UNIVERSITATEA POLITEHNICA DIN BUCURESTI

Facultatea de Ingineria Sistemelor Biotehnice

PROIECT
La disciplina Prelucrarea datelor
experimentale

Titular disciplina: Materand:

Prof.dr.ing. Ladislau DAVID

Bucuresti
2020

1
 Cuprins
CAPITOLUL 1
1.Metode de masurare folosite in cercetarea experimentala .................................................... 3
1.1. Notiunea de masurare. Sistemul International de unitati de masura ........................... 3
1.2. Metode de măsurare........................................................................................................... 5
1.3. Lanturi de masurare si structura acestora ...................................................................... 6
1.3.1.Determinarea numarului necesar de masurari.......................................................... 8
1.4. Clasificarea erorilor de masurare ................................................................................... 11
1.4.1. Metoda de eliminare pentru  necunoscut .............................................................. 12
1.4.2. Parametrii statistici principali .................................................................................. 16
1.4.3. Verificarea normalitatii repartitiei .............................................................................. 25
1.4.3.1. Criteriul de concordanta 2 ................................................................................... 25
1.4.4. Repartitia erorilor aleatoare de masurare .................................................................. 31
1.4.4.1. Modelul probabilistica ........................................................................................... 31
1.4.4.2. Repartitia normala ................................................................................................. 31
1.4.5. Estimatii ale adevaratei valori a unei marimi fizice................................................... 36
1.4.5.1. Consideratii generale .............................................................................................. 36
1.4.5.2.Estimarea preciziei dispersie .................................................................................. 36
1.4.5.3.Compararea dispersiilor ......................................................................................... 39
1.4.5.4.Eliminarea dispersiei ce difera semnificativ de celelalte ...................................... 41
1.4.6. Estimari punctuale ale adevaratei valori a unei marimi masurate .......................... 42
1.4.7. Estimari pentru intervale de incredere a adevaratei valori ...................................... 43
1.4.7.1.Pentru masurari de egala precizie ......................................................................... 43
1.4.7.2.Pentru masurari de precizii diferite....................................................................... 45
2. CONCLUZII ........................................................................................................................... 48
3.BIBLIOGRAFIE ...................................................................................................................... 49

2
 CAPITOLUL 1
Metode de masurare folosite in cercetarea experimentala

1.1. Notiunea de masurare. Sistemul International de unitati de masura

Prin masurare se intelege procesul fizic exprimat prin comparare a unei marimi cu o alta
marime de aceeasi natura considerata unitate de masura.
Operatia de masurare se exprima matematic prin formula:
X=nU (1.1)
in care X - este marimea supusa masurarii;
U - unitatea de masura;
n - valoarea numerica a marimii sau factorul calitativ.
Valoarea numerica a unei marimi va depinde de unitatea de masura. Astfel marimea X va
avea valoarea numerica n1 masurata in unitatea U1 si valoarea n2 in unitatea U2:
X = n1 U1 = n2 U2 (1.2)
X = 1 m = 100 cm
Raportul:
U n
k 1  2 (1.3)
U 2 n1
m 100
k 
cm 1
Se numeste factor de transformare si reprezinta numarul cu care trebuie inmultita
valoarea numerica a unei marimi masurate cu o unitate de masura pentru a obtine valoarea sa
numerica masurata in alta unitate.
Principial, numarul unitatilor de masura ar trebui sa fie egal cu cel al marimilor fizice
masurate. Totusi, datorita legaturilor de dependenta intre diferite marimi fizice exprimate prin
legi sau ecuatii de definitie, in practica se adopta un numar mic de unitati de masura
fundamentale pe baza carora sunt definite toate celelalte marimi unitare, denumite din aceasta
cauza derivate.
Alegerea marimilor fundamentale este determinata in principal de precizia cu care se pot
realiza (si reproduce) unitatile de masura ale respectivelor marimi fizice. Numarul marimilor
fundamentale nu este limitat. Ele se pot alege in functie de necesitati si nu trebuie sa fie prea
mare. Marimile fundamentale au simboluri dimensionale. Exemplu: L pentru lungime, T pentru
timp, M pentru masa, F pentru forta, I pentru curentul electric, J pentru intensitatea luminoasa,
etc.
Daca in relatiile de definitie a marimilor derivate se inlocuiesc marimile fundamentale
prin simbolurile lor dimensionale se obtine ecuatia dimensionala a marimii derivate.
Un sistem de dimensiuni este determinat de grupul de marimi fundamentale cu ajutorul
carora se pot defini univoc toate marimile derivate. De exemplu, in sistemul de dimensiuni
LTMIJ, in general:
X   L T  M  I  J  (1.4)

3
 Unitatile de masura fundamentale (unitati in care se masoara marimile fundamentale)
sunt independente intre ele si convenabil alese.
Unitatile derivate se formeaza pornind de la relatia de definitie a marimii derivate sau de
la legea de determinare, inlocuind marimile fundamentale respective si pastrind aceeasi
exponenti. Exemplu, unitatea de masura a marimii a carei ecuatie dimensionala este data de
relatia (1.4) va fi:
X  m s  Kg  A  cd  (1.5)
Totalitatea unitatilor fundamentale, precum si a celor derivate, care se definesc cu
ajutorul unitatilor fundamentale constituie un sistem de unitati de masura. Deoarece unitatile
fundamentale sunt independente intre ele si conventional alese, pentru o anumita marime
fundamentala se pot alege mai multe unitati fundamentale. De exemplu, pentru marimea
fundamentala “masa” se pot utiliza unitatile fundamentale: gram, kilogram, tona. De aici rezulta
ca unui sistem de dimensiuni ii pot corespunde mai multe unitati de masura. Astfel, sistemului de
dimensiuni LMT ii corespund sistemele de unitati MKS, CGS, MTS.
In prezent in majoritatea tarilor se foloseste in exclusivitate SISTEMUL
INTERNATIONAL DE UNITATI. Hotarirea privind denumirea si lista unitatilor
fundamentale, suplimentare si derivate, multiplii si submultiplii a fost luata la Conferinta
Generala de Masuri si Greutati de la Paris in noiembrie 1960.
In acest sistem, unitatile fundamentale sunt: metrul (m) pentru lungime, kilogramul (kg)
pentru masa, secunda (s) pentru timp, amperul (A) pentru curentul electric, Kelvin (K) pentru
temperatura si candela (cd) pentru intensitatea luminoasa. Ca unitati suplimentare sunt admise:
radianul (rad) pentru unghiul plan si sterodionul (sr) pentru unghiul solid.
Unitatile fundamentale ale sistemului SI se definesc dupa cum urmeaza:
- metrul lungimea egala cu 1.650.763,73 lungimi de unda in vid ale radiatiei care
corespunde tranzitiei atomului de Kr86 intre nivelele 2a10 si 5d5;
- kilogramul - masa etalonului international confectionat din platina iridiata aflat la
Sevres - Franta;
- secunda - durata egala cu 1.192.631.770 perioade ale radiatiei care corespunde
tranzitiei intre doua nivele superfine ale stadiului fundamental al atomului de Cs133;
- amperul - intensitatea unui curent electric constant care, trecind prin doua conductoare
paralele, rectilinii, infinit lungi si de sectiune neglijabila, aflate in vid la distanta de 1m, produce
intre aceste doua conductoare o forta egala cu 2.10-7N pe metrul de lungime;
- Kelvin - fractiunea 1/273,16 din temperatura termodinamica al punctului triplu al apei
(punct triplu: punctul de intersectie al curbelor de topire, sublimare si vaporizare a oricarei
substante in diagrama temperatura - presiune);
- candela - intensitatea luminoasa in directie normala, a unei suprafete de 1/600000m2
dintr-un corp negru aflat la temperatura de solidificare a platinei sub presiunea de 101325 N/m2.
Sistemul international admite multiplii si submultiplii zecimali ai unitatilor, prefixele si
simbolurile acestora fiind prezentate in tabelul 1.1.

4
 Prefixe si simboluri pentru multiplii si submultiplii zecimali
ai unitatilor de masura in S.I.
Tabelul 1.1
-18 -15 -12 -9 -6
Multiplicarea unitatii de referinta 10 10 10 10 10 10-3 10-2
Prefix alto fento pico nano micro mili centi
Simbol a f p n  m c
-1 2 3 6 9
Multiplicarea unitatii de referinta 10 10 10 10 10 10 1012
Prefix deci deca hecto kilo mega giga tera
Simbol d da h K M G T

Deasemenea, sistemul international admite, a fi utilizate pe timp nelimitat o serie de

unitati de larga raspindire internationala a caror eliminare ar produce dificultati si perturbatii in
activitatea practica precum si in schimburile tehnico-stiintifice. Dintre acestea amintim: mila
marina (1 mim = 1852 m), anul lumina (1a.l. = 4,4605.1015m), tona, minut, ora, zi, gradul
centigrad, gradul, minutul si secunda sexazecimala, hectarul, litrul, kilometrul pe ora, etc.

1.2. Metode de măsurare

Principalele criterii de clasificare a metodelor de măsurare sunt:

- forma de exprimare a mărimii, după care avem: măsurări analogice și măsurări numerice;
- tehnica de măsurare, după care pot fi: măsurări prin deviație, măsurări prin comparație,
măsurări prin numărare;
- originea de referință a măsurării, după care pot fi: măsurări absolute și măsurări diferențiale.
Măsurarea analogică. Semnalul care circulă prin lanțul de măsurare și care poartă
informația, este lagat funcțional de mărimea de măsurat printr-o lege continuă. Prin operația de
citire la receptor, pe baza etalonării prealabile, se transformă indicația analogică într-un număr
care exprimă valoarea numerică a mărimii măsurate. De exemplu, la receptor semnalul poate
provoca deviația unui ac indicator și pe baza etalonării scalei se transformă aceasta deviație (ca
mărime analogă) într-un număr.
Masurarile analogice sunt foarte frecvente in cercetarile experimentale, ele putind fi
posibile intotdeauna cind exista o corespondenta biunivoca intre masura si marimea de masurat.
Astfel, se pot face masurari prin variatia: rezistentei, inductantei sau capacitatii electrice, a
prezentei unei unde, a intensitatii luminoase, etc.
Masurarea numerica. In acest caz operatia de masurare conduce la obtinerea unui
numar care, dupa un anumit cod (de exemplu codul binar) indica valoarea marimii masurate.
Masurarea prin deviatie. Metoda este de tip analogic si consta, in principiu, in deviatia
unui sistem dintr-o pozitie de echilibru pe care o au in lipsa marimii de masurat, intr-o alta
pozitie de echilibru pe care o capata in prezenta marimii de masurat. Marimea este pusa in
evidenta prin ecartul dintre cele doua pozitii de echilibru. De exemplu metoda se folosette la
unele dinamometre, manometre, instrumente electrice de tip electromagnetic sau
magnetoelectrice.
Masurarea prin comparare consta in generarea unei marimi cunoscute care se compara
cu marimea de masurat si care se regleaza altfel ca sa o egaleze. Metoda se mai numeste si
5
metoda de zero deoarece prin egalarea marimii de comparatie cu cea de masurat suma lor este
nula. Se utilizeaza curent la masurarea tensiunii electrice cu potentiometrul compensator.
Masurarea prin numarare consta in masurarea cantitatii marimii prin numararea valorii
ei. De exemplu determinarea turatiei unui arbore, stabilirea numarului de particule, etc.
Masurarea absoluta este aceea la care baza de masurare este un zero absolut pentru care
marimea de masurat nu se realizeaza.
Masurarea diferentiala este aceea la care se alege ca origine o baza de masurare
arbitrara si fata de aceasta se stabileste valoarea marimii respective.
In cercetarea experimentala se utilizeaza toate metodele, o pondere mai mare avind-o
masurarea analogica si intr-o oarecare masura, masurarea numerica. In multe procese de
cercetare experimentala, masurarea analogica este asociata masurarii numerice. In cadrul
masurarilor analogice, cea mai larga utilizare o are tensometria electrica, care permite masurarea
pe cale electrica a multora dintre marimile neelectrice si in special a marimilor mecanice.
Tensometria electrica este metoda de masurare a deformatiilor unui corp solicitat prin
intermediul unor traductoare, care transforma variatia deformatiilor mecanice in variatii ale unei
marimi electrice. Utilizarea metodei este datorata urmatoarelor avantaje:
- este o metoda nedistructiva, nemodificind forma, dimensiunile sau structura obiectului
cercetat;
- realizeaza masurari in conditii reale de lucru ale obiectului cercetat;
- prin folosirea aparaturii electronice asigura o mare sensibilitate si precizie in raport cu
metodele mecanice, optice, acustice, pneumatice, etc.;
- permite masurarea si inregistrarea fenomenelor cu variatie foarte rapida.
Tensometria electrica se foloseste in cercetarile in care se urmareste masurarea
deformatiilor, tensiunilor mecanice, fortelor, momentelor de torsiune, presiunilor, temperaturilor,
etc.
1.3. Lanturi de masurare si structura acestora

Procesul de masurare a unei marimi se realizeaza cu instrumente, aparate sau dispozitive care
constituie o instalatie de masurare.
Metoda de masurare este caracterizata prin totalitatea operatiunilor care se executa cu ajutorul
anumitor mijloace tehnice, in anumite conditii tehnico-economice si organizatorice.
Lantul de masurare este definit ca succesiunea determinata a operatiunilor si fazelor, respectiv a
mijloacelor tehnice (aparate, dispozitive, etc.) prin care se realizeaza un proces de masurare.

6
Principalele etape ale unui proces de masurare sunt:
- obtinerea informatiei primare despre marimea de masurat, sub forma unui semnal
oarecare;
- prelucrarea informatiei;
- valorificarea informatiei sub forma vizualizarii, inregistrarii, utilizarii pentru calcule
complexe.
Lantul de masurare este format din elemente adecvate operatiunilor si fazelor respective.
Schema generala a unui lant de masurare este prezentata in fig.1.1.

Fig.1.1. Schema generala a lantului de masurare

7
 1.3.1. 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 1.1, raportul q.
Tabelul 1.1 Determinarea raportului q
q/P 0.9 0.95 0.98 0.99 3

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
(1.6)
Daca precizia 1 este prea mare si se doreste o precizie mai mica  se calculeaza raportul:
1

 (1.7)
Micsorarea preciziei de  ori se obtine prin marirea numarului de masurari la n:

n  n1   2 (1.8)

8
 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.

ORIGIN  1
 31.65  q/P 0.9 0.95 0.98 0.99 3
 
 30.83 
 30.31  n1 n1 n1 n1 n1
 29.35 
  1 5 7 9 11 17
 31.70 
 29.02  0.5 13 18 25 31 50
 31.55 
 
 29.91  0.4 19 27 37 46 74
 28.03 
  0.3 32 46 64 78 127
 32.45 
 31.65  0.2 70 99 139 171 277
x   29.12 
  0.1 273 387 545 668 1089
 31.91 
 29.02  0.05 1084 1540 2168 2659 4338
 
 31.30 
 30.23 
 29.85 
 
 31.01 
 29.63 
 33.47 
 
 31.88 
 29.61 
 
 28.33 

n  length( x)

n  23

media  mean( x)

media  30.513

9
 Abaterea standard empirica
n
 xi  media
2

i1
s 
n1

s  1.407

Pentru nivelul de incredere P = 0.95 si precizie de masurare ε = 0.37

se determina q din tabelul 1.2;
Precizia = a-xmed
q  0.263

q 
s

  0.37

Din tabelul 1.2 pentru nivelul de incredere P = 0.95 si q1 = 0.3 rezulta numarul de
masurare
n1 = 46;
4. Se determina numarul de masurari n2 pentru realizarea preciziei = 0.7
q1  0.2

n1  99

1  q1  s

1  0.281
1
 


  0.761
2
n2  n1  
n2  57.266

10
 Tabelul 1.2 Masa boabelor de porumb
Nr. M1 M2 Nr. M1 M2 Nr. M1 M2 Nr. M1 M2
1 31.17 30.14 16 31.5 30.83 31 30.5 30.3 46 32.78 31
2 31.87 34.72 17 31.4 31.4 32 33.8 31.42 47 30.61 27.98
3 29.55 31.45 18 30.47 29.8 33 29.64 28.42 48 30.9 33.28
4 30.64 30.37 19 32.05 31.62 34 29.52 30.9 49 31.01 27.9
5 30.55 32.05 20 30.81 31.08 35 31.13 29.87 50 32.25 30.15
6 32.39 29.89 21 31.35 31.55 36 30.78 30.32 51 29.99 31.45
7 30.29 30.18 22 28.81 30.8 37 31.62 30.03 52 31.61 29.88
8 30.48 30.26 23 29.85 29.8 38 33.76 30.8 53 29.63 29.95
9 31.15 31.58 24 31.82 29.92 39 31.43 29.69 54 32.71 30.1
10 30.06 33.77 25 31.25 33.51 40 31.25 30.1 55 27.01 30.27
11 30.82 32.37 26 31.2 29.45 41 30 32.28 56 30.37 29.96
12 32.55 31.27 27 34.79 29.5 42 33.13 30.41 57 35.5 32.51
13 28.25 32.34 28 30.59 29.83 43 30.04 29.32 58 30.96 30.68
14 31.22 29.45 29 34 33.9 44 30.14 28.91 59 31.65 33.42
15 29.30 32.33 30 28.47 29.17 45 30.45 28.86 60 30.38 30.4
Se elimina erorire grosolane (cele colorate).

1.4. 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 xi si valoarea sa adevarata a este eroarea de masurare zi:

zi = x i - a (1.9)

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 zreli care permite estimarea acelor rezultate ale
caror erori absolute depind de dimensiunile marimii fizice masurate:

zi x a
zreli  100  i 100 [%]
a a (1.10)

11
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:

a) 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.

b) 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.

c) 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.

1.4.1. 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 
n  2 i 1
(x i  x ) 2 (1.11)

12
Se calculeaza raportul:
x*  x
t (1.12)
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 1.4 valoarea critica t (n, P).
Daca:

t > t (n, P) (1.13)

vom elimina valoarea x* ca fiind afectata de erori grosolane, cu nivelul de incredere P.

Tabelul 1.3 Valorile critice t (n, P)

n/P 0.95 0.98 0.99 0.999 n t P 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

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.

13
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');

14
 readln(s2);
if s2=1 then
begin
assign(g,'erori1.dat');
rewrite(g);
for i:=1 to n do
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);

15
 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.
Pentru fiecare serie se scriu valorile eliminate
1.4.2. Parametrii statistici principali

Parametrii statistici principali ai unui sir de date xi de n masurari in care x1 apare de f1 ori,
k

f
i 1
i n
x2 de f2 ori, xk de fk ori si se mai numesc si valori tipice de selectie si sunt definiti
astfel:
Media aritmetica de sondaj a sirului de date:

1 k
x  f i  xi
n i 1 (1.14)
Daca in cele n masurari xi apare o singura data atunci:

1 n
x  xi
n i 1 (1.15)
Media aritmetica are o mare importanta in estimarea preciziei masurarilor cind nu se
cunoaste valoarea exacta a marimii fizice masurate.
Media geometrica a sirului de date se calculeaza cu relatia:

1
 
n
x g    xi 
n

 i 1 
(1.16)
Media armonica este:

n
xa  n
1
x
i 1 i (1.17)

16
 Media patratica este:
n

x
i 1
2
i
xp 
n (1.18)
Mediana de sondaj a sirului de date - este valoarea fata de care frecventa valorilor mai
mici decit ea este egala cu frecventa valorilor mai mari decit ea. Valorile xi se aranjeaza in ordine
crescatoare sau descrescatoare si mediana este:
- daca n este impar:
M e  x ( n1)/ 2
(1.14)
- daca n este par:
x n / 2  x n / 2 1
Me 
2 (1.15)
Moda de sondaj a sirului de date este valoarea din sirul de date careia ii corespunde
frecventa maxima. Daca repartitia de frecventa are doua valori maxime, ambele fiind cele mai
probabile, repartitia se numeste bimodala. Daca repartitia de frecventa are mai multe mode,
repartitia este polimodala iar daca repartitia are in mijloc un minim in loc de un maxim se
numeste antimodala. Legatura dintre media aritmetica, mediana si moda este data de relatia:

M o  x  3  ( M e  x) (1.16)
Valoarea centrala a sirului de date:
x max  x min
xc 
2 (1.17)
in care xmax este cea mai mare din valorile xi , iar xmin cea mai mica.
Abaterea medie patratica de la valoarea medie se calculeaza cu relatia:

1 k
s*   f i ( x i  x) 2
n i 1 (1.18)
iar abaterea standard empirica este:

1 k
s  f i ( x i  x) 2
n  1 i 1 (1.19)
Abaterea standard empirica aproximeaza cel mai bine eroarea medie patratica  atunci
cind numarul de masurari este relativ mic.

17
 Dispersia de sondaj a sirului de date, sau momentul centrat de ordinul doi este:

1 k
s2  
n i 1
f i ( x i  x) 2
(1.20)
Dispersia de sondaj poate fi folosita ca estimatie a dispersiei 2 si daca in cele n masurari
xi apare o singura data atunci se calculeaza cu relatia:

1 n
s2  
n  1 i 1
( xi  x) 2
(1.21)
Amplitudinea sirului de date se calculeaza ca diferenta dintre valoarea cea mai mare x max
si valoarea cea mai mica xmin a sirului de masurari dat:

R  x max  x min (1.22)

Coeficientul de variatie al sirului de date:
s
Cv 
x (1.23)
Abaterea medie absoluta de selectie a sirului de date reprezinta media abaterilor fata de
valoarea adevarata a marimii fizice a (daca aceasta este cunoscuta) sau fata de media aritmetica
luata in valoare absoluta:

1 k
Am   f i xi  x
n i 1 (1.24)
Momentul de sondaj de ordinul r, calculat fata de originea sistemului este:

1 n r
Mr   xi
n i 1 (1.25)
Momentul centrat de sondaj de ordinul r se obtine din momentele generale de ordinul r
considerind ca originea arbitrara coincide cu media aritmetica:

1 k
r   f i ( x i  x) r
n i 1 (1.26)
Coeficientul de asimetrie al sirului de date permite aprecierea formei unei repartitii
statistice. Pentru calculul coeficientului de asimetrie se foloseste relatia:

( 3 ) 2
1 
(s 2 ) 3 (1.27)
in care s2 este dispersia de sondaj a sirului de date iar:

18
 1 k
3  
n i 1
f i ( x i  x) 3
(1.28)
Asimetria este pozitiva daca repartitia este asimetrica cu extremitatea extinsa spre dreapta
si negativa in caz contrar. Coeficientul de asimetrie este nul pentru o repartitie simetrica.
Asimetria absoluta poate fi exprimata ca diferenta dintre media aritmetica si moda:

1  x  Mo (1.29)
Coeficientul de boltire:

4
2 
(s 2 ) 2 (1.30)

in care  4 este momentul centrat de ordinul 4, definit de relatia:

1
4 
n
 f i ( x i  x) 4
(1.31)
Coeficientul de boltire este un indicator al gradului de inclinatie a pantei curbei densitatii
de repartitie in vecinatatea modei de sondaj Mo. Pentru repartitia normala 2 = 3. Daca 2 > 3
curba densitatii de repartitie este mai ascutita la virf decit curba normala, iar daca 2 < 3 boltirea
este mai mare decit cea a curbei normale.
Excesul curbei de repartitie permite aprecierea gradului de indepartare a curbei studiate
fata de repartitia normala. Daca E = 0 curba studiata coincide cu cea normala. E > 0 pune in
evidenta o concentrare a frecventelor fata de centru iar E < 0 o indepartare a frecventelor fata de
centru. Excesul se calculeaza cu relatia:
E = 2 – 3 (1.32

19
Parametrii statistici Ex.1
Sa se calculeze parametrii statistici pentru n = 60 de masurari ai marimii x ce reprezinta
masa a o mie de seminte de porumb.
x= 29.81 29.85 32.38
34.84 30.49 28.83
38.08 27.27 32.24
46.64 31.65 31.58
31.90 31.92 30.36
28.86 30,46 32.04
27.51 29.45 36.92
29.49 25.02 20.51
29.78 29.18 29.58
27.95 27.56 30.53
29.62 30.69 29.04
29.23 28.39 29.58
29.37 31.49 30.53
41.39 27.36 29.58
29.62 30.34 33.20
30.04 28.09 28.84
30.32 29.64 26.98
27.57 28.99 29.79
31.99 29.29 26.75
29.91 29.97 29.54
29.54 28.30

Media aritmetica de sondaj

media  mean( x)

media  29.843

Numarul valorilor masurate

n  length ( x)

n  55

Media geometrica
1
n
 n 
mediageom  
  x
i
i  1 

mediageom  29.78

20
 Media armonica
n
mediarm 
n


1
x
i 1 i

mediarm  29.717

Media patratica

n
 xi
2

i1
mediapat 
n

mediapat  29.909

Calculul Medianei de sondaj - valoarea fata de care frecventa valorilor mai mici decat ea
este egala cu frecventa valorilor mai mari decat ea.
xsort  sort( x)

Ordoneaza crescator elementele vectorului x

ind  if  floor 
n n  1 n
  2  n   
 2 2 2

ind  28

Se determina indicele mijlocului sirului de valori:

Mediana de sondaj
 xsort
ind
 xsort
ind 1
mediana  if ( ind  2  n) xsort  
 ind 2 
mediana  29.62

21
 Moda de sondaj - valoarea careia ii corespunde valoarea maxima
moda  media  3 ( mediana  media)

moda  29.173

Valoarea centrala
xsort  xsort
1 n
val_centrala 
2

val_centrala  30.97

n
 xi  media
1 2
ab_medie_pat  
n
i1

ab_medie_pat  1.979

Abaterea medie patratica de la valoarea medie

ab_medie_patratica  stdev( x)

ab_medie_patratica  1.979

Abaterea standard empirica de la valoarea medie

n
  x  media
1 2
ab_stand_emp  
n 1 i
i 1

ab_stand_emp  1.997

Dispersia de sondaj sau momentul centrat de ordinul doi

n
 xi  media
1 2
dispersia_sondaj  
n
i 1

dispersia_sondaj  3.917

22
dispersia_de_sondaj  var ( x)

dispersia_de_sondaj  3.917

Amplitudinea sirului de date

amplitudinea  max( x)  min( x)

amplitudinea  11.9

Coeficientul de variatie
ab_stand_emp
coef_variatie 
media

coef_variatie  0.067

Abaterea medie absoluta - media abaterilor fata de media aritmetica in valoare absoluta
n

1
ab_medie_abs   x  media
n i
i 1

ab_medie_abs  1.408

Momentul de sondaj de ordinul r - calculat fata de originea sistemului

r  2 4
i  1 n
n
  x
1 r
moment  
r n i
i 1

moment  0
1

moment  894.549
2

4
moment  2.694  10
3

5
moment  8.15  10
4

23
 Momentul centrat de sondaj de ordinul r - calculat avind ca origine media aritmetica
n
 xi  media
1 r
moment_centrat_sondaj  
r n
i1

moment_centrat_sondaj  0
1

moment_centrat_sondaj  3.917
2

moment_centrat_sondaj  6.263
3

moment_centrat_sondaj  78.985
4

Coeficientul de asimetrie

coef_asim 
 moment_centrat_sondaj 
r
2

r 3
dispersia_sondaj

coef_asim  0
1

coef_asim  0.255
2

coef_asim  0.653
3

coef_asim  103.82
4

Asimetria absoluta
asim_ab  media  moda

asim_ab  0.67

Coeficientul de boltire
moment_centrat_sondaj
4
coef_boltire 
2
dispersia_sondaj

coef_boltire  5.148

Excesul
excesul  coef_boltire  3

excesul  2.148

24
 Tabel 1.4 O parte din parametrii pentru fiecare serie din Parametrii statistici 1 (2)
Parametrul Seria 1 Seria 2

Media 30.953 29.843

Dispersia 2.678 3.917

Abaterea medie patratica 1.637 1.979

Amplitudinea 6.35 11.9

Mediana 30.87 29.62

Moda 03.705 29.173

Valoarea centrala 31.335 30.97

Coeficientul de variatie 0.053 0.067

Abaterea medie absoluta 1.349 1.408

Coeficientul de asimetrie 0.373 0.255

Coeficientul de boltire 2.39 5.148

Excesul -0,67 0.228

1.4.3. Verificarea normalitatii repartitiei

1.4.3.1. Criteriul de concordanta 2

Datele experimentale se impart in l intervale (clase): (- , x1 ) , [x1, x2 ),..., [xi-1 , xi ),......,
[xl-1 , ). In fiecare interval sunt mi date astfel incit numarul tuturor masurarilor efectuate este:
n = m1 + m2 + ......+ ml (1.33)
Numarul de date din fiecare interval mi trebuie sa fie suficient de mare (mi= 510).
Numarul claselor se determina cu relatia:
l  1  3.322  log n (Se recomanda l = 10  20) (1.34)
Lungimea intervalului este:
x max  x min
d
l (1.35)
Lungimea intervalului se rotunjeste la o valoare intreaga. Fiecarui interval ii corespunde
un numar de date fi . Pentru fiecare clasa se calculeaza ti cu relatia:

x mi  x
ti 
s (1.36)

25
unde s este abaterea standard empirica (eroarea medie patratica):

1 n
s  (x i  x ) 2
n  1 i 1 (1.37)
xmi este limita superioara a clasei i, iar valoarea medie este:

1 n
x  xi
n i 1 (1.38)
Se considera ca prima clasa are limita inferioara -, iar ultima clasa are limita superioara
+. Se calculeaza probabilitatea pi ca rezultatele experimentale sa cada in intervalul i in ipoteza
de normalitate a repartitiei:

pi   t i    t i 1 
(1.39)
Se tine seama ca (-)= - 0,5 iar () = 0,5 si apoi se calculeaza criteriul de concordanta:
l
(mi  npi ) 2
2  
i 1 npi (1.40)
Numarul de grade de libertate k se determina astfel:
- daca clasele extreme au mai putin de cinci date fiecare, atunci numarul gradelor de libertate
este k = l - 3;
- daca una din clasele extreme are mai putin de cinci elemente k = l - 2;
- daca toate clasele au mai mult de cinci elemente, numarul gradelor de libertate este k= l - 1.
Pentru un nivel de incredere P si numarul de grade de libertate k , din tabelul 1.6 se
determina valoarea critica 2 cr (P,k).

Daca:
 2   cr2 ( P, k ) (1.41)
se poate considera ca functia de repartitie a erorilor aleatoare in seria de date considerata nu este
cea normal.

26
 Tabelul 1.4 Valorile critice 2 cr (P,k)

k/ P 0.80 0.90 0.95 0.99 0.999

1 5.99 7.78 9.49 13.28 18.5
5 7.29 9.24 11.07 15.09 20.5
6 8.56 10.64 12.59 16.8 22.5
7 9.80 12.02 14.07 18.5 24.3
8 11.03 13.36 15.51 20.1 26.1
9 12.24 14.68 16.9 21.7 27.9
10 13.44 15.99 18.3 23.2 29.6
11 14.63 17.3 19.7 24.7 31.3
12 15.8 18.5 21 26.2 32.9
13 17 19.8 22.4 27.7 34.5
14 18.2 21.1 23.7 29.1 36.1
15 19.3 22.3 25 30.6 37.7
16 20.5 23.5 26.3 32 39.3
17 21.6 24.8 27.6 33.4 40.8
18 22.8 26 28.9 34.8 42.3
19 23.9 27.2 30.1 36.2 43.8
20 25 28.4 31.4 37.6 45.3

Eficienta criteriului de concordanta 2 creste daca in fiecare din intervalele ix i-1 , xi) sunt
aproximativ acelasi numar de date si este mai putin eficient cind repartitia este simetrica dar
difera de cea normala.

Criteriul de concordanta Hi2 Ex.2

Notam cu x numarul defectiunilor aparute la 82 de masini (repartitia Poisson).
Numarul masurarilor
n  length ( x)

n  55
27
 Numarul claselor

L  1  3.322 log( n)
L  6.781

Lungimea intervalului
max( x)  min( x)
d 
L

d  1.755

Numarul claselor (ceil(a) = [a] +1)

L  ceil
max( x)  min( x) 

 d 
L7

Limitele superioare ale claselor

k  1 L

j  1 L  1

k - numarul de clase
int  min( x)  ( j  1)  d
j

int 
j
25.02
26.775
28.53
30.284
32.039
33.794
35.549
37.303

max(x) = 37.303
min(x) = 25.02

28
Frecventele cu care valorile din vectorul x cad in intervale

f  hist( int x)

25
22.5
20
17.5
15
fk 12.5
10
7.5
5
2.5
0
26 27 28 29 30 31 32
int k

Fig. 1.2.

2
 
 10  ab_standard_emp  var ( x)
 24 
f   13 
 
4 ab_standard_emp  1.979
1
1
 

int  mean ( x)
1
t 
1 ab_standard_emp

int  mean ( x)
k
t 
k ab_standard_emp
2
t

2
funct ( t)  e

29
 b
1 
integ ( funct a b )    funct ( t) d t
2   a

a  0
b  t
k k

b  t
1 1

i1  2 L

p
1 
 integ funct a b   0.51

p  integ funct a b   integ funct a b

i1 i1 i1 1

p  0.5  integ funct a b 

L 1 L

L 1 f
  i 1
 n p   0  n p 
2
i 
2


1
h  
 n p  n p
i  2 i
 1

2
 n 


 f   n  p 
L 1

hi2  h 
n p
L 1

hi2  10.951

nr_grade_libertate  L  3
nr_grade_libertate  4

Pentru k = 4 si P = 0.95 (tab.4.2 pagina 135) hi2= 10.675

Deoarece 10.951 > 10.675 repartitia NU este normala

30
 1.4.4. Repartitia erorilor aleatoare de masurare
1.4.4.1. Modelul probabilistica

Existenta legii de repartitie poate fi stabilita repetind masurarea unei marimi fizice, in
conditii identice.
Daca se fac n masurari, iar intr-un anumit interval cad m masurari, pentru n
31ormal31e3131 de mare, se poate considera ca frecventa 31ormal31e 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), 31ormal
P(zi < z < z2 ), este aproximativ egala cu frecventa 31ormal31e:
m
P (z1  z  z 2 )  P (z  (z1 , z 2 ) 
n (1.42)
Modelul probabilistic 31ormal31e31 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 (z1 , 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
(1.43)
unde p(z) este densitatea de repartitie si este functie nenegativa care satisface conditia:


 p( z)dz  1
 (1.44)
Graficul densitatii de repartitie se numeste curba de repartitie.

1.4.4.2. 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

 2 (1.45)
unde parametrul  ( > 0) caracterizeaza precizia masurarilor.

31
 Numarul de masurari
s  100

Eroarea de masurare
i  1 s
z  7  0.14 i
i

Abaterea medie patratica

1  1.637

2  1.979

Densitatea de repartitie

 z i 2

2
1 2 1
p  e
i 1  2 

 z i 2

2
1 2 2
q  e
i 2  2 

32
Curba de repartitie normala, pentru diferite valori ale parametrilor  este prezentata in fig.1.2.

0.27
0.243
0.216
0.189

pi 0.162 Fig.1.2.Curba de
qi
0.135 repartitie normala a
0.108 erorilor aleatoare
0.081
0.054
0.027
0
8  6.4  4.8  3.2  1.6 0 1.6 3.2 4.8 6.4 8
zi

Valoarea maxima a densitatii de repartitie:

1
p0 
1  2 
1
q0 
2  2 

p0  0.244 q0  0.202
a  0

b  3
2
t

2
( t)  e

z
i
t 
i 1

33
 Probabilitate integrala
b
1 
I    ( t) d t
2   a

I  0.499
3
Prob  2.7  10

2 I  0.997

Prob  1  2 I

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) 
 2 (1.46)
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 (-z1, z1) se calculeaza cu relatia:
P ( z1  z  z1 )  P ( z  z1 )  2  (t1 )
(1.47)
unde:
t t2
1 
(t ) 
2
e 2
dt
0 (1.48)
z z1
t t1 
;  (1.49)
si reprezinta aria trapezului curbiliniu marginit de ordonatele 0 si z1 .
Functia (t) se numeste probabilitate normale iar valorile sunt date in Anexa 1 pentru
valori normale 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 (z1, z2) se calculeaza cu
relatia:

34
 z2 z1
P( z1  z  z2 )  ( )  ( )  ( t 2 )  ( t1 )
  (1.50)
Probabilitatea ca eroarea aleatoare sa depaseasca limitele  t , pentru t > 0, va fi:
P ( z  t )  1  2  (t ) (1.51)
iar probabilitatea sa nu depaseasca limitele  t  va fi:
P( z  t )  2  ( t ) (1.52)
Probabilitatea ca valorile aleatoare z sa depaseasca limitele  3  este:
P ( z  3 )1  2  (3)  0,0027 (1.53)
Rezulta ca evenimentul ca eroarea aleatoare sa iasa in afara intervalului  3  este normale
imposibil. Se accepta ca erorile aleatoare de masurare sunt marginite, in valoare absoluta de 3 .
Pentru o lege normal de repartitie a erorilor aleatoare, daca rezultatele masurarilor (x i = a + zi) au
densitatea de repartitie:
( xa)2
1 
p ( x)  e 2 2

 2 (1.54)
legea de repartitie se numeste lege normala centrata in 0 si este prezentata in fig.1.2.

0.27
0.243
0.216
0.189
Fig.1.3.Curba de
pi 0.162
repartitie normala
0.135
qi centrata in 0 pentru
0.108 marimea
0.081 masurarilor
0.054
0.027
0
8  6.4  4.8  3.2  1.6 0 1.6 3.2 4.8 6.4 8
zi

35
 1.4.5. Estimatii ale adevaratei valori a unei marimi fizice
1.4.5.1. Consideratii generale

Consideram ca x1, x2, ....., xn sunt rezultatul masurarilor din care au fost inlaturate erorile
grosolane si cele sistematice. Estimatiile adevaratei valori a marimii fizice masurate se poate
face prin:
-estimatia de incredere care consta in determinarea unui interval (g -1, g- 2) de incredere, care
cu probabilitatea P sa acopere adevarata valoare a; extremitatile intervalului de incredere se
numesc limite de incredere.
Pentru ca estimatia g sa asigure o aproximatie suficient de buna a valorii adevarate a ea trebuie
sa aiba urmatoarele proprietati:
- Nedeplasarea - daca valoarea medie teoretica a estimatiei g coincide cu valoarea adevarata a;
- Consistenta - daca estimatia g tinde in probabilitate catre valoarea a atunci cind numarul n al
masurarilor tinde catre  sau atunci cind n  si pentru orice  dat, probabilitatea P (|g - a| < )
 1;
- Eficienta - daca estimatia nedeplasata are cea mai mica imprastiere dintre toate estimatiile
nedeplasate ale valorii a.

1.4.5.2. Estimarea preciziei dispersie

Ca indicator a preciziei dispersiei masurarilor se va lua dispersia 2 sau eroarea medie

patratica .

Estimarea punctuala a dispersiei

Daca se fac masurari asupra unei marimi cunoscute a - etalon - ca estimatie a dispersiei se
ia media patratelor abaterilor rezultatelor masurarilor x1, x2, ....., xn de la valoarea a:

1 n
 2  s*2  
n i 1
(x i  a ) 2
(1.55)
Numarul gradelor de libertate este k = n.
Daca se masoara o marime necunoscuta, ca estimatie a dispersiei se ia dispersia empirica:

1 n
 2  s2  
n  1 i 1
(x i  x ) 2
(1.56)

36
Numarul gradelor de libertate este k = n -1.
Daca se fac m serii de masurari cu n1, n2, ......, nm date din serie, iar dispersiile empirice
2 2 2
corespunzatoare sunt s1 , s2 ......, sm drept estimatie a dispersiei se ia media ponderata a
dispersiilor empirice:

(n1  1)s12  (n2  1)s22 ...... (nm  1)sm2

 2  s2 
(n1  1)  (n2  1)....... (nm  1) (1.57)
Cind numarul de masurari este acelasi in fiecare serie ni = n, estimatia este media
aritmetica a valorii dispersiilor empirice:

1 m 2
 2  s2   si
m i 1 (1.58)
numarul gradelor de libertate este k = n1+n2+......+nm - m.
Daca pentru m serii de masurari se cunosc numarul de masurari din fiecare serie n 1, n2,
......, nm si mediile aritmetice din fiecare serie x 1 , x 2 , ......., x m atunci ca estimatie se ia dispersia
empirica a mediilor:

1 m
 2  ~s 2   ni ( x i  x )
m  1 i 1 (1.59)
unde:
m
1
x
n1  n2 ....... nm
n x
i 1
i i

(1.60)

Abaterea standard empirica s da o estimatie deplasata ce depinde de numarul k al

masurarilor (pentru n = 16 deplasarea reprezinta 2% iar pentru n = 26 deplasarea este sub 1%).
Numarul gradelor de libertate este k = n - 1.

Intervale de incredere pentru eroarea medie patratica

Pentru un numar mare de date, obtinute cu ajutorul unui interval de incredere a erorii
medii patratice  se scrie sub forma unei estimatii a abaterii relative a valorii  de la abaterea
~
standard empirica (so, s*, s sau s ):

 s
q
s (1.61)
37
sau
s  (1  q )    s  (1  q ) (1.62)
unde coeficientul q(P,k) se determina din tabelul 1.7.
Pentru un numar de grade de libertate suficient de mare se poate utiliza si regula trei
sigma care este de forma:

 3   3 
s  1      s  1  
 2k   2k  (1.63)
Siguranta unei astfel de estimari depaseste 0,99 pentru k > 47, 0.992 pentru k > 107 si 0.995
pentru k > 200.
Tabelul 1.7 Valorile coeficientului q (P, k)
k/P 0.95 0.99 0.999

17 0.4 0.639 0.961

18 0.385 0.602 0.916

19 0.371 0.578 0.875

20 0.358 0.556 0.838

22 0.336 0.518 0.776

24 0.318 0.487 0.724

26 0.302 0.46 0.679

28 0.288 0.437 0.641

30 0.276 0.416 0.609

35 0.253 0.375 0.544

40 0.234 0.343 0.494

45 0.219 0.318 0.455

50 0.207 0.297 0.424

Calculul dispersiei pentru fiecare serie de masurari:

n  length ( x1) n  55
media1  mean( x1) media1  30.953
media2  mean( x2) media2  29.843

38
 n
 x1i  media1
2

i 1
s21 
n 1

s21  2.728
n
 x2i  media2
2

i 1
s22 
n 1

s22  3.989

1.4.5.3.Compararea dispersiilor

Presupunem ca in doua serii de masurari se folosesc aparate diferite si s-a obtinut

2 2
dispersia empirica s1 pentru un numar de grade de libertate k1 si dispersia empirica s2 pentru un
numar de grade de libertate k2 (s1  s2 ) . Se compara raportul intre cea mai mare dispersie
2 2

empirica si cea mai mica:

s12
F 1
s 22 (1.64)
Se alege un nivel de incredere P = 0,95 sau P = 0,99 si din tabelul 1.8 se ia valoarea critica F(P,
k1 , k2).
Daca:
F > F(P, k1 , k2) (1.65)
atunci se considera ca diferenta dintre cele doua dispersii este semnificativa si deci precizia
2
aparatului ce da dispersia s2 este mai mare.

39
 Tabelul 1.8 Valorile critice F(P, k1, k2 ) pentru nivelul de incredere  = 0.95

k2 / k1 4 6 8 10 15 20 30 40 50
6 4.53 4.28 4.15 4.06 3.94 3.87 3.81 3.77 3.75
7 4.12 3.87 3.73 3.62 3.5 3.44 3.38 3.34 3.32
8 3.84 3.58 3.44 3.34 3.21 3.15 3.08 3.05 3.03
9 3.63 3.37 3.23 3.13 3 2.93 2.86 2.82 2.8
10 3.48 3.22 3.07 2.97 2.84 2.77 2.7 2.67 2.64
12 3.26 3 2.85 2.76 2.62 2.54 2.46 2.42 2.4
14 3.11 2.85 2.7 2.6 2.46 2.39 2.31 2.27 2.24
16 3.01 2.74 2.59 2.49 2.35 2.28 2.2 2.16 2.13
18 2.93 2.66 2.51 2.41 2.27 2.19 2.11 2.07 2.04
20 2.87 2.60 2.45 2.35 2.2 2.12 2.04 1.99 1.96
22 2.82 2.55 2.4 2.3 2.15 2.07 1.98 1.93 1.91
24 2.78 2.51 2.36 2.26 2.11 2.02 1.94 1.89 1.86
26 2.74 2.47 2.32 2.22 2.07 1.99 1.9 1.85 1.82
30 2.69 2.42 2.27 2.16 2.01 1.93 1.84 1.79 1.76
35 2.64 2.37 2.22 2.11 1.96 1.88 1.79 1.73 1.7
40 2.61 2.34 2.18 2.07 1.92 1.84 1.74 1.69 1.66
50 2.56 2.29 2.13 2.02 1.87 1.78 1.69 1.63 1.6

s22
F1 
s21
F1  1.462

libertate k = n - 1 din tabelul 4.7 (pag.149) se ia valoarea critica F(0.95, 54, 54) = 1.555

F1 = 1.462 < 1.555 diferenta NU ESTE semnificativa

40
 1.4.5.4. Eliminarea dispersiei ce difera semnificativ de celelalte

Daca avem m aparate de masura cu care efectuam acelasi numar n de masurari si

2
constatam ca dispersia empirica s1 este sensibil mai mare decit celelalte ne propunem sa
stabilim daca diferenta dintre aceasta dispersie si celelalte este semnificativa sau nu. Pentru
2
aceasta comparam dispersia cea mai mare s1 cu suma tuturor dispersiilor si se calculeaza
raportul:

s12
G
s12  s22 ........ sm2 (1.66)
Daca:
G  G( P , m, k ) (1.67)
atunci diferenta dintre prima dispersie si celelalte se considera semnificativa adica prima serie de
masurari este de o precizie mai mica decit celelalte. Valorile critice G(P, m, k) sunt date in
tabelul 1.9. Numarul gradelor de libertate este k = n - 1.
Tabelul 1.9 Valorile critice G(P, m, k) pentru P = 0,95

m/k 4 5 6 8 10 16 26 144
5 0.544 0.507 0.478 0.439 0.412 0.365 0.307 0.251
6 0.48 0.455 0.418 0.382 0.357 0.314 0.261 0.212
7 0.431 0.397 0.373 0.338 0.315 0.276 0.228 0.183
8 0.391 0.36 0.336 0.304 0.283 0.246 0.202 0.162
9 0.358 0.329 0.307 0.277 0.257 0.223 0.182 0.145
10 0.331 0.303 0.282 0.254 0.235 0.203 0.166 0.131
15 0.242 0.22 0.203 0.182 0.167 0.143 0.114 0.089
20 0.192 0.174 0.15 0.142 0.13 0.111 0.088 0.068
30 0.138 0.124 0.114 0.1 0.092 0.077 0.06 0.046
40 0.108 0.097 0.089 0.078 0.071 0.06 0.046 0.035
60 0.077 0.068 0.062 0.055 0.05 0.041 0.032 0.023
120 0.042 0.037 0.034 0.029 0.027 0.022 0.017 0.012

41
 s22
G1 
s21  s22

G1  0.594

Valoarea critica pentru nivelul de incredere P = 0.95, m = 2 (numarul seriilor) si

k = n - 1 = 55, G(0.95, 2, 54) = 0.434 este determinata din tabelul 4.8 (pag.150)

Deoarece G1 = 0.594 >0.434 diferenta dintre prima dispersie si cealalta se considera

semnificativa, adica a 2-a serie de masurari este de o precizie mai mica decit a 1 -a
si NU o vom mai lua in considerare in continuare.

1.4.6. Estimari punctuale ale adevaratei valori a unei marimi masurate

Daca cele n masurari au fost facute cu aceeati precizie atunci ca estimatie punctuala a
valorii a se ia media aritmetica a datelor masurate:
x1  x 2 ....... x n 1 n
ax   xi
n n i 1 (1.68)
Daca masurarile nu sunt de egala precizie, dar se cunosc ponderile masurarilor p1, p2, ..., pn care
sunt invers proportionale cu dispersiile erorilor  1 ,  2 , ....,  n atunci drept estimatie a
2 2 2

adevaratei valori a se ia media aritmetica ponderata:

n

p x  p2 x 2 ...... pn x n p x
i 1
i i
a 1 1 
p1  p2 ...... pn n

p i 1
i
(1.69)
In cazul masurarilor cu aceeasi precizie (adica cu aceeasi eroare medie patratica ) a valorilor
supuse prelucrarii x1, x2, ...., xn care reprezinta o medie a unui numar de masurari m1, m2, ......,
mn se poate atasa drept pondere numarul de masurari:

2
 i2 
pi = mi (i = 1, 2, ...., n) iar mi (1.70)

42
 1.4.7. Estimari pentru intervale de incredere a adevaratei valori
1.4.7.1.Pentru masurari de egala precizie

Intervalul de incredere a valorii adevarate a este:

x-<a<x+ (1.71)
sau

ax 
(1.72)
Marimea  se determina luindu-se nivelul de incredere P la unul din nivelele: 0,95; 0,99 sau
0,999. Daca se cunoaste eroarea medie patratica  atunci intervalul de incredere este:
t (P)  
ax 
n (1.73)
Pentru un nivel de incredere ales t (P) se determina din tabelul 1.10. Se obtine:
t (P)  

n (1.74)
Daca eroarea medie patratica nu se cunoaste, atunci se utilizeaza in locul ei abaterea standard
empirica:

n 1 n
s  s*
n1
 
n  1 i 1
(x i  x ) 2
(1.75)
Intervalul de incredere este:
t (P, k )  s
ax 
n (1.76)
sau

t ( P, k )  s*
ax 
k (1.77)
unde k = n - 1. Valoarile t (P, k) sunt date in tabelul 1.10.
Alegerea erorii  se poate face cu regula trei sigma. Abaterea adevaratei valori a marimii
masurate de la media aritmetica a rezultatelor masurarilor nu depaseste cu de trei ori abaterea
medie patratica a erorii acestei valori medii. In acest caz intervalul de incredere este:
3
ax 
n (1.78)

43
cu nivelul de siguranta P = 0.9973 iar daca nu se cunoaste :
3s
ax 
n (1.79)
cu nivelul de incredere dat in tabelul 1.11.
Tabelul 1.10 Valorile t (P, k) Tabelul 1.11 Dependenta nivelului de
incredere de numarul de masurari
k / P 0.95 0.99 0.999
n P n P n P
4 2.776 4.604 8.61
5 0.96 12 0.988 25 0.994
5 2.571 4.032 6.859
6 0.97 14 0.99 30 0.995
6 2.447 3.707 5.959
7 0.976 16 0.991 50 0.996
7 2.365 3.499 5.405
8 0.98 18 0.992 150 0.997
8 2.306 3.355 5.041
9 0.983 20 0.993  0.9973
9 2.262 3.25 4.781
10 2.228 3.169 4.587 10 0.985

11 2.201 3.106 4.487

12 2.179 3.055 4.318
13 2.16 3.012 4.221
14 2.145 2.977 4.14
15 2.131 2.947 4.073
16 2.12 2.921 4.015
18 2.103 2.878 3.922
20 2.086 2.845 3.85
25 2.06 2.787 3.725
30 2.042 2.75 3.646
35 2.03 2.724 3.591
40 2.021 2.704 3.551
45 2.014 2.689 3.522
50 2.008 2.677 3.497

44
 s  s21 s  1.652

s21  s22
s2  s2  3.359
2

s  s2 s  1.833

Estimarea prin intervale de incredere a dispersiei (si deci a abaterii medii patratice):

Din tabelul 4.6 (pag.148) se determina coeficientul q (0.95, 55) = 0.195

s (1 - q) < s < s (1 + q)
1.326 < s < 1.978

Estimarea adevaratei valori a marimii masurate:

a. Estimarea punctuala:

media2  media1
media 
2
media  30.398

media  media1

media  30.953

Masa a 100 de boabe de porumb este:

M = 30.953 g

Estimarea prin intervale de incredere:

Din tabelul 4.10 (pag.153) se determina t(0.95, 54) = 2.002

Se calculeaza precizia de masurare :

45
 4 t  2.003
t  2.008  0.006 
5

ts   0.446
 
n
Adevarata valoare a marimii masurate prin intervale de incredere este:

media - < D < media +

30.507 < D < 31.399

max  media  

max  31.399

min  media  

min  30.507

1.4.7.2.Pentru masurari de precizii diferite

Consideram ca rezultatele masurarilor de precizii diferite x1, x2, ...., xn sunt medii ale
unor masurari de egala precizie pentru fiecare serie m1, m2, ....., mn. Intervalul de incredere al
valorii adevarate a marimii masurate este:
t (P, k )  s
ax 
N (1.80)
unde
n n
1
x
N
 mi  xi
i 1
N   mi
i 1 (1.81)

1 n
s  mi (xi  x) 2
n  1 i 1 (1.82)
Numarul de grade de libertate k = n - 1 iar pentru un nivel de incredere ales, t (P,k) se
determina din tabelul 4.9.

46
Daca pentru rezultatele masurarilor x1, x2, ...., xn de precizie inegala se cunosc valorile ponderilor
p1, p2, ....., pn si dispersiile  1 ,  2 , ......,  n , atunci intervalul de incredere pentru adevarata
2 2 2

valoare a marimii masurate este:

a  x  t ( P , k )  sx
(1.83)
unde
n

pi 1
i  xi
x n

p
i 1
i
(1.84)
n

 p (x
i 1
i i  x) 2
sx  n
(n  1) pi
i 1 (1.85)
Numarul de grade de libertate este k = n - 1.
Daca ponderile masurarilor sunt necunoscute, ele se inlocuiesc cu valorile
corespunzatoare determinate cu relatiile:
mi
pi 
si2 i = 1, 2, ......., n (1.86)
unde

1 mi
si2  
mi  1 j 1
(x ij  x i ) 2
(1.87)
iar xi1, xi2, ......., xi mi sunt rezultatele masurarilor inregistrate in cea de a i-a serie cu valoarea
medie xi. Se ia estimatia:
t (P)
ax 
p
(1.88)
unde t(P) se determina din tabelul 4.3 pentru un nivel de incredere P ales convenabil. In cadrul
acestor estimari numarul de masurari trebuie sa fie suficient de mare.

47
 2. CONCLUZII

1. Prin masurare se intelege procesul fizic exprimat prin comparare a unei marimi cu o alta
marime de aceeasi natura considerata unitate de masura.
Metodele de masurare pot fi de: analogice, numerice, prin comparare, prin deviatie, prin
numarare, absoluta si diferentiala.
2. Ca indicator a preciziei dispersiei masurarilor se va lua dispersia 2 sau eroarea medie
patratica .
3. Erorile sistematice 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.
4. Parametrii statici principali ai unui sir de date se mai numesc si valori tipice de selector si sunt
definiti ca: media aritmetica, media geometrica, media armonica, media patratica, abaterea medie
patratica, abaterea standard empirica, etc.
5. Daca eroarea medie patratica nu se cunoaste, atunci se utilizeaza in locul ei abaterea standard
empirica.
5. Excesul curbei de repartitie permite aprecierea gradului de indepartare a curbei studiate fata de
repartitia normala. Daca E = 0 curba studiata coincide cu cea normala. E > 0 pune in evidenta o
concentrare a frecventelor fata de centru iar E < 0 o indepartare a frecventelor fata de centru.
7. Erorile grosolane 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.
8. In cazul masurarilor cu aceeasi precizie (adica cu aceeasi eroare medie patratica ) a valorilor
supuse prelucrarii x1, x2, ...., xn care reprezinta o medie a unui numar de masurari m1, m2, ......,
mn se poate atasa drept pondere numarul de masurari.
9. Alegerea erorii  se poate face cu regula trei sigma. Abaterea adevaratei valori a marimii
masurate de la media aritmetica a rezultatelor masurarilor nu depaseste cu de trei ori abaterea
medie patratica a erorii acestei valori medii.

48
 3. BIBLIOGRAFIE

1 Cretu T., Falie V., Prelucrarea datelor experimentale in fizica, Bucuresti, Editura Didactica si
Pedagogica,1980
2.David Ladislau, Suport de curs” Prelucrarea datelor experimentale”, Facultatea de Ingineria
Sistemelor Biotehnice, Master IMPM 2017
3 ANCUŞA, VERSAVIA MARIA. Problema consensului în calculul tolerant la erori / Versavia
Maria Ancuşa. - Timişoara: Universitatea "Politehnica" Timişoara, 2000
4.http://www.scritub.com/tehnica-mecanica/Metode-Si-Mijloace-De-Masurare448231920.php
5 http://www.automation.ucv.ro/Romana/cursuri/optimizari42/Capitolul%201.pdf
6 S. Guiasu – Teoria informatiei, EDP, 1982. 2. V.Sgârciu – Prelucrări de date, Ed.Matrixrom,
1998. 3. V.Sgarciu, C.Soare, M.Anghel – Prelucrari de date – aplicatii, Ed.POLITEHNICA
Press, 2004.
7 http://www.scritub.com/stiinta/matematica/Modelul-stochastic-al-prelucrr1611412613.php

49