1.

Metode de masurare folosite in cercetarea experimentala

1.1. Notiunea de masurare

Prin masurare se intelege procesul fizic exprimat prin comparare a unei

marimi cu o alta marime de aceeasi natura considerata unitate de masura.
Operatia de masurare se exprima matematic prin formula:
X=nU (1.1)
in care X - este marimea supusa masurarii;
U - unitatea de masura;
n - valoarea numerica a marimii sau factorul calitativ.
Valoarea numerica a unei marimi va depinde de unitatea de masura.
Astfel marimea X va avea valoarea numerica n1 masurata in unitatea U1 si
valoarea n2 in unitatea U2:
X = n1 U1 = n2 U2 (1.2)
X = 1 m = 100 cm
Raportul:
U 1 n2
k  (1.3)
U 2 n1
m 100
k 
cm 1
se numeste factor de transformare si reprezinta numarul cu care trebuie
inmultita valoarea numerica a unei marimi masurate cu o unitate de masura
pentru a obtine valoarea sa numerica masurata in alta unitate.

1.2. Metode de masurare

Principalele criterii de clasificare a metodelor de masurare sunt:

- forma de exprimare a marimii, dupa care avem: masurari analogice si
masurari numerice;
- tehnica de masurare, dupa care pot fi: masurari prin deviatie, masurari
prin comparatie, masurari prin numarare;
- originea de referinta a masurarii, dupa care pot fi: masurari absolute si
masurari diferentiale.
Masurarea analogica. Semnalul care circula prin lantul de masurare si
care poarta informatia, este lagat functional de marimea de masurat printr-o lege
continua. Prin operatia de citire la receptor, pe baza etalonarii prealabile, se
transforma indicatia analogica intr-un numar care exprima valoarea numerica a
marimii masurate. De exemplu, la receptor semnalul poate provoca deviatia
unui ac indicator si pe baza etalonarii scalei se transforma aceasta deviatie (ca
marime analoga) intr-un numar.
Masurarile analogice sunt foarte frecvente in cercetarile experimentale,
ele putind fi posibile intotdeauna cind exista o corespondenta biunivoca intre
masura si marimea de masurat. Astfel, se pot face masurari prin variatia:
rezistentei, inductantei sau capacitatii electrice, a prezentei unei unde, a
intensitatii luminoase, etc.
 Masurarea numerica. In acest caz operatia de masurare conduce la
obtinerea unui numar care, dupa un anumit cod (de exemplu codul binar) indica
valoarea marimii masurate.
Masurarea prin deviatie. Metoda este de tip analogic si consta, in
principiu, in deviatia unui sistem dintr-o pozitie de echilibru pe care o au in
lipsa marimii de masurat, intr-o alta pozitie de echilibru pe care o capata in
prezenta marimii de masurat. Marimea este pusa in evidenta prin ecartul dintre
cele doua pozitii de echilibru. De exemplu metoda se folosette la unele
dinamometre, manometre, instrumente electrice de tip electromagnetic sau
magnetoelectrice.
Masurarea prin comparare consta in generarea unei marimi cunoscute
care se compara cu marimea de masurat si care se regleaza altfel ca sa o
egaleze. Metoda se mai numeste si metoda de zero deoarece prin egalarea
marimii de comparatie cu cea de masurat suma lor este nula. Se utilizeaza
curent la masurarea tensiunii electrice cu potentiometrul compensator.
Masurarea prin numarare consta in masurarea cantitatii marimii prin
numararea valorii ei. De exemplu determinarea turatiei unui arbore, stabilirea
numarului de particule, etc.
Masurarea absoluta este aceea la care baza de masurare este un zero
absolut pentru care marimea de masurat nu se realizeaza.
Masurarea diferentiala este aceea la care se alege ca origine o baza de
masurare arbitrara si fata de aceasta se stabileste valoarea marimii respective.
In cercetarea experimentala se utilizeaza toate metodele, o pondere mai
mare avind-o masurarea analogica si intr-o oarecare masura, masurarea
numerica. In multe procese de cercetare experimentala, masurarea analogica
este asociata masurarii numerice. In cadrul masurarilor analogice, cea mai larga
utilizare o are tensometria electrica, care permite masurarea pe cale electrica a
multora dintre marimile neelectrice si in special a marimilor mecanice.

1.3. Alegerea aparatelor folosite in lantul de masurare

Alegerea aparatelor de masurat si chiar a metodei de masurare trebuie sa

tina seama de scopul masurarii si de amplasarea locului de masurare. Alegerea
corecta a celei mai avantajoase metode ca si a aparatelor cele mai adecvate si
potrivite sub aspect economic este posibila numai daca se cunosc bine conditiile
locale, la locul masurarii, ca: influenta mediului inconjurator, puritatea mediului
(componente agresive, praf, etc.) temperaturi anormale sau variatii de
temperatura, vibratii, socuri, frecventa procesului de masurat, etc. De asemenea
este necesar a se conoaste, sau cel putin a se aprecia domeniul de variatie a
marimii de masurat. Alegerea aparatelor trebuie facuta astfel incit marimea
maxima masurata sa reprezinte circa 75% din domeniul scarii acestora.

Sensibilitatea aparatului de masurat este importanta pentru precizia

masurarii. Aceasta se defineste ca raportul intre deplasarea indicatorului L si
variatia marimii de masurat x care a provocat aceasta deplasare:
 L
E (1.6)
x
Precizia de citire creste odata cu sensibilitatea si deci este de dorit ca
aceasta sa fie cit mai mare.
Un alt factor care trebuie luat in consideratie este intirzierea de care este
afectata indicatia. Acest factor joaca un rol important in masurarile dinamice cu
variatie foarte rapida.

In alegerea metodelor si aparatelor de masurat trebuie sa se tina seama de

urmatoarele:
- Sa se masoare numai cu precizia necesara. Este deci necesar ca inaintea
masurarii sa se aprecieze corect precizia necesara si clasa de precizie a
aparatelor de masura ce se vor folosi. De exemplu, aparatele de masurat de
exploatare se iau cu clasele de precizie 1; 1.5; 2.5; 4 in timp ce aparatele folosite
in cadrul cercetarilor au clasele de precizie de la 0.5 pina la 0.2.
Cifra care indica clasa de precizie a aparatului de masurat reprezinta, in
procente, limitele de variatie ale valorii indicate de aparat fata de valoarea reala
a parametrului masurat. Astfel clasa 2 inseamna ca valoarea indicata de aparat
poate sa difere de valoarea reala in limitele 2% din domeniul de indicare al
aparatului.
- Aparatele de masura trebuie sa fie sigure in exploatare si sa posede o
comportare tranzitorie buna.

2.Determinarea numarului necesar de masurari

Daca abaterea medie patratica  nu se cunoaste, pentru un nivel de

incredere P si un numar de experiente n1 ales, se determina, din tabelul 4.5,
raportul q.
Determinarea raportului q
Tabelul 4.5
qtP 0.9 0.95 0.98 0.99 0.999
n1 n1 n1 n1 n1
1 5 7 9 11 17
0.5 13 18 25 31 50
0.4 19 27 37 46 74
0.3 32 46 64 78 127
0.2 70 99 139 171 277
0.1 273 387 545 668 1089
0.05 1084 1540 2168 2659 4338

Se calculeaza abaterea standard empirica si apoi precizia:

1  q  s  a  x (4.62)
Daca precizia 1 este prea mare si se doreste o precizie mai mica  se
calculeaza raportul:
1
 (4.63)

Micsorarea preciziei de  ori se obtine prin marirea numarului de
masurari la n:
 n  n1   2 (4.64)
Alegerea valorii nivelului de incredere are consecinte economice
deoarece el determina numarul necesar de masurari. Alegerea rationala a
nivelului de incredere implica optimizarea procesului de masurare din punct de
vedere al preciziei si al numarului de masurari.

Introducem exemplu masurari 2.

1. Se fac 20 de masurari si se determina abaterea standard empirica (s)

ORIGIN  1

 4.328
Determinarea raportului q
 4.399 Tabelul 4.5
 4.542 q/ P 0.9 0.95 0.98 0.99 0.999
 4.171 n1 n1 n1 n1 n1
  1 5 7 9 11 17
 4.595 0.5 13 18 25 31 50
 4.344 0.4 19 27 37 46 74
  0.3 32 46 64 78 127
 4.417 0.2 70 99 139 171 277
 4.431 0.1 273 387 545 668 1089
 4.621 0.05 1084 1540 2168 2659 4338
 
 4.423
x 
 4.503
 4.385 n  length( x) n  20
 
 4.344 media  mean( x) media  4.394
 4.314
  n
 4.470
  xi  media
2
 4.405
 4.511 i 1
s 
  n1 s  0.134
 4.391
 4.125
 4.164 2. Pentru nivelul de incredere P = 0.95 si precizia de masurare = 0.7
  se determina q din tabelul 4.5 (pagina 143);

  0.036


q  q  0.27
s

3. Din tabelul 4.5 (pag.143) pentru nivelul de incredere P = 0.95 si q1 = 0.3 rezulta numarul de masurar
n1 = 46;

4. Se determina numarul de masurari n2 pentru realizarea preciziei = 0.7

q1  0.3 n1  46

1  q1  s 1  0.04
1
 
   1.113
2
n2  n1   n2  56.979
3. ERORI DE MASURARE

4.281 < a < 4.353

Mmin  media   Mmin  4.281

Mmax  media   Mmax  4.353
3.1. Clasificarea erorilor de masurare
 Rezultatul masurarii marimilor fizice sunt valori numerice obtinute prin
compararea lor cu o alta marime, de aceeasi natura, luata ca etalon. In cazul
masurilor repetate, efectuate cu o precizie suficient de mare, rezultatele difera
fiind afectate de erori. Diferenta dintre rezultatul masurarii unei marimi x i si
valoarea sa adevarata a este eroarea de masurare zi:
zi = xi - a (4.1)
Cum in tehnica experimentala valoarea adevarata a nu este cunoscuta
(scopul masurarii fiind tocmai determinarea ei), rezulta ca eroarea z nu este
cunoscuta. Problema care se pune consta in gasirea unei valori care, cu o eroare
cit mai mica posibila, sa estimeze valoarea adevarata a. Pentru aceasta este
necesar sa fie cunoscute principalele proprietati ale erorilor si interpretarea lor.
In practica se foloseste si eroarea relativa z reli care permite estimarea
acelor rezultate ale caror erori absolute depind de dimensiunile marimii fizice
masurate:
zi x a
zreli  100  i 100 [%] (4.2)
a a
Erorile de masurare se pot datora urmatoarelor cauze:
- caracteristicile tehnice, de constructie si de functionare;
- imprecizii in montarea sau reglarea aparaturii;
- mediul ambiant: variatia temperaturii, umiditatii, presiunii
atmosferice, etc.;
- obiectul supus masurarii care poate suferi modificari sub influenta
unor factori interni sau externi;
- operatorul: imperfectiunea simturilor, neatentia, superficialitatea, etc.

Erorile de masurare se pot clasifica, dupa natura acestora, in:

Erorile grosolane. Acestea apar datorita neatentiei sau a incalcarii
principiilor generale de masurare. Masurarile ce contin erori grosolane difera
foarte mult de celelalte masurari si ele trebuiesc eliminate in calculele
ulterioare.

Erorile sistematice. Aceste erori se pot datora unor cauze ce pot fi

descoperite de experimentator: reglarea incorecta a aparatului de masura,
variatia conditiilor exterioare (temperatura, umiditate, etc.). Ele, odata depistate,
pot fi usor eliminate facindu-se corectiile corespunzatoare.

Erorile aleatoare. Apar din cauza unor multitudini de factori, greu de

precizat si individualizat, a caror influenta individuala este neglijabila, din care
cauza nu exista posibilitatea depistarii si inlaturarii lor. Cu ajutorul teoriei
probabilitatilor se poate lua in consideratie in ce masura erorile aleatoare
influenteaza estimatiile adevaratelor valori ale marimilor masurate, ceea ce
permite determinarea valorii marimii masurate cu o eroare oricit de mica in
raport cu erorile masurarilor individuale.
 Studiul influentei erorilor aleatoare se bazeaza pe cunoasterea legilor lor
de repartitie.

3.2. Repartitia erorilor aleatoare de masurare

3.2.1. Modelul probabilistic

Erorile aleatoare de masurare sunt caracterizate de o lege de repartitie

determinata. Existenta legii de repartitie poate fi stabilita repetind masurarea
unei marimi fizice, in conditii identice, pentru un numar n de masurari suficient
de mare.
Daca se fac n masurari, iar intr-un anumit interval cad m masurari, pentru
n suficient de mare, se poate considera ca frecventa relativa de cadere in
intervalul considerat (m/n) este o cantitate constanta caracteristica intervalului.
Se poate considera ca probabilitatea ca variabila aleatoare z sa ia valori intr-un
anumit interval (z1 < z < z2), notata P(zi < z < z2 ), este aproximativ egala cu
frecventa relativa:
m
P (z1  z  z 2 )  P (z  (z1 , z 2 )  (4.3)
n
Modelul probabilistic teoretic admite faptul ca erorile aleatoare z si prin
urmare insasi rezultatele masurarilor x sunt variabile ce pot lua orice valoare
reala, deci sunt definite pe intervalul (- , + ).
Regula care permite ca pentru fiecare interval (z1 , z2 ) sa se gaseasca
probabilitatea P(zi < z< z2 ) se numeste legea de repartitie a variabilei aleatoare
z.
Legea de repartitie a erorilor aleatoare de masurare se exprima cu ajutorul
unei integrale:
z2

P ( z1  z  z 2 )   p(z)dz
z1
(4.4)

unde p(z) este densitatea de repartitie si este functie nenegativa care satisface
conditia:


 p( z)dz  1

(4.5)
Graficul densitatii de repartitie se numeste curba de repartitie.

3.2.2. Repartitia normala

Legea de repartitie a erorilor aleatoare de masurare cea mai utilizata este

repartitia normala (legea lui Gauss) data de densitatea de repartitie:
z2
1 
p( z )  e 2 2
(4.6)
 2
unde parametrul  ( > 0) caracterizeaza precizia masurarilor.
 Curba de repartitie normala, pentru diferite valori ale parametrilor  este
prezentata in fig.4.1.

0.8

0.6

0.4

0.2

0
6 4 2 0 2 4 6

Fig.4.1.Curba de repartitie normala a erorilor aleatoare

Curba de repartitie este simetrica in raport cu axa z = 0, deci x = a,

prezentind puncte de inflexiune la z = . Pentru z = 0 curba admite un maxim:
1
P( 0)  (4.7)
 2
si reprezinta probabilitatea ca valoarea masurata sa reprezinte valoarea
adevarata a marimii.
Se observa ca atunci cind  scade, densitatea de repartitie p(z) descreste
mai repede. Cu cit  este mai mic, cu atit imprastierea erorilor in jurul originii
este mai mica.
Probabilitatea ca eroarea aleatoare sa cada in intervalul simetric (-z1, z1)
se calculeaza cu relatia:
P ( z1  z  z1 )  P ( z  z1 )  2   (t1 ) (4.8)
unde:
t t2
1 
(t ) 
2
e
0
2
dt (4.9)
z z1
t ; t1  (4.10)
 
si reprezinta aria trapezului curbiliniu marginit de ordonatele 0 si z1 .
Functia (t) se numeste probabilitate integrala iar valorile sunt date in
Anexa 1 pentru valori pozitive ale variabilei t. Pentru valori negative ale lui t se
tine seama ca (t) este o functie impara, deci (-t) = -(t).
Probabilitatea ca eroarea aleatoare sa cada intr-un interval oarecare (z 1,
z2) se calculeaza cu relatia:
z2 z
P ( z1  z  z 2 )   ( )   ( 1 )   ( t 2 )  ( t1 ) (4.11)
 
Probabilitatea ca eroarea aleatoare sa depaseasca limitele  t , pentru t >
0, va fi:
P ( z  t )  1  2   ( t ) (4.12)
iar probabilitatea sa nu depaseasca limitele  t  va fi:
P ( z  t )  2  ( t ) (4.13)
Probabilitatea ca valorile aleatoare z sa depaseasca limitele  3  este:
P ( z  3 )1  2   ( 3)  0,0027 (4.14)
Rezulta ca evenimentul ca eroarea aleatoare sa iasa in afara intervalului  3 
este practic imposibil. Se accepta ca erorile aleatoare de masurare sunt
marginite, in valoare absoluta de 3 .
Pentru o lege normala de repartitie a erorilor aleatoare, daca rezultatele
masurarilor (xi = a + zi) au densitatea de repartitie:
( xa )2
1 
p( x)  e 2 2

 2
(4.15)
legea de repartitie se numeste lege normala centrata in a si este prezentata in
fig.4.2.

0.2

0.15

0.1

0.05

0
6 4 2 0 2 4 6 8 10

Fig.4.2.Curba de repartitie normala centrata in a pentru marimea masurarilor

4. Eliminarea datelor afectate de erori grosolane

Eliminarea datelor afectate de erori grosolane se face prin compararea

acestora cu celelalte rezultate ale masurarilor. Eliminarea erorilor grosolane se
poate face prin doua metode:
- metoda de eliminare pentru  cunoscut;
- metoda de eliminare pentru  necunoscut.

4.1.Metoda de eliminare pentru  necunoscut

Pentru eliminarea datelor afectate de erori grosolane se poate utiliza testul

Romanovski. Se calculeaza abaterea standard empirica s, pentru cele n -1
rezultate ale masurarilor presupuse ca nu sunt afectate de erori grosolane, cu
relatia:
 1 n 1
s  (xi  x ) 2
n  2 i 1
(4.59)
Se calculeaza raportul:
x*  x
t (4.60)
s
Pentru un nivel de incredere P (caruia ii corespunde un nivel de
semnificatie  = 1 - P) si un numar de experiente n cunoscut se determina din
tabelul 4.4 valoarea critica t (n, P). Daca:
t > t (n, P) (4.61)
*
vom elimina valoarea x ca fiind afectata de erori grosolane, cu nivelul de
incredere P.

Valorile critice t (n, P)

Tabelul 4.4
ntP 0.95 0.98 0.99 0.999 ntP 0.95 0.98 0.99 0.999
5 3.04 4.11 5.04 9.43 18 2.17 2.64 2.98 4.07
6 2.78 3.64 4.36 7.41 20 2.145 2.602 2.932 3.979
7 2.62 3.36 3.96 6.37 25 2.105 2.541 2.852 3.819
8 2.51 3.18 3.71 5.73 30 2.079 2.503 2.802 3.719
9 2.48 3.05 3.54 5.31 35 2.061 2.476 2.768 3.652
10 2.37 2.96 3.41 5.01 40 2.048 2.456 2.742 3.602
11 2.33 2.89 3.31 4.79 45 2.038 2.441 2.722 3.565
12 2.29 2.83 3.23 4.62 50 2.03 2.429 2.707 3.532
13 2.26 2.78 3.17 4.68 60 2.018 2.411 2.683 3.492
14 2.24 2.74 3.12 4.37 70 2.009 2.399 2.667 3.462
15 2.22 2.71 3.08 4.28 80 2.003 2.389 2.655 3.439
16 2.2 2.68 3.04 4.2 90 1.998 2.382 2.646 3.423
17 2.18 2.66 3.01 4.13 100 1.994 2.377 2.639 3.409

Pentru eliminarea datelor afectate de erori grosolane a fost elaborat un

program de calcul ERORISIR.PAS realizat in limbajul de programare Torbo
Pascal 7.0 prezentat in continuare.

PROGRAM ELIMINARE_ERORI_GROSOLANE_SIR_DATE;
uses crt;
label 1, 2, 3, 4, 5;
var x, y: arrayi1..120s of real; { Declararea marimilor utilizate }
i, n, k, j, b1, s1, s2: integer;
a, a1, xmediu, a2, s, t, t1: real;
g: file of real; { Introducerea valorilor masurate xiis }
BEGIN

writeln ('Introduceti numarul de masurari n:');

readln(n);
if n >120 then
 begin
writeln('Numarul de masurari n > 120');
readln;
goto 4;
end;
{ Introducerea valorilor masurate xiis de pe disc }
writeln(' Datele se citesc de pe disc ?');
writeln(' 1 - Da');
writeln(' 2 - Nu');
readln(s1);
if s1=1 then
begin
assign(g,'erori1.dat');
reset(g);
for i:=1 to n do
begin
read(g,xiis);
end;
close(g);
goto 5;
end;
writeln ('Introduceti valorile masurate x:');
For i:=1 to n do readln(xiis);
{ Salvarea valorilor masurate xiis pe disc }

5:writeln('Se scriu pe disc datele de intrare ?');

writeln(' 1 - Da');
writeln(' 2 - Nu');
readln(s2);
if s2=1 then
begin
assign(g,'erori1.dat');
rewrite(g);
for i:=1 to n do
begin
write(g,xiis);
end;
close(g);
end;
writeln('Introduceti valoarea critica t(n,P):');
readln(t1);
{ Calculul coeficientului de testare t }
b1:=1;
3:k:=1;
a1:=0; { Suma valorilor masurate xiis }
a2:=0; { Suma patratelor xiis – xmediu }

For i:=1 to n do
begin
If i=b1 then goto 1;
yiks:=xiis;
k:=k+1;
1:end;
For j:=1 to n-1 do a1:=a1+yijs;
 xmediu:=a1/(n-1); { Valoarea medie a lui xiis pentru n-1 masurari }
For j:=1 to n-1 do a2:=a2+sqr(yijs- xmediu);
s:=sqrt(a2/(n-2));
t:=ABS((xib1s-xmediu)/s); { Abatere standard empirica }
If t>t1 then { Afisarea rezultatului }
begin
writeln( 't =' , t:2:3, ' > t(n,P) = ', t1:2:3);
writeln( 'xi',b1:1,'s =' , xib1s:3:3, ' Este afectata de erori grosolane' );
readln;
b1:=b1+1;
if b1<=n then goto 3;
goto 4;
end;
writeln( 't= ', t:2:3, ' < t(n,P) = ', t1:2:3);
writeln( ' xi', b1:1, 's=' , xib1s:2:3, ' Nu este afectata de erori grosolane');
readln;
b1:=b1+1;
if b1<=n then goto 3;
4:END.

Inserarea paginii cu cele 3 tabele(dupa figura 4.2)

Concluzii:

In urma rularii programului a rezultat eliminarea urmatoarelor erori:

- Din seria 1 de masurari rezulta urmatoarele erori: Nr. 3 – M: 4.5; Nr. 6 – 4.0; Nr.
10 – 4.10; Nr. 25 – M: 4.0;
- Din seria 2 de masurari rezulta urmatoarele erori: Nr. 31 – M: 5.28; Nr. 35 –
3,910; Nr. 59 – 5.441; Nr. 60 – 3.970;
- Din seria 3 de masurari rezulta urmatoarele erori: Nr. 29 – M: 3.9;
- Din seria 4 de masurari rezulta urmatoarele erori: Nr. 44 – M: 3.847; Nr. 54 – M:
3.995;

ELIMINAREA DATELOR AFECTATE DE ERORI GROSOLANE

Exemplul 1
N = 60
Programe: Erori.Pas; EroriEx1.Pas; EroriEx1.dat
 Nr. M Nr. M Nr. M Nr. M Nr. M Nr. M
1 4.3 11 4.2 21 4.2 31 4.3 41 4.1 51 4.4
2 4.2 12 4.2 22 4.3 32 4.4 42 4.2 52 4.4
3 4.5 13 4.4 23 4.2 33 4.3 43 4.3 53 4.3
4 4.3 14 4.4 24 4.2 34 4.2 44 4.1 54 4.2
5 4.2 15 4.3 25 4.0 35 4.2 45 4.2 55 4.3
6 4.0 16 4.2 26 4.1 36 4.2 46 4.4 56 4.3
7 4.3 17 4.3 27 4.2 37 4.4 47 4.3 57 4.2
8 4.3 18 4.2 28 4.3 38 4.2 48 4.3 58 4.1
9 4.3 19 4.4 29 4.4 39 4.3 49 4.2 59 4.2
10 4.5 20 4.3 30 4.2 40 4.2 50 4.1 60 4.3

Exemplul 2
N = 60
M – masa a 100 boabe de orz [g]
Programe: Erori.Pas; EroriEx2.Pas; EroriEx2.dat

Nr. M Nr. M Nr. M Nr. M Nr. M Nr. M

1 4.328 11 4.503 21 4.184 31 5.28 41 4.356 51 4.504
2 4.399 12 4.385 22 4.537 32 4.288 42 4.600 52 4.301
3 4.542 13 4.344 23 4.465 33 4.422 43 4.333 53 4.282
4 4.171 14 4.314 24 4.371 34 4.213 44 4.123 54 4.082
5 4.595 15 4.470 25 4.494 35 3.910 45 4.292 55 4.233
6 4.344 16 4.405 26 4.367 36 4.442 46 4.324 56 4.177
7 4.417 17 4.511 27 4.111 37 4.311 47 4.432 57 4.380
8 4.431 18 4.391 28 4.309 38 4.426 48 4.306 58 4.366
9 4.621 19 4.125 29 4.244 39 4.441 49 4.542 59 5.441
10 4.423 20 4.164 30 4.750 40 4.346 50 4.389 60 3.970

Exemplul 3
N = 60
M1, M2 – masa a 100 boabe de orz [g]
Programe: Erori.Pas; EroriEx3.Pas; EroriEx3.dat

Nr. M1 M2 Nr. M1 M2 Nr. M1 M2 Nr. M1 M2

1 4.3 4.559 16 4.5 4.590 31 4.3 4.304 46 4.4 4.531
2 4.4 4.643 17 4.2 4.272 32 4.4 4.561 47 4.5 4.617
3 4.5 4.435 18 4.2 4.397 33 4.2 4.502 48 4.2 4.304
4 4.4 4.498 19 4.4 4.564 34 4.4 4.614 49 4.2 4.295
5 4.3 4.516 20 4.4 4.592 35 4.3 4.416 50 4.2 4.276
6 4.6 4.808 21 4.6 4.606 36 4.5 4.672 51 4.3 4.457
7 4.4 4.592 22 4 4.091 37 4.2 4.258 52 4.2 4.262
8 4.2 4.440 23 4.2 4.263 38 4.2 4.327 53 4.4 4.448
9 4.6 4.842 24 4.3 4.733 39 4.6 4.836 54 4 3.995
10 4.4 4.790 25 4.4 4.282 40 4.4 4.537 55 4.2 4.226
11 4.3 4.665 26 4.3 4.408 41 4.6 4.766 56 4.2 4.298
12 4.1 4.438 27 4.4 4.404 42 4 4.106 57 4.4 4.367
 13 4.5 4.559 28 4.2 4.283 43 4.2 4.186 58 4.3 4.440
14 4.6 4.425 29 3.9 3.847 44 4.1 4.131 59 4 4.099
15 4.5 4.165 30 4.3 4.395 45 4 4.077 60 4.4 4.471

5.Parametrii statistici principali

Parametrii statistici principali ai unui sir de date xi de n masurari in care

k

x1 apare de f1 ori, x2 de f2 ori, xk de fk ori si f

i 1
i  n se mai numesc si valori

tipice de selectie si sunt definiti astfel:

Media aritmetica de sondaj a sirului de date:
1 k
x  f i  xi
n i 1
(4.22)
Daca in cele n masurari xi apare o singura data atunci:
1 n
x  xi
n i 1
(4.23)
Media aritmetica are o mare importanta in estimarea preciziei masurarilor
cind nu se cunoaste valoarea exacta a marimii fizice masurate.
Media geometrica a sirului de date se calculeaza cu relatia:
1
 n n
x g    xi  (4.24)
 i 1 
Media armonica este:
n
xa  n
1 (4.25)
xi 1 i

Media patratica este:

n

x i 1
2
i
(4.26)
xp 
n
Mediana de sondaj a sirului de date - este valoarea fata de care frecventa
valorilor mai mici decit ea este egala cu frecventa valorilor mai mari decit ea.
Valorile xi se aranjeaza in ordine crescatoare sau descrescatoare si mediana este:
- daca n este impar:
M e  x ( n 1)/ 2 (4.27)
- daca n este par:
x n / 2  x n / 21
Me  (4.28)
2
Moda de sondaj a sirului de date este valoarea din sirul de date careia ii
corespunde frecventa maxima. Daca repartitia de frecventa are doua valori
maxime, ambele fiind cele mai probabile, repartitia se numeste bimodala. Daca
repartitia de frecventa are mai multe mode, repartitia este polimodala iar daca
repartitia are in mijloc un minim in loc de un maxim se numeste antimodala.
Legatura dintre media aritmetica, mediana si moda este data de relatia:
M o  x  3  ( M e  x) (4.29)
Valoarea centrala a sirului de date:
 x max  x min
xc  (4.30)
2
in care xmax este cea mai mare din valorile xi , iar xmin cea mai mica.
Abaterea medie patratica de la valoarea medie se calculeaza cu relatia:

1 k
s*   f i ( x i  x) 2
n i 1
(4.31)
iar abaterea standard empirica este:
1 k
s  f i ( x i  x) 2
n  1 i 1
(4.32)
Abaterea standard empirica aproximeaza cel mai bine eroarea medie
patratica  atunci cind numarul de masurari este relativ mic.
Dispersia de sondaj a sirului de date, sau momentul centrat de ordinul
doi este:
1 k
s2  
n i 1
f i ( x i  x) 2 (4.33)
Dispersia de sondaj poate fi folosita ca estimatie a dispersiei 2 si daca in
cele n masurari xi apare o singura data atunci se calculeaza cu relatia:
1 n
s2   ( xi  x ) 2
n  1 i 1
(4.34)
Amplitudinea sirului de date se calculeaza ca diferenta dintre valoarea
cea mai mare xmax si valoarea cea mai mica xmin a sirului de masurari dat:
R  x max  x min (4.35)
Coeficientul de variatie al sirului de date:
s
Cv  (4.36)
x
Abaterea medie absoluta de selectie a sirului de date reprezinta media
abaterilor fata de valoarea adevarata a marimii fizice a (daca aceasta este
cunoscuta) sau fata de media aritmetica luata in valoare absoluta:
1 k
Am   f i xi  x
n i 1
(4.37)
Momentul de sondaj de ordinul r, calculat fata de originea sistemului
este:
1 n r
Mr   xi
n i 1
(4.38)
Momentul centrat de sondaj de ordinul r se obtine din momentele
generale de ordinul r considerind ca originea arbitrara coincide cu media
aritmetica:
1 k
r   f i ( x i  x) r
n i 1
(4.39)
Coeficientul de asimetrie al sirului de date permite aprecierea formei
unei repartitii statistice. Pentru calculul coeficientului de asimetrie se foloseste
relatia:
( 3 ) 2
1  (4.40)
(s 2 ) 3
in care s2 este dispersia de sondaj a sirului de date iar:
1 k
3  
n i 1
f i ( x i  x) 3 (4.41)
Asimetria este pozitiva daca repartitia este asimetrica cu extremitatea
extinsa spre dreapta si negativa in caz contrar. Coeficientul de asimetrie este nul
pentru o repartitie simetrica. Asimetria absoluta poate fi exprimata ca diferenta
dintre media aritmetica si moda:
1  x  Mo (4.42)
Coeficientul de boltire:
4
2  (4.43)
(s 2 ) 2
in care 4 este momentul centrat de ordinul 4, definit de relatia:
1
4 
n
 f i ( x i  x) 4 (4.44)
Coeficientul de boltire este un indicator al gradului de inclinatie a pantei
curbei densitatii de repartitie in vecinatatea modei de sondaj Mo. Pentru
repartitia normala 2 = 3. Daca 2 > 3 curba densitatii de repartitie este mai
ascutita la virf decit curba normala, iar daca 2 < 3 boltirea este mai mare decit
cea a curbei normale.
Excesul curbei de repartitie permite aprecierea gradului de indepartare a
curbei studiate fata de repartitia normala. Daca E = 0 curba studiata coincide cu
cea normala. E > 0 pune in evidenta o concentrare a frecventelor fata de centru
iar E < 0 o indepartare a frecventelor fata de centru. Excesul se calculeaza cu
relatia:
E = 2 - 3 (4.45)

Introducem tabelul centralizator cu valori.

Centralizarea valorilor parametrilor statistici principali

Nr.crt. Parametrii statistici 1 2 3 4

1 Media aritmetica de sondaj 4.259 4.368 4.323 4.448
2 Media geometrica 4.258 4.366 4.32 4.443
3 Mediana de sondaj 4.3 4.369 4.3 4.439
4 Valoarea central 4.25 4.16 4.3 4.46
5 Abaterea medie patratica 0.086 0.137 0.163 0.194
 6 Abaterea standard empirica 0.087 0.138 0.164 0.196
7 Dispersia de sondaj 7.42 x 0.019 0.026 0.038
0.0003
8 Amplitudinea 0.3 0.668 0.6 0.765
9 Coeficientul de variatie 0.02 0.032 0.038 0.044
10 Abaterea medie absoluta 0.075 0.106 0.136 0.159
11 Coeficientul de asimetrie 134.766 53.284 0.026 26.555
12 Coeficientul de boltire 2.295 3.065 2.395 2.346

6. Verificarea normalitatii repartitiei.

Criteriul de concordanta 2

Datele experimentale se impart in l intervale (clase): (- , x1 ) , [x1,

x2 ),..., [xi-1 , xi ),......, [xl-1 , ). In fiecare interval sunt mi date astfel incit
numarul tuturor masurarilor efectuate este:
n = m1 + m2 + ......+ ml (4.46)
Numarul de date din fiecare interval mi trebuie sa fie suficient de mare
(mi= 510). Numarul claselor se determina cu relatia:
l  1  3.322  log n (4.47)
Se recomanda l = 10  20. Lungimea intervalului este:
x max  x min
d (4.48)
l
Lungimea intervalului se rotunjeste la o valoare intreaga. Fiecarui interval ii
corespunde un numar de date fi . Pentru fiecare clasa se calculeaza ti cu relatia:
x mi  x
ti  (4.49)
s
unde s este abaterea standard empirica (eroarea medie patratica):
1 n
s 
n  1 i 1
(x i  x ) 2 (4.50)
xmi este limita superioara a clasei i, iar valoarea medie este:
1 n
x  xi
n i 1
(4.51)
Se considera ca prima clasa are limita inferioara -, iar ultima clasa are
limita superioara +. Se calculeaza probabilitatea pi ca rezultatele
experimentale sa cada in intervalul i in ipoteza de normalitate a repartitiei:
p i   t i    t i 1  (4.52)
Se tine seama ca (-)= - 0,5 iar () = 0,5 si apoi se calculeaza
criteriul de concordanta:
l
(mi  npi ) 2
2   (4.53)
i 1 npi
Numarul de grade de libertate k se determina astfel:
- daca clasele extreme au mai putin de cinci date fiecare, atunci numarul
gradelor de libertate este k = l - 3;
- daca una din clasele extreme are mai putin de cinci elemente k = l - 2;
 - daca toate clasele au mai mult de cinci elemente, numarul gradelor
de libertate este
k= l - 1.
Pentru un nivel de incredere P si numarul de grade de libertate k , din
tabelul 4.2 se determina valoarea critica 2 cr (P,k).

Daca:
 2   cr2 ( P, k ) (4.54)
se poate considera ca functia de repartitie a erorilor aleatoare in seria de date
considerata nu este cea normala.
Eficienta criteriului de concordanta 2 creste daca in fiecare din
intervalele ixi-1 , xi) sunt aproximativ acelasi numar de date si este mai putin
eficient cind repartitia este simetrica dar difera de cea normala.
Valorile critice 2 cr (P,k)
Tabelul 4.2
k t P 0.80 0.90 0.95 0.99 0.999
1 5.99 7.78 9.49 13.28 18.5
5 7.29 9.24 11.07 15.09 20.5
6 8.56 10.64 12.59 16.8 22.5
7 9.80 12.02 14.07 18.5 24.3
8 11.03 13.36 15.51 20.1 26.1
9 12.24 14.68 16.9 21.7 27.9
10 13.44 15.99 18.3 23.2 29.6
11 14.63 17.3 19.7 24.7 31.3
12 15.8 18.5 21 26.2 32.9
13 17 19.8 22.4 27.7 34.5
14 18.2 21.1 23.7 29.1 36.1
15 19.3 22.3 25 30.6 37.7
16 20.5 23.5 26.3 32 39.3
17 21.6 24.8 27.6 33.4 40.8
18 22.8 26 28.9 34.8 42.3
19 23.9 27.2 30.1 36.2 43.8
20 25 28.4 31.4 37.6 45.3

Introducem rezultatele de la 2, 3 si 4.
Poate fi si reprezentarea grafica(cele 4 grafice).

7. Estimatii ale adevaratei valori a unei marimi fizice

7.1. Consideratii generale

Consideram ca x1, x2, ....., xn sunt rezultatul masurarilor din care au fost
inlaturate erorile grosolane si cele sistematice. Estimatiile adevaratei valori a
marimii fizice masurate se poate face prin:
 -estimatia punctuala, care consta in determinarea unei functii g(xI) care sa
permita calcularea unei valori suficient de apropiata de valoarea adevarata a;
-estimatia de incredere care consta in determinarea unui interval (g -1, g-
2) de incredere, care cu probabilitatea P sa acopere adevarata valoare a;
extremitatile intervalului de incredere se numesc limite de incredere.
Pentru ca estimatia g sa asigure o aproximatie suficient de buna a valorii
adevarate a ea trebuie sa aiba urmatoarele proprietati:
- Nedeplasarea - daca valoarea medie teoretica a estimatiei g coincide cu
valoarea adevarata a;
- Consistenta - daca estimatia g tinde in probabilitate catre valoarea a
atunci cind numarul n al masurarilor tinde catre  sau atunci cind n  si
pentru orice  dat, probabilitatea P (|g - a| < )  1;
- Eficienta - daca estimatia nedeplasata are cea mai mica imprastiere
dintre toate estimatiile nedeplasate ale valorii a.

7.2.Estimarea preciziei dispersiei

Ca indicator a preciziei dispersiei masurarilor se va lua dispersia 2 sau

eroarea medie patratica .

Estimarea punctuala a dispersiei

Daca se fac masurari asupra unei marimi cunoscute a - etalon - ca

estimatie a dispersiei se ia media patratelor abaterilor rezultatelor masurarilor
x1, x2, ....., xn de la valoarea a:
1 n
 2  s*2  
n i 1
(x i  a ) 2 (4.65)
Numarul gradelor de libertate este k = n.
Daca se masoara o marime necunoscuta, ca estimatie a dispersiei se ia
dispersia empirica:
1 n
 2  s2  
n  1 i 1
(x i  x ) 2 (4.66)
Numarul gradelor de libertate este k = n -1.
Daca se fac m serii de masurari cu n1, n2, ......, nm date din serie, iar
dispersiile empirice corespunzatoare sunt s12 , s22 ......, sm2 drept estimatie a
dispersiei se ia media ponderata a dispersiilor empirice:
(n1  1)s12  (n2  1)s22 ...... (nm  1)sm2
 s 
2 2
(4.67)
(n1  1)  (n2  1) ....... (nm  1)

Cind numarul de masurari este acelasi in fiecare serie n i = n, estimatia

este media aritmetica a valorii dispersiilor empirice:

1 m 2
 2  s2   si
m i 1
(4.68)
numarul gradelor de libertate este k = n1+n2+......+nm - m.
Daca pentru m serii de masurari se cunosc numarul de masurari din
fiecare serie n1, n2, ......, nm si mediile aritmetice din fiecare serie x 1 , x 2 , .......,
x m atunci ca estimatie se ia dispersia empirica a mediilor:

1 m
 2  ~s 2   ni (x i  x )
m  1 i 1
(4.69)
unde:
m
1
x
n1  n 2 ....... n m
n x
i 1
i i (4.70)

Abaterea standard empirica s da o estimatie deplasata ce depinde de

numarul k al masurarilor (pentru n = 16 deplasarea reprezinta 2% iar pentru n =
26 deplasarea este sub 1%). Numarul gradelor de libertate este k = n - 1.

Intervale de incredere pentru eroarea medie patratica

Pentru un numar mare de date, obtinute cu ajutorul unui interval de

incredere a erorii medii patratice  se scrie sub forma unei estimatii a abaterii
relative a valorii  de la abaterea standard empirica (so, s*, s sau ~
s ):

 s
q (4.71)
s
sau
s  (1  q )    s  (1  q ) (4.72)
unde coeficientul q(P,k) se determina din tabelul 4.6.
Numarul gradelor de libertate k depinde de numarul de masurari si de
forma abaterii standard empirice acceptata pentru estimatia lui .
Pentru un numar de grade de libertate suficient de mare se poate utiliza si
regula trei sigma care este de forma:

 3   3 
s  1      s  1   (4.73)
 2k   2k 

Siguranta unei astfel de estimari depaseste 0,99 pentru k > 47, 0.992
pentru k > 107 si 0.995 pentru k > 200.
 Valorile coeficientului q (P, k)
Tabelul 4.6
k/P 0.95 0.99 0.999
17 0.4 0.639 0.961
18 0.385 0.602 0.916
19 0.371 0.578 0.875
20 0.358 0.556 0.838
22 0.336 0.518 0.776
24 0.318 0.487 0.724
26 0.302 0.46 0.679
28 0.288 0.437 0.641
30 0.276 0.416 0.609
35 0.253 0.375 0.544
40 0.234 0.343 0.494
45 0.219 0.318 0.455
50 0.207 0.297 0.424

7.3.Compararea dispersiilor

Presupunem ca in doua serii de masurari se folosesc aparate diferite si s-a

obtinut dispersia empirica s12 pentru un numar de grade de libertate k 1 si
dispersia empirica s 22 pentru un numar de grade de libertate k 2 (s12  s 22 ) . Se
compara raportul intre cea mai mare dispersie empirica si cea mai mica:
s12
F 1 (4.74)
s 22
Se alege un nivel de incredere P = 0,95 sau P = 0,99 si din tabelul 4.7 se
ia valoarea critica F(P, k1 , k2).
Daca:
F > F(P, k1 , k2) (4.75)

atunci se considera ca diferenta dintre cele doua dispersii este semnificativa si

deci precizia aparatului ce da dispersia s 22 este mai mare.

Valorile critice F(P, k1, k2 ) pentru nivelul de incredere  = 0.95

Tabelul 4.7
k2 / k 1 4 6 8 10 15 20 30 40 50
6 4.53 4.28 4.15 4.06 3.94 3.87 3.81 3.77 3.75
 7 4.12 3.87 3.73 3.62 3.5 3.44 3.38 3.34 3.32
8 3.84 3.58 3.44 3.34 3.21 3.15 3.08 3.05 3.03
9 3.63 3.37 3.23 3.13 3 2.93 2.86 2.82 2.8
10 3.48 3.22 3.07 2.97 2.84 2.77 2.7 2.67 2.64
12 3.26 3 2.85 2.76 2.62 2.54 2.46 2.42 2.4
14 3.11 2.85 2.7 2.6 2.46 2.39 2.31 2.27 2.24
16 3.01 2.74 2.59 2.49 2.35 2.28 2.2 2.16 2.13
18 2.93 2.66 2.51 2.41 2.27 2.19 2.11 2.07 2.04
20 2.87 2.60 2.45 2.35 2.2 2.12 2.04 1.99 1.96
22 2.82 2.55 2.4 2.3 2.15 2.07 1.98 1.93 1.91
24 2.78 2.51 2.36 2.26 2.11 2.02 1.94 1.89 1.86
26 2.74 2.47 2.32 2.22 2.07 1.99 1.9 1.85 1.82
30 2.69 2.42 2.27 2.16 2.01 1.93 1.84 1.79 1.76
35 2.64 2.37 2.22 2.11 1.96 1.88 1.79 1.73 1.7
40 2.61 2.34 2.18 2.07 1.92 1.84 1.74 1.69 1.66
50 2.56 2.29 2.13 2.02 1.87 1.78 1.69 1.63 1.6

7.4.Eliminarea dispersiei ce difera

semnificativ de celelalte

Daca avem m aparate de masura cu care efectuam acelasi numar n de

masurari si constatam ca dispersia empirica s12 este sensibil mai mare decit
celelalte ne propunem sa stabilim daca diferenta dintre aceasta dispersie si
celelalte este semnificativa sau nu. Pentru aceasta comparam dispersia cea mai
mare s12 cu suma tuturor dispersiilor si se calculeaza raportul:

s12
G 2 (4.76)
s1  s 22 ........ sm2
Daca:
G  G ( P , m, k ) (4.77)

atunci diferenta dintre prima dispersie si celelalte se considera semnificativa

adica prima serie de masurari este de o precizie mai mica decit celelalte.
Valorile critice G(P, m, k) sunt date in tabelul 4.8. Numarul gradelor de
libertate este k = n - 1.

Valorile critice G(P, m, k) pentru P = 0,95

Tabelul 4.8
m/k 4 5 6 8 10 16 26 144
5 0.544 0.507 0.478 0.439 0.412 0.365 0.307 0.251
6 0.48 0.455 0.418 0.382 0.357 0.314 0.261 0.212
7 0.431 0.397 0.373 0.338 0.315 0.276 0.228 0.183
8 0.391 0.36 0.336 0.304 0.283 0.246 0.202 0.162
9 0.358 0.329 0.307 0.277 0.257 0.223 0.182 0.145
 10 0.331 0.303 0.282 0.254 0.235 0.203 0.166 0.131
15 0.242 0.22 0.203 0.182 0.167 0.143 0.114 0.089
20 0.192 0.174 0.15 0.142 0.13 0.111 0.088 0.068
30 0.138 0.124 0.114 0.1 0.092 0.077 0.06 0.046
40 0.108 0.097 0.089 0.078 0.071 0.06 0.046 0.035
60 0.077 0.068 0.062 0.055 0.05 0.041 0.032 0.023
120 0.042 0.037 0.034 0.029 0.027 0.022 0.017 0.012

7.5.Estimari punctuale ale adevaratei valori

a unei marimi masurate

Daca cele n masurari au fost facute cu aceeati precizie atunci ca estimatie

punctuala a valorii a se ia media aritmetica a datelor masurate:
x1  x 2  ....... x n 1 n
ax   xi (4.78)
n n i 1
Daca masurarile nu sunt de egala precizie, dar se cunosc ponderile
masurarilor p1, p2, ..., pn care sunt invers proportionale cu dispersiile erorilor  12 ,
 22 , ....,  2n atunci drept estimatie a adevaratei valori a se ia media aritmetica
ponderata:
n

p x  p 2 x 2  ...... p n x n px
i 1
i i
a 1 1  (4.79)
p1  p 2  ...... p n n

p
i 1
i

In cazul masurarilor cu aceeasi precizie (adica cu aceeasi eroare medie

patratica ) a valorilor supuse prelucrarii x1, x2, ...., xn care reprezinta o medie a
unui numar de masurari m1, m2, ......, mn se poate atasa drept pondere numarul
de masurari:
2
pi = mi (i = 1, 2, ...., n) iar  i2  (4.80)
mi
Estimatiile se calculeaza cu formula prezentata mai sus.

7.6.Estimari pentru intervale de incredere

a adevaratei valori pentru masurari de egala precizie

Intervalul de incredere a valorii adevarate a este:

x-<a<x+ (4.81)
sau
a  x  (4.82)
Marimea  se determina luindu-se nivelul de incredere P la unul din
nivelele: 0,95; 0,99 sau 0,999. Daca se cunoaste eroarea medie patratica 
atunci intervalul de incredere este:
 t (P)  
ax  (4.83)
n
Pentru un nivel de incredere ales t (P) se determina din tabelul 4.3. Se obtine:
t (P)  
 (4.84)
n
Daca eroarea medie patratica nu se cunoatte, atunci se utilizeaza in locul
ei abaterea standard empirica:
n 1 n
s  s*
n1
 
n  1 i 1
(x i  x ) 2 (4.85)
Intervalul de incredere este:
t (P, k )  s
ax  (4.86)
n
sau
t ( P , k )  s*
ax  (4.87)
k

unde k = n - 1. Valoarile t (P, k) sunt date in tabelul 4.9.

Alegerea erorii  se poate face cu regula trei sigma. Abaterea adevaratei
valori a marimii masurate de la media aritmetica a rezultatelor masurarilor nu
depaseste cu de trei ori abaterea medie patratica a erorii acestei valori medii. In
acest caz intervalul de incredere este:
3
ax  (4.88)
n
cu nivelul de siguranta P = 0.9973 iar daca nu se cunoaste :
3s
ax  (4.89)
n
cu nivelul de incredere dat in tabelul 4.10.

Valorile t (P, k)
Tabelul 4.9
k/P 0.95 0.99 0.999
4 2.776 4.604 8.61
5 2.571 4.032 6.859
6 2.447 3.707 5.959
7 2.365 3.499 5.405
8 2.306 3.355 5.041
9 2.262 3.25 4.781
10 2.228 3.169 4.587
11 2.201 3.106 4.487
12 2.179 3.055 4.318
13 2.16 3.012 4.221
14 2.145 2.977 4.14
15 2.131 2.947 4.073
16 2.12 2.921 4.015
18 2.103 2.878 3.922
 20 2.086 2.845 3.85
25 2.06 2.787 3.725
30 2.042 2.75 3.646
35 2.03 2.724 3.591
40 2.021 2.704 3.551
45 2.014 2.689 3.522
50 2.008 2.677 3.497

Dependenta nivelului de incredere de numarul de masurari

Tabelul 4.10
n P n P n P
5 0.96 12 0.988 25 0.994
6 0.97 14 0.99 30 0.995
7 0.976 16 0.991 50 0.996
8 0.98 18 0.992 150 0.997
9 0.983 20 0.993  0.9973
10 0.985

Introducem cele 4 serii(de la “Adevarata valoare”).

  4.3   4.328  4.3   4.559
 4.2   4.399  4.4   4.643
       
 4.3   4.542  4.5   4.435
 4.2   4.171  4.4   4.498
       
 4.3  masurarilor afectate
1. Eliminarea  4.595 de erori grosolane
 4.3   4.516
 4.3  5 serii a cite 40 4.344
Se considera 
de masurari fiecare din
4.6 care s-au eliminat
 4.808erorile
 grosolane
 4.3  ERORISIR.PAS.
cu programul  4.417S-au
 eliminat, din 4.4fiecare
  4.592 valori:
serie urmatoarele
  seria 1: 29.1   29.45 37.4    
 4.2  seria 2: 30.7  4.431 31.3 36.4 4.2   4.44 
 4.2  seria 3: 31.85  4.621 31.9 36.2 4.6   4.842
 4.4  seria 4:  4.423
31.1 31.9 36.1 4.4   4.79 
       
Au mai ramas
 4.4  urmatoarele valori4.503masurate:  4.3   4.665
 4.3   4.385  4.1   4.438
ORIGIN 1       
 4.2   4.344  4.5   4.559
 4.3   4.314  4.6   4.425
 4.2   4.47   4.5   4.165
       
 4.4   4.405  4.5   4.59 
 4.3   4.511  4.2   4.272
 4.2   4.391  4.2   4.397
       
 4.3   4.125  4.4   4.564
 4.2   4.164  4.4   4.592
       
 4.2   4.184  4.6   4.606
 4.1   4.537  4   4.091
 4.2   4.465  4.2   4.263
       
 4.3   4.371  4.3   4.733
 4.4   4.494  4.4   4.282
 4.2   4.367  4.3   4.408
       
 4.3   4.111   4.4   4.404
 4.4   4.309  4.2   4.283
x1    x2    x3    x4   
 4.3   4.244  4.3   4.395
 4.2   4.75   4.3   4.304
 4.2   4.288  4.4   4.561
       
 4.2   4.422  4.2   4.502
 4.4   4.213  4.4   4.614
 4.2   4.442  4.3   4.416
       
 4.3   4.311  4.5   4.672
 4.2   4.426  4.2   4.258
       
 4.1   4.441  4.2   4.327
 4.2   4.346  4.6   4.836
 4.3   4.356  4.4   4.537
       
 4.1   4.6   4.6   4.766
 4.2   4.333  4   4.106
 4.4   4.123  4.2   4.186
       
 4.3   4.292  4.1   4.131
 4.3   4.324  4   4.077
       
 4.2   4.432  4.4   4.531
 4.1   4.306  4.5   4.617
 4.4   4.542  4.2   4.304
       
 4.4   4.389  4.2   4.295
 4.3   4.504  4.2   4.276
 4.2   4.301  4.3   4.457
       
 4.3   4.282  4.2   4.262
 2. Estimarea preciziei dispersiei
a. Calculul dispersiei pentru fiecare serie de masurari:

n  length( x1)
media1  mean( x1)
media2  mean( x2) n
  x1i  media1
2 n
  x2i  media2
media3  mean( x3) 2

media4  mean( x4) i 1

s21  i 1
n1 s22 
n1

  x4i  media4
n 2
  2
x3  media3
i
i 1
i 1 s24 
s23  n1
n1

Rezultate:
n  56
3
media1  4.259 s21  7.555 10
media2  4.368 s22  0.019
media3  4.323 s23  0.027
media4  4.448 s24  0.038

b. Compararea dispersiilor

s21 s22 s23 s24

F1  F2  F3  F4 
s21 s21 s21 s21

F1  1 F2  2.529 F3  3.561 F4  5.075

Pentru nivelul de incredere P = 0.95 din tabelul 4.7 (pag.149) se ia valoarea critica
F(0.95, n1-1=55, n2-1=55) = 1.58
F2 = 2.259 > 1.58 diferenta ESTE semnificativa
F3 = 3.561 > 1.58 diferenta ESTE semnificativa
F4 = 5.075 > 1.58 diferenta ESTE semnificativa

c. Eliminirarea dispersieice difera semnificativ de celelalte:

s21 s22
G1  G2  G1  0.082G2  0.208
s21  s22  s23  s24 s21  s22  s23  s24

s23 s24
G3  G4  G3  0.293
G4  0.417
s21  s22  s23  s24 s21  s22  s23  s24
 Valoarea critica G(0.95, 4, 55) = 0.382 este determinata din tabelul 4.8 (pag.150)
G1 = 0.082 < 0.382 diferenta NU ESTE semnificativa
G2 = 0.208 < 0.382 diferenta NU ESTE semnificativa
G3 = 0.293 < 0.382 diferenta NU ESTE semnificativa
G4 = 0.417 > 0.382 diferenta ESTE semnificativa.
Se elimina seria 4 de masurari.

d. Estimarea punctuala a dispersiei (a abaterii medii patratice):

s21  s23  s22

s2  s2  0.018
3

s  s2 s  0.134

e. Estimarea prin intervale de incredere a dispersiei (si deci a abaterii medii patratice):

Din tabelul 4.6 (pag.148) se determina coeficientul q (0.95, 55) = 0.207 - 0.012 = 0.195

smin = s(1 - q) < s < s (1 + q) = smax

0.108 < s < 0.16

q  0.195

smin  s  ( 1  q ) smin  0.108

smax  s  ( 1  q ) smax  0.16

3. Estimarea adevaratei valori a marimii masurate:

a. Estimarea punctuala:

media2  media3  media1

media  media  4.317
3

Adevarata valoare a masei a o suta de seminte de orz este:

M = 4.317 g

b. Estimarea prin intervale de incredere:

Din tabelul 4.10 (pag.153) se determina t(0.95, 55) = 2.008 - 0.006 = 2.002
Se calculeaza precizia de masurare :

t  2.002

t  s2
    0.036
n

Adevarata valoare a marimii masurate prin intervale de incredere este:

Mmin = media - < a < media + max

4.281 < a < 4.353

Mmin  media   Mmin  4.281

Mmax  media   Mmax  4.353