4.1.5.

Eliminarea datelor afectate de erori grosolane

Eliminarea datelor afectate de erori grosolane se face prin compararea

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

4.1.5.1. Metoda de eliminare pentru  cunoscut

Consideram ca s-au facut n masurari, data afectata de erori grosolane fiind

notata cu x* . Pentru celelalte n-1 rezultate ale masurarilor x 1 , x2 , ...., xi, ....., xn
ce presupunem ca nu sunt afectate de erori grosolane, calculam raportul:
x*  x
t
n (4.55)

n1
unde valoarea medie x se calculeaza cu relatia:
1 n
x  xi
n  1 i 1
(4.56)

Se considera ca valoarea x* contine o eroare grosolana, daca probabilitatea

corespunzatoare raportului t satisface inegalitatea:
1  2  (t )   (4.57)
unde  este nivelul probabilitatii.
De obicei se alege unul din urmatoarele trei nivele ale probabilitatii de
excludere (nivel de semnificatie):
 = 5% = 0,05 se exclud erorile a caror probabilitate de aparitie
este mai mica decit 0,05;
 = 1% = 0,01 se exclud erorile a caror probabilitate de aparitie
este mai mica decit 0,01;
 = 0.1% = 0,001 se exclud erorile a caror probabilitate de aparitie
este mai mica decit 0,001;
Se poate spune ca nivelul de incredere este:
P  1  (4.58)

Daca t > t (P) vom elimina valoarea x* cu nivelul de incredere P ca fiind

afectata de erori grosolane. In tabelul 4.3 sunt prezentate valorile critice t (P).

1
 Valorile critice t (P)
Tabelul 4.3
 P t (P)  P t (P)
0.05 0.95 1.96 0.007 0.993 2.697
0.04 0.96 2.054 0.006 0.994 2.748
0.03 0.97 2.17 0.005 0.995 2.807
0.02 0.98 2.326 0.004 0.996 2.878
0.01 0.99 2.576 0.003 0.997 2.968
0.009 0.991 2.612 0.002 0.998 3.09
0.008 0.992 2.652 0.001 0.999 3.291

4.1.5.2.Metoda de eliminare pentru  necunoscut

Pentru eliminarea datelor afectate de erori grosolane se poate utiliza testul

Romanovski. Se calculeaza abaterea standard empirica s, pentru cele n -1
rezultate ale masurarilor presupuse ca nu sunt afectate de erori grosolane, cu
relatia:
1 n 1
s  (x i  x ) 2
n  2 i 1
(4.59)
Se calculeaza raportul:
x*  x
t (4.60)
s
Pentru un nivel de incredere P (caruia ii corespunde un nivel de
semnificatie  = 1 - P) si un numar de experiente n cunoscut se determina din
tabelul 4.4 valoarea critica t (n, P). Daca:
t > t (n, P) (4.61)
*
vom elimina valoarea x ca fiind afectata de erori grosolane, cu nivelul de
incredere P.
Valorile critice t (n, P)
Tabelul 4.4
ntP 0.95 0.98 0.99 0.999 ntP 0.95 0.98 0.99 0.999
5 3.04 4.11 5.04 9.43 18 2.17 2.64 2.98 4.07
6 2.78 3.64 4.36 7.41 20 2.145 2.602 2.932 3.979
7 2.62 3.36 3.96 6.37 25 2.105 2.541 2.852 3.819
8 2.51 3.18 3.71 5.73 30 2.079 2.503 2.802 3.719
9 2.48 3.05 3.54 5.31 35 2.061 2.476 2.768 3.652
10 2.37 2.96 3.41 5.01 40 2.048 2.456 2.742 3.602
11 2.33 2.89 3.31 4.79 45 2.038 2.441 2.722 3.565
12 2.29 2.83 3.23 4.62 50 2.03 2.429 2.707 3.532
13 2.26 2.78 3.17 4.68 60 2.018 2.411 2.683 3.492
14 2.24 2.74 3.12 4.37 70 2.009 2.399 2.667 3.462
15 2.22 2.71 3.08 4.28 80 2.003 2.389 2.655 3.439
16 2.2 2.68 3.04 4.2 90 1.998 2.382 2.646 3.423
17 2.18 2.66 3.01 4.13 100 1.994 2.377 2.639 3.409

2
 Pentru eliminarea datelor afectate de erori grosolane a fost elaborat un
program de calcul ERORISIR.PAS realizat in limbajul de programare Torbo
Pascal 7.0 prezentat in continuare.

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

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

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

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

writeln(' 1 - Da');
writeln(' 2 - Nu');
readln(s2);
if s2=1 then
begin
assign(g,'erori1.dat');
rewrite(g);
for i:=1 to n do

3
 begin
write(g,xiis);
end;
close(g);
end;
writeln('Introduceti valoarea critica t(n,P):');
readln(t1);
{ Calculul coeficientului de testare t }
b1:=1;
3:k:=1;
a1:=0; { Suma valorilor masurate xiis }
a2:=0; { Suma patratelor xiis – xmediu }

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

Exemplul 4.1

Sa se verifice daca rezultatele masurarii masei a o mie de seminte de orz, prezentate in

exemplul 1.2 sunt afectate de erori grosolane.

Dupa intoducerea datelor si rularea programului ERORISIR.PAS se obtin valorile

raportului t, prezentate in tabelul de mai jos. Pentru n = 40 de valori masurate si P=0.95
valoarea critica t(40,0.95) = 2.048 si deci valorile 29.1; 29.45 si 37.4 vor fi eliminate ca fiind
afectate de erori grosolane.

4
 Pentru un nivel de incredere P = 0.99 valoarea critica t (40, 0.98) = 2.742 iar pentru
P=0.999 valoarea critica este t (40, 0.999) = 3.602 si nici una din valorile masurate nu este
afectata de erori grosolane.

xi t xi t xi t xi t xi t
29.1 2.271 31.85 0.768 32.82 0.279 33.95 0.285 35.2 0.918
29.45 2.064 31.9 0.743 33.1 0.139 34.1 0.36 35.4 1.022
30.1 1.695 32.1 0.641 33.3 0.039 34.25 0.436 35.5 1.074
30.45 1.503 32.35 0.515 33.4 0.011 34.4 0.511 35.95 1.311
30.7 1.368 32.45 0.465 33.42 0.021 34.5 0.562 36.4 1.553
31.3 1.052 32.5 0.439 33.5 0.06 34.65 0.637 36.8 1.774
31.45 0.974 32.7 0.339 33.6 0.11 34.8 0.714 37.1 1.944
31.7 0.845 32.8 0.289 33.8 0.21 34.91 0.77 37.4 2.118

4.1.6.Determinarea numarului necesar de masurari

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

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

Se calculeaza abaterea standard empirica si apoi precizia:

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

5
 Exemplul 4.2

Sa se determine numarul de masurari necesare pentru masa a o mie de seminte de orz,

pentru un nivel de incredere P = 0.95 si abaterea standard empirica s = 2.

Din tabelul 4.5 pentru P = 0.95 si q = 0.1 se determina n1 = 387 de masurari necesare.
Pentru n1 = 387 de masurari, precizia masurarilor este:
 1  q  s  01.  2  0.2
Pentru o precizie a masurarilor  = 0.62 se calculeaza raportul:
 0.2
 1   0.32258
 0.62
Numarul de masurari necesar pentru noua precizie de masurare a masei semintelor de
orz va fi:
n  n1  2  387  0.32258 2  40.2
Se alege numarul de masurari n = 40.

Exemplul 4.3

Sa se determine numarul de masurari necesare pentru masa a o mie de seminte

de porumb, pentru un nivel de incredere P = 0.99, o precizie a masurarilor  = 0.55 si abaterea
standard empirica s = 2.147. Dupa efectuarea masurarilor sa se verifice daca datele sunt
afectate de erori grosolane si sa se calculeze principalii parametri statistici.

Din tabelul 4.5 pentru P = 0.99 si q = 0.1 se determina n1 = 668 de masurari necesare.
Pentru n1 = 668 de masurari, precizia masurarilor este:

 1  q  s  0.1  2.147  0.2147

Pentru o precizie a masurarilor  = 0.55 se calculeaza raportul:

 1 0.2147
   0.39
 0.55

Numarul de masurari necesar pentru noua precizie de masurare a masei semintelor de

orz va fi:
n  n1  2  668  0.39 2  1016
.

Se alege numarul de masurari n = 101.

Se cintareste masa a o mie de seminte de porumb iar datele sunt prezentate in tabel.

xi 295 296 297 298 299 300 301 302 303 304 305 306 308
mi 1 3 8 8 15 25 15 11 7 4 2 1 1
t 2.38 1.91 1.48 1 0.55 0.11 0.33 0.76 1.21 1.67 2.13 2.61 3.63

Dupa intoducerea datelor si rularea programului ERORISIR.PAS se obtin valorile

raportului t, prezentate in tabelul de mai sus. Pentru n = 101 valori masurate si P=0.99
valoarea critica t (101,0.99) = 2.639 si deci valoarea 308 va fi eliminata ca fiind afectata de
erori grosolane.

6
 Se verifica daca repartitia erorilor de masurare este normala cu programul
TESTHI2.MCD.

Rezultate

amplitudinea = 11
media = 300.18
n = 100
d=1
l = 11

k mintk fk tk pk
1 296 1 -0.907 0.182
2 297 3 -0.69 0.063
3 298 8 -0.473 0.073
4 299 8 -0.252 0.081
5 300 15 -0.039 0.085
6 301 25 0.178 0.086
7 302 15 0.395 0.083
8 303 11 0.612 0.076
9 304 7 0.829 0.067
10 305 4 1.046 0.056
11 306 2 1.263 0.148

hi2 = 8.409
nr_grade_libertate = 8
hi2 = 8.409 < hi2_tabelat = 20.1 pentru P = 0.99, deci repartitia este normala.

Cu programul PARSTAT.MCD se calculeaza principalii parametrii statisistici si se

reprezinta nomograma reparititei normale.

Rezultate

media = 300.18
dispersia = 4.608
abaterea = 2.147
amplitudinea = 11
mediana = 300
modul = 299.64
val_centrala = 300.5
coef_variatie = 0.007
coef_pearson = 0.252
abat_medie_abs = 1.656
coef_asimetrie = 0.024
coef_boltire = 2.973
excesul = - 0.027
moment2 = 9.011 104 m_centrat2 = 4.608
moment3 = 2.705 107 m_centrat3 = 1.526
moment4 = 8.122 109 m_centrat4 = 63.124

7
Histograma este:

25

20

15
f
k

10

0
294 296 298 300 302 304 306
int
k