UNIVERSITATEA DE ŞTIINŢE AGRONOMICE ŞI MEDICINĂ VETERINARĂ

BUCUREŞTI
FACULTATEA DE HORTICULTURĂ
DEPARTAMENTUL DE ÎNVĂŢĂMÂNT LA DISTANŢĂ

ILEANA ARMEANU

MATEMATICĂ ȘI INFORMATICĂ

BUCUREŞTI

2013

0
 Cuvânt înainte

În ştiinţele experimentale nu se poate imagina luarea deciziei fără ca ea să fie

fundamentată pe baza unui model în care aparatul matematic ocupă un loc dominant şi
indispensabil. Modelele matematice sunt cele mai reuşite şi asta datorită capacităţii de a
exprima esenţialul într-o manieră riguroasă, cât şi din cauza posibilităţii de a fi aplicate pe un
sistem de calcul, alcătuind împreună un instrument de investigare ştiinţifică fără precedent.
O caracteristică importantă a fenomenelor studiate de biologie este aceea că au o natură
aleatoare şi drept urmare, cadrul determinist al modelării este nesatisfăcător. Se impune cu
necesitate abordarea acestor fenomene cu metode probabiliste, utilizarea statisticii matematice
la baza căreia stau cunoştinţe temeinice de teoria probabilităţilor.
Lucrarea de faţă se adresează studenţilor şi specialiştilor al căror domeniu de studiu este
lumea viului: biologi, agronomi, silvicultori, medici, ingineri ai mediului, agrometeorologi etc..
Conţinutul lucrării se bazează pe o experienţă îndelundat în predarea acestei discipline în
învăţămantul superior. Sunt introduse noţiunile fundamentale ale teoriei probabilităţilor şi
metodele de baza ale statisticii matematice într-o formă accesibilă, dar cu ţinută ştiinţifică, sunt
prezentate un număr mare de probleme rezolvate, în multe cazuri prin mai multe metode,
insistând pe maniera în care sunt puse la lucru instrumentele teoretice introduse, dorind să fie şi
împărtăşirea unei experienţe didactice de a găsi căile cele mai naturale prin care matematica
este folosită în domeniile conexe
Prezenta lucrare îşi propune două obiective. În primul rând se doreşte ca cititorul să-şi
consolideze cunoştinţele de Analiză matematică obţinute de-a lungul anilor de liceu şi eventual
să le completeze cu noi concepte care sunt extrem de folosite de către aceia care utilizează
matematica în domeniile lor de activitate. În al doilea rând, lucrarea introduce în mod viu şi
lucrativ elementele de bază ale Teoriei probabilităţilor, Statisticii matematice şi Utilizarii
calculatoarelor cu scopul vădit de a fi folosite de studenţi sau de către acele persoane care nu
pot înţelege tratatele complicate şi exhaustive din aceste domenii ale ştiinţei.
S-a intentionat a-l învăţa pe cititor cum să folosească instrumentele de matematică în
domeniile conexe. De aceea exemplele date sunt în majoritate probleme din domeniul
biologiei, agronomiei.
Recomandăm lucrarea şi cadrelor didactice care utilizează Teoria probabilităţilor,
Statistica matematică şi Utilizarea calculatorului în domeniile lor de predare, pentru a găsi
căile cele mai naturale prin care să lege cunoştinţele acestor domenii de aparatul matematic
care le modelează.

Ileana Armeanu
Bucuresti -27 iunie 2013

1
UNITATEA DE ÎNVĂŢARE NR. 1. FUNCTII REALE DE VARIABILA REALA
Obiectivele Unităţii de învăţare nr. 1

Prin studierea acestei unităţi de învăţare veţi fi în măsură să:

 Consolidati conceptul de functie reala de o variabila reala studiat in liceu;
 Metode de prezentare a functiilor si clasificarea functiilor elementare de baza;
 Consolidati conceptul de derivata a functiilor reale de o variabila reala,
semnificatia geometrica a acestui concept;
 Aflati teoremele de baza ale derivabilitatii si aplicabilitatea practica a acestora in
studiul variatiei functiei, determinari de solutii optime (maxim, minim);
 Gasiti calea naturala de la punerea problemei practice la gasirea modelul
matematic si aflarea solutiei optime.
1.1 Conceptul de funcţie.
Când studiem diverse fenomene avem de-a face în mod obişnuit cu o colecţie de
variabile care sunt legate între ele astfel încât, date fiind valorile anumitor cantităţi (variabile
independente), vom determina complet alte cantităţi (variabile dependente, sau funcţii).
Vom prezenta acum definiţia conceptului de funcţie care este principalul concept în
matematicile superioare.
Definiţie. Fie A şi B două mulţimi. Se numeşte funcţie (aplicaţie univocă) definită pe A
cu valori în B, tripletul A, B şi o lege care asociază fiecărui element din A
un unic element din B.
O asemenea funcţie se noteză f : AB , iar elementul f(a) care se asociază lui aA se
notează f(a) şi se numeşte valoarea funcţiei în a sau imaginea lui a.
Notăm Im f = yB y=f(x),() xA B mulţimea imaginilor lui f.
Această definiţie a fost prima oară formulată în mod riguros de N. I. Lobachevsky, un
mare matematician rus.
Mulţimea A se numeşte domeniul de definiţie al funcţiei, elementele sale se numesc
variabile independente sau argumente.
Definiţie. Fie f : AB. Se numeşte grafic al funcţiei f submulţimea
Gf =(a, f(a))() aA A  B =(a,b)() aA şi () b B
unde A x B se numeşte produsul cartezian al mulţimilor A şi B.
Exemplul 1. Din formula pentru lungimea cercului
L = 2R
rezultă că pentru fiecare valoare admisă pentru rază ( 0  R  ) există o valoare
corespunzătoare unic definită pentru L.
Exemplul 2. Aria S a unui triunghi se exprimă ca funcţie de laturile sale a, b, c prin
S= p.(p  a ).(p  b).(p  c)
abc
(formula lui Heron), unde p  , iar a, b, cR+ şi sunt limitate de inegalitatea
2
triunghiului.
Exemplul 3. Dacă exprimăm aria S a unui triunghi ca funcţie de două laturi şi unghiul
cuprins între ele

2
 ab sin C 2S
S avem sin C =  1 , cu a, b şi S variabile independente,
2 a.b
iar C ca variabilă dependentă de aceste variabile. Pentru C se pot obţine două valori, după cum
unghiul este ascuţit sau obtuz, dar cu acelaşi sinus.
Se ajunge astfel la noţiunea de funcţie multiformă.
Este adesea dificil de precizat expresia unei funcţii cu ajutorul variabilelor
independente şi de aceea scriem simplu y = f(x), sau dacă avem mai multe funcţii care depind
de variabila independentă x, notăm atunci g(x), F(x), (x), etc..

1.2. Metode de reprezentare a funcţiilor

A reprezenta sau a specifica o funcţie înseamnă a indica domeniul de definiţie şi regula
după care pentru fiecare valoare dată a variabilei independente, găsim valoarea
corespunzătoare a funcţiei.
Există trei metode de bază pentru reprezentarea funcţiilor:
(1) analitică, (2) tabelară, (3) grafică.
(1) Metoda analitică
Dacă funcţia este reprezentată prin intermediul unei formule, atunci se spune că este
specificată analitic.
Volumul sferei ca funcţie de rază este reprezentat analitic:.
4R 3
V(R )  .
3
Dacă o funcţie y = f(x) este specificată printr-o formulă, atunci prin simbolul f precizăm
totalitatea operaţiilor care trebuie să fie executate într-o succesiune definită asupra
variabilei x pentru a obţine valoarea corespunzătoare a funcţiei f(x).
În anumite cazuri o funcţie poate fi specificată prin mai multe formule
 x  4, pentru  x  0
f (x)   2
x  x  9, pentru  x  0
(2) Metoda tabelară
Presupunem că dorim să stabilim legătura între temperatura medie anuală to şi h, altitudinea
unor localităţi (km). Rezultatele observaţiilor sunt prezentate în următorul tabel:
0 1 2 3 4 5 6 7 8
7.9 4.6 0.1 -5.0 -10.7 -16.9 -23.7 -30.8 -38.0

Remarcăm faptul că temperatura medie anuală variază în raport cu altitudinea, şi la fiecare

altitudine h, corespunde o valoare a temperaturii to. În consecinţă to = f(h), relaţia dintre ele
fiind stabilită prin tabel. Acest mod de reprezentare se numeşte tabelar. Dacă cunoaştem
expresia analitică, putem reprezenta această funcţie prin intermediul unui tabel pentru
câteva valori ale argumentului.
În mod uzual sunt tabelate funcţiile trigonometrice, logaritmice, statistice etc..
Se pune problema dacă plecând de la reprezentarea tabelară putem exprima funcţia printr-o
formulă
Este întotdeauna posibil de construit una sau mai multe funcţii care pentru valorile tabelare
ale argumentului, obţin valorile tabelare ale funcţiei. Aceste funcţii se numesc funcţii de
interpolare.

3
 (3) Metoda grafică
Cele două metode prezentate anterior sunt lipsite de vizualitate. Metoda grafică nu mai
are acest dezavantaj. Relaţia dintre variabila x şi valoarea sa y este satabilită cu ajutorul

unui grafic.
Astfel, pentru a calcula valoarea funcţiei z pentru un argument dat x, avem de luat pe axa
Ox, în direcţia corespunzătoare, segmentul OA  x şi de ridicat o perpendiculară AM care
intersectează graficul în punctul M. Calculând lungimea acestei perpendiculare cu semnul
potrivit, avem numărul yf(x).
Putem exemplifica reprezentarea grafică a funcţiilor prin barogramă (înregistrată de
barograf), care arată cum se schimbă presiunea atmosferică în funcţie de starea timpului.
1.3 Algebra de funcţii
În această secţiune vom vedea cum prin combinarea a două sau mai multe funcţii se obţine
o nouă funcţie. Astfel de combinare a funcţiilor se numeşte algebră de funcţii.
Date fiind două funcţii f şi g, şi Df, Dg domeniile lor de definiţie,definim suma lor astfel:
(f+g) (x)  f(x) + g(x),  xDf  Dg.
Analog poate fi definită diferenţa, produsul şi câtul de funcţii:
(f - g) (x)  f(x) - g(x),  xDf  Dg.
(f.g) (x)  f(x) .g(x),  xDf  Dg.
(f/g) (x)  f(x) / g(x)  xDf  Dg. \  x Dg / g(x)  0
1.4 Compunerea funcţiilor
În schiţa de mai jos se arată că o funcţie f ataşează fiecărui x  X un unic element y  Y.
Presupunem deasemenea că o funcţie g ia fiecare element al lui Y şi-i ataşează o unică
valoare z  Z. Utilizând atât f cât şi g,
unui x  X îi este ataşat un element z
 Z prin intermediul unei noi funcţii
care se numeşte funcţia compusă a lui
g cu f, scrisă
h (x) = (g  f) (x) =
g (f(x))
Exemplul 1
Fie f(x)= 2x – 1 şi g(x) = 3x  5 .

Calculaţi : (g  f) (4) = g (f(4)) = g(7) = 26

4
 (f  g) (4) = f( 17 )  2. 17  1 .
(f  g) (-2) = nu există.
1.5. Funcţia inversă
Introducem pentru studiul altor funcţii elementare o nouă noţiune, cea de funcţie inversă.
Fie f : A→ B.
Dacă pentru x1 ≠ x2, cu x1 , x2  A, avem f(x1) ≠ f(x2), atunci funcţia se numeşte
injectivă. (Aceeaşi calitate a funcţiei este probată dacă pentru f(x1) = f(x2), avem x1 = x2).
Dacă oricare ar fi y B, există un x  A încât y = f(x), atunci funcţia se numeşte
surjectivă.
Când o funcţie este atât injectivă cât şi surjectivă, atunci funcţia se numeşte bijectivă. În
acest caz se poate defini o funcţie f –1 : B → A, încât f –1 (y) = x, numită funcţia inversă.
Remarcăm faptul că (f  f –1) = 1B, iar (f –1  f) = 1A.
yb
Exemplu: Dacă y = ax + b, atunci funcţia inversă este x  ,dacă a0.
a

Dacă y = xn, atunci xn y este funcţia inversă, dacă n este impar.
În cazul în care y = f(x) este reprezentată grafic, pentru a obţine reprezentarea grafică a
funcţiei inverse este suficient să rotim planul cu 180 în jurul bisectoarei primului cadran.
Atunci când construim graficele funcţiilor, este important de ţinut seama de simetria şi de
periodicitatea lor.
Definiţie: O funcţie f(x) se numeşte pară dacă schimbând semnul argumentului, aceasta
nu afectează valoarea funcţiei, adică:
f( -x)= f(x).
Graficul unei funcţii pare este evident simetric în raport cu axa Oy.
Definiţie: O funcţie f(x) se numeşte impară dacă schimbând semnul argumentului, atunci
valoarea funcţiei îşi schimbă semnul, adică:
f( -x)= - f(x).

Graficul unei funcţii impare este simetric faţă de origine. Se construieşte graficul pentru

5
 x  0, iar pentru x  0, graficul se obţine rotind figura cu 180.
Definiţie: O funcţie f(x) se numeşte periodică dacă există un număr pozitiv T, astfel
încât f(x +T )= f(x).
În acest caz, pentru orice întreg nenul, nT este de asemenea o perioadă pentru f.
Dacă există o cea mai mică perioadă strict pozitivă, aceasta se numeşte perioada principală
a funcţiei f.
Este suficient ca studiul lui f să se facă pe un interval de lungime cât perioada principală
(numit domeniul principal), şi apoi să se reia graficul, prin a da valori egale ordonatelor în
puncte de abscise care diferă printr-un număr multiplu de T.
1.6. Clasificarea funcţiilor reale de variabilă reală
Ţinând cont de caracterul operaţiilor, care se execută asupra variabilei independente în
scopul obţinerii variabilei dependente, este stabilită următoarea clasificare a funcţiilor.
I. Dacă asupra argumentului x şi asupra unei sume de constante reale sunt efectuate
operaţiile de adunare, scădere, înmulţire, sume de puteri întregi pozitive (în număr finit
de ori), avem o funcţie polinomială. Forma generală a acesteia este:
f (x)  a 0  a 1 x  a 2 .x 2  ...  a n x n ; nZ, iar a0, a1,…,anR,
II. O funcţie reprezentată ca un cât de funcţii polinomiale se numeşte funcţie raţională.
a 0  a 1 x  a 2 x 2  ...  a n x n
g( x )  ,
b 0  b 1 x  b 2 x 2  ...  b m x m
domeniul său de definiţie fiind R \ {xR  b0 + b1x +…+bmxm = 0.
Orice valoare x pentru
care numitorul este zero, este
exclusă din domeniul de
definiţie, prin urmare, în mod
obişnuit graficul unei funcţii
raţionale are una sau mai multe
întreruperi. Acel număr x = k.
pentru care numitorul este zero
se numeşte asimptotă verticală
. Trebuie să ne asigurăm
dacă nu este şi numărătorul în
acelaşi timp zero, pentru că din
0
evaluarea nedeterminării , s-ar
0
putea ca x=k să nu fie asimptotă verticală.
De câte ori valorile lui y tind către un număr k, de îndată ce  x  devine din ce în ce mai
mare, dreapta y = k este o asimptotă orizontală.Exemplul 1 În multe situaţii care ţin de
protecţia mediului împotriva poluării aerului sau a apei, mare parte din factorul poluant
poate fi înlăturat cu costuri rezonabile, dat ultimele procente ale acestui factor pot fi
înlăturate foarte costisitoar.

6
 Considerând costul ca funcţie de procentul de factor poluant înlăturat, tipul de funcţie care
ar ajusta această dependenţă este de tip cost-beneficiu. Presupunem acest model cost-
beneficiu dat de
18x
f (x)  ,
106  x
unde y este costul (mii $) pentru înlăturarea a x procente dintr-un factor poluant.
f (100)= 300 mii$, f (95) = 155 mii $, f (90) = 101 mii $, f(80) = 55 mii $, f(10)= 1,87
mii $. Unind aceste puncte, avem graficul lui f(x).
III. Dacă în plus de operaţiile algebrice menţionate mai sus intervine şi extragerea rădăcinii
de un număr finit de ori, atunci avem de-a face cu o funcţie iraţională.
f ( x )  n E( x )
Pentru n par, se impune condiţia E(x) ≥ 0.
Funcţiile prezentate până acum constituie clasa funcţiilor algebrice explicite.
IV. Funcţiile elementare care nu fac parte din clasa funcţiilor algebrice explicite se numesc
funcţii transcendente explicite. Acestea sunt:
i) Funcţia exponenţială f(x) = ax, cu a > 0 şi a ≠ 1.
ii) Funcţia logaritmică f(x) = loga x, cu x > 0 , a > 0 şi a ≠ 1.
iii) Funcţiile trigonometrice: sin x, cos x, tg x, ctg x, sec x, cosec x.
iv) Inversele funcţiilor trigonometrice: arcsin x, arccos x, arctg x,
arcctg x, arcsec x, arccosec x.
Funcţiile algebrice explicite, funcţiile transcendente şi combinaţii finite ale acestora
se numesc funcţii elementare.
1.7. Graficele funcţiilor elementare de bază
1. Funcţia putere y = xn, n  Z+,
este definită pentru x  R şi graficele
sunt parabole de diverse ordine, iar
dacă n  Z-, atunci  x   (0, ) iar
graficele sunt hiperbole de diverse
ordine.

Graficul lui f(x) = a.xn se caracterizează prin

aceea ca valoarea lui a afectează lăţimea
graficului. Când  a  > 1, graficul este mai suplu
decât graficul lui f(x) = xn, iar când 0  a  1,
graficul este mai lat decât cel al lui f(x) = xn

2.Funcţia radical f (x)  n x , n  N, n ≥ 2.

Domeniul de definiţie pentru n par este x  [0, ), iar pentru n impar, x  (-, ).
Această funcţie este inversa funcţiei x = yn , graficul funcţiei radical obtinându-se prin
rotirea graficului parabolelor (sau ramuri ale parabolelor) în jurul primei bisectoare.

7
3. Funcţia exponenţială f(x) = ax, cu a > 0 şi a ≠ 1, este definită pentru orice x  R. Ia valori
pozitive şi pentru a > 1 este o funcţie crescătoare, iar pentru 0  a  1 este o funcţie descrescătoare.

4.Funcţia logaritmică f(x) = loga x, cu x > 0 , a > 0 şi a ≠ 1 are domeniul de definiţie x 

(0, ), domeniul de valori fiind R.
Deoarece x = ay este inversa funcţiei y = loga x, graficul funcţiei logaritmice este simetricul
graficului exponenţialei faţă de prima bisectoare .
1.8. Interpolarea liniară
Considerăm funcţia y= f(x) şi valorile x0, x1, … xn ale argumentului, egal spaţiate, adică
xi+1 – xi = h, i  Z.
Pornim de la ipoteza că funcţia este definită tabelar şi pentru scopul investigaţiei asupra
comportării funcţiei, suplimentăm tabelul cu diferenţele  yi = yi+1 – yi , cu i  Z.
xi yi  yi
x0 y0  y0
x1 y1  y1
x2 y2  y2
. . .
xn yn  yn
Interpolarea este înţeleasă ca un proces de
ajustare a valorilor unei funcţii între două valori
cunoscute ale sale, printr-un alt procedeu decât
cel al legii dat de funcţia însăşi.
Fie pasul h al argumentului considerat destul
de mic, iar diferenţele yi aproape constante.
Presupunem că x0 este cea mai mică valoare tabelară apropiată de o valoare x dată, încât x
 (x0, x1). În intervalul (x0, x1), y= f(x) este privit ca aproximativ o funcţie liniară Y =Y(x),
încât Y0 =Y(x0), iar Y1 =Y(x1).
Geometric, curba M0M1 este
substituită , prin acest procedeu, prin coarda M0M1.

8
 ( y1  y 0 ) y
Panta dreptei M0M1 este m , sau m  0 . Avem drept urmare
( x1  x 0 ) h
y 0
y  y0  .( x  x 0 ) , numită formula de interpolare liniară.
h
1.9. Notiunea de derivate a unei functii reale de o variabila reala
Rata variaţiei
Una din principalele aplicaţii ale analizei matematice se referă la modul în care variaţia
unei variabile atrage după sine variaţia altei variabile.
O persoană din afaceri vrea să ştie cum variază profitul în raport cu cheltuielile făcute cu
reclama, pe câtă vreme o persoană din domeniul medicinei vrea să ştie cum variază reacţia
unui pacient la un medicament, în raport cu doza acestuia.
În figura de mai jos este înfăţişat profitul P(x) exprimat în zeci de mii $ realizat de un joc
video nou, funcţie de x, numărul de luni care au trecut de la introducerea lui pe piaţă.
Graficul arată că profitul creşte până
când jocul are până la 25 luni de când
este pe piaţă, apoi profitul descreşte pe
măsură ce popularitatea sa scade.
Rata medie a variaţiei profitului în raport
cu timpul pe un anumit interval este
definită ca raportul dintre variaţia
profitului şi variaţia timpului pe interval.
i) Pe intervalul [15, 25] rata
medie a variaţiei profitului este
4  1.4
 0.26
25  15
şi arată că pe acest interval profitul înregistrează o creştere de 0,26 zeci de mii $.
ii) Pe intervalul [25, 30] rata medie a variaţiei profitului este
34
 0.20
30  25
şi arată că în fiecare lună profitul are un declin de 0,20 zeci de mii $.
iii) Pe intervalul [10, 35] rata medie a variaţiei profitului este de 0 zeci de mii $.
Definiţie Rate medie a variaţiei pentru o funcţie f(x) când x variază de la a la b, unde a
< b este
f ( b )  f (a )
ba
Rata instantanee a variaţiei unei funcţii f este
f (x  h)  f (x)
lim
h 0 h
cu condiţia ca această limită să existe.
1.10. Derivata unei funcţii
Presupunem o funcţie y = f(x) care este definită pentru un oarecare x fixat şi pentru
toate valorile apropiate lui, adică de forma x+h, cu h pozitiv sau negativ dar suficient de mic.

9
În mod obişnuit h se numeşte creşterea lui x, a variabilei independente, şi se notează adesea x
în loc de h. Creşterea corespunzătoare a funcţiei: y = f(x+h) - f(x).
Δy f(x  h)  f(x)
Raportul  . (1)
Δx h
este determinat pentru h suficient de mic, în valoare absolută, dar h  0.
Definiţie : Dacă raportul (1) are limită când h  0 (limită finită sau nu), această limită se
numeşte derivata funcţiei f(x) pentru x dat.
Deci derivata lui f (x) pentru un x dat este limita raportului dintre creşterea funcţiei
supra creşterea argumentului, când creşterea acestuia tinde spre zero.
Derivata se notează y ' sau f '(x):
f(x  h)  f(x)
f ' (x)  lim .
h o h
Operaţia de calcul a derivatei se numeşte derivarea funcţiei.
Fracţia (1) poate să nu aibă limită când h  0, atunci derivata nu există pentru această
valoare a lui x. Existenţa limitei echivalează cu:
()  > 0, există  > 0 încât
f(x  h)  f(x)
 f ' (x)  ε h η şi h  0.
h
Dacă f(x) este derivabilă, atunci f(x) este continuă.
Presupunând că derivata există, putem scrie:
f(x  h)  f(x)
 f ' (x)  β unde β  0 când h  0.
h
Deci f (x+h) - f(x) = f ' (x)+h, şi pentru h  0, lim f(x  h)  f(x). Atunci f(x)
h o
derivabilă, implică f(x) continuă. Reciproca nu este adevărată.

Semnificaţia geometrică a unei derivate

Pentru a stabili semnificaţia geometrică a derivatei, considerăm reprezentarea grafică a
lui y = f(x). Fie M un punct de pe grafic, M(x, y).
Fie M ' un punct vecin de coordonate (x+x,
y+y). Trasăm coordonatele lui M si M' şi prin
M ducem o paralelă la OX, rezultând MN = x,
iar NM ' = y.
Δy
Raportul reprezintă valoarea
Δx
tangentei unghiului pe care-l face secanta MN cu
direcţia pozitivă a axei OX. Când x tinde către
zero, punctul M' se deplasează pe curbă către
punctul M; poziţia limită a secantei MM' este
tangenta MT la curbă în punctul M, şi drept
consecinţă:
Derivata f '(x) este egală cu tangenta unghiului , format de tangenta la curbă în
punctul M(x,y) şi direcţia pozitivă a axei OX, adică este egală cu coeficientul unghiular al
acestei tangente.
Ecuaţia tangentei la graficul unei funcţii f (x), dusă într-un punct
M (x0, f(x0)) este
y - y0 = f ' (x0) (x - x0)

10
 O curbă continuă poate în anumite puncte să nu aibă tangentă sau are o tangentă
paralelă cu axa OY, iar pentru valorile corespunzătoare ale acestor argumente x, funcţia f (x)
nu are derivată. Punctul M1 în care derivatele laterale există dar sunt diferite între ele este
punct unghiular. Dacă în punctul M2, derivatele laterale sunt infinite şi de semn contrar, iar în
M3, derivatele laterale sunt infinite şi de acelaşi semn, M2 şi M3 sunt numite puncte de
întoarcere. Dacă o funcţie continuă f(x) este definită pe un interval (a,b), pentru x= a nu se
pune problema decât a derivatei la dreapta f 'd (x), iar pentru x = b, a derivatei f 's (x).

Derivatele funcţiilor elementare

Pornind de la definiţie, determinăm derivatele principalelor funcţii elementare.
1. y=b (constantă)
bb
y '  lim  0, deci (b) '  0.
h o h
2. y=xn, (n Є Z+)
(x  h) n  x n x n  hnx n 1  h 2 C 2n x n 2 .........  h n  x n
y  lim
'
 lim  nx n 1
h o h h  o h
3. y=sinx
h  h
2sin cos x  
sin(x  h)  sinx 2  2
y '  lim  lim  cosx
h o h h  o h
2
2
4. y=cosx
h  h
- 2sin sin  x  
cos(x  h)  cosx 2  2
y '  lim  lim  sinx
h o h h o h
2
2
5. y=lnx, (x>0)
 h
ln 1  
ln(x  h)  lnx
 lim 
x 1 1
y '  lim 
h o h h  o h x x
x
6. y = c u(x), unde c este o constantă, iar u(x) este o funcţie de x
c.u(x  h)  c.u(x)
y '  lim  c.u' (x)
h o h
lnx ' 1
7. y = loga x. Dar log a x  ;y 
lna xlna
Reguli de derivare:

u(x  h)  v(x  h)  u(x)  v(x)

u(x)  v(x) '  lim
h o

8. h
u(x  h)  u(x) v(x  h)  v(x)
 lim  lim  u ' (x)  v ' (x).
h o h h  o h

u(x  h)v(x  h)  u(x)v(x)

u(x)v(x) '  lim
h o

9. h
u(x  h)v(x  h) - u(x)v(x  h)  u(x)v(x  h) - u(x)v(x)
 lim 
h o h

11
 u(x  h)  v(x) v(x  h)  v(x)
 lim v(x  h) lim  u(x) lim 
h o h o h h o h
 u ' (x)v(x)  u(x)v ' (x).
u(x  h) u(x)
' 
 u(x)  v(x  h) v(x)
 v(x)   lim 
  h o h

1 u(x  h)v(x  h)  u(x)v(x)  u(x)v(x)  u(x)v(x  h)

 lim lim 
v(x  h)v(x)
h o h  o h
10. 1 u(x  h)  u(x) v(x  h)  v(x)
 2 [lim v(x)  u(x) lim ]
v (x) h  o h h  o h


1
2

u ' (x)v(x)  u(x)v ' (x) 
v (x)
11. y = tgx;
 sinx  cos x  sin x
2 ' 2
1
y'      .
 cosx 
2
cos x cos 2 x
 cosx   sin x  cos x
'2 2
1
12. y = ctgx; y'      2
 sinx 
2
sin x sin x

Derivarea funcţiilor compuse şi a funcţiilor inverse

Considerăm funcţia compusă y = f (z). În lanţul de relaţii funcţionale y = f(z), unde z =
g(x), x ca ultim argument se numeşte variabila independentă.
Teoremă: Dacă y = f(z) şi z = g(x) sunt funcţii derivabile astfel:
f este derivabilă în z0=g(x0) şi respectiv g este derivabilă în x0, atunci funcţia y=fg(x)
este derivabilă în x0 şi: y '= f ' g(x0) . g ' (x0).
Dem.:
f[g(x)]  f[g(x o )] g(x)  g(x o )
y '  lim 
x x o g(x)  g(x o ) x  xo
g(x)  g(x o ) f[g(x)]  f[g(x o )]
 lim lim  f ' [g(x o )]g ' (x o )
x x o x  xo x x o g(x)  g(x o )
Derivata inversei unei funcţii y=f(x), funcţie bijectivă, f : (a,b)  (A, B). Atunci g =
f—1 : (A,B)  (a,b), g(y) = x.
Teoremă: Dacă f(x) are o derivată f '(x0) diferită de zero, în x=x0, funcţia inversă
1
g(y) are în punctul y0 = f(x0) o derivată g'(y0) = .
f  (x 0 )
g(y)  g(y o ) x  xo 1
Dem.: g ' (x o )  lim  lim  '
y y o y  yo y  y o f(x)  f(x )
o f (x o )
x
13. Fie y = a , (a>0), şi x = g(y) = logay
1 1
y'  '
  y lna  a x lna
g (y) 1
y lna
14. Fie y = arcsinx, iar x = siny

12
 1 1 1 1
y'  '
  
x y cosy 1  sin 2 y 1 x2
15. Fie y = arccosx, x = cosy
1 1 1 1
y' '
  
xy siny 1  cos y
2
1 x2
16. Fie y = arctg x şi x = tgy
1 1 1 1
y'    cos 2 y  
(tgy)' 1 1  tg y 1  x 2
2

cos 2 y
1
Analog, dacă y=arcctg x, y '  
1 x2
Derivate de ordin superior
Derivata y' a unei funcţii se numeşte derivata de ordinul I şi reprezintă o nouă funcţie.
Se poate întâmpla ca această funcţie, la rândul ei să aibă derivată. Atunci derivata derivatei de
ordinul I se numeşte derivata de ordinul II şi
f "(x)=f '(x) ' ş.a.m.d. f (n)(x)=f (n-1)(x) '.
Noţiunea de diferenţială
f(x)  f(x o )
Fie y=f(x) definită pe (a,b), derivabilă în () x0(a,b), deci: f (x o )  lim
'
x x o x  xo
,
şi are loc formula aproximativă:
f(x) - f(x0)  f  (x0)(x-x0) sau
f  f  (x0)x.
Definiţie: Fie y = f(x) funcţie definită pe (a,b) şi x0  (a,b). Spunem că f(x) este
diferenţiabila în x0 dacă există un număr  şi o funcţie (x) definită pe (a,b) continuă şi
nulă în x0 încât ()x0(a,b) să avem: f(x) - f(x0) = (x-x0) + (x)(x-x0) cu
lim β(x)  0.
x x o

Pentru funcţiile reale de variabilă reală, noţiunile de diferenţiabilitate şi derivabilitate

sunt echivalente.
Teoremă: Funcţia y = f(x) este diferenţiabilă în x0 dacă şi numai dacă este
derivabilă în x0.
Dem.: Fie f(x) diferenţiabilă în x0; deci există un număr  şi o funcţie (x) încât
f(x)  f(x o )
f(x)=f(x0)+ (x-x0) + (x)(x-x0). Presupunem xx0, atunci  α  β(x) , atunci:
x  xo
f(x)  f(x o )
lim  α , deci f(x) este derivabilă în x0.
x x o x  xo
f(x)  f(x o ) '
Fie acum f(x) derivabilă în x0. Deci există şi este finită lim  f (x o ) .
x x o x  xo

13
  f(x)  f(x o )
 - f (x o ) pentru x  x o
Definim funcţia (x) pe (a, b): (x) =  x  x o .
0 pentru x  x o

 f(x)  f(x o ) 
Remarcăm faptul că: lim β(x)  lim   f ' (x o )  0 care înseamnă că
x x o x x o
 x  xo 
(x) este continuă şi nulă în vecinătatea lui x0.
Deci f(x) = f(x0)+(x-x0) + (x)(x-x0) adică f(x) este diferenţiabilă în x0. Diferenţa f(x)
- f(x0) se notează df(x0) şi se numeşte diferenţiala funcţiei. Diferenţa x-x0 = dx se numeşte
diferenţiala argumentului.
Rezultă că df(x) = f '(x)dx.
1.11. Aplicaţii ale derivabilităţii
Teorema lui Lagrange a creşterilor finite
Dacă f(x) este o funcţie derivabilă într-un interval (x1,x2) şi continuă pe intervalul
x1,x2, atunci există cel puţin un c  (x1,x2) încât: f(x2)-f(x1) = (x2-x1)f '(c).
Teoremă: Creşterea finită a funcţiei derivabile este egală cu creşterea
corespunzătoare a argumentului multiplicată cu valoarea derivatei într-un punct
intermediar c  (x1, x2).
Justificaţia geometrică.: Considerăm pe graficul lui y = f (x) o secantă AB între A(x1,
f(x1)) şi B(x2, f(x2)) Arătăm că deplasând secanta paralelă cu ea însăşi până când devine
tangenta curbei noastre în C(c, f(c)), cu c(x1, x2).
Dreapta A'CB" are panta f "(c) şi este aceeaşi cu panta secantei AB:
f(x 2 )  f(x 1 )
tgα  , iar tgα  f ' (c).
x 2  x1
Corolar 1: Dacă derivata unei funcţii este egală cu zero pe un interval, atunci funcţia
este constantă pe acest interval.
Dem.: f ' (x)=0 pentru x  (a, b), conform teoremei lui Lagrange f(x2) - f(x1) = (x2-x1)f
'
(c) cu c  (a,b). Fie x1 = x0 fixat, iar x2 = x, unde x variază în intervalul (a,b). Atunci f(x) - f(x0)
= 0, deci f(x) = constantă.
Corolar 2: Dacă două funcţii au derivatele egale pe un anumit interval, atunci pe acest
interval aceste funcţii diferă între ele printr-o constantă.
Dem.: f '1(x) = f '2(x) pentru x  (a,b). f1(x)-f2(x) '= f '1(x) = f '2(x) = 0 pentru
x  (a,b), deci f1(x)-f2(x) = constantă.

Teorema lui Rolle:

Între fiecare două zerouri ale unei funcţii diferenţiabile există cel puţin un zerou al
derivatei.
Dem.: f(x) diferenţiabilă şi x1<x2, f1(x) = f2(x) = 0, atunci teorema lui Lagrange asigură
că f2(x) - f1(x)= f '(c)(x2-x1).
Avem f '(c)=0, unde c  (x1,x2).

Monotonia funcţiilor derivabile de o variabilă reală.

Definiţie: O funcţie f(x) este crescătoare pe intervalul (a,b) dacă () x1, x2  (a,b)
pentru care x 1 < x2 urmează inegalitatea f(x1) < f(x2).
Similar, f(x) descrescătoare pe (a,b) dacă de îndată ce x1 < x2, urmează f(x1) > f(x2).

14
Teoremă: Condiţie de necesitate pentru creşterea (descreşterea) unei funcţii: Dacă o funcţie
diferenţiabilă este crescătoare pe un anumit interval, atunci derivata sa este nenegativă
pe acel interval. Dacă o funcţie diferenţiabilă este descrescătoare pe un interval, atunci
derivata sa este nepozitivă pe acest interval.
f(x  h)  f(x)
Dem.:1. Fie f(x) diferenţiabilă şi crescătoare pe un interval f ' (x)  lim .
h o h
Cum argumentele x şi x+h sunt de-a lungul intervalului pentru h>0, f(x+h)-f(x)>0,
f(x  h)  f(x)
avem:  0 , şi trecând la limită f '(c)0.
h
Analog pentru 2. al teoremei.
Notă: Geometric, afirmaţia se reduce la faptul că tangenta la graficul unei funcţii diferenţiabile
crescătoare formează un unghi ascuţit cu direcţia pozitivă a axei OX, sau într-o seamă de
puncte este paralelă cu axa OX. Analog, toate tangentele la graficul unei funcţii diferenţiabile
descrescătoare formează unghiuri obtuze cu direcţia pozitivă a axei OX, sau sunt paralele cu
ea
Teoremă: Condiţie suficientă pentru creşterea (descreşterea) unei funcţii
diferenţiabile:
1. Dacă derivata unei funcţii diferenţiabile este pozitivă în interiorul unui interval,
atunci funcţia este crescătoare pe acest interval.
2. Dacă derivata unei funcţii diferenţiabile este negativă în interiorul unui interval,
atunci funcţia este descrescătoare pe acest interval.
Dem.:
1. Fie f(x) diferenţiabilă şi f'(x) > 0 pentru x  (a,b).
Atunci () două valori a  x1 < x2  b, conform teoremei creşterilor finite:
f(x2) - f(x1) = f ' (c) (x2-x1),
deci f(x2) - f(x1) > 0, pentru x2>x1, deci f(x) crescătoare pe (a,b).
2. Analog se demonstrează 2. al teoremei.
O funcţie care într-un interval dat este crescătoare sau descrescătoare se numeşte
monotonă, iar intervalul pe care funcţia este sau crescătoare sau descrescătoare se numeşte
interval de monotonie.
Maximul şi minimul unei funcţii de o variabilă reală
Definiţie: Spunem că o funcţie f(x) are un maxim pentru valoarea x1 a argumentului,
dacă într-o vecinătate U x1 este îndeplinită inegalitatea f(x1)  f(x) pentru () x  U x1 .
Analog, f(x) are un minim în x2, dacă într-o vecinătate U x 2 este îndeplinită inegalitatea
f(x2)  f(x) pentru () x  U x 2 .
Generic, termenul de maxim sau minim se numeşte extrem.
Teoremă: Dacă o funcţie derivabilă are extrem într-un punct x0 (a, b),
f '(x0) =0. (Rezultat cunoscut sub numele de teorema lui Fermat).
Dem.: Presupunem că x0 este un punct de minim pentru f(x). Deci f(x0+h)>f(x0). Dacă h
f(x 0  h)  f(x 0 )
 0 este pozitiv,  0 , şi trecând la limită când h  0, f ' (x)  0.
h
Dacă h este negativ, în mod analog rezultă f ' (x)  0. Cum cele două derivate laterale
trebuie să fie egale, f ' (x)=0.
Teoremă: Dacă o funcţie f(x) diferenţiabilă este astfel încât într-un punct x0
derivata sa este egală cu zero şi îşi schimbă semnul atunci când argumentul trece peste
această valoare, atunci f(x0) este un extrem al funcţiei f(x) astfel:

15
1. Punct de maxim dacă trece de la plus la minus;
2. Punct de minim dacă trece de la minus la plus.
Dem.:
1. Fie f '(x0)=0, unde f '(x) > o când x0- < x < x0, şi f '(x) < 0 când
x0 < x <x0+, unde  > 0 dar suficient de mic. Conform unui rezultat anterior, pe intervalul
 x0-, x0, f (x) este crescătoare, iar pentru
x  x0, x0-, f(x) este descrescătoare, deci x < x0, f(x)<f (x0), iar pentru x > x0 , f(x) <f
(x0) şi atunci x = x0 este punct de maxim.
2. Analog se demonstrează 2. al teoremei.

Concavitatea şi convexitatea graficului unei funcţii

Puncte de inflexiune
Definiţie: Graficul unei funcţii diferenţiabile y = f (x) se numeşte concav pe
intervalul (a,b) dacă tangenta în () M x, f(x) rămâne deasupra curbei. Analog, graficul
este convex dacă în orice M x, f(x) tangenta rămâne sub curbă.
Teoremă: Dacă pentru o funcţie de două ori diferenţiabilă y = f (x), f"(x) este
pozitivă pentru () x  (a, b), atunci graficul acestei funcţii este convex pe intervalul (a,
b).
Dacă f "(x) este negativă pe intervalul (a, b), atunci graficul lui
y = f(x) este concav.
1. Fie f"(x) > 0 pentru x (a, b) şi x0 un punct oarecare din intervalul (a, b). Comparăm în
punctul de coordonate (x, y) ordonata y a curbei cu ordonata y a tangentei M0M dusă în
punctul M0x0,f(x0) .Panta tangentei este f'(x0), deci: y = f(x0)+f '(x0)(x-x0). Fie  = y- y , atunci
:
 = f(x)-f(x0)- f '(x0)(x-x0).
Dar conform teoremei lui Lagrange, f(x)- f(x0)= f '(c)(x-x0). Avem

=(x-x0)(f ' (c)- f ' (x0)). Însă f " (x)=f '(x) ' > 0, implică f (x) crescătoare.
Considerăm x < x0, deci x0 > c, deci  > 0. Dacă x > x0, avem x0 < c şi rezultă  > 0. Cum
tangenta rămâne sub curbă, f (x) este convexă.
2. Analog se demonstrează şi 2. al teoremei.
Definiţie: Punct de inflexiune la graficul unei funcţii diferenţiabile
y = f(x) este un punct în care curba schimbă convexitatea în concavitate şi vice-versa.

După parcurgerea acestei unitati de invatare trebuie să reţineţi:

 Domeniul de definitie si codomeniul principalelor functii elementare de baza;
 Formulele si regulile de derivare pentru functiile elementare, functiile compuse si functiile
inverse;
 Principale aplicatii ale teoremelor derivabilitatii la stabilirea monotoniei, determinarea punctelor
de extrem si natura extremului, determinarea numarului de solutii reale ale unei ecuatii f(x)=0,
separarea radacinilor;
 Modelarea matematica a unei probleme practice;

16
 I. Modelul matematic pentru rezolvarea unei aplicatii practice:
Fie o fereastră având forma din fig. alăturată, în partea de jos, fiind
dreptunghiulară, iar în partea de sus fiind un semicerc. Ştiind că lungimea tocului
r
(perimetrul) este p, să se determine raportul astfel încât aria ferestrei să fie
h

maximă.
Rezolvare. Perimetrul este dat si-l notam p. Atunci 2h + 2r + r = p si de aici
h   2  π  . Drept urmare aria ferestrei este
p r
2 2
p r  πr
2
A(r)  2r   2  π   
2 2  2
πr 2  π  π
 r 2  π  
2
 pr  r 2   2  π    pr  A(r)   2  r 2  pr
2  2  2
Ca functie de variabila independent r este functie polinomiala de grad 2 cu
coeficientul lui r2 negativ(extremul este un maxim).
 π p
Studiem variatia lui A(r): A ' (r)  2 2  r  p  A(r )  0  r 
 2 4 π
p p 2  π 4p  πp  2p  pπ p r
h  .    1
2 2 4π 2(4  π) 4  h
II. Modelul matematic pentru rezolvarea unei aplicatii practice
Să se găsească maximul ariei unui dreptunghi înscris într-un cerc dat de rază R.

Aria dreptunghiului este A(x)  x. 4R 2  x 2 cu domeniul de

 2x 4R 2  2x 2
definitie 0 < x < 2R. A( x )  4 R 2  x 2  x  
2 4R 2  x 2 4R 2  x 2
A(x)  0  x  R 2 . Tabelul de variatie
X
-R 2 ///////// 0 R 2 2R/ / / / / / / / / / / / / /
A(X) / / / / / / / / / / / / / / | + + + + + + + + + + 0 - - - - - - - - - - - - - - -- - - - -|/ / / / / / / / / / / / / /
A(X) ////////////// |     MAX      |/ / / / / / / / / / / / / /

17
 Aplicaţii practice propuse pentru studiul de variaţie a
funcţiilor
I. Fie O un cerc cu diametrul AB=2a. pe acest diametru considerăm un
punct variabil M. construim două cercuri O1 şi O2 având segmentele AM şi
BM ca diametre. Să se determine punctul M încât aria cuprinsă între cele
trei cercuri să fie maximă.
2.r1  x ,
.x 2
x atunci aria este f ( x )    .a.x şi xmax = a
r2  a  2
2
II. Să se găsească conul circular drept, de volum maxim, a cărui generatoare are lungimea
constantă l.
2
x max  l
3
III. Să se determine valoarea maximă a perimetrului unui triunghi dreptunghic cu ipotenuza
dată.

p (x)  l  x  l 2  x 2
x
p ( x )  1 
l2  x 2

BIBLIOGRAFIE MINIMALA

1 Armeanu Ileana Matematică Aplicată; Editura Bren; Bucuresti; 2002.

2 Demidovich .P.,
Kudrayavtev V.
3 Demidovich B.P. & col.
4 Drăguşin C., Olteanu O.,
Gavrilă M.
5 Gavrilă M., M. Pavel,
Ariciuc M.
6 Curs de Analiza Matematica. AMD; 1977.
Gogonea Sorin, Ionescu
Bujor Claudiu
A brief course of Higher Mathematics; Mir Publisher
Moscow; 1981
Problems in Mathematical analysis; Mir Publisher
Moscow; 1981
Analiza Matematica. Teorie si aplicatii. Editura MatrixROM
Bucuresti; 2007
Culegere de probleme de Analiza Matematica; MatrixROM;
2002.

18
 UNITATEA DE ÎNVĂŢARE NR. 2. FUNCŢII DE MAI MULTE VARIABILE
Obiectivele Unităţii de învăţare nr. 2

Prin studierea acestei unităţi de învăţare veţi fi în măsură să:

 Aflati conceptul de functie reala de doua variabile reale; graficul acesteia este o
suprafata.
 Aflati notiunea de derivata partiala a unei functii reale de mai multe variabile
reale;
 Este prezentat un algoritm de determinare a punctelor stationare ale unei
suprafete, determinarea punctelor de extrem si a naturii extremului.
Dacă o companie produce
Determinati x articole
extreme la un costprin
conditionate de 10$
metoda
per multiplicatorilor lui Lagrange.
articol, atunci C (x), costul total
al producţiei articolelor este dat de
C (x) = 10x
Costul este o funcţie de o variabilă independentă. Dacă compania produce două produse, x
articole din primul produs la costul de 10$ pentru fiecare şi y articole din al doilea produs
la un cost de 15$ fiecare, atunci costul total al producţiei articolelor este o funcţie de două
variabile: x şi y.
C(x,y) = 10x + 15y
Definiţie z = f(x,y) este o funcţie de două variabile dacă o unică valoare z este obţinută
pentru fiecare pereche ordonată de numere reale (x,y). Variabilele x, y sunt variabile
independente; z este variabilă dependentă.
Mulţimea tuturor perechilor ordonate de numere reale (x,y) astfel încât f(x,y) să existe, se
numeşte domeniul lui f; mulţimea tuturor valorilor f(x,y) este numită codomeniu.
Expl. 1 Fie f(x,y,z) = 4xy - 3yx2 + 2z2. Determinaţi domeniul lui Df = R3.
Expl. 2 Fie f(x,y) = 4x2 + 2xy + 3/y ; Df = R2 – (0,0) iar f(x,0) x є R nu ().
Graficele funcţiilor de două variabile
Funcţiile de o variabilă independentă sunt reprezentate grafic în planul determinat de axele
x şi y. A treia axă este necesară pentru reprezentarea funcţiilor de două variabile, axa z,

care trece prin originea planului xy şi este

perpendiculară deopotrivă pe axa x-ilor şi a y-ilor.
Regiunea spaţiului tridimensional în care toate
coordonatele sunt pozitive se numeşte primul
19
octant.
Multe din rezultatele din două dimensiuni sugerează rezultate similare pentru trei
dimensiuni.
Un exemplu este formula distanţei. .
Definiţie. Distanţa d între (x1, y1, z1) şi (x2, y2 , z2) este:

d x 2  x 1 2  y 2  y 1 2  z 2  z 1 2
O sferă este mulţimea tuturor punctelor din spaţiu care sunt la aceeaşi distanţă de un punct
fix. Formula distanţei conduce la ecuaţia sferei.
O ecuaţie a sferei cu centrul în (h, k, j) şi raza r este
(x - h)2 + (j - k)2 + (z - j)2 = r2
Plecând de la ecuaţia generală a dreptei ax + by = c, prin generalizare la trei dimensiuni se
găseşte ecuaţia planului.
Definiţie. Graficul lui ax + by + cz = d este un plan dacă a, b, c nu sunt toate nule.
Graficul unei funcţii z = f (x,y) se numeşte o suprafaţă. Poate fi dificil de trasat graficul
unei suprafeţe rezultând dintr-o funcţie de două variabile.
Derivate parţiale .
Derivata unei funcţii y = f(x) este dată de raportul dintre variaţia lui y şi variaţia lui x.
Δy
lim  f ' (x)
Δxo Δx

Presupunem acum o funcţie de două variabile independente, să zicem z = f(x,y) şi vrem

să ştim cum va fi afectat z de o schimbare a lui x.
Cu alte cuvinte, considerăm derivata lui f în raport cu o variabilă, în timp ce le ţinem
constante pe celelalte. .
Definiţie. Derivata parţială a lui f în raport cu x este derivata lui f obţinută prin tratarea
lui x ca o variabilă şi y ca o constantă. Derivata parţială a lui f în raport cu y este
derivata lui f obţinută prin tratarea lui y ca o variabilă şi x ca o constantă.

Simbolurile f x' (x, y),z şi f

x x sunt folosite pentru a desemna derivata parţială a lui z =
f (x,y) în raport cu x.
Generalizând definiţia derivatei dată mai sus, derivatele parţiale ale funcţiei z = f (x,y) sunt
definite după cum urmează.
Definiţie. Fie z = f (x,y) o funcţie de două variabile. Presupunem că toate limitele
indicate există. Atunci derivata parţială a lui f în raport cu x este
f f(x  h, y)  f(x, y)
f x' (x, y)  (x, y)  lim .
x h o h
Derivata parţială a lui f în raport cu y este
f f(x, h  y)  f(x, y)
f y' (x, y)  (x, y)  lim .
y h o h
Dacă limitele indicate mai sus nu există, atunci derivatele parţiale nu există.
20
Definiţii similare pot fi date pentru funcţii de mai mult de două variabile independente.
Expl.1 Fie f(x,y) = 4x2 - 9xy + 6y3. Găsiţi
f x' (x, y);f y' (x, y)
.
f x' (x, y)  8x - 9y;f y' (x, y)  -9x  18y 2

2x 1
Expl. 2 f(x,y) = lnx2 + y. Găsiţi f x  ; f y'  2
'

x y
2
x y
Derivata unei funcţii f de o variabilă, dă panta dreptei tangentă la graficul lui f. O
interpretare similară poate fi dată pentru derivatele parţiale.
Derivate parţiale de ordinul doi
Derivatele de ordinul doi sunt derivatele derivatelor de ordinul unu. O metodă similară se
poate folosi pentru derivatele parţiale de ordinul doi.
Definiţie. Pentru o funcţie z = f(x,y), dacă derivatele există atunci
  f   2 z   f   2z
f x" 2   
"
f xy   
x  x  x 2 y  x  yx
  f   2z   f   2 z
"
f yx     f y"2   
x  y  xy y  y  y 2

Expl. 3 Fie f(x,y) =2ex - 8x3y2. Găsiţi derivatele de ordinul doi ale lui f(x,y)..
Expl. 4 f(x,y) = x2 + xy + y4; f(x,y) = ln5x + 7y;f(x,y) =30y + 5x2y +12xy2

y
f x' (x, y)  0
f(x,y) = 4x.e . Găsiţi punctele (x,y) în care  '
f y (x, y)  0
Expl.5 Găsiţi derivatele parţiale de ordin doi pentru f(x,y) = -4x3 - 3x2y3 + 2y2.
f x"2 (x, y)  24x  6y 3
 "
f x (x, y)  12x  6xy   f xy (x, y)  18xy

' 2 3 2

 "
f y' (x, y)  9x 2 y 2  4y  f yx (x, y)  18xy
2

 "
f y 2 (x, y)  18x y  4
2

Maxime şi minime
Una din cele mai importante aplicaţii ale analizei matematice este determinarea
maximelor şi minimelor pentru funcţii.
Vom începe prin a defini maximul şi minimul relativ.
Definiţie. Fie (a,b) centrul unei regiuni circulare conţinute în planul xy. Atunci pentru o
funcţie z = f(x,y) definită () (x,y)  regiunii, f(a,b) este un maxim relativ dacă f(a,b) 
f(x,y) () punctele (x,y) din regiunea circulară, şi f(a,b) este un minim relativ dacă
f(a,b)  f(x,y) () (x,y)  regiunii circulare.
Cuvântul extrem este folosit fie că este vorba de maxim sau minim relativ.

21
 Într-un punct de extrem, tangenta este paralelă cu axa x-ilor, are panta egală cu zero,
acelaşi lucru este valabil şi în legătură cu axa y-ilor.
Definiţie. Dacă funcţia z = f(x,y) are un extrem relativ în punctul (a,b), atunci
f x' (a, b)  0 şi f y' (a, b)  0 .
La fel ca în cazul funcţiilor de o variabilă, faptul că pantele tangentelor sunt nule nu
este o garanţie a faptului că avem de-a face cu un extrem relativ.…
f x' (x, y)  0 2x  0
Fie z = x - y  '
2 2
  f (0,0) nu
f y (x, y)  0  2y  0
este nici maxim, nici minim relativ pentru funcţie. Se
numeşte punct şa..
Poate fi maxim când este abordat dintr-o direcţie, dar
poate fi minim când este abordat din altă direcţie. Un
punct şa nu este nici maxim, nici minim.
Localizarea unui extrem sugerează folosirea unei
strategii pentru găsirea acestuia. Soluţiile sistemului
f x' (x, y)  0 şi f y' (x, y)  0 se numesc puncte critice...
Expl.8 Găsiţi toate punctele critice pentru f(x,y) =6x2 + 6y2 + 6xy + 36x – 5

f x (x, y)  12x  6y  36
'
6(2x  y  6)  0
 '   x  2y

f y (x, y)  12y  6x 6(2y  x)  0
 4y  y  6  0  3y  6  y  2  x  4
Punctul (-4,2) este unicul punct critic al funcţiei. Vom decide acum, folosind teorema
de mai jos, dacă acest punct este un extrem.
Testarea unui extrem relativ
Pentru o funcţie z = f(x,y), considerăm că () A=
f x" 2 x, y , C  f y"2 x, y , f xy
"
x, y   B . Fie (a,b) un
punct critic. Dacă f xy (a, b)  f x 2 (a, b)  f y2 (a, b)  M  B  AC
" 2 " " 2

1) M < 0 şi f x 2 (a, b)  0  f(a, b) este punct de maxim

"

2) M < 0 şi f x"2 (a, b)  0  f(a, b) este punct de minim

3) M > 0  f(a,b) este punct şa
4) M = 0, nu putem decide
 f x" 2  12 "
f xy 6 f y"2  12
36  144  0  M (4,2) punct de minim

Metoda multiplicatorilor lui Lagrange

În secţiunea precedentă am văzut cum se găsesc extremele relative pentru o funcţie de
două variabile.
În cazuri practice, multe astfel de funcţii sunt date cu o condiţie secundară, sau
22
restricţie.
O problemă tipică ar putea cere cea mai mică valoare posibilă a funcţiei z = x2 + y2,
supusă la restricţia x + y = 4. Pentru a găsi această cea mai mică valoare, o căutăm pe curba
de intersecţie între z = x2 + y2 şi planul x + y = 4.
Problemele cu restricţii sunt adesea rezolvate prin metoda multiplicatorilor lui
Lagrange, după numele lui Joseph Louis Lagrange (1736-1813). Demonstraţia este
complicată şi nu o prezentăm.
. Se pune problema să determinăm extremul pentru z = f(x,y) supusă la restricţia g(x,y) =
0. Prezentăm metoda doar pentru funcţii de două variabile independente, dar este validă
pentru orice număr de n variabile..
Multiplicatorii lui Lagrange.
Toate extremele relative ale funcţiei z = f(x,y), supusă la restricţia g (x,y)=0, vor fi găsite
acele puncte (x,y) pentru care există o valoare  astfel încât unde F(x,y,) = f(x,y) +
.g(x,y). Presupunem că toate derivatele parţiale există.
Funcţia F(x,y,) se numeşte funcţia lui Langrange, iar  se numeşte multiplicator al
lui Lagrange.
.

După parcurgerea acestei unitati de invatare trebuie să reţineţi:

 Tehnica de calcul a derivatelor partiale de ordinul I si II;
 Algoritmul de determinare a punctelor stationare si a punctelor de extrem.
 Aplicarea metodei multiplicatorilor lui Lagrange pentru determinarea
extremelor conditionate;

Aplicaţie rezolvata pentru determinarea punctelor de extrem ale funcţiilor de

două variabile
Fie f(x,y) = 9xy - x3 - y3 - 6. Găsiţi extremele:.:
f x' (x, y)  0 9y  3x 2  0 3(3y  x 2 )  0 3y  x 2 x2 x4
 '        y   3x 
f y (x, y)  0 9x  3y 2  0 3(3x  y 2 )  0 3x  y 2 3 9
x  0
x 4  27x  0  x(x 3  27)  x(x  3)(x 2  3x  9)  0   1
x 2  3
y  0
y 2  9  y  3   1  M1 (0,0); M 2 (3,3); M 3 (3,3)
y 2  3
f x"2 x, y  6x f xy" x, y  9 f y" x, y  6y
Punctul A B C B2-A.C Concluzie
(0,0) 0 9 0 81>0 Punct Șa
2
(3,3) -18 9 -18 81-(18) <0 Punct de
maxim
(3,-3) -18 9 18 81+(18)2 >0 Punct Șa

23
 Aplicaţie rezolvata pentru determinarea extremelor conditionate ale
funcţiilor de două variabile
Se cere extremul funcţiei f(x,y)  6-4x-3y unde variabile x,y satisfac ecuaţia x2 +y2 
1.
F(x,y,) =6-4x-3y + ( x2 +y2 - 1)
Sistemul punctelor staţionare este

Fx'  4  2xλ  0
 '
Fy  3  2y  0
 '
Fλ  x  y  1  0
2 2

4 3 5
Rezultă x  , y , de unde   
2 2 2
Cum A  2, B  0 şi C  2, avem B2 – AC -42  0.

5 4 3 5
De aici pentru  , punctul ( , ) este un minim, iar pentru    avem
2 5 5 2
4 3
un maxim în punctul (- , ) .
5 5

Aplicaţii practice propuse pentru determinarea punctelor de extrem

ale funcţiilor de două variabile
1. f(x,y) = x4 + y4 –2x2 + 4xy –2y2 +1
2. f(x,y) = 2x3 + xy2 + 5x2 + y2
3. f(x,y) = x3 + y2 – 6xy – 39x + 18y + 20
4. f(x,y) = 3xy – x3 – y3
5. f(x,y) = x2 + xy + y2 – 2x –y
6. f(x,y)= - x4 + 4xy – 2y2 +9
7. f(x,y) = 2y3 – 3x4 – 6x2y + 5
Să se determine extremele condiţionate pentru funcţiile:
8. f(x,y)= x2 +2y2 – xy cu restricţia x+y = 8
9. f(x,y) = 12xy –x2 –3y2 cu restricţia x + y = 16

BIBLIOGRAFIE MINIMALA
1 Armeanu Ileana Matematică Aplicată; Editura Bren; Bucuresti; 2002.
2 Demidovich .P., A brief course of Higher Mathematics; Mir Publisher
Kudrayavtev V. Moscow; 1981
3 Demidovich B.P. & col. Problems in Mathematical analysis; Mir Publisher Moscow;
1981
4 Drăguşin C., Olteanu O., Analiza Matematica. Teorie si aplicatii. Editura MatrixROM
Gavrilă M. Bucuresti; 2007

24
 5 Gavrilă M., M. Pavel, Ariciuc
Culegere de probleme de Analiza Matematica; MatrixROM; 2002.
M.
UNITATEA DE ÎNVĂŢARE NR. 3.
ELEMENTE DE TEORIA PROBABILITĂŢILOR
Obiectivele unităţii de învăţare nr. 3

Prin studierea acestei unităţi de învăţare veţi fi în măsură să:

 Descoperiti ca in lumea viului, o serie larga de fenomene nu au regularitate determinista, in
schimb prin natura lor sunt adaptate fenomenelor aleatoare, numite legi statistice.
 Aflati conceptul de câmp de evemimente si axiomatica acestei structuri;
 Aflati definitia clasica, definitia axiomatica si proprietati de calcul ale probabilitatii;
 Gasiti o gama larga de aplicatii rezolvate chiar acolo unde este introdus conceptul sau formula de
rezolvare.
 Identificati mai multe variante de rezolvare a unei aplicatii care se refera la evenimente aleatoare
 Gasiti 12 aplicatii rezolvate si 7 aplicatii propuse.

Obiectul teoriei probabilităţilor îl constituie studiul fenomenelor aleatoare. Se spune

despre un eveniment că este aleator, dacă, repetat de mai multe ori în aceleaşi condiţii, se
desfăşoară de fiecare dată în mod diferit, imprevizibil. Pot fi caracterizate prin faptul că:
- nu posedă regularitate deterministă - pot avea rezultate diferite în funcţie de o serie de
circumstanţe necunoscute înaintea efectuării lor (mulţimea rezultatelor posibile poate fi
finită sau infinită)
- posedă regularitate statistică - repetarea experimentului aleator arată o anumită stabilitate a
frecvenţelor.
Iată câteva fenomene aleatoare: fenomenele meteorologice, cele de natalitate sau
mortalitate, procesele de producţie din industrie (numărul de rebuturi), timpul de zbor al
unui avion între două puncte fixe este variabil aleator, experienţa cu zarul (aruncarea unui
zar pe o suprafaţă plană) conduce la rezultate neprevizibile etc.
Largi categorii de fenomene biologice, economice, sociale etc. se supun unor legi
specifice, care prin natura lor sunt adaptate fenomenelor aleatoare, numite legi statistice.
În momentul în care teoria probabilităţilor a reuşit să-şi formuleze clar conceptele, a
devenit o disciplină matematică independentă.
Acest lucru s-a produs în 1933, prin publicarea lucrării lui A.N. Kolmogorov,
"Fundamentele Teoriei Probabilităţilor", în care sunt prezentate axiomele de bază ale teoriei
probabilităţilor, general acceptate în prezent.
Calcule speciale de probabilităţi în jocurile de noroc apar în secolele XV şi XVI la
matematicienii italieni Cardano şi Tartaglia.
Metode generale de calcul de probabilităţi, tot pentru jocurile de noroc, apar în 1654 în
lucrările lui Pascal şi Fermat, iar în 1657 în lucrările lui Huygens.
În 1713, în lucrarea lui Bernoulli, "Arta de a ghici" se demonstrează prima teoremă
limită a teoriei probabilităţilor, legea numerelor mari, iar De Moivre în lucrarea "Metoda
Analitică", demonstrează prima dată, pentru un caz particular, teorema limită centrală (doar
pentru cazul variabilelor Bernoulli). Tot Moivre a definit conceptele de independenţă, de
valoare medie, de probabilitate condiţionată.
În 1812, Laplace prin tratatul său "Teoria analitică a probabilităţilor" a expus
dezvoltarea la zi a teoriei, a demonstrat legea numerelor mari şi teorema limită centrală în

25
forme mai complete. În plus, a formulat ideea că distribuţia erorilor de observare trebuie să fie
dată de repartiţia normală (a lui Gauss).
În secolul XIX şi începutul secolului XX, şcoala rusă de matematică a adus contribuţii
fundamentale la formularea de metode generale pentru demonstarea teoremelor limită pentru
sume de variabile aleatoare independente şi prin crearea teoriei variabilelor aleatoare
dependente (lanţurile Markov). Cebîşev şi Markov utilizează metoda momentelor pentru
demonstrarea teoremei limită centrală, iar Lyapunov a introdus metoda funcţiei caracteristice
pentru aceeaşi problemă.
Încercări de axiomatizare a teoriei probabilităţilor au fost făcute de Bernstein (1880-
1968), de R. von Mises (1883-1953) şi Borel (1871-1956). Cazul cel mai reuşit, este lucrarea
lui Kolmogorov din 1933. În perioada 1920-1930 s-au obţinut rezultate importante în teoria
proceselor stochastice şi în statistica matematică.
Şi şcoala română de probabilităţi şi statistică are exponenţi de seamă prin academicienii
Gh. Mihoc şi O. Onicescu care au introdus noţiunea de lanţ cu legături complete şi metoda
funcţiei caracteristice în studiul proceselor markoviene.

Evenimente aleatoare
Noţiunile fundamentale în teoria probabilităţilor sunt cele de experienţă, probă,
eveniment şi probabilitate.
Se numeşte experienţă, realizarea unui complex de condiţii necesar producerii unui
fenomen. Realizarea practică a unei experienţe se numeşte probă, iar rezultatul posibil al
acesteia se numeşte eveniment.
Vom nota cu  un rezultat posibil, cu  mulţimea tuturor rezultatelor posibile, iar cu P()
mulţimea păţilor lui . Evenimentele pentru care vom defini în continuare probabilitatea sunt
exprimate prin propoziţii care definesc evenimente compuse ca mulţimi de evenimente
elementare. Un eveniment compus este deci o mulţime A   deci A  P .
Să considerăm de exemplu un zar perfect omogen şi o suprafaţă plană pe care se poate
arunca acest zar. Zarul şi suprafaţa ne asigură sistemul de condiţii necesar pentru această
experienţă. O aruncare efectivă cu zarul este o probă.
 = 1,2,3,4,5,6 este mulţimea rezultatelor posibile, iar 2 = 2 este rezultatul probei în
care s-a obţinut faţa 2.
Un eveniment se identifică cu mulţimea rezultatelor unei probe, fiind o submulţime a
mulţimii tuturor rezultatelor probelor experienţei. Deci, dacă A este un eveniment al acestei
experienţe, A  P().
Să considerăm acum evenimentele:
a) obţinerea unui număr negativ
b) obţinerea unui număr par
c) obţinerea unui număr natural
In cazul a) evenimentul se numeşte imposibil şi se notează , în cazul b) evenimentul A =
2,4,6 este un eveniment compus, submulţime a lui , iar în cazul c) avem evenimentul sigur
 (se realizează la fiecare executare a experienţei).

Relaţii între evenimente, operatii cu evenimente

Dacă evenimentele A şi B sunt în situaţia ca orice probă
care, realizează evenimentul A, conduce şi la realizarea lui B,
spunem că evenimentul A implică evenimentul B si se notează
A  B. A si B fiind multimi de evenimente elementare, relatia
A implica B este sinonima cu multimea A este inclusa in
26
multimea B.
Proprietăţi 1.1.
a). pentru orice eveniment A :   A şi A  
b). dacă A  B şi B  C, atunci A  C
Definiţie. Două evenimente A şi B sunt egale dacă A  B şi B  A. si se scrie A = B. In
termeni de multimi A si B contin aceleasi evenimente elementare.
Definiţie. Numim "A sau B" evenimentul care constă în realizarea cel puţin a unuia dintre cele
două evenimente şi scriem acest lucru A  B. In termeni de multimi A  B desemneaza
reuniunea evenimentelor elementare din A si B. De aici si notatia pentru evenimentul “A sau B
“prin A  B.
Proprietăţi 1.2.
a) A  A = A
b)A  B = B  A
c) A  (B  C) = (A  B)  C
d) A   = A
e) A   = 
f) A  A  B
pentru orice evenimente A,B,C.

Din asociativitatea operaţiei rezultă că se poate defini A  B 

C si se poate extinde pentru un număr finit de evenimente A =
 A i ; (Ai  ; i  I).
iI
Definiţie. Evenimentul "A şi B" constă în realizarea simultană a evenimentelor A şi B si se
notează cu A  B. In termeni de mulţimi "A si B" este mulţimea evenimentelor elementare
comune la A şi B de unde şi notaţia A  B.
Proprietăţi 1.3.
a) A  A = A
b)A  B = B  A
c) (A  B)  C = A  (B  C)
d) A   = 
e) A   = A
pentru orice evenimente A,B,C.
Din asociativitatea operaţiei de mai sus rezultă că se
poate defini operatia “şi” pentru un număr finit de
evenimente:  A i  A ; (Ai  ; i  I).
iI

Două evenimente A şi B pentru care A  B =  se

numesc evenimente incompatibile.
Operaţiile "sau" şi "şi" (reuniunea de evenimente şi
intersecţia acestora) sunt distributive una faţă de cealaltă.
a) A  (  B i ) =  (A  Bi) prima lege de distributie
iI iI

b) A  (  B i ) =  (A  Bi) a doua lege de distributie,

iI iI

unde A, Bi   cu i I.
Definiţie. Se numeşte evenimentul "contrar lui A" acel
eveniment care se realizează dacă nu s-a realizat A.
Ca multime, evenimentul contrar lui A consta din
evenimentele elementare care nu sunt in A.

27
 Evenimentul "contrar lui A" se notează cu A şi are proprietatile:
a) AA=
b) A A=
c) A = A
d)  = 
e) = .
Remarcăm faptul că A  B conduce la B  A .
Definiţie. Se numeşte "diferenţa" evenimentelor A şi B şi se notează A \ B evenimentul
A B, fiind deci evenimentul care are loc dacă s-a realizat A şi nu s-a realizat B.
Proprietăţi 1.4.

a) A \ B = A \ (A  B)
b) A \ B = (A  B) \ B
c) A = (A \ B)  (A  B)
d) (A \ B)  (B \ A) = 
e) A  B = A  B - (A  B) = A  (B - A)
f) A =  \ A
Negarea evenimentelor “A sau B” si “A si B” se face conform legilor lui De Morgan
a) A  B = A  B
b) A  B =A B
Definiţie. Fie A   un eveniment. Un sistem de evenimente Ai  , i=1, 2,..., n se spune că
realizează "o partiţie" a evenimentului A dacă
a) Ai  Aj = , i  j = 1, 2, ......, n (evenimentele sunt două câte două incompatibile)
n

b)  Ai  A
i 1
Un sistem de evenimente care realizează o partiţie a evenimentului singur  se
numeşte sistem complet de evenimente.

Câmp de evenimente
Fie  mulţimea rezultatelor posibile ale unei experienţe şi P() mulţimea părţilor lui .
Definiţie. O familie nevidă K de părţi ale lui  se numeşte camp de evenimente dacă sunt
îndeplinite axiomele
a)A  K, pentru orice A  K

b) A  B  K, pentru orice A, B  K
Proprietăţi 1.5.
a)   K,   K
b) A  B  K, pentru orice A, B  K
c) A \ B  K, pentru orice A, B  K
n n
d)  A i  K şi  A i  K , pentru orice Ai  K; i=1, 2, ......, n.
i 1 i 1
Demonstraţie.
a) K  , deci există A  K. Conform axiomei a), A  K, iar din axioma b) rezultă
A A=   K. Atunci  =   K.
c) Dacă A şi B  K, din axioma a) A,B  K, iar din b) A B  K. Dar A B = A  B

28
d)  K, şi cum A  B = A  B  K.
c) Dacă A, B  K, rezultăB  K şi A \ B = A  B  K.
d) Demonstrăm prin inducţie completă după n  2. Pentru n = 2, dacă A1, A2  K, din axioma
b) avem A1  A2  K. Presupunem prin ipoteza de inducţie că proprietatea este adevărată
pentru n evenimente.
Dacă considerăm A1, A2, A3, ..., An, An+1 evenimente din K avem
n 1
n  n
 A i    A i   A n 1  K , deoarece  A i  K şi An+1  K. Analog se demonstreazăşi
i 1  i 1  i 1

relaţia referitoare la intersecţie.

Definiţie. Se numeşte "câmp generalizat de evenimente" cuplul (, K), unde  este multimea
evenimentelor elementare, iar K este camp de evenimente care are in plus proprietatea ca

pentru orice şir de evenimente (An)n  N, din K este definit evenimentul A n  K . In termeni
n 1

de multimi, evenimentul A
n 1
n este format din evenimentele elementare care se găsesc în cel

puţin un
eveniment An.

Observaţie. Se demonstrează uşor că într-un câmp generalizat de evenimente  A n  K pentru
n 1

orice şir (An)n  N, din K.

Câmp de probabilitate, definiţia clasică şi definiţia axiomatică a probabilităţii

O problemă fundamentală a calculului probabilităţilor este aceea de a atribui fiecărui
eveniment o măsură a şansei sale de realizare într-un experiment dat.
Definiţie. Fie , K un câmp de evenimente. O funcţie P: K  R se numeşte probabilitate
dacă:
i). P(A)  0 pentru orice A  K
ii). P() = 1
iii). P(A  B) = P(A) + P(B), pentru orice eveniment A, B, încât A  B = (evenimente
incompatibile)
Definiţie. Un câmp de evenimente , K înzestrat cu o probabilitate P, se numeşte câmp de
probabilitate şi se notează , K, P.
Un caz particular dar important în aplicaţii este cel în care  este mulţimea finită   1,
2, .., n conţine n evenimente elementare Ek = k, 1  k  n, egal probabile, adică
 
m
1
P(E k )  . Pentru un eveniment oarecare A  ω i1 , ω i 2 ,........., ω i m   E i k definim
n k 1

m  m m nr. cazuri favorabile

P(A)  P   E i k    P(Ei k )   . (1)
 k 1  k 1 n nr. cazuri egal posibile
Se obţine astfel definiţia clasică a probabilităţii, dată de Laplace, ca raportul dintre numărul
de cazuri favorabile producerii lui A şi numărului total de evenimente egal posibile. Se
verifică foarte simplu că satisface cele trei axiome date la definiţia probabilităţii.
Aplicaţia 1. Se aruncă cu două zaruri deodată.
a) Să se descrie .
b) Câte elemente are P()?

29
 c) Să se calculeze probabilitatea evenimentelor: A = “se realizează o dublă”, B =”
suma punctelor extrase este 7”C = “suma punctelor extrase este divizibilă prin 5”
Rezolvare.
Evenimentele elementare sunt prezentate ca perechi de numere, primul este numărul de
puncte de pe primul zar, al doilea este numărul de puncte de pe al doilea zar.
În figura de alături sunt cele 36 evenimente
elementare care constituie , mulţimea rezultatelor
posibile.
Multimea părţilor lui , adică P(), conţine
evenimentul imposibil, submulţimi de câte un
eveniment luate din cele 36 evenimente elementre,
respectiv, submultimi de 2, 3, 4, …36 evenimente.
Numarul elementelor lui P() este
C36  C136  C36
0 2
 ...  C36
36  (1  1)
36
 236 .
Calculăm probabilităţile evenimentelor
compuse A, B, C, folosind definiţia clasică a
probabilităţii, dată de Laplace. Avem
6 6 7
P( A )   16.66 % P(B)   16.66 % P(C)   19.44 %
36 36 36
Evenimentele A şi B se numesc echiprobabile, iar evenimentul C este mai probabil
decât A respecriv B.
Aplicaţia 2. Dintr-un pachet cu 52 cărţi de joc se extrag două la întâmplare. Calculaţi
probabilitatea evenimentului A = ” cel puţin una este as”.
Rezolvare.
52  51
Numărul de cazuri egal posibile este C52   1326 , iar numărul de cazuri favorabile
2

1 2
este dat de C4  C48  C4  C48  4  48  6  198 , deci
1 1 2 0

198
P( A )   14.93 %
1326
Observaţie. Se pot defini mai multe probabilităţi pe acest câmp de evenimente.
In calcule avem nevoie frecvent de o definiţie mai generală pentru probabilitate.
Definiţie. Fie , K un câmp generalizat de evenimente. Se numeşte probabilitate
generalizată pe K, o funcţie P: K  R cu proprietăţile
a) P(A)  0 pentru orice A  K
b) P() = 1
c) Dacă (Ai) iI este o familie finită sau infinită de evenimente incompatibile două câte
două ( adică Ai  Aj = pentru i  j ), atunci P( A i )   P(A i )
iI iI

Definiţia este asemănătoare cu cea dată anterior, doar că proprietatea iii) se cere să fie
adevărată pentru reuniuni nu neapărat finite de evenimente.
În general, în practică, admitem că probabilitatea definită pe un câmp de evenimente este
întotdeauna o probabilitate generalizată dacă acel câmp conţine o infinitate de evenimente.

Formule de calcul cu probabilităţi

a) P(B \ A) = P(B) - P(A  B)
b) P(B \ A) = P(B) - P(A), dacă A  B
c) P(A)  P(B), dacă A  B
30
 d) P(A) = 1 - P(A)
e) P() = 0
f) 0  P(A)  1
g) P(A  B) = P(A) + P(B) - P(A  B)
Demonstraţie. a) Pentru orice evenimente A şi B  K, avem B = (B-A)  (A  B) şi în plus
(B-A)  (A  B) = , deci P(B) = P(B-A) + P(A  B), de unde relaţia cerută.
b) Dacă în cadrul proprietăţii 1, considerăm A  B, atunci avem A  B = A, şi rezultă P(B-
A)= P(B) - P(A).
c) A  B şi P(B-A)  0, implică P(A)  P(B)
d)  = A A şi A A=Ø, atunci P() = P(A) +P(A). Cum P() = 1, rezultă relaţia cerută.
e) P() = 1 – P( ) = 1 – P() = 0
f) Pentru A  K avem   A  . Folosind proprietatea c), rezultă
0 = P()  P(A)  P() = 1
g) A  B = A B - (A  B) şi în plus A  B - (A  B) = , atunci
P(A  B) = P(A) + P(B) - P(A  B)

Probabilităţi condiţionate
Fie , K, P un câmp de probabilitate şi A, B  K cu P(A) > 0.
P(A  B)
Definiţie. Expresia PB | A   PA (B)  se numeşte probabilitatea evenimentului B
P(A)
condiţionată de A.
Să arătăm că PA(B) verifică axiomele probabilităţii, adică:
a) PA(B)  0, deoarece P(A  B)  0 şi P(A) > 0
P(A  Ω) P(A)
b) PA() = 1. Pentru că A   = A, avem: PA ()   1
P(A) P(A)
c) Fie A1 şi A2  K, cu A1  A2 = . Avem
P[(A1  A 2 )  A] P(A1  A) P(A 2  A
PA (A1  A 2 )     PA (A1 )  PA (A 2 )
P(A) P(A) P(A)
Observaţie. Dacă P(B) > 0 se poate defini în mod analog probabilitatea evenimentului A
P(A  B)
condiţionată de evenimentul B: PB (A)  . Rezultă, din modul în care au fost definite
P(B)
PB(A) şi PA(B) că: P(A  B) = P(A) PA(B) = P(B) PB(A)
Aplicaţia 3. O urnă conţine 10 bile albe, 5 galbene şi 10 negre. Se extrage o bilă la întâmplare
şi se constată că nu este neagră. Care este probabilitatea să fie galbenă.
Rezolvare.
5
P(G  N) 25 1
PN (G )   
P( N ) 15 3
25

Evenimente independente
Fie , K, P un câmp de probabilitate şi A, B  K.
Definiţie. Evenimentele A şi B sunt independente dacă: P(A  B) = P(A) P(B) sau echivalent
cu PB(A) = P(A).
Independenţa evenimentelor A şi B, atrage după sine şi independenţa perechilor de
evenimente A şiB,A şi B,A şiB şi avem:
31
 P(A  B) = P(A) P(B) P(A  B)  P(A)  P(B) P(A  B)  P(A)  P( B)
Demonstraţie.
Avem A = A   = A (B B) = (A  B)  (A B). Cum evenimentele
A  B şi A B sunt incompatibile, avem P(A) = P(A  B) + P(A B) şi deci
P(A B) = P(A) - P(A) P(B), adică: P(A B) = P(A)1 - P(B) = P(A) P( B ).
Analog se demonstrează şi celelalte relaţii.
Noţiunea de independenţă se poate extinde la un număr oarecare de n evenimente.
Definiţie. Spunem că evenimentele Ai K, i=1, 2, ..., n sunt independente în ansamblul lor,
dacă oricare ar fi i1, i2,..., ir1, 2, ..., n are loc egalitatea
       
P A i1  A i2  ....  A ir  P A i1 . P A i2 ...P Air , adică sunt independente oricum le-am
lua câte r 2, ....., n.
Aplicaţia 4. Se extrage la întâmplare o carte de joc dintr-un pachet de cărţi de joc obişnuite.
Notăm cu E evenimentul “ cartea extrasă este un as” şi prin F “cartea extrasă este de pică”.
Sunt E şi F independente ?
Rezolvare. P(E∩F) = 1/52 pe de-o parte, iar pe de altă parte P(E) = 4/52 şi P(F) = 13/52, deci .
P(E∩F) = P(E) P(F).
Aplicaţia 5. Se aruncă cu două zaruri deodată. Fie E evenimentul “ suma punctelor realizate
este 6” şi desemnăm prin F evenimentul “ pe primul zar apare 4”. Sunt independente
evenimentele E şi F ?
Rezolvare. P(E∩F) = P( (4,2)) = 1/36, pe câtă vreme P(E).P(F) = (5/36).(1/6) = 5/216
Nu sunt independente.
Probabilitatea intersecţiei de evenimente dependente
Fie , K, P un câmp de probabilitate şi Ai K, i=1, 2, ...., n n evenimente
independente în totalitatea lor . Atunci din definiţia independenţei rezultă
n 
n
P  A i    P(Ai )
 i 1  i 1
Dacă evenimentele Ai K, i=1, 2, ...., n nu sunt independente şi au proprietatea că
P(A1  A2  ......  An-1)  0, atunci probabilitatea producerii simultane a celor n evenimente
este
n 
P   Ai   P(A1 )  PA1 (A 2 )  PA1A2 (A3 )........Pn 1 (A n ) (2)
 i1   Ai
i 1

Demonstraţie. Procedăm prin inducţie după n. Pentru n = 2, avem

P(A1  A 2 )  P(A1 ) PA1 (A 2 ) pentru P(A1) > 0.
Presupunem relaţia adevărată pentru n-1 evenimente şi demonstrăm că este adevărată pentru n
evenimente.
n   n-1    n -1 
P   A i   P   A i   A n   P   A i  Pn -1 (A n ) 
 i1   i1    i1  i1 Ai
 P(A1 ) PA1 (A 2 ).......Pn -1 (A n )
 Ai
i 1

Aplicaţia 6. Într-o cutie sunt 200 boabe de soia şi 160 boabe de mazăre. Se extrag succesiv
două boabe. Calculaţi
a) Probabilitatea ca amândouă să fie de soia?
b) Probabilitatea să fie diferite?
c) P(X)= ? unde X= “Cel puţin un bob de soia”
32
Rezolvare. Notăm cu S1 =“primul bob este de soia” cu S2 =“al doilea bob este de soia”.
Analog notăm cu M1 =“primul bob este de mazăre” cu M2 =“al doilea bob este de mazăre”.
a) P(S1  S2 )  P(S1 )  PS (S2 )  200  199  30.79 %
1
360 359
b) Avem o reuniune de evenimente incompatibile
P[(S1  M 2 )  (M1  S 2 )]  P(S1  M 2 )  P(M1  S 2 ) 
200 160 160 200
 .    49.52 %
360 359 360 359
c) Este vorba de un eveniment compus, realizat de reuniunea primelor două evenimente
analizate mai sus. P(X) = 0.3079 + 0.4952 = 80.31 %.
Sau remarcăm că X = “Să nu fie amândouă boabele de mazăre”
160 159
P(X) = 1- P(M1∩M2) = 1- P(M1 )  PM1 (M 2 )  1    80,31%
360 359
Aplicaţia 7. Dintr-un pachet cu 52 cărţi de joc se extrag la întâmplare două cărţi.
Calculaţi probabilitatea evenimentului A= "se extrag doi aşi" dacă
a)După prima extragere carte de joc este pusă la loc în pachet.
b)Prima carte extrasă nu revine în pachet.
Rezolvare. Notăm cu A1 evenimentul "as la prima extragere" şi A2 evenimentul "as la a doua
extragere".
a). Revenind cartea la loc în pachet, extragerea a doua nu depinde de prima.
4 4
P( A 1  A 2 )  P ( A 1 )  P( A 2 )    0.0059  0.59 %
52 52
b). Evenimentele A1 şi A2 sunt dependente.
4 3
P(A1  A 2 )  P(A1 )  PA1 (A 2 )    0.0045  0.45 %
52 51
Probabilitatea unei reuniuni de evenimente
Fie , K, P un câmp de probabilitate şi Ai K, i=1, 2, ...., n n
evenimente compatibile. Probabilitatea producerii a cel puţin unui eveniment
din cele n evenimente, este dată de formula lui Poincaré
n  n n
n 
P   A i    P(Ai )   P(Ai  A j )  ......  (1) n 1 P   A i  (3)
 i1  i1 1i  j  i1 
Demonstraţia acestei formule se face prin inducţie. Pentru n=2 avem deja demonstrat
că:
P(A1  A2) = P(A1) + P(A2) - P(A1  A2).
Presupunem formula adevărată pentru reuniunea a n evenimente şi demonstrăm pentru n+1 evenimente.

 n 1   n   n   n  
P   A i   P   A i   A n 1   P   A i   P(A n 1 ) - P   A i   A n 1  (4)
 i 1   i 1    i 1   i 1  
Avem
 n  
P   A i   A n 1   P[(A1  A 2  A 3  .......  A n )  A n 1 =
 i 1  
n 
 P  A i  A n 1 
 i 1 
n n
 n 1 
  P(Ai  A n 1 )   P(Ai  A j  A n 1 )  ......  (1) n P   A i  (5)
i 1 1i  j  i 1 

33
  n  
Prin înlocuirea în (4) a P   A i  cu ipoteza de inducţie (3) şi a P   A i   A n 1  cu
n

 i 1   i 1  
rezultatul din (1.5) , rezultă formula lui Poincaré pentru n+1.
Dacă evenimentele mulţimii Ai K, i=1, 2, ....., n sunt incompatibile două câte două,
n  n
Ai  Aj =  , formula lui Poincaré devine P  A i    P(A i ) .
 i 1  i 1
În cazul în care evenimentele Ai K, i=1, 2, ...., n sunt independente, formula lui
Poincaré devine:
n  n n n
P   A i    P(A i ) -  P(A i )P(A j )   P(A i )P(A j )P(A k )  .....
 i 1  i 1 1i  j 1i  j . (6)
....  (1) n -1 P(A1 )P(A 2 ).......P(A n )
Aplicaţia 8. Trei ţintaşi nimeresc o ţintă cu probabilităţile 0,7 0,9 0,8. Fiecare trage câte o
lovitură. Care sunt probabilităţile evenimentelor
a) A=”Toţi trei să nimerească ţinta”
b) B=“Ţinta să fie nimerită”
c) C=”Unul singur nimereşte ţinta”
Rezolvare.
a). Notăm R1 evenimentul “reuşeşte lovitura ţintaşului 1” şi analog R2, R3. Cele trei
evenimente sunt compatibile si independente.
Rezultă că
P(A) = P(R 1  R 2  R 3 )  0.7  0.8  0.9  50.4%
b). Dăm soluţia în două variante de rezolvare.
Varianta 1. Ţinta este nimerită dacă nu ratează toti trei.
P(B)  1  P(R 1  R 2  R 3 )  1  0.3  0.2  0.1  99.4%
Varianta 2.
Aplicam formula lui Poincaré pentru cazul a trei evenimente compatibile si independente.
P(B)  P(R 1  R 2  R 3 )  P(R 1 )  P(R 2 )  P(R 3 )  P(R 1  R 2 )  P(R 1  R 3 ) 
Adică
 P( R 2  R 3 )  P( R 1  R 2  R 3 )

P(B)= 0.7+0.8+0.9 – 0.7· 0.8 – 0.7 ·0.9 – 0.8 ·0.9 + 0.7· 0.8 ·0.9 =99.4%
c). Evenimentul C este reuniunea a trei evenimente incompatibile, atunci se aplică definiţia
probabilităţii dată de Kolmogorov.
P(C)  P(R 1  R 2  R 3 )  P(R 2  R 1  R 3 )  P(R 3  R 2  R 1 )  0.7  0.2  0.1 
 0.8  0.3  0.1  0.9  0.2  0.3  0.014  0.024  0.054  0.092
Aplicaţia 9. Un utilaj agricol prezintă 2% defecte de fabricaţie şi 1,8% defecte de montaj.
Care este probabilitatea ca un astfel de utilaj, ales la întâmplare, să fie bun ?
Rezolvare. Din enunţ reiese că evenimentele sunt compatibile şi independente.
Varianta 1. Calculăm mai întâi probabilitatea ca utilajul să fie defect.
Notăm Dm =”defect de montaj”, Df = “defect de fabricaţie” şi B = “bun“
P(Dm  Df )= P(Dm) + P(Df) - P(Dm  Df ) = 0.018 +0.02 - 0.018  0.02 = 0.03764

34
Atunci
P(B)= 1- P(Dm  Df) = 1-0.03764 = 0.96236 = 96.236 %
Varianta 2. P(B)= P( Dm  Df )  0.982  0.98  0.96236  96.236%
Formula probabilităţii totale
Fie câmpul de probabilitate , K, P asociat unei experienţe din care rezultă
evenimentul aleator AK şi fie AiK, i= 1, n  un sistem complet de evenimente, adică un
n
sistem de evenimente pentru care Ai  Aj =  , pentru i  j = 1, n şi  A i  Ω .
i 1

În acest caz, cunoscute fiind P(Ai) şi PAi(A), i= 1, n avem formula cunoscută sub
numele de formula probabilităţii totale
n
PA    P(A i )PAi (A) (7)
i 1

n  n
Demonstraţie.Avem A  A  Ω  A   i1 i   
 A (A  A i ) , iar evenimentele
  i1
A  Ai, i= 1, n sunt incompatibile. Atunci
n  n n
PA   P (A  A i )   P(A  A i )   P(Ai )PAi (A)
i1  i 1 i 1
Aplicaţia 10. Două urne conţin 3 bile albe şi 2 negre, respectiv 2 bile albe şi 4 negre. Din
prima urnă se transferă la întâmplare o bilă în urna a doua. Apoi din urna a doua se face o
extragere de o bilă. Care este probabilitatea ca ea să fie albă?
Rezolvare. Varianta 1. Considerăm următoarea partiţie a lui : După transfer, în urna 2 avem
6 bile vechi si pe cea nouă. Sau extragem din bilele vechi sau pe cea noua . Notăm cu A= “
bila alba din U2”, V=” bila deja existenta in U2”, iar N= “bila transferata din U1”.
6 2 1 3 13
P(A)  P(V)PV (A)  P( N)  PN (A)       37.14%
7 6 7 5 35
Varianta 2. De data aceasta descompunem evenimentul sigur în următoarele evenimente
incompatibile: din urna 1 am transferat bilă albă sau transferăm bila neagră. În urma
transferului din urna 2 extragem bilă albă.
Notăm A1 respectiv N1, evenimentele "bila albă (negră)din urna 1", analog A2 = "bila albă din
urna 2". Folosind formula probabilităţii totale avem
P(A 2 )  P(A1 )  PA1 (A 2 )  P( N1 )  PN1 (A 2 )
3 3 2 2 13
      37.14%
5 7 5 7 35

Formula lui Bayes

Fie câmpul de probabilitate , K, P, A un eveniment aleator şi Ai, i= 1, n  un sistem
complet de evenimente. Se cunosc P(Ai) şi PAi(A). Dacă în urma efectuării experienţei s-a
produs evenimentul A şi vrem să determinăm PA(Ai), aceste probabilităţi pentru i= 1, n se
calculează după formula lui Bayes:
P(A i )PA i (A)
PA A i   n (8)
 P(A )P
i 1
i Ai (A)

Demonstraţie. Avem: P(A  Ai) =P(A) PA(Ai) şi P(Ai  A) =P(Ai) PAi(A).

35
Dacă P(A) > 0, din relaţiile de mai sus rezultă:
P(A i )PAi (A)
PA A i  
P(A)
şi scriind P(A) după formula probabilităţii totale, atunci avem relaţia dată de Bayes.
(Probabilităţile PA(Ai) se numesc aposteriori).
Aplicaţia 11. O companie de asigurări estimează că oamenii se împart în două clase: cei care
sunt înclinaţi către accidente şi cei care nu sunt. Statisticienii acestei companii arată că un
individ inclinat către accidente are o probabilitate de 0,4 de a avea accident pe parcursul unui
an; această probabilitate scade la 0,2 pentru oamenii cu risc moderat.
Presupunem că 30 % din populaţie aparţine clasei de risc înalt. Care este probabilitatea
ca un nou asigurat să fie victima unui accident pe durata unui an care urmează semnării
contractului său?
Rezolvare. Notăm prin A evenimentul “ semnatarul are accident în anul pentru care a încheiat
contractul “ şi notăm cu B evenimentul “ semnatarul are înclinaţie către accidente”. Avem
P(A) = P(B).PB(A) + P( B).PB (A) =0.4·0.3+0.2·0.7=0.26

 4 albe  3 albe  8 albe

Aplicaţia 12. Considerăm trei urne: U1:  , U2:  , U3:  .
4 negre 5 negre 2 negre
a). Se pun toate bilele la un loc şi se extrage o bilă la întâmplare. Se constată că este albă.
- Care este probabilitatea să fi provenit din U3?
- Din care urnă este mai probabilă provenienţa bilei albe extrase?
b) Din una din urne, aleasă la întâmplare se extrage o bilă. Se constata ca este albă.
- Care este probabilitatea să fi provenit din U3?
- Din care urnă este mai probabilă provenienţa bilei albe extrase?
Rezolvare.
a). Puse toate la un loc, sunt în număr de 26, din care, 8 din U1, 8 din U2 şi 10 din U3.
Avem
P(A)  P(U1 )  PU1 (A)  P(U 2 )  PU2 (A)  P(U 3 )  PU3 (A)
8 4 8 3 10 8 4  3  8
P( A)         0.5769  57.69%
26 8 26 8 26 10 26
Atunci
8
P( U 3 )  PU3 (A)
PA ( U 3 )   26  53.33%
P( A) 15
26
Se constată că din U3 este cea mai probabilă provenienţă a bilei albe.
b). Probabilitatea de a alege la întâmplare oricare urnă este 1/3.
1 4 1 3 1 8 20  15  32
P( A)         0.5583  55.83%
3 8 3 8 3 10 120

32
P( U 3 )  PU3 (A)
PA ( U 3 )   120  47.76%
P( A) 67
120
Se vede că cel mai probabil este ca bila albă să provină din U3, dacă urmărim numărătorii de la calculul
probabilităţii P(A).

36
 După parcurgerea acestei unitati de invatare trebuie să reţineţi:
 Identificarea evenimentelor pentru care se cere calculul probabilitatii si clasificarea corecta
a acestora: sunt independente sau dependente, compatibile sau incompatibile, evenimente
simple sau compuse, puteti identifica evenimentul contrar celui cerut?;
 Formulele de calcul ale probabilitatilor;
 Sa fiti in masura sa interpretati rezultatul obtinut.

Aplicaţie propuse

1. O urnă conţine 3 bile albe şi 4 bile negre. Se scoate o bilă la întâmplare şi în locul ei se pune o
bilă de cealaltă culoare; apoi se mai face o extragere de o bilă.
Care este probabilitatea ca a doua bilă extrasă să fie neagră?
Care este probabilitatea de a obţine bile de culori diferite ?
Care este probabilitatea ca cel puţin o bilă să fie albă?
Care este probabilitatea ca cel mult o bilă să fie albă?
2. Doi trăgători trag simultan la ţintă. Ştiind că primul reuşeşte să atingă ţinta de 12 ori din 15
focuri, iar al doilea are 7 reuşite din 9 focuri, să se afle probabilitatea ca ţinta să fie nimerită?

3. Într-un depozit sunt aduse piese de acelaşi fel fabricate în două ateliere. Primul atelier are 3
maşini care dau piese corespunzătoare în proporţie de 99%, al doilea atelier are 2 maşini care dau
piese corespunzătoare în proporţie de 97%. Care este probabilitatea ca o piesă luată la întâmplare din
depozit, să fie corespunzătoare?

4. Pentru însămânţări s-a pregătit grâu de două calităţi în proporţie de 85%, respectiv 15%. Ştiind că
grâul de calitatea I germinează cu probabilitatea de 96%, iar cel de calitatea a II-a, cu probabilitatea
de 92%, să se afle probabilitatea ca un bob de grâu, luat la întâmplare din amestec, să germineze ?

5. Într-un atelier sunt 3 maşini. Prima maşină dă rebut cu probabilitatea de 1%, a doua maşină dă
rebut cu probabilitatea de 1,5%, iar a treia maşină dă rebut cu probabilitatea de 1,2%.. De la
una dintre maşini, aleasă la întâmplare, se alege o piesă; care este probabilitatea ca
ea să fie bună?

6. Într-un atelier sunt 3 maşini. Prima maşină dă rebut cu probabilitatea de 1,8%, a doua maşină dă
rebut cu probabilitatea de 2,5%, iar a treia maşină dă rebut cu probabilitatea de 1,5%.. De la fiecare
dintre maşini, alegem la întâmplare, câte o piesă; care este probabilitatea ca cel puţin una să fie
bună?

7. Un magazin se aprovizioneaza de la trei fabrici A, B, C cu un anumit produs in proportie de 30%,

50% si 20%. Proportia de articole defecte dintre cele achizitionate este 2%, 1%, 4% pentru A, B,
respectiv C. Daca un cumparator achizitioneaza un produs defect, care este probabilitatea sa fi fost
produs de fabrica A?

BIBLIOGRAFIE MINIMALA
1 Armeanu Ileana
2 Armeanu Ileana, Petrehus Viorel
3 Armeanu Ileana, Petrehus Viorel
4 Beganu Gabriela
5 Petrehuş,V., Popescu, S.A.
Matematică Aplicată; Editura Bren; Bucuresti; 2002.
Probabilităti si Statistică Matematică Aplicată in Biologie ; Ed.
MatrixRom, Bucuresti, 2006.
Matematici avansate cu aplicatii; Ed. Sitech, 2009
Metode probabilistice aplicate în economie şi asigurări, Ed.
Tehnică, Bucureşti, 1996.
Probabilităţi şi Statistică; Universitatea Tehnică de Construcţii,
Bucureşti, 1997.

37
6. Iosifescu, M., Mihoc, Gh., Teoria probabilitatilor şi statistică matematică, Ed.
Theodorescu, R. Tehnica, Bucureşti, 1966.
7. Feller, W. An introduction to probability theory and its applications
2nd ed. J. Willey & Sons, New York 1971.

UNITATEA DE ÎNVĂŢARE NR. 4. VARIABILE ALEATOARE, VECTORI

ALEATORI
Obiectivele unităţii de învăţare nr. 4

Prin studierea acestei unităţi de învăţare veţi fi în măsură să:

 Aflati notiunile de variabila aleatoare, respectiv vector aleator.
 Gasiti diverse modalitati de descriere a acestor marimi: tabel de distributie,
discriere prin functia de repartitie, respectiv densitatea de probabilitate si in sfarsit,
descriere prin intermediul unor numere care dau informatii despre aceste marimi,
numite caracteristici numerice sau indicatori.
 Aflati formule de calcul pentru probabilitati prin intermediul functiei de repartitie.
 Gasiti 10 aplicatii rezolvate pentru toate cazurile pentru care sunt introduse
notiunile specifice variabilelor, vectorilor aleatori, calcul de caracteristici numerice,
calcul de probabilitati folosind functia de repartitie.

O mărime care ia valori în funcţie de rezultatul unei experienţe aleatoare, se va numi

variabilă aleatoare.
De exemplu, considerăm că aruncăm de 4 ori cu moneda. Să se descrie printr-o
variabilă aleatoare apariţia stemei. Dacă X = numărul de apariţii al stemei, acesta poate fi
0,1,2,3,4, iar
0 4 1 3
1 1 1 11 1 4
P(X=0) = C4      , P(X=1) = C4      , analog, P(X=2) = 6/16, P(X=3)
0

2 2 16 2  2 16

= 4/16, P(X=4) = 1/16.
Variabilele care au o mulţime finită sau numărabilă de valori, se numesc variabile
aleatoare discrete.
Dacă vom nota cu X timpul de aşteptare într-o staţie, sau recolta la hectar, exprimată în
tone, atunci X e posibil sa ia toate valorile dintr-un interval (a, b). O asemenea variabilă s-ar
putea numi variabilă aleatoare continuă. Definiţia variabilei aleatoare continue o vom da ceva
mai încolo.
Fie , K, P un câmp de probabilitate.
Definiţie. Se numeşte variabilă aleatoare definită pe câmpul de probabilitate , K, P, orice
funcţie X :  R pentru care
| X() < x = | X() (-, x)  K, () x  R.
Prin urmare, pentru o variabilă aleatoare discretă
X() = x1, x2, ......,xn R, sau X() = x1, x2, ......,xn.....  R.
Fie acum pk probabilitatea cu care X ia valoarea xk, adică pk = P(X=xk).
Mulţimea perechilor (xk, pk), k=1,2, ..., se numeşte distribuţia sau repartiţia variabilei
aleatoare X.
Distribuţia variabilei aleatoare ce descrie apariţia stemei în patru aruncări cu moneda
este
38
 0 1 2 3 4 
X :  .
1/16 1/4 3/8 1/4 1/16 
Repartiţia unei variabile aleatoare se poate reprezenta printr-un tabel de distribuţie de tipul
 x x ...........x n  n
X :  1 2  unde  p k  1 ,
 p1 p 2 ...........p n  k 1

în cazul în care variabila aleatoare este simplă, şi

 x x ...........
X :  1 2  unde  p n  1 ,
 1 2
p p ...........  n 1

în cazul unei variabile aleatoare discrete oarecare.

Condiţia p
k
k  1 provine din faptul că (X  x
k
k )

Operaţii cu variabile aleatoare

Cu variabilele aleatoare, definite pe acelaşi câmp de probabilitate, se pot face peraţiile
algebrice uzuale. Vom prezenta aceste operaţii numai pentru variabile aleatoare simple.
a) Produsul cu o constantă
xk 
Dacă X este o variabilă aleatoare cu distribuţia X :   , k=1,2, …,n
 pk 
c xk 
definim atunci variabila cX, c  R \ {0} ca fiind variabila aleatoare cX :  
 pk 
deoarece P(cX=c xk) = P(X=xk) = pk, k=1,2,.....,n.
b) Suma, produsul şi câtul a două variabile aleatoare
 xi  yj 
Fie variabilele aleatoare: X :   ,1  i  n şi Y :   ,1  j  m .
q 
 pi   j
Notăm pij = P(X=xi)(Y=yj), i=1,2,.....,n; j=1,2,......,m.
Observaţie. Dacă pij = P(X=xi)  (Y=yj), atunci: 
p ij  p i ,  p ij  q j .
jJ iI

Demonstraţie. Evenimentele X = xi, iI formează un sistem complet de evenimente şi

   
avem
  
 p ij   P X  x i   Y  y j  P  X  x i   Y  y j  iI

 P  X  x  Y  y  P Ω  Y  y   P Y  y   q

iI iI

i j j j j
iI

 
In mod analog
  
 p ij   P X  x i   Y  y j  P  X  x i   Y  y j jJ
 
jJ jJ

 P  Y  y    P X  x   Ω  P X  x   p
 X  x i     j 
 
  jJ i i i

Rezultă acum  p ij   p i    p ij   q j  1
iI jJ iI jJ iI jJ
Suma variabilelor X şi Y este variabila aleatoare X+Y cu distribuţia
 xi  y j 
X  Y:  i  1,2,....., n; j  1,2,.....m .
p 
 ij 
39
 Produsul variabilelor X şi Y este variabila aleatoare X·Y cu distribuţia
 xi y j 
X Y :   i  1,2,....., n; j  1,2,.....m .
p 
 ij 
 x i2   x ik 
Dacă variabilele aleatoare X şi Y coincid, X :   şi prin recurenţă X :  , k  N .
2
  k

 pi   pi 
Câtul variabilelor X şi Y este variabila aleatoare notată X/Y cu distribuţia
 xi / y j 
X/Y:  i  1,2,....., n; j  1,2,.....m
p 
 ij 
dacă operaţia de împărţire are sens.
Definiţie. X şi Y se numesc variabile aleatoare independente dacă pentru orice intervale I1, I2,
evenimentele (X I1) şi (Y I2) sunt independente, adică
P((X I1)  (Y I2) )= P (X I1). P (Y I2)
Dacă X şi Y sunt discrete, această definiţie este echivalentă cu
P((X=xi)  (Y= yj)) = pij = P(X=xi) .P(Y= yj) = pi . qj.

Funcţie de repartiţie. Densitate de probabilitate

Fie , K, P un câmp de probabilitate şi fie X o variabilă aleatoare.
Definiţie. Numim funcţie de repartiţie a variabilei aleatoare X, funcţia F:R 0,1 definită
prin
F(x) =P(X < x) (1)
adică probabilitatea ca variabila X să ia valori mai mici decât numărul real x.
Proprietăţi ale funcţiei de repartiţie
a) Funcţia de repartiţie a unei variabile aleatoare este crescătoare.
Într-adevăr, dacă x, y  R şi x < y, atunci în mod evident
  X()< x    X() < y
şi conform proprietăţii de monotonie a probabilităţii, avem F(x)  F(y).
b) Sunt adevărate următoarele egalităţi: lim F(x)  0; lim F(x)  1 .
x  x 

Pentru a vedea aceasta considerăm şirul (xn) de numere reale, descrescător la - , deci

lim (X  x n )   (X  x n )   .
x n  n 1

şi
lim Fx n   lim PX  x n   P lim X  x n   P  0
x n  x n   x n  
Analog, dacă şirul (xn) este crescător la , avem

lim (X  x n )   (X  x n )  
x n  n 1

lim Fx n   lim PX  x n   P lim X  x n   P  1

x n  x n   x n  
c) Funcţia de repartiţie a unei variabile aleatoare este continuă la stânga în orice punct din R.
Într-adevăr, considerăm şirul de numere reale (xn), crescător şi convergent la x (xnx,
xn<x). Avem

lim (X  x n )   (X  x n )  (X  x)
x n x n 1

şi atunci

40
 lim F(x n )  lim P(X  x n )  P(X  x)  F(x)
x n x x n x

Calculul probabilităţilor unor evenimente cu ajutorul funcţiei de repartiţie

Din definiţia funcţiei de repartiţie: F(x) = P(X < x), x  R se pot deduce cu uşurinţă proprietăţile:
a) P (X  a) = 1 - F(a)
b) P (X  a) = F(a) + P(X=a)
c) P (X > a) = 1 - F(a) - P(X=a)
d) P (a  X < b) = F(b) - F(a)
e) P (a  X  b) = F(b) - F(a) + P(X=b)
f) P (a < X  b) = F(b) - F(a) + P(X=b) - P(X=a)
g) P (a < X < b) = F(b) - F(a) - P(X=a)
Demonstraţie. Folosind proprietăţile probabilităţii, proprietăţile de mai sus rezultă imediat.
a) X()  a = ω | X(ω(  a , deci
P  X()  a = 1 - PX() < a = 1 - F(a)
b) X()  a = X() < a  X() = a, deci
P X()  a = P X() < a + PX() = a = = F(a) + P(X=a)
c) Se demonstrează pe baza proprietăţilor 1. şi 2.
X() > a = ω | X(ω(  a, deci
PX() > a = 1 - PX() ≤ a = 1 - F(a) - P(X=a)
d) X[a, b) = X(-,b) \ X(-,a) şi X(-,a)  X(-,b) când a < b, deci P
(Xa,b)) = PX(-,b) - PX(-,a) = F(b) - F(a).
Aplicatia 1. Se aruncă cu două zaruri deodată.
a) Să se descrie variabila aleatoare X ce dă numărul de puncte obţinut.
b) Să se scrie funcţia de repartiţie a v.a X.
c) Să se calculeze probabilităţile: P (X < 8), P(X  6), P(3  X  10), PX7 (X  9)
Rezolvare.

a) Folosind descrierea data pentru Ω în Aplicaţia 1 din Capitolul 1, numărul de puncte obţinut
la aruncarea cu două zaruri este dat de
 2 3 4 5 6 7 8 9 10 11 12 
X:  1 2 3 4 5 6 5 4 3 2 1 
 
 36 36 36 36 36 36 36 36 36 36 36 
 0 x2
 1 36 2x3

 3 36 3 x 4

 6 36 4x5
10 36 5  x  6
b) 
15 36 6  x  7
F( x )  P(X  x )  
 21 36 7  x  8
26 36 8  x  9

30 36 9  x  10
33 36 10  x  11

35 36 11  x  12
 1 x  12

c) P (X < 8) = F(8) = 21/36 = 58.33 %
P(X  6) = 1- F(6) = 1- 10/36 = 26/36 = 72.22 %
P(3  X  10) = F(10) –F(3) + P(X=10)= 30/36 – 1/36 + 3/36 =32/36 = 88.88 %
41
 26  15
P(7  X  9) F(9)  F(7) 36  11  52.38 %
PX7 (X  9)   
P ( X  7) 1  F(7) 15 21
1
36
Aplicaţia 2. La o loterie la care au fost vândute 50 de bilete sunt două câştiguri de 500 unitaţi
monetare fiecare şi un câstig de 1000 unitaţi monetare. Costul unui bilet este de 100 u.m .
Descrieţi printr-o variabilă aleatoare repartiţia câştigului pentru o persoană care a cumpărat un
bilet la loteria respectivă. Calculaţi probabilitatea de a câştiga mai mult de 200 u.m.
Rezolvare. Variabila aleatoare pe care o notăm X, poate lua valoarea X= -100 atunci când
persoana nu a câştigat (de fapt a pierdut costul biletului), X= 400 sau X= 900 ( este castigul
minus costul biletului). Avem
P(X=-100) = 47/50 = 0.94,
P(X= 400) = 2/50 = 0.04
P(X= 900) = 1/50 = 0.02

Variabila aleatoare este

  100 400 900 
X :   iar P(X>200) = 6 %.
 0.94 0.04 0.02 
Aplicaţia 3. Dintr-o urnă în care sunt 10 bile albe şi 5 bile negre se fac patru extrageri punând
de fiecare dată bila extrasă în urnă. Se cere funcţia de repartiţie a variabilei aleatoare X ce dă
numărul de bile albe extrase.
Calculaţi: P (X > 2), P(X  3), P(1  X < 3).
Rezolvare. Notam p = probabilitatea evenimetului “bila extrasa este albă”, şi cu q=
probabilitatea evenimetului “bila extrasa este neagră”. Avem p=2/3 şi q = 1/3. In urma celor
patru extrageri independente, numărul de bile albe ar putea fi 0, 1, 2, 3, 4. Vom calcula
probabilitatea fiecarui caz în parte.
Probabilitatea ca din n executări ale experienţei, evenimentul “bila albă” să apară de k ori este
dat de formula lui Bernoulli (demonstrarea ei va fi dată ulterior)
1 1
Pn,k  Ckn p k q n k . Avem P4,0  C04 p 0 q 4  1  1  4
 ,
3 81
8 24 32 16
analog p 4,1  , p 4, 2  , p 4,3  , p 4, 4 
81 81 81 81
şi atunci

0 1 2 3 4
X:  1 8 24 32 16 
 
 81 81 81 81 81 
P (X > 2) = 1- F(2) – P(X=2) = 1- 9/81 – 24/81 = 48/81 =59.25 %
P(X  3) = F(3) + P(X=3) = 33/81 + 32/81 =65/81 =80.24 %
P(1  X < 3) = F(3) – F(1) = 33/81 – 1/81 = 32/81 =39.5 %.
unde

42
  0 x0
 1 81 0  x 1

 9 81 1 x  2
F( x )  P(X  x )  
33 81 2x3
55 81 3 x 4

 1 x4
Aplicaţia 4. Să se rezolve aceeaşi problemă în cazul în care nu se pune bila
extrasă înapoi în urnă.
Rezolvare. In urma celor patru extrageri dependente, din urna cu 10 bile albe şi 5 negre, extragând
succesiv patru bile, probabilitatea evenimentului “nr. bile albe este k”, unde acesta ar putea fi 0, 1, 2, 3,
k
C10 C 54k
4 se va calcula cu formula P(k)  4
C15

C C C C C C
0 4 1 3 2 2
Avem pe rând P(0)  1 20 90
10
4
5
 , P(1)  10
4
5
 , P(2)  10
4
5

C 273 C 273 C 273
15 15 15

C C C C
3 1 4 0
120 42
P(3)  10
4
5
 , P(4)  10
4
5

C 273 C 273
15 15

atunci

 0 1 2 3 4 
X: 1 20 90 120 42 
 
 273 273 273 273 273 
 0 x0
 1 273 0  x 1

 21 273 1 x  2
F( x )  P(X  x )  
111 273 2x3
231 273 3 x 4

 1 x4
P (X > 2) = 1- F(2) – P(X=2) = 1- 21/273 – 90/273 = 162/273 =59.34 %
P(X  3) = F(3) + P(X=3) = 111/273 + 120/273 = 231/273 = 84.61 %
P(1  X < 3) = F(3) – F(1) = 111/273 – 1/273 = 110/273 =40.29 %.
Fie acum o variabilă X şi F funcţia sa de repartiţie. Raportul
P(a  x  b) F(b)  F(a)

ba ba
se numeşte densitatea medie de probabilitate a variabilei aleatoare X pe intervalul [a, b).
Definiţie. Dacă variabila X este continuă şi există limita
F(x  h)  F(x) Px  X  x  h 
lim  lim  F ' (x)
h o h h  o h
atunci funcţia f definită prin f(x) = F (x) se numeşte densitatea de repartiţie a variabilei X în
punctul x.

43
Observaţie. Este uşor de observat că relaţia dintre funcţia de repartiţie F şi densitatea de
x
repartiţie f este dată de egalitatea: F(x)   f(t)dt . Această din urmă egalitate este chiar mai

generală, pemiţând definirea densităţii şi atunci când nu există F’(x) în unele puncte x. De aici
rezultă că densitatea f nu este unică deoarece modificarea ei în unele puncte izolate nu
x
modifică egalitatea F(x)   f(t)dt .


f x   0 şi

Avem 

f(x)dx  F()  1

De asemenea
b a b
P (a  X < b) = F(b) - F(a) = 
f(x) dx   f(x) dx   f(x) dx.
 a

Datorită continuităţii funcţiei de repartiţie F (x), pentru orice a  R

P(X  a)  lim P(a  X  b)  limF(b)  F(a)  0 .
ba ba
b a b a

Deşi evenimentul X=a nu este evenimentul imposibil, probabilitatea sa este nulă în

cazul variabilelor aleatoare continue. De aici rezultă următoarele proprietăţi:
a 
P(X < a) = P(X  a) = 

f(x)dx P(X  a) = P(X > a) = a
f(x)dx
b
P (a < X < b) = P(a  X < b) = P(a < X  b) = P(a  X  b) = a
f(x) dx

Variabile aleatoare independente

Definiţie. Variabilele aleatoare Xi, i  I sunt independente în ansamblul lor dacă pentru
orice mulţime finită I1R, I2R, … IkR, 1, 2,......, k I, avem relaţia
     
P X i1  I1  X i 2  I 2  ......  X i k  I k   PX i  I i 
i

Definiţie. Variabilele aleatoare Xi, i  I sunt independente două câte două (sau mutual
independente) dacă orice două variabile aleatoare Xi şi Xj, i  j sunt independente.
Observaţia 1. Este suficient să consideram în relaţia precedentă că I1 = (-, x1), …, Ik=(-,
xk).
Observaţia 2. Pentru variabilele discrete independenţa este echivalentă cu
P((X1  x1 )  (X 2  x 2 )  ...  (X k  x k )  P(X1  x1 )  P(X 2  x 2 )  ...P(X k  x k )

Caracteristici numerice ale unei variabile aleatoare

Fie X:  R o variabilă aleatoare cu funcţia de repartiţie F (x).
Definiţie. Se numeşte mediana variabilei aleatoare X, numărul me(X) definit prin
 1
m e X   inf x | Fx    (2)
 2
unde F(x) este funcţia de repartiţie a variabilei aleatoare X.
Cum soluţia inecuaţiei Fx   este un interval, mediana este marginea inferioară a
1
2
acestui interval.
Definiţie. Fie X:  R o variabilă aleatoare cu densitatea de probabilitatea f(x). Se

44
numeşte mod, orice punct de maxim al funcţiei f(x). (Pentru o variabilă aleatoare discretă
modul este valoarea xk pentru care pk este maximă).
0 daca x  0
Aplicaţia 5. O variabilă aleatoare X are densitatea f x     x . Să se determine
e daca x  0
mediana şi modul variabilei aleatoare X.
Rezolvare. Pentru mediana me(X) notată cu α trebuie să avem PX     PX     ,
1
2
 1 1
adică  e  x dx  , de unde 1  e   , deci   ln 2
0 2 2
Modul este zero pentru că densitatea f(x) este descrescătoare pe intervalul [0, ) .

Momentele unei variabile aleatoare. Valoarea medie

Comportarea unei variabile aleatoare este descrisă complet de către distribuţia sa. În
practică este necesar să putem caracteriza o variabilă aleatoare prin numere, numite
caracteristici numerice sau indicatori.
Considerăm câmpul de probabilitate , K, P şi fie o variabilă aleatoare discretă
x x 2 .. x k ... 
X :  1  unde
.. p k ... 
p k 1.
 p1 p2 k 1

Definiţie. Se numeşte valoare medie a variabilei aleatoare discrete X, numărul

M(X)   x i p i (3)
iI
Observaţie. In cazul în care mulţimea I este numărabilă, avem o serie de numere, valoarea
medie există dacă seria este convergentă.
In cazul unei variabile aleatoare continue nu avem un tabel de valori ca în cazul unei
variabile aleatoare discrete. Un analog al acestui tabel ar fi
 x, x  x    x 
X :   sau X :  
 f x x   f x dx 
unde se specifică faptul că probabilitatea ca variabila aleatoare X să ia valori în intervalul
x, x  x  este f x x , f(x) fiind densitatea medie pe acest interval. Divizând intervalul [a,b]
al valorilor variabilei aleatoare X (dacă este finit) prin a  x 0  x1  x 2  ..  x n  b şi luând
ca valoare în x i , x i1  pe xi , suma termenilor de forma specificată este
i x i Px i  X  x i1   i x i f x i x i cu xi  xi 1  xi . Când diferenţele xi tind spre zero,
b
densităţile medii tind spre densităţile punctuale, iar suma tinde spre  xf x dx
a
pe care o luăm

ca medie a variabilei aleatoare X. In cazul când valorile variabilei aleatoare X nu sunt incluse

într-un interval mărginit [a,b] luăm simplu ca medie pentru X,  xf x dx , dacă această

integrală există.
Proprietăţile valorii medii a unei variabile aleatoare
Proprietăţile care urmează pentru media unei variabile aleatoare sunt adevărate atât
pentru variabile aleatoare discrete cât şi continue. Demonstraţiile sunt date pentru variabile
discrete, fiind mai la îndemână de a lucra cu sume decât cu integrale.
a. M (c) = c, c=constantă
b. M (aX + b) = a M(X) + b, cu a,b  R
45
 c. M (X + Y) = M (X) + M (Y) pentru orice variabile aleatoare X, Y
d. M (X Y) = M(X) M(Y), dacă X, Y sunt variabile aleatoare independente
Demonstraţie.
c
a) Considerăm c  R ca o variabilă aleatoare cu repartiţia c :   .
1 
Atunci M(c) = c 1 = c
 ax i  b 
b) Variabila aleatoare aX + b, are distribuţia: aX  b :   iI .
 p i 
M(aX  b)   (ax i  b)p i  a  x i p i  b p i  aM(X)  b
i i
c) Fie variabilele aleatoare oarecare X şi Y, şi variabila
 xi  y j 
X  Y: , (i, j)  I  J unde pij = P (X=xi)  (Y=yj).
 p 
 ij 

Atunci
M(X  Y)   (x i  y j )p ij   x i p ij  y j p ij  .
iI jJ iI jJ jJ iI

  x i  p ij  y j  p ij    x i p i   y j q j  M(X)  M(Y)
i j j i i j

d) . Dacă variabilele aleatoare X şi Y sunt independente atunci pij = pi qj.

M(XY)   x i y j p ij   x i y j p i q j   x i p i . y j q j  M(X) M(Y)
iI jJ i j i j

Observaţie. Valoarea medie se mai notează mX, mY atunci când apar într-o problemă mai
multe variabile aleatoare.
Definiţie. Se numeşte moment iniţial de ordinul k, k  N, media variabilei aleatoare Y = Xk.
m k  M(Xk )   x ik p i (4)
iI
Observaţie. Pentru variabilele aleatoare continue analogul sumei de mai sus pentru momentul

iniţial de ordin k este integrala m k   x k f ( x )dx , unde f(x) este densitatea de probabilitate.


Definiţie. Se numeşte moment centrat de ordin k, k  N, valoarea medie a variabilei aleatoare

X-M (X) k.
μ k  M(X  m) k   (x i  m) k p i (5)
i
unde m =M(X)
Observaţie. Analogul sumei precedente pentru momentul centrat de ordinul k este în cazul

variabilelor aleatoare continue integrala  k  

x  mk f x dx .
Observaţie. Primele două momente centrate sunt
1 = M(X-m) = M(X) - m = m - m =0
μ 2  M(X  m) 2   (x i  m) 2 p i  V(X) (6)
i

Definiţie.  2 se numeşte dispersia sau varianţa variabilei aleatoare şi se notează uzual cu

V(X).
Dispersia introduce o măsură a împrăştierii valorilor variabilei în jurul valorii medii. Se
observă că V(X)  0.
Definiţie. Se numeşte abatere standard, sau "abatere pătratică medie " a variabilei aleatoare
X, numărul

46
 σ(X)  V(X) (7)
Acest indicator are avantajul faţă de dispersie că se exprimă cu aceeaşi unitate de
măsură ca şi variabila X.
Proprietăţile dispersiei
a) Dacă X = c constantă, atunci V(X) = 0
b) V (a X) = a2V(X), pentru orice variabilă aleatoare X, şi a  R.
c) V(X + Y) = V(X - Y) = V(X) + V(Y), dacă X şi Y sunt două variabile aleatoare
independente.
d) V(X) = M(X2) - M(X) 2
Demonstraţie.
a) V(c) = Mc - M(c)2=M(0)=0
b) V(aX) = MaX - M(aX)2 = a2MX - M(X)2 = a2V(X)
c) V(X + Y) = M(X+Y) - M(X+Y)2 = M(X - M(X)) + (Y - M(Y))2 =
= MX - M(X)2 + 2M(X - M(X)) .(Y - M(Y)) + MY - M(Y)2 =
= V(X) + 2M(X - M(X)) (Y - M(Y)) + V(Y) = V(X) + V(Y)
Din independenţa variabilelor aleatoare X şi Y, rezultă independenţa variabilelor X -
M(X) şi Y - M(Y), iar din proprietăţile valorii medii, avem:
M(X – M (X)).(Y - M(Y)) = MX - M(X) MY - M(Y),
iar MX - M(X) = 0.
d) V(X) = MX - M(X)2 = MX2 - 2X M(X) +  M(X)2 =
= M(X2) - 2M(X) M(X) + M(X)2 = M(X2) -  M(X)2
Aplicaţia 6. Fie
 2 0 1 2 3 
X :  
 0.2 0.4 0.1 0.25 0.05 
Calculaţi indicatorii tendinţei centrale (valoare medie, mediană, mod), M (3X + 5) şi V (3X +
5).
Rezolvare. me = 0; m0 = 0; M (X) = -0.4 + 0.1 + 0.5 + 0.15 = 0.35;
M(3X + 5)=3.M(X) +5 =6.05 V(X)= (4)(0.2)+0.1+ (4)(0.25) + (9)(0.05) – 0.352 = 2.2275
V(3X + 5) = 9 V(X) = 20.0475
Aplicaţia 7. Fie X o variabilă aleatoare continuă cu densitatea de probabilitate
0 x0

f(x)  a.sin x 0  x  π.
0 xπ

Aflaţi a încât f(x) să fie o densitate de probabilitate. Să se calculeze F (x), M(X), V(X).
Rezolvare.
 π π
Cum 

f(x) dx  1 , atunci o
a sinx dx  (a cosx)
o
 2a  1 , atunci a = 1/2.

x x x
F(x)   f(t) dt  1/2  sint dt  1/2(cost)  1/2(1  cosx) .
 o o
0 x0

Deci: F(x)  1/2(1  cosx) 0xπ
1 xπ

 π π
M(X)   x f(x) dx   x/2 sinx dx  ( x/2 cosx  1/2 sinx  π/2
 o o

47
  π
V(X)   x 2 f(x) dx  π 2 /4  1/2  x 2 sinx dx  π 2 /4 
 o

π
 (1 / 2 x 2cosx  x sinx  cosx  π 2 /4  π 2 /4  2
o
Aplicaţia 8. Să presupunem că timpul de aşteptare X, exprimat în minute, într-o staţie de
autobuz, are funcţia de repartiţie data mai jos:
Se cere
a) densitatea de repartiţie corespunzătoare
b) care este probabilitatea ca un călător să aştepte:
A = “mai mult de trei minute”, B = “mai puţin de trei minute”, C = “între un minut şi trei
minute”
0 pentru x  0
x/2 pentru x  0,1

F(x)  1/2 pentru x  1, 2 .
x/4 pentru x  2, 4

1 pentru x  4
c) care este probabilitatea condiţionată ca un călător să aştepte:
- mai mult de trei minute, dacă a aşteptat peste un minut
- mai puţin de trei minute, dacă a aşteptat peste doua minute.
d). Valoarea medie si abaterea standard a timpului de asteptare.
Rezolvare. f(x)=F’(x) cu excepţia câtorva puncte în care F nu este derivabilă (în x=0, x=1,
x=2, x=4). In aceste puncte f(x) se poate lua în principiu arbitrar. Legătura exactă între f(x)
şi F(x) este aici Fx    f ( t )dt .
x



0 pentru x  0
1/2 pentru x  0,1

a). Densitatea de probabilitate f(x) = 0 pentru x  1, 2
1/4 pentru x  2, 4

0 pentru x  4

b). P(A) = P(X > 3) = 1 – F(3)= 1- ¾ = 25 %

P(B) = P(X< 3)= F(3) =3/4 =75 %
P(C) = P( 1 <X < 3) = F(3) – F(1) = ¾ - ½ = 25 %
P[(X  1)  (X  3)] P(X  3) 1  F(3) 1 4
c). P( X 1) (X  3)      50 %
P(X  1) P(X  1) 1  F(1) 1 2
P[(X  2)  (X  3)] P(2  X  3) F(3)  F(2) 3 4  1 2
P( X 2) (X  3)      50 %
P(X  2) P(X  2) 1  F(2) 12
 1 4
1 16  4 7
1 4
x x x2 x2
d). M(X)   x f (x) dx   dx   dx      min
 0
2 2
4 4 0 8 2 4 8 4

48
  2 1 4
7
1 4
x2 x2 x3 x3 49
V(X)   x f ( x ) dx  (M(X))   dx   dx    
2 2
   1.9375
 0
2 2
4 4 6 0
12 2 16
(X)  V(X)  1.39 min

Aplicaţia 9. Fie variabila aleatoare X dată de

 1 0 1 
X :   .
 1
p p 2 p 3

Să se determine pi, i =1,2,3 ştiind că M(X)= 0.1 şi M(X2) =0.9

Rezolvare
Din ipotezele aplicaţiei, pi, i =1,2,3 sunt soluţiile sistemului liniar

 p1  p 2  p 3  1

 (1)  p1  0  p 2  1  p 3  0.1
(1) 2  p  0 2  p  12  p  0.9
 1 2 3

Rezolvând sistemul găsim p1  0.4, p 2  0.1, p 3  0.5

VARIABILE ALEATOARE BIDIMENSIONALE

Fie , K, P un câmp de probabilitate şi X, Y două variabile aleatoare definite pe acest

câmp.
O funcţie Z: R2, Z = (X,Y) se numeşte vector aleator bidimensional.

Definiţie. Funcţia F: R2R, F (x, y) = P(X<x, Y<y) se numeşte funcţia de repartiţie a

vectorului aleator Z = (X,Y). Ea reprezintă în fiecare punct (x, y) probabilitatea ca
vectorul Z să ia valori în sfertul de plan notat D în figura de mai sus.
Observaţie. Dacă variabilele aleatoare X şi Y sunt independente şi cu funcţiile de repartiţie
F1(x) şi F2(y), atunci F(x, y) = F1(x) F2(y).
Demonstraţie. F(x,y) = P(X<x, Y<y) = P( | X() < x   | Y() < y)
P | X () < x . P| Y() < y = F1(x). F2(y)
Propoziţia 3.1. Dacă F: R2R este funcţia de repartiţie a vectorului aleator
(X,Y) : R2. Atunci avem
a. lim F(x, y)  1
x 
y 

b. lim F(x, y)  lim F(x, y)  0

x  y

c. Oricare ar fi a < b, F(a,y)  F(b,y), iar oricare ar fi c < d, F(x,c) F(x,d). (F

este nedescrescătoare).
d. F(x,y) este continuă la stânga în raport cu fiecare argument.
49
 e. P(a  X < b, c  Y < d) = F(b,d) - F(a,d) - F(b,c) + F(a,c)
Demonstraţie.
Fie D1 = (x, y)  R2 x < b, y < dK;D2 = (x,y)  R2 x < a, y < dK;
D3 = (x, y)  R2 x < b, y < cK; D4 = (x,y)  R2 x < a, y < cK.
Fie D = (x,y)  R2a < x < b, c < y < dK, deci
D = (D1 \ D2) \ D3 = (D1 D2) D3 =
= D1  (D2) D3) = D1  (D 2  D 3 ) = D1 \ (D2  D3).
Dar (D2  D3)  D1.
P(D) = P (D1\ (D2  D3) = P(D1)-P(D2  D3)=P(D1)-P(D2)-P(D3)+ P(D2  D3) =
= P(D1) - P(D2) - P(D3) + P(D4) = F(b,d) - F(a,d) - F(b,c) + F(a,c)
Variabile aleatoare bidimensionale discrete
 xi  yj 
Fie X :   1  i  n şi Y :   1  j  m două variabile aleatoare.
q 
 pi   j
Am definit în capitolul anterior
pij = P(X=xi)  (Y=yj)
şi am arătat că
p ij  p i ,  p ij  q j ,  p ij  1
jJ iI
(8)
iI jJ

Funcţia (x i , y j )  p ij se numeşte funcţia de probabilitate comună a variabilelor

aleatoare X şi Y.
Definiţie. Se numeşte repartiţie a vectorului aleator bidimensional (X,Y) tabloul
pi
X|Y y1 … yj … ym

x1 p11 p1j p1m p1

. . . .
xi pi1 … pij ... pim pi
. . . .
xn Pn1 ... pnj … pn m pn
qj q1 qj qm

Observaţie. Dacă variabilele aleatoare X şi Y sunt independente

pij = P(X=xi)  (Y=yj) = P(X=xi) . P(Y=yj) = pi qj.
Repartiţii marginale
Conform formulelor (1) prezentate mai sus, repartiţia variabilelor aleatoare X şi Y pot fi
deduse din repartiţia vectorului aleator Z = (X,Y). X şi Y se numesc variabile aleatoare
marginale ale vectorului aleator Z.
Caracteristici numerice ale vectorului aleator bidimensional
Fie (X, Y) un vector aleator bidimensional definit pe câmpul de probabilitate , K, P.
50
Definiţie. Se numeşte moment iniţial de ordinul r+s al vectorului (X, Y) numărul
m r,s   x ir y sj p ij (9)
i j

Observaţie. În cazul în care seria de mai sus, care apare în calculul momentelor, este
divergentă, variabilele aleatoare nu admit momente de acel ordin.
În particular m1,0 = M(X) şi m0,1 = M(Y).
Definiţie. Se numeşte moment centrat de ordinul r+s al vectorului aleator (X, Y) care are
repartiţie discretă, numărul
μ r, s   x i  m1,o  y j  m o,1  p ij
r s
(10)
i j
Momentele centrate de ordinul r+s=2 sunt:
μ 2,o   x i  m1,o  pij   x i  m1,o  pi  V(X)
2 2

i j i

μ o,2   y j  mo,1 pij   y j  mo,1 q j  V(Y)

2 2

i j j

μ 1,1   x i  m1,o y j  m o,1 p ij

i j

Această ultimă caracteristică numerică 1,1 se numeşte covarianţă a variabilelor X şi Y şi

este un indicator al gradului de dependenţă al celor două variabile. Se notează
cov (X, Y) = M(X - m1,0) (Y - m0,1) şi avem
cov (X, Y) = M(XY) - M(X) M(Y) (11)
Demonstraţie.
cov (X, Y) = M(X - m1,0) ·(Y - m0,1) = MX·Y - m1,0Y - m0,1X + m1,0 m0,1=
= M (X·Y) - m1,0 M(Y) - m0,1M(X) + m1,0 m0,1 = M(X·Y) - M(X) ·M(Y).
Se observă că dacă X şi Y sunt independente, cov (X, Y) = 0. Reciproca nu este
adevărată.
Dacă cov (X, Y) = 0 variabilele X şi Y nu sunt în mod necesar independente.
Aplicaţie 10: Fie variabilele:
 1 0 1  0 1 
X :   Y :  
1/3 1/3 1/3  1/3 2/3 
Fie distribuţia comună a vectorului (X,Y) dată de

pi
X Y 0 1
-1 0 1/3 1/3
0 1/3 0 1/3
1 0 1/3 1/3
qj 1/3 2/3 1

 1 0 1 
Atunci XY :   M(X) = 0, M(Y) = 2/3, iar M(X) M(Y) = 0, M(X·Y) = 0, cov
1/3 1/3 1/3 
(X,Y) = 0, deşi X şi Y nu sunt independente pentru că

51
 P(X=1, Y=1) =1/3 ≠ P(X=1)· P(Y=1) =2/9

Definiţie. Se numeşte coeficient de corelaţie al variabilelor X şi Y, numărul

cov(X, Y)
ρ (X, Y)  (12)
V(X)  V(Y)
Dacă X şi Y sunt independente, atunci  (X, Y) = 0. În acest caz, variabilele se numesc
necorelate liniar.
Propoziţia 3.2
a)  (X, Y)  1
b)  (X, Y) = 1 dacă şi numai dacă între variabilele aleatoare există o dependenţă liniară.
Demonstraţie.
a). Fie X şi Y două variabile aleatoare. Notăm mX = M (X) şi mY = M(Y). Atunci:
0  V (a.X +Y) = M(a.X + Y – a.mX – mY)2 = Ma(X – mX) + (Y – mY)2 =
= a2 M(X – mX)2 + 2a M(X – mX)(Y – mY) + M(Y – mY)2 =
= a2 V(X) + 2a M(X – mX)(Y – mY) +V(Y).
Această funcţie de gradul doi în variabilă a este pozitivă pentru orice a  R, deci rezultă
M(X - mx)(Y - my)2 - V(X) V(Y)  0
de unde

M X  m x Y  m y  
ρ (X, Y)  1
V(X)  V(Y)

b). Dacă Y = aX + b, a  0, atunci: mY = amX + b şi V(Y) = a2 V(X), deci:

MX  m X Y  m Y  MX  m X a X  m X 
ρ(X, Y)   
V(X).V(Y) a V(X).V(X)

aM X  m X 
2
 2
 sgn a
a V(X)

Reciproc, dacă  (X, Y) =  1, se poate arăta că între cele două variabile există o
dependenţă liniară.

După parcurgerea acestei unitati de invatare trebuie să reţineţi:

 Retineti conceptul de functie de repartitie, densitate de probabilitate, repartitie marginala;
 Semnificatia si formulele de calcul ale caracteristicilor numerice ale variabilelor aleatoare
discrete, continue sau vectori aleatori;
 Sa fiti in masura sa interpretati rezultatul obtinut; evenimente mai probabile, mai putin
probabile, cel mai probabil etc.
 Retineti metoda de calcul a coeficientului de corelatie si semnificatia lui.
 Parcurgeti cu atentie cele 10 cazuri de aplicatii rezolvate.

52
 UNITATEA DE INVATARE 5. LEGI CLASICE DE REPARTIŢIE
Obiectivele unităţii de învăţare nr. 5

Prin studierea acestei unităţi de învăţare veţi fi în măsură să:

 Luati nota de faptul ca fenomene aleatoare diferite sunt easemănătoare din punct de
vedere probabilistic, în sensul că există asemănări între elemente matematice lor de
genul funcţia de repartiţie sau densitatea de probabilitate, adica urmeaza aceeasi lege
de repartitie.
 Aflati principalele legi clasice de repartitie, aflati formule directe de calcul pentru
indicatorii variabilor aleatoare distribuite dupa aceste legi de repartitie.
 Aflati formule de calcul pentru probabilitati prin intermediul functiei de repartitie.
 Gasiti 29 aplicatii rezolvate pentru toate cazurile prezentate teoretic.
 Aflati rezultatele teoretice cele mai importante în teoria probabilităţilor : legea
numerelor mari şi teoremele limită centrală. Sunt stabilite condiţiile în care media
aritmetică a unui şir de variabile aleatoare converge către media lor comună, respectiv
condiţiile în care suma unui număr mare de variabile aleatoare are o distribuţie
aproximativ normală.
Studiulunui număr mare de fenomene aleatoare a dus la concluzia că derularea lor, în
unele cazuri, este asemănătoare din punct de vedere probabilistic, în sensul că există asemănări
între diferitele lor elemente matematice, cum ar fi de pildă, funcţia de repartiţie sau densitatea
de probabilitate. Se spune în acest caz că respectiva clasă de variabile aleatoare urmează
aceeaşi lege de repartiţie. Practica a evidenţiat câteva astfel de legi, care sunt de referinţă.
Legea hipergeometrică
Se consideră o urnă cu N bile din care k albe si N-k negre. Se fac extrageri succesive de
câte o bilă fără ca vreuna din bilele extrase să fie repusă în urnă. Se pune problema de a afla
probabilitatea ca din cele n =  +  bile extrase,  să fie albe (  k) şi =n- să fie negre ( 
N-k).
Dacă notăm cu A evenimentul cerut mai sus, numărul rezultatelor favorabile realizării
α n -
lui A va fi C k C N-k , iar numărul rezultatelor egal posibile ale experienţei este C nN . Conform
definiţiei clasice a probabilităţii, avem
C k C nN--k
P(A)  (1)
C nN
Observatie: Daca n- > N-k, P(A)=0
Aplicaţia 1. O maşină produce la fiecare 100 de piese, 9 rebuturi. Dacă la un control de calitate
se ia un eşantion de 5 piese, care este probabilitatea ca între ele să fie şi rebuturi ?

53
Rezolvare. Dacă A este evenimentul a cărui probabilitate se cere, remarcăm faptul că este
compus din: A5,1 sau A5,2 sau A5,3 sau A5,4 sau A5,5, adică din 5 piese extrase să existe 1, 2, 3,
4 sau 5 rebuturi. Aceasta însemană că A este evenimentul contrar lui B = toate piesele sunt
bune. Deci
C 9o C 591
PA   1  PB   1  5 = 0.382
C100
Fie variabila aleatoare X reprezentând numărul de bile albe care apar într-un eşantion de n
bile extrase fără revenire în urna care conţine N bile, din care k=Np sunt albe şi N-k=Nq
sunt negre, atunci
0 1   k 
 0 n n 1  n 
 n k

X :  C k C N k 
1 k
C C N k C C N k C C Nk
 Cn
k
n
 k
n
 k
n 
 N C N C N C N 
n 
cu obsevaţia că C Nk
 0 dacă n- > N-k.
Nn
Se demonstrează că M(X)=np iar V(X)= npq .
N 1
In figura următoare sunt reprezentate grafic câteva probabilităţi hipergeometrice. Se
poate remarca faptul că cele mai mari probabilităţi sunt în jurul valorii medii.
0.25

0.2

0.15

0.1

0.05

2 4 6 8 10
Fig.1 Valorile probabilităţilor hipergeometrice pentru N=50, p=1/5, n=30.
Acestea dau o medie np=6.

0.175

0.15

0.125

0.1

0.075

0.05

0.025

5 10 15 20 25 30
Fig. 2. Valorile probabilităţilor hipergeometrice pentru N=500, p=1/5, n=30.Remarcăm că pentru N mare probabilităţile
hipergeometrice se apropie de probabilităţile Bernoulli (vezi Fig. 4.3) pentru aceleaşi valori n şi p.

Schema lui Poisson

54
 Să considerăm n urne Uk, k=1, 2, ..., n în care se află bile albe şi negre în compoziţii
cunoscute, deci se cunosc probabilităţile pi şi qi cu pi + qi = 1, reprezentând probabilitatea ca
extrăgând o bilă din urna Ui, i=1, 2, ......., n ea să fie albă, respectiv neagră.
Se extrage câte o bilă din fiecare urnă şi se pune problema de a calcula probabilitatea ca
ansamblul celor n bile extrase să aibă o structură prestabilită, de exemplu k bile să fie albe şi n-
k să fie negre, eveniment pe care-l notăm cu A.
Un eveniment elementar este o extragere de n bile din care k sunt albe şi n-k negre,
câte o bilă din fiecare urnă. Fie A i k evenimentul care constă în apariţia unei bile albe din urna
ik. Evenimentul A constă în realizarea a k evenimente A i1 , A i 2 , A i3 ,......., A i k şi nerealizarea
evenimentelor A i k 1 , A i k  2 ,..........., A i n .
Rezultă că A este reuniunea evenimentelor de forma


A   Ai1  Ai2  ......  Aik  Aik 1  .......  Ain 
unde i1, i2, ......, ik parcurge familia submulţimilor de k elemente ale mulţimii de indici 1, 2, 3, ......, n şi
deci

P(A)   p i1 p i 2 .....p i k q i k 1 ......q i n (2)

Remarcăm faptul că suma din membrul drept reprezintă coeficientul lui tk din
dezvoltarea polinomului: P[t] = (p1t + q1)(p2t + q2) ....... (pnt + qn).
Aplicaţia 2. Considerăm 3 maşini de altoit viţă de vie. Acestea lucrează corect cu
probabilitatea de 97%, 96% şi respectiv 95%. Care este probabilitatea ca, alegând câte o
lucrare de la fiecare maşină, să găsim exact două lucrări de altoire executate corect ?
Rezolvare. Notăm pi, i = 1, 2, 3 probabilităţile ca lucrările executate de maşinile 1, 2, 3 să fie
corecte şi qi probabilităţile ca acestea să fie defecte. Avem p1=0.97; p2=0.96; p3=0.95; q1=0.03;
q2=0.04; q3=0.05.
Probabilitatea cerută este: P(A) = p1p2q3 + p2p3q2 + p1p3q2 = 0.97·0.96·0.05 +
0.96·0.95·0.03 + 0.97·0.95·0.04 = 0.11 = 11%.
Schema lui Bernoulli (schema bilei revenite)
Reluând experienţa din cazul schemei Poisson dar cu cele n urne identice, avem că pi =
p şi qi = q, pentru i =1, 2, 3, ......, n. Experienţa poate fi considerată ca o extragere dintr-o
aceeaşi urnă a n bile, punând de fiecare dată bila la loc în urnă.
Rezultă că probabilitatea cerută este dată de coeficientul lui tk din dezvoltarea
binomului (pt+q)n, adică
P(A)  C kn p k q n k (3)
Schema lui Bernoulli se mai numeşte şi schema binomială pentru motivul arătat mai
sus.
Observaţie. Această schemă se aplică, cel mai frecvent, în cazul experienţelor care se repetă
de mai multe ori, în condiţii identice.
Aplicaţia 3. O familie de microorganisme apare în condiţii determinate cu probabilitatea de
80%. Care este probabilitatea ca din 10 situaţii în care se creează condiţii necesare, familia de
microorganisme să apară de 7 ori ?
Rezolvare. P(A)  C10 7
(0.8) 7 (0.2) 3 =0.2

Frecvenţa cea mai probabilă

Numărul k de realizări ale evenimentului A din n repetări ale experienţei care este cel
mai probabil este dat de solutia sistemului

55
  Pn ;k (A)
 1
 Pn ;k 1 (A)
 P (A) unde Pn;k(A)= C n
k
p k q n k
 n ;k 1
 Pn ;k 1 (A)
Rezultă
np+p-1 ≤ k ≤ np+p (4)
Observaţie. Dacă np+p este un întreg, atunci avem doua valori ale lui k pentru care
probabilitatea de realizare a evenimentului A este maximă, {np+p-1, np+p}. În cazul în care
np+p nu este întreg k =[np+p] (parte întreagă a lui np+p).
Aplicaţia 4. Dacă probabilitatea de germinaţie a boabelor de soia este de 83%, găsiţi cel mai
probabil număr de germinaţii din 14 seminţe.
Rezolvare. Din np+p-1 ≤ k ≤ np+p, rezultă 14∙0,83 – 0,17≤ k ≤ 14∙0,83+0,83 ,
adică 11,45 ≤ k ≤12,45. Prin urmare k=12.
Aplicaţia 5. Se aruncă o monedă de 7 ori. Determinaţi numărul cel mai probabil de apariţii al
stemei.
Rezolvare. Avem 7∙1/2 – 1/2≤ k ≤ 7∙1/2 + ½, adică 3 ≤ k ≤ 4. Rezultă două valori ale lui
1 1 1 1
k{3,4}. Întradevăr C 37 3 . 4  C 74 4 . 3
2 2 2 2
Schema multinomială

Să presupunem că în urma unei experienţe poate apărea unul şi numai unul dintre
evenimentele Ak, k  1, s , evenimente care formează un sistem complet. Fie pk = P(Ak),
s
k  1, s , şi deci p
k 1
k  1.
Se repetă experienţa de n ori în condiţii identice şi rezultatele probelor sunt
independente. Fie A evenimentul care constă în apariţia în cele n experienţe independente a
s
evenimentului Ak de nk ori, k  1, s n   n k . Probabilitatea unui eveniment elementar din
k 1
n!
A este p1n1 p n2 2 .......p n s , iar numărul acestor evenimente este . Rezultă că
n1!n 2 !.....ns !
probabilitatea lui A este
n!
P(n; n1 , n 2 ,...., n s )  p1n1 p n2 2 .......p sn s (5)
n1!n 2 !.....n s !
Această schemă este cunoscută şi sub numele de schema lui Bernoulli cu mai multe
stări sau multinomială.
Aplicaţia 6. S-a constatat că din piesele lucrate de un strung 95% sunt corecte, 3% sunt
rebuturi recuperabile şi 2% rebuturi nerecuperabile. Pentru controlul calităţii se extrag la
întâmplare 50 de piese lucrate la acel strung. Care este probabilitatea ca 40 să fie bune, 8
rebuturi recuperabile şi 2 rebuturi nerecuperabile ?
50!
Rezolvare. P(50;40,8, 2)  (0.95) 40 (0.03) 8 (0.02) 2  1.559 10 5
40!8!2!
Aplicaţia 7. Dacă se aruncă cu zarul de 12 ori, calculaţi probabilitatea de a obţine punctele 1,
2, 3, 4, 5, 6 exact de două ori fiecare.
Rezolvare.

56
 2 2 2 2 2 2
n! 12! 1 1 1 1 1 1 3
P(n; n 1 , n 2 ,...., n s )  p1n1 p n2 2 .......p sn s                    3.438  10
n 1!n 2 !.....n s ! 2! 2! 2! 2! 2! 2!  6   6   6   6   6   6 

Legea binomială B(n,p)

Fie variabila aleatoare
 0 1.. k .. n 
X :  n 1 n1 
 q Cn pq C kn p k q n k Cnn p n 
unde p, q  0,1, p+q=1.
Această repartiţie se pune în evidenţă cu schema bilei revenite, sau schema binomială.
Se spune atunci că X urmează legea binomială de parametri (n, p) şi se notează B(n, p).,.
0.175

0.15

0.125

0.1

0.075

0.05

0.025

5 10 15 20 25 30
Fig. 3 Probabilităţile binomiale pentru n=30 şi p=1/5. Se observă că cele mai mari valori sunt
în jurul mediei m=np=6
Exemplul cel mai reprezentativ de variabilă aleatoare care urmează o astfel de lege de repartiţie
îl constituie numărul de realizări ale unui eveniment A în n probe independente ale unei
experienţe dacă probabilitatea realizării acestuia la fiecare probă este aceeaşi şi anume p.
Această lege a fost formulată de J. Bernoulli în Ars Conjectandi în 1713
Calculul valorii lui M(X) si V(X) au fost date în aplicaţia 12.
Reamintim ca M(X) = np, iar V(X) = npq. Valorile probabilităţilor binomiale sunt
dispuse ca în figura 3.
Modul, valoarea cea mai probabilă, este numărul întreg ce satisface relaţia demonstrată
mai sus, adică np+p-1 ≤ k ≤ np+p.

Aplicaţia 8. Un sistem de comunicaţii are n componente. Fiecare dintre ele functionează

independent de celelalte, cu probabilitatea p. Sistemul total va putea funcţiona dacă cel puţin
jumatate din componente sunt funcţionale. Calculaţi probabilitatea p pentru care un sistem de 5
componente este mai des în funcţiune decât cel cu 3 componente.
Rezolvare. Un sistem cu 5 componente funcţionează cu probabilitatea
C5 p (1  p)  C5 p (1  p)  p iar pentru unul cu trei componente, probabilitatea
3 3 2 4 4 5

(1  p)  p 3 . Comparaţia este dată de

2
corespunzătoare este Cp 3
2

10 p 3 (1  p)  5 p 4 (1  p)  p 5  3p 2 (1  p)  p 3
2

care se reduce la 3(p  1) 2 (2p  1)  0  p  1 2

57
Aplicaţia 9. Se ştie că şuruburile fabricate de o anumite societate sunt afectate de un defect cu
probabilitatea de 1%. Starea unui şurub este independentă de starea celorlalte suruburi.
Societatea acceptă să înlocuiască pachetele de 10 şuruburi pe care le vinde, dacă mai mult de
un şurub este defect. Ce proporţie din pachetele vândute se expune să înlocuiască aceasta
societate?
Rezolvare. Notam X=”număr de şuruburi defecte dintr-un pachet de 10 şuruburi”
Probabilitatea ca pachetul să fie înlocuit este dată de
1-P( X = 0) - P( X = 1)
= 1  C10 (0.01) 0 (0.99)10  C10 (0.01)1 (0.99) 9  0.0042  0.42 %
0 1

La o mie de pachete vândute, societarea respectivă ar putea să înlocuiască 4 pachete.

Aplicaţia 10. O urnă conţine 5 bile albe şi 5 bile negre. Din această urnă se extrag de trei ori
câte 5 bile deodată, punându-se de fiecare dată bilele extrase înapoi în urnă. Care este
probabilitatea ca de două ori să obţinem 2 bile albe şi 3 negre ?
Rezolvare. Notăm p probabilitatea evenimentului A ="la o singură executare a
experienţei să extragem 2 bile albe şi 3

2 3

negre". p  C 5 C5

25
 q  1 p 
38
5
C 63 63
10
Experienţa se repetă de 3 ori, iar evenimentul A apare de 2 ori cu probabilitatea
2
 25   38 
C3 p q  3 63    63   0.2849
2 2

Legea Poisson
Fie un şir de variabile aleatoare definite peste acelaşi câmp de probabilitate, fiecare
variabilă a şirului urmând o lege de repartiţie de probabilitate B(n, pn), n  N*, încât n pn = ,
( > 0) constantă. Rezultă că pn = /n.
În repartiţia unei variabile oarecare a acestui şir, probabilităţile sunt:
p n (k)  C kn λ/n  1  λ/n  , k = 0, 1, 2, ...., n.
k n k

Presupunând că n   avem
lim p n (k)  lim C kn λ/n  1  λ/n 
n k

k
n  n 

n(n  1)(n  2)...........(n  k  1) .

λ k /k! lim lim 1  λ/n  n k
n  nk n 

Dar
n(n  1)(n  2).......(n  k  1)
 1 şi lim 1  λ/n   e  λ
n k
lim k
n  n n 

Atunci pentru orice k = 0,1,2,... există probabilităţile limită

P(k)  lim p n (k)  λ k /k! e  λ (6)
n 
Variabila aleatoare cu probabilităţile limită de mai sus are distribuţia
0 1 2 .. k ... 
 
X :      
2
 
k

e e e ... e .. 
 1! 2! k! 
Această repartiţie clasică se numeşte repartiţia Poisson de parametru , Po (). Am pornit de
la repartiţia binomială B(n, pn) în care n   şi pn = /n  0. Rezultă că această repartiţie este
cazul limită al repartiţiei binomiale pentru n foarte mare şi p foarte mic. O serie întreagă de

58
fenomene din biologie, telecomunicaţii, controlul statistic al calităţii (atunci cănd probabilitatea
obţinerii unui defect este foarte mică) urmează repartiţia Poisson, repartiţie ce se mai numeşte
"repartiţia evenimentelor rare" sau "legea probabilităţilor mici". Poisson a formulat-o în 1837
şi a fost redescoperită în 1898 de Bortkiewick.
Calculul pentru M(X) şi V(X) au fost date în aplicaţia 2.15. Reamintim că M(X)=  şi V(X)=
.
Aplicaţia 11. O centrală telefonică automată primeşte în medie 300 de apeluri pe oră. Care este
probabilitatea ca în timpul unui minut dat să se recepţioneze exact două apeluri.
Rezolvare. În timpul unui minut, centrala telefonică primeşte în medie  =
300/60 = 5 apeluri. Fie X=  număr apeluri într-un minut”. Putem considera apelurile pe minut
independente, venind dintr-o populaţie de volum n mare,
0.15

0.125

0.1

0.075

0.05

0.025

5 10 15 20 25 30
Fig. 4   6 , calculate pentru k=0..30. Se observă marea asemănare cu probabilităţile Bernoulli când
Probabilităţile Poisson pentru
1
media np=6. De altfel când n  30 , np    10 şi p  probabilităţile Poisson dau aproximaţii sufficient de bune pentru
10
probabilităţile binomiale.

unde fiecare individ telefonează într-un minut cu probabilitatea p astfel ca valoarea medie să
fie np    5 . Probabilitatea de a apare k apeluri într-un minut este probabilitatea
experienţelor repetate şi este dată de formula binomială C kn p k q n k , probabilitate care am văzut
k
că pentru n mare este bine aproximată de formula lui Poisson e  . In cazul de faţă   5 şi
k!
λ 2 λ
e  25/2 e 5  0.09
P(X  2) 
2!
Aplicaţia 12. O carte de 1000 de pagini conţine 100 de erori. Care este probabilitatea de a găsi
cel puţin 4 erori pe o pagină deschisă la întâmplare.

(0.1) m 0.1
Rezolvare.  = 100/1000 = 0.1. Folosim formula lui Poisson Pm  e si
m!
probabilitatea cerută este

P = 1 - P0 - P1 - P2 - P3 =
=1 - e – 0.1 e – 0.005 e- 0.1 – 0.000167 e- 0.1 = 3.846  10 6
-0.1 - 0.1

Aplicaţia 13. Presupunem că numărul de erori pe pagină în această carte urmează legea
Poisson de parametru  = 1/20. Calculaţi probabilitatea de a avea cel puţin o eroare pe acestă pagină.
Rezolvare. Notăm X= " numărul de erori pe acestă pagină".

59
 P( X  1) = 1 – P(X = 0) = 1 – e-1/20  0.049
Aplicaţia 14. Admitem că probabilitatea ca o maşină să producă un obiect defect este 0.1.
Calculaţi probabilitatea ca un lot de 10 obiecte să conţină cel mult un defect.
Rezolvare. Fie X variabila aleatoare egală cu numărul de obiecte defecte. Folosind schema lui
Bernoulli avem
P X  0  P X  1  C10 (0.1) 0 (0.9)10  C10 (0.1)  (0.9) 9  0.7361
0 1

Folosim acum modelul Poisson şi avem  = np =1

Atunci
10 1
P(X = 0) + P(X = 1)  e 1  e 1  2 e 1  0.7357
0! 1!
Aplicaţia 15. Se examinează trei tipuri de vaccinuri. Probabilităţile cu care acestea corespund
cerinţelor stabilite sunt p1 = 0.8, p2 = 0.9 si p3 =0.95. Fie X variabila aleatoare ce descrie
numărul de vaccinuri ce corespund cerinţelor. Calculaţi M(X), mediana şi modul.
Rezolvare. Variabila X poate lua valorile 0, 1, 2, 3 iar probabilitatile corespunzatoare se
calculeaza folosind schema lui Poisson, acestea fiind coeficientii lui x0, x1, x2, x3 din
dezvoltarea polinomului
P( x)  (0.8x  0.2)  (0.9 x  0.1)  (0.85x  0.15)
Avem repartitia
 0 1 2 3 
X :  
 0.003 0.056 0.329 0.612 
Mediana = modul =3, iar M(X) = 2.55

Legea normală
Spunem că o variabilă aleatoare X, continuă având valorile în R urmează legea de
repartiţie normală de parametri m şi 2 (m R,  > 0), dacă are densitatea de repartiţie

 x m 2
1
f(x)  e 2σ 2
. (7)
σ 2π
Scriem acest lucru pe scurt X  N m,  2 .  
Dreapta x = m este axa de simetrie, în x=m funcţia are un maxim f(m)  1/ σ 2π , x =  
m   sunt punctele de inflexiune, iar lim f(x)  0 .
x 

Funcţia f este într-adevăr o densitate de repartiţie, iar pentru a arăta aceasta calculăm

 x  m 2
 1 


f(x) dx 
σ 2π
 
e 2σ 2
dx .

xm
Făcând schimbarea de variabilă:  t obţinem
σ 2
 1  2 
 f(x) dx   e  t dt   e  t dt .
2 2

 
π π o

Reamintim integrala Poisson

 1  x 2 1  
I   e x dx   e dx   e x dx  e  y dy 
2 2 2

0 2  2  

60
 
R
1 x 2  y2 1  2 1  2

2  e dxdy 
2 R  [ 0,R ]
lim e
X[ 0 , 2  ]
 d d   lim
2 R 
 e 0

2
R2

Pentru a realiza mai bine semnificaţia parametrilor m şi , vom calcula valoarea medie
şi dispersia acestei variabile aleatoare.

 x m 
 1 
M(X)   x f(x) dx  m x   x e 2σ 2
dx
 
σ 2π
Făcând aceeaşi schimbare de variabilă ca mai sus, obţinem

 σ  σ 2   t e t dt  m  e t dt 
1  1  
M(X)  2t  m e t dt 
2 2 2

π 
π    
Cum prima integrală este nulă, pentru că sub ea se află o funcţie impară, iar cea de-a
doua integrală a fost calculată anterior, rezultă că M(X) = m. Aşadar, parametrul m
este chiar valoarea medie a variabilei aleatoare.

0.08

0.06

0.04

0.02

-10 10 20
Fig. 5 Graficul densităţii normale pentru m=6 şi   6 . Valorile pentru m şi  au fost alese astfel ca să se potrivească cu
cele de la distribuţia Poisson ale cărei probabilităţi au fost reprezentate în Fig. 4.4. Pentru aceeaşi medie şi dispersie se vede
asemănarea între graficele celor trei distribuţii : Bernoulli, Poisson, Normală. Acest fapt nu este întâmplător.

 
V(X)  M X 2  M 2 (X)  



x 2 f(x) dx  m 2 

 x  m 2
1 
  2σ 2
dx  m 2   2 . Prin urmare V(X) = 2.
2
x e
σ 2π 

O variabilă aleatoare de tip N (0,1) se numeşte normal redusă. Se poate arăta că dacă X
Xm
este normală atunci este normal redusă (aplicaţia 20).

Pentru calculul funcţiei de repartiţie a variabilei aleatoare normale este utilă următoarea
funcţie introdusă de Laplace
1 z t 2/2
2π o
 e dt , z  R.
Φ(z)  (8)

Această funcţie este tabelată pentru z > 0 şi are următoarele proprietăţi:

a)  (0) = 0
b)  (-z) = -  (z)
c) lim Φ(z)  1/2; lim Φ(z)  1/2
z z
Demonstraţie.
a) Este evidentă
1 -z 1 z
 e  t /2 dt    e  t /2 dt  -  (z)
2 2
b)  (-z) =
o o
2π 2π
61
 1 
c) lim Φ(z)   dt  1/2 . Aplicând proprietatea 2. obţinem:
2
e -t /2
z  o
2π
lim Φ(z)  - lim Φ(u)  1/2 .
z u 

Vom mai scrie acest lucru   1 / 2,    1 / 2 .

Funcţia de repartiţie a unei variabile X  N (0,1), se poate scrie
t2 t2 t2
x 1  0 1  x 1 
F(x)   e 2
dt   e 2
dt   e 2
dt  1/2  Φ(x)

2 
2 0
2
Dacă X  N(m,2) atunci
 t -m 2 x m
1 x - 1
F(x)   dt   e u /2 du  .
2
2 2 σ
e
 
σ 2π 2π

u2 x m
1 0 - 1  xm
  du   e u /2du 1/2  Φ 
2
e 2 σ

2π 
2π 0
 σ 
Conform acestei relaţii putem determina valorile funcţiei de repartiţie folosind tabelele de valori ale funcţiei
lui Laplace.
Urmează atunci că
bm a m
P (a < X < b) = F(b) - F(a) = 1/2 + Φ  - 1/2- Φ  =
 σ   σ 
b  m a  m
= Φ   Φ 
 σ   σ 
De exemplu pentru o variabilă aleatoare de tip N m,  2 avem  
Pm    X  m    1   1  21  2  0.34134  0.68268
Pm  2  X  m  2  2   2  22  2  0.4772  0.9544
Pm  3  X  m  3  3   3  23  2  0.4986  0.9972
Prin urmare cu o probabilitate mai mare de 68% valorile unei variabile normale se află în
intervalul m    X  m   şi cu o probabilitate de peste 95% se află în intervalul
m  2  X  m  2. Vedem că pentru o abatere standard  mică valorile variabilei sunt
grupate cu o probabilitate mare în jurul mediei. Fenomenul are loc nu numai pentru variabile
normale. O să vedem în continuare (cap.5) că valori mici pentru dispersie (deci şi pentru
abaterea standard) implică faptul că valorile variabilei aleatoare sunt concentrate cu mare
probabilitate în jurul mediei.
Aplicaţia 16. Fie variabila aleatoare X de parametri m = 3 si σ2 = 9. Calculaţi
a). P( 2 < X < 5) b). P( X > 0), c). P( | X-3| > 6 ).
Xm
Rezolvare . Notam cu Z =  N0,1 şi folosind tabelul funcţiei lui Laplace din Anexa

Tabelul 1, avem
23 X3 53 1 2
P(2  X  5)  P[   ]  P(  Z  ) 
3 3 3 3 3
a)
2  1 2 1
             0.2454  0.1293  0.3747
3  3  3  3

62
 X3 03
P(X  0)  P(  )  P( Z  1)  1  P( Z  1)  1  1 / 2  (1) 
b) 3 3 c)
 1 / 2  (1)  0.5  0.3413  0.8413
P( X  3  6) 
X3 93 X 3 33
= P(X  9)  P(X  3)  P(  )  P(  )
3 3 3 3
 P(Z  2)  P(Z  2)  1 / 2  (2)  (2)   1 / 2  1  2  0.47725  0.0455

Aplicaţia 17. Dacă greutatea indivizilor unei populaţii este repartizată normal cu m=70 şi
=15 se cere
a) Probabilitatea P(X  100| X  75)
b) Un interval de forma m  a, m  a  astfel ca Pm  a  X  m  a   0.9
Rezolvare. a)
PX  100 si X  75  P75  X  100
P(X  100 | X  75)   
PX  75 P75  X   
 100  70   75  70 
    
 15   15  2  1 / 3 0.47725  0.1293
    0,938
 75  70  1 / 2  1 / 3 0.5  0.1293
    
 15 
Xm
b) Deoarece este normală redusă

 a Xm a 
Pm  a  X  m  a   P a  X  m  a   P    
   
a  a a
        2   0.9
   
a a
De aici rezultă    0.45 şi din tabelul funcţiei Laplace găsim  1.65 . Ştiind că   15
  
găsim a=24.75. Prin urmare intervalul centrat în jurul mediei în care greutatea indivizilor din
populaţia dată se află cu probabilitatea 0.9 este 45.25, 94.75 .
Xm
  
Aplicaţia 18. Să se arate că dacă X  N m,  2 atunci X  m  N 0,  2 şi  
 N0,1 .
Xm
Rezolvare. Fie Y  . Avem

 t  m 2
Xm  m  y 
PY  y   P  y   PX  m  y  
1
e 2 dt
2

    
2 
tm
Dacă facem în ultima integrală schimbarea  u obţinem

u2
Xm
 Y  N0,1
1 2
PY  y   
y
e du , deci Y este normal redusă,

2 

. Analog se arată că X  m  N 0,  2 .

63
 Legea Gamma
0.12
Variabila aleatoare ce are densitatea de
probabilitate 0.1

 1 a 1

x

 x e b x0 0.08
f(x; a, b)   Γ(a) b a
0 0.06
 în rest
0.04

unde a şi b > 0, iar Γ(a)   x a 1 e x dx . Folosind
o 0.02
proprietăţile funcţiei Gamma, se demonstrează că
M (X) = ab, iar V(X) = ab. 5 10 15 20

Fig. 6 Graficul distribuţiei Gamma pentru a=2 şi b=3

2
Legea Hi-Pătrat ( χ )
Fie n variabile aleatoare independente Xi cu i=1,2, …, n distribuite N(0,1). Variabila
n
 2n   X i2 se numeşte variabila χ 2 (hi pătrat) cu n grade de libertate.
i 1
Se poate arăta că o variabilă aleatoare de acest tip are densitatea de probabilitate de tip
Gamma cu a  n / 2 şi b  2 2 deci M (X) = n2 şi D(X) = 2n4.
Densitatea de probabilitate are forma
 1
x n/21 e  x/2σ x  0
2

 n/2
f(x)   2 Γ(n/2) (9)
0
 în rest
unde n  N* se numeşte numărul gradelor de
libertate,  > 0 este un parametru. Graficul 0.05

densităţii este la fel ca pentru distribuţia 0.04

Gamma. Pentru n mare, în general n>25 0.03

graficul densităţii  este foarte asemănător

2
0.02

cu al unei repartiţii 0.01

normale.
20 40 60 80 100

Fig. 7 Graficul densităţii  2 cu n=25 grade de libertate şi   1 .

Legea Student (t)

Variabila aleatoare repartizată Student cu n  N* grade de libertate are densitatea de
probabilitate:
 n 1 n 1
Γ  
 2   t2  2
f(t)  1   (10)
nπ Γn/2   n
Distribuţia t nu poartă numele cuiva numit Student, sau cel puţin nu direct. A fost
cercetată pe larg de către W. S. Gosset în 1908, dar când şi-a publicat rezultatele a folosit
pseudonimul “Student”. Graficul său seamană cu al distribuţiei normale, dar nu descreşte la fel
de repede către margini.

64
 Fig. 8 Distribuţia Student pentru n=25 grade de libertate. Se vede asemănarea cu distribuţia normală
Pentru diferitele valori ale lui n, există tabele cu valorile corespunzătoare

probabilităţilor de forma: P T  t o  1   
to

t o
f(t) dt .
Se poate arăta că atunci când n  , densitatea de probabilitate Student tinde către
densitatea normală redusă.
Legea exponenţială
O variabilă aleatoare X care are o repartiţie
 0 x0
f ( x )    x (11)
e x0
unde  este o constantă pozitivă, se numeşte repartiţie exponenţială.
Plecând de la definiţie se găseşte

 X (t )   e itx e x  
 it MX   1
 M 2 X   2
2
VX   1
2
0

Funcţia de repartiţie este Fx    e t dt  1  e x pentru x > 0 şi 0 în rest.

x

Aplicaţia 19. Să se arate că o variabilă aleatoare exponenţială este fără memorie, adică
PX  a  b | X  a   PX  b
Rezolvare.
P(X  a  b) 1  F(a  b) e   ( a  b )
PX  a  b | X  a     a  e b  1  F(b)  P(X  b)
P( X  a ) 1  F(a ) e
ŞIRURI DE VARIABILE ALEATORE . PROBLEME LA LIMITA
Convergenţa în probabilitate
Fie Xn, nN un şir de variabile aleatoare şi X o variabilă aleatoare, toate definite pe
câmpul de probabilitate , K, P.
Şirul Xn converge în probabilitate către variabila aleatoare X dacă pentru orice  >
0,
lim P{ | | X n ()  X() | }  0
n 
sau echivalent:
lim P || X n ()  X() | ε  1
n 
Problemele la limită constituie rezultatele teoretice dintre cele mai importante în teoria
probabilităţilor. Cele mai cunoscute sunt legea numerelor mari şi teoremele limită centrală.

65
Când este vorba de stabilirea condiţiilor în care media aritmetică a unui şir de variabile
aleatoare converge către media lor comună, avem de-a face cu legi ale numerelor mari. Spre
deosebire de acestea, teoremele limită centrală precizează condiţiile în care suma unui număr
mare de variabile aleatoare are o distribuţie aproximativ normală. Sunt furnizate nu numai
metode simple pentru calculul aproximativ al unor probabilităţi legate de sumele de variabile
aleatoare, dar explică un fapt empiric remarcabil şi anume, că fenomenele naturale pot admite o
distribuţie de tip normal.
Propoziţia 1 (inegalitatea lui Markov) Fie X o variabilă aleatoare cu valori nenegative şi fie
media acesteia M(X). Pentru orice a > 0 avem
M( X)
P(X a )  (1)
a
Demonstraţie.
Fie X variabila aleatoare continuă cu densitatea de probabilitate f(x). Avem
 a 
M(X)   x f ( x ) dx   x f ( x ) dx   x f ( x ) dx 
0 0 a
 
  x f ( x ) dx   a f ( x) dx  a P(X  a )
a a
Propoziţia 2. (Inegalitatea Bienaymé-Cebîşev)
Fie X o variabilă aleatoare pentru care există M (X) = m şi V(X) = 2 < ∞. Fie  > 0
oarecare, atunci:

2
P| X()  m    1  , (2)
2
Analog
2
P| X()  m    ,
2
Demonstraţie.
Varianta 1. Fie A ε  { | X()  m  } .
V(X) = 2 = M(X-m)2 = P(A) MA (X-m)2 + P(A) MA(X-m)2.
σ2
De aici   P(A) MA(X-m) ≥ P(A)  . Avem: P(A ε )  2 . Prin urmare
2 2 2
ε
2
P|| X()  M(X) | ε  1 - .
2
Varianta 2. Folosind inegalitatea Markov, avem (X-m)2 este variabilă aleatoare cu valori
pozitive şi
M ( X  m) 2  2
P((X  m) 2   2 )   2
2 
Dar cum P((X  m)   )  P( X  m  ) avem rezultatul.
2 2

Inegalitatea lui Bienaymé-Cebâşev a fost dată de cei doi în anii 1853-1867. Cele două
inegalităţi de mai sus sunt utile pentru a da o margine a anumitor probabilităţi acolo unde se
cunoaşte cel mult media M(X) şi dispersia V(X). Este bine înţeles că atunci când se cunoaşte
chiar distribuţia variabilei, nu este nevoie să recurgem la aceste margini, putem calcula
probabilitatea exactă.
Aplicaţia 20. Fie X variabila aleatoare ce dă numărul de piese de schimb pentru tractoare pe
care o uzină le produce într-o zi.
a) Presupunând că M(X) = 60, calculaţi probabilitatea ca producţia zilnică a uzinei să
depăşească 80 de piese.
66
b) In condiţiile de mai sus, dacă V(X) = 45, sa se calculeze probabilitatea ca 50 < X < 70.
Rezolvare a). Folosind inegalitatea Markov avem
P(X ≥ 80)  60/80 =0.75
b). Folosind inegalitatea Cebâşev,
V ( X)
P(50  X  70)  P( X  60  10)  1   1  0.45  0.55
100
Aplicaţia 21. O urnă conţine 1000 bile albe şi 2000 bile negre. Se extrag independent n = 300
bile cu punerea bilei înapoi. Fie X variabila aleatoare ce descrie numărul de bile albe extrase în
această experienţă. Care este probabilitatea ca 80 < X < 120 ?
Rezolvare
M(X)= m = np = 300(1/3) = 100 V(X) = 2 = npq = 300(1/3)(2/3).
80 - 100 < X - 100 < 120 – 100 este echivalent cu X - m = X - 100 < 20.
Aplicând inegalitatea Cebîşev avem
Pω | X  m  20  1 -
σ2
 1  1/6  5/6 .
20 2
Aceste margini oferite de inegalitatea lui Cebâşev nu sunt de cele mai multe ori
aproape de probabilitatea exactă.
Aplicaţia 22. Fie X variabila aleatoare distribuită N(m,2). Să se evalueze P( X  m  2)
direct şi cu inegalitatea Cebâşev.
Rezolvare.
Xm Xm Xm
P( X  m  2)  P(  2)  P(  2)  P(  2) 
  
 1  (2)  (2)  0.045
2 1
Pe de altă parte avem P( X  m  2)  
4 2
4

Legea numerelor mari

Legea numerelor mari este alcătuită dintr-o serie de teoreme ce stabilesc ipotezele în care
caracteristici numerice ale unor variabile aleatoare, obţinute în urma unui număr mare de
experienţe, tind către valori constante.
Prin teoremele legii numerelor mari se stabilesc împrejurările în care variabilele
aleatoare se comportă ca nişte mărimi constante, şi putem prognoza aproape cu certitudine
rezultatele unor fenomene întâmplătoare având caracter de masă.
Legea numerelor mari a fost stabilită pentru prima dată de către J. Bernoulli în lucrarea
intitulată “Ars Conjectandi”, publicată în 1713, în cadrul unei definiţii empirice a probabilităţii.
Se afirmă că frecvenţa relativă a unui eveniment converge către un număr care este
probabilitatea sa.
Versiunea generală a legii numerelor mari este atribuită matematicianului rus Hincin
(1894-1959).
Fie Xn un şir de variabile aleatoare discrete sau continue independente două câte
două şi V(Xn) < c constantă, oricare ar fi n.
Teorema 3 (Cebâşev) Fie Xn un şir de variabile aleatoare independente cu dispersiile
n
X
mărginite de aceeaşi constantă c şi mediile finite. Fie X n   i variabila aleatoare medie
i 1 n

aritmetică, oricare ar fi n, X n fiind termenul general al unui şir de medii aritmetice.

67
 n
M(X1 )  M(X2 )  .......  M(Xn )
M(X n )  1/n  M(Xi ) 
i 1 n
este media aritmetică a valorilor medii. Atunci pentru orice ε > 0, avem
 X  X 2  ....  X n M(X1 )  M(X2 )  ....  M(Xn ) 
lim P ω | 1   ε  1
n 
 n n 
Demonstraţie.
V( X n ) = 1/n2V(X1) + V(X2) + ...... + V(Xn) < n c/n2 = c/n
Atunci din inegalitatea lui Cebâşev
 X  X 2  ....  X n M(X1 )  M(X2 )  ....  M(Xn ) 
P ω | 1   ε   1  c/nε 2
 n n 
 X  X 2  ....  X n M(X1 )  M(X2 )  ....  M(Xn ) 
lim P ω | 1   ε  1
n 
 n n 
Corolar 4. Dacă M(X1) = M(X2) = ...... = M(Xn) = m, atunci:
 X  X 2  ....  X n 
lim P ω | 1  m  ε  1 .
n 
 n 
Legea numerelor mari ne spune că putem întotdeauna să găsim o valoare a lui n astfel încât
probabilitatea ca X n să aparţină intervalului m   să fie cât de mare dorim.
Aplicaţia 23. Considerăm un şir de variabile aleatore Xn având aceeaşi dispersie 2 = 1 şi
M(X1) = M(X2) = ...... = M(Xn) = m. Alegem  = 0.5 şi pentru o probabilitate dată egală cu
0.05, determinaţi n încât P(| X n  m | 0.5)  0.05 .
2
RezolvareDeoarece X n are media m şi dispersia , din inegalitatea lui Cebâşev avem
n
2 1
P(| X n  m | )  2 , Avem 0.05  , de unde n  80
n n.0.25
Aplicaţia 24. Se aruncă o monedă de n ori. Cât de mare trebuie să fie n pentru ca
P( X/n - 1/2 < 1/100) > 0.99, ştiind că X reprezintă numărul de apariţii al stemei.
Rezolvare.
X este o variabilă aleatoare Bernoulli cu p=1/2.
Avem din inegalitatea lui Cebâşev
P(X/n - 1/2 < 1/100)  1 - M(X/n - 1/2)2/10-4.
Însă M(X/n - 1/2)2 = M(X2)/n2 - M(X)/n + ¼ = (np)2+npq/n2 - np/n + ¼ = p2 + pq/n - p + ¼ =
1/(4n).
Atunci P(X/n - 1/2 < 1/100) 1 - 104/4n se realizează dacă luăm
1 - 104/4n > 99/100, de unde 106 < 4n. Avem pentru n > 106/4=250000 , îndeplinită condiţia
problemei.
Teorema 5. (Bernoulli). Fie k numărul de apariţii ale unui eveniment A în n probe
k 
independente şi p=P(A). Atunci lim P  p     1
n 
n 
adică frecvenţa relativă tinde în probabilitate către probabilitatea p.
Demonstraţie. Considerăm variabila aleatoare Xi ce reprezintă rezultatul celei de a i probe,
i=1,…,n. Adică

68
 1 0
X i :  , i  1,..., n; p  q  1; p, q  0, p  P(A)
p q
 n 
  Xi 
M(X i )  p, V(X i )  pq  , i  1,..., n, V i 1   pq
1
4  n  n
 
 
n
Variabila k   X i , k  n şi cum probele sunt independente, variabilele Xi sunt independente.
i 1
Avem îndeplinite condiţiile Teoremei Cebâşev, atunci
Adică
1 n 1 n k 
lim P(
n 

n i1
X i  
n i1
M(X i )  )  lim P  p     1 .
n 
n 
Observaţie. Dacă variabilele aleatoare independente X1 , X 2 , ...X n au toate distribuţia
1 0 
X :   atunci suma lor are distribuţia Bernoulli
p q

0 1 ... k ... n
X1  X 2  ...  X n :  n 
q C1n pqn 1 ... C kn p k q n k ... p n 
Aplicaţia 25. Probabilitatea de apariţie a evenimentului A, P(A)=p=1/4. Ştiind că se efectuează
6000 de probe independente, să se afle marginea inferioară a probabilităţii ca frecvenţa relativă
să difere de probabilitatea p cu mai puţin de 0.01.
Rezolvare.
k  pq  k 1  1 4 3
P  p     1  2 P   0.01  1  4  0.69
n  n  6000 4  6000  0.012

Aplicaţia 8. Probabilitatea de a fi ales un candidat la alegeri este p. Să se determine cu ajutorul

inegalităţii lui Cebâşev numărul n de persoane care trebuie să fie intrebate pentru a determina
probabilitatea p cu precizia de 2% şi un grad de încredere în rezultat de 90%.
Rezolvare. O persoana oarecare întrebată dacă îl alege sau nu pe candidat răspunde DA cu
probabilitatea p şi NU cu probabilitatea q=1-p. Ca în problema precedentă avem
k  pq 1
P  p     1  2  1 
n  n 4n 2
k  90
pentru că pq  p1  p   . In cazul nostru  
1 2
şi P  p     . Este suficient deci
4 100 n  100
1 90
ca 1   , deci n  6250 .
4n 2
100
Teorema 6. (Poisson). Fie k numărul de apariţii ale unui eveniment A în n probe independente
şi fie pi probabilitatea de realizare a evenimentului A în cea de a i probă , i=1,…,n. Atunci
k 1 n 
lim P   p i     1
n 
 n n i 1 
Demonstraţie. Fie variabila aleatoare Xi ce reprezintă rezultatul probei i, i=1,…,n. Adică

69
 1 0
X i :  , i  1,..., n; p i  q i  1; p i , q i  0
 pi q i 
1
M(X i )  p i , V(X i )  p i q i  , i  1,..., n
4
n
Avem k   X i , k  n şi cum probele sunt independente, variabilele X1, X2,…, Xn
i 1
sunt independente şi avem
k 1 n  1 n k 1 n
M   M  X i    p i şi V   2  p i q i 
1
n  n i 1  n i 1  n  n i 1 4n
n
k 1
Variabilei aleatoare   X i , k  n îi aplicăm inegalitatea Cebâşev
n n i 1
k
V 
1 n
1 n
 k 1 n
 n 1
1  P  X i   p i     P   p i     1  2  1 
 n i 1 n i 1   n n i 1   4n 2
de unde rezultă teorema.
Teorema lui Bernoulli este un caz particular al teoremei lui Poisson, luând p1= p2= .. = p.

Convergenţa în repartiţie
Rezultate cu caracter analog celor stabilite mai sus, dar care nu se referă la
caracteristicile numerice ale variabilelor aleatoare, ci la legile de distribuţie ale acestora
se numesc teoreme limită centrală. Sunt stabilite condiţiile în care funcţia de repartiţie a unei
n
variabile aleatoare Yn   X k converge către funcţia de repartiţie a unei variabile aleatoare
k 1
normale N(0,1), indiferent de legile de distribuţie ale variabilelor Xn ce compun variabila Yn ,
deci stabileşte condiţiile în care Yn este asimptotic gaussiană.
Definiţie. Fie variabilele aleatoare Xn şi X, cu funcţiile de repartiţie Fn(x) respectiv F(x).
Dacă şirul Fn (x) converge către F(x) în fiecare punct de continuitate al acesteia, vom spune că
şirul de variabile Xn converge în repartiţie către variabila X
şi scriem acest lucru sub forma X n repartitie
 X .
De mare utilitate în demonstrarea teoremelor limită centrală este teorema următoare, dată
fără demonstraţie.
Teorema 7 (P.Levy). Fie Z1,Z2,... un şir de variabile aleatoare ale căror funcţii de repartiţie
sunt notate FZn iar funcţiile lor caracteristice sunt Zn, pentru n  1. Fie de asemenea o
variabilă aleatoare Z cu funcţia de repartiţie FZ şi funcţia caracteristică Z. Dacă
 Zn ( t ) 
  Z (t ) pentru orice t, atunci FZn (t ) 
 FZ (t ) pentru orice t în care FZ este
continuă.
În cazul particular în care Z este variabila N(0,1) se ştie că
x2 t2
  
 Z (t)  M e itZ

e itx 1
e

2
dx e 2
(3)

2
Teorema 8. (Teorema limită centrală).-Fara demonstratie Fie şirul de variabile aleatoare
n
independente Xn identic repartizate cu M(Xk) = m şi V(Xk) =  . Dacă notăm Yn  2
X
k 1
k

70
şi considerăm variabila aleatoare normată Z n  Yn  M(Yn ) , cu funcţia de repartiţie Fn(x)
V(Yn )
atunci lim Fn (x)  Φ(x) , funcţia de repartiţie a variabilei N(0,1).
n 
Aplicând teorema limită centrală pentru un şir de variabile aleatoare independente
1 0 
având toate repartiţia binomială X :   obţinem
p q
Teorema 9. (De Moivre-Laplace). Fie (Xn)n un şir de variabile aleatoare independente
repartizate binomial şi fie
n
Yn   X k , Zn 
Yn  np
,
k 1 npq
unde p = P(Xk=1) iar q=P(Xk=0). Atunci Z n repartitie
  Z ~ N(0,1) .
n
Rezultă că Yn   X k are o repartiţie aproximativ normală de parametri m=np şi
k 1

  npq . Aceasta permite ca pentru un număr mare de probe independente în care se

urmăreşte apariţia unui eveniment ce se produce în fiecare probă cu probabilitatea p, să se
poată folosi funcţia de repartiţie normală în locul celei binomiale. In particular teorema de
Moivre-
Laplace se poate exprima prin
k 2  np
npq x 2
1
P(k 1  Yn  k 2 ) 
2
 e
k1  np
2 dx (4)
npq

In general aproximarea este satisfăcătoare pentru n  30 .

Aplicaţia 26. Se aruncă cu zarul de de 30 de ori. Se cere probabilitate ca suma celor treizeci
de rezultate să fie cuprinsă între 70 şi 110.
Rezolvare. Notăm Xi rezultatul arătat de zarul i, i=1,2,…,30. Cum
1 2 3 4 5 6
X i :  1 1 1 1 1 1  , avem M(Xi)=7/2 şi V(Xi)= 35/12. Aplicăm teorema limită
 
6 6 6 6 6 6
centrală şi avem
30

30
70  105 X i  105
110  105
P[70   X i  110]  P[  i 1
 ]
i 1 35.30 35.30 35.30
12 12 12
 (0.53)  (3.74)  0.20  0.499  0.699
Aplicaţia 27. Într-o experienţă de stimulare a creşterii rădacinilor la plantele decorative sunt
utilizate 1000 de seminte de Clematitis. Ştiind că probabilitatea ca o sămănţă să germineze este
p=0,8, calculaţi probabilitatea ca numărul seminţelor care germinează să fie între 760 şi 820.
n
Rezolvare Fie Xk v.a. ce reprezintă faptul că sămânţa k germinează şi Yn   X k . Teorema de
k 1

Moivre-Laplace cu n=1000, p=0,8, k 1  760 , k 2  820 ne dă

71
  820  800   760  800 
P(760  Yn  820)         (1.58)  (3.16)  0.44  0.49  0.93
 160   160 
Prima versiune a acestei teoreme limită centrală a fost stabilită de De Moivre pe la
1733, formulată pentru cazul v.a. Bernoulli de parametru p=1/2. Laplace a dat extensia pentru
variabile Bernoulli oarecare. O demonstraţie riguroasă pentru această teoremă a fost făcută de
matematicianul rus Liapunov prin 1901-1902.
În măsura în care există o relaţie între distribuţia binomială şi cea normală, cum există o
relaţie între distribuţia Poisson şi distribuţia binomială, putem presupune că există o legătură
între distribuţia Poisson şi cea normală. Se poate demonstra că dacă XPo(), variabila
X   rep
 N(0,1) când →∞.

Aplicaţia 28. Numărul de studenţi înscrişi la cursul de statistică este o variabilă aleatoare de tip
Poisson cu media 100. Conducerea facultăţii decide să creeze două secţii şi să aprobe două
cursuri, dacă numărul de înscrişi depăşeşte 120, în caz contrar, se aprobă un singur curs.
Calculaţi probabilitatea să se aprobe două cursuri.
Rezolvare
X   rep
Folosind  N(0,1) din teorema limită centrală avem

X  100 120  100
P(X  120)  P(  )  1 / 2  (2)  1 2  0.4772  0.023
100 100
Aplicaţia 29. Probabilitatea ca un fruct de măr din soiul Akane să contacteze o boală pe durata
unei luni de depozitare este p=0.005. Calculaţi probabilitatea ca dintr-un lot de 10000 fructe
luate la întămplare să fie mai puţin de 65 atacate de boli de depozit.
Rezolvare Schemă binomială cu n=10000, np= 50, npq= 49.75
b  np 65 50
npq x 2
1 49.75 x 2
1
P(a  Yn  b) 
2
 e
a  np
2 dx  
2
 e
0  50
2 dx   (2.13)   (7.09) 0.9834
npq 49.75

După parcurgerea acestei unitati de invatare trebuie să reţineţi:

 Distributia variabilelor aleatoare ce urmeaza legile clasice de repartitie cele mai
cunoscute: binomial, hipergeometrica, Poisson, normala, hi-patrat, student…
 Retineti formulele directe de calcul a indicatorilor variabilelor aleatoare distribuite
binomial, Pisson, normal, exponential, student.
 Calculul de probabilitati folosind tabele statistice (Functia Laplace), utilizarea
tabelelor statistice pentru calculul valorilor critice (cuantile) to ale legilor de
repartitie pentru o probabilitate data P  T  t o   1   f(t) dt .
to

t o

 Retineti metode simple pentru calculul aproximativ al unor probabilităţi legate de

sumele de variabile aleatoare, dar explică un fapt empiric remarcabil şi anume, că
fenomenele naturale pot admite o distribuţie de tip normal.

Probleme propuse
1. Să se arate că pentru o distribuţie Poisson de parametru  valoarea k cea mai probabilă
satisface inegalitatea   1  k   .
2. Într-o cutie sunt 150 de piese din care 8 sunt defecte. Se scot succesiv, la întâmplare, 5 piese
72
din cutia respectivă. Care este probabilitatea ca între ele să fie şi piese cu defecte ?
3. Se aruncă o monedă de 6 ori. Care este probabilitatea ca stema să apară de cel puţin 2 ori ?
4. Un pachet de 52 cărţi de joc este împărţit la întâmplare în două părţi egale. Să se determine
probabilitatea de a avea acelaşi număr de aşi în fiecare din cele două părţi ? Dar acelaşi număr de aşi şi
dame?
5. Se aruncă cu două zaruri de 6 ori. Care este probabilitatea ca de 3 ori să se obţină suma 7?
BIBLIOGRAFIE MINIMALA
1 Armeanu Ileana
2 Armeanu Ileana, Petrehus Viorel
3 Armeanu Ileana, Petrehus Viorel
4 Beganu Gabriela
Matematică Aplicată; Editura Bren; Bucuresti; 2002.
Probabilităti si Statistică Matematică Aplicată in Biologie ;
Ed. MatrixRom, Bucuresti, 2006.
Matematici avansate cu aplicatii; Ed. Sitech, 2009
Metode probabilistice aplicate în economie şi asigurări, Ed.
Tehnică, Bucureşti, 1996.

Petrehuş,V., Popescu, S.A. Probabilităţi şi Statistică; Universitatea Tehnică de Construcţii,

5 Bucureşti, 1997.

UNITATEA DE ÎNVĂŢARE NR. 6. STATISTICA

Obiectivele Unităţii de învăţare nr. 6

Prin studierea acestei unităţi de învăţare veţi fi în măsură să:

 Aflati ca in cazul fenomenelor aleatoare cu desfasurarea de masa nu se face studiul
prin masurare sau numarare completa ci numai studiind o subcolectivitate, care se
obţine printr-o alegere aleatoare, denumită selecţie, sau eşantion, lot, proba;
concluziile sunt de natura probabilista, adică concordanţa diferitelor cocluzii cu
realitatea se face în limitele unui risc sau unei erori asociate.
 Aflati ca cercetarea statistică prezintă două aspecte: descrierea statistică(statistica
descriptivă) este cea care fixeaza informaţia şi inferenţa statistică, adică tratarea
teoretică a datelor cu modele matematice.
 Metode de prezentare a datelor de observatie: tabelara, grafica;
 Gasiti fundamentele matematice ale teoriei selectiei, ale teoriei estimatiei si ale
verificarilor de ipoteze statistice;
 Materialul de studiu are 43 aplicatii rezolvate, majoritatea covarsitoare aplicatii in
biologie, agricultura, plasate de indata ce va este prezentat un concept;
 Descoperiti o metodă a statisticii matematice de analiză "calitativă" a datelor de
observaţie care depind de mai mulţi factori cu acţiune concomitentă, în scopul
evidenţierii celor mai importanţi şi a estima influenţa lor. Aceasta este analiza de
varianţă.
 Descoperiti legături dintre fenomene prin Analiza corelaţiei, evidentiind forma
acestor legături, gradul de intensitate al legaturilor, arată ponderea diverşilor factori
la realizarea unui fenomen de masă.

73
TEORIA SELECŢIEI
În anumite domenii ca agricultura, medicina, psihologia, sociologia, economia, etc.,
cunoaşterea unor date rezultate din măsurare sau numărare, nu permite anticipări de prognoză
decât cu un anumit grad de incertitudine, ceea ce înseamnă că studiul acestor date nu se poate
face decât probabilistic. Apare astfel STATISTICA MATEMATICĂ, având ca obiect gruparea,
analiza şi interpretarea datelor de observaţie furnizate de activităţi, fenomene sau procese cu
desfăşurare aleatorie astfel încât, cu mijloace şi metode probabilistice să se poată desprinde
concluzii cu valoare de prognoză.
Studiul statistic al unei activităţi, fenomen, proces se face prin intermediul datelor pe
care acestea le furnizează. Mulţimea acestor date se numeşte populaţie statistică.
Înţelegem prin populaţie statistică o mulţime de elemente care au trăsături esenţiale comune
şi care pot face obiectul unei analize statistice. Elementele unei populaţii statistice se
numesc unităţi statistice sau indivizi.
Trăsătura esenţială comună, sau caracteristica unităţilor unei populaţii statistice poate
fi cantitativă sau calitativă şi este posibil ca unităţile unei populaţii statistice să se identifice
prin mai multe caracteristici. Referitor la caracteristicile cantitative ele pot fi discrete (mulţime
discretă de valori) sau continue (atunci când mulţimea valorilor este un interval).
Orice caracteristică a unei populaţii statistice este, din punct de vedere probabilistic, o
variabilă aleatoare. Scopul cercetării statistice este de a stabili, pe baza datelor obţinute,
căreia legi probabilistice îi aparţine caracteristica studiată.
Această cercetare se poate face în două moduri:
- Luând în considerare toate elementele populaţiei statistice (cercetare completă).
Fenomenele din natură şi societate sunt însă prea numeroase, investigarea totală poate fi
prea costisitoare sau să dureze mult timp. Nu de puţină importanţă este faptul că putem
avea de-a face cu măsurători care duc la distrugerea unităţii statistice măsurate. Intervine
atunci a doua metodă:
- Datele de observaţie nu se referă la întreaga populaţie statistică, ci numai la o
subcolectivitate, care se obţine printr-o alegere aleatoare, denumită selecţie, sau eşantion.
Operaţia de prelevare la întâmplare a elementelor în selecţie se numeşte sondaj.
Pentru ca o selecţie să aibă o valoare cognitivă suficientă trebuie să îndeplinească
anumite condiţii:
- Elementele care intră în selecţie se aleg printr-un procedeu aleator;
- Fiecare individ al populaţiei statistice totale trebuie să aibă aceeaşi şansă de a
face
- parte din esantion;
- Structura selecţiei trebuie să fie cât mai aproape de cea a populaţiei statistice
totale, adică trebuie să fie reprezentativă;
- Volumul selecţiei să fie cât mai mare.
Se acceptă faptul că un eşantion va da informaţii utile despre întreaga populaţie din
care a fost extras şi pe măsură ce numărul de observaţii creşte, proprietăţile şi structura
populaţiei vor fi mai bine reprezentate. Aceste acceptări intuitive au necesitat fundamentări
matematice corespunzătoare. Cercetarea statistică prezintă două aspecte: descrierea statistică
este cea care fixeaza informaţia (statistica descriptivă) şi inferenţa statistică, adică tratarea
teoretică a datelor cu modele matematice.
O selecţie se numeşte repetată dacă elementul ales este reintrodus în populaţia statistică
înainte de alegerea următorului, şi nerepetată, dacă elementele alese nu revin în populaţia
statistică respectivă.
Fie X o caracteristică a populaţiei considerate. Caracterul X în primul experiment se
notează X 1 , în al doilea experiment este notat X 2 şi aşa mai departe. În acest fel X 1 , X 2 ,... X n
74
sunt caractere independente cu aceeaşi distribuţie de probabilitate ca şi X. Se numesc caractere
asociate sau variabile aleatoare asociate. Orice realizare a vectorului aleator (X1 , X 2 ,...X n ) , cu
componentele independente, va fi notată x1 , x2 ,...xn  şi se numeşte selecţie de volum n.
Metode de prezentare a datelor statistice
Sunt cunoscute două metode de prezentare a datelor de observaţie: metode tabelare şi metode
grafice.
Tabelele statistice cele mai frecvent folosite sunt cele unidimensionale, observaţiile se
referă la o singură caracteristică a indivizilor populaţiei respective. Pot fi tabele iniţiale de
valori, conţinând datele aşa cum au fost culese în timpul observaţiei, respectiv repartiţii de
frecvenţe.
Repartiţiile de frecvenţe conţin datele de observaţie ordonate crescător, distincte,
completând tabelul cu coloana frecvenţelor absolute ni (adică numărul de repetări al fiecărei
valori distincte în tabelul iniţial de valori), respectiv frecvenţele relative fi= ni/n.
xi x1 x2 … xi ... xk
k
ni n1 n2 ... ni ... nk n
i 1
i n
k
fi f1=n1/n f2=n2/n ... fi ... fk f
i 1
i 1

Aplicaţia 1. Notele a 40 studenţi înscrişi la cursul de statistică sunt prezentate în tabelul de

mai jos. Să se întocmescă repartiţia de frecvenţe cu date negrupate

9 8 8 4 4 xi ni fi %
8 7 8 8 5 4.00 //// 4 10.0
7 9 10 8 6 5.00 // 2 5.0
5 10 8 6 7 6.00 //// / 5 12.5
6 10 7 6 6 7.00 //// /// 7 17.5
9 7 9 9 7 8.00 //// //// 10 25.0
//
8 8 4 10 8 9.00 8 //// ////
20.0
7 9 9 4 9 10.00 4 ////
10.0
∑ 40 100 %
Când numărul valorilor de observaţie este mare, şi nu dispunem de prelucrare automată
a datelor de observaţie, datele se împart pe intervale de clasă, repartiţia de frecvenţe numindu-
se în acest caz, cu date grupate.
Dacă n este volumul sondajului, după formula dată de Brooks şi Carruthers, numărul k
de intervale de clasă este k < 5 lg n, iar după o formulă dată de Sturges,
k = 1+3,322 lg n (1)
Pentru diferite valori ale lui n, numărul de intervale de clasă poate fi ales orientativ
astfel

n 25-40 40-60 60-100 100-250 250-400 Peste 400

k 6 7 8-10 9-12 10-15 12-20
Lungimea fiecărui interval de clasă
x max  x min
 = amplitudinea/k= (2)
k
Considerăm limitele intervalelor de clasă de forma Ii=(li-1,li] sau Ii=[li-1,li), după cum
este cazul. Limita l0 este aleasă să fie mai mică sau egală cu xmin, având grijă ca adaugând lui l0
75
lungimea intervalului  ajustată corespunzator, intervalul [l0, lk] să conţină toate valorile
selecţiei. Notăm cu xi centrul intervalului de clasă, ni şi fi frecvenţa absolută, respectiv
relativă, iar n*i, fi* sunt frecvenţa absolută, respectiv frecvenţa relativă cumulată, adica n*i =n*i-
* * * *
1+ni, n 1=n1 respectiv, f i = f i-1+fi, f 1= f1.

(li-1, li] (l0,l1 ] (l1, l2] ... (li-1, li] .... (lk-1, lk]
xi x1 x2 ... xi ... xk
k

ni n1 n2 ... ni ... nk n
i 1
i n

k
fi f1=n1/n f2=n2/n ... fi ... fk f
i 1
i 1

Aplicaţia 2. Să se întocmească repartiţia de frecvenţe, grupând datele pe intervale de clasa,

pentru cele 100 observaţii referitoare la numărul de boabe din spic la soiul de grâu de toamna
Bezostaia 1. Datele sunt în tabelul următor.
48 44 69 60 40 66 47 39 50 43 54 50 46 49 42
63 49 46 50 52 48 57 42 49 50 51 52 55 46 47
48 31 49 46 54 51 48 55 40 55 50 54 36 49
52 50 57 51 50 52 49 56 50 42 63 53 43 51
47 49 54 51 49 45 58 44 57 51 47 50 45 51
48 39 50 34 51 47 54 48 51 44 58 50 53 60
49 55 52 48 36 61 49 41 50 52 56 49 53 50
Rezolvare. Numărul de clase de valori ales este k=8, iar lungimea fiecărui interval este 5.
Observaţiile realizate (număr de boabe) se exprimă prin numere întregi. Primul interval de
clasă fiind (30, 35] şi aşa mai departe. Avem
[li-1, li] xi ni ni* fi fi*
(30, 35] 33 2 2 0.02 0.02
(35, 40] 38 6 8 0.06 0.08
(40, 45] 43 11 19 0.11 0.19
(45, 50] 48 40 59 0.4 0.59
(50, 55] 53 27 86 0.27 0.86
(55, 60] 58 9 95 0.09 0.95
(60, 65] 63 3 98 0.03 0.98
(65, 70] 68 2 100 0.02 1
∑ 100 1
În cazul în care observaţiile se desfăşoară asupra a două caractere, se numesc tabelele
de corelaţie. Acestea se împart în tabele simple de corelaţie şi tabele de corelaţie propriu-zise.
Primul tip de tabel de corelaţie conţine în prima coloană valorile unuia dintre caractere
ordonate crescător, iar în coloana a doua sunt trecute valorile corespunzătoare ale celui de-al
doilea caracter.
Al doilea tip de tabel de corelaţie, este bidimensional, conţine valorile distincte,
ordonate crescător ale lui x, respectiv y drept capăt de linie, capăt de coloană, în interiorul
tabelului sunt trecute frecvenţele nij cu care se repetă cuplul de valori (xi, yj).
Nr. frunze Inaltime Nr. frunze Inaltime Nr. frunze Inaltime
5.00 10.00 6.00 13.00 5.00 9.00
5.00 8.00 6.00 13.00 5.00 9.00
5.00 8.00 7.00 11.00 6.00 8.00
5.00 10.00 7.00 12.00 8.00 12.00

76
 5.00 9.00 7.00 14.00 8.00 13.00
7.00 10.00 6.00 13.00 7.00 14.00
5.00 9.00 7.00 14.00
Aplicaţia 3. Pentru 20 răsaduri de tomate, avem în tabelul de mai jos cupluri de valori care
exprimă numărul de frunze, respectiv înălţimea răsadurilor (cm).Prezentaţi datele de observaţie
sub forma unui tabel de corelaţie propriu-zisă.
Tabelul de corelaţie propriu-zisă pentru cele n=20 observaţii.

Înaltime 8 9 10 11 12 13 14 ni.
Nr.frunze
5 2 4 2 0 0 0 0 8
6 1 0 0 0 0 3 0 4
7 0 0 1 1 1 0 3 6
8 0 0 0 0 1 1 0 2
n.j 3 4 3 1 2 4 3 20
Suplimentar, când cele două caracteristici sunt calitative, exprimate prin atribute,
tabelul de corelaţie propriu-zisă se numeşte tabel de contingenţă.
Reprezentarea grafică a repartiţiilor de frecvenţe unidimensionale
Metodele grafice de prezentare a datelor de observaţie constituie o formă sugestivă de
prezentare a fenomenelor statistice, din care se desprind cu uşurinţă concluzii privind variaţia,
tendinţa, asimetria datelor, dar oferă şi posibilitatea comparaţiilor.
Reprezentarea grafică a unui atribut se efectuează cu ajutorul diagramelor numite: bare
stivuite şi grafic PIE.
Pentru reprezentarea grafică a caracteristicilor cantitative se folosesc: graficul în bare,
histograma şi graficul cumulatei.
Harta în bare se realizează luând pe
Ox valorile distincte ale variabilei x, iar pe Frecventa notelor Aplicatia 1
ordonată sunt ridicate bare de înălţime
proporţională cu frecvenţa absolută ni, 10
4
respectiv cea relativă fi = ni/n. 5

Histograma se foloseşte pentru 9 6

reprezentarea grafică a repartiţiilor de
frecvenţe cu date grupate pe intervale de
clasă. Astfel, pe Ox se iau atâtea segmente 7
echidistante câte intervale de clasă avem, pe 8

ordonată se ridică
dreptunghiuri de înălţime 4 5 6 7 8 9 10
proporţională cu frecvenţa absolută ni,
respectiv fi = ni/n. Unind
mijloacele intervalelor de clasă
plasate pe laturile de sus ale
acestor dreptunghiuri prin
segmente de

dreaptă, se obţine
poligonul frecvenţelor.
Dacă frecvenţele absolute
(relative) sunt cumulate
crescător, n*i=n*i-1+ni, n*1=n1 iar

77
f*i = f*i-1+fi, f*1= f1, se obţine graficul cumulatei sau Ogiva lui Galton (este funcţia de repartiţie
a selecţiei sau funcţia de repartiţie empirică pe care a vom nota FS(x)). Cu ajutorul acestui
grafic se pot pune uşor în evidenţă poziţiile quartilelor (cuartile, sferturi ale domeniului
valorilor observate).

Indicatori ai repartiţiilor de Aplicatia 3 Ogiva lui Galton

frecvenţe unidimensionale 1.1
Prezentarea datelor de observaţie

Frecvente relative cum ulate

1 1 1
0.95 0.98
ale unei caracteristici măsurabile X sub 0.9
0.8
0.86
forma unei repartiţii de frecvenţe este o 0.7
metodă de a grupa datele de observaţie 0.6 0.59
0.5
în scopul cuprinderii esenţialului din 0.4
mulţimea datelor de observaţie. 0.3
0.2
Reprezentarea grafică a datelor 0.1 0.08
0.19

de observaţie este necesară pentru a 0 0 0.02

putea asimila în timp scurt un volum 10 30 33 38 43 48 53 58 63 68 71

mare de informaţii, necesară pe de altă Num ar boabe / spic

parte şi pentru a compara diverse

repartiţii de frecvenţe.
Această metodă pune uşor în evidenţă informaţii în legătură cu împrăştierea valorilor
caracteristicii măsurabile respective faţă de tendinţa de centru, cât şi gradul de asimetrie.
Ansamblul informaţiilor conţinute în datele de observaţie poate fi sintetic exprimat prin
valori numerice, numite indicatori ai repartiţiilor de frecvenţe.
Ţinând cont de natura informaţiilor pe care le oferă, aceşti indicatori se împart în:
indicatori de poziţie, indicatori ai variaţiei şi indicatori ai asimetriei, boltirii şi excesului.
Considerăm scrisă simbolic o repartiţie de frecvenţe de volum n astfel
x  n n
X :  i   f i  1 unde f i  i .
fi  i n
Indicatori de poziţie.
Se mai numesc indicatori ai tendinţei centrale şi sunt cunoscuţi sub numele de medie
aritmetică, mediană şi mod (sau dominantă).
Media aritmetică dă informaţii asupra valorii medii a caracteristicii X şi se calculează
cu formula
n k
x  1/n  x i sau x  1/n  n i x i (3)
i 1 i 1
Mediana este un important indicator de poziţie, situat în centrul spaţiului de selecţie.
Este
1
valoarea Me cea mai mica pentru care
xii Me
f i 
2
Pentru repartiţii de frecvenţe cu date grupate pe intervale de clasă, se determină mai
întâi intervalul median ca fiind primul care-i corespunde lui
n*i  n/2 şi apoi se calculează după formula
n
 n i 1
M e  l i-1  2  (4)
ni

78
unde li-1 este limita din stânga a intervalului median, ni este frecvenţa absolută a intervalului
median, n*i-1 este frecvenţa absolută cumulată a intervalului anterior celui median, iar  este
lungimea intervalului de clasă.
Pe cale grafică, mediana se determină folosind graficul cumulatei (graficul funcţiei
empirice de repartiţie), proiectând pe axa Ox punctul de pe grafic corespunzând intersecţiei
graficului cu paralela dusă la Ox prin punctul de ordonată 1/2 aflat pe Oy.
Modul (dominanta) este valoarea corespunzătoare celei mai mari frecvenţe absolute (respectiv
frecvenţe relative). Se citeşte direct din distribuţia repartiţiei de frecvenţe în cazul repartiţiilor
de frecvenţe cu date negrupate, iar pentru repartiţiile de frecvenţe cu date grupate pe intervale
de clasă, prin procedeul de mai sus se determină mai întâi intervalul modal, adică intervalul
[li-1, li] care conţine cele mai multe valori, adică ni este maxim, calculul efectiv al modului
realizându-se după formula:
Δ1
M o  li-1   unde Δ1  n i  n i1 , Δ 2  n i  n i1 (5)
Δ1  Δ 2

Pe cale grafică se determină plecând de la histogramă şi proiectând punctul de intersecţie al

diagonalelor din dreptunghiul corespunzător intervalului modal pe axa Ox (vezi graficul
histogramei de la pag. 131).
Aplicaţia 4. Calculaţi mediana şi modul repartiţiei de frecvente determinate la aplicaţia 3.
Folosiţi graficul cumulatei şi histograma pentru a marca pe cale grafică valorile acestor doi
indicatori de poziţie.
Rezolvare. Intervalul modal, ca şi cel median este (45, 50]
Δ1
M o  li-1   unde li-1  45, Δ1  29, Δ 2  13,   5
Δ1  Δ 2
29
M o  45  5  45  3.45  48.45
29  13
n
 n i1
2 50  19
M e  li-1    45  5  45  2.6  47.6
ni 40
Există şi repartiţii de frecvenţe multimodale, adică frecvenţa maximă în comparaţie cu
frecvenţele vecine se obţine de mai multe ori.
Aplicaţia 5. Calculaţi indicatorii de poziţie ai repartiţiei de frecvenţe cu date grupate pe
intervale de clasa determinate la aplicaţia prezentata mai jos.
Rezolvare. Determinăm mai întâi intervalul modal, acesta fiind (9.6, 10.9], corespunzător celei
mai mari frecvenţe absolute. Repartiţia de frecvenţe analizată este unimodală.

Δ1
M o  l i-1   unde Δ1  n i  n i1  12,
Δ1  Δ 2
Δ 2  n i  n i1  12 l i-1  9.67 ,   1.3
12
M o  9.6  1.3  9.6  0.65  10.22
12  12
Determinăm intervalul median ca fiind cel pentru care ni*este cel puţin 45 şi găsim
(12.2, 13.5]. Reluăm prima parte a tabelului repartiţiei de frecvenţe de la Aplicaţia 2 şi
completăm corespunzător.
n
 n i 1
45  43
M e  l i-1  2   12.2   1.3  12.2  0.26  12.46
ni 10

79
 (li-1, li] xi ni ni* nixi
(5. 7, 7.0] 6.35 1 1 6.35
(7.0 , 8.3] 7.65 3 4 22.95
(8.3 , 9. 6] 8.95 9 13 80.55
(9. 6,10.9] 10.25 21 34 215.25
(10.9,12.2] 11.55 9 43 103.95
(12.2, 13.5] 12.85 10 53 128.5
(13.5, 4.8] 14.15 15 68 212.25
(14.8,16.1] 15.45 4 72 61.8
(16.1,17.4] 16.75 7 79 117.25
(17.4, 19.7] 18.03 11 90 198.33
∑ 90 1147.18
k

n x i i
1147,18
Media aritmetică este x  i 1
  12,76
n 90
Indicatorii variaţiei
Pentru deplina caracterizare a repartiţiilor de frecvenţe este necesară cunoaşterea
modului în care valorile observate se repartizează în jurul mediei. Pentru măsurarea acestei
împrăştieri se folosesc mai mulţi indicatori, cei mai importanţi fiind amplitudinea, dispersia,
abaterea standard şi coeficientul de variaţie.
Amplitudinea este W = xmax - xmin, nu dă informaţii despre împrăştierea valorilor de
observaţie între aceste valori extreme.
Dispersia unei repartiţii de frecvenţe se notează cu s2, este cel mai important indicator
al variaţiei şi este calculată prin una din relaţiile echivalente:
s2 
1 n
 xk  x
n - 1 k 1
 2
(6)

iar dacă valorile se repetă

s2 
1 k
ni xi  x
n  1 i 1
  2
(7)

sau dacă efectuăm calculele din paranteză

k

k
( n i x i ) 2
1
s2  [ n i x i2  i 1
] (8)
n  1 i 1 n
s2 se mai numeşte varianţă.
k

k
( n i x i ) 2
Expresia n x
i 1
i
2
i  i 1

n
poartă denumirea de suma pătratelor abaterilor, sau variaţie,

notată
k
( n i x i ) 2
adesea SPA, iar numitorul n-1 poartă denumirea de grade de libertate. Termenul i 1
se
n
numeşte termen de corecţie.

80
 Pentru cazul în care repartiţia de frecvenţe este cu date grupate pe intervale de clasă, se
corectează dispersia cu corecţia Sheppard
2
s o2  s 2   (9)
12
Abaterea standard este rădăcina pătrată a dispersiei, se exprimă în unităţile de măsură
ale caracteristicii X.
Coeficientul de variaţie propus de K. Pearson, pentru caracteristici exprimate prin
valori pozitive, care ne permite să comparăm două sau mai multe repartiţii de frecvenţe din
punct de vedere al variaţiei lor, este dat de raportul
s
v %  100 (10)
x
Pentru v%  10% variaţia este mică, când 10% < v%  20%, atunci variaţia este
mijlocie, iar când v% depăşeşte 20%, variaţia fiind mare, în locul mediei aritmetice se foloseşte
mediana ca reprezentant al centrului spaţiului de selecţie.
Aplicaţia 6. Să se compare variaţia producţiei soiului de grâu Etoile de Choisy cu cea a
soiului de grâu Ponca folosite în aceeaşi experienţă, pe baza datelor de mai jos
Soiul de grâu x s2 s v%
Etoile de Choisy 11 Kg/lot 5,3 2,3 20,9 %
Ponca 10 Kg/lot 2,7 1,64 16,4 %
Rezultă că producţia soiului Ponca are o variaţie mai mică decât producţia soiului
Etoile de Choisy, deci este mai bine adaptat condiţiilor de mediu în care s-a facut experienţa.
Indicatori ai asimetriei, boltirii şi excesului
Asimetria stabileşte dacă există o dreaptă paralelă cu Oy încât orice punct de pe curbă
să aibă simetricul faţă de dreapta respectiva situat tot pe curbă.
Pentru o curbă simetrică, cum este curba repartiţiei normale:
 
N m, σ , m  M e  M o .
2

Asimetria este o
caracteristică a formei unei
repartiţii de frecvenţe, întălnită
destul de des în cercetările
biologice. Se poate avea de-a face
cu o asimetrie aparentă, atunci când
sunt puţine observaţii sau
intervalele de clasă au fost
defectuos alese, dar poate fi vorba
şi de asimetrie reală care nu mai
poate fi corectată mărind numărul
de observaţii.
Notăm
x  Mo
As  ,
s
coeficientul lui Pearson şi după semnul lui As, precizăm dacă asimetria este spre dreapta (-) sau
stânga (+).
Cât de semnificativă este această asimetrie, aflăm calculând un indicator al asimetriei,
dat tot de Pearson
μ 32
β1  , (11)
μ 32

81
  
unde μ 2  1/n  n k x k  x , iar μ 3  1/n  n k x k  x
2
 3

sunt momentele empirice centrate de ordin 2 si 3.

Se compara cu eroarea asimetriei,
6
s As  .
n3
Dacă β1  2 6/(n  3) , asimetria este întâmplătoare, în caz contrar, asimetria este
semnificativă.
Boltirea măsoară gradul de îndepărtare pe verticală al repartiţiei de frecvenţe studiate faţă de
curba lui Gauss-Laplace.
Indicatorul Pearson pentru boltire este
β2 
4
 22
, unde μ 4  1/n  n k x k  x   4
(12)

Când 2 > 3, boltirea curbei lui Gauss fiind egală cu 3, atunci repartiţia se numeşte
leptokurtică, iar pentru 2 < 3, repartiţia se numeşte platikurtică.
Excesul este E = 2 - 3. Când E = 0 curba se apropie de curba normală, deci este
mezokurtică. Cât de des se îndepărtează repartiţia studiată de curba lui Gauss, aflăm calculând
eroarea excesului: s E  24/(n  5) .
Când E < 2 sE atunci excesul este întâmplător, în caz contrar este semnificativ.
Aplicaţia7. Studiem caracterul talia plantelor de grâu (cm). Cele 90 observaţii, au fost grupate
în 9 intervale de clasă. Să se calculeze indicatorii de poziţie, de variaţie, indicatorii Pearson ai
asimetriei, boltirii şi excesului şi să se testeze semnificaţia acestora.
Rezolvare.Media artimetică x  5492  61,02  61 cm . Mediana M e  60  45  33 2  61.09 cm
90 22
3
Modul(dominanta) M o  60  2  61,5 cm .
3 1
804 2
Dispersia s 2   9,03 s o2  s 2    9.03  4 / 12  8.6 Abaterea standard
89 12
293
s  8.6  2.93 Coeficientul de variaţie v%   4.8 %, var . mica
61
Variabilitatea este mică, deci media aritmetică este un bun indicator de poziţie al centrului.
li-l - li xi ni ni* xini (xi- x ) (xi- x )2 ni ( xi- x )2 ni (xi- x )3 ni (xi- x )4
52-54 53 1 1 53 -8 64 64 -512 4096
54-56 55 3 4 165 -6 36 108 -648 3888
56-58 57 10 14 570 -4 16 160 -640 2560
58-60 59 19 33 1121 -2 4 76 -152 340
60-62 61 22 55 1342 0 0 0 0 0
62-64 63 21 76 1323 2 4 84 168 336
64-66 65 11 87 715 4 15 176 704 2816
66-68 67 2 89 134 6 36 72 432 2592
68-70 69 1 90 69 8 64 64 512 4096
 90 5492 804 -156 20688
804
Momentul centrat de ordin doi μ2   8,93 .
90
156
Momentul centrat de ordin trei este μ3    1,51 .
90

82
 20688
Momentul centrat de ordin patru este μ4   229,87 .
90
(1.51) 2
Indicatorul Pearson pentru asimetrie β1   0,057 .
8.983
229,87
Indicatorul Pearson pentru boltire β2   2,88  3 .
8,98 2
6
Eroarea asimetriei s As   0,254 .
93
În urma testării semnificaţiei, rezultă că asimetria spre dreapta este nesemnificativă.
Excesul E=2,88-3<0, deci repartiţia este platikurtică, eroarea excesului este
24
sE   0,502 , şi prin urmare, îndepărtarea pe verticală de curba normală este
95
întâmplătoare pentru că E < 2sE. Putem considera astfel X  N(61 cm, 8.6 cm2).
Aspecte matematice ale teoriei selecţiei
Fie X o caracteristică cercetată şi fie variabilele aleatoare asociate lui X, notate X1, X2,
...., Xn obţinute printr-o selecţie de volum n.. Variabilele Xi, i=1, 2, ..., n în cazul unui selecţii
repetate, sunt independente şi verifică aceeaşi lege de probabilitate ca şi variabila
(caracteristica) X. În cazul în care selecţia este nerepetată, variabilele Xi sunt dependente.
1 n r
Variabila aleatoare definită prin mr   X i , r  N  se numeşte moment iniţial de
n i 1
selecţie de ordinul r.
1 n
Remarcăm că pentru r = 1, m1  X   X i şi se numeşte media
n i 1
selecţiei, sau media aritmetică.
1 n
Variabila aleatoare μ r  
n i 1
 r

X i  X se numeşte moment centrat de

1 n
 
ordinul r. Momentul centrat de ordinul doi S 2   X i  X se numeşte dispersia selecţiei.
n i 1
2

Teorema 1. Oricare ar fi repartiţia variabilei aleatoare X, media şi dispersia mediei aritmetice

sunt

= M(X) şi V X =V(X)/n.
Demonstraţie.

  1 n  1  n  1 n
M X  M  X i   M  X i    M(Xi ) .
 n i 1  n  i 1  n i 1
Dar M(Xi) = M(X). Atunci MX   1 nM(X)  M(X).
n
 1 n  1 n
1 1
V X  V  X i   2  V(X i ) nV(X)  V(X).
 n i 1  n
2
i 1 n n
Teorema 2. Dacă repartiţia teoretică a caracteristicii X este N(m, σ ) , atunci repartiţia
2

 σ2 
mediei de selecţie este de asemenea  m,
N  .
 n 
Demonstraţia este imediată folosind teorema 1 şi procedeul folosit la Aplicaţia 20
rezolvată în capitolul 4.

83
 Teorema 3. (fără demonstraţie). Dacă X este o variabilă aleatoare repartizată

N(m, σ 2 ), σ 2  0 şi S2 
1 n
 i
n - 1 i1
X X
2
, atunci 
variabila aleatoare U 
(n  1)S 2
2
este

repartizată 2 cu n-1 grade de libertate.

Teorema 4. (fără demonstraţie). Dacă X reprezintă media aritmetică a unei selecţii de
volum n asupra unei variabile aleatoare X repartizate N(m, σ ) , atunci statistica
2

t
Xm
n cu S  
n
X i  X
2

este distribuită Student cu n-1 grade de libertate.

S i 1 n 1
Termenul grad de libertate desemnează numărul minim de variabile aleatoare (sau de
statistici) independente prin care este definită o mărime. Variabila S are n-1 grade de libertate
1 n
deoarece X   X i este o relaţie de legătură.
n i 1
Teorema 5 (fara demonstratie). Dacă X1 , X 2 , sunt mediile aritmetice a două selecţii de
volume n1 şi n2 independente din populaţii distribuite N(m1 , σ1 ) , respectiv N(m2 , σ 22 ) , atunci
2

a) X1  X 2 este distribuită N(m1 - m 2 , σ12 n 1  σ 22 n 2 )

b) statistica u 
X 1 
 X 2  (m1  m 2 )
este distribuită N (0,1).
σ12 n1  σ 22 n 2
Teorema 6. (fără demonstraţie). Dacă X 1 şi X 2 sunt variabilele aleatoare medie de selecţie

iar S , S sunt variabilele aleatoare dispersie de selecţie, adică S1 

2
1
2
2
2 1 n1
 
n 1 - 1 i1
 2
X1 i  X 1 ,

S 22 
1 n2

 X 2i  X 2
n 2 - 1 i 1
2
calculate pe baza a două selecţii independente de volume n1 şi n2

din populaţii distribuite N(m1 , σ1 ) , respectiv N(m2 , σ 2 ) , atunci variabila aleatoare

2 2

X
 X 2  (m1  m 2 )
t 1 
S 1 n1  1 n 2
este distribuită Student cu (n1+n2-2) grade de libertate, unde
(n1  1)S12  (n 2  1)S22
S 
2
.
(n1  n 2  2)
Teorema 7. (fără demonstraţie). Dacă S12 , S22 sunt variabilele aleatoare dispersie de
selecţie, a două selecţii independente de volume n1 şi n2 din populaţii distribuite N(m1 , σ1 ) ,
2

respectiv N(m2 , σ 2 ) , atunci variabila aleatoare

2

2
1 n1  X1i  X1 
 
n 1  1 i 1  1  S12  22
Fn1 1; n 2 1  
1 n 2  X 2i  X 2 
2
S22 12

n 2  1 i 1   2


are o lege de repartiţie Fisher- Snedecor cu 1  n 1  1 respectiv  2  n 2  1 grade de
libertate, adică are densitatea de probabilitate

84
   1   2 
  2  1
    21   22   x 2 1    x  1 2 2 x0
f ( x )    1    2  1 2 2 1

  2    2 
    
 0 x0

Observaţie.
În aplicaţiile practice nu se utilizeaza formula densităţii de probabilitate ci valorile
tabelate ale quantilelor functiei F, calculate pe baza formulei de mai sus.
Având în vedere faptul că valorile critice F;( 1 , 2 ) ale repartiţiei variabilei Fisher-
Snedecor sunt mai mari decât 1 pentru =5%, 1% sau 0.1% şi ţinând cont de relaţia cunoscută
1
F1;( 2 ,1 )  , cea mai mare dispersie de selecţie este trecută la numărător,
F;( 1 ,2 )
gradele de libertate se trec corespunzător şi atunci aceleaşi tabele cu valori critice sunt folosite
şi pentru riscurile 1-.

TEORIA ESTIMAŢIEI
În multe din fenomenele din biologie, din tehnică, din economie, studiate cu ajutorul
statisticii matematice, există motive teoretice pentru a considera forma funcţiei de repartiţie a
fenomenului studiat a fi dinainte cunoscută.
De exemplu, dacă X este variabila ce reprezintă talia plantelor de grâu, în general este
distribuită normal cu valoarea medie m şi dispersia 2.
Considerăm că o repartiţie este specificată, dacă este exprimată printr-o funcţie dată
(funcţie de repartiţie sau densitate de probabilitate), care conţine anumiţi parametri
necunoscuţi. (Pentru o repartiţie normală cu densitatea de probabilitate

 x  m 2
f x, m,  
1
e 22
, parametrii necunoscuţi sunt m şi 2).
2 
Prin definiţie, repartiţia este complet specificată, dacă este exprimată printr-o funcţie
dată în care toţi parametrii sunt cunoscuţi.
Operaţia prin care determinăm valorile parametrilor se numeşte estimarea parametrilor.
Estimarea parametrilor poate fi punctuală, adică pentru fiecare parametru vom
determina o anumită valoare ce poate fi considerată drept valoare a parametrului, sau putem
determina un interval care să acopere parametrul cu o probabilitate cât mai mare. Intervalul
respectiv se numeşte interval de încredere.

Estimaţii punctuale
Fie X un caracter aleator definit pe o populatie statistică continuă sau discretă şi având
densitatea de probabilitate specificată f x,  în cazul continuu sau probabilităţile individuale
f k x,  în cazul discret. Prin n măsurători independente ale caracterului X se obţin n valori
x1 , x 2 ,...x n . Multimea x1 , x 2 ,...x n  se numeşte selecţie de volum n.
În cursul celor n experimente independente se obţin caracterele asociate sau variabile
aleatoare asociate cu X, adică X 1 , X 2 ,... X n care sunt caractere independente cu aceeaşi
distribuţie de probabilitate ca şi X.

85
 Într-o secvenţă s a celor n măsurători independente, avem
X 1 s   x1 , X 2 s   x2 , ... X n s   xn . În cele ce urmează vom încerca să găsim valoarea corectă
a lui  pornind de la datele experimentale x1 , x2 ,...xn . Pentru aceasta considerăm pentru
fiecare n  1,2,3,... funcţia t n : R n  R , numită statistică, şi încercăm să estimăm  ca
t n x 1 , x 2 ,..x n  . Cât de multă încredere putem avea în acestă estimaţe vom vedea studiind
variabila aleatoare Tn  t n ( X 1 , X 2 ,... X n ) .
Estimaţii nedeplasate
Statistica t n se numeşte nedeplasată dacă şi numai dacă MTn    . Statistica se numeşte
deplasată dacă lim MTn    .
n 
Observatie. Tn =tn(X1, X2,…, Xn) se numeşte estimator iar valoarea particulară a acestuia,
tn(x1, x2, ,...xn), se numeşte estimaţie.
x  x 2  ...  x n
Aplicaţia 8. Media de selecţie t n x 1 , x 2 ,...x n   1 obţinută printr-o selecţie (x1,
n
x2, ......, xn) asupra variabilei aleatoare X dintr-o populaţie oarecare, este o estimaţie
nedeplasată a valorii medii m a întregii populaţii. În mod obişnuit Tn  t n X1 , X 2 ,...X n  se
scrie X şi t n x 1 , x 2 ,...x n  este scris x .
1 n
Demonstraţie. Fie X  Tn  t n (X1 , X 2 ,.........., X n )   X k atunci
n k 1

 
M X  M(Tn ) 
1 n

n k 1
1
M(Xk )  nm  m . Acest rezultat semnifică faptul că X este o
n
estimaţie nedeplasată a valorii medii m a întregii populaţii statistice.
Aplicaţia 9. Fie variabila aleatoare X definită pe toate experienţele posibile în care poate să se
realizeze un eveniment A.
1 se realizeaza evenim. A 0 1
X(experianţă)   adică X :   .
0 in caz contrar q p
Frecvenţa relativă a numărului de realizări ale evenimentului A în n probe independente este o
estimaţie nedeplasată a probabilităţii constante p a evenimentului A.
Demonstraţie. Facem şiruri de n experienţe independente şi fie X1, X2,…, Xn variabile
aleatoare asociate cu v.a. X. Frecvenţa relativă a numărului de realizări a evenimentului A în
cele n probe este statistica
nr. aparitii al evenimentului A X1  X 2  ...  X n
Tn=tn(X1, X2,…, Xn)  
nr. total exp eriente n
deci
1 n 1
M(Tn )   M(Xk )  np  p
n k 1 n
adică frevenţa relativă este o estimaţie nedeplasată pentru probabilitatea p.
Aplicaţia 10. Fie (x1, x2, ..., xn) o selecţie asupra variabilei aleatoare X dintr-o populaţie
statistică oarecare cu dispersia 2 necunoscută. Drept estimaţie a parametrului 2 considerăm
dispersia de selecţie
1 n

s   Xk  X .
2

n k 1
2

Vom demonstra că s2 este o estimaţie deplasată a lui 2. Scriem
86
 2 1 n
s   X k  m  X  m .
n k 1
2 2
 
Vom calcula valoarea medie a ambilor membrii şi obţinem
1 n
M(s2 )   M(Xk  m) 2  M X  m
n k 1
 2

şi cum
M (Xk-m)2 = 2 pentru k=1,......,n
iar
M(X-m )2 = V(X )= 2/n.
1 σ2 n 1 2 2
M(s2 )  nσ 2   σ  2 
n n n n
relaţie din care rezultă că s2 este o estimaţie negativ deplasată a lui 2.
O estimaţie nedeplasată a dispersiei 2 este dispersia de selecţie modificată
1 n
s'2   x k  x 2  n s 2
n - 1 k 1 n 1
După cum remarcaţi
n n 1 2
   n 2
M s 2  M  s 
n
M(s2 )  σ  σ2 .
 n 1  n 1 n 1 n
Dacă valoarea medie m a populaţiei este cunoscută, atunci dispersia 2 se estimează cu
dispersia de sondaj dată de relaţia
1 n
s *2   (x k  m) 2 .
n k 1
Se observă imediat că:
1 n 1
M(s*2 )  
n k 1
M(Xk  m) 2  nσ 2  σ 2 .
n

Estimaţii consistente
Statistica tn(x1, x2, ... , xn) este o estimaţie consistentă pentru parametrul  dacă pentru

orice  > 0, avem lim P Tn  θ  ε  1 .
n 

Statistica consistentă poate fi obţinută din propoziţia care urmează.
Propoziţia 1. Dacă statistica tn (x1, x2, ..., xn) este o estimaţie a parametrului  astfel încât
1. Este nedeplasată şi
2. lim V(Tn )  0 ,
n 

atunci estimaţia tn este consistentă pentru  .

Demonstraţie. Pentru un n   dacă n  n rezultă | MTn    |  / 2 şi în plus dacă
| Tn  MTn  |  / 2 atunci | Tn   |  . Acum pentru un astfel de n
VTn 
1  P | Tn   | )   P | Tn  MTn  |  / 2  1 
 / 22
datorită inegalităţii Cebâşev şi lim P | Tn   |   1 pentru că lim VTn   0
n  n 
Observaţie. O estimaţie care îndeplineşte condiţiile 1. şi 2. ale teoremei de mai sus, se numeşte
absolut corectă. Dacă se înlocuieşte condiţia 1. cu
lim M(Tn )  
n 

87
estimaţia rămâne consistentă dar se numeşte corectă.
Estimaţii eficiente
Afirmaţia că o estimaţie nedeplasată dă întotdeauna cea mai bună aproximaţie a
parametrului ce urmează a fi estimat este greşită. Dacă presupunem că există două estimaţii tn(1)
şi tn(2) ale parametrului , este de preferat cea care are dispersia cea mai mică. În această
situaţie, o margine inferioară pentru dispersie este oferită de inegalitatea Rao-Cramer-Fréchet.
Teorema (Teorema Rao-Cramer-Fréchet.). Fie t n o estimaţe nedeplasată a parametrului 
al distribuţiei cu densitatea f x,  în cazul continuu. În cazul discret f x,  este
probabilitatea ca mărimea aleatoare să ia valoarea individuală x.

2
 
Presupunem ca există   θ ln f(x, θ) f(x, θ)dx în cazul continuu sau

 
2

x   ln f x,  f x,  în cazul discret. Atunci
1
V(Tn ) 
  
2

n   ln f(x, θ) f(x, θ)dx
  θ
 
în cazul continu şi
VTn  
1
 
2

n   f x,  f x, 
x   
în cazul discret.
Omitem demonstaţia acestei teoreme. Estimaţiile pentru care inegalităţile din teoremă sunt
egalităţi se numesc eficiente. În unele exemple vom apela la această teoremă pentru a justifica
eficienţa anumitor estimaţii.
2
I(θ)= n   d ln p i () p i () se numeşte informaţia conţinută în eşantionul de volum n, iar
n

i 1  dθ 
2
d
n

expresia   ln p i () p i () se numeşte informaţia Fisher.
i 1  dθ 

Metoda verosimilităţii maxime

Fie X o variabilă aleatoare cu densitatea de probabilitate f x, 1 ,  2 ,...s  în cazul
continuu, sau în cazul discret P(X=x) = f x, 1 ,  2 ,...s  şi ne propunem să căutăm estimatori
pentru 1 ,  2 ,..s . Fie x 1 , x 2 ,...x n  o selecţie de volum n. Funcţia de verosimilitate este
definită de
n
Lx 1 , x 2 ,...x n ; 1 ,  2 ,.. s    f x i , 1 ,  2 ,.. s 
i 1

Valorile parametrilor  pentru care Lx1 , x 2 ,...x n ; 1 ,  2 ,..s  este maxim se numesc
estimatori de verosimilitate maximă. Se obţin rezolvând sistemul
L
 0, i  1,2..s
 i
sau echivalentul acestuia

88
  ln L
 0, i  1,2,..s
 i
Soluţiile acestui sistem sunt ˆ i ( x 1 , x 2 ,...x n ) cu i=1,2,…,s, estimatori ai valorilor parametrilor
necunoscuţi 1 , 2 ,..s .
Observaţie. În condiţii foarte generale relativ la densitatea de probabilitate f x, 1 ,  2 ,...s 
estimatorii de verosimilitate maximă sunt corecţi.
Aplicaţia 11. Fie densitatea variabilei aleatoare X dată de

 x  m 2
f x, m,  
1 22
e .
2
Atunci
1  n 2
ln Lx 1 ,..x n ;    ln 2  n ln   2   x i  m  
n
2 2  i 1 
şi sistemul
  ln L
 0
 m

  ln L  0

 
are soluţiile
n

 x  x
2

x  x 2  ...  x n i
m̂  x  1 , ˆ 2  i 1

n n
care sunt media şi dispersia selecţiei. Estimatorul m̂ este nedeplasat şi estimatorul ̂ 2 este
deplasat (conform unei aplicaţii anterioare).
2
Să calculăm acum eficienţa lui m̂ . Ştim că V( X ) 
n
 1  x  m 2 
2
  
2
   1 ( x  m) 2  
M ln f ( x, m)  M   ln     M  2  
 m   m  2 2 2       
1 x m
2
1
 2 M   2
    
Atunci
1 2

 
2
 n
n.M  ln f ( x, m)
 m 
Urmează că V( X) atinge marginea inferioară dată de formula lui Rao-Cramer- Fréchet.

Metoda intervalelor de încredere

Fie X o variabilă aleatoare cu densitatea de probabilitate f(x,), şi fie o selecţie de
volum n. Determinăm două funcţii 1(x1, x2, ..., xn) şi 2(x1, x2,..., xn) încât
P1(x1, x2, ..., xn)   2(x1, x2, ...., xn) = p.
Intervalul 1, 2 se numeşte interval de încredere, p se numeşte probabilitate de încredere,
iar  = 1-p se numeşte risc ( sau probabilitate de transgresiune). Parametrul  poate fi estimat
de orice valoare din intervalul 1, 2.

89
 Cazul 1. Fie X o variabilă normală cu media m şi dispersia 2 care este cunoscută.
Xm
Atunci n este distribuită normal cu media zero şi dispersia 1
σ

şi dacă Zα este definit prin P(X ≥ Zα) =α, pentru o distribuţie normal redusă X, atunci
 Xm 
P
  Zα 2  n  Zα 2 
  1 
 σ 
de unde rezultă că
   
m  X  .Z / 2 , X  Z / 2 
 n n 
Avem
1.96   5%

Z   2.58   1%
2 3.29   0.1%


Dacă 2δ este lungimea intervalului de

încredere, atunci intervalul este [m- δ,
m+ δ] şi avem
 2 . Z 2
n 2
 2

cel mai mic n astfel încât P(|| X  m | )  1   .

Plecând de aici, putem să dăm o probabilitate de garantare a rezultatelor, 100(1-)%.
Avem Z    n şi folosind tabelele distribuţiei normale normate, aflăm cât este 100(1-)%.
2

Aplicaţia 12. Notăm cu X vârsta în ani la care un bărbat devine prima oară bunic. Presupunem
că X ~ N(m, 2=225).
1. Calculaţi abaterea δ dintre media empirică şi cea teoretică pentru riscul α =5% dacă
ştim că s-au făcut 9 măsurători.
2.Cât să fie volumul probei astfel încât δ = 4 ani pentru acelaşi risc α =5%. Dar pentru δ
= 2 ani ?
Rezolvare.
15
1. δ = .1.96  9.8 ani
3
225 *1.96 2 225 *1.96 2
2. n  54 observatii , respectiv n   216 observatii
16 4
Aplicaţia 13. Să se determine nivelul de încredere 1- pentru estimaţia mediei teoretice a unui
caracter X dacă volumul eşantionului este n=100, media eşantionului x = 586, abaterea
standard este  = 80, iar lungimea intervalului de încredere dorit este de 35.
Rezolvare.
 n 17.5 100
Z    2.18
2
 80

90
 1- = P(- Z  <Z< Z  ) = P(-2.18 <Z <2.18) = 2(0.4854)=0.9708
2 2
Probabilitatea cu care garantăm rezultatul este 97.08%.
Cazul 2. Fie X o variabilă aleatoare distribuită normal cu media m şi dispersia 2.

Presupunem că  este necunoscută şi estimată prin s 

2 1 n

n  1 k 1
2
nk xk  x .
2
 
Xm
Atunci n este distribuită Student cu n-1 grade de libertate şi tα;n-1 este definită
S
prin P(X ≥ tα;n-1) =α, pentru X distribuită Student, cu n-1 grade de libertate. Aceste valori
critice se extrag din ANEXA, Tabelul 2, din linia n-1 şi coloana . Avem
 xm 
P - t α 2;n 1  n  t α 2;n 1   1 - 
 s 
de unde, cu probabilitatea 1-.
 s s 
m  x  .t  / 2;n 1 , x  .t  / 2;n 1 
 n n 
Observaţie. Când volumul n al măsurătorilor este mare, în general n >120, valorile critice tα;n-1
ale distribuţiei Student sunt aproximativ egale cu Z ale distribuţiei N(0,1).
Aplicaţia 14. Studiul asupra lungimii frunzelor de căpşuni X(cm) ~ N(m, 2), făcut pentru n
= 400 exemplare, a condus la x =8,7 cm şi s=1,2 cm. Să se afle intervalul de încredere pentru
valoarea medie teoretică a acestui caracter cu probabilitatea de încredere de 99%.
Rezolvare.
Intervalul de încredere este dat de
 
2.58  8.55, 8.85
1.2 1.2
m  8.7  2.58, 8.7 
 400 400 
unde
t  / 2;n 1  Z  / 2  Z 0.005  2.58
Cazul 3 . Interval de încredere pentru dispersia teoretică 2 a unei variabile aleatoare distribuită normal.
Fie
(n  1)s 2
t n (x1 , x 2 ,........, x n ; σ 2 )    2n 1
σ 2

Atunci
 2 (n  1)s 2 
P  1 α 2;n  1    2
α 2;n  1 
 1  .
 σ 2


Rezultă
 n n (x  x ) 2 n n k (x k  x ) 2 
σ 2   k 2k , 
 k 1  α 2;n1 k 1 12α 2;n1 
 α2 2;n 1 12α 2;n 1
cu probabilitatea 1-, unde şi sunt valorile critice ale distribuţiei Hi-
pătrat pentru probabilităţile de risc /2 respectiv 1-/2 şi n-1 grade de libertate (Tabelul 3
ANEXA).
Aplicaţia 15. La recepţionarea merelor ambalate în lăzi, (care trebuiau să fie în lăzi de 20 kg),
s-a efectuat un control prin sondaj, cântărindu-se la întâmplare n = 15 lăzi, pentru care au fost
91
găsite următoarele greutăţi: 18.5; 19.6; 20.1; 20; 19.8; 21; 20.8; 18.9; 20; 19.5;
21;18;19.7;19;20.6. Să se afle intervalul de încredere pentru media şi dispersia teoretică m şi
2 a caracterului studiat, considerat distribuit N (m,2), cu riscul =5%.
Rezolvare. Avem

n x i i
296.3 (5864.01 
296.32
)
11.097
x i
  19.75 s2  15   0.793; s  0.89
n 15 14 14

Rezultă
 
2.145  19.25, 20.24
0.89 0.89
m  19.75  2.145, 19.75 
 15 15 
xi ni fi* nixi nixi2
18.0 1 6.7 18.0 324
18.5 1 13.3 18.5 342.25
18.9 1 20.0 18.9 357.21
19.0 1 26.7 19.0 361
19.5 2 40.0 39.0 760.5
19.7 1 46.7 19.7 388.09
19.8 1 53.3 19.8 392.04
20.0 3 73.3 60.0 1200
20.8 3 93.3 62.4 1297.92
21.0 1 100.0 21.0 441
∑ 15 296.3 5864.01

cu probabilitatea de 95%. Cu aceeaşi probabilitate obţinem

11.097 11.097 
2   ,  0.425, 1.971
 26.12 5.63 
Analizând intervalul de încredere al mediei teoretice, ipoteza ca m=20 Kg ar putea fi
acceptată.
Cazul 4. Interval de încredere pentru diferenţa mediilor a două populaţii distribuite normal.
Fie variabilele aleatoare X1 ~ N(m1 , 12 ) si X 2 ~ N(m 2 ,  22 ) ce caracterizează două
populaţii din care se extrag selecţiile (X1 , X2 ,..., Xn1 ) respectiv (X1, X2 ,..., Xn2 ) . Intervalul
de încredere pentru m1 – m2 se face în cele două circumstanţe analizate în cazul 1, respectiv
cazul 2.
a) Presupunem că dispersiile teoretice 12 ,  22 sunt cunoscute. Ştim că
variabila
X 1  X 2  (m1  m2 )
Z ~ N (0,1)
 12  22

n1 n2
avem atunci
 
 
 X 1  X 2  ( m1  m2 ) 
P  Z α 2   Zα 2   1  
 1 2
 2

  2 
 n1 n2 
şi intervalul de încredere este

92
  2 2 2 2 
m 1 - m 2   X1  X 2  Z   1  2 , X1  X 2  Z   1  2 
 2
n1 n 2 2
n 1 n 2 
cu probabilitatea 1-. Când zero face parte din intervalul de încredere, se poate accepta
ipoteza că m1 = m2.
Aplicaţia 16. Presupunem două maşini pentru ambalarea cărnii în pachete de 1000 g. Din
experienţa trecută cunoaştem că greutatea cărnii ambalate este variabilă aleatoare distribuită
N(m1,1=3g), respectiv N(m2,2=4g). Presupunem că în urma cântăririi a 100 pachete de la
fiecare maşină am obţinut x1=1007 g şi x2=997 g. Găsiţi un interval de încredere pentru m1 –
m2 cu probabilitatea de încredere de 95%.
Rezolvare.
 9 16 9 16 
m1 - m 2  1007  997  1.96   , 1007  997  1.96   
 100 100 100 100 
 10  0.98, 10  0.98  9.02, 10.98
Cele două maşini nu pot fi considerate la fel de bune, zero nu aparţine intervalului de încredere
al diferenţei mediilor teoretice.
b). Presupunem că dispersiile teoretice 12 ,  22 sunt necunoscute dar 12 =  22 .
Ştim deja că variabila aleatoare
t
X 1 
 X 2  (m1  m 2 )
s 1 n1  1 n 2
este distribuită Student cu (n1+n2-2) grade de libertate, unde
(n1  1)s12  (n 2  1)s 22
s2 
(n1  n 2  2)
este media ponderată a celor două dispersii de selecţie. Din condiţia
  
X  X 2  (m1  m 2 )
P - t α 2;n1 n 2 2  1

 t α 2;n1 n 2 2   1 - 
 s 1 n1  1 n 2 
 
rezultă
 1 1 1 1 
m 1 - m 2   X1  X 2  s   .t α 2;n1  n 2 2 , X1  X 2  s   t α 2;n1  n 2 2 
 n1 n 2 n1 n 2 
Cazul 5. Interval de încredere pentru parametrul p al unei distribuţii binomiale
1 0
Fie X o variabila aleatoare cu distribuţia X :  , q  1  p şi fie o
p q
n
selecţie de volum mare (x1, x2, …,xn). Variabila aleatoare k   X i reprezintă numărul
i 1
valorilor egale cu 1 din eşantionul (x1, x2, …,xn). Am arătat în capitolul Teoreme limită
centrală că variabila
n

 X np i
k  np
k
n
p
Zn  i 1
  
rep
N(0,1)
npq np(1  p) p(1  p)
n
k
Cum frecvenţa relativă p̂  este o estimaţie a lui p, prin analogie cu cazul 1, avem
n

93
  k 
 p 
P  Zα  n  Zα   1 
 2
p(1  p)
2

 
 n 
de unde
 p̂(1  p̂) p̂(1  p̂) 
p  p̂  Z  , p̂  Z  
 2
n 2
n 
cu o probabilitate egală cu 1-.
Aplicaţia 17. Pentru estimarea probabilităţii p cu care perele din soiul Curé sunt atacate de
Venturia, s-au verificat 500 fructe luate la întâmplare, găsindu-se 10 pere atacate. Considerând
că numărul fructelor atacate are o distribuţie binomială, găsiţi un interval de încredere pentru p
cu probabilitatea de 0.95.
k 10
Rezolvare. Din enunţ avem p̂    0.02 . Atunci
n 500
 0.02  0.98 0.02  0.98 
p  0.02  1.96 , 0.02  1.96   0.008, 0.032 .
 500 500 
Metoda celor mai mici pătrate
Fie X şi Y un cuplu de variabile aleatore şi presupunem că există o dependenţă între ele.
Pentru a găsi tipul de dependenţă, primul pas este să adunăm un număr mare de cupluri de
valori  
x i , y i i 1, 2..n . Atunci le reprezentăm grafic şi obţinem un “nor de puncte”.
Pasul următor constă în a găsi relaţia y=F (x) astfel încăt graficul funcţiei F să ajusteze cât
mai bine datele experimentale.
Dacă norul de puncte este distribuit aproximativ după o linie dreaptă,
atunci vom căuta F (x)=mx+b cu m şi b bine alese. În cele ce urmează vom detalia ce
înseamnă bine alese.
Fie d i  y i  mx i  b pătratul diferenţei între valorile experimentale
2 2

(empirice) y i şi cele aşteptate teoretic mx i  b . Atunci pare rezonabil să alegem m şi b

2
astfel încât d i să fie cât mai mici.
Metoda celor mai mici pătrate constă în minimizarea sumei
n
d 12  d 22  ..........d 2n   [y i  (mx i  b)] 2 .
i 1

Fie
n
f(m, b)   [y i  mx i  b] 2  (y1  mx 1  b) 2  (y 2  mx 2  b) 2  ....  (y n  mx n  b) 2
i 1

Pentru cazul de minim avem,

94
  f
 m  2x 1 (y1  mx 1  b)  2x 2 (y 2  mx 2  b)  .........  2x n (y n  mx n  b)  0

 f  2(y  mx  b)  2(y  mx  b)  .........  2(y  mx  b)  0
 b 1 1 2 2 n n

sau
 n 2 n n

  i
m x  b  x i   x i yi
 i 1 i 1 i 1
 n n
m x  nb 
  i
 i 1
i 1
yi

de unde
n n
 n   n 
y x
n
  x i     yi   n x i yi i i

m   i 1   i 12  b m
i 1 i 1 i 1

 n
 n n n
  x i   n  x i2
 i 1  i 1

Dreapta pe care am găsit-o se numeşte dreapta de regresie.

VERIFICAREA IPOTEZELOR STATISTICE

Introducere generală
In practică suntem adesea puşi în situaţia de a lua decizii în ceea ce priveşte o populaţie
statistică pe baza informaţiilor obţinute dintr-un eşantion. Astfel de decizii sunt numite decizii
statistice şi entru a putea să fie luate este comod să se facă ipoteze despre populaţia statistică
considerată.
Prin ipoteză statistică se înţelege o presupunere (o consideraţie) asupra naturii
distribuţiei unei mărimi aleatoare, asupra parametrilor ce o determină.
Ipotezele pot fi adevarate sau nu, sunt ipoteze statistice şi cel mai adesea se referă la
legea de probabilitate pe care caracterul studiat o urmează în populaţia statatistică respectivă, la
natura unui proces stochastic, la estimarea parametrilor acestui proces. Când legea de
probabilitate este cunoscută, ipoteza se referă numai la parametri.
Concluziile sunt de natură probabilistă, adică concordanţa diferitelor ipoteze cu
realitatea se face în limitele unui risc sau unei erori asociate lor.
Metodele care ne permit să decidem acceptarea sau respingerea ipotezelor statistice, sau
să determinăm dacă eşantioanele observate diferă semnificativ de rezultatele aşteptate, se
numesc verificari de ipoteze sau reguli de decizie. Mijloacele de verificare a ipotezelor
statistice se numesc teste statistice.
Concepte şi erori în testarea ipotezelor statistice
Ipotezele apar întotdeauna în perechi: ipoteza nulă şi ipoteza alternativă. Ipoteza ce
urmează a fi verificată şi este presupusă admisibilă, se numeşte ipoteza nulă şi uzual este
notată H0. Ipoteza nulă (H0) într-o exprimare mai simplă se formulează astfel: abaterea
paramerilor estimaţi faţă de parametrii populatiei este zero (nulă).
Respingerea ipotezei nule implică acceptarea unei alte ipoteze, numită ipoteza
alternativă, notata H’.
În acest capitol sunt incluse noţiunile introductive şi procedeele generale pentru testarea
ipotezelor statistice.

95
 La extragerea probelor dintr-o populaţie, se obţin mereu alte valori pentru medie,
dispersie, frecvenţe relative etc., valori care se abat mai mult sau mai puţin de la adevaratele
valori ale indicatorilor populaţiei. Aceste abateri se pot diminua pe măsură ce se măreşte
numărul observaţiilor. În practică suntem însă constrânşi la a trage concluzii pe baza unor
probe de volum restrâns.
Va fi prezentat un număr de teste statistice referitoare la ipoteze statistice asupra
mediilor şi dispersiilor populaţiilor statistice, asupra tabelelor de contingenţă (test χ2 de
independenţă), test de concordanţă etc. Considerăm o variabilă aleatoare a cărei densitate de
probabilitate este de tipul f(x;1,2, ...., m) şi formulăm ipoteze în legătură cu aceşti parametri.
Fie   Rm mulţimea care conţine valorile posibile ale parametrilor
(1,2, ...., m), parametri ce pot fi estimaţi fie prin metoda verosimilităţii maxime, sau altă
metodă.
Ipoteza nulă pe care o verificăm este de tipul H0:  = 0, sau H0: D unde D, D ≠
. Ipoteza alternativă se notează H ':   0, sau H':    \ D.
Dacă D respectiv  \ D este formată dintr-un singur element, atunci ipoteza nulă,
respectiv alternativa, se numeşte simplă, în caz contrar se numeşte compusă.
Problema rezidă în a decide, pe baza unui eşantion concret x 1, ..., xn, dacă H0 se
acceptă sau se respinge. Când se acceptă H0, se spune ca nu există temei pentru a accepta
abaterea ca semnificativă (adica este nesemnificativă sau neasigurată). Nesemnificaţia unei
abateri nu înseamnă o infirmare a ei, ci obligă la continuarea cercetărilor.
In toate situaţiile de testare a ipotezelor statistice sunt aplicate următoarele etape.
a) Se identifică ipoteza nulă H0 şi ipoteza alternativă, care contrazice ipoteza nulă.
b) Se stabileşte testul statistic care va fi folosit drept criteriu de acceptare sau
respingere a ipotezelor formulate, care este o statistică (formulă specifică) ce
furnizează o valoare numerică obţinută pe baza eşantionului de măsurători şi a
valorilor conţinute în ipoteze.
c) Fie această expresie T(x1 , x 2 ,..., x n ; 1 ,  2 ,...,  m ) .
d) Sunt calculaţi indicatorii statistici ai eşantionului concret x1, ..., xn şi valoarea
numerică a testului statistic..
e) Se împarte mulţimea valorilor numerice posibile ale testului în două regiuni:
regiunea critică W şi regiunea de acceptare R= W . Dacă valoarea numerică a
testului aparţine regiunii critice, se respinge ipoteza nulă, accepând alternativa.
Aceptarea unei ipoteze înseamnă numai că ea nu este în contradicţie cu materialul
de cercetare.
Trebuie să se ia în calcul două tipuri de erori, şi anume:
a) H0 este respinsă cu toate că este adevărată. O asemenea eroare se numeşte eroare de
b) gradul I şi probabilitatea sa este
c) P(T(x1 , x 2 ,..., x n ; 1 ,  2 ,...,  m )  W   D)  
d) H0 este acceptată cu toate că alternativa este adevărată. Această este eroarea de gradul
II şi are probabilitatea
e) P(T(x1 , x 2 ,..., x n ; 1 ,  2 ,...,  m )  W    \ D)  
Probabilitatea de a respinge ipoteza H0 când este adevărată alternativa,
P(T(x1 , x 2 ,..., x n ; 1 ,  2 ,...,  m )  W    \ D)  1  
se numeşte puterea testului.

96
Când se respinge H0 (cu toate că este adevărată), s-a convenit ca acest lucru să se realizeze cu o
probabilitate mai mică de 5%. În acest caz abaterile  o    0 sunt considerate semnificative
(asigurate), cel puţin cu probabilitatea de 95 %.
Când avem un singur parametru asupra căruia s-a formulat o ipoteză simplă (de tipul m=mo)
ipoteza alternativă poate avea una din cele trei forme.
a) Ho : m = mo cu alternativa H´: m ≠ mo caz în care testul este bilateral.
b) Ho : m = mo cu alternativa H´: m < mo caz în care testul este unilateral stânga.
c) Ho : m = mo cu alternativa H´: m > mo caz în care testul este unilateral dreapta.
Testul Z şi Testul t pentru verificarea egalităţii dintre o medie teoretică şi
o medie ipotetică
1. Cazul în care dispersia este cunoscută (testul Z)
Fie X~N(m,2), deci M(X) = m, iar V(X)= 2. Fie 2 cunoscut şi fie m necunoscut. Despre m
avem formulată următoarea ipoteză: H0: m = m0. În ce măsură suntem îndreptăţiţi a accepta
ipoteza H0: m = m0 pe baza unui eşantion concret : x1, x2, ...., xn de volum n?
Fiecare din mărimile xi este valoarea unei variabile asociate Xi cu M(Xi) = m şi D(Xi) =
1 2
2. Mărimea aleatoare X   X i are M(X ) = m şi V(X ) = 2/n. Avem X ~ N(m, )
n i n
Dacă este adevărată ipoteza H0: m = m0, atunci mărimea
Z
X  m  0 (1)
σ n
este distribuită N(0,1).
Pentru un risc  dat anterior, 0 <  < 1, se determină o regiune W încât
PZ  W   α  
1 x 2 2
e dx
W
2π
Atunci când ipoteza H0: m = m0 este adevărată, din 100 decizii, în medie de 100. ori se
respinge H0 deşi ipoteza este adevărată. ( este probabilitatea erorii de gradul I şi se mai
numeşte probabilitate de transgresiune, prag de semnificaţie sau risc). Pentru  dat, în cazul
unui test bilateral, regiunea de respingere (domeniul critic) este W  (,Z  / 2 ]  [Z / 2 , )
unde Z/2 este valoarea critică a funcţiei N (0,1) şi este
1.96   5%

Z   2.58   1% .
2 3.29   0.1%


Deci se respinge ipoteza când z 

x  m 0
n  Z α 2 şi se acceptă ipoteza H0 când
σ

z
x  m 0
n  Z α 2 . Regiunile de respingere şi acceptare sunt simetrice faţă
σ
valoarea testată, m0 (vezi figura 9.1)

97
 Fig.1 Test bilateral
În acest test bilateral domeniul critic este W  (, Z  ]  [ Z  ,)
2 2

Testul folosit în cazul 1 se numeşte test Z bilateral şi domeniul de acceptare este dat de Z <
Z/2.

Pentru testul unilateral stânga, respingem H0 dacă z 

x  m0  
n  - Z  , deci regiunea
σ
critică este W  (.  Z  ] , iar pentru testul unilateral dreapta, respingem H0 dacă

z
x  m 
0
n  Z  , deci regiunea critică este [Z  , ) . Z  este valoarea critică a
σ
distribuţiei normale reduse pentru riscul  şi are valorile
1.64   5%

Z   2.33   1% .
3.09   0.1%

Observaţie. La testele bilaterale regiunea critică fiind simetrică faţă de origine, se spune că are ”două cozi”,
pe câtă vreme, regiunea critică pentru testele unilaterale are ”o coadă”.
Aplicaţia 18. Durabilitatea unei anvelope auto poate fi considerată o variabilă aleatoare
distribuită normal cu media m = 30000 km şi dispersia 2=(800 km)2. Se face o schimbare în
procesul tehnologic şi pe baza unui sondaj de 100 anvelope, media aritmetică a durabilităţii
este x = 29000 km. Se poate afirma pe baza acestui sondaj că durabilitatea anvelopelor a
rămas neschimbată?
Rezolvare.
Trebuie verificată ipoteza H0: m=30000 km faţă de alternativa H' : m  30000 km. Folosim

statistica Z 

X  m0 
 N(0,1) .
σ n
Avem
29000  30000
Z  12,5 .
800 100
Atunci Z=12,5***. Avem situaţia următoare
Z2.5% Z0.5% Z0.5‰

0 1.96 2.58 3.29

domeniul critic
domeniul de acceptare

98
 Valoarea Z calculată aparţine domeniului critic, deci se acceptă
alternativa, m≠30000 km foarte semnificativ. (Dacă respingem Ho, am greşi în mai puţin de
0.1% cazuri).
Aceeaşi soluţie găsim dacă determinăm intervalul de încredere pentru m, după procedeul dat în
Capitolul 8.
     800 800 
m  x  .Z  / 2 , x  Z  / 2   29000  3.29, 29000  3.29 
 n n   100 100 
 28737, 29263
Cum m=30000 nu aparţine intervalului de încredere calculat pentru =0,1% deci se acceptă
ipoteza H' : m  30000.
Dacă valoarea calculată ar fi în domeniul critic, plasată între valorile critice pentru
riscurile de 5% şi 1%, diferenţele între media teoretică şi media ipotetică sunt semnificative
(am greşi respingând H0 în mai puţin de 5 din 100 cazuri analizate) şi simbolul folosit pentru a
desemna acest lucru este *.
În cazul în care valoarea calculată este între valoarea critică pentru riscul de 1% şi cea
corespunzătaore riscului de 1‰, se spune că diferenţele între media teoretică şi media
ipotetică sunt distinct semnificative, simbolul folosit este **.
Iar în cazul în care valoarea calculată depăşeşte şi valoarea critică pentru riscul de 1‰, se
spune că diferenţele între media teoretică şi media ipotetică sunt foarte semnificative, iar
simbolul folosit este ***. Probabilitatea de a respinge H0 în cazul că ar fi adevărată este mai
mică de 0.1%.
Aplicaţia 19. La seminţele de brad s-a stabilit drept valoare medie greutatea de 55.4 g pentru
masa a o mie de seminţe şi o abatere standard de 7.85 g. O cercetare efectuată pentru Oltenia,
bazată pe n=167 observaţii a stabilit o nouă medie de 60.6 g. Putem admite cu un risc de 5%
că media pentru Oltenia este mai mare ca cea stabilită anterior ?
Rezolvare. H0 : m = 55.4 cu alternativa H´: m > 55.4. Utilizăm un test unilateral dreapta.
Avem
Z= 60.6  55.4 . 167 , rezultă că Z = 8.56 > Z5 %=1.64 deci
7.85
se acceptă H’ : m > 55.4
Aplicaţia 20. Observaţiile asupra înălţimii a n=143 bărbaţi a condus la o înălţime medie de
179 cm. Presupunând acest caracter distribuit N(mo=182cm, =4cm), să se verifice ipoteza H0:
m = mo cu alternativa H´: m < mo cu un risc   5% .
Rezolvare. Cu un test Z unilateral stânga regiunea critică este dată de

Z
 X  m0  n  - Z .
σ
179  182 143  8.968  - 3.09  -Z
Avem Z  0.001
4
Se acceptă alternativa, m < mo foarte semnificativ.
Aplicaţia 21. Fie o variabilă aleatoare X~N(m, =5). O selecţie de volum n=25 a condus la o
valoare medie x  19.5 .
Se consideră H0 : m = 20 cu alternativa H´: m =23.
a) Să se determine o regiune de acceptare a lui H0 pentru =5%.
b) Să se calculeze eroarea de gradul II şi puterea testului.

99
Rezolvare. a) Deoarece în ipoteza alternativă avem m>m0 utilizăm un test unilateral dreapta
şi avem regiunea de acceptare este Z  W  (, Z )   ,1.64 pentru un risc de 5%.
Regiunea de respingere (critică) este W  [1.64, ) . In cazul nostru

Z
x  m 0
n
19.5  20
25  0.5  W
σ 5
deci se acceptă H0.
b) Eroarea de tipul II are probabilitatea

  P( Z  W | H' ade var ata)  P


 X  m0  
n  Z  m  23 
 σ 
 
   
 X  m mo  m   X  23 20  23 
 P   Z   P   1.64 
     5 5 
 n n   25 25 
 X  23 
 P  1.36   0.087
 1 
X  m X  23
deoarece dacă H’ este adevărată atunci  este normală redusă.
 1
n
Puterea testului este 1-=0.913.

Cazul în care dispersia este necunoscută (testul T)

Dacă reluăm exemplul 1 şi verificăm ipoteza H0: m = m0 în contextul în care
2 este necunoscută dar estimată prin dispersia de selecţie s 2 
1 n

n  1 k 1
 2

x k  x obţinută pe

baza unei selecţii de volum n, atunci spaţiul ipotezelor admisibile D este format din toate
elementele: m(-, +) şi 2(0, +).
Pentru verificarea ipotezei H0: m = m0, vom folosi statistica

T

X  m0  (2)
S n
despre care ştim că este distribuită Student cu n-1 grade de libertate (conform teoremei 4,
capitolul 7)
În acest caz, domeniul critic W pentru testul bilateral cu un risc este dat de mulţimea
(-, -t/2;n-1  t/2;n-1, +). Notaţia este aici standard : t ;n 1 reprezintă acea valoare reală
pentru care probabilitatea ca o variabilă aleatoare Student cu n-1 grade de libertate să ia valori
mai mari ca t ;n 1 , este  . Pentru diverse grade de libertate şi diverse praguri de risc  , aceste
valori sunt date în Tabelul 2 din Anexa.
Testul folosit mai sus se numeşte testul Student bilateral. Analog cu testele unilaterale
pentru cazul când utilizăm statistica Z, avem teste Student unilateral stânga respectiv dreapta.
In testul Student unilateral stânga, utilizat când ipoteza alternativă este H’ : m<m0, se respinge

H0 când valoarea t 
 x  m0 este mai mică decât  t ;n 1 , iar pentru testul Student unilateral
s n
dreapta, utilizat când ipoteza alternativă este H’ : m>m0, se respinge H0 când valoarea

100
t
x  m  este mai mare ca t
0
 ;n 1 .
s n
Aplicaţia 22. Durata în ore a timpului de nefuncţionare a unui computer pe parcursul unei luni
a fost măsurată în nouă luni şi a condus la următoarele date: 5, 18, 10, 9, 7, 2, 11, 14, 6.
Presupunând o repartiţie normală a timpilor de nefuncţionare, să se verifice ipoteza nulă H0: m
= 10, cu alternativa H': m 10.
Rezolvare. Pe baza datelor de observaţie determinăm:  x  9.1 , s=4.86. Folosim

statistica: t 

X  m0 distribuită Student cu n-1 grade de libertate. Avem:
S n
9  10
t  0,549 . Extragem din tabelul 2 valorile critice ale distribuţiei Student pentru 8
4,74 9
grade de libertate. Avem
t2.5% t0.5% t0.5‰
domeniul critic
0 domeniul de acceptare
2.306 3.355 5.041
Se acceptă ipoteza nulă, m  10 nesemnificativ.
Aplicaţia 23. La n=20 probe de sol a fost determinat pH cu ajutorul pH-metrului portabil dar s-
au făcut şi determinări precise în condiţii de laborator. Media aritmetică a diferenţelor este
x  0.03 şi s  0.22 .
Se verifică ipoteza H0: m=0 cu alternativa H’: m≠0 unde m este media teoretică a diferenţelor?
Rezolvare.
 0.03  0
t 20  0.64 Din Tabel 2, t  / 2;n 1  2.093 . Cum |t|<2.093, se acceptă ipoteza
0.22
ca procedeul expeditiv de determinare a pH nu conduce la erori sistematice.
Aplicaţia 24. Pentru a stabili care din două tehnologii de cultură la floarea soarelui este mai
bună, s-au constituit zece perechi de câte 2 loturi, pe fiecare pereche de loturi fiind folosită câte
una din variantele tehnologice. Sporurile de producţie exprimate în t/ha ale variantei I faţă de
varianta II sunt: 1.5 -0.3 0.4 0.5 -1.0 0.7 0.9 -1.2 -0.7 0.5. Considerând sporul de
producţie o variabilă aleatore repartizată N(m, 2) se cere să se precizeze care variantă
tehnologică este mai bună?
Rezolvare. Prelucrând datele experimentale găsim x  0.13 si s  0.88 .Se verifică ipoteza
H0: m=0 cu alternativa H’: m≠0 unde m este media teoretica a diferenţelor. Aplicând testul t
0.13  0
avem t  10  0.467  t 2.5%;9  2.262 .
0.88
Nu avem suficiente argumente să respingem H0. Cu toate ca media diferenţelor este pozitivă,
deci în favoarea variantei tehnologice I, diferenţele sunt nesemnificative.
Aplicaţia 25. Pentru o anumită localitate din ţară, s-a înregistrat ca medie multianuală,
cantitatea de precipitaţii de m0=410 mm. În ultimii 10 ani precipitaţiile au fost mai reduse,
media fiind de 400 mm, iar abaterea standard s=20 mm.
Se poate accepta ipoteza H0 : m = mo cu alternativa H’: m < m0 folosind observaţiile din aceşti
ultimi zece ani?
Rezolvare. Utilizăm un test Student unilateral stânga, deci regiunea de respingere este
(,t ,n 1 ] . Avem
400  410
t . 10  1.58  t 5%,9  1.83 .
20

101
Drept urmare, se acceptă H0. Au trecut prea puţini ani pentru a accepta ipoteza că s-a modificat
regimul precipitaţiilor pentru localitatea respectivă.
Aplicaţie 26. La exportul de zmeură beneficiarul solicită ca procentul de substanţă uscată să fie
de cel puţin 9%. Să se stabilească dacă o anumită cantitate de zmeură poate fi admisă la export,
ştiind că efectuând 10 măsurători şi prelucrând datele obţinute, avem estimaţiile x=10,2% şi
s=1,2%.
Rezolvare. Caracterul studiat este X= "% de substanţă uscată".
Verificăm ipoteza statistică H0 : m = 9% cu alternativa H’: m > 9%. Testul Student unilateral
dreapta are regiunea critică [t ,n 1 , ) unde pentru   5% şi n=10 găsim t 5%;n 1  1.83 .

Cum t 
10.2  9
10  3.16  t  se acceptă alternativa H’: m > 9%.
1.2
Lotul de zmeură testat respectă condiţia pusă de beneficiar.

Test χ2 bilateral cu privire la egalitatea dispersiei unui caracter

distribuit normal cu o dispersie ipotetică
Fie x1, x2, ..., xn un eşantion de volum n dintr-o populaţie statistică în care caracterul X
este distribuit normal.
Ne propunem să verificăm ipoteza: H0: 2 = 20 faţă de alternativa H': 2  20.
În acest scop vom folosi statistica
(n  1)S 2
U (3)
σ 02
despre care ştim că este distribuită χ 2 cu n-1 grade de libertate (teorema 3, capitolul 7). Testul
fiind bilateral, domeniul critic W pentru situaţia H0 este adevărată, este dat
de W  (0, 12 / 2 ]  [ 2 / 2 , ) , deci se respinge H0 dacă
U < χ 2 1-/2; n-1 sau U > χ 2 /2 ; n-1.
Valorile critice χ 2 1-/2; n-1 şi χ 2 /2 ; n-1 sunt extrase din tabelul 3.
Aplicaţia 27. Pentru un strung la care se prelucrează un anumit tip de piese, se consideră că
precizia este asigurată, dacă abaterea medie pătratică a dimensiunii studiate nu depăşeşte 0 =
0,2 mm. Pentru un sondaj de n=10 piese, s-a găsit s=0,25 mm. Să se verifice ipoteza: H0:
2=0,04 mm faţă de alternativa H': 20,04 mm.
(n  1)S2 9(0,25) 2
Rezolvare. Folosim statistica: U    14,06 .
σ 02 0,04
χ 20,975 χ 20,025

0 3,33 16,92 +
domeniul de acceptare

Observăm că U calculat aparţine domeniului de acceptare, deci precizia prelucrării este

asigurată.
Test Fisher pentru verificarea ipotezei de egalitate a două dispersii teoretice

Ipoteza de testat este H0:  1   2 cu alternativa H’:  1   2 , unde  12 si  22 sunt

2 2 2 2

dispersiile teoretice ale unui caracter X urmărit in două populaţii statistice.

102
 Acest test se mai numeşte test de omogenitate. Pe baza datelor obţinute din două
eşantioane de volum n1, respectiv n2 se calculează cele două două dispersii de selecţie S12 şi S 22 .
Se ştie din teorema 7, capitolul VII că dacă 1   2 atunci statistica
S12
F (4)
S 22
este distribuită Fisher-Snedecor cu n1-1 grade de libertate la numărător, respectiv n2-1 grade de
libertate la numitor. Pentru un test bilateral, la un risc  , domeniul critic este de
forma W  (0, F1 / 2;n1 1,n 2 1 ]  [F / 2;n1 1,n 2 1 , ) . Pentru un test unilateral vom alege la
numărător valoarea mai mare astfel ca F>1 şi atunci domeniul critic W este dat de F>F (n1-1;
n2-1,). Valorile critice ale funcţiei Fisher sunt date în tabelele 4, 5, 6. Dacă ipoteza de
2
omogenitate se respinge pentru că raportul F  S12 a ieşit prea mare (  F;n1 1,n 2 1)  ), este foarte
S2
probabil că 1   2 şi raportul corect care are distribuţie Fischer-Snedecor trebuie să fie,
S12  22
conform teoremei 7 din capitolul VII, F  . Acesta ar trebui foarte probabil să valori mai
S 22 12
mici ca F;n1 1,n 2 1)  , ceea ce corespunde cu  2  1 .
Aplicaţia 28. În aceleaşi condiţii de climă şi sol, folosind aceeaşi tehnologie de cultură, au fost
instalate două culturi de plop: una din clona A iar a doua din clona B. Au fost folosiţi puieţi de
aceeaşi vârstă şi înălţime. După doi ani s-a controlat caracterul înălţime a puieţilor, măsurând
45 puieţi din clona A şi 36 din clona B. După prelucrarea datelor s-a obţinut
s12  0.70 si s 22  1.51 . Să se compare variabilitatea celor două culturi, stabilind astfel care
clonă este mai stabilă, mai potrivită condiţiilor de mediu.
Rezolvare. Verificam H0:  1   2 cu alternativa H’:  1   2 , unde  1 si  2 sunt
2 2 2 2 2 2

dispersiile teoretice ale înălţimii puieţilor în cele două culturi. Obţinem

1.51
F  2.157  F5%;(35, 44)  1.95
0.7
În concluzie, dispersiile sunt neomogene în cele două populaţii statistice. Puieţii din
Clona B au o dispersie a înălţimii mai mare decât cei din Clona A, care sunt mult mai bine
adaptaţi la mediul de cultură ales.
Aplicaţia 29. Fie X =”conţinutul în fibre la cânepă exprimat în %”. Considerăm două soiuri
cultivate şi întreţinute în condiţii asemănătoare. În urma a câte 100 determinări la fiecare soi,
avem s1  2.09% si s 2  1.71% . Comparaţi variabilitatea celor două soiuri de cânepă.
Rezolvare. Verificam H0:  12   22 cu alternativa H’:  12   22 ,
2.09
F  1.222  F5%;(99,99)  1.3
1.71
Se acceptă ipoteza de egalitate a dispersiilor teoretice.

Test de verificare a ipotezei de egalitate a frecvenţei teoretice

cu o frecvenţă ipotetică.
Considerăm un şir X i de variabile aleatoare independente având toate repartiţia
1 0 
binomială, X i :   , X i luând valoarea 1 dacă la experienţa numărul i asupra
 p 1  p 
unei unităţi extrase aleator din populaţia statistică se detectează calitatea A şi zero în caz
103
 n
contrar. Dacă se efectuează n astfel de experienţe, obţinem variabila aleatoare X   X i ce
i 1
reprezintă frecvenţa absolută de apariţie a calităţii A în cele n observaţii făcute.
X
X reprezintă proporţia de reuşite la un şir de n experienţe independente. Se
n
testează ipoteza că parametrul p (numit şi probabilitatea de reuşită) este egal cu o
valoare dată p0.
Testăm deci ipoteza H0: p=p0 contra alternativei H’: p≠p0.
Notăm q 0  1  p 0 . Dacă H0 este adevărată atunci pentru un eşantion n mare, vatiabila
aleatoare
X  np 0 X  p0
Z  (5)
np 0 q 0 p0q 0
n
are aproximativ o distribuţie N0,1 (Teorema De Moivre-Laplace). Regiunea critică, de risc 
, este W  (,Z  / 2 ]  [Z / 2 , ) . Dacă |Z| < Zα/2 se acceptă ipoteza H0.
Aplicaţia 30. Un fabricant de medicamente anunţă că unul din produsele sale are eficienţa de
92% în suprimarea alergiei după 8 ore de la tratament. Pentru un eşantion de 250 de persoane,
rezultatul a fost eficient pentru 180 dintre ei. Verificaţi dacă afirmaţia fabricantului este
legitimă.
Rezolvare. p0=0,92, numărul de experienţe este n=250, valoarea lui X pe acest şir de
experienţe este 180, deci valoarea lui Z este
X  np 0 180  0.92  250 180  230  50
Z     11.65
np 0 q 0 250  0.92  0.08 18.4 4.29
Deoarece  11.65  3.29  Z 0,0005 se respinge ipoteza H0 cu un prag de 0.001.
Se acceptă H’: p  0,92 . Diferenţa dintre probabilitatea de reuşită a medicamentului şi
afirmaţia fabricantului este foarte semnificativă.
Aplicaţia 31. Se pretinde pretinde că la meciurile de fotbal spectatorii bărbaţi şi femei sunt în
număr egal. Din 300 de spectatori aleşi la întâmplare se constată ca 186 sunt bărbaţi. Verificaţi
dacă se poate admite această pretenţie.
Rezolvare. Verificăm ipoteza H0: p=0.5 cu alternativa H’: p≠0.5
186
 0.5
X  p0 300
Z   4.157  Z 0.05%  3.29
p0q 0 0.5  0.5
n 300
Pretenţia nu este justificată. Se acceptă H’: p≠0.5.
Aplicaţia 32. Se cercetează proporţia de studenţi care au un calculator personal. Din 200 de
studenţi, 146 au un calculator personal. Testaţi cu un nivel de semnificaţie de 5% ipoteza H0:
p= 0.75 cu alternativa H’: p < 0.75.
146
 0.75
Rezolvare. Z  X  p 0  200 
 0.02
 0.645   Z 5%  1.64 Se accepta H0.
p0q 0 0.75  0.25 0.031
n 200

104
 TESTE PENTRU VERIFICAREA IPOTEZELOR STATISTICE CÂND SUNT
IMPLICATE MAI MULTE POPULAŢII STATISTICE
Fie X un caracter distribuit N(m1,21) într-o populaţie statistică P1, iar într-o altă
populaţie statistică P2 acelaşi caracter X este distribuit N(m2, 22).
Comparaţii de medii
Cazul I. Verificăm ipoteza H0: m1 = m2 faţă de alternativa H ': m1  m2 în cazul în care 21 şi
22 sunt cunoscute.
Construim statistica pe baza a n1 valori selectate în populaţia P1 şi a n2 valori selectate
în populaţia statistica P2, selecţii independente. Statistica

Z

X1  X 2  (1)
σ12 n 1  σ 22 n 2
este distribuită N(0,1) atunci când H0 este adevărată (conform teoremei 5, Capitolul VII).
Am notat cu X1 şi X2 mediile aritmetice ale celor două selecţii independente. În acest
caz, domeniul critic este dat de
W=(-, -Z /2]  [ Z /2, +).
Aplicaţia 33. Presupunem două maşini pentru ambalarea cărnii în pachete de 1000 g. Din
experienţa trecută cunoaştem că greutatea cărnii ambalate este variabilă aleatoare distribuită
N(m1,1=3g) la prima masina, respectiv N(m2,2=4g) la a doua masina. Presupunem că în
urma cântăririi a 100 pachete de la fiecare maşină am obţinut x1=1007 g şi x2=999 g. Să se
verifice ipoteza H0: m1=m2 cu alternativa H ': m1m2.
Rezolvare.
Când Ho este adevarată

Z
 
X1  X 2

1005  999
 12  Z 0.05%  3.29
σ1 n 1  σ 2 n 2
2 2
9 16

100 100
Se acceptă H’: m1m2 foarte semnificativ.
Cazul II. Aceeaşi ipoteză, în cazul în care 21 şi 22 sunt necunoscute dar presupuse egale este
verificată pe baza următoarei statistici

t
 X1  X 2  (2)
S 1 n1  1 n 2
distribuită Student cu n1+n2-2 grade libertate, unde
(n 1  1)S12  (n 2  1)S22
S2  (3)
(n 1  n 2  2)
cu S21 şi S22 sunt dispersiile celor două selecţii independente.
Aplicaţia 34. Se iau două eşantioane independente de volume n1=10 şi n2=8 din două populaţii
statistice în care X este distribuit normal. Considerăm mediile selecţiilor x1=142 şi x2=144.4,
iar s21=2.7 şi s22=3.5. Să se verifice ipoteza H0: m1=m2 cu alternativa H': m1m2.
Rezolvare.
Verificăm mai întâi Ho:  1   2 cu alternativa H’:  1   2 , unde  1 si  2 sunt dispersiile
2 2 2 2 2 2

teoretice ale caracterului X urmărit în cele două populaţii statistice.

S 2 3.5
F  22   1.27  F5%;( 7,9)  3.3
S1 2.7
Se acceptă ipoteza că dispersiile sunt omogene.
Calculăm dispersia de selecţie ponderată

105
 (n1  1)S12  (n 2  1)S22 9  2.7  7  3.5
S 2
  3.05
(n1  n 2  2) 16
Statistica t calculată este

t
X 1  X2  
142  144.4

 2.4
 2.9
S 1 n1  1 n 2 1 1 1.746  0.474
3.05 
10 8
t  2.9  t 2.5%;16  2.12
Se acceptă H': m1m2 semnificativ.
Aplicaţia 35. La 20 bărbaţi şi 12 femei luaţi la întâmplare, s-a determinat numărul de globule
roşii conţinute într-un mm3 de sânge, obţinându-se următoarele rezultate: x1=4,93 şi s12=0,148
şi x2=4,27 şi s22=0,064. Presupunând că numărul de hematii pentru fiecare sex este o variabilă
aleatoare distribuită normal cu media şi dispersia necunoscute, se cere pe baza acestui sondaj
să se stabilească dacă între mediile necunoscute există diferenţe semnificative.
Rezolvare. Verificăm mai întâi ipoteza H0: 21=22. Folosim statistica:
F= S21/ S22=0.148/0.064=2.31<F=5%:19,11=2.72.
Se acceptă Ho. Calculăm dispersia ponderată
(n 1  1)S12  (n 2  1)S 22 19  0.148  11  0.064
S 
2
  0.117
(n 1  n 2  1) 30
S  0.117  0.342

t

X1  X 2

 4.93  4.27

0.66
 5.287
S 1 n1  1 n 2 1 1 0.342  0.365

0.342
20 12
t  5.287  t 0.05%;30  3.64
Între mediile teoretice există diferenţe foarte semnificative.
Cazul III. Dacă cele două dispersii teoretice sunt necunoscute, dar nu poate fi
acceptată ipoteza de egalitate a lor, ipoteza nulă H0: m1=m2 cu alternativa H': m1m2.
se testează pe baza statisticii:

t
X1  X 2   (4)
S1 n 1  S 22 n 2
2

care este distribuită apoximativ Student cu numărul de grade de libertate calculat după relaţia

n 
* s 2
1 n 1  s 22 n 2 2

s 2
1 n1  2
s2 n 2
 2
 
2 (5)

n1  1 n 2 1
unde se ia întregul cel mai apropiat.
Aplicaţia 36. Într-un arboret de molid s-au putut distinge două porţiuni: una în care o
perioadă îndelungată de timp s-a practicat păşunatul şi o a doua, ferită de păşunat prin
împrejmuiri. Să se stabilească dacă păşunatul a influenţat asupra înălţimii medii a arboretului
ştiind că s-au efectuat 25 măsurători în fiecare porţiune obţinându-se în prima
porţiunex1=24.7 şi s12=2.35, iar în a doua porţiunex2=27,5 şi s22=1.05.
Rezolvare.
Verificăm mai întâi Ho:  1   2 cu alternativa H’:  1   2 , unde  1 si  2 sunt
2 2 2 2 2 2

dispersiile teoretice ale înălţimii arboretului de molid în cele două porţiuni.

106
 s 22 2.35
F 2   2.238  F5%;( 24, 24)  1.98
s1 1.05
se acceptă ipoteza alternativă, dispersiile sunt neomogene.

t
X 1  X2  
24.7  27.5

 2.8
 7.59
S12 n 1  S 22 n 2 2.35 1.05 0.136

25 25
t  7.59  t 0.05%;n*
unde

n 
* S 2
1 n 1  S 22 n 2 2


S
2
1 n1 S2 n
 2 2
  2

2

n1  1 n 2 1
2
 2.35 1.05 
  
 25 25  0.136 2  24 n *  42
2 2
  41.87
 2.35   1.05  0.0106
   
 25    25 
24 24
Păşunatul influenţează foarte semnificativ creşterea în înălţime a arboretului de molid.
Cazul IV. Dacă cele două selecţii sunt dependente şi de acelaşi volum de sondaj egal cu n,
ipoteza nulă: H0: m1 = m2 faţă de alternativa H': m1  m2 se transcrie în H0: D = 0 faţă de
alternativa H ': D  0, unde D este media teoretică a diferenţelor, estimată prin media aritmetică
a diferenţelor valorilor de selecţie notatăd, iar S2d este dispersia diferenţelor. Folosim
statistica
D0
t n (6)
Sd
distribuită Student cu n-1 grade de libertate, unde
n
d   d i n iar S   2d
.
n
d i 
2

n 1
d
i 1 i 1
Domeniul de acceptare este dat de: t < t/2;n-1.

Verificarea ipotezei egalităţii unui şir de dispersii

Fie X1, X2,…,Xk variabile aleatoare independente repartizate normal, adică Xi~N(mi,
i),
i=1,…,k. În fiecare populaţie se face câte o selecţie de volum n1,…,nk şi se cere
verificarea ipotezei nule
H 0 : 12   22  ...   2k cu alternativa H': () i, j  2j  i2
Dacă selecţiile realizate au acelaşi volum, adică n 1=…=nk = n, atunci se foloseşte testul
Cochran. Statistica folosită are forma
max Si2
C 2 1i  k
(8)
S1  S 22  ...  S 2k
1 n
unde Si2   (X ij  X i ) 2 , i  1,.., k
n  1 j1
107
sunt dispersiile de selecţie. Ipoteza H0 se respinge dacă C  c() , unde c() este valoarea
tabelară Cochran din linia k, coloana n-1 şi probabilitatea de transgresiune =5%, luate din
Tabelul 7.
Aplicaţia 37. Se efectuează un experiment privind stabilitatea unui anumit tip de semănătoare
timp de şase săptămâni. Erorile de poziţionare, urmărite prin 10 determinări în fiecare
săptămână, au condus la următoarele dispersii de selecţie:
S12  24.21, S 22  34.11, S 32  26.71, S 42  28.24, S 52  29.21, S 62  25.44
Să se verifice dacă precizia maşinii este constantă sau nu.
Rezolvare.
Se cere verificarea ipotezei
H 0 : 12   22  ...   62 cu alternativa H':  2  1  ... j1   j1 ...   6
2 2 2 2 2

Volumele selecţiilor fiind egale, folosim testul Cochran.

34.11
C  0.203
24.21  34.11  26.71  28.24  29.21  24.44
In tabelul Cochran, se extrage din coloana 9, linia 6, valoarea critică c() = 0.3682
Cum Ccalc < c() se acceptă H0, dispersiile sunt omogene, deci semănătorile lucrează cu o
precizie constantă.
Verificarea ipotezei de egalitate a probabilităţilor de succes pentru două
variabile aleatoare alternative independente
Considerăm două populaţii statistice în care sunt studiate variabilele aleatoare alternative X1 şi
X2, cu probabilităţile de realizare a evenimentului A, p1 şi p2.
Verificarea ipotezei H0  p1 = p2 cu alternativa H  p1 ≠ p2 se face cu ajutorul statisticii
X1 X 2

n1 n2 (9)
Z ~ N (0,1)
p1 (1  p1 ) p 2 (1  p 2 )

n1 n2
unde n1,n2 sunt volumele selecţiilor, X1 şi X2 sunt frecvenţele absolute de realizare a
evenimentului A în cele două selecţii.
Când ipoteza H0 este adevarată, valoarea comună a lui p1 şi p2 se înlocuieşte cu estimaţia
X1  X 2
pˆ 
n1  n2
şi valoarea calculată a testului Z este data de
X1 X 2

n1 n2 (10)
Z ~ N (0,1)
1 1 
pˆ (1  pˆ )  
 n1 n2 
Pentru Z calc  Z  se respinge ipoteza nulă.
2
Aplicaţia 38. Două maşini de altoit viţa de vie execută acelaşi tip de lucrare. Să se verifice
dacă maşinile execută lucrări de aceeaşi calitate, ştiind că din producţiile lor se controlează n1
= 450 şi n2 = 600 lucrări, în care s-au găsit X1 = 27 şi X2 = 34 lucrări defecte.
Rezolvare. Se cere verificarea ipotezei H0  p1 = p2 cu alternativa H  p1 ≠ p2 . Calculăm
X1  X 2 27  34 61
pˆ     0.058
n1  n2 450  600 1050
Folosind statistica Z avem

108
 27 34

Z 450 600  0.229  Z 2.5%  1.96
 1 1 
0.058(1  0.058)  
 450 600 
Se acceptă ipoteza H0, cele două maşini de altoit viţa de vie execută lucrări de aceeaşi calitate.
Aplicaţia 39. Două arborete de brad au fost studiate din punct de vedere al prezenţei arborilor
de rezonanţă. În primul arboret, din 4900 arbori testaţi, s-au depistat 36 arbori cu lemn de
rezonanţă, iar în cel de-al doilea arboret, din 2500, 14 au avut această calitate. Să se verifice
ipoteza H0  p1 = p2 cu alternativa H  p1 ≠ p2.
Rezolvare.
Când H0 este adevarată, valoarea comună a celor două probabilităţi este dată de
X1  X 2 36  14 50
p̂     0.0067
n1  n 2 4900  2500 7400
Statistica Z este
36 14

Z 4900 2500  0.858  Z 2.5%  1.96
 1 1 
0.0067  (1  0.0067)  
 4900 2500 
Se acceptă H0.

ANALIZA DE VARIANŢĂ
Analiza dispersională sau analiza de varianţă este o metodă a statisticii matematice, de
analiză "calitativă" a datelor de observaţie care depind de mai mulţi factori cu acţiune
concomitentă, în scopul evidenţierii celor mai importanţi şi a estima influenţa lor. Numim
"factor" orice calitate sau proprietate după care sunt clasificate datele de observaţie. Exemple
de factori: soiul, linia, rasa, doza de îngrăşăminte, doza de medicante etc.
Fiecare factor are de obicei un număr de "gradări″ sau nivele care pot fi descrise
calitativ (soi, rasă) sau cantitativ (adâncimea arăturii, doze îngrăşăminte...).
După numărul factorilor de care depind observaţiile, analiza variantei se împarte în:
- analiză de varianţă unifactorială
- analiză a varianţei polifactoriale
În acest ultim caz se urmăresc atât acţiunile izolate ale fiecărui factor, cât şi interacţiunile
lor. Ipoteza care stă la baza oricărui tip de analiză a varianţei este presupunerea că fiecare
valoare de observaţie depinde liniar de efectele factorilor, cât şi de interacţiunea lor.
O experienţă se numeşte completă, când se fac observaţii pentru toate variantele. Dacă
la fiecare variantă sau nivel al factorului studiat este urmărit acelaşi număr de repetiţii, analiza
variantei se numeşte echilibrată sau balansată
Metoda a fost iniţial propusă de Fisher şi folosită pentru prelucrarea datelor din câmpurile
experimentale. Ulterior, s-a dovedit că poate fi aplicată în cele mai diverse domenii de
activitate.
Ţelul analizei dispersionale este de a scinda dispersia totală în categorii de variaţii
potrivit cauzelor (factorilor) care le determină. După epuizarea tuturor posibilităţilor de analiză
în raport cu factorii controlaţi, faţă de dispersia totală, mai rămâne un rest a cărui cauzalitate nu
se cunoaşte. Acest rest se poate datora acţiunii unor factori neluaţi în considerare si se numesc
erori reziduale etc.
Analiza varianţei este aplicabilă atunci când:
- dispersiile variantelor sunt omogene
109
 - probele se desfăşoară randomizat
- variantele reprezintă probe extrase din populaţii normal distribuite
- numărul de observaţii este suficient de mare.

Analiza de varianţă unifactorială

Asupra unui caracter măsurabil X intervine un factor A prin k variante ale sale: A1, A2,
...., Aj, ..., Ak. La fiecare variantă se fac r măsuratori (repetiţii). Volumul observaţiilor este
n=kr.
Rezultă următorul tabel
Repetiţii \Variante A1 A2 .... Aj .... Ak
1 x11 x12 x1j x1k
2 x21 x22 x1j x2k
. . . . .
i xi1 xi2 ... xij ... xik
. . . . .
r xr1 xr2 .... xrj … xrk
S1 S2 ... Sj … Sk S
Suma
Media x 1 x2 ... x j xk x **

Sj S
Am notat în tabel S j   x j , S   x ij , x  j  şi x **  .
 i j r kr
Model liniar pentru analiza de varianţă
Fiecare valoare xij este valoarea particulară a unei variabile aleatoare ataşate Xij, care
trebuie să îndeplinească următoarele condiţii:
- Toate variabilele Xij sunt distribuite normal şi au aceeaşi dispersie σ2 ;
- efectul variantei Ai asupra lui X este notat i = i-, adică diferenţa dintrei media
variantei Ai faţă de  media generală a experienţei, adica Xiji ~N(+i, σ2).
- fiecare valoare de observaţie xij depinde de media generală a experienţei, de efectul
varianţei i a factorului studiat şi erori de măsură eij adică xij =  + i + eiji, i=1,.....,k, j
=1,.....,r, unde k este numărul de variante şi r numărul de repetiţii. Erorile întâmplătoare
eij sunt valorile unor variabile aleatoare Eij independente si distribuite N( 0, σ2).
-  i  0
i
Definim variaţia totală SPAT (suma patratelor abaterilor faţă de media generală) prin formula
SPA T   x ij2  S2 n   (x ij  x ** ) 2 (1)
i j i j
Variaţia datorată factorului A sau variaţia între variante o notăm cu SPAA, şi o definim prin
SPA A   Si2 r  S2 n  r   (x *i  x ** ) 2 (2)
i i
iar variaţia în interiorul variantei o notăm SPAE şi este dată de
SPA E   ( x i  x *i ) 2 (3)
i 
Se verifică relaţia
SPAT= SPAA+ SPAE (4)
Prin analiza varianţei se verifică ipoteza nulă: H0: i = 0, i=1, ....,k faţă de alternativa
H′: i 0.

110
Presupunerea i = 0 se poate reformula 1 = 2 = ... =k, adică indiferent ce variantă a
factorului A aplicăm, mediile ramân aceleasi ( factorul A nu influenţează caracterul X).
Remarcam faptul că analiza de varianţă constituie o generalizare a testului t, propunându-si să
compare mai mult de două medii ale unor caracteristici distribuite normal. Statistica folosită
este
2
F  SA 2 (5)
SE
unde
SPA A SPA E
S 2A  , iar S 2E  (6)
k 1 nk
Ştim că o dispersie este S2=SPA/(Grade libertate), număarul gradelor de libertate
pentru total este n-1, unde n=kr, numărul gradelor de libertate ale factorului A este k-1, iar
pentru erorile reziduale sunt n-k grade de libertate.
S2
Se demonstrează că raportul A 2 are o distribuţie Fisher F(k-1, n-k), atunci când ipoteza H0
SE
este adevărată şi cu o probabilitate mare este supraunitar dacă H’ este adevarată. Avem atunci
posibilitatea ca regiunea critică să fie « cu o coada », de tipul W  [F;( k 1,n k ) , ) . Dacă
valorile experimentale ale statisticii F sunt mai mici decât valorile critice luate din tabelele 4,
5, 6 - în funcţie de gradele de libertate corespunzătoare, atunci nu există nici un temei să
afirmăm că factorul studiat are influenţă asupra mărimii statistice respective. Deosebirile
nesemnificative rezultate din analiza varianţei nu trebuie confundate cu lipsa existenţei unor
eventuale deosebiri ci trimite la aprofundarea cercetărilor prin majorarea numărului de repetiţii.
Dacă F calculat este mai mare decât F tabelar, atunci se acceptă ipoteza că factorul
cercetat are o influenţă semnificativă.
Se întâmplă însă şi ca rezultate semnificative din punct de vedere statistic să nu prezinte
interes din punct de vedere practic.
Schema analizei de varianţă unifactorială (ANOVA)

Suma pătratelor Grade de

Sursa variaţiei Dispersia F
abaterilor libertate

S2A  SPA A (k  1) S 2A
Între variante SPAA k-1
Factorul A S 2E
S2E  SPA E (n  k)
Erori reziduale SPAE n-k

Total SPAT n-1 −

Dacă prin analiza varianţei s-au constatat diferenţe semnificative, se trece la o analiză în
detaliu a diferenţelor dintre mediile variantelor.
Când Fcalculat < F; (k-1;n-k) se acceptă ipoteza H0, în caz contrar urmează să analizăm
diferenţele între mediile variantelor.
Aceste diferenţe între oricare două medii se compară cu diferenţele limită date de
DLα 2  2 S2E r . t α 2; n k (7)
Aplicaţia 40. Considerăm factorul A = soiul de grâu, care influenţează caracterul X =
producţia de grâu kg/lot. Desfăşurăm experienţa cu 4 soiuri luate în câte 5 repetiţii. Datele
experimentale sunt date în tabelul de mai jos:
Rezolvare. Verificăm mai întâi dacă dispersiile variantelor sunt omogene.
111
 H 0 : 12   22  ...   24 cu alternativa H': () i, j  j   i .
2 2

Utilizăm o statistică de tip Cochran şi avem

max Si2
5.8
C 2 1i  k
  0.426  C() 4; 4  0.6287
S1  S 2  ...  S k 13.6
2 2

A1 A2 A3 A4
Rep./ Soi
1 32 33 30 29
2 34 33 34 26
3 34 36 35 30
4 35 37 32 28
5 36 34 36 29
∑=Si 171 173 167 142 S=653
Media 34,2 34,6 33,4 28,4 x ** =32,65
Dispersia 2.2 3.3 5.8 2.3

Condiţia ca dispersiile să fie omogene este îndeplinită.

Verificăm acum ipoteza H0: i =0 cu alternativa H ': i  0.
SPA T   x ij2  S 2 n  (32 2  34 2  ......  29 2 )  6532 20 
i j

 21499  21320,45  178,55

SPA A   S r  S n  (1712  1732  167 2  142 2 ) / 5  6532 20  124,15
2
i
2

SPAE= SPAT-SPAA=54.4

Sursa variaţiei SPA Grade libertate Dispersia F

Între variante 124.5 3 41.383

12.17***
Erori reziduale 54.4 16 3.4
Total 178.55 19 -

Comparând cu valorile tabelare Fisher ajungem la concluzia ca variaţia soiului modifică foarte
semnificativ producţia. Se face acum o analiză în detaliu a diferenţelor dintre mediile
variantelor. Se trec mediile variantelor în ordine descrescătoare şi se calculează diferenţele
dintre oricare două medii, în tabel fiind trecute doar cele strict pozitive.
Tabelul diferenţei mediilor
Media x  j  x *4 x  j  x *3 x  j  x *1
Soiul
A2 34,6 6,2*** 1,2 0,4
A1 34,2 5,8*** 0,8 -
A3 33,4 5*** - -
A4 28,4 - - -

Pragurile de semnificatie pentru riscurile  sunt date de diferenţele limită de mai jos
calculate prin test t multiplu (comparând diferenţele dintre mai multe medii, testul se numeşte t
multiplu).

112
 DLα 2  2 S2E r .t α 2; n  k 
 2.47 p entru α  5%
 3.40 p entru α  1%
 4.74 p entru α  0.1%

În concluzie, producţia soiului A2 diferă nesemnificativ faţă de A1 şi A3, iar faţă de A4

diferă foarte semnificativ. Producţia soiului A1 diferă foarte semnificativ faţă de A4 şi
nesemnificativ faţă de A3, iar A3 diferă foarte semnificativ faţă de A4.
Aplicaţia 41. Studierea fenomenului de absorbţie a plumbului în plantele de lucernă printr-un
model de analiză de varianţă unifactorială este prezentat într-o experienţă cu 3 tratamente de
adaos de plumb în mediile de cultură şi patru repetiţii. Caracterul analizat este numărul de ppm
plumb în plantă.
Rezolvare.. Datele iniţiale şi rezumatul prelucrărilor.
Tratamente → T1 Fără adaos T2 Adaos 100
Repetiţii↓ plumb ppm plumb
r1 0.73 1.64
r2 0.73 1.78
r3 0.88 2.2
r4 1.26 2.37

Tratament Repetiii Suma Media Dispersia

Fără adaos plumb T1 4 3.6 0.90 0.06

Adaos 100 ppm plumb T2 4 7.99 2.00 0.12
Adaos 200 ppm plumb T3 4 11.48 2.87 0.02
Tabelul ANOVA
Suma
Grade
Sursa variatiei patrate Dispersii Fcalculat
libertate
abateri
*
Tratamente 7.796 2 3.898 57.671 *
*
Erori reziduale 0.608 9 0.068
Total 8.404 11

Tratament Medii trat. Diferente

T3 2.87 1.97 *** 0.87 **
T2 2.00 1.10 ***
T1 0.90 0.00
DL5%= 0.415821
DL1%= 0.597444
DL 0.1%= 0.878886
Verificăm mai întâi dacă dispersiile variantelor sunt omogene.
H 0 : 12   22  ...   24 cu alternativa H': () i, j  j   i .
2 2

Satistica de tip Cochran este

max Si2
0.12
C 2 1i  k
  0.6  C() 3;3  0.7977
S1  S 2  ...  S k 0.20
2 2

şi drept urmare condiţia de omogenitate a dispersiilor este îndeplinită.

113
 Concluzia este că variaţia adaosului de plumb în mediul de cultură modifică mediile
conţinutului de plumb în plantă foarte semnificativ. Diferenţele între mediile celor trei
tratamente sunt de asemenea foarte semnificative, aşa cum rezultă din tabelul diferenţelor
dintre medii. Am remarcat disponibilitatea plantelor furajere studiate în această experienţă, faţă
de agentul poluant plumb, prin creşterea conţinutului de plumb în plantă de îndată ce a crescut
adaosul de plumb introdus în mediul de cultură.
Tabelul diferenţelor dintre medii evidenţiază faptul ca tratamentul T3 este pe primul loc
în ceea ce priveşte nivelul de acumulare a Pb în plantă, pe locul doi este T2 şi pe ultimul loc
tratamentul T1.

ANALIZA CORELATIEI ŞI REGRESIEI

Analiza varianţei permite evidenţierea influenţelor anumitor factori asupra unei
caracteristici însă nu determină şi gradul acestei influenţe; nu spune nimic despre forma
legăturii evidenţiate.
Acest lucru îl face analiza corelaţiei. Mai întâi vom face deosebirea dintre relaţia
funcţională şi relaţia statistică (stochastică).
Corespondenţa y = f(x), care este o relaţie funcţională, are semnificaţia că oricărui x îi
corespunde un y unic, bine determinat. Relaţia statistică nu mai are aceeaşi semnificaţie;
oricărui x îi pot corespunde diferiţi y. (De exemplu, pentru acelaşi număr de păstăi pe plantă,
pot corespunde diferite valori ale numărului de boabe pe plantă).
În cazul relaţiei statistice nu avem corespondenţă de la valoare la valoare, ci de la
valoare la distribuţie. Deci, oricărui x îi corespunde o anumită distribuţie cu carcateristicile ei
statistice (medie, dispersie etc.). Dacă se modifică x, atunci se modifică şi media valorilor y,
respectiv şi dispersia corespunzătoare.
Legăturile de acest gen sunt studiate de teoria corelaţiei. Cu ajutorul acestei teorii se
poate scoate în evidenţă existenţa anumitor legităţi statistice. Aceste legităţi apar în evidenţă
numai în fenomene de masă, atunci când se fac observaţii numeroase.
Analiza corelaţiei descoperă legături dintre fenomene, pune în lumină forma acestor
legături, arată gradul de intensitate al acestora, arată ponderea diverşilor factori la realizarea
unui fenomen de masă.

Corelaţia simplă
Corelaţia simplă se referă la două variabile X şiY. Dacă asupra lui Y acţionează două
sau mai multe caracteristici, corelaţia se numeşte multiplă.
Corelaţia simplă poate fi pozitivă (directă) sau negativă (inversă). În prima situaţie, pe
măsură ce X creşte, creşte şi media distribuţieiY. Corelaţia simplă este negativă atunci când
valorile variabilei independente X cresc, iar media variabilei Y dependente descreşte.
Corelaţiile pot fi evidenţiate prin reprezentări grafice sau prin tabele de corelaţie.
Drept variabilă independentă se alege variabila care se poate măsura uşor şi precis. Ca
variabilă dependentă se alege caracteristica ce urmează a fi determinată în funcţie de prima.
De exemplu, în cazul corelaţiei dintre înălţimea unui cireş şi diametrul său, înălţimea se va
alege ca variabilă dependentă, deoarece se determină mai greu şi mai puţin precis decât
diametrul.
Scopul analizei corelaţiei este de a găsi o cale mai uşoară pentru determinarea unor
caracteristici fără măsurători directe, ci exprimate prin relaţii statistice.
În terminologia statistică, conceptul de corelaţie apare uneori, cu un interes foarte larg,
fie între variabile cantitative, fie între variabile calitative. Alteori, noţiunea de corelaţie
semnifică numai relaţiile dintre variabilele cantitative.

114
 Ideea de dependenţă între variabilele observate în colectivităţile statistice este atribuită
lui Galton. Pearson a cercetat repartiţiile bidimensionale, a dat ecuaţia dreptei de regresie şi a
introdus conceptul de coeficient de corelaţie.
Matematic, teoria corelaţiei se traduce printr-un complex de metode de investigaţie a
conexiunilor statistice, conducând la formarea ecuaţiei ce dă valoarea unei variabile, funcţie de
alta, la determinarea valorii coeficientului de corelaţie, a coeficientului de determinaţie
(pătratul coeficientului de corelaţie), erorilor de estimare.
Regresia este o metodă de cercetare a unei relaţii predeterminate exprimând legătura
care există între variabila y, numită variabilă dependentă (variabilă endogenă) şi una sau mai
multe variabile x1, x2, ... numite variabile independente (sau exogene).
Termenul de regresie (latinescul regressio=întoarcere) a fost folosit prima dată de
Galton care studia în 1886 relaţia dintre talia copiilor şi talia părinţilor. Galton a indicat
termenul ca denumire a procesului general de predicţie a unei variabile cu ajutorul altei
variabile.
Considerăm două variabile aleatoare X şi Y. Coeficientul de corelaţie XY exprimă
intensitatea legăturii dintre cele două variabile aleatoare, precizând gradul împrăştierii
caracteristicii Y în jurul dreptei de regresie. Cu cât împrăştierea este mai mică, cu atât XY este
mai apropiat de +1 sau -1 şi cu atât mai exact se pot stabili valorile caracteristicii Y în funcţie
de valori cunoscute ale caracteristicii X.
cov(X, Y)
ρ XY  (1)
V(X)  V(Y)

Coeficientul de corelaţie liniară pentru o selecţie de volum n, numit şi coeficient

Bravais-Pearson, în cazul în care dispunem de valorile (xi, yi), i = 1, ...., n este dat de relatia (2)
după formulele lui Köenig. Se remarcă imediat faptul că rxy = ryx.

 x i 
 x yi  y 
rxy  i (2)
 x   y 
2 2
i x i y
i i

Coeficientul de determinaţie, rxy

2
spune ce procent din variaţia variabilei X se datorează
variabilei Y.
Revenind la coeficientul de corelaţie liniară, testarea semnificaţiei acestuia se face
comparând rxy calculat cu valorile critice ale lui r pentru n-2 grade de liberate din Tabelul 8,
ANEXA. Prin aceasta se examinează dacă valoarea este reală sau se datorează erorilor de
eşantionaj. Se aplică un test de conformitate, verificând ipoteza nulă H0: XY = 0
În acest scop se foloseşte statistica:
r
t n2 (3)
1 r2
distribuita Student cu n-2 grade de libertate.
Valorile lui tcalculat < tcritic pentru α =5% sunt nesemnificiative. Asupra mărimii
coeficientului de corelaţie influeţează puternic erorile de măsurare. Se poate arăta că în cazul
unor astfel de erori, coeficientul de corelaţie calculat este mai mic decât cel teoretic.
Aplicaţia 42. Fie X numărul de frunze iar Y înălţimea răsadurilor de tomate (cm).

115
Pe baza a 18 observaţii, calculaţi coeficientul de corelaţie şi testati semnificaţia acestuia

xi yi xi2 yi2 xi .yi

4 11 16 121.00 44
5 14 25 196.00 70
5 13 25 169.00 65
5 13 25 169.00 65
6 11.5 36 132.25 69
6 13 36 169.00 78
6 14.5 36 210.25 87
6 14 36 196.00 84
6 15 36 225.00 90
7 12 49 144.00 84
7 18 49 324.00 126
7 14 49 196.00 98
7 15 49 225.00 105
7 15 49 225.00 105
7 18 49 324.00 126
8 15 64 225.00 120
8 16 64 256.00 128
8 19 64 361.00 152
∑115 261 757 3867.5 1696
Rezolvare.
115 261
x  6.38, y  14.5
18 18
1152 2612
757  3867.5 
s 2x  18  1.31, s 2y  18  4.88
17 17
115 * 261
1696 
18 1.67
s xy   1.67, rxy   0.66**
17 1.31* 4.88
Între caracterele înălţime şi număr de frunze ale răsadurilor de tomate există o corelaţie
directă distinct semnificativă.
Se pot efectua mai multe observaţii sau se poate căuta alt tip de legatură între X şi Y decât cea
de tip liniar.
În cazul relaţiilor statistice neliniare, coeficientul de corelaţie, înţeles ca şi coeficient
de corelaţie liniară, nu mai poate fi folosit. În asemenea situaţii se calculează raportul de
corelaţie. În calculele de corelaţie, variaţia totală  ( y  y) 2 se descompune în variaţia
explicată  ( y x *  y) 2 si variaţia reziduală sau neexplicată  ( y  y x * ) 2 în care y sunt valorile
experimentate ale variabilei dependente, iar yx* sunt valorile estimate ale lui y după ecuaţia de
regresie neliniară aleasă. Între cele trei variaţii în cazul dependenţei de tip polinomial, există
relaţia
 ( y  y ) 2 =  ( y x *  y) 2 +  ( y  y x * ) 2
Raportul de corelaţie, ce măsoară intensitatea corelaţiei curbilinii este
 (y - y )
η xy  1 
*
x
2
(4)
 (y - y) 2

116
sau, însemnând acelaşi lucru

η xy 
 (y - y) *
x
2
(5)
 (y - y) 2

Acest indicator ia valori între 0 şi 1 iar semnificaţia acestuia se verifică cu statistica

n  k η2
F (6)
k 1 1  η2
Dacă Fcalculat < F; (k-1; n-k) atunci dependenţa dintre X şi Y este nesemnificativ neliniară.

Regresie liniară simplă

Ecuaţiile de regresie se deosebesc esenţial de ecuaţiile funcţionale prin aceea că
ecuaţiile de regresie dau previziuni referitoare la medii, pe când cele funcţionale dau valori
exacte pentru valori intermediare.
Corelaţia poate fi liniară sau neliniară. În primul caz, ecuaţia de regresie este ecuaţia
unei drepte. Stabilirea tipului de regresie este o operaţie importantă, dar şi dificilă. Se porneşte
de la configuraţia norului de puncte şi apoi se probează diferite tipuri de curbe. Uneori sunt
necesare mai multe încercări până când se obţine un rezultat satisfăcător.
După numărul de variabile luate în considerare, regresiile pot fi simple sau multiple.
Ecuaţiile de regresie au un caracter empiric bazându-se numai în parte pe cunoaşterea explicită
a fenomenelor cercetate. Totuşi, sunt deosebit de utile în generalizarea cunoştinţelor dobândite
în urma cercetărilor efectuate.
Formulele empirice, fiind stabilite în baza unor date experimentale concrete, nu pot fi
folosite pentru extrapolări decât cu prudenţă. Pentru interpolări, ecuaţiile de regresie au o
utilitate de necontestat.
Dependenţa liniară definită de ecuaţia y = ax + b constă în a determina a şi b,
coeficienţii dreptei de regresie, pe baza unui eşantion de volum n care dă perechile (xi, yi).
Folosind cadrul teoretic prezentat în Capitolul 8, Teoria Estimatiei "Estimare prin
metoda celor mai mici pătrate", avem sistemul ecuaţiilor
nb  a  x i   y i

 .
  i
   i  i i

2
a x b x x y
Atunci
x y
x y 
i i
i i
n cov(x, y) S xy (8)
a 2
  2
  S 2x Sx
 xi 
 x i2   i n 
iar b=y - ax.
Rezultă că ecuaţia dreptei de regresie este:

yy 
S xy
S 2x
x  x 
Dispersia reziduală, dispersia valorilor individuale yi faţă de valorile ŷi estimate de
drepata de regresie
 ŷ  yi 
2
n 1 2
S 2
o 
n2
i
sau S02 
n2

Sy 1  r 2  (9)

117
 O regiune de încredere pentru dreapta de regresie este dată pentru diferite probabilităţi
de transgresiune de
ŷ ± S0 t /2; n-2 = ŷ±δ
unde So este abaterea standard reziduală.
Aplicaţia 43. Considerăm 13 plopi ornamentali având diametrele xi şi grosimea cojii yi. Să
se stabilească ecuaţia dreptei de regresie
şi cu probabilitatea de 5% să se
desemneze o regiune de încredere a
dreptei.
x=11,26 y=0,88
S2x=111,07/12=9,2
S2y=1,62/12=0,143

10,27
rxy   0,78**
9,2  0,143
În concluzie, corelaţia dintre x şi
y este distinct semnificativ liniară.
a = 0.8558/9.2 = 0.092, b = 0.88-
0.09211.26 == -0.159 Atunci ŷ = 0.092x
– 0.159

yi xi-x yi-y (xi-x)2 (yi-y)2 (xi-x)(yi -y) Ŷi Ŷi-δ Ŷi+

xi
6,2 0,80 -5,06 -0,08 25,62 0,01 0,43 0,41 -0,19 1,01
7,3 0,40 -3,96 -0,48 15,70 0,23 1,92 0,51 -0,09 1,11
7,7 0,40 -3,56 -0,48 12,69 0,23 1,73 0,55 -0,05 1,15
10,2 0,50 -1,06 -0,38 1,13 0,15 0,41 0,78 0,18 1,38
10,2 1,00 -1,06 0,12 1,13 0,01 -0,12 0,78 0,18 1,38
10,5 1,00 -0,76 0,12 0,58 0,01 -0,09 0,81 0,21 1,41
11,4 0,60 0,14 -0,28 0,02 0,08 -0,04 0,89 0,29 1,49
12,0 0,80 0,74 -0,08 0,54 0,01 -0,06 0,95 0,35 1,55
12,4 1,20 1,14 0,32 1,30 0,10 0,36 0,98 0,38 1,58
13,1 1,00 1,84 0,12 3,38 0,01 0,21 1,05 0,45 1,65
13,6 0,90 2,34 0,02 5,47 0,00 0,04 1,09 0,49 1,69
15,4 1,20 4,14 0,32 17,12 0,10 1,31 1,26 0,66 1,86
16,4 1,70 5,14 0,82 26,40 0,66 4,19 1,35 0,75 1,95
146,4 11,50 111,07 1,62 10,27
Dispersia reziduală este: S20=12/13 0.135(1-0.782) = 0.0611
S0 = 0.25 iar lăţimea regiunii de încredere este S0 . t 0,05/2; 11 = 0.6
Regiunea de încredere este dată de: ŷ-0.6 < yi < ŷ+0.6
Corelaţia multiplă
În cazul corelaţiei multiple se cercetează influenţa concomitentă a caracteristicilor
factoriale (x1, x2, x3, ..., xn) asupra caracteristicii rezultative z. Intensitatea acestei corelaţii este
dată de coeficientul multiplu de corelaţie R. Pentru cazul particular în care interesează influenţa
factorilor x1=x, şi x2=y asupra caracteristicii z, relaţia de calcul a coeficientului de corelaţie
multiplă este:

118
 rzx2  rzy2  2  rzx  rzy  rxy
R z.xy  (10)
1  rxy
2

unde rzx , rzy , rxy reprezintă coeficienţii de corelaţie simplă calculaţi între oricare două
caracteristici. Remarcăm faptul că R calculat anterior este mereu pozitiv şi se poate demonstra
ca acest coeficient nu este mai mic decât valoarea absolută a celui mai mare coeficient de
corelaţie simplă, adică R z.xy  rzx , R z.xy  rzy , sau R z.xy  rxy .
Semnificaţia coeficientului de corelaţie multiplă se stabileşte prin intermediul testului F, unde
R2 N  k
F .  F( k 1, N k ) (11)
1 R 2 k 1
Corelaţie parţială
Analiza corelaţiei parţiale prezintă o importanţă deosebită în cercetările practice. De
această dată analizăm în ce măsură variaţia caracteristicii x determină variaţia caracteristicii y,
presupunând că celelalte caracteristici se menţin constante.
Să presupunem că studiem influenţa factorilor x şi y asupra caracteristicii z. În aceste
condiţii se pot calcula următorii coeficienţi de corelaţie parţială:

pentru corelaţia dintre z şi x, controlati de factorul y ( ţinând y constant)
rzx  rzy .rxy
rzx .y  (12)
(1  rzy2 )(1  rxy2 )
 pentru corelaţia dintre z şi y, controlati de factorul x
rzy  rzx .rxy
rzy.x  (13)
(1  rzx2 )(1  rxy2 )
 corelaţia dintre x şi y, controlati de factorul z.
rxy  rzx .rzy
rxy.z  (14)
(1  rzx2 )(1  rzy2 )
Pentru testarea semnificaţiei coeficienţilor de corelaţie parţială se foloseşte Tabelul 8 din anexă,
pentru N-k grade de libertate, unde k reprezintă numărul variabilelor luate în considerare.

După parcurgerea acestei unitati de invatare trebuie să reţineţi:

 Pornind de la datele de observatie, insusiti metode si tehnici de realizare a repartitiilor de
frecvente uni si bidimensionale
 Insusiti tehnica de calcul a indicatorilor de pozitie, de variatie, indicatori ai asimetriei, boltirii
si excesului, indicatori ai corelatiei.
 Retineti fundamentele matematice ale teoriei selectiei, estimatiei si verificarii ipotezelor
statistice.
 Tinand cont de aplicatiile rezolvate, insistati asupra manierei de interpretare a rezultatelor
prelucrarii statistice a datelor de observatie, asupra testarii semnificatiei indicatorilor obtinuti.

Problem propuse
1. Într-o cultură de plop euroamerican, au fost măsurate înălţimile (cm) a 12 puieţi aleşi
la întâmplare obţinându-se următoarele valori: 140; 90; 120; 120; 140; 110; 110; 90;
110; 150; 150; 110. Determinaţi repartiţia de frecvenţe a selecţiei de mai sus şi
calculaţi coeficientul de variaţie.
2. La recepţionarea tomatelor ambalate în lăzi, s-a efectuat un control prin sondaj,
cântărindu-se la întâmplare n = 15 lăzi, pentru care au fost găsite următoarele
greutăţi: 5.5; 4.6; 5.1; 6; 4.8; 5; 4.8; 4.9; 5.2; 4.9; 5; 6.2; 6.1; 6; 5.5. Să se afle daca
greutatea lăzilor de tomate poate119fi considerată a avea distribuţie N (m,2), folosind
indicatorii asimetriei şi excesului.
3. Pe baza a n=16 măsurători privind caracterul X=greutatea andivelor (g), să se
calculeze coeficientul de variaţie al repartiţiei de frecvenţe obţinute, valorile
măsurătorilor fiind: 15.3 20.2 36.9 42 46.8 45.8 44.5 45 19 41.8 68.8 51 41
BIBLIOGRAFIE MINIMALA
1 Armeanu Ileana
2 Armeanu Ileana, Petrehus
Viorel
3 Armeanu Ileana, Petrehus
Viorel
Matematică Aplicată; Editura Bren; Bucuresti; 2002.
Probabilităti si Statistică Matematică Aplicată in Biologie ;
Ed. MatrixRom, Bucuresti, 2006.
Matematici avansate cu aplicatii; Ed. Sitech, 2009
120
4 Beganu Gabriela Metode probabilistice aplicate în economie şi asigurări, Ed.
Tehnică, Bucureşti, 1996.
5 Metode ale statisticii matematice aplicate în silvicultură; Ed.
Giurgiu, V.
Ceres, 1972.
Mică enciclopedie de statistică; Editura Ştiinţifică şi
6 Iosifescu,M., Trebici ,V.
Enciclopedică,1985.

7
Petrehuş,V., Popescu, S.A. Probabilităţi şi Statistică; Universitatea Tehnică de
Construcţii, Bucureşti, 1997.

8 Sheldon, M., Ross, S. M. Initiation aux probabilites. 3e edition,. Presses polytechniques

et universitaires romandes1990.
Teoria probabilitatilor şi statistică matematică, Ed. Tehnica,
9 Iosifescu, M., Mihoc, Gh.,
Bucureşti, 1966.
Theodorescu, R.
10
Spiegel, Murray Probabilités et Statistique.Serie SCHAUM, McGraw-
Hill, New York, 1981.

Unitatea de invatare nr. 7

Obiectivele Unităţii de învăţare nr. 7

Prin studierea acestei unităţi de învăţare veţi fi în măsură să:

 Intelegeti semnificatia unor termeni specifici jargonului informatic: informatie, sistem

121
informational, sistem informatic, respectiv sistem de calcul.
 Delimitam componenta fizică numită Hardware ce se constituie din procesoare,
memorie internă şi externă, dispozitive de introducere a datelor, de redare a
rezultatelor, de componenta logică sau Software, ce se constituie din sistemul de
operare, programe utilitare, programe utilizator şi baze de date.
 Un sistem se defineşte ca fiind un ansamblu de elemente interconectate şi
intercondiţionate prin relaţii de natură fizică, economică, tehnică, socială sau de alta natură care
funcţionează în vederea realizării unui obiectiv sau finalizării unui scop.
O caracteristică a noţiunii de sistem este posibilitatea ca ansamblul de elemente ale
sistemului să poată fi divizat în subsisteme.
Expl. O întreprindere, ca sistem, poate fi divizată în subsistemul producţie, subsistemul
comercial, subsistemul aprovizionare, subsistemul personal etc.
Toate operaţiile care se execută într-un sistem sunt consemnate în documente, utilizând
metode şi tehnici de lucru adecvate.
Prelucrarea acestor documente conform actelor normative se constituie în ştiri asupra
funcţionării sistemului, numite informaţii.
Totalitatea metodelor, tehnicilor, mijloacelor, privite ca un ansamblu integrat ce
asigură înregistrarea, culegerea, transmiterea, circuitul, prelucrarea şi valorificarea
informaţiilor se constituie în sistem informaţional.
Informaţia, componenta de bază a sistemului informaţional este ceea ce se transmite şi
trebuie să răspundă la cerinţele următoare:
 Să fie cuprinzătoare, completă şi furnizată la timp.

 Să fie obiectivă, bazată pe date verificate.

 Să fie prezentată sub forma cea mai accesibilă.

 Să nu fie costisitoare.

Din definiţia sistemului informaţional reiese că obiectivul urmărit este tratarea şi

valorificarea informaţiei la toate nivelele la care aceasta se creează.
Partea componentă a sistemului informaţional prin care se asigură, pe baza tehnicii de
calcul şi în primul rând a calculatoarelor electronice, prelucrarea şi valorificarea
informaţiei se numeşte sistem informatic.

122
 În esenţă, sistemul informatic este un ansamblu de componente fizice şi logice numit
sistem de calcul şi o altă componentă o constituie cadrele de specialitate.
Componenta fizică numită Hardware se constituie din procesoare, memorie internă şi
externă, dispozitive de introducere a datelor, de redare a rezultatelor, iar componenta logică sau
Software, se constituie din sistemul de operare, programe utilitare, programe utilizator şi baze
de date.
Cele două componente interacţionează în scopul sartisfacerii unei diversităţi de cerinţe
ale utilizatorior privind introducerea, stocarea, regăsirea informaţiei în vederea prelucrării
şi/sau transmiterea acesteia.
Componenta hardware
Sistemul de calcul trebuie să aibă posibilitatea de a primi din exterior (de la utilizator)
datele care urmează a fi prelucrate, de a păstra aceste date pe durata prelucrării şi eventual între
prelucrări, de a prelucra datele în conformitate cu programele definite de utilizator şi de a reda
acestuia rezultatele într-o formă accesibilă.
Pentru realizarea acestor sarcini sistemul de calcul este alcătuit din următoarele părţi
componente: echipamente de intrare, unitatea de prelucrare, memoria sistemului de calcul,
echipamente de ieşire.
Echipamentele de intrare au rolul de a introduce datele de prelucrat şi programele. Sunt
reprezentate în general de dispozitivele cu claviatură (tastatura sau keyboard), cât şi de suportul
magnetic flopy disk, scanner, mouse. Tastatura este constituită din 101 taste sau key, alcătuind
patru grupe: taste alfanumerice organizate după sistem QWERTY, taste numerice grupate şi
pentru editare, taste pentru comenzi, taste pentru funcţii. Există şi trei indicatoare optice care
arată modul de lucru stabilit: CAPS LOCK, NUM LOCK, SCROLL LOCK.
Unitatea de prelucrare (procesorul central) asigură prelucrarea datelor păstrate în
memorie în conformitate cu programele de prelucrare. Este convenţional divizată în unitatea
aritmetică şi logică (UAL) care efectuează propriu-zis calculele, comparaţiile şi unitatea de
comandă care asigură decodificarea programului şi dirijează succesiunea operaţiunilor. Un
procesor modern este în măsură să efectueze peste un milion de operaţii pe secundă.
Echipamentele de ieşire au rolul de a permite extragerea datelor prelucrate de sistemul
de calcul într-o formă accesibilă utilizatorului. Sunt reprezentate de dispozitive de imprimare
(PRINTARE), dispozitive de afişare cu tub catodic (DISPLAY, sau CATHOD RAY TUBE,
sau SCREEN) cât şi de suportul magnetic.
Memoria sistemului de calcul trebuie să asigure stocarea datelor şi programelor pe
durata prelucrării şi între prelucrări. Este împărţită în memorie internă şi memorie externă.
Dispozitivele de memorie externă sunt reprezentate de echipamente de memorare pe
discuri sau benzi magnetice. Floppy disk de 3.5” inch cu capacitatea de 1.44MO, cât şi de
discul dur HDD ferit de contact cu atmosfera.
Memoria operativă (memoria internă) este capabilă să păstreze un volum limitat de date
dar cu timp de acces foarte scurt pe perioada execuţiei programelor. Este bazată pe circuite
integrate de mare viteză la sistemele moderne.
Există anumite tipuri de memorie internă, numită RAM (Random Access Memory)
care-şi pierd conţinutul informaţional atunci când calculatorul este deconectat de la sursa
electrică, memorie volatilă.
Există de asemenea şi un alt tip de memorie internă, nevolatilă, al cărei conţinut nu se
pierde în momentul scoaterii de sub tensiune. Se numeşte ROM (Read Only Memory). Poate fi

123
programată PROM (Programable Read Only Memory) şi memorie programabilă care poate să
fie ştearsă EPROM.
În 1985, firmele Sony şi Philips au realizat primul compact disc- un mediu de stocare
pentru datele digitale. Capacitatea de stocare a acestora este aproximativ echivalentă cu cea a
1000 dischete floppy, datele putând fi atât text, grafică, sunet, cât şi video sau anumaţie.
Nu de mică importanţă este faptul că informaţia stocată pe CD poate fi deteriorată prin
distrugerea fizică a discului, în timp ce informaţia stocată pe floppy disc poate fi distrusă şi de
expunerea în câmpul magnetic.
Compact discurile folosite pentru text, grafică, animaţie, video (nu numai pentru
înregistrarea sunetului) se numesc CD-Rom, pentru a scoate în evidentă accesibilitatea lor
numai la citire.
Un CD-ROM are trei straturi. Cel inferior, din policarbonat, cel intermediar este
realizat dintr-un material reflectorizant, de obicei aluminiu şi cel superior care este de obicei
lăcuit. Informaţia este stocată pe stratul intermediar sub formă binară, pe o spirală de circa 5
km. Cantitatea de date ce poate fi depozitată pe un astfel de suport este mare, însă accesul este
mai lent la CD-ROM.
A urmat realizarea unei noi tehnologii, denumite DVD (Digital Versatile Disk). Un
DVD poate fi privit ca un compact disc de capacitate mare, cu performanţe superioare,
capacitatea sa fiind de până la 26 ori capacitatea unui CD obişnuit, ajungând la 4.7 GO. Pe un
DVD informaţia este stocată pe două straturi, un nivel din aur semitransparent deasupra
stratului reflectorizant de argint. Şi din punctul de vedere al vitezei sunt superioare CD-ROM-
urilor, rata de transfer fiind
de aprozimativ 600Kops, de 4 ori mai mare decât a CD-urilor standard.

COMPONENTA SOFTWARE
Se constituie din sistemul de operare, utilitare, produse program utilizator, fişiere de
date. Pentru arhitecturile moderne de calcul cca. 90% din software utilizat este alcătuit din
produse ale firmelor specializate.
Sistemul de operare este un ansamblu de programe care realizează interfaţa
om/calculator. Funcţiunile acestor programe sunt de a gestiona resursele, memoria,
dispozitivele periferice, a executa şi controla execuţia operaţiunilor de INPUT şi OUTPUT, de
a controla şi asista toate lucrările care se lansează pe un calculator.
Sistemul de operare este un adevărat dirijor al sistemului de calcul, uşurând gestiunea
maşinii în toate fazele sale funcţionale. Aceasta presupune existenţa unui nucleu comun care să
asigure încărcarea şi execuţia corectă a programelor, dialogul cu perifericele, folosirea unor
programe utilitare care ajută utilizatorul să-şi dezvolte şi să-şi organizeze fişierele, să comunice
cu alte maşini etc.
Există două tipuri de sisteme de operare:
 Monotasking, cu care sunt echipate în principal microcalculatoarele şi care la un
moment dat execută o singură sarcină;
 Multitasking, ce se găsesc instalate pe calculatoarele mari şi mini, realizând mai
 multe sarcini simultan…Aplicaţiile par să ruleze simultan. De exemplu, se pot
descărca mesajele de la un serviciu online, se pot face tipăriri dintr-un procesor de
texte şi se poate actualiza o foaie de calcul în acelaşi timp. Fiecare aplicaţie
primeşte o cotă de timp înainte ca procesorul să se mute la următoarea aplicaţie.

124
 Cum cotele de timp sunt destul de mici, totul apare ca şi cum s-ar întâmpla
simultan.
În primul caz sistemul de operare realizează încărcarea şi execuţia programelor şi
asigură interfaţa perifericelor. În al doilea caz nucleul sistemului de operare realizează:
 Lansarea şi oprirea execuţiei prin intermediul supervizorului;
 Planifică şi reglează timpul de execuţie pentru operaţiile în curs;
 Alocă resurse, ţine evidenţa resurselor alocate;
 Asigură dialogul cu perifericele.
În ambele cazuri se adaugă un interpretor de comenzi destinat dialogului cu utilizatorul.
Primul sistem de operare pentru calculatoare personale a fost CP-M (Control Program for
Microcomputers), apărut în 1980.
În domeniul calculatoarelor personale în uz după 1980 este popularul sistem de operare
MS-DOS (Microsoft Disk Operating System), un sistem monotasking, monouser, creat în 1981
de Bill Gates. Ultima versiune scoasă de compania Microsoft este DOS 6,22 în 1994. (Pentru a
afla care este vesiunea sistemului de operare cu care lucraţi, tastaţi comanda VER).
Prin lansarea, în 1987, pe piaţă a calculatoarelor PC/2 s-a lansat şi sistemul de operare
OS/2 care este un ambiţios sistem multitasking, multiuser, ce poseda un puternic suport pentru
comunicaţii de date. Are avantajul că este scris în limbajul evoluat C, putând să fie
implementat pe diferite maşini.
Un sistem de operare cu interfaţa grafică orientată pe ferestre,WINDOWS, permite
utilizatorului lansarea concomitentă a mai multor aplicaţii, fiecare în fereastra ei, permiţând şi
schimbul de informaţii între acestea. Acest sistem de operare instalat pe o maşină exploatată
sub MS-DOS, apropie calculatoarele Compatibile IBM de maşinile construite cu sistem de
operare MacIntoch. Acest sistem de operare a apărut în 1985, istoria sa fiind presărată cu o
suită de versiuni din ce în ce mai robuste, Windows 95 remarcându-se prin stabilitate, viteză şi
comportament mai bun în reţea. Dintre noile caracteristici se remarcă noua sa interfaţă,
Explorer, apeluri de proceduri de la distanţă, funcţionează online, are nume lungi de fişiere şi
multe altele.
O statistică la nivelul anului 1991, arăta că gradul de utilizare al celor mai importante
sisteme de operare pentru calculatoarele personale era:
75% pentru MS-DOS, 6.7% pentru UNIX, 5.3% pentru MacIntoch, 4.7% pentru OS/2
şi restul pentru alte sisteme de operare.
Utilitarele se constituie în extensii ale sistemului de operare, remediind o serie de
lipsuri ale acestuia. Sunt uşor de folosit datorită sistemului MENU, alegând opţiunea dorită fie
folosind tastele săgeţi, fie cu ajutorul mouse-ului.
Cele mai cunoscute utilitare sunt: NORTON COMMANDER (NC), PC TOOLS, PC
SCHELL, X-TREE-GOLD (XTG), WINDOWS EXPLORER. Utilitare sunt orientate pe
următoarele direcţii:
 Selecţia datelor constând în alegerea drive-ului pe care lucrăm, a directorului, a
fişierului în care operăm;
 Exploatarea datelor are în vedere afişarea caracteristicilor discului, ale directorului,
ale
 fişierului, tratarea zonelor ocupate pe suport, modificarea fişierului, căutarea
 informaţiilor pe suport;

125
  Restaurarea fişierelor şterse, permite refacerea datelor dacă după ştergere nu s-a făcut
nici o modificare de fişiere;
 Sortarea fişierelor unui director după nume, extensie, dată, oră sau mărime, în ordine
crescătoare sau descrescătoare;
 Testarea integrităţii discului;
 Gestionarea atributelor interne ale fişierelor (arhivă, sistem S, protejat la scrie –
Read Only R, Hiden ascuns H);
 Găsirea unui fişier în orice director;
 Afişează structura arborescentă a directoarelor.
Programe utilizator sunt înşiruiri de comenzi într-o ordine logică, într-un limbaj de
programare recunoscut de sistemul de operare, în vederea rezolvării unei anumite probleme.
Cele mai cunoscute firme creatoare de soft sub sistemul de operare MS-DOS sunt
MICROSOFT şi BORLAND, oferind posibilităţi foarte bune de creare şi execuţie a
programelor în diferite limbaje, având la bază medii de programare care cuprind: editarea
programelor, compilarea programelor, depanarea şi execuţia acestora.
Viteza de compilare şi execuţie este considerabilă, iar mediile integrate de programare pun
la dispoziţia utilizatorului biblioteci foarte vaste, precum şi posibilitatea de a afişa la cerere
informaţii despre limbaj şi mediu (Help). Programatorul este practic “plimbat” prin întreg
mediul prin simpla apăsare a unor taste, alegând fără probleme opţiunile de lucru. Se realizează
uşor editarea, corectarea cu un editor de texte, compilarea, editarea legăturilor, executarea lui.
Pe măsura evoluţiei informaticii au apărut şi s-au dezvoltat numeroase limbaje de
programare. Unele s-au impus peste ani şi au creat standarde pe plan mondial. Între ele:
FORTRAN (Formula Translation) apărut în 1956 a cunoscut nenumărate versiuni.
Ultima versiune în uz este ver. 5. A fost conceput pentru calcule tehnico-ştiinţifice, dar poate fi
folosit şi în alte domenii.
BASIC (Beginner’s All Purpose Symbolic Instruction Code) a fost conceput pentru
nespecialişti. Creat în 1964 la Dartmounth College de către John Kemeny şi Thomas Kurtz, a
devenit după 1980 de uz foarte larg prin explozia microinformaticii.
Este un limbaj de uz general, nelimitat la calcule ştiinţifice. Există nenumărate versiuni
ale BASIC, cele pentru IBM-PC fiind GWBASIC, Quick BASIC, Turbo Basic (create de firma
BORLAND).
COBOL (Common Business Oriented Language) este regele informaticii de gertiune.
A apărut în 1950.
PASCAL, a apărut în 1970, este un limbaj puternic structurat. Prin apariţia după 1980 a
produsului Turbo Pascal al firmei BORLAND, acest limbaj a cunoscut un succes imens mai
ales în mediile universitare.
Limbajul C creat la începutul anilor 1970, a fost destinat iniţial scrierii sistemului
de operare UNIX, pentru a-l face cât mai portabil. Este apropiat limbajelor de asamblare,
puternic structurat, chiar modular, are o bibliotecă de programe foarte vastă.
După 1973, în domeniul inteligenţei artificiale, s-au remarcat PROLOG, făcut de
francezi, şi LISP, limbaj de nivel înalt pentru inteligenţa artificială şi tratarea limbajelor
naturale.
Pentru gestiunea volumelor mari de date existau pachete Software numite Sisteme de
Gestiune a Bazelor de Date (SGBD). În 1988 s-a pus în circulaţie produsul DBASE-4 care are

126
ecrane de Help şi mod de lucru asistat, este de nouă ori mai rapid decât versiunile anterioare,
are 254 de funcţii şi comenzi suplimentare, conlucrează cu coprocesorul matematic.
Un produs cu aceeaşi destinaţie a fost creat în 1989 de firma Fox Software, numit
FoxPro, având în plus o interfaţă non-procedurală cu ferestre.
Tabelele de calcul cuprind o gamă de programe care au revoluţionat munca de rutină a
funcţionarilor. Se consideră o matrice ale cărei linii şi coloane sunt celule, fiecare celulă
conţine informaţii diverse: text, cifre, formule de calcul, secvenţe de programe sau
macroinstrucţiuni.
Un produs de referinţă este LOTUS 1-2-3 care datorită modului grafic permite
reprezentarea datelor din tabel sub formă de diagrame de diverse tipuri, cu elemente de culoare
şi umplere.
Produsul Microsoft Excel este principalul concurent al produselor LOTUS 1-2-3 şi
Quatro Pro. Este implementat sub sistemul de operare Windows 95 şi Windows NT, făcând
parte din aplicaţia Microsoft Office, un reprezentativ pachet de birotică al corporaţiei IBM.
În afara funcţiei uzuale de tratare a datelor în formă tabelară ( numită foaie electronică
de calcul – SPREADSHEET), Excel are o deosebită maleabilitate în reprezentarea grafică a
informaţiei dar are şi funcţie pentru tratarea tabelei ca bază de date.
Cele mai frecvente posibilităţi de utilizare sunt
- planificarea şi supravegherea bugetelor
- proiectarea şi analiza financiară
- stabilirea ofertei şi calculul costurilor
- orice alt gen de calcule financiare, statistice, de optimizare.
Versiunea 97 a acestui pachet de programe, operează cu conceptul de agendă de lucru
(WORKBOOK), pagini pentru calculul tabelar, numit WORKSHEET, pagini pentru
histograme (CHART), pagini cu cod conceput fie în limbajul specific al macrocomenzilor, fie
în Visual Basic.
Generaţii de calculatoare
este un termen generic prin care se definesc etapele de dezvoltare pe care le-au parcurs
calculatoarele numerice de-a lungul istoriei lor de peste o jumătate de secol.
Prima generaţie, realizată în 1943 pe bază de tuburi electronice (19000 tuburi) cu
viteza de lucru de 10-20000 de operaţii pe secundă, la Universitatea Pennsylvania, sub
denumirea de ENIAC. Era orientat pentru calcule ştiinţifice, iar limbajul direct interpretabil de
calculator.
Generaţia a doua consta în folosirea tranzistoarelor, memorii pe inele de ferită, viteza
de lucru de până la 100000 operaţii pe secundă. A apărut prin 1957 şi era caracterizată de
folosirea limbajelor de programare şi a bibliotecilor de programe.
În 1967, Agenţia de cercetare (ARPA) a Departamentului Apărării din SUA şi alte
colective cu care colabora au început elaborarea standardelor pentru schimbul de mesaje între
calculatoarepunând bazele viitoarelor protocoale de reţea.
În 1969, Departamentul Apărării din SUA a înfiinţat ARPANET, precursoarea
internetului, în 1972 fiind transmis primul mesaj e-mail prin ARPANET.
Generaţia a treia consta în înlocuirea tranzistoarelor cu circuite integrate, memorii cu
inele de ferită, viteza de lucru până la un milion de operaţii pe secundă, primul calculator ce
avea la bazăun microprocesor a fost realizat în 1971.

127
 O direcţie nouă de dezvoltare a constituit-o microinformatica, cu calculatoarele
specializate cu un unic circuit integrat. Microcalculatoarele personale specializate cu
microprocesor ZILLOG, compatibile Spectrum-Sinclair, au avut o largă dezvoltare după 1980.
Memoria internă este de maxim 64KO, cu terminal alfanumeric şi grafic.
Microcalculatoarele personale profesionale, construite pe baza unui microprocesor
INTEL, au înregistrat până la nivelul anului 1990 cifra de peste 25 milioane de maşini.
Era microcalculatoarelor personale s-a deschis în 1975 prin construirea în California a
modelelor Apple I şi Apple II. După 5 ani, IBM, supranumit “Big Blue”, a lansat modelul său
de computer personal cu microprocesor INTEL 8088 pe 16 biti, deci în 1980, cu disk flexibil şi
sistem de operare Microsoft.
Firma IBM a făcut cunoscută întreaga documentaţie şi toate specificaţiile pentru
modelul IBM-PC, determinând alte firme să producă calculatoare IBM-PC compatibile din
modelele XT (eXtendet Technology) şi AT (Advanced Technology). În 1987 firma a produs
PS/2 (Personnal System) cu sistemul de operare OS/2.
Aceste variante de calculatoare constituie generaţia a patra de calculatoare cu
circuite integrate pe scara largă VLSI. Se folosesc circuite integrate pe scară largă (LSI – Large
Scale of Integration) si foarte largă (VLSI – Very Large scale of Integration) (echivalentul a
50.000 de tranzistoare pe chip), memoria internă creste la 8MO iar viteza de lucru - la
30.000.000 de operatii pe secundă. Apar discurile optice si o nouă directie în programare:
programarea orientată pe obiecte.Calculatoarele generatiilor I-IV respectă principiile
arhitecturii clasice (von Neumann) si au fost construite pentru a realiza în general operatii
numerice. Calculele matematice complicate, după algoritmi complecsi care să furnizeze
rezultate exacte (de exemplu integrare, limite, descompuneri de polinoame, serii), numite
calcule simbolice, au apărut doar în ultimele decenii si nu au fost favorizate de constructia
calculatoarelor, ci de un soft puternic, bazat pe algoritmi performanti (And97).Până în jurul
anilor '80, evolutia calculatoarelor a fost preponderent bazată pe salturi tehnologice.
Constatându-se însă că majoritatea programelor nu folosesc în întregime posibilitătile
calculatoarelor dintr-o generatie, s-a încercat cresterea performantelor activitătii de creare a
soft-ului, urmărind principiul evident că activitatea umană nu se bazează pe prelucrări de
date, ci de cunostinte între care apar operatii logice de deductie. Ulterior, se va pune
chiar problema găsirii unor arhitecturi performante care să sustină noile concepte si
cerinte de prelucrare a cunostintelor. Arhitectura următoarei generatii de calculatoare
nu va mai respecta în mod necesar principiile von Neumann.
Un proiect pentru generaţia a cincea a fost iniţiat de japonezi în 1981 care şi-au propus
computere care să converseze cu oamenii în limbajul natural, să înţeleagă vorbirea umană, să
interpreteze fotografii, să facă raţionamente, să prelucreze cunoştinţe, să ia decizii… Aceste
sisteme de prelucrare a cunoştinţelor numite KIPS (Knowledge Information Processing
Systems) sunt pe cale de realizare. S-au făcut paşi importanţi în tratarea limbajului natural, în
prelucrarea şi interpretarea imaginilor.
În 1990 a fost realizat primul program World Wide Web care stabilea o nouă orientare
grafică pentru reţele. În 1996 au apărut primele calculatoare de reţea, dezvoltarea
comunicaţiilor, a conectivităţii calculatoarelor reprezentând direcţii de dezvoltare în viitor.
Se lucrează în calcul paralel pe sisteme de calcul realizate din mai multe subsisteme de
calcul, numite transputere. Generatia cinci este generatia inteligentei artificiale, fiind în
mare parte rezultatul proiectului japonez de cercetare pentru noua generatie de calculatoare.
Principalele preocupări ale cercetătorilor din domeniul inteligentei artificiale se suprapun în
cea mai mare parte cu functiile noii generatii de calculatoare, care sunt prezentate mai jos.
128
Aceste calculatoare sunt bazate pe prelucrarea cunostintelor (Knowledge Information
Processing System - KIPS), în conditiile în care aceste prelucrări devin preponderente în
majoritatea domeniilor stiintifice. Din punct de vedere tehnic, se folosesc circuite VLSI
(echivalentul a peste 1 milion de tranzistoare pe chip), atingându-se o viteză de lucru foarte
mare, pentru care apare o nouă unitate de măsură: 1LIPS (Logical Inferences Per Second) =
1000 de operatii pe secundă). Astfel, viteza noilor calculatoare se estimează la 100 M LIPS
până la 1 G LIPS. Apare programarea logică, bazată pe implementarea unor mecanisme de
deductie pornind de la anumite "axiome" cunoscute, al cărei reprezentant este limbajul Prolog.
Functiile de bază ale noii generatii de calculatoare sunt: Interfata inteligentă între om si
calculator: Se urmăreste implementarea unor functii similare celor umane (auz, văz, folosirea
limbajului) prin mecanisme de recunoasterea formelor, exprimare prin imagini si studiul
limbajului natural (directie importantă a inteligentei artificiale).
Gestiunea cunostintelor: Cunostintele trebuie să poată fi memorate sub forme care să permită
un acces optim la bazele de cunostinte (asociativ) si întretinerea bazei de cunostinte prin
introducerea de cunostinte noi, eliminarea inconsistentelor, chiar învătare de cunostinte
(caracteristică inteligentei artificiale). Realizarea de inferente (deductii) si predictii: Acestor
actiuni, similare gândirii umane, li se poate asocia în mod cert atributul de «inteligent».
Problemele de inteligentă artificială se vor rezolva uzual folosind bazele de cunostinte asupra
cărora se aplică regulile de deductie. Se folosesc metode si tehnici care permit generarea
automată a unor programe si testarea corectitudinii programelor. Omul va fi asistat în obtinerea
de cunostinte noi prin simularea unor situatii concrete, necunoscute încă. Aceste tipuri de
probleme sunt foarte complexe si necesită instrumente de abordare adecvate: programare
logică, metode de programare euristice care să furnizeze solutii bune (chiar dacă nu optime)
într-un timp scurt; tehnicile enumerate, care permit găsirea solutiei într-un spatiu de căutare de
dimensiuni foarte mari, sunt dezvoltate tot în cadrul inteligentei artificiale. Un caz special de
deductie este predictia (prevederea unor evolutii pe baza anumitor cunostinte date), care se
implementează folosind mecanisme ce încearcă să simuleze functionarea creierului uman
prin intermediul retelelor neuronale. O altă tehnică inspirată din lumea biologicului în
inteligenta artificială o constituie algoritmii genetici, care au caracteristici de adaptabilitate la
context, similar cu adaptarea la mediu a populatiilor biologice.
Generatia 6 apare deocamdată doar în literatură, sub forma conceptului ipotetic de
“calculator viu”, despre care se filozofează si despre care oamenii se întreabă dacă va putea fi
obtinut în viitor prin atasarea unei structuri de tip ADN la un calculator neuronal.
În ciuda concentrării de la început pe aplicaţii ştiinţifice şi militare, computerele au
început repede să fie adoptate şi în alte domenii, precum cel al afacerilor. LEO, unul din
primele computere bazate pe arhitectura von Neumann, era folosit la gestiunea stocurilor încă
din anii 1950. O dată cu apariţia microprocesoarelor şi ieftinirea semnificativă a computerelor,
acestea şi-au găsit aplicare în contabilitate, birotică, alcătuirea de previziuni meteo şi de altă
natură, în calculele matematice repetitive precum şi în calcul tabelar. În domeniul artelor,
calculatoarele sînt întrebuinţate pentru generarea şi editarea de sunet, imagini şi video.
Astăzi aceste activităţi sînt efectuate aproape exclusiv pe computer. De asemenea,
industria jocurilor pe calculator este una foarte lucrativă.
Computerele au fost folosite pentru comanda mecanismelor din momentul în care au
devenit suficient de mici şi de ieftine pentru acest scop. Primele aplicaţii majore pentru
computerele integrate au fost ghidarea misiunilor Apollo şi a rachetelor Minuteman. Astăzi se
întîlnesc din ce în ce mai rar echipamente mecanice care să nu fie comandate într-o formă sau
alta de un computer. Unele din cele mai cunoscute asemenea echipamente sînt roboţii, maşini
mai mult sau mai puţin asemănătoare omului şi aptitudinilor sale.

129
 Reprezentarea informaţiei în sistemul de calcul
Calculatoarele actuale utilizează o codificare binară a informaţiei, datele fiind
reprezentate printr-un şir de cifre binare (0 şi 1) tip de reprezentare ce corespunde stărilor fizice
posibile (magnetizat, demagnetizat). Unitatea de memorie este bit (binary digit). Informaţia
este manipulată în grupuri de opt biti, numite octeţi. Constantele numerice sunt reprezentate
prin 4 sau 8 octeţi, iar literele sunt codificate pe câte un octet (byte). Multiplii unităţii de
măsură a memoriei poartă denumirile:
1024 octeţi = 1 KO (kilo octet)
1024 KO = 1 MO (mega octet)
1024 MO = 1 GO (giga octet)
1024 GO = 1 TO (tera octet)
Pentru a asigura compatibilitatea de programe s-a acceptat că toate caracterele şi
funcţiile să fie în codul ASCII (American Standard Code for Information Interchange).
Aceasta este o metodă standard de a atribui reprezentărilor numerice disponibile într-un
calculator forme care să poată fi citite de către om. Există 128 caractere în codul standard
ASCII, iar în ASCII extins sunt utilizaţi 8 biţi pentru 256 caractere. Adaptoarele de afişaj
folosesc de obicei cele 128 caractere.
Tastatura
Am făcut precizarea mai devreme că este împărţită în patru grupe: taste de funcţii, taste
alfanumerice, taste pentru comenzi, taste numerice şi pentru editare. Există trei indicatoare
optice ce precizează modul de lucru (Num Lock, Caps Lock, Scroll Lock).
Tastele alfanumerice sunt organizate după sistem QWERTY.
Între tastele comenzi, tasta SHIFT acţionată simultan cu altă tastă permite sau
introducerea literelor mari (la tastele litere), sau caracterele scrise în partea de sus a tastelor cu
două caractere.
Tasta SPACEBAR, avansează cursorul la dreapta cu un spaţiu, introducând blank la
fiecare apăsare.
Tasta ENTER (RETURN) sub sistemul de operare, face cunoscut calculatorului că s-a
terminat o comandă, pentru a daclanşa executarea acesteia.
Tasta CAPS LOCK prin apăsare/reapăsare, permite introducerea numai a literelor
mari/mici. Acelaşi lucru cu SHIFT.
Tasta BACKSPACE mută cursorul o poziţie spre stânga, ştergând caracterul afişat.
Tasta TAB mută cursorul în poziţii prestabilite din 8 în 8 caractere.
Tasta CTRL în combinaţie cu alte taste dă o nouă utilitate acestora (CTRL+C
înseamnă abandonarea execuţiei), este o tastă modificatoare a altor taste. Acelaşi rol de
modificator îl are şi tasta ALT, care efectuează în anumite limbaje “scurtături”. În BASIC
de exemplu, ALT+P=PRINT, ALT+N=NEXT…
Tasta NUM LOCK apăsată (deci indicatorul luminos aprins) permite introducerea
cifrelor 0…9 şi a simbolurilor pentru operaţiile aritmetice +, -, *, /.
Tasta ESC permite revenirea la un nivel superior sau precedent de execuţie.
Tasta DEL produce ştergerea caracterului pe care este poziţionat cursorul
(CTRL+ALT+DEL=RESET).
Cheile de mişcare a cursorului ,,, cât şi HOME care mută cursorul la începutul
rândului, END, mută cursorul la sfârşitul rândului. Combinate cu CTRL aceste două taste mută
la începutul/sfârşitul textului.
Tastele PgUp/PgDn mută cursorul mai sus/jos cu o pagină.
130
 Tastele BREAK/SCROLL LOCK împreună cu CTRL permit întreruperea unei comenzi
sau abandonul unui program.
Tasta PRINT SCREEN simultan cu SHIFT produce tipărirea la imprimantă a
conţinutului ecranului.
Tasta INSERT permite comutarea modului de inserare caractere de la “intercalare”
caractere, prin deplasarea spre dreapta a textului deja existent, la “overwrite”, caz în
care textul existent în poziţiile respective se pierde.
Componentele sistemului de operare
Sistemul de operare cuprinde programe de interfaţă utilizator/sistem şi este rezident fie
pe disk floppy fie pe HDD. Este un sistem de operare modularizat şi cuprinde următoarele
părţi:
Comenzi interne:
ROM-BIOS ce se găseşte în memoria ROM şi înseamnă BASIC INPUT OUTPUT
SYSTEM, conţine un program de autotest pentru memorie şi pentru echipamentele ataşate la
computer. Predă controlul programului BOOT STRAP LOADER.
BOOT RECORD (înregistrarea de încărcare) aduce în memoria sistemului
partea principală a sistemului de operare. Este depozitat pe discul sistem la începutul
începutului pentru ca accesarea lui să fie rapidă (faţa 0, pista 0, primul sector).
Această comandă va încărca IO.SYS, MSDOS.SYS, COMMAND.COM şi
CONFIG.SYS şi AUTOEXEC:BAT.
IO.SYS este rezident pe disc şi se încarcă primul în memorie de către LOADER.
Conţine servicii necesare sistemului pentru execuţia operaţiilor de intrare/ieşire. Coordonează
dispozitivele periferice nou araşate, drive, ploterul. Conţine un scurt program de iniţializare
care citeşte fişierul MSDOS.SYS şi COMMAND.COM.
MSDOS.SYS controlează şi execută operaţii de intrare/ieşire, gestionează toate
resursele sistemului.
COMMAND.COM este interprerorul comenzilor adresate sistemului de operare de la
tastatură. Analizează comanda şi dacă este corectă din punct de vedere sintactic, determină
execuţia acesteia.
COFIG.SYS este inspectat la încărcare de sistemul de operare permiţând configurarea
concretă a sistemului la dispoziţie. Acest fişier cât şi AUTOEXEC.BAT sunt fişiere de tip text
ce pot fi modificate de utilizator.
Utilizarea discului
 Pe faţa 0, pista 0, sector 1 este BOOT RECORD care cuprinde un program de
startare a sistemului;
 Pe faţa 0, pista 0, sectoarele 2 şi 3 se găseşte FAT (Files Allocation Table) care este
tabela de alocare a spaţiului pe disc;
Pentru optimizarea modului de alocare, sistemul de operare împarte fişierele în
bucăţi mai mici numite clustere, sau unităţi de alocare. În tabelul FAT, pentru fiecare
fişier, este o evidenţă a clusterelor sale, care este actualizată la fiecare operaţie de
ştergere sau adăudare.
 Pe faţa 0, pista 0, sectoarele 4, 5, 6, 7, 8 continuând şi pe faţa 1… este

131
  DIRECTORY, conţine directorul discului cu informaţii despre fiecare fişier care se
găseşte pe disc. Conţine numele fişierelor, mărimea lor, data şi ora la care au fost
modificate ultima oară;
 Pe tot restul discului se găsesc FILES, fişiere ce conţin informaţii sub formă de
programe, texte, date…
Sistemul de operare Windows 95 utilizează încă o versiune a sistemului de fişiere FAT.
Aceasta înseamnă că o serie de utilitare mai vechi încă mai funcţionează. Noul sistem de fişiere
VFAT ( virtual file allocation table – tabela virtuală de alocare a fişierelor) din Windows 95
acţionează ca o versiune îmbunătăţită a vechiului sistem.
La formatarea unui disc se formează un director vid (Empty) numit rădăcină (ROOT
DIRECTORY) care repartizează alte directoare, subdirectoare şi fişiere. Orice director are în
componenţă alte subdirectoare şi fişiere [A formata un disc înseamnă a executa o comandă
numită FORMAT care face ca discul să fie recunoscut de sistemul de operare, să fie depistate
şi izolate zonele defecte. Ce exista anterior pe disc se distruge prin FORMAT.Un disc de 3”1/2
tot HG are 1.44 MO].
Fişierele
Fişierele sunt colecţii de date cu o anumită organizare şi care nu au întotdeauna aceeaşi
structură. Identificarea lor se face prin nume, urmat eventual de simbolul (.) şi de încă maxim
trei litere, numite extensie.
numele fişierului, are de la 1 la 255 caractere şi pot fi şi semne speciale; extensia are
de la 1 la 3 caractere. Alegerea extensiei este la latitudinea programatorului cu condiţia să
folosească simboluri permise. Există extensii cu semnificaţie specială, prin convenţie:
.COM programe direct executabile (imaginea memoriei). Se lansează în execuţie prin
specificarea numelui.
.EXE programe direct executabile, dar care necesită relocare ce se face automat de către
un program din sistemul de operare.
.BAT (BATH FILE) fişier de comenzi proprii ale sistemului de operare.
.SYS programe ale sistemului de operare.
În cazul în care fişierul are una din extensiile de mai sus, se numeşte fişier executabil.
Dacă nu intră în această categorie se numeşte neexecutabil. Iată câteva
 fişiere tip document ( extensii DOC, WP, WPS…)
 BAK de la “Back-up”, indica o versiune anterioară a unui fişier care a suferit
modificări
 surse de programe scrise în diverse limbaje de programare (C, BAS, PAS, FOR,
MCD etc. )
 fişiere ce conţin informaţii intermediare între cele două forme sursă şi executabil (
OVL, OBJ) 
 fişiere de text ( TXT).
Când nu specificăm numele sau extensia putem folosi ? cu rol de Joker, înlocuind orice
caracter în poziţia respectivă. Un alt simbol folosit este * care înlocuieşte o grupă de caractere.
Explicaţie *. EXE înseamnă orice fişier cu extensia EXE, iar *.* înseamnă orice nume,
orice extensie.
Atribute ale fişierelor

132
 Accidental sau nu, fişierele pot fi şterse de pe disc, refacerea lor nefiind totdeauna
posibilă. Prin sistemul de operare este prevăzută posibilitatea de a fi protejate prin interzicerea
accesului la fişiere, prin stabilirea unor drepturi de acces, numite atribute.
Fişierele pot avea patru atribute:
R=READ ONLY este accesibil numai la citire, nu poate fi şters când are acest atribut
şi nici nu poate fi modificat.
A=ARHIVA este atributul fişierelor salvate pe un suport magnetic, după ultima
sesiune de restaurare..
H=HIDDEN este un fişier pe care sistemul nu-l vede la DIR. De un astfel de atribut se
bucură fişierele sistem IO.SYS, şi MSDOS.SYS, pentru ca utilizatorul să nu poată
acţiona asupra lor.
S=SYSTEM este fişier al sistemului de operare.
Aceste informaţii sunt înscrise la începutul fiecărui fişier ( într-o zonă numită antet) şi
la cererea utilizatorului pot fi modificate.
Sistemul de operare Windows
1.Instalarea şi resursele necesare
Instalarea lui Windows se face de pe compact discuri sau discuri flexibile, însă în
ultima vreme calculatoarele se vînd cu acest sistem de operare preinstalat
Pentru a vedea care sunt performanţele calculatorului dvs., executaţi clic cu butonul din
dreapta pe My Computer selectând de aici Properties din meniul de context. Apoi executaţi clic
pe eticheta Performance şi aici vi se va
spune dacă maşina este complet
optimizată. Vă puteţi uita apoi la
dialogurile File System şi Virtual
Memory pentru a verifica dacă aceşti
parametri de configurare sunt utilizaţi
optim.
2. Sistemul de operare
Windows. Modul de funcţionare
Windows este un sistem de
operare care prezintă o interfată grafică
compusă din ferestre şi pictograme
(icon). Utilizatorul transmite comenzi
către calculator prin clicare pe
pictograme, acestea sunt mici desene sau simboluri ce reprezintă acţiuni sau comenzi.
Prin reprezentarea aplicaţiilor prin simple pictograme se măreşte spaţiul de lucru pe
ecran, nefiind nevoie să se părăsescă aplicaţiile. Pictogramele ce simbolizează comenzi sunt
folosite pentru a uşura munca utilizatorului, acesta nu mai este nevoit să caute în meniuri
comenzile dorite.
3. Lucrul cu ferestre
Fereastra este un spaţiu în care utilizatorul poate acţiona şi în acelaşi timp este un spaţiu
în care programele aşează informaţiile la dispoziţia utilizatorului.

133
 Componentele unei ferestre
3 butone minimizare-maximizare–închidere, bara de titlu, bara de meniuri, bara de
defilare verticală, spaţiul de lucru, bara de stare. Fereastra minimizată se regăseşte pe bara de
stare (pentru fiecare fereastră deschisă se ataşează câte o pictogramă). Pentru deschidere se
execută clic pe pictograma de pe bara de stare.
Pentru fiecare program aflat în execuţie se deschide cel puţin o fereastră.
Butonul de închidere închide atât fereastra cât şi aplicaţia.
Redimensionarea ferestrei se face prin operaţia de tragere cu ajutorul pointer-ului de
mouse apăsat.
Mutarea ferestrei se face prin tregerea barei de titlu.
Barele de defilare (verticală şi orizontală) însoţesc fereastra atunci când nu se vede
întreg conţinutul acesteia.
4. Obiecte dosar (Folder) obiecte document
Un obiect este o structură de informaţii care are nume, conţinut şi set de proprietăţi.
Numele obiectului se stabileşte prin operaţia de creare sau salvare, conţinutul este specificat de
utilizator, iar setul de proprietăţi depinde de obiect şi permite setarea unor parametri în funcţie
de dorinţa utilizatorului.
Un nou concept în WINDOWS este cel de FOLDER (dosar).
Se foloseşte pentru a descrie orice tip de container.
Un folder poate păstra fişiere, alte dosare sau aplicaţii.
 DESKTOP ( suprafaţa de lucru) este un exemplu de folder.
Acest termen pare a se apropia de noţiunea de director dar fără a fi identic cu un
director. Poate fi gîndit ca un director (real sau imaginar), dar un director cu inteligenţă.
Documentul este obiectul care conţine informaţii sub formă de text, desen, imagine,
sunet. Documentele sunt echivalentul fişierelor din MS-DOS şi Windows 3.x. şi poate fi
simplu sau compus (text şi desen) sau pot fi programe executabile.
O noutate adusă în legătură cu acest subiect este numele lung al fişierelor. Utilizatorii
de MacIntoch o aveau de foarte mult timp. Putem crea acum sub Windows fişiere al căror
nume poate ajunge la 255 de caractere, dacă dorim. Dar un nume de fişier foarte lung şi
descriptiv introduce ceaţa prea multor detalii, îl face dificil de tastat de la linia de comandă şi
nu în ultimul rând, consumă un mare spaţiu pe ecran şi recompensează cu puţine detalii
suplimentare. Se recomandă utilizarea unui nume de fişier simplu dar descriptiv.
Microsoft a trebuit să rezolve şi problema ca aceste nume lungi să poată fi citite de
aplicaţii mai vechi. Reţine primele şase caractere din numele de fişier ca punct de start, şi
adaugă 1 , NUMELE1. WKS.
Mediul EXPLORER este noua interfaţă din sistemul WINDOWS care înlocuieşte atât
mediul Program Manager cât şi File Manager (Administratorul de fişiere) din sistemul de
operare Windows 3.x.. Această interfaţă oferă funcţionalităţile celor două într-un singur pachet,
dar şi multe alte caracteristici în plus.

Interfaţa EXPLORER este privită ca un centru de informare, ca un instrument

multifuncţional de care utilizatorul are nevoie pentru a învăţa cum să utilizeze eficient
Windows. Are patru maniere diferite de afişare a informaţiei

134
 pictograme mari, pictograme mici, listă şi afişaj cu detalii.
Fig.2. Windows Explorer
Atunci cînd lucrezi doar cu unele date, poţi să preferi afişarea cu pictograme mari, dar
în cazul în care doreşti să afli tot ce este de aflat despre un fişier, ai nevoie de afişarea cu
detalii.
Există de fapt şi o altă formă a interfeţei EXPLORER, cel mai adesea se vede o copie a
ei, cunoscută sub numele de Taskbar (bara cu taskuri). Se vede în partea de jos a ferestrei
WINDOWS (dacă nu cerem mutarea în altă parte) şi este unul din cele mai flexibile moduri de
control ale sistemului de operare. Nu numai că păstrează o listă cu toate aplicaţiile, dar ajută să
fie administrate cele deschise.
Mediul Taskbar afişează aplicaţiile într-o manieră accesibilă.

Pentru a selecta o aplicaţie deschisă , nu trebuie decît să execuţi

clic pe butonul ei.

Taskbar operează cu meniuri lipicioase (sticky menus), care nu dispar imediat, rămân
pe loc până când se cere sistemului WINDOWS în
mod explicit să se debaraseze de meniul respectiv.
În extremitatea dreaptă a interfeţei Taskbar
sunt mai multe pictograme, între care în majoritatea
cazurilor este un ceas, iar dacă sistemul are placă de
sunet, acolo apare o pictogramă de volum etc..
În mod standard Taskbar se află în partea de
jos a ecranului, dar dacă este apucată cu indicatorul
mouse-ului poate fi mutată în oricare din cele patru
părţi ale afişajului. Şi acest instrument oferă un dialog
Properties (executaţi clic dreapta pe Taskbar şi
selectaţi opţiunea Properties). Acest dialog are două
pagini. Una controlează meniul Start, iar cealaltă
controlează chiar bara cu taskuri.
Fig. 3. Dialogul Properties
Options Show clok ( arată ceasul), Show small icon in Start menu (arată pictogramele mici
în meniul Start), Autohide (Ascunderea barei de activităţi care apare ca o linie gri în partea de
jos a afişajului. În momentul în care cursorul mouse-ului se apropie de ea, Taskbar apare la
dimensiunea normală), Always in top (fereastră ce apare întotdeauna deasupra).
Clic dreapta pe Taskbar face să apară câteva opţiuni specifice obiectelor
Cascade, redimensionează toate obiectele la aceeaşi mărime, le aranjează în diagonală în
cascadă. Se poate accesa orice aplicaţie prin clic pe bara ei de titlu.
Plăci de gresie orizontale sau verticale. Cu această comandă puteţi vedea zona fereastră a
tuturor aplicaţiilor deodată.
Micşoraţi toate ferestrele. Când ecranul este foarte încărcat se pot micşora toate ferestrele
rulate pe desktop.
Start Menu Programs – Documents Menu – Clear (înlătură conţinutul meniului

135
Documents), Add.. ., adaugă un Shortcut pentru programe, Remove…,şterge o aplicaţie, dă
informaţii despre documente.

Etalarea cea mai frecventă este configuraţia cu două panouri şi

modul de vizionare cu pictograme mari. În partea stîngă a monitorului se află un arbore de
directoare. Trebuie să remarcăm faptul că este un arbore al tuturor unităţilor sistemului de
calcul, adică un arbore al maşinii. Este împărţit în trei elemente
 secţiunea unităţilor. Aceasta este zona în care este afişat conţinutul tuturor unităţilor de date.
Include toate unităţile de reţea la care sunteţi conectat.
 secţiunea configuraţiei. În această zona se găsesc pictograme ce furnizează acces la orice
componentă din configuraţia maşinii, atât configuraţie software cât şi hardware. Se găseşte aici
şi pictograma PRINTER pentru a avea un acces convenabil către imprimantă.
 secţiunea auxiliară. Poate fi găsit în această secţiune orice număr de pictograme. În orice
caz, apare aici pictograma Recycle Bin (Containerul de reciclare), acesta fiind locul în care
ajunge orice obiect pe care-l ştergeţi sub EXPLORER folosind taste Delete.
Pictograma Network Neighborhood (Vecinătăţile de reţea) apare aici când avem
instalată o reţea pe sistemul de
calcul. Ea dă posibilitatea să ne
conectăm la resursele reţelei şi să
vizităm date din reţea.
Dacă executăm clic pe o
pictogramă de unitate, în partea
dreaptă vom avea dosarele şi
fişierele conţinute în unitatea
respectivă, iar clic pe Network
Neighborhood vom vedea toate
maşinile ataşate la reţea..
Fig. 4. În panoul din dreapta se vizualizează My Computer
Clicând pe pictogramele din dreapta vom deschide documente sau dosare.
Dublul clic pe un fişier relizează executarea acţiunii prestabilite pentru acest fişier, iar dublul
clic pe un dosar face să vedem ce se află în acesta.

Unul din primele instrumente de care avem nevoie în WINDOWS este meniul de context.
Meniul de context este o modalitate prin care puteţi descoperi ce puteţi face cu un obiect. În
majoritatea cazurilor el spune destul de multe despre obiect încît să putem determina scopul
acestuia şi poate fi obţinut printr-un simplu clic pe butonul din dreapta.
Orice meniu de context pentru un document sau pentru un folder conţine cinci sau şase
secţiuni
 Actions (Acţiuni). Prima secţiune vă spune ce fel de acţiuni puteţi executa cu obiectul
respectiv.
Acţiunea prestabilită, Open (Deschide), apare în caractere aldine. Se poate modifica acestă

136
acţiune prestabilită conform nevoilor noastre. Dosarele au ca acţiune prestabilită, Explore (
Explorează) şi una de Find (Găseşte).
O altă acţiune care apare aici este cea de vizionare, comanda View. În alte situaţii, dacă
extensia fişierului nu apare în registru, sistemul Windows nu va şti ce să facă cu el. Apare
atunci acţiunea Open With… (Deschide cu….) în loc de deschiderea obişnuită.
 Send to (Trimitere la . Folosim această comandă în cazul în care dorim să trimitem
dosarul sau fişierul către o unitate de dischete sau altă locaţie.
 Editing (Editare). Această secţiune cuprinde intrări pentru
Cut (Decupare), Copy (Copiere) şi Paste (Lipire). Putem plasa o copie a obiectului în
Clipboard, apoi să o lipim de câte ori avem nevoie în alte părţi.
Când tăiem (decupăm) un obiect, Windows nu şterge pictograma de pe afişaj. O colorează
numai în gri pînă când obiectul este plasat în altă parte şi după aceea o şterge definitiv.
Acest lucru previne accidentele care pot apare la ştergerea obiectelor. Dacă decupăm un nou
obiect înainte să-l fi lipit pe cel anterior, efectul constă în lăsarea primului obiect în locaţia lui
anterioară.
 Manipulation (Manipulare). Această secţiune are trei intrări, dar poate conţine şi mai multe.
Opţiunea Create Shortcut (Creare scurtături) vă dă posibilitatea de a crea o legătură la un
dosar sau fişier în altă parte.
Opţiunea Delete (Ştergere) trimite fişierul la Recycle Bin (Containerul de reciclare). Dacă este
necesar, de aici poate fi recuperat. Nu suntem obligaţi să trimitem la Recycle Bin, dacă nu
dorim. Obiectul care urmează a fi şters, este selectat şi pentru a-l şterge definitiv, apăsăm tasta
Shift+Delete.
Dacă un obiect este şters din greşeală, putem să-l recuperăm utilizând Norton Utilitis într-un
interval de timp anumit de la momentul ştergerii definitive.
(Intervalul de timp este dat de cantitatea de spaţiu de pe sistemul de calcul respectiv şi de cât de
utilizat este discul respectiv).
Opţiunea Rename (Redenumire) permite să fie modificat numele fişierului, dacă acesta a fost
generat automat şi nu este sugestiv (sau din alt motiv).
 Properties (Proprietăţi). Orice meniu de context are această intrare. Clicînd pe ea va fi
afişată o boxă de dialog care vă prezintă numele, mărimea, data de creare, de modificare,
atributul, cât şi informaţii statistice despre fişierul vizitat.

 CREAREA OBIECTELOR NOI

1. În My Computer sau în Windows Explorer deschizi folderul în care vrei să-l
plasezi pe cel nou.
2. Din meniul File alegi comanda New şi efectuezi clic pentru Folder sau document.
Succesiunea de comenzi File- New- Folder = crează noul Folder care apare cu un
nume temporar New Folder.
3. Tasta Delete şterge numele, după care se scrie numele dorit şi se apasă pe tasta
Enter.

137
 Fig. 6. Crearea unui nou Folder
 REDENUMIREA UNUI OBIECT
EXISTENT
1. Se selectează meniul File
2. Din el opţiunea Rename
File-Remname = schimbă numele unui
obiect existent fără a-i modifica conţinutul.
 ŞTERGEREA UNUI
OBIECT
1. Din meniul File 2. Se selectează opţiunea Delete
File – Delete = se şterge obiectul selectat. Prin ştergere, obiectul selectat este mutat în
Recycle Bin de unde poate fi recuperat ulterior sau şters definitiv.
3. Recuperarea obiectului şters se face cu comanda Restore (Restaurare) = se aşează
obiectul în locaţia iniţială.
 OPEN  CLOSE
Open – deschide un obiect. Acelşi lucru se poate obţine prin dublu –clic pe obiectul selectat.
Observaţie Selectarea unui obiect este operaţia prin care calculatorului i se arată
obiectul pe care utilizatorul l-a ales. Selectarea se face prin clic cu butonul stîng al mouse-ului
pe obiectul respectiv.
Pentru selectarea mai multor obiecte se face clic ( pe butonul din stânga mouse) +
CTRL. Pentru a selecta un grup de fişiere care se află unele lângă altele, se selectează primul
obiect şi ultimul cu tasta Shift. O metodă alternativă Windows Explorer la cea de mai sus
constă în a apăsa butonul mouse-
ului şi a draga un dreptunghi în
jurul fişierelor pe care le dorim
selectate. Dacă selectarea are ca
obiectiv toate fişierele, atunci din
meniul Edit, opţiunea Select All.
Pentru deselectare, din meniul
Edit se alege opţiunea Invert
Selection.

Fig. 7. Selectare dintr-un Folder

deschis pe Floppy A.
Tot ceea ce s-a selectat devine obiectul unei singure operaţii
Close – închide fereastra deschisă.
 PRINT Este operaţia prin care conţinutul unui obiect este trimis la imprimantă pentru a fi
tipărit pe hîrtie. Fereastra care apare dă posibilitatea utilizatorului să specifice câte pagini
vor fi listate, cât şi numărul copiilor şi modul de tipărire. Totodată poate fi modificat tipul
imprimantei cât şi anumite proprietăţi ale sale.
 CREATE SHORTCUT
Se crează o scurtătură pentru un obiect. Va apare o pictogramă cu o săgeată în colţul din

138
stînga jos. Prin dublu clic pe pictograma shortcut se deschide documentul. Săgeata care apare
pe icon arată că este vorba de o indirectare.

Shortcut nu este un obiect! Este un buton ce trimite un semnal în

vederea accesului la obiectul real căruia îi este asociat !

Scurtătura se poate şterge prin operaţia Delete, fără a şterge şi obiectul asociat. Dacă se şterge
obiectul real care are asociată o scurtătură, se şterge şi shortcut-ul.
 OPERAŢIILE DE COPIERE ŞI MUTARE
 Copierea constă în a face un exemplar cu acelaşi conţinut şi eventual cu acelaşi nume cu al
originalului. Din punct de vedere al sistemului de operare sau al utilizatorului, nu există
confuzie de nume între obiecte chiar dacă au acelaşi nume ( sunt în locuri diferite).
 Mutarea constă în faptul că un obiect dispare dintr-un loc şi apare în altul conţinutul
rămânând acelaşi, va exista un singur exemplar.
Observaţie Operaţiile de copiere şi mutare nu au echivalent în meniuri (meniul File). Pentru
a realiza operaţiile se fac manevrele cu ajutorul mouse-ului prin drag and drop ( tragere şi
lăsare să cadă). O altă posibilitate de copiere şi mutare este cea de apăsare a butonului drept al
mouse-ului se va deschide un meniu

 Programs – programe
Pe linia de programe sunt grupuri de programe şi programe individuale
 Accessories reprezintă un grup de programe ce conţine
 Paint ( desene în formă liberă)
 Word Pad ( se construiesc obiecte de tip document care conţin text)
 Start Up reprezintă un grup de programe ce se lansează la fiecare pornire a sistemului
de operare Windows.
 MS Office Fast Start
 MS Office Shortcut Bar
 Documents-documente
Se află aici ultimele documente cu care a lucrat utilizatorul. Deschiderea şi apelarea
programului se face printr-un clic pe butonul stîng al mouse-ului Cu opţiunile Programs şi
Documents utilizatorul mai are încă o posibilitate de lansare în execuţie a aplicaţiilor.
 Find – căutare de documente şi dosare.
Regulile de căutare pot fi mai multe
 căutartea după nume ( şi eventual localizarea). Pentru Named trebuie dat un
fragment de nume. Va apare o listă cu numele de obiect ce conţine şirul de caractere dat pentru
căutare.
Operaţia de căutare se face pornind de la un loc pe care îl sugerează utilizatorul ,
Looking. În mod implicit este C . Se deschide caseta şi se precizează locul ( altul decât C )
de unde se doreşte începerea căutării. Cu ajutorul lui Browse ( răsfoieşte) se deschide ierarhia

139
în care se doreşte căutarea. Caracteristica de căutare - Include subfolders- căutarea se va face
în locul respectiv sau în toată structura de la locul respectiv în jos.
 căutartea după dată. Permite căutarea obiectelor create sau modificate între un
interval de timp, o dată şi o altă dată, ultimele luni, ultimele zile.
 căutartea avansată. Vor fi căutate toate tipurile de obiecte sau doar uneledintre ele
Of Type, Containing text ( să conţină text), Size is (dimensiunea este..).
Fereastra Find are o
bară de meniu ce conţine
opţiunile
 Options- Case
Sensitive - recunoaşte şi este
sensibil la diferenţa dintre
literele mici şi cele mari.
 View – arată cum să
fie reprezentate obiectele de
tip document sau dosar.
 Edit – Select All se
pot selecta toate obiectele iar
Invert Selection deselectare.
 File – Save Search – salvează căutarea.
 Close – închiderea boxei de dialog.
Fig. 8. Opţiunea de căutare

Toate aceste criterii de căutare se însumează, nu se exclud unele pe altele. Procedura

de căutare permite găsirea oricărui fel de obiect din sistem!

 Shut Down- închiderea

calculatorului
Poate fi aleasă una din opţiunile 
închiderea completă a calculatorului

restartarea ( reâncărcarea Windows)

Fig. 9 Fereastra Shut Down

 repornire în modul MS – DOS
Pentru închidere se alege YES, în caz contrar NO. Există şi un buton Help.
 Settings - setări
Permite stabilirea condiţiilor de lucru ale Windows.
 Printers – apare şi în My Computer.
 Control Panel – apare şi în My Computer.
 Run – rularea programelor
140
Prin intermediul acestuia se lansează în execuţie un program indicat de utilizator. Pentru
aceasta se scrie numele unui program, dosar sau document. Prin intermediul lui Browse se
alege programul dorit. În fereastra Run se foloseşte specificatorul complet de fişier pentru a
scrie numele programului.

În Windows toate obiectele din cadrul

calculatorului sunt disponibile din
aplicaţia My Computer. Pentru
deschiderea acestei aplicaţii se
efectuează dublu clic pe pictograma
acesteia.
Fereastra care apare conţine icon-urile
pentru discurile
A unitatea de floppy disk,
specificându-se capacitatea acestuia
(3,5 inch sau 5,25 inch).

Fig. 11. My Computer

C reprezintă hard disk-ul care poate fi partajat, într-o reţea sau de sine stătător.
D reprezintă hard disk-ul partajat.
E reprezintă unitatea de CD ROM.
Control Panel, Printers şi Dial –Up Networking (conectare prin telefon).
Prin dublu clic pe pictograma acestuia
i se poate vedea conţinutul şi se pot
apela programele sau aplicaţiile
existente.
Discurile sunt suporturi externe pentru
păstrarea informaţiilor. Hard Disk-ul
conţine sistemul de operare şi
aplicaţii. Discul este organizat pe
directoare şi fişiere (în terminologia
MS-DOS) sau foldere şi documente
(terminologie Windows 98).
Pregătirea discului în vederea
utilizării sub controlul unui sistem de
operare se face prin operaţia de
formatare.

Formatarea duce la distrugerea informaţiilor de pe disc!

Pentru formatare se selectează unitatea A iar cu butonul din dreapta al mouse-ului se deschide
un meniu derulant de unde se alege opţiunea Format. Se aleg opţiunile dorite din fereastra ce
se deschide

141
 Quick ( Erase) – prin ştergere ( se aplică la o dischetă formatată anterior ).
 Full – completă- o formatare care se poate face pe orice dischetă indiferent dacă a fost
folosită sau nu sub orice sistem de operare.
 Copy system file only- copiază fişierele sistem ( COMMAND:COM, IO:SYS,
MSDOS:SYS ) rezultând dischete sistem.
 Label – etichetă ( informaţie de
identificare).
Din când în când este nevoie să se efectueze
operaţia de defragmentare pentru a face
accesul mai rapid pe disc.
Se Apelează Programs – Accessories –
System Tools – Disk Defragmenter.
Control Panel
Reprezintă panoul de control de unde se pot
modifica parametrii calculatorului şi ai
echipamentelor periferice aferente
Fig. 14. Control Panel
 Add New Hardware, permite instalarea de noi echipamente hardware prin
intermediul programului Wizard (Vrăjitor) care îndrumă utilizatorul pas cu pas.
Caracteristica Plug& Play (specifică lui Windows) permite instalarea (plug) şi funcţionarea
(play) echipamentelor hardware fără a mai fi nevoie de alte programe
 Add/Remove Programs, permite instalarea de noi programe prin intermediul programului
tip Wizard, Install. Wizard îndrumă pas cu pas
utilizatorul cerând o linie de comandă (setup.exe
sau install.exe) şi eventual o licenţă ( sau număr de
identificare).
Ştergerea de programe se face prin selectarea
programului din listă şi apoi apăsarea butonului
Add/Remove.

Fig. 15. Adăugarea / ştergerea de programe

 Keyboard (Tastatura).
Se pot seta parametri legaţi de
 Speed (viteza de afişare a caracterelor şi
viteza de clipire a punctului de inserţie).
 Language (limba utilizată). În mod implicit este limba engleză.
 General. Este specificat tipul tastaturii.
Test de verificare a cunostintelor
1. Un folder este :
a) Unitate de alocare pe disc.

142
b) Un tabel folosit de sistemul de operare pentru gestionarea informatiilor
referitoare la fisierele existente pe disc.
c) Este un container, fisier sau alta resursa pentru a pastra obiecte de informatii.
2. Ce este byte?
a). Unitate de masura pentru capacitatea de memorare a calculatoarelor. Este
definita ca memoria necesara stocarii unui caracter (se mai numeste octet).
b). Optiune pentru extinderea memoriei unui calculator.
c). Program special de control si afisare a memoriei interne a unui PC.
3. Ce este pointer?
a). Un desen sau o imagine animată care apare pe ecran.
b). Cursorul în formă de săgeată (sau alta forma selectata) care urmăreşte pe
ecran mişcarea mouse-ului.
c). Punct de acces la un calulator, o reţea sau un alt sistem electronic.
4. O pictograma este:
a). Este un container de informatii.
b). Reprezentare grafica a unui element in Windows, cum ar fi o unitate de disc, o
aplicatie, un document, etc.
c). Modalitate de afisare sau tiparire cu ajutorul Clip/Art
5. Ce este extensia
a). Sufix de cel mult trei caractere ce se ataseaza numelui unui document in
scopul identificarii rapide a tipului documentului.
b). Completarea memoriei interne a unui PC prin memorii optice sau biologice.
c). Continutul unui fisier ce depaseste 512 bytes.
6. Pentru a preveni pierderea informatiilor datorita caderilor de tensiune
a). Se folosesc dispozitive UPS-
b). Se doteaza calculatorul cu baterii.
c). Nu exista astfel de dispozitive de protectie.
7. Prin FAT (File Allocation Table) se intelege:
a). Tabel folosit de sistemul de operare pentru a păstra informaţii referitoare la
fişierele existente pe disc.
b). Este un container, fisier sau alta resursa pentru a pastra obiecte.
c). Unitate de alocare pe disc.
8. Care dintre urmatoarele componente ale unui calculator este optionala:
a). Microprocesorul b). Imprimanta c). Mouse-ul

9. Sistemul de operare Windows este:

a). Monotasking, monouser
b). Multitasking, monouser.
143
 c). Multitasking, multiuser.
10. Pentru a sterge un caracter tastat gresit se foloseste tasta:
a) <Delete> b). <Alt+Shift> c). <Esc>
11. Echipamentul de intrare–tastatura-Keyboard-are tastele alfanumerice
organizate
a) GSM b). QWERTY c). Software
12. Memoria interna de tip PROM este:
a) nevolatila
b). Nevolatila programabila
c). volatila
13. Memoria interna de tip RAM este:
a). nevolatila
b). Nevolatila programabila
c). Volatila
14. Ce este BIOS?
a). Set de rutine ce se gaseste in PROM, permitand unitatii centrale sa comunice cu
perifericele atasate calculatorului, face autotest pentru memorie.
b). Imagine grafică reprezentată prin pixeli.
c). Denumirea unui limbaj de programare de inalt nivel.
15. Ce este ASCII (American Standard Code for Information Interchange)
a). Denumirea unui limbaj de programare de inalt nivel.
b). Imagine grafică reprezentată prin pixeli.
c). O metodă standard de a atribui reprezentărilor numerice disponibile într-un
calculator forme citibile de către utilizator.
16. Ce este Bit (Binary Digit)
a). Denumirea unui limbaj de programare de inalt nivel.
b). O metodă standard de a atribui reprezentărilor numerice disponibile într-un
calculator forme citibile de către utilizator.
c). Cel mai mic element al memoriei unui calculator, ce poate memora o cifră binară
(0 sau 1 ).
17. Ce este un Cluster
a). Componente fizice ale sistemului informatic.
b). Unitate de alocare pe disc.
c). Componente logice ale sistemului informatic si anume, extensii ale
sistemului de operare.
18. Ce este Toolbar
a). O linie de butoane scurtături, aflată de obicei imediat sub bara de
meniu.

144
b). Informaţiile din fereastra de Help.
c). Posibilitate de a modifica modul de afişare a datelor pe ecran.
19. Actionarea tastei BACKSPACE are ca efect
a). Are efect similar tastei directionale .
b). Muta cursorul o pozitie spre dreapta.
c). Muta cursorul o pozitie spre stanga caracterului afisat, stergandu-l.
20. Pentru a salva un document cu nume la alegere, folositi comanda:
a). Save As din meniul File
b). Save din meniul File.
c). Page Setup din meniul File.
21. In Word realizaţi semnele următoare ©    cu comanda:
a). Office Clipboard din meniul Edit
b). Symbol din meniul Insert.
c). Page Setup din meniul File.
22. Actionarea tastei Spacebar are ca efect
a). Prin apăsare/reapăsare, permite introducerea numai a literelor mari/mici.
b). Avansează cursorul la dreapta cu un spaţiu, introducând blank la fiecare apăsare.
c). Are efect similar tastei TAB.
23. Tasta ENTER (RETURN) sub sistemul de operare are ca efect:
a). Face cunoscut calculatorului că s-a terminat o comandă, pentru a daclanşa
executarea acesteia.
b). Anuleaza efectul tastei TAB.
c). Blocheaza tastele numerice.
24. Actionarea tastei Caps Lock are ca efect
a). Prin apăsare/reapăsare, permite introducerea numai a literelor mari/mici.
b). Blocheaza tastele numerice
c). Are efect similar tastei directionale .
25. Ce se intelege prin World Wide Web ( WWW - sau mai pe scurt web-ul )
a). Reţeaua mondială unică de computere interconectate prin protocoalele (regulile)
de comunicare Transmission Control Protocol şi Internet Protocol.
b). Set de rutine ce se gaseste in PROM, permitand unitatii centrale sa
comunice cu perifericele atasate calculatorului, face autotest pentru memorie.
c). Denumirea unui limbaj de programare de inalt nivel.

26. Pentru folosirea aplicaţiilor din web este nevoie de

a). Un program multi-funcţional numit browser.

145
 b). O imprimanta
c). O licenta cumparata.
27. Un hard-disk este:
a). Mediu de stocare incorporat calculatorului, de mare capacitate, ferit de contact cu
atmosfera.
b). O colectie de informatii aflata pe disk.
c). Un suport pentru memorie interna.
28. Un floppy-disk este:
a). Disc magnetic extern, dispozitiv pentru memorie externă .
b). Suport pentru Memorie volatilă.
c). Un suport pentru memorie interna.
29. Un KB (Kilobyte) este egal cu
a). 1000 bytes .
b).1000 MB.
c).1024 bytes.
30. Programele utilitare sunt
a). Componente fizice ale sistemului informatic.
b). Programe realizate de catre utilizator.
c). Componente logice ale sistemului informatic si anume, extensii ale sistemului de
operare.
Bibliografie minimala
Armeanu Ileana Informatica Aplicata cu Windows 95, Editura
Semne, 1999.
Bălan Draga-Maria, Bălan George Microsoft Windows, Word for Windows, Excel.
Editura ProMedia, Cluj-Napoca, 1995.
Bălan Draga-Maria, Bălan George, Microsoft Excel pentru Windows, Editura
Turcu Cristina, Turcu Cornel ProMedia Plus, Cluj-Napoca, 1996.
Calciu Mihai, Somnea D. Excel 5,0 cu aplicaţii în Management; Editura
Tehnică, Bucureşti, 1994.
Cârstea Mihaela, Diamandi Ion Calculatorul fără secrete; Editura Agni, 1997
Norton Peter Ghid complet pentru Windows; Editura
Teora,1996.
Unitatea de invatare 8

Obiectivele unitatii de invatare 8. Utilizarea programului Microsoft Word

146
 Prin studierea acestei unităţi de învăţare veţi fi în măsură să:

 Utilizati cea mai simpla si des folosita dintre toate aplicaţiile Microsoft Office,
WORD.
 Folositi acest soft de birotica pentru prelucrarea de texte, pentru crearea de notiţe,
faxuri, scrisori informative, etichete poştale, broşuri, tabele şi multe alte tipuri de
documente personale sau de afaceri.
 Ca soft integrat al pachetului Microsoft Office mai oferă un avantaj în
întrebuinţarea programului Word în lucrul de zi cu zi, acela de a folosi date şi
1.Crearea şi editarea
instrumente comune documentelor
programelor EXCEL, POWER POINT, MAIL şi altor aplicaţii
WINDOWS.
 Ca utilizator de produse informatice, aflati cum creati si tehnoredactati un
document in WORD; introducerea textului, selectarea, formatarea documentelor,
corectarea si tiparirea documentelor, utilizarea tabelelor şi chenarelor.
 Verificati informatiile aflate in aceasta unitate de invatare, incercand sa parcurgeti
Testul de laborator pentru verificarea cunostintelor aflat la sfarsitul acestui capitol.

Dintre toate aplicaţiile Microsoft Office, s-ar părea că cea mai utilizată este programul
WORD. Folosit pentru prelucrarea de texte, pentru crearea de notiţe, faxuri, scrisori
informative, etichete poştale, broşuri, tabele şi multe alte tipuri de documente personale sau
de afaceri.
Microsoft Office mai oferă un avantaj în
întrebuinţarea programului Word în lucrul de zi
cu zi. Când utilizaţi WORD, aveţi posibilitatea
de a folosi date şi instrumente comune
programelor EXCEL, POWER POINT, MAIL şi
altor aplicaţii WINDOWS.
Utilizarea ecranului Word
La lansare, Word afişează pe ecran din
oficiu anumite componente, printre care bara de
titlu, bara de meniuri, două bare cu instrumente,
o riglă şi bare de defilare.
Aceste componente se pot ascunde, sau se
pot afişa altele diferite, alegând o
comandă din meniurile View sau Tools şi de aici comanda Options.
Marcajul din dreptul opţiunii restective indică faptul că este activată, o casetă de
validare goală indică dezactivarea opţiunii respective.
Elementele componente ale ecranului Word sunt descrise mai jos.
 Bara de titlu conţine numele programului şi al documentului, pictograma
meniului de comandă şi opţiunile Restore, Minimize, Maximize, şi Close. În plus
bara de titlu conţine bara cu instrumente Microsoft.
 Bara de meniuri  conţine meniuri specializate formate din comenzi apropiate ca
domeniu de activitate.
 Bara cu instrumente standard  conţine butoane pe care executaţi clic pentru a
realiza diverse operaţii, cum ar fi deschiderea unui nou document, salvarea unui
document, verificarea ortografiei sau anularea unei acţiuni.
147
  Bara cu instrumente de formatare  oferă căi de acces rapid pentru alegerea
caracterelor sau utilizarea instrumentelor de formatare a paragrafelor: modificarea
fonturilor, dimensiunea acestora, stilurile, aliniatele etc..
 Rigla  oferă o metodă simplă şi rapidă de a stabili alineate şi spaţieri
uniforme în text.
 Spaţiul de lucru este alcătuit dintr-o pagină albă în care introduceţi sau editaţi text,
poziţionaţi ilustraţii şi reprezentări grafice etc..
 Bara de stare  afişează informaţii şi mesaje în timp ce lucraţi în Word.
 Bara de derulare este folosită pentru a ajunge rapid în altă parte a documentului.
Introducerea textului într-un document Word
La lansarea programului Word, acesta vă oferă un document nou, complet gol ce poartă
numele Document 1 în bara de titlu.
Textul pe care-l introducem apare în dreptul punctului de inserare care este , dar
clipitor care se numeşte cursor.
La introducerea textului, acesta se scrie ca în orice alt program de redactare, doar că Word
împarte automat textul în rânduri, de dimensiune egală – nu apăsaţi pe tasta Enter decât
atunci când vreţi să treceţi la un alt paragraf sau să introduceţi un rând gol.
Markărul de sfârşit de paragraf este un caracter netipăribil, introdus de câte ori se apasă pe tasta
Enter. Se poate vedea dacă se alege butonul Show / Hide din bara se instrumente standard

Selectarea textului
După ce aţi introdus un text, veţi avea poate nevoie să ştergeţi sau să mutaţi un cuvânt,
o propoziţie sau un paragraf. Putem dori chiar să formatăm textul modificând tipul şi
dimensiunea caracterelor, să creem alineate etc… Înainte de a putea realiza toate acestea
trebuie să indicăm programului Word cui trebuie să aplice operaţia respectivă. Asta presupune
selectarea textului. După selectare acesta va apare pe ecran pe video invers. Pentru selectare se
poate utiliza mouse-ul, tastatura sau o metodă combinată, în funcţie de cât de mare este zona ce
va fi selectată.
 Pentru a selecta un cuvânt, poziţionaţi cursorul oriunde în interiorul cuvântului şi
executaţi clic. Va fi selectat cuvântul şi spaţiul ce urmează după el.
 Pentru a selecta o propoziţie, ţineţi apăsat Ctrl în timp ce executaţi clic oriunde în
interiorul propoziţiei.
 Pentru a selecta un paragraf, executaţi triplu clic pe paragraf, sau în bara de selecţie
executaţi dublu clic.
 Pentru a selecta o anumită zonă de text, executaţi clic şi dragaţi cursorul peste un
 caracter, cuvânt sau întreg ecranul.
 Pentru a selecta un rând de text, aşezaţi indicatorul mouse-ului în bara de selecţie în
stânga liniei şi executaţi clic.
 Pentru a selecta tot documentul, ţineţi apăsată tasta Ctrl în timp ce executaţi clic pe
bara de selecţie.
 Pentru a anula selecţia unei zone de text, executaţi clic oriunde în spaţiul de lucru
sau apăsaţi o tastă săgeată.

148
  Pentru a selecta un bloc vertical de text, primele litere ale cuvintelor dintr-o listă, de
exemplu, ţineţi apăsată tasta Alt în timp ce executaţi clic şi trageţi mouse-ul peste
textul respectiv.
Editarea textului într-un document Word
În Word modificările şi corecturile
se fac foarte uşor. Puteţi şterge, copia,
muta, dar la fel de uşor se pot face şi alte
modificări. Dacă am uitat să scriem un
text cu litere mari, nu este nevoie să-l
scriem din nou, folosim comanda Change
Case din meniul Format.
Opţiunile realizează:
1. Doar prima literă a textului este majusculă.
2. Toate caracterele textului selectat vor fi înlocuite cu litere mici.
3. Toate caracterele textului selectat vor fi înlocuite cu litere mari
4. Prima literă a fiecărui cuvânt din textul selectat va fi majusculă.
5. În tot textul selectat schimbă literele mari în mici şi invers.
În tabelul de mai jos sunt sintetizate comenzile
de editare ale unui text selectat
Ştergere Copiere Mutare Anulare operaţie Reluare operaţie
Tastatură Delete sau Ctrl + C apoi Ctrl Ctrl + X apoi Ctrl + Z sau ALT Ctrl + Y
Backspace +V Ctrl +V Backspace

Bara cu CUT COPY Apoi CUT Apoi UNDO REDO

instrumente PASTE PASTE
Comenzi Edit Clear Edit Copy apoi Edit Edit Cut apoi Edit Undo Edit Redo
Paste Edit Paste
Butonul CUT Copy apoi Paste Cut apoi Paste
drept al
mouse
Tragere cu trageţi zona selectată Ctrl şi trageţi
mouse zona selectată
Comenzile Undo şi Redo ale meniului Edit funcţionează doar în cazul
ultimei operaţii executabile

Salvarea, închiderea şi deschiderea documentelor Word

Ca şi în alte documente MS Office, salvaţi un document Word atribuindu-i nume şi un loc
pe disc şi în lista de dosare, cu ajutorul comenzii Save. După ce i-aţi dat un nume,

149
 modificările le puteţi salva fără să-l redenumiţi, executând clic pe butonul corespunzător
din bara de instrumente.
Salvarea tuturor documentelor deschise se face cu comanda Save All din meniul File. În
plus ea mai salvează şi orice machetă deschisă , macro sau intrare Auto Text.
Pentru a deschide un document Word, executaţi clic pe butonul Open, alegeţi comanda
Open din meniul File sau executaţi comanda Ctrl + O.
Creaţi un document nou executând clic pe butonul New, alegem New din meniul File, sau
executaţi comanda Ctrl + N.
Formatarea documentelor
Multe din comenzile şi facilităţile programului Word se referă la formatarea
documentelor. Aceasta include stabilirea tipurilor de caractere şi dimensiunea acestora, a
spaţiilor dintre rânduri şi dintre paragrafe, alinierea textului, împărţirea lui pe coloane.
Se poate considera că multe dintre acestea fac parte din ceea ce se numeşte tehnoredactare –
proiectarea şi formatarea unui document pentru a arăta cât mai profesional.
Un format de editare poate fi copiat de la alt text cu ajutorul comenzii Format Painter,
aflat şi în bara de butoane.
Cele mai uzuale moduri de afişare ale unui document sunt Normal ( folosit pentru
introducerea şi editarea textului) şi Page Layout care este perfect pentru formatarea
textului şi paginii. Asigură modul de afişare WYSIWYG ( what-you-see-is-what-you-get)
Modul de afişare Outline vă permite să reduceţi documentele la nivel de titluri de paragrafe
pentru a putea muta sau copia zone de text în vederea reorganizării cu uşurinţă a
documentelor mari.
Modul de afişare Master Document este o
metodă de a afişa şi a organiza mai multe
documente o dată.
Puteţi modifica dimensiunea caracterelor (sau
fonturilor), să alegeţi stilul dorit fie din bara de
butoane, fie din caseta de dialog Font.
Pentru a stabili spaţierea, parcurgeţi paşii
următori:
1. Poziţionaţi cursorul în paragraful pe
care doriţi să-l formataţi.
2. Alegeţi comanda Paragraf din
meniul Format.
3. Selectaţi eticheta Indent and Spacing.
4. În lista derulantă Line Spacing selectaţi opţiunea dorită (sau adăugaţi o opţiune in
caseta At ).
5. Alegeţi OK pentru a închide caseta de dialog.
Ajustarea alinierii
Alinierea este modul de organizare a textului. Maniera în care aliniaţi textul într-un
document are urmări asupra gradului de inteligibilitate, asupra aspectului acestuia.

150
 Word oferă posibilitatea de a alinia textul la stânga, la dreapta, central sau de a crea
rânduri de lungime constantă (justify).
Modificarea dimensiunii şi orientării unei pagini
dintr-un document Word
Această operaţiune este dictată în general de imprimantă. Pentru a schimba dimensiumea
paginii şi orientarea, parcurgem următorii paşi:
Alegeţi opţiunea Page Setup din
meniul File.
1. Selectaţi eticheta Paper
Size.
3. Selectaţi din lista
derulantă Paper Size o dimensiune
sau utilizaţi casetele text Width şi
Height pentru a specifica
dimensiunea exactă.
4. În zona Orientation selectaţi
Portrait sau Landscape.
5. Alegeţi OK pentru a închide
caseta de dialog.
Stabilirea marginilor
Puteţi modifica marginile documentului de la valoarea prestabilită la orice altă valoare
doriţi. Imprimanta pe care o aveţi vă poate impune limite în alegerea marginilor.
1. Alegeţi opţiunea Page Setup din meniul File.
2. Selectaţi eticheta Margins.
3. Introduceţi dimensiunile în casetele
Top, Bottom, Left, Right..
4. Selectaţi în lista derulantă
Apply to porţiunea din document asupra
căreia doriţi să fie aplicate noile valori.
6. Alegeţi Ok pentru a închide
boxa de dialog.
Crearea coloanelor
Un document poate fi împărţit în mai
multe coloane utilizându-se caseta de
dialog Columns. Puteţi selecta un
model prestabilit sau introduceţi un
număr de coloane dorit şi dimensiunea fiecăreia dintre ele.
În zona PRESET se specifică tipul de coloane dorit iar celelalte opţiuni ale casetei se
folosesc pentru a personaliza coloanele.
3. Corectarea şi tipărirea documentelor

151
După ce aţi terminat de introdus şi de editat textul, va trebui să verificaţi şi apoi să tipăriţi
documentul. Putem folosi comenzile Spelling (verificarea ortografiei), Thesaurus
(dicţionarul de sinonime) şi Grammar ( verificarea gramaticală) pentru a vă corecta
documentul şi a obţine sugestii de îmbunătăţire a textului. Putem folosi comenzile Find şi
Replace pentru a revizui sau modifica textul.
Pentru a verifica ortografia vom executa clic pe butonul corespunzător din bara de
instrumente Programul Word evidenţiază cuvintele cu ortografie îndoielnică, îl afişează în
caseta de text Not in Dictionary şi sugerează în caseta Change To o variantă de înlocuire.
Puteţi alege alt cuvânt din lista Suggestions sau puteţi edita cuvântul în caseta Change To.
Dacă ortografia cuvântului este corectă dar nu se află în dicţionar (nume de persoană),
putem alege cuvântul
Ignore, sau Ignore All
pentru toate apariţiile
sale în document, sau
Add pentru a adăuga
respectivul cuvânt în
dicţionar.
Utilizarea comenzilor
Find şi Replace
În timpul corectării unui
document se poate
întâmpla să descoperiţi
că pentru a ajunge rapid la altă zonă din document, ar fi mai simplu să localizaţi textul.
Comanda Find vă permite să căutaţi anumite componente din documentul dvs. Dacă veţi
folosi comanda Replace, puteţi nu doaar să căutaţi ce vă interesează, că să şi înlocuiţi zona
respectivă de text cu altceva.
Din meniul Edit, alegeţi comanda Replace. Introduceţi în caseta Find what textul căutat,
iar în caseta Replace with treceti textul care-l va înlocui. Alegeţi opăiunea Replace All.
Obţinerea unei imagini de ansamblu a documentului
După ce aţi introdus, editat, formatat şi corectat textul, sunteţi gata pentru a tipării
documentul. Uneori la formatarea textului în modul de afişare Normal, problemele devin
vizibile doar la tipărirea documentului.Marginile pot fi prea mari, un antet poate fi împărţit
nepotrivit, alinierea poate fi deficitară etc..
Pentru a avea o imagine de ansamblu a documentului, clicaţi pe butonul Print Preview, sau
alegi această comandă din meniul File.
Tipărirea documentelor Word
Când tipăriţi în Word, utilizaţi în general valorile prestabilite de Windows.
Puteţi modifica însă aceste valori în cadrul casetei de dialog Print. Opţiunile prestabilite
prevăd tipărirea unei singure copii a întregului document.

152
 Opţinea Descriere
Secţiunea Printer
Name Din lista derulantă selectaţi imprimanta la care să se facă tipărirea
documentului.
Properties Modificaţi proprietăţile imprimantei selectate (formatul foii de
hârtie, rezoluţia grafică). Se menţin proprietăţile selectate pentru
toate documentele ce se vor tipări pe acea imprimantă.
Print to File Tipăriti documentul respectiv într-un fişier pentru a-l tipări pe altă
imprimantă.
Secţiunea Page Range
All Tipăreşte toate paginile documentului.
Current Page Tipăreşte doar pagina în care se găseşte cursorul în momentul
respectiv.
Pages Tipăreşte paginile specificate. Numărul paginilor individuale se
introduc separate prin virgulă, iar pentru paginile consecutive, se
indică un interval prin liniuţa de unire.
Selection Se poate tipări doar o zonă selectată.
Secţinea Copies
Number of Numărul de copii specificate.
Copies
Collate Se selectează pentru a tipări copiile în ordine (se tipăresc întâi
paginile primei copii, apoi următoarea).
Alte Opţiunie
Print What Specificaţi ce doritţi să tipăriţi: documentul, informaţiile de
sinteză, o listă de stiluri etc..
Print Specificaţi paginile ce se vor tipării: toate, cele paresau cele
impare din intervalul specificat.
OK Se trimit la imprimantă paginile selectate.
Cancel Clic pe acest buton anulează toate modificările şi închide caseta de
dialog fără a tipări documentul.
Options Adoptaţi opţiuni de tipărire.

Pentru a tipări un plic în Word, parcurgeţi paşii următori:

1. Introduceţi un plic în imprimantă.
2. Din meniul Tools alegeţi
opţiunea Envelopes and Labels.
3. Alegeţi eticheta Envelopes.
4. Introduce adresa expeditorului
şi a destinatarului. Puteţi alege butonul
Insert Address pentru a lua o adresă din
agenda personală (Personal Address
Book).
5. Selectaţi opţiunile de alimentare
şi cele referitoare la plic, dacă este
necesar.
6. Alegeţi OK.
Numerotarea paginilor
Există două moduri de a numerota paginile unui document:
1. Din meniul Insert se alege comanda Page Numbers;

153
 2. Din meniul View se alege comanda Header and Foote
Inserarea numerelor de pagină
Pentru a insera un număr de pagină folosind comandaPage Numbers din meniul Insert:
1. se pozitionează punctul de inserare în sectiunea căreia dorim să-i adăugăm numere de
pagină;
2. din meniulInsert se alege comanda Page Number
3. în fereastra Page Numbers, în cutiaPosition se selectează pozitia numărului de pagină în
interiorul documentului (Bottom of page sau Top of page), iar în cutia Alignment se
selectează o aliniere a numărului de pagină (Left ,Center,Right,Inside sau Outside);
4. se apasă butonulOK
Pentru a insera un număr de pagină folosind comanda Header and Footer
din meniul View:
1. Se pozitionează punctul de inserare în sectiunea căreia dorim să-i adăugăm numere de
pagină;
2. Din meniulView se alege comanda Header and Footer;
3. Se pozitionează punctul de inserare în antet sau în subsol, în pozitia dorită;
4. Se apasă butonul Insert Page Numbers de pe bara de butoane Header and Footer;
5. Se apasă butonulClose de pe bara de butoane Header and Footer pentru a reveni în
document.
Stabilirea formatului numerelor de pagină
Ca format de număr de pagină se poate folosi atât formatul implicit, formatul numerelor de
pagină fiind 1, 2, 3 etc. precum şi alte formate ca i, ii, iii sau a, b, c. Pentru a schimba
formatul numărului de pagină:
1. Se pozitionează punctul de inserare în sectiunea unde dorim să schimbăm formatul
numărului de pagină;
2. Din meniul Insert se selectează Page Numbers;
3. Se apasă butonulFormat;
4. In fereastra Page Number Format, în cutia Number format se alege formatul dorit;
5. Se apasă butonulOK
Pentru a şterge numărul de pagină:
1. Se pozitionează punctul de inserare în sectiunea căreia dorim să-i eliminăm numerele de
pagină;
2. Din meniul View se alege comanda Header and Footer;
3. Se selectează numărul de pagină şi se apasă tasta Delete sau Backspace. Word va şterge
numărul de pagină din întregul document.

Pentru a şterge numărul de pagină doar din sectiunea curentă trebuie

initial întrerupte conexiunile. Dacă avem antet şi subsol diferit pentru prima pagină a
sectiunii de restul sectiunii sau dacă avem antete şi subsoluri diferite pentru paginile pare
154
 şi impare, trebuie să ne asigurăm că numerele de pagină au fost eliminate din toate
antetele şi subsolurile de pagină;
4. se apasă butonulClose de pe bara de butoane Header and footer
Ascunderea numerelor de pagină
Pentru a ascunde numărul de pagină de pe prima pagină a documentului sau sectiunii:
1. se pozitionează punctul de inserare în sectiunea unde dorim să eliminăm numărul de
pagină şi din meniul Insert se selectează Page Numbers
2. se demarchează cutia Show number on first page;
3. se apasă butonulOK

Antete si subsoluri de pagina

Antetul si subsolul paginii reprezinta zonele superioara si inferioara ale paginii, zone in
care nu se scrie text obisnuit dar se pot introduce informatii speciale, care sa se repete apoi
pe fiecare pagina (de exemplu: titlul capitolului, numarul paginii, data si ora crearii,
versiunea documentului, numele autorului sau sigla firmei). Antetele si subsolurile
diferitelor pagini se pot trata in mod diferit prin definirea de sectiuni diferite (Insert -
Break) sau prin tratarea separata a paginilor pare si a celor impare.
Vizualizarea si editarea acestor portiuni ale documentului se poate realiza in urma activarii
comenzii Header and Footer din meniul View. Se vor afisa zonele rezervate pentru antet,
respectiv subsol si bara de instrumente Header and Footer (figura), cu butoane pentru:
• comutarea intre zona antetului si cea a subsolului;
• afisarea antetului/subsolului sectiunii urmatoare a documentului;
• inserarea aceluiasi antet/subsol ca in sectiunea anterioara;
• inserarea unui camp de numar de pagina;
• inserarea unui camp de data;
• inserarea unui camp de ora;
• afisarea ferestrei de dialog Page Setup;
• ascunderea/afisarea textului din document (pentru a vedea mai clar antetul si subsolul);
• inchiderea modului de vizualizare a antetelor si subsolurilor, cu revenirea in document
(Close).
Daca formatul campului de data sau a celui de ora nu convine, acesta poate fi modificat
prin intermediul comenzii Date and Time a meniului Insert.
Formatarile de tip antet si subsol pot fi valabile pentru intregul document sau doar la nivel
de sectiune (vezi Sectionarea unui document), pot sa difere pentru paginile pare si impare
(facilitate utila pentru paginile alaturate - "facing pages" - care se leaga sub forma de carte)
sau pot fi diferite pentru prima pagina fata de celelalte (in care, de exemplu, titlul poate
inlocui informatiile de antet). Dimensiunile antetului si subsolului pot fi modificate prin
intermediul aceleiasi comenzi Page Setup din meniul File, comanda care va fi prezentata in
paragraful urmator, sau prin intermediul riglei verticale specifice modului Page Layout, de
vizualizare a documentului.
Bara de formatare Header and Footer
155
 Marcatori şi numerotare (Bullets and Numbering)
Unele texte cuprind liste, enumerări de elemente ce trebuie precedate de simboluri
grafice pentru a se evidenţia ca atare.
Pentru aceasta, editorul Word pune la dispoziţie instrumente speciale ce permit crearea
unei liste sau transformarea mai multor paragrafe succesive într-o listă numerotată
(Numbering) sau într-o listă în care fiecare element este marcat cu un caracter grafic, de
exemplu cu marcatori (Bullets). Se selectează paragrafele care se doresc marcate şi se
clichează pe unul din butoanele Numbering sau Bullets existente în bara de instrumente
pentru formatarea textului. Comenzile Bullets and Numbering mai pot fi accesate din meniul
Format Bullets and Numbering, sau din meniul contextual afişat ca urmare a unui clic
dreapta.
Fereastra Bullets and Numbering cuprinde trei opţiuni: liste marcate (Bulleted),
numerotate (Numbered) şi ierarhizate,
subliste (Outline Numbered).
Fereastra Marcatori şi numerotare
Listele marcate sunt utilizate pentru
informaţii legate între ele, dar care nu au o
ordine prestabilită;

Daca utilizatorul nu este multumit de nici

unul din modelele propuse, el poate defini
propriul mod de marcare selectând butonul
Customize din fereastra de dialog Bullets
and Numbering, care deschide fereastra
Custo
mize
Bullet
ed List.

Listele numerotate sunt utilizate pentru informaţii care

trebuie parcurse într-o anumită ordine prestabilită;

Crearea listelor numerotate

Pentru a crea o lista numerotata:
1. Se pozitionează cursorul text acolo unde trebuie
sa apară lista.
2. Se aplica comanda Bullets and Numbering.
3. Se selectează butonul Numbered.
4. Se selectează modul de numerotare al paragrafelor aplicând un clic pe unul din
modelele puse la dispozitia utilizatorului.
5. Se selectează butonul OK

156
Daca utilizatorul nu este multumit de nici unul din modelele propuse, el poate defini propriul
mod de numerotare selectând butonul Customize din fereastra de dialog Bullets and
Numbering, care deschide fereastra de dialog Customize Numbered List.

Listele ierarhizate sunt o combinaţie între mai multe liste

subliste şi sunt utilizate pentru informaţii care trebuie să fie
prevăzute cu mai multe nivele; diferitele nivele sunt
evidenţiate prin retrageri ale liniilor; astfel de liste sunt
folosite la rezumate sau documentele tehnice.

Pentru a elimina marcajele sau numerele dintr-o

lista:
1. Se selectează paragrafele la care se vor elimina marcajele
sau numerele.
2. Se aplica comanda Format, Bullets and Numbering.
3. In cazul unei liste marcate se aplica un clic pe butonul
Bullets. Se selectează None pentru a elimina marcajele. In
cazul unei liste numerotate se aplica un clic pe butonul Numbered. Se selectează None pentru a
elimina numerotarea din lista.
4. Se aplica un clic pe butonul OK pentru ca modificările sa devină active

Adăugarea, modificarea sau ștergerea unui comentariu

Comentariul este o notă care se poate adăuga la o literă sau la un cuvânt dintr-o prezentare.
Utilizați comentarii atunci când doriți ca alte persoane să examineze și să ofere feedback
despre prezentarea pe care ați creat-o sau atunci când colegii vă solicită feedback la un
document. În Microsoft Office
2007, aveți posibilitatea să adăugați,
să editați și să ștergeți comentarii.
Inserarea unei ecuații
Este posibil ca o parte din conținutul
acestui termen să nu se aplice pentru
unele limbi.
1. Faceți clic în locul unde
doriți să inserați ecuația.
2. Din meniul Inserare, faceți
clic pe Obiect și apoi faceți clic pe
fila Creare.
3. În caseta Tip obiect, faceți clic pe Microsoft Equation 3.0.
4. Dacă Microsoft Equation Editor nu este disponibil, instalați-l.
5. Faceți clic pe OK.
Construiți ecuația selectând simboluri din bara de instrumente (bară de instrumente: O bară cu
butoane și opțiuni care se utilizează pentru a efectua comenzi. Din rândul de sus al barei de
instrumente Ecuație, alegeți peste 150 de simboluri matematice. Din rândul de jos, alegeți
157
o varietate de șabloane și cadre de lucru care conțin simboluri precum fracții, integrale și sume.
Dacă aveți nevoie de ajutor, faceți clic pe Ajutor pentru editorul de ecuații din meniul Ajutor.
6. Pentru revenire în Microsoft Word, faceți clic pe documentul Word.
Inserare data si ora
Intr-un document word se poate insera data si ora curenta. Pentru inserarea acestor informatii
se selecteaza meniul Insert optiunea Data &Time, si se selecteaza din lista unul din formatele
de date si ora. De exemplu luni, 03.07.2013 Intr-un document word se poate insera data si ora
curenta. Pentru inserarea acestor informatii se selecteaza meniul Inserare optiunea Data si Ora,
si se selecteaza din lista unul din formatele de date si ora.

Daca se doreste o actualizare automata a datei si a orei la fiecare deschidere a documentului, se

efectueaza clic pe caseta Actualizare autoamata.
Data si ora se actualizaeza numai la tiparirea documentului sau la efectuarea unui clic cu
butonul drept al mouse-ului pe campul unde s-a inserat data si ora, urmat de selectarea optiunii
Actualizare camp.

Adaugarea de chenare si umbre

1. Selectați textul, imaginea sau tabelul (tabel: Unul sau mai multe rânduri de celule utilizate
în mod obișnuit pentru a afișa numere și elemente pentru referire și analiză rapide.
Elementele din tabel sunt organizate în rânduri și coloane.) la care doriți să aplicați
o bordură.
2. Dacă doriți să aplicați o bordură
anumitor celule din tabel, selectați
celulele, inclusiv marcajul de

sfârșit de celulă.
3. Din meniul Format, faceți clic pe
Borduri și umbre, apoi pe fila
Borduri.
4. Selectați opțiunile dorite.
5. Pentru a preciza faptul că numai
anumite laturi vor avea bordură,
sub Setare, faceți clic pe
6. Particularizare. Sub Examinare,
faceți clic pe laturile diagramei sau utilizați butoanele pentru a adăuga sau elimina borduri.
7. Pentru a preciza poziția exactă a bordurii unui paragraf față de text, sub Se aplică, faceți
clic pe Paragraf, apoi pe Opțiuni și selectați opțiunile dorite.
Adaugarea unei borduri la o pagina
1. Din meniul Format, faceți clic pe Borduri și umbrire, apoi pe fila Borduri de pagină.
2. Pentru a specifica o bordură artistică, cum ar fi pomi, selectați o opțiune din caseta Artă.
3. Faceți clic pe una din opțiunile de bordură sub Setări.
4. Pentru a preciza aplicarea bordurii pe o anumită latură a paginii, cum ar fi latura de sus, faceți clic pe
Particularizare sub Setare. Sub Examinare, faceți clic acolo unde doriți să apară bordura.

158
5. Pentru a preciza aplicarea bordurii unei anumite pagini sau, faceți clic pe opțiunea dorită
situată sub Se aplică.
6. Pentru a preciza poziția exactă a bordurii pe pagină, faceți clic pe Opțiuni, apoi selectați
opțiunile dorite.
Adăugarea de umbrire, culoare
1. Selectați textul sau tabelul căruia doriți să îi adăugați umbrire.
2. Dacă doriți să umbriți anumite celule din tabel, selectați celulele, inclusiv marcajul sfârșit

de celulă.
3. Din meniul Format, faceți clic pe Borduri și umbrire, apoi pe fila Umbrire.
4. Selectați opțiunile dorite.
Verificarea ortografiei
1. Pe bara de instrumente Standard,
faceți clic pe Corectare ortografică
.
2. Selectați opțiunea dorită pentru
fiecare cuvânt la care se oprește
corectorul ortografic — fie pentru a-
i aplica ortografia sugerată, pentru a-
l ignora, pentru a-l adăuga la
dicționarul particularizat sau pentru
a-l adăuga la lista AutoCorecție.

Utilizarea tabelelor şi chenarelor

Vă puteţi îmbunătăţi aspectul documentelor

introducând tabele pentru a organiza
informaţiile. Creaţi tabele pentru a organiza
informaţiile pe coloane, pentru a construi
formulare, pentru a introduce în documentele
dvs. foi de calcul.
Word vă dă posibilitatea de a formata textul
din tabele şi de a crea formule de calcul în
interiorul acestora. Aveţi posibilitatea de a
adăuga elemente grafice şi efecte de umbrire în documente pentru a le face să arate cât mai
profesional.

Utilizarea tabelelor
O tabelă este o metodă de organizare a textului prin care realizaţi rapoarte, formulare, foi
de calcul, paragrafe alăturate cum ar fi cele ale unei agende.
Tabelele sunt formate din linii şi coloane, acestea delimitează celulele. O celulă poate
conţine text, cifre sau elemente grafice. Dimensiunea unei celule se măreşte automat pentru

159
a-şi primi conţinutul.
La inserarea unei tabele, introducem numărul de linii şi de coloane pe care dorim să-l
conţină. Atât tabela cât şi conţinutul său se pot modifica prin schimbarea dimensiunilor,
prin formatarea textului, adăugarea (suprimarea) de linii sau coloane.
Inserarea unei tabele
Putem insera o tabelă utitlizând meniul Table şi de aici comanda Insert Table,
sau butonul corespunzător din bara de butoane.
Îşi face apariţia caseta de dialog corespunzătoare
Opţiunile casetei Insert Table:
 Number of Columns.
Introduceţi numărul de coloane dorit
pentru tabelă.
 Number of Rows.
Introduceţi numărul de linii dorit pentru
tabelă.
 Column Width. Precizaţi o
dimemsiune pentru lăţimea coloanei sau lăsaţi opţiunea Auto, pentru a avea
dimensiuni egale.
 Table Format. Dacă alegeţi AutoFormat, alege formatul predefinit.
 Wizard. Lansează programul Table Wizard şi de aici alegeţi opţiunile dorite de
 formatare a tabelului.
 AutoFormat. Puteţi alege stilurile, chenarele, fonturile, şi altele dintr-o listă de
formate predefinite. Seamăna cu Style Gallery.
Pentru a insera o tabelă, efectuaţi paşii de mai jos:
1. Poziţionaţi cursorul în locul în care vreţi să inseraţi tabelul.
2. Din meniul Table alegeţi opţiunea Insert Table.
3. Introduceţi numărul de linii şi de coloane dorit.
4. Opţional puteţi introduce o valoare în caseta de text Column Width.
5. Opţional puteţi alege Wizard sau AutoFormat şi răspundeţi la întrebările care vi
se pun.
6. Alegeţi Ok pentru a insera tabelul şi pentru a închide caseta de dialog.
Selectarea textului într-o tabelă
Se draghează cursorul peste textul respectiv ca în cazul selectării textului într-un document.
Câteva tehnici de selectare a textului intr-o tabelă:
 Pentru a selecta o celulă se execută triplu clic pe celulă sau clic pe pe marginea
interioară a celulei.
 Pentru a selecta o coloană în întregime, se trage mouse-ul în jos peste coloana
 respectivă, sau se plasează indicatorul mouse-ului în capul coloanei până devine ca

160
  o săgeată neagră îndreptată în jos şi executaţi clic peste coloană.
 Pentru a selecta o linie în întregime executaţi clic pe bara de selecţie din stânga
tabelei. Trăgând în sus sau în jos selectaţi mai multe linii odată.
 Pentru a selecta toată tabela, din meniul Table alegeţi opţiunea Select.
Introducerea şi ştergerea liniilor şi coloanelor
Inserarea liniilor şi coloanelor se face relativ simplu. Din meniul Table alegeţi
opţiunea Insert Row şi veţi introduce o linie inaintea celei selectate. În mod
asemănător se poate introduce o coloană.
Pentru a şterge o linie sau o coloană,
selectaţi-o şi apoi din meniul Table
alegeţi opţiunea Delete Rows sau
Delete Columns.
Modificarea pozitiei tabelului
Se poate face cu ajutorul ghidajului de
mutare in urmatorul fel, se plaseaza
indicatorul mouse-ului in interiorul
tabelului si se asteapta aparitia pe
ecran a ghidajului de mutare in coltul
din stanga sus al tabelului si se
pozitioneaza indicatorul mouse-ului
pe ghidaj si se asteapta aparitia a doua
segeti incrucisate.Cu butonul stang al mouse-ului apasat se deplaseaza tabelul in pozitia care
dorim.
Redimensionarea tabelului se poate face cu ajutorul ghidajului de redimensionare in
urmatorul fel, se plaseaza indicatorul
mouse-ului in interiorul tabelului si se
asteapta aparitia pe ecran a ghidajului de
redimensionare in coltul din dreapta jos al
tabelului si se pozitioneaza indicatorul
mouse-ului pe ghidaj si se asteapta aparitia
a unei segeti .Cu butonul stang al mouse-
ului apasat se redimensioneaza tabelul
cum dorim
Autoformatarea tabelelor
Pentu a avea un tabel cu aspect atractiv
putem alege din meniul Tabel optiunea AutoFormatare in tabel.
Din fereasta Autoformatare tabel se poate aplica un format de bordura de umbra, de
culoare.Se poate aplica formate speciale pentru prima coloana, pentru randuri...
Rezultatul va fi un tabel gata formatat.
Sortarea informatiilor
Pentru a schimba ordinea inregistrarilor se selecteaza o coloana dupa care se realizeaza
sortarea, se alege din meniul Tabel optiunea Sortare si va aparea o fereastra in care putem
stabili criteriile de sortare.
161
 Test de verificare a cunostintelor.

Folositi un text de minim trei pagini pe care-l salvati cu numele Demo text.
1. Selectati doua paragrafe din documentul Demo text, etalati-le cu
Font Arial, size 12, Bold si centrat, totul scris cu litere mari.
2. Selectati un paragraf din Demo text, etalati-le cu Font Times New
Roman , size 14, ItalicBold si prima litera a paragrafului sa fie Drop Cap
pe 3 linii.
3. Importati o imagine in Demo text, si faceti de asa maniera incat
textul sa inconjoare imaginea.
4. Selectati doua paragrafe din Demo text si etalatile pe trei coloane. Aliniati Justified
si puneti linie intre coloane.
5. Selectati un rand din Demo text si puneti pe el un efect de animatie
6. Scrieti in Word Art un text la alegerea voastra.
7. Selectati patru paragrafe din documentul Demo text si folositi optiunea Paragaph
din Format pentru o spatiere la 1.5 line cu 6 pct inainte de noul paragraf.
8. Deschideti documentul. Folosind Page Setup puneti margini 2.6 sus – jos, 3.5
stanga dreapta, masuratori in centimetri, orientare Portret pentru Demo text.
9. In Demo text folosind Insert, adaugati nr de pagina in partea de jos, centrat.
10. In Demo text folositi View, puneti antet si subsol formatat Times New Roman, size
12. Antetul sa fie denumirea unei reviste, ziar, iar in subsol, adresa, nr. de telefon,
fax..
11. In documentul Demo text, cautati cuvintul Nu si-l inlocuiti cu Da. Folositi Edit, Find
and Replace.
12. Selectati patru paragrafe din documentul Demo text si folositi Numbereds pentru a
le pune in evidenta.
13. Selectati doua paragrafe din documentul Demo text si departand textul cu trei cm
de marginile stanga- dreapta, puneti chenar si umbre.
14. Selectati patru paragrafe din documentul Demo text si folositi Bullets pentru a le
pune in evidenta.
15. Vizualizati documentul Demo text cu Print Preview.
16. Schimbati orientarea textului din documentul realizat cu Page Setup.
17. Introduceti textul de mai jos in documentul word in care ati lucrat. “We wish to
thank Marcus and Andreas who have made contributions to this project, and the
usears who paciently coped with early versions of the software. This paper tries to
make a contribution to this process by describing the actual implementation of the
algorithms and their proprer usage”. Verificati ortografia si gramatica textului
introdus.
18. In documentul word in care lucrati folositi Insert-Comment si adaugati un
comentariu de minim doua randuri in unul din paragarafele documentului.
19. Folosind Insert-File, comasati doua documente word. Din Object luati Create from
File si inserati un alt document pe care-l identificati cu Browse
162
20. Creati un tabel folosind Table cu coloanele:Nume si prenume, Grupa, Media.
Tabelul va avea minim sase linii cu inregistari introduse de voi.Linia de Header sa
fie editata Bold, size 14.
21. Sortati tabelul realizat dupa: Nume si prenume-ascending; Dupa medie descending.
22. Adaugati la tabelul creat anterior doua noi linii cu inregistrari corespunzatoare.
Adaugati o coloana la capatul din dreapta al tabelului intitulata “Calificativ”.
Continutul va fi Admis, Respins, la alegerea voastra.
23. Folositi Table AutoFormat pentru a da tabelului realizat un aspect profesionist.

Bibliografie minimala
Armeanu Ileana Informatica Aplicata cu Windows 95, Editura
Semne, 1999.
Bălan Draga-Maria, Bălan George Microsoft Windows, Word for Windows, Excel.
Editura ProMedia, Cluj-Napoca, 1995.
Bălan Draga-Maria, Bălan George, Microsoft Excel pentru Windows, Editura ProMedia
Turcu Cristina, Turcu Cornel Plus, Cluj-Napoca, 1996.
Calciu Mihai, Somnea D. Excel 5,0 cu aplicaţii în Management; Editura
Tehnică, Bucureşti, 1994.
Cârstea Mihaela, Diamandi Ion Calculatorul fără secrete; Editura Agni, 1997
Norton Peter Ghid complet pentru Windows; Editura Teora,1996.

163
 Unitatea de invatare nr 9.

Obiectivele unitatii de invatare 9. Utilizarea programului Microsoft Excel

Prin studierea acestei unităţi de învăţare veţi fi în măsură să:

 Utilizati cea mai des folosita dintre toate aplicaţiile de birotica, EXCEL de la Microsoft
Office.
 Invatati sa folositi un instrument indispensabil unei activităţi de performanţă în
evidenţa financiar-contabilă, calcule matematice şi statistice, probleme de optimizare,
precum şi adăugarea informaţiilor de tip text, desene sau grafice corespunzătoare
datelor numerice din celule, stabilirea legăturilor între mai multe foi de lucru,
construirea şi administrarea bazelor de date, justificând pe deplin faptul că ocupă locul
întâi în ierarhia softurilor pentru foi de calcul.
 Ca utilizator de produse informatice invatati lucrul cu foile de calcul, crearea si forma
datelor, introducerea unei formule, copierea formulelor; utilizarea adreselor relative şi
absolute, crearea seriilor numerice si cronologice, utilizarea functiilor incorporate;
reprezentarea grafică a datelor EXCEL, corectarea si tiparirea documentelor; crearea
şi utilizarea unei baze de date într-o foaie de calcul.
 Verificati informatiile aflate in aceasta unitate de invatare, incercand sa parcurgeti
Testul de laborator pentru verificarea cunostintelor aflat la sfarsitul acestui capitol.

Produsul Microsoft Excel este o componentă a aplicaţiei Microsoft Office, care este un
soft de birotică.
După 1993, ştirile de la Microsoft anunţau că programul Excel a ajuns pe primul loc în
ceea ce priveşte numărul de utilizatori, depăşând net numărul utilizatorilor de Lotus 1-2-3, sau
Quattro Pro.
Excel, pentru mediul Windows, este un instrument indispensabil unei activităţi de
performanţă, oferind facilităţi de utilizare a foilor de lucru în evidenţa financiar-contabilă,
calcule matematice şi statistice, probleme de optimizare, precum şi adăugarea informaţiilor de
tip text, desene sau grafice corespunzătoare datelor numerice din celule.

Versiunea noi ale acestui pachet de programe, operează cu conceptul de

agendă de lucru (WORKBOOK), pagini pentru calculul tabelar, WORKSHEET, pagini
pentru histograme (CHART), pagini cu cod conceput fie în limbajul specific al
macrocomenzilor, fie în Visual Basic.
Aplicaţia se bazează pe o matrice de celule numită foaie de lucru (worksheet).
Mai multe foi de lucru sunt organizate într-un registru (Workbook). Utilizând formule, se
pot obţine rezultate în anumite celule în funcţie de datele din alte celule, chiar dacă
celulele respective sunt în foi de lucru diferite din cadrul aceluiaşi registru. Modificarea
datelor în anumite celule atrage după sine modificarea datelor în celulele care
depind de acestea.

Cele mai frecvente posibilităţi de utilizare ale Microsoft Excel sunt pentru
 organizarea datelor şi prezentarea de rapoarte profesionale în formatul
dorit de utilizator;
 realizarea unei game largi de calcule matematice, statistice, financiar-
contabile;
164
  afişarea datelor din foaia de lucru sub formă grafică sau histogramă;
 stabilirea legăturilor între mai multe foi de lucru;
 construirea şi administrarea bazelor de date.

Vor fi puse în evidenţă şi alte facilităţi ale acestui produs, justificând pe deplin
faptul că ocupă locul întâi în ierarhia softurilor pentru foi de calcul.

Prezentarea acestei aplicaţii se va face sub forma unui ghid de utilizare, ghid
însoţit de aplicaţii cât şi de informaţii referitoare la modul de lucru.

Pentru lansarea în execuţie a Microsoft Excel:

 Din Windows se deschide meniul Start şi se alege Programs.

 Din Programs se alege Microsoft Excel, executând clic pe Excel.

1. Elemente preliminare de operare cu Excel
1.1. Componentele ferestrei de tip document a aplicaţiei Excel

După lansarea în execuţie a aplicaţiei, se obţine o fereastră având următoarele elemente:

 pe primul rând, linia de titlu (Title bar), este înscris Microsoft Excel-Book1
(denumirea aplicaţiei).

 pe al doilea rând este bara de meniuri (Menu bar) (File, Edit, etc..).

 pe rândul următor este

bara de instrumente standard
(Standard Toolbar).
 linia formulelor (Formula
bar).
 spaţiul de lucru efectiv
este o reţea de celule organizată pe
linii şi coloane.
 pe ultima baretă găsim
(Sheet1, Sheet2, Sheet3,…..), unde
Sheet reprezintă foaia de calcul.
Orice aplicaţie Excel ( Book1, Book2, … ) conţine mai multe foi de calcul Sheet1,
Sheet2,.. La intersecţia unei linii cu o coloană se găseşte o celulă. Celula activă este
înconjurată de un chenar dreptunghiular.
Conţinutul unei celule poate fi: valoare numerică, text, formulă, macroinstrucţiune, desen,
etc..
În interiorul foii electronice de calcul se afişează un cursor de forma  .
1.2. Deplasarea în cadrul foii de calcul. Selectarea celulelor.
a) Selectarea unei celule sau a unui grup de celule
- se poziţionează cursorul pe una din celule
- apăsăm pe butonul stâng al mouse-ului

165
 - prin manevra de ”tragere ”, se selectează aria dorită.
- se elibereză butonul mouse-ului.
b) Selectarea mai multor celule neadiacente
- pentru a selecta primului grup de celule se procedează la fel ca la punctul prezentat mai sus.
- pentru a doua zonă, apăsăm tasta CTRL.
- menţinem apăsată această tastă, timp în care selectăm o altă zonă prin procedura cunoscută.
c) Selectarea unei coloane sau linii din foaia de calcul
- se plasează cursorul pe antetul acelei coloane (linii).
- pentru selectarea mai multor celule se procedează ca la punctul a.
- pentru selectarea mai multor celule neadiacente se procedează ca la punctul b.
d) Selectarea în totalitate a foii de calcul
- poziţionţi cursorul pe caseta situată în colţul din stânga sus al ferestrei document.
- Apăsaţi pe butonul stâng al mouse-ului.
- După selectarea întregii zone, eliberaţi butonul.
2. Gestiunea fişierelor document
2.1. Deschiderea unui document existent.
 Din meniul File se alege comanda Open (sau se alege ideograma Open).
 Se selectează documentul dorit. În boxa de dialog există variante pentru alegerea
altui drive, alegerea altui director. Din zona List of Type se alege tipul de
document.
 Se alege Open.
 Dacă documentul a fost protejat cu parolă, Microsoft Excel va cere parola înainte de
deschiderea documentului.
Dacă dorim să deschidem un document cu care s-a lucrat recent, Excel oferă în partea
de jos a meniului File ultimele patru documente cu care s-a lucrat.
2.2. Salvarea unui document
 Pentru a salva un nou document:
 După crearea unui document, din meniul File se alege Save.
 În cutia de dialog a operaţiei de salvare, se dă un nume fişierului creat.
Se alege opţiunea Save.
 Pentru a salva un document într-un fişier nou:
 Din meniul File se alege
comanda Save As
 Apare boxa de dialog şi în
fereastra File Name se va
introduce noul nume al
fişierului.
 Se alege opţiunea Save.

 Pentru a salva un document

în alt format:
 Din meniul file se alege Save As
 În zona Save As Type se alege formatul în care se doreşte a fi salvat documentul.

166
  Dacă este cazul, se pot face schimbări pentru nume, director sau unitate de disc.
 Se alege Save.
 Pentru a salva întregul context al documentului:
 Din meniul File se alege comanda Save Workspace.
 Se dă un nume în zona File Name.
 Se apasă butonul Save.
2.3. Închiderea ferestrei unui document
Avem la dispoziţie două moduri de a închide fereastra unui document:
a) Se execută clic cu butonul stâng al mouse-ului pe opţiunea de închidere .
b) Se alege opţiunea Close din meniul File.
 Manipularea ferestrelor document
Cu Microsoft Excel se pot vizualiza pe ecran mai multe foi de calcul simultan, mai
multe ferestre ale aceluiaşi document, sau putem îngheţa titlurile coloanelor şi liniilor din
foaia de calcul.
 Pentru a aranja ferestrele deschise în spaţiul de lucru:
Se deschide fişierul respectiv;
Din meniul Windows se alege comanda New
Window (apare o boxă de dialog Arrange
Windows);
Se alege tipul de aranjare a ferestrelor: (Tiled,
Horizontal, Vertical, Cascade)
 Pentru a împărţi o fereastră în patru
panouri:
 Din meniul Window se alege comanda Split;
 Apare o linie orizontală şi una verticală de-a lungul documentului;
 Cu ajutorul mouse-ului, prin operaţia de dragare şi apăsare a butonului stâng se
deplasează acele linii într-o anumită zonă din document.
 Pentru a îngheţa titlurile într-o coloană, linie sau în ambele:
 Se împarte foaia de lucru cu comanda Split;
 Din meniul Window se alege Freeze Panes.
2.4. Lucru cu foile de calcul
În mod normal, fiecare registru conţine trei foi de calcul ce sunt separate prin etichete.
Putem introduce sau elimina foi de calcul noi, după cum doriţi. De asemenea, puteţi copia şi
mai multe foi de calcul în cadrul unui registru sau dintr-un registru în altul.

Selectarea foilor de calcul

 Pentru a selecta o singură foaie de calcul, executaţi clic pe eticheta dorită;
 Pentru a selecta mai multe foi de calcul învecinate, executaţi clic pe prima foaie de
calcul din grup şi ţineţi apăsată tasta Shift în timp ce executaţi clic pe ultima foaie de calcul;

167
  Pentru a selecta mai multe foi de calcul neînvecinate, ţineţi apăsată tasta CTRL în
timp ce executaţi clic pe fiecare foaie de calcul.
Foile de calcul selectate rămân în această stare până când nu se renunţă la selecţie.
Deselectarea presupune executarea următoarelor etape: Se clichează cu butonul din dreapta al
mouse-lui pe una din foile de calcul selectate şi alegeţi Ungroup Sheets.
Inserarea foilor de calcul
Pentru a insera o foaie de calcul nouă într-un registru, executaţi următoarele etape:
1. Se selectează foaia de calcul înaintea căreia doriţi să inseraţi noua foaie de calcul.
(Dacă aţi selectat de exemplu Sheet3, noua foaie ,Sheet4 va fi inserată înaintea lui
Sheet3).
2. Deschideţi meniul Insert.
3. Selectaţi opţiunea Worksheet şi Excel va insera o nouă foaie de calcul.
Meniul cu comenzi rapide vă dă posibilitatea ca executând clic cu butonul din dreapta
al mouse-ului pe eticheta unei foi de calcul să obţineţi meniul cu comenzi rapide (meniul de
context), care vă permite inserarea, eliminarea, deplasarea, copierea şi redenumirea foilor de
calcul.

Eliminarea foilor de calcul

Dacă se doreşte utilizarea unei singure foi de calcul, se pot elimina celelalte, în scopul
obţinerii unui spaţiu de memorie şi pentru o folosi cât mai eficient resursele sistemului. Etapele
parcurse în vederea eliminării unei foi de calcul:
1. Se selectează foaia sau foile de calcul pe care dorim să le eliminăm.
2. Deschidem meniul Edit.
3. Executăm clic pe Delete Sheet. Va apare boxa de dialog care vă cere să confirmaţi
eliminarea.
4. Executaţi clic pe OK. Foile de calcul sunt astfel eliminate.

Deplasarea şi copierea foilor de calcul

Putem deplasa sau copia foile de
calcul de la un registru la altul sau în
cadrul aceluiaşi registru. Vom proceda
astfel:
1. Selectaţi foaia sau foile de calcul
pe care doriţi să le copiaţi sau deplasaţi.
2. Deschideţi meniul Edit şi selectaţi
Move or Copy Sheet. Veţi obţine boxa de
dialog Move or Copy.
3. Pentru a deplasa foaia sau foile de
calcul într-un registru diferit, selectaţi numele
registrului din lista derulantă To Book.
4. Din lista casetei Before Sheet,
alegeţi foaia de calcul în faţa căreia doriţi să
mutaţi foile de calcul selectate.
5. Dacă doriţi să copiaţi foaia sau foile de calcul selectate (mai degrabă decât să le
mutaţi), selectaţi Create a Copy, punând X în boxa de opţiune.
168
 6. Selectaţi OK. Foaia sau foile de calcul selectate sunt copiate sau deplasate, după
cum aţi specificat.
Există şi o manieră mai rapidă de a copia sau deplasa foile de calcul, prin utilizarea
facilităţii Drag  Drop. Se selectează mai întâi eticheta sau etichetele foii de calcul pe care
dorim să le copiem sau să le deplasăm. Ducem cursorul mouse-ului pe una din etichetele
selectate şi tragem eticheta în locul în care dorim să o plasăm. Pentru a copia o foaie de calcul,
ţinem apăsată tasta CTRL în timp ce tragem foaia de calcul.
Când se eliberează butonul mouse-ului, foaia de calcul este copiată sau deplasată.
Schimbarea numelui etichetei unei foi de calcul
În mod normal, toate foile de calcul sunt denumite Sheet şi numerotate începând
cu numărul 1. Se poate schimba numele ce apare pe etichete, procedând astfel:
1. Se selectează foaia de calcul al cărui nume dorim să-l schimbăm.
2. Din meniul Format , se selectează Sheet şi apoi Rename. Altă metodă este să
executăm clic cu butonul dreapta al mouse-ului pe eticheta foii de calcul. Excel
afişează boxa de dialog Rename şi se introduce noul nume.

Protecţia documentelor şi ferestrelor

Putem proteja documentele prin parolă împotriva deschiderii sau prin protejare la
scriere (documentul poate fi deschis dar nu poate fi modificat).
Parola poate avea maxim 15 caractere.
Pentru a preveni deschiderea unui document:
 Se deschide
documentul dorit.
 Din meniul File se alege
opţiunea Save As.
 Se alege butonul
Options.
 În boxa de dialog
Protection Password se
introduce parola.
 Se alege OK şi Excel va confirma parola.
 Alegem din nou OK.
Pentru a preveni modificări în document:
 Se deschide documentul dorit.
 Din meniul File se alege opţiunea Save As.
 Se alege butonul Options.
 În zona Write Reservation Password se introduce parola
 Se alege OK.
 Se reintroduce parola. Se apasă butonul OK. Excel închide boxa de dialog Confirm
Password.
 Se alege OK.
Pentru a elimina parola:
 Se deschide documentul dorit.
 Din meniul File se alege Save As.
 Se alege opţiunea Options.
 În zona Protection Password se selectează parola.
169
  Se apasă butonul OK . Boxa Save As rămâne deschisă.
 Se alege OK.
Pentru a proteja celulele unei foi de calcul:
 Se selectează celulele care se doresc a fi protejate la modificări.
 Din meniul Format se alege Cells…Ctrl+1
 Din caseta de dialog Format Cells, se alege Protection
 Se marchează boxele Locked sau Hiden.
 Se alege OK.
Pentru a proteja obiectele grafice:
 Se selectează obiectele grafice.
 Din meniul Tools, se alege Protection. Din
opţiunile care vor fi etalate, se alege Protect
Object.
 Se marchează boxa Objects.
 Se alege OK.

3. Introducerea şi editarea datelor

Crearea unei foi de calcul
În Microsoft Excel, o foaie de calcul (Worksheet) denumită şi tabel, este un document
fundamental pe care îl folosim pentru stocarea şi manipularea datelor. Fiecare foaie de calcul
este o matrice cu 256 coloane şi 16384 de linii.
 Din meniul File se alege comanda New.
 Se apasă OK şi apare o nouă foaie de calcul.
Forma datelor într-o foaie de calcul
În foaia de calcul pot fi introduse valori constante şi formule. O valoare constantă poate fi o
valoare numerică, inclusiv data, ora sau text. O formulă este o secvenţă de valori constante,
referinţe de celule, nume, funcţii şi operatori care conduc la o nouă valoare. Formulele încep
întotdeauna cu semnul egal ( = ).
În foaia de calcul, un text este un ansamblu de caractere introdus într-o celulă pe care
Microsoft Excel nu-l interpretează ca un număr, o formulă, o dată, o oră, o valoare logică
sau o valoare de eroare. O celulă poate conţine 255 caractere de text. În cazul în care dorim
ca un număr să fie introdus drept text, acesta trebuie precedat de simbolul ( ).
Se poate introduce text şi în formule, caracterele respective găsindu-se între ghilimele ( ).
 Alegerea unui format specific pentru numere:
 Se selectează celulele în care doriţi să introducem formatul.
 Din meniul Format se alege Cells, apare boxa de dialog Format Cells.
 Se alege opţiunea Number.
 În zona Category se selectează formatul cel mai potrivit pentru reprezentarea numerelor.
 Alegerea unui format propriu al datei calendaristice:
Să presupunem că în locul formei standard de afişare a datei calendaristice
mm/dd/yyyy,
specific sistemului anglo-saxon (unde dd este numărul zilei din lună, mm, este
numărul
lunii din an şi yyyy este numărul anului, dorim să apară numele zilei în clar
170
 (formatul dddd), apoi sub forma d mmmm yyyy. Notaţia d se referă la numărul zilei din
lună, fără zeroul nesemnificativ din faţă, pentru cazul în care data este mai mică decât zece
ale lunii, mmmm fiind denumirea în clar a lunii.
 Fixăm punctatorul pe o celulă (poate fi vorba şi de o zonă în prealabil selectată) al
cărei format dorim să-l schimbăm, faţă de cel presupus standard.
 Din meniul Format se alege Cells, apare boxa de dialog Format Cells.
 Se alege opţiunea Number.
 Se plasează cursorul pe categoria Date. În fereastra Type se află tipurile de formate
pentru data calendaristică.
 În fereastra Code tastăm dddd,d mmmm yyyy.
 Se apasă butonul OK. Excel afişează în partea de jos aspectul pe care îl va avea data
la momentul introducerii în foaie.
Introducerea unei formule
Introducerea unei formule este o tehnică de bază care se utilizează în analiza datelor din
foaia de calcul. O formulă poate include elementele următoare: operatori, referinţe de celule,
valori, funcţii sau nume. Microsoft Excel utilizează patru tipuri de operatori:

Aritmetici + adunare
 scădere
 înmulţire
/ împărţire
 ridicare la putere
 procent
Text  operatorul de concatenare a două valori de text pentru a
genera o singură valoare continuă.
Comparaţie = egal
 mai mic
 mai mare
 mai mare sau egal
 mai mic sau egal
 diferit de egal
Referinţă Plaja- generează o referinţă pentru toate celulele cuprinse
între două referinţe.
Spaţiul Intersecţia- generează o referinţă la celulele comune
pentru două referinţe.
Reuniune- generează o referinţă care include două referinţe.

Ordinea operaţiilor
Produsul Excel execută o serie de operaţii, de la stânga la dreapta, în ordinea următoare,
dând unor operatori prioritate asupra altora:
prima prioritate o au ridicările la putere, a doua , înmulţirea şi împărţirea şi la sfârşit
adunările şi scăderile.
Pentru a introduce o formulă sunt executaţi următorii paşi:
 se selectează celula în care doriţi să apară calculele formulei.
 se introduce semnul =
 se tastează formula; ea va apare în bara de formule.
 se apasă tasta Enter şi rezultatul va fi calculat.
171
 Afişarea formulelor
Excel nu afişează formula într-o celulă, afişează doar rezultatul unui calcul. Formula se
poate vedea dacă selectăm
celula respectivă şi ne
uităm în bara de formule.
Pentru a vedea
formulele în celule
procedăm astfel:
 Din meniul Tools
se alege opţiunea Options.
 Se execută clic pe
eticheta View.
 Se execută clic pe căsuţa
de opţiune Formulas şi va
apare X, indicând că acea
opţiune a fost activată.
 Se alege OK.
Copierea formulelor
Pentru operaţia de copiere a formulelor se procedează astfel:
 Se selectează celula ce conţine formula pe care dorim să o copiem.
 Din meniul Edit se alege Copy, sau mai scurt, apăsăm CTRL+C.
 Se selectează celula sau celulele în care dorim să copiem formula respectivă: pentru a
copia formula într-o altă foaie de calcul, ne deplasăm la noua destinaţie.
 Din meniul Edit se alege Paste, sau apăsăm Ctrl+V.
Copierea rapidă a formulelor
Poziţionăm punctatorul în colţul din dreapta jos al celulei ce conţine formula. În acel
moment el capătă forma semnului + . Prin metoda de tragere a mouse-ului prin apăsare pe
butonul stâng până la celula, sau celulele unde dorim să copiem formula, moment în care să
dă drumul la tasta mouse-ului.

Utilizarea adreselor relative şi absolute

Când se copiază o formulă dintr-un loc în altul al foii de calcul, Excelul actualizează
adresa celulei din formulă relativ la noua poziţie din foaia de calcul. Dacă celula C6 conţine
formula = C2+C3+C4+C5 şi dacă se copiază această formulă în celula D6, Excel schimbă
automat formula în = D2+D3+D4+D5.
Se poate întâmpla să doriţi ca adresa celulei să nu fie modificată când formulele sunt
copiate. Aceasta se întâmplă când devine importantă adresa absolută a celulei.
Adresa relativă şi adresa absolută
Adresa absolută este acea adresă de celulă dintr-o formulă care nu se modifică atunci
când formula este copiată în altă poziţie. Adresa relativă este acea adresă de celulă
dintr-o formulă, care se modifică atunci când formula este copiată.
Pentru a transforma adresa unei celule din relativă în absolută, trebuie adăugat semnul $
(semnul dolar) înaintea literei şi numărului ce alcătuiesc adresa celulei: de exemplu $B$2.

172
Adrese combinate
O adresă poate fi numai parţial absolută, de exemplu B$2 sau $B2. Acestea se numesc
adrese combinate. Când o formulă care utilizează o adresă combinată este copiată în altă
celulă, numai o parte din adresa celulei va fi modificată.
Utilizarea funcţiei AutoSum
Deoarece SUM este una din funcţiile cele mai des utilizate, Excel a creat o cale rapidă
pentru a o introduce, executând clic pe butonul AutoSum din bara de instrumente standard.
Pentru a utiliza AutoSum, procedaţi astfel:
° Selectaţi celula în care doriţi să inseraţi suma. De preferinţă este celula de la sfârşitul
liniei sau al coloanei.
° Executând clic pe butonul AutoSum, se va insera = SUM şi grupul de celule din
stânga sau de deasupra celulei selectate.
° apăsaţi Enter şi suma este calculată pentru grupul de celule selectat.

Bloc de celule în Excel

Un bloc de celule se poate descrie prin precizarea adresei celulelor aflate pe diagonală, la
extreme, sau prin numele dat anterior blocului.
Pentru a denumi un bloc, se selectează blocul dorit, după care din meniul Insert se alege
Name şi opţiunea Define: apare o casetă în care se scrie numele blocului.
Pentru umplerea unui bloc, se selectează blocul, după care din meniul Edit se alege
opţiunea Fill, şi apoi se precizează modul de umplere a blocului, selectând opţiunile
corespunzătoare.
Crearea unei serii
Microsoft Excel poate crea o varietate de serii: numere consecutive, date, text.
Tipurile de serii care se pot
crea sunt următoarele:
° Cronologice (zile,
săptămâni, luni, ani, ore)
° Liniare ( creştere cu un
factor constant)
° Încrucişate
(multiplicare cu un factor
constant)
Pentru a crea o serie se parcurg următoarele etape:
° Se plasează valoarea de început într-o celulă.
° Se selectează zona care urmează a fi completată.
° Din meniul Edit se alege comanda Fill.
° Se alege Series. Apare boxa de dialog Series.
° Se alege OK.
Caseta de dialog conţine opţiunile :
Series in - Rows seria să fie înscrisă pe linie;
- Columns seria să fie înscrisă pe coloană.

173
Type - se selectează tipul seriei.
Step Value - se introduce incrementul liniar, decrementul său sau factorul de creştere dorit.
Stop Value - pentru a opri
generarea seriei la un moment dat.
Ataşarea unui comentariu la o
celulă
Comentariile sunt elemente
auxiliare conţinutului unei celule.
Pot fi text sau o melodie (pentru
aceasta trebuie să avem soft şi hard
corespunzător ).
Pentru ataşarea unui
comentariu, se selectează celula şi
din meniul Insert se alege
Comments, se introduce textul explicativ şi OK. După ce s-a introdus comentariul, în celula
care are comentariu apare în dreapta sus un marcaj.
Utilizarea funcţiilor
Generalităţi despre utilizarea funcţiilor
Microsoft Excel oferă utilizatorilor o gamă largă de funcţii încorporate care pot fi
apelate pentru a permite utilizatorului să efectueze diverse operaţii în foaia de calcul mult mai
repede şi mai uşor. Astfel, în loc să tastăm formula
=B2+B3+B4+B5+B6
putem folosi formula
=SUM(B2:B6)
O funcţie poate avea unul sau mai multe argumente, executa o operaţie şi avea ca
rezultat o valoare sau o mulţime de valori. Funcţiile pot fi folosite separat sau drept
componente ale unei formule mai mari.
Sintaxa generală pentru scrierea unei funcţii este
NUME(<listă argumente>)
Tipuri de argumente în Excel:
 numere (max. 15 cifre)
 texte scrise între “ “ (max 255 caractere)
 valori logice
 valori de eroare
Utilizarea parantezelor este obligatorie chiar dacă nu există nici un argument şi nu trebuie
lăsat nici un spaţiu între numele funcţiei şi prima paranteză.
Între argumente pot fi valori constante sau formule. În cazul unei formule, aceasta poate
să conţină alte funcţii. Dacă argumentul unei funcţii conţine o altă funcţie, se numeşte
argument imbricat. Separatorul de argumente este în general virgula. O zonă de celule poate fi
indicată folosind : (două puncte).
Introducerea unei funcţii într-o formulă se poate efectua în două moduri.

174
 » Se tastează direct numele funcţiei şi
argumentele sale între paranteze (asta în cazul în
care utilizatorul cunoaşte exact sintaxa şi
semnificaţia funcţiei respective).
» Se accesează Insert, se apelează comanda
Function; pe ecran va apare următoarea fereastră de
dialog:

Caseta Function Category conţine

categoriile de funcţii pe domenii de utilizare;
A doua casetă Function Name conţine funcţiile din categoria care a fost selectată în
prima casetă afişate în ordine alfabetică.
Pe rândul următor este prezentată funcţia aleasă cu argumentele pe care le conţine şi o
scurtă descriere a funcţiei.

Most Recently Used Cele mai recente funcţii folosite de utilizator.

All Toate funcţiile în ordine alfabetică: deşi sunt
incluse aici toate funcţiile, este indicat să precizăm
o anumită categorie pentru a putea parcurge lista
funcţiilor afişate în caseta din dreapta.
Financial Funcţii financiar-contabile.
Date&Time Funcţii pentru date calendaristice şi timp.
Math&Trig Funcţii matematice inclusiv cele trigonometrice.
Statistical Funcţii cu aplicabilitate în statistică.
Lookup&Reference Funcţii de interogare.
Database Funcţii pentru baze de date.
Text Funcţii pentru şiruri de caractere.
Logical Funcţii logice.
În partea de jos se găsesc butoanele pentru :
Help - activează meniul Help referitor la funcţia aleasă.
Cancel - anulează operaţia de introducere a funcţiei în formulă.
< Back - revine la pasul anterior
Next > - trece la pasul următor de introducere a argumentelor.
Finish - sare următorul pas şi inserează funcţia cu argumentele formate.
Apăsarea butonului Finish produce inserarea funcţiei în formulă cu numele
argumentelor formale. Argumentele pot fi modificate cu valorile necesare pentru completarea
funcţiei.
Această fereastră de dialog apare şi dacă accesăm butonul Function Wizard
( Asistent funcţie = fx ) din linia pictogramelor.
Introducerea funcţiilor ca argumente ale altor funcţii se face alegând Step2 şi caseta
pentru argumente type fx.. Pot fi utilizate până la şapte nivele de imbricare.
De exemplu = INT(AVERAGE(B6,SUM(B7:B20))) conţine două nivele de imbricare
şi anume funcţia SUM este argument pentru funcţia AVERAGE care, la rândul ei, este apelată
în funcţia INT.
Scurtă prezentare a principalelor funcţii încorporate

175
Paleta funcţiilor încorporate este împărţită pe domenii pentru a permite accesul mai rapid al
utilizatorului la acestea. Lista tuturor funcţiilor este oferită de Microsoft Excel în ordine
alfabetică, la alegerea opţiunii ALL din fereastra apărută după selecţia comenzii Function.
Funcţii pentru dată şi oră
DATE(year, month,day): returnează data în formatul ales între paranteze.
DATEVALUE(dată): returnează numărul de ordine al datei specificate ca şir de caractere;
data cu numărul de ordine 1 este 1 ianuarie 1900.
DAY(număr): returnează ziua specificată ca număr de lună.
Hour(număr): returnează ora specificată ca număr de zi.
NOW( ): returnează data curentă.
Funcţii de selecţie sau căutare
CHOOSE(nr.,val1,val2, …): returnează vali de pe poziţia egală cu nr. din şirul indicat.
HLOOKUP(val,tablou,linii): returnează valoarea din tabelă selectată cu val.
INDEX(ref, nr-lin, nr-col, tablou) : returnează valoarea din tablou sau din referinţă
selectată cu ajutorul indicilor indicaţi drept linie şi coloană.
VLOOKUP(val,tablou,index): returnează valoarea din tablou selectată prin val.
LOOKUP(val,tablou): returnează valoarea din tabelă selectată cu val.
MATCH(val,rref,tip): returnează numărul valorii selectate prin val.
Funcţii matematice
ABS(nr): returnează valoarea absolută a unui număr.
EXP(nr.): returnează valoarea exponenţială a unui număr.
FACT(nr.): returnează valoarea factorialului unui număr.
INT(nr.): returnează partea întreagă a unui număr.
LN(nr.): returnează valoarea logaritmului natural din nr.
LOG(nr.): returnează valoarea logaritmului în baza 10 din nr.
MOD(nr., divizor): returnează restul împărţirii nr. la divizor.
EVEN (nr.) – rotunjirea numărului la cel mai apropiat nr. par, în valoarea
absolută mai mare.
GCD ( nr.1, nr.2 …) – calculează c.m.m.m.c. al numerelor respective (max 29 de numere)
.
LCM (nr.1, nr.2,…) – calculează c.m.m.d.c. al numerelor respective (max 29 de numere).
ODD (nr.) – rotunjirea la cel mai apropiat număr impar, în valoarea absolută mai mare.
CEILING (nr. 1, nr. 2) – rotunjeşte nr. 1 la cel mai apropiat multiplu întreg mai mare
în valoarea ablolută de nr. 2. Cele două numere trebuie să aibă acelaşi semn.
MIROUND (nr.1, nr. 2) – rotunjeşte nr.1 la cel mai apropiat multiplu al lui nr. 2, astfel: la
multiplu mai mare dacă rest (nr.1/nr.2) > = nr. 2/2 ( nr. 1 şi nr. 2 să aibă acelaşi
semn).
FLOOR (nr.1, nr.2) – rotunjeşte nr.1 la cel mai apropiat multiplu al nr.2 mai mic (nr.1şi
nr.2 să aibă acelaşi semn).
BASE (nr, baza destinaţie, precizia) – converteşte numărul din baza zecimal în baza
destinaţie, care poate fi între 2 şi 16, iar precizia este un număr ce reprezintă numărul
cifrelor zecimale dorit după conversie, implicit este zero.
PI( ): returnează valoarea lui .
PRODUCT(nr1.,nr2, …): returnează produsul numerelor.
RAND( ): returnează valoarea unui număr aleator între 0 şi 1.
ROUND(nr., nr-cifre): returneză numărul trunchiat la nr.-cifre .
SQRT(nr.): returnează radical indice 2 din număr.
TRUNC(nr.): returnează exact valoarea părţii întregi din nr.
Funcţii trigonometrice
ACOS(nr.): returnează arccosinus din nr.
176
 ASIN(nr.): returnează arcsinus din nr.
ATAN(nr.): returnează arctangent din nr.
SIN(nr.): returnează sinus din nr.
COS(nr.): returnează cosinus din nr.
TAN(nr): returnează tangent din nr.
Funcţii statistice
AVERAGE(nr1, nr2, …): returnează media aritmetică a numerelor.
COUNT(val1,val2,…): returnează numărul valorilor din paranteză.
COUNTA(val1,val2,…): returnează numărul informaţiilor numerice din paranteză.
LINEST(valy,valx): returnează parametrii creşterii liniare.
MAX(nr1, nr2, …): returnează maximum dintre numere.
MIN(nr1, nr2, …): returnează minimum dintre numere.
STDEV(nr1, nr2, …): returnează abaterea standard a eşantionului.
SUM(nr1, nr2, …): returnează suma numerelor.
VAR(nr1, nr2, …): returnează dispersia eşantionului.
4. Modificarea unei foi de calcul
4.1. Deplasarea, copierea datelor şi formatelor
 Pentru a muta celule prin glisare:
- Se selectează celula (celulele).
- Se poziţionează cursorul mouse-ului pe marginea celulei (celulelor) selectate.
Cursorul va lua forma unei săgeţi.
- Se glisează poziţia cursorului (ţinând butonul stâng al mouse-ului apăsat) până în zona
dorită.
- Se încadrează celula (celulele) în zona dorită.
- Se eliberează butonul mouse-ului.
 Pentru a muta celule cu ajutorul comenzilor Cut şi Paste:
- Se selectează celula (celulele).
- Din meniul Edit se alege comanda Cut .
Se selectează colţul stânga sus al zonei unde se doreşte a se muta celula (celulele).
- Din meniul Edit se alege comanda Paste.
 Pentru a copia celule prin glisare:
- Se selectează celula (celulele)
- Se poziţionează cursorul mouse-ului pe marginea celulei (celulelor) selectate.
Cursorul va lua forma unei săgeţi.
- Se apasă tasta <Ctrl>, se glisează poziţia cursorului până în zona dorită (ţinând
butonul
stâng al mouse-ului apăsat).
- Se încadrează celula (celulele) în zona dorită.
- Se eliberează butonul mouse-ului.
 Pentru a copia şi reamplasa celulele cu ajutorul comenzilor Cut şi Paste:
- Se selectează celula (celulele)
- Din meniul Edit se alege comanda Copy
- Se selectează zona din colţul stâng al zonei unde se doreşte a se copia.
- Din meniul Edit se alege comanda Paste.
- Pentru a copia aceeaşi celulă (celule), se repetă 3 şi 4.
- Se apasă tasta <Esc>.
4.2. Inserţia de celule, linii şi coloane
 Pentru a insera o linie (coloană) cu ajutorul comenzii Insert:
Se selectează întreaga linie (coloană)
177
 Din meniul Insert se alege Rows – pentru linie; Columns – pentru coloană
 Ştergerea şi eliminarea celulelor, liniilor şi coloanelor şi a conţinutului acestora.
a) Din meniul Edit se alege comanda Clear
Apar alte opţiuni şi anume:
All – şterge formulele, formatele,
comentariile din celulele selectate.
Formats Del – şterge formatele din celulele
selectate.
Comments – şterge comentariul din celulele
selectate.
b) Din meniul Edit se alege comanda Delete
Apare o casetă de dialog Delete cu următoarele opţiuni:
Shift Cells Left –
Shift Cells Up –
Entire Row –
Entire Columns –
5. Modificarea şi imprimarea documentelor
5.1. Modificarea aspectului datelor
 Pentru a schimba aspectul datelor cu ajutorul comenzii Font:
 Se selectează celula (celulele)
 Din meniul Format se alege comanda Cells.
 Apare caseta de dialog Format Cells.
 Se alege opţiunea Font.
 Se fac setările dorite, se apasă OK.
 Pentru a alinia text sau număr cu
ajutorul comenzii Alignment:
 Se selectează celula (celulele)
 Din meniul Format se alege comanda
Cells.
 Apare caseta de dialog Format Cells,
se alege Alignment.
 Se fac setările dorite, se apasă OK.
 Pentru a introduce mai multe rânduri
într-o celulă::
 Se selectează celula (celulele)
 Din meniul Format se alege comanda
Cells.
 Apare caseta de dialog Format Cells,
se alege Alignment.
 Se marchează opţiunea Wrap Text.
 Se alege OK.
5.2. Modificarea lărgimii coloanelor şi înălţimilor liniilor
 Pentru a modifica lărgimea unei coloane:
Din meniul Format se alege comanda Column.
Se alege opţiunea Width.
Apare o casetă de dialog Columns Width.
178
 Se tastează mărimea dorită, se alege OK.
 Pentru a modifica înălţimea unei linii:
Se selectează celula (celulele).
Din meniul Format se alege comanda Row.
Se alege opţiunea Height, apare caseta de dialog. Se tastează înălţimea dorită, se alege
OK.
5.3. Modificări cu încadrări şi umbre
În Microsoft Excel puteţi umbri celule

sau le puteţi face diverse contururi (orice

combinaţie de linii orizontale sau verticale la
orice margine a celulei).
 Pentru a pune contururi şi umbre:
Se selectează celula (celulele).
Din meniul Format se alege comanda
Cells.
Din caseta de dialog care apare se alege
opţiunea Border.
Se aleg opţiunile dorite, se alege OK.
 Pentru a umbri celule cu diverse
modele:
Se selectează celula (celulele)
Din meniul Format se alege comanda
Cells
Din caseta de dialog care apare se alege
Patterns
Din fereastra Color se alege
culoare, din fereastra Pattern se alege modelul. În zona Sample este arătată combinaţia aleasă.
Se alege OK .
 Punerea automată în forma unei plaje de celule:
 Se selectează celulele
 Din meniul Format se alege comanda Auto Format
 Apare o casetă de dialog. Din fereastra Table Format se alege formatul dorit. În
fereastra Sample este vizualizat formatul respectiv. În imaginea de mai jos a fost ales
formatul 3D Effects.
1.4. Câteva facilităţi de imprimare
Cea mai simplă cale de realizare a imprimării (listării), constă în:
 Deschiderea unei foi
 Alegerea ideogramei specifice operaţiei de listare.
O altă variantă:
 Se deschide meniul File

179
  Se alege comanda Print. Apare o casetă de dialog în care se pot face modificările şi setările dorite.
Pentru a vizualiza pe ecran felul în care arată raportul atunci când este tipărit:
 Se deschide meniul File.
 Se alege comanda Print Preview. Va apare imaginea unui format de coală A4 cu text
ilizibil. Pentru a-l vedea clar se alege butonul Zoom.
 Pentru a ieşi din Preview se alege butonul Close.
1.5. Tabele pentru calculul automat al funcţiilor
Acest gen de tabele sunt organizate pentru a putea calcula valorile unei funcţii de una sau
două variabile pentru o mulţime de valori ale argumentului.
Din meniul Data se alege Table cu opţiunile: Row Input Cell şi Column Input Cell,
care se completează în funcţie de modul cum a fost creat tabelul pentru calculul automat al
funcţiilor.
7. Excel şi reprezentarea grafică a datelor
Un grafic este o reprezentare vizuală a datelor dintr-o foaie de calcul. Microsoft Excel
vă propune la alegere 14 tipuri de grafice, din care 8 sunt bi-dimensionale iar 6 sunt tri-
dimensionale. Dacă aţi selectat datele pe care doriţi să le reprezentaţi grafic, puteţi crea un
grafic direct în foaia de calcul sau ca un document distinct, în fereastra sa proprie. Un grafic
creat este numit grafic încorporat şi este înregistrat împreună cu foaia de calcul în care a fost
creat.
O colecţie de valori reprezentată independent într-o histogramă se numeşte serie de
date. Valorile individuale pentru care se obţin punctele histogramei se numesc categorii. Axa
X-ilor este folosită uzual pentru categorii, iar axa Y-ilor este utilizată pentru serii.
Orice histogramă este în legătură cu blocul de date pe care-l reprezintă, şi drept urmare,
orice modificare în cadrul valorilor din bloc are ca efect modificarea corespunzătoare
a histogramei.
Microsoft Excel propune două metode de
creare a unui grafic:
◘ Utilizarea Asistentului Grafic din bara de
unelte Standard (cea mai simplă metodă).
◘ Utilizarea butoanelor din bara de meniuri.
7.1. Crearea unui grafic nou
 Pentru a crea un grafic încorporat
într-o foaie de calcul cu ajutorul butonului
Asistent Grafic:
 Se selectează plaja de celule
din foaia de calcul.
 Se dă clic pe unealta
Asistent Grafic din bareta de instrumente
standard.
Cursorul capătă forma unei cruciuliţe. Se selectează zona unde se doreşte a se plasa graficul
(prin apăsarea butonului stâng al mouse-ului şi operaţia de tragere pentru selectarea plajei de
celule).
 La deselectarea butonului, se activează fereastra asistentului grafic.
180
  Se apasă butonul Next; Excel afişează o serie de tipuri de histograme; alegem
de exemplu 3D Area şi din nou apăsăm butonul Next; apare un alt ecran, din
care prin aceeaşi manevră optăm pentru tipul al 6-lea şi din nou apăsăm
butonul Next. Excel afişează un alt ecran: dacă nu mai umblăm la nici-o
opţiune, alegem din nou Next şi ajungem la ultimul ecran al asistentului
grafic, unde avem posibilitatea introducerii unei legende (acţionăm butonul
Add a legend). În zona de preafişare se poate vedea deja cum arată graficul
ales.
 Se acţionează butonul Finish.
7.2. Modificarea tipului sau formatului unui grafic
 Se selectează graficul încorporat în foaia de calcul sau se activează fereastra
graficului.
 Se dă un clic cu mouse-ul pe bara de instrumente la Chart: se poate modifica tipul
graficului.
 Dacă se selectează graficul şi se apasă pe butonul drept al mouse-ului, apare un
meniu de unde se alege o comandă pentru a modifica diferite tipuri sau formate ale
graficului (inversarea poziţiilor iniţiale ale axelor, modificarea culorilor graficului,
introducerea unei legende, introducerea unui titlu….)
Crearea şi utilizarea unei baze de date într-o foaie de calcul
O bază de date este o colecţie de date organizate într-o ordine logică, care permite un
acces
simplu şi flexibil (actualizarea cât şi regăsirea datelor).
O bază de date este utilă în următoarele circumstanţe:
 Căutarea sau interogarea în vederea obţinerii de informaţii;
 Extragerea unor subseturi de date conform unor criterii specificate;
 Realizarea unor calcule statistice pentru analiza datelor;
 Sortarea datelor alfabetic, numeric, în ordine crescătoare sau descrescătoare, după
nume sau poziţie, sau după alte categorii specificate;
 Listarea datelor care corespund anumitor cerinţe.
Termenii specifici unei baze de date
Zona bază de date - reprezintă o zonă dreptunghiulară a foii de lucru ce conţine baza de date.
Câmp - categorie individuală de date într-o bază de date . Fiecare coloană într-o bază de date
reprezintă un câmp separat. Un câmp poate conţine texte, numere, date formule şi
funcţii.
Câmp de calcul- un câmp care conţine rezultatul unor formule sau funcţii.
Numele câmpului- un nume care identifică datele memorate în câmp. Primul rând al unei baze
de date conţine numele câmpurilor.
Înregistrare- Toate datele corespunzătoare unui articol particular dintr-o bază de date; fiecare
rând dintr-o bază de date este o înregistrare separată. O bază de date poate fi definită
ca o colecţie de înregistrări care conţin aceleaşi câmpuri.
Criteriu- Set de instrucţiuni conform cărora Microsoft Excel caută, extrage sau şterge din
baza de
date. Se poate seta un criteriu de comparaţie, sau de calcul pe care să-l folosim pentru a căuta,
extrage sau şterge din baza de date.

181
Filtrare- Afişarea unei selecţii limitate de înregistrări într-o listă, pe baza unui criteriu
specificat de utilizator.
Extragerea- Selecţia unor înregistrări specifice dintr-o listă, pe baza unui criteriu stabilit de
utilizator şi afişarea acestor înregistrări într-o zonă diferită pe foaia de lucru.
La introducerea informaţiilor în baza de date trebuie avut în vedere:
Mărimea bazei de date: poate fi întreaga foaie de calcul.
Amplasarea numelor câmpurilor: prima linie trebuie să conţină în mod obligatoriu numele
câmpurilor.
Valori autorizate pentru numele unui câmp: numele câmpurilor trebuie să fie constante de tip
text.
Lungimea numelui unui text: maximum 255 de caractere.
Înregistrare (fişă): fiecare fişă trebuie să aibă acelaşi număr de câmpuri.
Formule: se pot introduce formule care să calculeze valorile câmpurilor.

Utilizarea listelor pentru organizarea datelor

O modalitate de a memora date într-o foaie de calcul este lista .
O listă reprezintă o serie etichetată de rânduri care conţin date similare, caracterizându-se prin
următoarele
 Celulele de pe aceeaşi coloană conţin date similare;
 Primul rând conţine etichete de coloană;
 Rândurile conţin seturi similare de date.
O listă poate fi privită ca o bază de date în care rândurile sunt înregistrări iar coloanele sunt
câmpuri. Etichetele de coloane sunt nume de câmpuri, o înregistrare reprezintă un singur rând
într-o listă.
Când se execută mai multe operaţii specifice unei baze de date (căutare sau sortare), Excel
recunoaşte automat lista ca o bază de date.
Pentru a beneficia de facilităţile automate pe care Excel le oferă la gestiunea şi analiza
datelor într-o listă, este recomandat să se ţină cont de următoarele observaţii:
 O foaie de calcul să nu conţină mai mult de o listă, deoarece o serie de operaţii de
gestiune a
listelor, filtrarea de exemplu, pot fi utilizate doar pe o singură listă în cadrul unei foi de
calcul.
 Lista trebuie să fie distanţată de celelalte date de pe foaia de lucru prin cel puţin un rând şi
o coloană liberă, Excel va putea astfel selecta automat lista la sortare sau la filtrare.
 Etichetele de coloană trebuie create pe primul rând al listei. Aceste etichete sunt folosite de
Excel pentru a crea rapoarte , a căuta şi organiza date.
 Pentru etichete trebuie ales un tip de dată, un font , alinierea, formatul şi stilul de sciere
altul decât al datelor din listă.
 Nu se lasă rând liber sau linii se subliniere pentru a separa datele de etichete.
 În listă toate rândurile trebuie să aibă elemente similare în aceeaşi coloană.
 Nu se inserează spaţii libere la începutul unei celule, acestea afectează căutarea şi sortarea.
 Pentru toate celulele dintr-o coloană trebuie să se utilizeze acelaşi format. Pentru aceasta se
selectează comanda Cells din meniul Format.
Denumirea listei se face folosind comanda Name din meniul Insert. O listă poate fi la fel
de mare cât o foaie de calcul.

182
 Crearea unei liste
Presupune etapele următoare:
1. Se introduc pe primul rând, în fiecare coloană, numele câmpurilor;
2. Pe rândurile următoare se introduc datele dorite;
3. Pentru a stabili lăţimea coloanelor, se
selectează coloanele din listă, iar din meniul Format
se alege comanda Column. Din submeniul acesteia se
alege AutoFit Selection.
Când sunt introduse date într-o listă, se are în
vedere că Microsoft Excel face distincţie între litere
mari şi mici la sortare şi atunci când se execută
opţiunea de sortare Case Sensitive (Diferenţiază între
litere mari şi mici).
Macheta de date
După ce o listă a fost creată, se pot adăuga,
căuta, edita sau şterge înregistrări, folosind o machetă
de date. Macheta de date reprezintă o cutie de dialog
care afişează la un moment dat o înregistrare
completă. Pentru a utiliza o machetă de date, lista
trebuie să aibă etichete de coloană. Dacă se selectează
o singură celulă din listă şi se alege comanda Form
din meniul Data, Excel afişează o boxă de dialog ce
conţine prima înregistrare din listă. Remarcăm faptul
că macheta de date poate afişa
doar 32 câmpuri, iar dacă lista conţine mai multe câmpuri, introducerea datelor sau
modificările se realizează direct în foaia de lucru.
Adăugarea înregistrărilor
Se activează boxa de dialog Data Form şi se parcurg următoarele etape:
1. În macheta de date, se dă clic pe butonul New. Indicatorul Record din dreapta se
va modifica în New Record.
2. Se introduc datele pentru noua înregistrare. Pentru a muta cursorul de la un câmp
la altul, se foloseşte mouse-ul, sau se apasă pe tasta Tab. După ce s-au completat
toate datele înregistrării curente, se apasă tasta direcţională  sau se dă clic pe
butonul New pentru a trece la o nouă înregistrare.
Se va repeta procedeul anterior până la introducerea tuturor datelor. La sfârşit, dacă este
necesar, se utilizează comanda AutoFit pentru redimensionarea lăţimii coloanelor.
Găsirea unei înregistrări
Excel permite găsirea datelor care corespund unui criteriu specificat de utilizator.

Pentru aceasta se vor parcurge etapele:

1. Se deschide macheta de date şi se utilizează bara de deplasare verticală pentru
afişarea primei înregistrări.
2. Se dă clic pe butonul Criteria.
183
 3. Se introduce criteriul de selecţie în boxa de dialog corespunzătoare câmpului dorit şi
se dă clic pe butonul Find Next. Pe ecran este afişată prima înregistrare care
corespunde criteriului. Pentru a găsi alte eventuale înregistrări se dă din nou clic pe
butonul Find Next. Pentru a ne deplasa înainte sau înapoi în cadrul înregistrărilor
care corespund respectivului criteriu, se vor folosi butoanele Find Next, respectiv
Find Prev. La sfârşit , se dă clic pe butonul Close.
Ştergerea unei înregistrări
Ştergerea unei înregistrări dintr-o machetă de date se realizează dând clic pe butonul
Delete, după ce întegistrarea a fost localizată cu ajutorul comenzii Form din meniul Data.
Pentru a preveni o ştergere greşită, Excel va afişa o boxă de dialog pentru
confirmarea ştergerii.
Filtrarea înregistrărilor
Utilizatorul poate selecta înregistrări specifice dintr-o listă folosind comanda Filter din
meniul Data. Se pot ascunde înregistrările care nu sunt necesare la un moment dat, sau se pot
copia înregistrările dorite în altă zonă de pe foaia de calcul.
Pentru aceasta se vor parcurge etapele:

1. Din meniul Data se alege comanda Filter şi din submeniul corespunzător, se

selectează AutoFilter. În antetul fiecărei coloane va apare câte o săgeată (down
arrow).
2. În celula după care se doreşte efectuată filtrarea, se dă clic pe săgeată, şi din lista ce
apare se alege o variantă de valoare a câmpului respectiv. Din acest moment, toate
înregistrările care nu conţin această valoare a câmpului ales ca cheie pentru filtrare,
vor fi excluse.
3. În afara articolelor afişate în câmpul respectiv, la apăsarea săgeţii mai apar opţiunile
(All) – permite afişarea tuturor înregistrărilor, fiind utilă la revenirea dintr-o filtrare.
(Top 10) – alegerea acestei opţiuni este permisă numai pentru câmpuri ce nu conţin date de tip
text. În urma selectării acestei opţiuni, apare o boxă de dialog Top 10 AutoFilter . Se pot alege
modalităţi de filtrare după cum urmează:

 primele sau ultimele înregistrări (Top, Bottom), funcţie de valoarea câmpului;

 În a doua şi a treia boxă se specifică numărul înregistrărilor (Items), sau procentul din
numărul total al înregistrărilor (Percent) ce vor fi afişate. Dacă există înregistrări duplicat
(având aceeaşi valoare a câmpului ales pentru filtrare, se vor afişa toate, chiar dacă este
depăşit numărul sau procentul specificat de înregistrări.
(Custom) – Selecţia acestei opţiuni are ca efect afişarea boxei Custom AutoFilter. Pot fi
introduse unul sau două criterii de selecţie, în ultimul caz fiind necesară specificarea raportului
dintre ele prin And (şi) sau Or (sau). Un criteriu se alege astfel: se alege operatorul din lista
aflată în partea stângă a boxei de dialog, iar din lista aflată în dreapta se alege valoarea în
raport cu care se face filtrarea. Se pot folosi simbolurile joker „? “ şi „* “ pentru a reprezenta
orice caracter sau grup de caractere.
(Blanks) – permite afişarea înregistrărilor care nu conţin nimic în câmpul specificat.
(NonBlanks) – sunt excluse de la afişare înregistrările anterioare, în locul liber sunt plasate linii
de demarcaţie.

184
 Pentru a reveni la afişarea iniţială (cu toate datele vizibile), se alege comanda Filter din
meniul Data, şi de aici opţiunea Show All. Dacă se doreşte ieşirea din AutoFilter, implicit
ştergerea săgeţilor din header-ele coloanelor, se alege din meniul Data comanda Filter, se dă
clic pe comanda AutoFilter pentru a o demarca.

Filtrarea avansată
Microsoft Excel permite filtrarea unei liste după criterii mult mai complexe, filtrare ce
poartă numele de Filtrare Avansată (Advanced Filter) şi este utilizată în conjuncţie cu criterii
de comparaţie multiple.
Pentru specificarea criteriului se procedează astfel:

 Se copiază numele câmpului după care se face criteriul de selectare într-o altă celulă
(folosind comenzile Copy şi Paste din meniul Edit).
 Sub numele câmpului copiat se pune condiţia folosind operatorii logici (<; =; >; ≤; ≥;
≠).
 Se poziţoionează cursorul pe plaja de date.
 Din meniul Data se alege comanda Filter.
 Se alege comanda Advanced Filter şi apare boxa de dialog următoare
 În fereastra List Range va fi afişată zona în care se află lista nefiltrată
În fereastra Criteria Range se va înregistra plaja de celule care va fi selectată cu ajutorul
mouse-ului (zona în care s-a introdus criteriul de selectare).
 Pentru a extrage o singură copie a fişelor se selectează Unique Records Only.
 Se dă clic pe opţiunea Copy to
Another location ce are ca efect
activarea boxei Copy to. Se
poziţionează cursorul în această
boxă şi se dă un clic în
colţul stânga sus al zonei în care
se doreşte afişarea datelor.
 Se da clic pe butonul OK.

Sortarea unei liste

Putem reorganiza datele alfabetic, numeric,
cronologic, folosind comanda Sort din meniul Data.
Mai întâi se selectează zona care urmează a fi sortată
şi apoi se stabileşte cheia de sortare. Pot fi alese mai
multe chei de sortare.
1. Se selectează orice celulă din baza de date şi
se alege comanda Sort din meniul Data. Se remarcă
faptul că toate celulele sunt în mod automat selectate.
Numele câmpurilor nu va fi inclus în sortare.
2. Este afişată boxa de dialog Sort.
Se stabileşte criteriul de sortare dând un clic pe
săgeata jos de sub Sort By. Se alege fie opţiunea
185
 Ascending fie Descending, după cum o cere situaţia.
3.Pentru a specifica al doilea criteriu de sortare, se va da clic pe săgeata jos de sub
Then By şi se alege un alt câmp precizând Ascending sau Descending, după care se
dă clic pe butonul OK.
4. Dacă nu se doreşte păstrarea acestei liste sortate, se alege imediat comanda Undo
Sort din meniul Edit. Astfel lista va fi adusă la forma dinaintea sortării.
Adăugarea subtotalurilor la listă
Pentru orice listă care conţine date
numerice se pot adăuga automat subtotaluri.
Înainte de a
adăuga subtotaluri, lista trebuie să fie
sortată în grupuri pentru subtotaluri. Etapele ce
trebuie urmate sunt:

1. Se dă clic pe o celulă din listă.

2. Se alege comanda Subtotals din meniul
Data.Va fi afişată boxa de dialog
Subtotal
3. Se dă clic pe săgeata de sub At Each Change in şi se alege câmpul de grupare a
subtotalului. Se dă clic pe săgeata corespunzătoare lui Use Function şi se alege Sum. La
Add Subtotal to se precizează câmpul la care se va calcula subtotalul, folosind funcţia
aleasă.
4. Se dă clic pe butonul Ok.
Opţiunea Replace Current Subtotals – precizează că se înlocuiesc subtotalurile
anterioare cu subtotalurile curente;
Page Break Between Groups - afişează pe pagini separate fiecare grup cu subtotal;
Summary Below Data – sub toate datele se adaugă un rând cu totalul general, numit
Grand Total.
Remove All - anulează toate subtotalurile din lista curentă.
Sintetizarea şi compararea datelor
Utilizarea facilităţilor PIVOT TABLE WIZARD
Excelul prin facilitatea Pivot Table permite crearea de rapoarte ce rezumă date din foaia
de calcul şi le prezintă în mai multe formate uşor de înţeles.
Zona în care se realizează un tabel (raport) Pivot Table în foaia de calcul este văzută tip
bloc de celule, care poate fi prelucrată.
Cu ajutorul tabelului pivot se pot prelucra date de diverse categorii, utilizând funcţii
cum ar fi Count, Sum, Product, Max, Min, etc. Auvantajul principal al acestor tabele este că
prezintă flexibilitate mărită, putând efectua uşor aranjarea, ascunderea şi afişarea diverselor
categorii în listă.
La crearea unui Pivot Table, trebuie precizate patru elemente:
Paginile (PAGE) – vă permit să creaţi liste derulante pentru unul din rândurile sau
coloanele foii de calcul.
Rândurile ( ROW) – puteţi lucra pe rânduri pentru raport.
Coloanele (COLUMNS) – puteţi lucra pe rânduri pentru raport.

186
 Suma de valori (DATA) – acestea sunt valori pe care doriţi să le adăugaţi la fiecare
intersecţie a coloanei sau rândului.
 Modul de lucru folosit pentru crearea unui Tabel Pivot:
 Se deschide meniul Data şi se selectează Pivot Table Report.
Este afişată boxa de dialog Pivot Table Wizard Step 1 of 4. Sunt prezentate aici tipurile
de surse, putându-se opta aici
pentru o listă, bază de date din
Microsoft, surse externe tip baze de
date, pentru un alt tabel pivot.
Se execută clic pe butonul Next
şi apare boxa de dialog PivotTable
Wizard Step 2 of 4, cerându-ne să
selectăm grupul de celule pe care dorim
să le transformăm în Tabel Pivot.
Într-o casetă cu chenar sunt
indicate datele pe care dorim să le
utilizăm.
 Introducem adresele celulelor ce
definesc grupul. Acest lucru se
face selectând de la început o
singură celulă din baza de date.
 Se execută clic pe butonul Next. Apare boxa de dialog PivotTable Wizard Step 3 of 4.
 Funcţie de modul în care se doreşte să arate tabelul, se deplasează câmpurile din partea
dreaptă a boxei de dialog către căsuţele marcate Row sau Column.
 Aceasta este partea importantă şi
constituie construcţia propriu-zisă
a tabelului pivot.
 Modificarea tipului câmpului de
date în tabelul pivot se face dând
un dublu clic pe respectivul câmp
din tabelul pivot. Se pot efectua
modificări de tipul Name (numele câmpului), Summarize by (însumare după), putând
selecta aici opţiuni cum ar fi Count
(numără), Average (media), Max
(maxim), Min (minim). Cu un
clic pe butonul Number se poate
modifica formatul afişării, din
fereastra Format Cells. Terminarea
operaţiilor care se pot face la acest pas
se face selectând Ok şi apoi clic pe
butonul Next.
 Se execută clic pe butonul
Next. Apare boxa de dialog
PivotTable Wizard Step 4 of 4,
întrebând dacă dorim să specificăm
alte preferinţe şi locaţii adiţionale pentru tabele pivot. Se introduc preferinţele şi se execută
clic pe butonul Finish. Va fi executat PivotTable Wizard conform specificaţiilor noastre.Dacă
nu am precizat un loc pentru tabelul pivot la ultimul pas, facilitatea Wizard inserează o foaie
de calcul înaintea foii de calcul curente şi plasează tabelul pivot pe noua foaie de calcul.

187
 Test de verificare a cunostintelor.

1. Introduceti intr-o foaie de calcul numita Test excel o coloana cu

30 valori numerice cuprinse intre 21 si 43. Editati-le ca valori numerice cu
doua zecimale. Folositi Tools_Data Analysis_Histogram pentru a realiza
o repartitie de frecvente cu date grupate pe intervale de clasa; cereti si
frecvente relative cumulate (ogiva lui Galton).
2. Realizati un grafic Pie 3-D, unul Line si altul Coloana 3-D avand
categorie intervalul de clasa si drept serie- frecventa absoluta.
Personalizati graficele punand titlul graficului, al axelor unde este cazul, cote pe graficul Pie,
tabelul cu datele la graficul line.
3. Din Tools_Data Analysis folositi Descriptive Statistics pentru a calcula toţi indicatorii
unei repartiţii de frecvenţe realizata cu datele de la exercitiul 1. Precizaţi asimetria si boltirea.
4. Personalizati cele trei grafice precizand denumirea axelor, titlul graficului, efecte de
culoare pentru grafic.
5. Folosiţi datele de mai jos si comparaţi dispersiile teoretice ale pH-ului apei la doua staţii
hidrologice de pe Jiu: Livezeni si Defileu folosind Test Fisher.
pH-Livezeni 7,51 7,57 7,54 7,86 7,67 7,60 7,63 8,05 7,71 7,90 7,86 7,67
pH- Defileu 7,49 7,11 7,43 7,28 7,44 7,28 7,45 7,64 7,39 7,53 7,37 7,52
6. Folosiţi datele de mai sus si comparati media teoretică a pH-ului apei la doua staţii
hidrologice de pe Jiu: Livezeni si Defileu folosind Test Student.
7. Creati o baza de date cu informatiile de mai jos.Numiti foia ce calcul Baza de date:
Completati cu inca un camp, Media, calculat de voi cu functia AVERAGE.
NUME PREN. SEX Varsta DATA.N. TALIA GREUT TIP LICEU DISC.FAV. EX1 EX2 EX3 EX4
Tudor Gina f 24 20.feb.89 1,73 73 tehnologic botanica 10 10 10 10
Toma Stefania f 25 09.mar.88 1,60 53 tehnologic matematica 10 10 9 9
Vasile Dumitru m 25 24.apr.88 2,05 46 teoretic chimie 8 6 7 8
Lita Valentin m 24 20.feb.89 1,82 63 teoretic informatica 10 9 8 7
Ionescu Ion m 23 05.aug.74 1,56 49 economic chimie 7 6 6 5
Burlacu Luiza f 19 03.oct.89 1,63 60 teoretic matematica 9 8 10 10
Enescu Diana f 19 12.aug.89 1,65 45 tehnologic informatica 10 10 10 9
Brumaru Tiberiu m 20 04.feb.80 1,68 71 economic informatica 10 10 8 8
Ţăpuş Alex m 19 11.aug.84 1,75 66 teoretic informatica 10 10 8 8
Neagoe Ion m 18 14.iun.82 1,69 58 arte botanica 9 10 10 8
Cozac Dorina f 21 20.oct.87 1,70 55 teoretic franceza 10 10 8 8
Secara Alina f 20 20.mar.84 1,65 51 economic informatica 10 9 9 9
Stas Iulian m 20 21.iul.84 1,72 53 teoretic engleza 9 8 9 10

8. Sortaţi BAZA DE DATE dupa Medie (descrescător), Nume, Prenume (crescător). Faceți
o listă care să conţină Nume, Prenume, Medie și o plasaţi într-un document Word.
9. Căutaţi înregistrările care convin criteriului “fată, hobby muzica, disciplina fav.
informatică” folosind Form.
10. Cautăţi înregistrările care convin criteriului “băiat și tip liceu economic” folosind Form.
11. Cautati inregistrarile care convin criteriului “fata , hobby muzica, disciplina fav.
informatica” folosind Filter.
12. Cautati inregistrarile care convin criteriului “baiat si tip liceu economic” folosind Filter.
13. Filtrati baza de date si selectati inregistrarile pentru care campul Nume incepe cu B sau N

188
 si care au Talia intre 1.70 si 1.84 Faceti o lista cu persoanele selectate si o plasati intr-un
document Word.
14. Calculati coeficientul de corelatie liniara si coef. de determinatie intre variabilele Talia
si Greutatea din BAZA DE DATE.
15. Filtrati baza de date si selectati cele mai inalte 5 persoane (Top 10), care au Disciplina
favorita Informatica sau Matematica.
16. Filtrati baza de date si selectati cele mai slabe 3 persoane (Top 10), care au Media >=8.
Faceti o lista cu persoanele selectate si o plasati in alta foaie din Excel.
17. Folosind functia logica IF, puneti calificativul “admis” pentru inregistrarile la care Ex 4
≥ 8, respectiv “respins” in caz contrar.
18. Comparati Media fetelor cu Media baietilor folosind optiunea Subtotal.
19. Calculati coeficientul de corelatie liniara si coef. de determinatie intre variabilele Talia
si Ex1 din BAZA DE DATE. Interpretare.
20. Efectuati Histograma campului Greutate, realizati un grafic Coloane 3 -D cu repartitia
de frecvente realizata
21. Folosind optiunea Subtotal, comparati mediile indivizilor la Ex2, impartiti pe populatii
statistice date de tipul de liceu.

Bibliografie minimala

Armeanu Ileana Informatica Aplicata cu Windows 95, Editura

Semne, 1999.
Bălan Draga-Maria, Bălan George Microsoft Windows, Word for Windows, Excel.
Editura ProMedia, Cluj-Napoca, 1995.
Bălan Draga-Maria, Bălan George, Microsoft Excel pentru Windows, Editura
Turcu Cristina, Turcu Cornel ProMedia Plus, Cluj-Napoca, 1996.
Calciu Mihai, Somnea D. Excel 5,0 cu aplicaţii în Management; Editura
Tehnică, Bucureşti, 1994.
Cârstea Mihaela, Diamandi Ion Calculatorul fără secrete; Editura Agni, 1997
Norton Peter Ghid complet pentru Windows; Editura
Teora,1996.

189
Unitatea de invatare nr 10

Obiectivele unitatii de invatare 10. Utilizarea programului MathCAD

Prin studierea acestei unităţi de învăţare veţi fi în măsură să:

 Utilizati este unul din cele mai răspândite în lume şi a fost creat cu scopul de a asista pe
cercetători şi specialişti în rezolvarea unor probleme de matematică sofisticată.
 Invatati sa folositi un produs software destinat rezolvării unor probleme de calcul
numeric, calcul symbolic, realizarea de reprezentări grafice de curbe plane şi de
suprafeţe, redactări de documente, prelucrari statistice etc.
 Produsul are implementaţi algoritmi complexi pentru rezolvarea ecuaţiilor algebrice, a
sistemelor de ecuaţii algebrice neliniare, calcul matriceal, calculul integralelor definite, a
derivatelor unei funcţii într-un punct, rutine de ajustare, interpolare si predictie, algoritmi
de optimizare, ..
 În MathCAD se utilizează notaţia matematică obişnuită, tot ceea ce apare pe ecran se
poate tipări sub aceeaşi prezentare şi la imprimantă, caracteristica aceasta făcându-l foarte
agreabil.
 Sunt prezentate multe aplicatii rezolvate, variante de rezolvare ale aceleiasi aplicatii,
constituindu-se intr-o mica biblioteca de programe.
 Verificati informatiile aflate in aceasta unitate de invatare, incercand sa parcurgeti Testul
de laborator pentru verificarea cunostintelor aflat la sfarsitul acestui capitol.

Produsul MathCAD, ca majoritatea programelor de tip CAD (Computer Aided Design)

utilizabile pe toate tipurile de calculatoare, este unul din cele mai răspândite în lume şi a fost
creat cu scopul de a asista pe cercetători şi specialişti în rezolvarea unor probleme de
matematică sofisticată.
Acest a fost realizat de firma Mathsoft Inc. Cambridge, MA, SUA, este disponibil pe
microcalculatoare compatibile IBM şi este destinat rezolvării unor probleme de calcul numeric,
realizarea de reprezentări grafice de curbe plane şi de suprafeţe, redactări de documente.
Alături de MathCAD sunt disponibile în prezent şi alte produse informatice care au ca
obiectiv principal facilitarea rezolvării unor probleme de calcul ştiinţific de uz general
Mathlab (creat de firma MathWork), Mathematica (Wolfram Research) sau Eureka (făcut de
Borland).
În MathCAD se utilizează notaţia matematică obişnuită, tot ceea ce apare pe ecran se poate
tipări sub aceeaşi prezentare şi la imprimantă, caracteristica aceasta făcându-l foarte
agreabil.
Nu de mică importanţă este faptul că acest soft nu presupune cunoştinţe avansate de
utilizare a microprocesoarelor şi nici cunoştinţe prea aprofundate de matematică.
Produsul are implementaţi algoritmi complexi pentru rezolvarea ecuaţiilor algebrice, a
sistemelor de ecuaţii algebrice neliniare, calcul matriceal, calculul integralelor definite, a
derivatei unei funcţii într-un punct etc..
Comenzile sunt operaţionale prin acţionarea tastelor funcţionale, prin tastarea numelui
comenzii sau prin intermediul sistemului de meniuri.
Prin acţionarea tastei F1 utilizatorul are acces la documentaţia MathCAD conţinută în
HELP.

190
 Suplimentar, MathCAD are un editor propriu cu care se crează documente MathCAD.
În cadrul acestui capitol, programele MathCAD se vor numi documente. Într-un
document orice definiţie, ecuaţie, text-comentariu sau reprezentare grafică se numeşte regiune.
Regiunile sunt disjuncte două câte două, iar procesul de calcul constă în evaluarea
regiunilor şi are loc de sus în jos , iar la nivel orizontal are loc de la stânga la dreapta.
Tastând CTRL + V se vizualizează regiunile, operaţiunea functionează în regim on /off
 (aprins/stins).
Cursorul marchează poziţia curentă, poziţia în care are loc scrierea în document.
APELAREA MATHCAD
Plecăm de la ipoteza că MathCAD este instalat pe sistemul de calcul pe care lucrăm,
apelarea se face în mod normal prin dublu-clic pe Shortcut MCAD.
În partea superioară a ecranului este numele documentului, este prezentată apoi bara de
meniu, urmeaza bara de instrumente MathCAD, bara de formatare, iar in jurul ferestrei rei sunt liste de
simboluri MathCAD.

EFECTUAREA CALCULELOR NUMERICE

Vom prezenta acum principalele noţiuni cu care se operează în MathCAD
constante, tipuri de date, operatori, simboluri MathCAd şi modul de apelare, funcţii
disponibile şi modul de folosire, vectorizarea relaţiilor, formatul de editare al datelor
numerice, folosirea unităţilor de măsură.
Constante MathCAD
Constantele reale şi complexe  Exemple. 0.11, 7, -12.36, 1 – 2i, -5i.
Constante predefinite   3.14159 şi e  2.71828.
Constante tablou Pentru a crea un tablou se parcurg următoarele etape Din meniul
Math se alege Matrices urmand sa completam boxa de dialog Rows: Columns:
MathCAD afişează un tablou având dimensiunile specificate la pasul anterior.
191
 Dacă la pasul anterior s-a răspuns Rows:3 respectiv Columns:3 se va afişa un tablou cu
trei linii şi trei coloane.
Se completează poziţiile marcate cu valori numerice, trecerea de la o
poziţie la alta se face acţionând tasta TAB.

Operatori MathCAD
(i) Operatorul de atribuire :=
Se obţine tastând : şi are sintaxa generală
Variabilă := expresie sau Funcţie (listă de variabile) := expresie
Prin expresie înţelegem o înşiruire de constante şi variabile, legate între ele prin operatori
aritmetici uzuali care sunt: +, -, *, /, .
Identificatorii MathCAD, adică numele date variabilelor, constantelor, funcţiilor, pot
conţine litere mari sau mici ( aici se face distincţie între literele mari şi cele mici, a şi A
reprezintă entităţi diferite), cifre de la 0 la 9, litere greceşti, caractere speciale.
Semantica este următoarea
Valoarea expresiei din membrul drept se atribuie variabilei sau funcţiei din membrul
stâng.
(ii) Operatorul de calcul =
Sintaxa generală este
Variabilă = sau expresie = sau Funcţie (listă de variabile) =
Semantica acestui operator consta în evaluarea prin calcul a membrului stîng şi afişarea
rezultatului.
(iii) Operatorul de definiţie globală  ( se obţine tastând )
Sintaxa este Variabilă  expresie şi are ca efect fixarea unor modificări cu caracter
global.
De exemplu, ORIGIN1, are drept efect faptul că valorile indicilor pentru o variabilă
indexată pornesc de la 1.
Tipuri de date MathCAD
(i) Variabile numerice reale sau complexe
Pentru a defini o astfel de variabilă avem sintaxa:
Identificator variabilă operator de atribuire expresia de definiţie.
O constantă numerică întreagă se poate defini în baza 10, 8, sau în baza 16. În cazul bazei 8
numărul este urmat de litera o , iar când baza este 16 , numărul este urmat de litera h. În această
situaţie numerele pot avea până la 32 cifre.
Pentru a defini o constantă complexă se utilizează forma algebrică a+ib. unde i este unitatea
imaginară . Se obţine tasând 1i .
(ii) Variabile indici.
Un indice poate avea valori doar numere naturale. De exemplu , indicele i care ia succesiv
valori de la 1 la 10 se defineşte astfel

192
i:=110 iar pe ecran apare i:=1..10.
(iii) Variabile şir
O variabilă şir oarecare are sintaxa
Variabilă-şirvariabilă- indice := expresie
Pentru a obţine indicele, după numele variabilei se tastează  .
De exemplu, xi = i2 se obţine astfel xi:i2.
(iv) Variabile şir progresie aritmetică.
Pentru a defini o progresie aritmetică se foloseşte sintaxa
identificator:a,bc iar pe ecran apare identificator: =a,b..c
unde a este primul termen al progresiei, b al doilea termen iar c este ultimul termen din şirul
progresie.
(v) Variabile tablou ( vector sau matrice).
Pentru a obţine valoarea unei componente a unui vector x, se tastează xindice=.
În cazul în care tabloul este multidimensional: x(indice1,indice2)=.
Aplicatia 1
constante in MathCAD, reale, complexe, predefinite,
1
a  2006 b  a b  44. 788 e  2.71828

c  2  i 3 2 5 3
c  5  12i c  122  597i   3.1415926536   31.006

Aplicatia 2:
ORIGIN 1

4 8 5
a 5 7 2
a( 2 , 3 ) = 2 a( 3 , 1 ) = 1
1 4 3

Fie

 3 7 9
 0 5 4
A   8 6 5 
  B   3 2 1 
3 4 2   
 7 6 5
Calculati A+B, A*B, A transpus, determinantul lui A, inversa lui A , A^5, A*B^2

3. Rezolvarea unei ecuaţii algebrice

Rezolvarea unei ecuaţii algebrice se face în MathCAD cu ajutorul funcţiei root.
În prealabil trebuie furnizată o aproximaţie. Etapele de rezolvare sunt următoarele
Se dă f(x)  = expresie analitică
x=a aproximaţia iniţială reală sau complexă
y = root(f(x),x), apoi y = , sau direct , root(f(x),x) = .

193
Când sunt mai multe soluţii, calculăm g(x)  = f(x) / (x-y) şi reluăm etapele de mai sus pentru
g(x).

4 3
x 1 f( x) x 2. x x 2 y root( f( x) , x) y = 1

f( x)
g( x) x 4 z root( g( x) , x) z =2
x y

g( x)
h( x) x i t root( h( x) , x) t = 0.5 + 0.866i
x z

h( x) x i
u( x) v root( u( x) , x) v = 0.5 0.866i
x t
4. Rezolvarea ecuatiei de grad doi
varianta 1, folosind formule
a  209 c  23
b  102

2
b  b  4 a c 2
b  b  4 a c
x1  x2 
2 a 2 a

x1  0.244 0.225i x2  0.244  0.225i

Varianta 2, folosind functia root

x  i 2
f (x)  209 x  102 x  23
x1  root (f (x) x) x1  0.244 0.225i
f ( x)
g( x)  x2  root (g(x) x)
( x  x1) x2  0.244  0.225i

varianta 3, folosind polyroots

 23 
 0.244  0.225i
v   102 polyroots ( v )   
   0.244 0.225i
 209 
Calculul derivatei unei funcţii într-un punct.
Pentru a calcula derivata unei funcţii într-un punct folosim funcţionala
d/dx f(x).
Definim funcţia f(x) := expresie analitică, se precizează valoarea lui x, x := a, şi apoi
operatorul d/dx f(x).

2  d
f( x) cos x 1 x f( x) = 0.202
3 dx
Calculul integralelor definite
194
Calculul integralei definite se face astfel: Se defineşte mai întâi
f(x) := expresie analitică, apoi se acceseaza pictograma corespunzatoare 
 d


Se completeaza integrantul si domeniul de integrare. Dupa ce apasam tasta spacebar incat toata
expresia sa fie sub cursor, accesam operatorul de calcul.
5
x 
f ( x)   f ( x) d x  1.496
2 
x 2 2

Sau integrantul se completeaza direct in pictograma





3 
cos x  x  2 d x  0.691
0

Calcul de primitive folosind procesorul de calcul simbolic

Se acceseaza pictograma corespunzatoare

 d

Se completeaza integrantul, apoi din meniul Symbolics se alege submeniul
Evaluate Symbolically.


 x 2
dx
  5 x
ln x  5
2
 x 5 2 2 5 atan  
  5    5

2 5 5

Rezolvarea unui sistem de ecuatii sau a unei ecuatii folosind Solver Block

 Se dau valori initiale pentru variabilele sistemului

 Se dechide Solver block incepand cu comanda Given
 Se scriu ecuatiile sistemului, cu precizarea ca se foloseste semnul de
egal simbolic (Ctrl + =)
 Se incheie Solver Block cu comanda Find(x,y,..)
Gasirea unei solutii a unei ecuatii transcendenta in vecinatatea unui punct dat atat cu functia
root,
x  3
f (x)  ln(x  2)  x  3 root (f (x) x)  4.937
cat si cu block solver
x  3
Given
ln(x  2)  x  3 0
Find(x)  4.937

195
Rezolvarea unui sistem neliniar compatibil cu block solver.

x  1 y  2 z  4
Given
2
x  2 y z 5
2
x y  y z  3
3
z  x z ln(y)
 2.601
Find( xy z)   0.851
 
 0.062
Sa se rezolve un sistem liniar folosind Block solver, dar si pe cale matriceala
z  0
x  1 y  0

Given

x  2y  z 5
x  y  3z 0
2x  z 2

 1.118 
Find( xy z)   1.824
 
 0.235

Varianta matriceala (cand sistemul este compatibil determinat)

 1 2 1  5  1.118 
A  1 1 3 B  0 A  B   1.824
    1
     
2 0 1   2  0.235

Rezolvarea simultana de ecuatii de grad doi prin vectorizare

Să se rezolve prin vectorizare patru ecuaţii de gradul doi. Coeficienţii a,b,c sunt vectori
iar formulele de calcul vectorizate

2 3 4
3 6 2
a b c
5 8 1
1 7 3

2
2 b b 4. a. c
b b 4. a. c x2
x1 2. a
2. a

196
 4. Realizarea unei reprezentări grafice
Din meniul Insert se alege optiunea Graph, iar de aici X-Y plot (se realizeaza
acelasi lucru alegand pictograma corespunzatoare)
Pe ecran apare

a
Pe axa x-ilor poziţia din mijloc este ocupată de una
sau mai multe variabile, separate prin virgulă, analog,
poziţia din mijloc de pe axa y-ilor.
Pe fiecare axă, poziţiile extreme definesc domeniul
reprezentării grafice. Dacă aceste poziţii nu sunt completate de către utilizator, MathCAD
missing operand
îşi calculează singur domeniul de definiţie şi imaginea funcţiei.
Aplicatie
n  80

i  0 n i x
x   20 f ( x) 
i n 2
x  x 2

0.3

0.2

f  xi

0.1

0 4 8 12 16 20
xi

Formatul editării şi mărimea graficului pot fi modificate. Pentru aceasta, dam click
dreapta pe desen si din meniul de context luam optiunea Format.
Avem posibilitatea de a plasa graficul intr-o boxa, sistem de axe perpendiculare sau
graphic liber. Adica

0.3

0.2
f  xi
f  xi

0.1

0
0 4 8 12 16 20
xi xi

197
 Alta optiune este Trace prin care se solicita schimbare culorii curbei, grosimea
acesteia, simbolul prin care se traseaza curba.
Aplicaţie Să se reprezinte grafic pe acelaşi sistem de axe funcţiile sin x, cos x,
trasând şi axa Ox pe intervalul 0,2]. Dacă modificăm programul de aşa manieră încât
domeniul de definiţie să fie 0, 5].

 i
i
n  80 i  0 n x   2  y  sin x
i n i z  cos x
i  i
sin(x) si cos(x) sin(x) si cos(x)
1 1

yi 0.5 yi 0.5
zi zi
0 2 4 6 0 5 10 15
ti ti
 0.5  0.5

1 1
xi
xi

Aplicatie Sa se reprezinte grafic f(x) pe intervalul[0, 8], trasand graficul tantentei la f(x) in xo=5

3 2 i
i  0 80 xo  5 f (x)  x  5 x  9 x  1 x  8
i 80

T( x)  
 d f ( xo)   ( x  xo)  f ( xo)
 300
 dxo 
200

f  xi 100

T  xi
0 1 2 3 4 5 6 7 8

 100

 200
Calculul indicatorilor statistici pentru
xi
repartiţiide frecvenţe unifactoriale
Calculul lungimii vectorului, media aritmetica, mediana, modul, dispersia esantionului,
abaterea standard, max, min, sortare crescatoare, sortare descrescatoare, coef. variabilitate,
histograma

lung  length ( x)
med  median( x)
ma  mean ( x)
disp  Var( x) Abst  Stdev ( x) mod  mode( x)

198
 maxim max( x) minim min( x)
lung  ma  med  mod 

disp  Abst  maxim

minim
Sortare crescatoare, sortare descrescatoare, coef. variabilitate pentru vectorul x introdus

ordonare cresc cresc  sort ( x)

desc  reverse ( cresc )
cresc=
desc= Stdev ( x)
variab   100 variab 
mean ( x)

Histograma cu 5 intervale de clasa pentru vectorul x introdus anterior.

Extrageti din matricea M de mai sus coloanele numindu-le dupa cum urmeaza.Realizati un
grafic in bare solide avand pe axa Ox centre iar pe Oy frecv
M  histogram( 5  x)

histogram( 5  x) 

 0  1
centre  M frecv  M
i  0  4

8
7

frecv i 4

1
5 10
min( x)  1 centrei max( x)  1

Corelaţie şi regresie liniară

Pentru n perechi de puncte (xi, yj) se pune problema determinării unei dependenţe
liniare de tipul y = a.x + b . Coeficienţii dreptei de regresie se calculează prin metoda celor
mai mici pătrate. Se determină coeficientul de corelaţie liniară simplă cu functia
incorporata corr(x,y), panta si ordonata dreptei de regresie cu functiile slope(x,y),
intercept(x,y), coeficientul de deretminatie este patratul coeficientului de corelatie Pearson.

199
  11
   36
 13  
 13  34
 14  32
   30
x     
15
 17 y   
30
 19  26
n  length (x)
   24
 21   2
 22  22 r  corr (xy) r  0.951 r  0.904
   21
 24   a  slope(xy) b  intercept (xy)
 23 a  1.145 b  47. 145

i  0 n

Se trasează norul de puncte experimentale şi dreapta de regresie corespunzătoare

Dreapta de regresie si norul de puncte rxy=-0.951

40
36
35

yi 30

a xi b
25

20
19.673
15
10 15 20 25
11 xi 24

Folosind etalarea din MathCAd pentru Windows, graficul de mai sus are atât legendă cât şi titlu.

Test de verificare a abilitatilor de calcul in MathCAD

1. Fie constanta reala x:= 2.52. Calculati in MathCAD
x  12
1
7
x
3 , ln( x  2 x), e x 1 ,
2
.
x x2
2
x 2  5x
2. Fie constanta imaginara y:=2+9.i. Calculati y5, y.

 2 4 5
C   1 3 7 
3. Fie constanta tablou
 
 0 6 2
calcutati CT (transpusa matricei), inversa matricei C -1, C4, C -1*C, CT
– C2, C + C -1. Extrageti coloana 3 a matricei C si o notati D. Calculati D2 *D1.
4. Fie ecuatia de grad doi a x2+b x +c=0 unde a:=12 b:= -201 c:= 23. Rezolvati ecuatia
folosind formulele de rezolvare
200
 2 2
b  b  4 a c b  b  4 a c
x1  x2 
2 a 2 a
5. Rezolvati ecuatia de mai sus folosind functia polyroots(.).
6. In vecinatatea lui x:=0 gasiti solutiile ecuatiei de mai sus folosind functia root(.)
7. Folositi Block Solver pentru a gasi solutiile ecuatiei de mai sus in vecinatatea lui x:=0.
8. Creati o variabila progresie aritmetica (crescatoare si alta descrescatoare)
Pac:= 5, 9 .. 36 pad:= 89, 78, .. -2
9. Calcutati derivatele de ordinul I si de ordin superior in punctele indicate:
d d3
f(x):=cos(x2 +1) in x:= /3 calculati f ( x ), f(x)
dx dx 3
d d2
g(x):= ln(x3+2.x+5) in x:=0.12 calculati g( x ), g( x )
dx dx 2

2 5
10. Calculati urmatoarele integrale definite: 
0
f ( x )dx ,  g( x )dx .
2
11. Folosind calcul symbolic calculate urmatoarele primitive
 ln( x  2.x )dx  x  5dx  sin( x  3 )dx
2

12. Gasiti o solutie a ecuatiei ln(x)-x+2=0 in vecinatatea lui x:=3 folosind functia root(,).
13. Folositi Block solver pentru a gasi o solutie a ecuatiei ln(x)-x+2=0 in vecinatatea lui
x:=3.
14. Gasiti o solutie a sistemului de ecuatii liniare de mai jos folosind calcul matriceal
 2 x  y  z  2

 x  2 y  5 z 7
6  x  3  y  3  z  6

15. Gasiti o solutie a sistemului de ecuatii liniare de la problema anterioara in vecinatatea
lui x:=0, y:=0, z:=0 folosind procedeul Block solver.
16. In intervalul [-1,8] faceti graficul functiei f(x):= x3 -7x2 +6x cu 60 de puncte. Micsorati
codomeniul incat sa se vada cat mai clar intersectiile cu Ox. Trasati pe axa Ox noua
diviziuni.
17. Folositi optiunea Format submeniul Traces pentru modificari de culoare, forma grafica,
grosime a curbei graficului de mai sus. Folositi optiunea Format submeniul Labels pentru
a denumi axele, respectiv titlul graficului.
18. Creati o variabila progresie aritmetica (crescatoare si alta descrescatoare), variabila
indice.
Pac:= 5, 9 .. 36 pad:= 89, 78, .. -2 j  0 14

x2
19. Reprezentati grafic functia f ( x ) : prin n:=80 puncte in intervalul [0, 20].
x2  1
Folositi optiunea Format submeniul X-Y axes pentru a plasa graficul intr-o boxa, intr-un
sistem de axe perpendiculare sau graphic liber.
20. Scrieti un vector x cu 30 valori aleatoare intre 10 si 29. Calculul lungimii vectorului,
media aritmetica, mediana, modul, dispersia esantionului, abaterea standard, max, min.

201
 Bibliografie minimala
Armeanu Ileana
Bălan Draga-Maria, Bălan George
Bălan Draga-Maria, Bălan George, Microsoft Excel pentru Windows, Editura ProMedia Plus,
Turcu Cristina, Turcu Cornel
Calciu Mihai, Somnea D.
Cârstea Mihaela, Diamandi Ion
Norton Peter
***
Scheiber E, Lixandroiu D.
Informatica Aplicata cu Windows 95, Editura Semne, 1999.
Microsoft Windows, Word for Windows, Excel. Editura
ProMedia, Cluj-Napoca, 1995.
Cluj-Napoca, 1996.
Excel 5,0 cu aplicaţii în Management; Editura Tehnică,
Bucureşti, 1994.
Calculatorul fără secrete; Editura Agni, 1997
Ghid complet pentru Windows; Editura Teora,1996.
MathCAD vers 5.0 User' s Guide, MathSoft Inc.,
Cambridge MA, USA, 1993.
MathCAD, Prezentare şi probleme rezolvate: Editura
Tehnică, Bucureşti,1994.

Acces la distanţă Posibilitatea de a utiliza o resursă de la distanţă aşa cum aţi utiliza
o resursă locală.
Abort Oprire înainte de sfârşit a execuţiei unui program, obţinut prin
acţionarea tastelor ESC, sau CTRL+C, sau CTRL+BREAK.
Address Locul unde se află o informaţie într-o foaie de calcul, exprimată
printr-un număr de linie şi unul de coloană.
Algoritm Set de instrucţiuni care indică pas cu pas ce trebuie făcut pentru
îndeplinirea unei acţiuni.
Arc Program de compresie a datelor.
Architecture Designul unui calculator care stabileşte standardul pentru toate
dispozitivele care se conectează şi softul ce se poate rula pe
calculator.
Archive Fişier care conţine unul sau mai multe fişiere compresate.
ASCII (American Standard Code O metodă standard de a atribui reprezentărilor numerice
for Information Interchange) disponibile într-un calculator forme citibile de către utilizator.
Backup Copie de siguranţă a unui fişier, realizată în cazul în care
originalul urmează să fie modificat.
BIOS (Basic Input Output Componentă electronică denumită şi PROM (Programmable
System) Read Only Memory), care conţine un program de gestiune a
intrărilor şi ieşirilor din sistem.
Bit (Binary Digit) Cel mai mic element al memoriei unui calculator, ce poate
memora o cifră binară (0 sau 1 ).
Bitmap Imagine grafică reprezentată prin pixeli. Cu cât sunt folosiţi mai
mulţi pixeli, imaginea este mai clară.
Bold Modalitate de afişare sau tipărire cu caractere scrise îngroşat.

202
Boot Record Înregistrare aflată în primul sector al unui disc, care conţine
informaţii despre disc (dimensiune, nr. de sectoare etc..). Dacă
discul este sistem, conţine un program care determină începutul
procesului de lansare a sistemului.
Branch Un segment al unui arbore de directoare care conţine un director şi
toate subdirectoarele conţinute în acesta.

Browse Operaţie de căutare (răsfoire) a resurselor partajate într-un grup de

lucru, sau de vizualizare a fişierelor şi directoarelor.
Buffer Spaţiu de memorie folosit pentru stocarea temporară a
informaţiilor.
Byte Succesiune de 8 biţi consecutivi. Stochează un caracter.
C Limbaj de pregramare realizat de Bell Laboratories, având drept
scop general şi facilitate acţionarea asupra sistemului, asemănător
cu limbajele de asamblare.
C++ Versiune îmbunătăţită a limbajului C, care foloseşte tehnologia
orientată pe obiecte.
Cache memory Memoria cache este utilizată pentru a conserva ultimele date citite
sau pentru preîncărcarea instrucţiunilor următoare pe care
procesorul va trebui să le execute.
CD-ROM (Compact Disc Read- Tip de compact disc folosit pentru înregistrarea textelor,
Only Memory) imaginilor grafice şi sunetelor de înaltă fidelitate.
Check box Un pătrăţel dintr-o fereastră de dialog, care poate fi selectat sau
deselectat. Când este selectat, în interiorul lui apare un X.
Butonul de validare reprezintă o opţiune care poate fi comutată on
sau off.
Chip (cip) Circuit integrat ce conţine zeci de milioane de componente
electronice(tranzistoare, rezistoare..)
Clear Deselectarea unei opţiuni prin înlăturarea x-ului din butonul de
validare. Acest lucru se face fie printr-un clic pe buton, fie prin
selectarea lui şi apăsarea barei de spaţiu.
Clipboard Spaţiu de memorie temporară care este folosit pentru transferul
informaţiilor în cadrul aceleiaşi aplicaţii sau între aplicaţii.
Close Închiderea ferestrei, a ferestrei de dialog, sau părăsirea aplicaţiei.
O fereastră se închide alegând comanda Close. Dacă se închide
fereastra ,se închide aplicaţia.
Cluster Unitate de alocare pe disc.
Command.com Fişier care conţine comenzile interne ale sistemului şi care
determină preluarea comenzilor şi execuţia lor.
Compression Operaţie prin care, pe baza unei anumite tehnici de programare, se
reduce dimensiunea unui fişier încât să ocupe mai puţin spaţiu pe
disc.
CONFIG.SYS Fişier al sistemului de operare care conţine informaţii de
configurare a sistemului.
Container Parte din terminologia orientată pe obiectecare a devenit o parte
din OLE. Un container este o unitate, fişier sau alte resurse
utilizate pentru a păstra obiecte. Containerul este referit ca un
obiect în sine.
203
CPU ( Central Processing Unit) Unitatea centrală, sinonim pentru procesor.
Desktop Fondul ecranului pe care apar ferestre, pictograme şi ferestre de
dialog.
Dialog box O fereastră care apare temporar şi în care se cere introducerea sau
suplimentarea informaţiilor. Ferestrele de dialog au de obicei
opţiuni care trebuie selectate ]nainte de executarea comenzii.
Directory O parte din structura de organizare a fişierelor pe disc. Poate
conţine fişiere şi alte directoare, numite subdirectoare. Structura
directoarelor şi subdirectoarelor se numeşte arborele directoarelor.
Disk Format Operaţie prin care se pregăteşte discul pentru a fi utilizat de un
anumit sistem de operare. Împarte discul în sectoare uniforme,
crează tabelele necesare gestionării informaţiilor pe disc,
detectează şi izolează zonele defecte din punct de vedere fizic.
Drag Mutarea unui element pe ecran prin selectarea lui şi apoi
menţinerea butonului mouse-ului apăsat şi mişcarea mouse-ului.

Driver Program care controlează un dispozitiv periferic.

Fat (File Allocation Table) Tabel folosit de sistemul de operare pentru a păstra informaţii
referitoare la fişierele existente pe disc.
Floppy disk Disc magnetic extern protejat de un ambalaj de plastic.

Font Un design grafic aplicat unui set de caractere. Un font este livrat
de obicei în diferite mărimi şi style-uri, cum ar fi bold şi italic.

Frame Zonă dreptunghiulară folosită de un procesor de texte sau program

Full-screen aplication
Hard Disk
Hidden File
Host computer
Icon (pictogramă)
IEEE(Institul of Electrical and
Electronic Engineers)
IO.SYS
LAN (Local Area Network)
de tehnoredactare computerizată pentru aranjarea textului sau a
desenelor în pagină.
O aplicaţie afişată pe întregul ecran.
Mediu de stocare compus din mai multe discuri din aluminiu sau
sticlă, acoperite cu un strat feromagnetic.
Fişier care nu este afişat la comanda DIR.
Calculator central sau server dintr-o reţea. Orice calculator care
funcţionează ca sursă de informaţii sau servicii.
Reprezentare grafică a unui element din Windows, cum ar fi o
unitate de disc, un director, o aplicaţie, un document. Aplicaţiile
proiectate pentru mediu sau sistemul de operare apar de obicei cu
o pictogramă specială, care descrie emblema producătorului sau a
produsului.
Organizaţie din care fac parte ingineri, oameni de ştiinţă, din
domeniul electronicii şi al celor asociate acestuia. Elaborează
standardele pentru calculatoare şi comunicaţii.
Fişier sitem care conţine softul necesar pentru efectuarea
operaţiilor de intrare/ieşire de bază.
Reţea alcătuită din servere, staţii de lucru, sistem de operare de
reţea şi o modalitate de comunicare între acestea, care
funcţionează într-o zonă geografică limitată.

204
Laser Printer Imprimantă ce foloseşte metoda electro-fotografică, folosită şi de
copiatoare.
Light Pen Creion luminos, dispozitiv de indicare, folosit pentru identificarea
unor zone de pe ecranul calculatorului.
Linked object O reprezentare pentru un obiect care este inserat într-un document.
Obiectul există încă şi în obiectul sursă şi atunci când este
modificat, obiectul legat se actualizează în obiectul destinaţie.
Menu O listă de comenzi într-o fereastră de aplicaţie. Numele meniurilor
apar în bara de meniuri, în partea de sus a ferestrei. Meniul
Control, reprezentat printr-o rubrică Control-menu în stânga barei
de titlu, este comun tuturor aplicaţiilor Windows.
Modem-Modulator- Dispozitiv care adaptează un terminal sau un calculator la o linie
DEModulator telefonică, convertind semnalele digitale ale calculatorului în
frecvenţe aodio(analogice) pentru sistemul telefonic şi reciproc.
Mouse Dispozitiv de indicare a cărui mişcare pe o suprafaţă plată
determină deplasarea unui cursor pe suprafaţa ecranului.
MSDOS.SYS Fişier sistem care conţine softul necesar pentru implementarea
serviciilor sistem DOS.
Multimedia Folosirea informaţiei sub diverse aspecte: text, sunet, grafică,
animaţie.
OLE (Object Linking and O modalitate de transferare a obiectelor între aplicaţii. De
Embedding) exemplu, putem plasa un grafic într-un document de procesor de
texte, sau într-o foaie de calcul.
Open Afişarea conţinutului unui director, document sau fişier de date
într-o fereastră.
Option button Un buton mic, rotund, care apare într-o fereastră de dialog. Într-un
grup de butoane înrudite se poate selecta unul singur.
Pointer Cursorul în formă de săgeată care urmăreşte pe ecran mişcarea
mouse-ului. Pointerul îşi poate schimba forma în decursul
efectuării diferitelor acţiuni.
Port Punct de acces la un calulator, o reţea sau un alt sistem electronic.
Portrait orientation Tipărirea informaţiei pe pagină aşezată astfel încât înălţimea
paginii să fie mai mare decât lăţimea ei. Varianta opusă se
numeşte de tip peisaj.
Prompter Caracter sau şir de caractere care indică posibilitatea preluării unei
comenzi da către sitemul de operare sau de către un program
utilitar.
RAM - Random Access Memory Memorie volatilă, în care conţinutul fiecărui byte poate fi accesat
direct, fără să se ţină cont de ceea ce se gaseşte înaintea sau
înapoia sa.
ROM – Read Only Memory Cip de memorie ce stochează în permanenţă instrucţiuni şi date.
Root Directorul principal al unui disc , se crează în mod automat la
formatarea discului şi nu poate fi şters de utilizator.
Screen saver Un desen sau o imagine animată care apare pe ecran atunci când
nu s-a folosit mouse-ul sau tastatura o anumită perioadă de timp

205
 prestabilită. Are ca efect mărirea timpului de viaţă al monitorului.
Scroll bar O bară ce apare în dreapta şiiii/sau în parte de jos a unei ferestre
sau liste de opţiuni ale căror conţinut nu sunt în întregime vizibile
pe ecran. Fiecare bară are câte o săgeată la fiecare capăt şi un
buton culisant. Prin acţionarea acestora pot fi făcute vizibile şi alte
elemente ale ferestrei respective.
Select Marcarea unui element astfel încât acţiunea ulterioară va avea loc
numai asupra acelui element.Selectarea se face cu un clic de
mouse pe elementul respectiv. Sau prin apăsarea unei taste.
Selection cursor Arată care sunt selecţiile curente. Ele apar pe video invers sau ca
un dreptunghi punctat.
Shortcut key O tastă sau o combinaţie de taste, disponibile pentru unele
comenzi, a căror apăsare determină execuţia comenzii, fără să mai
fie necesară selectarea sa din meniu. Scurtăturile sunt afişate în
meniu în parte dreaptă a comenzii.
Software Totalitatea programelor care se execută pe un calculator.
Sound Blaster Nume de marcă pentru plăcile de sunet pentru PC-uri, care a
devenit standard industrial de-facto
Spreadsheet Program care organizează numere , etichete şi formule, pe linii şi
coloane pentru a face calcule.
Status bar O linie de informaţii, aflată de obicei în parte de jos a ferestrei .
Swap file Un fişier ascuns pe hard disc, folosit de Windows pentru a
transfera informaţiile din memorie pe un disc.
Task list O fereastră care afişează toate aplicaţiile care sunt în curs de
execuţie şi care permite comutarea între ele.
Text box O rubrică în fereastra de dialog în care se tipăreşte informaţia
necesară executării unei comenzi. La deschiderea ferestrei, această
rubrică poate fi goală sau poate conţine deja un text.
Title bar O bară orizontală în partea de sus a ferestrei unei aplicaţii sau a
ferestrei de dialog care conţine titlul acesteia.
Toolbar O linie de butoane scurtături, aflată de obicei imediat sub bara de
meniu.
Topic Informaţiile din fereastra de Help.
Trojan horse Tip de virus care acţionează după metoda calului troian
VFAT(Virtual File Allocation O metodă îmbunătăţită de formatare a discului bazată pe sistemul
Table) FAT. Permite o funcţionalitate suplimentară, numele lungi de
fişiere.
VGA- Video Grafics Array Standard pentru monitoare relizat de IBM, având o rezoluţie de
640 x 480 pixeli şi 16 culori.
Virtual Memory Spaţiu pe hard disc folosit de Windous ca şi cum ar fi memorie
reală. Windows realizează acest lucru folosind fişierele de swap.
Avantajul memoriei virtuale este că permite rularea în acelaşi timp
a mai multor fişiere decât ar permite memoria fizică.
Virus Program cu efecte distructive, capabil să se autoreproducă şi să

206
 provoace distrugeri importante ale datelor de pe un calculator.
Wallpaper Un desen sau o imagine memorată ca fişier bitmap, care poate fi
aleasă pentru a fi afişată ca fundal al ecranului când se lucrează
sub Windows.
Wizard O aplicaţie specializată care reduce complexitate utilizării sau
configurării sistemului de calcul. Printer Wizard uşurează
instalarea unei imprimante noi.Asistă utilizatorul în timpul
lucrului, oferindu-i sfaturi şi soluţii.
Wrap Continuarea textului pe linia următoare, fără oprirea cursorului
atunci când se ajunge la capătul liniei.
Write protect Interzicerea modificării conţinutului sau ştergerii discului sau
fişierului. Protejarea fişierelor se face prin comanda ATTRIB.
ZIP Extensia unui fişier comprimat cu programul utilitar PKZIP.
Dimensiunea unui astfel de fişier poate să fie cu 5 până la 95
mai mică decât dimensiunea fişierului original. Procedura este
utilă pentru trasferul fişierului prin modem sau pentru eliberarea
spaţiului pe disc.
Zoom Posibilitate de a modifica modul de afişare a datelor pe ecran.
Imaginea se poate mări sau micşora.

I n d e x c u t e r m e n i d e ma t e ma t i c a
A
Abatere medie pătratică 46 Distribuţia variabilei aleatoare 40
Abatere semnificativă 95 Dreapta de regresie 117
Abatere standard 46
Algebra de functii 6 E
Amplitudine 79 Ecuaţie de regresie 117
Analiza de varianţă (ANOVA) 108 Efect al factorului 109
As, indicele asimetriei 80 Eroare a asimetriei 80
Asimetrie 80 Eroare a excesului 80
Axiome ale probabilităţii 29 Eroare de gradul I 96
B Eroare de gradul II 96
1 Coeficientul Pearson pentru asimetrie 81 Eşantion statistic 74
2 Coeficientul Pearson pentru boltire 81 Estimaţie 84
Boltire 81 Estimaţie punctuală 84
Estimator 84
C Estimator absolut corect 87
Câmp de probabilitate 29 Estimator consistent 87
Coeficient de corelaţie liniară Bravais – Estimator de verosimilitate maximă 88
Pearson 50,114
Coeficient de corelaţie multiplă 116 Estimator eficient 87
Coeficient de corelaţie parţială 117 Estimator nedeplasat 87
Coeficient de determinaţie 114 Eveniment aleator 25
Coeficient de regresie 116 Evenimente dependente 31
207
Coeficient de variaţie 80 Evenimente independente 31
Convergenţa în probabilitate 65
Convergenţa în repartiţie 70 F
Corecţia lui Sheppard 80 Factor 108
Corelaţie multiplă 116 Formula lui Bayes 35
Corelaţie parţială 118 Formula lui Poincaré 33
Corelaţie simplă 113 Formula probabilităţii totale 34
Covarianţa 50 Frecvenţă absolută 75
Cuantilă 72 Frecvenţă relativă 75
Frecvenţe cumulate 75
D Functii elementare 7.
Date grupate pe intervale de clasă 74 Funcţia lui Laplace 61
Decizie statistică 94 Funcţie de repartiţie 40
Densitate de probabilitate 40 Funcţie de verosimilitate 88
Derivate partiale 20
Diferenţa limită 111 G
Dispersie 46,79 Galton 114
Dispersie de selecţie 79 Gosset 64
Dispersie reziduală 116 Grade de libertate 83
N
H Nivel de semnificaţie 96
Histograma 76 Nivel al unui factor (variantă) 108
Hi-pătrat 63
Hincin 67 O
Ogiva lui Galton 76
I Omogenitatea varianţelor 102
Inegalitatea lui Bienaymé-Cebâşev 67 Operaţii cu evenimente 26
Inegalitatea lui Markov 66 Operaţii cu variabile aleatoare 39
Inferenţă statistică 74
Informaţia Fisher 88 P
Interpolare liniara 9 Parametru statistic 85
Interval de clasă 75 Poligonul frecvenţelor 76
Interval de încredere 89 Populaţie statistică 73
Interval median 78 Prag de semnificaţie 96
Interval modal 78 Probabilitate 29
Ipoteza alternativă H’ 95 Probabilitate condiţionată 31
Ipoteza nulă H0 95 Probabilitate de încredere 89
Ipoteză simplă 95 Probabilităţi generalizate 29
Ipoteză statistică 94 Probabilitate de transgresiune 96
Punct Şa 22
L Puterea unui test 96
Lege de repartiţie 53
Legea binomială 56 R
Legea exponenţială 65 Raport de corelaţie 116
Legea Fisher-Snedecor 84 Regiune de acceptare 95
Legea Gamma 63 Regiune critică 95
Legea Hi- pătrat (Helmert_Pearson) 63 Regresie 114
Legea hipergeometrică 53 Regresie liniară 116

208
Legea lui De Morgan 26 Repartiţie de frecvenţă lepokurtică 81
Legea normală (legea Gauss-Laplace) 60 Repartiţie de frecvenţă mezokurtică 81
Legea numerelor mari 67 Repartiţie de frecvenţă platikurtică 81
Legea Poisson 54 Repartiţie marginală 50
Legea t a lui Student 64
Liapunov 71 S
Schema lui Bernoulli 55
M Schema lui Poisson 54
Mediana 78 Schema multinomială 56
Metoda celor mai mici patrate 93 Selecţie 74
Mod 78 Semnificaţie a coeficientului de corelatie 115
Model liniar pentru analiza de varianţă 108 Şir de variabile aleatoare 63
Moment empiric centrat de ordinul k 46, 82 Sondaj 74
Moment iniţial 46, 82 Statistică 74
Multiplicatori Lagrange 76 Suma pătratelor abaterilor 80
T
Tabel de contingenţă 76 Test t 99
Teorema Bernoulli 68 Test unilateral 96
Teorema Cebâşev 67
Teorema De Moivre-Laplace 70 U
Teoreme limită centrală 70 Unitate statistică (individ) 73
Teorema Poisson 69
Test de conformitate 114 V
Termen de corecţie 79 Valoare medie 45
Test bilateral 96 Variabilă aleatoare 40
Test Cochran 107 Variabile aleatoare independente 49
Test hi-pătrat bilateral 101 Variabilă aleatoare discretă 40
Test de omogenitate 102 Varianţă 79
Test F al lui Snedecor-Fisher 102 Vector aleator 49

209
 CUPRINS
UNITATEA DE ÎNVĂŢARE NR. 1. FUNCTII REALE DE VARIABILA REALA
Obiectivele unităţii de învăţare nr. 1
2
Conceptul de funcţie. Metode de reprezentare a funcţiilor
Algebra de funcţii. Compunerea funcţiilor. Funcţia inversă 4
Clasificarea funcţiilor reale de variabilă reală 6
Graficele funcţiilor elementare de bază 7
Interpolarea liniară 8
Rata variaţiei. Derivata unei funcţii Aplicaţii ale derivabilităţii
Aplicatii rezolvate. Aplicatii propuse. 9
Bibliografie minimala
UNITATEA DE ÎNVĂŢARE NR. 2. FUNCŢII DE MAI MULTE VARIABILE
Obiectivele unităţii de învăţare nr. 2 19
Funcţii de mai multe variabile
Graficele funcţiilor de două variabile 19
Derivate parţiale 20
Maxime şi minime 21
Metoda multiplicatorilor lui Lagrange 22
Aplicatii rezolvate. Aplicatii propuse.
Bibliografie minimala
UNITATEA DE ÎNVĂŢARE NR. 3. ELEMENTE DE TEORIA PROBABILITĂŢILOR
Obiectivele unităţii de învăţare nr. 3 25
Evenimente aleatoare
Relaţii între evenimente, operatii cu evenimente 26
Câmp de evenimente 28
Câmp de probabilitate, definiţia clasică şi definiţia axiomatică a probabilităţii 29
Formule de calcul cu probabilităţi 30
Probabilităţi condiţionate 31
Evenimente independente 31
Probabilitatea intersecţiei de evenimente dependente 32
Probabilitatea unei reuniuni de evenimente 33
Formula probabilităţii totale 34
Formula lui Bayes 35
Aplicatii rezolvate. Aplicaţii propuse 37
Bibliografie minimala
UNITATEA DE ÎNVĂŢARE NR. 4. VARIABILE ALEATOARE, VECTORI ALEATORI
Obiectivele unităţii de învăţare nr. 4 38
Operaţii cu variabile aleatoare
Funcţie de repartiţie. Densitate de probabilitate 40
Calculul probabilităţilor unor evenimente cu ajutorul funcţiei de repartiţie 40
Variabile aleatoare independente 44
Caracteristici numerice ale unei variabile aleatoare 44
Momentele unei variabile aleatoare. 45
Proprietăţile valorii medii a unei variabile aleatoare 45
Proprietăţile dispersiei 46
Variabile aleatoare bidimensionale discrete 49
Repartiţii marginale 50
Caracteristici numerice ale vectorului aleator 50
210
UNITATEA DE ÎNVĂŢARE NR. 5. LEGI CLASICE DE REPARTIŢIE
Obiectivele unitatii de invatare 5. Legea hipergeometrică 53
Schema lui Poisson 54
Schema lui Bernoulli (schema bilei revenite) 55
Schema multinomială 56
Legea binomială B(n,p) 56
Legea Poisson 58
Legea normală 60
Legea Gamma 63
Legea Hi-Pătrat ( χ2) 63
Legea Student (t) 64
Legea exponenţială 65
Şiruri de variabile aleatoare. Probleme la limita. 65
Convergenţa în probabilitate
Inegalitatea lui Markov 65
Inegalitatea Bienaymé-Cebâşev 66
Legea numerelor mari 67
Convergenţa în repartiţie 70
Aplicatii rezolvate. Aplicaţii propuse.
Bibliografie minimala
UNITATEA DE ÎNVĂŢARE NR. 6. ELEMENTE DE STATISTICA MATEMATICA
Obiectivele unitatii de invatare 6. Teoria selectiei 73
Metode de prezentare a datelor statistice 74
Reprezentarea grafică a repartiţiilor de frecvenţe unidimensionale 76
Indicatori ai repartiţiilor de frecvenţe unidimensionale 77
Indicatori de poziţie 78
Indicatorii variaţiei 79
Indicatori ai asimetriei, boltirii şi excesului 80
Aspecte matematice ale teoriei selecţiei 82
Teoria estimatiei. Estimaţii punctuale 84
Estimaţii nedeplasate 85
Estimaţii consistente 87
Estimaţii eficiente 87
Metoda verosimilităţii maxime 88
Metoda intervalelor de încredere 89
Metoda celor mai mici pătrate 93
Verificarea ipotezelor statistice. Introducere generală 94
Concepte şi erori în testarea ipotezelor statistice 95
Testul Z şi Testul t pentru verificarea egalităţii dintre o medie teoretică şi o medie ipotetică 96
Test χ2 bilateral cu privire la egalitatea dispersiei unui caracter distribuit normal cu 101
o dispersie ipotetică
Test Fisher pentru verificarea ipotezei de egalitate a două dispersii teoretice 102
Test de verificare a ipotezei de egalitate a frecvenţei teoretice cu o frecvenţă ipotetică 103
Comparaţii de medii 104
Verificarea ipotezei egalităţii unui şir de dispersii 106
Verificarea ipotezei de egalitate a probabilităţilor de succes pentru două variabile 107
aleatoare alternative independente.
Analiza de varianta unifactoriala. 108
Analiza corelatiei si regresiei. Corelaţia simplă 113

211
 Regresie liniară simplă 116
Corelaţia multiplă 116
Corelaţie parţială 118
Aplicatii propuse. Bibliografie minimala 119
Unitatea de invatare nr 7
Sisteme informaţionale, sisteme informatice, sisteme de calcul
Obiectivele unitatii de invatare 7. 121
Sisteme informaţionale, sisteme informatice, sisteme de calcul
Hardware 122
Software 123
Generaţii de calculatoare 126
Reprezentarea informaţiei în sistemul de calcul 129
Componentele sistemului de operare. Utilizarea discului. Atribute ale 130
documentelor
Introducere în sistemul de operare Windows 132
Modul de funcţionare. Lucrul cu ferestre. Obiecte dosar (Folder) obiecte 132
document
Aplicaţia Windows Explorer 133
Turul prin interfaţa Explorer 135
Meniul de context. Bara de instrumente 135
Operaţii cu obiecte. Crearea obiectelor noi .Redenumirea unui obiect. Ştergerea 136
unui obiect
Open/Close . Operaţiile de copiere şi mutare 137
Butonul Start. Aplicaţia My Computer 138
Control Panel. 141
Test grila de verificarea a cunostintelor 142
Bibliografie minimala 145
Unitatea de invatare nr 8
Utilizarea programului microsoft WORD
Obiectivele unitatii de invatare 8. Utilizarea programului Word 146
Crearea şi editarea documentelor 146
Formatarea documentelor 149
Corectarea şi tipărirea documentelor 151
Utilizarea tabelelor şi chenarelor 158
Test de laborator 161
Unitatea de invatare nr 9
Utilizarea programului microsoft EXCEL
Obiectivele unitatii de invatare 9. 163
Resursele necesare pentru a utiliza Microsoft Excel
Elemente preliminare de operare cu Excel 164
Deplasarea în cadrul foii de calcul. Selectarea celulelor 164
Gestiunea documentelor. Salvarea unui document. Închiderea ferestrei unui 165
document. Lucru cu foile de calcul
Introducerea şi editarea datelor. Crearea unei foi de calcul. Forma datelor intr-o 169
foaie de calcul
Introducerea unei formule. Ordinea operaţiilor Afişarea formulelor Copierea 170
formulelor Copierea rapidă a formulelor

212
 Utilizarea adreselor relative şi absolute 171
Utilizarea funcţiei AutoSum 172
Crearea unei serii 171
Ataşarea unui comentariu la o celulă 173
Utilizarea funcţiilor. Scurtă prezentare a principalelor funcţii încorporate 173
Modificarea unei foi de calcul 176
Modificarea şi imprimarea documentelor 177
Modificarea aspectului datelor. Modificarea lărgimii coloanelor şi înălţimilor 178
liniilor. Modificări cu încadrări şi umbre
Câteva facilităţi de imprimare 178
Excel şi reprezentarea grafică a datelor 179
Crearea unui grafic nou 179
Modificarea tipului sau formatului unui grafic 180
Crearea şi utilizarea unei baze de date într-o foaie de calcul 180
Termenii specifici unei baze de date 180
Utilizarea listelor pentru organizarea datelor 180
Crearea unei liste. Macheta de date. Adăugarea înregistrărilor. Găsirea unei 182
înregistrări. Ştergerea unei înregistrări
Filtrarea Înregistrărilor Filtrarea avansată 182
Sortarea unei liste Adăugarea subtotalurilor la listă 184
Test de laborator 187
Unitatea de invatare nr 10
Utilizarea programului MATHCAD
Obiectivele unitatii de invatare 10. MathCAD -Prezentare generală şi aplicaţii 189
Apelarea MathCAD 190
Efectuarea calculelor numerice 190
Constante MathCAD Operatori MathCAD 191
Tipuri de date MathCAD 191
Rezolvarea unei ecuaţii algebrice de grad superior 192
Calculul derivatei unei funcţii într-un punct. Calculul integralelor definite 193
Rezolvarea sistemelor cu n ecuaţii 194
Vectorizarea în calcul paralel 195
Realizarea unei reprezentări grafice 196
Calculul indicatorilor statistici pentru repartiţii de frecvenţe unifactoriale 197
Corelaţie şi regresie liniară 198
Test de laborator 199
Glosar de termeni uzuali folositi in Windows 201
Index cu termeni de matematica 206
Cuprins 209
Anexa Tabele Statistice 213

213
TABELUL Nr. 1
1 z
e
 t 2 /2
Funcţia lui Laplace Φ(z)  dt
o
2π
z 0 1 2 3 4 5 6 7 8 9
0.0 0.0000 0.0039 0.0079 0.0120 0.0160 0.0199 0.0239 0.0279 0.0319 0.0359
0.1 0.0398 0.0438 0.0478 0.0517 0.0557 0.0596 0.0636 0.0675 0.0714 0.0753
0.2 0.0793 0.0832 0.0871 0.0910 0.0948 0.0987 0.1026 0.1064 0.1103 0.1141
0.3 0.1179 0.1217 0.1255 0.1293 0.1331 0.1368 0.1406 0.1443 0.1480 0.1517
0.4 0.1554 0.1591 0.1628 0.1664 0.1700 0.1736 0.1772 0.1808 0.1844 0.1879
0.5 0.1915 0.1950 0.1985 0.2019 0.2054 0.2088 0.2123 0.2157 0.2190 0.2224
0.6 0.2257 0.2291 0.2324 0.2357 0.2389 0.2422 0.2454 0.2486 0.2517 0.2549
0.7 0.2580 0.2611 0.2642 0.2673 0.2704 0.2734 0.2764 0.2794 0.2823 0.2852
0.8 0.2881 0.2910 0.2939 0.2967 0.2995 0.3023 0.3051 0.3078 0.3106 0.3133
0.9 0.3159 0.3186 0.3212 0.3238 0.3264 0.3289 0.3315 0.3340 0.3365 0.3389
1.0 0.3413 0.3438 0.3461 0.3485 0.3508 0.3531 0.3554 0.3577 0.3599 0.3621
1.1 0.3643 0.3665 0.3686 0.3708 0.3729 0.3749 0.3770 0.3790 0.3810 0.3830
1.2 0.3849 0.3869 0.3888 0.3907 0.3925 0.3944 0.3962 0.3980 0.3997 0.4015
1.3 0.4032 0.4049 0.4066 0.4082 0.4099 0.4115 0.4131 0.4147 0.4162 0.4177
1.4 0.4192 0.4207 0.4222 0.4236 0.4251 0.4265 0.4279 0.4292 0.4306 0.4319
1.5 0.4332 0.4345 0.4357 0.4370 0.4382 0.4394 0.4406 0.4418 0.4429 0.4441
1.6 0.4452 0.4463 0.4474 0.4484 0.4495 0.4505 0.4515 0.4525 0.4535 0.4545
1.7 0.4554 0.4564 0.4573 0.4582 0.4591 0.4599 0.4608 0.4616 0.4625 0.4633
1.8 0.4641 0.4649 0.4656 0.4664 0.4671 0.4678 0.4686 0.4693 0.4699 0.4706
1.9 0.4713 0.4719 0.4726 0.4732 0.4738 0.4744 0.4750 0.4756 0.4761 0.4767
2.0 0.4772 0.4778 0.4783 0.4788 0.4793 0.4798 0.4803 0.4808 0.4812 0.4817
2.1 0.4821 0.4826 0.4830 0.4834 0.4838 0.4842 0.4846 0.4850 0.4854 0.4857
2.2 0.4861 0.4864 0.4868 0.4871 0.4875 0.4878 0.4881 0.4884 0.4887 0.4890
2.3 0.4893 0.4896 0.4898 0.4901 0.4904 0.4906 0.4909 0.4911 0.4913 0.4916
2.4 0.4918 0.4920 0.4922 0.4925 0.4927 0.4929 0.4931 0.4932 0.4934 0.4936
2.5 0.4938 0.4940 0.4941 0.4943 0.4945 0.4946 0.4948 0.4949 0.4951 0.4952
2.6 0.4953 0.4955 0.4956 0.4957 0.4959 0.4960 0.4961 0.4962 0.4963 0.4964
2.7 0.4965 0.4966 0.4967 0.4968 0.4969 0.4970 0.4971 0.4972 0.4973 0.4974
2.8 0.4974 0.4975 0.4976 0.4977 0.4977 0.4978 0.4979 0.4979 0.4980 0.4981
2.9 0.4981 0.4982 0.4982 0.4983 0.4984 0.4984 0.4985 0.4985 0.4986 0.4986
3.0 0.4987 0.4987 0.4987 0.4988 0.4988 0.4989 0.4989 0.4989 0.4990 0.4990
3.1 0.4990 0.4991 0.4991 0.4991 0.4992 0.4992 0.4992 0.4992 0.4993 0.4993
3.2 0.4993 0.4993 0.4994 0.4994 0.4994 0.4994 0.4994 0.4995 0.4995 0.4995
3.3 0.4995 0.4995 0.4995 0.4996 0.4996 0.4996 0.4996 0.4996 0.4996 0.4997
3.4 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4998
3.5 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998
3.6 0.4998 0.4998 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999
3.7 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999
3.8 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999
3.9 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000
4.0 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000

214
TABELUL NR. 2
Valorile t corespunzatoare probabilitatii =P(|t|> t )
si numarul de grade de libertate 

Distribuţia t-Student

Grade de Probabilitatea de transgresiune 

libertate  0,100 0,050 0,025 0,01 0,005 0,001 0,0005
1 3,078 6,314 12,706 31,821 63,657 318,30 636,61
2 1,886 2,920 4,303 6,965 9,925 22,33 31,598
3 1,638 2,353 3,182 4,541 5,841 10,.21 12,941
4 1,533 2,132 2,776 3,747 4,604 7,17 8,610
5 1,476 2,015 2,571 3,365 4,032 5,89 6,859
6 1,440 1,943 2,447 3,143 3,707 5,21 5,959
7 1,415 1,895 2,365 2,998 3,499 4,79 5,405
8 1,397 1,860 2,306 2,896 3,355 4,50 5,041
9 1,383 1,833 2,262 2,821 3,250 4,30 4,781
10 1,372 1,812 2,228 2,764 3,169 4,14 4,587
11 1,363 1,796 2,201 2,718 3,106 4,02 4,437
12 1,356 1,782 2,179 2,681 3,055 3,93 4,318
13 1,350 1,771 2,160 2,650 3,012 3,85 4,221
14 1,345 1,761 2,145 2,624 2,977 3,79 4,140
15 1,341 1,753 2,131 2,602 2,947 3,73 4,073
16 1,337 1,746 2,120 2,583 2,921 3,69 4,015
17 1,333 1,740 2,110 2,567 2,898 3,65 3,965
18 1,330 1,734 2,101 2,552 2,878 3,61 3,922
19 1,328 1,729 2,093 2,539 2,861 3,58 3,883
20 1,325 1,725 2,086 2,528 2,845 3,55 3,850
21 1,323 1,721 2,080 2,518 2,831 3,53 3,819
22 1,321 1,717 2,074 2,508 2,819 3,51 3,792
23 1,319 1,714 2,069 2,500 2,807 3,48 3,767
24 1,318 1,711 2,064 2,492 2,797 3,47 3,745
25 1,316 1,708 2,060 2,485 2,787 3,45 3,725
26 1,315 1,706 2,056 2,479 2,779 3,44 3,707
27 1,314 1,703 2,052 2,473 2,771 3,42 3,690
28 1,313 1,701 2,048 2,467 2,763 3,41 3,674
29 1,311 1,699 2,045 2,462 2,756 3,40 3,659
30 1,310 1,697 2,042 2,457 2,750 3,39 3,646
40 1,303 1,684 2,021 2,423 2,704 3,31 3,551
50 1,299 1,676 2,008 2,403 2,678 3,27 3,496
60 1,296 1,671 2,000 2,390 2,660 3,23 3,460
70 1,294 1,667 1,994 2,381 2,648 3,20 3,435
80 1,293 1,665 1,989 2,374 2,638 3,19 3,416
90 1,291 1,662 1,986 2,368 2,631 3,18 3,402
100 1,290 1,661 1,982 2,364 2,625 3,17 3,390
120 1,289 1,658 1,980 2,358 2,617 3,16 3,373
 1,282 1,645 1,960 2,326 2,576 3,09 3,299

215
TABELUL Nr. 3
Valorile Fisher (F0,95)  = 5%
 1 gradele de libertate pentru numărător
2 gradele de libertate pentru numitor

1
1 2 3 4 5 6 8 12 24 
2
1 161,0 200,0 216,0 225,0 230,0 234,0 239,0 244,0 249,0 254,0
2 18,51 19,00 19,16 19,25 19,30 19,33 19,37 19,41 19,45 19,5
3 10,13 9,55 9,28 9,12 9,01 8,94 8,85 8,74 8,64 8,53
4 7,71 6,94 6,59 6,39 6,26 6,16 6,04 5,91 5,77 5,63
5 6,61 5,79 5,41 5,19 5,05 4,95 4,82 4,68 4,53 4,37
6 5,99 5,14 4,76 4,53 4,39 4,28 4,15 4,00 3,84 3,67
7 5,59 4,74 4,35 4,12 3,97 3,87 3,73 3,57 3,41 3,23
8 5,32 4,46 4,07 3,84 3,69 3,58 3,44 3,28 3,12 2,93
9 5,12 4,26 3,86 3,63 3,48 3,37 3,23 3,07 2,90 2,71
10 4,96 4,10 3,71 3,48 3,33 3,22 3,07 2,91 2,74 2,54
11 4,84 3,98 3,59 3,36 3,20 3,09 2,95 2,79 2,61 2,40
12 4,75 3,89 3,49 3,26 3,11 3,00 2,85 2,69 2,51 2,30
13 4,67 3,81 3,41 3,18 3,03 2,92 2,77 2,60 2,42 2,21
14 4,60 3,74 3,34 3,11 2,96 2,85 2,70 2,53 2,35 2,13
15 4,54 3,68 3,29 3,06 2,90 2,79 2,64 2,48 2,29 2,07
16 4,49 3,63 3,24 3,01 2,85 2,74 2,59 2,42 2,24 2,01
17 4,45 3,59 3,20 2,96 2,81 2,70 2,55 2,38 2,19 1,96
18 4,41 3,55 3,16 2,93 2,77 2,66 2,51 2,34 2,15 1,92
19 4,38 3,52 3,13 2,90 2,74 2,63 2,48 2,31 2,11 1,88
20 4,35 3,49 3,10 2,87 2,71 2,60 2,45 2,28 2,08 1,84
21 4,32 3,47 3,07 2,84 2,68 2,57 2,42 2,25 2,05 1,81
22 4,30 3,44 3,05 2,82 2,66 2,55 2,40 2,23 2,03 1,78
23 4,28 3,42 3,03 2,80 2,64 2,53 2,37 2,20 2,01 1,76
24 4,26 3,40 3,01 2,78 2,62 2,51 2,36 2,18 1,98 1,73
25 4,24 3,39 2,99 2,76 2,60 2,49 2,34 2,16 1,96 1,71
26 4,22 3,37 2,98 2,74 2,59 2,47 2,32 2,15 1,95 1,69
27 4,21 3,35 2,96 2,73 2,57 2,46 2,31 2,13 1,93 1,67
28 4,20 3,34 2,95 2,71 2,56 2,45 2,29 2,12 1,91 1,65
29 4,18 3,33 2,93 2,70 2,55 2,43 2,28 2,10 1,90 1,64
30 4,17 3,32 2,92 2,69 2,53 2,42 2,27 2,09 1,89 1,62
40 4,08 3,23 2,84 2,61 2,45 2,34 2,18 2,00 1,79 1,51
60 4,00 3,15 2,76 2,53 2,37 2,25 2,10 1,92 1,70 1,39
120 3,92 3,07 2,68 2,45 2,29 2,18 2,02 1,83 1,61 1,25
 3,84 3.00 2,60 2,37 2,21 2,10 1,94 1,75 1,52 1,00

216
TABELUL Nr. 4
Valorile Fisher (F0,99)  = 1%
1 gradele de libertate pentru numărător
2 gradele de libertate pentru numitor

1
1 2 3 4 5 6 8 12 24 
2
1 4052 4999 5403 5625 5764 5859 5982 6106 6235 6366
2 98,50 99,00 99,17 99,25 99,30 99,33 99,37 99,42 99,46 99,50
3 34,12 30,82 29,46 28,71 28,24 27,91 27,49 27,05 26,60 26,12
4 21,20 18,00 16,69 15,98 15,52 15,21 14,80 14,37 13,93 13,46
5 16,26 13,27 12,06 11,39 10,97 10,67 10,29 9,89 9,47 9,02
6 13,74 10,92 9,78 9,15 8,75 8,47 8,10 7,72 7,31 6,88
7 12,25 9,55 8,45 7,85 7,46 7,19 6,84 6,47 6,07 5,65
8 11,26 8,65 7,59 7,01 6,63 6,37 6,03 5,67 5,28 4,86
9 10,56 8,02 6,99 6,42 6,06 5,80 5,47 5,11 4,73 4,31
10 10,04 7,56 6,55 5,99 5,64 5,39 5,06 4,71 4,33 3,91
11 9,65 7,21 6,22 5,67 5,32 5,07 4,74 4,40 4,02 3,60
12 9,33 6,93 5,95 5,41 5,06 4,82 4,50 4,16 3,78 3,36
13 9,07 6,70 5,74 5,21 4,86 4,62 4,30 3,96 3,59 3,17
14 8,86 6,51 5,56 5,04 4,70 4,46 4,14 3,80 3,43 3,00
15 8,68 6,36 5,42 4,89 4,56 4,32 4,00 3,67 3,29 2,87
16 8,53 6,23 5,29 4,77 4,44 4,20 3,89 3,55 3,18 2,75
17 8,40 6,11 5,19 4,67 4,34 4,10 3,79 3,46 3,08 2,65
18 8,29 6,01 5,09 4,58 4,25 4,01 3,71 3,37 3,00 2,57
19 8,18 5,93 5,01 4,50 4,17 3,94 3,63 3,30 2,92 2,49
20 8,10 5,85 4,94 4,43 4,10 3,87 3,56 3,23 2,86 2,42
21 8,02 5,78 4,87 4,37 4,04 3,81 3,51 3,17 2,80 2,36
22 7,95 5,72 4,82 4,31 3,99 3,76 3,45 3,12 2,75 2,31
23 7,88 5,66 4,76 4,26 3,94 3,71 3,41 3,07 2,70 2,26
24 7,82 5,61 4,72 4,22 3,90 3,67 3,36 3,03 2,66 2,21
25 7,77 5,57 4,68 4,18 3,86 3,63 3,32 2,99 2,62 2,17
26 7,72 5,53 4,64 4,14 3,82 3,59 3,29 2,96 2,58 2,13
27 7,68 5,49 4,60 4,11 3,78 3,56 3,26 2,93 2,55 2,10
28 7,64 5,45 4,57 4,07 3,75 3,53 3,23 2,90 2,52 2,06
29 7,60 5,42 4,54 4,04 3,73 3,50 3,20 2,87 2,49 2,03
30 7,56 5,39 4,51 4,02 3,70 3,47 3,17 2,84 2,47 2,01
40 7,31 5,18 4,31 3,83 3,51 3,29 2,99 2,66 2,29 1,80
60 7,08 4,98 4,13 3,65 3,34 3,12 2,82 2,50 2,12 1,60
120 6,85 4,79 3,95 3,48 3,17 2,96 2,66 2,34 1,95 1,38
 6,63 4,60 3,78 3,32 3,02 2,80 2,51 2,18 1,79 1,00

217
TABELUL Nr. 5
Valorile Fisher (F0,999)  = 0.1%
1 gradele de libertate pentru numărător
2 gradele de libertate pentru numitor

1
1 2 3 4 5 6 8 12 24 
2
1 405284 500000 540372 562500 576405 585937 598144 610667 623497 636619
2 998,50 999,00 999,20 999,30 999,30 999,30 999,40 999,40 999,50 999,50
3 167,00 148,50 141,10 137,10 134,60 132,90 130,60 128,30 125,90 123,50
4 74,14 61,25 56,18 53,44 51,71 50,53 49,66 47,41 45,77 44,05
5 47,18 37,12 33,20 31,09 29,75 28,83 27,65 26,42 25,14 23,78
6 35,51 27,00 23,70 21,92 20,81 20,03 19,03 17,99 16,89 15,75
7 29,25 21,69 18,77 17,20 16,21 15,52 14,63 13,71 12,73 11,70
8 25,42 18,49 15,83 14,39 13,48 12,86 12,05 11,19 10,30 9,33
9 22,86 16,39 13,90 12,56 11,71 11,13 10,37 9,57 8,72 7,81
10 21,04 14,91 12,55 11,28 10,48 9,93 9,20 8,45 7,64 6,76
11 19,69 13,81 11,56 10,35 9,58 9,05 8,35 7,63 6,85 6,00
12 18,64 12,97 10,80 9,63 8,89 8,38 7,71 7,00 6,25 5,42
13 17,81 12,31 10,21 9,07 8,35 7,86 7,21 6,52 5,78 4,97
14 17,14 11,78 9,73 8,62 7,92 7,44 6,80 6,13 5,41 4,60
15 16,59 14,34 9,34 8,25 7,57 7,09 6,47 5,81 5,10 4,31
16 16,12 10,97 9,01 7,94 7,27 6,81 6,19 5,55 4,85 4,06
17 15,72 10,66 8,73 7,68 7,02 6,56 5,96 5,32 4,63 3,85
18 15,38 10,39 8,49 7,46 6,81 6,35 5,76 5,13 4,45 3,67
19 15,08 10,16 8,28 7,26 6,62 6,18 5,59 4,97 4,29 3,52
20 14,82 9,95 8,10 7,10 6,46 6,02 5,44 4,82 4,15 3,38
21 14,59 9,77 7,94 6,95 6,32 5,88 5,31 4,70 4,03 3,26
22 14,38 9,61 7,80 6,81 6,19 5,76 5,19 4,58 3,92 3,15
23 14,19 9,47 7,67 6,69 6,08 5,65 5,09 4,48 3,82 3,05
24 14,03 9,34 7,55 6,59 5,98 5,55 4,99 4,39 3,74 2,97
25 13,88 9,22 7,45 6,49 5,88 5,46 4,91 4,31 3,66 2,89
26 13,74 9,12 7,36 6,41 5,80 5,38 4,83 4,24 3,59 2,82
27 13,61 9,02 7,27 6,33 5,73 5,31 4,76 4,17 3,52 2,75
28 13,50 8,93 7,19 6,25 5,66 5,24 4,69 4,11 3,46 2,70
29 13,39 8,85 7,12 6,19 5,59 5,18 4,64 4,05 3,41 2,64
30 13,29 8,77 7,05 6,12 5,53 5,12 4,58 4,00 3,36 2,59
40 12,61 8,25 6,59 5,70 5,13 4,73 4,21 3,64 3,01 2,23
60 11,97 7,77 6,17 5,31 4,76 4,37 3,86 3,32 2,69 1,89
120 11,38 7,32 5,79 4,95 4,42 4,04 3,55 3,02 2,40 1,54
 10,83 6,91 5,42 4,62 4,10 3,47 3,27 2,74 2,13 1,00

218
TABELUL Nr. 6

Valori critice ale coeficientului de corelaţie liniară simplă rxy

α α
0,05 0,01 0,001 0,05 0,01 0,001
GL GL
1 0,997 0,999 1,000 24 0,388 0,496 0,608
2 0,950 0,990 0,999 25 0,381 0,487 0,597
3 0,878 0,959 0,991 26 0,374 0,478 0,588
4 0,811 0,917 0,974 27 0,367 0,470 0,579
5 0,754 0,917 0,951 28 0,361 0,463 0,571
6 0,666 0,874 0,925 29 0,355 0,456 0,563
7 0,632 0,834 0,898 30 0,349 0,449 0,554
8 0,602 0,798 0,872 35 0,325 0,418 0,519
9 0,576 0,765 0,847 40 0,304 0,393 0,490
10 0,553 0,735 0,823 45 0,288 0,372 0,465
11 0,532 0,708 0,801 50 0,273 0,354 0,443
12 0,514 0,684 0,780 60 0,250 0,325 0,408
13 0,497 0,661 0,760 70 0,232 0,302 0,380
14 0,482 0,641 0,742 80 0,217 0,283 0,357
15 0,482 0,623 0,725 90 0,205 0,267 0,338
16 0,468 0,606 0,708 100 0,195 0,254 0,321
17 0,456 0,590 0,693 125 0,174 0,228 0,293
18 0,444 0,575 0,679 150 0,159 0,208 0,260
21 0,413 0,526 0,641 400 0,098 0,128 0,160
22 0,404 0,515 0,630 500 0,088 0,115 0,150
23 0,396 0,505 0,619 1000 0,062 0,081 0,110

219
TABELUL Nr. 7 Distribuţia χ 2 (Hi-pătrat)

Probabilitatea de transgresiune 
Grad e de Li bert ate 
0,995 0,990 0,975 0,950 0,900 0,750 0,500 0,250 0,100 0,050 0,025 0,010 0,005
1 - - - - 0,02 0,10 0,50 1,32 2, 71 3,84 5,02 6,63 7,88
2 0,01 0,02 0,05 0,10 0,21 0,58 1,39 2,77 4,61 5,99 7,38 9,21 10,61
3 0,07 0,11 0,22 0,35 0,58 1,21 2,37 4,11 6,25 7,81 9,35 11,34 12,48
4 0,21 0,30 0,48 0,71 1,06 1,92 3,36 5,39 7,78 9,49 11,14 13,28 14,86
5 0,41 0,55 0,83 1,15 1,61 2,67 4,35 6,63 9,24 11,07 12,83 15,09 16,75
6 0,68 0,87 1,24 1,64 2,20 3,45 5,35 7,84 10,64 12,59 14,45 16,81 18,55
7 0,99 1,24 1,69 2,17 2,83 4,25 6,35 9,04 12,02 14,07 16,01 18,48 20,28
8 1,34 1,65 2,18 2,73 3,49 5,07 7,34 10,22 13,36 15,51 17,53 20,09 21,96
9 1,73 2,09 2,70 3,33 4,17 5,90 8,34 11,39 14,48 16,92 19,02 21,67 23,59
10 2,16 2,56 3,25 3,94 4,87 6,74 9,34 12,55 15,99 18,31 20,48 23,21 25,19
11 2,60 3,05 3,82 4,57 5,58 7,58 10,34 13,70 17,28 19,68 21,92 24,72 26,76
12 3,07 3,57 4,40 5,23 6,30 8,44 11,34 14,85 18,55 21,03 23,34 26,22 28,30
13 3,57 4,11 5,01 5,89 7,04 9,30 12,34 15,98 19,81 22,36 24,74 27,69 29,82
14 4,07 4,66 5,63 6,57 7,79 10,17 13,34 17,12 21,06 23,68 26,12 29,14 31,32
15 4,60 5,23 6,27 7,26 8,55 11,04 14,34 18,25 22,31 25,00 27,49 30,58 32,80
16 5,14 5,81 6,91 7,96 9,31 11,91 15,34 19,37 23,54 26,30 28,85 32,00 34,27
17 5,70 6,41 7,56 8,67 10,09 12,79 16,34 20,49 24,77 27,59 30,19 33,41 35,72
18 6,26 7,01 8,23 9,39 10,86 13,68 17,34 21,60 25,99 28,87 31,53 34,81 37,16
19 6,84 7,63 8,91 10,12 11,65 14,56 18,34 22,72 27,20 30,14 32,85 36,19 38,58
20 7,43 8,26 9,59 10,89 12,44 15,45 19,34 23,83 28,41 31,41 34,17 37,57 40,00
21 8,03 8,90 10,28 11,59 13,24 16,34 20,34 24,93 29,62 32,67 35,48 38,93 41,40
22 8,64 9,54 10,98 12,34 14,04 17,24 21,34 26,04 30,81 33,92 36,78 40,29 42,80
23 9,26 10,20 11,69 13,09 14,85 18,14 22,34 27,14 32,01 35,17 38,08 41,64 44,18
24 9,89 10,86 12,40 13,85 15,66 19,04 23,34 28,24 33,20 36,42 39,36 42,98 45,56
25 10,52 11,52 13,12 14,61 16,47 19,94 24,34 29,34 34,38 37,65 40,65 44,31 46,93
26 11,16 12,20 13,84 15,38 17,29 20,84 25,34 30,43 35,53 38,89 41,92 45,64 48,29
27 11,81 12,88 14,57 16,15 18,11 21,75 26,34 31,53 36,74 40,11 43,19 46,96 49,64
28 12,46 13,56 15,31 16,93 18,94 22,66 27,34 32,62 37,92 41,34 44,46 48,28 50,99
29 13,12 14,26 16,05 17,71 19,77 23,57 28,34 33,71 39,09 42,56 45,72 49,59 52,34
30 13,79 14,95 16,79 18,49 20,60 24,48 29,34 34,80 40,26 43,77 46,98 50,89 53,67
40 20,71 22,16 24,43 26,51 29,05 33,66 39,34 45,62 51,80 55,76 59,34 63,69 66,77
80 51,17 53,54 57,15 60,39 64,28 71,14 79,33 88,13 96,58 101,88 106,63 112,33 116,32
100 67,33 70,06 74,22 77,93 82,36 90,13 99,33 109,14 118,50 124,34 129,56 135,81 140,17

0
TABELUL Nr. 8 Valorile statisticii Cochran C () pentru =5% (k este numarul de dispersii comparate iar n volumul selectiei)

n 1 2 3 4 5 6 7 8 9 10 16 36 144 
k
2 0.9985 0.9750 0.9392 0.9057 0.8772 0.8530 0.8332 0.8159 0.8010 0.7880 0.7341 0.6602 0.5813 0.5000
3 0.9669 0.8709 0.7977 0.7457 0.7071 0.6771 0.6530 0.6333 0.6167 0.6025 0.5466 0.4748 0.4031 0.3333
4 0.9065 0.7679 0.6841 0.6287 0.6287 0.5895 0.5565 0.5175 0.5017 0.4884 0.4366 0.3720 0.3093 0.2500
5 0.8412 0.6838 0.5981 0.5440 0.5063 0.4780 0.4564 0.4387 0.4241 0.4118 0.3645 0.3066 0.2513 0.2000
6 0.7808 0.6161 0.5321 0.4803 0.4447 0.4184 0.3980 0.3817 0.3682 0.3568 0.3135 0.2612 0.2119 0.1667
7 0.7271 0.5612 0.4800 0.4307 0.3974 0.3726 0.3535 0.3384 0.3259 0.3154 0.2756 0.2278 0.1833 0.1429
8 0.6798 0.5157 0.4377 0.3910 0.3595 0.3360 0.3185 0.3043 0.2926 0.2829 0.2462 0.2022 0.1616 0.1250
9 0.6385 0.4775 0.4027 0.3584 0.3286 0.3067 0.2901 0.2768 0.2659 0.2568 0.2226 0.1820 0.1446 0.1411
10 0.6020 0.4450 0.3733 0.3311 0.3029 0.2823 0.2665 0.2541 0.2439 0.2353 0.2032 0.1655 0.1308 0.1000
12 0.5410 0.3924 0.3264 0.2880 0.2624 0.2430 0.2299 0.2187 0.2098 0.2020 0.1737 0.1403 0.1100 0.0830
15 0.4709 0.3346 0.2758 0.2419 0.2195 0.2034 0.1911 0.1815 0.1736 0.1671 0.1429 0.1144 0.0889 0.0667
20 0.3894 0.2705 0.2205 0.1921 0.1735 0.1602 0.1501 0.1422 0.1357 0.1303 0.1108 0.0879 0.0675 0.0500
24 0.3434 0.2354 0.1907 0.1656 0.1493 0.1370 0.1286 0.1160 0.1113 0.0942 0.0942 0.0743 0.0567 0.0410
30 0.2929 0.1980 0.1593 0.1377 0.1237 0.1137 0.1061 0.1002 0.0958 0.0921 0.0771 0.0604 0.0457 0.0333
40 0.2370 0.1576 0.1259 0.1082 0.0968 0.0887 0.0827 0.0780 0.0745 0.0713 0.0559 0.0462 0.0347 0.0250
60 0.1737 0.1131 0.8995 0.0765 0.0682 0.0620 0.0583 0.0520 0.0520 0.0497 0.0411 0.0316 0.0234 0.0116
120 0.0998 0.0632 0.0495 0.0419 0.0371 0.0337 0.0312 0.0292 0.0279 0.0266 0.0218 0.0165 0.0120 0.0083
 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000