UNIVERSITATEA POLITEHNICA DIN BUCURESTI

Facultatea de Ingineria Sistemelor Biotehnice

PROIECT
La disciplina Prelucrarea datelor
experimentale

Titular disciplina Student

Prof.dr.ing. Ladislau DAVID Ene Ionut-Daniel

2019
INTRODUCERE

1. Metode de masurare
1.1. Notiunea de masurare
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 1 n2
k  (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.
1.2. Metode de masurare
Principalele criterii de clasificare a metodelor de masurare sunt:
- forma de exprimare a marimii, dupa care avem: masurari analogice si masurari
numerice;
- tehnica de masurare, dupa care pot fi: masurari prin deviatie, masurari prin
comparatie, masurari prin numarare;
- originea de referinta a masurarii, dupa care pot fi: masurari absolute si masurari
diferentiale.
Masurarea analogica. Semnalul care circula prin lantul de masurare si care poarta
informatia, este lagat functional de marimea de masurat printr-o lege continua. Prin operatia
de citire la receptor, pe baza etalonarii prealabile, se transforma indicatia analogica intr-un
numar care exprima valoarea numerica a marimii masurate. De exemplu, la receptor semnalul
poate provoca deviatia unui ac indicator si pe baza etalonarii scalei se transforma aceasta
deviatie (ca marime analoga) intr-un numar.
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 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.
1.3. Alegerea aparatelor folosite in lantul de masurare
Alegerea aparatelor de masurat si chiar a metodei de masurare trebuie sa tina seama
de scopul masurarii si de amplasarea locului de masurare. Alegerea corecta a celei mai
avantajoase metode ca si a aparatelor cele mai adecvate si potrivite sub aspect economic este
posibila numai daca se cunosc bine conditiile locale, la locul masurarii, ca: influenta mediului
inconjurator, puritatea mediului (componente agresive, praf, etc.) temperaturi anormale sau
variatii de temperatura, vibratii, socuri, frecventa procesului de masurat, etc. De asemenea
este necesar a se conoaste, sau cel putin a se aprecia domeniul de variatie a marimii de
masurat. Alegerea aparatelor trebuie facuta astfel incit marimea maxima masurata sa
reprezinte circa 75% din domeniul scarii acestora.
Sensibilitatea aparatului de masurat este importanta pentru precizia masurarii. Aceasta
se defineste ca raportul intre deplasarea indicatorului L si variatia marimii de masurat x care
a provocat aceasta deplasare:
L
E (1.4)
x

Precizia de citire creste odata cu sensibilitatea si deci este de dorit ca aceasta sa fie cit
mai mare.
Un alt factor care trebuie luat in consideratie este intirzierea de care este afectata
indicatia. Acest factor joaca un rol important in masurarile dinamice cu variatie foarte rapida.
 In alegerea metodelor si aparatelor de masurat trebuie sa se tina seama de
urmatoarele:
- Sa se masoare numai cu precizia necesara. Este deci necesar ca inaintea masurarii sa
se aprecieze corect precizia necesara si clasa de precizie a aparatelor de masura ce se vor
folosi. De exemplu, aparatele de masurat de exploatare se iau cu clasele de precizie 1; 1.5;
2.5; 4 in timp ce aparatele folosite in cadrul cercetarilor au clasele de precizie de la 0.5 pina la
0.2.
Cifra care indica clasa de precizie a aparatului de masurat reprezinta, in procente,
limitele de variatie ale valorii indicate de aparat fata de valoarea reala a parametrului masurat.
Astfel clasa 2 inseamna ca valoarea indicata de aparat poate sa difere de valoarea reala in
limitele 2% din domeniul de indicare al aparatului.
- Aparatele de masura trebuie sa fie sigure in exploatare si sa posede o comportare
tranzitorie buna.
2. Determinarea numarului necesar de masurari

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

numar de experiente n1 ales, se determina, din tabelul 4.5, raportul q.
Determinarea raportului q
Tabelul 2.1

q/P 0.9 0.95 0.98 0.99 0.999

n1 n1 n1 n1 n1
1 5 7 9 11 17
0.5 13 18 25 31 50
0.4 19 27 37 46 74
0.3 32 46 64 78 127
0.2 70 99 139 171 277
0.1 273 387 545 668 1089
0.05 1084 1540 2168 2659 4338

Se calculeaza abaterea standard empirica si apoi precizia:

1  q  s  a  x (2.1)

Daca precizia 1 este prea mare si se doreste o precizie mai mica  se calculeaza
raportul:

1
 (2.2)


Micsorarea preciziei de  ori se obtine prin marirea numarului de masurari la n:

n  n1   2 (2.3)
 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
 
 30.83 Determinarea raportului q
 30.31 Tabelul 4.5
 29.35 q/ P 0.9 0.95 0.98 0.99 0.999
  n1 n1 n1 n1 n1
 31.70 1 5 7 9 11 17
 29.02 0.5 13 18 25 31 50
 31.55 0.4 19 27 37 46 74
  0.3 32 46 64 78 127
 29.91 0.2 70 99 139 171 277
 28.03 0.1 273 387 545 668 1089
  0.05 1084 1540 2168 2659 4338
 32.45
 31.65
x   29.12
  n  length ( x) n  23
 31.91
 29.02 media  mean( x) media  30.513
 31.30
  n
 30.23
  xi  media
2
 29.85 Abaterea standard empirica
  i 1
s 
 31.01 n 1 s  1.407
 29.63
 33.47 2. Pentru nivelul de incredere P = 0.95 si precizie de masurare = 0.33
  se determina q din tabelul 4.5 (pagina 143);
 31.88
 29.61
 28.33   0.37 Precizia = a-xmed
 

q  q  0.263
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;

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
3. Efectuarea masurarii masei boabelor de porumb

Nr. M1 M2 Nr. M1 M2 Nr. M1 M2 Nr. M1 M2

1 31.3 29.81 16 33.42 30.04 31 30.39 27.56 46 37.27 31.58
2 32.56 34.84 17 30.18 30.32 32 33.37 30.69 47 34.51 30.36
3 30.32 38.08 18 31.28 27.57 33 32.14 28.39 48 37.70 32.04
4 33.68 46.64 19 30.90 31.99 34 31.58 31.49 49 33.68 36.92
5 32.54 31.90 20 29.30 29.91 35 30 27.36 50 31.80 20.51
6 31.09 28.86 21 37.27 29.54 36 28.36 30.34 51 30.18 29.58
7 31.78 27.51 22 32.51 29.85 37 28.92 28.09 52 32.03 30.53
8 29.94 29.49 23 29.10 30.49 38 30.87 29.64 53 32.51 29.04
9 29.54 29.78 24 29.81 27.27 39 30.49 28.99 54 33.42 29.58
10 30.49 27.95 25 29.64 31.65 40 29.90 29.29 55 31.40 33.20
11 31.27 29.62 26 34.51 31.92 41 29.14 29.97 56 28.35 28.84
12 31.19 29.23 27 31.76 30.46 42 28.16 28.30 57 32.76 26.98
13 32.07 29.37 28 30.42 29.45 43 30.32 32.38 58 30.69 29.79
14 28.16 41.39 29 31.71 25.02 44 30.17 28.83 59 26.32 26.75
15 29.92 29.62 30 28.16 29.18 45 36.43 32.24 60 28.70 29.54

4. Eliminarea datelor afectate de eroei grosolane

4.1 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:
z i = xi - a (4.1)
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 [%] (4.2)
a a

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:
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.
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.
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.

4.2. Metoda de eliminare pentru  necunoscut

Pentru eliminarea datelor afectate de erori grosolane se poate utiliza testul

Romanovski. Se calculeaza abaterea standard empirica s, pentru cele n -1 rezultate ale
masurarilor presupuse ca nu sunt afectate de erori grosolane, cu relatia:

1 n 1
s 
n  2 i 1
(xi  x ) 2 (4.3)

Se calculeaza raportul:

x*  x
t (4.4)
s

Pentru un nivel de incredere P (caruia ii corespunde un nivel de semnificatie  = 1 -

P) si un numar de experiente n cunoscut se determina din tabelul 4.4 valoarea critica t (n, P).
Daca:
t > t (n, P) (4.5)
vom elimina valoarea x* ca fiind afectata de erori grosolane, cu nivelul de incredere P.

Valorile critice t (n, P)

Tabelul 4.1
n /P 0.95 0.98 0.99 0.999 n / 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.
PROGRAM ELIMINARE_ERORI_GROSOLANE_SIR_DATE;
uses crt;
label 1, 2, 3, 4, 5;
var x, y: arrayi1..120s of real; { Declararea marimilor utilizate }
i, n, k, j, b1, s1, s2: integer;
a, a1, xmediu, a2, s, t, t1: real;
g: file of real; { Introducerea valorilor masurate xiis }
BEGIN

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

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

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

writeln(' 1 - Da');
writeln(' 2 - Nu');
readln(s2);
if s2=1 then
begin
assign(g,'erori1.dat');
rewrite(g);
for i:=1 to n do
begin
write(g,xiis);
end;
close(g);
end;
writeln('Introduceti valoarea critica t(n,P):');
readln(t1);
{ Calculul coeficientului de testare t }
b1:=1;
3:k:=1;
a1:=0; { Suma valorilor masurate xiis }
a2:=0; { Suma patratelor xiis – xmediu }

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

5. Parametrii statistici principali

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

k
ori, x2 de f2 ori, xk de fk ori si f
i 1
i  n 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 (5.1)
n i 1
Daca in cele n masurari xi apare o singura data atunci:
1 n
x   xi (5.2)
n i 1
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 n
x g    xi  (5.3)
 i 1 
Media armonica este:
n
xa  n
1 (5.4)
x
i 1 i

Media patratica este:

n

x i 1
2
i
(5.5)
xp 
n
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 x i se aranjeaza
in ordine crescatoare sau descrescatoare si mediana este:
- daca n este impar:
M e  x ( n 1)/ 2 (5.6)
- daca n este par:
x  x n / 21
M e  n/ 2 (5.7)
2
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) (5.8)
Valoarea centrala a sirului de date:
x  x min
x c  max (5.9)
2
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*  
n i 1
f i ( x i  x) 2 (5.10)

iar abaterea standard empirica este:

1 k
s 
n  1 i 1
f i ( x i  x) 2 (5.11)

Abaterea standard empirica aproximeaza cel mai bine eroarea medie patratica 
atunci cind numarul de masurari este relativ mic.
Dispersia de sondaj a sirului de date, sau momentul centrat de ordinul doi este:
1 k
s 2   f i ( x i  x) 2 (5.12)
n i 1
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 (5.13)

Amplitudinea sirului de date se calculeaza ca diferenta dintre valoarea cea mai mare
xmax si valoarea cea mai mica xmin a sirului de masurari dat:
R  x max  x min (5.14)
Coeficientul de variatie al sirului de date:
s
Cv  (5.15)
x
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 x i  x (5.16)
n i 1
Momentul de sondaj de ordinul r, calculat fata de originea sistemului este:
1 n r
M r   xi (5.17)
n i 1
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  
n i 1
f i ( x i  x) r (5.18)

Coeficientul de asimetrie al sirului de date permite aprecierea formei unei repartitii

statistice. Pentru calculul coeficientului de asimetrie se foloseste relatia:
( 3 ) 2
1  2 3 (5.19)
(s )
in care s2 este dispersia de sondaj a sirului de date iar:
1 k
 3   f i ( x i  x) 3 (5.20)
n i 1
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 (5.21)
Coeficientul de boltire:

 2  24 2 (5.22)
(s )
in care  4 este momentul centrat de ordinul 4, definit de relatia:
1
4 
n
 f i ( x i  x) 4 (5.23)

Coeficientul de boltire este un indicator al gradului de inclinatie a pantei curbei

densitatii de repartitie in vecinatatea modei de sondaj M o. 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 (5.24)
Tabel cu o parte din parametrii pentru fiecare serie din Parametrii statistici 1 (2)

Parametrul Seria 1 Seria 2

Media
Dispersia
Abaterea medie patratica
Amplitudinea
Mediana
Moda
Valoarea centrala
Coeficientul de variatie
Abaterea medie absoluta
Coeficientul de asimetrie
Coeficientul de boltire
Excesul
 Parametrii statistici principali (Seria 1)

media  mean( x) media  30.953 Media aritmetica de sondaj

n  length ( x) n  55 Numarul valorilor masurate

1
n
 n 
mediageom  
  x
i mediageom  30.91 Media geometrica
i  1 
n
mediarm  mediarm  30.867 Media armonica
n
1
 x
i
i1

  xi
2

i 1
mediapat  mediapat  30.996 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  28 Se determina indicele mijlocului sirului de valori
 2 2 2
 xsort
ind
 xsort
ind 1
mediana  if ( ind  2  n ) xsort   mediana  30.87 Mediana de sondaj
ind
 2 
moda  media  3 ( mediana  media) moda  30.705 Moda de sondaj - valoarea careia ii
corespunde valoarea maxima

xsort  xsort
1 n
val_centrala  val_centrala  31.335 Valoarea centrala
2

Abaterea medie patratica de la valoarea medie

n
  xi  media
1 2
ab_medie_pat   ab_medie_pat  1.637
n
i1

ab_medie_patratica  stdev ( x) ab_medie_patratica  1.637

 Abaterea standard empirica de la valoarea medie
n

  xi  media
1 2
ab_stand_emp  
n 1
i1 ab_stand_emp  1.652

n Dispersia de sondaj sau momentul centrat de ordinul doi

i 
1 2
dispersia_sondaj   x  media
n
i 1 dispersia_sondaj  2.678

dispersia_de_sondaj  var ( x) dispersia_de_sondaj  2.678

amplitudinea  max( x)  min( x) amplitudinea  6.35 Amplitudinea sirului de date

ab_stand_emp
coef_variatie  coef_variatie  0.053 Coeficientul de variatie
media

n Abaterea medie absoluta - media abaterilor fata de

1
ab_medie_abs 
n
  x  media
i
media aritmetica in valoare absoluta
i 1 ab_medie_abs  1.349

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

r  2  4 i  1  n

n
  xi
1 r
moment  
r n moment  0 moment  960.75
1 2
i 1
4 5
moment  2.99  10 moment  9.334 10
3 4

Momentul centrat de sondaj de ordinul r - calculat avind ca origine media aritmetica

n
 x  media
1

r
moment_centrat_sondaj  
r n i moment_centrat_sondaj  0
1
i1
moment_centrat_sondaj  2.678
2
moment_centrat_sondaj  17.141
4 moment_centrat_sondaj  0.966
3

coef_asim 
 moment_centrat_sondaj 
r
2
Coeficientul de asimetrie
r 3
dispersia_sondaj

coef_asim  0 coef_asim  0.373

1 2
coef_asim  0.049 coef_asim  15.295
3 4

asim_ab  media  moda asim_ab  0.248 Asimetria absoluta

moment_centrat_sondaj
4
coef_boltire  coef_boltire  2.39 Coeficientul de boltire
2
dispersia_sondaj

excesul  coef_boltire  3 excesul  0.61 Excesul

 Parametrii statistici (Seria 2)

n
  xi
2

i 1
mediapat  mediapat  29.909 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  28 Se determina indicele mijlocului sirului de valori
 2 2 2
 xsort
ind
 xsort
ind 1
mediana  if ( ind  2  n ) xsort   mediana  29.62 Mediana de sondaj
ind
 2 
moda  media  3 ( mediana  media) moda  29.173 Moda de sondaj - valoarea careia ii
corespunde valoarea maxima

xsort  xsort
1 n
val_centrala  val_centrala  30.97 Valoarea centrala
2

Abaterea medie patratica de la valoarea medie

n

  xi  media
1 2
ab_medie_pat   ab_medie_pat  1.979
n
i1

ab_medie_patratica  stdev ( x) ab_medie_patratica  1.979

Abaterea standard empirica de la valoarea medie

n
  xi  media
1 2
ab_stand_emp  
n 1
i1
media  mean( x) media  29.843 Media aritmetica de sondaj
n  length ( x) n  55 Numarul valorilor masurate

1
n
 n 
mediageom  
  x
i mediageom  29.78 Media geometrica
i  1 
n
mediarm  mediarm  29.717 Media armonica
n
1
 x
i
i1

ab_stand_emp  1.997
 moment  0 moment  894.549
1 2
4 5
moment  2.694 10 moment  8.15  10
3 4

Momentul centrat de sondaj de ordinul r - calculat avind ca origine media aritmetica

n
  xi  media
1 r
moment_centrat_sondaj  
r n moment_centrat_sondaj  0
1
i1
 n Dispersia de sondaj sau momentul centrat de ordinul doi
i 
1 2
dispersia_sondaj   x  media
n
i 1 dispersia_sondaj  3.917

dispersia_de_sondaj  var ( x) dispersia_de_sondaj  3.917

amplitudinea  max( x)  min( x) amplitudinea  11.9 Amplitudinea sirului de date

ab_stand_emp
coef_variatie  coef_variatie  0.067 Coeficientul de variatie
media

n Abaterea medie absoluta - media abaterilor fata de

1
ab_medie_abs 
n
  x  media
i
media aritmetica in valoare absoluta
i 1 ab_medie_abs  1.408

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

r  2  4 i  1  n

  xi
1 r
moment  
r n
i 1

moment_centrat_sondaj  3.917
2
moment_centrat_sondaj  78.985
4 moment_centrat_sondaj  6.263
3

coef_asim 
 moment_centrat_sondaj 
r
2
Coeficientul de asimetrie
r 3
dispersia_sondaj

coef_asim  0 coef_asim  0.255

1 2
coef_asim  0.653 coef_asim  103.82
3 4

asim_ab  media  moda asim_ab  0.67 Asimetria absoluta

moment_centrat_sondaj
4
coef_boltire  coef_boltire  5.148 Coeficientul de boltire
2
dispersia_sondaj

excesul  coef_boltire  3 excesul  2.148 Excesul

6. Repartitia erorilor aleatoare de masurare
6.1. Modelul probabilistic

Erorile aleatoare de masurare sunt caracterizate de o lege de repartitie determinata.

Existenta legii de repartitie poate fi stabilita repetind masurarea unei marimi fizice, in conditii
identice, pentru un numar n de masurari suficient de mare.
Daca se fac n masurari, iar intr-un anumit interval cad m masurari, pentru n suficient
de mare, se poate considera ca frecventa relativa 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 (z 1 < z < z2), notata P(zi < z < z2 ),
este aproximativ egala cu frecventa relativa:
m
P (z1  z  z 2 )  P (z  (z1 , z 2 ) 
n (6.1)
Modelul probabilistic teoretic 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 (z 1 , 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
(6.2)
unde p(z) este densitatea de repartitie si este functie nenegativa care satisface conditia:


 p( z)dz  1
 (6.3)
Graficul densitatii de repartitie se numeste curba de repartitie.

6.2. 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 (6.4)

unde parametrul  ( > 0) caracterizeaza precizia masurarilor.

Curba de repartitie normala, pentru diferite valori ale parametrilor  este prezentata in
fig.6.1.

0.8

0.6

0.4

0.2

0
6 4 2 0 2 4 6

Fig.6.1.Curba de repartitie normala a erorilor aleatoare

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 (6.5)

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 ) (6.6)

unde:
 t t2
1 
(t ) 
2
e 2
dt
0 (6.7)

z z1
t t1 
;  (6.8)

si reprezinta aria trapezului curbiliniu marginit de ordonatele 0 si z1 .

Functia (t) se numeste probabilitate integrala iar valorile sunt date in Anexa 1 pentru
valori pozitive 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 (z 1, z2) se

calculeaza cu relatia:

z2 z
P ( z1  z  z 2 )   ( )   ( 1 )   ( t 2 )  ( t1 )
  (6.9)

Probabilitatea ca eroarea aleatoare sa depaseasca limitele  t , pentru t > 0, va fi:

P ( z  t )  1  2   ( t )
(6.10)

iar probabilitatea sa nu depaseasca limitele  t  va fi:

P ( z  t )  2  ( t )
(6.11)

Probabilitatea ca valorile aleatoare z sa depaseasca limitele  3  este:

P ( z  3 )1  2   ( 3)  0,0027
(6.12)

Rezulta ca evenimentul ca eroarea aleatoare sa iasa in afara intervalului  3  este practic

imposibil. Se accepta ca erorile aleatoare de masurare sunt marginite, in valoare absoluta de 3
.

Pentru o lege normala de repartitie a erorilor aleatoare, daca rezultatele masurarilor (xi
= a + zi) au densitatea de repartitie:
( xa )2
1 
p( x)  e 2 2

 2
(6.13)

legea de repartitie se numeste lege normala centrata in a si este prezentata in fig.6.2.

 0.2

0.15

0.1

0.05

0
6 4 2 0 2 4 6 8 10

Fig.6.2. Curba de repartitie normala centrata in a pentru marimea masurarilor

p0  0.244 q0  0.202
a  0 b  3
2
z t
i 
t  2
i 1 ( t)  e Probabilitate integrala

b
1 
I    ( t ) d t
2   I  0.499
a
s  100 Numarul de masurari

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

i

2  1.979 1  1.637 Abaterea medie patratica

 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

0.27

0.243

0.216
0.189

0.162
pi
0.135
qi
0.108

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

1 1
p0  q0  Valoarea maxima a densitatii de repartitie:
1  2  2  2 

3
2 I  0.997 Prob  1  2 I Prob  2.7  10
6.3. Verificarea normalitatii repartitiei.

6.3.1. Criteriul de concordant 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 (6.14)
Numarul de date din fiecare interval mi trebuie sa fie suficient de mare (m i= 510).
Numarul claselor se determina cu relatia:
l  1  3.322  log n (6.15)
Se recomanda l = 10  20. Lungimea intervalului este:
x  x min
d  max
l (6.16)
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 (6.17)
unde s este abaterea standard empirica (eroarea medie patratica):
1 n
s  (x i  x ) 2
n  1 i 1 (6.18)
xmi este limita superioara a clasei i, iar valoarea medie este:
1 n
x   xi
n i 1 (6.19)
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:
 p i   t i    t i 1 
(6.20)
Se tine seama ca (-)= - 0,5 iar () = 0,5 si apoi se calculeaza criteriul de
concordanta:
l
(m  npi ) 2
2   i
i 1 npi (6.21)
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 6.1 se
determina valoarea critica 2 cr (P,k).
Daca:
 2   cr2 ( P, k ) (6.22)
se poate considera ca functia de repartitie a erorilor aleatoare in seria de date considerata nu
este cea normala.
Eficienta criteriului de concordanta 2 creste daca in fiecare din intervalele ixi-1 , xi)
sunt aproximativ acelasi numar de date si este mai putin eficient cind repartitia este simetrica
dar difera de cea normala.
Valorile critice 2 cr (P,k)

Tabelul 6.1

ktP 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

Verificarea normalitatii repartitiei

Seria 1

j  1  L  1 k - numarul de clase

int  min( x)  ( j  1)  d
j Limitele superioare ale claselor

int 
j
28.16
29.096
30.033
30.969
31.905
32.842
33.778
34.715

Frecventele cu care valorile din vectorul x

cad in intervale
 n  length ( x) n  55 Numarul masurarilor

L  1  3.322log
 (n) L  6.781 Numarul claselor
max( x)  min( x)
d  d  0.936 Lungimea intervalului
L

L  ceil
max( x)  min( x) 
 L7 Numarul claselor (ceil(a) = [a] +1)
 d 
k  1  L

f  hist( intx)

7
 
 10
 12
f   11 
 
8
5
2
 

ab_standard_emp  var ( x) ab_standard_emp  1.637

k  2  L
 int  mean( x) int  mean( x)
1 k
t  t 
1 ab_standard_emp k ab_standard_emp

2
t

2
funct ( t)  e

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

a  0 b  t b  t i1  2  L
k k 1 1


p  integ funct a b
1   0.5 1

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

i1 i1 i1 1

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
i 1
i  2 
2
 n 


 f   n  p 
L 1

hi2  h  hi2  6.319
n p
L 1

nr_grade_libertate  L  2

nr_grade_libertate  5

Pentru k = 5 si P = 0.95 (tab.4.2 pagina 135) hi2= 11.07

Deoarece 6.319 < 11.07 repartitia este normala
 Anexa

Verificarea normalitatii repartitiei

Seria 2

j  1  L  1 k - numarul de clase

int  min( x)  ( j  1)  d
j Limitele superioare ale claselor

int 
j
25.02
26.775
28.53
30.284
32.039
33.794
35.549
37.303

Frecventele cu care valorile din vectorul x

cad in intervale
 n  length ( x) n  55 Numarul masurarilor

L  1  3.322log
 (n) L  6.781 Numarul claselor
max( x)  min( x)
d  d  1.755 Lungimea intervalului
L

L  ceil
max( x)  min( x) 
 L7 Numarul claselor (ceil(a) = [a] +1)
 d 
k  1  L

f  hist( intx)

2
 
 10
 24
f   13 
 
4
1
1
 

ab_standard_emp  var ( x) ab_standard_emp  1.979

k  2  L
 int  mean( x) int  mean( x)
1 k
t  t 
1 ab_standard_emp k ab_standard_emp

2
t

2
funct ( t)  e

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

a  0 b  t b  t i1  2  L
k k 1 1


p  integ funct a b
1   0.5 1

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

i1 i1 i1 1

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
i 1
i  2 
2
 n 


 f   n  p 
L 1

hi2  h  hi2  10.951
n p
L 1

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
7. Estimatii ale adevaratei valori a unei marimi fizice
7.1. 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 punctuala, care consta in determinarea unei functii g(xI) care sa permita
calcularea unei valori suficient de apropiata de valoarea adevarata a;
-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.

7.2. Estimarea preciziei dispersiei.

7.2.1. 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
  s   (x i  a ) 2
2 2
*
n i 1 (7.1)

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
(7.2)

Numarul gradelor de libertate este k = n -1.

Daca se fac m serii de masurari cu n 1, n2, ......, nm date din serie, iar dispersiile
2 2 2
empirice 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

 s 
2 2

(n1  1)  (n2  1) ....... (nm  1) (7.3)

Cind numarul de masurari este acelasi in fiecare serie n i = n, estimatia este media
aritmetica a valorii dispersiilor empirice:

1 m 2
 2  s2   si
m i 1 (7.4)

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 (7.5)

unde:
m
1
x
n1  n 2 ....... n m
n x i i
i 1 (7.6)

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.

Estimarea punctuala a dispersiei (a abaterii medii patratice):

 s21  s22
s2 
2

s  s2

s2  3.359

s  1.833

s  s21

s  1.652

7.2.2. 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 (7.7)

sau

s  (1  q )    s  (1  q ) (7.8)

unde coeficientul q(P,k) se determina din tabelul 4.6.

Numarul gradelor de libertate k depinde de numarul de masurari si de forma abaterii

standard empirice acceptata pentru estimatia lui .

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  (7.9)

Siguranta unei astfel de estimari depaseste 0,99 pentru k > 47, 0.992 pentru k > 107 si
0.995 pentru k > 200.

Valorile coeficientului q (P, k)

Tabelul 7.1

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

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

7.3. Estimarea adevaratei valori a marimii masurate:

Estimari punctuale ale adevaratei valori 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 (7.10)

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
2 2 2

estimatie a adevaratei valori a se ia media aritmetica ponderata:

 n

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
i 1 (7.11)

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 (7.12)

Estimatiile se calculeaza cu formula prezentata mai sus.

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

Estimari pentru intervale de incredere a adevaratei valori

Pentru masurari de egala precizie

Intervalul de incredere a valorii adevarate a este:

x-<a<x+ (7.13)

sau
a  x 
(7.14)

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 (7.15)
Pentru un nivel de incredere ales t (P) se determina din tabelul 4.3. Se obtine:

t (P)  

n (7.16)

Daca eroarea medie patratica nu se cunoatte, atunci se utilizeaza in locul ei abaterea

standard empirica:

n 1 n
s  s*
n1
 
n  1 i 1
(x i  x ) 2
(7.17)

Intervalul de incredere este:

t (P, k )  s
ax 
n (7.18)

sau

t ( P , k )  s*
ax 
k (7.19)

unde k = n - 1. Valoarile t (P, k) sunt date in tabelul 4.9.

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. In acest caz intervalul de incredere este:

3
ax 
n (7.20)

cu nivelul de siguranta P = 0.9973 iar daca nu se cunoaste :

3s
ax 
n (7.21)

cu nivelul de incredere dat in tabelul 4.10.

Valorile t (P, k)

Tabelul 7.2
k / P 0.95 0.99 0.999

4 2.776 4.604 8.61

5 2.571 4.032 6.859
6 2.447 3.707 5.959
 7 2.365 3.499 5.405
8 2.306 3.355 5.041
9 2.262 3.25 4.781
10 2.228 3.169 4.587
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

Dependenta nivelului de incredere de numarul de masurari

Tabelul 7.3

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

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 (7.22)

unde
n n
1
x
N
 mi  xi N   mi
i 1 i 1 (7.23)

1 n
s 
n  1 i 1
mi (x i  x ) 2
(7.24)

Numarul de grade de libertate k = n - 1 iar pentru un nivel de incredere ales, t (P,k) se

determina din tabelul 7.2.

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
2 2 2

adevarata valoare a marimii masurate este:

a  x  t ( P , k )  sx
(7.25)

unde
n

pi 1
i  xi
x n

p i
i 1 (7.26)

 p (x
i 1
i i  x) 2
sx  n
(n  1) pi
i 1 (7.27)

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 (7.28)

unde

1 mi
s 
2
i 
mi  1 j 1
(x ij  x i ) 2
(7.29)

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
(7.30)

unde t(P) se determina din table pentru un nivel de incredere P ales convenabil. In cadrul
acestor estimari numarul de masurari trebuie sa fie suficient de mare.

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

Se calculeaza precizia de masurare :

4
t  2.008  0.006 
5

t  2.003

ts
 
n

  0.446

Adevarata valoare a marimii masurate prin intervale de incredere este:

media - < D < media +

30.507 < D < 31.399

max  31.399 max  media  

min  media   min  30.507