pe yx , rezult formula

( yi a0 a1 x1 a2 x2 ... an xn ) 2 min
61

Capitolul III STATISTICA TEHNIC

Derivam n raport cu a1 , a 2 ,...a n i egalm cu zero derivatele pariale, se obine sistemul:

a 0 n a1 x1 a 2 x 2 ... a n x n y

2
a 0 x1 a1 x1 a 2 x1 x 2 ... a n x1 x n x1 y

....................................................................................................
a 0 x n a1 x1 x n a 2 x1 x n ... a n x n2 x n y

prin rezolvarea sistemului se determin coeficienii a0 , a1 , a 2 ,..., a n


3.7.3. CORELAIA
3.7.3.1. Corelaii liniare
n paragrafele anterioare au fost prezentate repartiiile unor variabile aleatoare izolate, repartiii
caracterizate prin momentele respective care pot fi determinate prin estimarea acestora. Repartiia unui
cuplu de variabile aleatoare nu poate fi redat numai prin momentele celor dou variabile luate separat,
ci este necesar s se caracterizeze i covariaia.
f(x,y)

f(x)

f(x)

Spre

y
x

a)
b)
Figura 3.44 Graficul corelaiei a dou variabile
aleatoare

Figura 3.45 Graficul repartiiei bivariate

deosebire de legtura de regresie care reprezint


legtura dintre dou variabile, dintre care una aleatoare iar alta cunoscut sau dat (nealeatoare),
legtura de corelaie se refer la un cuplu de dou variabile aleatoare a crui legtur poate fi
caracterizat de coeficientul de corelaie.

Considerm dou variabile aleatoare X cu repartiia normal N x , 2x

y , 2y

i variabila Y cu repartiia

ntre care exist o anumit legtur. Densitatea de probabilitate a funciei de repartiie normal
cu doi parametri este dat de expresia:
N

1
1

f x, y
exp
2 x y
21

x x

x

x x
2
x

y y

y y

a crui reprezentare grafic este prezentat n figura 3.45 i are funcia de repartiie
1
F x , y P X x ,Y y
2 x y

x x

x

1
exp
21

x x
2
x

y y

y y

Coeficientul este denumit coeficient de corelaie avnd valoarea cuprins n intervalul:


1 + 1 i definete gradul de dependen dintre variabile.

Dac = 0, cele dou variabile sunt independente atunci funcia de repartiie se scrie astel:

f x, y

x 2

exp

x x 2
2 2x

y 2

exp

x y 2
2 2y

f x f y

fiind pus n eviden condiia de

independen.
Dac > 0, variabilele x, y sunt dependente aleatoriu (stochastic). Coeficientul teoretic de corelaie este
dat de media produselor abaterilor normate.

62

MANAGEMENTUL CALITII Construcia, implementarea, dezvoltarea sistemului calitii n ntreprinderi industriale


n

x
x
M
x

y y

xi x y i y

sau

i 1

i 1

i 1

xi x 2 y i y 2

3.7.3.2. Indicatori sintetici ai corelaiei


Covariana
Covariana se obine ca o medie aritmetic a produselor abaterilor variabilelor, fa de media lor:

1
xi x y i y
n

cov( x, y )

Covariana poate avea:

valoare pozitiv, ceea ce indic o legtur direct;

valoare negativ, ceea ce indic o legtur invers;

valoare zero, dac variabilele sunt independente (deci lipsete legtura de corelaie).
Pe msura ce covariana crete, crete i intensitatea corelaiei.
Coeficientul de corelaie liniar simpl
Este un indicator care msoar intensitatea legturii de tip liniar dintre dou variabile x i y.
zx
ry / x

y y
xi x
zy i
y
x

x yi y

n x y

x x y y
x x y y
i

n practic se folosete urmtoarea formul:


cov( x, y ) xi x yi y
ry / x

x y
n x y

0 ryx 1

n xi yi xi yi

n x

2
i

xi n yi2 yi
2

Coeficientul de corelaie este aplicabil numai n cazul a dou variabile cu repartiii normale; pentru alte
cazuri nu este fundamentat i poate eventual caracteriza
Semnul su semnific tipul de legtura. n practic se utilizeaz urmtoarea interpretare :
0 ry / x 0,2
- nu exist legtur semnificativ
0,2 ry / x 0,5
- exist o legtur slab
0,5 ry / x 0,75 - exist o legtur de intensitate medie
0,75 ry / x 0,95 - exist o legtur puternic
0 ,95 ry / x 1
- legtur determinist
Raportul de corelaie
Este denumit i coeficientul de corelaie al lui Pearson, acesta msoar intensitatea legturilor att liniare
ct i curbilinii. Poate lua valori n intervalul 0 1. Cu ct valoarea raportului este mai aproape de valoarea
unu, cu att legtura de corelaie este mai puternic i invers.

y Y
1
y y
2

Ry / x

unde : y i - reprezint valorile iniiale;


Y - reprezint valorile teoretice sau calculate;
y med - reprezint valoarea medie.
3.7.3.3. Reprezentarea geometric a corelaiei

63

med

Capitolul III STATISTICA TEHNIC

Fie variabilele aleatoare X i Y dependente avnd repartiii normale. n mod arbitrar se consider X ca
avnd variaii independente, iar variabila Y ca fiind legat de X. Ansamblul punctelor x, y descrie un
domeniu reprezentat printr-o elips de
probabilitate
y
y
(figura 3.46).
x
Deoarece s-a considerat variabila X
independent,
pentru fiecare valoare particular xi , i va
corespunde lui
y
y
Y un ansamblu de valori i repartizate normal.
La
fiecare
xi
y / x
x
valoare i corespunde o valoare medie
lui Y. Deci,
i a
y / x
cnd x descrie un anumit domeniu, punctele
descriu
o
i
dreapt
a
crei
ecuaie
este:
x
y / x y

x x .

yi
Figura 3.46 Graficul elipsei de
Pentru o anumit valoare xi , ansamblul
valorilor
2
probabilitate
are dispersia: 2y / x 2y 1
tim c o funcie y f x se poate scrie i sub forma x y . n consecin legtura dintre
variabilele aleatoare X i Y se poate obine fixnd Y i determinnd mediile variabilei X corespunztoare:

x / y x x x y
cu dispersia
y

Ecuaiile

y / x

x / y

y y yx x x

2
2
2
x / y x 1

reprezint, n cazul dispersiilor constante, dreptele de regresie:


respectiv

x x xy y y

64

y
unde yx
x

xy