Documente Academic
Documente Profesional
Documente Cultură
MATEMATIC I STATISTIC
APLICAT N AGRICULTUR
VOLUMUL II: STATISTIC
Ediia II revizuit
ISBN 978-973-40-0869-8
CUPRINS
PREFA..7
CAPITOLUL 1. CALCULUL PROBABILITILOR ....................................................................... 9
1.1 EVENIMENTE I PROBABILITILE LOR ..................................................................................................................... 9
1.1.1 Evenimente ....................................................................................................................................................... 9
1.1.2 Probabilitile evenimentelor ......................................................................................................................... 11
1.1.3 Probabilitile condiionate ale evenimentelor .............................................................................................. 14
1.2 VARIABILE ALEATOARE ........................................................................................................................................... 17
1.2.1 Densitatea de probabilitate i funcia de repartiie ....................................................................................... 17
1.2.2 Indicatori numerici ......................................................................................................................................... 22
1.2.3 Funcia caracteristic ..................................................................................................................................... 25
1.3 VECTORI ALEATORI ................................................................................................................................................. 27
1.3.1 Densitatea de probabilitate i funcia de repartiie ....................................................................................... 27
1.3.2 Indicatori numerici ......................................................................................................................................... 30
1.4 VARIABILE ALEATOARE CLASICE DISCONTINUE ...................................................................................................... 34
1.4.1 Variabila binomial ........................................................................................................................................ 34
1.4.2 Variabila hipergeometric.............................................................................................................................. 37
1.4.3 Variabila Poisson ............................................................................................................................................ 38
1.5 VARIABILE ALEATOARE CLASICE CONTINUE ........................................................................................................... 39
1.5.1 Variabila uniform ......................................................................................................................................... 39
1.5.2 Variabilele exponenial, Weibull, Erlang ...................................................................................................... 40
1.5.3 Variabila normal........................................................................................................................................... 41
1.5.4 Variabilele Hi Ptrat, Student, Fisher ............................................................................................................. 44
A. Variabila Hi Ptrat (2) .......................................................................................................................................................44
B. Variabila Student (t)...........................................................................................................................................................45
C. Variabila Fisher (F) .............................................................................................................................................................45
PREFA
Aceast lucrare este destinat studenilor de la Facultatea de Management i Inginerie
economic n agricultur i agroturism, curs de zi i la distan, putnd fi folosit i de studenii
altor faculti cu profil Agricol.
Capitolele 1 - 5 sunt consacrate aplicaiilor statisticii n agricultur, domeniu care are o
lung tradiie n ara noastr.
Aplicaiile statisticii n agricultur au beneficiat de aportul remarcabil al computerelor
pentru partea de calcule prin produse informatice generale sau specializate pe statistic.
n acest moment accentul cade pe modelarea statistic cea mai eficient n agricultur i pe
interpretarea corect a rezultatelor n vederea lurii unor decizii corecte i rapide.
Agricultura ca domeniu de activitate cu risc din partea naturii i a conjuncturii variabile pe
piaa produselor agricole, se dovedete un domeniu de predilecie al statisticii, ca mod de gndire
al viitorului, citndu-l pe statisticianul V. Vod.
Capitolul 1 prezint noiunile de teoria probabilitilor strict necesare pentru nelegerea
conceptelor statisticii: evenimente, probabiliti, variabile i vectori aleatori, variabile aleatoare
clasice, legi-limit i fiabilitatea echipamentelor.
Capitolul 2 prezint sondajele n populaii statistice, semnificaia i modul de calcul al
indicatorilor de sondaj de repartiie i evoluie. O atenie special se acord indicilor statistici foarte
folosii n aplicaiile economice.
Acest capitol se ncheie cu estimaii i teste parametrice ale mediilor i abaterilor-standard n
populaii pentru caractere cantitative (msurabile), respectiv estimaii i teste parametrice ale
probabilitilor n populaii pentru caractere calitative (atributive) precum i teste neparametrice n
populaii: concordan, independen i normalitate a populaiei.
n capitolul 3 se prezint testele controlului calitii i fiabilitii n agricultur att n cursul
procesului de producie (prin fie de control al calitii) ct i la recepie (prin control simplu i
secvenial).
n capitolul 4 se prezint analiza varianei mono i polifactorial nebalansat complet i
ierarhic n populaii omogene inclusiv calculul componentelor de varian n populaie. Pentru
populaii neomogene se prezint principalele planuri experimentale folosite n agricultur: planul
blocurilor complete randomizate i planul ptratelor i dreptunghiurilor latine.
Facem precizarea c n capitolul 4 folosim denumirea de indice de corelaie, distinct fa
de denumirea de raport de corelaie neliniar din capitolul 5 dei Enciclopedia de statistic le
identific.
n capitolul 5 se prezint corelaia/regresia monofactorial liniar i neliniare (de tip
polinomial, trigonometric i mixt). n continuare se prezint corelaia/regresia polifactorial liniar
i neliniar polinomial (fr i cu interaciuni), ntre m + 1 caractere. Pentru corelaia i regresia
liniar polifactorial, se prezint calculul aporturilor a m factori la al m + 1-lea caracter, stabilit de
ENE D. n lucrrile 21 i 27.
n ntreaga lucrare am adoptat un compromis ntre rigoarea tiinific (prin definiii, teoreme
i demonstraii) i accesibilitate/utilitate (prin exemple detaliate).
Toate exemplele din lucrare conin date convenionale plauzibile din agricultur.
Lucrarea se ncheie cu bibliografie i o anex cu 14 tabele statistice.
Tot n Anex se dau cteva foi EXCEL pentru calcule statistice.
Pentru problemele tratate n lucrare dispunem de un pachet propriu de programe executabile.
Dealtfel n lucrare facem referiri dese la produsul EXCEL pentru optimizri, funcii statistice
uzuale i pachetul de statistic DATA ANALYSIS din opiunea TOOLS.
Iunie 2010
Autorul
Exemple:
1) Apariia unei fee la aruncarea monezii;
2) Apariia unei fee la aruncarea zarului;
3) Apariia unei bile albe la extragerea din urn cu bile albe i negre.
Totalitatea rezultatelor posibile ale unui experiment aleator se numete spaiu de
evenimente elementare i se noteaz cu .
Mulimea prilor (submulimilor) lui se noteaz cu P().
Exemplu:
1) La aruncarea monezii avem = {stem, ban};
2) La aruncarea zarului avem = {1, 2, 3, 4, 5, 6};
Dac mulimea este finit sau numrabil (ir), orice submulime A se numete
eveniment.
Dac mulimea este nenumrabil (de exemplu = R), vom numi evenimente numai
submulimile A a cror familie formeaz o algebr K P() care se definete prin
condiiile:
1)
2) Ai pentru i I
Ai
iI
3) A CA
CA se numete eveniment contrar cu A i se mai noteaz cu .
Exemplu:
Dac A = apariia unei fee pare la aruncarea zarului atunci CA = apariia unei fee
impare la aruncarea zarului.
ca eveniment, se numete evenimentul sigur iar C = se numete evenimentul
imposibil.
Incluziunea A B se numete implicare a evenimentului B de ctre evenimentul A:
realizarea lui A determin realizarea lui B.
Exemplu:
Dac A = apariia feei 6 la aruncarea zarului i B = apariia unei fee pare la
aruncarea zarului avem A B.
Egalitatea A = B se numete echivalen a evenimentelor A i B i are loc dac A B i
B A.
Evenimentul B este elementar dac A B A = sau A = B.
Exemple:
1) Apariia unei anumite fee la aruncarea unei monezi sau zar este eveniment elementar;
2) Apariia unei bile albe la extragerea din urn a unei bile este eveniment elementar.
Dndu-se dou evenimente A i B, reuniunea lor se noteaz cu A B i se citete A sau
B fiind un eveniment compus care se realizeaz dac se realizeaz mcar unul dintre
evenimentele A, B.
Dndu-se dou evenimente A i B, intersecia lor se noteaz A B i se citete A i B
fiind un eveniment compus care se realizeaz dac ambele evenimente A, B se realizeaz.
Exemplu:
Fie A evenimentul c becul 1 funcioneaz la un moment dat i B evenimentul c becul 2
funcioneaz n acelai moment.
10
A B este evenimentul c trece curentul prin circuitul paralel care conine becurile 1 i 2.
A B este evenimentul c trece curentul prin circuitul serie care conine becurile 1 i 2.
Evenimentele A, B sunt incompatibile dac nu se realizeaz simultan adic A B = .
n caz contrar A i B se numesc compatibile.
Exemple de evenimente incompatibile:
1) Apariia de fee diferite la o aruncare cu moneda sau zarul;
2) Apariia de culori diferite la extragerea unei bile din urn.
Exemple de evenimente compatibile:
1) Nimerirea unei inte de doi trgtori care ochesc asupra ei;
2) Funcionarea la un moment dat a dou becuri ntr-un circuit electric.
1.1.2 Probabilitile evenimentelor
Fie o - algebr de evenimente din P().
O funcie P: R+ se numete probabilitate dac:
1) P() = 1
P A
1
pentru orice i {1, , m} vom avea
m
1
50% ;
2
2) P fa dat la zar
16, 7% ;
7
70%
10
4) Apariia a dou bile albe la dou extrageri succesive dintr-o urn cu bila revenit.
Exemple de evenimente dependente:
Apariia a dou bile albe la dou extrageri succesive din urn cu bila nerevenit.
Teorema 1.1
Avem proprietile:
1) P() = 1 P(A) pentru orice A ;
2) P(A 1 A n ) = [P(A 1 ) + + (A n )] - [P(A 1 A 2 ) + + P(A n-1 A n )] + +
(-1) nP(A1 An) pentru orice evenimente A1, , An ;
3) 0 < P(A) < 1 pentru orice A ; P() = 0; P() = 1;
4) P(A1 An) > P(A1) + + (An) n + 1 (Boole).
Demonstraie:
1) A = i A = deci P(A ) = P() = 1, deci conform axiomei 2) din
definiia probabilitii: P(A) + P() = 1 deci P() = 1 P(A).
2) Vom demonstra egalitatea pentru n = 2 i apoi aplicm inducia dup n.
Evenimentele A1 i 1 A2 sunt incompatibile i A1 (1 A2) = A1 A2 deci
conform axiomei 2) a probabilitii, avem:
P(A1) + P(1 A2) = P(A1 A2)
(1)
Evenimentele A1 A2 i 1 A2 sunt incompatibile i (A1 A2) (1 A2) = A2
deci conform axiomei 2) a probabilitilor avem:
P(A1 A2) + P(1 A2) = P(A2)
(2)
Scznd egalitatea (2) din (1) obinem:
P(A1) - P(A1 A2) = P(A1 A2) P(A2) sau:
P(A1 A2) = P(A1) + P(A2) - P(A1 A2)
(3)
Dac A i B sunt incompatibile (A B = ) din (3) reobinem axioma 2) a probabilitii:
P(A1 A2) = P(A1) + P(A2)
(4)
3) P(A) > 0 i P() = 1 conform axiomei 1) a probabilitii.
Dac A1 A2 egalitatea (2) devine:
P(A1) + P(1 A2) = P(A2) sau
P(A2) P(A1) = P(1 A2) > 0, deci A1 A2 implic P(A1) < P(A2).
n particular A deci P(A) < P() = 1.
De asemenea = , deci conform punctului 1) avem P() = 1 P() = 0
4) Vom demonstra inegalitatea pentru n = 2 apoi aplicm inducia dup n.
Avem P(A1 A2) = P(A1) + P(A2) P(A1 A2) > P(A1) + P(A2) 1 = P(A1) + P(A2) - 2 +1
Dac A1, A2 sunt independente avem conform definiiei egalitatea P(A1 A2) = P(A1) . P(A2).
Q.E.D.
Exemple:
1) Se arunc 2 monezi care nu se ciocnesc.
Se cere:
a) Probabilitatea P1 s ias 2 steme;
b) Probabilitatea P2 s nu ias nici o stem;
c) Probabilitatea P3 s ias cel puin o stem.
12
Soluie:
Fie evenimentele: A1 = apariia stemei pe prima moned i A2 = apariia stemei pe a
doua moned
a) A1 i A2 sunt independente, deci P1 = P(A1 A2) = PA1 A 2
b) P2 = P(1 2) = P(1) . P(2) =
c) P3 = 1 P2 =
1 1 1
.
2 2 4
1 1 1
.
2 2 4
3
.
4
1 1 1
;
6 6 36
6 1
;
36 6
c) Avem 3 = 1 . 3 = 3 . 1; 4 = 1 . 4 = 2 . 2 = 4 . 1; 5 = 1 . 5 = 5 . 1 deci P3 =
7
.
36
3) Se dau dou urne U1 cu 7 bile albe i 3 bile negre i U2 cu 4 bile albe i 6 bile negre. Se
extrage cte o bil din fiecare urn.
Se cere:
a) Probabilitatea P1 ca ambele bile s fie albe;
b) Probabilitatea P2 ca bilele s fie de aceeai culoare;
c) Probabilitatea P3 ca bilele s fie de culori diferite.
Soluie:
a) Fie evenimentele: A1 = apariia unei bile albe din urna U1 i A2 = apariia unei bile
albe din urna U2. Evenimentele A1 i A2 sunt independente deci: P1 = P(A1 A2) = P(A1) . P(A2)
=
7 4
28% ;
10 10
b) Evenimentele A1 A2 i 1 2 sunt incompatibile deci P2 = P[(A1 A2) (1
7 4 3 6
46%
10 10 10 10
Se cere:
a) Probabilitatea P1 ca prin circuitul serie al celor 2 becuri s treac curentul;
b) Probabilitatea P2 ca prin circuitul paralel al celor 2 becuri s treac curentul.
Soluie:
Evenimentele A1, A2 sunt compatibile i independente.
a) P1 = P(A1 A2) = P(A1) . P(A2) = 0.8 x 0.9 = 72%;
b) P2 = P(A1 A2) = P(A1) + P(A2) P(A1) . P(A2) = 0.8 + 0.9 0.72 = 98%
5) Doi ochitori lovesc o int cu probabilitile P(A1) = 0.7; P(A2) = 0.8
Se cere:
a) Probabilitatea P1 a lovirii intei dac trag simultan amndoi asupra ei;
b) Probabilitatea P2 a lovirii intei dac primul ochitor execut dou focuri succesive asupra
ei;
c) Probabilitatea P3 a lovirii intei dac al II-lea ochitor execut dou focuri succesive
asupra ei.
Soluie:
A1, A2 sunt evenimente compatibile i independente.
a) P1 = P(A1 A2) = P(A1) + P(A2) P(A1) . P(A2) = 0.7 + 0.8 0.7 . 0.8 = 94%;
b) P2 = P(A1 A1) = P(A1) + P(A1) (PA1) . P(A1) = 0.7 + 0.7 0.7 . 0.7 = 91%;
c) P3 = P(A2 A2) = P(A2) + P(A2) P(A2) . P(A2) = 0.8 + 0.8 0.8 . 0.8 = 96%.
6) Un soi de gru ndeplinete condiiile de calitate cu probabilitile: P (MMB standard) =
0.96; P (putere de germinare standard) = 0.97; P (umiditate standard) = 0.92
Se cere:
Probabilitatea ndeplinirii standardelor pentru cele trei condiii.
Soluie:
Condiiile din enun sunt dependente deci P(A1 A2 A3) > P(A1) + P(A2) + P(A3) 3 + 1
= 0.96 + 0.97 + 0.92 2 = 0.85 = 85%.
1.1.3 Probabilitile condiionate ale evenimentelor
Pentru a descrie influena realizrii unui eveniment A1 asupra realizrii unui eveniment A2
se folosete probabilitatea condiionat.
P A1 A 2
Raportul
se numete probabilitatea lui A2 condiionat de A1 i se noteaz
PA1
PA1(A2) sau P(A2/A1).
Observm c dac A1 i A2 sunt independente, avem:
P(A1 A2) = P(A1) . P(A2), deci P(A2) = P(A2).
De asemenea dac A1 implic pe A2 (A1 A2) atunci A1 A2 = A1, deci P(A1 A2) =
PA1) aa c PA1(A2) = 1.
Relaia de definiie P(A1 A2) = P(A1) . PA1(A2) se extinde prin inducie dup n:
P(A1 An) = P(A1) . PA1(A2) ... PA1 An-1(An)
(5)
14
Teorema 1.2
Dac = A1 An cu A1, , An i Ai sunt incompatibile cte dou, pentru orice
B avem:
1) (Formula probabilitii totale):
P(B) = P(A1) . PA1(B) + + P(An) . PAn(B)
2) (Formula Bayes):
PB Aj
(6)
PAj PAj B
(7)
pentru orice j = 1, , n.
Demonstraie:
1) Din relaia = A1 An rezult B = (A1 B) (An B), A1, , An fiind
incompatibile cte dou i A1 B, , An B vor fi incompatibile cte dou.
Din axioma 2) a probabilitii rezult:
P(B) = P(A1 B) + + P(An B)
Dar P(Aj B) = P(Aj) . PAj(B); (j = 1, , n), deci rezult relaia (6) din enunt:
P(B) = P(A1) . PA1(B) + + P(An) . PAn(B)
2)Avem:
PB Aj
P(B)
P(A1 ) PA1 (B) ... P(An ) PAn (B)
A2(A3)
45 44 43
72.7%
50 49 48
2) O urn conine 12 bile albe i 8 bile negre. Se extrag succesiv din urn 3 bile cu bila
nerevenit. Care este probabilitatea ca bilele extrase s fie n ordine: alb, neagr, alb?
Soluie:
Fie evenimentul A1 = prima bil extras este neagr; A2 = a doua bil extras este
neagr; A3 = a treia bil extras este alb.
Relaia (5) se scrie:
P(A1 A2 A3) = P(A1) . PA1(A2) . PA1
A2(A3)
12 8 11
15.4%
20 19 18
3) Se dau urnele U1 cu 12 bile albe i 8 bile negre, U2 cu 10 bile albe i 10 bile negre i U3
cu 6 bile albe i 14 bile negre.
15
1 12 1 10 1 6 12 10 6 28
46.7%
3 20 3 20 3 20 60 60 60 60
12 28 12
:
42.8%
P(B)
60 60 28
10
6
Analog PB(A2) =
PB(A3) =
35.7 %;
21.5%
28
28
PB (A1 )
Deci este mai probabil c bila alb extras s provin din urna U1.
4) Se dau urnele U1 cu 12 bile albe i 8 bile negre i U2 cu 6 bile albe i 14 bile negre. Din
U1 n U2 se transfer o bil apoi se extrage o bil din U2.
a) Care este probabilitatea ca bila extras din U2 s fie alb?
b) tiind c bila extras din U2 a fost alb, ce culoare avea bila transferat?
Soluie:
Fie evenimentele A1 = bila transferat din U1 n U2 a fost alb, A2 = bila transferat din
U1 n U2 a fost neagr; B = bila extras din U2 este alb.
a) Relaia (6) pentru n = 3 se scrie:
P(B) = P(A1) . PA1(B) + P(A2) . PA2(B) =
=
12 7
8 6
84
48 132
31.4%
20 21 20 21 420 420 420
Analog PB(A2) =
fost alb.
132
84
132
420 420
84
63.6%
132
5) Trei boli la bovine au probabilitile P(A1) = 0.45; P(A2) = 0.36; P(A3) = 0.19 Aceste boli
modific un parametru sanguin cu probabilitile PA1(B) = 0.23; PA2(B) = 0.41; PA3(B) = 0.75.
a) Care este probabilitatea ca o vac bolnav de una din cele trei boli s aib parametrul
sanguin modificat?
b) La o vac se constat c parametrul sanguin este modificat de una din cele trei boli. Care
din boli a provocat modificarea?
16
Soluie:
Fie evenimentele Ai = vaca s-a mbolnvit de boala cu nr. i, (i = 1, 2, 3); B = vaca are
parametrul sanguin modificat.
a) Conform relaiei (6) pentru n = 3 avem:
P(B) = P(A1) . PA1(B) + P(A2) . PB(A2) + P(A3) . PA3(B) = 0.45 . 0.23 + 0.36 . 0.41 + 0.19 .
0.75 = 0.1035 + 0.1476 +0.1425 = 39.36%
b) Relaia (7) pentru j = 1 devine:
PB (A1 )
Analog PB(A2) =
P(B)
0.1476
0.1035
0.3936
26.3%
37.5% ;
PB(A3) =
0.3936
0.1425
0.3936
probabilitate este o funcie real f(x) > 0 astfel c P(a < X < b) = f(x)dx
n particular 1 P( X )
n acest caz P(X B) f(x)dx
f(x)dx
4 5 6
3)
Se d o urn U cu 4 bile albe i 6 bile negre. Se extrag n = 2 bile succesiv cu bila
revenit. Pot apare x = 0, 1, 2 bile albe deci avem variabila aleatoare X:
9/25 12/25
4/25
Variabilele de la punctele 1) i 2) se numesc uniforme deoarece toate
valorile au aceeai
probabilitate (densitatea de probabilitate este funcie constant) iar variabila de la punctul 3) nu este
uniform.
x [2;4]
in rest
mx,
4) Fie funcia f(x)
0
f(x, y) 0 deci
mxdx 1
-
sau
4 2
2
mxdx 1
adic m.
f(x) 1
deci m
1
. Este
6
lim
F(x) = 0;
x
2) F(x) este o funcie continu la stnga:
lim F(x) = F(x0)
lim
F(x) 1
xx0
P(A0 )
n2
n2
lim
x n
Relaia
lim
x n
F(x n ) aa c
lim
x n
F(x n ) 0 .
18
Q.E.D.
x1 ,........xn
, ea are funcia de
Dac X este variabil aleatoare discontinu cu repartiia
p
,.......p
1
n
repartiie :
0
P1
, x < x1
,x1 < x < x2
F(x) =
P1 + + pn-1, xn-1 < x < xn
1
,xn < x
Dac X este variabil aleatoare continu cu densitatea de probabilitate f(x), X are funcia de
repartiie F(x)
f(t)dt .
f(x)
F(x)
x
0
Exemple:
1) Pentru variabila aleatoare discontinu X cu repartiia:
1
X:
10
ave
19
0.11
0.42
0.30
0.07
0.10
0
f(x) =
,x=1
,x=2
,x=4
,x=6
, x = 10
n rest
i funcia de repartiie:
0
0.11
0.53
0.83
0.90
1
F(x) =
,x<1
,1<x<2
,2<x<4
,4<x<6
, 6 < x < 10
, 10 < x
Avem P(1.5 < X < 7.4) = F(7.4) F(1.5) = 0.90 0.11 = 69%
P(X < 5.8) = F(5.8) = 83%; F(3.4 < X) = 1 F(3.4) = 1 0.53 = 47%
2) Pentru variabila aleatoare continu X cu densitatea de probabilitate:
x
x
, x 2; 4
f(x) 6
avem funcia de repartiie F(x) f(t)dt
0 n rest
F(x)
0dt 0
x
t
t
1 2
(x 4) iar pentru
Pentru 2 < x < 4 avem F(x) dt dt
6
6
12
2
x
x > 4 avem
4
t
t
dt
6 2 6dt 1
1
[(3.62 4) (2.32 4)] 63.9% ;
12
1 2
(3 4) 42.7%
12
1
(2.52 4) 81.2%
P(2.5 < X) = 1 F(2.5) = 1 12
P(X < 3) = F(3) =
20
x1 , ______ x m
;
X :
p
,
______
p
1
m
y1 , ______ y n
Y :
q
,
______
q
1
n
i 1, .... m
j 1, .... n
xi a
ax i
X x i /a
(a 0)
;
;
X
aX :
:
p
p
p
a
i
xi y j
x ia
a
;
X Y :
X : respectiv
pi
pi q j
xi y j
X x i /y j
XY :
:
;
(yj 0)
p .q
Y pi .q j
i j
Dac X este variabil aleatoare continu cu densitatea de probabilitate f(x), atunci se arat
c variabila aleatoare Y = (X) unde este o funcie bijectiv i derivabil, va avea densitatea de
probabilitate:
g(y) = f[-1(y)] . [ 1 (y) ]'
Exemplu:
Se d variabila aleatoare X cu densitatea de probabilitate:
f(x) =
x
2
0
, x [0, 2]
, n rest
[ -1 (y)]'
1
2
y -3
, x [3; 7]
8
0
, n rest
b) Y e4X 1 (y)
g(y) =
y3
;
2
lny
32y
0
lny
;
4
[ -1 (y)]'
1
aa c:
4y
, y [1; e8 ]
, n rest
21
aa c:
g(y) =
e2y - e y
2
0
deci:
, y [0; ln3]
, n rest
1) Media M(X) =
xf(x)dx
xi
; (i N) , avem M(X) =
p
i
xp
iN
1
2
[x M(X)] f(x)dx
2
[x
iN
xi
; (i N) , avem V(X) =
pi
- M(X)]2 pi
Observm c eroarea ptratic total: SPA(x) =
i N
(X) =
V(X)
(X)
6) Coeficientul de variaie c(X) =
100 (%)
M(X)
5) Abaterea standard
Exemple:
1) Pentru variabila aleatoare discontinu X cu repartiia:
2
4
6
10
1
X :
avem:
V(X) = (1 3.57)2 x 0.11 + (2 3.57)2 x 0.42 + (4 3.57)2 x 0.30 + (6 3.57)2 x 0.07 + (10
3.57)2 x 0.10 = 6.3651
c(X) =
x
6
0
f(x) =
M(X) =
, x [2; 4]
avem:
, n rest
4
x
1 2
x3 4 1 3
3
xf(x)dx 2 x 6 dx 6 2 x dx 18 2 18 (4 2 ) 3.11
x2 4
F(x) =
, pentru x [2; 4], deci:
12
x2 4 1
Me(X) 10 3.16; Mo(X) 4 cci f(x) este cresctoare.
12
2
x
1
3
2
2
V(X)= [x M(X)] f(x)dx (x 3.11) dx (x 6.22x 3.11 x)
6
62
2
2
1 x4
x3
2 x 4
6.22 11 0.6543; (X) 0.6543 0.81
6 4
3
2 2
0.81
26%
c(X) =
3.11
2
Proprietile mediei M(X) n raport cu operaiile cu variabile aleatoare, sunt date de:
Teorema 1.2
Avem proprietile:
1) M(a) = a
2) M(X + a) = M(X) + a
3) M(aX) = aM(X)
4) M(X + Y) = M(X) + M(Y)
5) Dac X, Y sunt independente, avem: M(X . Y) = M(X) . M(Y)
Demonstraie:
Relaiile rezult prin calcul direct pentru variabile discontinue:
x1 ... x m
y1 ... y n
i se generalizeaz pentru variabile continue folosind
X:
Y :
;
p1 ... pm
q1 ... q n
liniaritatea integralelor. Q.E.D.
Proprietile variantei V(X) n raport cu operaiile cu variabile aleatoare sunt date de:
23
Teorema 1.3
Avem proprietile:
1) V(a) = 0
2) V(X + a) = V(X)
3) V(aX) = a2V(X)
4) V(X) = M(X2) M2(X)
5) X, Y = independente V(X + Y) = V(X) + V(Y)
Demonstraie:
Relaiile rezult prin calcul direct (folosind i teorema 1.2) pentru variabile discontinue:
x ... x m
y1 ... y n
X: 1
; Y :
i se generalizeaz pentru variabile continue folosind
p1 ... pm
q1 ... q n
liniaritatea integralelor. Q.E.D.
Fie X o variabil aleatoare cu media M(X) i variana V(X) i fie > 0.
Dac cunoatem funcia de repartiie F(x) avem P(M(X) < X < M(X) + ) =
P X M(x) FM(x) FM(x) .
Teorema 1.4
P X M(X) 1
V(X)
2
Demonstraie:
x1 , ........,x n
i [1;n] : x
M(X) , deci:
n
P X M(X) 1 P x i M(X) = 1 pi
i 1
iI
i 1
V(X)
2
iI
iI
1 p i P X M(X) .
iI
Demonstraia cnd X este variabil aleatoare continu se face la fel ca mai sus, nlocuind sumele
cu integrale. Q.E.D.
Exemple:
1) Se d variabila aleatoare discontinu X cu repartiia:
2
4
6
10
1
X:
i cu M(X) = 3.57;
V(X) = 6.3651;
(X) avem:
24
P X 3.57 3 1
V(X)
6.3651
29.3% .
2
9
de
probabilitate
P X 3.11 1 1
(X) avem:
V(X)
0.6543
34.6%
2
1
(t ) e p j
itx j
jN
(t)
itx
f(x)dx .
(-t) (t)
2) Dac X are funcia caracteristic (t) atunci aX are funcia caracteristic (at).
3) Dac X, Y sunt independente i au funciile caracteristice 1(t), 2(t) atunci variabila
aleatoare X + Y are funcia caracteristic 1(t) . 2(t).
4) Momentele de ordin k ale lui X sunt date de relaiile:
(k) (0)
M(X k )
; (k N)
ik
Demonstraie:
1) (0) = M(e0) = M(1) = 1
25
(t)
itx
e f(x)dx
e f(x)dx
itx
f(x)dx 1
M(e
ia tX
i(at)x
f(x)dx (at)
(t)
(k)
(ix)
e f(x)dx i
itx
xe
k itx
f(x)dx , deci:
x f(x)dx i M(X
(k) (0) i k
Q.E.D.
1 i t x
f(x)
e (t)dt
2
Teorema 1.5 transfer proprietile lui (t) la f(x):
f(x)dx 1
1) f(x) > 0;
2) Dac variabila aleatoare X are densitatea de probabilitate f(x), variabila aX are densitatea
a.f(x).
3) Dac variabilele aleatoare independente X, Y au densitile de probabilitate f1(x), f2(x),
atunci variabila aleatoare X + Y are ca densitate de probabilitate produsul de convoluie al lui
f1(x), f2(x):
f(x)
MX
x f(x)dx
k
Exemple:
1) Fie variabila aleatoare discontinu X cu repartiia
S se afle funcia caracteristic (t)
26
1 2 4
X:
Soluie:
f(x) 6
0
, x 2; 4
n rest
Soluie:
(t)
1
6t
14 itx
1 4
f(x)dx e xdx x cos t x dx i x sin tx dx
62
6 2
2
itx
1 4it e
4it
1 2it e 2it
rm1 ...rmn
q1
.
.
.
.
qn
Suma coloan
p1 pn
r11 .. r1n
27
x1 ___ x m
media: M(X) x i p i i
Variabila marginal X are repartiia X :
i 1
p1 ___ p m
m
i 1
n
y1 ___ Yn
media: M(Y) y j q j i
Variabila marginal Y are repartiia Y :
j1
q1 ___ q n
j 1
Exemplu:
La tragerea la int, orice lovitur este caracterizat de perechea (X, Y) unde X este abaterea
n direcie fa de centrul O al intei i Y este abaterea n nlime fa de centrul O al intei iar
rij = P(X = xi i Y = yj); i, j N este probabilitatea ca o lovitur s aib abaterea n direcie xi i n
nlime yj.
Dac mulimea valorilor vectorului aleator Z = (X, Y) este nenumrabil, atunci vectorul
aleator se numete continuu i densitatea sa de probabilitate este o funcie real f(x, y) > 0 astfel
bd
f(x, y)dxdy .
ac
n particular 1 P(X R si Y R)
f(x, y)dxdy
Exemplu:
mx 2 y, x 2;4
f(x, y) 1
mx
56
3
m 4 1 aa c m
. Vizibil f(x, y) > 0.
3
224
Funcia de repartiie a vectorului aleator Z = (X, Y) este F(x, y) = P(X < x i Y < y).
Ca i n cazul variabilei aleatoare (teorema 2.1.) se demonstreaz:
Teorema 1.6
Avem proprietile:
1) F(x, y) ia valori n [0; 1];
28
lim
F(x, y)
lim
F(x, y)
F(x, y) 1
lim
(x, y) ( , )
f(s, t)ds dt
F(x, y)
Reciproc, dac F(x, y) este derivabil de dou ori n raport cu x, y avem densitatea de
probabilitate f(x, y) = Fxy(x, y). Variabilele X, Y vor avea densitile de probabilitate:
f1 (x)
f 2 (y)
Exemplu:
Pentru vectorul aleator Z = (X, Y) cu densitatea de probabilitate:
3 2
224 x y ; x 2,4
f(x, y)
y 1,3
0
in rest
x y
x y
y
x
3
3 s3 x t 2 y
2
F ( x, y) f (s, t )ds d t s tds d t s ds tdt
14
224
3
2
0 , x 2 sau y 1
1
F(x, y)
(x 3 23 )(y 2 12 ) n rest
448
1 , x y si y 3
2
adic:
29
Pe graficul suprafeei z = f(x, y), densitatea de probabilitate f(x, y) este cota punctului de
abscis x i ordonat y iar funcia de repartiie F(x, y) este volumul de sub suprafaa z = f(x, y) aflat
n semispaiul Z > 0 i n stnga planelor X = x i Y = y.
Teorema 1.7
Variabilele aleatoare X, Y din componena vectorului aleator Z = (X, Y) sunt independente
dac i numai dac F(x, y) = F1(x) . F2(y) sau dac i numai dac f(x, y) = f1(x) . f2(y)
Demonstraie:
X, Y sunt independente dac i numai dac evenimentele X < x i Y < y sunt
independente dac i numai dac P(X < x i Y < y) = P(X < x) . P(Y < y) dac i numai dac F(x, y) =
F1(x) . F2(y) de unde prin derivare parial n raport cu x, y obinem Fxy(x, y) = F1(x) . F2(y) adic
f(x, y) = f1(x) . f2(y). Q.E.D.
1.3.2 Indicatori numerici
n afar de funcia de repartiie F(x, y), vectorul aleator Z = (X, Y) are i urmtorii indicatori
numerici:
1) Vectorul medie M(Z) = (M(X), M(Y)) unde:
M(X)
xf1 (x)dx;
M(Y)
yf2 (y)dy
x1 ___ x m
i
Dac X, Y sunt discontinue, de exemplu dac X :
p
___
p
1
m
m
n
y1 ___ y n
avem: M(X) x i p i ; M(Y) y jq j
Y :
i 1
j 1
q1 ___ q n
C(X, X) C(X, Y)
2) Matricea de covarian: C(Z)
C(Y, X) C(Y, Y)
C(X, Y)
i 1
n
j 1
i 1
j1
Mc(xi) = MX = Xi(Y) =
yf(x, y)dy
(X, Y)
C(X, Y)
C(X, Y)
Proprietile covarianei C(X, Y) n raport cu operaiile cu variabile aleatoare, sunt date de:
Teorema 1.8
Avem proprietile:
1) C(a, b) = 0
2) C(X + a, Y + b) = C(X, Y)
3) C(aX, bX) = abC(X, Y)
4) C(X, Y) = M(X . Y) M(X) . M(Y) =
1
V(X Y) V(X) V(Y)
2
avem C(X, Y) = 0 dei: 0.1 = P(X = 2, Y = 1) P(X = 2) . P(Y = 1) = 0.6 . 0.5 = 0.3. Q.E.D.
Proprietile coeficientului de corelaie liniar (X, Y) n raport cu operaiile cu variabile
aleatoare sunt date de:
Teorema 1.9
Avem proprietile:
1) (a, b) = 0
2) (X + a, Y + b) = (X, Y)
3) (aX, bY) = (X, Y)
4) (X, Y) 1; (X, Y) 1; dac i numai dac X, Y sunt dependente funcional
liniar: Y = aX + b
5) Dac X, Y sunt variabile aleatoare independente atunci (X, Y) = 0 adic X, Y sunt
necorelate liniar.
6) Dac X, Y sunt variabile aleatoare normale, este adevrat i reciproca.
Demonstraie:
Relaiile 1) 3) rezult prin calcul direct, folosind teoremele 1.3, 1.8 i definiia lui (X, Y)
=
C(X, Y)
. Din relaiile 2) 3) rezult:
V(X) V(Y)
X M(X) Y - M(Y)
(X, Y) C
,
(X)
(Y)
Relaia 5) din enun rezult din relaia 5) a teoremei 2.8 i din definiia lui (X, Y).
S demonstrm punctul 4) din enun.
Avem V[ (Y) . X - (X) . Y] > 0, relaie n care folosim teoremele 2.2, 2.3, 2.8 i
obinem: 2(X) . 2(Y) - (X) . (Y) . C(X,Y) > 0 sau
C(X, Y)
1
(X)(Y)
(X, Y) 1
cu soluia:
a (X, Y)
(Y)
;
(X)
b M(Y) aM(X)
32
C(X, aX b)
V(X) V(aX b)
aV(X)
V(X) a 2 V(X)
1
1
a
Suma p
0.5
0
0.5
0.1
0
0.1
0
0.4
0.4
0.6
0.4
1
Variabila
0.24
C(Z)
0.44
0.44
0.89
1
2
Avem coeficientul de corelaie liniar:
(X, Y)
C(X, Y)
0.44
0.96
V(X) V(Y)
0.24 0.89
a (X, Y)
(Y)
0.89
0.96
1.85
(X)
0.24
Termenul liber al regresiei este: b = M(Y) aM(X) = 1.9 1.85 . 0.24 = 1.46
33
g(x)
0.7
1.2
Demonstraie:
Fie Aj evenimentul extragerii unei bile albe din urna Uj i j evenimentul extragerii unei bile
negre din urna Uj (1 j n).
Obinerea a k bile albe i n - k bile negre cnd se extrage cte o bil din fiecare din cele n
urne, const n realizarea unui eveniment de forma:
An,k = Ai1 Aik A ik + 1 ... A in
unde i1, ..., in este o permutare a indicilor 1, , n. Cum evenimentele Aj, A j sunt independente cte
dou, avem:
P(An,k) = pi1.pikqik+1.qin
Evenimentele An,k fiind incompatibile cte dou, probabilitatea Pn,k a obinerii a k bile albe
i n - k bile negre n schema Poisson, va fi:
Pn,k = pi1.pikqik+1..qin
pentru toate permutrile i1,..., in ale indicilor 1,, n adic chiar coeficientul lui t k n produsul (p1t
Cnnk
1.2...k
k !(n k )!
34
F (k ) Cnh p h q n h
h 0
(t ) ( peit q) n
M (X 2 )
"(0)
2
' (0)
i
np i
i
Modul Mo(X) satisface relaia np q Mo(X) np + q.
Teorema 1.11
Dac X, Y sunt variabile binomiale independente de tip B(n1, p) i respectiv B(n2, p), atunci
X + Y este variabil binomial de tip B(n1 + n2, p).
Demonstraie:
it
n1
it
n2
it
Conform teoremei 1.5, X + Y are funcia caracteristic (pe + q) .(pe + q) = (pe +
q)n1 + n2, deci X + Y este variabil binomial B(n1 + n2, p). Q.E.D.
Valorile f(k) din formula (1) se obin prin calcul direct pentru n < 30 iar pentru n 30
variabila binomial se poate aproxima cu cea normal (Teorema 1.14 (Moivre - Laplace) de mai
jos).
Observm c f(k) din formula (1) este termenul general al dezvoltrii binomului 1 = (q + p)n,
de unde i denumirea de variabil binomial.
35
Dac urna U are a1 bile de culoarea 1,, am bile de culoarea m i extragem succesiv n bile
cu bila revenit, dorim s apar k1 bile de culoarea 1,, km bile de culoarea m, deci avem
variabila aleatoare polinomial cu densitatea de probabilitate:
n!
f (k1 ,...km )
p1k1 ... pm km , (k1,, km = 0, 1,., n; k1 ++ km = n)
k1 !...km !
Pentru m = 2 reobinem variabila aleatoare binominal.
Exemple:
1) Se arunc o moned de n = 5 ori. Care este probabilitatea s apar stema de k = 2 ori?
Soluie:
Aruncrile succesive ale monedei sunt independente deci se supun legii binomiale.
1
1
Acum p , q 1 p , n 5, k 2 deci conform relaiei (1) avem:
2
2
1
1
5.4
1
5
f (2) C52 ( )2 ( )3
. 5
31.2%
2 2
1.2 2
16
Funcii EXCEL: = BINOMDIST(2, 5, 0.5 ,FALSE) = 31.2%
= BINOMDIST(2, 5, 0.5, TRUE) = 50%
5
Numrul mediu de bile albe va fi: M(X) = np = 2.5 bile albe i abaterea standard a
2
1 1
5
numrului de bile albe va fi ( x) npq 5.
1
6
5
6
1 5
4.3 52 52
25
f (2) C42 ( )2 ( )2
. 4 3
11.6%
6 6
1.2 6
216
6
Funcii EXCEL: = BINOMDIST(2, 4, 1/6, FALSE) = 11.6%
= BINOMDIST(2, 4, 1/6, TRUE) = 98.4%
Numrul mediu de fee nr. 6 aprute va fi M ( x) np
a numrului de fee nr. 6 aprute va fi ( x)
npq =
4
0.7 bile iar abaterea standard
6
20 5
0.7 bile
=
36 3
3)
Se d o urn U cu a = 6 bile albe i b = 14 bile negre. Se extrag succesiv n = 4 bile cu bila
revenit. Care este probabilitatea s obinem k = 2 bile albe?
Soluie:
6
14
, q 1 p , n 4, k 2 deci conform formulei (1) avem:
20
20
4.3 32.7 2
2 6 2 14 2
f (2) C4 ( ) ( )
.
26.5%
20 20
1.2 10 4
Avem p
36
Cak .Cbnk
Pn,k
Canb
Demonstraie:
Din a bile albe se pot forma Cak grupe distincte de cte k bile albe n fiecare grup iar din b
bile negre se pot forma Cbn - k grupe distincte cu n - k bile negre n fiecare grup.
Extragerea culorilor alb i neagr fiind independente, numrul cazurilor favorabile n
schema bilei nerevenite este Cka.Cbn - k. Din a + b bile se pot forma Ca + bn grupe distincte cu n bile n
fiecare grup, deci numrul cazurilor egal posibile n schema bilei nerevenite este Ca + bn.
C k .C n k
Conform definiiei clasice a probabilitii avem: Pn,k a n b Q.E.D.
Ca b
n concluzie, densitatea de probabilitate a variabilei hipergeometrice H(a, b, n) este:
f (k )
Cak .Cbn k
Can b
(a k 1)(n k 1)
; (k 1,2,......n)
(b n k ).k
Funcia de repartiie hipergeometric este:
f (k ) f (k 1).
Cah .Cbn h
Canb
h 0
k
F (k )
n 1
)
a b 1
Dorim s apar k1 bile de culoarea 1,, km bile de culoarea m, deci avem variabila
hipergeometric cu m stri cu densitatea de probabilitate:
f (k1 ,...., km )
Cak11 ...Cakmm
Can1 b1....am bm
90
10
C950
.C50
100
C1000
f ( x)
e ; (k 0,1, 2,...)
k!
Notaie: PO()
f(k) se calculeaz recurent astfel:
f(0) = e; (k = 0)
f(k) f (k 1).
; (k = 1, 2, 3,)
F (k )
h!
Funcie EXCEL: = POISSON(k, , L)
Pentru L = FALSE avem densitatea de repartiie Poisson f(k) iar pentru L = TRUE avem
funcia de repartiie F(k).
it
Funcia caracteristic este (t ) e ( e 1) de unde conform teoremei 2.5. rezult:
h 0
M (X )
'(0)
; M(X )
2
" (0)
i
i
2
2
deci V(X) M(X )-M (X)
38
Teorema 1.13
Dac X, Y sunt variabile Poisson de tip PO () respectiv PO(atunci X + Y este variabil
Poisson de tip PO
Demonstraie:
Conform teoremei 1.5, X + Y are funcia caracteristic:
it
it
it
(t ) 1 (t )2 (t ) e1 (e 1) .e2 ( e 1) e( 1 2 )( e 1) , deci X + Y este variabil Poisson de tip:
PO( Q.E.D.
Teorema 1.14
Variabila Poisson se obine din variabila binomial dac n , p 0 i np =
Demonstraie:
Avem:
(np) k
1
k 1 (1 p) n
k
(1 )....(1
).
care
tinde
catre
e
k!
n
n (1 p)k
k!
1
k 1
deoarece (1- )...(1
) 1, (1 p) k 1 i (1-p) n [(1 p) 1/ p ] np e .
n
n
Rezult c modelul aproximativ al variabilei Poisson este schema bilei revenite aplicat unei
urne foarte bogate iar cu foarte puine bile albe i din care se extrag succesiv cu bila revenit un
numr de n foarte mare de bile. Din acest motiv variabila Poisson se mai numete variabila
evenimentelor rare.
Repartiia Poisson se gsete des n agricultur: numrul gemenilor, numrul animalelor cu
tare genetice i numrul celulelor iradiate cu particule sunt evenimente rare.
Cnk p k q n k
Exemplu:
Numrul mediu de miei la 100 oi este de 120 miei. Care este probabilitatea ca o oaie s fete
2 miei?
Soluie:
1.22 1.2
Avem = 1.2 i k = 2, deci f (2)
e 21.7 %.
2!
Funcii EXCEL: = POISSON(2, 1.2, FALSE) = 21.7%
= POISSON(2, 1.2, TRUE) = 87.9%
' (0)
i
(t )
e it 1
i conform teoremei 1.5. avem: M(X) =
it
1
'' (0) 1
1
; M ( X 2 ) 2 deci V(X) M(X 2 )-M 2 (X)
3
12
i
2
Valorile x 0, 1 ale lui se numesc numere aleatoare i se tabeleaz sau se genereaz cu
Cu ajutorul variabilei uniforme , se pot simula valorile oricrei variabile aleatoare prin
metoda Monte Carlo.
Simularea altor variabile aleatoare clasice se face cu ajutorul variabilei uniforme astfel:
Alegem n mod aleator (la ntmplare) m valori ale variabilei uniforme i [0, 1] i lum
x = xi dac F(xi) = i, (i = 1, , m) unde F(x) este funcia de repartiie a variabilei aleatoare X.
Dac X este variabil aleatoare discontinu cu un numr finit de valori, cu repartiia:
x1 ___ x n
X :
p1 ___ p n
xi = x1
dac 0 < i < p1
xi = x2
dac p1 < i < p1 + p2
.
xi = xk
dac p1 + + pk-1 < i < p1 + + pk
.
xi = xn
dac p1 + + pn-1 < i < 1
Dac X este variabil aleatoare discontinu cu un ir infinit de valori, din condiia 0 < pi < 1
p i 1 rezult c numai pentru un numr finit de valori xi avem pi > cu 0 < < 1 deci vom
i 1
M (X )
' (0)
(0)
''
i M(X2) =
it
(1 ) 1 , deci conform teoremei 2.5 avem
2
Variabila exponenial i gsete aplicaii n fiabilitatea mainilor agricole (Seciunea 1.7 de
mai jos).
Variabila exponenial admite urmtoarele generalizri:
A. Dac X este variabil exponenial E() atunci Y = X este variabil Weibull cu
densitatea de probabilitate:
f ( x) x 1e x ,( x 0)
F ( x) 1 e x
este funcia de repartiie.
Funcie EXCEL: = WEIBULL(x, , 1/(1/), L)
Pentru L = FALSE avem densitatea de probabilitate WEIBULL f(x) iar pentru L = TRUE
avem funcia de repartiie WEIBULL F(x).
Avem:
40
M (X )
1
)
;V ( X ) 1 ( 2 ) (( 1)) 2
1/
1/
( x) t x 1et dt
0
cu proprietile:
1) (1) = 1; (1/2) =
2) (n + 1) = n!;
3) (x + 1) = x (x)
B. Dac X1,, Xn sunt variabile aleatoare exponeniale, independente cte dou i toate de
parametru , atunci X = X1 ++ Xn este variabil Erlang cu densitatea de probabilitate:
f ( x)
n
(n 1)!
x n1e x ;( x 0)
.x
n 1 (x) j
j 0
j!
it
'(0) n
(t ) (1 ) n deci conform teoremei 6.5 avem M(X)
M(X ) =
'' (0)
n2 n
i2
2
2
Variabila exponenial i generalizrile ei Weibull i Erlang, sunt cazuri particulare ale
variabilei Gama generalizate.
1.5.3 Variabila normal
Variabila normal are densitatea de probabilitate:
41
1
f ( x)
e
2
( x )2
2 2
,xR
M (X )
'(0)
; M ( X 2 )
(0)
''
(t ) e
it
2t 2
2
2 2 deci V(X) M ( X 2 ) M 2 ( X ) 2
i
i
Variabila normal X are notaia X = N(, ).
Din graficul densitii de probabilitate f(x) a variabilei normale se confirm cele 2 legi ale
erorilor accidentale, gsite de Gauss:
1) Legea simetriei: Numrul valorilor care se abat sub media este egal cu numrul
valorilor care se abat peste media ;
2) Legea concentrrii: Abaterile mici de la media sunt numeroase iar abaterile mari de la
media sunt rare.
Dac pe verticala lui lsm s cad boabe de cereale, boabe de nisip sau pietricele, acestea
se ciocnesc i se rostogolesc formnd o grmad care are n seciune vertical profilul de curb
normal de mai sus.
Teorema 1.15
Dac X1, X2 sunt variabile aleatoare normale de tip N(1, 1) i respectiv N(2, 2),
independente ntre ele, atunci variabila aleatoare a1X1 + a2X2 este o variabil aleatoare normal de
tip N(a11 + a2 2; (a1212 + a2222)1/2).
Demonstraie:
Variabila aleatoare a1X1 + a2X2 are
1(a1t1)2(a2t2) = e
ia11t
a1212t 2
2
.e
ia2 2t
a22 22t 2
i ( a11 a2 2 ) t
=e
( a12 12 a 22 22 ) t 2
2
deci a1X1 + a2X2 este variabil aleatoare normal de tip N(a11 + a22;
1 u 2 / 2
e
i cu graficul:
2
de probabilitate f(u) =
Legtura ntre variabila normal X = N(, ) i variabila normal redus U = N(0, 1) este
dat de relaia U
respectiv X = + U.
42
1
F (u )
2
t2
2
e dt
Valorile lui F(u) pentru u 0 se gsesc n tabela 1 din Anex iar pentru u < 0 avem:
F(u) = 1 - F(-u).
Graficul lui F(u) are forma:
1 u2 5
i
Pentru F(u) avem i formula aproximativ F (u ) 1
e . aW
; (u 0) unde
i
2
i 1
1
cu p = 0.2316419 respectiv a 1 = 0.3193815;a2 = -0.3565638; a 3 = 1.781478; a4 =
W
1 pu
-1.821256; a5 = 1.330274
Teorema 1.16
Dac X este variabil N(, ) avem:
b
a
P ( a X b) F (
) F(
)
Demonstraie:
Relaia rezult din teorema 1.3 punctul 4 cu substituia U
P( X ) 2 F ( ) 1 Q.E.D.
43
) 1 F ( ) relaia din
Exemplu:
Greutatea la livrare a porcilor Landrace de 8 luni este variabila normal N(100 kg; 5 kg). Se
cere probabilitatea ca greutatea porcilor de 8 luni s fie cuprins ntre 98 kg i 106 kg?
Soluie:
106 100
98 100
F(
) F(
) F (1.2) F (0.4) F (1.2) 1 F (0.4)
5
5
0.8849 0.6554 1 54%.
Funcii EXCEL: = NORMDIST(1.2) = 0.8849 i = NORMDIST(-0.4) = 0.3446
P(98 X 106) =
f ( x)
1
n
2
n
2 .( )
2
.x
n
1
2
x
2
.e ;( x 0)
n
Funcia caracteristic este (t) = (1 - 2it) 2 deci conform teoremei 2.5 avem:
M(X) =
'(0)
i
n; M ( X 2 )
"(0)
i
Teorema 1.17
Dac X1, X2 sunt variabile hi ptrat cu n1 grade de libertate respectiv n2 grade de libertate,
atunci X1 + X2 este variabil hi ptrat cu n1 + n2 grade de libertate.
Demonstraie:
Conform teoremei 1.5 variabila aleatoare X1 + X2 are funcia caracteristic
n1
2
n2
2
(1 2it )
n1 n2
2
libertate. Q.E.D.
Variabila hi ptrat cu n grade de libertate este un caz particular al variabilei Gama
generalizate.
Dac X este variabil hi ptrat cu n grade de libertate (n 30) atunci variabila
(U 2n 1) 2
este
2 X 2n 1 U unde U = N (0, 1) de unde rezult c variabila X
2
2
P(
2 )
44
n
n2
Valorile lui t/2 i t date de relaiile P(t> t/2) = P(t > t) = , se obin din tabela 2 din Anex.
Pentru n 30 variabila Student este bine aproximat de variabila normal N(0, 1).
Funcia EXCEL: = TINV(P, GL) d valorile t/2 pentru care P(t> t/2) =
C. Variabila Fisher (F)
Dac X1, X2 sunt variabile hi ptrat cu n1 respectiv n2 grade de libertate, independente ntre
X1 X 2
:
se numete variabil Fisher (F) cu (n1, n2) grade de libertate.
n1 n2
1
Evident este tot variabil Fisher cu (n2, n1) grade de libertate.
Y
ele, atunci Y=
X cu n1 1; n2
- Variabila hi ptrat este X cu n1 n;n2
- Variabila U este
f ( x, y )
1
2 1 2 1 2
1
2(1 2 )
( x 1 )2 ( y 2 )2
x 1 y
2
.
2
2
(t1 , t2 ) e
1
i ( 1t1 2t2 ) (12t12 22t22 2 1 2t1t2 )
2
Aici X = N (1 , 1 ), Y N (2 , 2 ) i (X,Y)
Avem vectorul medie M(Z) = ( 1 ; 2 ) i matricea de covarian:
2 1 2
C(Z) = 1
2
2 1 2
Graficul lui z = f(x, y) este o suprafa n spaiu n form de clopot cu deschiderea n jos, cu
1
)
vrful clopotului n punctul: M ( 1 ; 2 ;
2 1 2 1 2
[u 2 v2 2 . u. v ]
2(1 2 )
f (u, v)
2 1
46
1
Avem M(W) = (0; 0); C(W) =
1
Dac Z = (X, Y) cu X N (1 , 1 ), Y N(2 , 2 ) iar W (U,V) cu U V N (0,1) avem
relaiile de legtur:
X 1
Y-2
U
; V
f ( x, y )
2 1 2
1
2 1 1
1 x 1 )2
(
2 1
1 x 1 2 y
[(
) (
2
1
2
2 2
) ]
1 y
(
1
.
e 2
2 2
0 deci:
2 2
f1 ( x) f 2 ( y )
deci conform teoremei 1.7. rezult c X, Y sunt variabile aleatoare independente. Q.E.D.
V (X )
T
P
n 2
lim P( X-M(X) ) 1
1
n
Din expresia lui P rezult numrul minim de variabile aleatoare care asigur evenimentului
X - M(x)< ) o probabilitate de realizare superioar lui P i anume:
47
T2
. Q.E.D.
2 (1 P )
Legea numerelor mari a lui Cebev arat c media unui numr mare de variabile aleatoare
independente cte dou i cu abateri standard mrginite, i pierde caracterul de variabil
aleatoare, stabilindu-se n jurul mediei sale.
n particular, media a n msurtori independente ale unei nsuiri cantitative X se
stabilizeaz, cnd volumul msurtorilor crete.
Exemplu:
Cte msurtori trebuie fcute pentru ca greutatea oulelor s fie cuprins ntre 49 g i 51 g
cu o ncredere de cel puin 99%, dac tolerana maxim admis la greutatea oulelor este T = 1 g?
Soluie:
Avem T = 1 g, = 1 g, P = 0.99 deci n =
12
100 msuratori.
1 0.01
Dac n legea numerelor mari a lui Cebev lum variabilele aleatoare X 1 =.= X n =
1 0
X ... X n
pq
n 2
V (X )
P
Cum lim P = 1 rezult: n
lim P(f - p < ) = 1 deci am demonstrat: n
p(1 p)
(1 P )
2
Legea numerelor mari a lui Bernoulli arat c frecvena f de apariie a unui eveniment n n
experiene independente care este n fond media a n valori a unei nsuiri calitative X, se
stabilizeaz n jurul probabilitii p de realizare a evenimentului.
Prin urmare, n cazul unui numr mare de experiene independente, probabilitatea p
(constant i cunoscut naintea experienelor) ncepe s fie confirmat de frecvena f (variabil i
cunoscut dup experiene).
Exemplu:
Care este numrul minim de aruncri ale unei monezi pentru ca frecvena de apariie a
stemei s fie cuprins ntre 45% i 55% cu o ncredere de cel puin 90%?
48
Soluie:
Avem p = 1/2 = 50%; = 5% = 0.05, P = 90% = 0.90
deci n=
P(1 p)
2 (1 P )
0.5(1 0.5)
0.052.(1 0.90)
1000 aruncri
1 0
deci
p q
X = X1 +.+ Xn este variabil binomial, condiia din enunul teoremei 1.21 este ndeplinit
deoarece M(Xi) = pq aa c M (Xi - M(Xi)3) sunt finite i egale ntre ele deci:
n
[M ( X
i 1
M ( X i ) )]
3
( X )3
nM ( X i p )
3
( npq)3
M ( Xi p )
3
n p3 q3
F(
b np
a np
) F(
) cnd n 30
npq
npq
Valorile lui F(u) pentru u 0 sunt date de tabela 1 din Anex iar pentru u < 0 avem F(u) =
1 - F(-u).
Exemplu:
ntr-o urn se afl 600 bile albe i 400 bile negre. Se extrag n = 200 bile cu bila revenit. Se
cere probabilitatea ca numrul X de bile albe extrase s fie cuprins ntre 100 i 140 bile albe.
Soluie:
Avem: p = 6/10; q = 4/10; n = 200; a = 100; b = 140 deci:
49
6
6
140 200.
100 200.
10 ) F (
10 )
P(100 X 140) F (
6 4
6 4
200. .
200. .
10 10
10 10
F (2.9) F (2.9) 2.F (2.9) 1 2 0.9981 1 99.6%
F(t t) F(t)
P(t T t t)
lim
t 0
t 0
t
t
de unde P(t T < t + t) = f(t).t deci probabilitatea de defectare a echipamentului n intervalul de
timp t, t + t este egal cu densitatea de repartiie f(t) nmulit cu lungimea t a acestui intreval
de timp.
4) Rata defectrii (t) este viteza de defectare a echipamentului la momentul de timp t, dac
echipamentul a funcionat fr defeciuni n intervalul de timp 0, t.
Avem: (t) = f(t)/1 F(t) = - R(t)/R(t)
n adevr, fie A evenimentul c echipamentul a funcionat fr defeciuni n intervalul de
timp 0, t i B evenimentul c echipamentul se va defecta n intervalul de timp t, t + t.
f(t)= lim
t 0 t
t 0
t
1 F(t) 1 F(t)
R(t)
Probabilitatea lui B, condiinat de A este:
Avem P(B A) = (t).t deci probabilitatea ca echipamentul s se defecteze n intervalul de timp t,
t + t, dac a funcionat fr defeciuni n intervalul de timp 0, t, este egal cu rata defectrii
nmulit cu lungimea t a intervalului de timp t, t + t.
Din relaia (t) = - R(t)/R(t) rezult:
P( B A) =
- (s)ds
R(t) = e
50
(t)
II
III
tr
tu n timp:
t
Avem trei perioade0 n evoluia funcionrii
unui echipament
I)
Perioada de rodaj [0; tr] n care apar un numr mare de defecte de fabricaie;
II) Perioada de via util [tr; tu] n care rata defectrii este sczut i constant;
III) Perioada de uzur fizic [tu; +] n care rata defectrii crete din nou datorit uzurii
fizice.
5)
(t)= (s)ds
0
M(t) = t f(t)dt
0
Mentenana echipamentului.
Dac echipamentul se defecteaz la un moment de timp td, el trebuie reparat. Defeciunea
poate fi subiectiv (cauzat de exploatarea necorespunztoare sau nerealizarea reviziilor obligatorii)
sau obiectiv (cauzat de uzura fizic).
Fie Tm variabila aleatoare pozitiv a timpului de restabilire a funcionalitii echipamentului,
numit i timp de mentenan (restabilire).
Fie Fm(t) funcia de repartiie a variabilei Tm deci Fm(t) = P(Tm < t) este probabilitatea de
restabilire a echipamentului ntr-un timp inferior lui t. fm(t) = Fm(t) este densitatea de repartiie a
variabilei Tm iar media variabilei Tm este timpul mediu de restabilire a echipamentului:
7)
M(Tm ) t fm (t)dt
0
2)
aa c:
;
( t ) t 1 ;
M (T )
R (t ) e
1
n cazul 0 < < 1, (t) descrete (cazul elementelor cu defecte de fabricaie multe da care se
uzeaz lent); n cazul = 1 avem (t) = = constant adic cazul 1) al fiabilitii exponeniale de mai
sus; n cazul > 1, (t) crete (cazul elementelor cu defecte de fabricaie puine dar care se uzeaz
rapid).
s 2
t
1
2
3) T = variabil normal deci F (t )
cu valori n tabele, dup
e 2
t
transformarea U
T
.
( t )
Aici
1
f (t )
e
2
( t )2
2 2
f (t)
;
1 F( t )
M(T) =
N(; ).
Dac dou elemente constructive independente ntre ele, au fiabilitile R1(t), R2(t) atunci
legndu-le n serie avem un element compus cu fiabilitatea R(t) = R1(t) . R2(t) iar legndu-le n
paralel, avem un element compus cu fiabilitatea R(t) = R1(t) + R2(t) R1(t) . R2(t).
52
Exemplu:
Dou elemente constructive independente ale unui tractor au fiabilitile exponeniale R1(t) e - 0.5t;
R2(t) = e - 1.5t. S se calculeze fiabilitatea elementului compus din cele 2 elemente precedente n
montaj serie i paralel.
Soluie:
Pentru montajul serie avem Rs(t) = e-0,5t . e-1,5t = e-2t deci s(t) = 2;
Pentru montajul paralel avem Rp(t) = e-0,5t + e-1,5t e-2t, deci
1
0.5 .
2
R ' p (t )
M s (T )
p (t )
R p (t )
Mp(T) =
(t )dt .
1.8 REZUMAT
n acest capitol se prezint definiia unui eveniment, clasificarea evenimentelor i exemple,
definiia axiomatic i clasic a probabilitii, definiia probabilitii condiionate, formulele
probabilitii totale i Bayes, variabil aleatoare pentru care se descrie funcia de repartiie i
densitatea de probabilitate, media, variana i funcia caracteristic.
Deasemenea se prezint noiunea de vector aleator pentru care se descrie covariana i
coeficientul de corelaie liniar, variabilele aleatoare clasice discontinue ntre care remarcm
variabilele binomial i Poisson, variabilele aleatoare continue ntre care remarcm variabilele
exponenial, normal, hi patrat, Student i Fisher precum i vectorul aleator normal.
Capitolul continu cu legile limit: Cebev, Bernoulli i teorema limit-central.
n ncheiere se prezint fiabilitatea echipamentelor.
1.9 NTREBRI
Ce este un eveniment i ce operaii se fac cu evenimente?
Care este definiia clasic a probabilitii i ce proprieti are probabilitatea?
Cum se aplic formula probabilitii totale i formula Bayes la diagnosticul bolilor la animale?
Enumerai proprietile funciei de repartiie i densitii de probabilitate a unei variabile
aleatoare.
5. Enumerai proprietile mediei i varianei unei variabile aleatoare.
6. Enumerai proprietile covarianei i coeficientului de corelaie liniar pentru un vector aleator.
7. Unde se aplic variabilele discontinue binomial i Poisson?
8. Unde se aplic variabilele continue exponenial, normal, hi patrat, Student i Fisher?
9. Ce importan practic au legile-limit Cebev i Bernoulli?
10. Definii fiabilitatea unui echipament i enumerai proprietile ei.
1.
2.
3.
4.
1.10 BIBLIOGRAFIE
1. D. Ene, M. Drghici, I.N. Alecu: Statistic aplicat n agricultur, Ed. Ceres, 2003
2. M. Iosifescu i col.: Mic enciclopedie de statistic, Ed. tiinif. i Enciclop., 1985
3. Anuarul statistic al Romniei, 1990 - 2003
53
Exemple de populaii statistice n agricultur: plantele unei culturi ntr-o parcel, animalele
unei ferme zootehnice, mainile agricole care deservesc o suprafa arabil, fermele vegetale sau
zootehnice dintr-un jude, unitile de prelucrare a produselor agricole (mori, fabrici de ulei, zahr,
produse lactate, mezeluri, abatoare etc.), magazinele care comercializeaz produse alimentare,
reeaua de case de agroturism, reeaua de uniti de alimentaie public etc.
Fiecare exemplar al populaiei statistice are o serie de nsuiri cantitative (msurabile) sau
calitative (atributive) notate X, Y, Z, sau X1, X2, , Xn pe care le vom numi n continuare i
caractere.
Pentru populaiile statistice din agricultur, nsuirile admit i alte clasificri:
- dup natur: nsuiri biologice, tehnologice, economice, ecologice;
- dup modul de exprimare numeric: nsuiri bivalente (0 sau 1), ntregi i reale
(fracionare);
- dup modul de apreciere: nsuiri primare (numai msurabile) i nsuiri derivate
(msurabile sau calculabile);
- dup gradul de generalitate: nsuiri individuale (proprii fiecrui element al populaiei)
i colective (proprii unor grupe de elemente ale populaiei).
Exemple de nsuiri individuale:
- talia plantei;
- suprafaa foliar a plantei;
- greutatea i densitatea plantei;
- dimensiunile fructelor;
- greutatea i densitatea fructelor;
- numrul de boabe din fruct;
- dimensiunile boabelor;
- greutatea i densitatea boabelor;
- coninutul n substane nutritive al fructelor sau boabelor.
Exemple de nsuiri individuale la animale:
- nlimea la greabn;
- nlimea la crup;
- lungimea corpului;
- circumferina toracic;
- greutatea i densitatea corpului;
- dimensiunea organelor interne (ficat, inim, rinichi, creier etc.);
- greutatea i densitatea organelor interne;
- greutatea i densitatea produselor zootehnice (lapte, grsime i protein n lapte, carne etc.);
- coninutul n substane nutritive al produselor zootehnice.
nsuirile individuale precedente devin colective dac se nsumeaz pentru plantele unei
culturi de pe o parcel dat sau pentru animalele dintr-o ferm zootehnic dat.
Menionm i urmtoarele nsuiri colective:
- Consumul de resurse (for de munc, for mecanic, energie, ngrminte, ap,
furaje, medicamente etc.) pentru o societate agricol (vegetal, zootehnic, de prelucrare produse
agricole, de comercializare produse alimentare, de agroturism) ntr-un ciclu de producie;
- Costul resurselor pe unitate de resurs pentru o societate agricol ntr-un ciclu de
producie;
- Cheltuielile cu resurse (consumuri nmulite cu costurile) nsumate pentru o societate
agricol ntr-un ciclu de producie;
- Cheltuielile neproductive (TVA, taxe, impozite etc.) ale unei societi agricole ntr-un
ciclu de producie;
- Producii fizice principale i secundare ale unei societi agricole ntr-un ciclu de
producie;
55
n
(%) se numete cot de reprezentare
N
n
75
1 : 1000 plante.
N 75000
a) Populaia este omogen n raport cu nsuirea X adic orice valoare a lui X este n mod
egal probabil proprie fiecrui exemplar al populaiei.
n acest caz se efectueaz un sondaj simplu repetat sau nerepetat.
Sondajul simplu repetat se efectueaz prin extragerea succesiv a exemplarelor din
populaie i revenirea n populaie a fiecrui exemplar dup msurarea nsuirii X (schema bilei
revenite). Avantajul acestui tip de sondaj este c extragerile din populaie sunt independente iar
dezavantajul este c la controlul calitii produselor, orice exemplar chiar dac este rebut, trebuie
ntors n populaie.
Sondajul simplu nerepetat se efectueaz prin extragerea simultan a exemplarelor din
populaie i revenirea acestora n populaie (dac nu sunt rebuturi) dup efectuarea tuturor
msurtorilor pe ele relativ la nsuirea X (schema bilei nerevenit).
Dezavantajul acestui tip de sondaj este c extragerile din populaie sunt dependente. Dac
volumul de sondaj n este relativ mare rezultatele obinute prin sondajul simplu repetat sau nerepetat
sunt aproximativ aceleai.
b) Populaia este neomogen n raport cu nsuirea X dar se poate mpri n k straturi
omogene n raport cu X, volumul straturilor fiind N1, , Nk. Evident avem N1 + + Nk = N. n
acest caz se efectueaz un sondaj stratificat care const n k sondaje simple, repetate sau
nerepetate, din straturi cu volumele de sondaj din straturi n1, , nk. Evident avem n1 + + nk = n.
Prezentm cteva tipuri de sondaj stratificat:
a. Sondaj tipic: n1 ... n k
b. Sondaj proporional:
c. Sondaj optim:
n1 n
n
;
k
N
N
n1
n
n
deci n1 n 1 ,...,n k n k
... k
N
N
N1
Nk N
n
n1
n
... k
N1 1
N k k Ni i
deci
N11
N
,...,n k n k k
Ni i
Ni i
Aici 1, , k sunt abaterile standard ale exemplarelor din straturi n raport cu caracterul
X ca variabil aleatoare (vezi cap. 2).
Observm c pentru N1 = = Nk =
N
sondajul tipic i cel proporional coincid iar pentru
k
N1
N
p1 ,..., k p k deci pentru tipurile de sondaj
N
N
n1 = = nk =
n
;
k
p11
p
,...,n k n k k .
pi i
pi i
Exemplu:
O turm de ovine de volum N = 1000 capete are structura N1 = 700 mioare, N2 = 250 miei,
N3 = 50 berbeci.
57
X max X
0;1.
X max X min
6) Media este sensibil la valori de sondaj mult mai mici sau mult mai mari ca restul datelor
de sondaj.
Acest defect se remediaz fie eliminnd aceste valori din rndul datelor de sondaj ca valori
strine fie folosind mediana prezentat mai jos.
7) Media este sensibil la codificarea datelor. Conform teoremei 1.1 orice operaie
aritmetic efectuat cu datele de sondaj, trebuie efectuat i asupra mediei de sondaj.
Dac sondajul a fost stratificat, datele de sondaj au forma:
x11, , x1,n1 extrase din stratul 1 i cu media de sondaj X 1
----------------------------------------------------------------------Xk1, , Xk,nk extrase din stratul k i cu media de sondaj X k.
58
n1 X 1 ... nk X k
n1 ... nk
1
1
...
X
Xn
1
- media armonic:
1
Xa
n
X12
media ptratic: X 2
...
n
X 2n
1
2
Avem X a X g X .
Dac X1,, Xn sunt depuse n celulele A1:An din coloana A n EXCEL media X este dat
de funcia EXCEL scris n celula B1: = AVERAGE(A1:An), media geometric X g este dat de
funcia EXCEL scris n celula B2: = GEOMEAN (A1:An) iar media armonic X a este dat de
funcia EXCEL scris n celula B3: = HARMEAN (A1:An).
II. Mediana Me este acea valoare fa de care jumtate din numrul valorilor de sondaj sunt
mai mici ca ea i cealalt jumtate din numrul valorilor de sondaj sunt mai mari ca ea.
Aranjm datele de sondaj n ordine cresctoare: x1 < x2 < < xn.
Dac n = numr par avem Me
Me X k 1 .
1
x k x k 1 iar dac n = numr impar avem
2 2
2
Mediana Me este mai stabil fa de media X la valori de sondaj foarte mici fa de restul
valorilor de sondaj, deoarece ia n calcul numrul de valori de sondaj nu i mrimea valorilor de
sondaj.
n plus, SMA(X) = X1 X ... X n X este minim pentru X = Me.
Aici SMA este prescurtarea pentru suma modulelor abaterilor. Mediana primei jumti a
datelor de sondaj cresctoare, se numete cuartila ntia Q1 . Me = Q2. Analog Q3 pentru a doua
jumtate a datelor.
Dac X1,, Xn sunt depuse n celulele A1:An din coloana A n EXCEL,mediana Me este
dat de funcia EXCEL scris n celula B4: = MEDIAN (A1:An) sau de funcia EXCEL scris n
celula B4: = QUARTILE (A1:An, 2), quartila Q1 este dat de funcia EXCEL scris n celula B5: =
QUARTILE (A1:An, 1) iar quartila Q3 este dat de funcia EXCEL scris n celula B6: =
QUARTILE (A1:An, 3).
Media i mediana au fost indicatori de poziie pentru datele de sondaj.
Urmeaz indicatori de variabilitate pentru datele de sondaj.
59
X
xi n
i
n 1
2
x i X
V S
n 1
x i X
n 1
Sp
a max S
0;1.
a max a min
2) Abaterea standard este sensibil la nmulirea sau mprirea datelor de sondaj conform
teoremei 1.2.
3) Abaterea standard singur nu poate aprecia intensitatea variabilitii datelor de sondaj.
Dac X1,, Xn sunt depuse n celulele A1:An din coloana A n EXCEL, variaia ptratic
total SPA este dat de funcia EXCEL scris n celula B7: = DEVSQ (A1:An), variana V este dat
de funcia EXCEL scris n celula B8: = VAR(A1:An) iar abaterea-standard S este dat de funcia
EXCEL scris n celula B9: = STDEV(A1:An).
Valorile Ui = (Xi - X )/S se numesc reduse sau normate. Avem: M(Ui) = 0 i V(Ui) = 1.
Funcia EXCEL pentru calculul valorilor reduse are forma = STANDARDISE(Xi, X , S).
V. Coeficientul de variabilitate
S
100 este principalul indicator procentual al variabilitii datelor de sondaj n jurul
X
mediei la X . El msoar variabilitatea datelor lund ca unitate de msur nu unitatea de msur a
caracterului X ci media de sondaj X .
c
a min
100 i
X max
a max
100 ).
X min
2) Coeficientul de variabilitate c nu are uniti de msuri, deci permite comparaii ntre
caractere.
500
50 g/plant
10
I)
II)
IV)
448
49.8 g 2
10 1
S 49.8 7 g / plant
V)
III)
S2
7
14%
50
Xi
Xi- X
(Xi- X )2
Xi X
S
40
42
45
45
48
51
54
57
58
60
500
-10
-8
-5
-5
-2
1
4
7
8
10
0
100
64
25
25
4
1
16
49
64
100
448
-1.43
-1.14
-0.71
-0.71
-0.29
0.14
0.57
1.00
1.14
1.43
-
n
1:
N
O sintez elegant a acestor calcule este dat n foaia de calcul C1P1.XLS aflat n Anex.
2.2.2. Cazul sondajului de volum mare (n > 30)
n acest caz se face gruparea datelor de sondaj n clase de valori astfel: se fixeaz
numrul k de clase de valori care nu trebuie s fie nici prea mic, deoarece se terg trsturi
eseniale ale datelor de sondaj, nici prea mare, deoarece se pun n eviden trsturi neeseniale
ale datelor de sondaj.
Acest numr k de clase de valori se poate calcula cu una din formulele k < 5 log n, k = 1 +
3.322 log n sau se folosesc recomandabil orientative de mai jos.
61
X max X min
.
nr. clase de valori k
Centrul clasei de valori Ci, notat cu xi, este mijlocul clasei adic media aritmetic a
valorilor extremitilor clasei Ci.
Centrul clasei xi aproximeaz toate valorile de sondaj n clasa Ci, fiind reprezentantul
acestor valori.
Frecvena absolut ni a valorilor de sondaj ntr-o clas de valori Ci este numrul datelor de
sondaj care cad n clasa respectiv, valori aproximate prin centrul clasei xi.
Frecvena relativ (procentual) fi a valorilor de sondaj ntr-o clas de valori Ci este
fi
ni
n
*
xi ; ni .
2
Toate aceste operaii de grupare, tabelare i reprezentare grafic se pot face cu programul
C1GRUP sau cu EXCEL.
Pentru datele de sondaj grupate, indicatorii de sondaj de la punctele 5.2 I) V) capt
forma:
I)
Media de sondaj:
k
1 k
X n i x i fi x i
n i 1
i 1
II)
Mediana de sondaj:
n
;
2
62
xi
1 k
n k
2
2
n
X
f i X i X
i i
n 1 i 1
n 1 i 1
63
Datorit gruprii n clase de valori i a aproximrii valorilor dintr-o clas cu centrul clasei xi,
S sufer o eroare care se nltur prin corecia Sheppard S ' S 2
12
claselor de valori.
S
100
X
V)
VI)
1 k X X
1 k
Coeficientul de asimetrie de sondaj: A ni i
niU i3
n i 1 S
n i 1
V)
1 k X X
B ni i
n i 1 S
1 k
4
niU i
i 1
n
Dac datele de sondaj negrupate X1,, Xn sunt depuse n celulele A1:An din coloana A n
EXCEL, coeficientul de asimetrie ajustat (numit skewness):
64
Skew
n2
.A
(n 1)(n 2)
este dat de funcia EXCEL scris n coloana B11: = SKEW(A1:An), iar coeficientul de boltire ajustat
(numit Kurtozis):
n2 (n 1)
3(n 1) 2
Kurt
.B
(n 1)(n 2)(n 3)
(n 2)(n 3)
este dat de funcia EXCEL scris n coloana B12: = KURT(A1:An).
Se numete structur de date cu k componente ansamblul de numere f1,, fk care
ndeplinesc condiiile: 0 fi 1 (1 i k) i f1 ++ fk = 1, (f1,, fk) se numete vectorul
structurii.
Exemple:
1) Frecvenele relative f1,, fk ale datelor de sondaj de volum mare, grupate n clasele de
valori C1,, Ck cu centrele de clase x1,, xk definesc structura sondajului pe clase de valori.
2) Fie k ramuri ale unei uniti economice i fie C1,, Ck cheltuielile totale (productive i
neproductive) anuale ale ramurilor. Cheltuielile totale anuale ale ntregii uniti sunt C = C1 ++ Ck.
Numerele f1 = C1/C,, fk = C1/C definesc structura de cheltuieli a unitii pe ramuri.
n mod analog, fie V1,, Vk veniturile totale anuale ale ramurilor i fie V = V1 ++ Vk
total anual al unitii.
Numerele f1 = V1/V,, fk = Vk/V definesc structura de venituri a unitii pe ramuri.
Concentrarea unei structuri de date este tendina de cretere a ponderii fi a unei
componente n detrimentul celorlalte, inclusiv micorarea numrului k de componente.
Concentrarea structurii este maxim dac fi = 1 i fj = 0 pentru j i.
Diversificarea structurii de date este tendina de egalizare valoric a ponderilor f1,, fk
ale celor k componente ale structurii, inclusiv prin mrirea numrului k de componente.
Diversificarea structurii este maxim dac f1 == fk = 1/k.
Media valorilor f1,, fk este f = 1/k iar abaterea-standard a valorilor f1,,fk este:
2
i
k 1
deoarece
Pentru concentrarea maxim avem S = 1/(k)1/2 iar pentru diversificarea maxim avem S = 0.
Abaterea-standard corectat:
S k .S
k fi 2 1
[0;1]
k 1
este un indicator al concentrrii structurii pe componente i se poate exprima n procente.
Entropia structurii este dat de relaia:
H
f . og
i
2 i
i=1
k
1
fi . og2 fi
og 2 k i 1
Fie dou structuri de date cu vectorii de structur (f1,, fk) i (g1,, gk)
Mediile lui f1,, fk i respectiv g1,, gk sunt f = g = 1/k.
Legtura ntre cele dou structuri se msoar prin coeficientul de corelaie liniar dat de
teorema 1.2:
k f i gi 1
(k fi 2 1)(k gi2 1)
[1;1]
Conform teoremei 1.1, coeficientul de regresie liniar ntre cele dou structuri are forma:
B1
k fi gi 1
k fi 2 1
iar termenul liber al regresiei este:
2
1 B1 fi fi gi
B0 g B1 . f
k
k fi 2 1
Conform teoremei 2.9, dac |R| = 1 avem legtura funcional liniar ntre cele dou
n
50
1 : 1500 plante.
N 75000
4g .
5
66
Clase
Sub 44 g
[44 48 g)
[48 52 g)
[52 56 g)
peste 56 g
Centre clase
Xi
42 g
46
50
54
58
Frecvene ni
Frecvene
n*i
5 plante
14
35
44
50
5 plante
9
21
9
6
Graficele sunt:
Histograma:
Poligonul frecvenelor:
67
Frecvene fI
0.10
0.18
0.42
0.18
0.12
Frecvene
f*i
0.10
0.28
0.70
0.88
1.00
Cumulata:
I)
Media de sondaj:
1
X 5 40 9 46 21 50 9 54 6 58 50.16 g/plant
50
II) Mediana de sondaj Me = 50 g
III) Modul de sondaj Mo = 50 g
IV) Abaterea standard de sondaj:
1
2
2
2
2
2
5 42 50.16 9 46 50.16 21 50 50.16 9 54 50.16 6 58 50.16
49
4.5
g/plant.
4
4.46 g
12
4.5
9%
50.16
50 4.5
VII) Coeficientul de boltire de sondaj:
1
5 42 50.16 4 9 46 50.16 4 21 50 50.16 4 9 54 50.16 4 6 58 50.16 4 = 2.41
4
50 4.5
VIII) Coeficientul de concentrare de sondaj:
28.6 %
5 1
Desigur indicatorii X , Me, S, c puteau fi calculai i din cele n = 50 valori de sondaj nainte
de gruparea datelor.
Dac X este nsuire calitativ (atributiv), facem convenia:
68
sau cu 1. Fie k numrul cifrelor Xi = 1 (1 < k < n). Media de sondaj devine f
k
0;1 ,
n
k 6
12%
n 50
x t t1 x 2 t 3 t 2 ... x n 1 t n t n 1
(1) X C 1 2
t n t1
Dac X se msoar prin valori medii x1, , xn n intervalele de timp [t1, t2), [t2, t3), , [tn-1,
tn] avem:
x1 x 2
t 2 t1 x 2 x 3 t 3 t 2 ... x n 1 x n t n t n 1
2
2
2
(2) X m
t n t1
X1 X 2 ...X n 1
respectiv:
n 1
X1
X
X 2 ... X n 1 n
2
(4) X m 2
n 1
II) Ritmul mediu valoric (absolut) de evoluie
Abaterile valorice ale datelor de sondaj consecutive sunt D1 = X2 X1, ,; Dn 1 = Xn Xn 1.
Ritmul mediu valoric de evoluie al datelor de sondaj va fi:
(5) D
x 2 x1 t 2 t1 x 3 x 2 t 3 t 2 ... x n x n 1 t n t n 1
t n t1
X n X1
n 1
Valorile ateptate ale datelor de sondaj de evoluie formeaz progresia aritmetic cu raia D:
X1, X1 + D, , X1 + (n 1)D
Aceste valori ateptate X1 + j.D se apropie de cele observate Xj atunci cnd caracterul X
evolueaz numai cresctor sau numai descresctor n timp i abaterile valorice ale datelor de
sondaj consecutive D1, , Dn 1 sunt toate pozitive sau toate negative i apropiate ntre ele ca
valoare (caracterul X evolueaz liniar n timp).
n caz contrar se ajusteaz aceste abateri valorice D1, , Dn 1 cu o funcie de regresie
neliniar n raport cu timpul ca n seciunea 5.3
Pe durata a m perioade de timp, variaia valoric a caracterului X va fi P = x1 + (m 1)D
x1 = (m 1) D deci X variaz valoric cu cantitatea P n m
Dac notm x1 + + xm = Q avem:
mX1
mm 1
D Q de unde
2
70
P
1 perioade de timp.
D
D 2X1
D 2X1 8DQ
2D
tn tn 1 t t
X t2 t1 X t3 t2
n 1
Xn
3
2
(7) I
...
X 1
X2
X n 1
Dac logaritmm relaia precedent, obinem:
logX2 log X1 t2 t1 ... logXn log X n1 tn tn1
(8) log I
tn t1
deci logaritmul lui I este ritmul mediu valoric de evoluie al valorilor de sondaj logaritmate.
Dac msurtorile sunt echidistante avem:
log X n log X 1
t2 t1 = t3 t2 = = tn tn 1 = d iar tn t1 = (n 1).d, deci avem: log I
adic:
n 1
X n 1
(9) I n
X1
Valorile ateptate ale datelor de sondaj de evoluie formeaz o progresie geometric cu
raia I: X1, X1.I, , X1.In 1.
Aceste valori ateptate X1.Ij se apropie de cele observate Xj atunci cnd caracterul X
evolueaz numai cresctor sau numai descresctor n timp i abaterile procentuale ale datelor
de sondaj consecutive, notate cu I1, , In 1 sunt toate supraunitare sau toate subunitare i
apropiate ntre ele ca valoare (caracterul X are o evoluie exponenial n timp).
n caz contrar se ajusteaz aceste abateri procentuale I1, , In 1 cu o funcie de regresie
neliniar n raport cu timpul ca n seciunea 5.3
X I m1
Pe durata a m perioade de timp variaia procentual a lui X va fi P 1
I m1 deci X
X1
log P
variaz procentual cu valoarea P n m
1 perioade de timp.
log I
Q
log I 1
1
m
X1
I 1
71
ti
28
56
84
112
140
168
196
224
252
280
xi(g/zi)
12
26
42
60
78
94
107
117
120
Se cer X , D, I.
Soluie:
Graficul perechilor de valori (x,z) are forma:
140
120
100
80
60
Series1
40
20
0
0
50
100
150
200
250
300
1
1
X 1 X 2 ... X n 1 X n
2
X 2
66.4 kg
n 1
X X1
log X n log X1
0.178 deci I = 100.178 = 1.57
D n
13 kg; log I
n 1
n 1
Fie diviziunile de timp echidistante t1, , tn (cu t2 t1 = t3 t2 = = tn tn - 1).
n cazul msurtorilor echidistante, indicatorii D i I nu depind de X 2, , Xn -1, defect
care poate fi corectat prin metoda uniformizrii nclinrii dinilor de fierstru ai seriei
cronologice X1, , Xn, dup cum urmeaz:
a) Corecia lui D
Avem diferenele de ordin I: Di = Xi+1 Xi.
Dac diviziunile de timp echidistante au lungimea 1 adic: t2 t1 = t3 t2 = = tn tn - 1 = 1
atunci Di este nclinarea (panta) segmentului care unete punctele (ti, Xi) i (ti+1, Xi+1) cu ti+1 ti = 1.
Dac Di < 0, avem Xi > Xi+1 deci pe tronsonul [ti; ti+1] caracterul X are variaie
descresctoare.
Dac Di = 0, avem Xi = Xi+1 deci pe tronsonul [ti; ti+1] caracterul X este staionar.
Dac Di > 0, avem Xi < Xi+1 deci pe tronsonul [ti; ti+1] caracterul X are variaie cresctoare.
Vom nlocui pe D cu ritmurile medii valorice (absolute) RV1 i RV2 care urmeaz: RV1 < 0
este media aritmetic a diferenelor Di < 0 iar RV2 > 0 este media aritmetic a diferenelor Di > 0.
Valorile lui X1, , Xn vor fi ajustate cu ajutorul lui RV1 i RV2 astfel:
XV1 X 1
X i RV1 dac Xi X i 1
XVi X i dac Xi X i 1
X RV dac X X
2
i
i 1
i
(1 i n-1)
72
Variaia ptratic total a lui Y este: SPAT ( X i X ) iar variaia ptratic rezidual
valoric a lui X este: SPAV = (Xi XVi )2.
Dac SPAV < SPAT, raportul de corelaie valoric are forma:
2
XP1 X 1
X i RP1 dac Xi X i 1
XPi X i dac Xi X i 1
X RP dac X X
2
i
i 1
i
(1 i n-1)
Variaia ptratic total a lui Y este: SPAT ( X i X ) iar variaia ptratic rezidual
procentual a lui X este: SPAP = (Xi XPi)2.
Dac SPAP < SPAT, raportul de corelaie procentual are forma:
2
Exemplu:
Fie X nivelul apei unui ru din Romnia msurat la mir (m) n n = 10 zile consecutive.
Msurtorile i calculele conform formulelor precedente figureaz n tabelul urmtor:
73
Xi
6.5
6.8
6.6
6.6
7.0
7.2
7.2
6.9
6.8
6.6
68.2
Diferene Di
0
0.3
- 0.2
0
0.4
0.2
0
- 0.3
- 0.1
- 0.2
RV1 = - 0.2; RV2 = 0.3
XVi
6.5
6.8
6.6
6.6
6.9
7.3
7.3
7.0
6.7
6.6
X
Di
0
0
0
0
0.1
- 0.1
- 0.1
- 0.1
0.1
0
X
Rapoarte Ri
1
1.05
0.97
1
1.06
1.03
1
0.96
0.99
0.97
RP1 = 0.971; RP2 = 1.045
XPi
6.50
6.79
6.60
6.60
6.90
7.30
7.30
7.00
6.70
6.60
X
DPi
0
0.01
0
0
0.10
- 0.10
- 0.10
- 0.10
0.10
0
X
Rezultate:
Graficul perechilor (x, y) are forma:
7,3
7,2
7,1
7
6,9
Series1
6,8
6,7
6,6
6,5
6,4
0
10
12
Prognoz procentual:
m
Medii
de
sondaj X j
t1
t2 ...tn
Medii cronologice
X Ci
X C1
X C2
X Cm
X 1 X 2 . X n
X
XC
1 m
sondaj X j x ij ; (1 < j < n).
m i 1
Pe ntreaga perioad de timp [t1, tn] avem indicatorii globali:
- media cronologic global:
XC
-
1 1
1
X n 1 X n t n t n 1
X
X
t
...
1
2
2
1
t n t1 2
2
1
X2 X1 t 2 t1 ... Xn Xn 1 t n t n 1
t n t1
tn t1
Pentru evoluia caracterului X n timp avem pentru exemplarul de sondaj numrul i media de
evoluie:
X Ci
1 1
1
X
t
...
i
1
i
2
2
1
t n t1 2
2
1 m
- media de sondaj global: X X Ci
m i 1
75
1 m
XCi X 2
m 1 i 1
S
coeficientul de variabilitate de sondaj global: C
100 (%)
X
abaterea standard de sondaj global: S
Exemplu:
X = greutatea porcilor la ngrat (kg).
Fie tj numrul de zile trecute de la data ftrii porcilor pn la data controlului numrul j.
Se fac n = 10 controale echidistante de 28 zile la m = 5 porci. Data de sondaj:
tj
Repetiia C
1
2
3
4
5
Medii
sondaj X j
28
56
84
196 224
252
280
Medii
cronologice
X Ci
3
3
3
4
3
3.2
12
13
12
13
12
12.4
26
27
25
27
25
26
42
43
41
43
41
42
60
61
59
61
59
60
78
78
77
77
78
77.6
94
94
94
92
96
94
104
106
109
104
111
107.4
117
115
118
112
121
116.6
120
118
122
115
125
120
66.4
66.4
66.4
65.4
67.4
X = 66.4
X C= 66.4
X n X1
13 kg.
n 1
log X n log X1
0.175
n 1
1
X C1 ... X C n 66.4 kg.
n
Abaterea standard de sondaj global:
2
2
1
S
X C1 X ... X C n X 0.47 kg
n 1
S
Coeficientul de variabilitate de sondaj global: C 100 0.7%
X
2.3.3 Indici statistici
Media de sondaj global: X
n
calcula:
-
1.
2.
3.
4.
77
Exemplul 1
Fie trei resurse R1 (motorin n litri/ha), R2 (ngrminte chimice NPK n Kg/ha) i R3 (ap
de irigaie n m3/ha).
Baza este anul 2000 iar anul curent este anul 2003.
Qi (uniti de resurs/ha) este consumul de resurs Ri, Ci (lei/unitate de resurs) este costul
resursei Ri iar CHi = Qi .Ci (milioane lei/ha) este suma cheltuit cu resursa Ri.
Resurse
R1
R2
R3
Total
A.
Consumuri Qi
Baz Qi0 Curent Qi1
120
110
210
220
1000
800
Costuri Ci
Baz Ci0 Curent Ci1
12000
18000
6000
8000
300
500
18300
26500
Indici individuali:
- pentru consumuri:
IQ(R1) = Q11/Q10 = 110/120 = 0.92
IQ(R2) = Q21/Q20 = 220/210 = 1.05
IQ(R3) = Q31/Q30 = 800/1000 = 0.80
IQ = [IQ(R1). IQ(R2). IQ(R3)]1/3 = 0.916
- pentru costuri:
IC(R1) = C11/C10 = 18000/12000 = 1.50
IC(R2) = C21/C20 = 8000/6000 = 1.33
IC(R3) = C31/C30 = 500/300 = 1.60
IC = [IC(R1). IC(R2). IC(R3)]1/3 = 1.494
- pentru cheltuieli:
ICH(R1) = (Q11C11)/(Q10C10) = 1.98/1.44 = 1.375
ICH(R2) = (Q21C21)/(Q20C20) = 1.76/1.26 = 1.40
ICH(R3) = (Q31C31)/(Q30C30) = 0.40/0.30 = 1.33
ICH = [ICH(R1). ICH(R2). ICH(R3)]1/3 = 1.368
Qi0Ci0
1.44
1.26
0.30
3.00
Observaii:
i) Indicele Laspeyres este medie aritmetic ponderat a indicilor individuali I(R i) cu ponderile:
Ui = (Qi0Ci0)/(Qi0Ci0), deci Ui = 1:
- pentru consumuri:
IL(Q) = IQ(Ri).Ui
- pentru costuri:
IL(C) = IC(Ri).Ui
ii) Indicele Paasche este medie armonic ponderat a indicilor individuali I(R i) cu ponderile:
Vi = (Qi1Ci1)/(Qi1Ci1), deci Vi = 1:
- pentru consumuri:
[1/IP(Q)] = [1/IQ(Ri)]. Vi
- pentru costuri:
[1/IP(C)] = [1/IC(Ri)]. Vi
iii) Indicele total este produsul indicilor Laspeyres i Paasche:
IT(CH)= IL(Q).IP(C) = IL(C).IP(Q)
B) Indicii sintetici pentru cheltuieli ca rapoarte de medii:
5) Indicele cu structur variabil:
ISV = [(Qi1Ci1)/(Ci1)] : [(Qi0Ci0)/(Ci0)] = (4.14/26500) : (3.00/18300) = 0.95
6) Indicele cu structur fix:
ISF = [(Qi1Ci1)/(Ci1)] : [(Qi0Ci1)/(Ci1)] = (4.14/26500) : (4.34/26500) = 0.95
7) Indicele variaiei structurii:
IVS = [(Qi0Ci1)/(Ci1)] : [(Qi0Ci0)/(Ci0)] = (4.34/26500) : (3.00/18300) = 1
Observaii:
iv) Pentru indicii 7) - 9) avem relaia: ISV = ISF.IVS
v) Cu notaiile Wi0 = Ci0/(Ci0), deci Wi0 = 1 respectiv Wi1 = Ci1/(Ci1), deci Wi1 = 1, indicii
7) - 9) capt forma de indici agregai:
ISV = (Qi1Wi1)/(Qi0Wi0) analog cu indicele total IT de la punctul 1)
ISF = (Qi1Wi1)/(Qi0Wi1) analog cu indicele Paasche IP(Q) de la punctul 3)
IVS = (Qi0Wi1)/(Qi0Wi0) analog cu indicele Laspeyres IL(C) de la punctul 2)
Cheltuielile CH sunt un indicator complex bifactorial de forma CH = Q.C
Variaia cheltuielilor n timp este absolut: (CH) = Qi1Ci1 - Qi0Ci0 sau relativ:
IT(CH) = (Qi1Ci1)/Qi0Ci0
Aceste variaii absolute sau relative, se pot descompune n componente cu metoda
restului/ctului nedescompus.
Variaiile absolute sunt:
(CH) = Qi1Ci1 - Qi0Ci0 = 1.14
(Q) = Qi1Ci0 - Qi0Ci0 = - 0.12
(C) = Qi0Ci1 - Qi0Ci0 = 1.34
(Q C) = (Qi1Ci1 - Qi1Ci0) - (Qi0Ci1 - Qi0Ci0) = - 0.08
Verificare: (CH) = (Q) + (C) + (Q C)
Coeficienii de importan pentru repartizarea restului nedescompus (Q C) n mod
proporional cu influena independent a factorilor, vor fi:
(Q) = (Q)/((Q) + (C)) = - 0.098
(C) = (C)/((Q) + (C)) =1.098
deci (Q) + (C) = 1
Recalculm variaiile absolute astfel:
*(Q) = (Q) + (Q).(Q C) = - 0.11
*(C) = (C) + (C).(Q C) = 1.25
Verificare: (CH) = *(Q) + *(C)
79
Preuri vnzare Di
Baz Di0 Curent Di1
2000
4000
2500
4000
10000
12000
14500
20000
A) Indici individuali:
- pentru producii:
IY(T1) = Y11/Y10 = 3500/3000 = 1.17
IY(T2) = Y21/Y20 = 6000/5000 = 1.20
IY(T3) = Y31/Y30 = 2000/1800 = 1.11
IY = [IY(T1) . IY(T2) . IY(T3)]1/3 = 1.159
- pentru preuri de vnzare:
ID(T1) = D11/D10 = 4000/2000 = 2.00
ID(T2) = D21/D20 = 4000/2500 = 1.60
ID(T3) = D31/D30 = 12000/10000 = 1.20
ID = [ID(T1) . ID(T2) . ID(T3)]1/3 = 1.566
- pentru venituri:
IV(T1) = Y11D11/Y10D10 = 14/6 = 2.33
IV(T2) = Y21D21/Y20D20 = 24/12.5 = 1.92
IV(T3) = Y31D31/Y30D30 = 24/18 = 1.33
IV = [IV(T1) . IV(T2) . IV(T3)]1/3 = 1.814
80
Yi0Di0
6
12.5
18
36.5
Venituri Vi = YiDI
Yi0Di1 Yi1Di0 Yi1Di1
12
7
14
20
15
24
21.6
20
24
53.6
42
62
Societ.
Comer.
S1
S2
S3
TOTAL
Nr. muncitori Ni
Baz Ni0 Curent Ni1
10
15
20
8
12
16
Productiviti Pi
Baz Pi0
Curent Pi1
10
6
10
26
15
7
12
34
A) Indici individuali:
- pentru numr de muncitori:
IN(S1) = N11/N10 = 8/10 = 0.80
IN(S2) = N21/N20 = 12/15 = 0.80
IN(S3) = N31/N30 = 16/20 = 0.80
IN = [IN(S1) . IN(S2) . IN(S3)]1/3 = 0.800
- pentru productiviti:
IP(S1) = P11/P10 = 15/10 = 1.50
IP(S2) = P21/P20 = 7/6 = 1.17
IP(S3) = P31/P30 = 12/10 = 1.20
IP = [IP(S1) . IP(S2) . IP(S3)]1/3 = 1.281
- pentru venituri:
IV(S1) = N11P11/N10P10 = 120/100 = 1.20
IV(S2) = N21P21/N20P20 = 84/90 = 0.93
IV(S3) = N31P31/N30P30 = 192/200 = 0.96
IW = [IW(S1) . IW(S2) . IW(S3)]1/3 = 1.024
82
Ni0Pi0
100
90
200
390
Venituri Wi = NiPi
Ni0Pi1 Ni1Pi0 Ni1Pi1
150
105
240
495
80
72
160
312
120
84
192
396
I U
U
p
(0)
p
(0)
p
U s(0)
I U I U
U
U
I U
IPC =
U
(0)
s
(0)
s
U (0)
p
(0)
s
(0)
g
(0)
g
(0)
g
IPC se utilizeaz n aprecierea inflaiei, n politica monetar i fiscal (masa monetar, rata
dobnzii), n stabilirea drepturilor bneti (salarii, pensii, alocaii, burse) pentru meninerea puterii
de cumprare, a salariului real i a veniturilor reale ale populaiei.
n 1
X i S se schimb de la un sondaj la altul, fiind variabile aleatoare independente cu
urmtoarele medii i variane:
Pentru sondajul simplu repetat avem:
1) M X ; V X
2
n
2
2) M(S )= ; V(S )=
;
2n
Rezult de aici M X ; lim V X 0 , deci X este o estimaie absolut corect pentru .
2
3) M( X ) = ; V X
2
n
2
N
2
N
;
2 ; V(S2) =
N 1
2n 2 N
Rezult de aici c M( X ) = ; lim V X 0 , deci i n acest caz X este estimaie absolut
4) M(S2) =
N
2 ; lim V ( S ) 0 , deci S este estimaie corect
n
N 1
pentru .
85
i 1
86
Decizia despre H
Ipoteza H
H este adevrat
H este fals
H este adevrat
H este fals
1-
1-
87
Testul cu funcia de putere (W, ) = maxim, se numete cel mai puternic test.
Se demonstreaz:
Lema Neyman-Pearson
Testul ipotezei nule H: = 0 fa de ipoteza alternativ simpl H : = 1 este cel mai
puternic test dac zona critic W a testului satisface condiia:
f ( x, 0 )
f ( x, 0 )
k dac x W .
k dac x W i
f ( x,1)
f ( x, 1 )
Teorema 2.1
Mrimea
X
n este variabil Student cu n - 1 grade de libertate.
S
Demonstraie:
x1, ..., xn fiind valori de sondaj independente extrase dintr-o populaie normal N(, ) fa
1
1
de nsuirea cantitativ X, se poate arta cu teoremele 2.2, 2.3, 3.7 c X x1 xn este o
n
n
1
1
1
1
variabil normal cu media: M ( X ) M ( x1 ) M ( xn ) i variana:
n
n
n
n
V (X )
1
1
1 2
1 2 2
.
V
(
x
)
V
(
x
)
1
n
n
n2
n2
n2
n2
88
Mai departe,
n 1S 2
n
n 1
variabil Student cu n - 1 grade de libertate. Q.E.D.
Din teorema 3.1 rezult:
P(t 2 t t 2 ) 1 , adic intervalul de ncredere pentru :
P X / 2 ; X / 2 1 unde / 2
S
n
n 1S 2
2
X
n este
S
n
.t / 2
/ 2
1) [ X 2.5% ; X 2.5% ]
cu ncrederea 95%;
2) [ X 0.5% ; X 0.5% ]
cu ncrederea de 99%;
3) [ X 0.05% ; X 0.05% ]
cu ncrederea de 99.9%.
Ipoteza H: = 0 se accept dac 0 X 2.5% ; X 2.5% i se respinge n caz contrar astfel:
X 2.5% ; X 0.5% ;
0 X 0.05% ; X 0.5%
X 0.5% ; X 0.05% ;
Teorema 2.2
Mrimea
n 1S 2
Demonstraie:
n 1 S 2
xn X
x1 X
Avem
2
N(0, 1), independente cte dou, este variabil hi ptrat
x X
x X
n
0 ). Q.E.D.
relaia de dependen 1
2
89
xi X
sunt variabile
i cum ui
n 1 S 2
P
2 1 , adic intervalul de ncredere pentru :
2
1
2
2
n 1
n 1
2 P 2 S ; 2 S 1 .
1
2
2
Reciproc, dndu-se:
n 1
/2
2
n 1
.S ' /2 i
2
1 /2
.S '' /2
rezult:
2
' /2 2
'' /2 2
n1
. /2 1 i n2
.1 /2 1
S
S
= 0.99; 1 = 0.999 gsim valorile cu ajutorul crora gsim trei intervale de ncredere pentru
2
de forma:
n 1
n 1
1)
.S ;
.S
2
2
0.975%
0.025%
cu ncrederea de 95%;
n 1
n 1
2)
.
S
;
.S
2
2
0.995
0.005
cu ncrederea de 99%;
n 1
n 1
3)
.S ;
.S
2
2
0.9995
0.0005
cu ncrederea de 99.9%.
n 1
n 1
S
;
S i se respinge n caz contrar
Ipoteza H: = 0 se accept dac: 0
2
2
0.975
0.025
2
0.005
S;
n 1
S
2
0.025
n 1
n 1
S ;
2 S;
2
0.995
0.975
90
n 1 n 1
n 1
S 2 S;
S ;
2
2
0.005 0.995
0.9995
2
0.0005
n 1
2
0.0005
S;
S sau 0
n 1
2
0.9995
S.
Exemplu:
Fie X greutatea vieilor (kg). Dintr-un sondaj de n = 50 viei gsim X = 64.9 kg; S = 2.33 kg.
a) Se cer intervale de ncredere cu riscurile = 5%; 1%; 0.1% pentru i testarea ipotezelor
H: = 65 kg; H: = 67 kg.
b) Se cer intervale de ncredere cu riscurile = 5%; 1%; 0.1% pentru i testarea ipotezelor
H: = 2.5 kg; H: = 3.3 kg.
Soluie:
a) Pe linia a n 1 = 49 GL i coloanele = 0.05; = 0.01; = 0.001 gsim n tabela 2 din
Anex, valorile critice t2.5% = 2.01; t0.5% = 2.68; t0.05% = 3.50 deci nlocuind n formula (1)
gsim intervalele de ncredere pentru :
1) [64.2Kg;65.6Kg ]
2) [64Kg;65.8Kg ]
3) [63.8Kg;66Kg ]
91
0.025; 0.005;
2
= 86.70, deci nlocuind n formula (2),
f p
p1 p
n
Demonstraie:
1
k 1
k este valoare a unei variabile binomiale iar M ( f ) M M (k ) np p i
n
n n
1
p1 p
k 1
V ( f ) V 2 V (k ) 2 np1 p
, deci conform teoremei limit central 1.14 din
n
n
n n
f M( f )
f p
seciunea 1.3, variabila normat u
este variabil normal redus N(0.1)
( f )
p1 p
n
cnd n .Q.E.D.
Din teorema 2.3 rezult:
P p f 2 ; f
unde
f 1 f
u
n
92
Din tabela 1 din Anex, conform relaiei: P u u 2 1 , avem u2.5% = 1.96; u0.5% =
2.58; u0.05% = 3.29 deci trei intervale de ncredere pentru p de forma:
1) p [ f 2.5% ; f 2.5% ]
cu ncrederea de 95%;
2) p [ f 0.5% ; f 0.5% ]
cu ncrederea de 99%;
3) p [ f 0.05% ; f 0.05% ]
cu ncrederea de 99.9%.
Ipoteza H:p = p0 se accept dac p0 f 2.5% ; f 2.5% i se respinge n caz contrar
astfel:
a) p p0 semnificativ dac totui:
p0 f 0.5% ; f 2.5%
2.5% ; f 0.5% ;
2
1 n1
x
X
1i 1 .
n1 1 i 1
Extragem un sondaj simplu repetat de n2 exemplare din a II-a populaie, cu n2 valori de
sondaj independente X21, X22,..., X 2n2 i calculm media de sondaj:
standard de sondaj: S1
1 n2
X 2i
n2 i 1
i respectiv abaterea-standard de sondaj:
X2
S2
1 n2
x2i X 2
n2 1 i 1
Fie S
n1 1S12 n2 1S 22
n1 n2 2
2
2
2
S12 S 22 1 S1
1 S 22
:
deci min n1 1; n2 1 n* n1 n2 2 .
i n*
n2 1 n2
n1 n2 n1 1 n1
Teorema 2.4
Dac 1 = 2 mrimea t
X 1 2 1
1 1
S
n1 n2
de libertate.
Dac 1 2 mrimea:
( X X 1 ) ( 2 1 )
t 2
S12 S22
n1 n2
este aproximativ variabil Student cu n* grade de libertate.
Demonstraie:
X 2 X 1 este variabil normal cu media: M X 2 X 1 M X 2 M X 1 2 1
i variana V X 2 X 1 V X 2 V X 1
12
n1
22
n2
X 1 2 1
2
1
n1
2
2
2
n2
X 1 2 1
S
1
1
n1 n2
libertate. Cea de-a doua afirmaie din enun o admitem fr demonstraie. Q.E.D.
94
t t
P 2 1 X 2 X 1 2 ; X 2 X 1 2 1
1
1
unde 2 S
5%; 1%; 0.1% deci trei intervale de ncredere pentru 2 - 1 cu ncrederile 1 = 95%; 99%; 99.9%:
1)2 1 [( X 2 X1 ) 2.5% ;( X 2 X1 ) 2.5% )]
cu ncrederea de 95%;
2)2 1 [( X 2 X 1 ) 0.5% ;( X 2 X 1 ) 0.5% ]
cu ncrederea de 99%;
3)2 1 [( X 2 X1 ) 0.05% ;( X 2 X1 ) 0.05% ]
cu ncrederea de 99.9%.
Ipoteza H:1 = 2 se accept dac i numai dac:
0 X 2 X 1 2.5% ; X 2 X 1 2.5% i se respinge n caz contrar.
2
1 n
1 n
i
d
S
di d .
i
d
n i 1
n 1 i 1
Intervalul de ncredere cu riscul pentru 2 1 va avea forma:
P 2 1 d 2 ; d 2 1
S
unde 2 d t 2 este diferena limit.
n
Din tabela 2 din Anexa conform relaiei P t t 2 gsim t/2 pentru n - 1 GL pentru
= 5%; 1%; 0.1%, deci trei intervale de ncredere pentru 2 - 1 ca mai sus. Ipoteza H:1 = 2 se
verific ca mai sus.
Teorema 2.5
Mrimea F
22 S 22
:
este variabil Fisher cu (n1 - 1;n2 - 1) grade de libertate.
12 S12
Demonstraie:
Conform teoremei 2.2 12
22
n2 1S 22
22
n1 1S12
12
12
22
n1 1 n2 1
22 S 22
:
este
12 S12
2
:
1
(5)
P 2 0; 2 F 1 .
1 S1
Din tabelele 4, 5, 6 din Anex, conform relaiei PF F gsim F pentru (n1 - 1; n2 -1)
2
cu ncrederile 1 = 95%;
1
99%; 99.9%:
1)
2
S
[0; 2 . F5% ]
1
S1
cu ncrederea de 95%;
2)
2
S
[0; 2 . F1% ]
1
S1
cu ncrederea de 99%;
3)
2
S
[0; 2 . F0.1% ]
1
S1
cu ncrederea de 99.9% .
S
1. 2 > 1 semnificativ dac totui 1 2 F1% ;
S1
S
2. 2 > 1 distinct semnificativ dac totui 1 2 F0.1% ;
S1
S
3. 2 > 1 foarte semnificativ dac 1 2 F0.1% .
S1
Not. Numerotm populaiile 1 i 2 astfel ca S2 S1.
Exemplu:
X = greutatea vieilor (kg). Populaia 1: Brun. Populaia 2: Blat cu negru. Se cntresc
n1 = 20 viei din populaia 1, gsind X 1 60.1kg i S1 = 2.5 kg. Se cntresc n2 = 30 viei, gsind
n1 1S12 n2 1S 22
n1 n2 2
96
Din tabela 2 din Anex, pe linia a 20 + 30 2 = 48 GL i coloanele lui = 0.05; 0.01; 0.001
1
1
gsim: t2.5% = 2.01; t0.5% = 2.68; t0.05% = 3.50. Mrimea 2 S
t 2 devine:
n1 n2
2.5% = 0.7 2.01 = 1.41;
0.5% = 0.7 2.68 = 1.88;
0.05% = 0.7 3.50 = 2.45.
Din formula (2) avem intervalele de ncredere pentru 2 - 1 cu ncrederile 1 = 95%;
99%; 99.9%:
1)2 1 [1.69Kg;3.51Kg ]
cu o ncredere de 95%;
2)2 1 [0.22Kg;3.98Kg ]
cu o ncredere de 99%;
3)2 1 [0.35Kg;4.55Kg ]
cu o ncredere de 99.9%.
De exemplu pentru intervalul mic cu 1 = 95% avem concluzia:
Diferena greutii medii a vieilor 2 - 1 necunoscut, pentru toi vieii Blat cu negru din
care fac parte cei 20 fa de toi vieii Brun din care fac parte cei 30, este cuprins ntre 1.69 kg n
favoarea vieilor Blat cu negru i 3.51 kg n favoarea vieilor blat cu negru, cu o ncredere de
95%.
Exist semiriscul 2.5% ca aceast diferen 2 - 1 s fie mai mic de 1.69 kg n favoarea
rasei blat cu negru, atunci cnd primul sondaj a fost ales cel mai neperformant iar n al doilea
sondaj cel mai performant.O concluzie simetric pentru 2 - 1 > 3.51 kg.
Ipoteza H:1 = 2 se respinge cci 0 2 1 1.69;3.51 .
b) Pentru (20 - 1; 30 - 1) GL din tabelele 4, 5, 6 ale Anexei, gsim F 5% = 2.00; F1% = 2.68;
S2
F0.1% = 3.73 aa c
F va avea valorile: 1.58; 1.83; 2.16 deci avem intervalele cu
S1
ncrederile 1 = 95%; 99%; 99.9%:
1)
2
[0;1.58]
1
cu ncrederea de 95%;
2)
2
[0;1.83]
1
cu ncrederea de 99%;
3)
2
[0; 2.16]
1
cu ncrederea de 99.9% .
De exemplu pentru intervalul mic cu 1 = 95% avem concluzia:
2
al tuturor vieilor blat cu negru din care provin cei 30 de
1
viei fa de toi vieii brun din care provin cei 20 viei este cuprins ntre 0 i 1.88 ori n favoarea
rasei blat cu negru.
Exist semiriscul 2.5% ca acest raport s fie mai mare de 1.58 ori n favoarea blatei cu
negru, atunci cnd sondajul 1 a fost ales cel mai omogen iar al II-lea cel mai omogen.
Raportul abaterilor standard
97
Ipoteza H:1 = 2 se accept deoarece 1 0;1.58 . Aceast ipotez a stat la baza calculelor
de la punctul a).
O sintez elegant a acestor calcule este dat n foaia de calcul C1P2.XLS aflat n Anex.
2.5.4 Estimaii/teste pentru parametrul p2 p1 al unui caracter calitativ n dou
populaii normale
i p2.
Fie dou populaii statistice normale n care nsuirea calitativ X apare cu probabilitile p1
Efectum dou sondaje simple repetate de volume n1 i n2. Fie k1 exemplare din primul
sondaj n care nsuirea X are valoarea 1 i k2 exemplare din al doilea sondaj n care nsuirea X are
k
k
valoarea 1 deci avem frecvenele de sondaj f1 1 respectiv f 2 2 .
n1
n2
n f n2 f 2
Frecvena sondajelor reunite este f 1 1
.
n1 n2
Teorema 2.6
Pentru n1, n2 , u
f 2 f1 p2 p1
p1 1 p1 p 2 1 p 2
n1
n2
Demonstraie:
k1 i k2 sunt valori ale unor variabile binomiale iar
k 1
1
M f1 M 1 M k1 n1 p1 p1
n1
n1 n1
i analog M f 2 p2 aa c M f 2 f1 M f 2 M f1 p2 p1 .
k 1
p 1 p1
1
De asemenea V f1 V 1 2 V k1 2 n1 p1 1 p1 1
aa c
n1
n1
n1 n1
p 1 p1 p 2 1 p 2
.
V f 2 f1 V f 2 V f1 1
n1
n2
Conform teoremei-limit central 1.14 din seciunea 1.3, variabila normat:
f f1 M f 2 f1
f 2 f1 p2 p1
u 2
f 2 f1
p1 1 p1 p 2 1 p 2
n1
n2
este variabil normal redus N(0, 1). Q. E.D.
Din teorema 2.6 rezult: P u 2 u u 2 1 deci un interval de ncredere pentru
p2 p1:
P p2 p1 f 2 f1 2 ; f 2 f1
(6)
1 1
f 1 f u 2 este diferena limit.
n1 n2
Din tabela 1 din Anex, conform relaiei: P u u 2 1 gsim u2.5% = 1.96; u0.5% = 2.58;
unde
u0.05% = 3.29, deci trei intervale de ncredere pentru p2 - p1 cu ncrederile 1 = 95%; 99%; 99.9%:
98
1) p2 p1 [( f 2 f1 ) 2.5% ;( f 2 f1 ) 2.5% ]
cu ncrederea de 95%;
2) p2 p1 [( f 2 f1 ) 0.5% ;( f 2 f1 ) 0.5% ]
cu ncrederea de 99%;
3) p2 p1 [( f 2 f1 ) 0.05% ;( f 2 f1 ) 0.05% ]
cu ncrederea de 99.9%.
Ipoteza H:p1 = p2 se accept dac: 0 f 2 f1 2.5% ; f 2 f1 2.5% . n caz contrar
ipoteza H se respinge dup cum urmeaz:
a) p1 p2 semnificativ dac totui:
0 f 2 f1 0.5% ; f 2 f1 2.5% f 2 f1 2.5% ; f 2 f1 0.5%
b) p1 p2 distinct semnificativ dac totui:
0 f 2 f1 0.05% ; f 2 f1 0.5% f 2 f1 0.5% ; f 2 f1 0.05%
c) p1 p2 foarte semnificativ dac:
0 f 2 f1 0.05% sau 0 f 2 f1 0.05% .
Exemplu:
Fie X = ecloziunea oulelor de gin la incubator. Se fac msurtori pe dou rase de gini,
gsindu-se la primul sondaj de n1 = 3000 ou din prima ras, frecvena oulelor eclozionate f1 = 85%
i la al doilea sondaj de n1 = 2000 ou din a doua ras, frecvena oulelor eclozionate f2 = 90%.
S se gseasc intervale de ncredere pentru diferena p1 - p2 a probabilitilor de ecloziune
pentru toate oulele din care fac parte cele 3000 ou din primul sondaj fa de toate oulele din care
fac parte cele 2000 ou din al doilea sondaj i s se testeze ipoteza H:p1 = p2.
Soluie:
Avem f
n1 f1 n2 f 2
87% aa c:
n1 n2
1
1
0.871 0.87
99
( 0)
( 0)
unde p i
PX Ci ;
( 0)
(0)
ni n 'i
pi(0)
n
n 'i
pi(0)
i 1
este variabil hi ptrat cu k 1 grade de libertate.
i
i 1
Demonstraie:
Valorile n1, , nk sunt pentru n , valori ale unor variabile aleatoare Poisson (seciunea
1.4.3) independente, cu mediile i varianele egale cu n1 np1 ,...,n k
'
u1
n1 np1(0)
np1(0)
,...,u k
n k np (k0)
np (k0)
( 0)
( 0)
variana 1.
Conform teoremei limit central 1.14, pentru n , variabilele aleatoare independente
ntre ele, u1, , uk tind ctre variabila normal redus N(0, 1) deci la limit, mrimea:
k
n n
' 2
i
pi(0)
n
este variabil hi ptrat cu k 1 grade de
ni'
pi(0)
i 1
libertate (se pierde un grad de libertate datorit relaiei de dependen n1 + + nk = n).
Uneori numrul de grade de libertate este mai mic dect k 1: dac X este variabil
binomial sau Poisson avem k 2 grade de libertate, datorit relaiei de dependen n1 + + nk = n,
n1x1 + + nkxk = n . x iar la variabila X = N(0, 1) avem k 3 grade de libertate, datorit
relaiilor de dependen n1 + + nk = n, n1x1 + + nkxk = n . x , n1(x1 - x )2 + + nk(xk - x )2 =
(n 1) . S2. Q.E.D.
Din teorema 2.1 rezult testul hi ptrat de concordan ntr-o populaie normal:
Comparm mrimea:
2
(0)
k
k f p
ni n 'i
i
i
2
n
n 'i
pi(0)
i 1
i 1
2
i 1
2
i
i 1
2
2
2
0.05
; 0.01
; 0.001
extrase n tabela 6 pe linia a k 1 grade de libertate.
2
(0)
, H se accept deci pi concord cu valorile ipotetice p i .
2 0.05
cu variabile critice
Dac
100
2
2
2
(0)
a) Dac 0.05 ; 0.01 atunci pi p i semnificativ;
2
2
b) Dac 2 0.01
; 0.001
atunci pi p i(0) distinct semnificativ.
(0)
2
c) Dac 2 0.001
atunci pi p i
foarte semnificativ.
Exemplu:
ncrucind dup schema alturat un soi
de porumb de floricele P1 cu boabe albe i netede
cu un soi P2 cu boabe albastre i zbrcite, s-au
obinut n generaia F2 665 boabe albastre i netede
210 boabe albastre i zbrcite, 240 boabe albe i
netede i 85 boabe albe i zbrcite.
S se testeze raportul de segregare 9 : 3 : 3:1
al combinaiilor de caractere precedente.
P1
P2
F1
B1
B2
F2
Soluie:
Numrul total de boabe este n = 665 + 210 + 240 + 85 = 1200.
Frecvenele ateptate sunt ni = n . pi
9
16
3
n2 = 1200 .
16
9
n3 = 1200 .
16
1
n4 = 1200 .
16
n1 = 1200 .
Avem ipoteza H: p1
k
ni n 'i
i 1
n 'i
665 675
675
9
3
1
, p 2 p3 , p 4
16
16
16
devine pentru k = 4:
210 225
225
240 225
225
85 75
75
3.48
de segregare 9 : 3 : 3 : 1.
n cazul nsuirii X calitative, avem dou clase: C n care nsuirea X este prezent cu
frecvena n1 = nf i C n care X este absent cu frecvena n2 = n(1 - f).
Avem frecvenele ateptate n1 = np i n2 = n(1 - p) aa c:
101
n1 n '1
n '1
n2 n '2
n '2
n f p
p 1 p
D1
Dk
X
C1
Ch
Sume
coloane
n11
n1k
nh1
nhk
t1 ...tk
Sume
linii
s1
sh
n
Dac nsuirile X, Y sunt independente, avem P(x Ci i y Dj) = P(x Ci) . (y Dj)
nqi rj
adic pij = qi .rj de unde npij
.
n
Dar n.pij = nij i n.qi = si; n.rj = tj deci frecvenele ateptate nij ale perechilor (x, y) cu x Ci
si t j
i y Dj vor fi date de relaia nij'
; (i = 1, , h; j = 1, , k) i se vor trece n tabela de
n
contingen h x k n dreapta lui nij n paranteze.
102
i 1
(nij nij' )2
j 1
nij'
2
c) Dac 2 0.001
, X, Y sunt dependente foarte semnificativ.
Dac X este nsuire cantitativ i Y este nsuire calitativ avem tabele de contingen
hx2 iar dac X, Y sunt nsuiri calitative avem tabele de contingen 2x2.
Exemplul 1
Fie X = nlimea la greabn a vieilor (cm) i Y = greutatea vieilor (kg). Se face un sondaj
de n = 50 viei i perechile de date obinute se clasific dup X, Y n h = k = 3 clase de valori
obinnd tabela de contingen 3x3:
Clase Y
Clase X
Viei scunzi
Viei potrivii
Viei nali
Suma coloan
Viei slabi
Viei mijlocii
Viei grai
Suma linie
20(12.5)
10(5)
0(2.5)
25
5(7.5)
10(6)
0(1.5)
15
0(5)
5(4)
5(1)
10
25
20
5
n = 50
si t j
n
25 25
12.5
50
2
2
2
2
2
20 12.5 5 7.5 0 5 5 10 10 6
2
Avem
12.5
7.5
5
10
6
2
2
2
2
5 4 0 2.5 0 1.5 5 1
35.8
4
2.5
1.5
1
Din tabela 3 a Anexei, pe linia cu (h 1)(k 1) = (3 1)(3 1) = 4 GL i coloanele =
2
2
2
9.49; 0.01
13.28; 0.001
18.50 .
0,05; 0,01; 0,001 gsim valorile critice: 0.05
De exemplu n11'
103
2
Cum 2 35.8 0.001
rezult c H se respinge deci X, Y sunt dependente foarte
semnificativ.
Exemplul 2
Fie X = culoare ou gin; Y = greutate ou gin. Se efectueaz un sondaj de n = 60 ou care
se grupeaz n h = 2 clase X (ou albe i ou bej) i k = 3 clase Y obinnd tabela de contingen
2x3:
Clase Y
Clase X
Ou albe
Ou bej
Suma coloan
10 7.5
15 15
Ou uoare
Ou mijlocii
Ou grele
Sume linii
10(7.5)
5(7.5)
15
15(15)
15(15)
30
5(7.5)
10(7.5)
15
30
30
n = 60
5 7.5
5 7.5
15 15
10 7.5
3.33
7.5
15
7.5
7.5
15
7.5
Din tabela 3 a Anexei, pe linia cu (h 1)(k 1) = (2 1)(3 1) = 2 GL i coloanele =
2
2
2
0.05; 0.01; 0.001 avem valorile critice: 0,05
13.80
5.99; 0.01
9.21; 0.001
2
2
Cum 2 3.33 0.05
5.99 , ipoteza H se accept deci X, Y sunt independente.
Exemplul 3
Fie X = leucoza vacilor, Y = tratament pentru leucoz vaci, se face un sondaj ntr-o ferm cu
n = 100 vaci, datele obinute se clasific dup X, Y i se obine tabela de contingen 2x2:
Clase Y
Clase X
Vaci vindecate
Vaci nevindecate
Suma coloan
88 81
2 9
Vaci tratate
Vaci netratate
Sume linii
88(81)
2(9)
90
2(9)
8(1)
10
90
10
n = 100
2 9
8 1
60.5
81
9
9
1
Din tabela 3 a Anexei, pe linia a (h 1)(k 1) = (2 1)(2 1) = 1 GL i coloanele = 0.05;
2
2
2
0.01; 0.001 gsim valorile critice 0.05
3.84; 0.01
6.63; 0.001
10.80 ;
2
2
10.80 , H se respinge deci X, Y sunt dependente foarte
Cum 2 60.5 0.001
semnificativ.
n i X i X
Coeficientul de asimetrie este A
nS3
n
al poligonului frecvenelor relative observate f i i fa de curba normal N( X , S) adic poziia
n
relativ a tendinei centrale dat de media X fa de tendina dominant dat de modul M0 (vezi
seciunea 2.2.2)
n i X i X
B
nS4
i d gradul de concentrare pe
ni
fa de curba normal N( X , S)
n
Ci
Sub 62
[62 64)
[64 66)
[66 68)
peste 68 kg
Xi
61 kg
63
65
67
69
ni
7
10
18
9
6
105
Avem:
1
3
3
3
3
3
7 61 64.9 10 63 64.9 18 65 64.9 9 67 64.9 6 69 64.9
3
50 2.3
0.02
A
1
4
4
4
4
4
7 61 64.9 10 63 64.9 18 65 64.9 9 67 64.9 6 69 64.9
4
50 2.3
2.46
Din tabela 9 a Anexei, pentru n = 50 avem valorile critice A0.05 = 0.533; A0.01 = 0.787
Avem A = 0.02 < A0.05 = 0.533 deci populaia din care a fost extras sondajul, este normal
pe orizontal.
Din tabela 9 a Anexei, pentru n = 50 avem valorile critice B0.99 = 1.95; B0.95 = 2.13 respectiv
B0.05 = 4.01; B0.01 = 4.92
Avem B = 2.46 [B0.95; B0.05] deci populaia din care a fost extras sondajul, este normal pe
vertical.
B
2.7 REZUMAT
n acest capitol se prezint tehnicile de sondaj n populaii statistice omogene i
neomogene, calculul i interpretarea indicatorilor de sondaj de repartiie i evoluie precum i
calculul i interpretarea indicilor statistici individuali i sintetici.
n continuare se prezint conceptele de estimaie corect i absolut corect a parametrilor
pentru una sau dou populaii (medii, abateri-standard i probabiliti), de ipotez statistic simpl
sau compus, unilateral sau bilateral.
Se prezint metoda de estimare prin intervale de ncredere pentru parametrii precedeni, testul
hi ptrat de concordan, de independen a dou caractere X, Y i de normalitate a unei populaii
n raport cu un caracter.
2.8 NTREBRI
1. Clasificai sondajele n populaii statistice omogene i neomogene.
2. Ce semnificaie au indicatorii de sondaj de repartiie?
3. Ce semnificaie au indicatorii de sondaj de evoluie?
5. Ce semnificaie au indicii statistici individuali i sintetici?
6. Ce este o estimaie corect respectiv absolut corect a unui parametru din populaie?
7. Ce este o ipotez statistic simpl sau compus, unilateral sau bilateral?
8. Ce este funcia de putere a testului?
9. Ce este un interval de ncredere?
10. Cum se aplic testul hi ptrat de concordan n genetica mendelian?
11. Cum se folosesc tabelele de contingen n testarea independenei a dou caractere?
12. Cum se testeaz normalitatea unei populaii n raport cu un caracter prin asimetrie i boltire?
2.9 BIBLIOGRAFIE
1. D. Ene, M. Drghici, I.N. Alecu: Statistic aplicat n agricultur, Ed. Ceres, 2003
2. M. Iosifescu i col.: Mic enciclopedie de statistic, Ed. tiinif. i Enciclop., 1985
3. Anuarul statistic al Romniei, 1990 - 2009
106
Controlul calitii produselor agricole i a fiabilitii mainilor agricole are caracter oficial i
cheltuielile necesare acestui control se amortizeaz prin vandabilitatea crescut pe piaa intern i
mai ales cea extern.
Controlul calitii i fiabilitii n agricultur se face n toate etapele procesului de
producie ct i la recepia produselor sau mainilor agricole.
Acest control poate fi exhaustiv (pentru toate produsele sau mainile) sau selectiv (prin
sondaj).
Utilitatea statisticii n controlul calitii i fiabilitii rezult din faptul c agricultura este un
domeniu de predilecie al aciunii ntmplrii (hazardului) prin variabilitatea genetic a plantelor sau
animalelor i prin variabilitatea condiiilor de mediu n care acestea triesc.
Astfel orice nsuire cantitativ (msurabil) sau calitativ (atributiv) X este o variabil
aleatoare n jurul standardului de calitate.
Timpul T de funcionare fr defeciuni al unei maini agricole este tot o variabil aleatoare
calitativ n jurul standardului de calitate.
Dac X este nsuire cantitativ (msurabil) trebuie ca M(X) = i V(X) < W2 iar dac X
este nsuire calitativ (atributiv) trebuie ca frecvena sa de apariie relativ fn(X) s tind ctre
probabilitatea P.
xi
1 n
xij
n j 1
abaterile-standard de sondaj:
si
1 n
( xij xi )2
n 1 j 1
108
1 m n
xij
mn i 1 j 1
respectiv abaterea-standard total:
x
m n
1
( xij x)2
mn 1 i 1 j 1
Fie xi,min = min xij, (1 j n); xi,max = max xij, (1 j n), deci avem amplitudinile de sondaj
ai = xi,max xi,min.
b)
Dac X este nsuire calitativ (atributiv) avem xij = 1 dac obiectul numrul j din sondajul
numrul i este rebut i xij = 0 n caz contrar deci
di
x
j 1
ij
i 1
j 1
ij
109
0
n
; LCS ( x) 0 u / 2
0
n
(1)
12 / 2
n 1
. 0 ; LCS ( s)
2 / 2
n 1
. 0
(2)
3
n w
cu valori n tabela 15 din Anex, deci limitele de control pentru medie devin:
LCI ( x) x .a ; LCS ( x) x .a
110
(4)
(w)
w
.a ; LCS (a) a 3.
( w)
w
.a
(5)
Cu notaiile:
D1 1 3.
( w)
w
; D2 1 3.
( w)
w
care au valori n tabela 15 din Anex, limitele de control pentru a, capt forma:
LCI (a) D1 .a
; LCS(a)=D2 .a
(6)
Exemplu:
Fie X greutatea puilor de carne la 40 zile. Lum m = 10 sondaje n 10 serii diferite, a cte
n = 4 valori fiecare i obinem datele de sondaj din tabelul urmtor:
Nr.
sondaj
Xi,min
xi
xi,max
ai
si
1000
1040
1100
100
45.46
950
990
1030
80
33.67
970
1010
1050
80
33.67
990
1030
1100
110
48.30
960
1020
1010
140
60.55
1000
1020
1050
50
21.60
970
1000
1030
60
25.82
980
1020
1100
120
54.77
910
1000
1040
130
60.55
10
970
1000
1020
50
24.49
xmin = 910
x = 1013
xmax = 1100 a = 92
TOTAL
s = 40.84
Pentru n = 4, din tabela 15 din Anex, avem = 0.729 deci relaiile (4) devin:
LCI(x) = 1013 0.729 x 92 = 945.932
LCS(x) = 1013 + 0.792 x 92 = 1080.68
Toate valorile xi sunt ntre aceste limite deci X corespunde la controlul calitii n cursul
procesului de producie, ca tendin central a valorilor.
111
Pentru n = 4, din tabela 15 din Anex avem D1 = 0; D2 = 2.282, deci relaiile (6) devin:
LCI(a) = 0; LCS(a) = 2.282 x 92 = 209.944
Niciuna din valorile ai nu depete pe LCS(a), deci X corespunde la controlul calitii n
cursul procesului de producie, ca mprtiere a valorilor.
n cazul msurtorilor individuale, volumele sondajelor sunt egale cu 1 i limitele de
control pentru cele m valori individuale xi vor fi:
LCI ( x) x 3.
am
a
; LCS ( x) x 3. m
w
w
(7)
Aici w se culege din tabela 15 din Anex pentru n = 2 iar am este media diferenelor
succesive aim =|xi xi1| numite amplitudini mobile.
Exemplu:
X = producia zilnic de lapte de vac (litri/zi) n a 28-a zi de la ftare (controlul Nr. 1).
Avem m = 10 sondaje a cte n = 1 vaci fiecare cu produciile xi:
xI
|xi - xi-1|
9.5
10
10.4
9.9
11
10.7
10.5
12.4
11.7
10.9
x = 10.8
0.5
0.4
0.5
1.1
0.3
0.2
1.9
0.7
0.8
am = 0.71
Din tabela 15 din Anex, pentru n = 2 valori n amplitudinile mobile, avemw = 1.128 deci:
LCI(x) = 10.8 3 . (0.71/1.128) = 8.91
LCS(x) = 10.8 + 3 . (0.71/1.128) = 12.69
Toate cele 10 producii individuale sunt ntre limitele precedente, deci caracteristica X
corespunde calitii.
3.1.2 Cazul unei nsuiri calitative
n acest caz vom avea un singur parametru M n rolul cruia vom lua fie numrul d i
de exemplare-rebut din sondajul nr. i, fie frecvena rebuturilor f i = di/n din sondajul nr. i;
(i = 1, 2,, m). di este variabil binomial adic:
P(di = k) = Cnk p0k (1 - p0)nk
unde p0 este proporia rebuturilor n cursul procesului de producie.
Avem de verificat ipoteza H: p = p0 fa de alternativaH: p > p0.
Fie k1() cel mai mare numr natural pentru care avem:
P(d k1 ( ))
k1 ( )
C
k 0
k
n
p0k (1 p0 )nk 1
Fie k2() cel mai mare numr natural pentru care avem:
112
P(d k2 ( ))
k k2 ( ) 1
Avem:
LCI(d) = k1();
LCS(d) = k2()
(7)
Din pcate, limitele (7) implic calcule laborioase de aceea pentru n 40 i p0 0.1,
variabila binomial poate fi aproximat cu variabila normal.
Fia de control pentru frecvena rebuturilor (fia p)
Un estimator pentru p0 este fi = di/n unde di este numrul rebuturilor din sondajul nr. i de
volum n.
Avem: M(fi) = p0 i V(fi) = p0(1 - p0)/n, deci limitele de control pentru p0 vor fi:
a)
p0 (1 p0 )
p (1 p0 )
; LCS ( p0 ) p0 3. 0
n
n
LCI ( p0 ) p0 3.
(8)
1 m
1 m
1 m n
f
i mn
xij
i
m i 1
mn i 1 j 1
i 1
f (1 f )
f (1 f )
; LCS ( p0 ) f 3.
n
n
(9)
10
TOTAL
d = 4
fi
0.03
0.05
0.02
0.04
0.07
0.08
0.03
0.02
0.06
f = 0.04
0.04 0.96
0.04 0.059 0 deci LCI(p0 ) 0
100
LCS ( p0 ) 0.04 3
0.04 0.96
0.04 0.059 0.099
100
113
0.10
LCI (d ) 3
; LCS (d ) 3
(10)
1 m
di
m i 1
LCS (d ) d 3 d
(11)
deci
LCI(d)=0
LCS(d)=4+3 4 10
Niciuna din valorile di din cele 10 sondaje nu depete pe LCS(d) deci X corespunde la
controlul calitii n cursul procesului de producie ca numr de rebuturi.
114
H : p p1 .
c
Evident L p P c P d .
d 0
CDN
CNN p
D
Prin calcul rezult c
ca variabila aleatoare, are media M
i variana
n
n N
1 N n D N D
V
deci
este o estimaie absolut corect pentru proporia real
2
n
N
n n N 1
D
de produse defecte ale lotului, deoarece:
p
N
D
M , iar lim V 0 .
n
n N
n
Pentru , dai, trebuie s aflm pe n i c astfel ca: L p0 1 ; L p1 , adic:
c
d 0
c
CdNp1 CnN1dp0
C NNp0
CdNp1 CnN1dp1
C NNp1
d 0
1 ;
.
c
n
n d
este mult mai mic ca 1, avem: L p Cdn pd 1 p
nct n i c satisfac
N
d 0
ecuaiile:
c
C
d 0
d
n
p 1 p0
d
n
p1d 1 p1
C
d 0
n d
d
0
n d
1 ;
115
c
d
n
n
sunt mult mai mici ca 1, avem: L p e , unde n p D ,
N
N
d 0 d!
deci n i c satisfac ecuaiile:
2) Dac p i
d 0
c
d 0
n p0
d!
n p1
e np0 1 ;
e np1 .
d!
c np
, unde F este funcia de repartiie
3) Dac n este foarte mare, avem: L p F
np 1 p
0
1 ;
F
np0 1 p0
c np
1
.
F
np1 1 p1
Prezentm mai departe dou tipuri de control al calitii i fiabilitii: controlul simplu i
controlul secvenial.
3.2.1 Controlul unei nsuiri cantitative
A. Controlul simplu al unei nsuiri cantitative
Fie Tmax limita superioar admis pentru valorile nsuirii cantitative (msurabile) X.
Pentru , i p 0 , p1 dai, trebuie s gsim volumul sondajului n i pragul de acceptare c al
lotului la controlul calitii.
Lotul este acceptat dac la sondajul efectuat gsim media X Tmax c .
Aceast condiie se mai scrie: X Tmax c sau:
X
T
n max
c n .
X
P
n U p0 c
X
n Up c n .
n 1 ,
X
P
n U p1 c
n .
avem: U U p0 c
n;U1 U p1 c
X
n este variabil N(0, 1), deci
U U
n
Up Up
1
0
U U p1 U U p0
;c
U U
(1)
c2
Dac = necunoscut, lum S, deci c rmne neschimbat, iar n crete de 1 ori.
2
Dac Tmin este limita inferioar admis pentru valorile lui X, lotul este acceptat dac la
sondajul efectuat gsim media: X Tmin c , ceea ce duce la aceleai valori ca mai sus pentru n
i c.
Fie T limita (superioar sau inferioar) pentru valorile lui X.
T 0
T 1
Fie 1 F
p0 ; F
p1 , aa c:
0 T Up0 ; 1 T Up1
T 0
T
; U p1 1
deoarece U p0
U U
U 1 U 0 U U T
n
; c
U U
2T 0 1
(2)
Exemple:
1) Se controleaz X = greutatea unui lot de pui livrai (kg) pentru care limita inferioar de
calitate este Tmin = 1kg. Dac se tie c = 0.1 kg i se dau = 3%; = 7%; p0 1%; p1 4% , s
se determine volumul n al sondajului i limita de acceptare Tmin c pentru media de sondaj X .
Solutie:
Din tabela 1 a Anexei, obinem F U3% 97% 0.9700 deci U3% 1.88;F U7% 93% 0.9300
deci U7% 1.48;F U1% 99% 0.9900 deci U1% 2.33;F U4% 96% 0.9600 , deci U4% 1.75.
Din relaiile de mai sus obinem: 0 = 0.767 Kg; 1 = 1.175 Kg.
nlocuind aceste valori n relaia (1) gsim: n = 34; c = 2 deci Tmin c 1.2kg .
117
Lotul se accept dac dintr-un sondaj de n = 34 de pui livrai, greutatea medie al acestora
este de cel puin 1.2 kg.
2) Se controleaz X = grosimea stratului de grsime la greabn al porcilor livrai (cm)
pentru care limita superioar de calitate este Tmax 4cm .
Dac se tie c = 0.1 cm i se dau = 5%; = 10%; p0 2%; p1 7% , s se determine
volumul sondajului n i limita de acceptare Tmax c pentru media de sondaj X .
Soluie:
Din tabela 1 din Anex, obinem ca n exemplul anterior:
U5% 1.65; U10% 1.28; U2% 2.06; U7% 1.48 ;
Din formulele precedente obinem: 0 = 3.794 cm; 1 = 4.148 cm.
Din formula (1) rezult: n = 12; c = 1.7; Tmax c 3.83 cm.
Lotul se accept dac ntr-un sondaj de n = 12 porci, grosimea medie a stratului de grsime
la greabn nu depete 3.83 cm.
B. Controlul secvenial al unei nsuiri cantitative
n acest caz volumul n al sondajului nu se mai determin n prealabil, ci se face controlul n
lot, produs cu produs, pn la acceptarea sau respingerea lotului la controlul de calitate.
n acest fel, dac p este mult mai mic ca p 0 (lot foarte bun) sau mult mai mare ca p1 (lot
foarte prost), volumul n de sondaj este mult mai mic ca n cazul sondajului simplu.
Fie Tmax limita superioar admis pentru valorile nsuirii cantitative X i fie 0 , 1
definite
de
relaiile:
0 Tmax Up0 ;
T 0
1 F max
Tmax 1
p0 ; F
p1 ,
de
unde
rezult:
1 Tmax Up1 .
x1 ,..., x n
valorile x1 ,..., x n
1
n1
, n care caz se continu msurtorile;
1 Pn 0
2) n 1
, n care caz se ia decizia acceptrii ipotezei H : 0 ;
Pn 0 1
P
1
3) n 1
, n care caz se ia decizia acceptrii ipotezei alternative H : 1 .
Pn 0
Pn 0
e
n
2 2
Pn 1
118
2 2
de unde rezult:
xi 0 xi 1
2
Pn 1
e
Pn 0
2 2
n 0 1
Pn 1 1 0
i
Pn 0
2
2
Cu notaiile:
aa c avem: ln
0 1
2
2
1-
; b0
ln
0 ; b1
ln
>0
2
1 0 1
1 0
(3)
x
x
Tmax fiind limit superioar pentru X, acceptarea ipotezei H duce la acceptarea lotului la
controlul calitii, deci zona 2 este zona de acceptare a lotului, n timp ce acceptarea ipotezei
alternative duce la respingerea lotului la controlul calitii, deci zona 3 este zona de respingere a
lotului. Dac Tmin este limit inferioar pentru X, m situaia este invers.
Exemple:
1) X = greutatea porcilor la livrare (kg) limitat inferior. Dac se dau = 5%; = 2% i se
tie c = 5 kg, s se verifice ipoteza H : 100kg fa de H : 110kg prin control secvenial.
119
Soluie:
Avem 0 100kg; 1 110kg; 5kg; 5%; 2% , deci conform formulelor (3)
obinem: a 105kg; b 0 9.65; b1 7.44 .
Tabelul de calcul cu datele de sondaj x i i sumele
n
xi
1
2
3
4
5
6
7
107
103
109
96
103
105
100
105n - 9.65
95.35
200.35
305.35
410.35
515.35
620.35
725.35
este:
x1 x n
105n + 7.44
107
210
319
415
518
623
723
112.44
217.44
322.44
427.44
532.44
637.44
742.44
Avem 0 3cm; 1 4cm; 1cm; 6%; 9% , deci conform formulelor (3) obinem:
a 3.5cm; b 0 2.35; b1 2.72
Tabelul de calcul cu datele de sondaj xi i sumelor x1, este:
n
xi
3.5n-2.35
1
2
3
4
5
6
7
8
9
3.6
4.1
3.1
3.0
3.8
2.9
2.6
3.0
2.7
1.15
4.65
8.15
11.65
15.15
18.65
22.15
25.65
29.15
x1 x n
3.6
7.7
10.8
13.8
17.6
20.5
23.1
26.1
28.8
3.5n + 2.72
6.22
9.72
13.22
16.72
20.22
23.72
27.22
30.72
34.22
120
12
2p0
2
2p1
cu 2 (c + 1) grade de libertate.
n concluzie vom cuta pentru cte grade de libertate (egale cu 2 (c + 1)) avem:
12
p0
2
p1
2
0.95
2
0.05
2
2
sau 3 0.95
, egalitate care se realizeaz pentru 2 (c + 1)
0.05
0.03 0.06
2
2
= 19 GL, pentru c n acest caz avem 0.95
10.12; 0.05
30.14 .
10.12
Rezult c c = 9 i n
167 .
2 0.03
Lotul se accept dac dintr-un sondaj de n = 167 de ou, cel mult c = 9 ou sunt
neeclozionate.
B. Controlul secvenial al unei nsuiri calitative
Fie: x i
0,
n caz contrar
n k
; Pn 1 Cnk p1k 1 p1
n k
, unde k x i este
p
P
Avem n 1 1
Pn 0 p0
1 p1
1 p0
n k
,deci: ln
p
Pn 1
k .ln 1
Pn 0
p0
121
1 p1
n k .ln
1 p0
1
, n care caz se continu msurtorile;
n1
1 Pn 0
2) n 1
, n care caz se decide c H : p p 0 este adevrat;
Pn 0 1
P
1
3) n 1
, n care caz se decide c alternativa H : p p1 este adevrat.
Pn 0
Cu notaiile:
1 p0
1
ln
ln
ln
1 p1
1 ;b
a
; b0
(4)
1
p1 1 p0
p1 1 p0
p1 1 p0
ln
ln
ln
p0 1 p1
p0 1 p1
p0 1 p1
1)
xi
k x1
0.5n - 0.63
xn
0.5n + 0.72
1
0
-0.13
0
1.22
2
1
0.37
1
1.72
3
1
0.87
2
2.22
4
0
1.37
2
2.72
5
0
1.87
2
3.22
6
1
2.37
3
3.72
7
0
2.87
3
4.22
8
0
3.37
3
4.72
Dup n = 8 pui controlai se accept ipoteza H, deci lotul se accept la controlul calitii.
122
k c.
Pentru t T0 avem: T0
2t c
2
1
2t c
, de unde rezult:
Teorema 3.5
T0 2
T
1 1 2 cu 2(c + 1) grade de libertate.
2
2
Vom cuta n tabela 3 din Anex, pentru cte grade de libertate, adic 2(c + 1), avem
Avem t c
Cu avem: P k e .
k!
t
t
1 1
k
t
t
To T0
T1 T1
1 1
T
Pn 1 T0 t T1 T0
P
, de unde: ln n 1 k.ln o t .
e
Pn 0
e ; Pn 1
e , deci:
k!
k!
Pn 0 T1
Pn 0
T1 T1 T0
Avem cazurile:
P
1
1)
, n care caz se continu msurtorile;
n1
1 Pn 0
2) n 1
, n care caz se accept ipoteza H;
Pn 0 1
P
1
3) n 1
, n care caz se accept ipoteza alternativ H .
Pn 0
1 1
ln
ln
T1 T0
; b 0 1 ; b1
Cu notaiile: a
T
T
T
ln 0
ln 0
ln 0
T1
T1
T1
prin logaritmare n baza e, cazurile 1) - 3) de mai sus conduc la:
(5)
Teorema 3.6
Avem cazurile:
1) a.t b0 k a.t b1 , n care caz se continu msurtorile;
2) k a.t b0 , n care caz se accept ipoteza H;
3) k a.t b1 , n care caz se accept ipoteza alternativ H .
Practic, se reprezint grafic dreptele x a.t b0 i x a.t b1 , n sistemul de axe cu
Exemplu:
Pentru controlul fiabilitii unor staii pentru epurarea dejeciilor la porci, avem = 5%;
= 10%.
S se verifice ipoteza H: t > 4 luni fa de alternativa H : t 1 lun prin control secvenial.
Soluie:
Avem
deci
conform
formulelor
(5)
gsim:
ti
0.54t - 1.62
1
2
3
4
5
6
7
0
1
0
0
1
0
0
-1.08
-0.54
0
0.54
1.08
1.62
2.16
k t1
0
1
1
1
2
2
2
tn
0.54t + 2.08
2.62
3.16
3.70
4.24
4.78
5.32
5.86
Se accept ipoteza H: t > 4 luni dup t = 7 luni de funcionare deci lotul de staii de epurare
se accept la controlul calitii.
3.3 REZUMAT
n acest capitol se prezint controlul statistic al calitii n cursul procesului de producie
prin fie de control al unei nsuiri cantitative respectiv calitative.
Se prezint controlul simplu i secvenial al controlului statistic de recepie pentru nsuiri
cantitative, calitative i fiabilitate.
3.4 NTREBRI
1.
2.
3.
4.
3.5 BIBLIOGRAFIE
1. D. Ene, M. Drghici, I.N. Alecu: Statistic aplicat n agricultur, Ed. Ceres, 2003
2. M. Iosifescu i col.: Mic enciclopedie de statistic, Ed. tiinif. i Enciclop., 1985
3. Anuarul statistic al Romniei, 1990 - 2008
125
Avem:
x(i) = 0
i 1
p( j ) .
j 1
Datele relative la Y, din aceste sondaje le numim repetiii (replicate) i le notm cu Y(i, j)
(i = 1,..., m; j = 1,..., p(i)).
Forma general a modelului liniar este:
Y(i, j)= +x (i)+e(i, j)
unde e(i, j) sunt variabilele aleatoare normale, independente cte dou, cu media zero i variana
2(E).
126
1 p (i )
[Y (i, j ) MY (i)] 2, (1 i m)
p(i) 1 j 1
2
m
1
( p(i) 1) SY (i) 2
pT m i1
Fie:
C=1+
m
1
1
[
3(m 1) i 1 p(i ) 1
1
m
( p(i) 1)
i 1
Mrimea:
m
1
2B= [ ( p(i ) 1) ln S2E- ( p(i) 1) SY(i)2]
C
i 1
este o variabil 2 cu m - 1 grade de libertate.
Se extrag din tabela 3 din Anex, valorile critice 20.05; 20.01; 20.001 cu m - 1 GL i se
compar 2B cu aceste valori critice.
Dac 2B 20.05 atunci se accept ipoteza H: (1)2 =..........= (m)2.
1)
2)
3)
1, ......, x m
x x
p1, .......,pm
m
cu media M(x) =
i 1
Repetiii Y
VarianteX
X(1)
.
.
.
.
X(m)
Notaie: pT =
Y(i, j)
Medii pe variante
MY(1)
.
.
.
.
MY(m)
Media total
MYT
p(i)
i 1
Calcule:
a) SPA i GL:
m p (i )
SPAT =
[Y(i, j) - MYT]2 =
i 1 j 1
SPAX =
i 1
SPAE =
i 1 j 1
p(i)[MY(i) - MYT]2 =
m p (i )
m p (i )
i 1
i 1 j 1
b) S :
S2X = SPAX/(m - 1); S2E = SPAE/(pT - m)
c) F:
FX = S2X/S2E 1 cu [m - 1; pT - m]GL
Rezultatele de la punctele a) - c) se trec n tabelul sintetic de analiz a varianei:
Sursa de variaie
X
E
T
SPA
SPAX
SPAE
SPAT
GL
m-1
pT - m
pT 1
S2
S2X
S2E
-
F
FX
-
Raportul Fisher FX se compar cu valorile critice F0.05; F0.01; F0.001 extrase din tabelele 4, 5, 6
din Anex pentru perechile de grade de libertate corespunztoare i se accept sau se respinge
ipoteza formulat mai sus.
Conform teoremei 4.1 de mai jos, avem:
1) Pentru modelul cu efecte fixe:
1 m
[ p(i)2x(i)] + 2(E)
M(S X) =
m 1 i 1
2
M(S E) = 2(E)
Avem estimatorii: *2(E) = S2E;
*2(E) = (S2X - S2E)/a(1, 1)
1 m
[ p(i)2x(i)]
unde a(1, 1) =
m 1 i 1
2
129
M(S2X) =
Avem estimatorii:
*2(E) = S2(E);
m
1
[pT - (1/pT). p2(i)]
m 1
i 1
p m
2x(i), pentru modelul cu efecte fixe; i
m 1 i 1
Y(i, j)
Mediile pe variante
Media total
MY(1) = 307
MY(2) = 340
MY(3) = 367
MYT = 338
SPAT =
i 1 j 1
3612 ; S2E =
39.11
GLX
2
GLE
9
c) F:
3612
92.35 cu (2; 9) GL
FX = S2X/S2E
39.11
Din tabelele Fisher 4, 5, 6 din Anex, gsim valorile critice pentru (2; 9) GL : F0.05 = 4.26;
F0.01 = 8.02; F0.001 = 16.39.
Cum FX F0.001 se accept ipoteza adic (1), (2), (3), difer foarte semnificativ ntre
ele adic influena variaiei factorului X asupra variaiei factorului Y este foarte semnificativ aa c
F = 92.35***.
Tabelul de analiz a variaiei sintetic este:
Surs de
variaie
X
E
T
Variaii
Ptratice (SPA)
7224
336
7560
Grade de
libertate (GL)
2
9
11
Variante (S2)
3612
39.11
-
Rapoarte
Fisher (F)
92.35***
-
Testul Tukey
Calculm triunghiul diferenelor de medii pe variantele lui X:
Diferene de medii
367
340
307
307
60**
33**
-
340
27**
-
367
-
Din tabelele Tukey 7, 8 din Anex, pentru m = 3 medii i GLE = 9 gsim T0.05 = 3.95;
T0.01 = 5.43 aa c avem amplitudinile ateptate:
A0.05 = 39.11 / 4 X 3.95 = 12.35
A0.01 = 39.11 / 4 X 5.43 = 16.98
Cele trei diferene din tabelul precedent depesc pe A0.01, deci sunt distinct semnificative
adic (1), (2), (3), difer distinct semnificativ dou cte dou.
Aportul variaiei lui X la variaia lui Y egal cu 100%, este AX = IC2 = 95.5%.
Aportul variaiei erorii la variaia lui Y este AE = 1 - AX = 4.5%
Calculele precedente privitoare la analiza varianei monofactorial balansat n populaii
omogene, pot fi fcute n EXCEL astfel:
Depunem n foaia de calcul Nr. 1 n blocul de celule A1 : C5 astfel:
A
B
C
1
X1
X2
X3
2
300
330
366
3
314
338
362
4
306
342
370
5
308
350
370
Deschidem fereastra TOOLS n care activm opiunea DATA ANALYSIS. Aici activm
opiunea ANOVA:SINGLE FACTOR n care declarm blocul de celule cu date A1:C5.
Rezultatele se gsesc fie n foaia de calcul Nr. 2, fie tot n foaia de calcul Nr. 1, prin
declararea ca celule de rezultate, a altor celule dect cele din blocul de date A1:C5
O prezentare elegant a calculelor precedente se afl n foaia de calcul AV1.XLS din Anex.
(X, Y)(i, j) = 0
i 1 j 1
133
X(i) = 0.
i 1
n mod analog se reunesc subpopulaiile ce corespund variantei Y(j) fixate pentru orice
i = 1,..., m.
m
Exemplarele din aceast reuniune au fa de caracterul Z, media Y(j) = (1/m). (i, j), iar
i 1
Avem
Y(j) = 0.
j 1
1) HX: X(i) = 0 fa de
HX: X(i) 0
Efectele Y(j) sunt variabile aleatoare de tip N(0; 2(Y)) i ipoteza care se verific este :
2) HY: 2(Y) = 0 fa de
HY: 2(Y) 0
Efectele X.Y(i, j) sunt variabile aleatoare de tip N(0; 2(X.Y)) i ipoteza care se verific este:
3) HX.Y: 2(X.Y) = 0
fa de HXY: 2(X.Y) 0.
n cazul celor trei modele, datele mpreun cu calculele de sume i medii ale repetiiilor pe
variante (X, Y), X, Y i pe total se trec n tabelul care urmeaz:
Medii pe
variante
(X, Y)
Z(1,1,1),,Z(1,1,p(1,1))
.
Z(1,n,1),,Z(1,n,p(1,n))
..
Z(m,1,1),,Z(m,1,p(m,1))
..
Z(m,n,1),,Z(m,n,p(m,n))
MZ(1, 1)
.
MZ(1, n)
.
MZ(m, 1)
..
MZ(m, n)
Repet. Z
Variante
(X, Y)
(X(1), Y(1))
.
(X(1), Y(n))
.
(X(m), Y(1))
..
(X(m), Y(n))
Medii pe
variante
X
Medii pe
variante
Y
MZX(1)
MZY(1)
MZX(m)
MZY(n)
Media
total
MZT
Notaii:
q = numrul de celule (i, j) nevide;
m
pT =
p(i, j);
i 1 j 1
px(i) =
p(i, j);
pY(j) =
p(i, j)
i 1
j 1
CALCULE:
a) SPA i GL:
m
SPAT =
p (i , j )
[Z(i, j, k) - MZT]2 =
i 1 j 1 k 1
p (i , j )
i 1 j 1 k 1
de libertate;
m
SPA(X, Y) =
i 1 j 1
i 1 j 1
grade de libertate;
m
SPAX =
px(i)[MZX(i) - MZT]2 =
i 1
i 1
libertate;
n
SPAY =
PY(j)[MZY(j) - MZT]2 =
j 1
j 1
libertate;
m
SPAX.Y =
i 1 j 1
S2X(i)/px(i) -
i 1 j 1
S (i, j)/p(i, j) -
i 1
j 1
SPAE =
p (i , j )
i 1 j 1 k 1
p (i , j )
Z2(i, j, k) -
i 1 j 1 k 1
S2(i, j)/p(i, j) =
i 1 j 1
cu
cu
cu
[m - 1;pT - q]GL
[n - 1;pT - q]GL
[q m n + 1;pT - q]GL
SPA
SPAX
SPAY
SPAX.Y
SPAE
SPAT
S2
GL
m-1
n-1
qmn+1
pT - q
pT - 1
S2X
S2Y
S2X.Y
S2E
-
F
FX
FY
FX.Y
-
Rapoartele Fisher FX, FY, FX.Y se compar cu valorile critice F0.05; F0.01; F0.001 extrase din
tabelele 4, 5, 6 din Anex, pentru perechile de grade de libertate corespunztoare i se accept sau
se resping ipotezele formulate mai sus.
Printr-un calcul asemntor cu cel din teorema 4.1 obinem relaiile:
(1)
(2)
(3)
(4)
unde:
a(1, 1) =
a(1, 2) =
a(1, 3) =
a(2, 1) =
a(2, 2) =
1
1 m
[ pT
(
m 1
pT i 1
m
n
1
1
[
(
m 1 i1 p X (i) j 1
m
n
1
1
[
(
m 1 i1 p X (i) j 1
m
1 n 1
[
(
n 1 j 1 pY ( j ) i 1
p2X(i))]
p2(i, j)) -
1 n
( p2Y(j))]
pT j 1
p2(i, j)) -
1 m n 2
( p (i, j))]
pT i 1 j 1
1 m
( p2X(j))]
p (i, j)) pT i 1
2
1
1 n
[ pT
( p2Y(i))]
n 1
pT j 1
136
m
1 n 1
1 m n
a(2, 3) =
[
( p2(i, j)) - ( p2(i, j))]
pT i 1 j 1
n 1 j 1 pY ( j ) i 1
a(3,1 ) = -
n 1
a (2, 1)
q m n 1
a(3, 2) = -
m 1
a (1, 2)
q m n 1
a(3, 3) =
m
m
n
1
1
[ pT
(
i 1 p X ( i ) j 1
q m n 1
p (i, j)) -
j 1
m
1
(
pY ( j ) i 1
1
( p2X(j))]
pT i 1 j 1
Cu aceti coeficieni alctuim tabelul componentelor de varian:
M(S2)
M(S2X)
M(S2Y)
M(S2X.Y)
M(S2E)
2(X)
a(1, 1)
a(2, 1)
a(3, 1)
0
2(Y)
a(1, 2)
a(2, 2)
a(3, 2)
0
2(X.Y)
a(1, 3)
a(2, 3)
a(3, 3)
0
2(E)
1
1
1
1
Avem estimatorii:
*2(E) = S2E
*2
*2 X
S 2 X S 2E
1 2
2
*2 Y
A S Y S E
* 2
S 2 S 2
E
X .Y
X .Y X Y
137
S2
S2X
S2Y
S2X.Y
S2E
-
FX
FY
FX.Y
-
p2(i, j)) +
2(X)
np
0
0
0
2(Y)
0
mp
0
0
2(X.Y)
p
p
p
0
2(E)
1
1
1
1
Un caz particular al analizei varianei complet balansat este cel n care p = 1, deci avem
cte o singur repetiie ataat fiecrei perechi de variante (X(i), Y(j)).
n acest caz avem T = (X, Y), iar E are GLE = 0 grade de libertate, deci vom lua E = X.Y,
deci SPAE = SPA(XY) - SPAX - SPAY i GLE = GL(X,Y) - GLX - GLY.
Tabelul sintetic de analiza varianei are forma:
Sursa de
Variaie
X
Y
E
T
SPA
GL
S2
SPAX
SPAY
SPAE
SPAT
m-1
n-1
(m-1)(n-1)
mn-1
S2X
S2Y
S2E
-
FX
FY
-
M(S2)
M(S2X)
M(S2Y)
M(S2E)
2(Y)
0
m
0
2(E)
1
1
1
Exemplu:
Fie X = proteina digestibil n raia porcilor la ngrat i Y = unitile nutritive n raia
porcilor la ngrat i Z = sporul lunar n greutate (kg) al porcilor la ngrat.
Lum m = 3 variante X = X 1 (250g/zi); X 2 (275g/zi); X 3 (300g/zi) i n = 2 variante
Y = Y 1 (2.5UN) i Y2(3UN). Pentru fiecare combinaie de variante (X, Y) lum cte p = 2 repetiii
Z. Avem tabelul cu date:
Repetiii Z
Variante (X,Y)
(X1, Y1)
Medii pe
Z(i, j, p(i, j)) variante (X, Y)
14; 14.2
MZ(1, 1) = 14.1
(X1, Y2)
15.2; 15.6
MZ(1, 2) = 15.4
(X2, Y1)
15; 15.4
MZ(2, 1) = 15.2
(X2, Y2)
16; 16.2
MZ(2, 2) = 16.1
(X3, Y1)
16.1; 16.3
MZ(3, 1) = 16.2
(X3, Y2)
16.9; 17.1
MZ(3, 2)=17
Medii pe
variante X
MZX(1) = 14.75
Medii pe
variante Y
MZY(1) =
15.17
MZT =
15.67
MZX(2) = 15.65
MZY(2) =
16.17
MZX(3) = 16.60
138
Media
Total
Etape de calcul:
a) SPA i GL:
m
cu GL X = m 1 = 2 GL
cu GL Y = n 1 = 1 GL
SPAX Y SPA( X ,Y ) SPAX SPAY 1.2200 cu GLX Y GL( X ,Y ) GLX GLY 2GL
SPAX
SPAY
3.4234; SY2
1.9200
GLX
GLY
SPAX Y
SPAE
0.61; S E2
0.04
GLX Y
GLE
S X2
S X2 Y
c) F:
S X2
FX 2 85.585 cu (2; 6) GL
SE
SY2
FY 2 48 cu (1; 6) GL
SE
FX Y
S X2 Y
2 15.25 cu (2; 6) GL
SE
Din tabelele Fisher 4, 5, 6 din Anex, gsim valorile critice pentru (2; 6) GL: F0.05 5.14 ;
F0.01 10.92 ; F0.01 27 ;
Cum FX F0.001 se accept ipoteza H adic X (1), X (2), X (3) difer foarte
semnificativ ntre ele adic influena variaiei lui X asupra variaiei lui Z este foarte semnificativ
deci Fx 85.585 * * * .
Cum F0.01 FX Y F0.001 se accept ipoteza H adic influena variaiei interaciunii X Y
asupra variaiei lui Z este distinct semnificativ deci FX Y 15.25 * * .
Din tabelele Fisher 4, 5, 6 din Anex, gsim valorile critice pentru (1, 6) GL: F0.05 = 5.99,
F0.01 13.74; F0.001 35.51.
Cum FY F0.001 se accept ipoteza H deci Y (1), Y (2) difer foarte semnificativ
ntre ele adic influena variaiei lui Y asupra variaiei lui Z este foarte semnificativ deci
FY 48 * * * .
139
Variaii ptratice
(SPA)
6.8468
1.9200
1.2200
0.2400
10.2268
Grade de
libertate (GL)
2
1
2
6
11
Variane
S2
3.4234
1.9200
0.6100
0.400
-
Rapoarte Fisher
(F)
85.585***
48***
15.25**
-
Ic ( X )
SPAX Y
SPAX
SPAY
0.345**.
0.818*** ; I c (Y )
0.433*** ; I c ( X .Y )
SPAT
SPAT
SPAT
Y1
Y2
B
X1
14
14.2
15.2
15.6
C
X2
15
15.4
16
16.2
D
X3
16.1
16.3
16.9
17.1
Avem
X (i) 0;
i 1
m n( m)
i 1 j 1
(i, j ) 0.
2
Subpopulaiile dup X se presupun normale cu mediile (i) i aceeai varian ( E ) iar
subsubpopulaiile dup Y n cadrul lui X se presupun normale cu mediile (i, j) i aceeai varian
2 (E) .
m
HY : 2 (Y ) 0 fa de
H Y : 2 ( Y ) 0.
.
.
.
141
Medii pe
subvar. Y
Medii pe Media
var. X
total
MZY (1,1)
.
.
.
MZY (1, n(1))
.
.
.
MZ X (1)
.
.
.
MZT
MZY (m,1)
.
.
MZ X (m)
.
MZY (m, n(m))
Notaii:
m n (i )
n(i )
i 1 j 1
j 1
i 1
SPAT
[Z (i, j, k ) MZ
i 1 j 1 k 1
m n (i ) p (i , j )
i 1 j 1 k 1
S 2T
Z (i, j, k )
cu GLT pT 1
pT
2
grade de libertate;
S 2 X (i ) S 2T
SPAX pX (i )[ MZ X (i ) MZT ]
cu GLX m 1 grade de
pT
i 1
i 1 p X (i )
m
libertate;
S 2 Y (i, j ) m S 2 X (i)
p
(
i
,
j
)
j 1
i 1 p X (i )
m n (i )
m n (i )
i 1 j 1
i 1
m n (i ) p (i , j )
i 1 j 1 k 1
i 1 j 1 k 1
SPAE
S 2 Y (i, j )
j 1 p (i, j )
m n (i )
Z 2 (i, j, k )
i 1
S2X
SPAX
;
m 1
S 2Y
SPAE
SPAX
2
; S E
pT nT
nT m;
c) F:
S2X
S 2Y
[
m
1;
n
m
]
GL
;
cu
cu
1
F
Y
T
S 2Y
S 2E 1
Datele de la punctele a) - c) se trec n tabelul:
FX
[nT m; pT m]GL .
Sursa de
variaie
X
Y
SPA
GL
S2
SPAX
SPAY
m-1
S2X
S 2Y
FX
FY
SPAE
S 2E
SPAT
nT m
pT nT
pT 1
142
cu
Rapoartele Fisher Fx, Fy se compar cu valorile critice F0.05 ; F0.01; F0.001 extrase din tabelele
4, 5, 6 din Anex, pentru perechile de grade de libertate corespunztoare i se accept sau se resping
ipotezele formulate mai sus.
Printr-un calcul asemntor cu cel din teorema 4.1 obinem relaiile:
M (S 2 X ) a(1,1) 2 ( X ) a(1,2) 2 ( Y ) 2 ( E)
1)
2)
M (S 2 X ) a(2, 2) 2 (Y ) 2 ( E)
3)
M (S 2 X ) 2 ( E)
unde:
1
1 m 2
a(1,1)
[ pT
( p X (i ))];
m 1
pT i1
m
1
1 n (i ) 2
1 m n (i ) 2
a(1, 2)
[
( p (i, j ))
( p (i, j )];
m 1 i 1 p X (i) j 1
pT i 1 j 1
m
1
1 n (i ) 2
a(2, 2)
[ pT
( p (i, j ))].
nT m
p
(
i
)
i 1
j 1
X
M (S 2 )
2 ( X )
2 ( Y )
2 (E)
M (S 2 X )
a(1,1)
a(1,2)
M (S 2 Y )
a(2,2)
M (S 2 E )
Avem estimatorii:
*2 ( E ) S 2 E ;
SY2 S E2
(Y )
a(2, 2)
S 2 X a(1, 2) *2 (Y ) S 2 E
*2
( X )
a(1,1)
*2
pT mnp.
M (S 2 )
2 ( X )
2 ( Y )
2 (E)
M (S 2 X )
np
M (S 2 Y )
M (S 2 E )
143
Exemplu:
Fie X = genotip vier; Y = genotip scroaf i Z = greutatea la ftare a purceilor (Kg); lum m
= 2 variante X X 1 (martor), X 2 (elit) i lum n = 2 subvariante Y pentru fiecare variant X:
Y11 (martor), Y12 (elit) respectiv Y21 (martor), Y22 (elit).
Pentru fiecare variant X i fiecare subvariant Y lum cte p = 3 repetiii Z (purcei rezultai
din ncruciarea variantelor paterne cu subvariantele materne). Avem tabelul cu date:
Repetiii Z
Z(i, j, k)
Variante
Medii pe
subvariante Y
Medii pe
variante X
MZ Y (1,1) 1
MZ Y (1,2) 1.1
MZ Y (2,1) 1.2
MZ Y (2,2) 1.3
MZ X (1) 1.05
Media
total
X
Y
0.9; 1; 1.1
1; 1.1; 1.2
( X 1 , Y11 )
( X 1 , Y12 )
( X 2 , Y21 )
( X 2 , Y22 )
MZ X (2) 1.25
MZ T 1.15
Etape de calcul:
a) SPA i GL:
m
SPAE SPAT SPAX SPAY 0.10 cu GLE GLT GLX GLY 8GL .
b) S2:
S2X
SPAX
SPAY
SPAE
0.1200; S 2 Y
0.0150; S 2 E
0.0125.
GLX
GLY
GLE
c) F:
S2X
FX 2 8 cu (1; 2) GL
S Y
S 2Y
FY 2 1.2 cu (2; 8) GL
S E
Din tabelele Fisher 4, 5, 6 din Anex, pentru (1; 2) GL avem valorile critice F0.05 18.51;
F0.01 98.5; F0.001 998.5.
Cum FX F0.05 rezult c influena variaiei lui X asupra variaiei lui Z este
nesemnificativ.
Din tabelele Fisher 4, 5, 6 din Anex, pentru (2; 8) GL avem valorile critice F0.05 4.46;
F0.01 8.65; F0.001 18.41.
Cum FY F0.05 rezult c influena variaiei lui Y asupra variaiei lui Z este nesemnificativ.
144
Variane
(S2)
0.1200
Rap.
Fisher (F)
8
0.03
0.0150
1.2
0.10
0.0125
0.25
11
Ic ( X )
SPAX
0.693 ;
SPAT
I c ( y)
SPAY
0.500 .
SPAX
B(l)
X(m l + 2)
Y(m l + 2; l)
X(m l + 3)
Y(m l + 3; l)
145
X(m l + 1)
Y(m l + 1; l)
Rspunsurile Y(i; j) se rearanjeaz n tabelul de mai jos pentru a fi prelucrat prin analiza
varianei bifactorial complet (cu factori X, B) balansat, cu o repetiie n fiecare celul (p(i; j) = 1).
Repetiii Y
Variante (X,B)
(X(1); B(1))
(X(1); B(l))
(X(m); B(1))
(X(m); B(l))
Yi j
Medii pe
variante X
Medii pe
blocuri B
Media
total
MYX(1)
.
.
.
.
.
MYX(m)
MYB(1)
.
.
.
.
.
MYB(l)
MYT
Y(1; 1)
Y(1; l)
Y(m; 1)
Y(m; l)
Etape de calcul:
a) SPA i GL:
m
SPAE SPAT -SPAX -SPAB cu GLE = GLT - GLX - GLB = (m - 1)(l - 1) grade de
libertate;
b) S2:
S2X
SPA X 2 SPA B 2
SPA E
; SB
; SE
m-1
l -1
m-1 l -1
c) F:
S2X
FX 2 1 cu [m - 1; (m - 1)(l - 1)]GL
SE
S2B
FB 2 1 cu [l - 1; (m - 1)(l - 1)]GL
SE
Valorile precedente se trec n tabelul sintetic de analiz a varianei:
Sursa de
variaie
X
SPA
GL
S2
SPAX
m-1
S2X
FX
SPAB
l-1
FB
SPAE
(m - 1)(l - 1)
S2B
S2E
SPAT
ml - 1
146
Valorile FX i FB se compar cu valorile critice F0.05, F0.01 i F0.001 extrase din tabelele 4, 5, 6
din Anex, pentru perechile de grade de libertate corespunztoare.
Se accept sau se resping ipotezele:
1) HX : X (1) X m fa de alternativa: HX : X (1) X m
2) HB: B (1) B l fa de alternativa: HB: B (1) B l
Exemplu:
X = proteina digestibil n raia porcilor (g/zi)
Y = sporul lunar n greutate al porcilor (Kg)
Populaia este neomogen n raport cu Y dar se poate mpri n l = 2 blocuri omogene:
B1(Landrace) i B2(Marele Alb).
Lum m = 3 variante X: X1(250 g/zi); X2(275 g/zi) i X3(300 g/zi) deci fiecare bloc va
conine cte m = 3 repetiii (bloc complet). n fiecare bloc variabilele X se distribuie n mod aleator
(bloc randomizat):
B(1)
X(1)
X(2)
X(3)
15
17
19
B(2)
X(3)
X(1)
X(2)
20
14
18
Datele precedente se rearanjeaz pe variante (X, B) n tabelul:
Repetiii Y
Variante (X, B)
(X1; B1)
(X1; B2)
(X2; B1)
(X2; B2)
(X3; B1)
(X3; B2)
Yi j
15
14
17
18
19
20
Medii pe
variante X
Medii pe
blocuri B
Media
total
MYX(1) = 14.5
MYB(1) = 17
MYX(2) = 17.5
MYT = 17.165
MYB(2) = 17.33
MYX(3) = 19.5
Etape de calcul:
a) SPA i GL:
SPAT = 26.833 cu GLT = 5 GL;
SPAX = 25.333 cu GLX = 2 GL;
SPAB = 0.166 cu GLB = 1 GL;
SPAE = SPAT - SPAX - SPAB = 1.334 cu GLE = GLT - GLX - GLB = 2 GL;
b) S2:
S2X
SPA X
SPAB
SPAE
12.667; S2B
0.166; S2E
0.667
GLX
GLB
GLE
c) F:
S2X
FX 2 19 cu (2; 2) GL
SE
S2B
1 S2E
FB 2 1 deci
9.02 cu (2; 1) GL
SE
FB SB2
147
Din tabelele Fisher 4, 5, 6 din Anex, pentru (2; 2) GL avem valorile critice F 0.05 = 19,
F0.01 = 99 i F0.001 = 999.
Cum F0.05 = FX < F0.01 influena variaiei lui X asupra variaiei lui Y este semnificativ,
aadar FX = 19*.
Cum FB < 1 influena variaiei blocului B asupra variaiei lui Y este nesemnificativ.
Tabelul sintetic de analiz a variaiei este:
Variaii
ptratice (SPA)
25.333
0.166
1.334
26.833
Sursa de
variaie
X
B
E
T
Grade de
libertate (GL)
2
1
2
5
Variane
(S2)
12.667
0.166
0.667
-
Rapoarte
Fisher (F)
19*
4.02
-
Ic ( X )
SPA X
SPA B
0.972*; Ic ( B)
0.079
SPAT
SPA T
AX
SPA X
SPA B
94.4%; A B
0.6%
SPA T
SPA T
A E 1-A X -A B 5%
Calculele precedente privitoare la analiza varianei bifactorial complet balansat cu cte o
repetiie n celul, pot fi fcute n EXCEL astfel:
Depunem n foaia de calcul Nr. 1 datele n blocul de celule A1:D3 astfel:
A
1
2
3
B1
B2
B
X1
15
14
C
X2
17
18
D
X3
19
20
Deschidem fereastra TOOLS n care activm opiunea DATA ANALYSIS. Aici activm
opiunea ANOVA:TWO-FACTOR WITHOUT REPLICATION n care declarm blocul de celule
cu date A1:D3.
Rezultatele se gsesc fie n foaia de calcul Nr. 2, fie tot n foaia de calcul Nr. 1, prin
declararea ca celule de rezultate, a altor celule dect cele din blocul de date A1:D3
4.4.2 Planul ptratelor i dreptunghiurilor latine
Un ptrat latin l x l, (l 2) este un aranjament de l2 litere latine mari n form de ptrat cu
laturile de l litere astfel c pe fiecare linie i pe fiecare coloan a ptratului, fiecare liter apare
odat i numai odat.
148
Exemple:
Ptrat 2 x 2
A
B
B
A
Ptrat 3 x 3
A
C
B
B
A
C
Ptrat 4 x 4
C
B
A
A
D
C
B
B
A
D
C
C
B
A
D
D
C
B
A
Dou sau mai multe ptrate latine l x l se pot alipi dup linii sau dup coloane dnd natere
la un dreptunghi latin.
Exemple:
A
B
C
D
B
A
D
C
A
B
B
A
C
D
D
C
Planul n ptrate latine rezult din combinarea a dou planuri n blocuri complete
randomizate, blocurile primului plan fiind liniile ptratelor iar blocurile celui de al doilea plan
fiind coloanele ptratelor.
Numrul l al repetiiilor fiecrui bloc-linie este egal cu numrul repetiiilor fiecrui bloccoloan i este divizor al numrului m al variantelor factorului X.
Randomizarea variantelor factorului X, notate cu X(1), , X(m) puse n locul literelor
latine, se asigur prin faptul c n fiecare ptrat latin fiecare variant a lui X se aplic odat i numai
odat repetiiei din fiecare linie i din fiecare coloan.
Desemnm fiecare repetiie printr-o csu n care notm varianta aplicat X(i) i rspunsul
la ea Y(i; j; k).
Randomizarea este asigurat prin permutri circulare ale variantelor de la o linie (coloan) la
alta conform structurii ptratului latin. Rezultatele se valorific prin analiza varianei trifactorial
complet (X, L, C) cu p(i; j; k) = 1 repetiii n celul.
L(1)
L(2)
L(l)
C(1)
C(2)
C(l)
X(1)
Y(1; 1; 1)
X(m)
Y(m; 2; 1)
X(2)
Y(2; 1; 2)
X(1)
Y(1; 2; 2)
X(m)
Y(m; 1; l)
X(m - 1)
Y(m - 1; 2; l)
X(2)
Y(2; l; 1)
X(3)
Y(3; l; 2)
X(1)
Y(1; l; l)
149
(X(m);L(1);C(1))
(X(m);L(l);C(1))
(X(m); L(l);C(l))
Y(i, j, k)
Y(1; 1; 1)
Y(m; 1; 1)
Y(m; l; 1)
Y(m; l; l)
Medii pe
variante X
Medii pe
linii L
Medii pe
coloane C
MYX(1)
.
.
.
.
MYX(m)
MYL(1)
.
.
.
.
MYL(l)
MYC(1)
.
.
.
.
MYC(l)
Etape de calcul:
a) SPA i GL:
m
SPAE SPAT -SPAX -SPAL -SPAC cu GLE = GLT - GLX - GLL - GLC =
= (l - 1)(m - 2) grade de libertate;
b) S2:
SPA X 2 SPA L 2 SPAC 2
SPA E
S2X
; SL
; SC
; SE
m-1
l -1
l -1
l -1 m-2
c) F:
S2
FX X2 1 cu [m-1;(l-1)(m(l+1)-2)]GL
SE
FL
S2L
1 cu [l-1;(l-1)(m(l+1)-2)]GL
S2E
SC2
1 cu [l-1;(l-1)(m(l+1)-2)]GL
S2E
Mrimile precedente se trec n tabelul sintetic de analiz a varianei:
FC
Sursa de
variaie
X
SPA
GL
S2
SPAX
m-1
S2X
FX
SPAL
l-1
FL
SPAC
SPAE
S2L
l-1
SC2
(l 1)[m(l 1) - 2] S2
E
SPAT
ml2 - 1
150
FC
-
Media
total
MYT
Valorile FX, FL i FC se compar cu valorile critice F0.05, F0.01 i F0.001 extrase din tabelele 4,
5, 6 din Anex, pentru perechile de grade de libertate corespunztoare.
Se accept sau se resping ipotezele:
1) HX : X (1) X m fa de alternativa HX : X (1) X m
2) HL : L (1) L l fa de alternativa HL : L (1) L l
3) HC : C (1) C l fa de alternativa HC : C (1) C l
n compararea a dou planuri experimentale se folosete eficiena relativ Fisher:
S2E2 GLE2 1 SE2 1 GLE1 1
e %
:
GLE2 3
GLE1 3
unde S i S sunt varianele erorilor celor dou planuri experimentale iar GLE1 i GLE2 sunt
2
E1
2
E2
L1
L2
C2
X2
12
X1
12
L1
L2
C1
X3
13
X4
15
C2
X4
14
X3
16
Z1
Medii pe
variante X
10
12
12
12
13
16
14
15
MYX(1) = 11
Medii pe
linii L
Medii pe
coloane C
Media
total
MYX(2) = 12
MYX(3) = 14.5
MYX(4) = 14.5
151
MYT = 13
Etape de calcul:
a) SPA i GL:
SPAT = 26 cu GLT = 7 GL;
SPAX = 19 cu GLX = 3 GL;
SPAL = 4.5 cu GLL = 16 GL;
SPAC = 2 cu GLC = 1 GL;
SPAE = SPAT-SPAX-SPAL-SPAC = 0.5 cu GLE = GLT-GLX-GLL-GLC = 2 GL;
b) S2 :
SPAC
SPA X
SPA L
SPAE
S2X
6.33; S2L
4.5;SC2
2; SE2
0.25
GLX
GLL
GLC
GLE
c) F:
S2
FX X2 25.32 cu (3; 2) GL
SE
FL
S2L
18 cu (1; 2) GL
S2E
FC
SC2
8 cu (1; 2) GL
S2E
Din tabelele Fisher 4, 5, 6 din Anex, pentru (3; 2) GL avem valorile critice F0.05 = 19.6,
F0.01 = 99.17 i F0.001 = 999.20.
Cum F0.05 = FX < F0.01 influena variaiei lui X asupra variaiei lui Y este semnificativ,
aadar FX = 25.32*.
Din tabelele Fisher 4, 5, 6 din Anex, pentru (1; 2) GL avem valorile critice F0.05 = 18.51,
F0.01 = 98.50 i F0.001 = 998.50
Cum FL, FC < F0.05 influena variaiei lui L i C asupra variaiei lui Y este nesemnificativ.
Tabelul sintetic de analiz a varianei este:
Sursa de
variaie
X
L
C
E
T
Variaii
ptratice (SPA)
19
4.5
2
0.5
26
Grade de
libertate (GL)
3
1
1
2
7
Variaie
(S2)
6.33
4.5
2
0.25
-
Rapoarte
fisher (F)
25.32*
18
8
-
SPA C
7.7%; A E 1-A X -A L -A C 1.9%
SPA T
152
Aadar planul ptratelor latine este de 2.4 ori mai eficient ca planul blocurilor complete
randomizate.
4.5 REZUMAT
n acest capitol se prezint analiza varianei mono i bifactorial (complet i ierarhic)
nebalansat n populaii omogene. Se prezint i planurile experimentale (blocuri complete
randomizate, ptrate i dreptunghiuri latine) n populaii neomogene care se valorific prin analiza
varianei polifactorial balansat.
4.6 NTREBRI
1.
2.
3.
4.
4.7 BIBLIOGRAFIE
1. D. Ene, M. Drghici, I.N. Alecu: Statistic aplicat n agricultur, Ed. Ceres, 2003
2. M. Iosifescu i col.: Mic enciclopedie de statistic, Ed. tiinif. i Enciclop., 1985
3. Anuarul statistic al Romniei, 1990 - 2009
153
II)
Varianele de sondaj:
S2X
1
Xi X 2 ; S2Y 1 Yi Y 2 ;
n 1
n 1
III)
SX S2X ; SY S2Y ;
IV)
CX
SX
.100(%); CY
SY
.100(%)
X
Y
Definiiile, calitile i defectele acestor indicatori proprii au fost date n seciunea 2.2.
b) Indicatorii de sondaj de legtur ntre caractere:
V)
1
Xi X Yi Y ;
n 1
celula C1: = COVAR((A1:An),(B1:Bn)) iar coeficientul de corelaie liniar R este dat de funcia
EXCEL scris n celula C2: = CORREL((A1:An),(B1:Bn)).
Valorea lui Sxy poate fi obinut n EXCEL i prin deschiderea ferestrei TOOLS n care
activm opiunea COVARIANCE n care declarm celulele A1:An, B1:Bn n care se gsesc datele.
Valoarea lui Sxy se obine fie n foaia de calcul Nr. 2 fie tot n foaia de calcul Nr. 1 n care se gsesc
datele, prin declararea ca celule de rezultate a altor celule dect cele din blocul de date A1:Cn.
Coeficientul de corelaie liniar R se obine exact ca i Sxy, dac n DATA ANALYSIS
activm opiunea CORRELATION.
Uneori mai importante dect valorile Xi, Yi ale nsuirilor X, Y sunt rangurile lor n
ordonarea dup mrime.
n cazul nsuirilor X, Y calitative se cunosc numai asemenea ranguri n clasificarea dup un
anumit criteriu.
Notm cu d diferena rangurilor a dou nsuiri X, Y ale aceluiai exemplar, coeficientul de
corelaie a rangurilor ntr-un sondaj de n perechi de ranguri, capt forma:
6(d12 ... d n2 )
R 1
n(n2 1)
Privind perechea de caractere X, Y ca un vector Z = (X, Y), acesta are indicatorii de sondaj:
1) Vectorul medie de sondaj: M(Z) = ( X , Y )
2) Matricea de covarian de sondaj:
S2X SXY
C( Z)
2
S
YX SY
3) Matricea de corelaie liniar de sondaj:
1 R
L( Z )
R 1
VII) Coeficienii de regresie liniar de sondaj:
SXY
2 daca regresia este cu termen liber (B0 0)
B1 SX
X Y / X daca regresia este fara termen liber (B 0)
0
i i i
Y B1 X daca regresia este cu termen liber (B0 0)
B0
0 daca regresia este fara termen liber (B0 0)
ntre coeficientul de corelaie liniar R i coeficientul de regresie B 1 exist relaia:
B 1 = R.(S Y /S X )
Coeficienii B1 i B0 de sondaj sunt o msur a legturii bijective a caracterelor X, Y dat de
ecuaia Y = B0 + B1X.
Aceasta reprezint grafic dreapta de regresie care trece prin centrul de greutate ( X , Y ) al
norului de puncte cci Y = Y + B1(X - X ).
n legtura de tip statistic ntre X, Y se poate asocia o valoare a lui X cu mai multe valori
ale lui Y i o valoare a lui Y poate corespunde cu mai multe valori ale lui X.
n legtura de tip funcional ntre X, Y, nu se poate asocia o valoare a lui X cu mai multe
valori ale lui Y dar o valoare a lui Y poate corespunde cu mai multe valori ale lui X.
n legtura de tip bijectiv ntre X, Y fiecare valoare a lui X se asociaz cu o valoare unic
a lui Y i fiecare valoare a lui Y corespunde unei valori unice a lui X (coresponden 1 - 1).
156
2
8
3
10
3
11
4
14
5
14
6
20
1
8
2
10
3
11
4
14
5
14
6
20
1
8
2
10
3
11
4
14
5
15
6
20
Y
deci B1 este valoarea marginal cu care
X
Sy
Sy
Sy Sy
B1
;
X; Y
X
; B0 Y
SX
SX
SX SX
Defecte:
2) B0 i B1 au uniti de msur deci nu permit comparaii ntre perechi de caractere;
3) B0 este sensibil la codificarea datelor iar B1 la nmulirea i mprirea datelor;
4) Prognoza valorilor Y fcut pe baza dreptei de regresie Y = B0 + B1X este aproximativ.
Dac X1,, Xn sunt depuse n celulele A1:An din coloana A n EXCEL iar Y1,, Yn sunt
depuse n celulele B1:Bn din coloana B, atunci coeficientul de regresie liniar B1 este dat de funcia
EXCEL scris n celula C3: = SLOPE((A1:An),(B1:Bn)) iar termenul liber al regresiei B0 este dat de
funcia EXCEL scris n celula C4: = INTERCEPT((A1:An),(B1:Bn)).
Pentru prognoza valorii Y (0) = B0 + B1.X(0) se folosete funcia EXCEL scris n celula
C5: = FORECAST (X(0), (A1:An),(B1:Bn)).
Fundamentarea afirmaiilor din seciunea 5.1 se bazeaz pe teoremele care urmeaz:
Teorema 5.1
1) Dreapta de regresie Y = B0 + B1X are coeficienii dai de relaiile:
S XY
pt. B0 0
2
B1 S X
X Y / X 2 pt. B 0
0
i i i
157
n 1 1 R 2
SY t ; n - 2 GL
2
n n 2
Demonstraie:
1) Dac regresia este cu termen liber (B0 0) vom minimiza variaia rezidual cu
necunoscutele B0, B1:
SPAY.X = (y1 B1x1 B0)2 + + (yn B1xn B0)2 = minim
(metoda celor mai mici ptrate)
Anulnd derivatele pariale ale lui SPAY.X n raport cu B1, B0, obinem sistemul de ecuaii
normale cu necunoscutele B1, B0:
2
B1 x i B0 x i x i y i
B1 x i nB0 y i
S
Eliminnd B0 ntre cele dou ecuaii normale, gsim B1 XY , apoi din a II-a ecuaie
S2X
2Y X
2) Avem M(Y B0 B1X) = M(Y) B0 B1M(X) = 0 i V(Y B0 B1X) =
deci
n
Y B0 B1X
n este variabil N(0, 1).
variabila normat
YX
Variabila
notat
n 2 SY2 X
2
Y X
Y B0 B1X
n . De aici rezult c :
YX
n 2 SY2 X
t
Y B0 B1 X
Y X
n:
Y2 X
n2
De aici rezult: P t t t
2
Y B0 B1 X
SY X
P Y B0 B1 X ; B0 B1 X 1 , unde
2
2
limit.
158
SY X
n
t /2;( n2)GL
este diferena
2
2
2
SPAY X 1 R SPAY 1 R n 1 SY
, deci avem:
n2
n2
n2
n 1 1 R 2
SY t /2;( n2)GL
n n 2
D+
Y
D
Y
D-
D-
D:
Y = B0 + B1X
D-:
Y = B0 + B1X -
Q.E.D.
2
Teorema 5.2
1) Coeficientul de corelaie liniar este dat de relaia: R
S XY
;
S X SY
Demonstraie:
S
1) Dac B1 XY ; B0 = Y - B1 . X se verific prin calcul relaia:
Yi Y
S2X
159
(1)
R 1
SPAY X
SPAY
(2)
SPAR
SPAY
B X B Y
Y Y
1
S
i nlocuind pe B1 XY ; B0 = Y - B1 X
S2X
S XY
S X SY
160
Observm c:
SPAY X
SPAXY
1 R SPAY 1
SPAY
SPAX SPAY
2
SPA 2XY
SPA Y
SPA X
SPA Y X
adic:
(3)
2) innd cont de relaia (2) relaia (1) se scrie: SPAY R 2 .SPAY 1 R 2 .SPAY
SPA Y Yi Y
, variana regresiei
GL Y
n 1
2
SPAY
S R2
GLY
S2Y X
S2Y
B X
1
B0 Y
2
SPA Y X Yi B1X i B0
GL Y X
n2
S R2
Rezult variabila Fisher FX 2 cu (1; n 2) GL.
SY X
2
SPAR R 2 SPAY
SPAY X 1 R SPAY
2
SY X
Dar
i
deci
avem:
S
n2
n2
1
1
R2
1
R
cu (1; n - 2) GL i conform seciunii 1.2 t F
F
:
n 2 este variabil
2
1 R n 2
1 R2
Student cu n 2 GL.
2
R
Avem: t
B1
SY2
B12
S X2
Avem B1 R
n 2 Q.E.D.
SY
S
de unde R B1 X aa c valorile Yai calculate din dreapta de regresie
SX
SY
(4)
(5)
1) Ya M (Ya) M Y B1 X X Y B1 M X X Y
S X ,Ya C X , Ya M X Ya M ( X ) M (Ya) M [ XY B1 ( X 2 X X )] X Y
XY B1 M ( X 2 ) M 2 ( X ) X Y B1 V ( X )
RX ,Ya
C ( X , Ya)
V ( X )V (Ya)
B1 V ( X )
V ( X ) B12 .V ( X )
C( X ,Y )
V ( X ) S XY
V (X )
V (Yc) 1 2 ( X , Y ) V (Y ) 1 R 2 SY2
RX ,Yc ( X , Yc)
V ( X ).V (Yc)
0 . Q.E.D.
(1 R) (1 R)e
(1 R) (1 R)e
'
2
2 u / n3
2
2 u / n3
(1 R) (1 R)e
(1 R) (1 R)e
2 u / n 3
2
2 u / n3
2
162
1 R 2 SY
t /2;( n2) GL
n 2 SX
P 0 B0 ; B0 1 unde:
2
2
2
2
2
R
n
1
S
n
X
X
SY
t /2;( n2)GL
n n 2
SX
(Fr demonstraie)
Coeficientul de corelaie liniar de sondaj R este variabil de la un sondaj la altul n jurul
coeficientului de corelaie liniar necunoscut n populaie.
2
1-
Se arat c: M ( R) ; V(R)
deci lim V ( R) 0 , aa c R este o estimaie
n
n
absolut corect a lui .
1) Testul ipotezei H: = 0 fa de alternativa H : 0 se face pe baza teoremei 5.2
punctul 3) astfel:
Din relaia
R
1 R
t
n 2 t
t n 2
rezult:
2
R /2
Valorile critice R pentru = 0.05; 0.01; 0.001 i n 2 GL sunt date de tabela 10 din
2
Anex.
Decizia asupra ipotezei H se ia astfel:
Dac R R0.025 ipoteza H se accept: = 0 deci X, Y nu sunt corelate liniar n populaie.
n caz contrar avem cazurile:
a) R0.025 R R0.005 deci X, Y sunt corelate liniar semnificativ;
b) R0.005 R R0.0005 deci X, Y sunt corelate distinct semnificativ;
c)
SY
cu testarea ipotezei H: 1 = 0 fa de alternativa H: 1 0 fcut pe baza relaiei:
SX
163
B1
n 2 care se compar cu valorile critice t0.05; t0.01; t0.001 cu n 2 GL, extrase din
S
2
B1
S
tabela 2 din Anex.
Decizia se ia ca la punctul 1).
2
Y
2
X
2 1 R'
2 1 R"
2 1 ' n1 3
1
2
variabil: N ln
N 0;
1 "
;
1 "
1
1
aa c u
n1 - 3 n 2 3
z'z"
1
1
n1 3 n 2 3
Din tabela 11 din Anex, obinem transformatele Fisher z i z ale lui R, R apoi calculm
pe u din relaia precedent i l comparm cu valorile critice u0.025=1.96; u0.005=2.58; u0.0005=3.29
Decizia se ia ca la punctul 1).
Exemple:
1) Fie X = nlimea la greabn a vieilor (cm) i Y = greutatea n viu a vieilor (kg).
Populaia este format din N = 100 viei din care extragem un sondaj de n = 10 viei, pe care
msurm nlimea la greabn i greutatea, obinnd datele de sondaj:
xi
yi
70
55
68
54
71
56
72
60
69
54
66
50
70
56
67
53
71
56
72
58
62
60
58
56
Series1
54
52
50
48
65
66
67
68
69
70
71
72
73
Forma alungit a norului de puncte indic o dependen liniar. Deoarece pentru talia X = 0
avem greutatea Y = 0, regresia este fr termen liber.
Calcule:
a) Indicatorii de sondaj proprii fiecrui caracter
xi 696 69.6 cm
Mediile: MX = X
n
10
yi 552 55.2 kg
MY = Y
n
10
Abaterile standard:
SX
SY
n 1
38.40
4.27 2.07 cm
10 1
n 1
67.60
7.51 2.74 kg
10 1
Coeficienii de variabilitate:
CX
2.07
2.74
100 3% ; CY
100 5%
69.6
55.2
y Y 47.80 5.31 cm x kg
i
n 1
10 1
S XY
5.31
0.938
S X SY 2.07 2.74
165
Valorile critice din tabela 10 din Anex, pentru 10 2 = 8 GL sunt: R0.05 = 0.632; R0.01 =
0.765; R0.001 = 0.872
Deoarece R = 0.936 > R0.001 = 0.872 corelaia liniar ntre X, Y pentru toi vieii din care
provin cei 10, este foarte semnificativ aa c R = 0.936***
AX = R2 = 88%;
AE = 1 Ax = 12%
AE = 12%
Variaia total a lui Y = 100%
Ax = 88%
Concluzie: 88% din variaia lui Y este datorat variaiei lui X, restul de 12% se datoreaz
variaiei altor factori necontrolai numii Eroare.
Pentru coeficientul de corelaie liniar necunoscut ntre X, Y n populaie, avem
intervalele de ncredere:
[0.801; 0.982], cu ncrederea de 95%;
[0.688; 0.989], cu ncrederea de 99%;
[0.504; 0.994], cu ncrederea de 99.9%.
Intervalul cel mai mic [0.801; 0.982] cu ncrederea de 95% are urmtoarea interpretare:
Coeficientul de corelaie necunoscut ntre talia i greutatea tuturor vieilor din care fac
parte cei 10 ai sondajului, este cuprins ntre 0.801 i 0.982 cu o ncredere de 95%.
Exist semiriscul 2.5% ca acest coeficient s fie mai mic ca 0.801 atunci cnd sondajul
extras din populaie a fost intens corelat liniar (n sondaj sunt viei scunzi i slabi respectiv viei
nali i grai).
n mod analog exist semiriscul 2.5% ca, coeficientul s fie mai mare ca 0.982 atunci cnd
sondajul extras din populaie a fost slab corelat liniar (n sondaj sunt viei de toate categoriile:
scunzi i slabi, scunzi i grai, nali i slabi, nali i grai).
Ipoteza H: = 0.9 se accept deoarece = 0.9 [0.801; 0.911].
Coeficienii de regresie liniar de sondaj:
x y
x
48480
1 cm crestere talie
B0 = 0 kg (regresie fr termen liber).
B1
2
i
Exist semiriscul 2.5% ca acest coeficient 1 s fie mai mic de 0.676 atunci cnd sondajul
extras din populaie a fost intens corelat liniar sau variabilitatea caracterului Y raportat la
variabilitatea caracterului X este relativ mare n populaie.
n mod analog exist semiriscul 2.5% ca acest coeficient 1 s fie mai mare ca 0.911 atunci
cnd sondajul extras din populaie a fost slab corelat liniar sau variabilitatea caracterului Y raportat
la variabilitatea caracterului X este relativ mic n populaie.
Ipoteza H: 1 = 0.7 se accept deoarece 1 = 0.7 [0.676; 0.911].
Relaia:
n 1 1 R 2
SY t / 2;( n2)GL
n n 2
devine:
10 1 1 0.9382
2.74 2.31 0.736
10 10 2
0.736.
Cu ajutorul acestei ecuaii se pot face prognoze cu asigurarea de 95% astfel:
Pentru X = 75 cm avem valorile ateptate:
60.211 kg
(Maxima)
Ya = 0.793 x 75 + 0.736 =
59.475 kg
(Media)
59.739 kg
(Minima)
Pentru talia vieilor Xa = 75 cm, ne ateptm ca greutatea vieilor din care provine sondajul
s fie cuprins ntre [58.739 kg; 60.211 kg] cu o ncredere de 95%.
Exist semiriscul 2.5% ca aceast greutate s fie sub 58.739 kg atunci cnd sondajul a fost
ales performant ca greutate.
n mod analog exist semiriscul 2.5% ca aceast greutate s fie peste 60.211 kg atunci cnd
sondajul a fost ales neperformant ca greutate.
X a 75 cm
Ipoteza H :
se accept deoarece Ya = 60 kg [58.739; 60.211].
Ya 60 kg
Valorile ateptate Ya ale lui Y se calculeaz cu relaia Ya = 0.793X iar valorile corectate Yc
ale Y sunt date de relaia:
Yc Y Y Ya
Avem tabelul:
xi
yi
yai
yi = yi - yai
yci y yi
70
68
71
72
69
66
70
67
71
72
55
54
56
60
54
50
56
53
56
58
55.54
53.96
56.34
57.13
54.75
52.37
55.54
53.16
56.34
57.13
- 0.54
0.04
- 0.34
2.87
- 0.75
- 2.37
0.46
- 0.16
- 0.34
0.87
54.66
55.24
54.86
58.07
54.45
52.83
55.66
55.04
54.86
56.07
167
62
60
58
56
54
Series1
52
Series2
50
48
46
44
1
10
Calculele precedente privitoare la regresia liniar pot fi fcute n EXCEL astfel: Valorile
X1,, Xn se nscriu n celulele A1:An din coloana A iar valorile Y1,, Yn se nscriu n celulele
B1:Bn din coloana B a foii de calcul Nr. 1.
Deschidem fereasta TOOLS n care activm opiunea DATA ANALYSIS. Aici activm
opiunea REGRESSION n care declarm celulele A1:An i B1:Bn unde se afl datele.
Rezultatele regresiei liniare se gsesc fie n foaia de calcul Nr. 2, fie tot n foaia de calcul
Nr. 1 cu date, prin declararea ca celule de rezultate a altor celule dect cele din blocul de date A1:Cn.
O sintez elegant a acestor calcule este dat n foaia de calcul C2P1.XLS pentru regresii cu
termen liber i n foaia de calcul C2P10.XLS pentru regresii fr termen liber, aflate n Anex.
2) a) S se testeze ipoteza H: = 0.9 fa de alternativa H : 0.9 pentru exemplul 1) cu
1 1 R
transformata Fisher: z ln
.
2 1 R
Soluie:
Transformata Fisher din tabela 11 din Anex, pentru R = 0.938 este z = 1.7220 iar
transformata Fisher din tabela 11 din Anex, pentru 0 = 0.9 este z0 = 1.4722.
u z z 0 n 3 devine u = 0.66
3.04 .
1
1
1 1
n1 3 n2 3
7 14
Cum u = 3.04 [2.58; 3.29] rezult c distinct semnificativ.
168
3) n exemplul 1) cei 10 viei ocup urmtoarele ranguri n ordine descresctoare dup talie
la greabn X i greutate Y:
ti
gi
di
di2
6
6
0
0
8
8
0
0
3
4
1
1
1
1
0
0
7
7
0
0
10
10
0
0
6 di2
5
5
0
0
n n 2 1
9
9
0
0
4
3
1
1
2
2
0
0
Valorile critice pentru n 2 = 8 GL din tabela sunt R0.05 = 0.632; R0.01 = 0.765; R0.001 = 0.872.
Cum R = 0.988 > R0.001 = 0.872, corelaia rangurilor dup talie i greutate a tuturor vieilor
din care fac parte cei 10, este foarte semnificativ.
5.1.2 Cazul observaiilor multiple (xi, yij)
Exist cazuri cnd pentru caracterul Y avem observaii multiple deci datele de sondaj au
forma:
xi
yij
x1
y11 _________y1p
x2
.
.
.
xn
y21 _________y2p
yn1 _________ynp
yi
y1
y2
.
.
.
yn
n acest caz se poate face corelaia i regresia liniar ntre valorile xi i mediile y i i pe de
alt parte se poate face analiza varianei monofactorilal balansat ntre valorile xi i valorile yij.
Variaia total a valorilor Y este:
p
SPAY yij Y cu np 1 GL
i 1 j 1
SPAR p B0 B1 X i Y
i 1
cu 1 GL
SPAA p yi B0 B1 xi cu n 2 GL
2
i 1
SPA E y ij y i
i 1 j 1
2 cu n(p - 1) GL
169
yij B0 B1x i
n p
cu (n - 1) + n(p - 1) = (np - 2) GL
i 1 j 1
SPAY
SPAY
Indicele de corelaie din analiza variaiei (cap. 4.1) are forma:
Ic 1
SPAE
SPAY
SPAX
SPAY
(8)
Rezult de aici:
SPAR = R2 . SPAY, cu 1 GL
SPAY.X = (1 R2) . SPAY, cu np 2 GL
respectiv:
SPAX =Ic2 . SPAY, cu n 1 GL
SPAE = (1 Ic2) . SPAY, cu n(p 1) GL
De asemenea:
SPAA = (Ic2 R2) . SPAY, cu n 2 GL
Prin mprire cu SPAY, relaia (6) devine:
1 = R2 + (Ic2 R2) + (1 Ic2)
(9)
2
2 .
Din relaia SPAA = (Ic R ) SPAY, rezult: 0 <
R < Ic (10)
Reunind teorema 1.9 din seciunea 1.2 i teorema 1.2 din seciunea 4.1, obinem:
Teorema 5.5
n cazul observaiilor multiple (xi, yij) avem proprietile:
1) 0 < R < Ic < 1
:
2
SY X np 2 1 R np 2
R
De aici rezult c tR FR
np 2
1 R2
c) Ipoteza HA: = fa de alternativa H A: se testeaz cu ajutorul raportului
Fisher:
I 2 R2
S2
n2
n2
FA A2 :
c 2 :
, cu [n 2; n(p 1)] GL
S E n( p 1)
1 I c n( p 1)
Ecuaia dreptei de regresie ntre valorile xi i y i cu fia de ncredere se stabilete ca
seciunea 5.1.1 pe baza relaiei: y = B0 + B1x + , unde B1
2
S XY
; B0 Y -B1 X ;
S X2
(n 1)(1 R 2 )
SY t /2;( n2)GL
n(n 2)
Exemplu:
Fie X = proteina digestibil (kg) n raia vacilor de lapte; Y = producia lunar de lapte
(hectolitri). Avem n = 8 variante de protein digestibil aplicate la cte p = 3 vaci cu lapte. Date de
sondaj:
Xi
1
1.05
1.10
1.15
1.20
1.25
1.30
1.35
Yij
4.5; 4.5; 4.8
5; 5; 5.3
5.4; 5.3; 5.5
6; 5.9; 6.1
6.3; 6.3; 6.6
6.9; 7; 7.1
7.5; 7.4; 7.6
7.9; 8.1; 8
Yi
Y ai
Y i
4.6
5.1
5.4
6.0
6.4
7.0
7.5
8.0
5.361
5.629
5.897
6.165
6.433
6.701
6.969
7.237
- 0.761
- 0.529
- 0.497
- 0.165
- 0.033
0.299
0.531
0.763
X Y
X
i i
2
i
59.775
5.361 .
11.15
Valorile ateptate sunt yai B1 .xi i sunt nscrise n coloana patru a tabelului precedent.
8
171
SPAE =
( y
i 1 j 1
ij
yi )2 15.814
b) HR: = 0 fa de HR: 0
R2
1
FR=
:
8.371 cu [1;22] GL
2
1 R np 2
tR =
FR = 2.893, cu 22 GL
Din tabela Student 2 din Anex, avem pentru 22 GL, valorile critice t0.05 = 2.07; t0.01 = 2.82;
t0.001 = 3.79. Cum tR [t0.01; t0.001] ipoteza HR: = 0 se respinge deci 0 distinct semnificativ.
c) HA: = fa de H A :
I c2 R 2 n 2
:
1.050
1 I c2 np 1
cu (6; 16) GL.
Din tabelele Fisher 4, 5, 6 din Anex, pentru (6; 16) GL, avem valorile critice F0.05 = 2.74;
F0.01 = 4.20; F0.001 = 6.81
Cum FA < F0.05 ipoteza HA: = se accept.
Funcia de regresie este Y = B1X adic y = 5.361X.
1 n
2
Avem S Y = (Y i Y )2 0.93
n i 1
Limea fiei de ncredere cu = 0.05 este
FA
(8 1)(1 0.5252 )
0.964 2.45 0.768
8(8 2)
deci Y = 0.5361X 0.768
2.5 % =
Uneori mai important dect corelaia perechilor (xi, yi) este cross-corelaia perechilor (xi, yi+1).
Astfel resursa X aplicat la plante sau animale n momentul t = i are efect asupra valorii
produciei Y la momentul urmtor t = i + 1.
Exemple:
1) X = precipitaii n sptmna t = i
Y = talia plantei n sptmna urmtoare t = i + 1
2) X = cantitatea de protein digestibil n raia vacilor cu lapte n ziua t = i
Y = producia zilnic de lapte n ziua urmtoare t = i + 1
Exemplu:
X = proteina digestibil n raia unei vaci cu lapte (g/zi) n 11 zile consecutive
Y = producia zilnic de lapte (litri/zi) n 11 zile consecutive.
Xt
Yt
Yt+1
Date de sondaj:
1000 1020 1040
9.6
9.6
9.7
9.6
9.7
9.8
1060 1080
9.8
9.9
9.9
9.9
1100
9.9
9.9
1120
9.9
10.1
1140
10.1
10.3
1160
10.3
10.4
1180
10.4
10.6
1200
10.6
-
Exemplu:
Fie notaiile: X = Xt; Y = Yt; Z = Yt+1. Avem rezultatele:
Mediile: MX = 1090 g/zi; MY = 9.92 l/zi; MZ = 10.02 l/zi
Coeficienii de corelaie liniar simpli: RXY = 0.964; RXZ = 9.967; RYZ = 0.976
Coeficienii de corelaie liniar multipli:
Coeficientul multiplu total: RZ.XY = 0.981
oeficienii multipli pariali: RZX.Y = 0.458; RZY.X = 0.638
Coeficienii de regresie multipl: B0 = 0; B1 = 0.002; B2 = 0.845
Limea fiei de ncredere: 2.5% = 0.053
Ecuaia de regresie multipl:Yt+1 = B0 + B1.Xt + B2.Yt / 2
SPAY . X
SPAY . X
0,.................,
0
B 0
Bd 1
b) Dup calculul celor d parametri de regresie B0, B1,..., Bd-1, vom calcula raportul de
corelaie neliniar Rc printr-o formul asemntoare cu formula (1) din demonstraia teoremei 1.2:
Rc 1
(1)
Aici SPAY =
SPAY.X =
SPAY . X
SPAY
f(xi, B0, B1,..., Bd-1) ale lui Y fa de valorile observate yi ale ale lui Y n - d grade de libertate (d
este numrul parametrilor B0, B1,..., Bd-1 ai regresiei).
Diferena SPAY - SPAY.X = SPAR se numete variana regresiei neliniare i are n 1 - (n - d)
= d 1 GL
Ca i n cazul teoremei 5.2 se arat c:
Rc2
d 1
:
(2)
2
1 Rc n d
este variabil Fisher cu (d - 1; n - d) GL.
F
n cazul dreptei de regresie Y = B0 + B1X avem d = 2 parametrii necunoscui B0, B1, deci:
174
R2
1
:
2
1 R n 2
(3)
R
1 R
Bm
B
XT este matricea transpus a lui X, de tip (m + 1) x n, B = m 1 este vectorul - coloan
..........
Bo
y1
de tip (m + 1) x 1 al coeficienilor de regresie polinomial, iar Y = .... este vectorul coloan de tip
yn
n x 1 pentru valorile lui Y.
Sistemul precedent capt forma matricial: XT.X.B = XT . Y
Dac matricea simetric XT . X de ordin m + 1 este nesingular (det(XT.X) 0), sistemul de
ecuaii normale are soluie unic scris matricial: B = (XT.X)-1.XT . Y
Cu d = m + 1, raportul Fisher F capt forma:
Rc2
m
Fp
:
2
1 Rc n m 1
(4)
cu (m; n - m - 1) GL.
n cazul regresiei polinomiale fr termen liber (B0 = 0) ecuaiile normale au forma:
175
0
15
30
17
60
20
90
22
120
25
150
29
180
34
210
36
240
38
270
40
20
15
10
5
0
0
50
100
150
200
250
300
176
xi
0
30
60
90
120
150
180
210
240
270
yi
15
17
20
22
25
29
34
36
38
40
yai
15.28
16.80
19.23
22.32
25.80
29.40
32.88
35.97
38.40
39.92
yi
-0.28
0.20
0.77
-0.32
-0.80
-0.40
1.12
0.03
-0.40
0.08
Variaia total este SPAY = 742.4, iar variaia rezidual este SPAY.X = 3.025 aa c raportul
SPAY . X
de corelaie va fi: Rc = 1
=0.99796.
SPAY
Raportul Fisher Fp are forma (4) (regresia este cu termen liber) i pentru n = 10; m = 3
capt valoarea Fp = 488.7 cu (3; 6) GL.
Valorile critice Fisher din tabelele 4, 5, 6 din Anex, cu (3; 6) GL sunt: F0.05 = 4.76;
F0.01 = 9.78; F 0.001 = 23.70.
Cum Fp = 488.7 F0.001 = 23.70, corelaia polinomial n populaia din care provine sondajul
este foarte semnificativ.
5.2.2 Corelaia i regresia monofactorial trigonometric
Funcia de regresie are forma:
Y = To + (S1sinx + C1cosx) +...+ (Sksinkx + Ckcoskx), (k n/2)
n care avem 2k + 1 parametri de regresie necunoscui T0, S1, C1,..., Sk, Ck.
Sistemul cu d = k + 1 ecuaii normale cu necunoscutele Y0, S1, C1,..., Sk, Ck d aceste valori
astfel:
T0 = MY
2 n
2 n
S1 = yi sin xi ; C1 = yi cos xi
n i 1
n i 1
...................................................
2 n
2 n
yi sin kxi ; Ck = yi cos kxi
n i 1
n i 1
Pentru a aduce date de sondaj x i n careul trigonometric [0; 2], vom nlocui pe x i cu
(n 1) xi ( xn nx1 ) 2
xci =
dup ce n prealabil valorile xi au fost reordonate n ordine
xn x1
n
cresctoare.
Sk =
variabil Fisher cu (d - 1; n - d) GL, unde d este numrul parametrilor de regresie necunoscui T0,
S1, C1,..., Sk, Ck, deci d = 2k + 1, aa c F renotat cu Ft are forma:
Ft = [Rc2/(1 - Rc2)] : [2k/(n - 2k - 1)]
(6)
cu (2k; n - 2k - 1) GL.
Prin regresia trigonometric se ajusteaz date cu caracter periodic (ciclic) mai ales cnd x
este timpul msurat sezonier (n secunde, minute, ore, zile, sptmni, luni, trimestre, semestre, ani,
decenii, secole, milenii).
De exemplu n cazul X = timpul, Y poate fi caracter meteorologic (precipitaii, cldur,
lumin, secete, inundaii, ngheuri, grindin etc.) sau geologic (cutremure, alunecri de teren) sau
biologic (cicluri de reproducie i lactaie, serii la ngrat pentru animale domestice, perioade de
vegetaie pentru plantele de cultur) sau economic (perioade de avnt economic i de recesiune).
Exemple:
1) X = timpul n luni
Y = temperatura medie lunar a aerului n perioada 1901-1990 la staia meteo BucuretiFilaret (0C).
Z = precipitaiile medii lunare n perioada 1901-1990 la staia meteo Bucureti-Filaret
(m3/ha).
Date de sondaj:
Luna X
1
2
3
4
5
6
7
8
9
10
11
12
Temperatura Y
-2.4
-0.3
5.2
11.6
16.9
20.6
22.8
22.3
17.8
11.8
5.5
0.4
Precipitaii Z
406
340
374
444
681
860
578
512
391
411
485
411
Series1
5
0
0
10
-5
178
15
Xci
0.5235989
1.047198
1.570797
2.094395
2.617994
3.141593
3.665192
4.188791
4.712390
5.235988
5.759587
6.283186
Yi
-2.4
-0.3
5.2
11.6
16.9
20.6
22.8
22.3
17.8
11.8
5.5
0.4
yi
-0.34
-0.24
0.17
0.29
-0.10
-0.38
0.11
0.51
-0.31
-0.32
0.17
0.45
yai
-2.06
-0.06
5.03
11.31
17.00
20.98
22.69
21.79
18.11
12.12
5.33
-0.05
Variaia total este SPAY = 2381.04, variaia rezidual este SPAY.X = 1.148, deci raportul de
corelaie trigonometric dat de relaia (1) va fi Rc = 0.999759
Raportul Fisher este dat de relaia (6) i pentru n = 12; k = 2 capt valoarea: Ft = 3629 cu
(4; 7) GL.
Valorile critice Fisher din tabele 4, 5, 6 din Anex, cu (4; 7) GL sunt F0.05 = 4.12;
F 0.01 = 7.85; F 0.001 = 17.19
Cum Ft = 3629 F0.001 = 17.19, corelaia trigonometric n populaia din care provine
sondajul, este foarte semnificativ.
b) Diagrama precipitaiilor are forma:
1000
900
800
700
600
500
Series1
400
300
200
100
0
0
10
179
12
14
ateptate zai T0 [ s j .sin( j.xci ) c j cos( j.xci )] i diferenele zi = zi - zai sunt date de tabelul de
j 1
mai jos.
xi
1
2
3
4
5
6
7
8
9
10
11
12
xci
0.5235989
1.047198
1.570797
2.094395
2.617994
3.141593
3.665192
4.188791
4.712390
5.235988
5.759587
6.283186
zi
406
340
374
444
681
860
578
512
391
411
485
411
zai
411.25
334.75
379.25
438.75
686.25
854.75
583.25
506.75
396.25
405.75
490.25
405.75
zi
- 5.25
5.25
- 5.25
5.25
- 5.25
5.25
- 5.25
5.25
- 5.25
5.25
- 5.25
5.25
Variaia total este SPAZ = 3142985, variaia rezidual este SPAZ.X = 331, deci raportul de
corelaie trigonometric dat de relaia (6) este: Rc = 0.9999474
Raportul Fisher Ft dat de relaia (1), pentru n = 12, k = 5 capt valoarea Ft = 950.9893 cu
(10; 1) GL.
Valorile critice Fisher pentru (10; 1) GL extrase din tabelele 4, 5, 6 din Anex, sunt
F0.05 = 241.9; F0.01 = 6056; F0.001 = 605600
Cum F0.05 < Ft <F0.01, corelaia trigonometric n populaia din care provine sondajul este
semnificativ.
5.2.3 Corelaia i regresia monofactorial polinomial-trigonometric
Funcia de regresie are forma:
y = [B0 + B1x +...+ Bmxm] + [T0 + S1sinx + C1cosx +...+ Sksinkx + Ckcoskx]
a) Partea polinomial din prima parantez ptrat din membrul doi, este neperiodic i se
numete tendin (trend), coeficienii B0, B1, ..., Bm, se stabilesc ca n seciunea 5.3.1 de mai sus,
prelucrnd datele primare (xi, yi), (1 i n).
Valorile ateptate ale regresiei polinomiale sunt date de relaia:
yapi = B0 + B1xi +...+ Bmxim, iar ypi = yi - yapi.
180
xi
yi
Date de sondaj:
28
56
84
15
18
20
112
21
140
22
168
19
196
16
224
12
252
8
280
4
10
5
0
0
100
200
300
181
400
308
2
a) Regresia polinomial:
Pentru funcia polinomial alegem gradul m = 3, deci y = B0 + B1x + B2x2 + B3x3.
Sistemul de 4 ecuaii normale are ca soluii coeficienii de regresie: B 0 = 7.61776;
B 1 = 0.28246; B 2 = - 0.00166; B 3 = 0.0000022.
Valorile echidistante xi, valorile n cerc xci = i.(2/11), valorile observate yi, valorile
ateptate yapi = B0 + B1.xi + B2xi2 + B3xi3 ale regresiei polinomiale i diferenele ypi = yi - yapi se
gsesc n tabelul de mai jos.
Avem SPAY = 478.182; SPAY.X = 5.481, deci Rcp = 0.994252 cu (3; 7) GL.
Valoarea Fisher este Fp = 201.22, iar valorile critice din tabelele 4, 5, 6 din Anex, pentru
(3; 7) GL sunt: F0.05 = 4.35; F0.01 = 8.45; F0.001 = 18.77
Cum Fp = 201.22 F0.001 = 18.77, corelaia polinomial este foarte semnificativ n
populaia din care provine sodajul.
b) Regresia trigonometric:
Perechile de valori (xi; ypi) din tabelul de mai jos se prelucreaz cu regresia trigonometric
cu k = 2 armonice, deci: yp = S0 + (S1sinx + C1cosx) + (S2sin2x + C2cos2x.)
Conform seciunii 5.3.2 de mai sus, avem coeficienii de regresie trigonometric:
T0 = 0.00000217
S1 = -0.0548; C1 = - 0.2158;
S2 = 0.3089; C2 = 0.7362;
Valorile ateptate ale regresiei polinomial-trigonometrice:
yapti = [B0 + B1.xi + B2xi2 + B3xi3] + [T0 + s1.sin(xci) + c1.cos(xci) + s2.sin(2.xci) + c2.cos(2.xci)] i
diferenele ypti = yi - yapti se gsesc n tabelul de mai jos:
xi
28
56
84
112
140
168
196
224
252
280
308
yi
15
18
20
21
22
19
16
12
8
4
2
xci
0.5711987
1.142397
1.713596
2.284795
2.855994
3.427193
3.998391
4.569590
5.140789
5.711987
6.283186
yapi
14.27
18.61
20.92
21.49
20.62
18.60
15.71
12.24
8.49
4.75
1.30
ypi
0.73
- 0.61
- 0.92
- 0.49
1.38
0.40
0.29
- 0.24
- 0.49
- 0.75
0.70
Yapti
14.65
18.22
20.10
21.18
21.27
19.61
16.09
11.71
7.74
4.62
1.82
ypti
0.35
- 0.22
- 0.10
- 0.18
0.73
- 0.61
- 0.09
0.29
0.26
- 0.62
0.18
Avem SPADY = 5.481; SPAY.X = 1.702, deci Rct = 0.8302674 cu (4; 6) GL.
Valoarea Fisher este F t = 3.328, iar valorile critice din tabelele 4, 5, 6 din Anex, pentru
(4; 6) GL sunt F0.05 = 4.53; F0.01 = 9.15; F0.001 = 21.92.
Cum Ft = 3.328 F0.05 = 4.53, corelaia trigonometric este nesemnificativ n populaia din
care provine sondajul.
Media de sondaj de evoluie este:
Y
Y1
Y2 ... Yn 1 n
2 14.85 litri lapte/zi
MYc 2
n 1
182
Exemplul 2:
X = timpul (zile trecute de la data ecloziunii oulelor de gin)
Y = greutate pui broiler (grame)
xi
yi
Date de sondaj:
0
7
21
92
14
213
21
378
28
580
35
791
42
1005
49
1220
56
1432
Series1
600
400
200
0
0
10
20
30
40
50
60
a) Regresia polinomial:
Lum m = 3, deci: B0 = 19.74748; B1 = 6.16912; B2 = 0.63531; B3 = - 0.0052885
Valorile echidistante xi, valorile n cerc xci = i.(2/9), valorile observate yi, valorile ateptate
yapi = B0 + B1.xi + B2xi2 + B3xi3 ale regresiei polinomiale i diferenele ypi = yi - yapi se gsesc n
tabelul de mai jos.
SPAY = 2057641; SPAY.X = 108; Rcp = 0.9999738 cu (3; 5) GL;
Fp = 31804.948***
F0.05 = 5.41; F0.01 = 12.06; F0.001 = 33.20 < Fp
Corelaia polinomial n populaia din care provine sondajul este foarte semnificativ.
b) Regresia trigonometric:
Lum k = 2 armonice, deci:
T0 = - 0.00007354;
S1 = -0.4810; C1 = -0.7903;
S2 =4.0881; C2 = 1.6168
Valorile ateptate ale regresiei polinomial-trigonometrice:
yapti = [B0 + B1.xi + B2xi2 + B3xi3] + [T0 + s1.sin(xci) + c1.cos(xci) + s2.sin(2.xci) + c2.cos(2.xci)] i
diferenele ypti = yi - yapti se gsesc n tabelul de mai jos:
SPAy = 107.72; SPAy.x = 16.90; Rct = 0.9182102 cu (4; 4) GL;
Ft = 5.374; F0.05 = 9.28; F0.01 = 29.46; F0.001 = 141.10
Ft < F0.05 deci corelaia trigonometric este nesemnificativ n populaia din care provine
sondajul.
Media de sondaj de evoluie este:
183
Y
Y1
Y2 ... Yn 1 n
2 625.7 g
MYc 2
n 1
Tabelul final cu rezultate este:
xi
0
7
14
21
28
35
42
49
56
xci
0.6981318
1.396264
2.094395
2.792527
3.490659
4.188791
4.886923
5.585055
6.283186
yi
21
92
213
378
580
791
1005
1220
1432
yapi
19.75
92.25
216.12
380.49
574.47
787.18
1007.72
1225.22
1428.80
ypi
1.25
-0.25
-3.12
-2.49
5.53
3.83
-2.72
-5.22
3.20
ypti
-2.14
0.48
1.25
-1.68
0.75
0.28
-0.14
-1.18
2.38
yapti
23.14
91.52
211.75
379.68
579.25
790.72
1005.14
1221.18
1429.62
1
1
xi , Y MY yi , Z MZ
n
n
S2X
X MX
b)
T RYX
R
ZX
RXY
1
RZY
1
1
1
xi X ; SY2 =
yi Y ; S2Z =
zi Z
n-1
n-1
n-1
xi X
n-1
n-1
c)
Matricea simetric de corelaie liniar:
1
zi
n
SXY SXZ
SY2 SYZ
SZY S2Z
z Z ; S
i
2
YZ
1
yi Y
n-1
z Z ;
i
RXZ
RYZ
1
SXY
S
S
-1;1 ; R XZ XZ -1;1 ; R YZ YZ -1;1
SX SY
SX SZ
SY SZ
Funcia de regresie liniar multipl are forma: Z B0 B1 X B2Y unde coeficienii de
regresie liniar multipl B0, B1, B2 sunt dai de:
184
unde RXY
Teorema 5.6
1) Planul de regresie Z B0 B1 X B2Y are coeficienii B1, B2 ca soluii ale sistemului liniar:
B1S2X B2S XY S XZ
iar B0 Z B1 X B2 Y
2
B1S XY +B2SY SYZ
Dac regresia este fr termen liber (B0 = 0), B1 i B2 sunt soluiile sistemului liniar:
2
B1 xi B2 xi yi xi zi
B1 xi yi B2 yi yi zi
2) Limea fiei de ncredere este
2
n 1 1 RZ2. XY
SZ t ; (n 3)GL
2
n n 3
unde
RZ . XY este
2
B1 xi yi B2 yi B0 yi yi zi
B
1 xi B2 yi nB0 zi
zi B xi B yi i nlocuim n primele dou ecuaii pe B0,
Din a 3-a ecuaie avem: B0
1
2
n
n
n
B1S2X B2S XY S XZ
dup mprirea ambilor membri cu n - 1 obinem:
de unde rezult B1 i B2.
2
B1S XY +B2SY SYZ
Dac regresia este fr termen liber (B0 = 0) vom minimiza variaia rezidual cu necunoscutele B1 i B2:
2
2
SPAZ.XY z1 B1 x1 B2 y1 zn B1 xn B2 yn minim.
Anulnd derivatele pariale ale lui SPA Z.XY n raport cu B1 i B2, gsim sistemul de ecuaii normale
2
B1 xi B2 xi yi xi zi
cu necunoscutele B1 i B2:
2
B1 xi yi B2 yi yi zi
n 3 S2Z . XY
Z2 . XY
Z-B0 -B1X-B2 Y
Z . XY
n . De aici rezult c:
185
Z-B0 -B1X-B2 Y
Z . XY
n:
n 3 S2Z . XY
2
Z . XY
Z-B0 -B1X-B2 Y
n este variabil Student cu n - 3 GL.
SZ . XY
n3
De aici rezult:
P t t t
2
P Z B0 +B1X+B2 Y- ; B0 +B1X+B2 Y+
2
2
S
unde Z . XY t ;( n 3)GL este diferena limit.
2
2
n
innd cont de demonstraia teoremei 5.2 avem:
2
2
2
SPA Z . XY 1 RZ . XY SPA Z 1 RZ . XY n 1 SZ
2
deci avem:
SZ . XY
n3
n3
n3
n 1 1 RZ2. XY
SZ t ; (n 3)GL
2
n n 3
P+
P P
z
z
x
x
P + : Z B0 +B1X+B2 Y+
Q.E.D.
Teorema 5.7
1) Coeficientul de corelaie liniar multipl total este dat de relaia:
2
2
RZX
RZY
2 RZX RZY RXY
RZ . XY
2
1 RXY
Coeficienii de corelaie liniar multipl pariali sunt dai de relaiile:
RZX RZY RXY
RZY RZX RXY
RZX .Y
; R ZY . X
1 RZY2 1 RXY2
1 RZY2 1 RXY2
186
A E 1 A X,Y 1 RZ2. XY
RZ2. XY
2
3) F X,Y
este variabil Fisher cu [2; n - 3] GL
:
2
1 RZ . XY n 3
RZX .Y
RZY . X
tX
n 2 i tY
n 2 sunt variabile Student cu n - 2 GL.
2
2
1 RZX
1
R
.Y
ZY . X
Demonstraie:
1) B0, B1, i B2 sunt dai de teorema 5.6, pct. 1); se verific prin calcul relaia:
j 1
zj Z
B1 x j +B2 y j B0 Z
j 1
z j B1 x j B2 y j -B0
n
j 1
(1)
GL
SPA R
SPA Z
(2)
B x +B y B
z Z
1
nlocuind pe B1, B2 i B0 dai de teorema 5.1 pct. 1) n aceast expresie, rezult prin calcul:
2
2
RZX
RZY
2 RZX RZY RXY
.
2
1 RXY
RZ . XY
TXX
*
T TYX
T
ZX
Fie
TYY
TZY
Rezult RZ . XY 1
TXZ
TYZ
TZZ
TXY
det T
(3)
TZZ
Dac B1, B2 i B0 sunt dai de teorema 1.1 punctul 1), se verific prin calcul relaia (cu Y = constant):
B x B y
2
1 i
B0 Z
cu
z B x B y
2
1 i
B0
(4)
n - 2 1 (n - 3) GL
SPA Z . XY
SPA Z .Y
(5)
187
SPA RX
SPA Z .Y
B x +B y B
z Z
1 i
i nlocuind pe B1, B2 i B0 cu valorile lor din teorema 11.1 punctul 1), gsim prin calcul:
RZX .Y 1
1 RZ2. XY
2
1 RZY
(6)
1 RZY2 1 RXY2
TYZ
TYY TZZ
RZX .Y 1 RZ . XY 1
RZX .Y 0 RZ . XY RZY
RZY . X 1
1 RZ2. XY
2
1 RZX
1 R 1 R
2
ZX
2
XY
LXZ
LXX LZZ
RZY . X 1 RZ . XY 1
RZY . X 0 RZ . XY RZX
2
innd cont de relaia SPA Z .Y 1 RZY
SPAZ precum i de relaiile (2) i (4), relaia (3) devine:
1 R SPA
2
ZY
2
2
2
RZX
.Y 1 RZY SPA Z 1 RZ . XY SPA Z adic:
2
2
2
2
1 RZY
RZX
.Y 1 RZY 1 RZ . XY
2
2
2
2
deci AX RZX
.Y 1 RZY RZ . XY RZY A X,Y A(Y)
2
2
2
2
n mod analog rezult relaia: AY RZY
. X 1 RZX RZ . XY RZX A X,Y A X
2
2
RZY
RZ2. XY i AE 1 A X,Y 1 RZ2. XY
n fine: AXY A X,Y A X A Y RZY
3) Avem:
SPA Z
variana total: S
GL Z
2
Z
n 1
SPA R
variana regresiei totale: S
GL R
2
R
B x
1 i
B2 yi B0 Z
2
188
i variana rezidual: S
2
Z . XY
SPA Z . XY
GL Z . XY
z -B x
i
1 i
B2 yi B0
n3
S2R
cu (2; n - 3) GL.
S2Z . XY
2
SPA Z . XY 1 RZ . XY SPA Z
SPA R RZ2. XY SPA Z
2
Dar S
aa c:
i SZ . XY
2
2
n3
n3
RZ2. XY
2
cu (2; n - 3) GL
F X,Y
:
2
1 RZ . XY n 3
Avem:
2
R
SPA Z .Y
GL Z .Y
variana regresiei pariale dup X (cnd Y = constant):
S2RX
SPA RX
GL RX
B x
1 i
B2 y0 B0 Z
variana rezidual: S
n2
1
2
Z . XY
SPA Z . XY
GL Z . XY
z -B x
i
1 i
B2 y0 B0
n3
S2RX
cu (1; n - 3) GL.
S2Z . XY
2
2
SPA Z . XY 1 RZX .Y SPA Z .Y
SPA RX RZX
2
.Y SPA Z .Y
Dar: S
aa c:
i SZ . XY
1
1
n3
n3
2
RZX
RZX .Y
1
.Y
FX
:
cu (1; n - 3) GL, deci: tX
n 3 este variabil Student cu n - 3 GL.
2
2
1 RZX .Y n 3
1 RZX
.Y
2
RX
n mod analog tY
RZY . X
2
1 RZY
.X
189
RZ2. XY
2
cu (2; n - 3) GL. Din tabelele 4, 5, 6 din Anex, pentru
:
2
1 RZ . XY n 3
(2; n - 3) GL extragem valorile critice F0.05; F0.01; F0.001. Decizia asupra ipotezei H se ia astfel: dac
F(X,Y) < F0.05 ipoteza H se accept: Z.XY = 0 deci Z i perechea (X, Y) nu sunt corelate liniar n
populaie. n caz contrar avem cazurile:
a)
F0.05 F(X,Y) < F0.001 deci Z i (X, Y) sunt corelate liniar semnificativ.
b)
F0.01 F(X,Y) < F0.001 deci Z i (X, Y) sunt corelate liniar distinct semnificativ.
c)
F(X,Y) F0.001 deci Z i (X, Y) sunt corelate liniar foarte semnificativ.
Calculm F X,Y
2) Coeficienii de corelaie liniar multipl pariali de sondaj RZX.Y i RZY.X sunt variabili de la un
sondaj la altul n jurul coeficienilor de corelaie pariali necunoscui ZX.Y i respectiv ZY.X din
populaie.
Testul ipotezei H: ZX.Y = 0 fa de alternativa H : ZX .Y 0 se face pe baza teoremei 5.2
RZX .Y
punctul 3) astfel: se calculeaz tX
n 3 cu n - 3 GL. Din tabela 2 din Anex, pentru
2
1 RZX
.Y
n - 3 GL extragem valorile critice t0.025; t0.0025; t0.0005
Decizia asupra ipotezei H se ia astfel: dac tX < t0.025, ipoteza H se accept: ZX.Y = 0, deci Z
i X nu sunt corelate liniar n populaie pentru Y = constant.
n caz contrar avem cazurile:
a)
t0.025 tX < t0.0025 deci Z i X sunt corelate liniar semnificativ cnd Y = constant
b)
t0.0025 tX < t0.0005 deci Z i X sunt corelate liniar dinstinct semnificativ cnd Y = constant
c)
tX t0.0005 deci Z i X sunt corelate liniar foarte semnificativ cnd Y = constant
Decizia asupra ipotezei H : ZY . X 0 fa de alternativa H : ZY . X 0 se ia n mod
RZY . X
asemntor cu ajutorul lui tY
n 3 cu (n - 3) GL.
2
1 RZY
.X
Exemplu:
X = lungime carcas porci (cm)
Y = grosime strat grsime la greabn (cm)
Z = greutate n viu porci (kg)
Date de sondaj de la n = 10 porci:
xi
yi
zi
142
3.8
110
141
3.3
109
142
4
112
143
4.1
114
146
4.4
118
140
3
106
142
3.9
111
143
4
112
142
3.7
110
144
4.2
115
190
1
RXY 0.8989 RXZ 0.9697
1
ZY
ZX
de
RZ . XY 0.9812 F X,Y
corelaie
multipl
total:
RZ . XY
2
2
RZX
RZY
2 RZX RZY RXY
2
1 RXY
devine
RZ2. XY
2
devine F X,Y 90.47 cu (2; 7) GL
:
2
1 RZ . XY n 3
Din tabelele 4, 5, 6 din Anex, avem F0.05 = 4.74; F0.01 = 9.55; F0.001.= 21.69 pentru (2; 7) GL.
Avem F(X,Y) = 90.47 > F0.001 = 21.69 deci corelaia liniar multipl ntre greutatea n viu a porcilor i
perechea de factori format din lungimea carcasei i grosimea stratului de grsime la greabn, este
foarte semnificativ deci RZ . XY 0.9812***
Coeficienii de corelaie multipl pariali:
RZX RZY RXY
RZX .Y
devine R ZX .Y 0.8328
1 RZY2 1 RXY2
RZY . X
tX
tY
1 RZX2 1 RXY2
RZX .Y
2
1 RZX
.Y
RZY . X
2
1 RZY
.X
devine R ZY . X 0.4297
n3
devine
tX 3.98
n3
cu
7 GL.
Din tabela 2 din Anex, pentru 7 GL gsim: t0.025 = 2.36; t0.005 = 3.50; t0.0005.= 5.41.
Cum t0.005 = 3.50 < tX < t0.005 = 5.41 corelaia liniar parial ntre greutatea n viu a porcilor
i lungimea carcasei cnd grosimea stratului de grsime este constant, este distinct semnificativ
deci RZX .Y 0.8328**
Cum tY < t0.025 = 2.36, corelaia liniar ntre greutatea n viu a porcilor i grosimea stratului
de grsime cnd lungimea carcasei este constant, este nesemnificativ deci RZY . X 0.4297
191
Aporturi:
A X,Y RZ2. XY 0.982 96.3%
2
A X RZ2. XY RZY
8.4%
2
A Y RZ2. XY RZX
2.2%
A XY A X,Y A X A Y 85.7%
A E 1 A X,Y 3.7%
Variaia total a greutii n viu a porcilor fiind considerat 100%, 8.4% din ea se datoreaz
variaiei lungimii carcasei, 2.2% din ea se datoreaz variaiei grosimii stratului de grsime, 85.7%
din ea se datoreaz variaiei interaciunii ntre lungimea carcasei i grosimea stratului de grsime iar
restul de 3.7% se datoreaz variaiei altor factori necontrolai numii Eroare care au fost relativ
constani pentru cele 10 exemplare din sondaj.
3) Planul de regresie: Z B1 X B2Y
(regesia este fr termen liber: B0 = 0)
B1 i B2 sunt soluiile sistemului liniar:
B1 xi2 B2 xi yi xi zi
203087 B1 5477.6 B2 159221
adic
de unde:
2
B1 x i yi +B2 yi yi zi
5477.6 B1 +149.04 B2 4301.2
B1 =
B2 =
n 1 1 RZ2. XY
SZ t ; (n 3)GL
2
n n 3
Pentru = 5% din tabela 2 din Anex, avem t0.005 = 2.36 pentru 7 GL aa c 2.5% = 0.55 Kg.
Planul de regresie cu fia de ncredere va fi: Z 0.6441X 5.1858Y 0.55 .
Prognoz pentru X = 70 cm; Z = 4.5 cm:
Valoarea ateptat a lui Z va fi:
119.45 Kg (Minima)
192
xi
62
61
62
63
66
60
62
63
62
64
yi
3.8
3.3
4
4.1
4.4
3
3.9
4
3.7
4.2
zi
110
109
112
114
118
106
111
112
110
115
zai
111.173
107.936
112.210
113.373
116.861
105.736
111.692
112.854
110.655
114.536
zi
-1.173
1.064
-0.210
0.627
1.139
0.264
-0.692
-0.854
-0.655
0.464
O sintez elegant a acestor calcule este dat n foaia de calcul C3P1.XLS pentru regresii cu
termen liber i n foaia de calcul C3P10.XLS pentru regresii fr termen liber, aflate n Anex.
5.3.2 Corelaia i regresia polifactorial liniar pentru cazul a m + 1 caractere
Fie X(1), X(2),..., X(m), Y notaiile pentru m + 1 caractere ale exemplarelor unei populaii.
Efectum un sondaj de n ansambluri de valori (x1i, x2i,..., xmi; yi); (i = 1,, n). Din aceste date
calculm urmtorii indicatori statistici de sondaj:
1 n
1 n
a)
Vectorul mediilor: X1 ,..., X m ;Y unde X i = xij ; Y = yi
n i =1
n i =1
b)
Matricea simetric de covarian de ordin m + 1:
S2X1
S X 2 X1
S ......
SX X
n 1
SYX
1
S X1 X 2
......
S X1 X n
S2X 2
......
SX 2 X n
......
SX n X 2
......
......
......
S2X n
SYX 2
......
SYX n
S X1Y
S X 2Y
......
S X nY
SY2
1 n
unde varianele sunt: S2 = 1 n x X
; SY2 =
yi Y
X
ij
i
n-1 j 1
n-1 i 1
1 n
1 n
2
sunt: S2
=
x
X
x
X
;
S
=
ik
xij X i
Xi X j
i
jk
j
X iY
n-1 k 1
n-1 j 1
i
c)
RX 2 X 1
T ......
RX m X 1
RYX1
RX 1 X 2
......
RX 1 X m
......
RX 2 X m
......
......
......
RX m X 2
......
RYX 2
......
RYX m
RX1Y
RX 2Y
......
RX mY
iar covarianele
Variaia
rezidual
j 1
Anulnd derivatele pariale ale variaiei reziduale n raport cu B1,..., Bm, B0 obinem:
n
2 x1 j ( y j B0 B1 x1 j ... Bm xmj ) 0
j 1
................................................................
n
2 ( y j B0 B1 x1 j ... Bm xmj ) 0
j 1
sau:
n
n
n
n
2
B
x
...
B
x
x
B
x
x1 j y j
m 1 j mj
0 1j
1 1 j
j 1
j 1
j 1
j 1
................................................................................
n
n
n
n
2
B
x
x
...
B
x
B
x
xmj y j
1
mj
1
j
m
mj
0
mj
j 1
j 1
j 1
j 1
n
n
n
B
x
...
B
x
n
B
yj
m mj
0
1 1 j
j 1
j 1
j 1
(6)
i
fie
vectorul-coloan
al
necunoscutelor
B
x1n
x2 n ...... xmn 1
B0
y1
respectiv vectorul-coloan al termenilor liberi Y
y
n
Sistemul (6) capt forma matricial: XT X B=XT Y
Dac rang
(7)
B= XT X XT Y
1
........................................................
2
B1S X m X1 B2S X m X 2 ... BmS X m S X mY
B Y B X ... B X
1
1
m
m
0
Pentru aceasta, se mparte ultima ecuaie din (6) cu n adic:
194
(8)
1 n
1 n
1 n
B1 x1 j ... Bm xmj B0 y j
n j 1
n j 1
n j 1
Ecuaia (9) se nmulete cu
x
j 1
1j
(9)
a sistemului (6), obinnd prima ecuaie a sistemului (8),.., ecuaia (9) se nmulete cu
x
j 1
mj
ambii membri i rezultatul se scade din a m - a ecuaie a sistemului (6), obinnd a m - a ecuaie a
sistemului (8).
n cazul regresiei fr termen liber (B0 = 0) sistemul de ecuaii normale are forma:
n
n
n
2
B
x
...
B
x
x
x1 j y j
m 1 j mj
1 1 j
j 1
j 1
j 1
..............................................................
n
n
n
2
B1 xmj x1 j ... Bm xmj
xmj y j
j 1
j 1
j 1
(10)
n 1 1 RY2X ,..., X
n n m 1
; (nm1) GL
(11)
Ti1 ,...,ik
RY X i ,..., X i 1
1
SPAY X i ,..., X i
1
SPAY
(12)
Ti1 ,...,ik
RY X1 ,..., X m 1
SPAY X1 ,..., X m
SPAY
T1,...,m;m1
(13)
T1,...,m
i1
ik
ik
F i1 ,...,ik
RY2 X i
,..., X ik
1 RY2 X i
,..., X ik
k
n k 1
k ; n k 1
cu
GL
(14)
(k = 1, 2,, m).
Conform relaiei (5) din demonstraia teoremei 1.7, definim coeficientul de corelaie
liniar multiplu parial ntre Y i X i ,..., X i cnd restul de caractere X j ,..., X j sunt
1
k
1
m k
constani:
SPAY X ,..., X
1 RY2 X ,..., X
(15)
RYX i
,..., X ik X
j1
,..., X
jm k
SPAY X j
,..., X
jm k
1 RY2 X j
,..., X
jm k
H : YX i
,..., X ik X j1 ,..., X jm k
F i1 ,...,ik
cu
2
RYX
i ,..., X i
1
mk
X j1 ,..., X jm k
1 R
2
YX i1 ,..., X ik X j1 ,..., X jm k
k ; n m 1
k
n m 1
; (k = 1, 2,, m)
(16)
GL
X i1 ,..., X ik
2
Y X i1 ,..., X
(17)
ik
Xm
196
A X1 ; X 2 ,..., A X m1 ; X m
................................
A( X1 ,..., X m )
Cel de al 2m-lea aport total este aportul erorii:
AE 1- A X1 ,..., X m
b) Aporturile pariale ale variaiei factorilor X i ,..., X i i interaciunilor lor cnd restul
factorilor X j ,..., X j
sunt constani, la variaia lui Y, vor fi date de relaiile:
1
m k
A X i ... X i A X ,..., X
1
k
j1
jm k
A X , X ,..., X
... A X , X ,..., X
ik j1
jm k
jm k
i1 j1
(18)
A X , X , X ,..., X
... A X , X X ,..., X
ik 1 ik j1
i1 i2 j1
jm k
jm k
... 1
k 1
A X ,..., X
1 m
n membrul drept al acestei relaii, n prima parantez ptrat avem C0k 1 , aporturi totale
cu m - k factori, n a doua parantez ptrat avem C1k aporturi totale cu m k + 1 factori, n a treia
parantez ptrat avem Ck2 aporturi totale cu m - k + 2 factori etc., n ultima parantez ptrat avem
Ckk 1 aporturi totale cu m factori. n total n membrul drept al relaiei (18) avem n cele k + 1
paranteze ptrate, un numr de 2k aporturi totale.
Mai departe avem:
197
A X1... X m A X1 ... A X m
A X1 , X 2 ... A X m1 , X m
(19)
A X1 , X 2 , X 3 ... A X m2 , X m1 , X m
(1) m1 A X1 ,..., X m
A X1
A X1 ,..., A X m
C 2m aporturi pariale ale interaciunilor a cte 2 factori (k = 2) cu relaia (18):
A X1 X 2 ,..., A X m1 X m
................................
C km aporturi pariale ale interaciunilor a cte k factori, cu relaia (18):
A X1... X m
Cel de al 2m-lea aport este:
A E 1- A X1 ,..., X m
210
2080
315
42
215
2100
320
44
200
2000
300
40
220
2150
340
50
218
2120
325
46
225
2210
370
55
198
230
2300
400
60
226
2230
380
58
206
2050
310
41
220
2160
350
52
Se calculeaz:
1) Vectorul mediilor:
X1 217 cm; X 2 2140 cm2 ; X 3 341 boabe; Y 48.8 g;
2) Matricea de covarian:
S2X1 88.4444;
S X X 821.1111;
S 2 1
S X 3 X1 291.1111;
S 64.5556;
YX1
S X1Y 64.5556
S2X 2 8044.4440;
S X 2 X 3 2933.3330; S X 2Y 635.5556
S X1 X 3 291.1111;
RX1 X1 1;
RX 2 X1 0.9735;
T
R
0.9314;
X 3 X1
RYX 0.9443;
1
RX1 X 2 0.9735;
RX1 X 3 0.9314;
RX 2 X 2 1;
RX 2 X 3 0.9841;
RX 3 X 2 0.9841;
RX 3 X 3 1;
RYX 2 0.9748;
RYX 3 0.9898;
RX1Y 0.9443
RX 2Y 0.9748
RX 3Y 0.9898
RYY 1
TX1 X 2
1
0.9735 0.9443
TX1 X 2Y 0.9735 1
0.9748 0.002581
0.9443 0.9748 1
0
0.9735
TX1 X 2
0.052298
0.9735 1
TX1 X 2Y
unde:
- trifactorial:
RY X1X 2 X 3 1
TX1 X 2 X 3Y
TX1X 2 X 3
199
Dar
2
F X , X
:
2
i
j
1 RX i X j n 3
cu
2; n-3 GL d:
2; 7
GL
RY X1X 2 X 3 0.977; F X1 , X 2 , X 3
RY2 X1X 2 X 3
1 RY2 X1X 2 X 3
3
333.834
n4
RYX1 X 2 X 3
1 RY2 X1X 2 X 3
1 RY2 X 2 X 3
n mod analog
0.985 .
Din tabela 10 din Anex, avem valorile critice R pentru 6 GL: R0.025 = 0.707; R0.005 =
2
- bifactoriali:
RYX1X 2 X 3 1
1 RY2 X1X 2 X 3
2
1 RYX
3
0.837
200
n mod analog
Avem:
FX i . X j
2
RYX
k X i X j
1 R
2
YX k X i X j
2
n4
cu
2; n-4 GL
Din tabelele 4, 5, 6 din Anex, avem valorile critice F cu [2; 6] GL: F0.05 = 19.33; F0.01 =
99.30; F0.001 = 999.30
Rezult: FX1.X2 = 7.02; FX1.X3 = 21.58; FX2.X3 = 51.33 cu (2; 6) GL deci:
- bifactoriale:
A X1 A X 2 , X 3 A X1 , X 2 , X 3 0.014879 1.5%;
A X 2 A X1 , X 3 A X1 , X 2 , X 3 0.011080 1.1%;
A X 3 A X1 , X 2 A X1 , X 2 , X 3 0.043954
4.4%
- bifactoriale:
A X1 . X 2 A X 3 A X1 , X 3 A X 2 , X 3 A X1 , X 2 , X 3
0.011089 1.1%;
A X1 . X 3 A X 2 A X1 , X 2 A X 3 , X 2 A X1 , X 2 , X 3
0.014466 1.4%;
A X 2 . X 3 A X1 A X 2 , X1 A X 3 , X1 A X1 , X 2 , X 3
0.047838 4.8%
- trifactorial:
A X1 . X 2 . X 3 A X1 , X 2 , X 3 A X1 A X 2 A X 3 A X1 , X 2 A X1 , X 3 A X 2 , X 3
0.892426 89.3%
201
Aportul erorii:
AE 1 A( X1 , X 2, X 3 ) 0.00539798 0.5%
7) Calculul funciei de regresie liniar i a fiei de ncredere:
Y = B1X1 + B2X2 + B3X3 /2 (regresia este fr termen liber: B0 = 0).
B1, B2, B3 sunt soluiile sistemului liniar:
n
n
n
n
2
B
x
B
x
x
B
x
x
x1 j y j
1 1 j
2 1j 2 j
3 1j 2 j
j
1
j
1
j
1
j
n
n
n
n
2
B
x
x
B
x
B
x
x
x2 j y j
1 2 j 1 j
2 2j
3 2 j 3 j
j 1
j 1
j 1
j 1
n
n
n
n
2
B1 x3 j x1 j B2 x3 j x2 j B3 x3 j x3 j y j
j 1
j 1
j 1
j 1
adic:
471686*B1 + 4651190*B2 + 742590*B3 = 106477
4651190*B1 + 45868400*B2 + 7323800*B3 = 1050040
742590*B1 + 7323800*B2 + 1172750*B3 = 168560
0.4258 g cretere greutate boabe
de unde: B1
cnd suprafaa foliar i numrul de boabe pe
1 cm cretere talie
plant sunt constante.
0.0644 g cretere greutate boabe
cnd talia i numrul de boabe pe plant sunt constante.
B2
1 cm2 cretere suprafa foliar
0.2761 g cretere greutate boabe
B3
cnd talia i suprafaa foliar sunt constante.
1 bob cretere nr. boabe pe plant
Limea fiei de ncredere este:
n 1 1 RY2 X X X
n n 3
2.5%
10 11 0.997
10 10 3
; (n 4) GL
Ecuaia funciei de regresie liniar cu fia de ncredere 2.5% este: Y = 0.4258X1 - 0.0644X2 +
0.2761X3 0.49
Prognoz:
Pentru X1 235 cm; X2 2350 cm2 ; X3 420 boabe avem greutatea ateptat a boabelor
pe plant:
64.20 g Minima
n tabelul de mai jos, se gsesc valorile x1i, x2i, x3i, valorile observate yi, valorile ateptate yai
i diferenele: yi = yi - yai:
202
x1i
210
215
200
220
218
225
230
226
206
220
5.3.3
x2i
2080
2100
2000
2150
2120
2210
2300
2230
2050
2160
x3i
315
320
300
340
325
370
400
380
310
350
yi
42
44
40
50
46
55
60
58
41
52
yai
42.48
44.70
39.23
49.14
46.07
55.69
60.30
57.59
41.33
51.25
yi
- 0.48
- 0.70
0.77
0.86
- 0.07
- 0.69
- 0.30
0.41
- 0.33
0.75
Fie X1 ,X2 ,...,Xm , Y notaiile pentru m + 1 caractere ale exemplarelor unei populaii.
Efectum un sondaj de n ansambluri de valori x1i , x2i ,..., xmi , yi ; 1 i n . Funcia de
regresie neliniar multipl are forma: Y f X1 , X 2 ,..., X m ; B1 , B2 ,..., Bd unde B1, B2,, Bd sunt
d coeficieni de regresie neliniar multipl necunoscui care vor fi determinai prin metoda celor
mai mici ptrate (variaia rezidual a datelor de sondaj este minim):
j 1
Derivatele pariale ale acestei variaii reziduale n raport cu B1, B2,, Bd trebuie s fie nule:
SPAY X1 ,..., X m
B1
0,
SPAY X1 ,..., X m
B2
0,...,
SPAY X1 ,..., X m
Bd
0,
Am obinut sistemul de ecuaii normale care este neliniar i care furnizeaz pe B1, B2,, Bd.
Raportul de corelaie neliniar multipl se calculeaz cu formula:
Rc 1
SPAY X1 ,..., X m
SPAY
(1)
(2)
i=1 j=1
1
1
(3)
n
p
n
j
Bij (x i ) B0 n y
i=1 j=1
1
1
n cazul regresiei fr termen liber (B0 = 0) avem m.p parametri necunoscui Bij dai de m.p
n
p
n
j
k
(4) Bij (x i ) (x h ) (x h ) k y ;(h 1,..., m;k 1,..., p)
i=1 j=1
1
1
ecuaii:
b)
Dup calculul celor m.p + 1 parametri de regresie Bij i B0, vom calcula raportul de corelaie
neliniar Rc cu formula cunoscut:
iar SPAY.X1Xm este dat de relaia (2) n care Bij, B0 sunt dai de sistemul liniar (3) sau (4).
R c2
d-1
F
:
este variabil Fisher cu (d-1;n-d) grade de libertate
2
1 R c n-d
(5)
Rc
; SPA Y
(y
y) 2
R c2
mp
(6)
F
:
este variabil Fisher cu (m p;n-m p-1) grade de libertate
2
1 R c n-m p-1
unde d = m.p + 1 este numrul parametrilor necunoscui Bij, B0.
Rezult c:
ceea ce permite testarea semnificaiei corelaiei polinomiale multiple fr interaciuni.
n cazul regresiei fr termen liber (B0 = 0) relaia (6) devine:
(7)
R c2
m p-1
F
:
este variabil Fisher cu (m p-1;n-m p) grade de libertate
2
1 R c n-m p
Cazuri particulare:
I. Pentru m = 1; p = 1 obinem corelaia i regresia liniar monofactorial (vezi seciunea 5.1)
II. Pentru m = 1 obinem corelaia i regresia polinomial monofactorial (vezi seciunea 5.2)
III.Pentru p = 1 obinem corelaia i regresia liniar polifactorial (vezi seciunea 5.3.2)
204
Exemplu:
Lum m = 3 factori i n = 12 msurtori iar regresia este cu termen liber deci lum p = 3.
X1 = Azotat de amoniu (kg/ha)
X2 = Superfosfat (kg/ha)
X3 = Sare potasic (kg/ha)
Y = Gru (kg/ha)
Date de pe n = 12 parcele experimentale:
X1
X2
X3
Y
0
0
0
1500
40
30
10
1700
80
60
20
1900
120
90
30
2200
160
120
40
2400
200
150
50
2700
240
180
60
3100
280
210
70
3600
320
240
80
4000
330
250
90
3700
350
260
95
3500
400
270
100
3000
4000
4030
- 30
3700
3693
7
3500
3507
-7
3000
2999
1
Rezultate:
a) Coeficienii de regresie polinomial sunt:
B11 = - 438.795 (coeficientul lui X1)
B12 = - 0.571 (coeficientul lui X12)
B13 = 0 (coeficientul lui X13)
B21 = 360.308 (coeficientul lui X2)
B22 = 0.442 (coeficientul lui X22)
B23 = - 0.002 (coeficientul lui X23)
B31 = 693.091 (coeficientul lui X3)
B32 = - 13.063 (coeficientul lui X32)
B33 = 0.064 (coeficientul lui X33)
Termenul liber al regresiei polinomiale este B0 = 1503.453
b) Variaia ptratic rezidual a lui Y dup X 1, X2, X3 este E = 10080.91 iar variaia ptratic
total a lui Y este SPA Y = 7742504 deci conform relaiei (5) raportul de corelaie neliniar este
Rc = 0.99935
Din relaia (6) rezult F = 170.77 cu (9; 2) grade de libertate. Din tabelele 4, 5, 6 pentru
(9; 2) GL avem valorile critice F5% = 19.38; F1% = 99.39; F0.1% = 999.4
Deoarece F1% < F < F0.1%, corelaia polinomial multipl este distinct semnificativ deci
Rc = 0.99935* *
5.3.4
i 1
i 1
j 1
i 1
i 1
l 1
i 1 j 1
l 1
i 1
l 1
n 3 n 3
B0 xhl
xhl yl
l 1
l 1
unde 1 h m ;
m
m
m
n 3
B3i xil xhl xkl B2 ij xil x jl xhl xkl B1i xil xhl xkl
i 1
l 1
i 1 j 1
l 1
i 1
l 1
n
n
m
m
m
n 3
B
x
x
B
x
x
x
3i il hl
2 ij il jl hl
1i xil xhl
i 1
l 1
i 1 j 1
l 1
i 1
l 1
n
n
B0 xhl xhl yl
l 1
l 1
unde 1 h m
m
m
m
n 3
n
B
x
B
x
x
3i il
2 ij il jl
1i xil
i 1
l 1
i 1 j 1
l 1
i 1
l 1
n B0 yl
l 1
n total avem d = m + m2 + m + 1 = (m + 1)2 ecuaii cu (m + 1)2 necunoscute:
B 211 ,..., B21m
B31 ,..., B3m ; ..................... ; B11 ,..., B1m ; B0
B ,..., B
2 mm
2 m1
Sumele dup l de la 1 la n din parantezele rotunde se calculeaz pe baza datelor de sondaj.
m m 1 m2 5m 2
Din cele d = (m + 1)2 ecuaii normale precedente, numai d
sunt
2
2
m m 1
independente, iar
sunt dependente de ele.
2
m m 1
m m 1
Din cele d = (m + 1)2 necunoscute numai d
sunt diferite iar restul de
2
2
sunt egale ntre ele, datorit simetriei B2ij B2 ji ; 1 i; j m .
Raportul de corelaie neliniar total se calculeaz cu formula cunoscut:
Rc
SPAY X1 ,..., X m
SPAY
206
GL
2
2
2
2
1 Rc n m 5m 2
2
Exemplu:
X1 = ngrmnt chimic NPK (zeci Kg/ha)
X2 = ap irigaie (sute m3/ha)
Y = producie de porumb (t/ha)
Date de sondaj:
x1i
0
5
5
5
10
10
10
15
15
15
20
20
20
x2i
0
10
15
20
10
15
20
10
15
20
10
15
20
yi
3
4
4.8
6.3
5.8
6.7
7.4
8.5
9.2
9.4
9.7
9.9
10
Rezultate:
1) Vectorul mediilor:
x 11.54 sute Kg NPK/ha
y 13.85 sute m3 ap/ha
z 7.28 t porumb/ha
15
15
9.2
9.04
0.16
15
20
9.4
9.50
-0.10
20
10
9.7
9.73
-0.03
20
15
9.9
9.88
0.02
20
20
10
10.00
0
4) Raportul de corelaie neliniar este:
0.13275
Rc 1
0.999
68.51685
m2 5m
2
Rc
2
Valoarea Fisher: F
, cu m = 2 i n = 13 devine: F = 356.6
:
2
2
1 Rc n m 5m 2
2
Valorile critice din tabelele 4, 5, 6 din Anex, cu [7; 5] GL sunt: F0.05 = 3.97; F0.01 = 7.46 i
F0.001 = 16.21, deci Rc = 0.999* * *
5.4 REZUMAT
n acest capitol se prezint corelaia i regresia monofactorial liniar precum i corelaiile
i regresiile monofactoriale neliniare exemplificate prin corelaiile i regresiile polinomial,
trigonometric i polinomial-trigonometreic.
Se prezint corelaia i regresia polifactorial liniar i neliniar.
Se calculeaz aporturile factorilor n corelaia polifactorial liniar.
5.5 NTREBRI
1.
2.
3.
4.
5.
6.
7.
8.
5.6 BIBLIOGRAFIE
1. D. Ene, M. Drghici, I.N. Alecu: Statistic aplicat n agricultur, Ed. Ceres, 2003
2. M. Iosifescu i col.: Mic enciclopedie de statistic, Ed. tiinif. i Enciclop., 1985
3. Anuarul statistic al Romniei, 1990 2009
208
BIBLIOGRAFIE GENERAL
1. ANDREI T., STANCU S., PELE D.T.: Statistic, Ediia II, Ed. Economic, 2002
2. ALECU I.N. i col.: Management n agricultur, Ed. Ceres, 1997
3. ANDREESCU E.: Curs de matematic i statistic biologic, AMD, IANB, 1980
4. ANGHELACHE C.: Statistic general, Ed. Economic, 1999
5. ANUARUL STATISTIC AL ROMNIEI, 1991 - 2003
6. BARON T., ANGHELACHE C., TIAN E.: Statistic Ed. Economic, 1996
7. BDI M., BARON T., KORKA M.: Statistic pentru afaceri, Ed. Eficient, Bucureti, 1998
8. BERCA M.: Ecologie general i protecia mediului, Ed. Ceres, 2000
9. BIJI E., NEGUR I.: Aplicaii statistice n conducerea activitii din agricultur, Ed. Ceres, 1980
10. BIJI E.M. i col.: Statistica managerial a agentului economic din agricultur, Ed. Ceres, 1998
11. BIJI M. i col.: Tratat de Statistic, Ed. Economic, 2002
12. CEAPOIU N.: Metode statistice aplicate n experienele agricole i biologice, Ed.
Agrosilvic, 1968
13. CAPANU I., ANGHELACHE C.: Indicatori economici, Ed. Economic, 2000
14. CLOCOTICI V., STAN A.: Statistic aplicat n psihologie, Ed. Polirom, 2000
15. DAGNELIE P.: Statistique thorique et applique, tome 1, 2 De Boeck et Larcier, 1998
16. DAVIES R.G.: Computer Programming in Quantitative Biology, Academic Press, 1971
17. DRGHICI M., ALECU I.M., DINU T.: Management general, Lito AMC, 1999
18. DRGHICI M.: AGR1. Producie vegetal, Sistem informatic integrat destinat planificrii
afacerilor exploataiei agricole, USAMV, 2003
19. DUMITRESCU M.: Teoria sondajelor statistice, Ed. Tehnic, 2003
20. ENE D.: Calculul i interpretarea unor indicatori informaionali n statistica agricol, Lucrri
tiinifice IANB, Seria E, vol. XVII (1974), 92 - 95
21. ENE D.: Calculul aporturilor variaiei factorilor n agricultur i al concentraiei acestora,
Lucrri tiinifice IANB, Seria E, Vol. XX XXI (1977 - 1978), 25 - 30
22. ENE D.: Curs de Matematic i Biometrie, (Litografiat Atelierele de material Didactic
USAMV), 1979
23. ENE D.: Asupra unei funcii de producie unifactoriale, Lucrri tiinifice IANB, Seria E,
vol. XXIV (1981), 89 - 92
24. ENE D.: Generalizarea unor indicatori statistici de evoluie, Lucrri tiinifice IANB, Seria E,
vol. XXIV (1981), 93 - 96
25. ENE D.: Programe de calculator pentru funcia de regresie liniar pe poriuni, Lucrri
tiinifice IANB, Seria E, vol. XXV (l982), 75 - 84
26. ENE D. Asupra concentrrii i specializrii produciei agricole pe ramuri, Lucrri tiinifice
IANB, Seria E, vol. XXV (1982), 85 - 90
27. ENE D.: Asupra calculului aporturilor variaiei factorilor n variaia produciei agricole,
Lucrri tiinifice IANB, Seria E, vol. XXVI (1983), 89 - 92
28. ENE D.: Aducerea n limite normale a valorii heritabilitii estimat prin metoda regresiei,
Comunicare la Simpozionul tiinific internaional de Zootehnie, Iai, 12 - 13 XII, 1996
29. ENE D., DRGHICI M., ALECU I.N.: Statistic aplicat n agricultur, Ed. Ceres, 2003
30. ENE D.: Matematici(I) (Algebr i programare liniar), Ed. Ceres, 2004
31. ENE D. Matematic cu aplicaii n biologie i tiine agricole, Ed. ALL, 2004
32. ENE D.: Programe executabile de algebr liniar, analiz numeric, optimizri i statistic
pentru agricultur, 2005
33. GOGONEA S., ENE D.: Analiz numeric, Ed. Cartea Universitar, 2005
34. GROSU H., LUNGU S., KREMER V.D.: Modele liniare utilizate n ameliorarea genetic a
animalelor, Ed. Coral Sanivet, 1997
209
35. IOSIFESCU M., TUTU P.: Procese stohastice i aplicaii n biologie i medicin, Ed. Academiei
R.S.R., 1968
36. IOSIFESCU M.: Lanuri Markov finite i aplicaii, Ed. Tehnic, 1977
37. IOSIFESCU M., MOINEAGU C., TREBICI V., URSIANU E.: Mic Enciclopedie de
Statistic, Ed. tiinific i Enciclopedic, 1985
38. ISAIC-MANIU A., GRDINARU A., VOINEAGU V., MITRU C.: Statistic teoretic i
economic, Ed. Tehnic, Chiinu, 1994
39. ISAIC-MANIU A., VOD GH.V.: Manualul calitii, Ed. Economic, 1997
40. JABA E.: Statistic, Ediia II, Ed. Economic, 2000
41. JOHNSTON J.: Econometric Methods, 3rd Edition, McGraw-Hill, 1984
42. KENDALL M.: Time-Series, C. Griffin & Co., London, 1976
43. MALIA M., ZIDROIU C.: Matematica organizrii, Ed. Tehnic, 1975
44. MARINESCU I.: Analiz factorial, Ed. tiinific i Enciclopedic, 1984
45. MATHER K.: The Elements of Biometry, Meuthen, 1967
46. MERCE E., URS FL., MERCE C.: Statistic, Ed. Academic Pres, 2001
47. METCALFE A.V.: Statistics an Engineering, Ed. Chapman & Hall, 1994
48. MIHOC GH., URSEANU V.: Tratat de statistic matematic, Ed. Academiei R.S.R., 1976 - 1977
49. MONTGOMERY D.C., RUNGER G.C.: Applied Statistics and Probability For Engineers,
J. Wiley, 1994
50. NEGOESCU GH., CIOBANU R., BONTA C.A: Bazele statisticii pentru afaceri, Ed. ALL
BECK, 1999
51. OANCEA M.: Tratat de management n unitile agricole, Ed. Ceres, 1999
52. OTIMAN P.I., CRE F.: Elemente de matematici aplicate n economia agroalimentar,
Ed. Agroprint, 2002
53. PECICAN E.S.: Econometrie, Ed. ALL, 1994
54. POSTELNICU T., TUTU P.: Metode matematice n medicin i biologie, Ed. Tehnic, 1971
55. PURCARU I.: Informaie i corelaie, Ed. tiinific i Enciclopedic, 1988
56. SANDU GH.: Modele experimentale n zootehnie, Ed. Coral Sanivet, 1995
57. SNDOIU D.I.: Tehnic experimental, Partea I, Ed. Elisavaros, Bucureti, 2003
58. SULESCU N.A., SULESCU N.N.: Cmpul de experien, Ed. Agro-Silvic, 1967
59. SEARLE S.R.: Linear Models, J. Wiley, 1971
60. SNEDECOR C.W.: Metode statistice aplicate n cercetrile de agricultur i biologie,
Ed. Didactic i Pedagogic, 1968
61. SORA V., HRISTACHE I., MIHESCU C.: Demografie i statistic social, Ed. Economic, 1996
62. TACU A.: Metode statistice n zootehnie i medicin veterinar, Ed. Agrosilvic, 1968
63. TRCOLEA C., FILIPOIU A., BONTA S.: Tehnici actuale n teoria fiabilitii, Ed.
tiinific i Enciclopedic, 1989
64. TODORAN I.: Rspunsuri posibile. Corelaie i prognoz, Ed. Dacia, 1989
65. TOMESCU D., MANCIU GH., SCRIPSNIC V.: Fiabilitatea utilajelor agricole, Ed. Ceres, 1981
66. VOD V.GH.: Gndirea statistic un mod de gndire al viitorului, Ed. Albatros, 1977
67. VOINEAGU V. i col.: Statistica economic, Ed. Tribuna Economic, 2001
68. WALLACE T.D., SILVER J.L.: Econometrics. An Introduction, Addison-Wesley, 1988
210
Tabel 2
Tabel 3
Tabel 4
Tabel 5
Tabel 6
Tabel 7
Tabel 8
Tabel 9
211
0.00
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
0.0
0.50000
0.50399
0.50798
0.51197
0.51595
0.51994
0.52392
0.52790
0.53188
0.53586
0.1
0.53983
0.54379
0.54776
0.55172
0.55567
0.55962
0.56356
0.56749
0.57142
0.57534
0.2
0.57926
0.58317
0.58706
0.59095
0.59483
0.59871
O.60257
0.60642
0.61026
0.61409
0.3
0.61791
0.62172
0.62551
0.62930
0.63307
0.63683
0.64058
0.64431
0.64803
0.65173
0.4
0.65542
0.65910
0.66276
0.66640
0.67003
0.67364
0.67724
0.68082
0.64838
0.68793
0.5
0.69146
0.69497
0.69847
0.70194
0.70540
0.70884
0.71226
0.71566
0.71904
0.72240
0.6
0.72575
0.72907
0.73237
0.73565
0.73891
0.74215
0.74537
0.74857
0.75175
0.75490
0.7
0.75803
0.76115
0.76424
0.76730
0.77035
0.77337
0.77637
0.77935
0.78230
0.78523
0.8
0.78814
0.79103
0.79389
0.79673
0.79954
0.80234
0.80510
0.80785
0.81057
0.81327
0.9
0.81594
0.81859
0.82121
0.82381
0.82639
0.82894
0.83147
0.83397
0.83646
0.83891
1.0
0.84134
0.84375
0.84613
0.84849
0.85083
0.85314
0.85543
0.85769
0.85993
0.86214
1.1
0.86433
0.86650
0.86864
0.87076
0.87285
0.87493
0.87697
0.87900
0.88100
0.88297
1.2
0.88493
0.88686
0.88877
0.89065
0.89251
0.89435
0.89616
0.89796
0.89973
0.90147
1.3
0.90320
0.90490
0.90658
0.90824
0.90988
0.91149
0.91308
0.91465
0.91621
0.91773
1.4
0.91924
0.92073
0.92219
0.92364
0.92506
0.92647
0.92785
0.92922
0.93056
0.93189
1.5
0.93319
0.93448
0.93574
0.93699
0.93822
0.93943
0.94062
0.94179
0.94295
0.94408
1.6
0.94520
0.94630
0.94738
0.94845
0.94950
0.95053
0.95154
0.95254
0.95352
0.95448
1.7
0.95543
0.95637
0.95728
0.95818
0.95907
0.95994
0.96080
0.96164
0.96246
0.96327
1.8
0.96407
0.96485
0.96562
0.96637
0.96711
0.96784
0.96856
0.96926
0.96995
0.97062
1.9
0.97128
0.97193
0.97257
0.97320
0.97381
0.97441
0.97500
0.97558
0.97615
0.97670
2.0
0.97725
0.97778
0.97831
0.97882
0.97932
0.97982
0.98030
0.98077
0.98124
0.98169
2.1
0.98214
0.98257
0.98300
0.98341
0.98382
0.98422
0.98461
0.98500
0.98537
0.98574
2.2
0.98610
0.98645
0.98679
0.98713
0.98745
0.98778
0.98809
0.98840
0.98870
0.98899
2.3
0.98928
0.98956
0.98983
0.99010
0.99036
0.99061
0.99086
0.99111
0.99134
0.99158
2.4
0.99180
0.99202
0.99224
0.99245
0.99266
0.99286
0.99305
0.99324
0.99343
0.99361
2.5
0.99379
0.99396
0.99413
0.99430
0.99446
0.99461
0.99477
0.99492
0.99506
0.99520
2.6
0.99534
0.99547
0.99560
0.99573
0.99585
0.99598
0.99609
0.99621
0.99632
0.99643
2.7
0.99653
0.99664
0.99674
0.99683
0.99693
0.99702
0.99711
0.99720
0.99728
0.99736
2.9
0.99744
0.99752
0.99760
0.99767
0.99774
0.99781
0.99788
0.99795
0.99801
0.99807
2.9
0.99813
0.99819
0.99825
0.99831
0.99836
0.99841
0.99846
0.99851
0.99856
0.99861
3.0
0.99865
0.99869
0.99874
0.99878
0.99882
0.99886
0.99889
0.99893
0.99897
0.99900
3.1
0.99903
0.99906
0.99910
0.99913
0.99916
0.99918
0.99921
0.99924
0.99926
0.99929
3.2
0.99931
0.99934
0.99936
0.99938
0.99940
0.99942
0.99944
0.99946
0.99948
0.99950
3.3
0.99952
0.99953
0.99955
0.99957
0.99958
0.99960
0.99961
0.99962
0.99964
0.99965
3.4
0.99966
0.99968
0.99969
0.99970
0.99971
0.99972
0.99973
0.99974
0.99975
0.99976
3.5
0.99977
0.99978
0.99978
0.99979
0.99980
0.99981
0.99981
0.99982
0.99983
0.99983
3.6
0.99984
0.99985
0.99985
0.99986
0.99986
0.99987
0.99987
0.99988
0.99988
0.99989
3.7
0.99989
0.99990
0.99990
0.99990
0.99991
0.99991
0.99992
0.99992
0.99992
0.99992
3.8
0.99993
0.99993
0.99993
0.99994
0.99994
0.99994
0.99994
0.99995
0.99995
0.99995
3.9
0.99995
0.99995
0.99996
0.99996
0.99996
0.99996
0.99996
0.99996
0.99997
0.99997
212
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
40
50
60
70
80
90
100
0.40
0.25
0.10
0.05
0.025
0.01
0.005
0.0025
0.001
0.0005
0.325
0.289
0.277
0.271
0.267
0.265
0.263
0.262
0.261
0.260
0.260
0.259
0.259
0.258
0.258
0.258
0.257
0.257
0.257
0.257
0.257
0.256
0.256
0.256
0.256
0.256
0.256
0.256
0.256
0.256
0.255
0.255
0.254
0.254
0.254
0.254
0.254
0.253
1.000
0.816
0.765
0.741
0.727
0.718
0.711
0.706
0.703
0.700
0.697
0.695
0.694
0.692
0.691
0.690
0.689
0.688
0.688
0.687
0.686
0.686
0.685
0.685
0.684
0.684
0.684
0.683
0.683
0.683
0.681
0.679
0.679
0.678
0.678
0.677
0.677
0.674
3.078
1.886
1.638
1.533
1.476
1.440
1.415
1.397
1.383
1.372
1.363
1.356
1.350
1.345
1.341
1.337
1.333
1.330
1.328
1.325
1.323
1.321
1.319
1.318
1.316
1.315
1.314
1.313
1.311
1.310
1.303
1.299
1.296
1.294
1.292
1.291
1.290
1.282
6.314
2.920
2.353
2.132
2.015
1.943
1.895
1.860
1.833
1.812
1.796
1.782
1.771
1.761
1.753
1.746
1.740
1.734
1.729
1.725
1.721
1.717
1.714
1.711
1.708
1.706
1.703
1.701
1.699
1.697
1.684
1.676
1.671
1.667
1.664
1.662
1.660
1.645
12.706
4.303
3.182
2.776
2.571
2.447
2.365
2.306
2.262
2.228
2.201
2.179
2.160
2.145
2.131
2.120
2.110
2.101
2.093
2.086
2.080
2.074
2.069
2.064
2.060
2.056
2.052
2.048
2.045
2.042
2.021
2.009
2.000
1.994
1.990
1.987
1.984
1.960
31.821
6.965
4.541
3.747
3.365
3.143
2.998
2.896
2.821
2.764
2.718
2.681
2.650
2.624
2.602
2.583
2.567
2.552
2.539
2.528
2.518
2.508
2.500
2.492
2.485
2.479
2.473
2.467
2.462
2.457
2.423
2.403
2.390
2.381
2.374
2.368
2.364
2.326
63.657
9.925
5.841
4.604
4.032
3.707
3.499
3.355
3.250
3.169
3.106
3.055
3.012
2.977
2.947
2.921
2.898
2.878
2.861
2.845
2.831
2.819
2.807
2.797
2.787
2.779
2.771
2.763
2.756
2.750
2.704
2.678
2.660
2.648
2.639
2.632
2.626
2.576
127.32
14.089
7.453
5.598
4.773
4.317
4.029
3.833
3.690
3.581
3.497
3.428
3.372
3.326
3.286
3.252
3.222
3.197
3.174
3.153
3.135
3.119
3.104
3.091
3.078
3.067
3.057
3.047
3.038
3.030
2.971
2.937
2.915
2.899
2.887
2.878
2.871
2.807
318.31
23.326
10.213
7.173
5.893
5.208
4.785
4.501
4.297
4.144
4.025
3.930
3.852
3.787
3.733
3.686
3.646
3.610
3.579
3.552
3.527
3.505
3.485
3.467
3.450
3.435
3.421
3.408
3.396
3.385
3.307
3.261
3.232
3.211
3.195
3.183
3.174
3.090
636.62
31.598
12.924
8.610
6.869
5.959
5.408
5.041
4.781
4.587
4.437
4.318
4.221
4.140
4.073
4.015
3.965
3.922
3.883
3.850
3.819
3.792
3.767
3.745
3.725
3.707
3.690
3.674
3.659
3.646
3.551
3.496
3.460
3.435
3.416
3.402
3.390
3.291
213
GL
0.9995
0.995
0.975
0.05
0.025
0.01
0.005
0.001
0.0005
0.0639
0.0439
0.0398
3.84
5.02
6.63
7.88
10.83
12.12
0.001
0.01
0.05
5.99
7.38
9.21
10.60
13.82
15.20
0.02
0.07
0.22
7.81
9.35
11.34
12.84
16.27
17.73
0.06
0.21
0.48
9.49
11.14
13.28
14.86
18.47
20.00
0.16
0.41
0.83
11.07
12.83
15.09
16.75
20.51
22.10
0.30
0.68
1.24
12.59
14.45
16.81
18.55
22.46
24.10
0.48
0.99
1.69
14.07
16.01
16.48
20.28
24.32
26.12
0.71
1.34
2.18
15.51
17.53
20.09
21.96
26.12
27.87
0.97
1.73
2.70
16.92
19.02
21.67
23.59
27.88
29.67
10
1.26
2.16
3.25
18.31
20.48
23.21
25.19
29.59
31.42
11
1.50
2.60
3.92
19.68
21.92
24.72
26.76
31.26
33.14
12
1.93
3.07
4.40
21.03
23.34
26.22
28.30
32.91
34.82
13
2.30
3.57
5.01
22.36
24.74
27.69
29.82
34.53
36.48
14
2.70
4.07
5.63
23.68
26.12
29.14
31.32
36.12
38.11
15
3.11
4.60
6.87
25.00
27.49
30.58
32.80
37.70
39.72
16
3.54
5.14
6.91
26.20
28.85
32.00
34.27
39.25
41.31
17
3.98
5.70
7.56
27.59
30.19
33.41
35.72
40.79
42.88
18
4.44
6.26
8.23
28.87
31.53
34.81
37.16
42.31
44.43
19
4.91
6.84
8.91
30.14
32.85
36.19
38.58
43.82
45.97
20
5.40
7.43
9.59
31.41
34.17
37.57
40.00
45.31
47.50
21
5.90
8.03
10.28
32.67
35.48
38.93
41.40
46.80
49.01
22
6.40
8.64
10.98
33.92
36.78
40.29
42.80
48.27
50.51
GL
0.9995
0.995
0.975
0.05
0.025
0.01
0.005
0.001
0.0005
23
6.92
9.26
11.69
35.17
38.08
41.64
44.18
49.73
52.00
24
7.45
9.89
12.40
36.42
39.36
42.98
45.56
51.18
53.48
25
8.00
10.52
13.12
37.65
40.65
44.31
46.93
52.62
54.95
26
8.54
11.16
13.84
38.89
41.92
45.64
48.29
54.05
56.41
27
9.09
11.81
14.57
40.11
43.19
46.96
49.64
55.48
57.86
28
9.66
12.46
15.31
41.34
44.46
48.28
50.99
56.89
59.30
29
10.23
13.12
16.05
42.56
45.72
49.59
52.34
58.30
60.73
30
10.80
13.79
16.79
43.77
46.98
50.89
53.67
59.70
62.16
40
16.91
20.71
24.43
55.76
59.34
63.69
66.77
73.40
76.09
50
23.46
27.99
32.36
67.50
71.42
76.15
79.49
86.66
89.56
60
30.34
35.53
40.48
79.08
83.30
88.38
91.95
99.61
102.69
70
37.47
43.27
48.76
90.53
95.02
100.42
104.21
112.32
115.58
80
44.79
51.17
57.15
101.88
106.63
112.33
116.32
124.84
128.26
90
52.28
59.20
65.65
113.14
118.14
124.16
128.30
137.21
140.78
100
59.90
67.33
74.22
124.34
129.56
135.81
140.17
149.45
153.17
215
GL 1
GL 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
26
27
28
29
30
40
60
120
199.5
19.00
9.55
6.94
5.79
5.14
4.74
4.46
4.26
4.10
3.98
3.89
3.81
3.74
3.68
3.63
3.59
3.55
3.52
3.49
3.47
3.44
3.42
3.40
3.39
3.37
3.35
3.34
3.33
3.32
3.23
4.15
3.07
3.00
161.4
18.51
10.13
7.71
6.61
5.99
5.59
5.32
5.12
4.96
4.84
4.75
4.67
4.60
4.54
4.49
4.45
4.41
4.38
4.35
4.32
4.30
4.28
4.26
4.24
4.23
4.21
4.20
4.18
4.17
4.08
4.00
3.93
3.84
215.7
19.16
9.28
6.59
5.41
4.76
4.35
4.07
3.86
3.71
3.59
3.49
3.41
3.34
3.29
3.24
3.20
3.16
3.13
3.10
3.07
3.05
3.03
3.01
2.99
2.98
2.96
2.95
2.93
2.92
2.84
2.76
2.29
2.60
224.6
19.25
9.12
6.39
5.19
4.53
4.12
3.84
3.63
3.48
3.36
3.26
3.18
3.11
3.06
3.01
2.96
2.93
2.90
2.87
2.84
2.82
2.80
2.78
2.76
2.74
2.73
2.71
2.70
2.69
2.61
2.53
2.45
2.37
4
230.2
19.30
9.01
6.26
5.05
4.39
3.97
3.69
3.48
3.33
3.20
3.11
3.83
2.96
2.90
2.85
2.81
2.77
2.74
2.71
2.68
2.66
2.64
2.62
2.60
2.59
2.57
2.56
2.55
2.53
2.45
2.37
2.29
2.21
5
234.0
19.33
8.94
6.16
4.95
4.28
3.87
3.58
3.37
3.22
3.09
3.00
2.92
2.85
2.79
2.74
2.70
2.66
2.63
2.60
2.57
2.55
2.53
2.51
2.49
2.47
2.46
2.45
2.43
2.42
2.34
2.25
2.17
2.10
6
236.8
19.35
8.89
6.09
4.88
4.21
3.79
3.50
3.29
3.14
3.01
2.91
2.83
2.76
2.71
2.66
2.61
2.58
2.54
2.51
2.49
2.46
2.44
2.42
2.40
2.39
2.37
2.36
2.35
2.33
2.25
2.17
2.09
2.01
7
238.9
19.37
8.85
6.04
4.82
4.15
3.73
3.44
3.23
3.07
2.95
2.85
2.77
2.70
2.64
2.59
2.55
2.51
2.48
2.45
2.42
2.40
2.37
2.36
2.34
2.32
2.31
2.29
2.28
2.27
2.18
2.10
2.02
1.94
216
240.5
19.38
8.81
6.00
4.77
4.10
3.68
3.39
3.18
3.02
2.90
2.80
2.71
2.65
2.59
2.54
2.49
2.46
2.42
2.39
2.37
2.34
2.32
2.30
2.28
2.27
2.25
2.24
2.22
2.21
2.12
2.04
1.96
1.88
9
241.9
19.40
8.79
5.96
4.74
4.06
3.64
3.35
3.14
2.98
2.85
2.75
2.67
2.60
2.54
2.49
2.45
2.41
2.38
2.35
2.32
2.30
2.27
2.25
2.24
2.22
2.20
2.19
2.18
2.16
2.08
1.99
1.91
1.83
10
243.9
19.41
8.74
5.91
4.68
4.00
3.57
3.28
3.07
2.91
2.79
2.69
2.60
2.53
2.48
2.42
2.38
2.34
2.31
2.28
2.25
2.23
2.20
2.18
2.16
2.15
2.13
2.12
2.10
2.09
2.00
1.92
1.83
1.75
12
245.9
19.43
8.70
5.86
4.62
3.94
3.51
3.22
3.01
2.85
2.72
2.62
2.53
2.46
2.40
2.35
2.31
2.27
2.23
2.20
2.18
2.15
2.13
2.11
2.09
2.07
2.06
2.04
2.03
2.01
1.92
1.84
1.75
1.67
15
248.0
19.45
8.66
5.80
4.56
3.87
3.44
3.15
2.94
2.77
2.65
2.54
2.46
2.39
2.33
2.28
2.23
2.19
2.16
2.12
2.10
2.07
2.05
2.03
2.01
1.99
1.97
1.96
1.94
1.93
1.84
1.75
1.66
1.57
20
249.1
19.45
8.64
5.77
4.53
3.84
3.41
3.12
2.90
2.74
2.61
2.51
2.42
2.35
2.29
2.24
2.19
2.15
2.11
2.08
2.05
2.03
2.01
1.98
1.96
1.95
1.93
1.91
1.90
1.89
1.79
1.70
1.61
1.52
24
250.1
19.46
8.62
5.75
4.50
3.81
3.38
3.08
2.86
2.70
2.57
2.47
2.38
2.31
2.25
2.19
2.15
2.11
2.07
2.04
2.01
1.98
1.96
1.94
1.92
1.90
1.88
1.87
1.85
1.84
1.74
1.65
1.55
1.46
30
251.1
19.47
8.59
5.72
4.46
3.77
3.34
3.04
2.83
2.66
2.53
2.43
2.34
2.27
2.20
2.15
2.10
2.06
2.03
1.99
1.96
1.94
1.91
1.89
1.87
1.85
1.84
1.82
1.81
1.79
1.69
1.59
1.50
1.39
40
252.2
19.48
8.57
5.69
4.43
3.74
3.30
3.01
2.79
2.62
2.49
2.38
2.30
2.22
2.16
2.11
2.06
2.02
1.98
1.95
1.92
1.89
1.86
1.84
1.82
1.80
1.79
1.77
1.75
1.74
1.64
1.53
1.43
1.32
60
253.3
19.49
8.55
5.66
4.40
3.70
3.27
2.97
2.75
2.58
2.45
2.34
2.25
2.18
2.11
2.06
2.01
1.97
1.93
1.90
1.87
1.84
1.81
1.79
1.77
1.75
1.73
1.71
1.70
1.68
1.58
1.47
1.35
1.22
120
254.3
19.50
8.53
5.63
4.36
3.67
3.23
2.93
2.71
2.54
2.40
2.30
2.21
2.13
2.07
2.01
1.96
1.92
1.88
1.84
1.81
1.78
1.76
1.73
1.71
1.69
1.67
1.65
1.64
1.62
1.51
1.39
1.25
1.00
4999
99.00
30.82
18.00
13.27
10.92
9.55
8.65
8.02
7.56
7.21
6.93
6.70
6.51
6.36
6.23
6.11
6.01
5.93
5.85
5.78
5.72
5.66
5.61
5.57
5.53
5.49
5.45
5.42
5.39
5.18
4.98
4.79
4.61
4052
98.50
34.12
21.20
16.26
13.75
12.25
11.26
10.56
10.04
9.65
9.33
9.07
8.86
8.68
8.53
8.40
8.29
8.18
8.10
8.02
7.95
7.88
7.82
7.77
7.72
7.68
7.64
7.60
7.56
7.31
7.08
6.85
6.63
GL 1
GL 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
26
27
28
29
30
40
60
120
5403
99.17
29.46
16.69
12.06
9.78
8.45
7.59
6.99
6.55
6.22
5.95
5.74
5.56
5.42
5.29
5.18
5.09
5.01
4.94
4.87
4.82
4.76
4.72
4.68
4.64
4.60
4.57
4.54
4.51
4.31
4.13
3.95
378
5625
99.25
28.71
15.98
11.39
9.15
7.85
7.01
6.42
5.99
5.67
5.41
5.21
5.04
4.89
4.77
4.67
4.58
4.50
4.43
4.37
4.31
4.26
4.22
4.18
4.14
4.11
4.07
4.04
4.02
3.83
3.65
3.48
3.32
4
5764
99.30
28.24
15.52
10.97
8.75
7.46
6.63
6.06
5.64
5.32
5.06
4.86
4.69
4.36
4.44
4.34
4.25
4.17
4.10
4.04
3.99
3.94
3.90
3.85
3.82
3.78
3.75
3.73
3.70
3.51
3.34
3.17
3.02
5
5859
99.33
27.91
15.21
10.67
8.47
7.19
6.37
5.80
5.39
5.07
4.82
4.62
4.46
4.32
4.20
4.10
4.01
3.94
3.87
3.81
3.76
3.71
3.67
3.63
3.59
3.56
3.53
3.50
3.47
3.29
3.12
2.96
2.80
6
5928
99.36
27.67
14.98
10.46
8.26
6.99
6.18
5.61
5.20
4.89
4.64
4.44
4.28
4.14
4.03
3.93
3.84
3.77
3.70
3.64
3.59
3.54
3.50
3.46
3.42
3.39
3.36
3.33
3.30
3.12
3.95
2.79
2.64
7
5982
99.37
27.49
14.80
10.29
8.10
6.84
6.03
5.47
5.06
4.74
4.50
4.30
4.14
4.00
3.89
3.79
3.71
3.63
3.56
3.51
3.45
3.41
3.36
3.32
3.29
3.26
3.23
3.20
3.17
2.99
2.82
2.66
2.51
217
6022
99.39
27.35
14.66
10.16
7.98
6.72
5.91
5.35
4.94
4.63
4.39
4.19
4.03
3.89
3.78
3.68
3.60
3.52
3.46
3.40
3.35
3.30
3.26
3.22
3.18
3.15
3.12
3.09
3.07
2.89
2.72
2.56
2.41
9
6056
99.40
27.23
14.55
10.05
7.87
6.62
5.81
5.26
4.85
4.54
4.30
4.10
3.94
3.80
3 .69
3.59
3.51
3.43
3.37
3.31
3.26
3.21
3.17
3.13
3.09
3.06
3.03
3.00
2.98
2.80
2.63
2.47
2.32
10
6106
99.42
27.05
14.37
9.89
7.72
6.47
5.67
5.11
4.71
4.40
4.16
3.96
3.80
3.67
3.55
3.46
3.37
3.30
3.23
3.17
3.12
3.07
3.03
2.99
2.96
2.93
2.90
2.87
2.84
2.66
2.50
2.34
2.18
12
6157
99.43
26.87
14.20
9.72
7.56
6.31
5.52
4.96
4.56
4.25
4.01
3.82
3.66
3.52
3.41
3.31
3.23
3.15
3.09
3.03
2.98
2.93
2.89
2.85
2.81
2.78
2.75
2.73
2.70
2.52
2.35
2.19
2.04
15
6209
99.45
26.69
14.02
9.55
7.40
6.16
5.36
4.81
4.41
4.10
3.86
3.66
3.51
3.37
3.26
3.16
3.08
3.00
2.94
2.88
2.83
2.78
2.74
2.70
2.66
2.63
2.60
2.57
2.55
2.37
2.20
2.03
1.88
20
6235
99.46
26.60
13.93
9.47
7.31
6.07
5.28
4.73
4.33
4.02
3.78
3.59
3.43
3.29
3.18
3.08
3.00
2.92
2.86
2.80
2.75
2.70
2.66
2.62
2.58
2.55
2.52
2.49
2.47
2.29
2.12
1.95
1.79
24
6261
99.47
26.50
13.84
9.38
7.23
5.99
5.20
4.65
4.25
3.94
3.70
3.51
3.35
3.21
3.10
3.00
2.92
2.84
2.78
2.72
2.67
2.62
2.58
2.54
2.50
2.47
2.44
2.41
2.39
2.20
2.03
1.86
1.70
30
6287
99.47
26.41
13.75
9.29
7.14
5.91
5.12
4.57
4.17
3.86
3.62
3.43
3.27
3.13
3.02
2.92
2.84
2.76
2.69
2.64
2.58
2.54
2.49
2.45
2.42
2.38
2.35
2.33
2.30
2.11
1.94
1.76
1.59
40
6313
99.48
26.32
13.65
9.20
7.06
5.82
5.03
4.48
4.08
3.78
3.54
3.34
3.18
3.05
2.93
2.83
2.75
2.67
2.61
2.55
2.50
2.45
2.40
2.36
2.33
2.29
2.26
2.23
2.21
2.02
1.84
1.66
1.47
60
6339
99.49
26.22
13.56
9.11
6.97
5.74
4.95
4.40
4.00
3.69
3.45
3.25
3.09
2.96
2.84
2.75
2.66
2.58
2.52
2.46
2.40
2.35
2.31
2.27
2.23
2.20
2.17
2.14
2.11
1.92
1.73
1.53
1.32
120
6366
99.50
26.13
13.46
9.02
6.88
5.65
4.46
4.31
3.91
3.60
3.36
3.17
3.00
2.87
2.75
2.65
2.57
2.49
2.42
2.36
2.31
2.26
2.21
2.17
2.13
2.10
2.06
2.03
2.01
1.80
1.60
1.38
1.00
50002
999.0
148.5
61.25
37.12
27.00
21.69
18.49
16.39
14.91
13.81
12.97
12.31
11.78
11.34
10.97
10.66
10.39
10.16
9.95
9.77
9.61
9.47
9.34
9.22
9.12
9.02
8.93
8.85
8.77
8.24
7.76
7.32
6.91
40532
998.5
167.0
74.14
47.18
35.51
29.25
25.42
22.86
21.04
19.69
18.64
17.81
17.14
16.59
16.12
15.72
15.38
15.08
14.82
14.59
14.38
14.19
14.03
13.88
13.74
13.61
13.50
13.39
13.29
12.61
11.97
11.38
10.83
GL 1
GL 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
26
27
28
29
30
40
60
120
54042
999.2
141.1
56.18
33.20
23.70
18.77
15.83
13.90
12.55
11.56
10.80
10.21
9.73
9.34
9.00
8.73
8.49
8.28
8.10
7.94
7.80
7.67
7.55
7.45
7.36
7.27
7.19
7.12
7.05
6.60
6.17
5.79
5.42
56252
999.2
137.1
53.44
31.09
21.92
17.19
14.39
12.56
11.28
10.35
9.63
9.07
8.62
8.25
7.94
7.68
7.46
7.26
7.10
6.95
6.81
6.69
6.59
6.49
6.41
6.33
6.25
6.19
6.12
5.70
5.31
4.95
4.62
57642
999.3
134.6
51.71
29.75
20.81
16.21
13.49
11.71
10.48
9.58
8.89
8.35
7.92
8.57
7.27
7.02
6.81
6.62
6.46
6.32
6.19
6.08
5.98
5.88
5.80
5.73
5.66
5.59
5.53
5.13
4.76
4.42
4.10
58592
999.3
132.8
50.53
28.84
20.03
15.52
12.86
11.13
9.92
9.05
8.38
7.86
7.43
7.09
6.81
6.56
6.35
6.18
6.02
5.88
5.76
5.65
5.55
5.46
5.38
5.31
5.24
5.18
5.12
4.73
4.37
4.04
3.74
59292
999.4
131.6
49.66
28.16
19.46
15.02
12.40
10.70
9.52
8.66
8.00
7.42
7.08
6.74
6.46
6.22
6.02
5.85
5.69
5.56
5.44
5.33
5.23
5.15
5.07
5.00
4.93
4.87
4.82
4.44
4.09
3.77
3.47
59812
999.4
130.6
49.00
27.64
19.03
14.63
12.04
10.37
9.20
8.35
7.71
7.21
6.80
6.47
6.19
5.96
5.76
5.59
5.44
5.31
5.19
5.09
4.99
4.91
4.83
4.76
4.69
4.64
4.58
4.21
3.87
3.55
3.27
218
60232
999.4
129.9
48.47
27.24
18.69
14.33
11.77
10.11
8.96
8.12
7.48
6.98
6.58
6.26
5.98
5.75
5.56
5.39
5.24
5.11
4.99
4.89
4.80
4.71
4.64
4.57
4.50
4.45
4.39
4.02
3.69
3.38
3.10
60562
999.4
129.2
48.05
26.92
18.41
14.08
11.54
9.89
8.75
7.92
7.29
6.80
6.40
6.08
5.81
5.58
5.39
5.22
5.08
4.95
4.83
4.73
4.64
4.56
4.48
4.41
4.35
4.29
4.24
3.87
3.54
3.24
2.96
10
61072
999.4
128.3
47.41
26.42
17.99
13.71
11.19
9.57
8.45
7.63
7.00
6.52
6.13
5.81
5.55
5.32
5.13
4.97
4.82
4.70
4.58
4.48
4.39
4.31
4.24
4.17
4.11
4.05
4.00
3.64
3.31
3.02
2.74
12
61582
999.4
127.4
46.76
25.91
17.56
13.32
10.84
9.24
8.13
7.32
6.71
6.23
5.85
5.54
5.27
5.05
4.87
4.70
4.56
4.44
4.33
4.23
4.14
4.06
3.99
3.92
3.86
3.80
3.75
3.40
3.08
2.78
2.51
15
62092
999.4
126.4
46.10
25.39
17.12
12.93
10.48
8.90
7.80
7.01
6.40
5.93
5.56
5.25
4.99
4.78
4.59
4.43
4.29
4.17
4.06
3.96
3.87
3.79
3.72
3.66
3.60
3.54
3.49
3.15
2.83
2.53
2.27
20
24
62352
999.5
125.9
45.77
25.14
16.89
12.73
10.30
8.72
7.64
6.85
6.25
5.78
5.41
5.10
4.85
4.63
4.45
4.29
4.15
4.03
3.92
3.82
3.74
3.66
3.59
3.52
3.46
3.41
3.36
3.01
2.69
2.40
2.13
62612
999.5
125.4
45.43
24.87
16.67
12.53
10.11
8.55
7.47
6.68
6.09
5.63
5.25
4.95
4.70
4.48
4.30
4.14
4.00
3.88
3.78
3.68
3.59
3.52
3.44
3.38
3.32
3.27
3.22
2.87
2.55
2.26
1.99
30
62872
999.5
125.0
45.09
24.60
16.44
12.33
9.92
8.37
7.30
6.52
5.93
5.47
5.10
4.80
4.54
4.33
4.15
3.99
3.86
3.74
3.63
3.53
3.45
3.37
3.30
3.23
3.18
3.12
3.07
2.73
2.41
2.11
1.84
40
63132
999.5
124.5
44.75
24.33
16.21
12.12
9.73
8.19
7.12
6.35
5.76
5.30
4.94
4.64
4.39
4.18
4.00
3.84
3.70
3.58
3.48
3.38
3.29
3.22
3.15
3.08
3.02
2.97
2.92
2.57
2.25
1.95
1.66
60
63402
999.5
124.0
44.40
24.06
15.99
11.91
9.53
8.00
6.94
6.17
5.59
5.14
4.77
4.47
4.23
4.02
3.84
3.68
3.54
3.42
3.32
3.22
3.14
3.06
2.99
2.92
2.86
2.81
2.76
2.41
2.08
1.76
1.45
120
63662
999.5
123.5
44.05
23.79
15.75
11.70
9.33
7.81
6.76
6.00
5.42
4.97
4.60
4.31
4.06
3.85
3.67
3.51
3.38
3.26
3.15
3.05
2.97
2.89
2.82
2.75
2.69
2.64
2.59
2.23
1.89
1.54
1.00
m
GLE
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
24
30
40
60
120
4.60
4.34
4.16
4.04
3.95
3.88
3.82
3.77
3.73
3.70
3.67
3.65
3.63
3.61
3.59
3.58
3.53
3.49
3.44
3.40
3.36
3.31
3.64
3.46
3.34
3.26
3.20
3.15
3.11
3.08
3.06
3.03
3.01
3.00
2.98
2.97
2.96
2.95
2.92
2.89
2.86
2.83
2.80
2.77
5.22
4.90
4.68
4.53
4.42
4.33
4.26
4.20
4.15
4.11
4.08
4.05
4.0
4.00
3.98
3.96
3.90
3.84
3.79
3.74
3.69
3.63
5.67
5.31
5.06
4.89
4.76
4.65
4.57
4.51
4.45
4.41
4.37
4.33
4.30
4.28
4.25
4.23
4.17
4.10
4.04
3.98
3.92
3.86
5
6.03
5.63
5.36
5.17
5.02
4.91
4.82
4.57
4.69
4.64
4.60
4.56
4.52
4.49
4.47
4.45
4.37
4.30
4.23
4.16
4.10
4.03
6
6.33
5.89
5.61
5.40
5.24
5.12
5.03
4.95
4.88
4.83
4.78
4.74
4.71
4.67
4.65
4.62
4.54
4.46
4.39
4.31
4.24
4.17
7
6.58
6.12
5.82
5.60
5.43
5.30
5.20
5.12
5.05
4.99
4.94
4.90
4.86
4.82
4.79
4.77
4.68
4.60
4.52
4.44
4.36
4.29
8
6.80
6.32
6.00
5.77
5.60
5.46
5.35
5.27
5.19
5.13
5.08
5.03
4.99
4.96
4.92
4.90
4.81
4.72
4.63
4.55
4.48
4.39
219
6.99
6.49
6.16
5.92
5.74
5.60
5.49
5.40
5.32
5.25
5.20
5.15
5.11
5.06
5.04
5.01
4.92
4.83
4.74
4.65
4.56
4.47
10
7.17
6.65
6.30
6.05
5.87
5.72
5.61
5.51
5.43
5.36
5.31
5.26
5.21
5.17
5.14
5.11
5.01
4.92
4.82
4.73
4.64
4.55
11
7.32
6.79
6.43
6.18
5.98
5.83
5.71
5.62
5.53
5.46
5.40
5.35
5.31
5.27
5.23
5.20
5.10
5.00
4.91
4.81
4.72
4.62
12
7.47
6.92
6.55
6.29
6.09
5.93
5.81
5.71
5.63
5.55
5.49
5.44
5.39
5.35
5.32
5.28
5.18
5.08
4.98
4.88
4.78
4.68
13
7.60
7.03
6.66
6.39
6.19
6.03
5.90
5.80
5.71
5.64
5.58
5.52
5.47
5.43
5.39
5.36
5.25
5.15
5.05
4.94
4.84
4.74
14
7.72
7.14
6.76
6.48
6.28
6.11
5.99
5.88
5.79
5.72
5.65
5.59
5.55
5.50
5.46
5.43
5.32
5.21
5.11
5.00
4.90
4.80
15
7.83
7.24
6.85
6.57
6.36
6.20
6.06
5.95
5.86
5.79
5.72
5.66
5.61
5.57
5.53
5.49
5.38
5.27
5.16
5.06
4.95
4.85
16
7.93
7.34
6.94
6.65
6.44
6.27
6.14
6.03
5.93
5.85
5.79
5.72
5.68
5.63
5.59
5.55
5.44
5.33
5.22
5.11
5.00
4.89
17
8.03
7.43
7.02
6.73
6.51
6.34
6.20
6.09
6.00
5.92
5.85
5.79
5.74
5.69
5.65
5.61
5.50
5.38
5.27
5.16
5.05
4.93
18
8.12
7.51
7.09
6.80
6.58
6.40
6.26
6.15
6.05
5.97
5.90
5.84
5.79
5.74
5.70
5.66
5.54
5.43
5.31
5.20
5.09
4.97
19
8.21
7.59
7.17
6.87
6.64
6.47
6.33
6.21
6.11
6.03
5.96
5.90
5.84
5.79
5.75
5.71
5.59
5.48
5.36
5.24
5.13
5.01
20
m
GLE
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
24
30
40
60
120
6.97
6.33
5.92
5.63
5.43
5.27
5.14
5.04
4.96
4.89
4.83
4.78
4.74
4.70
4.67
4.64
4.54
4.45
4.37
4.28
4.20
4.12
5.70
5.24
4.95
4.74
4.60
4.48
4.39
4.32
4.26
4.21
4.17
4.13
4.10
4.07
4.05
4.02
3.96
3.89
3.82
3.76
3.70
3.64
7.80
7.03
6.54
6.20
5.96
5.77
5.62
5.50
5.40
5.32
5.25
5.19
5.14
5.09
5.05
5.02
4.91
4.80
4.70
4.60
4.50
4.40
8.42
7.56
7.01
6.63
6.35
6.14
5.97
5.84
5.73
5.63
5.56
5.49
5.43
5.38
5.33
5.29
5.17
5.05
4.93
4.82
4.71
4.60
5
8.91
7.97
7.37
6.96
6.66
6.43
6.25
6.10
5.98
5.88
5.80
5.72
5.66
5.60
5.55
5.51
5.37
5.24
5.11
4.99
4.87
4.76
6
9.32
8.32
7.68
7.24
6.91
6.67
6.48
6.32
6.19
6.08
5.99
5.92
5.85
5.79
5.73
5.69
5.54
5.40
5.27
5.13
5.01
4.88
7
9.67
8.61
7.94
7.47
7.13
6.87
6.67
6.51
6.37
6.26
6.16
6.08
6.01
5.94
5.89
5.84
5.69
5.54
5.39
5.25
5.12
4.99
8
9.97
8.87
8.17
7.68
7.32
7.05
6.84
6.67
6.53
6.41
6.31
6.22
6.15
6.08
6.02
5.97
5.81
5.65
5.50
5.36
5.21
5.08
11
12
13
14
15
16
17
18
19
20
220
10.24 10.48 10.70 10.89 11.08 11.24 11.40 11.55 11.68 11.81 11.93
9.10 9.30 9.49 9.65 9.81 9.95 10.08 10.21 10.32 10.43 10.54
8.37 8.55 8.71 8.86 9.00 9.12 9.24 9.35 9.46 9.55 9.65
7.87 8.03 8.18 8.31 8.44 8.55 8.66 8.76 8.85 8.94 9.03
7.49 7.65 7.78 7.91 8.03 8.13 8.23 8.32 8.41 8.49 8.57
7.21 7.36 7.48 7.60 7.71 7.81 7.91 7.99 8.07 8.15 8.22
6.99 7.13 7.25 7.36 7.46 7.56 7.65 7.73 7.81 7.88 7.95
6.81 6.94 7.06 7.17 7.26 7.36 7.44 7.52 7.59 7.66 7.73
6.67 6.79 6.90 7.01 7.10 7.19 7.27 7.34 7.42 7.48 7.55
6.54 6.66 6.77 6.87 6.96 7.05 7.12 7.20 7.27 7.33 7.39
6.44 6.55 6.66 6.76 6.84 6.93 7.00 7.07 7.14 7.20 7.26
6.35 6.46 6.56 6.66 6.74 6.82 6.90 6.97 7.03 7.09 7.15
6.27 6.38 6.48 6.57 6.66 6.73 6.80 6.87 6.94 7.00 7.05
6.20 6.31 6.41 6.50 6.58 6.65 6.72 6.79 6.85 6.91 6.96
6.14 6.25 6.34 6.43 6.51 6.58 6.65 6.72 6.78 6.84 6.89
6.09 6.19 6.29 6.37 6.45 6.52 6.59 6.65 6.71 6.76 6.82
5.92 6.02 6.11 6.19 6.26 6.33 6.39 6.45 6.51 6.56 6.61
5.76 5.85 5.93 6.01 6.08 6.14 6.20 6.26 6.31 6.36 6.41
5.60 5.69 5.77 5.84 5.90 5.96 6.02 6.07 6.12 6.17 6.21
5.46 5.53 5.60 5.67 5.73 5.79 5.84 5.89 5.93 5.98 6.02
5.30 5.38 5.44 5.51 5.56 5.61 5.66 5.71 5.75 5.79 5.83
5.16 5.23 5.29 5.35 5.40 5.45 5.49 5.54 5.57 5.61 5.65
10
0.533
50
0.389
100
0.321
150
0.280
200
0.251
250
0.230
300
0.213
350
0.200
400
0.188
450
0.179
500
0.171
550
0.163
600
0.157
650
0.151
700
0.146
750
0.142
800
0.138
850
0.134
900
0.130
950
0.127
1000
0.104
1500
0.090
2000
0.080
2500
0.073
3000
0.068
3500
0.064
4000
0.060
4500
0.057
5000
0.01
0.99
BOLTIREA B
0.95
0.05
0.01
0.787
0.567
0.464
0.403
0.360
0.329
0.305
0.285
0.269
0.255
0.243
0.233
0.224
0.215
0.208
0.202
0.196
0.190
0.185
0.180
0.147
0.127
0.114
0.104
0.096
0.090
0.085
0.081
1.95
2.18
2.30
2.37
2.42
2.46
2.50
2.52
2.55
2.57
2.58
2.60
2.61
2.62
2.64
2.65
2.66
2.66
2.67
2.68
2.73
2.77
2.79
2.81
2.82
2.83
2.84
2.85
2.13
2.35
2.45
2.51
2.55
2.59
2.62
2.64
2.66
2.67
2.69
2.70
2.71
2.72
2.73
2.74
2.74
2.75
2.76
2.76
2.80
2.83
2.85
2.86
2.87
2.88
2.88
2.89
4.92
4.40
4.14
3.98
3.87
3.79
3.72
3.67
3.63
3.60
3.57
3.54
3.52
3.50
3.48
3.46
3.45
3.43
3.42
3.41
3.33
3.28
3.25
3.22
3.21
3.19
3.18
3.17
221
4.01
3.77
3.66
3.57
3.51
3.47
3.44
3.41
3.39
3.37
3.35
3.34
3.33
3.31
3.30
3.29
3.28
3.28
3.27
3.26
3.22
3.18
3.16
3.15
3.14
3.13
3.12
3.12
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
0.05
0.01
0.001
0.997
0.950
0.878
0.811
0.754
0.707
0.666
0.632
0.602
0.576
0.553
0.532
0.514
0.497
0.482
0.468
0.456
0.444
0.433
0.423
0.413
0.404
0.396
0.999
0.990
0.959
0.917
0.874
0.834
0.798
0.765
0.735
0.708
0.684
0.661
0.641
0.623
0.606
0.590
0.575
0.561
0.549
0.537
0.526
0.515
0.505
1.000
0.999
0.991
0.974
0.951
0.925
0.898
0.872
0.847
0.823
0.801
0.780
0.760
0.742
0.725
0.708
0.693
0.679
0.665
0.652
0.641
0.630
0.619
GL
24
25
26
27
28
29
30
35
40
45
50
60
70
80
90
100
125
150
200
300
400
500
1000
222
0.05
0.01
0.001
0.388
0.381
0.374
0.367
0.361
0.355
0.349
0.325
0.304
0.288
0.273
0.250
0.232
0.217
0.202
0.195
0.174
0.159
0.138
0.113
0.098
0.088
0.062
0.496
0.487
0.478
0.470
0.463
0.456
0.449
0.418
0.393
0.372
0.354
0.325
0.302
0.283
0.267
0.254
0.228
0.208
0.181
0.148
0.128
0.115
0.081
0.608
0.597
0.588
0.579
0.571
0.563
0.554
0.519
0.490
0.465
0.443
0.408
0.380
0.357
0.338
0.321
0.293
0.260
0.230
0.190
0.160
0.150
0.110
R
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
0.99
0.00
0.0000
0.1003
0.2027
0.3095
0.4236
0.5493
0.6931
0.8673
1.0986
1.4722
2.6467
0.01
0.0100
0.1105
0.2132
0.3206
0.4356
0.5627
0.7089
0.8872
1.1270
1.5275
2.6996
0.02
0.0200
0.1206
0.2237
0.3317
0.4477
0.5763
0.7250
0.9076
1.1568
1.5890
2.7587
0.03
0.0300
0.1308
0.2342
0.3428
0.4599
0.5901
0.7414
0.9287
1.1881
1.6584
2.8257
223
0.04
0.0400
0.1409
0.2448
0.3541
0.4722
0.6042
0.7582
0.9505
1.2212
1.7380
2.9031
0.05
0.0501
0.1511
0.2554
0.3654
0.4847
0.6184
0.7753
0.9730
1.2562
1.8318
2.9945
0.06
0.0601
0.1614
0.2661
0.3769
0.4973
0.6328
0.7928
0.9962
1.2933
1.9459
3.1063
0.07
0.0701
0.1717
0.2769
0.3884
0.5101
0.6475
0.8107
1.0203
1.3331
2.0923
3.2504
0.09
0.0902
0.1923
0.2986
0.4118
0.5361
0.6777
0.8480
1.0714
1.4219
2.6467
3.800
w
1.128
1.693
2.059
2.326
2.534
2.704
2.847
2.970
3.078
3.173
3.258
3.336
3.407
3.472
3.532
3.588
3.640
3.689
3.735
3.778
3.819
3.858
3.895
3.931
1.880
1.023
0.729
0.577
0.483
0.419
0.373
0.337
0.308
0.285
0.266
0.249
0.235
0.223
0.212
0.203
0.194
0.187
0.180
0.173
0.167
0.16
0.157
0.153
224
D1
0
0
0
0
0
0.076
0.136
0.184
0.223
0.256
0.284
0.308
0.329
0.348
0.364
0.379
0.392
0.404
0.414
0.425
0.434
0.443
0.452
0.459
D2
3.267
2.575
2.282
2.115
2.004
1.924
1.864
1.816
1.777
1.744
1.716
1.692
1.671
1.652
1.636
1.621
1.608
1.596
1.586
1.575
1.566
1.557
1.548
1.541