2.

ERORI DE MASURARE
2.1. Clasificarea erorilor de masurare

Rezultatul masurarii marimilor fizice sunt valori numerice obtinute prin

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

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

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

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

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

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

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

2.1.2. Repartitia erorilor aleatoare de masurare

2.1.2.1. Modelul probabilistic

Erorile aleatoare de masurare sunt caracterizate de o lege de repartitie

determinata. Existenta legii de repartitie poate fi stabilita repetind masurarea
unei marimi fizice, in conditii identice, pentru un numar n de masurari suficient
de mare.
Daca se fac n masurari, iar intr-un anumit interval cad m masurari, pentru
n suficient de mare, se poate considera ca frecventa relativa de cadere in
intervalul considerat (m/n) este o cantitate constanta caracteristica intervalului.
Se poate considera ca probabilitatea ca variabila aleatoare z sa ia valori intr-un
anumit interval (z1 < z < z2), notata P(zi < z < z2 ), este aproximativ egala cu
frecventa relativa:
m
P (z1  z  z 2 )  P (z  (z1 , z 2 )  (4.3)
n
Modelul probabilistic teoretic admite faptul ca erorile aleatoare z si prin
urmare insasi rezultatele masurarilor x sunt variabile ce pot lua orice valoare
reala, deci sunt definite pe intervalul (- , + ).
Regula care permite ca pentru fiecare interval (z 1 , z2 ) sa se gaseasca
probabilitatea P(zi < z< z2 ) se numeste legea de repartitie a variabilei aleatoare
z.
Legea de repartitie a erorilor aleatoare de masurare se exprima cu ajutorul
unei integrale:
z2

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

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

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

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

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

0.8

0.6

0.4

0.2

0
6 4 2 0 2 4 6

Fig.4.1.Curba de repartitie normala a erorilor aleatoare

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

prezentind puncte de inflexiune la z = . Pentru z = 0 curba admite un maxim:
1
P( 0)  (4.7)
 2
si reprezinta probabilitatea ca valoarea masurata sa reprezinte valoarea adevarata
a marimii.
Se observa ca atunci cind  scade, densitatea de repartitie p(z) descreste
mai repede. Cu cit  este mai mic, cu atit imprastierea erorilor in jurul originii
este mai mica.
Probabilitatea ca eroarea aleatoare sa cada in intervalul simetric (-z 1, z1) se
calculeaza cu relatia:
P ( z1  z  z1 )  P ( z  z1 )  2   (t1 ) (4.8)
unde:
t t2
1 
( t ) 
2
e 2
dt (4.9)
0

z z1
t ; t1  (4.10)
 
si reprezinta aria trapezului curbiliniu marginit de ordonatele 0 si z1 .
 Functia (t) se numeste probabilitate integrala iar valorile sunt date in
Anexa 1 pentru valori pozitive ale variabilei t. Pentru valori negative ale lui t se
tine seama ca (t) este o functie impara, deci (-t) = -(t).
Probabilitatea ca eroarea aleatoare sa cada intr-un interval oarecare (z 1,
z2) se calculeaza cu relatia:
z2 z
P( z1  z  z 2 )  ( )   ( 1 )  ( t 2 )  ( t 1 ) (4.11)
 
Probabilitatea ca eroarea aleatoare sa depaseasca limitele  t , pentru t >
0, va fi:
P ( z  t )  1  2   ( t ) (4.12)
iar probabilitatea sa nu depaseasca limitele  t  va fi:
P ( z  t )  2   ( t ) (4.13)
Probabilitatea ca valorile aleatoare z sa depaseasca limitele  3  este:
P ( z  3 )1  2   (3)  0,0027 (4.14)
Rezulta ca evenimentul ca eroarea aleatoare sa iasa in afara intervalului  3 
este practic imposibil. Se accepta ca erorile aleatoare de masurare sunt
marginite, in valoare absoluta de 3 .
Pentru o lege normala de repartitie a erorilor aleatoare, daca rezultatele
masurarilor (xi = a + zi) au densitatea de repartitie:
( xa )2
1 
p( x)  e 2 2

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

0.2

0.15

0.1

0.05

0
6 4 2 0 2 4 6 8 10

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

masurarilor

Repartitia normala Ex.1

1. Sa se reprezinte grafic densitatea de repartitie p(z) pentru trei valori 1<2<3.
2. Sa se afle valoarea maxima a densitatii de repartitie p(0).
3. Sa se verifice daca este satisfacuta conditia (4.5).
4. Sa se verifice probabilitatea ca eroarea aleatoare z sa depaseasca limitele -3, +3

2.1.2.3. Repartitia Poisson

Consideram un numar de n masurari in care x1 apare de m1 ori, x2 de m2

n

ori, ...., xk de mk ori si m

k 1
k  n . Repartitia Poisson se foloseste cind numarul de

masurari n este suficient de mare iar probabilitatea fiecarui eveniment p este

foarte mica (p < 0,1). In ipoteza:
n p  x (4.16)
probabilitatea ca variabila aleatoare x sa ia valoarea xk este:
xk
x
p (x  x k )  ex (4.17)
xk !
Repartitia Poisson se poate aplica pentru calculul defectarii a n masini.

Pepartitia Poisson Ex.2

Notam cu xi numarul defectiunilor si cu mi numarul de masini. Defectiunile

inregistrate pentru 82 de masini sunt date in tabelul de mai jos.

xi 0 1 2 3 4 5 6 7 8 9
mi 2 24 16 13 11 6 4 3 2 1

Programul REPOISON.MCD, realizat in MathCad permite reprezentarea grafica a

probabilitatii. Acest program este:

s := 10 i := 0 .. s
s s
mi
n:   mi fi  x:  f i  xi x  2,915
i0 n i0
xi
x
p(x ):   ex
xi !
 0.25

0.2

0.15

p( x )

0.1

0.05

0
0 2 4 6 8 10
x
i

2.1.2.4. Repartitia Weibull

O variabila aleatoare x este repartizata Weibull daca densitatea de

repartitie este:

b x  x b1  xx1 

b

  1  e  a  daca x  0
p ( x)   a  a  (4.18)


0 inrest
unde a si b sunt parametrii distributiei. Pentru determinarea acestor parametri se
calculeaza constanta:

V  (4.19)
x  x1
unde  este abaterea medie patratica si din tabelul 1 se determina coeficientul b
si constanta kb. Parametrul a se calculeaza cu relatia:
x  x1
a (4.20)
kb
in care x este media aritmetica a valorilor xi iar x1 este valoarea minima
masurata.
Probabilitatea ca variabila sa cada in intervalul (x1 , x2) este:
 b
x b 1  x  x1 
b 2  x  x1   
( x )     e  a 
(4.21)
a x1  a 

Parametri distributiei Weibull

Tabelul 4.1
V b Cb kb
1 1 1 1
0.91 1.1 0.878 0.965
0.837 1.2 0.787 0.941
0.775 1.3 0.716 0.924
0.723 1.4 0.659 0.911
0.678 1.5 0.612 0.903
0.64 1.6 0.574 0.897
0.605 1.7 0.54 0.892
0.575 1.8 0.512 0.889
0.547 1.9 0.485 0.887
0.523 2 0.463 0.886
0.498 2.1 0.441 0.886
0.48 2.2 0.425 0.886
0.461 2.3 0.409 0.886
0.444 2.4 0.394 0.887
0.428 2.5 0.38 0.887
0.365 3 0.326 0.893

Repartitia Weibull permite o mai buna modelare matematica a unor

distributii reale, cum sunt cele care rezulta la incercarea durabilitatii unor organe
solicitate la oboseala, in determinarea nivelului de fiabilitate a tractoarelor si
masinilor agricole, la determinarea caracteristicilor de distributie ale duratelor de
serviciu a pieselor si subansamblurilor precum si in studiul aparatelor de masura.
 Repartitia Weibull Ex.3

Sa se determine densitatea de repartitie si probabilitatea ca variabila x (resursa anuala

pentru 50 de seturi de motor de la 50 de motoare de acelasi tip intrate in reparatie, in ore) sa
cada in intervalul (0, 6000). Se va reprezenta grafic repartitia de frecvente si curba de
repartitie Weibull. Datele sunt prezentate in tabelul de mai jos:

Nr. x Nr. x Nr. x Nr. x Nr. x

1 800 11 2150 21 2500 31 2950 41 3700
2 1300 12 2200 22 2520 32 2975 42 3850
3 1350 13 2220 23 2600 33 3000 43 4000
4 1550 14 2300 24 2700 34 3100 44 4100
5 1620 15 2320 25 2750 35 3175 45 4250
6 1800 16 2350 26 2810 36 3250 46 4350
7 1850 17 2420 27 2850 37 3350 47 4570
8 1900 18 2440 28 2860 38 3450 48 4650
9 2000 19 2450 29 2900 39 3575 49 4780
10 2120 20 2460 30 2910 40 3650 50 5000

Se calculeaza valoarea medie cu relatia:

1 n
x   x i  2855 ore
n i 1

Abaterea standard empirica aproximeaza cel mai bine eroarea medie patratica  atunci
cind numarul de masurari este relativ mic.

1 k
s 
n  1 i 1
( x i  x ) 2    948,415 ore

Constanta V este:
 948,415
V    0,4615
x  x1 2855  800

Din tabelul 1 se determina: b = 2,3 si kb = 0,886. Se calculeaza parametrul a:

x  x1
a  2319 ,4
kb
Densitatea de repartitie este:
 b 2.3
b 1  x  x1  1.3  x 800 
b  x  x1    2.3  x  800   
p ( x)    e  a 
   e  2319.4 
a a  2319.4  2319.4 

Probabilitatea ca variabila sa cada in intervalul (0, 6000) este:

b 2 .3
x b 1  x  x1  1.3  x 800 
b 2  x  x1 
6000
  2.3  x   2319.4 
 ( x)     e  a 
    e 1
a x1  a  2319.4 0  2319.4 

Reprezentarea grafica a repartitiei de frecvente f k si curba de repartitie Weibull se

face in figurile de mai jos:

15

10
f
k
5

0
0 2000 4000 6000
int
k

Repartitia de frecvente
0.001

p( x ) 0.001

0
2000 4000 6000
x

Curba de repartitie Weibull