Documente Academic
Documente Profesional
Documente Cultură
PROIECT
Prelucrarea datelor experimentale
București 2019
Cuprins
Introducere .......................................................................................................................... 3
1. Metode de măsurare ...................................................................................................... 3
1.1. Noțiunea de măsurare ................................................................................................. 3
1.2. Metode de măsurare .................................................................................................... 3
1.3. Alegerea aparatelor folosite în lanțul de măsurare ....................................................... 4
2. Determinarea numărului necesar de măsurări .............................................................. 5
3. Eliminarea datelor afectate de erori grosolane .............................................................. 7
3.1. Clasificarea erorilor de măsurare ................................................................................. 7
3.2. Metoda de eliminare pentru necunoscut ................................................................... 8
4. Parametrii statistici principali ...................................................................................... 11
5. Repartiția erorilor aleatoare de măsurare ................................................................... 14
5.1. Modelul probabilistic ................................................................................................ 14
5.2. Repartiția normală .................................................................................................... 15
5.3. Verificarea normalității repartiției ............................................................................. 17
5.3.1. Criteriul de concordant 2 ................................................................................... 17
6. Estimații ale adevăratei valori a unei mărimi fizice ..................................................... 20
6.1. Considerații generale ................................................................................................ 20
6.2. Estimarea preciziei dispersiei .................................................................................... 21
6.2.1. Estimarea adevăratei valori a mărimii măsurate .................................................. 21
6.2.2. Intervale de încredere pentru eroarea medie pătrată…………..………………….22
6.2.3. Compararea dispersiilor…………………...…………………………..………….23
6.2.4. Eliminarea dispersiei ce diferă semnificativ de celelalte…………………………24
6.2.5. Estimări punctuale ale adevăratei valori a unei mărimi măsurate………………..26
6.2.6. Estimări pentru intervale de încredere a adevăratei valori…………..……..……..26
6.2.7. Pentru măsurări de egală precizie………………………………...……………....26
6.2.8. Estimarea adevăratei valori a mărimii măsurate………………………………….28
Concluzii…………………………………………………………………………….……….29
Bibliografie……………..……………………………………………………………………30
Anexe……………………...…………………………………………………………………31
2
Introducere
Importanța unui astfel se studiu este datorată
1. Metode de măsurare
1.1. Noțiunea de măsurare
Prin măsurare se întelege procesul fizic exprimat prin compararea unei mărimi cu o altă
mărime de aceeași natură considerată unitate de măsură.
Operația de măsurare se exprimă matematic prin formula:
X=nU (1.1)
în care: X - este mărimea supusă măsurării;
U - unitatea de măsură;
n - valoarea numerică a mărimii sau factorul calitativ.
Valoarea numerică a unei mărimi va depinde de unitatea de măsura. Astfel, mărimea X
va avea valoarea numerică n1 măsurată în unitatea U1 și valoarea n2 în 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 numește factor de transformare și reprezintă numărul cu care trebuie înmulțită valoarea
numerică a unei mărimi măsurate cu o unitate de măsură pentru a obține valoarea sa numerică
măsurată în altă unitate.
3
Măsurarea numerică. În acest caz, operația de măsurare conduce la obținerea unui
număr care, după un anumit cod (de exemplu codul binar) indică valoarea mărimii măsurate.
Măsurarea prin deviație. Metoda este de tip analogic și constă, în principiu, în
deviația unui sistem dintr-o poziție de echilibru pe care o au în lipsa mărimii de măsurat, într-
o alta poziție de echilibru pe care o capată în prezența mărimii de măsurat. Mărimea este pusă
în evidență prin ecartul dintre cele două poziții de echilibru. De exemplu metoda se folosește
la unele dinamometre, manometre, instrumente electrice de tip electromagnetic sau
magnetoelectrice.
Măsurarea prin comparare constă în generarea unei mărimi cunoscute care se
compară cu mărimea de măsurat și care se reglează altfel ca să o egaleze. Metoda se mai
numește și metoda de zero deoarece prin egalarea mărimii de comparație cu cea de măsurat
suma lor este nulă. Se utilizează curent la măsurarea tensiunii electrice cu potențiometrul
compensator.
Măsurarea prin numărare constă în măsurarea cantității mărimii prin numărarea
valorii ei. De exemplu, determinarea turației unui arbore, stabilirea numărului de particule, etc.
Măsurarea absolută este aceea la care baza de măsurare este un zero absolut pentru
care mărimea de măsurat nu se realizează.
Măsurarea diferențială este aceea la care se alege ca origine o bază de măsurare
arbitrară și față de aceasta se stabilește valoarea mărimii respective.
4
1.5; 2.5; 4 în timp ce aparatele folosite în cadrul cercetărilor au clasele de precizie de la
0.5 până la 0.2. Cifra care indică clasa de precizie a aparatului de măsurat reprezintă, în
procente, limitele de variație ale valorii indicate de aparat față de valoarea reală a
parametrului măsurat. Astfel, clasa 2 înseamnă că valoarea indicată de aparat poate să
difere de valoarea reala în limitele 2% din domeniul de indicare al aparatului.
• Aparatele de măsură trebuie să fie sigure în exploatare și să posede o comportare
tranzitorie bună.
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
1 = q s = a − x (2.1.)
Dacă precizia 1 este prea mare și se dorește o precizie mai mică se calculează
raportul:
1
= (2.2)
Micșorarea preciziei de ori se obține prin mărirea numărului de măsurari la n:
n = n1 2 (2.3)
5
29.55 Pentru cele 59 de măsurări realizate, s-a impus un nivel de încredere (P) de
29.20 0.95 și o precizie (ε) de 0.37, iar numărul optim de măsurări se determină
utilzând următoarele formule:
28.24 ▪ media valorilor măsurate: media = 28.589
28.69
30.04 ▪ abaterea standard empirică:
n
(xi − media )
2
26.13
31.36 i=1
s =
28.42 n −1
28.00
29.04 s = 1.261
25.09 ▪ q = q = 0.266
x = s
28.20
27.60 ▪ Din tabelul 2.1 putem extrage numărul necesar de măsurări pentru P =
0.95, ε =0.335. Astfel, în funcție de q ales numărul necesar de măsurări (n1)
28.62 poate fi:
27.95
a) q1 = 0.3 => n1 = 46
29.40 Având în vedere că am obținut experimental un q = 0.266 în continuare,
28.64 voi determina numărul necesar de măsurări aferent acestui q, pornind
29.29 de la q1 și implicit de la numărul necesar de măsurări aferent lui q1.
Astfel, la efectuarea unui număr de 99 de măsurări precizia va fi:
28.94 ▪ ε1 = q1 x s = 0.3 x 1.261 => ε1 = 0.378
29.28 Pentru a obține o precizie mai mică decât precizia calculată (ε1 = 0.378)
28.54
în vederea identificării numărului necesar de măsurări specific lui q determinat
28.73 experimental (q=0.266), voi calcula valoare lui λ:
1
=
= 1.129
6
Tabelul 2.2. Valorile obținute prin măsurare
Nr. M1 M2 Nr. M1 M2 Nr. M1 M2 Nr. M1 M2
1 32.26 30.51 16 37.14 28.72 31 29.45 30.7 46 29.22 30.76
2 31.76 29.04 17 31.16 28.61 32 27.88 28.04 47 30.84 30.34
3 32.2 29.2 18 33.4 28.44 33 27.9 29.42 48 27.84 27.64
4 31.06 28.13 19 31.75 30.71 34 30.78 28.6 49 29.42 28.44
5 34.11 28.72 20 30.22 30.15 35 29.27 27.88 50 30.05 28.23
6 33.55 29.08 21 30.72 28.67 36 28.25 28.32 51 29.39 28.9
7 31.5 28.53 22 31.7 27.41 37 33.45 29.62 52 28.91 27.96
8 30.81 29.31 23 30.33 28.16 38 27.44 29.32 53 29.37 28.57
9 32.65 30.22 24 28.29 29.57 39 27.4 39.94 54 30.11 29.77
10 31.87 28.35 25 33.9 30.26 40 27.15 29.54 55 28.72 30.45
11 30.44 30.98 26 30.85 30.83 41 28.05 28.07 56 29.21 27.23
12 32.41 30.25 27 28.66 29.42 42 29.02 31.13 57 28.92 28.04
13 31.54 29.7 28 28.68 30.69 43 28.42 30.69 58 29.67 27.2
14 33.91 30.15 29 29.64 28.58 44 28 28.2 59 31.72 28.41
15 33.88 28.86 30 28.74 27.31 45 28.68 28.38 60 30.11 29.26
7
Erorile sistematice. Aceste erori se pot datora unor cauze ce pot fi descoperite de
experimentator: reglarea incorectă a aparatului de măsură, variația condițiilor exterioare
(temperatură, umiditate, etc.). Ele, odată depistate, pot fi usor eliminate facându-se corecțiile
corespunzătoare.
Erorile aleatoare. Apar din cauza unor multitudini de factori, greu de precizat și
individualizat, a căror influență individuală este neglijabilă, din care cauză nu există
posibilitatea depistării și înlăturării lor. Cu ajutorul teoriei probabilităților se poate lua în
consideratie în ce masură erorile aleatoare influențează estimațiile adevaratelor valori ale
mărimilor măsurate, ceea ce permite determinarea valorii mărimii măsurate cu o eroare oricât
de mică în raport cu erorile măsurarilor individuale.
Studiul influenței erorilor aleatoare se bazează pe cunoașterea legilor lor de repartiție.
8
Pentru eliminarea datelor afectate de erori grosolane a fost elaborat un program de
calcul ERORISIR.PAS realizat în limbajul de programare Torbo Pascal 7.0 prezentat în
continuare.
PROGRAM ELIMINARE_ERORI_GROSOLANE_SIR_DATE;
uses crt;
label 1, 2, 3, 4, 5;
var x, y: arrayi1..120s of real; { Declararea mărimilor utilizate }
i, n, k, j, b1, s1, s2: integer;
a, a1, xmediu, a2, s, t, t1: real;
g: file of real; { Introducerea valorilor măsurate xiis }
BEGIN
9
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 măsurări }
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 { Afișarea 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;
:END.
10
4. Parametrii statistici principali
Parametrii statistici principali ai unui șir de date xi de n măsurări în care x1 apare de f1
k
ori, x2 de f2 ori, xk de fk ori și f
i =1
i = n se mai numesc și valori tipice de selecție și sunt
definiți astfel:
Media aritmetică de sondaj a șirului de date:
1 k
x = f i xi (4.1)
n i =1
Dacă în cele n măsurări xi apare o singură dată atunci:
1 n
x = xi (4.2)
n i =1
Media aritmetică are o mare importanță în estimarea preciziei măsurărilor când nu se
cunoaște valoarea exactă a mărimii fizice măsurate.
Media geometrică a șirului de date se calculează cu relația:
1
n n
x g = xi (4.3)
i =1
Media armonică este:
n
xa = n
(4.4)
1
i =1 xi
Media patratică este:
n
x
i =1
2
i
xp = (4.5)
n
Mediana de sondaj a șirului de date - este valoarea față de care frecvența valorilor mai
mici decât ea este egală cu frecvența valorilor mai mari decât ea. Valorile xi se aranjează în
ordine crescătoare sau descrescătoare și mediana este:
- dacă n este impar:
M e = x ( n +1)/ 2 (4.6)
- dacă n este par:
x n / 2 + x n / 2 +1
Me = (4.7)
2
Moda de sondaj a șirului de date este valoarea din șirul de date căreia îi corespunde
frecvența maximă. Dacă repartiția de frecvență are două valori maxime, ambele fiind cele mai
probabile, repartiția se numește bimodală. Dacă repartiția de frecvență are mai multe mode,
repartiția este polimodală iar dacă repartiția are în mijloc un minim în loc de un maxim se
numește antimodală. Legătura dintre media aritmetică, mediană și modă este dată de relația:
M o = x + 3 ( M e − x) (4.8)
Valoarea centrală a șirului de date:
11
x max + x min
xc = (4.9)
2
în care xmax este cea mai mare din valorile xi , iar xmin cea mai mică.
Abaterea medie patratică de la valoarea medie se calculează cu relația:
1 k
s* = f i ( x i − x) 2
n i =1
(4.10)
Abaterea standard empirica aproximează cel mai bine eroarea medie pătratică atunci
când numărul de măsurări este relativ mic.
Dispersia de sondaj a șirului de date, sau momentul centrat de ordinul doi este:
1 k
s 2 = f i ( x i − x) 2 (4.12)
n i =1
Dispersia de sondaj poate fi folosită ca estimație a dispersiei 2 și dacă în cele n
măsurări xi apare o singură dată atunci se calculează cu relația:
1 n
s2 =
n − 1 i =1
( xi − x) 2 (4.13)
Amplitudinea șirului de date se calculează ca diferența dintre valoarea cea mai mare
xmax și valoarea cea mai mică xmin a șirului de măsurări dat:
R = x max − x min (4.14)
Coeficientul de variație al șirului de date:
s
Cv = (4.15)
x
Abaterea medie absolută de selecție a șirului de date reprezintă media abaterilor față
de valoarea adevarată a mărimii fizice a (dacă aceasta este cunoscută) sau față de media
aritmetică luată în valoare absolută:
1 k
Am = f i xi − x (4.16)
n i =1
Momentul de sondaj de ordinul r, calculat față de originea sistemului este:
1 n
M r = x ir (4.17)
n i =1
Momentul centrat de sondaj de ordinul r se obține din momentele generale de ordinul
r considerând că originea arbitrară coincide cu media aritmetică:
1 k
r = f i ( x i − x) r (4.18)
n i =1
Coeficientul de asimetrie al șirului de date permite aprecierea formei unei repartiții
statistice. Pentru calculul coeficientului de asimetrie se folosește relația:
12
( 3 ) 2
1 = (4.19)
(s 2 ) 3
în care s2 este dispersia de sondaj a șirului de date iar:
1 k
3 = f i ( x i − x) 3 (4.20)
n i =1
Asimetria este pozitivă dacă repartiția este asimetrică cu extremitatea extinsă spre
dreapta și negativă în caz contrar. Coeficientul de asimetrie este nul pentru o repartiție
simetrică. Asimetria absolută poate fi exprimată ca diferența dintre media aritmetică și moda:
1 = x − Mo (4.21)
Coeficientul de boltire:
2 = 24 2 (4.22)
(s )
în care 4 este momentul centrat de ordinul 4, definit de relația:
1
4 =
n
f i ( x i − x) 4 (4.23)
13
11. Dispersia de sondaj 1.2 4.418
12. Amplitudinea 3.93 9.99
13. Coeficientul de variatie 0.038 13.007
14. Abaterea medie absoluta 0.957 1.741
15. Coeficientul de boltire 1.899 3.101
16. Asimetria absolută 0.754 1.083
17. Excesul -1.101 0.101
Abaterea standard empirică a seriei 1 este 1.105, iar pentru seria 2 este 2.12 (tabelul
4.1) ceea ce însemnă că domeniul în care sunt încadrate valorile din seria 1 este apropiat de
valoarea medie (restrâns) în timp ce, domeniul în care se află valorile seriei 2 este mai
împrăștiat. Făcând o paralelă cu abaterea standard empirică aferentă primei măsurări (a
celor 59 de valori valide) ce a fost de 1.105, putem sesiza faptul că domeniul în care se găsesc
cele 60 de valori este mult mai restrâns, ceea ce a făcut ca numărul necesar de măsurări să
fie mic (de 59 de măsurări).
P (z1 z z 2 ) = p(z)dz
z1
(5.2)
unde p(z) este densitatea de repartiție și este funcție nenegativă care satisface condiția:
p( z)dz = 1
− (5.3)
Graficul densității de repartiție se numește curba de repartiție.
14
5.2. Repartiția normală
Legea de repartiție a erorilor aleatoare de măsurare cea mai utilizată este repartiția
normala (legea lui Gauss) dată de densitatea de repartiție:
z2
1 −
p( z ) = e 2 2
2 (5.4)
unde parametrul ( > 0) caracterizeaza precizia măsurărilor.
Curba de repartiție normală, pentru diferite valori ale parametrilor este prezentată în figura
5.1.
0.8
0.6
0.4
0.2
0
6 4 2 0 2 4 6
15
Funcția (t) se numește probabilitate integrală iar valorile sunt date în Anexa 1 pentru
valori pozitive ale variabilei t. Pentru valori negative ale lui t se ține seamă că (t) este o funcție
impară, deci (-t) = -(t).
Probabilitatea ca eroarea aleatoare să cadă într-un interval oarecare (z1, z2) se
calculeaza cu relația:
z z
P( z1 z z 2 ) = ( 2 ) − ( 1 ) = ( t 2 ) − ( t1 )
(5.9)
Probabilitatea ca eroarea aleatoare să depașească limitele t , pentru t > 0, va fi:
P ( z t ) = 1 − 2 ( t )
(5.10)
iar probabilitatea să nu depășească limitele t va fi:
P ( z t ) = 2 ( t )
(5.11)
Probabilitatea ca valorile aleatoare z să depășească limitele 3 este:
P ( z 3 )1 − 2 (3) = 0,0027
(5.12)
Rezultă că evenimentul ce presupune ca eroarea aleatoare să iasă în afara intervalului
3 este practic imposibil. Se acceptă că erorile aleatoare de măsurare sunt mărginite, în valoare
absolută de 3 .
Pentru o lege normală de repartiție a erorilor aleatoare, dacă rezultatele măsurărilor (xi = a +
zi) au densitatea de repartiție:
( x−a)2
1 −
p( x) = e 2 2
2 (5.13)
legea de repartiție se numește lege normală centrată în a și este prezentată în figura 5.2.
0.2
0.15
0.1
0.05
0
6 4 2 0 2 4 6 8 10
16
5.3. Verificarea normalității repartiției
5.3.1. Criteriul de concordant 2
Datele experimentale se împart în l intervale (clase): (-, x1 ), [x1, x2 ),..., [xi-1, xi), ......,
[xl-1, ). În fiecare interval sunt mi date astfel încât numărul tuturor măsurărilor efectuate este:
n = m1 + m2 + ......+ ml (5.14)
Numărul de date din fiecare interval mi trebuie să fie suficient de mare (mi= 510). Se
recomandă l = 10 20. Numărul claselor se determină cu relația:
l = 1 + 3.322 log n (5.15)
27.2
27.771
28.342
28.913
29.484
30.055
30.626
31.197
Limitele superioare ale claselor din seria 2 de măsurări sunt:
27.15
28.601
30.053
31.504
32.956
34.407
35.859
37.31
Lungimea intervalului este:
x max − x min
d=
l (5.16)
Lungimea intervalului pentru seria 1 este d1 = 0.571, iar pentru seria 2 este d2 = 1.451.
17
Fiecărui interval îi corespunde un număr de date fi . Pentru fiecare clasă se calculează
ti cu relația:
x mi − x
ti =
s (5.17)
unde s este abaterea standard empirică (eroarea medie pătratică):
1 n
s=
n − 1 i =1
(xi − x ) 2
(5.18)
Abaterea standard empirică pentru seria 1 este s1 =1.105, iar pentru seria 2 este s2 = 2.12.
xmi este limita superioară a clasei i, iar valoarea medie este:
1 n
x = xi (5.19)
n i =1
Valoarea medie pentru seria 1 a fost x = 29.165, iar pentr seria 2 a fost x = 32.145.
Se consideră că prima clasă are limita inferioară -, iar ultima clasă are limita
superioară +. Se calculează probabilitatea pi ca rezultatele experimentale să cadă în intervalul
i în ipoteza de normalitate a repartiției:
p i = ( t i ) − ( t i − 1 )
(5.20)
Se ține seama ca (-)= - 0,5 iar () = 0,5 și apoi se calculează criteriul de
concordanță:
l
(m − npi ) 2
2 = i (5.21)
i =1 npi
Criteriu de concordanță pentru seria 1 este 2 = 11.07, iar pentru seria 1 este 2 = 11.212.
Numărul de grade de libertate k se determină astfel:
• dacă clasele extreme au mai puțin de cinci date fiecare, atunci numărul gradelor de
libertate este k = l - 3;
• dacă una din clasele extreme are mai puțin de cinci elemente k = l - 2;
• dacă toate clasele au mai mult de cinci elemente, numărul gradelor de libertate este
k = l - 1.
Pentru un nivel de încredere P și numărul de grade de libertate k , din tabelul 5.1. se
determina valoarea critica 2 cr (P,k).
Dacă:
2 cr2 ( P, k ) (5.22)
se poate considera ca funcția de repartiție a erorilor aleatoare în seria de date considerată nu
este cea normală.
Numărul de grade de libertate ales pentru seria 1 este k1 = 7, deoarece una din clasele
extreme are mai puțin de cinci elemente (7-2).
Numărul de grade de libertate ales pentru seria 2 este k2 = 6, deoarece clasele extreme
au mai puțin de cinci elemente fiecare (7-3).
Seria 1 - Pentru un nivel de încredere P = 0.95 și un număr de grade de libertate k1 =
7, valoarea critică determinată din tabelul 6.1 a fost: 11.07. Comparând valoarea critică
18
obținută prin calcul cu cea din tabelul 6.1 => 11.019 < 14.07 => REPARTIȚIA ESTE
NORMALĂ
Seria 2 - Pentru un nivel de încredere P = 0.95 și un număr de grade de libertate k2 =
6, valoarea critică determinată prin raportarea la datele expuse în tabelul 5.1 a fost: 11.212.
Deoarece în tabelul 5.1 nu sunt prezentate date cu privire la gradul 6 de libertate, acestea se
calculează astfel:
▪ Nivelul de încredere pentru k = 7 este P = 9.49, iar pentru k = 6 este P = 11.07.
Diferența dintre cele două nivele de încredere este 1.58, pe care o împărțim la 4
(diferența dintre gradul de libertate 5 și gradul de libertate 1) și vom obține 0.395.
Astfel, prin interpolare, nivelul de încredere pentru gradul 4 de libertate este:
(0.395 x 3) + 9.49 = 10.675.
Comparând valoarea critică obținută prin calcul cu cea aferentă tabelului 5.1 => 10.951 >
10.675 => REPARTIȚIA NU ESTE NORMALĂ
Eficiența criteriului de concordanță 2 crește dacă în fiecare din intervalele ixi-1 , xi)
sunt aproximativ același număr de date și este mai puțin eficient când repartiția este simetrică
dar diferă de cea normală.
Valorile critice 2 cr (P,k)
Tabelul 5.1. 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
19
0.5
0.45
0.4
0.35
0.3
pi
0.25
qi
0.2
0.15
0.1
0.05
0
−6 − 4.8 − 3.6 − 2.4 − 1.2 0 1.2 2.4 3.6 4.8 6
zi
Figura 5.3. Densitatea de repartiție
În figura 5.3 putem vedea repartiția valorilor măsurate (gradul de împrăștiere) pentru
ambele serii. Seria 1 este reprezentată prin curba pi de culoare roșie a cărei valori sunt mai
restrânse (mai apropiate de valoarea de mijloc), iar seria 2 este reprezentată prin curba qi de
culoare albastră a cărei valori sunt mai împrăștiate în raport cu cele ale seriei 1 (mai depărtate
de valoarea de mijloc).
Valoarea maximă a densității de repartiție pentru seria 1 este po = 0.361, iar pentru
seria 2 este qo = 0.188. Această valoare maximă împarte scorurile obținute astfel: 50 % din
valori sunt mai mici decât valoarea maximă, iar 50 % din valori sunt mai mari.
Din repartiția prezentată în figura 5.3 reiese că cele mai multe valori sunt grupate în
jurul mediei (99 % din valori se găsesc in domeniul 2σ), iar cu cât un scor este mai depărtat
de medie, cu atât numărul de valori din acel interval este mai mic.
20
▪ Consistența - dacă estimația g tinde în probabilitate către valoarea a atunci când
numărul n al măsurărilor tinde către sau atunci când n → și pentru orice dat,
probabilitatea P (|g - a| < ) → 1;
- Eficiența - dacă estimația nedeplasată are cea mai mică împrăștiere dintre toate
estimațiile nedeplasate ale valorii a.
Când numărul de măsurări este același în fiecare serie n i = n, estimația este media
aritmetică a valorii dispersiilor empirice:
1 m 2
s = si
2 2
m i =1 (6.4)
1 m
2 ~s 2 = ni ( x i − x )
m − 1 i =1 (6.5)
unde:
21
m
1
x=
n1 + n2 +.......+ nm
n x
i =1
i i
(6.6)
−s
q
s (6.7)
sau
s (1 − q ) s (1 + q ) (6.8)
unde coeficientul q(P,k) se determină din tabelul 6.1.
Numărul gradelor de libertate k depinde de numărul de măsurări și de forma abaterii
standard empirice acceptată pentru estimația lui .
Pentru un număr de grade de libertate suficient de mare se poate utiliza și regula trei
sigma care este de forma:
3 3
s 1 − s 1 +
2k 2k (6.9)
Siguranța unei astfel de estimări depășește 0,99 pentru k > 47, 0.992 pentru k > 107 și
0.995 pentru k > 200.
22
Tabelul 6.1. 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
un număr de grade de libertate k2 (s s ) . Se compară raportul între cea mai mare dispersie
2 2
1 2
atunci se consideră că diferența dintre cele două dispersii este semnificativă și deci precizia
2
aparatului ce dă dispersia s 2 este mai mare.
Tabelul 6.2 Valorile critice F(P, k1, k2 ) pentru nivelul de încredere = 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
23
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
Pentru măsurarea efectuată asupra boabelor de porumb, raportul între cea mai mare
dispersie empirică și cea mai mică, aferente celor două serii de măsurări, este:
𝑠22 3.989
F1 = = = 3.682 > 1
𝑠12 2.728
După cum putem vedea, raportul dispersiilor empirice este mai mare decât 1.
Pentru nivelul de încredere P = 0.95 și numărul gradelor de libertate k = n - 1 (55-1),
din tabelul 6.2 se ia, prin interpolare, valoarea critică F (0.95, 56, 56) = 1.59.
În continuare, se compară raportul dispersiilor (F) obținut prin măsurare cu cel
identificat din tabel pentru a vedea dacă diferența este sau nu semnificativă:
F1 = 3.682 > 1.59 => diferența ESTE semnificativă
s12
G= 2
s1 + s22 +........+ sm2 (6.12)
Dacă:
G G ( P , m, k ) (6.13)
atunci diferența dintre prima dispersie și celelalte se consideră semnificativă adică prima serie
de măsurări este de o precizie mai mică decât celelalte. Valorile critice G(P, m, k) sunt date în
tabelul 6.3. Numărul gradelor de libertate este k = n - 1.
24
Tabelul 6.3 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
În continuare, deoarece seria 2 nu mai este luată în considerare, voi calcula noua
estimație punctuală a dispersiei astfel:
2 𝑠2
𝑠1+ 2
s= = 1.105
2
Estimarea prin intervale de încredere a dispersiei (și deci a abaterii medii pătratice)
se determină astfel:
▪ se determină coeficientul q (0.95, 58) = 0.188 care ne ajută la identificarea intervalului
de încredere. Intervalul de încredere este de forma: s (1 - q) < s < s (1 + q) => 0.897
< s < 1.312
25
6.2.5. Estimări punctuale ale adevăratei valori a unei mărimi măsurate
Dacă cele n măsurări au fost făcute cu aceeași precizie ca estimația punctuală a valorii
a se ia media aritmetică a datelor măsurate:
x + x 2 +.......+ x n 1 n
ax= 1 = xi
n n i =1 (6.14)
Dacă măsurările nu sunt de egală precizie, dar se cunosc ponderile măsurărilor p 1, p2,
..., pn care sunt invers proporționale cu dispersiile erorilor 1 , 2 , ...., n atunci drept
2 2 2
p x + p 2 x 2 + ......+ p n x n px
i =1
i i
a 1 1 =
p1 + p 2 + ......+ p n n
p
i =1
i
(6.15)
În cazul măsurărilor cu aceeași precizie (adică cu aceeași eroare medie pătratică ) a
valorilor supuse prelucrării x1, x2, ...., xn care reprezintă o medie a unui număr de măsurări m1,
m2, ......, mn se poate atașa drept pondere numărul de măsurări:
2
i2 =
pi = mi (i = 1, 2, ...., n) iar mi (6.16)
Estimațiile se calculează cu formula prezentată mai sus.
t (P)
a−x
n (6.19)
Pentru un nivel de încredere ales t (P) se determină. Se obține:
t (P)
=
n (6.20)
Dacă eroarea medie pătratică nu se cunoaște, atunci se utilizează în locul ei abaterea
standard empirică:
n 1 n
s = s*
n−1
= (x i − x ) 2
n − 1 i =1 (6.21)
Intervalul de încredere este:
26
t (P, k ) s
a−x
n (6.22)
sau
t ( P, k ) s*
a−x
k (6.23)
27
Tabelul 6.5 Dependența nivelului de încredere de numărul de măsurări
n P n P n P
5 0.96 12 0.988 25 0.994
6 0.97 14 0.99 30 0.995
7 0.976 16 0.991 50 0.996
8 0.98 18 0.992 150 0.997
9 0.983 20 0.993 0.9973
10 0.985
28
CONCLUZII
Prin măsurare se înțelege procesul fizic exprimat prin comparare a unei mărimi cu o
altă mărime de aceeași natură considerată unitate de măsură.
Metodele de măsurare pot fi: analogice, numerice, prin comparare, prin deviație, prin
numărare,absolută și diferențială.
Erorile grosolane apar datorită neatenției sau a încălcării principiilor generale de
măsurare. Măsurările ce conțin erori grosolane diferă foarte mult de celelalte măsurări și ele
trebuiesc eliminate în calculele ulterioare.
Erorile sistematice se pot datora unor cauze ce pot fi descoperite de experimentator:
reglarea incorectă a aparatului de măsură, variația condițiilor exterioare (temperatura,
umiditate, etc.). Ele, odată depistate, pot fi ușor eliminate facându-se corecțiile
corespunzătoare.
Parametrii statici principali ai unui șir de date se mai numesc și valori tipice de selector
și sunt definiți ca: media aritmetică, media geometrică, media armonică, media pătratică,
abaterea medie pătratică, abaterea standard empirică etc.
Excesul curbei de repartiție permite aprecierea gradului de îndepărtare a curbei studiate
față de repartiția normală. Dacă E = 0 curba studiată coincide cu cea normală. E > 0 pune în
evidență o concentrare a frecvențelor față de centru iar E < 0 o îndepărtare a frecvențelor față
de centru.
În cazul măsurărilor cu aceeași precizie (adică cu aceeași eroare medie pătratică a
valorilor supuse prelucrării x1, x2, ...., xn care reprezintă o medie a unui număr de măsurări
m1, m2, ......, mn se poate atașa drept pondere numărul de măsurări.
Dacă eroarea medie pătratică nu se cunoaște, atunci se utilizează în locul ei abaterea
standard empirică.
29
BIBLIOGRAFIE
30
Anexe
Anexa 1
Numar masurari
ORIGIN 1
29.55
29.20
Determinarea raportului q
28.24 Tabelul 4.5
28.69 q/ P 0.9 0.95 0.98 0.99 0.999
30.04 n1 n1 n1 n1 n1
1 5 7 9 11 17
26.13 0.5 13 18 25 31 50
31.36 0.4 19 27 37 46 74
0.3 32 46 64 78 127
28.42 0.2 70 99 139 171 277
28.00 0.1 273 387 545 668 1089
29.04 0.05 1084 1540 2168 2659 4338
x = 25.09
28.20
27.60 n = length ( x) n = 22
28.62 media = mean ( x) media = 28.589
27.95
n
29.40
(xi − media )
2
28.64 Abaterea standard empirica
29.29 i=1
s =
n −1 s = 1.261
28.94
29.28 2. Pentru nivelul de incredere P = 0.95 si precizie de masurare = 0.33
28.54 se determina q din tabelul 4.5 (pagina 143);
28.73
= 0.335 Precizia = a-xmed
q = q = 0.266
s
3. Din tabelul 4.5 (pag.143) pentru nibvelul de incredere P = 0.95 si q1 = 0.3 rezulta numarul de masurar
n1 = 46;
1 = q1 s 1 = 0.378
1
=
= 1.129
2
n2 = n1 n2 = 58.664
31
Anexa 2
1
n
n
mediageom =
x
i
mediageom = 29.091 Media geometrica
i = 1
n
mediarm = mediarm = 29.07 Media armonica
n
1
x
i=1 i
(xi)
2
i=1
mediapat = mediapat = 29.132 Media patratica
n
Calculul Medianei de sondaj - valoarea fata de care frecventa valorilor mai mici decit ea este egala cu
frecventa valorilor mai mari decit ea
ind = if floor
n n + 1 n
2 n ind = 30 Se determina indicele mijlocului sirului de valori
2 2 2
xsort
ind
+ xsort
ind+ 1
mediana = if ( ind 2 n ) xsort mediana = 28.86 Mediana de sondaj
ind 2
moda = media + 3 ( mediana − media ) moda = 28.358 Moda de sondaj - valoarea careia ii
corespunde valoarea maxima
xsort + xsort
1 n
val_centrala = val_centrala = 29.165 Valoarea centrala
2
(xi − media )
1 2
ab_medie_pat = ab_medie_pat = 1.095
n
i=1
32
Abaterea standard empirica de la valoarea medie
n
(xi − media )
1 2
ab_stand_emp =
n −1
i=1 ab_stand_emp = 1.105
ab_stand_emp
coef_variatie = coef_variatie = 0.038 Coeficientul de variatie
media
r = 2 4 i = 1 n
(xi)
1 r
moment =
r n moment = 0 moment = 848.661
1 2
i=1
4 5
moment = 2.478 10 moment = 7.243 10
3 4
( x − media )
1 r
moment_centrat_sondaj =
r n i moment_centrat_sondaj =0
1
i=1
moment_centrat_sondaj = 1.2
2
moment_centrat_sondaj = 2.735
4 moment_centrat_sondaj = 0.155
3
33
coef_asim =
( moment_centrat_sondaj )
r
2
Coeficientul de asimetrie
r 3
dispersia_sondaj
moment_centrat_sondaj
4
coef_boltire = coef_boltire = 1.899 Coeficientul de boltire
2
dispersia_sondaj
34
Anexa 3
1
n
n
mediageom =
x
i
mediageom = 30.4 Media geometrica
i = 1
n
mediarm = mediarm = 30.331 Media armonica
n
1
x
i=1 i
(xi)
2
i=1
mediapat = mediapat = 30.543 Media patratica
n
Calculul Medianei de sondaj - valoarea fata de care frecventa valorilor mai mici decit ea este egala cu
frecventa valorilor mai mari decit ea
xsort = sort ( x)
Ordoneaza crescator elementele vectorului x
ind = if floor
n n + 1 n
2 n ind = 30 Se determina indicele mijlocului sirului de valori
2 2 2
xsort
ind
+ xsort
ind+ 1
mediana = if ( ind 2 n ) xsort mediana = 30.11 Mediana de sondaj
ind 2
moda = media + 3 ( mediana − media ) moda = 29.388 Moda de sondaj - valoarea careia ii
corespunde valoarea maxima
xsort + xsort
1 n
val_centrala = val_centrala = 32.145 Valoarea centrala
2
(xi − media )
1 2
ab_medie_pat = ab_medie_pat = 2.102
n
i=1
(xi − media )
1 2
ab_stand_emp =
n −1
i=1 ab_stand_emp = 2.12
35
n Dispersia de sondaj sau momentul centrat de ordinul doi
(i )
1 2
dispersia_sondaj = x − media
n
i=1 dispersia_sondaj = 4.418
ab_stand_emp
coef_variatie = coef_variatie = 0.07 Coeficientul de variatie
media
r = 2 4 i = 1 n
n
(xi)
1 r
moment =
r n moment = 0 moment = 932.901
1 2
i=1
4 5
moment = 2.87 10 moment = 8.875 10
3 4
( x − media )
1 r
moment_centrat_sondaj =
r n i moment_centrat_sondaj =0
1
i=1
moment_centrat_sondaj = 4.418
2
moment_centrat_sondaj = 60.541
4 moment_centrat_sondaj = 6.096
3
coef_asim =
( moment_centrat_sondaj )
r
2
Coeficientul de asimetrie
r 3
dispersia_sondaj
moment_centrat_sondaj
4
coef_boltire = coef_boltire = 3.101 Coeficientul de boltire
2
dispersia_sondaj
36
Anexa 4
L = ceil
max( x) − min ( x)
L=7 Numarul claselor (ceil(a) = [a] +1)
d
k = 1 L j = 1 L + 1 k - numarul de clase
int = min ( x) + ( j − 1) d
j Limitele superioare ale claselor
int =
j
27.2 min( x) = 27.2
27.771
28.342
28.913
29.484
30.055
30.626
31.197
max( x) = 31.13
14
13.2
6
12.4
11.6 10
10.8 14
fk f =6
10
9.2 7
8.4 8
7.6 8
6.8
6
26 27 28 29 30 31 32
int k
37
ab_standard_emp = var ( x) ab_standard_emp = 1.095
k = 2 L
2
t
−
2
funct ( t) = e
b
1
integ ( funct a b ) = funct ( t) dt
2 a
a = 0 b = t b = t i1 = 2 L
k k 1 1
(
p = integ funct a b
1 1)
+ 0.5
p
L+ 1
= 0.5 − integ funct a b( )
L
L+ 1 f
( i −1
− n p ) (0 − n p )
2
i
2
1
h = +
n p n p h = 11.019
i = 2 i
1
nr_grade_libertate = ( L + 1) − 1
nr_grade_libertate = 7
Pentru k = 5 si P = 0.95 (tab.4.2 pagina 135) hi2= 11.07 Deoarece 11.019 < 14.07 repartitia
ESTE normala
38
Anexa 5
L = ceil
max( x) − min ( x)
L=7 Numarul claselor (ceil(a) = [a] +1)
d
k = 1 L j = 1 L + 1 k - numarul de clase
int = min ( x) + ( j − 1) d
j Limitele superioare ale claselor
int =
j
27.15 min( x) = 27.15
28.601
30.053
31.504
32.956
34.407
35.859
37.31
max( x) = 37.14
18
16.2
11
14.4
12.6 17
10.8 12
fk f = 10
9
7.2 8
5.4 0
3.6 1
1.8
0
26 27 28 29 30 31 32
int k
39
k = 2 L
2
t
−
2
funct ( t) = e
b
1
integ ( funct a b ) = funct ( t) dt
2 a
a = 0 b = t b = t i1 = 2 L
k k 1 1
(
p = integ funct a b
1 1)
+ 0.5
p
L+ 1
= 0.5 − integ funct a b( )
L
L+ 1 f
( −
− n p ) (0 − n p )
2
+
2
i 1 i 1
h =
n p n p h = 11.212
i = 2 i
1
nr_grade_libertate = ( L + 1) − 2
nr_grade_libertate = 6
Pentru k = 5 si P = 0.95 (tab.4.2 pagina 135) hi2= 11.212 Deoarece 11.212 < 12.59 repartitia
ESTE normala
40
Anexa 6
( z i) 2 ( z i) 2
−
2 −
1 2 1 2
p = e 1 2 2
i
1 2 q = e
i
2 2 Densitatea de repartitie
0.5
0.45
0.4
0.35
0.3
pi
0.25
qi
0.2
0.15
0.1
0.05
0
−6 − 4.8 − 3.6 − 2.4 − 1.2 0 1.2 2.4 3.6 4.8 6
zi
1 1
p0 = q0 = Valoarea maxima a densitatii de repartitie:
1 2 2 2
p0 = 0.361 q0 = 0.188
a = 0 b = 3
2
z t
i −
t = 2
i 1 ( t) = e Probabilitate integrala
b
1
I = ( t) dt
2 I = 0.499
a
−3
2 I = 0.997 Prob = 1 − 2 I Prob = 2.7 10
41
Anexa 7
n = length ( x1) n = 59
media1 = mean ( x1) media1 = 29.111
(x1i − media1)
2
i =1
s21 = s21 = 1.221
n −1
(x2i − media2)
2
i =1
s22 = s22 = 4.494
n −1
b. Compararea dispersiilor
s22
F1 = F1 = 3.682
s21
s22
G1 =
s21 + s22 G1 = 0.786
s = s21 s = 1.105
42
e. Estimarea prin intervale de incredere a dispersiei (si deci a abaterii medii patratice):
s (1 - q) < s < s (1 + q)
0.897 < s < 1.312
media2 + media1
media = media = 29.791
2
Valorile t (P, k)
Masa a 100 de boabe de porumb este: Tabelul 4.9
M = 29.111 g k/P 0.95 0.99 0.999
4 2.776 4.604 8.61
b. Estimarea prin intervale de incredere: 5 2.571 4.032 6.859
6 2.447 3.707 5.959
Din tabelul 4.10 (pag.153) se determina 7 2.365 3.499 5.405
t(0.95, 58) = 1.998 8 2.306 3.355 5.041
Se calculeaza precizia de masurare : 9 2.262 3.25 4.781
10 2.228 3.169 4.587
11 2.201 3.106 4.487
8 12 2.179 3.055 4.318
t = 2.008 − 0.006
5 13 2.16 3.012 4.221
14 2.145 2.977 4.14
t = 1.998 15 2.131 2.947 4.073
16 2.12 2.921 4.015
ts
= = 0.287 18 2.103 2.878 3.922
n 20 2.086 2.845 3.85
25 2.06 2.787 3.725
Adevarata valoare a marimii masurate prin 30 2.042 2.75 3.646
intervale de incredere este: 35 2.03 2.724 3.591
40 2.021 2.704 3.551
media - < M < media + 45 2.014 2.689 3.522
28.824 < M < 29.399 50 2.008 2.677 3.497
43