Anexa Appendix

PRELUCRAREA DATELOR EXPERIMENTAL DATA

EXPERIMENTALE PROCESSING

1. GeneralităŃi 1. Introduction

Măsurarea reprezintă procesul fizic A measurement represents an

experimental de comparare a unei mărimi experimentally physical process of
cu o altă mărime de aceeaşi natură comparing a quantity with another one,
considerată ca unitate de măsură. having the same nature, considered as
Expresia matematică a procesului de measurement unit.
măsurare este:
x = m⋅U, (1)
în care: x este mărimea fizică in which x is the physical measured
măsurată; quantity;
U – o mărime fizică de aceeaşi U – a physical quantity having the
natură adoptată ca etalon în efectuarea same nature, adopted as standard in the
măsurării şi numită unitate de măsură; measurement process, named measure-
m – un număr abstract. ment unit;
m – an abstract number.
Dacă asupra aceleiaşi mărimi fizice If on the same physical quantity is
se efectuează un număr „n” de accomplished a „n” number of
măsurători, între rezultatul unei measurements, between the result of a xi
măsurători xi (1 ≤ i ≤ n ) şi valoarea ( 1 ≤ i ≤ n ) measurement and X, the true
adevărată X a mărimii măsurate există value of the measured quantity, the
relaŃia: following relation exists:

x i = X + ∆x i , (2)

unde ∆xi este eroarea care afectează where ∆xi is the error affecting the
măsurarea „ i ”. „i” measurement.

1
 Eroarea de măsură poate fi The measurement error can be
considerată ca o sumă de erori grosolane considered as a sum of some gross,
(greşeli), sistematice sau întâmplătoare. systematic and random errors.
Eroarea grosolană se caracterizează The gross error is characterized by
prin faptul că rezultatul afectat de această the fact that the affected result by this
eroare diferă sensibil de rezultatele error is sensible different from the rest of
celorlalte măsurători. La repetarea the other measurement results. Repeating
măsurării, probabilitatea de a obŃine din measurement, the probability of obtaining
nou valoarea greşită este foarte mică, again the wrong value is very small,
ceea ce permite depistarea şi eliminarea allowing its detection and elimination.
ei. The systematic errors are that errors
Erorile sistematice sunt acele erori which, in the case of same measurement
care, în cazul măsurărilor efectuate în conditions, have the same values. This
aceleaşi condiŃii, au aceleaşi valori. kind of errors are severe, because they
Aceste erori sunt grave, deoarece nu pot can’t be discovered by the measurements
fi depistate prin repetarea măsurătorilor. repetition. They can be found either by
Ele se depistează fie prin măsurarea measuring of the same quantity by
aceleiaşi mărimi cu mijloace sau metode different methods or devices, or by
diferite, fie prin măsurarea cu acelaşi measuring with the same apparatus
aparat a mai multor mărimi cunoscute. Se (device) of a multiple known quantities.
elimină din rezultatele individuale ale They are eliminated from the results of the
măsurătorilor prin corecŃiile aplicate: individual measurements by applying the
corrections:

X = xi + ki , (3)

unde ki este corecŃia aplicată. Între where ki is the applied correction.

corecŃia aplicată şi eroarea sistematică ∆ i Between the applied correction and the
există relaŃia: systematic error, ∆ i, exist the following
relation:

k = −∆ . (4)
i i

2
 Eroarea întâmplătoare reprezintă The random error represents the
rezultanta tuturor efectelor unor factori global result of factors which appear
care apar în timpul unei măsurători a during the measuring process, whose
căror influenŃă individuală este individual influence is negligible, thus
neglijabilă, din care cauză nu este causing impossibility of factors detection
posibilă depistarea şi înlăturarea acestor and removing.
factori. The extent in which this error affects
Măsura în care această eroare the results of measurements can be
influenŃează rezultatele măsurării se poate determined using the probabilistic theory
determina cu ajutorul teoriei which permits the estimation of the true
probabilităŃilor permiŃând estimarea value of the measured quantity with a
adevăratei valori a mărimii măsurate cu o probable error, small when compared with
eroare probabilă, mică în raport cu erorile the individual measurement errors.
măsurătorilor individuale. The random measurement errors are
Erorile aleatoare de măsurare sunt characterized by a well-determined
caracterizate de o lege de apariŃie bine appearance law, which give probability
determinată, care dă probabilitatea „ P ” “P” of the error to have a value in a certain
ca eroarea să ia o valoare într-un anumit range; the law is called “distribution
interval şi care poartă numele de lege de law”:
repartiŃie (lege de distribuŃie):
x
2
P = (x1 < x < x 2 ) = ∫ p(x) ⋅ dx , (5)
x
1

unde p(x) este densitatea de repartiŃie. Ea where p(x) is the distribution density. It
satisface condiŃia: satisfies the condition:
+∞
∫ p(x) ⋅ dx = 1 . (6)
−∞

Prelucrarea matematică a datelor de The mathematical data processing is

măsurare este strâns legată de cunoaşterea closely related to the determination of
densităŃii de repartiŃie (a modelului distribution law (statistic model).
static).

3
 Legea care stă la baza metodelor de The law which fundaments the data
prelucrare a datelor de măsurare este processing methods is normal (Gauss)
legea normală (Gauss) care are densitatea distribution law:
de repartiŃie:

−(x −X)2
1 2
p(x) = ⋅ e 2σ , (7)
σ 2⋅π

unde X este valoarea adevărată a where X is the true value of the

mărimii măsurate, iar σ - un parametru measured quantity and σ - a parameter
care caracterizează distribuŃia (fig.1) characterising the distribution (fig.1):

Fig. 1. Densitatea de repartiŃie p(x) Fig.1. Distribution density, p(x), for

pentru diverse valori ale lui σ various values of σ

Principalii parametri statistici ai The main statistical parameters of an

unui şir „ n” de date „ xi” sunt (STAS “n” series of data “xi” are (STAS 2310 -
2310 - 80): 80):
• media aritmetică de sondaj: • sampling average :

1 n
x= ∑x ; (8)
n i =1 i

• abaterea medie pătratică de sondaj: • sampling mean square deviation:

1 n 2
s= ∑ (xi − x ) ; (9)
n i =1

4
• dispersia şirului de date (de sondaj): • the (sampling ) data dispersion :

1 n
s2 = 2
∑ (x i − x ) ; (10)
n i =1

• mediana de sondaj fiind valoarea faŃă • the sample median – the value from
de care frecvenŃa valorilor mai mici decât which the frequency of the values smaller
ea este egală cu frecvenŃa valorilor mai is equal to the frequency of the values
mari decât ea. Valorile xi fiind ordonate higher. The values xi, being set in raising
crescător sau descrescător, mediana este: or decreasing order, the median is:

M e = x n +1 (11)
( )
2

pentru „ n” par şi: for even “n” and:

1 
Me = x n + x n  (12)
2 ( ) ( +1) 
 2 2 

pentru „ n” impar; for odd “n”;

• modulul de sondaj: • the sample modulus

M 0 = x + 3 ⋅ (M0 − x ) ; (13)

• coeficientul de asimetrie: • the asymmetry coefficient:

1 n 3
∑ (x i − x )
n
β1 = i =1 ; (14)
(s2 )3

• excesul: • the excess:

1 n 4
∑ (x i − x )
n
E = i =1 −3. (15)
(s 2 )2

În şirul de “n” date xi, ordonate In the “n” data series xi , settled in
crescător sau descrescător, valorile de la raising or decreasing order, the values
extremităŃile şirului sunt susceptibile de a situated at the extremity of the series are

5
fi afectate de erori grosolane şi, de aceea, susceptible to be affected by gross errors
trebuie testate. Dacă ele îndeplinesc and by consequence they must be tested. If
condiŃia de eliminare, valoarea testată they accomplish the condition of
“xt” se consideră eronată şi se elimină din elimination, the tested value “xt” is
şirul de date. În cazul în care, după considered with error and is eliminated
eliminarea acesteia, o altă valoare pare from the data series . This procedure is
suspectă, noua valoare va fi testată pentru applied until the elimination condition
noul şir de (n – 1) date rămase. Procedeul characteristic to the applied test is not
se aplică până când condiŃia de eliminare accomplished by any value from the
caracteristică testului aplicat nu se mai series. The tests analytical expressions are:
verifică pentru nici o valoare din şir.
Expresiile analitice ale testelor sunt:

xt − x
● Chouvenet – Charlier: z= > z cr ; (16)
s

x n − x n −1
● Irwin λ= > λ cr ; (17)
s

xt − x
● Romanovski t= > t cr . (18)
n
s
n −1

în care valorile citite z cr , λ cr şi tcr se where the read values z cr , λ cr and tcr are

obŃin din tabele în funcŃie de numărul de given in tables, in function of number of

măsurători şi de nivelul de încredere dorit measurements and desired confidence
(posibilitatea ca mărimea eliminată să fie level (possibility for eliminated measure
afectată de erori grosolane). to be affected by gross errors).
Estimarea valorii adevărate X a unei The estimate of a quantity ’s true
mărimi, în cazul distribuŃiei normale a value, X, in the normal distribution
valorilor măsurate xi (1 ≤ i ≤ n ) este situation of the measured values xi
media aritmetică: ( 1 ≤ i ≤ n ), is the arithmetic mean:

6
 k n
X=x= ∑x , (19)
n i =1 i

cu un interval de încredere: with a confidence interval:

s
X = x ± tp , (20)
n
unde “s” este abaterea medie where “s” is the sampling of mean square
pătratică de sondaj ; deviation;
tp – un factor în funcŃie de nivelul tp – a factor depending to desired
de încredere „ p” dorit (tab. 1). confidence interval “p” (table 1).
Parametrul “ υ ” are valoarea “n”, The “υ ” parameter has the “n” value
dacă se cunoaşte valoarea adevărată a if it is known the true value of the
mărimii măsurate sau (n – 1), dacă nu se measured quantity or (n-1), if it is
cunoaşte valoarea adevărată a mărimii unknown the true value of the measured
măsurate. quantity.

Tab. 1. Valorile factorului t p pentru Tab. 1. The values of factor t p for

determinarea nivelului de încredere al determining the confidence level of true

estimării valorii adevărate value estimation

p
υ 0,9 0,95 0,99 0,999
4 2,132 2,776 4,604 8,610
5 2,015 2,571 4,032 6,859
6 1,943 2,447 3,707 5,959
7 1,895 2,365 3,499 5,405
8 1,860 2,306 3,355 5,041
9 1,833 2,262 3,250 4,781
10 1,812 2,228 3,169 4,507
15 1,753 2,131 2,947 4,073
20 1,725 1,086 2,845 3,850
30 1,697 2,042 2,750 3,646

7
40 1,684 2,021 2,704 3,551
50 1,676 2,008 2,677 3,497
60 1,671 2,000 2,660 3,460
70 1,667 1,995 2,648 3,436
80 1,664 1,990 2,639 3,416
90 1,662 1,987 2,632 3,401
100 1,660 1,984 2,626 3,391
∞ 1,645 1,960 2,576 3,291

O formă particulară a intervalului de A particular form of the confidence

încredere este „regula trei sigma”: interval is “three sigma rule”:
X = x ± 3⋅ υ, (21)
unde υ este abaterea medie pătratică a where υ is mean square deviation of the
întregii distribuŃii, cu un nivel de distribution with a confidence interval p =
încredere p = 0,9973: 0,9973:
n
υ= ⋅ s . (22)
n −1
O altă formă de exprimare a „regulii Another expression of the “three
trei sigma” este: sigma rule” is:
X = x ± 3s , (23)
unde “s” este abaterea medie where “s” is the mean square
pătratică a şirului de date, cu un nivel de deviation of data series, with a confidence
încredere dependent de numărul level depending on the number of
măsurătorilor efectuate (tab. 2). performed measurements (table 2).

8
 Tab. 2. Numărul de măsurări n Tab. 2. Number of measurements, n,
necesar realizării unui anumit needed for accomplishing a desired
nivel de încredere confidence level

n p n p n p
5 0,960 12 0,988 30 0,995
6 0,970 14 0,990 50 0,996
7 0,976 16 0,991 150 0,997
8 0,980 18 0,992 ∞ 0,9973
9 0,983 20 0,993
10 0,985 25 0,994

În cazul în care mărimea este When the quantity is determined by

determinată prin măsurarea cu un lanŃ de a measure chain having “n” measurement
măsură format din “n” aparate in series devices (instruments), it is
(instrumente) de măsură înseriate, se pune imposed to determine the overall mean
problema determinării abaterii medii square deviation due to the “n” error
pătratice totale datorate celor “n” surse de sources. If the errors (mean square
eroare. Dacă erorile (abaterile medii deviations) introduced by the “n” source
pătratice) introduse de cele “n” surse s1, are s1, s2,…, sn, the overall mean square
s2,…, sn, abaterea medie pătratică totală deviation (global error) will be:
(eroarea totală) va fi :

n 2
st = ∑ si . (24)
i =1

9
2. Caracteristicile metrologice 2. Metrological characteristics of
ale aparatelor de măsură the measurement instruments

Principalele caracteristici The main metrological

metrologice ale unui aparat de măsură characteristics of a measurement
sunt: domeniul de măsură, justeŃea, instrument are: measurement domain,
fidelitatea, precizia, sensibilitatea, trueness, fidelity, accuracy , sensibility,
rezoluŃia şi stabilitatea metrologică a resolution and its measurement stability.
acestuia.
Domeniul de măsură al unui The measurement range
aparat reprezintă intervalul de valori ale represents the interval of values of the
mărimii măsurate în care aparatul de measured quantity in which the
măsură poate furniza informaŃii de measurement instrument can offer
măsurare, în limitele unor erori information, in limits of prerequisite
prestabilite. errors.
JusteŃea unui aparat de măsură The trueness of an instrument is the
este caracteristica metrologică a acestuia metrological characteristic of showing
de a da indicaŃii neafectate de erori data unaffected by systematic errors. The
sistematice. Eroarea de justeŃe „ ∆ j” se trueness error “∆j” can be eliminated by
elimină prin etalonarea corespunzătoare a the appropriate calibration of the
aparatelor de măsură şi/sau prin measurement instruments and/or by
introducerea corecŃiilor de justeŃe „ kj”. introducing of the trueness corrections
CorecŃia de justeŃe se determină în urma „kj”. The trueness correction is
operaŃiilor de etalonare cu relaŃia: determined as results of the calibration
works with the relation:

k i = −∆j = X − x . (25)

În cazul măsurătorilor industriale, For industrial measurements, it is

se consideră că printr-o etalonare iniŃială considered that doing an initial
corespunzătoare, erorile de justeŃe au fost appropriate calibration, trueness errors

10
eliminate. Dacă aparatul de măsură were eliminated. If the instrument is
lucrează în condiŃii mult diferite de working in conditions that are very
condiŃiile de etalonare, este necesară different than calibration conditions, the
aplicarea corecŃiilor de justeŃe, care sunt trueness errors correction is mandatory (as
indicate de obicei de constructorul usually indicated by the manufacturer).
aparatului.
În cazul utilizării aparatelor de When using calibration
măsură etalon, este obligatorie luarea în instruments, it is mandatory to take into
consideraŃie a corecŃiilor care sunt date de consideration the correction given by the
constructor în certificatul de etalonare. producer in the calibration certificate. The
Valoarea adevărată a mărimii măsurate X true value of the measured quantity X is
se determină în funcŃie de valoarea medie determined as function of the mean value
a indicaŃiilor aparatului de măsură x şi de of the instrument indications x and the
corecŃia de justeŃe kj cu relaŃia: trueness correction kj, with the relation:

X = x+k . (26)
j

Fidelitatea unui aparat de măsură The fidelity of a measurement

reprezintă caracteristica metrologică a instrument represents a metrological
acestuia de a da indicaŃii neafectate de characteristic of giving indications
erori aleatorii. Eroarea de fidelitate „ δ f,i” unaffected by random errors. The fidelity
(în ipoteza unor erori sistematice nule sau error „ δ f,i” (in the hypothesis of no
eliminate prin corecŃii) este : systematic errors or eliminated by
corrections) is:

δ = x −X. (27)
f,i i

Erorile de fidelitate nu pot fi The fidelity errors cannot be

eliminate prin corecŃii, putându-se stabili removed through corrections , it is only
cu ajutorul teoriei probabilităŃilor doar possible to statistically determine the
modul de influenŃare a rezultatului influence on the measurement results.
măsurărilor.

11
 Precizia unui aparat de măsură The accuracy of a measurement
este caracteristica metrologică a acestuia instrument represents the measurement
de a furniza indicaŃii cât mai apropiate de characteristic of giving indications closest
valoarea adevărată a mărimii măsurate. to the true value of the measured quantity.
Eroarea de precizie, asimilată în practică The accuracy error, accepted in practice
cu eroarea globală a aparatului, cuprinde as a global error of the instrument,
atât erorile de justeŃe cât şi pe cele de includes both the trueness and the fidelity
fidelitate. Un aparat de măsură este errors. A measurement instrument is
caracterizat prin eroarea tolerată sau characterized by the tolerated error or the
eroarea totală medie pătratică. În cazul overall square mean error. In the most
cel mai întâlnit în practică, eroarea cases in practice, the measurement
tolerată a unui aparat de măsură se instrument’s tolerated error is determined
determină cu relaŃia : by the relation:

∆x = ± ∆j2 + 2 ⋅ (3 ⋅ σ) 2 . (28)

Eroarea tolerată este eroarea limită The tolerated error is the limit error
prevăzută în specificaŃii, pentru ca un included by the specifications, in order
aparat să poată fi considerat legal, în that the instrument could be considered
urma unor operaŃii de etalonare sau de legal, as result of some calibration or
verificare metrologică. verification operations.
Clasa de precizie a unui aparat de The accuracy class of a
măsură este o valoare stabilită measurement instrument is a
convenŃional, în funcŃie de eroarea conventionally established value, as
tolerată admisă de prevederile unui function of the admitted tolerance error,
standard ale unei instrucŃiuni de verificare by rules established in standards or by
sau ale unei norme interne. Cel mai other instructions or norms. The most
frecvent, clasa de precizie reprezintă frequently the accuracy class represents
raportul procentual între eroarea tolerată the ratio between tolerated error and
şi limita maximă de măsură sau domeniul maximum measuring limit or
de măsură. measurement range.

12
 Sensibilitatea unui aparat de The sensibility of a measurement
măsură este caracteristica metrologică a instrument represents a measurement
acestuia care exprimă, pentru o anumită characteristic which is expressed, for a
valoare măsurată, raportul dintre variaŃia measured quantity, through the ratio
semnalului de ieşire şi variaŃia mărimii between the output signal’s variation and
măsurate. the measured quantity’s variation.
RezoluŃia unui aparat de măsură The resolution of a measurement
reprezintă cea mai mică variaŃie a mărimii instrument represents the smallest
măsurate care poate fi sesizată de variation of the measured quantity which
dispozitivul de indicare a mijlocului de can be revealed by the display indicator of
măsură. the measurement instrument.
Pragul de sensibilitate al unui The sensibility limit of a
aparat de măsură este cea mai mică measurement instrument represents the
variaŃie a unei mărimi măsurate care smallest variation of the measured
poate fi pusă în evidenŃă cu ajutorul quantity which can be revealed in real
acestuia, în condiŃii reale de funcŃionare. operating conditions. The sensibility limit
Pragul de sensibilitate este determinat atât is influenced by both the sensibility and
de sensibilitatea cât şi de rezoluŃia the resolution of the measurement
aparatului de măsură. instrument.
Stabilitatea metrologică a unui Metrological stability of a
aparat de măsură reprezintă aptitudinea measurement instrument represents its
acestuia de a-şi menŃine constante în timp capacity to maintain (preserve) constant in
caracteristicile metrologice definite time its measurement characteristics.
anterior.

13
3. Analiza de regresie şi corelaŃie 3. Regression and
correlation analysis

Analiza de regresie şi corelaŃie se Regression and correlation analysis

ocupă cu descrierea şi cercetarea studies the dependency of two or more
dependenŃei a două sau mai multe variables. Regression studies the nature of
variabile. Regresia se ocupă cu tipul de the dependency between the variables and
dependenŃă dintre variabile, iar corelaŃia correlation establishes the dependency
cercetează gradul de dependenŃă între ele. degree between them.
Atunci când cercetăm dependenŃa When is explored the dependency of
a două variabile, perechile de valori (x, y) two variables, the pairs of values (x,y)
pot fi reprezentate ca puncte într-un can be represented as points in a
sistem rectangular de coordonate. Ele rectangular co-ordinates system. These
formează o mulŃime de puncte care poate pairs form a population of points which
să nu aibă o formă anumită sau pot să may satisfy or not an analytical equation.
satisfacă ecuaŃia unei curbe. Dacă If the relationship between these points is
mulŃimea de puncte aproximează o approximated by a linear function, then
dreaptă, atunci relaŃia dintre cele două the relation or dependency y=f(x) is done
variabile X şi Y este descrisă prin două by the regression straight line Y = ax
drepte, dreptele de regresie. DependenŃa y +bxX, where the regression coefficients ax
= f(x) este redată de dreapta de regresie Y and bx are calculated using the Gauss least
.
= ax + bx X , unde coeficienŃii de squares method: in case of “n” data pairs
regresie ax şi bx sunt calculaŃi cu ajutorul (xi, yi), i=1,…,n, the expression:
metodei celor mai mici pătrate a lui
Gauss: în cazul a „n” perechi de valori
(xi, yi), i=1,…,n, se cere ca expresia:

n 2 n 2
[ ]
∑ (y i − x i ) = ∑ y i − (a x + b x ⋅ x i ) , (29)
i =1 i =1

să fie minimă. must be minimum.

14
Din această ecuaŃie se obŃine : From this equation it yields:
n n n n
∑ (x i − x ) ⋅ (yi − y) n ⋅ ∑ x i ⋅ yi − ∑ x i ⋅ ∑ yi
b x = i =1 n = i =1 n i =1 i =1 ,
n (30)
2 n ⋅ ∑ x − ( ∑ x )2
2
∑ (x i − x ) i
i =1 i =1 i =1 i

n n 2 n n
∑ yi ⋅ ∑ x i − ∑ x i ⋅ ∑ x i ⋅ yi
a x = y − b x ⋅ x = i =1 i =1n i =1 i =1
n . (31)
n ⋅ ∑ x − ( ∑ x )2
2
i =1 i i =1 i

Coeficientul de regresie bx se referă The bx regression coefficient refers to

la dependenŃa dintre y şi x. La creşterea the dependency between y and x. When x
lui x cu o unitate, y creşte în medie cu bx. is raising with a unit, y is raising in
Pentru a găsi ce x mediu corespunde average with b x.
la un anumit y, se determină cealaltă For finding what mean x corresponds

dreaptă de regresie X = ay + by . Y, în to a certain y, it is determined the other

.
care coeficienŃii de regresie ay şi by se regression line X = ay + by Y, in which
află tot cu metoda celor mai mici pătrate : the regression coefficients ay and b y are
determined also with least square method:

a y = x − by ⋅ y , (32)

în care in which:
n n n n
∑ (x i − x ) ⋅ (yi − y ) n ⋅ ∑ x i ⋅ y i − ∑ x i ⋅ ∑ yi
b = i=1 n = i=1 n i=1 i=1 .
n (33)
y 2
∑ (yi − y) n ⋅ ∑ yi − ( ∑ y i ) 2
2
i=1 i=1 i=1

b y se referă la dependenŃa lui x de y, by refers to the dependency of x by y,

exprimând creşterea în medie a lui x cu expressing the mean increase of x with the
valoarea by când y se măreşte cu o by value when y is increased with one
unitate. unit.
Cele două drepte de regresie, Y = ax The two regression lines, Y = ax + bx
.
+ bx . X şi X = ay + by . Y, se intersectează X and X = ay + b y . Y, intersects in center

15
în centrul de greutate ( x, y ) al mulŃimii of mass ( x, y ) of the points population
de puncte şi are aspectul unei foarfece. and has the aspect of a scissors.
Cu cât deschiderea este mai mică, cu atât The smaller aperture (opening) of the
mai dependente stohastic sunt cele două scissors, the higher dependency between
variabile aleatoare X şi Y. the two random values X and Y.
Gradul de dependenŃă este redat The dependency degree is expressed
cantitativ de coeficientul de corelaŃie rxy: by the correlation coefficient rxy:

n n n n
∑ (x i − x ) ⋅ (yi − y) n ⋅ ∑ x i ⋅ yi − ∑ x i ⋅ ∑ yi
r = i =1 = i=1 i=1 i=1 ,(34)
xy n 2 n 2 n 2 n n n
∑ (x − x ) ⋅ ∑ (yi − y) 2 2 2
n⋅ ∑ x −( ∑x ) ⋅ n⋅ ∑ y −( ∑y )
i =1 i i =1 i i i i
i =1 i =1 i =1 i =1

Acest coeficient de corelaŃie nu The correlation coefficient does not

depinde de unităŃile de măsură ale depend on measurement units of the
caracteristicilor şi poate lua valori între – characteristics and can range from rxy = –1
1 şi +1: to rxy = +1:
• dacă rxy = +1 sau rxy = −1 , relaŃia • at rxy = +1 or rxy = −1 , the
dintre variabile este crescător, respectiv relation between variables is increasing
descrescător liniară; linear or respectively, decreasing linear;
• dacă rxy = 0 , nu există nici o • at rxy = 0 , there is no correlation
relaŃie între variabile. between variables.
Coeficientul de corelaŃie rxy şi The correlation coefficient rxy and
coeficienŃii de regresie bx şi by satisfac the regression coefficients b x and by
următoarea relaŃie : satisfy the following relation:

r2 = b ⋅ b . (35)
xy x y

Atunci când mulŃimea perechilor de When the data pairs (x i, yi) do not
valori (x i, yi) nu aproximează o dreaptă, approximate a straight line, it can be
se poate verifica dacă această mulŃime verified that these data satisfy one of the

16
satisface una din ecuaŃiile următoare: following equations:
• exponenŃială: • exponential:

y = a ⋅ ebx ; (36)

• logaritmică: • logarithmic:
y = a + b ⋅ lnx ; (37)

• polinomială: • polynomial:

y = a ⋅ xb ; (38)

• hiperbolică: • hyperbolic:
1
y= . (39)
a + bx

Determinarea coeficienŃilor a şi b The determination of a and b coeffi-

din ecuaŃiile (36) … (39) se face cu cients from equations (36) … (39) is
ajutorul analizei de regresie şi corelaŃie, possible by using the regression and
după ce se procedează la liniarizarea correlation analysis, followed by
acestor ecuaŃii. linearization.
Liniarizarea ecuaŃiei exponenŃiale The linearization of exponential
(36) se face prin logaritmare: equation (36) is done applying the
logarithmic function:

lny = ln(a ⋅ ebx ) = ln(a) + b ⋅ x . (40)

Determinarea coeficienŃilor de The determination of a and b

regresie a şi b se face în felul următor: se regression coefficients is made as follows:
scrie ecuaŃia (40) pentru fiecare pereche the equation (40) is written for every pair
de valori (xi, yi) cu 1 ≤ i ≤ n : of values (xi, yi), with 1 ≤ i ≤ n :

lny = lna + b ⋅ x
i i
(41)

şi se însumează pe verticală, obŃinându-se and then, are added on vertical, it yields

ecuaŃia: the equation:

17
 n n
∑ lny i = n ⋅ lna + b ⋅ ∑ x i , (42)
i =1 i =1

apoi ecuaŃiile (41) se înmulŃesc pe rând then the equations (41) are multiplied one
cu fiecare xi (1 ≤ i ≤ n ): by one with each xi (1 ≤ i ≤ n ):

x lny = x ⋅ lna + b ⋅ x 2 (43)

i i i i

şi se însumează din nou pe verticală, and are added on vertical, obtaining

obŃinându-se ecuaŃia: finally the equation:

n n n 2
∑ x i ⋅ lny i = lna ⋅ ∑ x i + b ⋅ ∑ x . (44)
i =1 i =1 i
i =1

EcuaŃiile (42) şi (44) formează The equations (42) and (44) form the
sistemul: system:

n ⋅ lna + ( n x ) ⋅ b = n lny
 ∑ ∑
i =1 i i=1 i
 n n n , (45)
( ∑ x ) ⋅ lna + ( ∑ x 2 ) ⋅ b = ∑ x ⋅ lny
 i =1 i i =1 i i =1 i i

care se poate scrie sub formă matriceală: which can be written in matrix form:

 n n  n lny 
∑ x  ∑
 i=1 i  ⋅ lna  =  i =1 i  .
n n 2    n  (46)
 ∑ x i ∑ x i   b   ∑ x i ⋅ lny i 
i =1 i =1  i =1 

Liniarizarea ecuaŃiei logaritmice The linearization of the

(37) nu mai este necesară, ea având forma logarithmic equation (37) isn’t
liniară. Scriind această ecuaŃie pentru necessary, its form is already linear. For
fiecare pereche de valori (xi, yi) cu each values (xi, yi) with 1 ≤ i ≤ n :
1≤ i ≤ n :

y = a + b ⋅ lnx (47)
i i

şi însumând pe verticală, se obŃine: and added on vertical, it is obtained:

18
 n n
∑ yi = n ⋅ a + b ⋅ ∑ lnx i (48)
i =1 i =1

EcuaŃiile (47) se înmulŃesc pe rând The equations (47) are multiplied

cu ln xi cu 1 ≤ i ≤ n şi se obŃin ecuaŃiile: one by one with ln x i (1 ≤ i ≤ n ) yielding
the equations:

y lnx = a ⋅ lnx + b ⋅ ln 2 x , (49)

i i i i

care însumate pe verticală conduc la which are added on vertical, leading

ecuaŃia : to equation:

n n n 2
∑ yi − lnx i = a ⋅ ∑ lnx i + b ⋅ ∑ ln x . (50)
i =1 i =1 i
i =1

RelaŃiile (48) şi (49) formează The relations 48) and (49) form the
sistemul: system:

n ⋅ a + ( n lnx ) ⋅ b = n y
 ∑ ∑
i=1 i i=1 i , (51)
 n n n
( ∑ lnx ) ⋅ a + ( ∑ ln 2 x ) ⋅ b = ∑ y ⋅ lnx
 i =1 i i =1 i i =1 i i

care sub formă matriceală, se poate which can be written in matrix form:
scrie :

 n n  n y 
∑ lnx  ∑
 i =1 i  ⋅ a  =  i=1 i  .
n n 2    n  (52)
 ∑ lnx i ∑ ln x i  b   ∑ yi ⋅ lnx i 
i =1 i =1  i =1 

Liniarizarea ecuaŃiei polinomiale The linearization of the polynomial

(38) se face prin logaritmare: equation (38) is made applying the
logarithmic function:

lny = lna + b ⋅ lnx . (53)

CoeficienŃii de regresie a şi b se The regression coefficients a and b

19
obŃin după următoarea succesiune de are obtained after the following
operaŃii: operations:
• se scrie ecuaŃia (53) pentru fiecare • the equation (53) is written for every
pereche de valori (x i, yi) cu 1 ≤ i ≤ n : pair of values (xi, yi) with 1 ≤ i ≤ n :

lny = lna + b ⋅ lnx , (54)

i i

• se însumează pe verticală, obŃinându- • it is added on vertical yielding

se:

n n
∑ lny = n ⋅ lna + b ⋅ ∑ lnx , (55)
i i
i =1 i =1

• se înmulŃesc ecuaŃiile (54) pe rând cu • the ecuation (54) are multiplied one by
ln xi: one with ln xi:

lnx ⋅ lny = lna ⋅ lnx + b ⋅ ln 2 x , (56)

i i i i

• se însumează ecuaŃiile (56) pe • the equations (56) are summed on

verticală: vertical:

n n n 2
∑ lnx ⋅ lny = lna ⋅ ∑ lnx +b ⋅ ∑ ln x . (57)
i i i i
i =1 i =1 i =1

EcuaŃiile (55) şi (57) formează The equations (55) and (57) form the
sistemul: system:

n ⋅ lna + ( n lnx ) ⋅ b = n lny

 ∑ ∑
i =1 i i =1 i
 n n n , (58)
( ∑ lnx ) ⋅ lna + ( ∑ ln 2 x ) ⋅ b = ∑ lnx ⋅ lny
 i =1 i i =1 i i =1 i i

sau sub formă matriceală: or in matrix form:

 n lnx  lna   lny


i
⋅  =  i . (59)
2 
lnx i ln x   b  lnx i ⋅ lny i 
i

20
 Liniarizarea ecuaŃiei hiperbolice The linearization of the hyperbolic
1 equation (39) is made by the substitution
(39) se face prin substituŃia y = şi se
z 1
y = and equation is obtained:
obŃine ecuaŃia: z

1
z= = a + b⋅x . (60)
y

• Se scrie ecuaŃia (60) pentru fiecare • the equation (60) is written for every
pereche de valori (x i, yi) cu 1 ≤ i ≤ n : pair of values (xi, yi) with 1 ≤ i ≤ n :

1
= a + b⋅x . (61)
y i
i

şi se însumează pe verticală, and are added on vertical yielding:

obŃinându-se relaŃia:

n 1 n
∑ = n ⋅a + b⋅ ∑ x . (62)
i
i = 1 yi i =1

EcuaŃiile (61) se înmulŃesc pe rând The equations (61) are multiplied

cu fiecare xi, 1 ≤ i ≤ n , obŃinându-se one by one with x i, 1 ≤ i ≤ n :
ecuaŃiile:

x
i = a ⋅ x + b ⋅ x2 , (63)
y i i
i

care adunate pe verticală conduc la and added on vertical yielding:

relaŃia:

n xi n n 2
∑ = a⋅ ∑ x + b⋅ ∑ x . (64)
i i
i = 1 yi i =1 i =1

21
 Cele două ecuaŃii, (62) şi (63) The equations (62) and (63) form the
formează sistemul : system:

 n n 1
n ⋅ a + ( ∑ x i ) ⋅ b = ∑ y
i =1 i =1 i

 , (65)
( ∑n n 2 n xi
x )⋅a + ( ∑ x )⋅b = ∑
 i =1 i i =1 i i =1 y
 i

sau în notaŃie matriceală: or in matrix form:

n 1 
 n n  ∑ 
 ∑ xi  a i =1 y i 
i =1  
n n 2  ⋅ b  =  x . (66)
n i
 ∑ xi ∑x    ∑
i =1 i =1 i  i =1 y 
 i 

EcuaŃiile (46), (52), (59) şi (66) se The equations (46), (52), (59) şi (66)
pot generaliza sub forma: can be generalized as follows:

 n   n 
 n ∑ Xi 
 A   ∑ Yi 
 i =1  ⋅  i =1 , (67)
∑ n n 2  b =  n
X
i =1 i ∑ Xi   
 ∑ (X i ⋅ Yi ) 
i =1  i =1 

în care semnificaŃia variabilelor A, xi şi yi in which the variables A, xi and yi

este redată în tabelul 3. significance is presented in table 3.

22
 Tab. 3. SemnificaŃia variabilelor A, Tab. 3. Significance of variables A,
xi şi yi din ecuaŃia (67) xi şi yi from equation (67)

Variabila Variable
A xi yi
EcuaŃia Equation

Liniară Linear a xi yi
ExponenŃială Exponential ln a xi ln yi
Logaritmică Logarithmic a ln xi yi
Polinomială Polynomial ln a ln xi ln yi
Hiperbolică Hyperbolic a xi 1/yi

Rezolvarea ecuaŃiei (67) conduce la Solving the equation (67) leads to

determinarea variabilelor A şi b, deci a variables A and b, also regression
coeficienŃilor de regresie a şi b pentru coefficients a and b for anyone of the
oricare din ecuaŃiile analizate. Expresiile analyzed equations. These expressions
de calcul ale acestor variabile sunt : are:

n n 2 n n
∑ Yi ⋅ ∑ X i − ∑ X i ⋅ ∑ (X i ⋅ Yi )
A = i =1 i =1 i =1 i =1 , (68)
n 2 n 2
n ⋅ ∑ X − ( ∑ Xi )
i =1 i i =1

n n n
n ⋅ ∑ (X i ⋅ Yi ) − ∑ X i ⋅ ∑ Yi
b = i =1 i =1 i =1 , (69)
n 2 n
n ⋅ ∑ X − ( ∑ X i )2
i =1 i i =1

expresii în care xi şi yi au semnificaŃia din expressions in which xi and yi have the

tabelul 3. significances from table 3.

23
 Coeficientul de corelaŃie se The correlation coefficient is
determină cu o relaŃie similară relaŃiei determined by a relation similar to (34):
(34):

n n n
n ⋅ ∑ X i ⋅ Yi − ∑ X i ⋅ ∑ Yi
r xy = i =1 i =1 i =1 , (70)
n 2 n 2 n 2 n 2
n ⋅ ∑ X i − ( ∑ X i ) ⋅ n ⋅ ∑ Yi − ( ∑ Yi )
i =1 i =1 i =1 i =1

Dacă mulŃimea de puncte din If the points from the co-ordinates

sistemul rectangular de coordonate (xi, yi) rectangular system (xi, yi) can be
se pot aproxima cu două sau mai multe approximated with two or more from
din curbele prezentate, cea care are presented curves, that curve having the
coeficientul de corelaŃie, rxy , cel mai correlation coefficient nearest to 1 is
apropiat de valoarea 1 se consideră a fi considered the curve (equation) which
curba (ecuaŃia) care aproximează cel mai approximates best the experimental data.
bine forma determinată de mulŃimea The approximation by curves can be

punctelor din planul considerat. made in combination, meaning that for a

Aproximarea prin curbe poate fi certain interval (gap) to obtain the highest
făcută şi sub formă combinată, adică value of the correlation coefficient for a
pentru un anumit interval să obŃinem cea certain curve, and for another interval this
mai mare valoare a coeficientului de coefficient can be highest for another
corelaŃie pentru o anumită curbă, iar curve. For instance, the experimental
pentru un alt interval valoarea acestuia să curve from figure 2 can be approximated
fie mai mare pentru o altă curbă. Spre by the function:
exemplificare, curba experimentală din
figura 2 se poate aproxima cu funcŃia:

a ⋅ e bx → pentru 0 < x < x

 i e
y = f(x) =  . (71)
a ′ + b ′ ⋅ x → pentru_x e ≤ x i ≤ x n

24
Fig. 2. Curbă experimentală Fig.2. Experimental curve

Cuprins Contents

25