Documente Academic
Documente Profesional
Documente Cultură
Pasul 5. Prin succesiunea de comenzi Utilities → Graph → Gallery am obţinut reprezentarea grafică a
valorilor afişate în vederea unui raport mai sugestiv al acestora, sub diferite forme:
Fig.1.5. Reprezentare grafică sub formă de linie poligonală, cu datele previzonate şi cu indicatori statistici
Pasul 1.
Realizarea machetei bazei de date, respectiv variabilele de procesat (indicatorii precizaţi în tabelul
1) pentru zilele miercuri, joi, vineri, sâmbătă duminică, apoi introducerea acestora într-un fişier special ce
primeşte în mod automat extensia .sav de la programul SPSS.
Fig.2.1. Introducerea variabilelor în subfereastra Variable View din fereastra Data Editor a softului SPSS 17
Fig.2.2. Introducerea datelor în subfereastra Data View din fereastra Data Editor
a softului SPSS 17
Pasul 2.
Calculul mediilor statistice, a valorilor minime şi maxime a indicatorilor prin comenzi succesive
Analyze → Descriptives Statictics → Descriptives → Options în programul SPSS 17 asupra fişierului din
fereastra Data Editor. Softul a afişat rezultatele prevăzute în tabelul 2.1.
Reprezentarea grafică a datelor, prin histograme de diverse tipuri, se face prin apelarea comenzilor
Analyze → Descriptives Statictics → Frequencies → Charts → Histograms din programul SPSS 17.
Tabel 2.1. Valori ale mediilor statistice,respectiv valorile minime şi maxime ale indicatorilor, calculate cu softul SPSS 17
Abatere
N Minim Maxim Medie standard
Valid N (listwise) 5
Pasul 4.
Analiza regresiilor şi identificarea formei legăturii dintre variabilele analizate.
Din programul SPSS 17 prin comenzi succesive Analyze → Regression → Curve Estimation →
fereastra Curve Estimation, am selectat modele analitice pentru obţinerea ecuaţiei de regresie (Liniar-
funcţia liniară, Exponential - funcţia exponenţială) pentru câteva variabile, una independentă şi cealaltă
dependentă.
Softul a afişat în tabele, rezultatele privind coeficienţii funcţiilor de regresie, adică coeficienţii
modelelor matematice.
Tabel 2.3. Coeficienţii funcţiei exponenţiale de regresie
Coefficients
Standardized
Unstandardized Coefficients Coefficients
Pe baza modelului matematic din formula (2.1), oricând cunoaştem temperatura, introducând în
formulă, vom putea estima presiunea.
Tabel 2.4. Coeficienţii funcţieiliniare de regresie
Coefficients
Standardized
Unstandardized Coefficients Coefficients
Conform rezultatelor din tabelul 2.4, umiditatea se poate exprima ca funcţie liniară depinzănd de
probabilitatea de precipitaţii, adică:
U =U(probab.precipit) = a+b×probab.precipit
=66,739 +0,975×probab.precipit. (2.2)
Pe baza modelului matematic din formula (2.2), oricând cunoaştem probabilitatea de apariţie a
precipitaţiilor, introducând în formulă, vom putea estima nivelul de umiditate.
În mod analog, se pot găsi modelele de regresie multiliniare sau modele de regresie curbilinii între
mai multe variabile.
Concluzii.
Analiza şi evaluarea prognozei meteo se poate face rapid cu ajutorul softurilor. Acestea funcţionează pe
baza unor modele matematice adecvate, din statistica matematică.