o daca

lrrle (0,7 5;0,95) atunci legdtura dintre variabile este una puternic6;
a dacalr,ole (o,ls;t) atunci legdtura dintre variabile este foarte puternicf,, cvasifuncfionald.

Aplica{ia 3. Si se determine coeficientul de corelafie pentru urmatoarele serii de date:

(0,0); (1,\;(2,4).

x' : 0'x., = l'xt = 2

Rezolvare. ln acesta situafie avem: -
Yt = 0,!z =1,!z = 4
Valorile medii ale celor doud variabile sunt:

ir, n," f 0+1+4

M(x)== -xl+x2+x3 -0+l+2=1$i M(y)=*'' =
h*lztlt =-:_ aa
5
nn3n J.'
Abaterile medii pdtratice ale celor doud variabile aleatoare sunt:

6x=

t rr,-M(Y))' :. W
6y= i=1
-\l 3 =!-=
-^ ,-
\zt
\re;
Prin urmare coefbntul de corelatie va fi de forma urmdtoare:
n

!{r, -M(x))(y,-M(Y)) ,*: tUtl) + (x, -\)(y,- Jl. (r, - 1X/, - ;)

fx.y =
noxoy 78
TI
555
(0 - lXO - ;) + (1 - lXl - i) + Q -t)(4 - :)
'3 3' 3'
.EW
''!,
4,101
trn

I
 f,r,
i=l
f*,
Lag =
i=l
=fr,-fr',-i*,r, f*,
i=l i=t i=t
f*,r,
i=l
f*,'
i=l
i=1

n n

Zv,
-l
nnn
= n'Z*,Y,
,-l
Lor =
nn -ZY,'Z*, .

I,,
i=l
Z*,v,
,=l
i=l i=t i=l

Exemplul 1. Pornind de la urmdtorul nor de date (1,2);(2,4);(3,6);(4,8);(S,e);(0;t t)

si se determine prin metoda celor mai mici pdtrate expresia polinomului de grad I P(r) = ao + atx,
care aproximeazd acest nor de date.

Rezolvare. Din datele problemei avem nodurile x1 :1, x2 = 2, x3 : 3,x4 = 4,

x5 : 5,x6 : 6 gi valorile h :2,!2 : 4,!3 : 6,!4 =8,/s :9,!6 =Il.
Prin urmare cu ajutorul metodei celor mai mici pdtrate se pot determina parametrii a, qi a*
pornind de la urmdtorul sistem de doud ecuajii cu dou6 necunoscute:
(06
leoo * r,L*, =Zy,
I i=t r=1

1u66
+a'\xl =
l"I' 'ozr'!'
Pentru rezolvarca acestui sistem, aplicdm metoda lui Cramer. Pentru acesta, mai int6i calculdm
sumele care intervin in acest sistem:
6

Ir, : xl+ x2+...+16 :1+2+3+4+ 5 +6 :21 ;

i=1
6

Zt =t +*l+...+4 =t+4+9+16+ 25+36=91.

i=1
6

ZY, : h + lz +...+ la : 2+ 4+6+8+9+1 I = 4A ;

j:l
6

Z*,y, = xth * xzlz + ...* x6!6 : 1' 2 + 2' 4 +3' 6+ 4' 8 + 5' 9 + 6'll : 17 1 .

,=1
Sistemul de mai sus se scrie sub forma urmftoare da{intocuim sumele de mai sus:

{:,:,:;i:,:-i:,
Parametrii ao qi arse calculeazdpebaza acestei metode pornind de la relaliile:
Ila^ ta^
- "
J'
I ta.
A

l.o'= I
Astfel, determinantul sistemului este de forma: o = l:. '^!l=U.gl-21.21=546-441=105
121 ell
.
 (t z 3 4 5 6 7 9 11 ,,
- +Y:l
X )
(0,04 o,o2 0,06 o,o3 0,18 o,o5 0,12 0,26 0,09 0,15 )
(o 2 4 8 10 18 20 36)
X.Y:I
[0,2 o,06 0,13 o,05 0,12 0,09 0,2
I

0,15 )

-( 3 s 7 8 9 t2 t6 19 2t 24 ,* ')
- +Y' :l
3X
0,05
[0,04 0,02 0,06 o,o8 0,03 0,18 0,09 0,1 0,2 0,15 )

Metode de aproximare a datelor experimentale

3.1. Aproximarea datelor experimentale

tn principal pornind de la un volum de date cunoscut din practicd (in mod obignuit oblinut prin
m[surdtori), se pune problema de a determina intr-o perspectivd mai apropiati sau mai depdrtati
evolufia fenomenului studiat.
Datele existente caracterizeazd evolufia unui fenomen oarecare. Acestea apar in mod obiqnuit
- (t, t2 l,)
sub forma unui tablou de ' I '
tipul
[Y, lz Y,)
l, sau sub forma unei succesiuni de perechi

Q r, !,\Q r, ! r\"'Q,, Y,)'

Observa{ia 3.1. in mod obiqnuit t,t,,...,t, reprezintd timpii la care se fac mdsurdtorile, dar
x2
este posibil sd existe tablouri gi ae tiput [x' lz ".l./ * care .r, x2,...,x11au o seffrnificalie
[y, ln
economicd precisd (productivitdli, produc{ii, costuri).
Observafia 3.2. Semnificalia primului tablou din punct de vedere economic este urmdtoarea:
se urmdreqte evolulia unui anumit fenomen cdruia i se cunoaqte legitatea de evolufie gi atunci, periodic,
la momente bine fixate, se mlsoard valoarea oblinutd a acestui fenomen.

Y,
Yt
Yr

tr tz tn

Figura 3.1. Evolu{ia in timp a unui fenomen oarecare

Se pornegte de la urmdtoarea schemS:

. date experimentale (obfinute prin mdsur6tori sau calcule)
. eliminarea datelor nesemnificativese se face prin algoritmi speciali;
. aproximarea fenomenului studiat se face prin:
- interpolarepolinomiald;
 2.1.2. ()perxtii cll variabile aleatoare de tip discr*t

Fie ff si f doui variabile aleatoare av6nd reparti{iile ,

. _
r,(;),[L',':=:*,,,(?,),l'r',',],=t'm

I. ?mmu[1irea, resp*ctiv admn*re* ux*i variabile aieatoare cu un sealar

(*.x\ (k+x,\
Dacdkesteoconstantdreal[,atunci k'X :l' l,i=l,n; k+ X :l' -
l,i=l,n;
\p,) \p, )

2.Adunare**dourvariahilealearoare X+Y,(}.':''lr= l,n,i=L*. ur:de p =pi.g1 .

[P' )
/x" v'\
-" ' )li:1,n, i
3. innruilirea a doui varialrile aleafoare X'Y:1.'' =l,m , unde pa = pi-Q1 .
\.P,
/-r\
4. Ridiearea la pr:tere a umei variatrils aleatcare Xo ;l^' l,i =l,n
\P, )

2.4. MIrimi numerice asociate unei variabile aleatoare. Exemple de calcul

Aceste m5rimi sunt cunoscute in general sub denumirea de indicatori ai unei variabile aleatoare
qi se impart in trei mari categorii:
1. Indicatori ai tendinlei centrale
2. Indicatori ai imprdgtierii
3. Indicatori ai formei distribufiei.
2.4.1. Indicatori ai tendin{ei centrale
l. Valoarea medie
Fiind datd variabila' aleatoare X , valoarca medie asociat5 acesteia este notatd M (X) sau

uneori la qi este diferenliatd astfel:

- pentru cazuJ unei variabile aleatoare discrete de forma

*, x2 =r'n
,,(
At
x,) l''to'i
'l, {g ,valoareamediesecalculeazdpebazarelaliei:
\ P, Pz P, ) lLp, =t
Ir=l

M (x)=in,*,
i=l
2. Mediana
Este acea m5rime notat5 Me care verificd condiliile: P (X . Me) : P (X > Me) .

spus mediana este acel numdr cu proprietatea

Altfel c[ variabila aleatoare are probabilitati de
realizare egale atAt la stAnga c6t qi la dreapta ei.