UNIVERSITATEA TEHNIC A MOLDOVEI

MODELAREA MATEMATIC A
EXPERIMENTULUI
Suport teoretic de curs
Y

-1; -1 +1; -1

X1
-1; +1 +1; +1
X2

2 2
Y Y
DY = DX 1 + DX 2

X1 X2
Y = 458.4 2.7 e Y 0.6%

Chiinu
Editura Tehnica-UTM

0
 2014
UNIVERSITATEA TEHNIC A MOLDOVEI
FACULTATEA TEHNOLOGIE I MANAGEMENT N
INDUSTRIA ALIMENTAR
CATEDRA TEHNOLOGIA PRODUSELOR ALIMENTARE

MODELAREA MATEMATIC A
EXPERIMENTULUI
Suport teoretic de curs

1
 Chiinu, 2014
Suportul teoretic de curs pentru disciplina Modelarea
matematic a experimentului este destinat studenilor ciclului 2
(masteranzilor) Facultii Tehnologia i Managementul n Industria
Alimentar a Universitii Tehnice a Moldovei.
Obiectivul-cadru al acestei discipline este formarea
competenelor necesare unui cercettor-experimentator. Aceste
competene includ aptitudini de planificare a experimentului,
realizarea lui n condiii optime, calcularea erorilor msurrilor
instrumentale, directe i indirecte. Masterandul va obine unele
cunotine, necesare pentru interpretarea obiectiv i corect a
datelor experimentale, formularea concluziilor competente i
respectarea normelor eticii tiinifice.

Autori: dr., conf. univ. Alexei Baerle

dr., conf. univ. Artur Macari

Redactor responsabil: dr., conf. univ. Alexei Baerle

Recenzent: dr. hab., prof. univ. Vasile Guanu U.S.M.

2
 U.T.M., 2014

3
 Cuprins
1. METODOLOGIA CERCETRII 4
1.1 Metode tiinifice 4
1.2 Esena modelrii matematice 5
1.3 Pregtirea ctre procesul de cercetare 8
1.4 Teoria experimentului 11
2. STATISTICA I PRELUCRAREA DATELOR 15
2.1 Precizia msurrilor i calculelor. Cifre semnificative 15
2.2 Sursele erorilor experimentale 16
2.3 Calcularea erorilor msurrilor directe 21
2.4 Erorile instrumentale 24
2.5 Determinarea erorilor msurrilor indirecte 27
3. EXPERIMENTUL ACTIV 30
3.1 Experimentul Factorial Complet (EFC) 31
3.2 Experimentul Factorial Fracionar (EFF) 44
3.3 Optimizarea prin Ascensiunea pe Gradient 46
4. PRELUCRAREA REZULTATELOR 49
4.1 Regulile de construire ale graficilor funciilor 49
4.2 Credibilitatea aproximaiei. Avantaje i restricii 51
4.3 Alte forme de prezentare grafic a rezultatelor 53
4.4 Raionamentul tiinific i normele eticii tiinifice 54
4.5 Arta formulrii concluziilor 56
BIBLIOGRAFIA 57
ANEXE 58
4
 tiina este cunoaterea organizat-
(Immanuil Kant)
1. METODOLOGIA CERCETRII
1.1 Metode tiinifice
Metoda tiinific este algoritmizarea obinerii cunotinelor i
procedeelor, necesare pentru cunoaterea adevrului. Metode
tiinifice se separ convenional n cele teoretice i empirice (de
experimentare).
Criteriul important al metodei tiinifice este obiectivitatea
acesteia. Al doilea criteriu este cel al falsificabilitii lui Popper:
Metoda tiinific trebuie s fie falsificabil n principiu.
Ipoteza, teoria i chiar legea se consider falsificabile, dac
exist posibilitatea contestrii experimentale a lor. Afirmaiile:
pV=RT sau CO2+H2OH2CO3 sunt falsificabile prin experiment.
Dimpotriv, afirmaia Zodia Gemenilor se afl sub influena
Lunii... se afl n afar tiinei, deoarece nu este falsificabil.
Metode teoretice (de interpretare, analiz i sintez):
o formularea ipotezelor (ipoteza = presupunere fr dovezi);
o elaborarea teoriilor (teoria = afirmaia cu fora de prezicere);
o modelarea tiinific (crearea i cercetarea modelelor
obiectului, transferarea cunotinelor obinute pe obiectul real);
o stabilirea legilor (legea tiinific = afirmaia verbal sau
ecuaia matematic, acceptat actual de comunitatea tiinific).
Metode empirice (de experimentare):
o acumularea observaiilor (att ntmpltoare, ct i
organizat);
o msurarea parametrilor cantitativi;
o realizarea experimentului (experiment = verificarea
ipotezei);
o cercetarea tiinific (ansamblu din mai multe experimente).
Metoda tiinific posed urmtoarele caracteristici:
atitudinea critic faa de interpretrile altor cercettori;
documentarea minuioas a observaiilor proprii;
verificarea reproductibilitii rezultatelor experimentale;
5
 evaluarea critic a corectitudinii interpretrilor proprii;
acces la date iniiale i interpretri, publicarea rezultatelor.

6
1.2 Esena modelrii matematice
Modelul matematic este reprezentarea virtual a obiectului sau
fenomenului real prin intermediul limbajului algoritmizat.
Modelarea matematic const din elaborarea i cercetarea
modelului, transferarea informaiei obinute pe obiectul real.
Modelul matematic adevrat posed urmtoarele caracteristici:
o Corespunde cu obiectul cercetat dup criterii calitative;
o Este capabil s substituie obiectul real cu cel virtual;
o Furnizeaz informaii cantitative despre obiectul modelat;
o Poate s prezic comportamentul sistemului sau al
obiectului.
Modelarea matematic presupune realizarea urmtoarelor obiective:
o Reducerea costurilor i timpului cercetrilor;
o Evitarea experimentelor foarte complicate sau imposibile;
o Obinerea rapid a soluiilor unor probleme practice.
Modelarea matematic soluioneaz urmtoarele probleme:
o Problema direct, rezolvarea creia const n determinarea
influenei unor factori asupra obiectului, supus modelrii;
o Invers, soluionarea creia prezint stabilirea cauzei
apariiei proprietii msurabile, caracteristice obiectului
modelrii.
1.2.1 Clasificarea modelelor matematice
Clasificarea formal binar (dihotomic, antagonist):
o Liniare / Difereniale ;
o Concentrate / Dispersate ;
o Statice / Dinamice ;
o Deterministe / Statistice (statistic = stocastic = stohastic) ;
o Rigide (puternic idealizate) / Blnde (slab idealizate) .
Clasificarea conceptual reflect atitudinea cercettorului:
o Ipotetic (probabil, c ...; aceasta ar putea nsemna);
o Fenomenologic (obiectul se comport, parc ...);
o Maximalist (considerm influena maxim (minim)...);
o Simplist (omitem unii parametri puin semnificative ...);
o Euristic (Intuitive, a Bunului sim) (se simte, c ...);

7
o Analogic (sistemul se comport asemntor cu ...);
o Experimentului Mental (Demonstrrii (Im)Posibilitii).

8
Clasificarea modelelor dup transparena (figura 1.1):
o Structurale (geometrice; grafice; cutie neagr);
o Funcionale (algebrice; cutie transparent);
o Structural-funcionale (combinate; cutie sur).
Modele Structurale Modele Combinate Modele Funcionale

aciune aciune aciune

mecanism mecanism

rezultat rezultat rezultat

Fig.1.1 Modelele cu transparena diferit

1.2.2 Etapele modelrii matematice

1. Crearea modelului preliminar:
se definitiveaz problema sau fenomenul, supus modelrii;
se stabilesc calitile obiectului modelrii, legturile ntre
ele;
proprietile obiectului se descriu cu limbaj algoritmizat;
2. Verificarea adecvabilitii modelului: se testeaz capacitatea
modelului s genereze soluii deja existente, cunoscute;
3. Perfecionarea modelului: corectarea, calibrarea, rodajul etc.;
4. Aplicarea modelului: modelul se aplic pentru rezolvarea
situaiilor-problem reale, care nu au soluii cunoscute;
5. Interpretarea datelor, oferite de model.
1.2.3 Modele matematice n industria i n tiina alimentar
Sisteme-model sunt sisteme, cu ajutorul cruia se simuleaz
trsturile obiectelor modelate. Acestea pot fi:
1. Sisteme-standard i sisteme de simulare:
Sisteme-model cu parametrii identici sistemelor naturale
(concentraia, pH, culoarea). Exemplu serul fiziologic;
Soluii-etalon i soluii-standard cu un anumit semnal
analitic.
2. Scheme, grafice i diagrame;

9
3. Relaii matematice de calcul, care pot fi exacte i estimative;
4. Instalaii pentru modelare i/sau msurare a unor proprieti.
5. Algoritme standardizate: modele-standard, verificate i aprobate
de cercettori, aparent corecte, pn la o eventual falsificare.
Algoritmul de rezolvare a unei probleme tiinifice (figura 1.2)
impune respectarea criteriului Popper, dar nu i garanteaz
corectitudinea absolut a rezolvrii obinute.

PROBLEMA Examinarea soluiilor cunoscute

Formularea ipotezei i concluziilor din ipoteza

Cutarea contr-argumentelor

nu sunt sunt

Elaborarea teoriei de lucru REZOLVARE

Fig.1.2 Etapele rezolvrii unei probleme tiinifice
Dac etapa cutrii contraargumentelor se omite, apare eroarea
logic: confirmarea prin consecina, sau corectitudinea aparent.
Logica cercetrii impune
Poteniometru
utilizarea ansamblului ipotez-
instalaie-etalon-ecuaie.
Exemplu: Instalaia din
figura 1.3 este destinat pentru d
estimarea strii redox a
sistemelor alimentare. Se 1
presupune egalitatea activiti- 2
lor de ap din ambele celule. n I II
calitate de soluie-etalon se Fig.1.3 1/2: electrod standard /
folosete un agent redox, de de msurare; I/II: proba / model;
preferin acidul ascorbic, care d: dozator de etalon.
se dozeaz n celula II pn la
egalarea potenialelor n ambele celule. Starea redox a sistemului
alimentar, care se afl n celula I, se exprim prin concentraia
10
etalonului din celula II. Menionm, c acest model original a fost
elaborat la Catedra Tehnologia Produselor Alimentare a UTM.

11
1.3 Pregtirea ctre procesul de cercetare
Elaborarea planului de cercetare include urmtoarele etape:
Formularea clar a obiectivelor;
Elaborarea colectiv, cu concretizarea sarcinilor individuale;
Estimarea realizabilitii i riscurilor;
Respectarea metodelor de cercetare, standardelor i
algoritmilor;
Indicaia rezultatelor scontate.

1.3.1 Stabilirea obiectivelor. Obiectivul este formularea laconic a

sensului i finalitii aciunii. Exist obiective de trei nivele:
o Nivel inferior, care cuprinde obiective nguste, locale;
o Nivel mediu, format din obiective vaste, generale;
o Nivel nalt, crui corespund obiective revoluionare, globale.
Obiectivele, formulate corect, corespund urmtoarelor cerine:
Au finalitatea pozitiv;
Stipuleaz modalitile de realizare a rezultatului concret;
Sunt independente i auto-suficiente (autonome).
Finalitatea pozitiv exclude utilizarea verbelor, programate
pentru eec: a ncerca, a se strdui, etc. Astfel de verbe
ajut pe cercettor s se deprind cu eecul fr s nceap a
lucra, de asemenea, las portia deschis pentru a fugi de
responsabilitate (n primul rnd, faa de sine) n cazul posibilului
eec sau datorit impersistenei proprii.
Operaionalizarea exclude utilizarea verbelor vagi, adic, cu
sens ambiguu, sau celor, care nu stipuleaz o aciune concret:
a studia a a se
a stabili nelege ncredina
a cerceta a poseda a
a ti a stpni contientiza
a afla a sesiza a nsui
a percepe a se
a pricepe convinge

12
 Auto-suficiena obiectivelor presupune independena acestora
de alte obiective de acelai nivel, cu referin la un rezultat concret.
Obiectivul-cadru este un obiectiv de nivel mediu sau nalt, n
funcie de tipul cercetrii i ambiia echipei. Acesta definete scopul
final al cercetrii, fr dezvluirea detaliilor concrete.
Nivel mediu: S optimizeze tehnologia de producere a maionezei.
Nivel nalt: S elaboreze substituentul structural al maionezei.
Obiectivele operaionale (nivel mediu sau inferior) sunt
subordonate realizrii obiectivului-cadru. Ele definesc stadiile i
metodele concrete de cercetare, conturnd unele rezultate scontate.
- S se determine influena concentraiei de lecitin asupra
procesului de formare a emulsiei;
- S se calculeze raportul optim al componentelor;
- S se determine stabilitatea Sunset Yellow n produsul final,
folosind cromatografia i spectroscopia diferenial;
- S se efectueze testarea microbiologic a produsului final;
- S se elaboreze brevetul de invenie i prescripiile tehnice.

1.3.2 Analiza bibliografic eficient. Pentru a evita

redescoperirea lucrurilor cunoscute, a optimiza i a actualiza
cercetarea, este nevoie de documentare prealabil din mai multe
surse. Aceasta documentare capt forma scris i ocup un volum
important (30-50%) n comunicri, articole i teze.
Analiza bibliografic este trecerea n revist, succint i critic,
a informaiei, care se refer la problema abordat.
Semnele de identificare permit a face clasificarea i a alege cu
corectitudine sursele de informaie pentru analiz:
o ISBN (International Standard Book Number) codul
internaional al crii, atribuit de organ naional respectiv. Cartea
fr ISBN se consider literatura sur;
o ISSN (International Standard Serial Number) codul
internaional al ediiilor periodice, atribuit de organ naional
respectiv (Centrul Naional ISSN Moldova).
o CZU//UDC (Clasificarea Zecimal Universal)
clasificarea surselor de informaie dup tematic, destinat
pentru sortarea i cutarea eficient. Codul CZU este atribuit de
autor sau de editor.
o CIP//IPC (Clasificarea Internaional de Patente)
codul tematic internaional, atribuit de autorul inveniei n acord
cu organul naional de patentare (AGEPI).
 Tabelul 1.1 Clasificarea surselor de informaie tiinific
Semne caracteristice
Clasa Surse specializate oficial
bibliografice
e
Articolele n reviste specializate ISSN A D R ae V N p
I
Monografii specializate ISBN A D or ed ae np
Disertaii i autoreferate CZU A D ae or ins np
II Cri de specialitate ISBN A D or ed ae np
Brevete, cereri de brevete CIP A D CIP ae nc (nb)
Comunicri la conferine ISBN A D DC or ins ae p
III Literatura didactic de la edituri ISBN A D or ed ae np
Literatura metodico-didactic CZU A D ins ae np
IV Literatura "sur" --- A D (ins) ae np
Sursele, care necesit atitudinea vigilent din punct de vedere tiinific,
fiind depersonalizate, coninnd informaii comerciale i populiste, cu
caracter manipulator, politizat, ideologizat, etc.
Clasa Surse electronice Exemple
Sursele mass-media tradiionale
Filme documentare, emisiuni
(reviste, radio, TV) i moderne
V tiinifico-populare, show'uri,
(Internet, reele de telefonie,
publicitate, nouti, etc.
etc).
Reele sociale i publicitare,
Siteuri, foruri i bloguri fr
siteurile companiilor de
VI suport pe hrtie i fr indicarea
distribuie, ONG-urilor,
surselor bibliografice recenzate.
partidelor etc.
n care: A autorul(rii); D denumirea articolului, crii; R denumirea
revistei; ae anul ediiei; V volumul; N numrul; p diapazonul de
pagini (prima ultima); or oraul, ed editura; np numrul total de
pagini, ins instituie, ara, CIP codul CIP al brevetului; nc
numrul cererii, nb numrul buletinului oficial al organului de brevetare.
Analiza bibliografic este prelucrarea critic a informaiei din
mai multe surse calitative (I, II, III). Se indic contradicii, lacune,
inexactiti, cu referine la surse respective. Se evit transcrierea i
citarea direct (calchierea). Se dezvluie starea actual a
cunotinelor n domeniul studiat i se argumenteaz, cum vei putea
contribui la rezolvarea problemei.

Experimentul nu este greit niciodat. Doar

interpretarea rezultatelor lui poate fi greit
(Leonardo da Vinci)

1.4 Teoria experimentului

Termenii experien i experiment deseori se substituie

reciproc, n diferite limbi, iar de facto, ntre ei exist deosebiri.
Cuvntul experiena se utilizeaz n mai multe sensuri:
o demonstrarea unui fenomen n scopuri metodico-didactice;
o totalitatea cunotinelor i aptitudinilor unei persoane;
o verificarea spontan a unei ipoteze ad-hoc;
o un pas discret n cadrul unei cercetri (unui experiment).
Experimentul este procesul de cercetare n condiii elaborate i
controlate, destinat n special pentru contestarea unei ipoteze.

1.4.1 Modelele experimentului

Exist 5 tipuri de modele ale experimentului, care sunt aranjate

n corespundere cu creterea importanei practice a acestora:
o Experiment ideal cercetare ipotetic (nerealizabil),
care servete drept reper pentru cercetri reale;
o Experiment mental realizat n minte, prin judecat;
o Experiment ntmpltor cu un rezultat imprevizibil;
o Experiment planificat ansamblu de aciuni, orientate la
obinerea unui rezultat prognozabil i apreciabil statistic;
o Experiment crucial elaborat pentru falsificarea ipotezei.
Algoritmul cercetrii tiinifice, adic descoperirii adevrului,
demonstreaz locul superior al experimentului n realizarea acesteia:
ntmplare Experiena Modelare tiinific
(Observaii) (ncercri) (Ipoteza + EXPERIMENT)
 n tiina se utilizeaz modelele standard ale experimentelor
chimice sau biologice, care au denumiri tradiionale latine:

o in nascendi - n momentul naterii, obinerii;

o in vivo - n organism viu; n sistem natural;
o in vitro - n eprubet; n sistem-model; n condiii artificiale;
o in situ - pe loc; direct n amestec de reacie; folosind metode
in vitro pentru experimentul in vivo;
o ex vivo - n afara organismului (exemplu: n cultura de celule);
o in silico - cu ajutorul softului i simulrilor la computer.

1.4.2 Factorii de influen i interaciunea acestora

Factorii de influen (de intrare) sunt variabile matematice, care

influeneaz calitativ i cantitativ comportamentul sistemului sau
modelului studiat.
Factorii de influen n sisteme alimentare sunt de 4 tipuri:
o Fizici (F) temperatura, presiune, timp (factor cinetic), etc.;
o Mecanici (M) viteza agitrii, volumul i forma instalaiei, etc.;
o Chimici (C) concentraia, pH, masa molecular, etc.;
o Combinai gradul de dispersie (F-M), solubilitate (F-C), etc.
Factorii de influen acioneaz n mod direct i indirect.
Influena direct a factorului de intrare asupra sistemului sau
modelului studiat nu depinde de valoarea altor factori de intrare.
Influena indirect a factorului de intrare se manifest prin
interaciune cu ali factori de influena.
 Tabelul 1.2 Factorii de intrare i influena indirect a acestora
Co Influenat
Factorii de influena Limite
d de:
nici un alt
Cinetic (de timp) secunde...ani
factor
3 3
Termodinamic H -10 +10 kJ , C, TF,
Termic t -40...+2500C Inst,
fizici

C, a, pH, TF,
Reologic 0,110mPas
M
-9 -2
Electromagnetic h 10 -10 m C, t, Inst,
Fazic TF s, l, g, aq t, C, M,
eprubet
Ins
Construcia instalaiei instalaia pilot a, , TF
t
fabrica
mecanici

0.1-10000
Viteza agitrii , C, Inst
min-1
Gradul de dispersie i
omogenitatea a 10-9...10-3 m , Inst, TF,
dispersiei
Compoziia mono,..., poli , TF, pH
Indice de hidrogen pH 2-12 t, C,
10-8
Concentraia C 10mol/L t, a, pH,
chimici

10-6100%
10
Tensiune superficial C, t, pH, M
100mJ/m2
Masa molecular a 103...108
M , pH,
polimerilor g/mol
Tabelul 2 evideniaz urmtoarele momente:
- practic nu exist nici un factor de influena, absolut
independent de ali factori); excepie prezint factorul cinetic, ;
- cei mai influeni i cei mai puin influenai, sunt i t ;
- influena reciproc a factorilor ntotdeauna va avea un
caracter specific, unic, fr a fi extrapolat de la un sistem la
altul.
Doi, iar cteodat i mai muli factori independeni pot exercita
aciunea concomitent asupra sistemului.
Interaciunea factorilor poate fi de 3 feluri:
o Aciunea sinergic (sinergism, supra-adiie) influena
comun a doi factori e mai mare, dect suma aporturilor
fiecruia.
Exemplu: Adugarea a 1% de alcool mrete termenul de pstrare
a vinului cu 1 an, iar adugarea a 1% de zahr cu 4 luni. La
suplimentarea concomitent cu ambele substane, termenul de
pstrare se mrete cu 4 ani (de 3 ori mai mult, dect suma
influenelor lor).
Menionm, c aciunea sinergic poate fi att bun (benefic
pentru parametrii sistemului studiat), ct i rea (nedorit).
o Aciunea antagonist influena concomitenta a doi factori este
mai mic, dect influena separat a fiecruia dintre ei.
Exemplu: Alcoolii grai i hidrocarburile extrag bine grsimile. La
anumit proporie a lor procesul de extracie devine foarte greu,
fiindc alcoolul gras n amestec cu hidrocarbura se comport ca
substan tensioactiv, transformnd sistemul n emulsie stabil.
o Aciunea latent se manifest, cnd un al treilea factor se
activeaz datorit altor doi factori. De aceea aciunea latent poate
avea un caracter aparent sinergic sau antagonist.
Exemplu: Colorantul se extrage mai eficient fie la creterea
temperaturii, fie la creterea vitezei de agitare a amestecului
materia prim-solvent. La amplificarea concomitent a valorilor
acestor factori cantitatea colorantului n extract scade contrar
ateptrilor. A fost propus ipoteza, conform creia pierderile
colorantului se datoreaz oxidrii rapide la temperaturi i viteze de
agitare ridicate.
 Fenomenul de interaciune a mai multor factori ngreuneaz
interpretarea corect a influenei acestora, ducnd la efecte care
contrazic cunotine acumulate a priori. Astfel de cazuri prezint un
interes deosebit n cadrul cercetrii, devenind posibil falsificarea
cunotinelor existente i formularea unor ipoteze noi.
 Statistica poate dovedi orice chiar i adevrul
(Noel Moynihan)
2. STATISTIC I PRELUCRAREA DATELOR

n cadrul experimentului planificat de cercetare se efectueaz

dou tipuri de msurri: directe i indirecte.
Msurrile directe ale X sunt efectuate cu un aparat de msur,
destinat special pentru msurarea parametrului respectiv (pH-ul se
msoar cu pH-metrul, timpul cu cronometrul, numrul de colonii -
cu microscopul, umiditatea aerului cu hidrometrul etc).
Msurrile indirecte ale Y reprezint determinrile valorilor
argumentelor (X1 Xn) ale funciei Y = f (X1 Xn), nsoite de
calcule respective. De exemplu, constanta de vitez K poate fi
calculat dup msurarea a 4 variabile: V, , C0 , C , care sunt legate
prin relaie analitic: K = (V / t ) ln (C0 / Ct ) . Erorile msurrilor
indirecte vor fi mai mari n comparaie cu erorile msurrilor
directe, incluznd erorile de msurare i cele de calcul.

2.1 Precizia msurrilor i calculelor. Cifre semnificative

Deseori precizia unor parametri cantitativi se estimeaz folosind

noiunea, rspndit preponderent i... insuportabil de incorect -
numrul cifrelor dup virgul. Vom scrie 3 numere: 456.78;
0.45678103; 4567810-2. Toate acestea sunt egale i la fel de
precise, indiferent de poziia virgulei! Conteaz numrul cifrelor
semnificative, care va depinde de precizia metodei de msurare i a
calculelor.
Cifrele semnificative ncep de la prima cifr, diferit de 0; cifra
0, situat dup o cifr 0, de asemenea este semnificativ.
Exemplu: n 0.056074 prima CS = 5, a treia CS = 0, a cincea = 4.
n procedeele i calculele tehnico-chimice i tehnologice
numrul optim de cifre semnificative este 3 sau 4. Un numr mai
mic de CS va duce la erori considerabile (nu va fi asigurat
respectarea condiiilor de producere i de controlul calitii).
Numrul exagerat de CS este inutil, depind precizia, proprie
domeniului respectiv de producere/cercetare.
Exemplu: La 10.0 kg de aluat se vor aduga, dup calcule,
2.4158g de colorant alimentar. ns, deoarece masa aluatului se
msoar cu precizia de 3 cifre semnificative, a patra i a cincea cifre
semnificative din masa colorantului i pierd importana: masa
colorantului se rotunjete la 2.42g. Dispare necesitatea utilizrii
balanei analitice.
Numrul CS, cu care vor fi indicate rezultatele finale, va
depinde de precizia a priori a metodei i de eroarea experimentului.

2.1.1 Algoritmul rotunjirii valorilor medii

1. Ultima CS lsat rmne neschimbat, dac prima cifra din

cele aruncate este 0, 1, 2, 3, 4. Exemplu:
4 CS
23.04499 23.04 ;
2. Ultima CS lsat se mrete cu 1, dac prima cifra din cele
aruncate este 5 cu ceva, 6, 7, 8, i 9. Exemplu:
3 CS
3.005001 3.01 ;
3. Dac dup ultima CS lsat urmeaz un 5 pur, atunci:
ultima CS par se las neschimbat; ultima CS lsat impar se
mrete cu 1.
Exemple: 654.05 4 CS
102 4 CS 8.138 102 .
654.0 ; 8.1375

2.2 Sursele erorilor experimentale

Erorile msurrilor se clasific n urmtoarele grupe:

o sistematice, caracteristice metodei de msurare utilizate;
o instrumentale, generate de un anumit aparat de msur;
o aleatoare, datorate fluctuaiilor factorilor de intrare;
o grosolane umane, comise din cauza oboselii, neateniei sau
neglijenei experimentatorului;
o grosolane instrumentale, datorate defeciunii instrumentului.
Erorile sistematice, pe care le vom nota cu XS , se repet de la
o msurare la alt. Aceste erori se datoreaz n cele mai dese cazuri
dereglajului constant al instrumentului sau imperfeciunii metodei
de msurare. Erorile sistematice instrumentale pot fi eliminate uor,
dac se cunoate valoarea dereglajului. De exemplu, dac un
termometru arat pentru amestec ap-ghea temperatura +2C, vom
scdea 2C din indicaiile acestui termometru n alte condiii, la alte
temperaturi.
Erorile aleatoare (ntmpltoare, imprevizibile) variaz spontan
de la o msurare la alt, avnd totodat i semne diferite. Aceste
erori nu pot fi eliminate i prezint cauza principal a dispersiei
rezultatului.

Dispersia (mprtierea) valorii parametrului msurat reflect

lipsa reproductibilitii rezultatelor msurrilor repetate

Este imposibil ca erorile aleatoare s fie eliminate complet. De

aceea, aceste erori inevitabile trebuie s fie luate n consideraie la
prelucrarea statistic i prezentarea rezultatului.
Erorile grosolane, mai denumite i eecul msurrii, trebuie s
fie excluse din calculele respective ale valorilor medii i ale
deviaiilor standard.

2.2.1 Noiuni din teoria erorilor

Valoarea adevrat sau ideal a parametrului msurat, notat

XA , este valoarea obiectiv, care nu depinde nici de particularitile
instrumentului de msur, nici de factorul uman. Valoarea adevrat
se consider cunoscut, dac ea reprezint un punct de referin
absolut sau stabilit prin definiie. Valorile 0, 100C (punctele de
topire i de fierbere a apei), 0.000V (potenialul redox standard al
electrodului de hidrogen) i multe altele, stabilite prin definiie, pot
fi considerate drept valori adevrate (ideale). ns, msurarea
temperaturii, potenialului redox sau pH-ului unui sistem alimentar
real necesit estimarea erorilor.
Eroarea absolut, DX , reprezint modulul diferenei ntre
valoarea medie msurat, X m , i cea adevrat, X A :
 DX = X - X A (2.1).
Eroarea relativ i eroarea relativ procentual :
DX DX
e= (2.2); e% =
100% (2.3).
XA XA

ns, deoarece de multe ori valoarea adevrat X A nu este

cunoscut, aceasta va fi nlocuit cu valoarea medie msurat X :
DX DX
e= (2.4); e% =
100% (2.5).
Xm Xm
Nivelul de ncredere, P, reprezint probabilitatea determinrii
valorii adevrate a parametrului msurat. De exemplu, P = 0.99
corespunde probabilitii de 99% de determinare corect a valorii
adevrate. n unele surse bibliografice prin termenul nivelul de
ncredere se substituie un alt parametru statistic, de fapt,
complementar valorii P, care se va numi corect nivelul de
nencredere (incertitudine). Acesta se noteaz prin q i este egal cu
probabilitatea determinrii greite a X A . Certitudinea P = 0.99
(99%) corespunde cu nivelul de nencredere q = 0.01 ( 1% ):
P + q = 1 (sau 100%) (2.6).
Intervalul de ncredere prezint coordonatele limitelor, n care
este cuprins (cu probabilitatea P) valoarea adevrat a parametrului
msurat. Acest interval are dou formalizri echivalente:
X A = X DX (2.7), sau X A ( X - DX ; X + DX ) (2.8).
De exemplu, expresia: pH = 3.51 0.03 este echivalent cu
expresia pH (3.48; 3.54); ambele nseamn, c valoarea adevrat
a pH este cuprins ntre valorile 3.48 i 3.54. n acest caz, dup
(2.4), eroarea relativ = 0.03/3.51 = 0.009, iar dup (2.5), eroarea
procentual % = 0.9%.
2.2.2 Distribuia normal a erorilor
Fie c se realizeaz un numr m de msurri directe repetate ale
parametrului Xm , m (1; m). n acest caz valorile msurate ale Xm
vor devia de la valoarea adevrat XA, datorit erorilor aleatoare.
Este firesc (normal), c frecvena abaterilor mici a Xm de la XA este
mai nalt, dect frecvena abaterilor mari. Prin W vom nota
probabilitatea nregistrrii unui rezultat Xm din m msurri repetate
(paralele). n analiza statistic astfel de distribuie se numete
normal. Graficul ei reprezint o haussian.
W XS

a b
XGr
XS

XE X - DX X A X * X X X + DX
intervalul de ncredere
Fig.2.1 Clar despre erori -

n figura 2.1 sunt reprezentate schematic corelaiile ntre unele

tipuri de variabile, erorile i curbele de distribuie ale erorilor:
X A - valoarea adevrat a parametrului msurat;
X - valoarea medie din m msurri paralele;
X - valoarea medie din infinitul de msurri repetate;
DX S = ( X - X A ) - eroarea sistematic, care are un semn
determinat, + sau -, spre deosebire de semnul altor erori, ;
X E - eecul experimentului; genereaz eroarea grosolan DX Gr ;
X * = X - DX S : media corectat, care este mai apropiat de
*
valoarea adevrat X A , dect X . Ea poate fi determinat doar n
cazul, dac se cunoate valoarea DX S ;
a curba distribuiei ideale a valorilor X (n lipsa erorii
sistematice, sau n lipsa informaiei despre aceast);
b curba distribuiei valorilor X n cazul cunoaterii valorii i
semnului erorii sistematice DX S .

2.2.3 Rotunjirea corect a erorilor

Rotunjirea erorilor impune respectarea unor reguli speciale,

care difer de regulile utilizate pentru rotunjirea mediilor. Diferite
ediii tiinifice periodice cer respectarea a cel puin 2 variante de
rotunjire ale erorilor: clasic i modern (simplificat).
Varianta clasic de rotunjire se bazeaz pe axioma, c precizia cu
care se rotunjete eroarea, va fi determinat de valoarea primei cifre
semnificative a erorii:
1. Dac prima CS n eroare este 1 sau 2, eroarea se prezint cu
precizia de dou CS; dac prima CS n eroare este 39, atunci
eroarea se prezint cu precizia de o singur CS.
0.1752 0.18 ; 7.824 8 ; 0.02461 0.025 ; 774 8
102
Varianta simplificat: Eroarea se prezint cu precizia de dou CS,
indiferent de valoarea primei CS.
0.1328 0.14 ; 7.353 7.4 ; 0.02403 0.025 ; 502 5.1 102
2. n eroare ultima CS lsat se mrete cu o unitate, dac dup
ea urmeaz orice combinaie a cifrelor semnificative.
0.342 0.35 ; 7.802 7.9 ; 246.1 2.5
102 ; 774 7.8
102
3. La reprezentarea final a rezultatului, ultimele CS din medie
vor avea acelai ordin, ca i ultimele cifre semnificative ale
erorii.

Pentru unele constante, determinate cu precizie mai mare de 4

CS, modul de reprezentare a erorii are un aspect special: CS ale
erorii se prezint n paranteze rotunde ndat dup valoarea mediei.
Exemplu: n loc de 53.48673 0.00028 vom scrie 53.48673(28).
Exemple:
incorect: corect:
x = 34.0 0.56 mm x = 34.0 0.6 mm
pK = 4.537 0.1432 pK = 4.54 0.15
n = 756.431 34.4 n = 756 35
t = 345.356 1.534 0C t = 345.4 1.6 0C
m = (1,9889 0,00024)1030kg m = (1,9889 0,0003)1030kg
zp = (1.60218920.0000046)10-19 zp = 1.6021892(46)10-19 Cl

2.3 Calcularea erorilor msurrilor directe

Msurarea direct este determinarea valorii parametrului

msurat cu ajutorul unui instrument special cu scar analogic sau
digital. Msurrile directe nu necesit calcule suplimentare
matematice, care se refer la valoarea parametrului, ns, vor suferi
prelucrarea statistic corespunztoare pentru a afla intervalul de
ncredere.
Deviaia standard a eantionului de date, s m -1 , reprezint
rdcina ptrat din dispersia eantionului de date ( s m -1 ); m este
2

numrul datelor n eantionul de date aleatoare:

1 m
s m -1 = ( X k - X )2
m - 1 k =1
(2.9).

Deviaia standard a totalitii de date, s m (rdcina ptrat din

dispersia general de date, s m ) se va calcula cu o formul
2

asemntoare, n care m este numrul datelor n totalitatea de date:

1 m
sm = ( X k - X )2
m k =1
(2.10).

Eroarea determinrii, X, se va calcula folosind formula:

DX eantion = s m-1
TSt ( f , q ) (2.11),
n care TSt(f, q) este coeficientul Student pentru numrul gradelor de
libertate f i incertitudine q (vezi i Anexa 1).

Cele mai utilizate valori ale ponderii statistice P i incertitudinii

q, sunt, respectiv: P(q) = 0.99(0.01); 0.95(0.05); 0.9(0.1).
Exemplu: Pentru nivelul de ncredere P = 0.95 (q = 0.05), i
numrul datelor aleatoare n eantion m = 3, numrul gradelor de
libertate f = 3 - 1 = 2. Din Anexa 1, sau folosind procedura
respectiv Excel din Anexa 3, determinm, c TSt (0.05, 2) = 4.30.
Deviaia medie a determinrii mediei, s X :

1 m
sm s
sX =
m(m - 1) k =1
( X k - X )2 =
m -1
= m -1
m
(2.12).

Eroarea medie a determinrii mediei, DX :

DX = s X
TSt (q,f ) . (2.13).

2.3.1 Algoritmul calculrii erorilor msurrilor directe

1. Se calculeaz media provizorie din m experiene repetate:

1 m
X m* = X k (2.14).
m k =1
2. n caz de necesitate se elimin eecul experimentului, care
provoac eroarea grosolan:
DX Gr = X - X k max (2.15).
3. Se recalculeaz m i X , deviaia standard s m -1 sau s m .
4. Dac este cunoscut valoarea erorii sistematice DX S , se
recalculeaz media prin iteraie: X m = X m - DX S .
*

5. Se determin eroarea absolut: DX = s m -1 TSt (q,f ) pentru un

eantion de date, sau s m , s X , i DX pentru mulimea de date.
6. Se rotunjesc valorile DX sau DX dup regulile din 2.2.3,
apoi valoarea medie X dup 2.1.1. Dup rotunjire ultimele CS
n eroare i n medie vor fi de acelai ordin.
7. Se reprezint rezultatul final n forma: X = X DX pentru
eantionul de date sau X = X DX pentru mulimea de date.
Fie c a fost nregistrat un ir de date, alctuit din 13 msurri
experimentale directe. Acest ir se va numi totalitatea (general) de
date. Calculm valorile respective cu ajutorul calculatorului
tiinific sau prin intermediul procedurilor respective Excel, lista
selectiv ale crora este prezentat n Anexa 3.
Tabelul 2.1 Analiz a datelor cu eliminarea eecului -
Date
754 746 739 747 765 713 751 768 778 756 749 779 757
*
Media provizorie X m = 754
0 8 15 7 11 41 3 5 24 2 14 25 3
X -X k Abateri Abateri
acceptate Abaterea cea mai mare acceptate
Date Date Eecul experimentului Date
preluc- normale normale
rate 754 746 739 747 765 713 751 768 778 756 749 779 757
Media corectat X = 757.42 s m =12.12 s X = 3.65
Eroarea determinrii mediei: DX = s X
TSt (0.05,11) = 3.65 2.20 = 8.03
Forma final de prezentare a valorii medii: X = 757.4 8.1
Din cele 12 msurri, rmase dup cenzurarea eecului, pot fi
extrase la ntmplare cteva cifre, acestea formnd eantionul de
date aleatoare, sau mai multe astfel de eantioane. Aici am extras 4
eantioane a cte 3 date, numrul variantelor fiind mai mare.
Tabelul 2.2 Exemple de extracie a eantioanelor de date aleatoare
N X1 X 2 X 3 XN s m -1 DX N X N = X N DX N
1 754 765 757 758.67 5.69 24.46 X1 = 759 25
2 746 751 778 758.33 17.21 74.00 X2 =758 74
3 739 768 749 752.00 14.73 63.34 X3 = 752 64
4 747 756 779 760.67 16.50 70.96 X4 = 761 71
 Toate valorile XN din Tabelul 2.3 se ncadreaz n limitele
intervalului de ncredere, calculat pentru mulimea general de date
(Tabelul 2.2). De asemenea, valorile XN sunt cu mult mai mari
dect valoarea DX , calculat pentru mulimea general de date.
Aadar, numrul mai mare de repetri micoreaz eroarea
determinrii parametrului msurat.

2.4 Erorile instrumentale

Erorile instrumentale, Xinst., apar din cauza imperfeciunii

construciei aparatului de msur i datorit factorului uman,
manifestat prin experiena, atenia i srguina a operatorului (sau
prin lipsa acestora).
Clasa de precizie a aparatului, , reflect perfeciunea
aparatului i corectitudinea scrii lui. Clasa de precizie este numeric
egal cu eroarea procentual de determinare a valorii X n
diapazonul scrii aparatului de msur, Xmin Xmax :
DX inst.
g=
100% (2.16).
X max - X min
Exemplu: O pipet cotat Mohr cu volum de 25mL are clasa de
precizie = 2%. Determinai intervalul de ncredere p/u volumul ei.
Rezolvare: n cazul de fa Vmax = 25, Vmin = 0. Folosind Formula
2.16, aflm, c Vinst. = 0.5mL. V = 25.0 0.5mL.
Exemplu: O pipet gradat cu volum de 10ml i valoarea diviziunii
0.1ml are clasa de precizie = 0.5%. Calculai eroarea procentual
de determinare a volumului V = 2.0ml, folosind aceast pipet.
Rezolvare: Transformm formula (2.16) pentru a determina Vinst.:
g
(Vmax - Vmin ) 0.5% (10.0 - 0.0)mL
DVinst . = = = 0.05mL
100% 100%
Aceast eroare va fi valabil n tot domeniul de lucru al pipetei.
Eroarea procentual de determinare a volumului arbitrar (n alt
regiune a scrii) se va calcula cu ajutorul Formulei 2.5:
 DVinst . 0.05
e% = 100% =
100% = 2.5%

V 2.00
Deseori se ntmpl, c clasa de precizie a aparatului nu este
cunoscut (a fost pierdut documentaia, s-au ters inscripiile
respective etc.). n aceste cazuri se consider, c eroarea
instrumental poate fi apreciat dup scara aparatului, sau
determinat experimental.
Eroarea absolut a scrii, Xscara , se determin ca 1/2 sau 1/3 din
valoarea diviziunii VD a aparatului:
1 1
DX scara = VD (2.17), sau DX scara = VD (2.18).
2 3
Coeficientul 1/3 se folosete n cazul unei diviziuni analoage mari,
dac acul sau meniscul indicatorului se vede clar ntre diviziuni.
Pentru un aparat digital coeficientul respectiv este egal cu .
Pentru un eantion din m msurri paralele (repetate) a unei
mrimi, eroarea instrumental se va calcula din formula:
DX inst . = ( DX eantion ) 2 + (DX scara ) 2 (2.19),
n care Xeantion se calculeaz dup formula (2.11).
Exemplu: Temperatur dintr-o ncpere a fost
msurat din 20 n 20 de minute cu un termometru
(desen), timp de 2 ore. Calculai valoarea intervalului
de ncredere la determinarea t, efectund calcule n
baza eantionului din 4 date aleatoare pentru P = 0.95.
, min 0 20 40 60 80 100 120
t, 0C 21 22 22 21 22 21 22
Rezolvare: Alegem un oricare set din 4 date aleatoare
i calculm t i s 4-1 , folosind procedurile respective
din Excel, sau un calculator tiinific: t = 21.5, s 4-1 =
0.577. Din Anexa 1, TSt(0.05, 3) = 3.18. Atunci:
Dteantion = s 4-1
TSt (0.05,3) = 0.577 3.18 = 1.84.
Valoarea diviziunii, VD = 20C. Respectiv, Dt scara = 0.667 0C.
Dtinst . = (Dteantion )2 + (Dt scara )2 = 1.842 + 0.667 2 = 1.96 2.0
t = t Dtinst . = 21.5 2.0
Regula a trei sigme. Deseori msurrile multiple nu se fac
datorit necesitii (sau sub pretextul) economisirii timpului. Atunci
eroarea instrumental poate fi apreciat cu ajutorul regulii a 3,
care permite aprecierea erorii n cazul unei singure determinri:
n lipsa erorii sistematice valoarea parametrului msurat XA este
cuprins n intervalul X 3s cu probabilitatea P > 99.7%
Exemplu: La cntrirea aceleiai probe cu balan digital,
(VD = 0.01g), o valoare numeric a masei se repet de 2 ori, iar o
alt valoare o dat, diferena ntre ele fiind egal cu VD. De pild:
m = 34.55; 34.56; 34.55. Determinai eroarea instrumental a
aparatului dup regula a trei sigme.
Rezolvare: Din (2.9) calculm, c s 3-1 = 0.0057735. Dup
regula a 3, m = 3 s 3-1 = 3 0.0057735 = 0.0174 0.018.
Aadar, pentru aprecierea erorii va fi suficient o singur experien
cu determinarea masei m, iar valoarea m va fi cunoscut din
multiple experiene anterioare. Figura 2.2 ilustreaz, c valoarea
adevrat a masei, mA' sau mA'', se ncadreaz n intervalul de
ncredere, format dup regula a 3. Ba chiar i eroarea scrii
instrumentului, egal cu 1/2 VD, intr n acest interval.
Dmscara Dmscara

34.53 34.54 34.55 34.56 34.57 34.58 34.59

m - 3s m A' m m A'' m + 3s

intervalul de ncredere

Fig.2.2 Ilustrarea grafic a regulii de 3-

2.5 Determinarea erorilor msurrilor indirecte

Msurarea indirect reprezint, de fapt, calcularea valorii

funciei Y = f(X1, X2, , Xn), n care X1, X2, , Xn sunt argumente,
determinate cu anumit precizie, respectiv, cu oarecare eroare.
Aadar, eroarea msurrii indirecte va fi datorat att erorilor
determinrii tuturor argumentelor funciei, ct i erorilor, generate
de legturile dintre argumentele X1, X2, , Xn n ecuaia respectiv.

2.5.1 Estimarea erorii msurrii indirecte prin erorile relative

n primul rnd, se precizeaz valorile ( X 1 DX 1 ) ( X n DX n )

i se calculeaz valoarea Y . Apoi se va utiliza formula:
2 2 2
DY DX DX DX
= 1 + 2 + ... + n (2.20).
Y X 1 X 2 X n
Exemplu: Se pregtete o soluie standard de acid sulfuric din fiola
cu fixanal, care conine 0.1000 0.0005 echivaleni ai H2SO4.
Coninutul fiolei se trece cantitativ ntr-un balon cotat cu volumul de
1 litru i clasa de precizie 1.0. Calculai intervalul de ncredere
pentru determinarea concentraiei normale.
Rezolvare: Calculm concentraia normal a acidului, fr a ine
cont de erorile respective (substituind valorile medii ale ech. i V:
n ech. 0.1000echiv.
CN = = = 0.1000ech. / l .
V 1L
Dup definiia clasei de precizie, sau din analiza Formulelor 2.4 i
2.5 rezult, c DV / V = 0.01 , Dn ech. / n ech.= 0.0005/0.1000 = 0.005.
Exprimm i calculm CN/CN cu ajutorul Formulei 2.20:
2 2
DC N Dn ech. DV
= + = 0.005 + 0.01 = 0.0112
2 2

CN n ech . V
 DCN = C N
0.0112 = 0.1
0.0102 = 0.00112 0.0012

DC N = 0.1000 0.0012ech. / l .
2.5.2 Calcularea erorii msurrii indirecte prin difereniere
Aceast metoda este mai precis i permite minimizarea erorii
n comparaie cu metoda, descris n 2.5.1. Din funcia Y = f(X1,
X2, , Xn) se deduce i se rezolv ecuaia de tipul:
2 2 2
Y Y Y
DY = DX 1 + DX 2 + ... + DX n (2.21) ,

X1 X2
Xn
Y Y Y
n care: , ,..., sunt derivatele pariale ale funciei Y
X1 X2
Xn
dup X, DX 1 , DX 2 ,..., DX n sunt erorile determinrii parametrilor
X 1 , X 2 ,..., X n .
Derivatele pariale se calculeaz, de exemplu, n felul urmtor:
P P
Pentru funcie: P = RT 2 , derivatele pariale: = T 2, = 2 RT .
R T
(Formulele principale de difereniere consultai-le n Anexa 5).

Exemplu: Proba de baz cu volum de 10ml, luat cu o pipet cu

clasa de precizie = 1, a fost titrat cu soluie de acid clorhidric,
CA = 0.1065 0.0016ech/l. Volumul acidului, consumat la titrare, a
fost egal cu 11.7ml, fiind determinat cu biureta cu valoarea
diviziunii 0.1ml. Titrarea a fost repetat de 3 ori, de fiecare dat
obinndu-se aceleai rezultate. Calculai eroarea determinrii
concentraiei de baz.
Rezolvare:
1. Concentraia bazei se determin din formula:
CV 0.1065ech. / L 11.7ml
CB = A A = = 0.1246ech. / l ,
VB 10ml
respectiv, CB = f(CA, VA, VB). Determinm CA , VA i VB :
o din condiiile problemei, CA = 0.0016ech./l;
o pentru VA utilizm formula (2.19). Deoarece 3 titrri au dat
acelai rezultat, VA, eantion = 0; VA, scara = 1/3VD = 1/3 0.1 = 0.034.

DVA = (0)2 + (0.34) 2 = 0.034

o din Formula 13, VB = 0.1ml.
2. Exprimm i calculm derivatele pariale pentru CB =
f(CA,VA,VB):

CB VA 11.70
CB C A 0.1065
= = = 1.1700; = = = 0.01065

C A VB 10.00 VA VB 10.00

CB CV 0.1065 11.70
= - A 2A = - = - 0.01246 .
VB VB 10.002

Folosim formula (2.21) pentru determinarea DCB :

2 2 2

C C C
DCB = B DC A + B DVA + B DVB

CA VA VB

( 1.17
0.0016 ) + ( 0.01065
0.034 ) + ( 0.01246
0.10 )
2 2 2
DCB =

10-6 + 0.126
DCB = 3.50 10-6 + 1.55
10-6 = 0.00228

CB = CB DCB = 0.1246 0.0023ech / l .

3. EXPERIMENTUL ACTIV

Spre deosebire de un experiment pasiv, experimentul activ

presupune interaciunea ntre cercettor i obiectul cercetrii i are
un scop bine definit, pentru realizarea cruia experimentatorul
dirijeaz valorile factorilor de influena i nregistreaz rspunsurile.
Rspunsul (parametrul de ieire, replica) sistemului exprim
cantitativ efectul factorilor de influen asupra strii sistemului.
Replica se noteaz de obicei prin Y.
Sistemul factorial de coordonate este un sistem (j+1)-
dimensional de coordonate, generat de j factori de influen, plus de
replica sistemului.
Suprafaa de replic este totalitatea valorilor replicii sistemului,
generat de funcie Y = f (X1, X2, X3, ..., Xj), n care X1...Xj sunt
factorii de influen.
Exemplu: Fie c factorii de Y, mg/mL
influen (de intrare) sunt
concentraia eluantului organic
(X1) i temperatura (X2). Replica
este concentraia substanei
X1, %
biologic active n eluat (Y).
Respectiv, suprafaa replicii,
X2,C
generat de funcia Y = f(X1, X2),
va fi descris n spaiul Fig.3.1 Suprafa de replic
tridimensional de coordonate, n
cadrul creia zona haurat reprezint maximumul replicii -
valoarea maximal a replicii sistemului. Determinarea maximumului
suprafeei de replic, cruia i corespund valorile optime ale
factorilor de influen, reprezint obiectivul-cadru standard n
metoda realizrii experimentului activ.
Deducerea expresiei analitice a funciei Y = f(X1, X2, ..., Xj) este
o form finit de realizare a acestui obiectiv. Este ns o problema
deloc uoar, ndeosebi pentru suprafeele de rspuns, generate de
mai muli factori de influen (vezi 1.4.2). Pentru a calcula valorile
replicii Y n ntregul spaiu factorial, va fi nevoie de un numr infinit
de experiene.
Pentru un numr redus de experiene, rezultatele satisfctoare
se vor obine dac valorile optime ale factorilor de intrare vor fi
determinate cu precizie, suficient pentru a se ncadra n zona
apropiat maximumului sau minimumului suprafeei de replic.
Aceast zon mai poart denumirea de zona aproape staionar
sau zona cu replica optimal.

3.1 Experimentul Factorial Complet (EFC)

Spaiul factorial conine un numr infinit de coordonate, la fel i

suprafaa real de replic este compus dintr-un numr infinit de
puncte. Prin urmare, pentru stabilirea formei ei reale sunt necesare
de experiene, ceea ce este imposibil. n realitate este nevoie a
micora numrul de experiene, fr a pierde substanial din precizia
determinrilor, reproductibilitatea rezultatelor i corectitudinea
interpretrilor.
Experimentul Factorial Complet (EFC) presupune cercetarea
influenei factorilor independeni, stabilirea interaciunilor lor i
elaborarea unui model matematic al sistemului, numit ecuaie de
regresie. Metoda EFC este foarte informativ i econom, avnd
urmtoarele avantaje n comparaie cu metodele clasice:
o asigur cercetarea concomitent a influenei mai multor factori;
o permite aprecierea cantitativ a interaciunii dintre factori;
o reduce substanial numrul de experiene faa de metodele
tradiionale;
o apreciaz reproductibilitatea i validitatea statistic a
rezultatelor.
n metoda Experimentuli Factorial Complet se postuleaz, c
spaiul factorial real cu numr infinit de puncte poate fi substituit cu
o matrice finit, discret, care reflect suficient de precis forma
suprafeei de replic n intervalul ales al spaiului factorial. Vom
demonstra aceast afirmaie cu dou exemple.
 Y

-1; -1 +1; -1
X1
-1; +1 +1; +1
X2
Fig.3.2 Replica n 2D Fig.3.3 Replica ( ) n 3D

A fost obinut un numr restrns de date experimentale (replici,

Y) pentru anumite valori ale factorului de ntrare x (fig. 3.2). Aceste
date pot genera o linie neted, care va corespunde cu suprafaa
aparent de replic n spaiul bidimensional. Aproximaia liniar
simplific i generalizeaz forma suprafeei de replic, permite
interpretarea funciei y = f(x) i contribuie la diminuarea erorilor
experimentale. n figura 3.3, spaiul haurat ( ) reprezint
imaginea fragmentului suprafeei de replic n spaiul tridimensional
(3D). Prin analogie aceste exemple pot fi extrapolate i la sisteme cu
mai muli factori de influien, pentru care este greu sau chiar
imposibil de a imagina reprezentarea potrivit n spaiul 2D.

3.1.1 ntocmirea matricelor de planificare a

experimentului binivelar

n cadrul EFC numrul seturilor unice ale valorilor variabilelor

de intrare, aa-zis numrul de rnduri, se va calcula prin formula:
N = Lj (3.1).
unde: L este numrul de nivele, iar j numrul factorilor generatori.
n majoritatea cazurilor L = 2 i experimentul se numete binivelar.
Intervalul de variere ( Xj ) a factorului de influena este
intervalul ntre nivelul minim (Xj,min sau Xj(-)) i maxim (Xj,max sau
Xj(+)) al factorului de influen cu numrul j(1; j):
Xj = Xj(+) - Xj(-) (3.2).
 Matricea de planificare prezint formalizarea matematic a
planului experimentului. ntocmirea matricei EFC include
urmtoarele etape:
A. Prin analiza informaiei a priori se aleg j factori, influena
crora va fi cercetat i se codific prin X1 ..... Xj. Aceti factori
se vor numi factori de influena direct sau generatori de
matrice; se calculeaz numrul necesar de linii N (3.1).
B. Se prestabilesc valorile Xj,min i Xj,max, respectiv, a
intervalului de variere a fiecrui factor de influen, Xj ,
folosind algoritmul intuitiv, numit regulile de alegere a
intervalului:
1. Dac nivelul informaiei a priori este nalt, adic, dac
despre influena factorului respectiv se cunoate mult, Xj va
fi relativ mic i va cuprinde n el valoarea a priori cunoscut
a lui Xj,optim .
2. Dac informaia a priori este insuficient sau controversat,
se alege un interval Xj mare, iar valoarea presupus
(intuit) a lui Xj,optim se va afla n interiorul intervalului Xj .
3. n cazul lipsei informaiei a priori, Xj va fi ct mai posibil
de mare, concomitent, situat departe de valoarea ipotetic
(intuit de cercettor) a Xj,optim.
C. Valorile Xj(-) i Xj(+) se codific prin -1, +1, sau prin (-),
(+). Se ntocmete o matrice din N rnduri, care va cuprinde
toate combinaiile generatorilor de matrice n forma codificat.
Se calculeaz valorile codurilor factorilor de interaciune.
Exemplu: Se determin umiditatea produsului finit n funcie de
urmtorii factori: temperatura de coacere, durata de coacere, i
concentraia unui agent nou de texturare n aluat. Este cunoscut, c
pentru coacere toptim 190, durata 40...70min. Influena
agentului nou de texturare nu a fost cercetat. Texturanii manifest
rezultatele bune la concentraii de cca 2%. S se ntocmeasc
matrice de planificare EFC.
Rezolvare:
A. Codificm factorii de influen: temperatura (X1), durata
(X2), concentraia agentului de texturare (X 3). Numrul de
experiene, realizate n cadrul EFC 23 va fi egal cu: N = 23 = 8.
B. Aplicm regulile de alegere a intervalului:
1. Influena factorului X1 este a priori cunoscut. n acest caz
X1 va fi mic i va cuprinde n el valoarea cunoscut a lui
X1,optim = 190C. De ex., X1,min = 185C, X1,max=195C.
2. Informaiile despre influena factorului X2 sunt diferite i
merit a fi precizate. Din intervalul cunoscut 40...70 minute
intuim valoarea optim a X2,optim 60min. Respectiv, X2,- =
50min, iar X2,+ = 70min.
3. Cazul corespunde Regulii 3. Valoarea intuit a X3,optim = 2%.
Intervalul trebuie s fie mare i situat la distan bun de la
X3,optim. Se propune X3,- = 0.1%, X3,+ = 0.5% de texturant.
Tabelul 3.1 Codificarea factorilor de influen
Co
Factor () X (centru) (+) Xj
d
Temperatura, C X1 185 190 195 10
Durata, min X2 50 60 70 20
C(texturant), % X3 0.1 0.3 0.5 0.4

C. Elementele secundare ale Tabelul 3.2 Planificare EFC 23

matricei, adic, factorii de Factori generatori de interaciune
interaciune, se obin prin N X1 X2 X3 X12 X13 X23 X123
nmulirea codurilor factori- 1 + + + + + + +
lor-generatori respectivi. De 2 + + - + - - -
exemplu, pentru N = 3: 3 + - + - + - -
X 123 = X1X2 = +1 1 = 1 4 + - - - - + +
5 - + + - - + -
Unitile pot fi omise. De 6 - + - - + - +
exemplu, pentru N = 6: 7 - - + + - - +
8 - - - + + + -
 6
X 123 = + = +.
Matricea de planificare n vari- Tabelul 3.3 Matrice de planificare
abile codificate este necesar EFC 23 n coordonate reale
pentru interpretarea ulterioar Factori-generatori
N
a datelor i, n cele din urm, t, C , min C, %
elaborarea modelului. Pentru 1 + 195 + 70 + 0.5
2 + 195 + 70 - 0.1
realizarea experimentului va fi
3 + 195 - 50 + 0.5
util matricea de planificare n 4 + 195 - 50 - 0.1
coordonatele reale (Tabelul 5 - 185 + 70 + 0.5
3.3). Acest lucru se face prin 6 - 185 + 70 - 0.1
substituia valorilor codificate 7 - 185 - 50 + 0.5
ale factorilor generatori X1, X2, 8 - 185 - 50 - 0.1
X3 din Tabelul 6 cu valorile lor reale din Tabelul 5. Dup cum se
observ, planul real al experimentului conine 8 experiene, n cadrul
crora niciodat nu se repet acelai set de valori al factorilor
generatori de matrice i de interaciune.
Menionm, c matricea cu 3 factori-generatori (Tabelul 3.2) se
utilizeaz cel mai frecvent, astfel asigurnd cercetarea ampl a
sistemului (influena a 3 factori independeni i aporturilor
interaciunilor lor, la un numr relativ mic de experiene.
Elaborarea matricelor n variabile codificate necesit
respectarea urmtoarelor reguli:
o Numrul semnelor + i n coloan va fi egal.
o Semnele respective se vor aranja simetric n semicoloane.
o Dac matricea este ntocmit corect, va exista un rnd cu toate
semne identice, i N-1 rnduri cu acelai raport al semnelor
opuse; numrul semnelor + va coincide cu numrul de .
Aplicarea acestor reguli aduce la mai multe variante echivalente
ale matricelor de codificare. Astfel, pentru EFC 22 vor fi posibile 12
variante de matrice, dintre care prezentm doar 4 (Tabelul 3.4):
Tabelul 3.4 Planificare a EFC 22 (binivelar bifactorial)
X X I X
X X I X X X X I X X X
I 1 1 I 1
1 2 I 1 2 V 1 2 12
2 2 I 1 2 2
1 + + + 1 + - - 1 - + - 1 - - +
2 + - - 2 + + + 2 - - + 2 - + -
 3 - + - 3 - - + 3 + + + 3 + - -
4 - - + 4 - + - 4 + - - 4 + + +
Tabelul 3.5 Matrice complet de planificare a EFC 24
Factorii de interaciune
Factori-generatori
N dubl, Xjk tripl, Xjkl Xjklm
X0 X1 X2 X3 X4 X12 X13 X14 X23 X24 X34 X123 X124 X134 X234 X1234
1 + + + + + + + + + + + + + + + +
2 + + + + - + + - + - - + - - - -
3 + + + - + + - + - + - - + - - -
4 + + + - - + - - - - + - - + + +
5 + + - + + - + + - - + - - + - -
6 + + - + - - + - - + - - + - + +
7 + + - - + - - + + - - + - - + +
8 + + - - - - - - + + + + + + - -
9 + - + + + - - - + + + - - - + -
10 + - + + - - - + + - - - + + - +
11 + - + - + - + - - + - + - + - +
12 + - + - - - + + - - + + + - + -
13 + - - + + + - - - - + + + - - +
14 + - - + - + - + - + - + - + + -
15 + - - - + + + - + - - - + + + -
16 + - - - - + + + + + + - - - - +

Tabelul 3.5 demonstreaz, c matricea de planificare EFC 24

scindeaz n dou matrice EFC 23, sau n 4 matrice EFC 22.
Respectiv, planul EFC 22 este semireplica planului EFC 23 i
replicii planului EFC 24. n caz general, pentru j factori:
1 1
EFC 2 j = EFC 2 j +1 = EFC 2 j + 2 (3.3).
2 4
Existena variantelor echivalente de planificare i a
semireplicilor ofer cercettorului unele posibiliti importante, i
anume: de corectare a planului (inversiunea semnelor + n )
sau de adugare n plan a unui alt factor de influen, fr repetarea
experienelor deja efectuate.
3.1.2 Ecuaii de regresie

Ecuaia de regresie este expresia analitic a funciei: Y =

f(X1...Xi), respectiv, replica = f (factori de influen), adic,
reprezint un polinom care descrie suprafaa de rspuns n spaiul
imaginar (j+1)-dimensional:
j j j j j
Y = b 0 X 0 +bi X i +b ii X 2 +b ik X ik +b iii X 3+ ... (3.4),
i =1 i =1 i =1 k =1 i =1

n care:
o Y rspunsul (replica) sistemului;
o 0 valoarea replicii sistemului n centrul experimentului X j
, coordonatele cruia corespund centrelor intervalelor de variere
DX j ( situat n punctul , figura 3.3):

X j (-) + X j (+ )
Xj = (3.5);
2
o 1 ... i coeficienii de influena ai factorilor de intrare;
o X1 ... Xi factorii de influen n form codificat;
o jj pe lng Xj2 coeficieni de influena ptratic a factorilor
respectiv Xj;
o jk pe lng Xjk coeficieni de interaciunea factorilor Xj i Xk;
Polinomul (3.4) se va simplifica substanial prin neglijarea
coeficienilor exponeniali: ptratici, cubici etc. Astfel se obine
modelul numit ecuaia de regresie n aproximaia liniar:
j j k j k l
Y = b 0 X 0 +b j X j +b jk X jk +b jkl X jkl + ... (3.6).
1 1 1 1 1 1

Factorul X j , fiind o mrime constant, va avea valoarea +1 n

variabile codificate, de aceea uneori se omite n ecuaii de regresie.
 Trebuie menionat, c n timp ce interaciunea a doi factori se
manifest destul de frecvent, interaciunea a trei factori se observ
mai rar. Probabilitatea interaciunii n ansamblurile, alctuite de mai
muli factori (Xjkl, Xjklm) este redus, coeficienii respectivi jkl, jklm
sunt nesemnificativi. Acest lucru permite a extinde posibilitile
metodei, substituind ansamblurile inactive de factori cu unii factori
generatori noi, trecnd astfel la metoda EFF (vezi 3.2).
Cea mai simpl ecuaie de regresie, care rezult din formulele
generale (3.4) i (3.6), este ecuaia unei drepte (vezi i figura 3.2):

Y = 0 + 1 X1 (3.7).

Pentru experimentul EFC 22 ecuaia deja va avea aspectul,

caracteristic metodei EFC, coninnd 2 factori independeni i 1
factor de interaciune:

Y = 0 + 1 X1 + 2 X2 + 12 X12 (3.8).

n cazul interaciunii semnificative ntre factorii X1 i X2,

coeficientul pe lng X12 nu va fi nul (12 0). Menionm, c n
acest caz simplu, suprafaa real de rspuns va fi descris n
spaiul tetradimensional, 4D.
Pentru experimentul binivelar trifactorial ecuaia standard de
regresie va descrie o suprafaa similar celei prezentate n Figura
3.3, dar... n lumea greu imaginabil, octadimensional:

Y = 0+1 X1+2 X2+3 X3+12 X12+13 X13+23 X23+123 X123 (3.9).

3.1.3 Prelucrarea matematic a rezultatelor EFC

Metoda Modelrii Matematice n general, i a Experimentului

Factorial Complet n particular, nu impune restricii privind numrul
replicilor, care pot fi studiate. n cadrul unui experiment pot fi
nregistrate mai multe rspunsuri independente, obinndu-se
informaia ampl despre sistemul studiat.
 Pe lng faptul, c replica sistemului este funcia factorilor de
intrare, dirijai i controlai de cercettor, aceasta mai este i funcia
factorilor lateni, care nu se supun controlului experimental.
Influena acestor factori poate fi clarificat a posteriori sau chiar s
rmn nedezvluit. Valorile cunoscute i necunoscute ale
factorilor lateni de influen, pot avea i deviaii imprevizibile, care
sunt drept evenimente aleatoare. De aceea, pentru validarea
statistic a rezultatelor experimentului fiecare experiena pe linie
trebuie s se realizeze cel puin de 2-3 ori.

Vom numi YN,1 YN,m replici gemene ale sistemului n cadrul

experienei cu numrul N, adic rezultatele experienelor gemene
N1Nm (efectuate n aceleai condiii). Se consider, c numrul
optim de experiene gemene este 3 pentru EFC 2 2 i doar 2 pentru
EFC 23. Un numr astfel de mic de repetri rezult din faptul, c
realizarea ntregii matrice de planificare a EFC 2 3 va necesita 8 2
= 16 experiene, adic aprecierea statistic se va face dintr-un
eantion de date destul de mare. Se va calcula media replicii, care
rezult din m sau din 2 experiene-gemene:
1 m
YN = YN ,i
m i =1
(3.10);

1
YN =
2
( YN , A + YN ,B ) (3.11),

n care prin A i B sunt notate dou experiene gemene.

Dup finisarea tuturor experienelor (pe linii i pe coloan),
devine posibil calcularea coeficienilor de regresie generatori i de
interaciune. Pentru EFC 23 , j' (0; 123).
N
1
b j' =
N
Y
1
N
X N, j' (3.12);

1 8
b j' = YN X N , j '
8 N =1
(3.13).
 Aducem cteva exemple de calculare a coeficienilor j' n baza
matricei de planificare din Tabelul 3.2, reprodus pentru comoditate:

Y1 + Y2 + Y3 + Y4 + Y5 + Y6 + Y7 + Y8 generatori de interaciune
Fact.

b0 = N X1 X2 X3 X12 X13 X23 X123

8 1 + + + + + + +
Y1 + Y2 - Y3 - Y4 + Y5 + Y6 - Y7 - Y8 2 + + - + - - -
b2 =
8 3 + - + - + - -
Y1 - Y2 + Y3 - Y4 - Y5 + Y6 - Y7 + Y8 4 + - - - - + +
b13 = 5 - + + - - + -
8 6 - + - - + - +
Reieind din valorile replicilor 7 - - + + - - +
gemene i din mediile replicilor, se vor 8 - - - + + + -
calcula dispersiile pe linie, adic, dispersiile replicilor gemene.
Deseori numrul de repetri m = 2, atunci (3.14) trece n (3.15):
1 m
( YN ,m - YN ) (3.14); s N2 = 2 ( YN , A - YN )
2

2
s N2 = (3.15).
m -1 1

Dispersia medie pe matrice este media aritmetic a tuturor s N :

2

N
1 1 N 2
s matrix
2
=
N
s N2
1
(3.16); s matrix
2
= s N
8 1
(3.17).

n final, se va calcula deviaia medie ptratic a coeficienilor de

regresie, care de fapt i caracterizeaz statistic ecuaia (modelul).
s matrix
2
s matrix
2
sb = (3.18); sb = (3.19).
N m 16
Deoarece, conform Formulei 2.11, = TSt , n ecuaii de
regresie vor fi valabili din punct de vedere statistic doar coeficienii
, modulul crora depete valoarea respectiv a . De aceea
valoarea se noteaz ca critic, reprezentnd limita critic de jos a
validitii statistice a modelului, sau, cu alte cuvinte, eroarea
absolut a determinrii coeficienilor de regresie (de influen):
b critic = s b
TSt ( q , f ) (3.20).
 n acest caz valoarea criteriului Student se va alege pentru
numrul gradelor de libertate al sistemului f = N-1 i P(q) respectiv.
Coeficienii de influena se vor considera semnificativi sau
nesemnificativi, n comparaie cu coeficientul de validitate critic:
o Coeficientul este semnificativ, dac: b > b critic (3.21);
o Coeficientul este nesemnificativ, dac: b b critic (3.22).
Sensul fizic al coeficientului de validitate statistic critic , ca
erore absolut a determinrii coeficienilor j , impune necesitatea
respectrii rigorilor, referitoare la rotunjirea erorilor i mediilor!

3.1.4 Semnificaia prilor componente ale ecuaiilor de regresie.

Calcularea adecvabilitii modelului

Fie c a fost realizat un EFC 2 3 conform planului, descris n

3.1.1, efectundu-se cte dou experiene-gemene, A i B (de
exemplu, n condiii reale, prezentate n Tabelul 3.3). Replica
sistemului concentraia reductorilor n produsul final: Yi ,
mg/100g. A fost completat matricea final a EFC (Tabelul 3.6).

Tabelul 3.6. Exemplu de realizare complet a matricei EFC 2 3

N X0 X1 X2 X3 X12 X13 X23 X123 YN, A YN, B YN s N2 YN s N2 ,Y)
1 + + + + + + + + 77.8 84.2 81.0 21.0 81.9 0.81
2 + + + - + - - - 79.4 82.6 81.0 5.2 80.1 0.81
3 + + - + - + - - 106.0 117.2 111.6 62.3 110.7 0.81
4 + + - - - - + + 104.8 111.2 108.0 21.0 108.9 0.81
5 + - + + - - + - 55.4 58.2 56.8 4.0 59.5 7.29
6 + - + - - + - + 28.3 30.9 29.6 3.5 26.9 7.29
7 + - - + + - - + 108.7 116.5 112.6 31.1 109.9 7.29
8 + - - - + + + - 70.5 78.7 74.6 33.7 77.3 7.29
j 81.9 13.5 -19.8 8.6 5.4 -7.7 -1.8 0.9 TSt(0.05,7) = 2.37; critic = 2.9
Ateptarea matematic reprezint rezultatul recalculrii
valorilor replicii, omind termenii nesemnificativi. Spre deosebire
de replica sistemului cercetat, ateptarea matematic este
depoluat de influena factorilor nesemnificativi (figura 3.4).
 Corelaii terminologice ntre replic, coeficieni i factori, care
fac parte din ecuaie de regresie, sunt generalizate pe figura 3.5.
Fon (factori ne- sistem Replica
semnificativi) real sistemului,

Factori model Ateptarea

semnificativi matematic matematic,

Fig.3.4 Deosebirea ntre replica i ateptarea matematic -

Ateptrile matematice se calculeaz prin adunarea produselor
elementelor semnificative, adic celor care nu pot fi eliminai:
YN = b 0 + b j ',semn X j ' (3.23).

Y3 = 81.9 + 13.5(+1) - 19.8(-1) + 8.6(+1) + 5.4(-1) - 7.7( +1) =

= 71.1 + 13.5 + 19.8 + 8.6 - 5.4 - 7.7 = 110.7 .
Eliminarea din ecuaie de regresie a coeficienilor
nesemnificativi permite a elabora modelul matematic al sistemului
cercetat, adic, algoritmul funcionrii sistemului. n cazul, prezentat
n Tabelul 10, coeficienii eliminai sunt 23 i 123 , fiind mai mici,
dect critic = 2.9.
generatori Factori de interaciune

central de influena direct nenlocuibili nlocuibili

Y = 81.9 + 13.5 X 1 - 19.8 X 2 + 8.6 X 3 + 5.4 X 12 - 7.7 X 13 -1.8 X 23 + 0.9 X 123

semnificativi nesemnificativi
Replica Coeficieni
b critic = 2.9

Fig.3.5 Prile componente ale ecuaiei de regresie -

Eliminarea fonului din ecuaia de regresie din Figura 3.5 cu
ajutorul Formulei 3.23 se va sconta cu obinerea ecuaiei de regresie
n forma final (modelului matematic).
Y = 81.9 +13.5X1 -19.8X 2 + 8.6X 3 + 5.4X12 - 7.7X13 (3.24).
critic = 2.9
Dispersia liniar a ateptrii matematice, s N ,Y) , se va calcula ca
2

ptratul diferenei ntre replica medie i ateptarea matematic:

) 2
(
s N2 ,Y) = YN - YN ) (3.25).

Dispersia remanent a modelului se calculeaz prin formulele:

N 8
1 1
s rem
2
.=
N -N i =1
*
s N2 ,Y) (3.26); s rem
2
.=
8 -N i =1
*
s N2 ,Y) (3.27),

n care:
N - numrul coeficienilor n ecuaia de regresie (inclusiv 0);
N* - numrul coeficienilor semnificativi n ecuaia de regresie.
Adecvabilitatea (veridicitatea) modelului se determin dup
criteriile Fisher (vezi Anexa 2). Pentru aceasta se calculeaz raportul
dispersiei remanente i a dispersiei medii pe matrice, apoi rezultatul
se compar cu valoarea criteriului Fisher, care corespunde ponderii
statistice P(q) i valorii gradelor de libertate f1 i f2:

f1 = N-N* (3.28); f2 = N(m-1) (3.29).

s rem
2

Dac 2 < FP ( q ), f1 , f 2 , modelul descrie adecvat sistemul (3.30).

s matrix
s rem
2

Dac 2 FP ( q ), f1 , f 2 , modelul nu este adecvat (3.31).

s matrix
3.1.5 Importana factorilor nlocuibili (nesemnificativi)

Factorii nlocuibili se afl pe lng coeficieni nesemnificativi

(figura 3.5), adic ei nu influeneaz replica sistemului n mod
semnificativ din punct de vedere statistic. Termenul nlocuibil
subliniaz posibilitatea, dar nu i obligaia, nlocuirii acestui factor
cu un alt factor de influen, semnificativ a priori sau ipotetic.
Existena factorilor nlocuibili denot un avantaj al modelelor
matematice n forma ecuaiilor de regresie: lipsa influenei unui
factor ofer posibilitatea studierii influenei unui alt factor.

3.1 Experimentul Factorial Fracionar (EFF)

Experimentul Factorial Fracionar (EFF) permite aprecierea

influenei unui numr mai mare de factori asupra obiectului de
studiu, nlocuind factorii nesemnificativi din EFC cu ali factori.
Lipsa de interaciune ntre factorii independeni se va stabili:
o intuitiv, referindu-se la comportamentul firesc al sistemului:
(Admitem, c X2 i X3 nu interacioneaz, de aceea factorul de
interaciune X23 va fi nlocuit cu un alt factor de influen, X4 );
o n baza unor informaii prealabile sau a unor experiene de
prob, care au demonstrat lipsa de interaciune ntre factorii
respectivi;
o n baza ecuaiei de regresie adecvate din punct de vedere
statistic, care a fost obinut anterior n cadrul unui alt EFC(F).
Prima modalitate este riscant, celelalte dou sunt mai obiective.
Factorii nenlocuibili sunt att factorii generatori de matrice
(indiferent de semnificaia statistic a acestora), ct i cei
semnificativi de interaciune. Aceti factori rmn intaci la trecerea
de la EFC la EFF.
Factorii nlocuibili sunt factorii nesemnificativi de interaciune, mai
mici dect critic. Acetea pot fi nlocuii la trecerea de la EFC la EFF,
sau pot fi utilizaai din start pentru cercetarea mai detaliat a
sistemului.
 Matricele EFC 22 , EFC 23 i EFC 24 permit crearea a respectiv
1, 4 i 11 planuri EFF, numrul crora corespunde cu numrul
factorilor de interaciune neinflueni din EFC corespunztor (Tabelul
3.7). Utilizarea matricei EFC 23 pentru experimentul EFF este foarte
convenabil, fiindc sistemul va fi cercetat amplu prin numr mic de
experiene.

Tabelul 3.7 Codificarea EFF la trecerea EFC EFF

Factorii nlocuibili
Planul EFC Total factori EFF Codul EFF
din EFC
EFC 22 1 3 EFF 23-1
1 4 EFF 24-1
EFC 23
4 7 EFF 27-4
1 5 EFF 25-1
2 6 EFF 26-1
EFC 24

11 15 EFF 215-11

Tabelul 3.8 Matricea EFF 25-2 n baza experimentului EFC 23

Generatori n EFF
Nenlocuibili
N Generatori din EFC nlocuibili din EFC
X0 X1 X2 X3 X23=X4 X123=X5 X12 X13
1 + + + + + + + +
2 + + + - - - + -
3 + + - + - - - +
4 + + - - + + - -
5 + - + + + - - -
6 + - + - - + - +
7 + - - + - + + -
8 + - - - + - + +
Pentru cazul acesta, ecuaia dup planul EFF 25-2 va avea aspectul:

Y = 0+1 X1+2 X2+3 X3+4 X4+5 X5+12 X12+13 X13 (3.32).

3.3 Optimizarea replicii prin Ascensiunea pe Gradient

Ecuaia de regresie permite stabilirea condiiilor optime, adic,

valorilor rezonabile ale X1Xn , n care replica dorit atinge valori
maximale, iar replica nedorit atinge valori minimale. Pentru
gsirea valorilor optime ale replicii se folosete o scar, a crei
trepte (pai de ascensiune)
se calculeaz n baza
matricei de planificare i a 6
ecuaiei de regresie. Exist 5 4
cel puin 3 posibiliti de a
se ridica de-a lungul 3
acestei scri: cu paii foarte
2 7
mici, cu cei de valoare
optim, i cu pai gigantici. 1
Ascensiunea cu pai mici
Fig.3.6 Schema ascensiunii pe
necesit multe experiene;
gradient: 1 - centrul experimentului;
paii mari duc la ratarea
2, 3, 4 - pai mici, optimi i mari;
zonei aproape staionare
5 - suprafa de replic; 6
(Figura 3.6). Calcularea
zon aproape staionar; 7 - condiii
corect a pailor optimi
optime.
pentru ascensiune necesit
o doz considerabil de intuiie din partea experimentatorului.

3.3.1 Algoritm pentru calcularea pailor de ascensiune

1. Pentru fiecare variabila Xj generatoare de matrice EFC sau

EFF cu coeficientul j semnificativ se calculeaz valoarea
pailor teoretici de ascensiune pe gradient (AG):
DX teoretic
j , AG = bj
DX j (3.33).
2. Dintre valorile determinate ale pailor teoretici se alege o
valoare, maxim dup modul. Aceasta deseori este absurd din
punct de vedere a realizrii practice a ei. De aceea se intuiete un
 coeficient Kintuitiv, care transform pasul n unul rezonabil
(realizabil):
DX teoretic
j , AG
DX calculat
j , AG = (3.34).
K intuitiv
3. Paii de ascensiune mai mici se recalculeaz la fel, folosind
aceiai valoare a Kintuitiv. Recomandm s efectuai rotunjirea
valorilor obinute ale pailor pn la o CS bun, adic, cea,
care aparine mulimii: (1, 2, 5)10 n, n care n sunt numere
ntregi.
DX calculat
j , AG
1CS "bun "
DX jpractic
, AG (3.35).

Tabelul 3.9 Exemplu de realizare a experimentului de optimizare

Calcularea pailor ascensiunii pe gradient
Pai teoretici de ascensiune Kintuitiv Paii practici rezonabili
DX 1,teor . 0
AG = 13.5 10 = 135 C DX 1,pract . 0
AG = +0.675 +0.5 C

DX 2,teorAG. = -19.8 20 = -396min 200 DX 2,pract .

AG = -1.98 -2min

DX 3,teor .
AG = 8.6 0.4 = 3.44% DX 3,pract .
AG = +0.0172+0.02%

Experiment de optimizare
NAG
X jAG
,0 DX jpract
, AG
.
1 2 3 4 5 6 7
0
X1 190 +0.5 C 190.5 191 191.5 192 193.5 194 194.5
X2 60 -2min 58 56 54 52 50 48 46
X3 0.3 +0.02% 0.32 0.34 0.36 0.38 0.40 0.42 0.44
Yoptimizat 81.9 --- 130.3 162.6 172.5 174.4 173.1 172.9 172.3
Ysupl. --- --- 3.9 7.6 9.1 8.8 8.4 7.3 5.2

- condiii optime, determinate din replica optim

-

n Tabelul 3.9, prezentat anterior, sunt redate rezultatele unui

experiment de optimizare. Pentru calcularea pailor de ascensiune
pe gradient au fost utilizate matricea de planificare (Tabelul 3.3) i
coeficienii semnificativi j din ecuaia de regresie (3.24), care
reprezint modelul matematic al coninutului reductorilor n
produsul final. Paii de ascensiune, calculai n mod teoretic, sunt
absurzi: este imposibil a micora durata procesului de coacere cu
396 minute, sau a mri temperatura cu 1350. De aceea a fost ales
un coeficient Kintuitiv, care transform paii de ascensiune n valori
reale, realizabile. Rotunjirea pailor pn la o cifra semnificativ
bun uureaz lucrul experimentatorului, fr a afecta
semnificativ precizia rezultatelor.
n exemplul analizat aici, replica optimizat devine aproape
staionar (practic constant), cnd NAG = 37. Pentru alegerea
corect a condiiilor optime, uneori este convenabil a analiza
valorile replicilor suplimentare. Replica suplimentar Ysupl., atinge
valoarea maxim, apoi scade. Respectiv, condiiile optime
corespund condiiilor experienei cu NAG = 3. Menionm, c
pentru prezentarea demonstrativ a rezultatelor ascensiunii pe
gradient, este comod histograma, n care replicile sistemului sunt
reprezentate n scar procentual (figura 3.7).

Fig.3.7 Rezultatele ascensiunii pe gradient

4. PRELUCRAREA REZULTATELOR
Exist foarte multe posibiliti de interpretare i reprezentare
grafic a rezultatelor experimentale. Acestea pot fi convenional
clasificate n urmtoarele grupuri:
o graficele funciilor matematice;
o diagramele standard;
o modelele grafice (scheme i schie).
Modul ales de prezentare grafic a datelor experimentale
influeneaz i procesul de interpretare a acestora. Alegerea greit a
modului de prezentare poate duce la interpretarea incomplet,
parial sau incorect a rezultatelor experimentului.
4.1 Regulile de construire a graficelor funciilor
Din punct de vedere matematic, construirea graficului funciei
este posibil doar n cazul, dac exist dependena funcional
y = f (x), derivabil i integrabil. n termenii modelrii matematice,
graficul funciei este reprezentarea vizual a replicii sistemului y n
dependen de valorile factorilor de intrare x. Exemple clasice de
astfel de dependene funcionale sunt A = f (C) sau pH = f (V).
Argumentele acestor funcii, C i V, pot avea valori ntregi sau
fracionare, fiind msurate cu precizie, corespunztoare metodei.
Construind graficul unei funcii, respectai urmtoarele reguli:
1. Respectai legtura cauza-efect, plasnd argumentul funciei pe
axa OX, iar valoarea ei pe axa OY.
Nu inversai axele graficului !
2. Zonele de lucru ale ambelor axe trebuie s fie comensurabile,
raportul lungimilor lor s nu depeasc 1/22/1.
Remarc: Alegei scara astfel, ca dreapta s fie situat sub unghi
de 30600. Unghiul de 450 este optim, deoarece ofer graficului
un aspect estetic frumos i asigur eroarea minim.
3. Indicai simbolurile variabilelor i a unitilor de msur pe axele
respective, sau denumirile parametrilor respectivi.
4. Scara, construit corect, va avea un pas constant, multiplu cu una
din cifre semnificative bune (1, 2, 5)10 n, unde n - un numr
ntreg, negativ sau pozitiv.
Remarc: Pentru pasul scrii se admit i valorile 2.5 , 4 i
multiplele lor (25, 40, 2500, 410-5); ns, utilizarea lor provoac
incomoditi. Este interzis utilizarea cifrelor rele: 3, 6, 7, 8, 9
i a multiplelor acestora. Regula utilizrii cifrelor semnificative
bune (1, 2, 5) se refer n aceeai msur i la numrul
ptratelor milimetrice pe scar.
5. Respectai valoarea aleas a pasului pe ntreag lungime a scrii !
6. Nu construii axele dup care vei depune puncte experimentale !
7. Dac mrimea respectiv este scris n form exponenial, n
unele cazuri, i va inversa semnul pe axa graficului i n capul
tabelului. Analizai atent utilizarea semnelor de punctuaie n
urmtoarele exemple:

0 1000 2000 3000 , Pa 0 1 2 3 10-3, Pa

50 100 150 200 C, mg/L 0.5 1.0 1.5 2.0 C, 102 mg/L

8. Graficul va reflecta tendina i nici ntr-un caz nu va trece prin

toate punctele experimentale. Se face interpolarea i extrapolarea
prin aproximaie. Numrul punctelor, deviate de la linia
graficului n stnga i n dreapt (sau n sus i n jos), trebuie s
fie aproximativ egal, ca i sumele abaterilor respective.
Remarc: Eecul experimentului se cenzureaz, adic punctul
respectiv nu se utilizeaz pentru construirea graficului. (Se
recomand, totui, plasarea acestui punct pe spaiul graficului,
pentru asigurarea obiectivitii interpretrii). Cenzurarea
punctului eec se efectueaz cu respectarea urmtoarelor cerine:
o se cenzureaz doar un singur punct din toat mulimea de puncte;
o cenzurarea dreptei este posibil, dac exist cel puin 5 puncte
experimentale (ca dup cenzur s rmn cel puin 4 puncte);
o pentru cenzurarea curbei este nevoie de cel puin 6 puncte, ca
dup cenzurare s rmn nu mai puin de 5 puncte.
9. Construirea graficului se uureaz cu utilizarea punctului
credibil, care prezint:
o o valoare absolut sau formulat prin definiie;
o constant, cunoscut a priori sau determinat prin metoda mai
precis n cadrul unui alt experiment;
o valoarea iniial, final sau fireasc a parametrului msurat.
Remarc: n lipsa erorii sistematice, graficul va trece prin
punctul credibil. Existena punctului credibil i msurarea
experimental a parametrului msurat n condiiile respective va
permite calcularea Xsist. ; n acest caz pot fi efectuate toate
corectrile respective.

4.2 Credibilitatea aproximaiei. Avantaje i restricii

Uneori datele experimentale sunt insuficiente sau contradictorii

pentru a face o aproximaie funcional (liniar, logaritmic,
exponenial etc). Credibilitatea aproximaiei, R2 (0; 1), permite
falsificarea ipotezei despre natura funciei y = f(x). Se consider, c
aproximaia funcional este cu att mai credibil, cu ct R 2 se
apropie de unitate. Menionm, c la un numr mic de puncte
valoarea R2 i pierde sensul (orice dreapt, tras prin dou puncte,
va avea R2 = 1, indiferent de veridicitatea determinrii acestor
DOU puncte!).

4.2.1 Calcularea credibilitii aproximaiei n Excel

Valoarea R2 pentru o aproximaie funcional se determin cu

ajutorul procedurii Excel Add trade line/
. Procedura pentru Office 2007 este ilustrat pe figurile 4.1
i 4.2, i include urmtoarele etape: 1 - marcarea diagramei; 2 -
alegerea meniului Macheta; 3 - accesarea meniului Linia
trendului, submeniului Parametrii suplimentari ai liniei trendului.
Dup ce se va deschide o fereastr suplimentar, continuai: 4
alegei tipul dependenei funcionale (de exemplu, liniar); 5
bifai opiunile Plaseaz ecuaie pe diagram i Plaseaz valoarea
credibilitii aproximaiei R2); avei posibilitate s alegei mai
multe opiuni (s facei prognoza, s stabilii punctul de intersecie
cu axa ordonatelor); 6 - dac ai finisat, facei click pe
Close/.
Fig. 4.1 Accesarea Add trade line /
 Fig. 4.2 Utilizarea Add trade line /
Dup ce pe diagram a aprut linia trendului, apreciai dac
aspectul graficului funciei i valoarea R2 sunt satisfctoare.
Trebuie menionat, c exist diferen considerabil dintre
credibilitatea aproximaiei i credibilitatea interpretrii. Programul
Excel, ca i orice alt program de procesare matematic a datelor,
poate transforma un set de cifre n ecuaie credibil din punct de
vedere matematic, dar care va fi puin credibil din punct de vedere
al interpretrii (adic, sensului fizic al acesteia). De aceea, trebuie s
utilizai cu precauie ecuaii polinomiale sau exponeniale,
ndeosebi, dac n ele se gsesc termenii la puterea mai mare ca 2.

4.3 Alte forme de reprezentare grafic a rezultatelor

Diagrama este forma simbolic compact de prezentare a

informaiei, care permite compararea vizual a corelaiilor
Factor Replic. Aceeai funcie ndeplinete i tabelul cu date.
De aceea, nu se recomand prezentarea unui set de date n aceste
dou forme concomitent. Dac diferena ntre replici este n prima
sau a doua CS, va fi preferabil diagrama. n cazul diferenelor n a
treia sau a patra CS, diagrama i pierde din vizualitate i tabelul
este mai potrivit.
Histograma (figura 3.7) este reprezentarea cantitativ a relaiei
Factor Replic n forma figurilor geometrice cu suprafa
diferit. Reprezentarea pe aceeai histogram a mai mult de 3-4
replici creeaz greuti n percepia
i interpretarea corect a ei.
Diagrama radar (figura 4.3) se
utilizeaz pentru vizualizarea
relaiilor numerice ntre parametri
pe un numr mare de axe. A devenit
o obinuin utilizarea diagramelor
radar pentru prezentarea rezultatelor
degustrilor mai multor probe de

Fig.4.3 Diagrama radar

produse de acelai fel. Figura 4.3 demonstreaz, c n general, proba
de pine A este cea mai bun, iar avantajele probelor B i C
sunt, respectiv, aspectul i aroma.
Schemele-bloc sunt compuse din figurile geometrice care
simbolizeaz consecutivitatea aciunilor standard (intrare,
introducere, aciune, condiie, ciclu etc.) i descriu un algoritm. Ele
sunt utile pentru a schia etapele principale a unui proces sau a unei
metode (figura 1.2).
Modelele conceptuale sunt
reprezentrile grafice abstracte
ale obiectelor reale. Ele uureaz
interpretarea i calcularea
parametrilor cantitativi ai
obiectelor reale. Pe figura 4.4,
Fig.4.4 Modelul conceptual al
partea stng, este reprezentat
microcapsulei; al peretelui ei
modelul unui obiect, al crui
diametru real este de 2000 ori mai mic. Grosimea real a peretelui
microcapsulei este de 40000 ori mai mic, dect pe imaginea din
partea dreapt.

4.4 Raionamentul tiinific i normele eticii tiinifice

Argumentarea este partea indispensabil a raionamentului

tiinific. Pe lng demonstrarea tezei, argumentarea contribuie la
formarea convingerii n importana i necesitatea acceptrii ei. Teza
supus argumentrii, trebuie s fie clar i concret, s-i pstreze
identitatea pe parcursul ntregului raionament. Este necesar, ca
argumentele s fie autosuficiente, adic adevrate, independent de
teza pe care o argumenteaz ele. Veridicitatea argumentelor nu
trebuie s rezulte din tez, genernd astfel afirmare prin consecin
(vezi i 1.2.3). Ca argumente pot fi utilizate definiii, axiome,
postulate, legi i teorii actuale ale tiinei.
Datele experimentale numerice, obinute i verificate de
cercettor, sunt cele mai convingtoare argumente, care
demonstreaz veridicitatea tezei sau dezmint antiteza, dezvoltnd
tiina. Normele eticii tiinifice exclud fraudarea datelor (alegerea
selectiv, nscocirea) i plagiatul (copierea datelor, obinute de
alii, fr indicarea surselor). n argumentare trebuie evitate erorile
logice i etice i anume:
Substituia tezei, care const n pierderea identitii tezei iniiale
i trecerea la demonstrarea altei teze. Fiind utilizat intenionat,
substituia tezei se transform din argumentare greit n sofism
(minciun tiinific), exclus dup normele eticii.
Apel la persoan, o eroare extrem de rspndit, care se refer
la nclcarea principiului obiectivitii. De pild, doar se apeleaz la
prerea unui savant renumit, fr aducerea argumentelor proprii sau
contraargumentelor. Expresiile de ridicare a statutului de tipul
produsul nostru a fost apreciat pozitiv de domnul ministru,
laboratorul dispune de un utilaj performant, se utilizeaz n loc de
prezentarea rezultatelor analizelor, argumentat prin calcule
statistice. Utilajul performant doar favorizeaz, dar nu garanteaz
reuita experimentului sau interpretarea corect a datelor.
Ofensa este trecerea de la critica argumentelor, naintate de
persoan, la critica persoanei i calitilor ei profesionale. Ofensa se
exprim i prin diferite forme de discriminare. Astfel de
comportament este inadmisibil n tiina i n societate educat.
Legtura cauzal imaginar, care are mai multe aspecte.
Utilizarea cuvintelor de legtur respectiv, aadar, astfel etc.
pentru argumentarea tezei, uneori doar creeaz imaginea conexiunii
logice ntre argumente i tez, ns fr a demonstra aceast
conexiune. Alte feluri de legturi cauzale imaginare (false) sunt:
aproape, deci mpreun i dup, deci din cauz.

Normele eticii tiinifice presupun atitudinea obiectiv (critic,

dar respectuoas) fa de argumentele altor savani, dar deosebit de
atent faa de argumentele proprii. n cercetrile i argumentrile
sale savantul, ca i orice alt om, poate s fac greeli. Dar, fiind om
al tiinei, este obligat s le recunoasc, contribuind la reflectarea
obiectiv a Adevrului.
4.5 Arta formulrii concluziilor
Apogeul cercetrii, esena, concentraia maxim a valorii ei
tiinifice, sunt concluziile. Din cauza concluziilor slabe, lucrarea
pierde considerabil n relevan. Concluziile tiinifice pot fi:
o sintetice (de o cauzale unice;
generalizare); o cauzale consecutive.
o analitice, sau de
deducie;
4.5.1 Unele greeli rspndite n formularea concluziilor
Greelile stilistice i logice se ntlnesc frecvent la formularea
concluziilor, fiind considerate partea indispensabil a lor.
o Utilizarea sintagmelor introductive, care mresc volumul, dar
nu i relevana concluziilor. Expresii de tipul Din studiul realizat
urmeaz, n urma efecturii lucrrii nu sunt informative;
nsi cuvntul concluzie include n sine aceste prefixe.
o Dublarea altor pri ale lucrrii, cnd n concluzii se
formuleaz noiuni teoretice cunoscute, se enumer materialele
utilizate, se descrie modul de lucru. n aceeai categorie ntr i
transformarea direct a obiectivelor n concluzii, sau constatarea
realizrii tuturor obiectivelor (n acest caz, apare ntrebarea: dar
atunci ce sens a avut cercetarea, dac totul era din start cunoscut?);
o Inversarea legturilor cauzale, substituia conceptelor, care se
produce, dac n loc de relaie logic Efect = f (Cauz) se
formuleaz relaia Cauza = f (Efect). Exemplu: Corpul are
densitate mai mare, fiindc se scufund n lichid, n loc de Corpul
se scufund n lichid datorit densitii mai mari.
4.5.2 Caracteristicile concluziilor nereuite i reuite
Concluzii, reuite din punct de vedere tiinific i stilistic:
o sunt laconice, se refer la obiectul de studiu;
o sunt noi, obiective i falsificabile;
categoric: n produs totalmente lipsesc radicalii liberi;
obiectiv: Radicali liberi sunt sub limita detectrii;
o accentuaz rezultatele concrete i legturile logice;
vag: A fost determinat exact indicele de corelare K;
concret: Indicele de corelare K = 1.83 0.16 u.c.;
o dezvluie momente negative n termenii optimiti;
pesimist: Produsul nu poate fi obinut fr stabilizatori;
 optimist: Produsul lipidic poate fi obinut cu stabilizatori.
o conin elemente de perspectiv sau au for de prezicere.
4.5.3 Formularea concluziilor dup un algoritm
Fiecrui explorator i este caracteristic modul propriu de
gndire i stilul de exprimare. Orice problem este vzut de diferii
oameni n culorile emoionale diferite. De aceea, procesul de creaie
foarte greu se supune formalizrii. Soluia care permite a mpca
particularitile individuale ale cercettorului (autorului) cu rigorile,
impuse de metoda tiinific (noutatea, obiectivitatea i
falsificabilitatea), ar fi un algoritm nu prea detaliat. n acest
algoritm vor fi utilizate procedeele clasice de convingere:
o Se fac 1-2 enunuri cu caracter pozitiv, apoi 1 negativ;
o Dup un nu se poate urmeaz un se poate
o Consecutivitatea corect: puternic mediu foarte puternic.
Totui, aceste procedee se vor folosi doar pentru plasarea
corect a accentelor, dar nici ntr-un caz pentru fraudarea.
Algoritmul formulrii unui set de CONCLUZII:
o Rezultat pozitiv (ateptat, scontat, prognozabil, corelat cu
obiectivele propuse, sau invers: neateptat, dar bun);
o Laud obiectiv (se refer la precizia, noutatea, originalitatea,
simplitatea, corelaii cu alte rezultate independente, etc.);
o Critic optimist (rezultate negative neateptate, eecuri,
lacune, probleme nerezolvate, contradicii cu ali cercettori etc.);
o Rezultat pozitiv relevant (acoper neajunsurile concluziei
precedente prin pozitivitatea i importana sa teoretic i practic);
o Rezultat cu perspectiv (valoarea practic a rezultatelor,
rezolvarea altor probleme, continuarea studiului, brevetare etc.).

*********
Post Scriptum:
Stiina nu rezolv nici o problem, fr a mai formula nc 10
(George Bernard Shaw)
BIBLIOGRAFIA

1. ..
. , , 2004. - 640.
2. .., .., et al.
: - . ., ,
2008. -296.
3. .., ..
. ., , 2004. - 656.
4. .. . ., 2008. - 100.
5. .., .., ..
, . . .,
2010. - 96.
6. ..
.... , , 1971. - 151.
7. ..
. , , 1973. 280.
8. .., ..
. ., ,
1991. 367 .
9. .. . ., , 1995. -
303.
10. .. .
, 2008, 1. . 144-157.
11. ..
. , , 1991. 367 .
12. Macari A., Tatarov P., Lavric T. et al. The evolution of the
biologically active compounds during the storage. Food Sci.
and Techn., Trgovite, 2009, V.10, Is. 1. - p. 410-413.
13. Baerle A.V., Gutsanu V.L., Makari A.V., Roshka I.G.
Influence of Various Factors on the Acid-Ethanol Synergism...
Russian J. of Phys. Chem., 2005, V. 79, Nr. 7. - p. 1145-1149.
14. .., .., .., ..
-.
-, 2013, 9. . 42-43.
15. .
Excel. http://brusentsov.com/2009/12/27/3519.
 ANEXE
Anexa 1. Valorile coeficienilor Student, TSt(q, f)
Nivelul de ncredere / de ncertitudine ( P / q )
f
0.6/0.4 0.8/0.2 0.9/0.1 .95/.05 .98/.02 .99/.01 .999/.001
1 1.38 3.08 6.31 12.7 31.8 63.7 637
2 1.06 1.89 2.92 4.30 6.97 9.93 31.6
3 0.978 1.64 2.35 3.18 4.54 5.84 12.9
4 0.941 1.53 2.13 2.78 3.75 4.60 8.61
5 0.920 1.48 2.02 2.57 3.37 4.03 6.86
6 0.906 1.44 1.94 2.45 3.14 3.71 5.96
7 0.896 1.42 1.90 2.37 3.00 3.50 5.41
8 0.889 1.40 1.86 2.31 2.90 3.36 5.04
9 0.883 1.38 1.83 2.26 2.82 3.25 4.78
10 0.879 1.37 1.81 2.23 2.76 3.17 4.59
11 0.876 1.36 1.80 2.20 2.72 3.11 4.44
12 0.873 1.36 1.78 2.18 2.68 3.06 4.32
13 0.870 1.35 1.77 2.16 2.65 3.01 4.22
14 0.868 1.35 1.76 2.15 2.62 2.98 4.14
15 0.866 1.34 1.75 2.13 2.60 2.95 4.07
30 0.854 1.31 1.70 2.04 2.46 2.75 3.65
60 0.848 1.30 1.67 2.00 2.39 2.66 3.46
120 0.845 1.29 1.66 1.98 2.36 2.62 3.37
0.842 1.28 1.65 1.96 2.33 2.58 3.29
Coeficientul Student pentru alte valori ale P/q i f se calculeaz cu
procedura Excel: TINV(q; f), sau (q; f) (An. 3).
Comentarii:
o Numrul gradelor de libertate, f, se calculeaz ca f = m 1
pentru ansamblu din m date i pentru un eantion din m date
aleatoare;
o Utilizarea numrului mai mare de 3 CS n coeficientul Student
este inutil, deoarece TSt se folosete pentru aprecierea erorii,
precizia prezentrii creia nu poate depi dou CS. Aadar, trei CS
n coeficientul Student asigur o cifr semnificativ suplimentar,
necesar, dar i suficient pentru precizia calculelor intermediare.
 Anexa 2. Valorile Coeficienilor Fisher, Fq , f1 , f 2

Certitudinea P = 0.95 / Incertitudinea q = 0.05

f1
1 2 3 4 5 6 8 12 24
f2
1 161 200 216 225 230 234 239 244 249 254
2 18.5 19.0 19.2 19.3 19.3 19.3 19.4 19.4 19.5 19.5
3 10.1 9.55 9.28 9.12 9.01 8.94 8.84 8.74 8.64 8.53
4 7.71 6.94 6.59 6.39 6.26 6.16 6.04 5.91 5.77 5.63
5 6.61 5.79 5.41 5.19 5.05 4.95 4.82 4.68 4.53 4.36
6 5.99 5.14 4.76 4.53 4.39 4.28 4.15 4.00 3.84 3.67
7 5.59 4.74 4.35 4.12 3.97 3.87 3.73 3.57 3.41 3.23
8 5.32 4.46 4.07 3.84 3.69 3.58 3.44 3.28 3.12 2.93
9 5.12 4.26 3.86 3.63 3.48 3.37 3.23 3.07 2.90 2.71
10 4.96 4.10 3.71 3.48 3.33 3.22 3.07 2.91 2.74 2.54
15 4.54 3.68 3.29 3.06 2.90 2.79 2.64 2.48 2.29 2.07
3.84 2.99 2.60 2.37 2.21 2.09 1.94 1.75 1.52 1.00
Certitudinea P = 0.90 / Incertitudinea q = 0.10
f1
1 2 3 4 5 6 8 12 24
f2
1 39.9 49.5 53.6 55.8 57.2 58.2 59.4 60.7 62.0 63.3
2 8.53 9.00 9.16 9.24 9.29 9.33 9.37 9.41 9.45 9.49
3 5.54 5.46 5.39 5.34 5.31 5.28 5.25 5.22 5.18 5.13
4 4.54 4.32 4.19 4.11 4.05 4.01 3.95 3.90 3.83 3.76
5 4.06 3.78 3.62 3.52 3.45 3.40 3.34 3.27 3.19 3.11
6 3.78 3.46 3.29 3.18 3.11 3.05 2.98 2.90 2.82 2.72
7 3.59 3.26 3.07 2.96 2.88 2.83 2.75 2.67 2.58 2.47
8 3.46 3.11 2.92 2.81 2.73 2.67 2.59 2.50 2.40 2.29
9 3.36 3.01 2.81 2.69 2.61 2.55 2.47 2.38 2.28 2.16
10 3.29 2.92 2.73 2.61 2.52 2.46 2.38 2.28 2.18 2.06
15 3.07 2.70 2.49 2.36 2.27 2.21 2.12 2.02 1.90 1.76
2.71 2.30 2.08 1.94 1.85 1.77 1.67 1.55 1.38 1.01
 Criteriul Fisher pentru alte valori a q, f1 i f2 se calculeaz cu
procedura Excel: FINV(q; f1; f2), sau F(q; f1; f2).

Anexa 3. Unele funcii utile din Microsoft Office Excel

Procedura Excel, versiunea
..... calculeaz
Englez / Rus .....
AVERAGE / media aritmetic
CONFIDENCE / intervalul de ncredere
DEVSQ / suma ptratelor deviaiilor
FINV / F valoarea coeficientului Fisher
FORECAST / valoarea prezis a funciei liniare
MMULT / produsul matricelor
POWER / rezultatul ridicrii la putere
PRODUCT / produsul argumentelor
ROUND / valoarea rotunjit
SIGN / semnul numrului
SQRT / rdcina ptrat
STDEV / deviaia standard a eantionului de date
STDEVP / deviaia standard a totalitii de date
SUM / suma argumentelor
SUMIF / suma celulelor care satisfac condiia
SUMPRODUCT /
suma produselor elementelor matricei
C
SUMSQ / suma ptratelor argumentelor
SUMX2MY2 / suma diferenelor ptratelor
SUMX2PY2
suma sumelor ptratelor

SUMXMY2 / suma ptratelor diferenelor
TINV / coeficientul Student
VAR / dispersia eantionului de date
VARP / dispersia general (a mulimii de date)

Anexa 4. Alfabetul grecesc

- alfa - iota - ro
- beta - kapa - sigma
- gama - lambda - tau
- delta - miu - ipsilon
- epsilon - niu - fi
 - dzeta - xi - hi
- eta - omicron - psi
- teta - pi - omega
 Anexa 5. Unele derivate i formule de difereniere
(a) ' = 0 (ax n ) ' = anx n -1
(e ax ) ' = ae ax (e f ( x ) ) ' = f '( x) e f (x)
(a x ) ' = a x
ln a 1
(log a x) ' =
x ln a
1 f '( x)
(ln x) ' = (ln f ( x )) ' =
x f ( x)
(sin x) ' = cos x (cos x ) ' = - sin x
1 ' cos x
= (cos ec x) ' = - 2 = -ctgx cos ec x
sin x sin x
1 ' sin x
= (sec x) ' = = tgx sec x
cos x cos 2 x
1 1
(arcsin x) ' = (arccos x) ' = -
1 - x2 1 - x2
1 1
(tgx ) ' = 2
= sec 2 x (ctgx ) ' = - 2 = -cosec 2 x
cos x sin x
1 x a
(arctg x) ' = (arcctg ) ' = 2
1+ x 2
a a + x2
x ' a x ' a
arctg = 2 arcctg =- 2
a a +x 2
a a + x2
Derivata sumei:
( f1 ( x) + f 2 ( x) ) ' = ( f1 ( x ) ) '+ ( f 2 ( x) ) '

Exemplu: ( 2 x + e ) ' = 6 x + 2 x
3 2x 2 2x

Derivata produsului:
( f1 ( x) f 2 ( x) ) ' = ( f1 ( x) ) 'f 2 ( x) + ( f 2 ( x) ) 'f1 ( x)
1
Exemplu: ( cos x
ln x ) ' = (- sin x)
ln x + cos x
x
 Anexa 6. Translator poliglot de termeni tematici

Cum s-l folosim ? / ? / How to use it ?

Se scrie: / : Se va citi: / :
eantion eantion
o de date eantion de date
factor factor
o - significant significant factor
o - unexpected unexpected factor
, sau:
()

ROMN ENGLISH
aproximaia aproximation
o liniar o - o - linear
ascensiune ascension
o pe gradient o - o - abrupt
ateptarea expectation
o matematic o - o - mathematical
brevet patent
o de invenie o o for invention
cifra digit
o aruncat o - o - rejected
o bun o - o - good
o intermediar o - o - intermediary
o semnificativ o - o - significant
o suplimentar o - o - supplementary
clas de precizie accuracy class
o a aparatului o o of the instrument
cinci cu ceva - five with something
cinci pur net five
coeficient coefficient
o dublu o - o - binary
o mixt; hibrid o - o - mixed; hybrid
o nesemnificativ o - o - insignificant
o semnificativ, valid o - o - significant
o triplu o - o - ternary
credibilitatea accuracy
o aproximaiei o o of approximation
o datelor o o of data
o interpretrii o o - interpretation
derivata derivative
o funciei complexe o o of complex
o parial o - function
o Y dup X o Y o - partial
o of Y by X
deviaia deviation
o medie o - o - medium
o ptratic o - o - quadratic
o standard o - o - standard
dispersia dispersion
o de date (aleatoare) o () o of (random) fetch
o mulimii de date o of all data
o general o o - general

o -

distribuia distribution
o normal o - o - normal
o ntmpltoare o - o - random
eroarea error
o absolut o - o - absolute
o aleatoare o - o - random
o grosolan o - o - appreciable
o instrumental o o - instrumental
o procentual o - o - percentage
o relativ o - o - relative
o uman o o - human

eantion () (random) sample
o de date (aleatoare) o o of data
eecul experienei blunder
experiena experience
experiment experiment
o binivelar o - o - two-level
o complet o - o - fool
o crucial o o - crucial
o critic* o - * o - critical*
o factorial o - o - factorial
o mental o - o - thought
factor factor
o semnificativ o - o - significant
o imprevizibil o - o - unexpected
o latent o - o - latent
o de intrare o - o of entry
o de influen o - o of influence
(inter)aciune () (inter)action
o antagonist o - o - antagonistic
o implicit; latent o - ; o - implicit; hidden
o reciproc o - joint
o sinergic o - o - synergic
o -
interval interval
o de ncredere o - o - confidence
o de variaie o o of variation
linearitatea linearity
o scrii aparatului o o - scale
literatura sur home-literature
matricea matrix
o de planificare o o - planning
o n coordonate o o in the
.. codificate .. .. .. coordinates
.. reale .. .. .. .. encoded ..
.. real ..
msurare measurement
o aleatoare o - o - random
o independent o - o - independent
o (in)direct o () o - (in)direct
o instrumental o- o - instrumental
o repetat o - repeat

o -
nivelul level
o de ncredere o o - reliability
o de incertitudine o o - insecurity
punctul point
o cenzurat, aruncat o - o - censored
o credibil, sigur o - o - credible
rspunsul, replica , response
o sistemului o o - system
o modelului o o of model

reproductibilitatea reproducibility
o datelor o o - data
o experienelor o o of experiences
rotunjirea rounding
o erorii o o of error
o special o - o - special
o valorii medii/mediei o o of average (value)
()
semireplica semi-response
spaiul space
o factorial o - o - factorial
suprafaa surface
o de replic o o - response
valoarea diviziunii division value
o (scrii) aparatului o () o of the scale
suprafaa surface
o de replic o o - response