Digitally signed by

Library TUM
Reason: I attest to the
accuracy and integrity
of this document

UNIVERSITATEA TEHNIC A MOLDOVEI

FACULTATEA URBANISM I ARHITECTUR
CATEDRA CI FERATE, DRUMURI I PODURI

Serghei ANDRIEVSCHI Valeriu LUNGU Ala CARCEA

BAZELE CERCETRILOR APLICATIVE

Curs universitar

Chiinu
Editura Tehnica-UTM
2013
1

CZU 519.2(075.8)
A 54
Prezentul curs universitar este destinat masteranzilor din domeniul
58 Arhitectur i construcii (programe de master: Drumuri, materiale i
mecanizare n construcii; Managementul sistemelor de inginerie sanitar
i protecia mediului; Ingineria instalaiilor de asigurare a microclimei n
cldiri; Urbanism i amenajarea teritoriului). Lucrarea a fost aprobat de
Consiliul Facultii Urbanism i Arhitectur, UTM, proces-verbal nr.10
din 27 mai 2013.
Autori:

conf. univ., dr. Serghei Andrievschi

conf. univ., dr. Valeriu Lungu
lector superior Ala Carcea

Coperta: lector superior Sergiu Tronciu

Red. resp.: prof. univ., dr. hab. Mircea Andriu

Descrierea CIP a Camerei Naionale a Crii

Andrievschi, Serghei
Bazele cercetrilor aplicative: Curs univ. / Serghei
Andrievschi, Valeriu Lungu, Ala Carcea; Univ. Tehn. a Moldovei,
Fac. Urbanism i Arhitectur, Catedra Ci Ferate, Drumuri i
Poduri. Chiinu: Tehnica-UTM, 2013. 216 p.
50 ex.
ISBN 978-9975-45-283-0
519.2(075.8)

A 54

ISBN 978-9975-45-283-0

U.T.M., 2013
2

...el s-a artat curajos n primejdie, tare n

nenorocire, modest n fericire, a fost obiectul
mirrii printre suverani i popoare,
realiznd fapte mari cu mijloace modeste.
N. Caramzin

PREFA
Scopul principal al cercetrilor tiinifice n general const n
descoperirea nsuirilor obiective ale fenomenelor, care sunt
exprimate deplin numai n totalitatea general a valorilor mrimii
aleatorii, pe baza nsuirilor acestui fenomen, exprimate de
totaliti pariale obinute n procesul observaiilor sau
experimentului.
Orice proces tehnologic, conform profesorului V. Nalimov
[1], este un sistem difuz (ru organizat) i depinde de un numr
mare de factori din care unii sunt dirijai, dar cei mai muli nu sunt
dirijai. Meninerea factorilor dirijai la nivelul corespunztor se
efectueaz cu unele abateri de la valoarea lor medie. Factorii
nedirijai i schimb valoarea n mod aleatoriu. Toate acestea
conduc la variaia parametrilor de calitate ai produciei fabricate.
Descrierea matematic a acestor sisteme este posibil,
utiliznd modelele matematice n form de polinoame care se obin
folosind metodele statisticii matematice i mai ales a metodelor de
planificare a experimentului, bazate pe utilizarea optimal a
spaiului factorilor independeni.
Modelele polinomiale sunt foarte utile la rezolvarea
problemelor extremale (cutarea condiiilor optimale de
desfurare a procesului tehnologic) i pot fi folosite pentru
descrierea mecanismului fenomenului cercetat.
Planificarea experimentului este un complex de msuri
direcionate spre executarea experienelor n modul cel mai efectiv.
Scopul de baz al planificrii experimentului const n obinerea
3

preciziei maxime a msurrilor printr-un numr mic de experiene,

dar cu pstrarea veridicitii statistice a rezultatelor.
1. METODE PROBABILISTICOSTATISTICE N
TEHNOLOGIE
1.1. Scurt istoric
Pn n anii 50 ai secolului trecut, majoritatea cercetrilor se
efectuau prin aa-numitele experiene unifactoriale. De exemplu,
dac parametrul de optimizare depinde de trei factori, atunci la
efectuarea ncercrilor, doi dintre factori se menineau la niveluri
constante, iar al treilea era supus variaiilor i se nscriau
rezultatele ncercrilor. Dup aceasta, se menineau la niveluri
constante primul i al treilea factor, variind factorul al doilea. i, n
sfrit, se menineau la niveluri constante factorul al doilea i al
treilea, iar variaiile se efectuau asupra primului factor.
Analiznd rezultatele ncercrilor, se determinau factorii care
influenau mai puternic asupra funciei de rspuns i combinarea
de factori cea mai optim. Este evident c aceast metod impune
un numr mare de experiene i necesit mult timp, ns nu se
obine modelul matematic care ar descrie influena concomitent a
tuturor factorilor asupra funciei de rspuns, influena interaciunii
factorilor.
Revoluia tiinifico-tehnic a impus noi probleme, mai
complicate, cu un numr mare de factori care trebuiau rezolvate n
timp scurt i cu cheltuieli mici. Pentru rezolvarea acestor probleme
ale practicii trebuiau elaborate noi teorii matematice speciale de
planificare a experimentului.
Astfel, matematicianul englez Ronald Fischer, colaborator
tiinific la staia agrobiologic Rocemsted din Anglia, a fondat
teoria matematic a planificrii experimentului.
Teoria matematic a planificrii experimentului a traversat n
dezvoltarea sa mai multe etape, cum ar fi:
1. Planificarea experimentului a aprut n anii 20 ai secolului
XX din necesitatea de a exclude sau, cel puin, a atenua erorile
4

sistematice n cercetrile din agricultur. Procedura planificrii a

fost direcionat nu numai spre micorarea dispersiei parametrilor
determinai, dar i spre randomizarea fa de variabilele
concomitente care se schimb spontan i nu sunt dirijate. Ca
rezultat a fost soluionat problema privind decalajul estimaiilor.
n anul 1918 R. Fischer a nceput publicarea seriei cunoscute
de lucrri ale sale printre care n anul 1935 monografia Design of
Experiments care a determinat denumirea ntregii direcii.
Cercettorul a propus n locul experimentului unifactorial asanumitul experiment multifactorial. Esena acestei metode const
n faptul c la efectuarea experimentului se variaz concomitent
toi factorii conform unor reguli speciale. Aceasta d posibilitate,
micornd esenial numarul de experiene, a obine modelul
matematic al fenomenului cercetat. Iar modelul condiioneaz, cu o
oarecare aproximaie, scoaterea n eviden a mecanismului
procesului, determinarea coordonatelor punctului extrem, adic,
determinarea valorilor factorilor pentru care funcia de rspuns va
avea valoarea cea mai mare.
Iniial, teoria matematic de planificare a experimentului a
fost utilizat n agrobiologie. Apoi s-a rspndit n toate domeniile
activitii omului.
2. n anul 1945, D. Finni a introdus replici fracionare obinute
din experimentul factorial. Aceasta a dat posibilitatea de a reduce
considerabil numrul de experiene i a deschis calea spre aplicaii
tehnice ale planificrii.
Alt posibilitate de reducere a numrului de experiene a fost
demonstrat n anul 1946 de ctre R. Plakett i D. Berman, care au
introdus planurile factoriale saturate.
G. Hotelling, n anul 1941, a propus a cuta extremumul pe
baza datelor experimentale, utiliznd descompunerile exponeniale
i gradientul.
3. O alt etap foarte important a constat n utilizarea
principiului de experimentare pas cu pas. Acest principiu, enunat
n anul 1947 de ctre M. Fridman i L. Svidj, a dat posibilitate a
extinde iteraia asupra determinrii experimentale a extremumului.
5

4. Pentru elaborarea teoriei moderne a planificrii

experimentului lipsea o verig - formalizarea obiectului cercetrii.
Acest neajuns a fost nlturat n anul 1947 dup elaborarea de ctre
N. Viner a teoriei ciberneticii. Cibernetica (cutie neagr) joac
un rol important n planificare.
5. n anul 1951, datorit cercetrilor savanilor americani Dj.
Box i K. Wilson a nceput o etap nou n dezvoltarea planificrii
experimentului. Metoda propus const n ideea determinrii
consecutive a condiiilor optimale de executare a experimentului,
utiliznd estimaiile coeficienilor descompunerilor exponeniale
prin metoda celor mai mici ptrate, deplasarea n direcia
gradientului i obinerea polinomului de interpolare n zona
extremumului funciei de rspuns (zon aproape staionar).
n anii 1954-1955 Dj. Box, apoi P. Iul, au demonstrat c prin
planificarea experimentului pot fi cercetate procesele fizice i
chimice, dac apriori sunt elaborate una sau cteva ipoteze.
Aceast direcie a fost dezvoltat n lucrrile lui N. P. Clepicov, S.
N. Socolov i V. V. Fiodorov n fizica nuclear.
6. n anul 1957, Box a utilizat metoda de planificare n
industrie. Aceast metoda a fost numit planificare evolutiv.
7. n anul 1958, G. iffe a propus o metod nou de
planificare a experimentului pentru studierea diagramelor fizice i
chimice compoziie-nsuire cu denumirea de reea simplex.
8. Dezvoltarea teoriei planificrii experimentului n spaiul
CSI este reflectat n lucrrile cercettorilor V. V. Nalimov, Iu. P.
Adler, Iu. V. Granovschi, E. V. Marcova. Un aport considerabil n
extinderea planificrii experimentului l-au adus colaboratorii
Universitii Tehnice a Moldovei doctorii habilitai n tiine
tehnice V. A. Voznesenschi, V. S. Calmuchi, fost rector al UTM,
E. N. Livovschi, membru corespondent al AM.
La Universitatea de Stat din Moscova, n laboratorul
interfacultativ sub conducerea prof. V. V. Nalimov, au fost
elaborate aa-numitele planarii quasioptimale (D) n care printr-un
numr mic de ncercri se pot obine modele matematice care au
6

cele mai eseniale criterii de optimizare.Tot aici au fost elaborate

cataloage detaliate ale planurilor.
La finele secolului XX a nceput s se contureze o directie
tiinific nou: studiul computerizat al materialelor care include i
modelarea statistic (planificarea optimal a experimetului). Un rol
deosebit n dezvoltarea acestei direcii l are academicianul
ucrainean V. Voznesenschi.
1.2. Avantajele i dezavantajele metodelor statistice de
planificare a experimentului
Printre avantajele metodelor statistice de planificare a
experimentului putem enumera:

Teoria matematic a experimentului deschide o epoc nou n

cercetrile inginereti cu caracter experimental.

Implementarea metodelor statistice de planificare a

experimentului condiioneaz n mare masur excluderea
abordrii intuitive volitive a problemelor, nlocuind-o cu un
program de efectuare a cercetrilor experimentale pe baz
stiinific care include estimaia obiectiv a rezultatelor
experimentului la toate etapele succesive ale cercetrii.

Scopul principal al cercetarii este optimizarea, care const n

determinarea totalitii factorilor variabili pentru care funcia
de ieire aleas capt valoare extremal, deci, se rezolv n
modul cel mai optimal.

Chiar fr cunoaterea amnunit a mecanismului

fenomenului cercetat, prin intermediul experimentului
direcionat se poate obine modelul lui matematic care include
factorii cu cea mai mare pondere, independent de caracterul
lor fizic. Un astfel de model poate fi utilizat cu succes pentru
dirijarea i determinarea regimurilor de lucru necesare. Apare
posibilitatea de a corecta i a preciza concepiile noastre
teoretice despre fenomenul studiat.
7

Pentru construirea tuturor modelelor, independent de clasa

obiectelor (tehnico-economic, social, medico-biologic
.a.), se utilizeaz un algoritm unic cu un set de programe
tipice.
Aparatul matematic utilizat pentru rezolvarea problemelor
menionate este destul de general, ceea ce d posibilitate a fi
utilizate cercetrile instalaiilor reale, aparatelor i schemelor,
ct i a modelelor fizice i matematice.
Teoria matematic a experimentului, din punct de vedere
theoretic, se bazeaz pe metodele teoriei probabilitilor.
Modelul polinomial obinut este util la rezolvarea
problemelor practice.
Descrierea obiectului printr-un astfel de model faciliteaz
precizia mririi gradului polinomului.

ns acest mod de abordare a modelrii are un ir de

dezavantaje, precum:

Cunoscnd estimaiile numerice ale coeficientilor b0, bi, bii, bij

(o poriune a irului Taylor), nu se pot restabili expresiile
analitice ale funciei iniiale i ale ecuaiei difereniale, care
descriu mecanismul fenomenelor.

Un fenomen poate fi descris prin mai multe modele. Aceste

dezavantaje diminueaz utilitatea modelelor din punct de
vedere instructiv. Conform academicianului V. Voznesenschi,
aceste modele au totui valoare euristic esenial (care
servete la descoperirea unor fenomene noi), dac sunt
interpretate n concordan cu scopul cercetrii.
1.3. Schema general de rezolvare a problemelor tehnologice
pe baza metodelor probabilistico-statistice
Schema-bloc de rezolvare a problemelor tehnologice pe baza
metodelor teoriei probabilitilor i statisticii matematice [2] are
structur ciclic (fig. 1.1): problema (etapa I) se rezolv n cteva
8

etape (II-VII) i dup analiza rezultatelor cercettorul ia decizia de

a le folosi n tehnologie (etapa VIII), astfel rspunznd la problema
pus.
1. n prima etap se pune problema formulat n termeni
tehnologici.
De exemplu: micorarea rezistenei de amestecare a organelor
de lucru ale malaxorului sau intensificarea procesului de
amestecare, sau obinerea unui beton cu rezisten mare.
2. Dupa ce problema este pus (etapa a II-a), n aceeai
termeni trebuie formulat sarcina tehnologic i ipoteza de lucru,
determinat scopul i criteriul de eficacitate privind evaluarea
rezultatelor din punct de vedere al realizrii ei, stabilite limitele
care se impun i evideniat domeniul rezolvrii posibile.
3. n etapa a treia tehnologul colecteaz informaia din
arhivele uzinelor si fabricilor (fig.1.1, J.1) i lucrrile publicate
(fig.1.1, J.2).
Cercettorii atenioneaz c pentru a obine informaia deplin
este necesar mai mult timp, iar costul acestor lucrri crete. De
aceea, n unele cazuri, este mai simpl efectuarea experimentului
dect cutarea datelor despre acest proces.
4. Informaia selectat trebuie sistematizat, analizat i din tot
volumul se alege partea care nemijlocit contribuie la rezolvarea
sarcinii concrete (etapa a IV-a); informaia selectat i prelucrat
se pstreaz (fig.1.1, J.3) i la necesitate poate fi iari folosit
pentru rezolvarea altor probleme.
Pe baza etapelor III i IV tehnologul poate stabili factorii
principali la intrarea n sistem (xi si zi) i parametrii de iesire Yi i
Ei, poate propune limitele de variaie posibile a lor.
5. n etapa a V-a tehnologul mpreun cu matematicienii
formuleaz problema pus n mod matematic.
Dac informaia nu va fi suficient, se va relua etapa a III-a
sau se ia decizia (fig.1.1, D.1) de a efectua experimentul pasiv
(fig.1.1, D.2) la ntreprindere pentru obinerea informaiei care
lipsete.
9

Fig.1.1. Schem-bloc de rezolvare a problemelor tehnologice pe baza

metodelor teoriei probabilitilor i statisticii matematice

10

Dac informaia este deplin, atunci cercettorul, n funcie de

formularea tehnologic i matematic a problemei, ia una din
urmtoarele decizii:
A. A utiliza metodele de cercetare a operaiilor;
B. A efectua experimentul activ;
C. A efectua analiza statistic a informatiei acumulate.
n continuare vom examina aceste ci.
Analiza statistic include 4 procedee de baz:
C.1 - estimarea caracteristicilor statistice ale parametrilor
tehnologici aleatorii. Aceast cercetare este necesar pentru alegerea
unei metode corecte de rezolvare a problemelor. n afar de aceasta,
procedeul are o semnificaie tehnologic aparte, deoarece d
posibilitatea de a organiza controlul statistic al calitii produciei, a
stabili limitele admisibile ale parametrilor de calitate i a aprecia
fiabilitatea produciei.
C.2 - analiza dispersional d posibilitatea de a evidenia cei mai
semnificativi factori care influeneaz procesul tehnologic pentru a-i
introduce n modelele matematice. Rezultatele analizei dispersionale
pot avea i o semnificaie aparte, deoarece ele dau posibilitate
inginerului s-i concentreze atenia asupra factorilor tehnologici
principali.
C.3 - analiza de regresie este necesar pentru estimarea relaiilor
de reciprocitate ntre parametrii tehnologici. Modelele matematice
obinute, dei nu sunt indicate pentru prognozare, sunt foarte utile
pentru calculele de interpolare.
C.4 - analiza irurilor de timp i a proceselor este necesar la
elaborarea metodelor de control statistic al calitii i n particular de
control adaptiv. Rezultatele analizei dau posibilitatea de a evidenia
fluctuaia tehnologiei i a estima deriva n timp.
Dup realizarea procedeelor C.1-C.4 se efectueaz analiza
logic i tehnologic a rezultatelor (etapa a VI-a) i controlul lor
experimental n condiii de laborator i n producie (etapa a VII-).
Dup aceasta se ia decizia de a implementa rezultatele n procesul
tehnologic (notm aceast cale spre etapa VIII-a cu semnul +) sau,
dac rezultatele nu sunt acceptabile n producie, se ia decizia de a

11

schimba condiiile iniiale sau de a alege o alt cale de cercetare

matematic (calea spre etapa a IX-a este notat cu semnul -).
Dac rezultatele procedeelor C.1-C.4 nu-l satisfac pe tehnolog,
atunci cutarea soluiilor se efectueaz folosind metodele
experimentului activ (fig.1.1, B.1 - B.4).
Decizia de a efectua experimentul activ poate fi luat chiar n
etapa a V-a, pe baza informaiei apriori, sau dup cercetrile efectuate
n C.1-C.4.
B.1. Experienele de eliminare se fac cu scopul de a evidenia
factorii tehnologici principali care apoi se vor folosi n modelele
matematico-statistice. Uneori rezultatele acestei etape pot fi utile n
mod special pentru tehnolog tot aa, precum i rezultatele etapei C.2.
B.2. Cutarea zonei aproape staionare n care se gsete
extremumul convenional. n aceast etap cercettorul gsete
soluionarea tehnologic a parametrilor de iesire Yi i Ei extremali sau
obine modelul suprafeei de rspuns n zona de experimentare. Dac
ecuaiile de regresie obinute n aceast etap descriu adecvat datele,
ele pot fi folosite ca formule de interpolare pentru rezolvarea
problemelor tehnologice practice.
B.3. Modelarea matematic a zonei aproape staionare este cea
mai principal etap a cii B.1-B.4. Metodele matematice obinute n
acest cadru dau posibilitatea nu numai de a dirija procesele
tehnologice sau de a varia procedeul n zona de experimentare, dar i
de a efectua lucrri pentru optimizarea parametrului de ieire.
B.4. Optimizarea sau cutarea extremumului convenional
etapa final a cercetrii. Cercettorul obine un rezultat tehnologic
calitativ nou.
Calea B.1B.4, ct i C.1-C.4, finalizeaz n mod obligatoriu cu
etapele VI i VII. Dac modelul nu este adecvat, procesul de
modelare continu de regul pe calea B.1-B.4 cu introducerea
corectivelor n formularea condiiilor problemei (modificarea
variabilelor de intrare i de iesire, schimbarea nivelului i intervaleor
de variaie .a).
Metodele de cercetare a operaiilor depind de formularea
problemei. Tehnologul, mpreun cu matematicienii, pot folosi

12

metodele de programare (liniar, dinamic, convex) sau metodele

teoriei deservirii n mas sau metodele teoriei jocurilor.
Metodele teoriei probabilitilor i ale statisticii matematice sunt
folosite, innd cont de particularitaile specifice ale proceselor
cercetate.
2. CALCULUL MATRICEAL

Calculul matriceal este utilizat pe larg n teoria matematic a

planificrii experimentului.
Noiunea de matrice a fost introdus n matematic n a. 1870
de ctre matematicianul englez Arthur Cayley (1821-1895). n
a.1925, Gaizenberg a folosit matricele la rezolvarea problemelor
mecanicii cuantice.
2.1. Tipurile matricelor
Matrice se numete tabelul care are m(i) linii i n(j) coloane.
Numrul m determin nlimea matricei, iar numrul n - limea
matricei. Pentru indicarea matricelor se utilizeaz paranteze
rotunde, ptrate sau linii drepte solitare sau duble.
a11a12 ...a1 j ...a1n

a21a22 ...a2 j ...a2 n

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

Aij =
ai1ai 2 ...aij ...ain

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

am1am 2 ...amj ...amn

Deosebim urmtoarele matrice:

1. Ptrate, cnd m=n;
2. Alungite, cnd limea este mai mare dect nlimea, n>m;
13

3. Scurtate, cnd nlimea este mai mare dect limea, n<m;

4. Matrice-linie, compus dintr-un rnd, m=1;
5. Matrice-coloan, compus dintr-o coloan, n=1;
6. Matrice diagonal, la care elementele diagonale nu sunt
egale cu zero, iar toate elementele, n afar de cele
diagonale sunt egale cu zero.
De exemplu:
exemplu:
4 0 0
D = 0 5 0 este o matrice diagonal.
0 0 6

7. Matrice unitar, la care toate elementele diagonale sunt

egale cu unu, iar celelalte sunt egale cu zero. De exemplu:
1 0 0
1 0
E=
sau E = 0 1 0 .
0 1
0 0 1
n calculul matriceal matricele unitare joac rolul de unitate.
8. Matrice transpus. Daca n matricea dat A se vor schimba
liniile cu coloanele, se obine matricea transpus AT . De
exemplu:
1 3
1 2 5
T
dac A =
, apoi A = 2 4 .
3 4 6
5 6
Ca elemente ale matricelor pot fi numere, litere, proieciile
vectorilor pe axele de coordonate .a.m.d. n ultimul caz, matricele
reprezint un sistem de vectori.
Daca elementele diagonale ale matricei sunt egale cu
dispersiile sistemului de marimi aleatorii, iar cele nediagonale cu
covariaiile, astfel de matrice se numete de corelaie (de corelare).
Ea descrie dependena corelativ a sistemului de mrimi aleatorii.
14

2.2. Operaii asupra matricelor

1. Matricele de una i aceeai ordine se pot aduna i scdea.
De exemplu, dac:
1 2
5 6
A=
i B =
, atunci suma lor va fi
3 4
1 2
1+ 5
2+6
6 8
A+ B =
=
.
3 +1
4+2
4 6
2. Matricele pot fi nmultite i imprite la un scalar.
1 2
Avem A =
i scalarul = 5 . La nmulirea matricei la
3 4
un scalar, fiecare element al matricei trebuie inmulit la acest
scalar:
5 10
A =
.
15 20
3. Matricele se pot nmulti una la alta. Aceats operaie se
efectueaz conform unei reguli speciale. Pentru aceasta,
elementele fiecrei linii ale primei matrice se nmultesc consecutiv
la elementele coloanei corespunztoare a altei matrice, iar
rezultatele nmulirii se nsumeaz.
a
a12
b b
De exemplu,
i B = 11 12 .
A = 11
a21 a22
b21 b22
Rezultatul nmulirii va fi:
a b +a b
a11b12 + a12b22
.
C = A B = 11 11 12 21
a21b11 + a22b21
a21b12 + a22b22
nmulirea matricelor este posibil numai atunci, cnd numrul
de colane al primei matrice este egal cu numrul de linii al matricei
a doua. Matricea rezultant are attea linii, cte au fost n prima
matrice i attea coloane cte au fost n a doua matrice.
15

1 2
2 1
i B =
3 4
1 4
Rezultatul nmultirii A la B:
1 2 + 2 1 1 1 + 2 4 1 3 + 2 2
A B =
=
3 2 + 4 1 3 1 + 4 4 3 3 + 4 2
Exemplu.

A=

3
.
2
4 9 7
.
10 19 17

4. La nmultirea unei matrice la matricea unitar, matricea

iniial nu se schimb:
1 2 1 0 1 1 + 2 0 1 0 + 2 1 1 2
A E =

=
=
.
3 4 0 1
3 1 + 4 0 3 0 + 4 1 3 4
Matricea ptrat are determinant: dac

A=

2 1
4 3

, atunci

det ( A ) = 6 4 = 2 .

5. Matricele se supun operaiei de inversare prin dou metode:

Cramer (Gabriel Cramer, 1704-1752) i Gauss (Carl Friedrich
Gauss, 1777-1855).
a11 a12 a13
2 2 3
Exemplu. Avem matricea A = a21 a22 a23 = 1 1 0 .
a31

a32

a33

Pentru inversarea prin metoda Cramer se efectueaz urmtoarele

operaii:
a) se
determin
determinantul
matricei
iniiale:
2 2 3
det A = 1 1 0 = 2 ( 1) 1 + 2 0 ( 1) + 3 1 2
1 2 1
[3 ( 1) ( 1) + 0 2 2 + 1 1 2] = 1 .

Dac determinantul este egal cu zero, procesul finalizeaz,

deoarece matricea este degenerescent i nu are matrice invers;
16

b) se transpune matricea iniial:

a11 a21 a31 2 1 1
T
A = a12 a22 a32 = 2 1 2 ;
a13 a23 a33 3 0 1

~
c) pentru matricea transpus se gsete matricea aliat A ,
elementele creia sunt egale cu adaosul algebric Aij al
elementelor aij ale matricei transpuse:
A11 A21 A31
~
A = A12 A22 A23 ,
A13

A23

A33

unde Aij=(-1)i+j Mij , n care Mij este minorul.

Exemplu,

pentru adaosul algebric A11 avem:

a32
1 2
= 12
= 1 (1 0) = 1 .
a33
0 1
Pentru celelalte adaosuri:
1 1
1 1
= 1; A13 = 14
= 1;
A12 = 13
0 1
1 2
A11 = (1)1+1

a22
a23

2 2
2
= 4; A22 = 14
3 1
3
2 1
2
= 3; A32 = 15
A31 = 14
3 0
3

A21 = 13

1
Deci, A% = 1
1

4
5

1
2 1
= 5; A23 = 15
= 6;
1
2 2

1
2 1
= 3; A33 = 16
= 4;
0
2 1

3
3 ;

6 4

d) se determin matricea invers, pentru aceasta elementele

matricei aliate se impart la determinantul matricei iniiale.
17

Deci, matricea invers va fi:

1 4 3
1 4 3
1
A%
=
1 5 3 = 1 5 3 .
A =
det ( A ) 1
1 6 4
1 6 4
1

6. La nmulirea matricei iniiale la cea invers att din stnga,

ct
i
din
dreapta
se
obine
matricea
unitar
1
1
A A = E; A A = E;
3
2 4
, matricea invers a ei A1 = 2
Exemplu: A =
1 3
1

2
Produsul acestor matrice este egal cu matricea unitar:
3
2
2
4
1 0
2
1
.

=
A A =
1 3
1
0 1
1

.
1

7. Operaia de inversare a matricelor diagonale se simplific

mult. Fie, dat o matrice diagonal de gradul 3:
0
4 0 0
a11 0
D = 0 a22 0 = 0 5 0 .
0

a33

0 0 6

Evident, matricea transpus se va scrie tot aa. Determinantul

matricei diagonale este egal cu det( D) = a11a22 a33 = 4 5 6 = 120 .

18

Matricea aliat va fi tot diagonal:

0
A11 A21 A31 a22 a33
~
D = A12 A22 A23 = 0
a11a33
0
0
A13 A23 A33

30

= 0

24

0 ,

20

a11a33

n care adaosurile algebrice sunt:

a
a32
a
0
5 0
A11 = (1)1+1 22
= 12 22
=
= 5 6 = 30; A12 = 0;
a23 a33
0 a33 0 6

A13 = 0; A21 = 0;
A22 = ( 1) 2+ 2

a11

a33

4 0
0 6

= 24; A23 = 0; A31 = 0; A32 = 0;

4 0
= 20;
0 5
Matricea invers este tot diagonal, iar elementele ei sunt
egale cu valorile inverse ale matricei iniiale:
1
1
0
0
0 0
a11
4
D%
1
1
= 0
D 1 =
0 = 0
0 .
det ( D )
5
a22
1
1
0 0
0
0
6
a33
A33 = (1)6

Particularitatea indicat a matericelor diagonale se utilizeaz

la planificarea experimentului.
2.3. nsuirile matricelor

1. Asociativitatea sumei i produsului (asociativ care duce

la acelai rezultat, independent de modul cum au fost grupate
elementele unui grup ordonat):
19

A + ( B + C ) = ( A + B) + C sau A ( B C ) = ( A B) C .
2. Distributivitatea proprietate a unei operaii matematice de
a putea fi efectuat separat asupra diferiilor termeni dintr-o
expresie, rezultatul astfel obinut fiind acelai ca i n cazul cnd
operaia
ar
fi
fost
aplicat
ntregii
expresii
A (B + C) = A B + A C .
3. Comutativitatea proprietate a unei operaii matematice de
a fi independent de ordinea elementelor pe care le conine
A A1 = A1 A = E .
Aceast nsuire o au numai matricele inverse reciproc. n
celelalte cazuri aceast nsuire nu se respect, deci A B B A .
4. Matricea invers a produsului a dou matrice este egal cu
produsul factorilor (aici factor - fiecare dintre termenii unei
nmuliri) matricelor inverse, luate n ordine invers:
1
( A B ) = B 1 A 1 .
Pentru demonstrarea acestei nsuiri, nmulim ambele pri
ale egalitii din stnga de mai sus la matricea AB . Atunci
1
AB ( A B ) = AB B 1 A1 , deci E = AE A1 = E .
Dup cum observm, partea din stnga este egal cu cea din
dreapta. nsuirea este demonstrat.
5. Matricea invers a matricei inverse este egal cu matricea
iniial ( A1 ) = A .
1

Demonstrm aceast nsuire: nmulim partea din stnga la

A :
1

( A )( A )
1

1 1

= ( A1 ) A ; E = E , nsuirea este demonstrat.

6. Matricea transpus a produsului a dou matrice este egal

cu produsul matricelor transpuse, luate n ordine invers:
T
T
( A B ) = BT AT ; ( A B C ) = C T BT AT ;
Aceast nsuire reiese din faptul c elementele matricei
T
( A B ) sunt egale cu elementele corespunztoare ale matricei
20

BT AT . Analogic, elementele
T
elementele ( A B C ) .

C T BT AT

sunt egale cu

Exemplu:

A=

2 4
2 1
4 + 16
;B=
; A B =
1 3
4 3
2 + 12
20 14 T 2 4 T
T
;B =
;A
( AB ) =
14 10
1 3
2 4 2 1 20
BT AT =

=
1 3 4 3 14

2 + 12 20 14
=
;
1+ 9
14 10
2 1
=
;
4 3
14
;
10

Deci, ( AB ) = BT AT .
7. Matricea invers de la cea transpus este egal cu matricea
T

transpus de la cea invers ( AT ) = ( A1 ) .

1

Pentru demonstrarea acestei nsuiri nmulim partea stng i

cea dreapt a expresiei prezentate la AT , atunci AT ( AT ) = E

1

(din nsuirea A A1 = E ); AT (A1 ) = E (folosim nsuirea a 6-a:

T

BT AT = ( A B ) , deci AT (A1 ) = (A1 A) = (E ) = E ).

T

Deci, nsuirea este demonstrat.

8. Determinantul produsului a dou matrice este egal cu
produsul determinanilor matricelor componente, adic
det ( AB ) = det ( A ) det ( B ) . De exemplu, dac:
A=

1 3
2 4

; det ( A ) = 2 si B =

det ( B ) = 1 / 2 atunci A B =

21

3/ 2

1 / 2

1 3
2 4

3/ 2

1/ 2

1 0
0 1

det ( A B ) = 1

det ( A B ) = det ( A) det (B ) ; 1=-2(1/2)=1; 1=1.

9. Pentru matricele reciproc inverse are loc raportul:

1
.
det ( A1 ) =
det ( A )
10. Matricea transpus a sumei este egal cu suma matricelor
transpuse:
T
( A + B ) = AT + BT .
11. Produsul a dou matrice XTX, n condiiile cnd coloanele
matricei X sunt ortogonale cte dou, este egal cu matricea
diagonal. n continuare, vom explica aceasta. Fie dat matricea X:
1 2 4 x1

X = 2 1 6 = y1
4 1 2 z

x2
y2
z2

x3

y3 ;
z3

Vectorii-coloan ai acestei matrice sunt ortogonali cte doi

(ortogonal cu produs scalar nul ). Aceast condiie se scrie
astfel:
x j xk = 0 pentru j k .

ntr-adevr, produsul coloanelor dau zero:

x1 x2 + y1 y2 + z1 z2 = 2 2 + 4 = 0
x1 x3 + y1 y3 + z1 z3 = 4 12 + 8 = 0
x2 x3 + y2 y3 + z2 z3 = 8 + 6 + 2 = 0

22

Matricea transpus

1
2 4
X = 2 1 1 .
T

6 2

nmulim X T la X i obinem:
1
2 4 1 2 4
21 0
X X = 2 1 1 2 1 6 = 0 6
T

6 2

0
0 .

0 56

Dup cum se observ, matricea rezultant este diagonal.

Aceast nsuire se folosete la planificarea ortogonal.
12. Matricea ptrat Q, pentru care se ndeplinete condiia
Q QT = E , se numete ortogonal.
Aceasta nseamn c pentru matricea ortogonal matricea
transpus este invers QT = Q1 .
Matricea ptrat Q este ortogonal atunci i numai atunci cnd
coloanele ei examinate ca vectori alctuiesc un sistem
ortonormalizat, adic cnd se ndeplinesc condiiile:

(
N

i =1

xj

= 1;
i

x
i =1

ji

xki = 0; pentru j k ,

unde i i j corespunztor numrul liniei i numrul coloanei

matricei.
Aceleai nsuiri au i liniile matricei.
Exemplu,

matricea Q este ortogonal:

1
Q= 0

0
cos

0
sin .
0 sin cos
23

ntr-adevr,

1
Q Q = 0
T

0
cos

0
1
0
sin 0 cos

0 sin cos

0 sin

0
1 0 0
sin = 0 1 0 .
cos
0 0 1

Cerinele ortonormalizrii se ndeplinesc.

13. Matricea dreptunghiular se numete ortogonal dac
pentru ea se ndeplinesc urmtoarele 3 cerine:
1)

(x
N

i =1

2)

(x
N

i =1

3)

x
i =1

ji

)
)

= 0 - condiia centrrii;
i

= N - condiia normalizrii;
i

x ki = 0; j k - condiia ortogonalitii,

n care N - numrul de rnduri (numrul de experiene).

Matricea dreptunghiular de mai jos X este ortogonal,
deoarece pentru ea se ndeplinesc condiiile menionate:

1 1 +1
X=

+1 1 1
.
1 +1 1
+1 +1 +1

24

3. NOIUNI DE BAZ ALE TEORIEI MATEMATICE A

PLANIFICRII EXPERIMENTULUI

n procesul planificrii i efecturii experienelor, prelucrrii

(interpretrii) datelor obinute se poate utiliza experimentul pasiv
i activ.
3.1. Experimentul pasiv

Experimentul pasiv este metoda tradiional de experimentare

cnd factorii sunt variai cte unul, iar ceilali se menin la un nivel
constant. Se obin dependene amnunite (curbe sau tabele) ale lui
Y de x n zone ndeprtate de optimum. Cercettorul nu se implic
n proces, el este un observator pasiv care nregistreaz rezultatele;
timpul experimentului se marete. n acest timp se motific
necontrolat nsuirile (parametrii) procesului, iar rezultatele
obinute sunt greu de comparat cu cele iniiale.
Chiar dac obinem modelul matematic al procesului, acesta
va fi corect numai pentru diapazonul de variere a variabilelor
observate, iar condiiile optimale pot avea caracter parial, care nu
coincid cu poziia optimumului principal.
Notnd rezultatele n diferite puncte ale acestei curbe (fig.
3.1), poriunile se nlocuiesc cu oarecare dependene funcionale aa, b-b, c-c, d-d. Aadar, tragem concluzii despre caracterul general
al dependenei pe baza cercetrii numai a unui diapazon ngust.
Experimentul pasiv are urmtoarele dezavantaje:
1. Deoarece factorii variabili, de regul, sunt corelai,
procedura de calculare a coieficienilor modelului
matematic pentru 2-3 factori este destul de complex.
Pentru 4-5 factori este foarte voluminoas.
2. Lipsa simetriei nivelurilor factorilor ingreuneaz controlul
reproductibilitii, estimarea statistic a coieficienilor i
aprecierea corespunderii modelului matematic cu procesul
cercetat.
3. Experimentul pasiv necesit un numr mare de experiene.
25

Fig.3.1. Dependena unui parametru de un factor

Toate aceste dificulti se nltur la efectuarea experimentului

activ.
3.2.

Experimentul activ

Experimentul activ reprezint o experimentare cu mai muli

factori. Avantajele acestui experiment:
factorii variaz concomitent conform unui plan elaborat
preventiv (toi factorii variaz n fiecare experien);
numrul total de experiene se micoreaz;
este utilizat aparatul matematic care formalizeaz multe
aciuni ale cercettorului;
exist o strategie clar care d posibilitate de a adopta
soluii argumentate dup fiecare serie de experiene;
utilizarea
teoriei
matematice
a
planificrii
la
experimentului se mrete de citeva ori eficiena lui n
comparaie cu experimentul pasiv. Cu ct este mai
26

compus problema, cu att mai efectiv este utilizarea

planificrii experimentului.
Cercettorul foloseate metodele statistice pn la
experimentare, adic elaboreaz schema de efectuare a
experienelor. Acesta i este experimentul activ sau
planificare a experimentului.
Planificarea experimentului este o metod nou de cercetare n
care metodelor matematice li se acord un rol activ. Aici metodele
matematice se folosesc la toate etapele:
- la formalizarea informaiei apriorice inainte de efectuarea
experienelor;
- la alegerea factorilor care influeneaza procesul;
- la alegerea insuirilor, calitilor;
- la efectuarea experimentului i prelucrarea rezultatelor;
- la luarea deciziilor, deci, la toate etapele.
3.3.

Consecutivitatea rezolvrii problemelor

Planificarea experimentului poate fi utilizat cu scopul:

1. Scoaterii n eviden a mecanismului fenomenului sau a
procesului, adic evidenierea gradului de influen a diferitor
factori asupra parametrului de optimizare cercetat. Modelul
obinut n acest caz servete ca formul de interpolare.
2. Planificrii asa-numitelor experimente extremale i
determinrii valorilor nivelurilor factorilor la care parametrul
de optimizare cercetat va avea valoare maxim.
La rezolvarea acestor probleme se stabilete urmatoarea
consecutivitate a aciunilor:
1. Mai nti se descrie experimentul i se formuleaz scopul
principal, se alege parametrul de optimizare (sau infiarea
lui general) cu ajutorul cruia se va aprecia calitatea
procesului, se determina factorii care influeneaz asupra
parametrului de optimizare i graniele de variere a
factorilor.
27

2. Dac asupra funciei de rspuns influeneaz un numr

mare de factori n>15, atunci mai nti, utiliznd metoda de
expertiz (numrul de experti nexp 3), sau metoda balanei
accidentale se efectueaz eliminarea tuturor factorilor
nesemnificativi.
3. Se alege punctul central al experimentului pentru care
diapazonul de variere a fiecrui factor se mparte la doi. n
aa mod se determin centrul planului i pasul de variere
pentru fiecare din argumeni.
4. Se alege tipul modelului matematic cu care se presupune
descrierea procesului studiat. De regul, fenomenul se
descrie mai nti cu ajutorul unui model liniar.
5. n funcie de obiectivele i condiiile experimentului se
alege tipul planului.
6. Se determin posibilitatea utilizrii replicilor fracionare.
7. Se efectueaz experimentul pe baza cruia se obine
modelul matematic al procesului (fenomenului). Mai
departe se verific reproducerea experimentului, se elimin
efectele nesemnificative utiliznd criteriul Student, se
verific nivelul de corespundere a modelului obinut
folosind criteriul Fischer.
8. Dac modelul liniar obinut va fi adecvat, atunci se
efectueaz deplasarea n direcia vectorului-gradient n
zona extremumului la atingerea creia de-acum printr-un
model de gradul doi se determin extremumul, adic
valorile factorilor pentru care parametrul de optimizare va
avea valoarea optimal.
9. Pentru estimarea calitii modelului, se calculeaz matricea
dispersiilor-covariaiilor:
M-1= (XTX)-1S2{Y} min.
i dispersia valorii prognozate a funciei de rspuns:
S2{Y } = XiT(XTX)-1S2{Y}Xi.
28

3.4. Factorii i parametrii de optimizare

Factor se numete mrimea variabil care se poate msura i

care capt valoarea dat.
Factorii se mpart n cantitativi (se msoar la diferite niveluri)
i calitativi (diferii electrolii, diferite amestecuri, diferite metode
de pregtire a formei).
Factorii cantitativi: temperatura 20, 40, 60C sau n mod
codificat -1, 0, +1, tensiunea curentului etc.
Cnd utilizm factorii cantitativi, se obine de regul mai
mult informaie despre parametrul de optimizare.
Cerine fa de factori:
1. Variabilele independente x1, x2, ..., xn trebuie s se msoare
cu o eroare foarte mic n comparaie cu eroarea
determinrii parametrului de optimizare Y .
2. Variabilele independente nu trebuie s coreleze ntre ele,
(de exemplu: temperatura x1 i lungimea barei x2. La
majorarea temperaturii se schimb lungimea).
3. n limitele zonei de determinare s li se poat da orice
valori. Aceast cerin este echivalent cu lipsa corelrii
liniare dintre factori.
4. Factorii trebuie s fie compatibili. Aceasta nseamn c
orice combinaie a nivelurilor factorilor n interiorul
zonelor de determinare se poate realiza. Factorii sunt
incompatibili, dac oarecare combinaie a nivelurilor
factorilor conduce la oprirea procesului.
Parametrul de optimizare este o caracteristic (un indice) fa
de care se optimizeaz procesul tehnologic. Aceast caracteristic
se refer sau la procesul studiat sau la articolele obinute.
Exemple de parametri de optimizare:
- duritatea depunerii galvanice;
- cantitatea de hidrogen care nimerete n depunerea galvanic;
29

rezistena la naintare a organului de amestecare prin

amestec;
- rezistena mecanic a betonului;
- omogenitatea amestecului;
- parametrii economici.
Cerine fa de parametrii de optimizare:
1. Universalitate caracterizarea sub toate aspectele, din toate
punctele de vedere, a procesului cercetat prin utilizarea
acestui parametru de optimizare.
2. S fie cantitativ i s se caracterizeze printr-o cifr. Dac
nu sunt metode cantitative de apreciere a parametrului de
optimizare, se pot utiliza indici de ordine de tipul: sort, bal,
clas etc.
3. Trebuie s fie eficient statistic, deci, s aib dispersie mic.
Dac aceast cerin nu se ndeplinete, parametrul de
optimizare se modific. Cea mai simpl metod de
modificare este logaritmarea.
4. Parametrul de optimizare obinut n urma experienelor Y1,
Y2, ..., Yn reprezint mrimi aleatorii independente
distribuite normal. Estimaiile dispersiilor sunt uniforme.
Dac Y nu este distribuit normal, se efectueaz
transformarea ntr-o funcie care va fi aproximativ
distribuit normal [ 1 ].
5. S aib un sens fizic clar, s fie simplu i uor de calculat.

3.5. Ecuaia de regresie

n cea mai general form, dependena parametrului de

optimizare de factori se exprim prin ecuaia care se numete
ecuaie de regresie:
Y = ( x1 , x2 ,..., xn , z1 , z 2 ,..., z m , w) ,
30

unde: Y parametrul de optimizare, funcia de raspuns, ieire,

reaciunea, variabila dependent, funcia obiectiv .a.;
x1,x2,..,xn factorii, adic variabilele independente dirijate;
z1,z2,....,zm i w variabilele i constantele care influeneaz
asupra parametrului de optimizare, ns nu pot fi dirijate.
Ecuaia de regresie i limitele impuse schimbrii factorilor
variabili se numete model matematic. Modelul matematic este
reflectarea matematic a celor mai semnificative pri ale
procesului. Mai des se folosesc modele polinomiale liniare de
gradul doi i de grad mai nalt.
Coeficienii polinoamelor pot fi privii ca nite coeficieni
obinui la descompunerea funciei n vecintatea oricrui punct x0
n irul Taylor. Seria polinomial poate fi de asemenea privit ca
rezultatul integrrii ecuaiilor difereniale iniiale. Aplicnd
modelele polinomiale obinute, nu totdeauna se poate obine
funcia iniial sau ecuaiile difereniale iniiale. n aceasta i
const una din particularitaile negative ale modelelor polinomiale.
ns ele dau posibilitate a evidenia mecanismul fenomenului
(procesului) i a determina coordonatele punctului extrem. ntraceasta i const calitatea lor pozitiv.
Modelul liniar are forma:
n

Y = b0 x0 + b1 x1 + b2 x2 + ... + bn xn = bi xi ,
i =0

unde: Y funcia de rspuns (variabila dependent);

xi factorii, adic variabilele independente dirijate;
bi coieficienii modelului care arat gradul influenei
factorului dat asupra funciei de rspuns;
b0 membru remanent ce caracterizeaz valoarea medie a
funciei de rspuns pentru xi= 0;
x0 variabila fictiv egal cu unu.
Modelul ptratic are forma:
n

Y = bi xi + bij xi x j + bii xi2 ,

i =0

i< j

31

i =1

unde: Y functia de rspuns;

bij efectul interaciunii unei perechi de factori;
bii coeficientul ce caracterizeaz efectul ptratic al
factorului.
Astfel se compun modelele de gradul 3 i de grad mai nalt.
Aceste modele se numesc factoriale.
3.6. Spaiul factorial i codificarea variabilelor [13]

Totalitatea nivelurilor factorilor formeaz spaiul factorial

(reeaua de planificare). Spaiul factorial este acel spaiu,
coordonatele cruia corespund factorilor care se examineaz.
Pentru dependena unifactorial Y = f (x1 ) , pe scara numeric
a factorului x1 se pot marca dou puncte ntre care se va situa zona
de cercetare a varierii factorului x1 n form de segment de dreapt
(fig.3.2).

x1

x1

min

max

Fig. 3.2. Spaiul factorial pentru Y = f (x1 )

Valorile x1min i x1max pot fi adoptate, de exemplu, n baza:

a) n afara acestor granie factorul x1 nu poate exista (apa n
afara temperaturilor 0100C nu va fi n faz lichid);
b) valorile x1 < x1 min i x1 > x1 max se ntlnesc cu o
probabilitate foarte mic;
c) funcia Y = f (x1 ) practic nu se schimb n afara
diapazonului x1 max x1 min ;
d) n procesul planificrii experimentului, la o oarecare etap,
astfel de granie sunt raionale din punct de vedere metodic sau din
punct de vedere tehnico-economic.
32

n asemenea mod, spaiul factorial pentru Y = f (x1 ) va fi

segmentul de dreapt n intervalul de la x1min pn la x1max .
La studierea funciei de doi factori Y = f (x1 , x2 ) , spaiul
factorial studiat va fi limitat de un dreptunghi (fig.3.3), iar pentru
Y = f ( x1 , x2 , x3 ) un paralelipiped dreptunghic (fig.3.4). Cnd
n > 3 , reprezentarea grafic a spaiului
numrul de factori
factorial nu este posibil (excepie pot face unele cazuri speciale
pentru amestecuri multicomponente).

Fig. 3.3. Spaiul factorial pentru Y = f (x1 , x2 )

Nivelurile factorilor la planificarea ortogonal se aleg simetric

fa de centrul planului.
La planificarea ortogonal pentru funcia cu trei variabile
punctele planului sunt situate n vrfurile cubului (fig.3.4, a), iar la
planificarea rotatabil pe suprafeele ctorva sfere concentrice
(fig. 3.4, b).
Dac funcia de rspuns depinde de patru i mai muli factori,
n acest caz spaiul factorial reprezint un hipercub sau o
hipersfer, care n mod grafic nu poate fi reprezentat.
33

Numrul de puncte ale planului la planificarea ortogonal se

determin prin formula:
N = kn,
unde: k numrul de niveluri ale fiecrui factor;
n numrul factorilor.

Fig. 3.4. Spaiul factorial al funciei cu 3 variabile:

a pentru planificarea ortogonal;
b pentru planificarea rotatabil

Exemplu:
pentru doi factori n = 2 , la dou niveluri k = 2 ,
N 2 = k n = 22 = 4 ;
pentru trei factori n = 3 , la trei niveluri k = 3 ,
N 3 = k n = 33 = 27 ;

pentru patru factori n = 4 , la trei niveluri k = 3 ,

N 4 = k n = 34 = 81 ;
pentru cinci factori n = 5 , la trei niveluri k = 3 ,
N 3 = k n = 35 = 243 ;
34

 pentru ase factori n = 6 , la trei niveluri k = 3 ,

N 3 = k n = 36 = 729 etc.
Codificarea factorilor. Pentru explicarea unor nsuiri
pozitive ale planurilor de experimentare i simplificare, n
continuare trecem de la mrimile naturale ale factorilor ~
xi la cele
codificate xi , efectund dou operaii: centrarea i schimbarea
scrii.
Centrarea reprezint plasarea punctelor iniiale ale
coordonatelor sistemului de factori codificai n centrul
experimentului cu coordonatele n variabilele naturale.
De exemplu, n figura 3.5 este reprezentat centrul
experimentului pentru factorul xi .

ximin

x0i

ximax

10

15

20

Fig.3.5. Centrul experimentului

~
x0i = 0,5 (~
xmax + ~
xi min ) .
xi max = 20 , iar ~
xi min = 10 , deci:
Fie ~
~
x0i = 0,5 (20 + 10) = 15 .
Are loc schimbarea scrii schimbarea valorilor numerice
centrate de ori:
1
= ~ ,
xi
unde: ~
xi semidiapazonul de variere a factorului i calculat prin
formula:
~
xi = 0,5 (~
xmax ~
xi min ) .
~
Pentru factorul din fig. 3.5 xi = 0,5 (20 10) = 5 .
Variabilele codificate se calculeaz prin formula:
~
x ~
x
(3.1)
xi = i ~ 0i ,
xi
35

iar revenirea lor la cele naturale prin formula:

~
xi = xi ~
xi + ~
x0i .
3.7. Suprafaa funciei de rspuns

Fiecrui punct al spaiului factorial i corespunde valoarea

adevrat i experimental a funciei de rspuns Y. Totalitatea
tuturor valorilor adevrate ale funciei de rspuns ce corespund
punctelor spaiului factorial se numete suprafa a funciei de
rspuns. Astfel, pentru dependena de doi factori, suprafaa funciei
de rspuns pentru planificarea ortogonal este reprezentat n
figura 3.6.

Fig.3.6. Spaiul factorial i suprafaa funciei de rspuns a dependenei

cu doi factori la trei niveluri:
a dependen liniar; b - ptratic

3.8. Matricea de planificare

Totalitatea nivelurilor factorilor cu valorile experimentale

corespunztoare ale funciei de rspuns indicate n tabelul 3.1 se
numete matrice de planificare. De exemplu, pentru experimentul
cu doi factori la dou niveluri matricea de planificare este dat n
tabelul 3.1, unde ~
x1i i ~
x1s sunt nivelul inferior i cel superior al
36

x2i i ~
x2 s - nivelul inferior i cel superior al
primului factor; ~
factorului al doilea.
Mulimea de puncte ~
xi n care se efectueaz experienele i
numrul corespunztor de experiene n aceste puncte se numete
plan al experimentului.
Tabelul 3.1. Matricea de planificare a experimentului cu doi factori

Numrul
experienei
1
2
3
4

la dou niveluri
Nivelurile factorilor
~
~
x1
x2
~
~
x1i
x2i
~
~
x
x
1s

2i

~
x1t
~
x

~
x2 s
~
x

1s

2s

Valoarea funciei
de rspuns
Y1
Y2

Y3
Y4

Planul este simetric dac toi factorii au un numr egal de

niveluri. Planul se numete uniform dac nivelurile oricrui factor
se ntlnesc n plan de un numr egal de ori.
Matricea de planificare n form codificat. Valorile
nivelurilor factorilor se nscriu ntr-un tabel n valori
convenionale, adic codificate. Valorile nivelurilor factorilor n
form codificat se determin prin relaia (3.1)
Codificarea transform variabilele independente n mrimi
adimensionale. Aceasta d posibilitate a construi matricea
ortogonal de planificare cu una i aceeai distan a nivelurilor
factorilor de la centrul planului (0...-1, 0...+1). Matricea de
planificare n form codificat este reprezentat n tabelul 3.2.

37

Tabelul 3.2. Matricea de planificare a experimentului cu doi factori

la dou niveluri cu valorile codificate ale nivelurilor

Valoarea
Nivelurile factorilor
Numrul
Indicarea
funciei de
experienei
codificat*
a
B
rspuns
Y1
1
-1
-1
1
Y2
2
+1
-1
a
Y3
3
-1
+1
b
4

+1

+1

ab

Y4

3.9. Deducerea ecuaiei matriceale pentru determinarea

coeficienilor modelului matematic

Procesele i fenomenele descrise, utiliznd modelele

matematice, au un oarecare grad de aproximaie. De aceea, se pune
problema de a determina coeficienii modelului matematic astfel,
nct erorile determinrii lor s fie ct mai mici.
Rezolvarea acestei probleme este posibil dac se utilizeaz
metoda celor mai mici ptrate. Esena metodei o vom demonstra
pentru un caz elementar pentru funcia cu o variabil (fig. 3.7).
Pentru funcia liniar cu o variabil, modelul polinomial se scrie n
felul urmtor:
Y = b0 + b1 x1 .
n conformitate cu metoda celor mai mici ptrate, se compune
funcia U egal cu suma ptratelor abaterilor valorilor funciei de
rspuns obinute prin ecuaia teoretic Yi de la valorile
experimentale ale funciei de rspuns Yi i aceast sum trebuie s
fie minim:
litera a arat c variabila x1 este la nivelul superior; litera b variabila

x2 este la nivelul superior; ab ambele variabile sunt la nivel superior; 1

ambele variabile sunt la nivel inferior.

38

2
U = Yi Yi min ;

i =1

U = (b0 + b1 x1 Yi ) min ;
2

(3.2)

i =1

unde: N numrul de rnduri ale marticei de planificare.

Pentru determinarea valorii minime a sumei (3.2), trebuie
egalate cu zero derivatele pariale ale lui U n raport cu
necunoscutele b0 ,b1 .
Se obine un sistem de ecuaii liniare din care se determin
parametrii b0 i b1 .

2 1

y5
y3
y1
y1

y2

y5
yN-1

y3
y4

y2

yN

yN-1
y4

yN

N-1

Fig.3.7. Egalizarea datelor experimentale ale funciei cu o variabil

conform metodei celor mai mici ptrate:
1 linia de regresie experimental; 2 - linia de regresie teoretic

Metoda celor mai mici ptrate se folosete nu numai pentru

funcia cu o variabil (fig. 3.7), dar i pentru funcii cu n variabile.
n acest caz, expresia (3.2) se scrie n felul urmtor:

39

U = (b0 x01 + b1 x11 + K +b j x j1 + Kbn xn1 Y1 ) + K (1)

2
+ (b0 x02 + b1 x12 + K +b j x j 2 + Kbn xn 2 Y2 ) + K (2)

LLLLLLLLLLLLLLLLLLLLLLL
(3.3)
2
+ (b0 x0i + b1 x1i + K +b j x ji + Kbn xni Yi ) + K (i )

LLLLLLLLLLLLLLLLLLLLLLL
2
+ (b0 x0 N + b1 x1N + K +b j x jN + Kbn xnN YN ) min .N
2

Derivm expresia U n raport cu necunoscutele b0 , b1 , b2 Lbn ,

egalm cu zero derivatele pariale, ceea ce d posibilitate de a
minimiza funciile n raport cu aceste necunoscute. Obinem:
U

= 2(1) x01 + 2(2) x02 + K + 2(i ) x0i + K 2( N ) x0 N = 0

b0

= 2(1) x11 + 2(2) x12 + K + 2(i ) x1i + K 2( N ) x1N = 0

b1

LLLLLLLLLLLLLLLLLLLLLLL
(3.4)
U
= 2(1) x j1 + 2(2) x j 2 + K + 2(i ) x ji + K 2(N ) x jN = 0

b j

LLLLLLLLLLLLLLLLLLLLLLL

U
= 2(1) xn1 + 2(2) xn 2 + K + 2(i ) xni + K 2( N ) xnN = 0

bn
n (3.4), n parantezele rotunde sunt indicate numerele
rndurilor funciei U la puterea nti ale ecuaiei (3.3). Deschiznd
parantezele i grupnd variabilele obinem aa-numitele ecuaii
normale (3.5). Sumarea se efectueaz n raport cu numrul de
experiene N i numrul factorilor n:

40

b0 x0i x0i + b1 x0i x1i + K + b j x0i x ji + K + bn x0i xni = x0i Yi

b0 x1i x0i + b1 x1i x1i + K + b j x1i x ji + K + bn x1i xni = x1i Yi

LLLLLLLLLLLLLLLLLLLLLLLLLLLLLL (3.5)

b0 x ji x0i + b1 x ji x1i + K + b j x ji x ji + K + bn x ji xni = x ji Yi

LLLLLLLLLLLLLLLLLLLLLLLLLLLLLL

b0 xni x0i + b1 xni x1i + K + b j xni x ji + K + bn xni xni = xni Yi

Sistemul de ecuaii normale (3.5) obinute se poate scrie

printr-o ecuaie matriceal:
X T XB = X T Y .
(3.6)
Pentru a ne convinge de aceasta, scriem matricea iniial X i
o nmulim din stnga la matricea transpus X T :
x01 x02 L x0i L x0 N
x11 x12 L x1i L x1N
L L L L L L
;
X TnxN =
jxi
x j1 x j 2 L x ji L x jN

L L L L L L
xn1 xn 2 L xni L xnN

X nxN =
jxi

x01
x02

x12
x12

L x ji L xn1
L x j 2 L xn 2

x0i

x1i

x ji

xni

x0 N

x1N

L x jN

L xnN

Matricea X se numete matrice iniial sau matrice a

variabilelor independente. Ea are N(i) linii i n(j) coloane. n urma
nmulirii matriceale obinem:
41

x
x

x0i x0i x1i K x0i x ji K x0i xni

1i x0 i x1i x1i K x1i x ji K x1i xni
LLLLLLLLLLLLLLLLL
X T X (nxn ) =
(3.7)
x ji x0i x ji x1i K x ji x ji K x ji xni
LLLLLLLLLLLLLLLLL
xni x0i xni x1i K xni x ji K xni xni
0i

Matricea XTX se numete matrice informaional.

Observm c la nmulirea a dou matrice dreptunghiulare
T
X (nxN ) i X ( Nxn ) , matricea rezultant X T X devine ptrat cu
dimensiunea nxn .
Matricele X T Y i B se scriu n felul urmtor:
x01 x02 L x0i L x0 N Y1

x11
L
X (TnxN ) Y( Nx1) =
x j1
L
xn1

B=

x12
L
x j2
L
xn 2

L
L
L
L
L

x1i
L
x ji
L
xni

L x1N
L L
L x jN
L L
L xnN

b0

Y1

b1

Y2

L
bj
L
bn

Y=

L
Yi
L

Y2
L

=
Yi
L
YN

x
x

Yi
1i Yi
oi

LL
;
x ji Yi
LL
xni Yi

(3.8)

YN

Comparnd expresiile (3.5), (3.7) i (3.8), conchidem c

sistemul de ecuaii normale poate fi scris printr-o ecuaie
matriceal:
X T XB = X T Y ,
42

unde: Y matricea vector a valorilor experimentale ale funciei de

rspuns.
Dac vom nmuli aceast ecuaie matriceal a ecuaiilor

normale din stnga cu aa-numita matrice a erorilor X T X

vom obine:

(X X )

X T XB = X T X

X T Y .

, apoi
(3.9)

Avnd n vedere c X X X X = E , obinem expresia

final pentru calcularea prin metoda matriceal a coeficienilor
modelului matematic folosind metoda celor mai mici ptrate:

B = X T X X TY .
(3.10)
Formula (3.10) poate fi folosit i n cazul n care matricea

erorilor X T X
este diagonal, i n cazul cnd aceast matrice
nu este diagonal, ortogonal i neortogonal.
Concluzii:
Pentru modelul liniar, coeficienii
urmtoarea formul:
1
0
N
B0

1
0
B1
N
1
B j = B2 = X T X X T Y =

0 0
L
L L
B
n
0 0

43

se determin prin
0

1
0 L 0
N
L L L L
1
0 0 L
N

x0i Yi
N
x0i Yi
x
x Y
ii Yi
ii i = N ;
LL
LL
x Y
xni Yn
niN n

sau
N

Bj =

x
i =1

ij

Yi
.

Orice coeficient al modelului liniar este egal cu produsul

scalar al coloanei Yi la coloana corespunztoare xij mprit la
numrul tuturor experienelor.
4. PLANIFICAREA ORTOGONAL DE GRADUL NTI

Aceast metod a fost propus n anul 1935 de ctre

profesorul R. Fischer.
Planificarea ortogonal este planificarea n care nivelurile
factorilor sunt simetrice fa de centrul planului i pentru fiecare
experien se efectueaz variaia nivelurilor factorilor. Totodat, se
ndeplinesc condiiile de centrare, normare i ortogonalitate, deci:

(x ) = 0
N

condiia de centrare:

j i

i =1
N

condiia de normare:

(x )

2
j i

i =1

j = 0,1,2,..., n ;

= N pentru j = 0,1,2,..., n ; (4.1)

condiia ortogonalitii: x j xi = 0 , pentru j i .

i< j

44

Aceast

circumstan

conduce

la

aceea

matricea

informaional X T X i matricea erorilor (X T X ) sunt diagonale,

ceea ce d posibilitate de a calcula separat coeficienii modelului
matematic prin formule foarte simple.
1

4.1. Calcularea coeficienilor modelului liniar

Matricea de planificare este dat n tabelul 4.1. Factorii

variaz n limitele: x1 = 6...9...12 ; x2 = 3...6...9 .
Pentru calcularea coeficienilor ecuaiei de regresie folosim
relaia (3.10) dedus mai sus:

B = X T X

XTY .

Calculm matricea informaional (a) i matricea erorilor (b)

n valori codificate ale nivelurilor factorilor:
1 1 1
4 0 0
1 1 1 1
1 1 1
T
a) X X = 1 + 1 1 1
=0 4 0;
1 1 1
0 0 4
1 1 1 1
1 1 1

b)

(X X )
T

1
4

= 0

1
4

0.

1
4

45

Tabelul 4.1. Matricea de planificare i rezultatele experienelor

Numrul
punctului
planului
1
2
3
4

Matricea de
planificare
x0
+1
+1
+1
+1

x1
-1
+1
-1
+1

x2
-1
-1
+1
+1

Experienele
paralele
(m=3)
Y3
Y1
Y2
3
4
5
7
10 13
19 25 31
33 36 39

Valoarea
medie
Yi
4
10
25
36

Dispersia
n fiecare
rnd
S 2 {Yi }
1
9
36
9
=55

Observm c matricea informaional i matricea erorilor sunt

diagonale. Matricea prii din dreapta a ecuaiilor normale este
(vezi formula (3.5)):
4
1 1 1 1
4 + 10 + 25 + 36 75

10
T
= 4 + 10 25 + 36 = 17 ;
X Y = 1 1 1 1
25
1 1 1 1
4 10 + 25 + 36 47

36

B = X T X

1
4

XTY = 0

1
4

75

75 4 18,75 = b0
17

0 17 = = 4,25 = b1
47 4 11,75 = b
47
1

2

4
4
0

Ecuaia de regresie de gradul nti va fi:

Y = 18,75 + 4,25 x1 + 11,75 x2 .

46

n form natural a factorilor:

~
~
x ~
x
x ~
x
Y = 18,75 + 4,25 1 ~ 01 + 11,75 2 ~ 02 =
x2
x1
4,25 (~
x1 9) 11,75 (~
x2 6 )
= 18,75 +
+
=
3
3
= 18,75 + 1,42 ~
x1 12,75 + 3,92 ~
x2 2,35 = 17,5 + 1,42 ~
x1 + 3,92 ~
x2 .
4.2. Caracteristicile probabilistice i nsuirile modelelor
liniare

Una dintre caracteristici este dispersia total a experimentului

care se determin prin medierea dispersiilor din fiecare rnd al
planului.
Dispersia total:

(Y Y )
N

S 2 {Y } =

i =1 j =1

ij

N (m 1)

; S 2 {Y } =

55
= 13,75,
4

abaterea medie ptratic S {Y } = S 2 {Y } = 13,75 = 3,708 .

(Y
m

Dispersia n fiecare rnd al planului S 2 {Yi } =

j =1

Yij

(m 1)

unde: N numrul de rnduri ale matricei de planificare;

m numrul de experiene n fiecare rnd (m = 2, 3, 4,...).
Alctuim formula
pentru determinarea
dispersiilor
coeficienilor modelului. Pentru aceasta trebuie avut n vedere
numrul total de experine efectuate N' = Nm. Folosim operaia de
determinare a dispersiei pentru formula de determinare a
coeficienilor de regresie:

47

bj =

x Y
i =1

ij i

.
N'
Avnd n vedere c numrul constant se scoate din paranteze
la ptrat, iar dispersia sumei este egal cu suma dispersiilor,
obinem:
N'

'
xijYi
N

1
2
2
2
i =1
S xijYi =
S {b j } = S
=
2
i =1

N' ( N' )

N'
1
N'
2
(A)
{
}
=

S
x
Y
=
ij i ( N' )2 S 2 {Yi };
( N ' )2 i =1
S 2 {b j } =

Aici

N'

S 2 {Y }
N m

= N ,
i =1

'

S 2 {b j } dispersia nedeplasat.

Din formula (A) conchidem c la un numr egal de experine

paralele m, n fiecare rnd dispersiile coeficienilor modelului
liniar sunt egale ntre ele i cu dispersia nedeplasat a ntregului
experiment mprit la numrul de experiene Nm.
Numeric, dispersiile coeficienilor sunt egale cu dispersia
experimentului mprit la numrul total de experiene.
2
Exemplu: S 2 {b j } = S {Y } = 13,75 = 1,146; S {b j } = 1,146 = 1,07 .

N m

43

Deoarece la determinarea coeficienilor modelului cu ecuaia

matricial B=(XTX)-1XTY s-a utilizat metoda celor mai mici
ptrate, dispersiile coeficienilor modelului liniar (determinate prin
formula A) sunt minimale.
Planurile liniare de tipul 2n i 2n-p n afar de ortogonalitate,
mai au nsuirea de a fi rotatabile. Aceasta nseamn c pentru
toate punctele echidistante de la centrul planului se pstreaz
48

constana dispersiilor are loc nsuirea de a fi rotatabile. La

majorarea dispersia crete.
4.3. Estimarea omogenitii dispersiilor experimentului

Dac numrul de experiene paralele m n fiecare rnd al

matricei de planificare este unul i acelai, atunci pentru
verificarea omogenitii dispersiilor se folosete criteriul Cochran:
S 2 {Y }
Gexp = N i max ,
S 2 {Yi }
i =1

unde S 2 {Yi }max dispersia maximal n rndurile planului;

N

S {Y } suma dispersiilor.
i =1

Se determin valoarea teoretic a criteriului din tabelul A1 al

anexei pentru nivelul de semnificaie = 0,05, numrul de grade
de libertate f1 = m - 1 i numrul de rnduri ale planului N = 4:
= 0,05

Gteor . f1 = 3 1 = 2 = 0,76 .
N =4

Se compar valorile experimentale i teoretice ale criteriului

Cochran. Dac valoarea experimental Gexp este mai mic dect
cea teoretic, ipoteza despre omogenitatea dispersiilor (precizia
egal a msurrilor) nu se respinge. Dac inegalitatea are alt sens,
atunci ipoteza se respinge, adic:
< Gteor nu se respinge
Gexp.
Gteor se respinge
Se poate controla omogenitatea dispersiilor i pentru numrul
de experiene paralele egal cu doi.
Observaie. Dac numrul de experiene paralele n rnduri
este diferit, se utilizeaz criteriul Bartlet sau metoda mediei.
49

Dac experimentatorul este convins de omogenitatea

dispersiilor, atunci poate efectua experiene paralele numai ntr-un
punct punctul zero i pe baza lor s calculeze dispersia n rnd,
care i se adopt pentru toate punctele planului.
4.4. Estimarea statistic a semnificaiei coeficienilor modelului
matematic

Estimarea statistic a semnificaiei coeficienilor ecuaiei de

regresie are ca scop eliminarea factorilor care au o influen
nesemnificativ asupra parametrului de optimizare. Pentru aceasta
se utilizeaz criteriul Student (William Sealy Gosset, astronom
englez, 18761937) .
Se calculeaz intervalele de ncredere bi ale coeficienilor de
regresie:
b = t ( , f 2 ) S {b j },
unde: t(,f2) criteriul Student care se adopt din tabelul A.2 al
anexei;
nivelul de semnificaie, adic probabilitatea
evenimentelor practic imposibile (se adopt de regul = 0,05;
=0,01);
f2 numrul de grade de libertate, egal cu numrul tuturor
ncercrilor fr unu:
f2 = N' 1 = Nm 1;
S{bj} abaterea medie ptratic a coeficienilor modelului
matematic.
Coeficientul de regresie se consider semnificativ statistic
dac valoarea lui absolut este egal sau mai mare dect valoarea
intervalului de ncredere, i invers.
Deci:
> bi. coeficientul nu este semnificativ
bi.
< bi. coeficientul este semnificativ
50

Pentru problema examinat avem:

t( = 0,05; f2 = N' -1 =11)=2,2.
Estimaia statistic a coeficienilor modelului este inclus n
tabelul 4.2.
Tabelul 4.2. Estimarea statistic a semnificaiei coeficienilor

modelului
Coeficientul

Valoarea
numeric

N'=Nm

b0
b1
b2

18,7
4,25
11,7

43=12
43=12
43=12

Abaterea
medie
ptratic
S {b j } =

S {Y }
N'

1,07
1,07
1,07

Valoarea
semiintervalului de
dispersare a
coeficientului

Compararea
b j >< bi

1,072,2=2,35
2,35
2,35

18,7>2,35
4,25>2,35
11,7>2,35

bi = S {b j } t ( , f 2 )

Observm c toi coeficienii sunt mai mari dect jumtatea de

interval de ncredere de dispersare a valorii lor medii. Aceasta
nseamn c toi coeficienii sunt semnificativi.
Observaie: dac experimentul se efectueaz la dou niveluri,
atunci estimarea semnificaiei coeficienilor prin criteriul Student
se poate efectua prin urmtoarea formul echivalent cu formula
utilizat n prima metod:

bi =
Din care t exp =

bi

S{Y}
texp = S{bj } texp.
N'

, sau t exp =

bj

.
S {b j }
S {b j }
Pentru estimarea statistic a semnificaiei coeficienilor
modelului matematic cu criteriul t se utilizeaz formulele:
51

 tteor . coeficient ul este semnificat iv

t exp
< tteor . coeficient ul este nesemnific ativ
Dac valoarea experimental a criteriului t depete valoarea
lui critic (tabelar) pentru nivelul dat de semnificaie i numrul
de grade de libertate corespunztor, atunci coeficientul este
semnificativ. n caz contrar, coeficientul este nesemnificativ.
Utiliznd aceast regula pentru exemplul examinat, obinem:

t 0 exp =
t1 exp =

b0

S {b0 }
b1

S {b1 }

b2

18.7
= 17.47 > 2.2 semnificativ;
1.07

4.25
= 3.97 > 2.2 semnificativ;
1.07

11.7
= 10.93 > 2.2 semnificativ.
S {b2 } 1.07
Observm c i conform metodei a doua toi coeficienii sunt
semnificativi.
t 2 exp =

4.5. Estimarea corespunderii modelului matematic

Pentru estimarea corespunderii modelului matematic obinut

prin procesul cercetat se determin valoarea experimental a
criteriului Fischer i se compar cu valoarea lui teoretic (critic)
pentru nivelul de semnificaie dat . Dac valoarea experimental
a criteriului Fischer va fi mai mic dect cea teoretic, atunci
modelul se consider adecvat. Dac criteriul Fexp. va fi mai mare
dect Fteor., modelul se socoate neadecvat, adic:
< F teor . modelul este adecvat
F exp
F teor . modelul nu este adecvat.

Valoarea experimental a criteriului Fischer este egal cu

raportul dintre aa-numita dispersie a necorespunderii cu dispersia
total, adic cu dispersia reproductibilitii experimentelor:
52

Fexp .

S 2 {Y }necor
=
=
S 2 {Y }

m Yi Y i
i =1

N d

(Y
m

i =1

j =1

ij

Y i

N (m 1)

unde: Yi - valorile calculate ale funciei de rspuns n fiecare rnd;

Y i - valorile experimentale ale funciei de rspuns n fiecare

rnd;

Yi j - valorile experimentale pariale ale funciei de rspuns;

d numrul de coeficieni semnificativi ai modelului;
N d = f3 numrul de grade de libertate a dispersiei
necorespunderii;
N' 1 = f2 numrul de grade de libertate a dispersiei
experimentului;
N' = Nm numrul total de experiene;
m numrul de experiene paralele.
Exemplu, s observm cum se determin corespunderea
modelului obinut cu datele experimentale concrete (tabelul 4.3).
Tabelul 4.3. Calcularea sumei remanente a ptratelor
Num
rul
rndu
lui

x0

x1

x2

b0x0

b1x1

b2x2

Yi

Yi

1
2
3
4

+1
+1
+1
+1

-1
+1
-1
+1

-1
-1
+1
+1

18,7
18,7
18,7
18,7

-4,25
+4,25
-4,25
+4,25

-11,7
-11,7
+11,7
+11,7

2,75
11,25
26,15
34,65

4
10
25
36

Yi Yi
=
1,25
1,25
1,15
1,35

53

2
1,56
1,56
1,32
1,82
6,26

Suma total remanent a ptratelor:

N

SS rem = Yi Yi
i =1

= 6,26 .

Substituim valoarea obinut n formula pentru determinarea

dispersiei necorespunderii:
i= N

m Yi Y i

m 2

3 6 ,26
= 18,78 .
N d
N d
43
Dispersia total a experimentului este egal:
S 2 {Y }necor =

i =1

(Y
N

ij

Yi

55
= 13 ,75 .
N (m 1)
4
Deci, valoarea experimental a criteriului Fischer este egal:
S 2 {Y }necor 18,78
Fexp. =
=
= 1,37 .
S 2 {Y }
13,75
Valoarea teoretic a criteriului Fischer (tabelul A.3 al anexei)
pentru = 0,05, f3 = N d = 4 3 = 1; f2 = N' 1 = 12 1 = 11
constituie:
= 0,05

Fteor f 3 = 1 = 4,8 .
f = 11

2
Deci, Fexp = 1,37 < Fteor = 4,8.
Concluzie: modelul matematic obinut descrie adecvat
fenomenul studiat cu probabilitatea nu mai mic de 95%.
S 2 {Y } =

i =1 j =1

; S 2 {Y } =

4.6. Calculul matricei informaionale Fischer i a matricei

dispersiilor-covariaiilor

Pentru aprecierea calitii modelului matematic obinut n

urma utilizrii metodei de planificare, se calculeaz aa-numita
54

matrice informaional Fischer M i matricea dispersiilorcovariaiilor M-1. Aceste matrice se calculeaz prin formulele:
matricea informaional Fischer:
M = X T X S 2 {Y };
matricea dispersiilor-covariaiilor:

M 1 = X T X

S 2 {Y } ,

unde: X T X matricea informaional;

(X

matricea erorilor;

S {Y } dispersia experimentului.
Pentru problema examinat aceste matrice se scriu n modul
urmtor:
2

12
M = 0
0

1
12
M

165

12 0 13 ,75 =
0 12

= 0

1
12

0
0

165
0 ;
0 165

1,145
0
0 13,75 = 0
1,145
0

1
12

0
0

1,145

Totodat, det(M) = 1653 = 4492125; det(M-1) = 1,5.

Elementele diagonale ale matricei dispersiilor-covariaiilor
reprezint n sine rezultatul mpririi dispersiei totale a funciei de
rspuns la numrul total de experiene (N'= 12), adic reprezint
dispersiile
coeficienilor
modelului
( S {b j } = 1,07 ,
iar

S 2 {b j } = 1,07 2 = 1,145 ). Elementele nediagonale reprezint

momentele de legtur a factorilor i, deoarece n cazul de fa s-a
utilizat planificarea ortogonal, toate aceste elemente sunt egale cu
zero.
55

Astfel, n matricea dispersiilor-covariaiilor este concentrat

toat informaia despre calitatea modelului obinut. De aceea, c cu
ct sunt mai mici elementele matricei dispersiilor-covariaiilor (cu
ct este mai mic determinantul ei), cu att este mai precis modelul
obinut. Totodat, deoarece matricea dispersiilor-covariaiilor este
legat printr-o dependen invers cu matricea informaional
Fischer, prin urmare, cu ct sunt mai mari elementele diagonale
(determinantul) ale matricei informaionale Fischer, cu att mai
precis este modelul.
Elementele diagonale ale matricei dispersiilor-covariaiilor
-1
M n caz general (n hiperspaiu) reprezint n sine semiaxele
principale ale elipsoidului de dispersare a coeficienilor modelului
matematic.
Pentru modelul liniar examinat cu doi factori, la planificarea
ortogonal semiaxele principale indicate sunt egale ntre ele dup
mrime, coincid cu axele de coordonate i, deci, pe un plan
formeaz nu o elips, ci o circumferin.
Observm c la rezolvarea problemelor fizice valoarea
funciei de rspuns Y determinat cu matricea dispersiilorcovariaiilor caracterizeaz zgomotul de fond al modelului obinut.
4.7. Dispersia valorii pronosticate a funciei de rspuns

La determinarea calitii modelului matematic obinut, n afar

de matricea dispersiilor-covariaiilor se calculeaz de asemenea
dispersia valorii pronosticate a funciei de raspuns. Deducerea
formulei pentru dispersia valorii pronosticate a funciei de rspuns
S 2 {Y } se axeaz pe tezele de baz ale teoriei seriilor, teoriei
probabilitilor.
Se tie c dispersia sumei, de exemplu a dou mrimi
aleatorii, este egal cu suma dispersiilor lor plus momentul de
legtur dublu, adic:
S 2 {x + y} = S 2 {x}+ S 2 {y}+ 2 cov x y .
56

Se tie, de asemenea, c la cutarea dispersiei, valorile

constante se scot din semnul dispersiei la ptrat, dispersia valorii
constante fiind egal cu zero. De aceea, de exemplu, pentru funcia
liniar a dou variabile:
Y = b0 x0 + b1 x1 + b2 x2 ,
iar pentru comoditate, schimbnd cu locurile factorii:
Y = x0b0 + x1b1 + x2b2 ,
dispersia valorii pronosticate a funciei de rspuns se va scrie
astfel:

{}

S 2 Y = x02 S 2 {b0} + x12 S 2 {b1} + x22 S 2 {b2} .

(B)

Determinm pentru modelul examinat liniar cu 2 factori

dispersia valorii pronosticate a funciei de rspuns pentru dou
puncte: n centrul planului O (1,0,0) i pentru punctele M (1,2,2).
Observaie: cifra 1 corespunde valorii x0 egal ntotdeauna cu
unu.
Avnd n vedere c pentru modelul examinat liniar cu 2 factori
dispersiile coeficienilor sunt egale:
S 2 {b0 } = S 2 {b1 } = S 2 {b2 } = 1,145 ,
pentru primul punct obinem:
S 2 Y i =(1,0 ,0 ) = 12 1,145 + 0 2 1,145 + 0 2 1,145 = 1,145 ;
S Y = 1,145 = 1,07 .

{}

{}

Pentru punctul al doilea:

S 2 Y i=(1, 2, 2 ) = 12 1,145 + 2 2 1,145 + 2 2 1,145 = 10,3 ;
S Y = 3,2 .

{}

{}

Cum observm, pe msura ndeprtrii de centrul planului,

dispersia valorii pronosticate a funciei de rspuns crete rapid.
Dispersia valorii pronosticate a funciei de rspuns poate fi
calculat prin ecuaia matriceal:
1
S 2 Y = X T M 1 X = X T X T X S 2 Y X
(C)

{}
i

57

{}

unde: X iT i Xi coordonatele punctului de pronosticare.

Utiliznd aceast ecuaie pentru modelul liniar examinat,
obinem pentru primul punct O (1,0,0):

{}(

S Y
2

i = 1 ,0 ,0 )

1
12
= (1,0 ,0 )

1
12

1
0 13 ,75 0 = 1,145 .
0
1
12

Observaie: pentru modelul liniar, toate punctele

echidistante, adic punctele ndeprtate egal de centrul planului,
au dispersii egale ale valorilor pronosticate ale funciei de rspuns.
Pentru punctul al doilea M (1,2,2):
1
0 0
12
1
1
2
S Y i =(1,2 ,2 ) = (1,2,2) 0
0 13,75 2 = 10,3 ;
12
2
1
0 0
12
S Y = 10.3 = 3.2 .

{}

{}

Observm c dispersiile valorii pronosticate a funciei de

rspuns, calculate n corespundere prin legea nsumrii erorilor (B)
i prin ecuaia matriceal (C) au valori egale.
Dispersia valorilor pronosticate ale funciei de rspuns servesc
n calitate de criteriu important la estimarea calitii planurilor.
4.8. Planificarea experimentului pentru 3-4 i mai muli factori

n practic pot fi utilizate 2 metode sau reguli egale sau

echivalente pentru obinera planurilor cu numrul de factori mai
mare dect 2.
Prima regul. La adugarea unui factor nou, fiecare
combinare a nivelurilor planului iniial se ntlnete de dou ori n

58

combinare cu nivelul inferior i cel superior al factorului nou. n

acest caz, frecvena schimbrii nivelurilor de variere a fiecrui
factor urmtor este de dou ori mai mic dect a factorului
premergtor.
Regula a doua. Nivelul fiecrui factor urmtor se determin n
urma nmulirii coloanelor matricei. Mai departe se repet nc o
dat planul iniial i se pun semne inverse. Aceste metode sunt
echivalente. Pentru fiecare din ele se ndeplinete condiia
planificrii ortogonale. n tabelul 4.4 semnele sunt date numai
pentru 5 factori. Lund ca baz regulile descrise se poate alctui un
tabel asemntor pentru numrul de factori mai mare de 5.
Tabelul 4.4. Variante de mbinare a nivelurilor factorilor la

planificarea multifactorial
Nr.experimentului
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

x1
a
+
+
+
+
+
+
+
+

x2
b
+
+
+
+
+
+
+
+

Prima regul
x3 x4 x5
Codul
c d e
1
a
b
ab
+ c
+ ac
+ bc
+ abc
- + a
- + ad
- + bd
- + abd
+ + cd
+ + acd
+ + bcd
+ + abcd

59

x1
a
+
+
+
+
+
+
+
+

x2
b
+
+
+
+
+
+
+
+

Regula a doua
x3 x4 x5
Codul
c d e
+ + +
cde
- + +
ade
- + +
bde
+ + + abcde
- +
e
+ - +
ace
+ - +
bce
- +
abe
+ c
a
b
+ abc
- + d
+ + acd
+ + bcd
- + abd

4.9. Randomizarea (introdus de R. Fischer)

Pentru excluderea influenei condiiilor de executare a

experienelor care pot aprea din cauza duratei mari a experienei,
schimbrii calitii materiei prime, anotimpului, tensiunii
curentului electric i altele, experienele nscrise n matricea de
planificare se efectueaz n mod ntmpltor. Aceasta contribuie la
eliminarea influenei erorilor sistematice.
Experienele nscrise n matricea de planificare se efectueaz
n conformitate cu numerele aleatorii (tabelul A.4 al anexei).
5. PLANIFICAREA FACTORIAL-FRACIONAR

Planificarea factorial impune un numr mare de experiene.

Aceasta conduce la scumpirea cercetrilor, mai ales cnd
experinea este complicat i se utilizeaz utilaj scump. n anul
1945, matematicianul englez D. J. Finney a propus aa-numita
planificare factorial-fracionar, care d posibilitatea de a micora
mult numrul de experiene pentru aproximarea liniar a
procesului studiat.
5.1. Saturaia i surplusul planurilor

Planuri saturate se numesc planurile la care numrul de puncte

(experiene) ale planului N este egal cu numrul de coeficieni d ai
modelului (planuri fracionare, planuri simplex-reea) N=d.
Planuri nesaturate - planuri obinuite la care numrul de punce
ale planului (experiene) este mai mare dect numrul de
coeficieni ai modelului (planurile factoriale depline) N>d.
Planuri suprasaturate - numrul de puncte ale planului
(experiene) este mai mic dect numarul coeficienilor modelului
(se utilizeaz la metoda balanei aleatorii) N<d.
Planurile nesaturate impun un surplus (redundan) de
experiene.
60

Exemplu,

pentru modelul liniar cu 2 factori:

Y = b0 x0 + b1 x1 + b2 x2 ,
(modelul are 3 coeficieni), numrul de puncte ale planului
(experiene) este:
N = k n = 22 = 4 ,
unde: k - numrul de niveluri;
n - numrul de factori.
Deci, redundana (surplusul) este:
= k n ( n + 1 ) = 22 ( 2 + 1 ) = 1 .
Pentru modelul liniar cu 3 factori Y = b0 x0 + b1 x1 + b2 x2 + b3 x3
(modelul are 4 coeficieni), numrul de puncte ale planului
N = k n = 23 = 8 .

Deci, redundana (surplusul) este:

= k n ( n + 1 ) = 23 ( 3 + 1 ) = 4 .
Pentru
modelul
liniar
cu
4
factori
Y = b0 x0 + b1 x1 + b2 x2 + b3 x3 + b4 x4 (modelul are 5 coeficieni),
numrul de puncte ale planului
N = k n = 2 4 = 16 .

Deci, redundana este:

= k n (n + 1) = 2 4 (4 + 1) = 11 .
Observm c la creterea numrului de factori, redundana
modelului liniar se mrete rapid.
5.2. Experimentul fracionar

Conform metodei de planificare factorial-fracionar, numrul

de puncte ale planului poate fi micorat. Dac numrul de puncte
61

ale planului se micoreaz de dou ori, se spune c obinem o

semireplic (o jumtate de plan). Dac numrul de puncte se
micoreaz de patru ori, se spune c avem un sfert de replic.
ns alegerea punctelor pentru planificarea factorialfracionar nu se face n mod mecanic. Punctele se aleg astfel,
nct s se pstreze condiia ortogonalitii matricei iniiale de
planificare. Regula de alegere a punctelor pentru dependena de
trei factori este demonstrat in figura 5.1 i n tabelul 5.1.

Fig.5.1. Spaiul factorial al planificrii ortogonale pentru 3 factori la

dou niveluri i tetraedrele nscrise n cub ce corespund semireplicilor
Tabelul 5.1. Matricea de planificare pentru dependena cu trei

factori privind experimentul factorial plin si fracionar

x3
x1
x2
Numrul
Indicarea
Replica
experienei
codificat
A
b
c
1
+
c
Semireplica
2
+
a
impar
3
+
b
x3 = + x1x2
4
+
+
+
abc
5
1
Semireplica
6
+
+
ac
par
7
+
+
bc
x3 = x1x2
8
+
+
ab
62

Observaie: Nivelurile factorului x3 s-au stabilit conform regulii a

doua.
Astfel, n cub pot fi nscrise dou tetraedre, ce corespund cu
semireplicile par i impar, pentru care se ndeplinesc condiiile
de centrare, normare i de ortogonalitate:
N

( x ) = 0; ( x )
i =1

j i

i =1

i = N;

i =1

xki = 0; pentru j k .

Aceasta nseamn c pentru modelele liniare n loc de

experimentul factorial plin se poate utiliza experimntul factorialfracionar .
Pentru planificarea cu trei factori, semireplicile se indic n
modul urmtor: 23-1 i corespund urmtoarelor dependene:
x3=x1x2 i x3= - x1x2. n total exist dou semireplici.
Pentru planificarea cu patru factori exist dou semireplici
principale i ase semireplici adugtoare:
principale:

x4 = x1 x2 x 3
x4 = x1 x2

adugtoare:

x4 = x1 x3

x4 = x2 x3
Pentru planificarea cu cinci factori exist dou semireplici
principale x5 =x1 x2 x3 x4 i 18 semireplici adugtoare:

x1 x2 x3 , x1 x2 x4 , x2 x3 x4 , x1 x2 , x1 x3 , x1 x4 , x2 x3, x2 x4 , x3 x4

Pentru un numr mai mare de factori numrul de semireplici

crete rapid.
Pentru determinarea nivelului factorului ce corespunde
semireplicii pare sau impare se introduce codificarea. n replica
par se includ toate punctele planului cu numr par al literelor, iar
n cea impar toate punctele planului cu numar impar al literelor
(cifra 1 se consider par).
63

5.3. Semireplici. Amestecarea efectelor

Utilizarea replicilor d posibilitatea de a obine modelul
matematic cu mai muli coeficieni printr-un numar de experiene mai
mic, ns cu acelai numr de factori ca i n experimentul factorial
plin. De exemplu, dac folosim semireplica impar pentru trei factori
23 1 , creia i corespund patru experiene, atunci pe baza acestei
matrice de planificare a experimentului se poate obine un model de
tipul:
Y = b0 x0 + b1 x1 + b2 x2 + b3 x3 ,
echivalent modelului:
Y = b0 x0 + b1 x1 + b2 x2 + b12 x1 x2 .
Aceasta nseamn c n semireplica dat are loc amestecarea
efectului liniar b3 cu efectul interaciunii duble b12. Faptul amestecrii
efectelor coeficienilor se scrie n modul urmtor:

b3 = 3 + 12 ,

unde: b3 - estimaia coeficientului;

3 i 12 - valorile adevrate ale coeficienilor.

Tabelul 5.2. Matricea de planificare pentru semireplica impar pentru
3 1
dependena de trei factori 2
Funcia de
x1 x2 x3 = x1 x2
Indicarea
rspuns ce
Numrul
codificat a
corespunde
experienei a b
combinrilor
c
acestor
nivelurilor
combinaii
Y1
1
+
c

Y2
Y3

abc

Y4

64

Dependena x3 = x1 x2 se numete raport de generare. Tot aa

se ntmpl la dependena de patru factori n cazul utilizrii
semireplicii 2 41 (tabelul 5.3).
Tabelul 5.3. Matricea de planificare pentru semireplica par pentru
4 1
patru factori 2
x3 x4 = x1 x2 x3

x1

x2

cd

ad

bd

abcd

ac

bc

ab

Numrul
experienei

Indicarea codificat
a combinrilor
nivelurilor

Pe baza acestei matrice de planificare se poate obine modelul:

Y = b0 x0 + b1 x1 + b2 x2 + b3 x3 + b4 x4 ,
echivalent modelului:
Y = b0 x0 + b1 x1 + b2 x2 + b3 x3 + b123 x1 x2 x3 .
Rezult c n aceast semireplic are loc amestecarea
coeficientului liniar b4 cu coeficientul de interactiune tripl b123.
Faptul acestei amestecri se va scrie astfel:
b4 = 4 + 123 ,
unde: b4 - estimaia coeficientului;
4 i 123 - valorile adevrate ale coeficienilor.
65

Dependena x4 = x1 x2 x3 se numete raport de generare.

Observm c n afar de amestecrile indicate au loc amestecri
ale efectelor altor coeficienti ai modelului.
Pentru determinarea sistemului de amestecare se formeaz
aa-numitul contrast de clasificare. Pentru aceasta, raportul de
generare se nmulete pentru dependena de trei factori la x3, de
patru factori la x4. Obinem:
1 = x1 x2 x3 (deoarece x32 = 1) ;

1 = x1 x2 x3 x4 (deoarece x42 = 1).

Pentru a determina sistemul de amestecare, ambele pri ale
contrastului de clasificare se nmulesc la factorul corespunztor.
De exemplu, pentru contrastul 1 = x1 x2 x3 ,
nmulind la x1, se obine x1 = x2 x3 ; b1 = 1 + 23 ;
nmulind la x2, se obine x2 = x1 x3 ; b2 = 2 + 13 ;
nmulind la x3, se obine x3 = x1 x2 ; b3 = 3 + 12 .
Asemntor i pentru contrastul de clasificare 1 = x1 x2 x3 x4 :
nmulind la x1 x1 = x2 x3 x4 ; b1 = 1 + 234 ;
nmulind la x2
x2 = x1 x3 x4 ; b2 = 2 + 134 ;
nmulind la x3
nmulind la x4

x3 = x1 x2 x4 ; b3 = 3 + 124 ;
x4 = x1 x2 x3 ; b4 = 4 + 123 .

Sistemul de amestecare trebuie s fie tiut pentu a alege cea

mai rational semireplic. Se obinuiete c avantajul replicii, care
se mai numete capacitatea de rezolvare, s se determine prin
efectul cu care se amestec efectele liniare. Totodat, cu ct este
mai mare efectul de intereaciune cu care se amestec efectul
liniar, cu att mai avantajoas este replica. Aceasta se explic prin
faptul c efectele de interaciune de grad nalt (de exemplu, efectul
de interacionare triplu), de regul nu sunt semnificative i ele pot
fi omise. De aceea, pentru experimentul factorial-fracionar 24-1
66

cele mai avantajoase sunt semireplicile principale cu efectele de

interaciune +x1x2x3.
ns, dac este cunoscut faptul c efectele de intereaciune
tripl sunt semnificative, iar efectele de interaciune dubl sunt
nesemnificative, atunci mai avantajoase sunt semireplicile:
x1 x2 ; x1 x 3 ; x2 x 3 .
Exemplu de utilizare a semireplicii dependenei de patru
factori de tipul 24-1.
Se cerceteaz procesul de clire a pieselor de polipropilen n
glicerin. n calitate de funcie de rspuns se accept reziliena*.
specific n funcie de factorii independeni:
x1 - temperatura de meninere izotermic* n glicerin (t=T0);
x2 - durata ridicrii temperaturii de la T0 pn la T;
x3 - durata meninerii la temperatura T;
x4 - durata rcirii de la T pn la temperatura aerului mediului
nconjurtor.
n mod grafic, factorii sunt reprezentai n figura 5.2.

Fig.5.2. Factorii care influeneaz asupra rezilienei pieselor de

polipropilen la clirea n glicerin

Rezilien - rezistena la oc egal cu raportul dintre lucrul mecanic

consumat pentru ruperea la ncovoiere, prin oc, a unei epruvete i aria
seciunii transversale n care s-a produs ruperea respectiv.
Izoterm care se produce la o temperatur constant.

67

Se cere: 1. A planifica i a efectua exeperimentul printr-un

numr de experiene nu prea mare pe baza crora a elabora
modelul matematic al procesului.
2. A stabili sistemul de amestecare ce corespunde raportului
de generare.
Cercettorul a descris fenomenul printr-un model liniar:
Y = b0 x0 + b1 x1 + b2 x2 + b3 x3 + b4 x4
i a folosit planificarea factorial-fracionar (semireplica 24-1).
Bazndu-se pe informaia apriori conform creia efectele de
interactiune tripl nu sunt semnificative, n calitate de raport de
generare a fost adoptat raportul x4 = x1 x2 x3 , care are contrastul de
clasificare 1 = x1 x2 x3 x4 , conform tabelului 5.4.
4-1

Tabelul 5.4. Matricea de planificare pentru semireplica 2

cu

nivelurile factorilor codificate i rezultatele ncercrilor

Numrul
experienei

x0

Indicarea
Funcia
codifi- de rspuns
cat

x1

x2

x3

x4

cd

15

ad

23

bd

13

abcd

32

12

ac

34

bc

26

ab

35

68

Observaie: nivelurile factorului x3 s-au determinat conform

regulii a 2-a. Nivelurile factorului x4 s-au determinat conform
raportului de generare.
Rezolvare: 1. Utiliznd formula din p.3.9, calculm coeficienii
modelului matematic:
8

x Y

15 + 23 + 13 + 32 + 12 + 34 + 26 + 35
= 23,75 ;
8
N
15 + 23 13 + 32 12 + 34 6 + 35
= 7,25 ;
b1 =
8
b2 = 2,75 ;
b3 = 3,00 ;
b4 = 3,00 .
b0 =

i =1

0 i

Deci, modelul va fi Y = 23,75 + 7,25 x1 + 2,75 x2 + 3,0 x3 3,0 x4

Atenionm c coeficienii modelului matematic puteau fi calculai
i prin ecuaia matricial (formula 3.12):

b = XTX

X TY .

Pentru exemplul n cauz

1
0
8
1
0
8

(X X )
T

0
0

= 0

1
8

1
8

69

180
58
T
0 ; X Y = 22 ;
24
0
24
1
8
0

23,75
7,25
1
T
T
bi = X X X Y = 2,75 .
3,00
3,00
2. Determinm pentru raportul de generare ales x4 = x1 x2 x3 ,
deci, pentru contrastul de clasificare 1 = x1 x2 x3 x4 , sistemul de
amestecare.
Pentru aceasta nmulim contrastul de clasificare la factorii x1,
x2, x3, x4 i obtinem:
b1 = 1 + 234 ;
b = + ;

134

b3 = 3 + 124 ;
b4 = 4 + 123 ,
unde: b - estimaiile coeficienilor;

- valorile adevrate ale coeficienilor.

Concluzie: pentru raportul de generare ales efectele liniare nu
sunt amestecate cu efectele duble. Are loc amestecarea efectelor
liniare cu efectele de interaciune tripl care sunt nesemnificative
conform informaiei apriori.
5.4. Sferturi de replici. Amestecarea efectelor

Pe msura creterii numrului de factori, apare posibilitatea de

a mri fracionalitatea replicilor (tabelul 5.5). Observm c
semireplica poate fi folosit numai pentru numrul de factori n3,
sferturi de replic pentru n5, o optime de replic pentru n6.
La nclcarea acestor condiii, modelul obinut va avea erori
considerabile.
Sfertul de replic pentru 5 factori se scrie astfel: 25-2=23.
70

Tabelul 5.5. Dependena fracionalitaii replicilor de numrul de

Nr.
d/o

1
2
3
4
5

Tipurile
planurilor
Experimentul
factorial deplin
2n
Semireplica 2n-1
Un sfert de
replic 2n-2
O optime de
replic 2n-3
O aisprezecime
de replic 2n-4

factori
Numrul de puncte ale planului pentru
numrul de factori
2

16

32

64

128

256

16

32

64

128

16

32

64

16

32

16

Aceasta nseamn c planului de trei factori x1, x2, x3, la

utilizarea sfertului de replic, i se mai adaug doi factori x4 i x5.
Valorile x4 i x5 pot fi obinute prin diferite raporturi de generare,
de exemplu: x4 = x1 x2 x3 i x5 = x1 x2 . Pentru astfel de raporturi de
generare matricea de planificare pentru sfertul de replic este dat
n tabelul 5.6.
Pentru sfertul de replic analizat contrastele de clasificare sunt:
1 = x1 x2 x3 x4 i 1 = x1 x2 x5 .
Pentru determinarea sistemului de amestecare pentru sfertul de
replic se alctuiete asa-numitul contrast de clasificare
generalizator, care include ambele contraste i produsul lor. Pentru
raporturile generale admise contrastul generalizator este:
1 = x1 x2 x3 x4 + x1 x2 x5 + x3 x4 x5 .
71

Tabelul 5.6. Matricea de planificare pentru sfertul de replic al

Num
rul
experienei

x1

dependenei de cinci factori

x2 x3 x4 = x1 x2 x3 x5 = x1 x2

x0

Indicarea
codificat

Funcia de
rspuns
Yi

cde

80

ad

96

bd

87

abcde

88

84

ac

89

bc

76

abe

90

Observaie: nivelurile factorilor pentru x3 s-au determinat

conform regulii a doua (vezi tabelul 4.4).
nmulind contrastul generalizator la factorul dorit, de
exemplu nmulind la x1 obinem x1 = x2 x3 x4 + x2 x5 + x1 x3 x4 x5 .
Deci, amestecarea coeficienilor se va scrie n modul urmtor:
b1 = 1 + 234 + 25 + 1345
Cum observm, la alegerea raporturilor de generare a unor
astfel de tipuri are loc amestecarea efectului liniar b1 cu efectul
binar b25. Analogic i pentru ceilali factori. Aceasta nseamn c
capacitatea de rezolvare a sfertului de replic ales nu este prea
mare. Este evident c dac efectele binare difer de zero, atunci
coeficienii modelelor vor fi obinui cu greseli. Pentru a evita
aceast situaie, de regul, se efectueaz a doua serie de experiene.
72

Totodat, raporturile de generare pentru x4 i x5 se iau cu semne

inverse. Astfel de metod se numete metod de trecere a crestei.
Exemplu: Utilizarea sfertului de replic 25-2 pentru dependena
de cinci factori. Se cerceteaz calitatea reparaiei pieselor prin
depunerea metalului sub flux. n calitate de parametru de
optimizare s-a admis duritatea acoperirii aplicate. n calitate de
factori servesc: x1 - intensitatea curentului; x2 - turaia piesei; x3
pasul depunerii metalului; x4 - nclinarea electrodului de la zenit;
x5 - inductana circuitului de sudare.
Not. Inductana este raportul dintre fluxul magnetic care
strbate suprafaa mrginit de conturul unuia dintre circuite i
intensitatea curentului electric care produce acest flux.
Cercettorul a descris acest fenomen printr-un model liniar:
Y = b0 x0 + b1 x1 + b2 x2 + b3 x3 + b4 x4 + b5 x5
i a folosit sfertul de replic al experimentului factorial deplin
25-2=23. Totodat, pentru x4 i x5 au fost admise urmtoarele
raporturi de generare: x4 = x1 x2 x3 ; x5 = x1 x2 .
Contrastul de determinare generalizator este (tabelul 5.6):
1 = 14 + 15 + 14 15 sau 1 = x1 x2 x3 x4 + x1 x2 x5 + x3 x4 x5 .
Se cere: 1) a gsi coeficienii modelului; 2) a determina
sistemul de amestecare.
Rezolvare: 1. Utilizind formula din p.3.9, calculm coeficienii
modelului matematic:
8

b0 =

x
i =1

0i i

= 86,25 ;

b1

x Y
i =1

80 + 96 87 + 88 84 + 89 76 + 90
= 4,5 ;
8
N
b2 = 1 ; b3 = 3 ; b4 = 1,5 ; b5 = 0,75 .
1i i

73

Deci, modelul va fi:

Y = 86,25 + 4,5 x1 1,0 x2 3,0 x3 + 1,5 x4 0,75 x5 .
Verificarea a artat c toi coeficienii sunt semnificativi, iar
ecuaia descrie adecvat fenomenul studiat.
2. Determinm sistemul de ametecare:
14 = x1 x2 x3 x4 ;
15 = x1 x2 x5 .
Pentru sfertul de replic se compune contrastul de clasificare
generalizator egal cu suma acestor contraste i a produsului lor:
1gen = 14 + 15 + 14 15
1gen = x1 x2 x3 x4 + x1 x2 x5 + x3 x4 x5 .
nmulim la x1 i obinem
b1 = 1 + 234 + 25 + 1345 .

x1 = x2 x3 x4 + x2 x5 + x1 x3 x4 x5

nmulim la x2 i obinem
b2 = 2 + 134 + 15 + 2345 .

x2 = x1 x3 x4 + x1 x5 + x2 x3 x4 x5

nmulim la x3 i obinem
b3 = 3 + 124 + 45 + 1235 .

x3 = x1 x2 x4 + x1 x2 x3 x5 + x4 x5

nmulim la x4 i obinem
b4 = 4 + 123 + 35 + 1245 .

x4 = x1 x2 x3 + x1 x2 x4 x5 + x3 x5

nmulim la x5 i obinem x5 = x1 x2 + x1 x2 x3 x4 x5 + x3 x4
b5 = 5 + 12 + 34 + 12345 .
Observm c are loc amestecarea efectelor liniare cu efectele
duble. Aceasta nseamn c n general capacitatea de rezolvare a
raporturilor de generare alese nu este prea mare. Pentru precizarea
modelului i eliminarea amestecrii efectelor liniare cu cele duble
se recomand a utiliza metoda de trecere, adic de trecut de la
sfertul de replic la semireplic.
Se efectueaz nc 8 experiene cu urmtoarele raporturi de
generare: x4=-x1x2x3, x5=-x1x2, adic facem o semireplic. Dac
pentru condiiile date efectele duble i triple de interaciune sunt
nesemnificative, atunci pentru obinerea modelului se poate folosi
sfertul de replic
74

6. DETERMINAREA ZONEI EXTREMUMULUI

6.1. Date generale

La rezolvarea problemelor de optimizare, fenomenul se

descrie nti prin modelul liniar, factorii cruia variaz la dou
niveluri. Dac modelul este adecvat, atunci se folosete metoda
ascensiunii rapide pe suprafaa de rspuns. Esena acestei metode
const n faptul c micarea ncepe de la punctul A1 (punctul
iniial) spre punctul A2 (fig.6.1) n direcia vectorului gradient cu
variaia concomitent a tuturor factorilor. Vectorul gradient este
orientat ntotdeauna perpendicular fa de izolinii n direcia
creterii funciei. n punctele A3 i A5 se fac aa-numitele
experiene imaginare. La micarea n direcia vectorului gradient
se folosete metoda deplasrii pas cu pas. Procesul finalizeaz n
cazul cnd modelul liniar nu mai este adecvat, deci, s-a ajuns n
zona extremumului. Dup aceasta, zona extremumului se descrie
prin modele de gradul doi, se determina coordonatele extremitii,
adic, aa valori ale nivelurilor factorilor, pentru care funcia de
rspuns va avea valoarea maxim sau minim.

Fig.6.1. Micarea n direcia vectorului gradient pentru funcia cu dou

variabile

75

Modul de abordare a problemelor extremale expus mai sus nu

este obligatoriu. n cazul cnd informaia precedent existent
permite a determina de-odat zona staionar, experimentul se
planific astfel, nct s putem descrie suprafaa de rspuns printrun polinom de gradul doi. n acest caz, pentru a ne convinge c
experimentul a reuit, n zona aproape staionar se calculeaz
coeficienii bi i b j , folosind rezultatele experienelor planului
factorial deplin. Valorile apropiate ale lui bi i b j pot servi drept
concluzie c prima serie de experiene a fost efectuat n zona
aproape staionar.
Deplasarea n direcia gradientului este cunoscut de mult n
tiin. Considerabil nou n lucrarea savanilor Box i Wilson din
anul 1951 a fost utilizarea metodei gradientului n combinare cu
experimentul factorial-fracionar pentru descrierea local a
suprafeei de rspuns.
Gradientul funciei de rspuns Y se scrie n modul urmtor:
Y
Y
Y
grad Y = Y =
i+
j +L+
k,
xk
x1
x2
Y Y
;
- derivatele pariale;
unde
x1 x2
i, j, k vectorii unitari (ori) n direcia axelor de
coordonate.
Se presupune c funcia Y este continu, uniform i nu are
puncte specifice. Din analiza vectorial se tie c deplasarea n
direcia gradientului este deplasarea pe calea cea mai scurt, cea
mai abrupt. De aici vine i denumirea de urcu abrupt (ascensiune
rapid).
Dac suprafaa de rspuns se descrie local ca o ecuaie liniar,
atunci derivatele pariale vor fi egale cu coeficienii de regresie. n
acest caz, pentru deplasarea pe suprafaa de rspuns n direcia
urcuului abrupt ar trebui schimbate variabilele independente
proporional cu mrimea coeficienilor de regresie corespunztori
i cu semnul lor.
76

La efectuarea experienelor, ntotdeauna trebuie utilizate

variabilele naturale. n variabilele naturale, valorile pasului trebuie
s fie proporionale produsului bi la unitatea de variere.
n figura 6.2 sunt reprezentate izoliniile suprafeei de rspuns
pentru dou variabile independente. Aceste curbe sunt
asemntoare cu curbele de aceeai nlime pe hrile geografice.
Dac se vor duce normale fa de liniile de egal valoare ale
parametrului de ieire, vom obine liniile de vectori pentru
gradientul cmpului scalar determinat de funcia de rspuns.
Deplasarea din punctul O n direcia OP (direcia normalei fa de
curba de contur) este calea cea mai abrupt de ridicare pe suprafaa
de rspuns. n direcia OP se va deplasa atta timp, pn cnd nu
se va trece punctul Q. n vecintatea punctului Q va trebui
efectuat seria a doua de experiene i de gsit din nou aproximaia
local liniar a suprafeei de rspuns.

Fig.6.2. Deplasarea pe suprafaa de rspuns prin metoda urcuului rapid

O-P-Q i prin metoda tradiional O1-P1-Q1-R

77

Este interesant a compara deplasarea n direcia gradientului

cu metoda obinuit tradiional de cutare a optimumului cnd pe
rnd se schimb una sau alt variabil. n mod grafic, acest
procedeu este demonstrat n figura 6.2.
nti cercettorul fixeaz variabila x1 i se efectueaz
deplasarea din punctul O1 n direcia variabilei x2 pn cnd nu se
va ajunge n punctul P1 , unde creterea parametrului de ieire nu
mai are loc. n punctul P1 se fixeaz variabila x2 i ncepe
deplasarea n direcia axei x1 , care continu pn la punctul Q1 n
care creterea parametrului de ieire nu mai are loc. n acest punct
iari se fixeaz variabila x1 i ncepe deplasarea n direcia axei
x2 . Are loc rtcirea prin labirint; labirintul este mai compus cnd
sunt mai multe variabile independente.
nsa trebuie avut n vedere c direcia gradientului nu este
invariant fa de schimbarea intervalului de variaie a variabilelor,
deci, depinde de schimbarea intervalului de variere. Dac vom
schimba scara pentru una sau alt variabil, comprimnd-o sau
ntinznd-o, atunci, corespunztor, n direcia acestei axe se va
comprima sau se va ntinde suprafaa de rspuns, adic se va
schimba componenta gradientului n direcia acestei axe care este
msura
pantei suprafeei de rspuns n aceast direcie.
Schimbnd de p ori intervalul de variere pentru o variabil
oarecare i, vom schimba astfel de p 2 ori valoarea pasului pentru
aceast variabil (de p ori se va schimba coeficientul de regresie
bi i tot de p ori se va schimba intervalul de variere mrimea la
care se nmulete bi la trecerea de la valorile codificate la cele
naturale). Invariante fa de schimbarea intervalului de variere
rmn numai semnele componentelor gradientului.

78

6.2. Exemplu de determinare a zonei extremumului

Date iniiale (tabelul 6.1): x1 presiunea n lagr; x2 temperatura uleiului; x3 - presiunea uleiului; x4 - durata de lucru;

Y - rezistena la uzur a arborelui clit (funcia de rspuns).

Tabelul 6.1. Date iniiale
Nr.
crt.
1

Denumirea

Nivelul zero
(media)
Intervalul de
variere
Nivelul superior

Nivelul inferior

Indicarea
~
x

x1

x2

x3

x4

30

10

60

Ij

10

1.5

20

1.5

~
x j sup

40

11.5

80

5.5

x j inf

20

8.5

40

2.5

j0

Se cere:
- a planifica i a efectua experimentul pe baza cruia a
elabora modelul matematic al fenomenului;
- utiliznd metoda gradientului, a determina zona
extremumului.
Rezolvare (tabelul 6.2.):
1. Omogenitatea dispersiilor:
Gexp =

S 2 {Y }max
N

S {Y }
i =1

79

3,38
= 0,22 .
15,02

80

Tabelul 6.2. Matricea de planificare semireplica 2 41 pentru 4 factori i rezultatele obinute

(nivelurile factorului x4 s-au determinat conform regulii a doua)
Nr.
x1 x2 x3 x4
Verificarea corespunderii modelului
expe- x0
Y1i
Y2i
rienYi
S 2 {Yi }
2i
Yi
Yi Yi = i
a b c d
ei
1
+ - - + + 61,5 59,5 60,5
2,0
60,5
0
0
2
+ + - - + 69,5 71,5 70,5
2,0
70,5
0
0
3
+ - + - + 63,8 65,0 64,4
0,72
63,5
1,1
1,21
4
+ + + + + 67,5 65,9 66,7
1,38
76,7
1,0
1,0
5
+ - - - - 60,8 63,4 62,1
3,38
63,3
1,2
1,44
6
+ + - + - 69,3 67,9 68,6
0,98
67,7
0,9
0,81
7
+ - + + - 59,3 61,9 60,6
3,28
60,5
0,1
0,01
8
+ + + - - 71,4 69,9 70,6
1,28
70,5
0,1
0,01
SS rem = 4,48
524
15,02

80

Valoarea teoretic (critic) a criteriului Cochran (pentru

= 0,05 , numrul de grade de libertate f1 = m 1 = 2 1 = 1 ,
numrul de rnduri ale planului N=8) este egala cu Gteor = 0,68 :
Gexp = 0,22 < Gteor < 0,68 .
Deci, cu probabilitatea nu mai mic de 95%, se poate afirma c
dispersiile sunt omogene.
2. Calcularea coeficienilor modelului pentru valorile medii ale
funciei de rspuns:
8

b0 =
8

b1 =

x
i =1

1i

Yi

i =1

0i

Yi

524
= 65,5 ;
8

60,5 + 70 ,5 + 64 ,4 + 66,7 62 ,1 + 68,6 60 ,6 + 70,6

=
8

= 3,6 ;
8

b2 =

2i

Yi

= 0,075 ;
N
b3 = 1,4 ;
b4 = 0,025 .

i =1

S-a obinut modelul care se scrie n felul urmtor:

Y = 65,5 + 3,6 x1 + 0,075 x2 1,4 x3 + 0,025 x4 .
3. Estimarea statistic a semnificaiei coeficienilor:
Dispersia reproductibilitii i abaterea medie ptratic:

(Y
N

ij

Yi

15,02
= 1,87 ; S {Y } = 1,87 .
8
N (m 1)
Dispersia coeficienilor modelului i abaterea medie
ptratic:
S 2 {Y } =

i =1 j =1

81

S 2 {b j } =

S 2 {Y } 1,87
=
= 0,117 i S {b j } = 0,117 = 0,34 .
N m 8 2

Criteriul Student pentru = 0,05 i numrul de grade de

libertate f 2 = N I 1 = 16 1 = 15 are valoarea (tabelul A.2 al
anexei) t ( =0, 05; f 2 =15 ) = 2,13 .
Observm c coeficienii b2 i b4 sunt nesemnificativi i pot
fi eliminai din model. Deci, dup eliminarea coeficienilor
nesemnificativi ecuaia se va scrie n modul urmtor:
Y = 65,51 + 3,6 x1 1,4 x3 .

Tabelul 6.3. Estimaia statistic a semnificaiei coeficienilor

modelului ( = 0,05 t = 2,13)

Coeficientul

Abaterea
Valoarea
medie
semiintervalupatratic a
Valoa- N =
lui de dispesacoeficientuCompararea
rea
re a coeficien=
N

m
lui
b j <>
numetilor
S {Y }
ric
S {b j } =
= S b j t( f 2 )
NI

{ }

b0

65,5

16

0,342

b1
b2
b3

3,6
0,075
-1,4

16
16
16

b4

0,025

16

65,5 >0,728

0,342
0,342
0,342

0,342
2,13=0,728
0,728
0,728
0,728

3,6>0,728
0,075<0,728
1,4>0,728

0,342

0,728

0,025<0,728

82

4. Verificm corespunderea modelului cu fenomenul studiat,

utiliznd criteriul Fischer:
N
2

m
Yi Yi ( N d )

2
S {Y }necoresp.
=
Fexp =
= i =1
2
N
m
S {Y }repr .

2
Y Yi (N (m 1))
i =1 j =1

2 4,48 (8 3) 1,79
=
=
= 0 ,95.
1,87
1,87

Valoarea teoretic a criteriului Fischer pentru = 0,05 i

numrul de grade de libertate f 3 = N d = 8 3 = 5 (la numrtor)
i f 2 = N I 1 = 16 1 = 15 (la numitor) constituie Fteor = 2,9 . Deci,
Fexp = 0,95 < Fteor = 2,9 .
Modelul obinut n punctul A1 (fig.6.1) descrie adecvat
suprafaa funciei de rspuns i poate fi utilizat pentru ascensiunea
rapid pe suprafaa de rspuns.
5. Urcarea rapid n direcia vectorului gradient. Pentru
modelul obinut vectorul gradient are forma:
grad Y = 3,6i 1,4 j .
La deplasarea n direcia vectorului gradient, factorii
nesemnificativi pot fi stabilii la orice nivel. De exemplu, fie
x2 = 20 i x4 = 2 . Valoarea pasului tot poate fi luat egal cu o
parte oarecare a lui b j I j , proporional cu componentele

()

gradientului, unde I j este intervalul de variere. Admitem c pasul

de ascensiune n direcia gradientului este egal cu o ptrime b j I j
(tabelul 6.4).
Unele dintre experiene nu s-au efectuat, s-au efectuat aanumitele experiene imaginare (al 2-lea i al 4-lea pas).

83

Observm c dup pasul al 5-lea (p. A6 ) valoarea parametrului

de ieire se micoreaz. De aceea, trebuie revenit n p. A5 , trebuie
obinut modelul pentru aceast zon, estimai coeficienii modelului
i verificat corespunderea modelului cu fenomenul cercetat.
Aceasta nseamn ca pentru p. A5 trebuie efectuat un experiment
deplin pentru factorii semnificativi x1 i x3 (tabelul 6.5).
Nr.
d/o
1
1
2
3
4

Tabelul 6.4. Procesul de ascensiune rapid

Indica~
~
~
~
x3
x1
x2
x4
Etapele ascensiunii
2
Nivelul zero
(punctul A1 )
Intervalul de
variere
Valoarea
coeficientului
Produsul intervalului de variere la
valoarea
coeficientului
Valoarea pasului

rea
3

Yi

~
xi 0

4
30

5
10

6
60

7
4

8
65,5

Ij

10

1,5

20

1,5

bj

3,6

-1,4

bj I j

36

-28

-7

~
xi 0 + p

39

20

53

71,5

~
xi 0 + 2 p

48

20

46

~
xi 0 + 3 p

57

20

39

80

egal cu 1 de la

bj I j
6
7

Primul pas (punctul

A2 )
Pasul al doilea
(punctul A3 ).
Experien
imaginar
Pasul al 3-lea
(punctul A4 )

84

1
9
10
11

2
Pasul al 4-lea
(punctul A5 )
Pasul al 5-lea
(punctul A6 )
Pasul al 6-lea
(punctul A5 )
Deplasarea n
direcie opus (n
punctul A5 )

Tabelul 6.4 (continuare)

5
6
7
8
20 32
2
-

~
xi 0 + 4 p

4
66

~
xi 0 + 5 p

75

20

25

75

~
xi 0 + 4 p

66

20

32

87

Tabelul 6.5. Date iniiale pentru efectuarea experimentului factorial

deplin
Nr.
~
~
x3
x1
Parametrii
Indicarea
d/o
~
32
x j0
1
Nivelul (de baz) zero
66

Ij

10

20

Nivelul superior

x j sup

76

52

Nivelul inferior

x j inf

56

12

Intervalul de variere

3
4

Efectum codificarea factorilor x1 i x3 :

~
x1sup ~
x10 76 66
56 66
=
= +1 ; x1inf =
= 1 ;
x1sup =
I1
10
10
~
x1sup ~
x30 52 32
12 32
x3 sup =
=
= +1 ; x3 inf =
= 1 .
I3
20
20
Admitem c precizia reproductibilitii experienelor nu s-a
schimbat, deci, S 2 {Y } = 1,87 .
Efectum experimentul n p. A5 (tabelul 6.6).
85

Nr.
d/o

Tabelul 6.6. Rezultatele experimentului n p. A5

x1
x3
b1 x1
b3 x 3
Verificarea
Yi exp b0 x0
Y

x0

corespunderi
i

i =
Yi Yi
1
2
3
4

+
+
+
+

+
+

+
+

92
88,9
79,0
92,8

88,17
88,17
88,17
88,17

-2,675
+2,675

-2,675
-2,675

+2,27
+2,27
-2,27
-2,27

87,76
93,11
83,22
88,57

4,24
4,21
4,22
4,23

17,97
17,74
17,80
17,89

Suma remanent: SS rem = (Yi Yi ) = 71,4

N

i =1

Determinm coeficienii modelului:

N

b0 =

x
i =1

0i i

2i

92 + 88,9 + 79 + 92,8
= 88,17 ;
4

b1 = 2,675 ; b3 = 2,27 .

Deci, n punctul A5 modelul este:

Y = 88,17 + 2,675 x1 2,27 x3 .

Estimm semnificaia coeficienilor modelului (tabelul 6.7).

86

Tabelul 6.7. Estimaia statistic a semnificaiei coeficienilor

modelului
Valoarea
Coe- Valoa xij2 S {b j } =
Comparasemiintervaluficirea
rea b j <>
2
{
}
S
Y
entul nume= lui de dispersare
N
a coeficientului
ric
= S {b j }
1,87

t ( , f 2 )

b0

88,17

0,683

b1
b3

2,675
-2,27

4
4

0,683
0,683

0,683 3,18
= 2,17
2,17
2,17

88,17>2,17
2,675 >2,17
2,27 >2,17

Pentru = 0,05 ; f 2 = N 1 = 4 1 = 3 criteriul Student

t = 3,18 . Observm c toi coeficienii sunt semnificativi.
Verificm corespunderea modelului fenomenului cercetat (n
punctul A5 ).

Dispersia reproductibilitii S 2 {Y } = 1,87 .

Pe baza datelor din tabelul 6.6, determinm valoarea criteriului
Fischer:
2
N
Yi Yi
71,4
i =1

2
S {Y }necoresp.
(N d ) = (4 3) = 38 .
=
Fexp =
2
1,87
1,87
S {Y }repr.

Valoarea teoretic a criteriului Fischer pentru = 0,05

f3 = N d = 4 3 = 1
numrul de grade de libertate
f 2 = N 1 = 4 1 = 3 constituie:
87

i
i

Fteor = 10 pentru = 0,05 ; f 3 = 1 ; f 2 = 3 .

Deoarece

Fexp = 38 > Fteor = 10 ,

modelul

descrie

neadecvat

procesul. Aceasta nseamn c n punctul A5 este zona

extremumului. Unul dintre indici care denot obinerea zonei
extremumului este comensurabilitatea efectelor liniare cu efectele
de interaciune. Pentru punctul A5 avem:
N

b13 =

(x x ) Y
i =1

1 3

+ 92 88,9 79,0 + 92,8

= 4,22 .
4

Efectul b13 este destul de mare i semnificativ. Urmeaz a

descrie acest proces printr-un model de gradul doi.

7. DESCRIEREA ZONEI EXTREMUMULUI

Ascensiunea pe suprafaa funciei de rspuns se termin cnd
obinem zona aproape staionar zona extremumului.
7.1. Criteriile de determinare a necesitii utilizrii planurilor
de gradul doi

Sunt utilizate urmtoarele criterii:

1. Descrierea prin polinoame de gradul nti nu este adecvat.
2. Coeficienii bij, ce caracterizeaz efectele de interaciune, se
apropie dup valoarea absolut de coeficienii bi de pe lng
membrii de gradul nti sau i depesc (bijbi).
3. Dac se vor face experiene adugtoare n centrul planului de
experimentare (xi=0) i se va determina valoarea medie Y0 ,
atunci diferena Y Y0 bii ntr-o msur oarecare poate
88

servi ca msur a curburii suprafeei. Diferena Y Y0 se

determin, utiliznd criteriul t i dac este semnificativ se
trage concluzia c suma tuturor coeficienilor de regresie bii
nu este egal cu zero.
4. Dac cel puin un coeficient de regresie binar se deosebete
semnificativ de zero (ij0), atunci aceasta este o dovad
suficient pentru a respinge ipoteza linearitii.
Nu este necesar s se ndeplineasc toate cerinele impuse
pentru neliniaritate. Dac cel puin un criteriu este valabil, se poate
admite necorespunderea descrierii liniare.
7.2. Planificarea ortogonal de gradul doi

Zona staionar poate fi descris adecvat prin polinoame de

gradul doi:
Y = b0 + bi xi + bij xi x j + bii xi2 .
Pentru determinarea coeficienilor de regresie bii, pe lng
membrii ptratici trebuie folosit planul de experimentare n care
fiecare variabil s varieze cel puin la trei niveluri (tabelul 7.1).
Numrul de experiene se determin prin formula:
N = kn ,
unde: k numrul de niveluri de variere a factorului; n numrul
de factori.
Pentru doi factori care variaz la trei niveluri N = 32 = 9, pentru
3 factori N = 27 .a.m.d.
Tabelul 7.1. Planificarea ortogonal la trei niveluri pentru 2 factori
Dispersia
Nr.
x1
x2
Y1
Y2
Y
exper.
S 2 {Yi }
1
64
66
65
2
2
+
68
72
70
8
3
+
66
68
67
2
4
+
+
49
51
50
2
89

5
6
7
8
9

0
+
0
0

0
0
0
+
-

Tabelul 7.1 ( continuare)

64
62
8
63
61
8
73
70
18
63
60
18
77
73
32

60
59
67
57
69

La planificarea ortogonal de gradul doi matricea

informaional XTX nu este diagonal i, deci, calculul
coeficienilor modelului se complic. Cnd avem numai un factor,
sistemul se rezolv folosind metoda Gauss. ns dac avem doi
factori sau mai muli, se folosete metoda de corectare a
variabilelor ptratice, ceea ce face ca matricea informaional s fie
diagonal, coeficienii modelului matematic se pot calcula prin
formule asemntoare cu cele folosite pentru modelele liniare.
Variabilele ptratice se corecteaz prin formula:

(x ) = (x )
' 2
j i

= (x j )i
2

(x )

2
j i

,
N
unde este valoarea deplasrii variabilelor ptratice.
Nivelurile corectate pentru factorul x1:
j i

i =1

rndurile 1-4, 6,7: x1 2 = x12

x
i =1

2
1i

= 1

6 1
= ;
9 3

N
6
2
rndurile 5,8,9: x12 = 0 = .
9
3
Nivelurile corectate pentru factorul x2:
N

rndurile 5-7: x22 = x22

x
i =1

2
2i

=0

1
rndurile 1-4, 8, 9: x2 2 = .
3
90

6
2
= ;
9
3

Matricea informaional X T X devine diagonal, de aceea

coeficienii modelului se calculeaz printr-o formul asemntoare
cu cea care s-a utilizat la calcularea coeficienilor modelului liniar
(p.3.9)
N

Bj =

x
i =1
N

ji

Yi

(x )

2
i j

i =1

numai c numitorul pentru diferii coeficieni are diferite valori i

N

n acest caz constituie

(x )
i =1

2
j

= 9;6;6;2;2;4 (tabelul 7.2).

Valorile coeficienilor de regresie:

N

b =
'
0

x
i =1
N

0i i

(x )

2
0 i

i =1

+ 65 + 70 + 67 + 50 + 62 + 61 + 70 + 60 + 73
=
9
=

b1 =

x
i =1
N

1i

Yi

(x )
i =1

2
1 i

578
= 64,22 ;
9

65 + 70 67 + 50 + 61 70
= 3,5 ;
6
b2 = 5,166 ;

(x ) Y
N

b11 =

i =1
N

' 2
1 j i

(x )
i =1

' 2
1 j

1
1
1
1
2
65 + 70 + 67 + 50 + K + 73
3
3
3
3
=3
=
2
=

2,35
= 1,175 ;
2

91

 (x ) Y
N

b22 =

i =1
N

' 2
2 j

(x )

' 2
2 j

i =1

b12 =

x x Y
x x
1i

1i

2i

0,34
= 0,17 ;
2

2i

22
= 5,5 ;
4

b0 = b0 (b11 + b22 ) = 64,22

2
( 1,175 0,17 ) = 65,11 .
3

Deci, modelul va fi:

Y = 65,11 3,5 x1 5,166 x2 1,175 x12 0,17 x12 5,5 x1 x2 .
Planurile ortogonale de gradul doi au urmtoarele dezavantaje:
1. Matricea informaional X T X nu este diagonala, de aceea
calculul coeficienilor modelului se complic.
2. Planurile necesit un numr mare de experiene.
3. Coeficienii modelului se determin prin diferite dispersii,
cercettorul obine diferit informaie despre precizia
coeficienilor modelului.
4. La rotirea planului dispersia valorilor pronosticate ale
funciei de rspuns se schimb conform unei legi foarte
complicate.

92

Tabelul 7.2. Matricea de planificare pentru modelul ptratic cu nivelurile corectate ale factorilor
Nr.
Nivelurile factorilor
Valorile prilor din dreapta ale ecuaiilor normale
exper. x0
x0Yi
x1Yi
x2Yi
x1 x2Yi
x1
x2
x1 x2
x12Yi
x22Yi
x12
x22

93

1
2
3
4
5
6
7
8
9
xij

1
1
1
1
1
1
1
1
1
9

-1
+1
-1
+1
0
+1
-1
0
0
0

-1
-1
+1
+1
0
0
0
+1
-1
0

1/3
1/3
1/3
1/3
-2/3
1/3
1/3
-2/3
-2/3
0

1/3
1/3
1/3
1/3
-2/3
-2/3
-2/3
1/3
1/3
0

+1
-1
-1
+1
0
0
0
0
0
0

65
70
67
50
62
61
70
60
73
578

-65
+70
-67
+50
0
+61
-70
0
0
-21

-65
-70
+67
+50
0
0
0
60
-73
-31

21,66
23,33
22,33
16,66
-41,33
20,33
23,33
-40
-48,66
-2,35

21,66
23,33
22,33
16,66
-41,33
-40,66
-46,66
+20
24,33
-0,34

65
-70
-67
+50
0
0
0
0
0
-22

2
ij

93

7.3. Planuri ortogonale centrale compoziionale

Pentru eliminarea neajunsurilor menionate mai sus, n anul

1957 au fost propuse aa-numitele planuri ortogonale centrale
compoziionale de ctre Box i Hunter. Esena acestei planificri
const n faptul c la matricea de planificare liniar (pentru
numrul de factori pn la 5) sau la matricea de planificare
factorial liniar fracionar (cnd n>5) pentru fiecare factor se
adaug cte dou puncte numite "stelare" situate la o distan de la
centrul planului care depete cu mult intervalul de variaie.
Aceast distan se numete bra stelar i se noteaz cu . n centrul
planului se efectueaz o experien. Planurile se numesc
compoziionale deoarece are loc combinarea planurilor liniare cu
punctele stelare (fig.7.1.). n tabelul 7.3 sunt date valorile braelor
stelare i numrul de puncte ale planurilor ortogonale centrale
compoziionale, iar n tabelul 7.4 formule pentru calcularea
coeficienilor modelului i dispersiilor coeficienilor.
Numrul total de experiene se determin prin formula:
N tot = 2 n + 2n + n0 ,
unde: n numrul de factori;
n0=1 numrul de experiene n centrul planului.

Fig.7.1. Punctele spaiului factorial pentru dependena de 3 factori (planul

ortogonal central compoziional)

94

Tabelul 7.3. Valorile braelor stelare i numrul de puncte ale

planurilor ortogonale centrale compoziionale
Nr.
Parametrii
IndicaNumrul de factori n
crt.
rea
2
3
4
5
4
8
16
32
1
Prima etap
2n
Numrul de puncte
ale planului
modelului liniar
2
Etapa a doua
1
1,215 1,414 1,68

Valoarea braului
stelar
4
6
8
10
3 Numrul de puncte
n
stelare
1
1
1
1
4 Numrul de puncte
n0
n centrul planului
9
15
25
43
5 Numrul total de
Ntot
puncte ale planului
9
27
81
243
6 Numrul total de
3n
puncte ale planurilor ortogonale la
trei niveluri (pentru
comparare)
Tabelul 7.4. Formule pentru calcularea coeficienilor pentru
planurile ortogonale centrale compoziionale
Coeficienii modelului
Dispersia coeficienilor
Numrul
variabilelor
independente
b0 = 0,11111(0Y )
S 2 {b0 } = 0,11111 S 2 {Y }
n=2
bi = 0,16667(iY )
S 2 {bi } = 0,16667 S 2 {Y }
n=4; n0=1
bij = 0,25(ijY )
S 2 {b } = 0,25 S 2 {Y }
Ntot=9
bii = 0,5(iiY )

95

ij

S {bii } = 0,5 S 2 {Y }
2

b0 = 0,06667(0Y )
bi = 0,09141(iY )
bij = 0,125(ijY )

n=3
n=6; n0=1
Ntot=15

n=4
n=8; n0=1
Ntot=25

Tabelul 7.4 (continuare)

S 2 {b0 } = 0,06667 S 2 {Y }
S 2 {bi } = 0,09141 S 2 {Y }
S 2 {bij } = 0,125 S 2 {Y }

bii = 0,23041(iiY )

S 2 {bii } = 0,23041 S 2 {Y }

b0 = 0,04(0Y )
bi = 0,05(iY )
bij = 0,0625(ijY )

S 2 {b0 } = 0,04 S 2 {Y }

bii = 0,125(iiY )

S 2 {bi } = 0,05 S 2 {Y }

S 2 {bij } = 0,0625 S 2 {Y }

S 2 {bii } = 0,125 S 2 {Y }

Pentru planurile ortogonale centrale compoziionale, valorile

braelor stelare se aleg astfel, nct toate elementele nediagonale ale

matricei (X T X ) s fie egale cu zero. Planurile compoziionale

prin alegerea corespunztoare a valorilor braelor stelare pot fi
reconstruite n ortogonale sau rotatabile, n planuri simetrice Bi
foarte economicoase prin numrul de experiene i apropiate de
cele D-optimale. Ele au un numr de experiene mai mic n
comparaie cu planurile ortogonale.
ns aceste planuri au urmtoarele neajunsuri:
1. Coeficienii modelelor se calculeaz prin diferite dispersii.
2. La rotirea axelor de coordonate dispersiile valorilor
pronosticate ale funciei de rspuns se schimb conform
unei legi destul de complicate, ceea ce ngreuneaz
estimarea calitii modelului.
1

7.4. Planuri rotatabile centrale compoziionale

n anul 1957 Box i Hunter au propus aa-numitele planuri

rotatabile centrale compoziionale, care au mai multe avantaje n
comparaie cu planurile ortogonale centrale compoziionale. Aceste
96

planuri pot fi obinute adugnd puncte stelare la nucleul planului,

iar braele stelare aici sunt mai mari dect la planurile ortogonale
centrale compoziionale. n afar de aceasta, pentru majorarea
cantitii de informaie, n centrul planului se prevd mai multe
experiene. Astfel, se asigur schimbarea nensemnat a dispersiei
valorilor pronosticate ale funciei de rspuns n limitele spaiului
factorial. Planificarea aceasta se numete uniform. Numrul total
de puncte ale planurilor se determin prin formula:
Ntot=2n+n+n0,
unde: n numrul de factori;
n numrul de puncte stelare;
n0 numprul de puncte n centrul planului.
Avantaje:
1. Numrul de puncte ale planurilor rotatabile este cu mult mai
mic dect al planurilor ortogonale (tabelul 7.5).
2. Cea mai bun nsuire a acestor planuri este independena
dispersiei valorilor pronosticate ale funciei de rspuns de
rotirea planului i de distana punctului spaiului factorial de la
centrul planului.

ns ele au urmtorul dezavantaj: matricea erorilor (X T X ) nu

este diagonal. Aceast circumstan complic calcularea
coeficienilor modelului. n tabelul 7.6 sunt date formule gata
pentru calcularea coeficienilor modelului i dispersiilor
coeficienilor pentru planurile rotatabile. n tabelul 7.6
1

(0Y ) = x0Yi ; (iY ) = x j xi ; (iiY ) = xi2Yi .

Pentru determinarea corespunderii polinomului obinut cu
datele experimentale se calculeaz criteriul F:
F = S 2 {Y }nc / S 2 {Y }.
Dispersia necorespunderii S 2 {Y }nc se determin prin relaia:
97

n (0 )

(Y Y ) (Y
N tot

Y0i

SS rem SS0 i =1
i =1
=
(N d ) (n0 1)
f rem f 0
Dispersia reproductibilitii se calculeaz prin relaia:
S 2 {Y }nc =

(Y
n0

S 2 {Y } =

i =1

0i

0i

Y0i

n0 1

Numrul de grade de libertate pentru S 2 {Y }nc este f1=N-dn0+1.

Numrul de grade de libertate pentru S 2 {Y } este f2=n0-1.

98

99

Tabelul 7.5. Valorile braelor stelare i numrul de puncte ale planurilor rotatabile
Nr.
Parametrii
IndicaNumrul factorilor n
crt.
rea
2
3
4
5
5
6
6
(repl.)
(repl.)
1
Prima etap
4
8
16
32
16
64
32
Numrul de puncte
N=2n
ale planului
modelului liniar
2
Etapa a doua

1,4 1,682 2,0 2,378

2,0
2,828 2,378
Valoarea braului
14
stelar
4
6
8
10
10
12
12
3 Numrul de puncte
n
stelare
5
6
7
8
6
15
9
4 Numrul de puncte
n0
n centrul planului
13 20
31
50
32
91
53
5 Numrul total de
Ntot
puncte
Numrul total de
9
27
81
243
81
729
243
6 puncte ale planului
3n
ortogonal
99

7
128
3,333
14
21
163
2187

Tabelul 7.6. Formule pentru calcularea coeficienilor modelului i a

dispersiilor coeficienilor pentru planurile rotatabile centrale
compoziionale
Numrul
variaDispersia
bilelor
Coeficienii modelului
coeficienilor
independente
1
2
3
2

b0 = 0,25 (0Y ) 0,125 (iiY )

n=2
n0=4

i =1

bi = 0,125(iY )
bij = 0,25(ijY )

S 2 {b0 } = 0,25 S 2 {Y }

S 2 {bi } = 0,125 S 2 {Y }
2

bii = 0,125(iiY ) + 0,031 (iiY )

i =1

0,125(0Y )

S 2 {bij } = 0,25 S 2 {Y }

S 2 {bii } = 0,128 S 2 {Y }

b0 = 0,2 (0Y ) 0,1 (iiY )

n=2
n0=5

bi = 0,125(iY )
bij = 0,25(ijY )

i =1

S 2 {b0 } = 0,20 S 2 {Y }

S 2 {bi } = 0,125 S 2 {Y }
S 2 {bij } = 0,25 S 2 {Y }

bii = 0,125(iiY ) +
2

+ 0,0187 (iiY ) 0,1(0Y )

i =1

100

S 2 {bii } = 0,144 S 2 {Y }

Tabelul 7.6 (continuare)

3

2
b0 = 0,166 (0Y )
3

0,0568 (iiY ) 0,1(0Y )

S 2 {b0 } = 0,166 S 2 {Y }

i =1

n=3

bi = 0,0732(iY )
bij = 0,125(ijY )

S 2 {bi } = 0,0732 S 2 {Y }
S 2 {bij } = 0,125 S 2 {Y }

bii = 0,0625(iiY ) +

S 2 {bii } = 0,694 S 2 {Y }

+ 0,00689 (iiY ) 0,0568(0Y )

i =1

b0 = 0,143 (0Y ) 0,0357 (iiY )

n=4

bi = 0,0417(iY )
bij = 0,0625(ijY )

i =1

S 2 {b0 } = 0,143 S 2 {Y }

S 2 {bi } = 0,0417 S 2 {Y }

S 2 {bij } = 0,0625 S 2 {Y }

bii = 0,0312(iiY ) +

S 2 {bii } = 0,0316 S 2 {Y }

+ 0,00372 (iiY ) 0,0357(0Y )

i =1

b0 = 0,159 (0Y ) 0,0341 (iiY )

n=5
(nucle
ul
semir
eplic
)

bi = 0,0417(iY )
bij = 0,0625(ijY )

i =1

S 2 {b0 } = 0,159 S 2 {Y }

S 2 {bi } = 0,0417 S 2 {Y }
S 2 {bij } = 0,625 S 2 {Y }

bii = 0,0312(iiY ) +
5

+ 0,0028 (iiY ) 0,0341(0Y )

i =1

101

S 2 {bii } = 0,034 S 2 {Y }

8. ANALIZA MODELULUI
8.1. Date generale

Dac este obinut un model de gradul doi adecvat, se pot

determina coordonatele optimumului.
Pentru determinarea coordonatelor punctului extrem, se iau
derivatele pariale n raport cu fiecare factor, iar derivatele obinute
se egaleaz cu zero. Rezolvnd sistemul de ecuaii obinut, se
gsesc coordonatele punctului extrem. Existena maximumului sau
minimumului n punctul extrem depinde de semnul derivatelor
pariale de ordinul doi: dac aceste derivate sunt mai mari dect
zero, atunci n punctul extrem atestm minimum, dac ele sunt mai
mici dect zero, maximum.
n continuare se studiaz nsuirile suprafeei de rspuns n
apropierea optimumului. Pentru aceasta se utilizeaz transformarea
canonic: n prima etap punctul iniial al coordonatelor se plaseaz
in punctul extremal deosebit al suprafeei de rspuns.
Dac determinantul principal al acestui sistem este egal cu
zero, atunci suprafaa nu are centru. n acest caz, centrul de
coordonate poate fi plasat n punctul cu valoarea cea mai bun a
parametrului de optimizare sau nu se plaseaz n nici un fel.
Dac suprafaa are centru, atunci n acest centru se plaseaz
punctul iniial al coordonatelor. Totodat, n ecuaia suprafeei
lipsesc membrii care conin gradul nti al factorilor i se schimb
membrul liber (B0). Coeficienii de pe lng factorii la puterea a
doua si de pe lng interaciuni sunt invariani fa de transfer.
n etapa a doua se efectueaz rotirea axelor de coordonate n
centrul nou format pn la coinciderea cu axele principale Xi ale
ecuaiei de gradul doi. Aceast transformare conduce la obinerea
ecuaiei de urmtorul tip (dispar membrii cu produsele duble):
Y Ys = B11 X 12 + B22 X 222 + L + Bkk X k2 ,

unde: Ys - valoarea lui Y n centrul suprafeei S;

102

Y - valoarea parametrului de ieire;

Bkk - coeficienii transformai ai ecuaiei canonice;
Xk - valorile variabilelor codificate n sistemul nou de
coordonate.
Operaia de transformare a modelului n form canonic poate
fi efectuat manual numai pentru ecuaia cu 2 i 3 variabile. Pentru
un numr mai mare de variabile aceast operaie se efectueaz cu
ajutorul calculatoarelor.
Forma canonic a modelului este convenabil pentru analiz i
optimizare, deoarece toate variabilele Xi intra n ea la ptrat.
Deci, schimbarea valorilor Y Ys depinde nu de direcia de
deplasare pe axa Xi de la punctul central S, dar de semnul
coeficientului Bi. ntr-adevr, ieirea Y Ys va crete ntotdeauna
dac Bi>0 i se va micora dac Bi<0 independent de deplasarea lui
Xi n lungul axelor de la centrul S.
Cnd s-a gsit centrul suprafeei, trebuie determinat punctul
optimal sau nu. Pentru aceasta se utilizeaz clasificarea suprafeelor
de gradul doi n funcie de formele lor canonice.
n practic sunt utilizate urmtoarele rezultate ale clasificrii:
1. Toi coeficienii ecuaiei canonice au acelai semn. n acest
caz, n centru este maximumul cnd Bii<0 i minimumul cnd
Bii>0. Liniile de contur ale suprafeei de rspuns (izoliniile) vor fi
elipse.
2. Coeficienii au semne diferite. Centrul reprezint un
,,minimax (a). Liniile de contur reprezint hiperbole.
3. Dac coeficienii B11 i B22 au acelai semn i sunt egali
ntre ei, atunci izoliniile reprezint o familie de circumferine.
4. Dac B11 i B22 au unul si acelai semn i B11 este mai mare
sau mai mic dect B22, atunci suprafaa de rspuns reprezint o
familie de elipse.
5. Dac B11 i B22 au semne diferite i sunt egali ntre ei, atunci
suprafaa funciei de rspuns reprezint o familie de hiperbole
echidistante.
103

6. Dac B11 i B22 au diferite semne i B11 este mai mare sau
mai mic dect B22, atunci suprafaa reprezint o familie de
hiperbole obinuite (neechidistante).
8.2. Exemplu de funcie cu dou variabile independente

S-a obinut modelul ptratic care descrie adecvat procesul

studiat:
Y = 6 ,25 + 8 x1 + 10 x2 2,5 x12 2,5 x22 x1 x2 .
Se cere a determina coordonatele punctului extremal care
corespund valorii optimale a funciei de rspuns i a gsi ce form
geometric are suprafaa funciei de rspuns.
Rezolvare:
1. Derivm funcia de rspuns pentru variabilele x1 i x2, iar
rezultatele obinute le egalm cu zero (condiia necesara de
existen a extremumului)
Y
= +8 5 x1 x2 = 0 ;
(8.1)
x1
Y
= +10 5 x2 x1 = 0 ,
(8.2)
x2
din care x1opt = +1,25 i x2 opt = +1,75 .

Valoarea funciei de rspuns pentru punctul zero i pentru

punctul extremal constituie corespunztor:
pentru punctul zero Y(0, 0 ) = 6,25 ;
pentru punctul extremal:
Y
= 6,25 + 8 1,25 + 10 1,75 2,5 1,252
( x1 = +1, 25; x 2 = +1, 75 )

2,5 1,752 1,25 1,75 = 20.

Observm c trecerea de la punctul zero spre punctul extrem
mrete suficient valoarea funciei de rspuns.
104

2. Determinm derivatele pariale duble:

2Y
2Y
i
(
)
=

5
<
0
max
= 5 < 0(max ) .
dx12
dx22
Aadar, n punctul M(1,25; 1,75) se gsete maximumul .
3. Determinm pentru punctul extrem valorile nivelurilor
factorilor x1 si x2 n mrimi naturale.
Admitem c pentru punctul zero nivelurile factorilor
x10 = 60 uniti, iar intervalul de
constituie: pentru primul factor ~
~
variere x1 = 10 . Pentru factorul al doilea ~
x20 = 40 uniti iar
~
intervalul de variere x2 = 5 . n mrimi naturale nivelurile
factorilor pentru care funcia de rspuns are valoarea maxim
(amintim c ~
xi max = (~
xi + ~
xi x ) ):
~
x1 max = 60 + 10 1,25 = 72,5 ;
~
x2 max = 40 + 5 1,75 = 48,75 .
Deci, problema de optimizare este rezolvat.
4. Pentru transformarea ecuaiei n form canonic plasm
punctul iniial al coordonatelor n punctul extremal (1,25; 1,75):
2
Y = 6,25 + 8( x1 + 1,25) + 10( x2 + 1,75) 2,5( x1 + 1,25)
2,5( x2 + 1,75) ( x1 + 1,25)( x2 + 1,75)
Y = 20 2,5 x 2 2,5 x 2 x x .
2

sau
1
2
1 2
Observm c dup aceasta ecuaia nu conine membri la
puterea nti.
5. Determinm unghiul la care trebuie rotite axele
coordonatelor, pentru ca ecuaia s nu conin membri cu produsul
x1 x2.

105

Fig.8.1. Plasarea punctului iniial al coordonatelor n punctul

extrem
Din geometria analitic este cunoscut c dac este dat o
ecuaie de gradul doi
Ax 2 + Bxy + Cy 2 + Dx + Ey + F = 0 ,
atunci unghiul la care trebuie rotite axele de coordonate pentru ca
ecuaia s nu conin membri cu produsul xy se determin prin
formula:
B
.
tg 2 =
AC
Pentru ecuaia de regresie de gradul doi analizat n acest
exemplu unghiul se determin din ecuaia:
1
1
B12
=
=
=.
tg 2 =
B11 B22 2,5 ( 2,5) 0
tg 90 = .
2
.
2
Formulele pentru transformarea coordonatelor la rotirea axelor
au forma:
x1' = x1 cos + x2 sin ;
x2' = x1 sin + x2 cos .

Deci, unghiul este egal cu = 45 , iar sin 45 = cos 45 =

106

Fig.8.2. Rotirea axelor coordonatelor

Utiliznd aceste formule obinem:
2

x 2 x2 2
x 2 x2 2

2,5 1
+
Y = 20 2,5 1
+

2
2
2
2

x 2 x2 2 x1 2 x2 2
.

+
1
+
2
2
2
2
Deschiznd parantezele si grupnd variabilele, obinem
definitiv:
Y = 20 2 x12 3x23 .
Aceast ecuaie reprezint n sine o familie de elipse, axele
principale ale crora sunt rotite fa de axele de coordonate la un
unghi =45.
x12

x22

= 20 Y ; (Y=19, 18, 17, .1).

2
2
1
1

2 k 3 k

Astfel, suprafaa funciei de rspuns reprezint un paraboloid

eliptic la care semiaxele principale sunt rotite fa de coordonate.
+

107

x x
Dac Y = 19 1 + 2 = 1 , aceasta este elips .a.m.d.
1 1
2 3

Fig. 8.3. Familia de elipse care descriu dependena lui Y de x1 i x2

9. INTERPRETAREA MODELELOR MATEMATICE ALE
SISTEMELOR STOCASTICE
9.1. Polinoame de gradul doi

Polinomul de gradul doi pentru n factori se scrie n felul

urmtor:
n

Y = b0 + bi xi + bii xi2 + bij xi x j .

(9.1)

i j

Coeficienii de regresie (coeficienii polinomului b0, bi, bii , bij)

pot fi interpretai ca coeficieni ai irului Taylor, adic ca mrimile
derivatelor pariale n punctul n jurul cruia se efectueaz
descompunerea funciei necunoscute nou, care dau rezolvarea
ecuaiilor difereniale necunoscute nou.

108

Coeficienii de regresie caracterizeaz gradul de influen a

factorilor asupra lui Y . n teoria matematic a experimentului acest
grad de influen se numete efect al factorului xi. Se deosebete
efectul liniar sau principal (numeric egal cu valoarea absolut dubl
a coeficientului bi, ceea ce corespunde schimbrii lui Y la trecerea
numai a unui factor xi de la nivelul (-1) la nivelul (+1) i invers),
efectul ptratic (numeric egal cu bii i caracterizeaz nelinearitatea
modelului pentru factorul xi n punctual xi=0) i efectul
interaciunii (numeric egal cu bij i care caracterizeaz influena
comun asupra lui Y a doi factori xi i xj la schimbarea ambilor de
la 0 pn la |1|), sau aciunea unui factor xi asupra legturii altuia cu
Y.
Modelul de gradul doi cu un factor
(9.2)
Y = b0 + b1 x1 + b11 x12
reprezint o parabol cu extremumul Y = b b 2 4b n punctul
extr

11

x1.ex = b1 2b11
(9.3)
(determinat prin derivarea ecuaiei (9.2)).
Deoarece sunt cunoscute coordonatele vrfului parabolei
( x1.ex si Yextr ), direcia axei principale (vertical prin punctul x1.ex ) i
punctul care aparine parabolei (de exemplu, Y pentru x = 1 ),
1

parabola se poate uor construi folosind reguli geometrice

cunoscute. Totodat ea numaidect trece pentru x1 = 0 prin
coordonata Y = 0 . n funcie de semnul coeficienilor b si b se
1

11

schimb i forma curbei (fig.9.1.). Dac b11 = 0 , atunci parabola se

transform n linie dreapt care trece prin Y = b pentru x = 0 .
0

Parabola (9.2) se poate analiza ca un polinom cu n factori, dac se

cerceteaz influena unui factor i (n cazul de fa i =1).

109

Fig. 9.1. Reprezentarea grafic a modelului de gradul doi cu un

factor:
a) b1>0; b11<0; b) b1<0; b11<0; c) b1>0; b11>0;
d) b1<0; b11>0.
Valoarea absolut numeric a coeficientului bi arat viteza
schimbrii lui Y n funcie de factorul cercetat xi , iar valoarea
numeric absolut a coeficientului bii pe lng xi2 are sens de
acceleraie a schimbrii lui Y la schimbarea lui xi . Analiza
semnelor pe lng coeficienii b1 i b11 pentru modelul cu un factor
arat direcia de reglare a lui x1 pentru schimbarea cu un anumit
scop a ieirii Y. Dac Y trebuie s creasc, apoi rezolvrile gata
sunt prezentate in tabelul 9.1.

110

Tabelul 9.1. Metode de reglare a factorului x1 pentru majorarea lui

Y (modelul de gradul doi cu un factor)
b1 < 0
b1 = 0
b1 > 0
b11 < 0 se micoreaz se stabilizeaz x1 se mrete x1
x1 pn la x1extr la x = 0
pn la x1extr
1
(fig. 9.1, b)
(fig.9.1, a)
b11 = 0 se micoreaz nu se regleaz, se mrete x1
x1
pn
la deoarece factorul pn la valoarea
valoarea limit x1 nu influeneaz limit
x1 max
x1 min (fig. 9.1, asupra lui Y
(fig.9.1, c)
se trece de la
b11 > 0 d)
x1 = 0 n orice
direcie pn la
limitele x1 min sau
x1 max
Utiliznd modelele matematice, putem rezolva probleme de
interpolare, extrapolare, de apreciere a rolului factorului xi , de
reglare i optimizare. La interpolare se calculeaz valoarea lui Y
pentru orice xi n intervalele limit cercetate. La extrapolare se
calculeaz Y n afara limitelor de variere ale lui x . Cu ct mai
i

departe se va gsi xi de limitele cercetate, cu att mai mare va fi

eroarea extrapolrii.
n unele cazuri se recomand a aprecia factorul prin raportul
b1/b0, b11/b0 care arat cu ct schimbarea factorului xi influeneaz
asupra valorii medii a parametrului de ieire Y /b0 =1.
Problemele reglrii sunt analizate in tabelul 9.1.
Problemele de optimizare pot fi formulate in dou variante:
a) s se obin nivelul cel mai bun al ieirii Y (maximal sau
minimal n funcie de formularea scopului, n particular,
111

Yextr ) la cheltuieli depline ale resurselor eliberate pentru

obinerea scopului (fig. 9.2.);
b) s se obin nivelul dat al lui Y la un minimum de cheltuieli
de resurse (fig 9.2, b).

Fig. 9.2. Dou tipuri de probleme de optimizare:

a) maximizarea ieirii Y la cheltuieli depline a resurselor x;
b) minimizarea cheltuielilor de resurse x la atingerea nivelului dat Ytr i situarea
zonei de compromis x la cercetarea a doi parametri de optimizare (c)

Modelul de gradul doi pentru doi factori are forma:

Y = b0 + b1 x1 + b2 x2 + b11 x12 + b22 x22 + b12 x1 x2 .
n funcie de prezena coeficienilor bi , bii , bij

(9.4)
modelul

reprezint una din suprafeele de gradul doi (fig.9.3): plan, cilindru

parabolic, paraboloid eliptic, paraboloid hiperbolic a).
Proiecia suprafeei Y pe planul factorilor x1 i x2 se reprezint n
form de linii de ieire egal n toate punctele n care ieirea Y are
valoarea constant YA independent de coordonatele x1 i x2 .
9.2. Construirea izoliniilor

Se aleg cteva seciuni ale spaiului factorial (de regul, ase

seciuni pentru x1 = 0 ; x1 = 1 ; x2 = 0 ; x2 = 1 ); se calculeaz (n
locul unui xi se substituie 0 sau 1 i se adun membrii
asemntori) ecuaia fiecrei seciuni de tipul:
112

Y = b0' + bi' xi + bii xi2 .

(9.5)

Rezolvarea ecuaiei ptratice (9.5) are forma:

( )

2
bi'
1 ' bi'
xi =

.
Y b0
2bii
bii
4
b
ii

(9.6)

Substituind n formula (9.5) valoarea lui Y pentru izolinia

dat, gsim coordonatele punctelor de ntretiere cu seciunea x j
care i corespund. Punctele izoliniilor n toate seciunile se unesc
uor cu o linie; pentru comoditate n construire uneori este raional
a examina seciuni adugtoare n afara zonei de experimentare, de
exemplu, x j = 2 .a.m.d. i, de asemenea, a determina centrul
suprafeei i direcia axelor principale.
Dac polinomul conine numai membri liniari (bii = b12 = 0 ) ,
atunci el descrie un plan, izoliniile cruia sunt nite drepte paralele
(fig.9.3, a).
Dac n cadrul polinomului factorul x1 are numai efect liniar
(bii = b12 = 0) , iar x2 liniar i ptratic, atunci (9.6) el descrie un
cilindru parabolic (fig. 9.3, b) cu convexitatea n sus, dac b22 < 0 ,
izoliniile lui reprezint o familie de parabole cu ax principal
comun:

Y = b0 + b1 x1 + b2 x2 + b22 x22 .

113

(9.7)

Fig.9.3. Forme geometrice ale suprafeelor de gradul doi

114

Dac polinomul conine i efecte liniare, i ptratice (ns

b12 = 0! ), atunci (9.7) descrie un paraboloid eliptic (fig.9.3, c) sau
hiperbolic (fig.9.3, d). Paraboloidul eliptic va avea convexitatea n
sus dac efectele ptratice sunt negative ( b11 < 0 i b22 < 0 ).
Izoliniile lor reprezint o familie de elipse cu un centru comun.
Paraboloidul hiperbolic se formeaz dac efectele ptratice au
diferite semne: izoliniile lui sunt o familie de hiperbole cu centrul
comun:
(9.8)
Y = b0 + (b1 x1 + b11 x12 ) + (b2 x2 + b22 x22 ) .
n modelele (9.7) i (9.8) lipsete efectul de interaciune b12 ,
adic aceste modele sunt compuse (9.9) din dou funcii parabolice
independente Y {xi } de fiecare factor aparte (9.10):
(9.9)
Y = b + Y {x } + Y {x } ;
0

Y {xi } = bi xi + bii xi2 .

(9.10)
Deci, pentru funcia de tipul (9.9) pot fi utilizate toate regulile
care se refer la interpretarea modelelor cu un factor, n special,
poziia extremumului (maximumului, minimumului, punctului de
a) se determin analogic (9.3) cu coordonatele:
x1extr = bi 2bii .

Dac polinomul conine coeficientul b12 0 (efectul

interaciunii), ns nu conine efecte ptratice bii (polinom de gradul
doi necomplet), atunci (9.11) el descrie o suprafa de a a
paraboloidului hiperbolic (fig.9.3, e), izoliniile cruia sunt o familie
de hiperbole cu un centru comun:
(9.11)
Y = b0 + b1 x1 + b2 x2 + b12 x1 x2 .
Valorile absolute numerice ale coeficientului b12 al efectului
de interaciune arat cu ct se va schimba viteza creterii Y n
funcie de x1 , dac alt factor x2 se va schimba de la 0 pn la 1 .

115

Dac n modelul (9.11) x2 l egalm cu 1 , atunci viteza de

cretere a lui Y n funcie de x1 se va schimba cu valoarea b12 :
(9.12)
Y = (b + b ) + (b + b )x = b ' + b ' x .
0

12

1 1

Astfel, dac b12 0 , atunci influena fiecrui factor poate fi

determinat corect numai pentru nivelurile fixe ale tuturor
factorilor xi legai cu dnsul. Trebuie de menionat c n acest caz
axele principale ale izoliniilor pe planul ( x1 , x2 ) sunt rotite fa de
axele de coordonate x1 i x2 la un unghi , tangenta cruia este
proporional cu valoarea absolut a efectului de interaciune.
Cercetarea polinomului n ntregime se poate efectua n mod
grafic sau utiliznd metodele geometriei analitice, obinnd
descrierea canonic a izoliniilor. Modelele matematice obinute n
urma utilizrii teoriei matematice a experimentului pot fi folosite
nu numai ca formule de interpolare, dar i pentru cutarea valorilor
optimale ale parametrului de ieire Y att n zona de experimentare,
ct i la o oarecare ndeprtare de la graniele ei.
Optimizarea cu ajutorul modelelor matematico-statistice se
efectueaz n condiiile unor limitri impuse sistemului tehnologic
(factorii stabilizai, limitele de variere a variabilelor, condiiile de
cercetare a sistemului . a.). De aceea, rezolvarea se obine obiectiv
optimal, ns numai pentru zona apropiat de zona experimentrii.
Schimbarea limitelor poate s schimbe semnificativ i condiiile de
optimum.
Optimumul poate fi determinat prin urmtoarele ci:
1. Forma polinomial se supune cu greu analizei chiar pentru
n = 2, de aceea se efectueaz transformarea ecuaiilor
suprafeelor de tipul (9.4) n form canonic.
2. Metoda de calculare a tuturor combinaiilor posibile ale
variabilelor independente care se cuantific ntr-un mod
arbitrar oarecare.

116

3. Metoda de cutare pentru limitri impuse in form de sfer

cu centrul situat n centrul experimentului i cu raza egal
cu raza punctelor stelare ale planului.
4. Metoda de cutare rapid n direcia crestei sau a
jgheabului.
5. Metoda de cutare consecutiv.
6. Construirea monogramelor.
9.3. Criteriile de determinare a optimalitii planurilor de
experimentare

Una dintre problemele teoriei planificrii experimentului este

situarea punctelor de experimentare n spaiul factorial (cub, sfer
sau simplex) ct se poate mai optimal. Nivelurile factorilor pot fi
admise, de exemplu, conform planurilor ortogonale sau rotatabile,
compoziionale, ns aceste metode nu epuizeaz toate metodele
posibile de situare a punctelor de experimentare n spaiul factorial.
Descrierea criteriilor de optimalitate
Primul grup: criteriile sunt n funcie de elipsoidul de
dispersare a estimaiilor coeficienilor modelului.
Planuri D-optimale. Conform acestui criteriu, nivelurile factorilor
trebuie s se situeze astfel, nct s se asigure volumul minim al
elipsoidului dispersrii estimaiilor coeficienilor modelului
matematic, adic:
Det (M-1) = Det|(XTX)-1S2 {Y}| => min.
Cum a fost demonstrat mai nainte, n general, acest
determinant include att dispersiile, ct i covariaiile. Pentru
planurile ortogonale, cnd matricea dispersiilor-covariaiilor este
diagonal, acest determinant este egal cu produsul dispersiilor
estimaiilor coeficienilor modelului:
S 2 {b1} S 2 {b2 } K S 2 {bn } min .
Produsul dispersiilor (sau valoarea lor medie geometric) se
numete dispersie generalizat. Aceasta nseamn c pentru
planurile D-optimale dispersia generalizat are valoarea cea mai

117

mic. Denumirea de plan D-optimal provine de la cuvntul englez

determinant.
Planuri A-optimale. Nivelurile factorilor trebuie s se situeze astfel,
nct s se asigure minimumul valorii medii a dispersiilor
estimaiilor coeficienilor modelului matematic:
S 2 {b1} + S 2 {b2 } + K + S 2 {bn }
= S 2 {b} min ,
d
unde: d numrul coeficienilor modelului.
Aceasta nseamn c criteriul A se calculeaz fr a ine seama
de covariaii, n timp ce criteriul D se calculeaz innd cont de
dispersii i covariaii.
Denumirea criteriului A vine de la expresia englez Average
variance - dispersie medie. Ultima adesea se numete urm a
matricei i se noteaz tr sau spur. Deci, pentru planurile A:
tr M 1 = spur M 1 min .
Planuri E-optimale. Nivelurile factorilor trebuie situate astfel, nct
valoarea cea mai mare proprie matricei dispersiilor-covariaiilor
M -1 s fie minimal, adic:
max M 1 min .
Optimalitatea E a planurilor apropie volumul elipsoidului de
sfer i acest criteriu nu permite ca volumul elipsoidului dispersrii
estimaiilor coeficienilor modelului s aib forma trabucului.
Denumirea E-optimal provine de la expresia englez Eigen value
valoare proprie.
Grupul al doilea: criteriile sunt n functie de dispersia valorii
pronosticate a funciei de rspuns S2 {Y}= XT (XTX)-1 S2 {Y}X.
Planuri G optimale. Minimizeaz valoarea maxim a dispersiei
valorii pronosticate a funciei de rspuns:
max S 2 Y min .

[ ]

[ ]

[ ]

{}

Modelul cu un factor de gradul doi i trei se poate reprezenta

grafic (fig. 9.4, a, i b).
118

n anul 1957, Chifer i Volifovi au demonstrat teorema despre

echivalena planurilor D- i G-optimale. Aceast nsuire este
evident. ntr-adevr, cu ct mai mic este volumul elipsoidului
dispersrii estimaiilor coeficienilor, cu atta este mai precis
modelul i cu att este mai mic eroarea abaterii funciei teoretice
de la valorile experimentale.

Fig. 9.4. Ilustrarea planurilor G-optimale:

1 valoarea experimental a funciei de rspuns; 2 valoarea teoretic; dmax
abaterea optimal

Denumirea G-optimal provine de la expresia englez General

variance dispersia general.
Planuri rotatabile R. Nivelurile factorilor trebuie situate astfel
nct la rotirea axelor de coordonate i ndeprtarea punctului de
pronosticare de la centrul planului dispersia valorii pronosticate a
funciei de rspuns s rmn neschimbat, deci:

{}

S 2 Y = X iT M 1 X i = d ( x ) = const .

Planuri Q - optimale. Ele minimizeaz dispersia medie a

valorii pronosticate a funciei de rspuns:

{}

S 2 Y =

{} {}

{}

S 2 Y1 + S 2 Y2 + K + S 2 Yn
min .
n
119

10. ANALIZA DE REGRESIE

10.1. Date generale

La rezolvarea problemelor tehnologice este necesar a construi

relaii matematice care ne dau posibilitatea de a determina
schimbarea cantitativ a parametrului de ieire Y la schimbarea
valorii unuia sau a mai multor parametri de intrare. Cum se
menioneaz n [2], metodele analizei de regresie sunt folosite n
cazul dependenei variabilei aleatorii de variabila nealeatorie X.
Caracterul fizic al acestei legturi poate avea dou pri
contradictorii: a) schimbarea lui este legat inevitabil de oricare
erori ntmpltoare de msurare, iar mrimea variabil X se
msoar fr erori sau aceste erori sunt neglijabile mici n
comparaie cu erorile de msurare corespunztoare ale variabilei
dependente; b) valorile lui
depind nu numai de valorile
corespunztoare ale lui X, ci nc de un ir de factori necontrolai,
de aceea pentru fiecare mrime fixat a lui X mrimea
corespunztoare a lui este supus inevitabil oricrei dispersri .
La construirea modelelor statistice una dintre cele mai dificile
probleme este alegerea formelor de legtur matematic, adic a
funciei analitice care leag elementele sistemului tehnologic
examinat.
n cel mai simplu caz de dependen ntre dou variabile,
forma de legtur poate fi determinat din graficul Y de x. Dac Y
se schimb aproximativ proporional odat cu creterea lui x, atunci
n grafic se va construi o linie dreapt care se descrie prin ecuaia:
Y = b0 + b1 x .
(10.1)
ns, n practic, graficele dependenelor empirice prin
nfiarea lor adesea se deosebesc foarte mult de cele liniare, de
aceea apare necesitatea utilizrii altor tipuri de dependene
(fig.10.1, tabelul 10.1) cum ar fi cele hiperbolice(curbele 1-4),
exponeniale (curbele 5-7), de gradul n (curbele 8-10), logaritmice
(curbele 11-12) i altele.
120

Fig.10.1. Cteva funcii care pot fi transformate n liniare

n unele cazuri, aceste funcii, n urma transformrilor
variabilelor, se liniarizeaz uor. Astfel, dependena exponenial
u = Aebz (curba 6 din fig.10.1, tabelul 10.1) se transform n liniar
de tipul Y = b0 + b1 x la nlocuirea variabilei experimentale u cu
Y = ln u (pentru x = z). n acest caz valoarea b0 = ln A .
La cercetarea dependenei dintre trei i mai multe variabile
determinarea grafic a tipului de legtur este foarte dificil, iar
dac tipul legturii nu este cunoscut apriori, atunci analiza trebuie
nceput cu ecuaiile liniare de tipul:
Y = b0 + b1 x1 + b2 x2 + ... + bn xn .
(10.2)

121

Tabelul 10.1. Transformarea funciilor

Nr. Funcia
TransforNr. Funcia
Transforcrt.
marea
crt.
marea
Y
x
Y
x
1
u
7
1
b
1
e z
u = a + z 1
u =a+
be
z
z
u

1
a + bz

1
u

1
u

1
z

1
u

1
z

10

z
az + b
b
la 2 < 0
a
z
u=
az + b
b
la 2 > 0
a
u = Ae z

log.u z

11

u = Ae

ln.u

12

u=
u=

bz

u = Az b ,
la b > 0
(par)
u = Az b ,
la b > 0
(impar)

log.u log.z

u = Az b
la b < 0

log.u log.z

u = a + b lg z

la b > a
u = a + b lg z

la b < a

log.u log.z

log.z

log.z

Cnd avem dou variabile independente x1 i x2 , ecuaia

descrie un plan; pentru n > 2 ea descrie un "hiperplan" n spaiu de
dimensiunea n.
La ecuaia liniar (10.2) se poate reduce orice polinom:
n

Y = b0 + bi xi + bij xi x j + bii xi2 + ...

i =1

i j

122

(10.3)

Pentru aceasta, membrii care conin combinrile xi x j i

membrii de grad superior xi2 trebuie nlocuii cu variabile liniare
fictive, de exemplu, x12 = xk +1 ; x22 = xk +2
10.2. Estimarea coeficienilor de regresie n general

Pentru determinarea estimaiilor coeficienilor de regresie a

ecuaiilor liniare sau liniarizate, nti trebuie prezentat n form de
tabele materialul statistic iniial obinut la efectuarea
experimentului pasiv sau luat din arhivele uzinelor sau fabricilor.
n coloanele tabelului se nscriu caracteristicile numerice ale
parametrilor cercetai, iar fiecare rnd corespunde unei observaii
(unei experiene) anumite. n general, tabelul datelor iniiale trebuie
s aib urmtoarea form (tabelul 10.2).
Tabelul 10.2. Forma reprezentrii datelor iniiale
Nr.experienei
Factorii tehnologici (1m)
(1n)
A0
Ai
A1
A2

Am

Y1

x11

x12

x1i

x1m

Y2

Yk

x21

xk 1

x22

xk 2

Yn

xn1

xn 2

x2 i

xki

xni

x2 m

xkm

xnm

Mrimile Y i x pot reprezenta nu numai factorii tehnologici,

dar i logaritmii lor ( xik = log zik ) sau alte mrimi transformate.
Tabelul matematic al datelor iniiale poate fi reprezentat prin
matricea M xY :

123

x11 x22 x1i x1m

Y1

Y2 x21 x22 x2i x2 m

M xY =
(10.4)
xk1 xk 2 xki xkm
Yk

Y
x
x
x
x

n1
n2
ni
nm
n
Pentru elementele primei coloane ale matricei se nainteaz
ipoteza precum c ele au relaii de reciprocitate cu elementele altor
coloane, i anume, aceste relaii, n prima aproximare, pot fi
descrise printr-o ecuaie de regresie liniar:
Y = b0 + b1 x1 + b2 x2 + + bi xi + + bm xm ,
(10.5)

unde: b0 , b1 , b2 , , bi , , bm - coeficienii de regresie ponderai care

servesc ca estimaii ale coeficienilor de regresie teoretici
0 , 1 , 2 , , i , , m .
Pentru determinarea estimaiilor coeficienilor de regresie este
raional a folosi metoda celor mai mici ptrate, conform creia se
minimizeaz suma S a ptratelor diferenelor dintre valorile reale
ale variabilei dependente Y i valorile ei calculate Y :
2

S = Yk Y = min .
(10.6)

k =1
Pentru utilizarea metodei celor mai mici ptrate trebuie s se
ndeplineasc urmtoarele condiii:
1) parametrul de optimizare trebuie s fie o mrime aleatorie
distribuit normal cu dispersie constant, iar toate valorile
factorilor trebuie s nu fie aleatorii;
2) factorii nu trebuie s fie corelai.
Cnd volumul eantionului este destul de mare, condiia ca
variabila dependent s fie distribuit normal nu este obligatorie.
Funcia cutat S poate fi prezentat astfel:
n

124

S = (Y b0 b1 x1 bi xi bm xm ) = min .
2

(10.7)

k =1

Desfurnd n continuare metoda celor mai mici ptrate,

trebuie gsite derivatele pariale n raport cu variabilele b1 , b2 , , bm
i egalate cu zero, ceea ce d posibilitatea de a minimiza funciile
n raport cu aceste variabile.
De exemplu, pentru bi , obinem:
S
= 2(Y b0 b1 x1 bm xm )( x1 ) = 0
b1
sau
b0 x1 + b1 x12 + + bi xi x1 + + bm x1 xm = xY . (10.8)
Pentru simplificarea de mai departe indicm:
xiY = iY
xi x j = ij
(10.9)

2
=
x

i ii

xi = i 0
Pentru aceste nsemnri ecuaia (10.8) se va scrie n felul
urmtor:
b010 + b111 + + bi1i + + bm1m = 1Y .
(10.10)
Dup egalarea cu zero a derivatelor pariale, luate n raport cu
toi bi , se obine sistemul de aa-numitele ecuaii normale:
b0 00 + b1 01 + + bm 0 m = 0Y
b010 + b111 + + bm1m = 1Y

.............................................
b0 n 0 + b1 n1 + + bm nm = nY
sau n form de matrice:

125

(10.11)

 00 01 0 m b0 0Y

10 11 1m b1 1Y
(10.12)

n 0 n1 nm bm nY
Rezolvarea sistemului poate fi efectuat prin orice metod
cunoscut. La mainile de calcul se poate folosi metoda lui Gauss
algoritmul creia se gsete n biblioteca programelor standard ale
mainilor de calcul.
n urma rezolvrii se obine matricea {(Cij)} care este invers
matricei ecuaiilor normale {(aij)} i se numete matrice de
corelaie:
C00 C01 C0 m

{(Cij )} = C 10 C 11 C 1m
(10.13)

Cn 0 Cn1 Cnm
cu ajutorul creia se pot determina coeficienii de regresie:
bi = Cij ij

(10.14)

i, de asemenea, un ir de caracteristici statistice necesare pentru

analiza semnificaiei legturilor statistice.
10.3. Cazul cu dou variabile

Pentru forma liniar a legturii dintre dou variabile

Y = b0 + b1 x

(10.15)

conform metodei celor mai mici ptrate:

n

(Y b
i =1

b1 xi ) = min .
2

126

(10.16)

Dup derivare obinem:

n

2 (Yi b0 b1 xi ) = 0

i =1
(10.17)

2 (Yi b0 b1 xi )xi = 0

i =1
apoi dup deschiderea parantezelor i transformrilor evidente:
n
n

nb0 + xi b1 = Yi

i =1
i =1
(10.18)

n
n
n
2
xi b0 + xi b1 = Yi xi

i =1
i =1
i =1
Rezolvnd sistemul (10.18) fa de b0 i b1 obinem:

b0
b1

Y x x x Y
=
n x ( x )
n x Y x Y
=
n x ( x )
2
i

i i

i i

2
i

2
i

(10.19)

(10.20)

Valoarea lui b0 se poate determina i prin formula care reiese din

prima ecuaie a sistemului (10.18):
Yi b xi = Y b x .
(10.21)
b0 =
i
i
1 i
n
n
Dispersiile coeficienilor:
S 2 {Y } xi2
2
S {b0 } =
;
(10.22)
2
n xi2 ( xi )

S 2 {b1} =

S 2 {Y }n

n xi2 ( xi )

(10.23)

n aceste formule dispersia S 2 {Y } se determin prin formula:

127

S 2 {Y } =

(Y Y )

i =1

,
n 1
unde: Yi - valoarea curent a mrimii aleatorii;

(10.24)

Y - valoarea medie a mrimii aleatorii;

n - numrul de experiene (observaii).
Ipoteza despre semnificaia coeficienilor de regresie se
verific, utiliznd criteriul t:
b
(10.25)
t= i ,
S {bi }
unde: S {bi } - abaterea medie ptratic a coeficienilor:
S {bi } = S 2 {bi } .
Valoarea calculat a lui t se compar cu cea tabelar ttab
(tabelul A.2 al anexei) pentru nivelul de semnificaie = 0,05 i
numrul de grade de libertate al dispersiei reproductibilitii S 2 {Y }.
Dac t < ttab, se admite ipoteza c bi = 0.
Pentru aprecierea corespunderii ecuaiei de regresie obinute cu
2
datele experimentale Yi, dispersia remanent S rem
se compar cu

dispersia valorilor reale S 2 {Y }.

2
Mrimea S rem
caracterizeaz dispersarea datelor experimentale

de acum nu fa de valoarea medie Y , dar fa de linia de regresie

admis de cercettor. Dac n limit linia de regresie va trece prin
toate punctele experimentale Yi, atunci nu va fi nici o dispersie, iar
2
dispersia remanent va fi egal cu zero: S rem
= 0 . Dispersia
remanent se calculeaz prin formula:

(Y
2

2
S rem
=

i =1

Yi

nk

128

(10.26)

unde: Y - valorile calculate ale variabilei dependente prin ecuaia

de regresie obinut de cercettor;
k - numrul de coeficieni care se determin.
Verificarea general a veracitii ecuaiei de regresie se
efectueaz innd cont de criteriului Fischer (criteriul F):
S2
F f = 2rem .
(10.27)
S {Y }
Valoarea calculat a criteriului Ff se compar cu cea teoretic
Ft dat n tabelul A.3 al anexei pentru nivelul de semnificaie =
0,05, numrul de grade de libertate la numrtor f R = n k i
n(m 1) la numitor. Dac Ff < Ft, aceasta nseamn c ecuaia de
regresie descrie adecvat procesul studiat i invers.
Trebuie de menionat c aprecierea semnificaiei coeficienilor
de regresie bi aparte n ecuaiile calculate pe baza datelor
experimentului pasiv nu este corect, deoarece coeficienii de
regresie se determin nu independent unul de altul, ci sunt corelai
ntre ei cu coeficientul de corelaie r {bi b j }:
r {bi b j } =

Cij
Cii Cij

(10.28)

unde: Cij , Cii - elementele matricei (10.13).

Din (10.28) reies urmtoarele:
- eliminarea unuia dintre coeficienii bi conduce la necesitatea
recalculrii depline a valorilor coeficienilor rmai;
- toi coeficienii bi pot fi nesemnificativi, iar nsui ecuaia va fi
semnificativ, deoarece informaia poate s se distribuie uniform pe
un numr mare de coeficieni;
- coeficienii bi vor fi independeni dac toi Cij = 0 , adic
matricea va fi diagonal; astfel de situaii apar la planificarea
special a experimentului.
Modelele matematice n form de ecuaii de regresie calculate
pe baza datelor de arhiv i rezultatelor experimentului pasiv au un
129

ir de particulariti despre care tehnologul trebuie s in cont cum

ar fi:
a) ecuaiile de regresie se pot folosi mai ales pentru interpolare
n interiorul diapazonului de variaie a factorilor tehnologiei
(xi )min (xi )max pentru care s-a obinut ecuaia;
b) n ecuaia de regresie nu sunt inclui nici pe departe toi
factorii care influeneaz n realitate parametrul de ieire Y. De
aceea, ecuaia de regresie este util numai pentru producerea
concret unde s-a colectat materialul statistic.
Din cauza schimbrii n timp a condiiilor procesului
tehnologic, este raional a calcula periodic ecuaiile de regresie pe
baza datelor de arhiv.
10.4. Exemplu de utilizare a analizei de regresie
ntr-una din experiene s-a cercetat influena coeficientului de
umplere a tobei cu material Ku (factorul x) asupra rezistenei la
naintare Y prin nisip a barei malaxorului. Rezultatul experienelor
sunt date n tabelul 10.3. Pentru fiecare coeficient de umplere s-au
efectuat cte patru experiene paralele. Dependena rezistenei la
naintare de coeficientul de umplere este reprezentat n mod grafic
n figura 10.2.

Fig. 10.2. Rezistena la naintare n funcie de Ku

130

Tabelul 10.3. Rezultatele experienelor i calculele necesare

Coeficientul
de umplere x
0,1
0,2
0,3
0,4
0,5

Rezistena la naintare, N
Y4

Yi

4,4 3,7 3,8 4,1

12 8
9 11
23 18 22 21
44 38 39 47
80 76 82 74

4
10
21
42
78

Y1

Y2

Y3

(Y Y )

j =1

S {Yi } =
2

1
36
36
196
144

(Y Y )
j =1

m 1

0,333
12
12
65,33
48
n

131

S {Y } = 137,663
i =1

131

Yi Yi Yi
5
8
21
44
77

1
4
0
4
1
n

= 10
i =1

Observm c odat cu majorarea coeficientului de umplere

rezistena nti crete uor, apoi de la Ku = 0,3 creterea este mai
rapid.
Verificm omogenitatea dispersiilor rezultatelor obinute,
utiliznd criteriul G:
S 2 {Y }
65,33
G = n i max =
= 0,475 .
137,663
2
S {Yi }
i =1

Valoarea tabelar a lui G este (tabelul A.l al anexei):

= 0,05
.
Gt = 0,60
f
=
3
;
n
=
5

Deoarece G < Gt (0,475 < 0,60) , tragem concluzia c dispersiile

experienelor sunt omogene.
S-a luat decizia de a descrie dependena y = f ( x ) printr-o
parabol de gradul doi:
Y = b0 + b1 x + b11 x 2 .
Utiliznd metoda celor mai mici ptrate i innd cont de (6) i
(7) scriem:

(Y b
n

i =1

b1 x b11 x 2 = min .

Dup derivarea parial n raport cu b0 , b1 i b11 i egalarea cu

zero obinem:
n

2 (Yi b0 b1 x b11 x 2 ) = 0

i =1

2
2 (Yi b0 b1 x b11 x )( x ) = 0
i =1

2 (Yi b0 b1 x b11 x 2 )( x 2 ) = 0
i =1

132

Dup deschiderea parantezelor i transformrile evidente

obinem:
n
n
n

nb0 + xb1 + x 2b11 = Yi

i =1
i =1
i =1

n
n
n
n

2
3
xb0 + x b1 + x b11 = Yi x

i =1
i =1
i =1
i =1

n
n
n
n

x 2b0 + x 3b1 + x 4b11 = Yi x 2

i =1
i =1
i =1
i =1

nb 0 +b1 x + b11 x 2 = Yi

2
3
b 0 x + b1 x + b11 x = Yi x

2
b 0 x + b1 x 3 + b11 x 4 = Yi x 2
Substituim
valorile
lui
n, x, x 2 , x 3 , x 4 i

Y , Y x, Y x
i

(tabelul 10.4) i obinem:

Tabelul 10.4. Calcularea sumelor

Numrul
curent
1
2
3
4
5
Suma

x2

x3

0,1
0,2
0,3
0,4
0,5
1,5

0,01
0,04
0,09
0,16
0,25
0,55

0,001
0,008
0,027
0,064
0,125
0,225

x , x , x , Y , Y x , Y x
2

x4

5b 0 +b1 1,5 + b11 0,55 = 155

0,0001
0,0016
0,0081
0,0256
0,0625
0,0979

1,5b 0 +b1 0,55 + b11 0,255 = 64,5

II
0,55b 0 +b1 0,225 + b11 0,0979 = 28,55 III

133

Yi

Yi x

Yi x 2

4
10
21
42
78
155

0,4
2
6,3
16,8
39,0
64,5

0,04
0,4
1,89
6,72
19,5
28,55

Din I aflm:
155 b1 1,5 b11 0,55
b0 =
= 31 0,3b1 0,11b11 .
5
nlocuim b0 n II i III:

IV

1,5b0 = 1,5(31 0,3b1 0,11b11 ) = 46,5 0,45b1 0,165b11

0,55b0 = 0,55(31 0,3b1 0,11b11 ) = 17,05 0,165b1 0,0605b11

46,5 0,45b1 0,165b11 + 0,55b1 + 0,225b11 = 64,5

17,05 0,165b1 0,0605b11 + 0,225b1 + 0,0979b11 = 28,55

0,1b1 + 0,06b11 = 18 (a )

0,06b1 + 0,0374b11 = 11,5 (b )

nmulim la (-0,6) ecuaia (a) i nsumm (a) cu (b):
0,06b1 0,036b11 = 10,8

0,06b1 + 0,0374b11 = 11,5

Suma 0,0014b11 = 0,7
0,7
b11 =
= 500.
0,0014
Substituim b11 = 500 n ecuaia (a):
0,1b + 0,06 500 = 18
18 0,06 500
b1 =
= 120
0,1
Introducem b11 = 500 i b1 = 120 n ecuaia IV
b0 = 31 0,3b1 0,11b11

b0 = 31 0,3( 120) 0,11 500 = 12 .

Astfel, ecuaia parabolei este urmtoarea:
Y = 12 120 x + 500 x 2 .
Verificm corespunderea ecuaiei obinute cu datele
experimentale Yi . Pentru aceasta, calculm valorile teoretice ale
parametrului de ieire Yi (tabelul 10.3).
134

Determinm ptratele diferenelor Yi Yi

din tabel.
n

Suma remanent SS R = Yi Yi
i =1

pentru fiecare rnd

) = 10 .
2

Dispersia necorespunderii:
SS R
10
10
=
=
= 5,
fR
nk 53
unde: fR numrul de grade de libertate ale dispersiei
necorespunderii, fR =n k = 5 3 = 2;
k numrul de coeficieni ai ecuaiei de regresie, k = 3.
Dispersia variabilei dependente Yi :
S R2 =

S {Y }
2

137,663
= 27,53
n
5
cu numrul de grade de libertate f = n(m 1) = 5(4 1) =15.
Criteriul Fischer:
S2
5
F= 2R =
= 0,18 .
S {Y } 27,53
Valoarea tabelar a criteriului Fischer (tabelul A.3 din anex):
= 0,05

Ft = 3,7 f R = 2
f = 15

Deoarece F < Ft (0,18 < 3,7), tragem concluzia c ecuaia de

gradul doi descrie adecvat procesul de naintare a barei prin
material.
Din figura 10.2 observm c parabola admis (funcia
teoretic) descrie dependena experimental n toate punctele cu o
precizie nalt.
S 2 {Y } =

i =1

135

11. ANALIZA DISPERSIONAL

11.1. Date generale

Analiza dispersional este o variant de analiz a datelor

experimentale conform schemei factoriale i se efectueaz la
cercetarea influenei totalitii factorilor asupra rezultatelor
observaiei sau a experienei.
Analiza dispersional d posibilitatea de a determina influena
real a fiecrui factor studiat printr-un numr minim de experiene.
Analiza dispersional se efectueaz la controlul statistic al
calitii produciei prin determinarea influenei factorilor asupra
abaterilor de la regim. Dac se opteaz pentru mbuntirea
calitii produciei prin implementarea progreselor tehnice,
schimbarea regimului procesului sau folosirea altui component
chimic i altele se efectueaz analiza dispersional care d
posibilitatea de a gsi variantele cele mai bune ale fiecrui factor
aparte, precum i ale tuturor celorlali, comparnd rezultatele
acionrii diferitelor variante ale factorilor n toate combinaiile lor
posibile.
Obiectivul analizei dispersionale este cercetarea influenei
factorilor asupra variabilitii valorilor medii ale mrimilor aleatorii
observate.
Analiza dispersional const n evidenierea i estimarea
factorilor care provoac variabilitate. Cu acest scop, dispersia
totalitii pariale observate general se descompune n componente
provocate de factorii independeni. Fiecare dintre aceste
componente prezint estimaia dispersiei n totalitatea general.
Pentru verificarea semnificaiei acestor estimaii ale dispersiei
ele se compar cu estimaia dispersiei aprute numai n urma
componenei ntmpltoare a totalitii pariale. Aprecierea
semnificaiei estimaiilor dispersiei se efectueaz cu ajutorul
statisticii F.
Dac valoarea observat a statisticii F este mai mic dect cea
teoretic, aceasta dovedete c nu sunt temeiuri pentru a acorda o
136

mare atenie influenei acestui factor asupra variaiei valorii medii a

mrimii aleatorii, ns, dac valoarea observat a lui F va fi mai
mare dect cea teoretic, atunci factorul cercetat influeneaz
asupra variaiei valorilor medii.
Dup ce, efectund analiza dispersional, se va estima
influena factorilor asupra variaiei valorilor medii ale mrimii
aleatorii i problema se va rezolva pozitiv, adic estimaia
dispersiei va fi apreciat ca semnificativ, este necesar a purcede la
cercetarea amnunit a factorilor aparte. Pentru aceasta se
determin estimaia divergenei valorilor medii obinute la ncercri
pentru fiecare factor. La rezolvarea acestei probleme este folosit
statistica t.
n unele cazuri, parametrii cercetai depind de factori care nu
au descriere cantitativ. Astfel de factori pot fi variabilele nedirijate
i dirijate, care din unele motive nu pot fi msurate n experimentul
dat i, de asemenea, acele variabile necontrolate, nivelurile de
variere aleatorii ale crora pot fi alese necondiionat i fixate n
timp.
Pentru cercetarea influenei factorilor de acest fel asupra
parametrului de ieire i pentru estimarea lor, ornduirea i
evidenierea celor mai semnificativi, sunt utilizate metodele
analizei dispersionale. De exemplu, se poate analiza prelucrarea
pieselor la cteva maini-unelte ale liniei automate, determinnd
dac piesele confecionate la diferite maini-unelte au aceleai
dimensiuni, adic, dac influeneaz semnificativ factorul de
individualitate a mainii-unelte asupra procesului de prelucrare sau
nu.
Problem general. Sunt date:
1) parametrul de ieire Y, care poate depinde de n factori
independeni x1 , x 2 ,..., xi ,..., x n , ce nu pot fi descrii n mod
cantitativ, i de interaciunea dubl a lor (indicarea variabilelor: x pentru cele dirijate, z - nedirijate, w - necontrolate);
2) fiecare factor xi poate fi variat la j niveluri;
137

3) experimentul factorial deplin este compus din

N = u1u 2 ...u i ...u n serii de observaii independente n funcie de
numrul total de combinaii posibile ale nivelurilor de factori n;
4) fiecare serie j conine mj observaii Y j1 , Y j 2 , Y j 3 ,..., Y jl ,..., Y jm j
de experiene duble.
Se cere a determina n ce msur este semnificativ pe fondalul
erorilor accidentale influena unui sau altui factor xi sau a
combinaiei (interaciunii) de factori asupra parametrului de ieire
Y, i a-l compara cu ali factori; a-i evidenia pe cei mai
semnificativi.
Condiiile analizei dispersionale:
1) mrimea z are distribuie normal cu centrul
M [Y ] = ( x1 , x 2 ,..., xi ,..., x n ) = const i dispersia

2 {Y } = const ;

2) dispersia unei observaii 2 condiionat de erorile

accidentale este constant n toate experienele i nu depinde de
x1 , x 2 ,..., xi ,..., x n , deci, dispersiile 2j {Y } vor fi egale pentru

j = 1,2,..., N , iar estimaiile lor de antion S 2 {Y } sunt similare

(omogene) - condiia reproductibilitii experienelor.
Fiecare dintre aceste condiii trebuie verificat la realizarea
observaiilor experimentului analizat.
Din datele problemei i condiiile indicate este vdit c cu ct
este mai mare influena oricrui factor x asupra parametrului de
ieire Y, cu att este mai mare divergena dintre mediile aritmetice
Y j ale irurilor de observaii paralele efectuate la diferite

combinaii ale nivelurilor de variaie a factorilor cercetai.

Semnificaia statistic a acestei divergene dovedete faptul
influenei substaniale a factorilor.
Ideea de baz a analizei dispersionale const n descompunerea
dispersiei generale S2 n componente care depind de cauze aleatorii,
de fiecare din factorii examinai i interaciunile lor aparte, iar n
138

estimarea semnificaiei statistice a dispersiilor innd cont de

eroarea reproductibilitii experienei.
11.2. Analiza numai a unui factor

Rezultatele experienelor se includ n tabelul 11.l care conine

n x m observaii ale lui Y jl . n tabel: j - numrul de rnd al nivelului
de variaie a factorului;
l - numrul de rnd al experienei paralele n ir pentru fiecare
nivel j, l = 1...m j (pentru simplificarea calculelor, examinm cazul
observaiilor egale la numr pentru toate nivelurile, deci,
m1 = m2 = ... = m j = ...mn = m ).
Tabelul 11.1. Rezultatele experienelor
Numrul l al experienei
NuValoarea medie a
mparalele
irului
rul j al
nivelului
1 2 ... l ... m
factorului
1
Y11 Y12 ... Y1l ... Y1m
Y1
2
Y21 Y22 ... Y2l ... Y2 m
Y2

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

J
Y j1 Y j 2 ... Y jl ... Y jm
Yj

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

Yn1 Yn 2 ... Ynl ... Ynm

Yn
n

m
1
1 n
Y=
Yj
Y jl = n
nm j =1 l =1
j =1

139

La o astfel de situare a rezultatelor observaiilor dispersia ntre

coloane se va determina cu eroarea reproductibilitii (experienei),
iar dispersia ntre rnduri - de aciunea suplimentar a nivelului
factorului examinat.
Determinm mediile aritmetice Y j ale irurilor cu m observaii
repetate pentru fiecare nivel al factorului x:
1 m
Y j = Y jl
m l =1
i media aritmetic general Y a tuturor observaiilor mn pentru
toate nivelurile n:
1 n m
1 n
Y=
Y
=
Yj .
jl n
nm j =1 l =1
j =1
Dispersia observaiilor separate fa de media general este
condiionat de aciunea cauzelor aleatorii i influena nivelului
factorului x. Aciunea factorului ntmplrii se manifest (cu
dispersia 2 ) n dispersarea rezultatelor irurilor de experiene
repetate pentru fiecare nivel al lui x n jurul mediei aritmetice a
irului su. Influena factorului x (cu dispersia 2 x ) conduce la
dispersarea mediilor irurilor fa de media general.
11.2.1. Descompunerea sumei ptratelor

n concordan cu ideea general a analizei dispersionale

descompunem suma ptratelor abaterilor observaiilor de la media
general n dou componente ale sumei: una va caracteriza
influena factorului ntmplrii, iar a doua - a factorului
variabilitii lui x:
n

S = Y jl Y
j =1 l =1

) = (Y
2

j =1 l =1

jl

= (Y jl Y j ) + 2 (Y jl
n

j =1 l =1

j =1 l =1

)=
Y ) (Y Y )+

Yj + Yj Y

140

+ Y j Y
j =1 l =1

) = (Y

= Sr + S x ,
deoarece:

(Y
n

j =1 l =1

jl

j =1 l =1

jl

j =1

j =1

l =1

Yj )Yj Y = Yj Y

(Y

Y j ) + m Y j Y

jl

) (Y
m

l =1

jl

)=
2

Y j ) = 0 fiindc

Yj ) = 0

ca suma abaterilor rezultatelor irului j de la media aceleiai

serii, unde:
n

S = Y jl Y
j =1 l =1

- suma total

a ptratelor abaterilor

rezultatelor pariale Y jl de la media general Y . Aceast sum

caracterizeaz dispersarea rezultatelor, datorit influenei ambilor
factori: a factorului aleatoric (cu dispersia 2 ) i a nivelului
factorului examinat x (cu dispersia x2 ).
2

S r = (Y jl Y j ) - suma ptratelor abaterilor n interiorul

n

j =1 l =1

irurilor, deci, suma ptratelor diferenelor dintre rezultatele

pariale Y jl i media Y j a irului corespunztor. Aceast sum
caracterizeaz dispersarea remanent a erorilor aleatorii ale
experienelor sau reproductibilitatea lor (cu dispersia 2 ).
n

S x = m Y j Y
j =1

- suma ptratelor abaterilor "ntre iruri"

sau dispersarea ntre niveluri, deci, suma ponderat a ptratelor

diferenelor dintre mediile Y j ale irurilor pariale i media
141

general Y a ntregii totaliti, innd cont de numrul de

experiene n fiecare ir.
Suma Sx / m caracterizeaz dispersarea mediilor Y j ale
irurilor din cauze aleatorii (cu dispersia 2 / m pentru mediile
irurilor) sub influena factorului examinat (cu dispersia x2 ).
11.2.2. Estimarea dispersiilor

Sumele ptratelor S , S r , S x mprite fiecare la numrul de

grade de libertate corespunztor ei f t , f r , f x dau estimaiile
corectate:
1) estimaia total corectat a dispersiei pentru toate rezultatele
nm:
2
n m
1
S
2
S =
Y jl Y =
2 + x2 cu numrul de

nm 1 j =1 l =1
nm 1
grade de libertate
f t = nm 1 ;
2) dispersia eantionului "n interiorul irului" sau estimaia
remanent a dispersiei reproductibilitii 2 se determin ca media
dispersiilor de eantion pentru fiecare ir aparte:
2
1 m 1 m
2
(Y jl Y j ) = ( Sr ) 2 cu numrul de
Sr =

n j =1 m 1 l =1
n m 1
grade de libertate
f r = n(m 1) ;
3) dispersia eantionului ponderat a dispersrii ntre mediile
irurilor servete ca estimaie corectat pentru dispersia 2 /m n
care sunt distribuite normal mediile irurilor independente una de
alta:

142

1 n
S =
Yj Y
n 1 j =1
grade de libertate
2
x

) = m(Sn 1
2

+ m x2 cu numrul de

fx = n 1.
Numrul de grade de libertate se verific prin relaia:
ft = fr + f x .
11.2.3. Estimarea influenei nivelului factorului

Pentru ca influena nivelului factorului x s fie semnificativ

( > 0 ), este necesar i suficient ca dispersia S x2 s se
2
x

deosebeasc semnificativ de S r2 . Verificarea ipotezei zero despre

omogenitatea acestor estimaii ponderate se poate efectua innd
cont de criteriul F:
S2
F = x2 .
Sr
Dac raportul F al dispersiilor calculat pe baza rezultatelor
experienelor este mai mare dect valoarea tabelar F ( f x , f r ) a
distribuiei Fischer pentru nivelul de semnificaie ales i gradele
de libertate corespunztoare f x i f r , atunci influena nivelului
factorului x se consider semnificativ ( x2 > 0 ) i invers, -

nesemnificativ ( x2 = 0 ), dac F F ( f x , f r ) . De regul, nivelul

de semnificaie se ia = 0,05 .
Trebuie de menionat c analiza dispersional a rezultatelor
experimentului d posibilitatea de a determina influena factorului
numai n ntregime fr a da evaluri cantitative ale acestei
influene i concluziile obinute cu ajutorul ei se refer numai la
materialul experimental dat. Aa, de exemplu, la schimbarea
diapazonului de variaie a factorului cercetat estimaia influenei
ultimului se va schimba.
143

Dac influena nivelului factorului x se socoate

nesemnificativ, atunci dispersia reproductibilitii 2 se poate
aprecia cu dispersia general ponderat S2 care are cu n-1 grade de
libertate mai multe dect S r2 .
Dac ns influena nivelului factorului x se consider
semnificativ, atunci pe baza rezultatelor experimentale se pot
estima:
1) dispersia reproductibilitii
2 a dispersiei remanente
ponderate:
Sr
S 02 =
2 , adic M S 02 = 2
n(m 1)
i a determina intervalul de ncredere pentru 2 cu repartiia 2
cu numrul de grade de libertate n (m -1);
2) dispersia factorului x prin formula:
1
x2 (S x2 S r2 ) ;
m
3) divergena c2 a centrelor irurilor condiionat de influena
nivelului factorului x.
Deoarece
S
S x2 = x ,
n 1
m n
(C j C )2 ,
se poate dovedi c M S x2 = 2 +

n 1 j =1

[ ]

[ ]

1 u
C j ,
n j =1
C j - centrul de distribuie al irului j.

unde C =

i atunci:
2
n 1 2
1 n
M
S x S r2 = (C j C ) = C2 .
nm
n j =1

144

Ca estimaie a mrimii C2 va fi caracteristica ponderat

n 1 2
(S x S r2 ) ;
C2 =
nm
4) divergena (C j C g ) dintre centrele oricror dou iruri.
Deoarece parametrul
m (Y j Yg ) (C j C g )
t=
2
Sr
corespunde repartiiei Student cu numrul de grade de libertate
f r = n(m 1) ,
atunci intervalul

S
(Y j Yg ) t ,n ( m1) r
m

2
va fi de ncredere cu (1 ) procente pentru (C j C g ) .
11.3. Analiza a doi factori

La cercetarea influenei concomitente a doi factori xi i x2

rezultatele experienelor Yigl se dau n tabelul 11.2 ( u1 u 2 m ),
unde: j - numrul de rnd al nivelului de variaie a factorului x1 ,
j = 1...u1 ;
g - numrul de rnd al nivelului de variaie a factorului x 2 ,
g = 1...u 2 ;
1- numrul de rnd al experienei paralele n ir pentru fiecare
l = 1...m jg (pentru
combinaie jg a nivelurilor factorilor,
simplificarea calculelor examinm cazul cnd numrul
experienelor pentru orice combinaie a nivelurilor este egal, adic
( m11 = m12 = ... = m jg = ... = mu1u2 = m ).
145

Calculm mediile aritmetice jg ale irurilor compuse din m

experiene paralele pentru fiecare combinaie a nivelurilor j i g ale
factorilor x1 i x 2 .
1 m
Yig = Y jdl ;
m l =1
mediile aritmetice Y j n fiecare rnd cu u 2 m experiene paralele
pentru fiecare nivel j al factorului x1 :
Yj =

1 u2 m
1
Y jgl =

u2 m g =1 l =1
u2

u2

Y
g =1

jg

mediile aritmetice Yg' n fiecare coloan cu

u1 m experiene

paralele pentru fiecare nivel al factorului x 2

Yg' =

1 u1 m
1 u1
Y
=
Y jg ;
jgl u
u1m j =1 l =1
1 j =1

media aritmetic general Y a tuturor experienelor u1u 2 m pentru

toate combinaiile nivelurilor u1u 2 .
Tabelul 11.2. Prezentarea rezultatelor experienelor la analiza
dispersional pentru doi factori
Num- Numrul g al nivelului factorului x 2
1 u m
Yj =
Y jgl
rul j al
u 2 m g =1 l =1
nivelului
1
2
g
u2
factorului x1
Y111
Y121 Y1g1 Y1u 2 1
2

Y112

Y122

Y1g 2

Y1u 2 2

Y11l

Y12l

Y1gl

Y1u 2 l

146

Y1

u1

Y11m

Y12 m

Y1gm

Tabelul 11.2 (continuare)

Y1u 2 m

Y211

Y221

Y2 g1

Y2u 2 1

Y212

Y222

Y2 g 2

Y21l

Y22l

Y2 gl

Y2u 2 l

Y21m

Y22 m

Y2 gm

Y2u 2 m

M
Y j11

M
M
Y j 21

M
Y jg1

M
Y ju 2 1

Y j12

Y j 22

Y jg 2

Y ju 2 2

Y j1l

Y j 2l

Y jgl

Y ju 2 l

Y j1m

Y j 2m

Y jgm

Y ju 2 m
M

Y2u 2 2

Yu1 11

Yu1 21

Yu1 g1

Yu1u 2 1

Yu1 12

Yu1 22

Yu1 g 2

Yu1u 2 2

Yu1 1l

Yu1 gl

Yu1 gl

Yu1u 2 l

Yu1 1m

Yu1 gm

Yu1 gm

Yu1u 2 m

147

Y2

Yj

Yu1

'

Yg =

Y=

1
u1m

'
2

1 u1 u2 m
1
Y jgl =

u 2u1m j =1 g =1 l =1
u1u2

Tabelul 11.2 (continuare)

'
u1 u 2
Y u2 Y = 1

u 2 u1 m j =1 g =1

'
g

u1

u2

Y jg =
j =1 g =1

1 u1
1
Yj =

u1 j =1
u2

u2

Y
g =1

'
g

La o astfel de situare a experienelor dispersarea lor n fiecare

ir fa de media aceluiai ir este condiionat numai de aciunea
cauzelor aleatorii (cu dispersia 2 ). Dispersarea ns a mediilor
irurilor pentru toate combinaiile posibile ale nivelurilor factorilor
x1 i fa de media general este condiionat, n afar de cauza
aleatorie, i de influena factorului de interaciune x1 x 2 (cu
dispersia 122 ). n afar de aceti factori, asupra dispersrii mediilor
ntre rnduri influeneaz numai factorul x1 (cu dispersia 12 ), iar
asupra dispersrii mediilor ntre coloane - numai factorul x 2 (cu
dispersia 22 ), deoarece pentru toate nivelurile altui factor n
fiecare din aceste cazuri sunt acceptate valorile lor medii.
11.3.1. Descompunerea sumei ptratelor

n corespundere cu ideea de baz a analizei dispersionale,

descompunem suma ptratelor S a abaterilor rezultatelor
experienelor de la media general, n componente care corespund
factorilor enumerai mai sus:
u1

u2

S = Y jgl Y
j =1 g =1 l =1

u1

u2

)=
2

= Y jgl Y jg + Y j Y + Y g Y + Y jg Y g + Y
j =1 g =1 l =1

'

148

'

)=
2

u1

u2

= Y jgl Y jg
j =1 g =1 l =1
u1

u2

) + u m (Y
2

u2

Y + u1m Y g Y +
g =1

'

+ m Y jg Y j Y g + Y = S 0 + S1 + S 2 + S12 ,
j =1 g =1

'

unde
u1

u2

S = Y jgl Y
j =1 g =1 l =1

suma

total

caracterizeaz dispersarea rezultatelor aparte Y jgl

general din cauza influenei tuturor factorilor;
u1

u2

S r = Y jgl Y jg
j =1 g =1 l =1

ptratelor

n totalitatea

- suma ptratelor abaterilor "n

interiorul irului". Suma caracterizeaz dispersarea rezultatelor

aparte din cauza influenei factorului ntmplrii;
u1

S1 = u2 m Y j Y
j =1

- suma ptratelor abaterilor "ntre

rnduri", Suma S1 / u 2 m caracterizeaz dispersarea mediilor Y j

ntre rnduri din cauza aciunii factorului ntmplrii (cu dispersia
mediei rndului 2 / u 2 m ), a factorului x1 (cu dispersia 12 ) i a
factorului interaciunii (cu dispersia mediei rndului 122 / u 2 );
u2

S 2 = u1m Y g Y
g =1

'

- suma ptratelor abaterilor "ntre

'

coloane". Suma S 2 / u1 m caracterizeaz dispersarea mediilor Y g

ntre coloane din cauza aciunii factorului ntmplrii (cu dispersia
coloanei medii 2 / u1 m ), a factorului x 2 (cu dispersia 22 ) i a
factorului interaciunii (cu dispersia coloanei medii 122 / u1 );

149

S12 = m Y jg Y j Y g Y
'

- suma ptratelor abaterilor

"ntre iruri". Suma S12 / m caracterizeaz dispersarea mediilor Y jg

ale irurilor din cauza factorului ntmplrii (cu dispersia mediei
irului 2 / m ) i a factorului de interaciune (cu dispersia 122 ).
11.3.2. Estimarea dispersiilor

Sumele ptratelor S , S r , S1 , S 2 , S12 mprite fiecare la numrul

de grade de libertate corespunztor ei f t , f r , f 1 , f 2 , f 12 dau
estimaiile corectate ale dispersiilor:
1) dispersia general ponderat pentru toate experienele
u1u 2 m :
S2 =

u1 u2 m
S
1
Y jgl Y =
2 + 12 + 22 + 122

u1u 2 m 1 j =1 g =1 l =1
u1u2 m 1

cu numrul de grade de libertate

f t = u1u 2 m 1 ;
2) dispersia ponderat de dispersare "n interiorul irurilor" sau
estimaia remanent este dispersia de selecie pentru toate irurile
de experiene:
2

Sr
1 u1 u2 1 m
2
Y jgl Y jg =

u1u2 j =1 g =1 m 1 l =1
u1u 2 (m 1)
cu numrul de grade de libertate
f r = u1u 2 (m 1) ;
3) dispersia ponderat de dispersare "ntre rnduri":
S r2 =

u m u1
S = 2 Y j Y
u1 1 j =1
2
1

) = u S 1
2

150

+ u 2 m 12 + m 122

cu numrul de grade de libertate

f1 = u1 1 ;
4) dispersia ponderat de dispersare "ntre coloane":

u1m u2 '
S
Y g Y = 2 2 + u1m 22 + m 122

u 2 1 g =1
u2 1
cu numrul de grade de libertate
f 2 = u2 1 ;
5) dispersia ponderat de dispersare " ntre iruri":
S 22 =

u1 u 2
'
m
S =
Y jg Y j Y g + Y =

u1u 2 u1 u 2 + 1 j =1 g =1
S12
=
2 + m 122
u1u 2 u1 u 2 + 1
cu numrul de grade de libertate
f12 = (u1 1)(u 2 1) .
Numrul de grade de libertate se verific prin expresia:
f t = f r + f1 + f 2 + f 12 .
2
12

11.3.3. Estimarea influenei factorilor

Analiza semnificaiei influenei factorilor x1 i x2 i

interaciunii lor x1 x2 se efectueaz folosind criteriul Fisher pentru
nivelul de semnificaie n modul urmtor:
1) influena factorilor x1 i x2 corespunztor cu dispersiile:
1
1
(
(S12 S122 ) ,
S12 2 m 122 )
u2 m
u2 m
1
1
(
(
22
S 22 2 m 122 )
S 22 S122 )
u1 m
u1 m

12

151

se consider semnificativ ( 12 > 0, 22 > 0) dac va fi

semnificativ corespunztor deosebirea S12 de S122 i S 22 de S122 .
Deci, criteriile corespunztoare sunt:
S2
F1 = 12 > F ( f1 , f12 ) ;
S12
S 22
> F ( f 2 , f 12 ) .
S122
2) influena interaciunii x1 x2 cu dispersia:
1
1
122 (S122 2 ) (S122 S r2 )
m
m
se consider semnificativ ( 122 > 0) dac deosebirea S122 de S r2 va fi
semnificativ, deci dac criteriul
S2
F = 122 > F ( f12 , f r ) .
Sr
n caz contrar, influena interaciunii se socoate
nesemnificativ ( 122 = 0) i ambele estimaii S122 i S r2 pentru 2
se pot uni n una.
Dac influena factorilor x1 , x2 i a interaciunii lor x1 x2 nu
este semnificativ, atunci dispersia reproductibilitii se poate
considera dispersie general ponderat S 2 .
F2 =

11.3.4. Formulele de calculare a sumelor

Pentru calculele practice ale sumelor este potrivit a ne folosi de

expresiile lor transformate, avnd n vedere urmtoarele nsemnri:
1) totalurile experienelor n rnduri Y j i n coloane Yg' :
u2

u1

Y j = Y jgl , Yg' = Y jgl ;

g =1 l =1

j =1 l =1

152

2) suma ptratelor tuturor experienelor:

u1

u2

2
Q1 = Y jgl
;

j =1 g =1 l =1

3) suma ptratelor totalurilor n rnduri mprit la numrul de

experiene n rnd:
1 u1 2
Q2 =
Yj ;
u2 m j =1
4) suma ptratelor totalurilor n coloane mprit la numrul
de experiene n coloane:
1 u2 ' 2
Q3 =
Yg ;
u1m g =1
5) suma ptratelor totalurilor n ptrelele tabelului mprit
la numrul de experiene n ptrel:
2

1 u1 u2 m

Y jgl ;

m j =1 g =1 l =1

6) ptratul totalului general mprit la numrul total de

experiene:

Q4 =

1 u1
1 u2 '
Yj =
Yg .
Q5 =
u1u 2 m j =1
u1u 2 m g =1
Astfel, sumele cutate ale ptratelor abaterilor se determin
prin relaiile:
S = Q1 Q5 ;
S1 = Q2 Q5 ; S 2 = Q3 Q6 ;
S r = Q1 Q4 ;

S12 = Q4 + Q5 Q2 Q3 .

11.3.5. Estimarea divergenei dintre valorile medii

La verificarea ipotezei c dou totaliti pariale independente

cu volumul n1 i n2 sunt luate din una i aceeai totalitate general
cu distribuie normal cu media x 0 = 0 i dispersia 2 se folosete
statistica t (distribuia t Student):
153

t=

x1 x 2
Sr

n1n2
,
n1 + n2

unde: x1 i x 2 - valorile medii ale totalitilor pariale examinate;

S r - abaterea medie ptratic.
Valoarea criteriului t se compar cu valoarea tabelar ttab
pentru nivelul de semnificaie admis i numrul de grade de
libertate f = n1 + n2 2 . Dac t < ttab , ipoteza zero este admis i
se consider c x1 = x 2 . ns, dac t > ttab , tragem concluzia c
mediile x1 i x 2 se deosebesc una de alta.
11.4. Exemplu de analiz dispersional a unui factor

Malaxoarele cu organe de lucru n form de bare au un consum

de energie cu mult mai mic dect cele cu palete, iar procesul de
amestecare se caracterizeaz print-o intensitate nalt. Deoarece
seciunea transversal a barei poate fi diferit, uneori chiar i forma
barelor, prezint un deosebit interes gradul de influen a formei
barei i a seciunii transversale asupra rezistenelor la naintare a lor
prin mediul de lucru.
n cadrul experimentului s-au cercetat 21 tipuri de bare cu
diferite forme i seciuni transversale care sunt prezentate n tabelul
11.3. Seciunea tuturor barelor msurat perpendicular pe direcia
deplasrilor este de 10 mm. Lungimea barelor 83 mm. Mediul de
lucru - nisip de ru cu dimensiunea particulelor de pn la 1 mm i
umiditatea 2%. Numrul de rotaii al arborelui cu bare este de 140
rot/min, coeficientul de umplere al jgheabului - 0,5. Arborele este
acionat de un motor electric printr-o transmisie prin cablu. Cablul
care acioneaz roata arborelui este nzestrat cu o plac
tensometric gradat. nregistrarea tensiunii cablului se efectueaz
automat cu ajutorul sistemului SIIT - 3. Cercetrile efectuate n
prealabil ne-au dat posibilitate s confirmm c rezistena la
naintare a organului de lucru prin mediul de lucru se subordoneaz
154

legii de distribuie normal. Pentru fiecare tip de bar s-au efectuat

cte 20 msurri ale rezistenelor la naintare care acioneaz la
mijlocul barei (tabelul 11.4). Omogenitatea dispersiilor
condiionate de eroarea experimentului a fost confirmat cu un risc
de
5%,
folosindu-ne
de
criteriul
Cochran
( Gcalc. = 0,134 < Gtab. = 0,1455 ). Aceste dou condiii, distribuia
normal i omogenitatea dispersiilor, ne-au permis a folosi analiza
dispersional (tabelul 11.5) a datelor obinute pentru determinarea
influenei formei i seciunii transversale a barelor asupra
rezistenelor la naintare.
Sumele ptratelor sau calculat prin formulele:

( ) = Y N Y ;
Q = m(Y Y ) = mY N Y ;
Q = (Y Y ) = Y mY ,
n

Q = Yij Y

i =1 j =1

i =1 j =1

i =1
m

i =1 j =1

ij

i =1
n m

i =1 j =1

2
ij
2
i

2
ij

2
i

i =1

unde: Q - suma total a ptratelor, adic suma ptratelor abaterilor

tuturor valorilor de rezisten msurate Yij de la valoarea medie
total Y ;
QA - suma ptratelor ntre nivelurile factorului x, adic suma
ptratelor abaterilor valorilor medii ale grupelor Y i , de la valoarea
medie total Y ;
QR - suma ptratelor n interiorul grupelor, adic suma
ptratelor abaterilor valorilor rezistenelor Yij de la valoarea medie
a grupei respective Y i ;
n - numrul de niveluri, n=21;
m numrul de experiene paralele, m=20;
N - numrul total de experiene, N = mn = 2021 = 420.
155

n partea dreapt (dup semnul egalitii) sunt prezentate

expresii care dau posibilitate de a simplifica procesul de calcul.
Valorile lui Q , QA i QR sunt urmtoarele:
Q = 2681880,63 - 2088941,4 = 592939,2;
QA = 2658075,4 - 2088941,4 = 569134;
QR = 2681880,63 - 2658075,4 = 23805,2.
Folosim criteriul Fisher pentru determinarea semnificaiei
influenei diferitor tipuri de seciuni asupra rezistenei la naintare:
S A2 28456,7
F= 2 =
= 476,98 > Ftab = 1,57 ;
59,66
SR
( f1 = 20; f 2 = 399; = 0,05) .
Deoarece F > Ftab , putem afirma cu un risc de 5% c S A2 > S R2 ,
deci, factorii (tipurile seciunilor transversale), ntr-adevr,
influeneaz asupra rezistenei la naintare.
Tabelul 11.3. Formele i seciunile barelor, rezistenele medii la
naintarea prin nisip
Numrul de
rnd

Forma barei i seciunea ei transversal

Fora
de
rezisten, N
3

67,92

72,87

59,45

65,07

71,34

156

Tabelul 11.3 ( continuare)

3

64,12

56,25

54,60

62,25

10

60,95

11

61,65

12

69,46

13

65,11

14

55,72

15

60,85

16

62,59

17

57,26

18

70,21

19

52,86

20

56,60

21

233,19

157

Aceasta permite efectuarea cercetrii influenei fiecrui tip de

seciune asupra rezistenei la naintare prin compararea
rezistenelor medii corespunztoare folosind criteriul t:
Y Y
n1n2
t= 1 2
,
S
n1 + n2
unde: Y1 , Y2 - valorile medii ale rezistenelor pentru dou tipuri de
seciuni transversale;
n1 , n2 - volumul totalitilor pariale respectiv pentru Y1 i
Y2 ;
S estimaia abaterilor medii ptratice care se ia egal cu
S R = S R2 :
Y1 Y2 20 20
1
400
= Y1 Y2
=
7 ,72 40
59,66 20 + 20
3,1622
=
Y1 Y2 = 0,4096 Y1 Y2 .
7 ,72
Numrul de grade de libertate este egal cu numrul de grade de
libertate al dispersiei remanente S R2 . n acest caz, f R = 399 .
Valoarea tabelar a statisticii t:
ttab ( f r =399, =0,05 ) = 1,96 ;
t=

ttab ( fr =399, =0,10 ) = 1,645 .

Rezultatele comparaiilor valorilor medii ale rezistenelor
barelor pentru toate tipurile de seciuni sunt prezentate n tabelul
11.6. Prin semnul plus este indicat existena deosebirii
semnificative dintre valorile rezistenilor, iar prin semnul minus lipsa deosebirii dintre valorile rezistenelor.
n funcie de valoarea rezistenei la naintare barele au fost
aranjate n ordine descrescnd (fig.11.1).

158

Fig.11.1. Aranjarea barelor cu diferite seciuni n ordine descrescnd n

funcie de valoarea rezistenei la naintare

159

Tabelul 11.4. Rezistena la naintare a barei Yij , N

Numrul
nivelului
factorului x

160

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

Numrul experienei paralele

1

10

62,91
71,98
60,82
62,08
69,19
68,36
53,15
57,47
54,82
71,84
56,78
74,07
64,03
51,89
50,21
52,25
56,12
48,80
45,08
50,98
218,13

60,26
67,10
52,17
68,63
76,73
60,54
51,34
54,96
64,73
61,10
57,47
69,33
60,40
50,78
52,88
63,70
55,66
95,55
53,29
55,34
249,72

64,59
74,35
52,59
69,47
71,98
64,73
54,55
56,92
64,59
54,54
60,96
70,45
73,94
49,52
46,44
46,29
59,09
82,22
55,14
50,04
262,93

66,96
77,00
58,45
67,80
71,84
66,68
58,73
55,94
62,22
54,82
61,10
71,42
70,59
50,50
47,23
53,35
56,44
86,92
53,91
66,26
258,11

64,17
77,00
58,87
63,47
72,26
57,34
60,12
50,36
66,96
51,62
66,40
60,40
61,66
51,48
76,41
45,97
55,81
63,86
54,37
76,24
261,50

64,31
77,42
58,73
64,59
67,24
56,08
57,20
53,57
59,43
56,50
57,33
68,49
67,10
52,17
74,21
45,97
57,99
82,06
50,03
62,05
236,51

71,42
72,26
63,61
69,33
70,31
62,50
56,08
55,24
61,94
54,82
60,68
69,47
69,19
61,80
47,38
69,04
59,71
64,80
52,82
66,57
219,56

62,22
77,00
57,20
64,45
68,22
59,71
55,66
57,47
67,38
59,99
67,24
70,45
65,43
61,10
75,16
77,51
58,77
86,61
54,83
48,80
258,65

67,24
70,45
62,22
62,64
77,42
75,05
56,22
58,59
61,10
65,15
68,08
72,26
67,38
55,80
53,50
81,27
57,53
66,37
54,68
48,84
235,08

73,66
74,49
63,89
71,70
65,70
57,83
51,76
54,96
66,26
57,61
65,01
73,10
61,66
50,08
75,16
58,68
58,15
65,43
54,99
52,85
210,27

160

Tabelul 11.4 (continuare)

161

Numrul
nivelului
factorului x
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

Numrul experienei paralele

11

12

13

14

15

16

17

18

19

20

70,73
69,47
61,10
60,40
68,08
62,64
54,82
54,68
53,71
65,98
66,12
71,98
64,87
60,26
62,29
75,00
55,66
53,03
56,85
55,66

73,38
76,45
59,71
65,70
75,75
69,75
52,17
57,20
55,38
60,12
61,94
76,45
58,31
52,59
46,44
69,66
55,34
50,21
60,88
51,76

72,40
67,66
57,75
63,61
72,68
57,47
58,73
55,66
58,87
59,43
60,68
69,89
63,19
58,31
70,92
52,88
63,45
88,49
55,14
50,20

64,03
73,52
61,52
65,01
76,86
65,15
59,85
54,43
63,61
68,63
56,92
70,87
59,71
56,64
47,54
63,39
54,25
71,08
44,92
52,69

67,24
74,91
54,41
63,47
65,43
66,26
51,34
50,64
51,48
65,57
58,03
64,87
64,73
59,15
65,43
71,70
56,28
55,07
46,16
74,52

76,45
69,89
59,15
56,50
71,42
65,98
57,89
50,36
67,66
68,22
66,40
59,29
72,40
59,99
80,33
48,95
55,66
88,81
53,44
49,42

63,61
76,59
60,82
64,17
73,94
67,52
54,27
54,68
63,47
67,10
55,10
72,54
64,03
57,33
46,29
58,05
55,50
58,05
52,51
54,10

66,26
67,10
60,68
65,43
66,54
68,63
57,33
53,71
66,68
64,17
66,54
72,68
61,66
59,15
73,74
63,86
56,75
90,53
50,65
49,89

71,56
69,33
62,08
63,05
71,56
61,94
62,36
49,66
67,10
53,29
56,92
62,64
66,40
57,20
48,01
80,33
57,68
52,40
52,36
53,16

74,91
73,38
63,19
69,89
73,66
68,08
61,38
56,50
67,66
58,45
63,33
68,63
65,43
58,59
77,51
73,90
59,40
67,94
55,30
62,52

x20

207,42

217,77

239,19

209,02

223,84

260,25

222,95

220,27

227,41

225,27

x21

161

x1
x2
x3
x4
x5
x6

x7
x8
x9

x10
x11
x12
x13
x14
x15
x16
x17

x18
x19

Tabelul 11.5. Rezultatele analizei dispersionale

Variabilitatea
Suma
Numrul
Estimaia dispersiei
ptratelor
de grade
de
libertate
Total
Q=
N-1=319
Q
S2 =
= 1415,13
592939,2;
N 1
ntre grupe
QA =
n-1=20
Q
S A2 = A = 28456,7
(factori)
569134;
n 1
n interiorul
QR =
N-n=399
QR
S R2 =
= 59,66
grupelor
23805,2
N n
(remanent)
Cea mai mare rezisten la naintare apare la deplasarea prin
nisip a paletei obinuite care se folosete n toate malaxoarele.
Dimensiunile paletei corespund malaxorului real cu diametrul de
200 mm.
Pe locurile doi, trei i patru se gsesc barele cu seciune ptrat
(nr. 2), triunghiular (nr. 5) cu vrful n urm (unghiul la vrf 30
grade), n form de pictur mic (nr. 18) cu vrful n urm.
Suprafaa frontal a lor este una i aceeai, deosebirea const n
nclinarea suprafeelor laterale fa de direcia de deplasare. La
seciunea ptrat suprafeele laterale sunt paralele cu direcia de
deplasare, de aceea apar rezistene din cauza frecrii particulelor
materialului cu bara. La seciunile triunghiular i n form de
pictur aceste rezistene sunt mai mici. Indiferent de
particularitile acestor trei seciuni, diferena dintre valorile
rezistenelor lor nu este semnificativ, deci, ponderea principal n
formarea rezistenei o are suprafaa frontal.
Pe locurile urmtoare se situeaz bare cu diferite seciuni
rezistenele crora se micoreaz monoton. i totui, observm c
barele a cror seciune este ndreptat cu vrful sau cu partea
rotund sau oval n direcia micrii au rezistene mai mici
(seciunile 11, 10, 15,3, 17,20,7, 14, 8, 19).
162

Tabelul 11.6. Rezultatele aprecierii semnificaiei deosebirilor

rezultatelor la naintare ale barelor cu diferite seciuni
Valoarea
medie a
rezistenei
Y1

Valoarea medie a rezistenei

Y1

Y2

Y3

Y4

Y5

Y6

Y7

Y8

Y9

Y10

Y11

Y12

Y13

Y14

Y15

Y16

Y17

Y18

Y19

Y20

Y21

Y2

Y3

Y4

Y5

Y6

Y7

Y8

Y9

Y10

163

Tabelul 11.6 (continuare)

Valoarea
medie a
rezistenei
Y1

Valoarea medie a rezistenei

Y11

Y12

Y13

Y14

Y15

Y16

Y17

Y18

Y19

Y20

Y21

Y2

Y3

Y4

Y5

Y6

Y7

Y8

Y9

Y10

Y11
Y12

Y13

Y14

Y15

Y16

Y17

Y18

Y19

Y20

+
+
+
+
+
+
+
+
+
+
Y21
+ deosebirea este semnificativ, - deosebirea nu este semnificativ

ns comparaia valorii rezistenei seciunii 11 cu valorile

rezistenelor seciunilor din stnga 4, 6, 16 i 9 i a celor din
dreapta 10, 15, 3 i 17 au artat c ntre ele nu exist deosebire
semnificativ. Deci, rezistena la naintare a acestor seciuni
164

depinde numai de grosimea barei care este una i aceeai pentru

toate tipurile de seciuni.
Cea mai mic rezisten la naintare o au barele cu seciunea
ndreptat cu vrful n direcia micrii: 20, 7, 14,8 i 19.
Rezistenele lor nu se deosebesc semnificativ ntre ele.
Analiza comportrii seciunilor triunghiul arat c la
deplasarea lor prin material cu suprafaa frontal plan nainte i
vrful n urm rezistenele sunt destul de mari. Cea mai mare
rezisten apare la seciunea cu unghiul la vrf de 30 grade
(seciunea nr. 5) i se deosebete semnificativ de seciunile cu
unghiurile la vrf 45 i 60 grade (nr.4 i nr.9). La deplasarea
acestor seciuni cu vrful nainte rezistenele sunt mai mici, ns
cea mai mare dintre ele se observ la seciunea cu unghiul la vrf
egal cu 30 grade. i n primul, i n al doilea caz de deplasare a
seciunii cu unghiul la vrf de 30 grade apare o rezisten mrit
care se explic prin faptul c suprafeele laterale au valori mai mari
dect la seciunile cu unghiul de 45 i 60 grade, iar fora de frecare
dintre particule i bar este mai mare.
Dintre barele examinate cel mai mare interes reprezint barele
cu seciune standardizat, i anume, ptrat i rotund care sunt mai
ieftine i mai simple. Observm c barele cu seciune ptrat (nr.2)
au cea mai mare rezisten la naintare, barele cu seciune rotund
(nr.1) au rezisten mai mic, iar barele cu seciune ptrat la
deplasarea ei cu vrful nainte (nr.14) au cea mai mic rezisten,
ceea ce i dovedete legea schimbrii rezistenei n funcie de tipul
suprafeei frontale care nainteaz prin material pentru viteza de
deplasare examinat.
Dac amestecarea necesit numai formarea uvoaielor, este
raional utilizarea barelor cu rezisten mic la naintare. ns dac
n procesul amestecrii barele trebuie s acioneze o zon de
material ct mai mare i totodat s formeze i un numr mare de
uvoaie, se vor utiliza barele cu rezisten mare la naintare.

165

Concluzii:
1. Analiza dispersional a rezultatelor determinrii
rezistenelor la naintarea barelor cu diferite seciuni prin mediul de
lucru demonstreaz c tipul seciunii influeneaz asupra valorii
rezistenei.
2. Cea mai mare rezisten apare cnd suprafaa frontal este
plan, o rezisten mai mic au barele cu suprafaa frontal
cilindric i oval i cea mai mic rezisten au barele care se
deplaseaz cu partea ascuit nainte.
3. Rezistene la naintare mai mari apar la bare cu suprafee
laterale mai mari.
4. Seciunile standardizate rotund i ptrat, fiind mai ieftine
i folosite ca organe de amestecare ale malaxoarelor, asigur
formarea unui numr mare de uvoaie cu rezisten mic la
naintare (deplasarea barei cu seciune ptrat cu ascuiul nainte),
sau cu rezisten mare (suprafaa frontal plan sau cilindric), ns
cu zon mare de acionare a materialului din tob.
12.

ANALIZA INFORMAIEI APRIORICE

Deoarece parametrul de ieire depinde de mai muli factori, la

etapa de studiere preventiv a procesului apare pericolul de a scpa
din vedere nite factori care pot avea o pondere destul de mare, i
invers, de a introduce n cercetare factori nesemnificativi.
12.1. Experimentul psihologic

Determinarea gradului de influen a fiecrui factor asupra

parametrului de ieire i eliminarea celor nesemnificativi este
posibil prin efectuarea experimentului psihologic [4, 5, 1l].
Cercettorilor din diferite coli, precum i specialitilor cu
stagiu de lucru n domeniul dat li se propune s aranjeze n factori,
care potenial pot influena procesul cercetat, n ordine
166

descrescnd n funcie de influena lor asupra parametrului studiat.

Cnd numrul de factori este mare, prerile specialitilor despre
gradul de influen asupra procesului pot s se deosebeasc. De
aceea apare necesitatea prelucrrii obiective a datelor psihologice.
Aceast problem poate fi rezolvat, utiliznd metodele de
corelaie a rangurilor.
Chestionarul propus specialitilor (tabelul 12.1) conine
denumirea factorilor, unitatea de msur a lor, intervalele de
variaie presupuse i coloana liber n care specialistul indic
rangul fiecrui factor. Toate datele din chestionare se includ ntr-o
matrice iniial special (tabelul 12.2). Dac n matricea special
sunt ranguri de coeren, se efectueaz reconstruirea rangurilor.
Pentru determinarea valorilor rangurilor reconstruite ale fiecrui
cercettor se folosete formula:
ti

rr =

l
i =1

ti

unde: rr - valoarea rangului reconstruit;

li - locurile de rnd ocupate de rangurile de aceeai mrime
n rndul j;
t i - numrul de ranguri cu aceeai mrime n rndul j.

167

Tabelul 12.1. Chestionar

Nr.
crt.
1

1
2
3
4

168

5
6
7
8
9
10
11

Denumirea factorului

Unitatea
de
msur

Intervalul de variaie

Rangul
factorului

Densitatea iniial a curentului

catodic
Temperatura electrolitului
pH a electrolitului
Concentraia srurilor de baz

A
dm 2
K
pH
g
dm 3
km

1 .. 5

Adaosuri neorganice (da, nu)

Adaosuri organice (da, nu)
Prelucrarea
mecanic
a
suprafeei,
nlimea
neregularitilor
Degresare
Densitatea
curentului
la
decapare n soluie de H 2 SO4
Meninerea fr curent
Materialul piesei

A
dm 2
s
-

297 .. 353
0 .. 3
200 .. 600
KCl , NaCl , MnCl 2 4 H 2 O
glicerin, dextrin, triotalonamin
3 .. 10

chimic, electrochimic
20 .. 120
0 .. 90
oel carbonat, oel, font
168

Tabelul 12.1 (continuare)

1

12

Viteza
de
amestecare
a
electrolitului
Tensiunile interioare
Grosimea stratului depus
Coninutul de H2 n stratul depus

13
14
15

Longevitatea depunerilor
Prepararea termic ulterioar
Viteza de cretere a densitii
curentului

19

Defectele structurii depunerii i

a piesei
Temperatura
mediului
de
prelucrare anodic
Anionul electrolitului

169

16
17
18

20
21
22

Concentraia
metaloceramice

adaosurilor

cm
s
MPa
mm
cm
100 g
ore
K
A
dm 2
S
cm 2

20 .. 120

106 .. 1012

293 .. 333

Cl , SO4
0 .. 100

g
dm 3
169

0 .. 400
0,9 .. 1,5
0 .. 1000
1 .. 7200
473 .. 873
0,01 .. 1,5

X3

(rangurile)
Factorii
X4 X5 X6 X7

X8

X9

X 10

X 11

2
2
3
15
2
4
1
2
4
7
1
1
2
7
11
5
4
2
5
1

1
3
1
16
4
11
5
8
5
8
8
6
3
8
12
7
6
2
7
4

11
6
7
19
14
13
11
13
6
9
14
8
16
10
13
17
8
2
18
15

18
22
21
21
16
21
22
21
20
20
15
18
20
19
15
19
8
11
18
16

4
4
10
22
5
3
15
10
21
19
17
19
15
11
16
18
9
10
17
17

9
11
8
5
18
18
14
14
7
2
7
7
14
5
9
4
10
8
3
14

7
9
11
2
17
2
9
12
8
4
6
4
13
4
3
2
10
7
3
13

5
10
4
2
1
2
6
7
9
1
3
3
12
2
2
1
3
6
3
5

6
14
5
4
15
4
8
6
10
11
16
17
4
9
14
9
22
5
7
4

8
7
9
7
7
12
4
5
11
3
4
2
5
1
1
3
1
9
3
6

74

81

125

230

361

252

187

146

87

190

108

3,7

4,05

6,25

11,5 18,05

12,6

9,35

7,3

4,35

9,5

5,4

-149

-105

Tabelul 12.2. Matricea iniial a rspunsurilor specialitilor

Cercettorii

X1

X2

I
II
III
IV
V
VI
VII
VIII
IX
X
XI
XII
XIII
XIV
XV
XVI
XVII
XVIII
XIX
XX

3
1
2
3
3
6
2
3
3
6
2
5
1
6
10
6
4
2
5
1

22201 11025

-122

rangul
total

24336

-40

2i

-147

-84

i = X ij

-43

Xi

22

ij

131

j =1

-156

17161

484

1849

7056

21609

1600

14884

10

21

13

170

Tabelul 12.2 (continuare)

X 12

X 13

X 14

X 15

Factorii
X 16 X 17 X 18

X 19

X 20

X 21 X 22

20
12
13
6
6
19
19
19
12
17
18
19
17
12
17
15
21
22
15
21

13
15
14
20
10
16
13
16
13
15
9
10
9
13
8
14
13
12
14
12

17
8
22
18
21
17
21
17
14
21
19
11
22
21
21
20
15
13
16
20

12
13
15
10
19
15
10
18
15
10
10
12
8
14
7
13
13
14
12
10

10
21
16
17
22
20
20
20
16
18
11
13
10
15
6
12
13
14
12
10

22
20
20
9
8
8
7
4
1
13
13
14
11
17
20
8
16
18
10
8

21
19
6
11
12
7
3
1
2
5
5
16
6
3
4
10
1
16
9
7

15
16
17
12
13
9
16
22
17
22
20
20
21
20
22
21
18
21
22
22

19
18
18
13
11
10
17
11
18
14
21
21
19
18
19
22
19
20
21
19

16
17
12
14
9
22
18
9
22
16
22
22
18
22
18
16
20
19
20
18

253
253
253
254
253
253
253
253
253
253
253
253
253
253
253
253
251
250
251
253

320

259

354

250

296

259

247

164

366

348

350

16,0

12,95

17,7

12,5

14,8

12,95

12,35

8,2

18,3

17,4

17,5

5054
L = 230

90
8100

29
841

124
15376

20
400

66
4356

29
841

17
289

-66
4356

17

14

20

12

16

15

11

14
5
19
8
20
14
12
15
19
12
12
15
7
16
5
11
17
17
11
10

171

Suma

136
118
120
18496 13924 14400

22

18

19

203584

De exemplu,
rangurile de coeren ale cercettorului XIX ocup locurile 5
(5 + 6) = 5,5 (tabelul 12.3).
i 6, deci, rr =
2
Formalizarea informaiei apriori i alegerea factorilor de
importan se efectueaz conform metodei care prevede divizarea
cercetrii n etape, n cadrul crora se verific o anumit ipotez.
Rspunsul negativ la ipotez nseamn trecerea la etapa urmtoare,
iar pozitiv - imposibilitatea continurii cercetrii. Ipotezele sunt
situate n ordinea micorrii puterii lor. Deci, conform principiului
monotoniei: matricea iniial a rangurilor nu este adecvat matricei
rangurilor reconstruite H 01 ; nu este concordan ntre prerile

( )

( )

2
0

specialitilor H ; deosebirea n estimaiile specialitilor n

chestiunea despre gradul de influen a factorului asupra
parametrului de ieire este substanial H 03 ; deosebirea n
influena factorilor studiai asupra procesului cercetat nu este
esenial H 04 ; nu exist o structur determinat a factorilor H 05 ;
influena tuturor factorilor sau a unei pri se supune distribuiei
uniforme H 06 .

( )

( )

( )

( )

Ipoteza H 0' se verific, deoarece lucrul de mai departe se

efectueaz cu rangurile reconstruite. Corespunderea matricei
iniiale cu matricea cu ranguri reconstruite se verific prin
coeficientul de corelaie a rangurilor Spirmen:
n

= 1
unde:

d i = t i(1) t i( 2)

6 d i2
i =1
3

n n
diferena

corespunztoare unul altuia t

cu ranguri reconstruite;

(1)
i

i t

172

( 2)
i

(12.1)
dintre

rangurile

totale

ale matricei iniiale i celei

Tabelul 12.3. Matricea cu rangurile reconstruite

Factorii

Cercettorii

173

I
II
III
IV
V
VI
VII
VIII
IX
X
XI
XII
XIII
XIV
XV

X1

X2

X3

X4

X5

X6

X7

X8

X9

X 10

X 11

3
1
2
3
3
6
2
3
3
6
2
5
5
6
10

2
2
3
15
2
4,5
1
2
4
7
1
1
2
7
11

1
3
1
16
4
11
5
8
5
8
8
6
3
8
12

11
6
7
19
14
13
11
13
6
9
14
8
16
10
13

18
22
21
21
16
21
22
21
20
20
15
18
20
19
15

4
4
10
22
5
3
15
10
21
19
17
19
15
11
16

9
11
8
5
18
18
14
14
7
2
7
7
14
5
9

7
9
11
1,5
17
1,5
9
12
8
4
6
4
13
4
3

5
10
4
1,5
1
1,5
6
7
9
1
3
3
12
2
2

6
14
5
4
15
4,5
8
6
10
11
16
17
4
9
14

8
7
9
7
7
12
4
5
11
3
4
2
5
1
1

173

6
4,5
2,5
5,5
1,5

5
4,5
2,5
5,5
1,5

7
6
2,5
7,5
3,5

17
7,5
2,5
18,5
15

19
7,5
11
18,5
16

18
9
10
17
17

Tabelul 12.3 (continuare, stnga jos)

4
2
1
9
3
10,5 10,5
3
22
1,5
8
7
6
5
9
2,5
2,5
2,5
7,5
2,5
14
13
5
3,5
6

76

83,5

125,5

230,5

361

252

187

145

85,5

190,5

108

3,8

4,17

6,27

11,59

18,05

12,6

9,35

7,25

4,27

9,53

5,4

i = X ij L

-154

-146,5

-104,5

0,5

131

22

-43

-85

-144,5

-39,5

-122

2i

23716

0,25

17161

484

1849

7225

20880,25

rangul total

10

21

13

XVI
XVII
XVIII
XIX
XX
m

X
j =1

ij

Xi

174

21462,25 10920,25

174

1560,25 14884

Tabelul 12.3 (continuare, dreapta sus)

Cercettorii

Factorii
X 17 X 18

175

X 12

X 13

X 14

X 15

X 16

I
II
III
IV
V
VI
VII
VIII
IX

20
12
13
6
6
19
19
19
12

13
15
14
20
10
16
13
16
13

17
8
22
18
21
17
21
17
14

12
13
15
10
19
15
10
18
15

10
21
16
17
22
20
20
20
16

14
5
19
8
20
14
12
15
19

22
20
20
9
8
8
7
4
1

X
XI
XII
XIII
XIV
XV

17
18
19
17
12
17

15
9
10
9
13
8

21
19
11
22
21
21

10
10
12
8
14
7

18
11
13
10
15
6

12
12
15
7
16
5

13
13
14
11
17
20

175

Suma
X 20

X 21

X 22

21
19
6
11
12
7
3
1
2

15
16
17
12
13
9
16
22
17

19
18
18
13
11
10
17
11
18

16
17
12
14
9
22
18
9
22

253
253
253
254
253
253
253
253
253

5
5
16
6
3
4

22
20
20
21
20
22

14
21
21
19
18
19

16
22
22
18
22
18

253
253
253
253
253
253

X 19

Tabelul 12.3 (continuare, dreapta jos)

XVI
XVII
XVIII
XIX
XX
m

X
j =1

14
13
12
14
12
259

20
15
13
16
20
354

13
13
14,5
12,5
10
251

12
13
14,5
12,5
10
297

11
17
17
11
10
259

8
16
18
10
8
247

10
1,5
16
9
7
164,5

21
18
21
22
22
366

22
19
20
21
19
348

16
20
19
20
18
350

253
251
250
251
253
5060

16,0

12,95

17,7

12,55

14,85 12,95

12,35

8,23

18,3

17,4

17,5

L = 230

90
8100

29
841

124
15375

21
441

67
4489

29
841

17
289

-65,5
4290,25

136
18496

118
13924

120
14400

201629,5

17

14

20

12

16

15

11

22

18

19

ij

Xi
i = X ij L

176

15
21
22
15
21
320

2i
rangul total

176

t i(1) - rangurile date sumelor

t i( 2 ) - rangurile sumelor

x
j =1

ij

ale matricei iniiale;

ij

ale matricei cu ranguri

x
j =1

reconstruite;
n numrul factorilor care se compar.
Valoarea coeficientului se schimb de la -1 pn la + 1. Cu
ct legtura dintre ranguri va fi mai strns, cu att mai aproape de
unu va fi coeficientul de corelaie a rangurilor. Semnul arat dac
legtura este direct sau invers.
Ipoteza H 02 se verific folosind coeficientul de concordan.
n cazul cnd sunt ranguri de coeren, se folosete formula:
S d2
W=
,
(12.2)
m
1 2 3
m n n m T j
12
j =2
unde: m numrul specialitilor;
n numrul factorilor care se includ n chestionar:

( )
( )

( )

S d 2 = 2i ;
i =1

m
2i - abaterea sumei rangurilor fiecrui factor xij de la
j =1
m
n

1
valoarea medie a tuturor rangurilor L, L = xij ;
n j =1 i =1

e
1
T j = t i3 t i ;
12 ie =1

t i - numrul de repetri ale rangului de aceeai mrime n

rndul j;
e numrul de grupuri de ranguri cu mrimi egale n grup,
ns diferite ntre grupuri.
177

Semnificaia coeficientului de concordan se verific,

utiliznd criteriul 2 :
2 = m(n 1)W
(12.3)
pentru nivelul de semnificaie i numrul de grade de libertate
f = n 1.
Ipotezele H 03 i H 04 se verific mpreun prin analiza
dispersional (tabelul 12.4), criteriul Fischer se determin prin
relaiile:
S12
S 22
F1 = 2 ;
F1 = 2 ;
S rem
S rem
Valorile calculate ale criteriului F se compar cu valorile
tabelare pentru = 0,05 . Dac F1 este mai mic dect Ftab , aceasta
nseamn c ntre specialiti nu sunt confruntri n ceea ce privete
influena factorilor asupra parametrului de ieire. Dac F2 va fi
mai mare dect Ftab , aceasta va nsemna c sunt deosebiri n
influena factorilor asupra procesului cercetat.
Ipoteza H 05 : nu este o structur determinat a factorilor. Prin
"structur" se nelege existena unei astfel de influene a factorilor
dintre care cel puin una nu este egal cu zero sau cel puin una se
deosebete de celelalte la verificarea printr-un oarecare criteriu.
Se presupune c rangurile pentru fiecare factor formeaz un
eantion aleatoriu cu x i i S i2 cu numrul de elemente egal cu m.
Ipoteza se adeverete dac pentru un oarecare nivel de semnificaie
rangurile medii ale eantioanelor aparte sunt egale. n caz contrar,
ipoteza se respinge i se caut grupuri de factori pentru care aceast
presupunere se ndeplinete.
Semnificaia deosebirii mediilor se verific folosind criteriul t
Student:

178

t=

x k xl
S k2 S l2
m 1

(12.4)

unde k , l = 1,2,..., n ; k l .
Numrul de grade de libertate se determin [2] prin formula:
S k2
m 1
;
f = 2
C
=
.
2
S k2 + S l2
C (1 C )
Ipoteza H 06 se verific cu ajutorul criteriului 2 Pearson:
m

2 =

(ni ni )2 ,

(12.5)
ni
unde: ni - numrul real de valori care au nimerit n interval;
ni - ateptarea matematic a numrului de valori n acest
interval pentru distribuia uniform a densitii probabilitii.
n urma determinrii rangului fiecrui factor, se construiete
diagrama ce caracterizeaz gradul de influen a fiecrui factor
asupra parametrului cercetat.
Pentru determinarea caracterului distribuiei rangurilor fiecrui
factor, se construiesc poligoanele frecvenei relative, care dau
posibilitatea s estimm caracterul gruprii rangurilor fiecrui
factor n jurul centrului particular.
n procesul analizrii rezultatelor experimentului psihologic se
va ine seama de urmtoarele. Dac suma rangurilor factorilor se
micoreaz uor fr salturi brute, nici un factor nu trebuie
eliminat la efectuarea experienelor de eliminare. Dac distribuia
rangurilor este neuniform, micorarea rangurilor este
exponenial, atunci se poate efectua eliminarea factorilor, deci,
factorii care au cele mai mari valori ale rangurilor nu se includ n
experienele de mai departe. Dac distribuia rangurilor este
uniform, toi factorii se includ n cercetrile de mai departe.
i =1

179

12.2. Exemplu de cercetare a informaiei apriorice pe baza

experimentului psihologic

La 20 de specialiti li s-a propus un chestionar (tabelul 12.1)

care include 22 de factori ce pot influena asupra adezivitii
depunerii electrolitice cu piesa care se recondiioneaz. n coloana
din dreapta, specialistul nscrie locul factorului n ordine
descrescnd n funcie de gradul de influen a lui (factorului cu
influena cea mai mare la prerea specialistului i se va nscrie
rangul unu, iar cu influena cea mai mic - rangul 22). Rspunsurile
date de specialiti sunt prezentate n matricea iniial (tabelul 12.2).
Deoarece n matricea iniial sunt ranguri de coeren, s-a efectuat
reconstruirea rangurilor (tabelul 12.3).
Verificm ipoteza H 01 : matricea iniial a rangurilor nu este
adecvat matricei rangurilor reconstruite. Determinm coeficientul
de corelaie prin formula (12.1):
n

=1

6 d i2
i =1
3

n n

=1

0
= 1,
22 22
3

unde = 1 , deoarece d i = t i(1) t i( 2) = 0 pentru toi factorii de la 1 la

n. Matricea rangurilor reconstruite este adecvat matricei rangurilor
iniiale. Prin urmare, putem folosi oricare matrice. Deoarece
ipoteza H 01 este respins, verificm ipoteza H 02 : nu este
concordan ntre prerile specialitilor. Determinm coeficientul
de concordan W prin formula (12.2):
W =

( )
1
m (n n ) m T
12
S d2

j =2

201629,5
= 0,57 .
1
2
3
20 22 22 20 21
12

180

Determinarea

j =1

s-a efectuat n modul urmtor:

Tj =

1 e 3
ti ti ,
12 ie =1

unde: t i - numrul de repetri al rangului de aceeai mrime n

rndul i. n cazul nostru se repet rangurile la cercettorii IV, VI,
XVII, XVIII, XIX, XX. Deci:
1 e
1 3
TIV = ti3 ti =
2 2 = 0,5 ;
12 ie =1
12

1 3
2 2 + 23 2 = 1 ;
12
1 3
TXVII =
2 2 + 2 3 2 + 2 3 2 + 2 3 2 + 33 3 = 4 ;
12
1 3
TXVIII =
4 4 + 23 2 = 5,5 ;
12
1 3
TXIX =
2 2 + 23 2 + 23 2 + 43 4 + 23 2 = 7 ;
12
1 3
TXX =
2 2 + 2 3 2 + 33 3 = 3 .
12
T j = TIV + TVI + TXVII + TXVIII + TXIX + TXX =
TVI =

= 0,5 + 1 + 4 + 5,5 + 7 + 3 = 21.

Criteriul 2 se calculeaz prin relaia (12.3)
2 = m(n 1)W = 20 (22 1) 0,57 = 239,37 .
Pentru = 0,01 i = n 1 = 22 1 = 21 valoarea tabelar a lui
2
2
2
este de tab
= 38,932 . Deoarece 2 > tab
(239,37 > 38,9,2),
coeficientul de concordan este semnificativ. Deci, n ceea ce
privete gradul de influen a factorilor asupra adezivitii
depunerilor electrolitice, ntre specialiti exist o concordan
nentmpltoare. Aceasta nseamn c, n cazul de fa, prelucrarea
statistic a datelor iniiale poate da rezultate pozitive. Verificarea
181

de mai departe a ipotezelor este necesar pentru determinarea

structurii influenei factorilor. Ipotezele H 03 i H 04 se verific
mpreun, utiliznd analiza dispersional, rezultatele creia sunt
prezentate n tabelele 12.4-12.6. Calculm valorile criteriului
Fischer:
S2
S2
0,04
548
= 0,0021 ; F2 = 22 =
= 28,28 .
F1 = 21 =
S rem 19,34
S rem 19,34
Valorile tabelare corespunztoare ale criteriului Fischer pentru
= 0,05 sunt urmtoarele:
F1( tab ) = 1,56 ;
F2( tab ) = 1,58 .
Tabelul 12.4. Analiza dispersional a datelor chestionrii
Variaia

Numrul
de grade
de
libertate

ntre
specialiti

m1=19

(X

X ij

= 0,768

S12 = 0,04

n1=21

(X

X ij

= 10121

S 22 = 482

Suma ptratelor
mn
ij

mn

ntre factori

Dispersia

ij

Remanen

(m-1)(n1)=399

(X
mn

X i X j + X ij

Total

= 7717,44

2
S rem
= 19,343

ij

(X
mn

mn
1=439

ij

X ij

= 19227,608

ij

* X j - media n rnduri

F1 =

S12
= 0,0021
2
S rem

F2 =

S 22
= 28,28
2
S rem

X i - media n coloane

X ij - media general

182

Tabelul 12.5. Determinarea sumelor ptratelor abaterilor ntre

specialiti (rnduri)
2
2
Specialiti
Xj
X j X ij
X j X ij
X j X ij n

I
II
III
IV
V
VI
VII
VIII
IX
X
XI
XII
XIII
XIV
XV
XVI
XVII
XVIII
XIX
XX

11,5
11,5
11,5
11,55
11,5
11,5
11,5
11,5
11,5
11,5
11,5
11,5
11,5
11,5
11,5
11,5
11,41
11,36
11,41
11,5

0,01
0,01
0,01
0,06
0,01
0,01
0,01
0,01
0,01
0,01
0,01
0,01
0,01
0,01
0,01
0,01
0,08
0,13
0,08
0,01

0,0001
0,0001
0,0001
0,0036
0,0001
0,0001
0,0001
0,0001
0,0001
0,0001
0,0001
0,0001
0,0001
0,0001
0,0001
0,0001
0,0064
0,0169
0,0064
0,0001

0,0022
0,0022
0,0022
0,0792
0,0022
0,0022
0,0022
0,0022
0,0022
0,0022
0,0022
0,0022
0,0022
0,0022
0,0022
0,0022
0,1408
0,3718
0,1408
0,0022
= 0,7678

X j - media aritmetic a rangurilor fiecrui specialist;

X ij - media aritmetic general a rangurilor tuturor factorilor i
specialitilor;

183

(X
i

184
X ij =

X ij

i =1 j =1

mn

m X j X ij

X i - media aritmetic a rangurilor fiecrui factor;

X ij - media aritmetic general a rangurilor tuturor factorilor i specialitilor:

n

ij

=
5054
= 11,49
20 22

184

=1012

36,12

722,4

34,93

)
698,6

6,01

5,91

-7,79
-7,44
-5,24
0,01
6,56
1,11
-2,14
-4,19
-7,14
-1,99
-6,09
4,51
1,46
6,21
1,01
3,31
1,46
0,86
-3,29
6,81

X i X ij

60,68
55,35
27,46
0,0001
43,03
1,23
4,58
17,56
50,98
3,,96
37,09
20,34
2,13
38,56
1,02
10,96
2,13
0,74
10,82
46,38

17
18
19
20

12,95
12,35
8,2
18,3

17,5

22

21

16

14,8

17,4

15

10

9,5

12,5

4,35

14

7,3

17,7

9,35

13

12,6

12,95

18,05

12

11,5

16

6,25

11

4,05

5,4

3,7

Xi

1213,6
1107
549,2
0,002
860,6
24,6
91,6
351,2
1019,6
79,2
741,8
406,8
42,6
771,2
20,4
219,2
42,6
14,8
216,4
927,6

Tabelul 12.6. Determinarea sumelor ptratelor abaterilor ntre factori (coloane)

Deoarece F1 < F1( tab ) (0,0021<1,56), se poate trage concluzia c

n urma chestionrii nu s-au observat deosebiri eseniale n aprecierile
specialitilor chestionai. Expresia F 21 > F2 ( tab ) (28,28 > 1,58)
dovedete c sunt deosebiri n gradul de influen a factorilor asupra
procesului cercetat. Fiindc ipotezele H 03 i H 04 sunt respinse, putem
verifica ipoteza H 05 : nu este o structur determinat a factorilor.
Presupunem c rangurile pentru fiecare factor formeaz un
eantion aleatoriu cu X i , S i2 i numrul de elemente m = 20. Ipoteza
se adeverete dac pentru un oarecare nivel de semnificaie valorile
medii ale rangurilor pentru eantioanele aparte sunt egale. n caz
contrar, ipoteza se respinge.
Semnificaia deosebirii valorilor medii ale rangurilor s-a verificat
prin criteriul t Student care se determin prin formula (12.4). n tabelul
12.3 observm c cel mai mare rang mediu specialitii i-au dat
factorului X 20 ( X 20 = 18,3 , dispersia S X2 20 = 14,22 ). Urmtorul dup
valoarea mediei este factorul X 5 ( X 5 = 18,05 ; S X2 5 = 13,52 ).
n continuare se verific dac nu este ntmpltoare poziia
diferit a factorilor exprimat prin valoarea mediei:
xk xl
18,3 18,05
=
= 0,21 .
t=
2
2
14,22 13,52
S k Sl
20 1
m 1
Comparnd valoarea calculat a lui t = 0,21 cu cea tabelar t tab
( = 0,01 ; f = 24 )=2,8, tragem concluzia c ntre factorii X 20 i X 5
nu sunt deosebiri, pin urmare aceti factori se refer la un grup.
Rezultatul comparrii valorilor medii ale rangurilor a dat
posibilitatea de a forma patru grupuri de factori ntre care exist
deosebiri considerabile:

X 20 , X 5 , X 14 , X 22 , X 21 , X 12 , X 16 ;
2. X 17 , X 13 , X 6 , X 15 , X 18 , X 4 , X 10 , X 7 ;

1.

185

X 19 , X 8 , X 3 , X 11 , X 9 , X 2 ;
4. X 1 .
Deoarece ipoteza H 05 este respins, adic exist o structur
determinat a influenei factorilor asupra procesului, verificm ipoteza
H 06 : influena tuturor sau a unei pri de factori se subordoneaz legii
de distribuie uniform.
Determinm valoarea criteriului 2 prin formula (12.5). Ipoteza
s-a verificat pentru trei i dou intervale n care s-au divizat rangurile
pentru 12 factori, care ocup primele 12 locuri (tabelul 12.7). Valoarea
2
tab
: pentru
= 0,05 i trei
tabelar a criteriului
3.

2
2
intervale tab
= 5,99 ; pentru dou intervale tab
= 3,84 .
Rezultatele din tabelul 12.7 cu 3 i 2 intervale coincid, n afar de
factorul X 6 . Aceasta dovedete c cea mai mare influen asupra

adezivitii o au factorii X 1 , X 2 i X 9 .

Privitor la factorii

X 11 , X 3 , X 8 , X 19 , X 6 , X 10 , se poate meniona c sunt necesare

cercetri adugtoare a acestor factori. Factorii X 4 , X 18 , X 15
influeneaz asupra adezivitii foarte puin.
S-a construit diagrama (fig.12.1) care demonstreaz locul fiecrui
factor n funcie de gradul de influen a lui asupra adezivitii, dup
prerea specialitilor chestionai. Cea mai mare influen asupra
adezivitii
depunerilor
electrolitice
o
au
factorii:
X 1 , X 2 , X 9 , X 11 , X 3 , X 8 , X 19 i X 7 . Distribuia factorilor n funcie de
valoarea lor nu este uniform, descreterea nu este monoton, ceea ce
d posibilitatea de a elimina a priori mai muli factori, atribuindu-i la
clasa de factori ai cmpului de fond. ns pentru unii factori se observ
o distribuie uniform i o descretere monoton (factorii de la X 18
pn la X 17 i de la X 21 pn la X 21 ). Aceasta nseamn c
informaia a priori este insuficient i c aceti factori nu s-au studiat.

186

187

Fig.12.1. Diagrama situriii factorilor n funcie de valoarea medie a rangului

187

Pentru determinarea caracterului distribuiei rangurilor fiecrui

factor s-au construit poligoanele frecvenelor (fig.12.2). Observm
c
la
determinarea
influenei
factorilor
X 1 , X 2 , X 9 , X 11 , X 3 , X 15 , X 13 , X 21 , X 22 , X 14 , X 5 , X 20
asupra
aderenei depunerii electrolitice cu piesa toi specialitii susin
gruparea rangurilor fiecrui factor n jurul centrului particular.
Astfel, la determinarea factorului X 1 care este pe primul loc 60%
dintre cercettori l-au plasat pe locul 1 ..3, 35% - pe locurile 4 .. 6
i numai 5% pe locul 10. ns n ceea ce privete factorii
X 8 , X 19 , X 7 , X 10 , X 4 , X 18 , X 6 , X 17 , X 16 , X 12 , este dificil a trage unele
concluzii despre influena lor asupra parametrului cercetat,
deoarece rangurile lor sunt distribuite n ambele pri de la centrul
particular la distane mari. De exemplu, la determinarea rolului
factorului X 18 , care ocup locul XI, 10% dintre cercettori l-au
plasat pe locurile de la 1 pn la 4, 40% - pe locurile de la 7 pn la
11, iar 55% - pe locurile de la 13 pn la 22. Aceasta condiioneaz
o concordan slab ntre prerile specialitilor, deoarece influena
acestor factori asupra adezivitii acoperirilor s-a studiat
insuficient.
ns e de menionat c chiar i prerile unanime ale experilor
pot s nu reflecte starea real a problemei. De aceea, n aceste
cazuri, se d prioritate experienei.
n urma efecturii experimentului psihologic au fost alei
pentru cercetarea de mai departe urmtorii factori:
X 1 , X 2 , X 3 , X 4 , X 6 , X 8 , X 9 , X 10 , X 11 , X 12 , X 14 , X 16 i X 18 .
Descrierea suprafeei de rspuns pentru un numr mare de
factori este dificil i din punct de vedere ale efecturii
experienelor i din cauza problemelor matematice. De aceea,
scopul cercetrilor ar trebui s fie eliminarea efectelor insuficiente
i adoptarea factorilor cu influen semnificativ asupra adezivitii
acoperiri lor cu metal.

188

13. ESTIMAREA LEGII DE DISTRIBUIE A REZISTENEI

LA DEPLASAREA BARELOR

Determinarea legii distribuiei parametrilor procesului

tehnologic este una dintre primele etape ale rezolvrii problemelor
tehnologice. La efectuarea analizei de regresie, de corelaie,
dispersionale una dintre condiii impus mrimilor aleatorii este ca
ele s aib distribuie normal.
Estimarea statistic a irurilor variaionale ale parametrilor
tehnici [2,10] se face n baza unui exemplu concret.
S-au efectuat 112 msurtori ale rezistenei la naintare a
organului de amestecare n form de bar cilindric la deplasarea
lui prin nisipul de ru cu dimensiunea particulelor a 1mm .
Condiiile n care s-au efectuat msurrile: lungimea barei
l = 83 mm , diametrul barei d = 10 mm , turaia arborelui
n = 120 rot min , coeficientul de umplere a tobei K u = 0,5 .
Rezistenele de naintare se exprim prin momentul de torsiune
rezistent al arborelui malaxorului n N m , care se determin prin
formula:
X i = (Z i Z 0 )gR ,
(13.1)
Z i - numrul de diviziuni ale sistemului tensometric
unde:
SIIT 3 pentru observaia i;
Z 0 - numrul de diviziuni ale sistemului fr sarcin,
Z 0 = 737 ;
N diviziune ,
g
valoarea
unei
diviziuni,
g = 0,07 N div ;
R - raza roii de cablu fixat pe arborele malaxorului,
R = 0,06 m .
Valorile diviziunilor sistemului tensometric pentru 112
msurtori sunt prezentate n tabelul 13.1.

189

190

Nr.
crt.

Zi

Nr.
crt.

1
2
3
4
5
6
7
8
9
10
11
12
13
14

2152
2145
2099
1980
2176
2227
2020
2089
2229
2211
2167
2249
2168
2190

15
16
17
18
19
20
21
22
23
24
25
26
27
28

Tabelul 13.1. Valorile diviziunilor sistemului SIIT 3,

Nr.
Nr.
Nr.
Nr.
Zi
Zi
Zi
Zi
Zi
crt.

2201
2155
2280
2188
2323
2133
2161
2148
2101
2110
2109
2188
2164
2184

29
30
31
32
33
34
35
36
37
38
39
40
41
42

crt.

2135
2173
2189
2132
2184
2204
2145
2205
2203
2327
2191
2128
2239
2277

43
44
45
46
47
48
49
50
51
52
53
54
55
56

crt.

2257
2184
2079
2220
2026
2040
2117
2149
2263
2251
2289
2226
2158
2206

57
58
59
60
61
62
63
64
65
66
67
68
69
70

190

crt.

2241
2202
2314
2262
2200
2132
2197
2203
2179
2196
2223
2150
2240
2168

71
72
73
74
75
76
77
78
79
80
81
82
83
84

2234
2173
2228
2181
2096
2124
2187
2153
2089
2188
2145
2114
2134
2155

N m
Nr.
crt.

Zi

Nr.
crt.

Zi

85
86
87
88
89
90
91
92
93
94
95
96
97
98

2141
2136
2168
2182
2282
2139
2045
2166
2118
2087
2210
2190
2204
2180

99
100
101
102
103
104
105
106
107
108
109
110
111
112

2132
2225
2097
2231
2188
2151
2047
2132
2095
2198
2108
2144
2037
2129

Aplicnd formula 13.1 i datele din tabelul 13.1, determinm

X 7 = (2020 737 ) 0,07 0,06 = 5,3886 N m ;
sau
X 4 = (1980 737 ) 0,07 0,06 = 5,2206 N m - valoarea minim.
Succesiunea efecturii lucrrilor:
1. Se nscriu datele ntr-un tabel care const din 2 rnduri (tabelul
13.2): n primul se noteaz numrul msurrii i, n al doilea
valoarea obinut X a mrimii aleatorii.
Tabelul 13.2
1
2
3

i
n
i

Xi
X1
X2
X3
Xi
Xn
Acest tabel se numete serie statistic simpl.
2. Valorile momentului rezistent X i se aranjeaz n mod
cresctor:
X min ..........X max
5,2206 6,678 N m .
3. Cnd numrul de msurtori este mare, materialul statistic din
tabel este greu de cuprins cu vederea n ansamblu. De aceea,
pe baza seriei statistice simple obinute se procedeaz la
gruparea materialului.
Datele se mpart n grupuri numrul crora k se determin prin
formula:
k = 1 + 3,322 lg N = 1 + 3,322 lg112 = 1 + 6,8070 = 7,81 ; admitem
k = 8.
4. Se determin valoarea intervalului grupurilor prin formula:
X X min
6,678 5,2206
X = max
=
= 0,1868 ,
admitem
1 + 3,322 lg N
7,8
X = 0,19 .
n fiecare grup (tabelul 13.3) intr datele pentru care X
corespunde inegalitii:
X
X
< X Xk +
.
Xk
2
2
191

Parametrii
Limitele grupelor
Frecvena
experimental mi
Valoarea medie a
grupului X i
Frecvena relativ
experimental Pi

192

Valoarea medie a
eantionului X
Dispersia S 2
Abaterea medie
ptratic
Abaterile centrate i
normate t i
Densitatea
probabilitii f (t )i

Tabelul 13.3. Calculul parametrilor repartiiei

1
2
3
4
5
6
5,2206- 5,4106- 5,6006- 5,7906- 5,9806- 6,17065,4106
5,6006
5,7906
5,9806
6,1706
6,3606

7
6,36066,5506

8
6,55066,7406

14

28

37

16

5,3156

5,5056

5,6956

5,8856

6,0756

6,2656

6,4556

6,6456

0,01786

0,04464

0,125

0,25

0,33036

0,14286

0,0625

0,02679

X = 6,0077
S 2 = 0,0708

S = 0,26608
-2,601

-1,887

-1,173

-0,459

0,255

0,969

1,683

2,397

0,01358

0,067

0,200

0,359

0,386

0,249

0,097

0,0023

192

Tabelul 13.3 (continuare)

Probabilitatea
teoretic Pi (t )
Frecvena
teoretic mit
Frecven
mi
e unite
m
it

(mi mit )

0,0097

0,0478

0,1428

0,25635

0,276

0,1778

0,069

0,0016

16

29

31

20

14

28

37

16

10

16

29

31

20

0,25

0,034

1,16

0,8

0,111

mit
193

193

5. Frecvenele mi de apariie a valorii X i n intervalul dat.

6. Valorile medii ale grupurilor X i ca semisuma limitelor lor.
Aceste valori se consider drept rezultate ale msurrii
repetate de mk ori.
7. Frecvena relativ experimental:
m
Pi = i .
N
8. Valoarea medie a eantionului (media ponderat):
k

X = X i Pi = 5,3156 0,01786 + 5,5056 0,04464 + 5,6956 0,125 +

i =1

+ 5,8856 0,25 + 6,0756 0,33036 + 6,2656 0 ,14286 + 6 ,4556 0 ,0625 +

+ 6 ,6456 0 ,02679 = 6,0077 N m.
9. Dispersia (momentul al doilea M 2 ):
2

1 k
1
2
S =
X i X mi =
((5,3156 6,0077 ) 2 +

N 1 i =1
112 1
2

+ +(5,6956 6,0077 ) 14 + (5,5056 6,0077 ) 5 +

2

+ (5,8856 6 ,0077 ) 28 + (6 ,0756 6,0077 ) 37 +

2

+ (6 ,2656 6,0077 ) 16 + (6 ,4556 6,0077 ) 7 +

2

+ (6 ,6456 6,0077 ) 3 ) = 0,0708.

10. Abaterea medie ptratic:
2

S = S 2 = 0,0708 = 0,26608 N m .
11. Abaterile centrale i normate pentru mijlocul grupurilor:
X X
5,3156 6,0077
; t1 =
= 2,601 ;
ti = i
0,26608
S
5,5056 6,0077
t2 =
= 1,887 ;
0,26608
194

5,6956 6,0077
5,5856 6,0077
= 1,173 ; t 4 =
= 0,459 ;
0,26608
0,26608
6,0756 6,0077
6,2656 6,0077
t5 =
= 0,255 ; t 6 =
= 0,969 ;
0,26608
0,26608
6,4556 6,0077
6,6456 6,0077
t7 =
= 1,683 ; t8 =
= 2,397 .
0,26608
0,26608
12. Densitatea probabilitii
t3 =

t2

t2

1 2
f (t ) =
e = 0,3989e 2 ;
2

f (t )1 = 0,3989e

( 2 , 601) 2
2

f (t )2 = 0,3989e
f (t )3 = 0,3989e
f (t )4 = 0,3989e
f (t )5 = 0,3989e

0 , 2552
2

( 1,887 ) 2
2

( 1,173)
2

= 0,013546 ;
= 0,067 ;

( 0 , 459 )
2

= 0,200 ;
2

= 0,359 ;

= 0,386 ; f (t )6 = 0,3989e

f (t )7 = 0,3989e
f (t )8 = 0,3989e

1, 683
2

2 , 397
2

= 0,097 ;

= 0,02255 .

13. Probabilitatea teoretic de a intra n grup:

f (t )i
Pit =
X ;
S
0,01358
P1t =
0,19 = 0,0097 ;
0,26608
P2t = 0,067 0,71407 = 0,0478 ;
195

0 , 969 2
2

= 0,249 ;

P3t = 0,2 0,71407 = 0,1428 ;

P4t = 0,359 0,71407 = 0,25635 ;
P5t = 0,356 0,71407 = 0,276 ;
P6t = 0,249 0,71407 = 0,1778 ;
P7 t = 0,097 0,71407 = 0,069 ;
P8t = 0,0023 0,71407 = 0,0016 .
14. Frecvena teoretic:
mit = Pit N ;
m1t = 0,0096 112 = 1,0864 ;
m2t = 0,0478 112 = 5,35 ;
m3t = 0,1428 112 = 15,99 ;
m4t = 0,256 112 = 28,71 ;
m5t = 0,276 112 = 30,9 ; m6t = 0,178 112 = 19,94 ;
m7 t = 0,069 112 = 7,73 ; m8t = 0,0016 112 = 0,18 .
15. Ptratele abaterilor frecvenelor experimentale de la cele
teoretice mprite la frecvenele teoretice:
(mi mit )2 .
mit
Frecvenele mai mici de 5 sunt unite, i anume, frecvenele
primului grup s-au unit cu cele din grupul al 2-lea, iar
frecvenele grupul a 8-lea s-au unit cu cele din grupul al 7-lea.
Exemplu: pentru grupul al 3-lea:
(m3 m3t )2 = (14 16)2 = 0,25 .
16
m3t
16. Criteriul:
n
(m mit )
2
exp
= i
= 0 + 0,25 + 0,034 + 1,16 + 0,8 + 0,111 = 2,355.
mit
i =1
Numrul de grade de liberate f = k r 1 (r - numrul
parametrilor funciei teoretice a repartiiei; pentru distribuia
normal r = 2 ; k = 6 , deoarece grupurile dup unire au devenit
ase), f = 6 2 1 = 3 .

196

Pentru 2 = 2,355 i f = 3 probabilitatea este egal cu

P = 0,508 (tabelul A.11) i este mai mare de 0,05. Deci,
divergena dintre repartiia empiric i cea teoretic se poate
considera ntmpltoare. Sau se procedeaz astfel:
2
2
exp
= 2,355 < teor
= 7,81 pentru f = 3 i P = 0,05 .
Deoarece criteriul experimental este mai mic dect cel
teoretic, se trage concluzia c distribuia este normal.
17. Momentul al treilea:
3
1 k
1
3
M 3 = X i X mi =
((5,3156 6,0077 ) 2 +
N i =1
112

+ (5,5056 6 ,0077 ) 5 + (5,6956 6,0077 ) 14 +

3

+ (5,8856 6,0077 ) 28 + (6,0756 6 ,0077 ) 37 +

3

+ (6 ,2656 6,0077 ) 16 + (6,4556 6 ,0077 ) 7 +

3

+ (6 ,6456 6,0077 ) 3 ) = 0,0007.

18. Momentul al patrulea:
4
1 k
1
4
M 4 = X i X mi =
((5,3156 6,0077 ) 2 +
N i =1
112
3

+ (5,5056 6 ,0077 ) 5 + (5,6956 6 ,0077 ) 14 +

4

+ (5,8856 6 ,0077 ) 28 + (6,0756 6,0077 ) 37 +

4

+ (6 ,2656 6,0077 ) 16 + (6 ,4556 6,0077 ) 7 +

4

+ (6 ,6456 6,0077 ) 3 ) = 0,0255.

19. Indicele normat de asimetrie (msura asimetriei A):
M
0,0007
A = 33 =
= 0,037 .
S
0,266083
20. Indicele relativ al excesului:
M
0,0225
E = 42 3 =
3 = 1,4886 .
M2
0,0708 2
4

197

21. Coeficientul de variaie:

S
0,26608
= 100% =
100% = 4,43% .
6,0077
X
Distribuia rezistenei barei la deplasarea ei prin nisipul de ru
este reprezentat n figura 13.1. Deoarece coeficientul de asimetrie
este negativ ( A = 0,037 ), distribuia este asimetric negativ.
Distribuia are exces pozitiv ( E = 1,4886 ) cu vrf ascuit.
Coeficientul de variaie ( = 4,43% ) este destul de mic, ceea ce
nseamn c dispersarea valorii aleatorii fa de valoarea medie
este foarte mic. Aceasta permite a folosi nisipul pentru efectuarea
cercetrilor experimentale, deoarece el reprezint un mediu de
lucru aproape ideal.

Fig. 13.1. Histograma distribuiei rezistenei de deplasare i curba

teoretic care o descrie
198

BIBLIOGRAFIE
1.
2.
3.
4.
5.

6.

7.
8.

9.
10.

. ., ..
. -.:
, 1965.-340 .
. .
. - :
, 1969.-232 .

.
.

-
- .: , 1974. -192 .
. ., . .
.
- , 1970, 3, .319-323.

.
-

( ).
3. -., 1966. 26 .
. ., . ., . .,
. .

. . - .
1966, . 122-126.
. .
.
- : , 1970.-176 .

.
.

. M.:
,1971.
. .
. -.: , 1965.
. .
199

11.
12.

13.
14.

15.
16.
17.

18.

. -: , 1971, 576 .
. .
. - : , 1973,
-108 .
/ ..,
. ., . . -.: - . , 1974 (. . . , . 47).
.l.-1974.-387 . .2.-1974.-384 .
. .
. - .: , 1978, 156 .
Serghei Andrievschi. Cercetarea influenei unghiului de
achiere a organului de lucru asupra rezistenei de
amestecare. Rezumatele lucrrilor conferinei tehnicotiinifice jubiliare. Volumul 1, Chiinu: UTM, 2000,
pag.241-243.
. ., . .
. - .: ,
1978, 192 .
. . . . -.: , 1971,
-208 .

/ . . , . . , .
. , . . . -.: ,
1972, 128 .
Lungu Valeriu. Optimizarea funcional i constructiv a
malaxoarelor cu aciune continu cu organe de amestecare
n form de bare. Teza de doctor n tehnic. Ch.: U.T.M.,
2009, 146 pag.

200

ANEX

Tabelul A.1. Valorile criteriului G ( f1 , N ) pentru intervalul de semnificaie = 0,05 , f1 - numrul de

grade de liberate, N numrul de rnduri ale planului
Numrul de
rnduri ale
planului

201

2
3
4
5
6
7
8
9
10
12
15
20
24
30
40
60
120

Numrul de grade de libertate f1

1
0,99
0,97
0,90
0,84
0,78
0,72
0,68
0,64
0,60
0,54
0,47
0,39
0,34
0,29
0,24
0,17
0,09
0

2
0,97
0,93
0,76
0,68
0,61
0,56
0,51
0,47
0,44
0,39
0,33
0,27
0,23
0,20
0,16
0,11
0,06
0

3
0,93
0,79
0,68
0,60
0,53
0,48
0,43
0,40
0,37
0,32
0,27
0,22
0,19
0,16
0,12
0,08
0,04
0

4
0,90
0,74
0,62
0,54
0,48
0,43
0,39
0,35
0,33
0,29
0,24
0,19
0,16
0,14
0,10
0,07
0,04
0

5
0,87
0,70
0,59
0,50
0,44
0,39
0,36
0,33
0,30
0,26
0,22
0,17
0,15
0,12
0,09
0,06
0,03
0

201

6
0,85
0,76
0,56
0,48
0,42
0,37
0,33
0,30
0,28
0,24
0,20
0,16
0,14
0,11
0,08
0,06
0,03
0

8
0,81
0,63
0,51
0,44
0,38
0,34
0,30
0,28
0,25
0,22
0,18
0,14
0,12
0,10
0,07
0,05
0,02
0

10
0,78
0,60
0,48
0,41
0,35
0,31
0,28
0,25
0,23
0,20
0,17
0,13
0,11
0,09
0,07
0,05
0,02
0

16
0,73
0,54
0,43
0,36
0,31
0,27
0,24
0,22
0,20
0,17
0,14
0,11
0,09
0,07
0,06
0,04
0,02
0

36
0,66
0,47
0,36
0,26
0,25
0,23
0,20
0,18
0,16
0,14
0,11
0,08
0,07
0,06
0,04
0,02
0,01
0

202

Numrul de
grade de
libertate f 2
1
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

Tabelul A.2. Valorile criteriului Student, t ( , f 2 )

Nivelul de semnificaie
0,1

0,05

0,02

0,01

0,001

2
6,31
2,92
2,35
2,13
2,02
1,94
1,90
1,86
1,83
1,81
1,80
1,78
1,77
1,76
1,75
1,75
1,74

3
12,71
4,30
3,18
2,78
2,57
2,45
2,37
2,31
2,26
2,23
2,20
2,18
2,16
2,15
2,13
2,12
2,11

4
31,82
6,97
4,54
3,75
3,37
3,14
3,00
2,90
2,82
2,76
2,72
2,68
2,65
2,62
2,60
2,58
2,57

5
63,66
9,93
5,84
4,60
4,03
3,71
3,50
3,36
3,25
3,11
3,11
3,06
3,01
2,98
2,95
2,92
2,90

6
636,62
31,60
12,94
8,61
6,86
5,96
5,41
5,04
4,78
4,59
4,44
4,32
4,22
4,14
4,07
4,02
3,97

202

203

1
18
19
20
21
22
23
24
25
26
27
28
29
30
40
60
120
180

2
1,73
1,73
1,73
1,72
1,72
1,71
1,71
1,71
1,71
1,70
1,70
1,70
1,70
1,68
1,67
1,66
1,65

3
2,10
2,09
2,09
2,08
2,07
2,07
2,06
2,06
2,06
2,05
2,05
2,04
2,02
2,02
2,00
1,98
1,96

4
2,55
2,54
2,53
2,52
2,51
2,50
2,49
2,48
2,48
2,47
2,47
2,46
2,46
2,42
2,39
2,36
2,33

203

Tabelul A.2 (continuare)

5
6
2,88
3,92
2,86
3,88
2,85
3,85
2,83
3,82
2,82
3,79
2,81
3,77
2,80
3,75
2,79
3,73
2,78
3,71
2,77
3,69
2,76
3,67
2,76
3,66
2,75
3,65
2,70
3,55
2,66
3,46
2,62
3,37
2,58
3,29

Tabelul A.3. Valorile criteriului Fischer F ( , f1 , f 2 )

204

f 3 - numrul de grade de libertate la numrtor; f 2 - numrul de grade de libertate la numitor;

nivelul de semnificaie = 0,05
Numrul de
Numrul de grade de libertate f 3
grade de
libertate f 2
1
2
3
4
5
6
12
24
36
1
2
3
4
5
6
7
8
9
10
1
164
199
215
224
230
234
244
249
254
2
18
19
19
19,3
19,3
19,3
19,4
19,5
19,5
3
10
9,6
9,3
9,1
9,0
8,6
8,7
8,6
8,5
4
7,7
6,9
6,6
6,4
6,3
6,2
5,9
5,8
5,6
5
6,6
5,8
5,4
5,2
5,1
5,0
4,7
4,5
4,4
6
6,0
5,1
4,8
4,5
4,4
4,3
4,0
3,8
3,7
7
8
5,6
4,7
4,4
4,1
4,0
3,9
3,6
3,4
3,2
9
5,3
4,5
4,1
3,8
3,7
3,6
3,3
3,1
2,9
10
5,1
4,3
3,9
3,6
3,5
3,4
3,1
2,9
2,7
11
5,0
4,1
3,7
3,5
3,3
3,2
2,9
2,7
2,5
12
4,8
4,0
3,6
3,4
3,2
3,1
2,8
2,6
2,4
13
4,8
3,9
3,5
3,3
3,1
3,0
2,7
2,5
2,3
204

Tabelul A.3 (continuare)

205

1
14
15
16
17
18
19
20
21
22
24
26
28
30
40
60
120
180

2
4,7
4,6
4,5
4,5
4,5
4,4
4,4
4,4
4,3
4,3
4,2
4,2
4,2
4,1
4,0
3,9
3,8

3
3,8
3,7
3,7
3,6
3,6
3,6
3,5
3,5
3,4
3,4
3,4
3,3
3,3
3,3
3,3
3,1
3,0

4
3,4
3,3
3,3
3,2
3,2
3,2
3,1
3,1
3,1
3,0
3,0
2,9
2,9
2,9
2,8
2,7
2,6

5
3,2
3,1
3,1
3,0
3,0
2,9
2,9
2,9
2,8
2,8
2,7
2,7
2,7
2,6
2,5
2,5
2,4

6
3,0
3,0
2,9
2,9
2,8
2,8
2,7
2,7
2,7
2,6
2,6
2,6
2,5
2,5
2,4
2,3
2,2
205

7
2,9
2,9
2,8
2,7
2,7
2,7
2,6
2,6
2,6
2,5
2,4
2,4
2,4
2,3
2,3
2,2
2,1

8
2,6
2,5
2,5
2,4
2,4
2,3
2,3
2,3
2,2
2,2
2,1
2,1
2,1
2,0
1,9
1,8
1,8

9
2,4
2,3
2,3
2,2
2,2
2,1
2,1
2,1
2,0
2,0
1,9
1,9
1,9
1,8
1,7
1,6
1,5

10
2,2
2,1
2,1
2,0
2,0
1,9
1,8
1,8
1,8
1,7
1,7
1,6
1,6
1,5
1,4
1,3
1,0

Tabelul A.4. Numere aleatorii

206

1.
2.
3.
4.
5.
6.
7.
8.
9.
10.

86515
69186
41686
86522
72587
52452
76773
04825
87133
84754

90795
03393
42163
47171
93000
42499
97526
82134
84778
57617

66155
42502
85181
88059
89688
33346
27256
80317
45863
38132

66434
99224
38976
89342
78416
83935
66447
75120
24520
64294

56558
88955
33181
67248
27559
79130
25731
45904
19925
15218

12332
53758
72664
09082
99528
90410
37525
75601
04925
49286

94377
91641
53807
12311
14480
45420
16287
70492
07824
89571

57802
18867
00607
90360
50961
77757
66181
10274
76044
42903

Tabelul A.5. Matricea de planificare pentru planul cvasi-D-optimal precis i saturat pentru

Numrul experienei
1
2
3
4
5
6

modelul cu doi factori n=2, N=6

x1
+
0,4
+
-0,1
206

x2
+
+
-0,4
+0,1

Tabelul A.6. Matricea de planificare pentru modelul cu trei factori

Numrul
experienei
1
2
3
4
5
6
7

x1
+
+
+
+
-

n=3, N=14 (planul B3)

Numrul
x2 x3
experienei
+
+
8
+
9
+
10
11
+
+
12
+
13
+
14

x1

x2

x3

+
0
0
0
0

0
0
+
0
0

0
0
0
0
+
-

Tabelul A.7. Matricea de planificare pentru planul B4, n=4, N=24

Numrul
experienei
1
2
3
4
5
6
7
8
9
10
11
12

x1

x2

x3

x4

+
+
+
+
+
+
+
+
-

+
+
+
+
+
+
+
+

+
+
+
+
+
+
-

+
+
+
+
+
+
-

Numrul
experienei
13
14
15
16
17
18
19
20
21
22
23
24

207

x1

x2

x3

x4

+
0
0
0
0
0
0

0
0
+
0
0
0
0

+
+
0
0
0
0
+
0
0

+
+
0
0
0
0
0
0
+
-

Tabelul A.8. Matricea de planificare pentru planul Hartli, n=5, N=27

208

Numrul
experienei
1
2
3
4
5
6
7
8
9
10
11
12
13
14

x1

x2

x3

x4

x5

+
+
+
+
+
+
+

+
+
+
+
+
+
+
-

+
+
+
+
+
+
+
+

+
+
+
+
+
+
-

+
+
+
+
+
+
+
+

208

Numrul
experienei
15
16
17
18
19
20
21
22
23
24
25
26
27

x1

x2

x3

x4

x5

+
0
+
0
0
0
0
0
0
0
0

+
0
0
0
+
0
0
0
0
0
0

0
0
0
0
0
+
0
0
0
0

+
+
0
0
0
0
0
0
0
+
0
0

0
0
0
0
0
0
0
0
0
+
-

Tabelul A.9. Matricea de planificare pentru planul Rehtafner, n=6, N=28

209

Numrul
experienei
1
2
3
4
5
6
7
8
9
10
11
12
13
14

x1

x2

x3

x4

x5

x6

+
0
0
0
0
0
+
+
+
+
+
+

0
+
0
0
0
0
+
+
+
+
+
+

0
0
+
0
0
0
+
+
+
+
+
-

0
0
0
+
0
0
+
+
+
+
+
-

0
0
0
0
+
0
+
+
+
+
+
-

0
0
0
0
0
+
+
+
+
+
+
-

209

Numrul
experienei
15
16
17
18
19
20
21
22
23
24
25
26
27
28

x1

x2

x3

x4

x5

x6

+
+
+
+
-

+
+
+
+
-

+
+
+
+
+

+
+
+
+
+

+
+
+
+
+
-

+
+
+
+
+
-

Tabelul A.10. Matricea de planificare pentru planul Rehtafner, n=7, N=36

210

Numrul
experienei
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

x1

x2

x3

x4

x5

x6

x7

+
+
+
+
+
+
+
+
+
+
+
+
-

+
+
+
+
+
+
+
+
+
+
+

+
+
+
+
+
+
+
+
-

+
+
+
+
+
+
+
+
-

+
+
+
+
+
+
+
+
-

+
+
+
+
+
+
+
+

+
+
+
+
+
+
+
210

Numrul
experienei
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

x1

x2

x3

x4

x5

x6

x7

+
0
0
0
0
0
0

+
0
+
0
0
0
0
0

+
+
+
+
0
0
+
0
0
0
0

+
+
+
+
0
0
0
+
0
0
0

+
+
+
+
0
0
0
0
+
0
0

+
+
+
+
0
0
0
0
0
+
0

+
+
+
+
+
0
0
0
0
0
0
+

Tabelul A.11. Valorile probabilitilor legii Pearson n funcie de

2
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

numrul de grade de libertate f i valoarea 2

Numrul de grade de libertate f
1
2
3
4
5
6
7
0,317 0,606 0,801 0,909 0,962 0,985 0,994
0,157 0,367 0,572 0,735 0,849 0,919 0,959
0,083 0,223 0,391 0,557 0,700 0,808 0,885
0,045 0,135 0,261 0,406 0,549 0,676 0,779
0,025 0,082 0,171 0,287 0,415 0,543 0,660
0,014 0,049 0,111 0,199 0,306 0,423 0,539
0,008 0,030 0,071 0,135 0,220 0,320 0,428
0,004 0,018 0,046 0,091 0,156 0,238 0,332
0,002 0,011 0,029 0,061 0,109 0,173 0,252
0,000 0,006 0,018 0,040 0,075 0,124 0,188
0,004 0,011 0,026 0,051 0,088 0,138
0,002 0,007 0,017 0,034 0,062 0,100
0,001 0,004 0,011 0,023 0,043 0,072
0,000 0,002 0,007 0,014 0,029 0,051
0,001 0,004 0,010 0,020 0,036
0,000 0,002 0,006 0,013 0,025
0,001 0,004 0,009 0,017
0,001 0,002 0,006 0,012
0,001 0,004 0,008
0,001 0,002 0,005
0,001 0,003
0,001 0,002
0,001
0,001

211

8
0,998
0,981
0,934
0,857
0,757
0,647
0,536
0,433
0,343
0,265
0,201
0,151
0,111
0,081
0,059
0,042
0,030
0,021
0,014
0,010
0,007
0,004
0,003
0,002
0,001

( )

Tabelul A.12. Valoarea 2 ce corespunde valorilor P 2 i

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

numerelor gradelor de libertate

0,99
0,032
0,02
0,12
0,30
0,55
0,87
1,24
1,65
2,09
2,56
3,05
3,57
4,11
4,66
5,23
5,81
6,41
7,01
7,63
8,26
8,90
9,54
10,2
10,9
11,5
12,2
12,9
13,6
14,3
15,0

0,95
0,024
0,10
0,35
0,71
1,15
1,64
2,17
2,73
3,33
3,94
4,57
5,23
5,89
6,57
7,26
7,96
8,67
9,39
10,1
10,9
11,6
12,3
13,1
13,8
14,6
13,4
16,2
16,9
17,7
18,5

0,90
0,02
0,21
0,58
1,06
1,61
2,20
2,83
3,49
4,17
4,87
5,58
6,30
7,04
7,79
8,55
9,31
10,1
10,9
11,7
12,4
13,2
14,0
14,8
15,7
16,5
17,3
18,1
18,9
19,8
20,6

0,50
0,46
1,39
2,37
3,36
4,35
5,35
6,35
7,34
8,34
9,34
10,3
11,3
12,3
13,3
14,3
15,3
16,3
17,3
18,3
19,3
20,3
21,3
22,3
23,3
24,3
25,3
26,3
27,3
28,3
29,3

0,25
1,32
2,77
4,11
5,39
6,63
7,84
9,04
10,2
11,4
12,5
13,7
14,8
16,0
17,1
18,2
19,4
20,5
21,6
22,7
23,8
24,9
26,0
27,1
28,2
29,3
30,4
31,5
32,6
33,7
34,8

P
0,10
2,71
4,61
6,25
7,78
9,24
10,6
12,0
13,4
14,7
16,0
17,3
18,5
19,8
21,1
22,3
23,5
24,8
26,0
27,2
28,4
29,6
30,8
32,0
33,2
34,4
35,6
36,7
37,9
39,1
40,3

212

0,05
3,84
5,99
7,81
9,49
11,1
12,6
14,1
15,5
16,9
18,3
19,7
21,0
22,4
23,7
25,0
26,3
27,6
28,9
30,1
31,4
32,7
33,9
35,2
36,4
37,7
38,9
40,1
41,3
42,6
43,8

0,025
5,02
7,38
9,35
11,1
12,8
14,4
16,0
17,5
19,0
20,5
21,9
23,3
24,7
26,1
27,5
28,8
30,2
31,5
32,9
34,2
35,5
36,8
38,1
39,4
40,6
41,9
43,2
44,5
45,7
47,0

0,01
6,63
9,21
11,3
13,3
15,1
16,8
18,5
20,1
21,7
23,2
24,7
26,2
27,7
29,1
30,6
32,0
33,4
34,8
36,2
37,6
38,9
40,3
41,6
43,0
44,3
45,6
47,0
48,3
49,6
50,9

0,005
7,88
10,6
12,8
14,9
16,7
18,5
20,3
22,0
23,6
25,2
26,8
28,3
29,8
31,3
32,8
34,3
35,7
37,2
38,6
40,0
41,4
42,8
44,2
45,6
46,9
48,3
49,6
51,0
52,3
53,7

0,001
10,8
13,8
16,3
18,5
20,5
22,5
24,3
26,1
27,9
29,6
31,3
32,9
34,5
36,1
37,7
39,3
40,8
42,3
43,8
45,3
46,8
48,3
49,7
51,2
52,6
54,1
55,5
56,9
58,3
59,7

CUPRINS
PREFA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1. METODE PROBABILISTICOSTATISTICE N
TEHNOLOGIE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.1. Scurt istoric . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2. Avantajele i dezavantajele metodelor statistice
de planificare a experimentului . . . . . . . . . . . . .
1.3. Schema general de rezolvare a problemelor
tehnologice pe baza metodelor probabilisticostatistice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2. CALCULUL MATRICEAL . . . . . . . . . . . . . . . . . . . . .
2.1. Tipurile matricelor . . . . . . . . . . . . . . . . . . . . . . .
2.2. Operaii asupra matricelor . . . . . . . . . . . . . . . . .
2.3. nsuirile matricelor . . . . . . . . . . . . . . . . . . . . . .
3. NOIUNI DE BAZ ALE TEORIEI MATEMATICE
A PLANIFICRII EXPERIMENTULUI. . . . . . . . . . .
3.1. Experimentul pasiv . . . . . . . . . . . . . . . . . . . . . . .
3.2. Experimentul activ . . . . . . . . . . . . . . . . . . . . . . .
3.3. Consecutivitatea rezolvrii problemelor . .. . . . .
3.4. Factorii i parametrii de optimizare . . . . . . . . . .
3.5. Ecuaia de regresie . . . . . . . . . . . . . . . . . . . . . . .
3.6. Spaiul factorial i codificarea variabilelor [13] .
3.7. Suprafaa funciei de rspuns . . . . . . . . . . . . . . .
3.8. Matricea de planificare . . . . . . . . . . . . . . . . . . . .
3.9. Deducerea
ecuaiei
matriciale
pentru
determinarea
coeficienilor
modelului
matematic . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4. PLANIFICAREA ORTOGONAL DE GRADUL
NTI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.1. Calcularea coeficienilor modelului liniar . . . . .
213

3
4
4
7
8
13
13
15
19
25
25
26
27
29
30
32
36
36
38
44
45

4.2.

5.

6.
7.

8.

9.

Caracteristicile probabilistice i nsuirile

modelelor liniare . . . . . . . . . . . . . . . . . . . . . . . .
47
4.3. Estimarea omogenitii dispersiilor
experimentului . . . . . . . . . . . . . . . . . . . . . . . . . . 49
4.4. Estimarea statistic a semnificaiei coeficienilor modelului matematic . . . . . . . . . . . . . . . . .
50
4.5. Estimarea corespunderii modelului matematic .
52
4.6. Calculul matricei informaionale Fischer i a
matricei dispersiilorcovariailor . . . . . . . . . . . .
54
4.7. Dispersia valorii pronosticate a funciei de
rspuns . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
4.8. Planificarea experimentului pentru 3-4 i mai
muli factori . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
4.9. Randomizarea (introdus de R. Fisher). . . . . . . . 60
PLANIFICAREA FACTORIAL-FRACIONAR . . .
60
5.1. Saturaia i surplusul planurilor . . . . . . . . . . . . .
60
5.2. Experimentul fracionar . . . . . . . . . . . . . . . . . . .
61
5.3. Semireplici. Amestecarea efectelor . . . . . . . . . . 64
5.4. Sferturi de replici. Amestecarea efectelor . . . . . 70
DETERMINAREA ZONEI EXTREMUMULUI . . . .
75
6.1. Date generale . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
6.2. Exemplu de determinare a zonei extremumului . 79
DESCRIEREA ZONEI EXTREMUMULUI . . . . . . . .
88
7.1. Criteriile de detterminare a necesitii utilizrii
planurilor de gradul doi . . . . . . . . . . . . . . . . . . .
88
7.2. Planificarea ortogonal de gradul doi . . . . . . . .
89
7.3. Planuri ortogonale centrale compoziionale . . . . 94
7.4. Planuri rotatabile centrale compoziionale . . . . . 96
ANALIZA MODELULUI . . . . . . . . . . . . . . . . . . . . . . . 102
8.1.
Date generale . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
8.2.
Exemplu de funcie cu dou variabile
independente . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
INTERPRETAREA MODELELOR MATEMATICE
ALE SISTEMELOR STOCASTICE . . . . . . . . . . . . . . . 108
214

9.1.
9.2.
9.3.

Polinoame de gradul doi . . . . . . . . . . . . . . . . . . .

Construirea izoliniilor . . . . . . . . . . . . . . . . . . . .
Criterii de determinare a optimalitii planurilor
de experimentare . . . . . . . . . . . . . . . . . . . . . . . .
10. ANALIZA DE REGRESIE . . . . . . . . . . . . . . . . . . . . . .
10.1. Date generale . . . . . . . . . . . . . . . . . . . . . . . . . . .
10.2. Estimarea coeficienilor de regresie n general .
10.3. Cazul cu dou variabile . . . . . . . . . . . . . . . . . . .
10.4. Exemplu de utilizare a analizei de regresie . . . .
11. ANALIZA DISPERSIONAL . . . . . . . . . . . . . . . . . . .
11.1. Date generale . . . . . . . . . . . . . . . . . . . . . . . . . . .
11.2. Analiza numai a unui factor . . . . . . . . . . . . . . . .
11.3. Analiza a doi factori . . . . . . . . . . . . . . . . . . . . . .
11.4. Exemplu de analiz dispersional a unui factor .
12. ANALIZA INFORMAIEI APRIORICE . . . . . . . . . .
12.1. Experimentul psihologic . . . . . . . . . . . . . . . . . .
12.2. Exemplu de cercetare a informaiei apriorice pe
baza experimentului psihologic . . . . . . . . . . . . .
13. ESTIMAREA LEGII DE DISTRIBUIE A
REZISTENEI LA DEPLASARE A BARELOR. . . .
BIBLIOGRAFIE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
ANEX . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

215

108
112
117
120
120
123
126
130
136
136
139
145
154
166
166
180
189
199
201

BAZELE CERCETRILOR APLICATIVE

Curs universitar

Autori: Serghei Andrievschi

Valeriu Lungu
Ala Carcea

Redactor: Eugenia BALAN

Bun de tipar 23.12.2013
Formatul 60x84 1/16
Hrtie ofset. Tipar RISO

Tirajul 50 ex.

Coli de tipar 13,5

Comanda nr.129
2004, UTM, Chiinu, bd. tefan cel Mare, 168
Editura Tehnica-UTM
2068, Chiinu, str. Studenilor, 9/9

216