Chimie C Ca. Obiectul Chimiei

CHIMIE*C* CA.
OBIECTUL CHIMIEI
CA.
OBIECTUL CHIMIEI
‐ 1 ‐
CHIMIE*C* CA. OBIECTUL CHIMIEI
CUPRINS
Capitolul CA.01. Introducere …………………………………………………………………………………………………. 3

CA.01.1. Definiţii ............................................................................................................................... 3
CA.01.2. Ramurile chimiei ................................................................................................................ 4
CA.01.3. Istoricul chimiei ………………………………………………………………………….. 6
CA.01.4. Chimişti români remarcabili ……………………………………………………………... 11
Capitolul CA.02. Distribuţia elementelor chimice în natură ……………………………………………….. 13
Capitolul CA.03. Erori de măsurare ………………………………………………………………………... 15
CA.03.1. Conceptul de control al măsurării........................................................................................ 15
CA.03.2. Erori sistematice şi întâmplătoare........................................................................................ 16
CA.03.3. Calculul propagării erorilor ................................................................................................ 18
CA.03.4. Distribuţii statistice utilizate în prelucrarea valorilor măsurate ………………………….. 20
CA.03.5. Intervale de încredere şi teste statistice ale mediei unei populaţii ...................................... 28
CA.03.6. Regresia liniară ................................................................................................................... 39
CA.03.7. Coeficientul de corelaţie ..................................................................................................... 42
Capitolul CA.04. Laborator …………………………….…………………………………………………... 50
CA.04.1. Norme de protecţia muncii în laboratorul de chimie .......................................................... 50
CA.04.2. Recomandări pentru studenţii care efectuează lucrări practice în laboratorul de chimie ... 54
CA.04.3. Ustensile, sticlărie şi aparatură de laborator ...................................................................... 57
Capitolul CA.05. Autoevaluare ....................................................................................................................... 64
● Exerciţii / probleme rezolvate ………………………….………………………………………... 64
● Exerciţii / probleme propuse spre rezolvare ……………………………….…………………….. 69
● Întrebări recapitulative .................................................................................................................... 70
Anexa CA …………………………………………………………………………………………………... 72
Capitolul CA.06. Bibliografie ............................................................................................................... 74
‐ 2 ‐
Capitolul CA.01. Introducere

Cuvinte-cheie
chimie, biochimie, alchimie, chimişti români
CA.01.1. Definiţii
Din punct de vedere conceptual, fizica, chimia, biologia şi domeniile derivate din acestea
sunt considerate ştiinţe ale naturii. Logica, matematica, informatica şi domeniile derivate din
acestea formează clasa ştiinţelor exacte, iar geologia şi geografia sunt ştiinţe ale Pământului. Nu
există delimitări stricte ale nici uneia dintre ştiinţe. Studiul proceselor naturale şi artificiale, a
structurii materiei se face cu instrumente proprii mai multor ştiinţe fundamentale.[S01]
Ordonarea parţială a ştiinţelor, propusă de Balaban şi Klein [A01] se prezintă în Figura

CA.01.1:
Figura CA.01.1. Ordonarea parţială a ştiinţelor [A01]
‐ 3 ‐
Dintre cele trei domenii fundamentale ale ştiinţelor naturii, chimia studiază compoziţia,
structura, proprietăţile substanţelor şi transformările la care sunt supuse acestea. Materia din care
este constituit mediul înconjurător este formată din substanţe, care, la rândul lor, sunt alcătuite din
unităţi structurale numite atomi. În prezent sunt cunoscute peste 118 de tipuri diferite de atomi. O
substanţă alcătuită dintr-un singur tip de atomi este denumită element chimic. Un element chimic
este aşadar forma cea mai simplă de materie, alcătuită din acelaşi tip de atomi. Fiecare element
chimic este identificat printr-o denumire proprie: oxigen, hidrogen, aluminiu, carbon etc.
Substanţele sunt formate din molecule, rezultate din combinarea (unirea) atomilor elementelor
chimice, după legi bine definite. Astfel, apa constă din molecule alcătuite din combinarea
elementelor hidrogen şi oxigen, dioxidul de carbon constă din molecule rezultate din combinarea
elementelor carbon şi oxigen ş.a.m.d.
Chimia este ştiinţa naturii având ca obiect de studiu elementele chimice, combinaţiile lor
(substanţele chimice), transformările substanţelor şi legile care guvernează aceste transformări.
În general, chimia are următoarele obiective:

- studierea compoziţiei şi structurii substanţelor, dependenţa proprietăţilor lor de structură;
- obţinerea substanţelor şi materialelor de importanţă pentru om şi aplicarea lor practică;
- studierea legităţilor reacţiilor chimice şi dirijarea lor pentru obţinerea unor noi substanţe sau
generarea eficientă de energie;
- tratarea/reutilizarea deşeurilor diverselor activităţi ale omului.
CA.01.2. Ramurile chimiei
Formal, câmpul de cunoştinţe al chimiei acoperă mai multe domenii. Astfel, la baza
studiului sistematic al chimiei stau chimia anorganică şi chimia organică. Unii autori referă aceste
două domenii ca formând împreună chimia descriptivă. [M01]
În cadrul chimiei descriptive se studiază şi se clasifică în funcţie de structură şi proprietăţi

combinaţiile elementelor chimice.
Chimia anorganică se ocupă de elementele chimice şi combinaţiile acestora (mai puţin cele
ale carbonului) împreună cu proprietăţile şi reacţiile chimice la care participă.
Chimia organică se ocupă cu studiul structurii, proprietăţilor, reacţiilor de sinteză sau de

descompunere a compuşilor organici. Compuşii organici sunt substanţe alcătuite în general din
carbon şi hidrogen, însă mai pot conţine oxigen, azot, sulf, fosfor, bor, precum şi restul elementelor
chimice dar în cantităţi foarte mici. Desigur, această delimitare este oarecum forţată, la frontiera
dintre cele două aflându-se chimia organometalică.
Chimia analitică este o ramură a chimiei care se ocupă de stabilirea compoziţiei şi a

structurii substanţelor, prin analize calitative (identificarea naturii elementelor chimice din structura
unei substanţe sau a compuşilor chimici care sunt conţinuţi într-un amestec) şi respectiv cantitative
(determinarea cantităţilor din fiecare element component al unei o substanţe, respectiv a proporţiilor
în care elementele sunt combinate, ca pas premergător stabilirii structurii acesteia).
‐ 4 ‐
Chimia fizică este ramura chimiei care stabileşte şi dezvoltă legile cantitative ce explică şi
interpretează observaţiile făcute în celelalte domenii ale chimiei, asupra unor caracteristici ale
reacţiilor chimice care sunt generale, independente de natura acestora. Chimia fizică cuprinde trei
direcţii principale: (i) studiul aspectelor termodinamice ale transformărilor chimice (aspectele
energetice, sensul transformărilor posibile în condiţii date, stările de echilibru chimic); (ii) studiul
cineticii chimice (analiza vitezei transformării chimice în corelare cu mecanismul acesteia; (iii)
folosirea metodelor fizice pentru a examina şi a stabili comportarea atomilor şi a moleculelor
individuale.
Observaţiile pe care chimia-fizică le sistematizează şi le explică sunt cuprinse în legi care

sunt o chintesenţă a experienţei. Astfel, principiile termodinamicii se corelează cu aspectele
energetice ale transformării chimice, legile mecanicii cuantice sintetizează observaţiile asupra
comportării particulelor individuale etc.
Scopul studierii chimiei-fizice este punerea în evidenţă prin studiul teoretic aspecte de ordin
fundamental ale chimiei şi esenţa fizică a fenomenelor chimice.
Cunoaşterea în detaliu a noţiunilor de chimie-fizică permite omului să pătrundă profund în

tainele naturii, sa sintetizeze compuşi, sa stabilească structura unor noi substanţe, sa evidenţieze
proprietăţile lor chimice si fizice şi sa determine domeniul de utilizare al acestora.
Biologia, fizica, geologia, informatica şi matematica au contribuit la formarea domeniilor de

studiu interdisciplinar ca: biochimie, chimie macromoleculară, geochimie, chimie computaţională,
topologie moleculară.
Biochimia este ştiinţa care studiază chimia vieţii. Considerată multă vreme o ramură
interdisciplinară, aflată la graniţa între chimie şi biologie, biochimia s-a dezvoltat în special în
ultimele decenii ca o disciplină de sine stătătoare, abordând subiecte ca structura chimică a
substanţelor din care sunt formate organismele, interacţiunile între aceste substanţe şi transformările
metabolice pe care acestea le suferă in vivo. În mare, se poate considera că biochimia are două
ramuri: biochimia metabolismelor şi biochimia structurală.
Biochimia structurală se ocupă cu studiul moleculelor vieţii: proteine şi aminoacizi, glucide,

lipide, acizi nucleici. De asemenea, această ramură studiază vitaminele şi enzimele.
Biochimia metabolismelor studiază căile metabolice prin care nutrienţii sunt procesaţi în
interiorul celulelor vii (anabolism şi catabolism).
Biochimia acizilor nucleici şi studiul codului genetic, sinteza proteinelor (transcripţia şi

translaţia), studiul fenomenelor de transport membranar şi de transmitere a semnalelor sunt doar
câteva domenii în care biochimia cunoaşte un progres remarcabil în ultimii ani.
Chimia macromoleculară studiază substanţe ca celuloza, amidonul, proteinele, enzimele,

cauciucul natural, polimerii sintetici (fibrele sintetice, materialele plastice, cauciucul sintetic etc.),
formate din macromolecule.
‐ 5 ‐
CA.01.3. Istoricul chimiei [H01]
Istoria chimiei începe din antichitate, când omul primitiv începe să transforme mediul
înconjurător pentru îmbunătăţirea condiţiilor sale de viaţă şi continuă şi în zilele noastre, când sunt
descoperite o multitudine de noi materiale, necesare în toate domeniile de activitate. Încă din cele
mai vechi timpuri, oamenii au început să studieze proprietăţile fizice şi chimice ale corpurilor din
natură. Utilizarea focului a stat la baza apariţiei primelor noţiuni ale practicii chimice. Pregătirea
hranei, olăritul, prelucrarea minereurilor şi a metalelor rezultate l-au făcut pe om să observe cum
substanţele se transformă rezultând altele noi, cu alte proprietăţi. [Z03]
De-a lungul anilor s-au parcurs o serie de etape şi nivele de înţelegere a transformărilor
chimice, s-au formulat explicaţii şi s-au elaborat definiţii ale chimiei, corespunzătoare fiecărei etape
în parcursul acesteia:
Alchimia (3000 î.Hr. -330 î.Hr.)
Alchimia s-a preocupat de studiul compoziţiei apelor, mişcării, creşterii, corporalizării,

decorporalizării, extragerii spiritelor din corpuri şi legării spiritelor în corpuri (ZOSIMOS din
PANOPOLIS, sec. III - IV). Alchimia este o disciplină filozofică şi spirituală („piatra filozofală”,
„elixirul vieţii”) care s-a dezvoltat după cum urmează:
1. Istoria alchimiei îşi găseşte rădăcinile în China străveche. Primul text de origine chineză care
face referire la procese alchimice este regăsit în Han Shu XXV, 12 recto, linia 8, întâlnit şi în Shih
Chi, opera istoricului Chinei Se-Ma-Ts’ien. Textele valorifică extrem de precis caracterul sacru şi
ritualic al alchimiei chineze care presupune operaţia alchimică, adică transformarea cinabrului în
aur, printr-o serie de sacrificii; apoi, aurul este asimilat în mâncare şi, astfel, viaţa se prelungeşte
(Elixirul vieţii). Prin prelungirea acesteia, are loc legătura directă cu „fericiţii” [C01, E01].
2. Arta sfântă: alchimia egipteană (3.000 î.Hr. – 700 d.Hr.)
Alchimi tii Europei occidentale de mai târziu sus in că arta lor provine din Egipt. Centrul
cuno tin elor alchimiste era cetatea Alexandria, mai ales prin celebra Bibliotecă. În urma
incendierii acesteia (391 î.Hr.), nu a mai rămas niciun document original. Din acest motiv, alchimia
egipteană ne este cunoscută numai prin intermediul marilor filozofi greci, ca apoi să
supravie uiască prin scrierile islamice. Conform legendei, fondatorul alchimiei egiptene a
fost Thot (numit i Hermes). Se pare că zeul ar fi scris 42 de căr i ce acopereau toate domeniile
cunoa terii, printre care i alchimia. Tabla de smarald („Tabula Smaragdina”) a lui Hermes-
Trismegistul, cunoscută numai prin traduceri grece ti i arabe, este considerată baza pentru
filozofia i practica alchimistă. Aici se află celebra formulă care sugerează legătura
dintre ermetism i alchimie: „Toate cele de sus sunt asemeni cu toate cele de jos, pentru ca să se
săvâr ească miracolul Unită ii”.
3. Alchimia alexandrină (332 î.Hr. – 642) - arta falsificărilor: papirusul din Leyden, papirusul din
Stockholm (Papyrus Graecus Holmiensis) (≈250): tekhne: aur, pietre preţioase, perle, coloranţi.
• Diocleţian (292): a dat un decret prin care cerea arderea cărţilor de alchimie. Majoritatea
scrierilor referitoare la începuturile alchimiei egiptene sunt originare din perioada elenistică
egipteană (dinastia ptolemeică); astăzi ele sunt de fapt compilaţii parţiale ale unor surse pierdute sau
‐ 6 ‐
încă nedescoperite. Multe din aceste compilaţii conţin referinţe la alte compilaţii probabil distruse
prin ardere datorită decretului dat de Diocleţian.
• Falsul Democrit (sec. I): În scrierea Physika kai Mystica s-au abordat etapele preparării aurului
şi s-a discutat despre etapa de înnegrire (melanosis) – absenţa culorii şi luminii, albire (leukosis) a
materiei, îngălbenire (xanthosis) a materiei şi roşire (iosis) - culoarea prin excelenţă exprimată prin
tendinţa manifestării expansive în planul manifestării înseşi a materiei.
• Zosimos din Panopolis (sec. III-IV).
4. Alchimia arabă (42 – 1200) - arabii cuceresc Alexandria (califul Omar); are loc distrugerea
bibliotecii;
• Djabir ibn-Hayyan, latinizat Geber (721-815) - a subliniat necesitatea experimentului. I se

atribuie descoperirea unor procedee i procese chimice ca: distilarea, cristalizarea. A descoperit
mai multe substan e chimice, printre care: vitriol (H2SO4) din alaun; HNO3 (salpetru + piatră
vânătă + alaun); salmiac (NH4Cl); apa regală (spirt de sare + spirt de salpetru); 2 principii: sulf (foc-
aer) + mercur (lichid-solid). În experimentele sale, încearcă (bineîn eles fără succes) să descopere
piatra filozofală, acel El Iksir, care devine obiectiv principal al alchimiei de mai târziu.
• Zakariya Al Razi – Rhases (865 - 925) – a fost alchimist, medic, filozof, savant persan
(Bagdad). A adus contribu ii valoroase în domeniile men ionate, înscrise în peste 184 de căr i
i articole (Marea culegere; Cartea Tainei tainelor). A fost unul din marii promotori ai medicinei
experimentale i poate fi considerat părintele pediatriei. De asemenea, a adus contribu ii de
pionierat în neurochirurgie i oftalmologie. A izolat acidul sulfuric i etanolul, cărora, pentru
prima dată, le-a dat o utilizare medicală.
• Ibn-Sina, latinizat Avicenna (980-1037) - a fost filosof, scriitor, medic i cercetător al naturii
iit de origine tadjic-persană (Buhara). Avicenna a avut o contribu ie substan ială în domeniul
tiin elor naturii (al mecanicii, mineralogiei, botanicii, zoologiei etc) contribuind la pregătirea
tiin ei experimentale moderne. Opera sa medicală a stat timp de cinci secole la baza studiului
medicinii, atît în Orient cît i în Occident, elaborând un „canon” medical.
5. Alchimia europeană (1300 – în prezent)
• Pseudo-Geber (sec. XIII-XIV) a fost un alchimist anonim, probabil din Spaniasi care a scris
cateva tratate de chimie: Geberi Arabis Chimia sive traditio summae perfectionis magisterio
(Summa perfectionis), despre metale, aparate, metode.
• Albertus Magnus [Albert von Bollstädt, Sf. Albert din Köln] (1195 - 1280) – a fost unul din cei
mai reprezentativi filosofi cre tini ai Evului Mediu, călugăr dominican realist, profesor al lui Toma
‐ 7 ‐
din Aquino i al lui Pedro Hispano, viitor papă Ioan al XXI-lea, numit şi Doctor Universalis. Scrie:
Theatrum Chemicum, De rebus metallicis et mineralibus şi descoperă arsenul din auripigment
(As2S3), „aurul lui Albertus Magnus” fiind aliajul Cu-Sb 6%; pietre preţioase şi minerale.
• Roger Bacon (1214-1294) - a fost supranumit „Doctor mirabilis", a fost unul dintre cei mai
mari filozofi ai evului mediu timpuriu. Contribu ia sa cea mai de seamă în dezvoltarea tiin ei
constă în promovarea metodei experimentale. Scrie: Opus Majus, Opus Minus, Opus Tertius.
Descoperă praful de puşcă, spunând că „aerul este alimentul focului”.
• Arnaldus de Villanova (1235 Valencia –1311 Genova) a fost alchimist, astrolog, medic, teolog,
unul dintre cei mai celebri erudi i ai secolului al XIII-lea. A scris Liber de Vinis – alcool;
Rosarium philosophorum – alchimie.
Raymundus Lullus [Ramon Llull] (1232 Palma de Mallorca – 1315 Tunis) - a fost filozof,
alchimist, poet, teolog mistic de limbă catalană. A scris în 1270 Ars magna.
• Nicolas Flamel (1330-1417) şi soţia Perenelle - sunt cunoscuţi ca şi alchimiştii medievali care
au creat Piatra Filozofală - o substan ă miraculoasă care putea transforma plumbul în aur i putea
produce un elixir al nemuririi.
• Basilius Valentinus călugăr din sec. XV, probabil Johann Thölde (1565-1614) - a fost primul
european care a catalogat antimoniul ca element chimic în preajma anului 1450 care a descoperit
bismutul.
Preocupări practice
• Vannoccio Biringuccio (1480-1538) a fost chimist, metalurg din Siena. A scris De la

pirotechnia (1540), vorbind despre: fontă, oţel, bronz, extragerea Ag, Sb.
• Georg Bauer (Agrícola) (1494-1555) Leipzig, Chemnitz – a fost numit „părintele mineralogiei”
ocupându-se de studiul minereurilor. A scris De re metalica (1596). I se atribuie descoperirea
bismutului.
• Bernard Palissy (1499-1589) – a pus bazele pedologiei, tiin a geografică studierii, controlării
i îmbunătă irii solurilor. A arătat rolul apei în natură şi a inventat emailul alb.
• Johann Rudolph Glauber (1604-1670) Amsterdam – medic, farmacist, chimist; sarea lui
Glauber (Na2SO4·10 H2O) 1658 - sal mirabile; Acizi, săruri, “grădina chimică” – FeCl2 + K2SiO3,
întemeietorul tehnologiei chimice HCl, HNO3. SbCl3, AsCl3, ZnCl2, Miraculum mundi (1653).
‐ 8 ‐
• Andreas Libavius (1540-1616) - a elaborat Alchymia (1597), primul manual sistematic de

chimie; SnCl4 “spiritus fumans Libavii” (1605).
• Hennig Brandt (1630-1710) Hamburg. În 1669, încercând să ob ină piatra filozofală, a calcinat
reziduul de la evaporarea urinei în absen a aerului i a ob inut o substan ă luminescentă, pe care
a numit-o foc rece, fosforul alb de mai târziu. Acest procedeu de ob inere a fosforului a fost
îmbunătă it apoi de Johann Kunckel von Löwenstern (1630 - 1703).
• Johann Friedrich Böttger (1682-1719) a fabricat porţelan roşu (1707), porţelan alb (1715)
Meissen.
Iatrochimia
• Paracelsus (Philippus Theophrastus Aureolus Bombastus von Hohenheim) (1493 - 1541) –

medic, naturalist, filosof – Basel. Ca alchimist a utilizat pentru prima oară în laborator aparatul de
distilare prin antrenare cu vapori de apă, inventat de el, a preparat hidrogenul din o et i pilitură
de fier i eterul etilic din etanol i vitriol. 3 principii: S (principiu inflamabil), Hg (principiu
volatil), sare (principiu stabil la foc). A făcut o clasificare a medicamentelor. Concep ia lui
Paracelsus, de i mai generală decât a lui Galenus, a avut totu i un caracter mecanicist, deoarece
reducea fenomenele biologice, implicate în apari ia i evolu ia bolii, la fenomene chimice.
Paracelsus a fost primul care a definit principiul după care fiecărei boli îi corespunde un
medicament specific (toxicologie “doza face otrava”).
• Johannes Baptista van Helmont (1579-1644) – a fost un alchimist, chimist, medic i

fiziolog din ările de Jos de sud. Despre gaze spunea că sunt: „spiritul sălbatic care nu poate fi
conţinut în vase”: hidrogen, gaz silvestru (CO2 – 1640), SO2, NO, NO2; dezlocuirea metalelor nu
reprezintă o transmutaţie; biochimie – ferment în sucul gastric; apa – element primordial –
experienţa cu salcia, folosirea balanţei.
• François de la Boë (Sylvius) (1614-1672) Leyda, „un supravieţuitor al vechii patologii umorale
şi un precursor al cultului modern al pH-ului” (Partington).
- Chimia (1661) - subiectul principiilor materiale ale corpurilor mixte (ROBERT BOYLE, 1627 -
1691)
- Chimia (1663) - o artă ştiinţifică, prin care înveţi să dizolvi corpuri şi să extragi din ele diferitele
substanţe din compoziţia lor, şi cum să le uneşti din nou şi să le înalţi la o perfecţiune mai înaltă.
(CHRISTOPHER GLASER, sec. XVII) .
- Chimia (1730) - arta de a rezolva corpurile mixte, compuse sau agregate în principiile lor şi de a
compune astfel de corpuri din aceste principii (GEORG ERNST STAHL, 1659 - 1734) .
- Chimia (1837) - ştiinţa care se ocupă de legile şi efectele forţelor moleculare (JEAN BAPTISTE
ANDRÉ DUMAS 1800 -1884).
‐ 9 ‐
• Robert Bunsen (1811-1899): compuşii As (cacodil), element galvanic (Zn-C), becul Bunsen,
fotochimie: actinometru, legea Bunsen-Roscoe, analiza spectrală (1859): descoperirea Cs, Rb;
• Gustav Robert Kirchhoff (1824-1887): electricitate (legea lui Kirchhoff), optică (legea radiaţiei
corpului negru), analiza spectrală;
• Nikolai Nikolaevici Beketov (1827-1911): înlocuirea metalelor cu H2, substituirea metalelor

între ele, aluminotermia; chimie fizică (1860) [M02];
• Hans Goldschmidt (1861-1923): aluminotermia (1897), obţinerea Cr, Mn, Co; amalgamului de
Na;
• Henri Moissan (1852-1907): obţinerea fluorului, prepararea PF3, PF5, POF3, TeF6, TeF4, SF6,
fluoruri de Sn, Pb; cuptorul electric cu arc: CaC2, SiC, boruri, nitruri; prepararea Cr, U, Mn, V, Mo,
W, Ti, Ca, B; rubine artificiale. Premiul Nobel (1906);
• William Ramsay (1852-1916): determinarea maselor moleculare, descoperă Ar (cu Rayleigh,

1894), obţinerea He (1995), Kr, Ne, Xe (1898); studierea Rn (1904). Premiul Nobel (1904);
• John William Strutt, baron Rayleigh, (1842 – 1919): fizician, matematician; legea distribuţiei
spectrale a radiaţie corpului negru; legea R. a difuziei luminii; Ar (cu Ramsay).
• Pierre Curie (1859-1906): cercetări cristalografice, descoperă piezoelectricitatea (1880,

împreună cu fratele său Jacques); paramagnetism şi fero-magnetism – punctul Curie
radioactivitatea, descoperirea poloniului şi radiului (cu M.Curie). Premiul Nobel pentru fizică
(1903).
• Marie Curie (Skłodowska) (1867-1934): studiul radioactivităţii uraniului şi thoriului,

descoperirea poloniului şi radiului (cu P.Curie) director al Institutului Radiului (1914-34); Tratat
de radioactivitate (1910), Izotopie şi elementele izotope (1924), Radioactivitate (1935). Premiul
Nobel pentru fizică (1903), premiul Nobel pentru chimie (1911).
• Irène Joliot-Curie (1897-1956): studiul fenomenelor radioactive, bazele radiochimiei; a

descoperit radioactivitatea artificială (1934, cu F.Joliot-Curie). Premiul Nobel pentru chimie în
1935 (împreună cu F.Joliot-Curie).
• Ernest Rutherford, baron de Nelson (1871-1937). Studii asupra radioactivităţii, radiaţii α şi β

(1898). Împreună cu F.SODDY: teoria dezintegrării radioactive (1902); razele α - nuclee de heliu
(1909), difuzia lor prin foiţe subţiri de metal (1906); modelul planetar al structurii atomice (1911);
prima reacţie nucleară artificială 14N + α → 17O + p (1919); descoperă (1900) emanaţia de thoriu
(ThEm) - radon Cărţi: Radioactivitate (1904), Substanţele radioactive şi radiaţiile lor (1912).
Premiul Nobel pentru chimie în 1908.
- Chimia (1947) - ştiinţa despre substanţe: structura lor, proprietăţile lor şi reacţiile care le
transformă în alte substanţe (LINUS CARL PAULING 1901 - 1994).
• Wolfgang Pauli (1900-1958) unul dintre fondatorii mecanicii cuantice; principiul excluziunii
(1925); emisia particulelor β din atomi ipoteza neutrino (1932). Premiul Nobel pentru fizică în
1945;
‐ 10 ‐
• Friedrich Hermann Hund (1896-1997): teoria MO (Hund-Mulliken), regulile lui Hund privind
configuraţia electronică, efectul tunel;
• Max Born (1882-1970): dezvoltarea mecanicii cuantice; verificarea experimentală a principiului

nedeterminării; interpretare statistică şi probabilistică a funcţiei de undă din mecanica cuantică
(1926); teoria reţelelor cristaline (ciclul Haber-Born, 1919), a studiat structura atomică şi teoria
cuantică a fluidelor. Premiul Nobel pentru fizică în 1954.
• Chimia (1998) - studiul materiei şi al transformărilor pe care le suferă (RAYMOND CHANG).
CA.01.4. Chimişti români remarcabili
• Ştefan Micle (1820-1879): studii Institutul Politehnic Viena; profesor la Univ. Iaşi; primul
laborator universitar de chimie;
• Alexe Marin (1814-1895): studii Paris; profesor la Univ. Bucureşti;
• Nicolae Teclu (1839-1916): studii Politehnica Viena, München; profesor Viena; metode
analiză, aparatură de laborator (ozonizatoare, becul Teclu), tehnologia lemnului şi hârtiei;
• Constantin Istrati (1850-1918): studii Paris (Wurtz, Friedel); profesor Univ. Bucureşti;
coloranţi (franceine); nomenclatura chimică rom., om de stat. Curs elementar de chimie (1891, 17
ed.);
• Petru Poni (1841-1925): studii Paris; profesor Iaşi; minerale (broştenita, badenita), sare, petrol.
Curs de chimie elementară fondat pe teoria atomică (1886);
• Emanoil Riegler (1854-1929): studii Univ. Viena, prof. Iaşi; chimie biologică, analize
biochimice;
• Lazăr Edeleanu (1861-1941): studii Berlin (von Hofmann): chimie organică, compoziţia,
rafinarea şi chimizarea petrolului; procedeul E;
• Anastase Obregia (1864-1937): studii Zürich; prof. chimie organică, tehnologică – Iaşi;
dozarea benzinelor; reacţii organice;
• Alexandru Zaharia (1866-1938): studii Halle; chimie agricolă şi alimentară – Bucureşti;
• Ştefan Minovici (1867-1935): studii Berlin (E. Fischer); prof. Bucureşti; heterocicluri;
toxicology; metode de analiză în medicina legală. Manual teoretic şi practic de chimie analitică (4
vol. 1907-1915); manual practic de chimie organică (`1926);
• Constantin V. Gheorghiu (1894-1956): Univ. Iaşi; chimioterapie, coloranţi organici;
• Ghorghe G. Longinescu (1969-1939): studii Berlin; prof. Bucureşti; chimie analitică, chimie
fizică (formula L.), Curs metodic de chimie (1929), Analiza calitativă (1929);
• Petre Bogdan (1873-1944): studii Leipzig, Berlin (Ostwald, van’t Hoff), prof. Iaşi; prima
catedră de chimie fizică; soluţii de electroliţio, gaze reale. Introducere în studiul chimiei fizicale
(1921-29);
• Neculai Costăchescu (1876-1939) – Prima teză de doctorat la U. Iaşi : Gazurile cuprinse in
sare si-n vulcanii de glod din Romania (1905); chimia combinaţiilor complexe;
• Nicolae Dănăilă (1878-1952): studii Berlin; prof. Univ. Bucureşti; studii asupra cărbunilor şi
petrolului;
• Haralambie Vasiliu (1880-1953):Prof. Univ. Iaşi; agrochimie, analiza solurilor. Chimie
agricolă (2 vol., 1937, 1940);
• Gabriela Chaborski (1891-1936): studii U. Bucureşti; prima femeie conf la U. Bucureşti;
‐ 11 ‐
• Biochimie (cultura Chaborski), chimie fízică; colab. G. G. Longinescu;

• Radu Cernătescu (1894-1958) prof. I.P., U. Iaşi; chimie fizică, anorganică, analitică, organică.
Tratat elementar de chimie organică (3 vol., 1950-51);
• Costin D. Neniţescu (1902-1970): Studii Zürich, Manchen; prof. Instit.Polit. Bucureşti; chimie
organică: hidrocarburi, reacţia N. de acilare reductivă a alchenelor; ciclobutadiena, sinteze N.
(derivaţi ai indolului), hidrocarbura N. Tratat de chimie organică (2 vol.), Chimie generală (1949),
Manualul inginerului chimist (2 vol. 1951-53);
• Ecaterina Ciorănescu-Neniţescu (1909-2000) prof. I.P. Bucureşti; chimie organică, biochimie,
medicamente. Medicamente de sinteză (1957);
• Ilie Matei (1895-1969): prof. I. P. Iaşi, Institutul de Chimie Macromol. “P. Poni” – Iaşi; chimie
organică, polimeri, coloranţi;
• Eugen Angelescu (1896-1968): studii Bucureşti, Roma; chimie coloidală – efectul A.; uleiuri –
punctul de furfurol. Probleme teoretice de chimie organică;
• Ilie Murgulescu (1902-1991): studii Cluj, Leipzig; prof. U. Bucureşti; combinaţii compexe,
chimie analitică, chimie fízică (sintetică, termodinamică, lichide ionice). Structura şi proprietăţile
fízico-chimice ale sărurilor topite (1963), Introducere în chimia fízică (7 vol., 1980-86);
• Eugen Macovschi (1906-1985): studii Cluj, Paris; prof. Univ. Timişoara; chimie organică,
biochimie, teoria biostructurii. Biostructura (1969), Natura şi structura materiei vii (1976);
• Emilian Bratu (1904-1991): studii Bucureşti, Viena; prof. I.P.Bucureşti; inginerie chimică:
epurarea apei, coroziune, distilare. Operaţii şi utilaje în industria chimică (2 vol. 1960-61, lucrare
reeditată de mai multe ori);
• Coriolan Drăgulescu (1907-1977): studii Cluj, prof. I.P. Timişoara, Bucureşti; combinaţii
complexe, analize electrochimice. Introducere în chimia anorganică modernă (1973);
• Petru George Spacu (1906-1995): studii Cluj, Paris; prof. I.P., U. Bucureşti; sinteza fină
anorganică, structura compuşilor anorganici, combinaţii complexe, chimia elementelor rare.Chimia
combinaţiilor complexe (1969, 1974), Tratat de chimie anorganică (1974);
• Cristofor Simionescu (1920-2007): studii Iaşi, Cernăuţi; prof. I.P. Iaşi; nacromolecule naturale,
artificiale, sintetice; lemn, celuloză, mecano-chimia polimerilor. Tratat de chimia compuşilor
macromoleculari (3 vol, 1969-1977);
• Alexe Popescu (1927-1974): studii Univ. Bucureşti, prof. U.Bucureşti; cataliza eterogenă,
procese industriale. Procese catalitice în chimia organică (1974);
• Victor Emanuel Sahini (1927): studii Univ. Bucureşti, Dresda, Moscova; prof. U., I.P.
Bucureşti; chimie fizică: spexctroscopie moleculară, chimie cuantică. Structura şi proprietăţile
moleculelor (1978), Chimie cuantică (1985);
• Alexandru T. Balaban (1931) studii I.P. Bucureşti, prof. I.P. Bucureşti; Univ. Galveston
(Texas); chimie organică şi bio-organică experimentală, chimie teoretică; teoria grafurilor.
Chemical Application of Graph Theory (1976).
‐ 12 ‐
Capitolul CA.02. Distribuţia elementelor chimice în natură

Cuvinte-cheie
siderosfera, calcosfera, litosfera, troposfera, stratosfera, mezosfera, termosfera, ionosfera, planete
În natură, elementele se găsesc într-o diversitate de stări chimice în stare nativă sau în stare
ionizată, sub formă de combinaţii. De asemenea, din punct de vedere al stării fizice, substanţele pot
fi solide, lichide, gazoase sau, la temperaturi foarte înalte, în stare de plasmă.
Planeta noastră, conform studiilor cu unde seismice [S02] este compusă din următoarele
părţi (figura CA.02.1):
Figura CA.02.1. Zone structurale ale pământului rezultate din analize cu unde seismice.
Siderosfera sau magmasfera (2900 – 6370 km) este zona cea mai profundă formată dintr-o
topitură de Fe şi Ni; calcosfera (1200 – 2900 km) este zona intermediară formată din sulfuri şi oxizi
de metale grele; litosfera (0 – 1200 km) este zona exterioară, la rândul ei formată din două pături:
pătura inferioară (120 – 1200 km) care este compusă din silicaţi bogaţi în Mg şi pătura exterioară (0
– 120 km) care este de fapt şi scoarţa terestră, alcătuită din compuşi oxigenaţi, silicaţi,
aluminosilicaţi etc.
Zonă cea mai accesibilă pentru om a planetei este evident scoarţa terestră. S-au făcut diferite
determinări ale compoziţiei acesteia, care arată că după oxigen (46,6%) şi siliciu (27,7%), ca
abundenţă în scoarţă urmează Al 8,13%; Fe 5,0%; Ca 3,6%; Na 2,8%; K 2,59%; Mg 2,09% etc.
Restul elementelor sunt răspândite în proporţie de 1,44%. Elementele cu număr atomic mai mare
decât al Ni sunt rare. Cel mai frecvent, elementele chimice se găsesc răspândite în scoarţa terestră
sub formă de minerale (combinaţii chimice în stare solidă). Atunci când un mineral se găseşte
răspândit în cantităţi mari astfel încât să poată fi exploatat, acesta se numeşte minereu.
Atmosfera este zona gazoasă care înconjoară pământul şi formează împreună cu acesta
ecosistemul Terrei.
‐ 13 ‐
Figura CA.02.2. Zone structurale ale atmosferei.
Luna şi Marte conţin roci la suprafaţa sa similare cu cele de pe Pământ (silicaţi). Planeta
Mercur nu poate reţine gazele în atmosferă, fiind un corp ceresc fără atmosferă, având o crustă de
fier (70 % metale - 30 % silicaţi). Planeta Venus („Planeta roşie”) are aproximativ aceeaşi densitatea
cu a Pământului, fiind compusă din Fe şi Ni, iar atmosfera sa este compusă din CO2 şi azot. Planeta
Jupiter are un "miez" de material solid iar deasupra lui se găseşte partea principală a planetei
formată din hidrogen metalic lichid. Hidrogenul metalic lichid este format din electroni şi protoni
ionizaţi (ca în interiorul Soarelui, dar la o temperatură mult mai mică). La temperatura şi presiunea
din interiorul planetei Jupiter (4 milioane bar) hidrogenul este un lichid, şi nu un gaz. Conduce
foarte bine curentul electric (de aceea a fost botezat hidrogen metalic) şi se crede că este sursa
câmpului magnetic a planetei Jupiter. Atmosfera planetei Jupiter: 86% hidrogen şi 14% heliu, urme
de metan, apă, amoniac.
Atmosfera planetei Neptun este compusă în principal din hidrogen, heliu, urme de
hidrocarburi şi posibil azot, dar are si apă, amoniac şi metan. Interiorul lui Neptun, ca şi în cazul lui
Uranus, este compus în principal din apă, amoniac, metan, silicați şi metale, urmele de metan de pe
suprafață dând aspectul albăstriu al planetei. Atmosfera rară a planetei Pluto conţine azot şi
monoxid de carbon, în echilibru cu azotul solid şi gheața formată din monoxid de carbon de pe
suprafața sa.
În atmosfera Soarelui există: hidrogen (71%), heliu (27,1%), oxigen (0,7%), carbon (0,4%),
azot, siliciu, magneziu, neon, fier, sulf, elemente 3d (Ti – Zn).
La temperaturi de zeci de mii de grade, toate elementele sunt sub formă de ioni; la mii de
grade suntformă de atomi liberi; pe Pământ, starea normală a elementelor este cea de combinaţie
chimică.
‐ 14 ‐
Capitolul CA.03. Erori de măsurare

Cuvinte-cheie
erori de măsurare, probabilitate, functie de repartitie,
intervale de incredere
CA.03.1. Conceptul de control al măsurării
Ansamblul operaţiilor experimentale care se execută în scopul determinării valorii unei

mărimi fizice, realizată de un observator (operatorul ce efectuează măsurarea), constituie procesul
de măsurare. Orice proces de măsurare include următoarele componente principale:
- mărimea de măsurat (măsurandul);
- metoda de măsurare;
- mijlocul (aparatul) de măsurat;
- măsura (etalonul);
- operatorul (observatorul);
- prelucrarea datelor.
Măsurarea constă nu numai în găsirea valorii mărimii supuse măsurării (măsurandului), ci şi

în asigurarea că eroarea de măsurare nu depăşeşte o limită stabilită în prealabil, adică faptul că se
asigură precizia de măsurare prevăzută. Limitarea erorii de măsurare este echivalentă cu încadrarea,
cu o probabilitate preimpusă, a valorilor măsurate sau a unor mărimi derivate din acestea (cum ar fi
media valorilor măsurate), într-un interval de variaţie maximă, denumit interval de încredere. Cele
două limite ale intervalului de încredere se numesc limite de încredere şi se notează cu t1 si t2. O
valoare măsurată sau calculată din măsurători, y, va trebui să se încadreze cu o anumită
probabilitate, între aceste limite:
t1 ≤ y ≤ t 2 (CA.03.1)
Probabilitatea (pc), cu care se poate aprecia că y se încadrează în intervalul [t1,t2], se

numeşte nivel de încredere al măsurării. Formal, aceasta se exprimă prin relaţia:
P {t1 ≤ y ≤ t 2 } =pc (CA.03.2)
Probabilitatea ca y să nu se încadreze pe intervalul [t1,t2], α=1–pc, este denumit prag de

semnificaţie. Spre exemplu, dacă probabilitatea de încadrare pe interval (nivelul de încredere) este
pc = 0,95 (95 %), atunci riscul ca y să nu se încadreze (nivelul de semnificaţie) este α = 0,05.
Acesta înseamnă că, în cazul unei măsurători, trebuie respectată condiţia:
x- x 0 ≤ E 0 (CA.03.3)
‐ 15 ‐
unde: x este rezultatul măsurării, afectat de eroare; x0 valoarea nominală (reală); E0 eroarea limită
admisibilă. Dacă nu se respectă inegalitatea de mai sus, rezultatul măsurării se elimină ca
necorespunzător şi se întreprind acţiuni de îmbunătăţire a performanţelor sistemului de măsurare.
CA.03.2. Erori sistematice şi întâmplătoare [N01]
Diferenţa dintre valoarea măsurată x şi cea reală x0 a unei mărimi se numeşte eroare
absolută de măsurare Δ.
Δ = x – x0 (CA.03.4)
Eroarea absolută poate fi pozitivă sau negativă, după cum valoarea obţinută prin
măsurătoare este mai mare (x > x0) sau mai mică (x < x0) decât valoarea reală.
Sursele acestor erori pot fi obiective, din cauza aparatelor de măsură şi condiţiilor de lucru
sau subiective, din cauza absenţei dexterităţii şi aptitudinilor reduse ale experimentatorului. Erorile
de măsurare pot fi sistematice sau aleatoare (întâmplătoare).
Eroarea sistematică, ε, este o eroare constantă, atât ca valoare absolută, cât şi ca semn, ce
intervine atunci când se măsoară repetat acelaşi măsurând, în condiţii practic identice, sau care
variază pe baza unei legi definite, când condiţiile se schimbă.
Acestea se produc datorită unei etalonări sau ajustări incorecte, sau a unor erori sau
aproximaţii introduse prin construcţie în aparatul de măsură, respectiv metoda de lucru.
Astfel, la reglarea incorectă a aparatului de măsurat (de exemplu nesuprapunerea gradaţiei

zero de la scara gradată principală a şublerului şi punctul de zero de la vernier), toate valorile
obţinute în măsurări vor fi deplasate cu o mărime constantă. Dacă scara aparatului este neuniformă,
toate valorile măsurate se vor deplasa cu o mărime variabilă după o lege determinată.
Exemplu: La cântărirea unui corp cu balanţa, valorile inscripţionate pe masele etalon pot să
fie diferite de masele reale. Astfel, masa marcată poate fi m = 200 g iar masa reală, din cauza uzurii,
să fie m’ =199 g.
Tot astfel se întâmplă ca, la variaţia condiţiilor exterioare (de exemplu temperatura la care se
face măsurarea) în comparaţie cu condiţiile de referinţă ale aparatului/metodei, să apară erori
sistematice, uşor de identificat atunci când se cunoaşte influenţa condiţiilor exterioare asupra
mărimii fizice măsurate. Erorile sistematice nu pot fi micşorate sau eliminate decât prin reetalonarea
sau corectarea constructivă a aparatului de măsură, respectiv metodei.
Erorile întâmplătoare (aleatoare), δ, sunt acele erori, care la repetarea măsurătorii apar, cu
şanse egale fie pozitive, fie negative, adică valoarea citită a mărimii măsurate este când mai mare,
când mai mică decât valoarea reală. Cauzele erorii aleatoare sunt indeterminabile sau foarte greu
determinabile. Erorile aleatoare apar ca urmare a unei mulţimi de factori a căror influenţă
individuală este neglijabilă, dar a căror însumare dă eroarea aleatoare rezultantă.
Erorile aleatoare pot fi micşorate prin repetarea de mai multe ori a măsurătorii şi efectuarea
calculului unei valori medii. De acest lucru ne vom ocupa mai departe, la paragraful CA.03.3.
‐ 16 ‐
Erorile sistematice nu pot fi evaluate decât prin comparare cu un alt aparat de măsură mai
exact sau prin folosirea unei alte metode total diferite.
Spre exemplificare, se consideră etalonarea unui ampermetru. Această operaţie s-ar putea
realiza, punându-l în serie cu un ampermetru de referinţă, care la rândul lui a fost etalonat iniţial
prin legarea în serie cu un alt ampermetru considerat foarte precis. În cazul în care nu există
încredere suficientă în precizia ampermetrului de referinţă, se poate recurge la legarea în serie a
ampermetrului cu un coulometru cu cupru ce permite calcularea cu o precizie foarte ridicată (din
Legea lui Faraday) a intensităţii curentului electric, în funcţie de masa de cupru depusă la catod.
Erorile aleatoare se pot evalua pe căi statistice. Aceasta înseamnă că le putem cunoaşte
mărimea, chiar dacă nu le putem elimina.
În funcţie de erorile care le afectează, măsurătorile se caracterizează prin precizie şi

exactitate. Un şir de măsurători este precis, dacă rezultatele se grupează strâns, împrăştierea lor este
minimă (figura CA.03.1.a şi b). Precizia şi exactitatea sunt determinate de mărimea erorilor
întâmplătoare. Exactitatea caracterizează abaterea rezultatelor faţă de valoarea reală a mărimii
măsurate (figura CA.03.1.a). O măsurătoare poate fi precisă fără a fi şi exactă (dacă există o eroare
sistematică), dar precizia este o condiţie necesară pentru exactitatea măsurătorilor.
Fig. CA.03.1. Patru ţinte de tir ilustrând noţiunile de exactitate şi precizie: a) exactitate şi precizie;
b) precizie fără exactitate; c) exactitate fără precizie; d) nici exactitate, nici precizie.
Şirul de puncte experimentale dintr-un spaţiu uni- sau multidimensional se numeşte selecţie.
Cazul cel mai simplu este cel în care avem o singură mărime măsurată. Deseori mărimea
care ne interesează se obţine prin calcul din mai multe mărimi măsurate.
De exemplu densitatea unui lichid se obţine cântărind un anumit volum de lichid. Deci
implică o măsurătoare de masă şi una de volum.
Relaţia între valoarea reală şi setul de valori măsurate ce conţin erorile sistematice şi
aleatoare sunt prezentate în figura CA.03.2:
‐ 17 ‐
Fig. CA.03.2. Distribuţia erorilor la măsurarea repetată a unei mărimi (x’ valoarea reală).
Eroarea totală, în orice măsurătoare reprezintă suma erorilor de măsurare sistematice si

aleatoare. Eroarea totală conţinută într-un set de măsurări efectuate în aceleaşi condiţii se poate
exprima printr-o medie a erorilor sistematice şi o estimare statistică a erorilor aleatoare. Erorile
sistematice îndepărtează media valorilor măsurate de la valoarea reală a mărimii măsurate, cu o
valoare fixă. Într-o probă compusă din mai multe măsurători erorile aleatoare implică o distribuţie
statistică normală a valorilor măsurate.
Precizia unui eşantion (unei selecţii) de măsurători este exprimată prin distribuţia valorilor
măsurate, ce compun eşantionul, în raport cu valoarea medie a acestora; o bună precizie implică o
variaţie mică a valorilor măsurate în jurul mediei. Deoarece precizia implică în mod specific eroarea
(diferenţa între valoarea reală şi valoarea măsurată), o măsurătoare de precizie este cea în care
există erori sistematice şi erori aleatoare mici.
CA.03.3. Calculul propagării erorilor
Mărimile măsurate experimental sunt utilizate în diverse calcule, destinate determinării

valorilor altor mărimi. Indiferent că este vorba de erori întâmplătoare sau sistematice, acestea se
propagă pe parcursul calculelor în care sunt implicate mărimile măsurate.
Modul cum influenţează diferitele mărimi măsurate pe cea calculată se exprimă printr-o
funcţie. De exemplu, măsurarea densităţii implică măsurători ale masei şi respectiv volumului, iar
funcţia pentru calculul densităţii:
m
ρ= (CA.03.5)
V
Erorile incluse în valorile măsurate, utilizate pentru m şi V, se vor transmite în valoarea

calculată a lui ρ.
În general, dacă y este funcţia calculată şi x1, x2,....., xi, sunt mărimile măsurate, erorile
acestora fiind Δx1, Δx2, .....,Δxi, atunci pentru funcţia:
y = y(x1, x2,....., xi ) (CA.03.6)

‐ 18 ‐
se poate calcula o eroare de tipul:
Δy = Δy (Δx1, Δx2, .....,Δxi, x1, x2,...., xi) (CA.03.7)
Evaluarea funcţiei Δy se poate face, dacă se admite că Δx << x, deci Δx se poate trata ca o
diferenţială. În acest caz, aplicând dezvoltarea în serii Taylor a funcţiei y în jurul valorilor reale, se
poate deduce relaţia:
⎛ ∂y ⎞ ⎛ ∂y ⎞ ⎛ ∂y ⎞
Δy = ⎜⎜ ⎟⎟Δx1 + ⎜⎜ ⎟⎟Δx 2 + ... + ⎜⎜ ⎟⎟Δxi (CA.03.8)
⎝ ∂x1 ⎠ ⎝ ∂x 2 ⎠ ⎝ ∂xi ⎠
ceea ce revine la a calcula derivatele parţiale ale mărimii y în raport de variabilele xi şi să se

însumeze produsele între fiecare derivată cu Δxi corespunzător.
a) Eroarea unui produs
Fie y = x1x2. În acest caz eroarea Δy va fi:
Δy = Δx 1 ⋅ x 2 + Δx 2 ⋅ x 1 (CA.03.9)
Eroarea relativă a lui y, definită prin Δy/y va fi:
Δy ⎛ Δx 1 ⎞ ⎛ Δx 2 ⎞
=⎜ ⎟+⎜ ⎟ (CA.03.10)
y ⎜⎝ x 1 ⎟⎠ ⎜⎝ x 2 ⎟⎠
Eroarea relativă a funcţiei este suma erorilor relative ale variabilelor. Afirmaţia este valabilă şi
pentru un număr mai mare de variabile.
b) Eroarea unei fracţii
m Δm Δ V ⋅ m
Fie ρ = . Eroarea absolută a lui ρ va fi: Δρ = + ; iar eroarea relativă:
V V V2
Δρ Δm ΔV
= + .
ρ m V
Termenul al doilea din membrul al doilea, în urma derivării, va avea semn negativ, dar întrucât nu
se ştie dacă abaterea este în plus sau în minus, trebuie să se ia în considerare cazul cel mai
defavorabil, când erorile ambelor măsurători acţionează în acelaşi sens. De aceea se ia semnul ‚+’ la
toţi termenii.
c) Eroarea unei sume
Fie y = x1 + x2. Eroarea absolută a lui y este: Δy = |Δx1|+|Δx2|. iar cea relativă:
Δy Δx1 + Δx2
= (CA.03.11.1)
y x1 + x2
d) Eroarea unei diferenţe
‐ 19 ‐
Dacă se măsoară cu biureta un volum de lichid, se fac de fapt două citiri, din a căror diferenţă se
află volumul scurs din biuretă:
V = V1 –V2 (CA.03.11.2)
În mod similar, ca şi la eroarea unei sume, se va considera cazul cel mai defavorabil, şi anume acela
în care diferenţa celor 2 erori este maximă (prima pozitivă şi a doua negativă), astfel încât cele două
erori acţionează în acelaşi sens, expresia matematică fiind o sumă a modulelor celor două erori:
ΔV = |ΔV1| + |ΔV2| (CA.03.12)
Eroarea relativă va fi:
ΔV ΔV1 + ΔV2
= (CA.03.13)
V V1 − V2
Trebuie subliniat faptul că eroarea relativă în cazul unei diferenţe este afectată de valoarea acestei
diferenţe. În cazul concret de mai sus, dacă eroarea de citire este 0,02 cm3, iar volumul măsurat este
20 cm3, atunci eroarea relativă a măsurării volumului este:
ΔV 0,02 + 0,02 0,04

= = = 0.002 ( 0,2%) (CA.03.14)
V 20 20
eroarea absolută maximă fiind 0,04 cm3.
Dacă însă cu aceeaşi biuretă măsurăm numai 1 cm3, atunci se găseşte:
ΔV 0,04
= = 0,04 ( 4%) (CA.03.15)
V 1
Fără a se schimba eroarea absolută a determinării, a crescut de 20 de ori eroarea relativă.
În concluzie, trebuie să se evite măsurătorile care implică diferenţe mici ale unor numere mari.
CA.03.4. Distribuţii statistice utilizate în prelucrarea valorilor măsurate
În cazul erorilor aleatoare, abaterile valorilor măsurate în raport cu valoare reală (fiind
întâmplătoare), se vor situa de ambele părţi ale valorii reale, unele fiind mai mari, altele fiind mai
mici. Media lor va fi cu atât mai apropiată de valoarea reală cu cât numărul determinărilor este mai
mare, erorile compensându-se tot mai mult.
Distribuţia întâmplătoare a unor valori faţă de media lor, dacă mărimea măsurată admite o
scară de valori posibile de la -∞ la +∞, se supune unei legi găsite de Gauss, denumită distribuţie
Gauss, sau distribuţie (ori repartiţie) normală. Curba de frecvenţă (a numărului de valori care cad
într-un interval dat al scării) sau curba densităţii de probabilitate, f(x), a distribuţiei normale are
expresia:
2
1 ⎛ x −μ ⎞
1 − ⎜
σ ⎠
⎟
f(x) = e 2⎝ (CA.03.16)
σ 2π
‐ 20 ‐
unde μ este valoarea medie a lui x (media distribuţiei), definită prin relaţia:
-( x-μ )
2
∞ ∞
x
μ= ∫ x f(x)dx= ∫ e 2σ 2
dx (CA.03.17)
-∞ −∞ σ 2π
iar σ este abaterea standard (abaterea medie pătratică). Pătratul abaterii standard, σ2, reprezintă
dispersia distribuţiei, definită prin relaţia:
− ( x −μ )
2
∞ ∞
1
σ 2 = ∫ ( x − μ ) f(x)dx = ∫ ( x − μ ) ⋅
2 2
⋅e ⋅ dx
2
2⋅σ
(CA.03.18)
−∞ −∞ σ⋅ 2⋅π
O distribuţie (repartiţie) statistică normală, având media μ şi abaterea standard σ, se notează

în mod frecvent prin formula N(μ,σ).
Ca semnificaţie, funcţia de densitate, f(x), este definită astfel încât produsul f(x)Δx, (Δx
infinit mic), reprezintă probabilitatea ca x să ia valori pe intervalul infinitezimal [x, x+Δx].
Integrala (suma) acestor produse pe un interval finit, reprezintă probabilitatea ca x să ia

valori pe acel interval. In particular, probabilitatea ca x să ia valori pe intervalul (-∞, x1) este:
x1
∫
F(x1 )= f(x)dx
-∞
(CA.03.19)
Funcţia F(x) definită prin (CA.03.19), se numeşte funcţie de repartiţie (sau de distribuţie
cumulativă).
Din aceasta decurge proprietatea:

∞
F (∞ ) = ∫ f(x)dx=1
−∞
(CA.03.20)
Aceasta arată că probabilitatea ca x să se încadreze pe intervalul (-∝, ∝) este egală cu unitatea şi

reprezintă de fapt certitudinea că valoarea x se găseşte undeva în acest interval.
Utilizând aceste relaţii se calculează probabilitatea ca x să ia valori pe intervalul [μ-σ, μ+σ]:
P(μ-σ < x< μ+σ )=F(μ+σ )-F(μ-σ )=0,683 (CA.03.21)
şi în mod asemănător:
P(μ-2σ < x< μ+2σ )=F(μ+2σ )-F(μ-2σ )=0,954 (CA.03.22)
Cu alte cuvinte, probabilitatea ca x să ia valori într-un interval simetric în jurul mediei, de

lăţime 2σ este 0,683 (68,3 % din valorile lui x sunt încadrate în acest interval), iar în intervalul de
lăţime 4σ este 0,954 (95,4 % din valorile lui x sunt în intervalul μ ± 2σ).
‐ 21 ‐
Din punct de vedere dimensional, cum produsul f(x)Δx reprezintă o probabilitate iar
probabilitatea este o mărime fără dimensiuni (adimensională), rezultă că produsul între dimensiunea
lui f(x) (pe care o notăm [f(x)]) şi dimensiunea mărimii x (notată [x]) este adimensional. Această
proprietate se scrie:
[f(x)] [x] =1 (CA.03.23)
Rezultă astfel, că dimensiunea funcţiei f(x) este inversa dimensiunii mărimii x:
[f(x)] =[x]-1 (CA.03.24)
(dacă x este o lungime, [f(x)]=m-1, dacă x este o durată de timp, [f(x)]=s-1 s.a.m.d.).
Din relaţiile de definiţie pentru μ şi σ (CA.03.17 şi CA.03.18), rezultă că acestea au aceleaşi

dimensiuni cu x.
Distribuţia normală standard
Distribuţia normală standard se obţine introducând variabila adimensională z, definită prin relaţia:
x −μ
z= (CA.03.25)
σ
în care x este variabila cu distribuţia normală, având media μ şi dispersia σ2.
Variabila z astfel definită are de asemenea o distribuţie normală, cu media nulă (μz=0) şi
abaterea medie pătratică egală cu unitatea (σz=1). In consecinţă, prin substituţia (CA.03.25), orice
distribuţie normală a unei variabile x, este redusă la o distribuţie normală standard, cu media zero şi
dispersia egală cu unitatea (notată uzual N(0,1)). Funcţia densităţii de probabilitate (CA.03.16),
devine:
1 − 12 z2
fs (z) = e (CA.03.26)
2π
iar funcţia de repartiţie (CA.03.19):
z t2
1 -
Fs (z)=
2π ∫e
-∞
2
dt (CA.03.27)
Distribuţia normală standard este foarte utilizată în calcule statistice. In literatură există
publicate valori numerice ale funcţiei de repartiţie Fs(z), calculate din relaţia (CA.03.27) pentru
diferite valori ale variabilei de transformare, z. Un set de valori reprezentative este dat în Tabelul
CA.03.1. Programul utilitar Excel, conţine de asemenea funcţia NORMDIST ce calculează valorile
Fs(z).
În relaţiile de mai sus, variabilele x şi z sunt continue (pot lua orice valoare reală pe
intervalul de definiţie), iar distribuţiile statistice corespunzătoare sunt denumite distribuţii continue.
De multe ori însă, variabilele distribuţiilor statistice pot lua doar un anumit set de valori reale, x1,
x2,..xn, xn+1... De exemplu, masele molare ale macromoleculelor unui compus polimeric pot lua doar
‐ 22 ‐
valorile ce reprezintă multiplii întregi ai masei molare a monomerului. Distribuţiile statistice de

acest tip sunt denumite distribuţii discrete.
Tabelul CA.03.1. Valorile funcţiei de repartiţie, Fs(z), pentru distribuţia normală standardizată. In
coloana din stânga sunt valorile lui z cu cifra zecimilor, iar în rândul de sus cifra sutimilor. De
1,96
exemplu, FS (1,96)= ∫f
-∞
S (z)dz= 0,975 [J01].
În studiul practic al distribuţiilor statistice, în loc să se examineze întregul set de date

(întregul set de valori posibile ale variabilei distribuite, x), set denumit uzual populaţie de valori, se
examinează un subset sau eşantion de valori ale lui x, (x1,x2….xn), denumit selecţie.
Media acestor valori (media selecţiei) se calculează din relaţia:

n
∑x i
x= i =1
(CA.03.28)
n
iar abaterea medie pătratică (abaterea standard) a selecţiei:
‐ 23 ‐
∑ (x i −x) 2
s= i =1
(CA.03.29)
n −1
Pentru calculul abaterii standard, s, se poate folosi şi o altă formulă dedusă din cea precedentă:
n n n n
∑ (x i − x)2 = ∑ (x i2 − 2x i x +x 2 ) = ∑ x i2 − 2x ∑ x i +nx 2
i =1 i =1 i =1 i =1
(CA.03.30)
n
sau, deoarece ∑x
i =1
i = nx i :
n n
∑ (xi =1
i − x) = ∑ x i −nx
2 2 2
i =1
(CA.03.31)
şi:
∑x 2
i −nx 2
s= i =1
(CA.03.32)
n −1
Abaterea standard, s, reprezintă abaterea medie a unei determinări (măsurători) de la

valoarea mediei, x .
Calculul mediei şi al erorilor în cazul unei singure variabile, x, se numeşte şi calcul de

regresie punctuală sau monodimensională.
Aşa cum s-a văzut mai sus, s şi x , obţinuţi dintr-un eşantion (selecţie) de măsurători,
reprezintă aproximări ale parametrilor reali, σ şi μ, ai populaţiei statistice din care s-au efectuat
măsurătorile. Eroarea medie, sM, cu care este aproximată media reală, μ, prin media selecţei, x , este
dată de formula:
s s 2 ∑x 2
i −nx 2
sM = = = i =1
(CA.03.33)
n n n(n − 1)
şi se numeşte abaterea pătratică medie a mediei.
Valorile mediei ( x ) şi abaterii standard (s) obţinute pentru o selecţie a unei populaţii
statistice sunt cu atât mai apropiate de cele reale ale populaţiei (μ şi σ), cu cât numărul de elemente
sau probe ale selecţiei (n) este mai mare. Pentru selecţiile cu număr redus de elemente, x şi s diferă
semnificativ de parametrii reali μ şi σ. Statistica mediilor calculate din eşantioane (selecţii) ale unei
populaţii, este descrisă cu ajutorul variabilei t, definită prin relaţia:
x-μ x-μ
t= = (CA.03.34)
s M s/ n
‐ 24 ‐
Distribuţia statistică (repartiţia) acestei variabile este cunoscută sub denumirea de

‘distribuţie Student’ sau ’distribuţie t’; funcţia de densitate, fT(t) (analoaga lui fs(z) din relaţia
CA.03.26) are o formă matematică relativ complexă, care nu se mai prezintă aici. Când nÆ∞,
distribuţia variabilei t tinde spre distribuţia normală standard definită prin relaţiile (CA.03.25)-
(CA.03.27). In calculele practice, distribuţia t este considerată identică cu cea normală standard,
atunci când n>25 [J01]. Distribuţia Student este frecvent utilizată în calculul intervalelor de
încredere sau realizarea de teste statistice legate de mediile selecţiilor populaţiilor statistice, aşa
după cum se va arăta în paragraful C03.5. Valorile funcţiei de repartiţie a acestei distribuţii, pc=
FT(t,ν), sunt dependente atât de valoarea lui t cât şi de numărul gradelor de libertate, care în acest
caz este ν=n-1. Se reaminteşte că valoarea funcţiei de repartiţie într-un punct t = t1, pc = FT(t1,ν),
reprezintă probabilitatea, pc, ca valoarea lui t să fie inferioară lui t1. În loc de a utiliza probabilitatea
pc, numită şi nivel de semnificaţie, adesea se lucrează cu pragul de semnificaţie, α =1– pc
(probabilitatea ca t să fie superior lui t1).Se obişnuieşte să se tabeleze valorile lui t pentru diferite
valori ale probabilităţii pc=1-α (funcţiei de repartiţie) şi numărului de grade de libertate, ν : t = t(pc,
ν) (ν= n– 1). Un set de valori numerice este prezentat în Tabelul CA.03.2.
Figura CA.03.3. prezintă comparativ câteva curbe de distribuţie t (Student) comparativ cu cea a
distribuţiei normale standardizate (relaţia CA.03.26). Cum se poate observa, la curbele distribuţiei
Student, maximul este cu atât mai plat şi curba cu atât mai extinsă, cu cât este mai mic numărul de
probe, n (volumul selecţiei); în consecinţă, intervalul în care se situează 95,4 % dintre valori va fi
mai larg decât ± 2σ, fiind cu atât mai mare cu cât este mai mic numărul de determinări, n.
0.4
v=2
v=3
0.35 v=6
v=25
N(0,1)
0.3
0.25
ft(t)
0.2
0.15
0.1
0.05
0
-3 -2 -1 0 1 2 3
t
Fig. CA.03.3. Comparaţie între curbe ale funcţiei de densitate a distribuţiei Student la diferite grade
de libertate (ν=n-1) şi curba distribuţiei normale standard (N(0,1)).
‐ 25 ‐
Tabelul CA.03.2. Valori ale variabilei t1-α,ν în repartiţia Student, pentru diferite praguri de
semnificaţie α şi grade de libertate ν (după Siderius, 2009). De exemplu, pentru α=0,025 (pc=1-
α=0,975) şi ν=6, t1-α,ν=2,4469.
Exemplul 1. Se consideră două serii de valori obţinute la măsurarea repetată a unei mase de 10 g cu
un cântar comercial şi apoi cu o balanţă farmaceutică:
1. măsurători cu cântar comercial
1) n = 6 determinări:
SERIA I
xi (g) 10 8 9 12 11 11
xi2 (g2) 100 64 81 144 121 121
‐ 26 ‐
6 6
631 − 620,17
n=6: ∑ x i = 61 g;
1
∑x 1
2
i = 631 g2; x =61/6=10,17 g; s =
5
= 1, 47 g;
2,17
sM = = 0, 6 g.
6
2) n=12 determinări:
xi (g) 10 8 9 12 11 11 10 11 12 8 11 9
xi2 (g2) 100 68 81 144 121 121 100 121 144 64 121 81
12 12
1262-1240,33
n=12: ∑ x i = 122 g;
1
∑x
1
2
i = 1262 g2; x =122/12 =10,17g; s=
11
=1,4 g ;
1,97
sM = = 0,405 .g.
12
2. măsurători cu balanţa farmaceutică, n = 6 determinări:
xi (g) 10,00 9,98 9,99 10,02 10,01 10,01
xi2 (g2) 10,0000 99,6004 99,8001 100,4004 100,2001 100,2001
6 6
n = 6: ∑ x i = 60, 01 g;
i =1
∑x
i =1
2
i = 600.2011 g2; x =60,01/6 = 10.0017g; s = 0,0147; sM = 0,006 g
Se obţin următoarele rezultate:
SERIA n x (g) s sM
6 10,2 1,5 0,6

I
12 10,17 1,40 0,41
II 6 10,002 0,015 0,006
Se evidenţiază, prin aceste exemple, câteva particularităţi ale calculelor statistice:
1. Valoarea abaterii standard, s, scade foarte puţin cu creşterea numărului de determinări, chiar
dacă valoarea mediei nu se schimbă.
2. Abaterea pătratică a mediei, sM, scade considerabil cu creşterea numărului de determinări, n,

mai precis scade cu n . Pentru a micşora eroarea mediei de 10 ori este necesar să se mărească
numărul determinărilor de 100 de ori.
‐ 27 ‐
În tabelul de mai sus s-au trecut valorile rotunjite după o regulă obişnuită în prezentarea
rezultatelor: media şi erorile se dau cu un număr de cifre semnificative corespunzător cu mărimea
abaterii pătratice a mediei. Se mai subliniază că, în timpul calculelor, xi2 nu poate fi rotunjit,
deoarece la calculul lui s sub radical apare o diferenţă mică a unor numere mari.
Având în vedere existenţa erorilor de măsură ilustrate în exemplul anterior, o exprimare mai corectă
a rezultatului cântărilor este cea în care se precizează atât valoarea calculată a mediei, x , cat şi
valoarea erorii ce intervine în calculul acesteia, sM. Utilizând relaţia (CA.03.34) se poate deduce un
interval în care este încadrată media reală , μ, cu o anumită probabilitate (nivel de încredere), pc.
Calculul acestui interval, numit interval de încredere, este prezentat în paragraful care urmează.
CA.03.5. Intervale de încredere şi teste statistice ale mediei unei populaţii
A. Determinarea intervalelor de încredere pentru parametrii populaţiilor statistice
După cum s-a mai subliniat, rezultatele măsurătorilor efectuate pentru determinarea valorilor
diferitelor mărimi fizico-chimice sunt afectate de erori. Intervalele de încredere încadrează valorile
reale, necunoscute, cu nivele de încredere (probabilităţi), pc, prestabilite. Cel mai adesea se
utilizează pc=0,95 (sau 95 %), respectiv 0,99 (99 %). Riscul de a ajunge la rezultate greşite are
probabilitatea α=1-pc şi se numeşte prag sau nivel de semnificaţie al intervalului de
încredere/testului statistic.
Pentru un parametru statistic (parametru a cărui valoare este cunoscută doar aproximativ),
notat x, există întotdeauna un interval:
Xi ≤ x ≤ Xs (CA.03.35)
în care valoarea lui x se încadrează cu o probabilitate pc=1- α. Dacă repartiţia (distribuţia) statistică
a lui x este descrisă de funcţia de distribuţie (densitatea de probabilitate) f(x), probabilitatea de
încadrare a lui x pe intervalul menţionat, este dată de integrala:
Xs
pc = P(X i ≤ x ≤ X s ) = ∫ f(x) dx (CA.03.36)

Xi
În acelaşi mod, probabilitatea ca x să se încadreze pe intervalul (-∞, XS] este:

XS
pS = P(-∞ ≤ x ≤ X S ) = F(XS )= ∫ f(x) dx

-∞
(CA.03.37)
Funcţia F(x) astfel definită se numeşte funcţie de repartiţie sau funcţie de distribuţie
cumulativă. Valoarea acesteia este egală cu aria integralei de sub curba prin care este reprezentată
funcţia f(x), delimitată la dreapta de verticala din XS (Fig CA.03.4).
Probabilitatea ca valoarea parametrului x să se încadreze pe intervalul definit de relaţiile

(CA.03.35) şi (CA.03.36) se poate exprima funcţie de valorile funcţiei de repartiţie (distribuţie
cumulativă), F:
‐ 28 ‐
XS
p c = P(X i ≤ x ≤ XS ) = F ( XS ) – F ( X i ) = ∫ f(x) dx (CA.03.38-a)

Xi
Xi
unde F(Xi) are expresia: F(X i ) = pi = P(-∞ ≤ x ≤ X i ) = ∫ f(x) dx )

-∞
(CA.03.38-b)
De notat că nu întotdeauna variabila statistică, x, are valori pe întreg domeniul real (-∞, ∞),
deseori aceasta având doar valori pozitive [0, ∞). In acest caz, integralele de mai sus se calculează
pe intervalul [0, ∞).
In general, în definirea intervalelor de încredere şi a testelor statistice, valoarea X pentru

care F(X)= β (probabilitatea ca x≤ X este β), se notează uzual prin Xβ şi se numeşte cuantilă de
ordin β a repartiţiei statistice f(x). Astfel, XS din Fig CA.03.4 este cuantila de ordin 1- α a repartiţiei
f(x), întrucât probabilitatea ca x≤ X este 1- α.
Fig. CA.03.4. Curba funcţiei densităţii de probabilitate, f(x) şi valori ale funcţiei de repartiţie
(probabilitate cumulativă), F(x).
Dacă funcţia f(x) este simetrică în jurul lui x=0, ca în Figura CA.03.5, iar limitele intervalului sunt
simetrice în jurul originii (Xi= - XS), se poate scrie relaţia:
Xi ∞
-∞
∫ f(x)dx = ∫ f(x)dx
XS
(CA.03.39)
Suma acestor două integrale reprezintă probabilitatea ca valoarea lui x să nu aparţină intervalului
[Xi, XS]. Dacă această probabilitate este notată cu α, fiecare din cele două integrale va avea
‐ 29 ‐
valoarea α/2 (Fig. CA.03.5). Întrucât probabilitatea ca x să fie inferior lui Xi este α/2, Xi reprezintă
chiar cuantila de ordin α/2 a repartiţiei f(x) (Xi= Xα/2). În acelaşi mod, întrucât probabilitatea ca x să
fie superior lui XS este de asemenea α/2, probabilitatea complementară, ca x să fie inferior lui XS,
este 1-α/2, adică XS reprezintă cuantila de ordin 1-α/2 a repartiţiei f(x) (XS= X1-α/2), iar Xα/2 = - X1-
α/2. Un interval de tipul celui definit anterior este denumit interval bilateral simetric.
Fig. CA.03.5. Interval de încredere bilateral, simetric în jurul originii (x=0).
Două repartiţii statistice importante, simetrice în jurul originii (x=0), sunt repartiţia normală
standard (adimensională) şi cea de tip Student, ambele definite mai sus.
Intervalul de încredere al mediei
a) Dispersia distribuţiei statistice cunoscută
Intervalul de încredere al repartiţiei mediilor, x , determinate din eşantioane (selecţii) de n

elemente, dintr-o populaţie statistică, se defineşte folosind variabila adimensională:
x -μ x -μ
z= = (CA.03.40)
s M σ/ n
Se demonstrează faptul că această variabilă urmează de asemenea o repartiţie normală standard.
‐ 30 ‐
Intervalul de încredere bilateral al repartiţiei valorilor variabilei z, definită prin relaţia

(CA.03.40), simetric în jurul originii, corespunzător pragului de semnificaţie α (deci nivelului de
încredere 1-α), este definit, conform celor prezentate mai sus, prin relaţiile:
P(z α ≤ z ≤ z α ) =1- α (CA.03.41)

1-
2 2
x-μ
zα = − z α ≤ ≤z α (CA.03.42-a)
2
1-
2 σ/ n 1-
2
sau
x − z α σ/ n ≤ μ ≤ x + z α σ/ n (CA.03.42-b)
1- 1-
2 2
Valorile cuantilelor repartiţiei normale standard, pentru diferite praguri de semnificaţie, sunt
publicate sau se calculează din relaţiile de definiţie de mai sus. Un set de valori este dat în Tabelul
CA.03.1.
Exemplul 2. Intr-o metodă de determinare a concentraţiei unui compus chimic, dispersia

valorilor măsurate este σ 2 = 2 ⋅10-5 (g/mL) 2 . Procedura constă din medierea a 3 măsurători ale
concentraţiei. La unul din teste, s-a determinat o valoare medie a acesteia, x = 0,18 g/mL . Să se
determine intervalul în care media reală a concentraţiei poate fi încadrată cu o probabilitate de 95
%.
Rezolvare
În acest caz, nivelul de semnificaţie este 0,95 iar pragul de semnificaţie α=1-0,95= 0,05.
Problema se pune oarecum invers faţă de prezentarea de mai sus: se cunoaşte valoarea nivelului de
încredere, 1-α= 0,95 şi se cere identificarea valorilor celor două cuantile ce delimitează intervalul
de încredere, z α si respectiv z α . Întrucât în Tabelul CA.03.1 sunt incluse doar valori pozitive ale
1−
2 2
lui z, se va identifica mai întâi valoarea cuantilei z α , adică valoarea lui z pentru care F(z)=0,975
1−
2
α
( = 0, 025 ). Din Tabelul CA.03.1, se determină astfel z α = 1,96 .
2 1−
2
Intervalul valorilor variabilei z este:
0,18 − μ
−1,96 ≤ ≤ 1,96
2 ⋅10−5 / 3
Se obţine astfel intervalul de încadrare a mediei, μ, cu o probabilitate de 95 %:
0.1749 g/mL ≤ μ ≤ 0,1851 g/mL
Temă: Studiaţi, pentru aceleaşi valori ale mediei şi dispersiei, dependenţa mărimii intervalului în
care poate fi încadrată media reală a concentraţiei (cu o probabilitate dată), în raport cu numărul de
experimente n, respectiv cu valoarea nivelului de încredere (pragului de semnificaţie).
‐ 31 ‐
b) Dispersia distribuţiei statistice necunoscută
Intervalul de încredere al repartiţiei mediilor, x , determinate din seturi (eşantioane sau

selecţii) de n măsurători dintr-o populaţie statistică pentru care nu se cunoaşte dispersia, se defineşte
în raport cu variabila t, având repartiţie de tip Student, definită prin relaţia (CA.03.34). Toată
procedura de calcul al intervalelor este aceeaşi, înlocuind în relaţiile (CA.03.41)- (CA.03.42), de
mai sus, variabila z prin variabila t.
Exemplul 3 (variantă la Exemplul 2). Într-o metodă de determinare a concentraţiei unui

compus chimic, procedura constă din medierea a 3 măsurători ale concentraţiei. Din valorile
măsurate în unul din teste, s-a determinat o valoare medie a concentraţiei, x = 0,18 g/mL şi o
abatere medie pătratică s 2 = 2,2 ⋅10-5 (g/mL) 2 . Să se determine intervalul în care media reală a
concentraţiei poate fi încadrată cu o probabilitate de 95 %.
Rezolvare
Şi în acest caz pragul de semnificaţie este α=1-0,95= 0,05. Intervalul de încredere este definit prin
relaţia:
x-μ
tα =− t α ≤ ≤t α
2
,ν 1− , ν
2 s/ n 1− , ν
2
sau
x−t α s/ n ≤ μ ≤ x + t α s/ n
1− ,ν 1− ,ν
2 2
Pentru α1=α/2= 0,025 şi ν=2, din Tabelul 2 se determină t α =4,3027 .

1- ,ν
2
0,18 − μ
−4,3027 ≤ ≤ 4,3027
2, 2 ⋅10−5 / 3
Se obţine astfel intervalul de încadrare a mediei, μ, cu o probabilitate de 95 %:
0,16835 g/mL ≤ μ ≤ 0,19165 g/mL
Comparând cu rezultatul de la exemplul anterior, se observă o creştere a intervalului (deci o scădere

a preciziei localizării mediei reale a măsurătorilor), urmare a unei valori mai mari a dispersiei
datelor.
Exemplul 4. Să se identifice intervalele de încredere a mediei, corespunzătoare unei

probabilităţi de 95 % pentru experimentele prezentate în Exemplul 1.
Rezultatele obţinute în exemplul 1 sunt sistematizate în tabelul următor:
‐ 32 ‐
SERIA n x (g) s sM (g)
6 10,2 1,5 0,6

I
12 10,17 1,40 0,41
II 6 10,002 0,015 0,006
Intervalul de încredere este şi în acest caz:
x-μ
tα =− t α ≤ ≤t α
2
,ν 1− , ν
2 sM 1− ,ν
2
sau
x−t α s ≤ μ ≤ x+t
M α M s
1− ,ν 1− ,ν
2 2
- pentru seria I:
_
1. n = 6 ; x = 10,2 ; sM= 0,6;
Pentru α/2= 0,025 şi ν=5, din Tabelul 2 se determină t α =2,5706 ;

1- ,ν
2
10, 2 − μ
−2,5706 ≤ ≤ 2,5706 ; μ=10,2 ± 1,5 g; 8,7 g ≤ μ ≤ 11,7 g
0, 6
_
ii) n = 12 ; x = 10,17 ; sM=0,41;
Pentru α/2= 0,025 şi ν=11, din Tabelul 2 se determină t α =2,2010 ;

1- ,ν
2
10,17 − μ
−2, 2010 ≤ ≤ 2, 2010 μ=10,17 ± 0.9 g; 9,27 g ≤ μ ≤ 11,07 g
0, 41
_
- pentru seria II: n = 6 ; x = 10,002 ; sM=0,006 sM. t0.95 = ± 0,015
10, 002 − μ
−2,5706 ≤ ≤ 2,5706 μ=10,002 ± 0,015 g; 9,987 g ≤ μ ≤ 10,017 g
0, 006
Teste statistice
Testele statistice sunt metode ce permit evaluarea nivelului de probabilitate a unor ipoteze
referitoare la valorile parametrilor populaţiilor statistice.
‐ 33 ‐
In aplicarea unui test statistic, se formulează o ipoteză ce urmează a fi evaluată, denumită

ipoteza nulă, notată în mod curent H0. Alternativele la această ipoteză se înglobează în ceea ce se
consideră uzual a fi „ipoteza H1” (atunci când H0 este adevărată, H1 este falsă şi invers).
Riscul (probabilitatea) de a respinge ipoteza H0, atunci când aceasta este adevărată, este dat
de pragul (sau nivelul) de semnificaţie al testului şi se notează cu α. Dacă ipoteza H0 este corectă,
regiunea (domeniul) de acceptanţă reprezintă intervalul pe care aceasta este acceptabilă cu o
probabilitate (nivel de încredere) 1-α (sau procentual 100(1-α) %). Domeniul de valori ale testului,
care corespund respingerii ipotezei H0, pentru pragul de semnificaţie α, este denumit regiune
critică.
Realizarea unui test statistic implică următoarele etape:
1. Se selectează mărimea X ce reprezintă obiectul testării. Cel mai adesea se testează media, μ, a
unei distribuţii statistice sau varianţa (abaterea medie pătratică) a acesteia, σ2.
2. Se formulează ipoteza nulă, H0, respectiv ipoteza alternativă, H1. Funcţie de numărul de intervale
de valori pe care H1 este acceptat şi H0 respinsă (care definesc regiunea critică a testului), testul
poate fi unilateral (un singur domeniu de valori) sau bilateral (două domenii de valori), aşa cum se
ilustrează în Fig. CA.03.6 şi CA.03.7. Câteva exemple:
i) Ipoteza H0: valoarea medie a conversiei unui reactant este μ0= 0,8.
Ipoteza H1: valoarea medie a conversiei este diferită de 0,8. Testul este bilateral, întrucât H0 este
respins pentru valori ale lui X aparţinând a două intervale, ce corespund unor valori mai mari sau
mai mici decât 0,8);
sau
Ipoteza H1: valoarea medie a conversiei este mai mare de 0,8 (un singur interval de respingere a
ipotezei H0, testul este unilateral);
ii) Ipoteza H0: dispersia duratei de reacţie, σ2>90 s2.
Ipoteza H1: σ2< 90 s2.
‐ 34 ‐
Fig. CA.03.6 Test statistic bilateral.
Fig. CA.03.7. Test statistic unilateral.
3. Se selectează un prag de semnificaţie al testului statistic (α). Cel mai adesea se aleg valorile
α=0,05 (nivel de încredere 0,95 sau 95 %), respectiv α=0,01 (nivel de încredere 0,99 sau 99 %).
4. Se identifică testul statistic adecvat ipotezei ce urmează a fi verificată. De exemplu:
i) atunci când se verifică media unei distribuţii căreia nu i se cunoaşte dispersia (abaterea medie
pătratică) se aplică un test Student (asemănător celui utilizat şi la identificarea intervalelor de
încredere);
‐ 35 ‐
ii) dacă se compară două dispersii se utilizează aşa numitul test F (repartiţie de tip F) etc.
5. Se determină regiunea critică, funcţie de natura testului, nivelul de semnificaţie şi numărul de

grade de libertate (ν). De exemplu, domeniul t < tα,ν pentru un test Student unilateral sau domeniile t
< tα/2, ν şi respectiv t > t1-α/2, ν, pentru un test bilateral.
6. Se calculează valoarea testului.
7. Se compară valoarea testului cu valorile din regiunea critică şi, funcţie de rezultat, se acceptă sau
se respinge ipoteza nulă, H0.
In cele ce urmează, se vor prezenta doar teste statistice ale mediei unei populaţii.
i) Testul mediei unei distribuţii statistice, pentru care nu se cunoaşte dispersia
Se utilizează testul Student, în care variabila t este definită prin relaţia (CA.03.34):
n n
x -μ 0 ∑ xi ∑ (x - x) i
2
t= ; x= i=1
; s2 = i=1
(CA.03.43)
s/ n n n-1
n – numărul de măsurători experimentale.
Ipoteza H0: media are valoarea μ=μ0.
Pot exista trei ipoteze alternative, H1, sistematizate în Tabelul CA.03.3:
a) H1: valoarea medie diferită de μ0 (μ≠μ0), de tip bilateral, existând posibilitatea ca media
adevărată să fie inferioară valorii testate (μ<μ0), sau superioară acesteia (μ>μ0). In acest caz,
regiunea critică este formată din două intervale:
t>t α şi respectiv t< - t α , în care t α este valoarea variabilei t, cu o distribuţie de

1- , ν -1 1- , ν -1 1- ,ν -1
2 2 2
tip Student (cuantila t), corespunzătoare unei probabilităţi cumulative pc= 1-α/2 şi un număr de
grade de libertate ν=n-1. Valorile variabilei t sunt publicate sub formă de tabele, cum este Tabelul
CA.03.2, sau se calculează din funcţii apelabile din programe de calcul (tinv în Matlab), respectiv
utilizând comenzi utilizator specifice unor programe utilitare (TINV în Excel etc.).
b) Ipoteza H1: μ<μ0. Regiunea critică este formată, în acest caz, dintr-un singur interval,
t < t α,n-1 = − t1-α,n-1
c) Ipoteza H1: μ>μ0. Regiunea critică este formată, în acest caz, dintr-un singur interval, t > t1-α,n-1 .
‐ 36 ‐
Tabelul CA.03.3 Variante de regiuni critice, posibile în testul mediei.
Zona critică
Ipoteze Tipul testului
(respingere H0 si acceptare H1)
H0 : μ=μ0 test bilateral t > t α si t < - t α

1- ,n-1 1- ,n-1
2 2
H1 : μ≠μ0
H0 : μ=μ0 test unilateral t > t1-α ,n-1
H1 : μ>μ0
H0 : μ=μ0 test unilateral t < - t1-α ,n-1
H1 : μ<μ0
ii) Testul mediei unei distribuţii statistice, pentru care se cunoaşte dispersia
Se aplică o procedură constând din absolut aceleaşi etape ca şi în cazul în care nu se

cunoaşte dispersia (testul anterior), singura deosebire fiind aceea că în locul repartiţiei de tip t
(Student), se utilizează o distribuţie normală standard (z). Etapele de parcurs sunt cele menţionate
anterior, în care variabila statistică T se înlocuieşte cu variabila z, definită prin relaţia (CA.03.39):
x -μ 0
z= (CA.03.44)
σ n
Valorile variabilei z corespunzătoare diferitelor probabilităţi cumulative, pc= 1-α, sunt

publicate sub formă de tabele, cum este Tabelul CA.03.1, sau se calculează din funcţii apelabile din
programe de calcul (normdf în Matlab), respectiv utilizând comenzi utilizator specifice unor
programe utilitare (NORMSDIST în Excel etc.).
Exemplul 5. Intr-un proces chimic se utilizează o materie primă A, realizându-se un

randament de transformare în produs, de 75 %. În cadrul unor măsuri de îmbunătăţire a tehnologiei,
se testează o altă materie primă, B. Efectuând 11 experimente cu noua materie primă, se determină
un randament mediu de 76,5 %, cu o dispersie s=3 %. Se cere să se testeze dacă modificarea
observată experimental a randamentului este semnificativă, sau se datorează unor erori aleatoare.
Rezolvare
Problema care se pune este de a verifica dacă are loc o modificare semnificativă din punct
de vedere statistic, a mediei valorilor randamentului, odată cu schimbarea materiei prime.
i) Ipoteza nulă (H0) selectată, corespunde variantei în care nu are loc o schimbare semnificativă,
modificarea observată a randamentului fiind întâmplătoare. Cu alte cuvinte, randamentul mediu nu
se modifică la schimbarea materiei prime.
‐ 37 ‐
H0: μ0=75. ⇒ Ipoteza H1: μ0 ≠ 75.
ii) Se selectează nivelul de semnificaţie α=0,05.
iii) Fiind vorba de o distribuţie căreia nu i se cunoaşte dispersia (ci doar o estimare a acesteia din
cele 11 experimente) se aplică un test Student (distribuţie de tip t).
iv) Se identifică regiunea critică, adică intervalul simetric în jurul lui t=0 în care se încadrează
valorile mediei cu o probabilitate 0,95 (95 %). Acesta va fi delimitat de valorile variabilei t (sau
„cuantilele”) t α = − t α şi respectiv t α (n=11, α=0,05). Din Tabelul 2 se determină t10,
,n-1 1- ,n-1 1- ,n-1
2 2 2
0.025=2,228.Intervalul astfel determinat este T∈[-2,228, 2,228]. În continuare, se determină valorile

lui x corespunzătoare acestui interval:
s 3 3
x1 = μ 0 + T = 75- 2,228 = 72,98; x 2 = 75 + 2,228 =77,02 .
n 11 11
Întrucât valoarea măsurată a randamentului se încadrează în domeniul de acceptanţă (în

afara regiunii critice), ipoteza H0 este acceptată. In concluzie, valoarea măsurată a randamentului
pentru noua materie primă nu este semnificativ diferită, modificarea observată din cele 11
experimente fiind cu probabilitate de 95 % efectul erorilor aleatoare.
Exemplul 6. In fabricarea unui sortiment de folie din material plastic, una din caracteristicile
importante este masa (greutatea) specifică, raportată la unitatea de suprafaţă. Preţul de vânzare fiind
stabilit pe unitatea de suprafaţă, producătorul este interesat în realizarea unei folii cu masa specifică
minimă acceptabilă. Caracteristicile foliei produse până la un anumit moment, determinate dintr-un
număr mare de măsurători, corespund unei mase specifice medii μ0=15,5 g/m2 şi unei dispersii σ=1
g/m2. În urma unei investiţii de modernizare a utilajului, s-a determinat, din 10 eşantioane de folie,
o masă specifică medie de 14,75 g/m2. Să se estimeze dacă aceasta poate fi considerată o scădere
semnificativă statistic, cu un grad de încredere de 95 %.
Rezolvare
Ipoteza H0: valoarea mediei eşantioanelor selectate, s, nu indică o scădere semnificativă statistic;
H0: μ ≥ 15,5 ⇒ Ipoteza H1: μ ≤ 15,5 (μ- valoarea medie reală după modernizarea utilajului,
care nu se cunoaşte).
ii) Nivelul (pragul) de semnificaţie al testului α=0,05.
iii) Întrucât se cunoaşte valoarea dispersiei, va fi utilizată distribuţia normală standard (distribuţie de
tip z).
iv) Se identifică valoarea critică a variabilei z (zcr) pentru care z ≥ zcr cu o probabilitate 0,95 (95 %),
adică cuantila z0,05=- z0,95. Din Tabelul C.03.1 se determină valoarea cuantilei z de ordin 0,95
(valoarea lui z corespunzătoare unei funcţii de repartiţie, F(z)=0,95): z0,95 = 1,64. În continuare se
determină valoarea lui x corespunzătoare:
‐ 38 ‐
s 1
x cr = μ 0 + z cr = 15,5-1,64 =14,98 .
n 10
Întrucât valoarea măsurată a mediei este inferioară valorii critice, aceasta corespunde unui
z<zcr, ipoteza H0 este respinsă. In concluzie, este acceptată ipoteza H1, ceea ce arată o scădere
semnificativă statistic a masei specifice a foliei.
CA.03.6. Regresia liniară
De multe ori mărimile măsurate sunt corelate între ele într-un mod cunoscut sau încă
necunoscut; în aceste cazuri, relaţia dintre mărimile măsurate se poate prezenta ca o curbă în plan
dacă se corelează două mărimi, sau o hipersuprafaţă într-un spaţiu n – dimensional dacă se
corelează mai multe.
Cazul cel mai simplu îl întâlnim atunci când relaţia dintre două mărimi (variabile) x şi y se
poate reda printr-o dreaptă, de ecuaţie Y=a+bx. Aceasta are o importanţă deosebită deoarece multe
relaţii corespunzând unor curbe se pot liniariza, deci se poate reduce calculul de regresie curbă
(neliniară) la un calcul de regresie liniară.
Locul lui s din statistica unei singure variabile îl ia s0 (abaterea pătratică medie a punctelor
de la o dreaptă), iar pentru media variabilei vom avea doi parametri, a şi b (a este ordonata la
origine – punctul unde dreapta de regresie intersectează ordonata Oy, sau valoarea lui Y pentru
x = 0); iar b este panta de regresie - ne arată cu cât se modifică Y atunci când x creşte (scade) cu o
unitate) [Z05]. Locul lui sM îl iau două abateri: sa şi sb.
Problema care se pune se poate formula astfel:
(i) care este dreapta cea mai probabilă Y = a + bx, care trece prin norul de puncte (xi, yi)
reprezentând valorile măsurate ?; (ii) care este abaterea standard a punctelor de la dreaptă (s0)?; (iii)
care sunt abaterile standard ale ordonatei la origine (sa) şi respectiv a pantei (sb)?
Criteriul de alegere a dreptei, adică de determinare a valorilor parametrilor a şi b, este

condiţia ca suma pătratelor abaterilor valorilor calculate Yi, (punctelor de pe dreaptă), de la valorile
măsurate, yi (punctele experimentale), pentru acelaşi xi, să fie minimă. La x=xi corespunde abaterea
(distanţa) de la punctul experimentală la dreaptă (Fig. CA.03.08):
Δyi = yi – Yi =yi – a –b xi
Matematic, funcţia de minimizat are expresia:

n n
S= ∑ Δy i2 = ∑ (yi -a-bx i ) 2 (CA.03.45)
i=1 i=1
Dacă se consideră că x nu este afectat de eroare, minimizarea funcţiei S, definită de

(CA.03.45), corespunde aşa zisei „regresii după y”. Atunci Δy = yi – Yi, yi fiind valoarea
experimentală, iar Yi, cea de pe dreaptă, corespunzând lui xi (figura CA.03.5), adică Yi = a + bxi.
‐ 39 ‐
y
Y = a + bx (xi, Yi)
Δy = yi ‐ Yi
Δhi
Δx (xi, yi)
x
Fig. CA.03.8. Regresia după y.
Condiţia impusă se poate formula matematic astfel: suma pătratelor abaterilor trebuie să fie
minimă în raport cu parametrii dreptei a şi b (încă necunoscuţi):
∂ ∑ (Δy ) ∂ ∑ (Δy )
2 2
= 0 şi =0 (CA.03.46)
∂a ∂b
Dezvoltând:
S = ∑ (Δy ) = ∑ (y i − Yi ) = ∑ (y i − a − bx i )
2 2 2
(CA.03.47)
n
S = ∑ (yi2 + a 2 + b 2 x i2 − 2ayi − 2bx i yi + 2abx i ) (CA.03.48)
i =1
n n n n n
S = ∑ y + na + b2
i
2 2
∑x 2
i − 2a ∑ yi − 2b∑ x i yi + 2ab∑ x i (CA.03.49)
i =1 i =1 i =1 i =1 i =1
Derivând parţial în raport cu a şi b avem :
∂S n n n n
= 2na − 2∑ yi + 2b∑ x i = 0 ⇒ ∑ yi = na + b∑ x i (CA.03.50)
∂a i =1 i =1 i =1 i =1
∂S n n n n n n
= 2b∑ x i − 2∑ x i yi + 2a ∑ x i = 0 ⇒ ∑ x i yi = a ∑ x i + b∑ x i2
2
∂b i =1 i =1 i =1 i =1 i =1 i =1
Din aceste două ecuaţii se pot afla necunoscutele a şi b:

n n
∑ yi − b∑ x i
a= i =1 i =1
(CA.03.51)
n
‐ 40 ‐
n n n
n ∑ x i yi − ∑ x i ∑ yi
b= i =1
n
i =1
n
i =1
n ∑ x − (∑ x i ) 2 2
i
i =1 i =1
O altă formulă de calcul utilizabilă este:

n n
∑ xi
i =1
∑y
i =1
i
a= y- bx; x = ; y= (CA.03.52)
n n
unde s-a notat cu bară valoarea medie (a produsului, a pătratului sau a mărimii), sau:
n n
∑x y i i − x ∑ yi
b= i =1
n
i =1
n
(CA.03.53)
∑x
i =1
2
i − x∑ xi
i =1
Erorile în regresie după y sunt:
- abaterea standard a punctelor experimentale de la dreaptă:

n n n
∑ yi2 − a ∑ yi − b∑ x i yi
s 02 = i =1 i =1 i =1
(CA.03.54)
n−2
- sb = abaterea pătratică medie a pantei b:
ns 02 s 02
sb = n n
= n n
(CA.03.55)
n ∑ x − (∑ x i ) 2
i
2
∑x 2
i − x∑ xi
i =1 i =1 i =1 i =1
- sa = abaterea pătratică medie a ordonatei la origine:

n
∑x 2
i
s a2 = s 2b i =1
(CA.03.56)
n
Exemplul 7. Să se determine dreapta de etalonare a unui instrument de măsură, cunoscând

un set de valori etalon (xi) ale mărimii măsurate, practic neafectate de erori şi indicaţiile
corespunzătoare ale instrumentului de măsură (yi), date în tabelul următor.
i xi yi x i2 y i2 xiyi
1 1 3,4 1 11,56 3,4
2 2 5,1 4 26,01 10,2
‐ 41 ‐
3 3 6,3 9 39,69 18,9
4 4 8,2 16 67,24 32,8
5 5 9,5 25 90,25 47,5
6 6 11,0 36 121,00 66,0

n
∑ 21 43,5 91 355,75 178,8

i
Valori 3,5 7,25 15,167 59,29 29,8

medii:
3,5 ⋅ 7, 25 − 29,8 −4, 425

b= = = 1,51697 ;
3,5 ⋅ 3,5 − 15,167 −2,917
a = 7,25 – 1,517.3,5 = 1,9406;
6(59, 29 − 1,94 ⋅ 7, 25 − 1,517 ⋅ 29,8

s0 = ; s0 = 0,166;
6−2
sb = 0,04; sa = 0,16.
Se remarcă din nou modul de rotunjire a valorilor numerice în concordanţă cu eroarea calculată.
CA.03.7. Coeficientul de corelaţie
Nivelul de asociere dintre variabila x şi y este dat de un coeficient de corelaţie, a cărei

formulă de calcul este:
n
⎛ n ⎞⎛ n ⎞
n ∑ x i yi − ⎜ ∑ x i ⎟⎜ ∑ yi ⎟
r= i =1 ⎝ i =1 ⎠⎝ i =1 ⎠
2 2 (CA.03.57)
n
⎛ n ⎞ n
⎛ n ⎞
n ∑ x − ⎜ ∑ x i ⎟ ⋅ n ∑ yi2 − ⎜ ∑ yi ⎟
2
i
i =1 ⎝ i =1 ⎠ i =1 ⎝ i =1 ⎠
sau
∑ (Y -y ) i i
2
r = 1- i=1
n
unde Yi = a + b ⋅ x i (CA.03.58)
∑ ( y-y )
2
i
i=1
sau
‐ 42 ‐
∑ (Y -y )
i=1
i i
2
r = 1- n (CA.03.59)
∑y
i=1
i
2
-n y 2
Coeficientul de determinare
Pătratul coeficientului de corelaţie este denumit coeficient de determinare:

n
∑ (Y -y ) i i
2
R 2 = r 2 =1- i=1
n ; (CA.03.60)
∑y
i=1
i
2
-n y 2
Valoarea lui R2 exprimă complementul faţă de unitate, al ponderii erorii de regresie în

valoarea calculată a variabilei y. Cu cât R2 are valoarea mai apropiată de unitate, cu atât dreapta Y=
a + bx corelează mai bine valorile măsurate experimental (ponderea erorii de regresie în valoarea
calculată este mai mică).
Corelaţia liniară este una dintre metodele utilizate în statistică pentru a stabili o relaţia de
legătură dintre doua sau mai multe variabile (în mod obligatoriu una dintre variabile devine
dependentă de cealaltă sau celelalte variabile). Regresia liniară, prezentată în extenso anterior prin
metoda celor mai mici pătrate, este unul dintre instrumentele cel mai des folosite la construirea unui
model. Aceasta se mai regăseşte şi sub numele de ecuaţie de regresie, sau metoda celor mai mici
pătrate. Un număr foarte mare de expresii pot fi aduse la o formă liniară (aşa cum s-a arătat mai sus)
prin simple artificii de calcul matematic, substituţii sau înlocuiri. Dacă regresia liniară se aplică doar
asupra unui set de două variabile (una independentă şi alta dependentă) atunci aceasta poartă
numele de regresie liniară simplă.
Gradele de corelare sau asociere ale variabilelor dependentă şi independentă sunt

cuantificate cantitativ prin intermediul unui coeficient de corelaţie, r. Acesta este o măsură a
asocierii liniare dintre cele două variabile, cu alte cuvinte a gradului în care reprezentarea bivariată
sub forma unei diagrame de împrăştiere (scatter plot) se apropie de o dreaptă. Funcţiile de bază ale
coeficientului de corelaţie sunt de a răspunde la următoarele întrebări:
a) Există o relaţie de legătură între variabilele investigate?
b) Este această relaţie una pozitivă sau negativă?
c) Care este intensitatea acestei relaţii de legătură, cât de aproape este ea de una ideală dată de
reprezentarea matematică analitică?
Deşi există mai multe tipuri de coeficienţi de corelaţie, în practică, cel mai des folosit este
coeficientul de corelaţie simplă Pearson sau Bravais-Pearson, acesta având valori în intervalul [-1,
+1], figura CA.03.9., valori ce indică intensitatea relaţiei dintre variabile. Valorile de capăt indică o
corelare perfectă, intensitate maximă, valoarea de mijloc, 0, indicând o lipsă totală de corelare
liniară sau o corelare circulară perfectă, după caz. Valoarea semnului coeficientului de corelaţie
indică tipul de legătură (sensul sau direcţia de variaţie a variabilei dependente în funcţie de cea
independentă), valoarea pozitivă arătând o legătură directă, pozitivă, în timp ce valoarea negativă
indicând o legătură inversă, negativă.
‐ 43 ‐
Fig. CA.03.9. Exemplificări grafice de diagrame (scatter plots) ale coeficientului de corelaţie
(adaptare după Pearson product-moment correlation coefficient).
Între coeficientul de determinare prezentat mai sus şi cel de corelaţie există o relaţie univocă
şi nu biunivocă.
Dacă coeficientul de determinare (calculat din relaţia CA.03.60) poate fi calculat şi cu

ajutorul lui r, ridicând la pătrat valoarea coeficientului de corelaţie, fără a fi afectată semnificaţia
acestuia, pentru coeficientul de corelaţie doar modulul acestuia se poate calcula din valoarea
coeficientului de determinare. Mai mult, coeficientul de determinare indică procentul din dispersia
totală a unei variabile ce este cauzată de dispersia valorilor din cealaltă variabilă.
De exemplu, un coeficient de corelaţie de 0,900 va avea asociat un coeficient de determinare

de 81% (coeficientul de determinare se înmulţeşte cu 100 şi exprimarea se transformă în procente
din dispersie) va semnifica faptul că variabilitatea mărimii independente se transpune într-o
contribuţie de 81% din modificările variabilei dependente, cu alte cuvinte 81% din variaţia
(împrăştierea) variabilei dependente este cauzată de variaţia celeilalte variabile, cele 2 variabile
având în comun 81% din variaţia care le caracterizează.
O corelaţie de 0,90 nu este doar de două ori mai mare decât una de 0,45 ea este de 4 ori mai
mare (0,45)2 = 0,2025; (0,90)2 = 0,81, de unde 0,81/0,2025 = 4.
Relaţia univocă dintre coeficientul de corelaţie şi cel de determinare este cel mai bine
exemplificată de obţinerea unuia din celălalt. Dacă coeficientul de determinare se poate obţine uşor
din cel de corelaţie fără a se pierde informaţie, calculul coeficientului de corelaţie din coeficientul
de determinare conduce la pierderea semnului, a direcţiei corelaţiei, rezultatul fiind de fapt valoare
modulului acestuia, r = R .
2
Un exemplu aplicativ de calcul manual al coeficientului de corelaţie este ilustrat aici.
Calculul coeficientului de corelaţie se poate face doar dacă modelul conţine în partea iniţială
pe lângă ipotezele de definire şi de lucru şi următoarele ipoteze adiţionale:
‐ 44 ‐
a) Erorile din date sunt independente;

b) Există o relaţie de linearitate între cele două variabile;
c) Variabilele urmează o distribuţie normală bivariată. [Z06]
Dintre avantajele şi dezavantajele utilizării acestui coeficient de corelaţie se pot menţiona:

- generează o statistică standardizată ce nu se modifică dacă schimbăm unităţile de măsură ale
variabilelor;
- valoarea coeficientului de corelaţie este identică dacă corelăm pe X cu Y sau pe Y cu X;
- valoarea coeficientului de corelaţie devine irelevantă pentru N mic (3 sau 4 puncte);
- valoarea coeficientului de corelaţie trebuie validată prin teste statistice (validarea modelului).
Majoritatea programelor de calcul comerciale (chiar şi unele minicalculatoare obişnuite) au

deja implementate rutine de calcul de regresie şi de determinare a coeficientului de corelaţie dintr-
un set de date experimentale sau dacă nu, acestea se pot scrie folosind instrucţiuni simple (Excel,
Matlab, MathCad etc.).
Interpretarea valorii coeficientului de corelaţie
Există foarte multe sisteme de clasificare a mărimii asocierii în funcţie de valoarea

modulului coeficientului de corelaţie.[R01] Dintre acestea două sunt printre cele mai acceptate (vezi
tabelul CA.03.4 şi tabelul CA.03.5).
Tabelul CA.03.4. Clasificarea Hopkins a asocierii variabilelor

în funcţie de valoarea coeficientului de corelaţie [H02]
Valoarea coeficientului de corelaţie r Descriptorul asocierii

0 – 0,1 Foarte mic, neglijabil, nesubstanţial
0,1 – 0,3 Mic, minor
0,3 – 0,5 Mediu, moderat
0,5 – 0,7 Mare, ridicat, major
0,7 – 0,9 Foarte mare, foarte ridicat
0,9 – 1 Ideal, asociere perfectă
Tabelul CA.03.5. Clasificarea Davies a asocierii variabilelor

în funcţie de valoarea coeficientului de corelaţie [D01]
Valoarea coeficientului de corelaţie r Tipul asocierii

0,01 – 0,09 Asociere neglijabilă
0,1 – 0,29 Asociere scăzută
0,3 – 0,49 Asociere moderată
0,5 – 0,69 Asociere substanţială
0,7 – 1 Asociere foarte puternică
Demn de remarcat este faptul că termenul de asociere nu implică şi cauzalitate, cu alte

cuvinte cauzalitatea nu poate fi determinată din setul de date furnizat, aceasta făcându-se din planul
experimental/programarea experimentelor. Exemplificarea acestui concept poate fi făcută dacă se
‐ 45 ‐
oferă un set de date si nu se menţionează care este variabila independentă şi care este cea
dependentă. Se pot trasa astfel dependenţe y = y (x) sau x = x (y), ambele fiind liniare şi ambele
având aceeaşi valoare a coeficientului de corelaţie, figura CA.03.7.
Cauzalitatea se determină în funcţie de rularea experimentului şi este condiţionată de

stabilirea apriorică a variabilei independente şi a celei dependente. Dacă x a fost aleasă ca variabilă
independentă, atunci modificări ale lui x induc modificări ale variabilei de ieşire y, şi prin urmare x
cauzează y, deci funcţia va fi de tipul y = y (x), sau mai bine spus, y = ax + bxx, (figura CA.03.10)
unde ax este ordonata la origine şi bx este panta dreptei. Cazul poate fi considerat şi invers, cu y
acum ca variabilă independentă, obţinându-se x = ay + byy.
Fig. CA.03.10. Regresii liniare după x sau y. Valoarea coeficientului de corelaţie este identică,
indiferent care dintre cele 2 variabile este considerată independentă. (Pearson product-moment
correlation coefficient) [Z02]
În concluzie, coeficientul de corelaţie poate fi interpretat cauzal dacă şi numai dacă

variabilele sunt măsurate în condiţii experimentale şi desemnarea lor a fost stabilită aprioric.
Nu tot ceea ce este exprimat printr-o relaţie liniară este neapărat rezultanta unei regresii
liniare. Un exemplu aplicat, uşor de înţeles, deşi împins la extrem, poate fi cel al transformării
gradelor Fahrenheit în grade Celsius şi invers. Presupunem că avem 2 termometre, unul care indică
temperatura în grade Fahrenheit şi altul în grade Celsius şi că aceste termometre sunt calibrate.
Valorile indicate de cele 2 termometre pot fi puse în 2 relaţii liniare, care vor fi foarte apropiate de
relaţiile de transformare ideale ilustrate mai jos.
( F ) = 32 + 1,8 ⋅ ( o C ) (CA.03.61)
32 1
( C ) = − 1,8
o
+
1,8
⋅ ( F) (CA.03.62)
‐ 46 ‐
Cu toate acestea nu se poate spune că între temperatura exprimată în Fahrenheit şi cea în

Celsius există o relaţie de regresie liniară ce are ca rezultat un coeficient de corelaţie şi nici una de
cauzalitate, şi anume că temperatura exprimată în Fahrenheit determină pe cea în Celsius sau invers.
Paradoxul aici rezultă din faptul că relaţia de legătură liniară dintre cele 2 temperaturi este una
fixată aprioric, convenţional, din necesitatea de a converti o temperatură în alta, ea este o simplă
relaţie de transformare de unităţi, similară cu alte transformări obişnuite, deci nu respectă 2 din
ipotezele de lucru: erorile din date sunt independente – aici erorile sunt dependente, orice eroare de
la o măsurătoare regăsindu-se prin transformare translatată la cea de-a doua variabilă şi cea de-a
doua, variabilele urmează o distribuţie normală bivariată – aici variabilele chiar dacă urmează o
distribuţie normală, ea este monovariată.
Validarea modelului de regresie
Validarea modelului de regresie se face prin verificarea ipotezei că parametrii ecuaţiei de

regresie liniară simplă diferă semnificativ de zero (semnificaţie nenulă a parametrilor).
Prin acest procedeu se poate respinge ipoteza nula conform căreia nu exista o relaţie de
asociere semnificativa (asocierea semnificativă indică din punct de vedere statistic un grad de
încredere ridicat, cu alte cuvinte în cazurile de refacere a experimentului se vor obţine rezultate
similare), între variabile, iar eventualele asocieri se datorează întâmplării.
Determinarea semnificaţiei lui r implică compararea valorii coeficientului de corelaţie

obţinută în urma procesării datelor experimentale cu o valoare limită critică obţinută prin
intermediul analizei dispersionale bazată pe distribuţia t-Student cu N-p grade de libertate (N-2 în
cazul regresiei liniare cu 2 variabile). Valoarea limită critică a coeficientului de corelaţie poate fi
obţinută din tabele special construite (vezi tabelul CA.03.6.) sau prin intermediul calculului. În
acest mod, se poate demonstra matematic că variabila t, uşor calculabilă în funcţie de numărul
gradelor de libertate şi de pragul de semnificaţie (intervalul de încredere) este conformă cu o
distribuţie t-Student cu N-2 grade de libertate. Pentru validarea lui r se pot alege diferite praguri de
semnificaţie. Este unanim acceptat ca pragul utilizat pentru a considera o relaţie semnificativa
statistic să fie 0,05, dar se poate merge la valori şi mai mici.
Se poate demonstra matematic că există o relaţie de legătură între t şi r [Z05], şi anume:
n−2
t=r (CA.03.63)
1 − r2
şi cum valoarea lui t poate fie dedusă uşor, fie prin folosirea rutinelor de calcul din programele de
calcul, fie din tabele statistice, atunci se poate se poate obţine, conform formulei de mai jos,
valoarea coeficientului critic de corelaţie în funcţie de t şi N-2:
t α2 ,( n − 2)
rcritic = (CA.03.64)
t α2 ,( n − 2 ) + ( n − 2 )
‐ 47 ‐
unde: rcritic este coeficientul critic de corelaţie; n reprezinta numărul de perechi de puncte; n-2 = df
este numărul gradelor de libertate (degrees of freedom), t α2 ,( n − 2) , variabila t, calculată pentru α = 0,05
(se poate folosi şi o valoare mai mică) şi pentru df = n-2.
Dacă valoarea coeficientului de corelaţie r dedusă experimental este mai mare decât rcritic
calculat mai sus, atunci aceasta corelaţie este semnificativă la pragul de semnificaţie ales, (ex. 0,05)
şi numărul de grade de libertate specificat, ipoteza nula fixată în testul t-Student este respinsă şi prin
urmare există o relaţie semnificativă din punct de vedere statistic între variabile.
Dacă însă valoarea coeficientului de corelaţie r dedusă experimental este mai mică decât
valoarea critică, atunci ipoteza de nul este acceptată la pragul de semnificaţie ales. Acceptarea
ipotezei nule arată că datele experimentale obţinute nu sunt asociate, variaţia variabilei considerate
dependentă fiind complet aleatoare de cea independentă, rezultatele fiind obţinute printr-un simplu
joc al întâmplării.
Pentru a uşura calculul, a fost conceput un şablon tabelar Excel unde se introduc doar
coeficientul de corelaţie de testat, numărul de perechi de puncte (şablonul calculează automat
gradele de libertate) şi de pragul de semnificaţie (intervalul de încredere) – valoarea implicită este
fixată la 0,05 şi se obţine direct valoarea coeficientului critic de corelaţie şi confirmarea sau
infirmarea existenţei unei relaţii de asociere semnificativă între variabila independentă şi cea
dependentă.
Dacă se optează pentru consultarea tabelelor, mai jos este prezentat un tabel cu valorile
critice ale coeficientului de corelaţie în funcţie de pragurile de semnificaţie şi numărul gradelor de
libertate şi procedura de urmat. Procedura este exemplificată pe o aplicaţie prezentată anterior.
Tabelul CA.03.6. Valorile critice ale coeficientului de corelaţie în funcţie de pragurile de

semnificaţie şi numărul gradelor de libertate [Z07]
Praguri de semnificaţie (p) pentru o relaţie bilaterală

0,10 0,05 0,02 0,01
(two-tailed) între variabile
Valorile critice ale coeficientului de
df, grade de libertate
corelaţie Pearson
1 0,988 0,997 0,9995 0,9999
2 0,900 0,950 0,980 0,990
3 0,805 0,878 0,934 0,959
4 0,729 0,811 0,882 0,917
5 0,669 0,754 0,833 0,874
6 0,622 0,707 0,789 0,834
7 0,582 0,666 0,750 0,798
8 0,549 0,632 0,716 0,765
9 0,521 0,602 0,685 0,735
10 0,497 0,576 0,658 0,708
11 0,476 0,553 0,634 0,684
12 0,458 0,532 0,612 0,661
13 0,441 0,514 0,592 0,641
14 0,426 0,497 0,574 0,623
15 0,412 0,482 0,558 0,606
16 0,400 0,468 0,542 0,590
17 0,389 0,456 0,528 0,575
‐ 48 ‐
18 0,378 0,444 0,516 0,561

19 0,369 0,433 0,503 0,549
20 0,360 0,423 0,492 0,537
21 0,352 0,413 0,482 0,526
22 0,344 0,404 0,472 0,515
23 0,337 0,396 0,462 0,505
24 0,330 0,388 0,453 0,496
25 0,323 0,381 0,445 0,487
26 0,317 0,374 0,437 0,479
27 0,311 0,367 0,430 0,471
28 0,306 0,361 0,423 0,463
29 0,301 0,355 0,416 0,456
30 0,296 0,349 0,409 0,449
35 0,275 0,325 0,381 0,418
40 0,257 0,304 0,358 0,393
45 0,243 0,288 0,338 0,372
50 0,231 0,273 0,322 0,354
60 0,211 0,250 0,295 0,325
70 0,195 0,232 0,274 0,303
80 0,183 0,217 0,256 0,283
90 0,173 0,205 0,242 0,267
100 0,164 0,195 0,230 0,254
În cazul în care se doreşte un tabel mai detaliat, cu o creştere din unitate în unitate a gradelor
de libertate, cu evidenţierea suplimentară şi a relaţiei unilaterale (one-tailed) pe lângă cea bilaterală
(two-tailed) şi cu o rezoluţie de 4 zecimale a coeficientului critic de corelaţie, el poate fi consultat
aici.
‐ 49 ‐
Capitolul CA.04. Laborator [M02]
CA.04.1. Norme de protecţia muncii în laboratorul de chimie
Scopul protecţiei muncii îl constituie prevenirea accidentelor de muncă şi a bolilor

profesionale prin măsuri menite să elimine, să evite sau să diminueze acţiunea factorilor de risc
asupra organismului uman. Laboratoarele sunt locurile în care studenţii sunt expuşi riscurilor
cauzate de existenţa reactivilor chimici, ustensilelor de laborator şi aparatelor electrice.
Pentru a preveni accidentele în laboratorul de chimie, se vor respecta următoarele reguli

generale de tehnica securităţii muncii:
¾ Instrucţiunile scrise vor fi afişate la loc vizibil şi regulile de securitate evidenţiate;
¾ Instrucţiunile de securitate vor fi prezentate verbal şi comunicate la începutul fiecărui
experiment;
¾ Nu se consumă băutură sau mâncare în laboratorul de chimie;
¾ La efectuarea unor experienţe explozive este necesară purtarea ochelarilor de protecţie;
¾ Se va păstra ordinea şi curăţenia pe mesele de lucru ale studenţilor;
¾ Pentru evitarea unor reacţii secundare, vesela şi aparatura de laborator se utilizează doar
dacă sunt curate. Acestea se vor spăla cu amestecuri alcaline şi apă distilată, fără a se utiliza nisipul,
deoarece vasele de sticlă se fisurează, se zgârie iar la încălzire sticla se va sparge uşor;
¾ Lucrările de laborator se vor efectua cu cantităţile de substanţe indicate în instrucţiuni, cu
sticlăria şi aparatura adecvate lucrărilor, după verificarea prealabilă a acestora conform referatului;
¾ Este strict interzisă folosirea reactivilor din ambalaje fără etichetă;
¾ Se interzice gustarea şi chiar contactul cu pielea a substanţelor chimice;
¾ Mirosirea substanţelor se va face cu grijă, prin ţinerea vasului la distanţă şi apropierea
vaporilor care se degajă prin mişcarea mâinii deasupra acestuia;
¾ Manipularea reactivilor solizi se face cu linguri sau spatule curate;
¾ Soluţiile de reactivi pentru analiză nu se vor scoate cu pipeta direct din flacon, ci, mai întâi,
se toarnă cantitatea necesară într-un pahar curat, din care apoi se face pipetarea. Se va avea în
vedere ca la transvazarea lichidelor să se ţină sticla cu eticheta spre palmă pentru a evita
deteriorarea acesteia;
¾ Substanţele foarte volatile se manipulează în nişe şi deasupra unei chiuvete;
¾ În cazul în care se lucrează cu substanţe inflamabile, este necesară stingerea surselor de
căldură din laborator. Orice început de incendiu provocat de substanţe volatile inflamabile se
opreşte imediat, după caz, cu nisip, o pătură sau cu extinctorul;
¾ Nu este permisă impurificarea reactivilor în timpul manipulării. Nu este permisă folosirea
aceleaşi ustensile (spatule) pentru mai mulţi reactivi decât după spălare şi uscare;
¾ Reactivii solizi nu vor fi cântăriţi direct pe talerele balanţei, ci pe sticle de ceas sau în fiole
de cântărire, iar cei urât mirositori sau toxici în flacoane închise;
¾ Acizii concentraţi (H2SO4, HCl, HNO3 etc.) se toarnă cu mare atenţie, ştergându-se
picăturile prelinse cu cârpă sau hârtie;
¾ Rămăşiţele de substanţe periculoase (metale alcaline, fosfor, acizi concentraţi, baze etc.) nu
se vor arunca la canal deoarece sunt corozive sau pot provoca explozii puternice. Astfel, vor fi
‐ 50 ‐
introduse în vase speciale şi neutralizate. De asemenea, lichidele nemiscibile cu apa şi inflamabile

(benzina, benzenul etc.) nu se vor arunca la canal, deoarece în spaţiul subteran al canalizării se vor
evapora, formând amestecuri explozive cu aerul ce pot exploda la aruncarea în canal a chibriturilor
sau ţigărilor aprinse;
¾ Se interzice îndreptarea eprubetelor cu orificiul către colegi în cazul încălzirii la flacără;
¾ Manipularea reactivilor explozivi (nitroderivaţi, cloraţi, percloraţi, peroxizi, acid percloric
etc.) trebuie făcută cu foarte mare atenţie;
¾ Nu este permisă lovirea substanţelor care explodează sau încălzirea lor la o temperatură
apropiată de temperatura de descompunere;
¾ Fărâmiţarea alcaliilor, a azotatului de calciu, iodului, sărurilor acidului cromic, a
substanţelor ce dau pulbere toxică, precum şi turnarea soluţiilor de amoniac concentrat, trebuie să se
execute sub nişă;
¾ Este interzisă aprinderea arzătoarelor de gaz cu bucăţele de hârtie;
¾ Este interzisă lăsarea aprinsă a becurilor de gaz sau a altor aparate de încălzire, la plecarea
din laborator, chiar şi pentru scurt timp;
¾ În cazul în care se descoperă pierderi de gaze combustibile sau de vapori de benzină se va
aerisi încăperea, prin deschiderea ferestrelor, până la dispariţia completă a mirosului de gaz; se vor
stinge, totodată, becurile de gaz de la robinetul principal şi celelalte surse de încălzire;
¾ Folosirea sticlăriei de laborator se va face cu respectarea următoarelor măsuri de prevenire a
accidentelor:
- prinderea baloanelor de distilare, a biuretelor sau recipientelor în stative se va efectua cu
ajutorul clemelor prevăzute cu apărători de plută sau cauciuc;
- paharele, baloanele şi celelalte recipiente de laborator care conţin lichide fierbinţi nu se pun
direct pe masă, ci pe o placă dintr-un material termoizolant;
- încălzirea sticlăriei cu pereţi subţiri nu se face direct în flacără, ci pe o sită de azbest, sub agitare
continuă;
¾ La părăsirea laboratorului de chimie se va avea în vedere verificarea instalaţiilor electrice, de
gaz şi de apă.
¾ La manipularea obiectelor şi substanţelor fierbinţi (triunghi de şamotă, creuzete, capsule,
pânze de azbest, pahare cu apă fiartă) se recomandă utilizarea după caz a cleştelui metalic,
manşoanelor de azbest sau de cauciuc, a lavetelor;
¾ Vasele de sticlă se încălzesc progresiv, pe sita de azbest, pe băi de apă sau de nisip; vasele
cu precipitate se încălzesc agitând continuu cu o baghetă pentru a evita depunerea precipitatului;
¾ Este interzisă aplecarea capului deasupra vaselor în care fierbe o soluţie;
¾ Este interzisă păstrarea substanţelor inflamabile şi a celor volatile în apropierea radiaţiilor
termice;
¾ Instalaţiile şi aparatele electrice vor fi legate la priză cu împământare. Nu se utilizează
aparate cu conductori neizolaţi sau montaţi neregulamentar;
¾ Se interzice manipularea aparatelor şi instalaţiilor electrice din laborator cu mâna umedă.
¾ În cazul arsurilor termice, trebuie în primul rând închis gazul sau sursa ce arde, cu ajutorul
extinctoarelor, şi a nisipului, după care se acordă primul ajutor. În cazul arsurilor de gradul I, pielea
arsă se spală cu spirt medicinal sau cu o soluţie de KMnO4 şi apoi se unge cu o cremă protectoare,
dezinfectantă, sau se spală locul arsurii cu o soluţie de tanin 1%. În cazuri mai grave (arsuri de
gradul II şi III) accidentatul se transportă imediat la spital.
‐ 51 ‐
Arsurile cauzate de substanţe chimice sunt extrem de numeroase şi variate. În tabelul 2 sunt
prezentate unele măsuri de prim ajutor, în cazul arsurilor cu substanţe chimice.
¾ Dacă un pahar cu o soluţie acidă sau bazică se răstoarnă pe masă, locul trebuie spălat cu
multă apă şi uscat.
La efectuarea experienţelor cu acizi, se pot utiliza acizi concentraţi numai dacă reţeta
prevede special acest lucru. Acizii concentraţi se vor mânui cu multă precauţie şi sub nişă.
Prepararea soluţiilor însoţită de degajare mare de căldură (de exemplu: diluarea acidului
sulfuric, prepararea amestecului sulfocromic din acid sulfuric concentrat şi dicromat de potasiu etc.)
se efectuează în vase de sticlă cu pereţii rezistenţi pentru a evita crăparea lor sau în capsule de
porţelan.
Diluarea acidului sulfuric concentrat cu apă se face întotdeauna prin introducerea acidului
sulfuric în apă în picături şi cu agitare continuă şi nu invers. Dizolvarea acidului sulfuric în apă
- +
are loc cu degajare mare de căldură datorită hidratării ionilor HSO şi H . Prin turnarea apei cu ρ =
4
3
3
1g/cm peste H SO concentrat cu ρ = 1,84 g/cm procesul de hidratare are loc la suprafaţa acidului.
2 4
Căldura degajată nu se transmite masei de acid sulfuric şi soluţia de amestecare poate ajunge la
fierbere. Vaporii formaţi pot antrena cu ei H SO concentrat, producând în acest fel o stropire cu
2 4
acid sulfuric. În schimb, dacă se toarnă acid sulfuric în apă, picătură cu picătură, acidul sulfuric mai
greu, cade la fundul paharului şi soluţia se încălzeşte treptat.
Tabelul CA.04.1. Măsurile de prim ajutor în cazul intoxicaţiilor cu câteva substanţe chimice.
Substanţa Antidot
toxică
F2 - NH4OH (hidroxid de amoniu) diluat.
Cl2 - pulverizarea unei soluţii de Na2CO3 (carbonat de sodiu).
- inspirarea prin batistă înmuiată cu o soluţie de NH4OH

Br2 (hidroxid de amoniu) 10% şi C2H5OH (alcool etilic) în
părţi egale.
HS - se inspiră aer curat şi cantităţi foarte mici de Cl2 (clor).

2
- se recomandă inhalare de oxigen, lapte şi repaus

NO, NO2
complet.
P4 - soluţie 2% de CuSO4 (sulfat de cupru).
As2O3 - soluţie de MgO (oxid de magneziu).
Cele precizate mai sus se bazează pe:

a) Legislaţia în domeniul securităţii şi sănătăţii în muncă, condiţii de muncă (protecţia muncii)
‐ 52 ‐
¾ Norma metodologică din 11.10.2006 de aplicare a prevederilor Legii securităţii şi sănătăţii

în muncă nr. 319 din 2006;
¾ Codul Muncii - Legea nr. 53 din 24 ianuarie 2003, text în vigoare începând cu data de 22
decembrie 2005. Text actualizat în baza actelor normative modificatoare, publicate în Monitorul
Oficial al României, Partea I, până la 19 decembrie 2005;
¾ Legea nr. 319/2006 - Legea securităţii şi sănătăţii în muncă, publicată în Monitorul Oficial
al României nr. 646 din 26 iulie 2006;
¾ Legea nr. 245/2004 privind securitatea generală a produselor;
¾ Legea nr. 177/2000 privind modificarea şi completarea Legii Protecţiei Muncii nr. 90/1996;
¾ Legea nr. 155/2000 pentru aprobarea Ordonanţei de urgenţă a Guvernului nr. 16/2000
privind ratificarea unor convenţii adoptate de Organizaţia Internaţională a Muncii;
b) Legislaţia în domeniul materialelor şi substanţelor periculoase
¾ Legea nr. 360/2003 privind regimul substanţelor şi preparatelor chimice periculoase;
privind clasificarea, etichetarea şi ambalarea substanţelor şi preparatelor chimice periculoase;
privind regimul deşeurilor;
¾ Legea nr. 126/1995 privind regimul materiilor explozive.
c) Hotărârile de Guvern
¾ Hotărârea de Guvern nr. 115/2004 privind stabilirea cerinţelor esenţiale de securitate ale
echipamentelor individuale de protecţie şi a condiţiilor pentru introducerea lor pe piaţă;
¾ Hotărârea de Guvern nr. 119/2004 privind stabilirea condiţiilor pentru introducerea pe piaţă
a maşinilor industriale;
¾ Hotărârea de Guvern nr. 1875/2005 privind protecţia sănătăţii şi securităţii lucrătorilor faţă
de riscurile datorate expunerii la azbest;
¾ Hotărârea de Guvern nr. 1048/2006 privind cerinţele minime de securitate şi sănătate pentru
utilizarea de către lucrători a echipamentelor individuale de protecţie la locul de muncă;
¾ Hotărârea de Guvern nr. 1058/2006 privind cerinţele minime pentru îmbunătăţirea
securităţii şi protecţia sănătăţii lucrătorilor care pot fi expuşi unui potenţial risc datorat atmosferelor
explozive;
locul de muncă;
¾ Hotărârea de Guvern nr. 1092/2006 privind protecţia lucrătorilor împotriva riscurilor legate
de expunerea la agenţi biologici în muncă;
¾ Hotărârea de Guvern nr. 1218/2006 privind stabilirea cerinţelor minime de securitate şi
sănătate în muncă pentru asigurarea protecţiei lucrătorilor împotriva riscurilor legate de prezenţa
agenţilor chimici;
utilizarea în muncă de către lucrători a echipamentelor de muncă;
¾ Hotărârea de Guvern nr. 1425/2006 pentru aprobarea Normelor metodologice de aplicare a
prevederilor Legii securităţii şi sănătăţii în muncă nr. 319/2006.
CA.04.2. Recomandări pentru studenţii care efectuează lucrări practice în laboratorul de

chimie
‐ 53 ‐
¾ Studenţii au acces în laborator numai în prezenţa cadrului didactic.
¾ Studenţii au acces în laborator numai dacă cunosc lucrarea şi normele de protecţia muncii
referitoare la lucrările practice.
¾ În laborator se va păstra ordine şi curăţenie perfectă.
¾ Studentul trebuie să se prezinte la lucrările practice cu un caiet de laborator, precum şi cu

conspectul lucrării experimentale care urmează a fi efectuată.
Tabelul CA.04.2. Măsuri de prim ajutor în cazul arsurilor cu substanţe chimice.
Substanţa
Antidot
toxică
- se spală repede locul cu apă, apoi cu soluţie 1/10 de

Br2 NaOH sau NH OH, din nou cu apă şi se pune o
4
compresă cu soluţie concentrată de Na2S2O3.
- se unge locul cât mai des cu lanolină sau vaselină.
- soluţie 2% de CaCl , soluţie de CH COONH , soluţie

HF 2 3 4
20% de MgO în glicerină.
- se tamponează repede pielea cu hârtie de filtru sau

H2SO4 cârpă uscată, apoi se spală pielea cu apă şi se unge locul
atins cu vaselină sau ulei.
- se tamponează şi se aplică pe rană pentru scurt timp un

pansament cu una din soluţiile AgNO (1/1), KMnO
3 4
P4
(1/10) sau soluţie 5% de CuSO4, apoi se spală rana cu
apă şi se aplică un pansament de vaselină cu violet de
metil, după ce epiderma arsă a fost bine întinsă. Pentru
arsurile grave ne adresăm medicului.
HCl
- se spală locul cu multă apă, apoi cu o soluţie de
H2SO4 NaHCO 2% pentru neutralizare.
3
HNO3
NaOH - se spală locul cu multă apă, apoi cu o soluţie

neutralizantă de CH COOH diluat 2%.
KOH 3
¾ Se interzice îngrămădirea obiectelor din dotare pe masa de lucru, acestea punându-se imediat la
loc după utilizare.
¾ Este interzisă consumarea de alimente sau lichide în laborator.
‐ 54 ‐
¾ Este strict interzis fumatul în laborator.
¾ Studentul va evita deplasările inutile pentru a evita stânjenirea colegilor şi a accidentelor.
¾ Lucrările se vor efectua numai după ce studentul este bine documentat asupra modului de lucru
şi după ce a discutat în detaliu planul lucrării cu cadrul didactic.
¾ Se interzice efectuarea altor lucrări în afara celor indicate.
¾ În laborator se lucrează individual iar orice problemă neclară se va semnala cadrului didactic.
¾ Nu este permisă folosirea sticlelor de reactivi de la alte lucrări. Înainte de a deschide o sticlă cu
reactivi se va citi cu atenţie eticheta.
¾ Reactivii se manevrează astfel încât să se evite impurificarea lor.
¾ După efectuarea experienţelor cu substanţe deficitare, costisitoare ca azotatul de argint, iodul,

alcoolul etilic, acestea nu se aruncă ci se depozitează în sticle pentru recuperarea lor ulterioară.
¾ Nu se aruncă în chiuvetă hârtii, chibrituri, cioburi, substanţe corozive etc.
¾ La terminarea lucrărilor, studentul trebuie să lase ordine pe masa de lucru şi în laborator.
¾ Observaţiile, datele experimentale acumulate în timpul efectuării lucrării practice, precum şi

prelucrarea acestora se notează în caietul de laborator.
¾ Caietul de lucrări practice va cuprinde rezumatul (conspectul) lucrării, înregistrarea datelor,

descrierea detaliată a observaţiilor în timpul experienţei cât şi efectuarea calculelor şi graficelor.
¾ Caietul de laborator va fi verificat şi semnat de către cadrul didactic, la finalul fiecărei şedinţe
de laborator.
‐ 55 ‐
SEMNE DE AVERTIZARE
‐ 56 ‐
CA.04.3. Ustensile, sticlărie şi aparatură de laborator
Laboratorul de chimie este dotat cu:

¾ reţea electrică, care serveşte atât iluminatul general, cât şi alimentarea cu energie a diferitelor
aparate;
¾ instalaţie de ventilaţie naturală (ferestre, uşi), cât şi prin hote şi nişe;
¾ instalaţie de încălzire;
¾ instalaţie de gaze naturale, butelii cu gaz lichefiat sau băi de nisip.
Masa de lucru este de formă dreptunghiulară, din inox sau acoperită cu faianţă, prevăzută cu
sertare. În laborator sunt rafturi, pe care se păstrează în sticle şi borcane perfect curate, etichetate şi
închise ermetic, reactivi şi probe de analizat.
Nişa are formă paralelipipedică, cu pereţi transparenţi din sticlă montată pe rame de lemn
sau metal. Nişa este prevăzută cu instalaţii de aerisire (exhaustoare), apă, gaz şi electricitate.
Accesul la nişă se face prin uşa mobilă a acesteia.
1. Ustensile de laborator
a) Trepied b) Sită metalică cu c) Foarfecă

azbest
d) Bec Bunsen e) Bec Teclu f) Bec Meker
g) Cleşte h) Spatule i) Pensetă
‐ 57 ‐
j) Magneţi de agitare k) Dopuri de l) Suport pentru

cauciuc pâlnii
m) Cleme de metal n) Mufă o) Stativ

sau lemn, cu trei sau
patru degete, cleme
furtun
p) Furtun flexibil r) Stativ pentru s) Stativ pentru

eprubete biurete
2. Sticlărie de laborator
a) Eprubete b) Sticle pentru reactivi
‐ 58 ‐
c) Pahar Berzelius d) Pahar Erlenmeyer
e) Pahar Erlenmeyer de vid f) Cilindru gradat
g) Baloane cotate cu fund plat h) Pipete h’) Pipete Pasteur

şi rotund
i) Biuretă j) Sticle picurătoare
k) Sticlă de ceas l) Pâlnie de separare
‐ 59 ‐
m) Pâlnie de filtrare n) Exicator
o) Baghete p) Vas pentru apă distilată
q) Fiolă de cântărire r) Mojar cu pistil
s) Refrigerent t) Pisetă
3. Aparatură de laborator
a) Agitator magnetic b) Termostat
‐ 60 ‐
c) Etuva d) Centrifugă
e) pH-metru portabil f) Conductometru
g) Balanţă analitică h) Colorimetru
i) Termometre j) Cronometre, timere
Balanţa analitică. Utilizare
Măsurarea masei se face cu ajutorul balanţelor sau cântarelor. Dacă se doreşte o precizie
foarte mare atunci se folosesc balanţele analitice. Balanţa analitică este un instrument (mecanic sau
electronic) de mare precizie (10-4 g) cu ajutorul căreia se măsoară masa de substanţă (figurile
CA.04.1 şi CA.04.2). Funcţiile balanţei sunt următoarele: cântărire analitică, determinare de
densitate, totalizare, statistică, cântărire procentuală, numărare componente, verificare greutăţi,
calibrare pipete, cântăriri diferenţiale, cântăriri dinamice.
‐ 61 ‐
1. Balanţa analitică cu unul sau două talere (figura CA.04.1)
a) b)
Figura CA.04.1. Tipuri de balanţe analitice: a) manuală; b) automată.
Pentru o bună desfăşurare a măsurătorilor trebuie urmate cu stricteţe anumite reguli:
¾ Se conectează balanţa la reţeaua de curent electric;
¾ Se verifică dacă balanţa este bine echilibrată;
¾ Se verifică dacă tamburul din partea dreaptă sus indică cifra zero, în caz contrar se aduce la
zero;
¾ De la butonul din partea de jos a balanţei prin răsucire se deschide (se dezaretează) balanţa şi se
aşteaptă stabilizarea acesteia;
¾ Dacă balanţa este pe poziţia zero, atunci aceasta se închide (se aretează);
¾ Se aşează proba pe talerul din stânga al balanţei analitice. În cazul în care trebuie să se
cântărească substanţe solide, se aşează mai întâi pe taler o sticlă de ceas sau fiolă de cântărire;
¾ Se cântăreşte aceasta iar mai apoi se pune pe sticla de ceas substanţa pe care dorim s-o cântărim;
¾ Pe talerul din dreapta se aşează greutăţi din cutia de greutăţi;
ATENŢIE: Greutăţile se manipulează întotdeauna cu ajutorul pensetei pentru a se evita
modificarea greutăţii acestora prin petele de grăsime care ar apărea datorată manipulării
directe cu mâinile!
¾ Se verifică dacă ambele ferestre laterale ale balanţei analitice sunt închise.
ATENŢIE: Pe tot parcursul cântăririi uşile balanţei trebuie să fie închise pentru a se evita
curenţii de aer care pot devia talerele, iar suportul pe care se găseşte balanţa trebuie ferită de
vibraţii!
¾ Se deschide din nou balanţa şi se urmăreşte indicaţiile cadranului central. Dacă acul indicator
depăşeşte zona pozitivă a riglei gradate, atunci se adaugă greutăţi pe talerul din dreapta. Dacă însă
acul indicator depăşeşte zona negativă atunci se vor scoate greutăţi de pe talerul din partea dreaptă.
ATENŢIE: Întotdeauna, când se scot sau se adaugă greutăţi, balanţa trebuie să fie aretată!
¾ Când variaţia este mai mică decât 1g atunci se trece la adăugarea de greutăţi cu ajutorul
tamburului exterior din partea dreaptă sus al balanţei analitice;
¾ Prin rotirea tamburului exterior se adaugă zecimi de gram, iar de la tamburul interior, se adaugă
sutimi de gram.
¾ Miimile de gram, respectiv zecimile de miimi de gram se citesc de pe rigla gradată, luminoasă.
ATENŢIE: Întotdeauna citirile se fac de către aceeaşi persoană pentru a evita erorile umane
de citire.
‐ 62 ‐
Citirea se face astfel: se însumează gramele de pe talerul balanţei, zecimile şi sutimile de gram
citite de pe tamburul exterior şi interior. Dacă miligramele citite pe indicaţia luminoasă a scalei
balanţei se află în zona pozitivă (0 – 10 mg), atunci acestea se adaugă la calculul făcut mai sus.
Dacă ceea ce se citeşte pe rigla gradată se află în zona negativă (0 – (-10) mg), atunci din valoarea
masei calculate anterior se va scădea valoarea citită pe ecran.
2. Balanţa analitică electronică (figura CA.04.2)
Pentru a face cântăriri corecte la balanţa analitică electronică trebuie să se ţină seama în acest caz de
următoarele:
¾ Să nu se amplaseze balanţa într-un curent de aer;
¾ Să nu se amplaseze balanţa analitică lângă surse de căldură sau direct la soare;
¾ Să nu se amplaseze balanţa într-o încăpere cu umiditatea ridicată;
¾ Suportul pe care se află balanţa trebuie să fie stabil, să nu fie supus vibraţiilor;
¾ Suportul pe care se aşează balanţa trebuie să fie perfect orizontală, astfel încât bula de aer să fie
în centrul cercului marcat, în caz contrar trebuie reglată orizontalitate din picioruşe (figura
CA.04.2):
Figura CA.04.2. Balanţa analitică electronică: 1. tasta ON/OFF; 2. tasta T (tare); 3. citire digitală a
greutăţii cu detector de stabilitate; 4. tasta MODE; 5. nivel de control al orizontalităţii; 6. taler de
cântărire din aluminiu; 7. şuruburi de reglarea a orizontalităţii.
Balanţa analitică se bazează pe un principiu de funcţionare simplu:

¾ Se cuplează balanţa la circuitul electric,
¾ Se apasă scurt tasta ON/OFF şi astfel se porneşte balanţa;
¾ Se aşteaptă până când balanţa se stabilizează şi se apasă tasta TARE după care pe ecran apare
valoarea 0,0000 g. [Z04]
¾ Se deschide fereastra laterală şi se aşează pe talerul de aluminiu obiectul a cărei masă dorim s-o
aflăm.
¾ Se închide fereastra, pentru a evita influenţarea de către curenţii de aer a valorii măsurate;
¾ Se aşteaptă să se stabilizeze valoarea masei pe ecran;
¾ În cazul în care trebuie să se cântărească substanţe solide, se aşează mai întâi pe taler o sticlă de
ceas sau fiolă de cântărire (după caz) după care se apasă tasta „TARE”, pentru tararea aparatului şi
se aşteaptă stabilizarea balanţei indicată de apariţia valorii 0,0000g.
¾ Se pune pe sticla de ceas substanţa pe care dorim s-o cântărim şi se aşteaptă stabilizarea valorii
de pe ecran.
¾ După terminarea măsurătorilor, se închide aparatul din aceeaşi tastă ON/OFF;
¾ Se decuplează balanţa electronică de la reţeaua de curent electric.
‐ 63 ‐
Capitolul CA.05. Autoevaluare
● Exerciţii / probleme rezolvate

1. Sa se calculeze abaterea pătratica medie a punctelor de la dreapta cea mai probabilă folosind
valori medii.
Rezolvare:
Valoarea lui s0 dată de relaţia:
∑ (y − Yi ) ∑y − a ∑ y i − b∑ x i y i
2 2
S i i
s 02 = = =
n−2 n−2 n−2
sau
y 2 − a y − b ⋅ xy
s 02 = ⋅n
n−2
se poate afla, dacă se ţine seama de valorile lui a şi b obţinute anterior:
_2
y −y
2
bx = _ _
şi a = y − b x
xy − x y
Din ecuaţiile de mai sus se poate obţine xy (care este

∑x y i i
).
n
2
xy = a ⋅ x + b ⋅ x
La această ecuaţie se mai adaugă:
y = a + bx
care spune că centrul de greutate al norului de puncte se află pe dreapta cea mai probabilă.
Aceste două ecuaţii ne ajută să eliminăm unii termeni din dezvoltarea sumei abaterilor pătratice
medii de la numitor, astfel:
S= ∑y 2
i − 2∑ y i Yi + ∑ Yi2
Înlocuind Yi = a + bxi se obţine:
S = ∑ y i2 + na 2 + b 2 ∑ x i2 − 2a ∑ y i − 2b∑ x ii y i + 2ab∑ x i.
sau trecând la valori medii z =

∑z i
, cu zi = xi , yi sau xi yi,
n
‐ 64 ‐
S
= y 2 − a ⋅ y − a ⋅ y − b ⋅ xy − b ⋅ xy + a 2 + ab ⋅ x + ab ⋅ x + b 2 x 2
n
1 2 3 4 5 6 7 8 9
Termenii s-au grupat astfel, încât să se vadă uşor, că termenul 3, în care s-a înlocuit y cu a + b x
(ecuaţia de mai sus) se anulează cu termenii 6 şi 7, iar termenul 5, după înlocuirea lui xy , se
S
anulează cu termenii 8 şi 9, ceea ce rămâne este din ecuaţia lui s2 de mai sus.
n
2. Rotunjiti urmatoarele numere: a) 19,0264; b) 19,02671 si 19,0256; c) 19,0350 si 19,0650?
Rezolvare:
a) dacă prima cifră care trebuie neglijată este mai mică decât cinci, atunci cifra menţinută rămâne
neschimbată:
19,0264 ≅ 19,026;
b) dacă prima cifră care trebuie neglijată este mai mare decât cinci sau este chiar cinci, urmată de
cifre diferite de zero, ultima cifră păstrată, se măreşte cu o unitate:
19,02671 ≅ 19,03; 19,0256 ≅ 19,03;
c) dacă cifra care trebuie neglijată este cinci urmată de zerouri, numărul se rotunjeşte la cea mai
apropiată valoare pară:
19,0350 ≅ 19,04 ; 19,0650 ≅ 19,06.
3. Calculaţi eroarea absolută şi relativă a vitezei cu care se deplasează o particulă sferică, de rază r
şi densitate ρ2, într-un mediu lichid cu densitatea ρ1 şi coeficientul de viscozitate η, sub acţiunea
gravitaţiei.
Rezolvare:
Viteza cu care se mişcă o particulă sferică de rază r şi densitate ρ2 într-un mediu lichid cu densitatea
ρ1 şi coeficientul de viscozitate η, sub acţiunea gravitaţiei este dată de formula:
2 ρ 2 − ρ1 2
V= gr
9 η
Eroarea absolută a lui V va fi:
2 ⎛ Δρ 2 + Δρ1 2 ρ 2 − ρ1 ρ −ρ ⎞
ΔV = g⎜⎜ ⋅r + ⋅ 2r ⋅ Δr + 2 2 1 ⋅ r 2 ⋅ Δη ⎟⎟
9 ⎝ η η η ⎠
iar eroarea relativă:
ΔV ⎛ Δρ 2 + Δρ1 Δr Δη ⎞
= ⎜⎜ +2 + ⎟.
V ⎝ ρ 2 − ρ1 r η ⎟⎠
4. Sa se calculeze eroarea absolută şi relativă pentru puterea calorifică superioară a unui

combustibil.
‐ 65 ‐
Rezolvare:
Puterea calorifică superioară a unui combustibil se calculează după formula:
KΔT − q t
Qs =
m
unde: K este capacitatea calorică a vasului, ΔT este creşterea de temperatură, m este masa
combustibilului (pastilei), iar qt este corecţia totală de căldură.
Eroarea absolută va fi:
ΔTΔK + KΔ (ΔT) + Δq t ΔT ⋅ K − q t
Qs = + Δm
m m2
iar eroarea relativă:
ΔQ s ΔTΔK + KΔ(ΔT ) + Δq t Δm
= +
Qs KΔT − q t m
5. Într-un experiment efectuat la temperatură constantă, s-a determinat evoluţia în timp a

concentraţiei bromului dată în tabelul 2 (Hill, 1977). Utilizând aceste date experimentale, din
tabelul 1, să se calculeze ordinul de reacţie, n şi valoarea constantei de viteză, k, la temperatura de
lucru.”
Tabel 1: Date experimentale
Nr. Nr. Conc. Br2,

t i, Conc. Br2, ti, min
exp. exp. CA(ti), mol/L
min CA(ti), mol/L (continuare)
(i) (i) (continuare)
1 0 0,3335 11 19,60 0,1429
2 2,25 0,2965 12 27,00 0,1160
3 4,50 0,2660 13 30,00 0,1053
4 6,33 0,2450 14 38,00 0,0830
5 8,00 0,2255 15 41,00 0,0767
6 10,25 0,2050 16 45,00 0,0705
7 12,00 0,1910 17 47,00 0,0678
8 13,50 0,1794 18 57,00 0,0553
9 15,60 0,1632 19 63,00 0,0482
10 17,85 0,1500 - - -
‐ 66 ‐
Rezolvare:
Utilizând datele din Tabelul 1, se pot evalua valorile vitezei de reacţie pe intervalele de timp dintre
măsurătorile succesive ale concentraţiei bromului, aproximând derivata concentraţiei prin rapoarte
de diferenţe finite. Rezultatele sunt prezentate în Tabelul 2.
Tabel 2: Rezultate
ni vRA,i
ki = yi = ln(vRA,i )
CnA,i
CA,i 102· vRA,i x i = ln(CA ,i ) yi = a0 + a1 xi Δi
rel. (20)
cu j=1 [mol1-nLn-1min-1]
0,3150 1,644 - 0,0969 -1,155 -4,1078 -4,1497 0,1536
0,2812 1,356 1,7047 0,0950 -1,2685 -4,3010 -4,3197 0,1393
0,2555 1,147 1,7186 0,0932 -1,3645 -4,4675 -4,4637 0,1278
0,2352 1,168 1,1729 0,1077 -1,4471 -4,4502 -4,5876 0,1185
0,2152 0,911 1,5508 0,0963 -1,5360 -4,6983 -4,7208 0,1092
0,1980 0,800 1,5519 0,0961 -1,6195 -4,8283 -4,8461 0,1014
0,1852 0,773 1,4204 0,1030 -1,6863 -4,8622 -4,9464 0,0960
0,1713 0,771 1,2426 0,1158 -1,7643 -4,8647 -5,0634 0,0908
0,1566 0,587 1,4748 0,1011 -1,8541 -5,1385 -5,1980 0,0865
0,1464 0,406 1,8273 0,0775 -1,9211 -5,5073 -5,2985 0,0846
0,1294 0,364 1,6973 0,0839 -2,0445 -5,6171 -5,4836 0,0844
0,1106 0,357 1,4609 0,1047 -2,2014 -5,6361 -5,7190 0,0902
0,0941 0,279 1,4696 0,1049 -2,3629 -5,8826 -5,9612 0,1020
0,0798 0,210 1,4996 0,1017 -2,5276 -6,1658 -6,2083 0,1183
0,0736 0,155 1,6244 0,0851 -2,6091 -6,4695 -6,3306 0,1275
0,0691 0,135 1,6487 0,0816 -2,6715 -6,6077 -6,4241 0,1349
0,0615 0,125 1,5782 0,0903 -2,7879 -6,6846 -6,5988 0,1494
0,0517 0,118 1,4571 0,1116 -2,9613 -6,7394 -6,8589 0,1722
Media Media
n =1,535 k= 0,097
Aceste rezultate pot fi folosite la calcularea coeficientului de determinare (R2), al corelării valorilor
experimentale prin expresia de viteză (forma liniarizată) conform:
‐ 67 ‐
n n

∑ (y -y )
j=1
j j
2
∑y
j=1
j
2
R =1- n
; y= (pentru echivalenţă cu celelalte formule a se vedea anexa CA).
n
∑y
j=1
j
2
-n y 2
Înlocuind valorile numerice din Tabelul 3, rezultă:

n n

y = 1,174 ⋅104 ; ε = ∑ (y j -y j )2 = 1,1158 ⋅107 ; ∑y j
2
=1,149 ⋅109 ; R2 = 0,94.
j=1 j=1
Aceste rezultate indică o adecvanţă acceptabilă a expresiei de viteză la valorile experimentale din
tabelul 1.
Tabel 3: Valori numerice

CS, vRS, x Y yi
mol⋅L-1 mol⋅L-1⋅min-1 L⋅mol -1 L⋅min⋅mol-1 L⋅min⋅mol-1
4,10⋅10-3 1,25⋅10-4 243,9 8000 8408,02
9,50⋅10-4 1,22⋅10-4 1052,6 8196,7 8466,6
5,20⋅10-4 1,22⋅10-4 1923,1 8196,7 8529,7
1,03⋅10-4 0,93⋅10-4 9708,7 10752,7 9093,8
4,90⋅10-5 1,24⋅10-4 20408,2 8064,5 9869,1
1,06⋅10-5 5,8⋅10-5 94339,6 17241,4 15226,1
5,10⋅10-6 4,6⋅10-5 196078,4 21739,1 22597,9
Se poate pune întrebarea dacă calitatea rezultatelor este mai modestă decât în celelalte
aplicaţii prezentate, ca urmare a unui număr mai mic de puncte experimentale şi a unor erori mai

mari ale modelului în aceste puncte (valori absolute mai mari ale diferenţei ( yi - yi) şi este necesar
să îmbunătăţim rezultatele prin mărirea numărului de măsurători experimentale, eventual acurateţea
acestora sau pot fi acceptate aceste rezultate ca fiind o asociere semnificativă certă între variabila
independentă şi cea dependentă şi modelul este validat din punct de vedere statistic.
Etape în rezolvarea aplicaţiei:
Se verifică semnificaţia coeficientului de corelaţie. Din datele furnizate se cunoaşte doar

coeficientul de determinare, R2 = 0,94, deci se poate deduce doar modulul coeficientului de
corelaţie, nu şi direcţia lui:
‐ 68 ‐
r = R 2 = 0,94 = 0,969 şi în consecinţă este obligatorie testarea ipotezei de nul în condiţiile în

care avem o relaţie bilaterală (two-tailed) între variabile. Pentru aceasta se vor parcurge următoarele
etape:
i) Se alege nivelul de semnificaţie dorit, în cazul de faţă 0,05. Aceasta înseamnă că la efectuarea a
100 de experimente se va obţine un rezultat bun datorat întâmplării doar în maxim 5 cazuri din cele
100. În restul cazurilor se va obţine un rezultat bun datorită asocierii reale dintre variabile. Dacă
nivelul este 0,01 relaţia este şi mai puternică, iar eroarea are loc doar într-un singur caz din 100,
testul de semnificaţie de 0,01 fiind mai riguros şi mai semnificativ la nivelul de 0,01 decât la nivelul
de 0,05 şi este nevoie de o corelaţie mai puternică pentru a atinge nivelul de semnificaţie de 0,01.
ii) Se stabileşte numărul gradelor de libertate: df = N-2 = 7-2 = 5.
iii) Se citeşte din tabelul (prezentat mai sus) valorilor critice ale coeficientului de corelaţie în funcţie
de pragurile de semnificaţie şi numărul gradelor de libertate valoarea lui rcritic pentru intersecţia
coloanei corespunzătoare a nivelul de semnificaţie de 0,05 cu rândul celor 5 grade de libertate şi se
obţine rcritic = 0,757.
iv) Conform ipotezelor de lucru, dacă valoarea lui r obţinută în urma calculării sale din datele
experimentale o depăşeşte pe cea din tabel, atunci acest coeficient de corelaţie este semnificativ la
pragul de semnificaţie ales, în cazul nostru de 0,05 (notat si cu 0,05) şi numărul de grade de
libertate specificat, 5. Din tabel, se poate vedea că valoarea coeficientului de corelaţie necesară
pentru un r semnificativ la 5 grade de libertate este 0,757 cifra mai mică decât cea obţinută
experimental.
rexperimental = 0,969 > rcritic = 0,757
Interpretarea acestui rezultat arată că ipoteza nula fixată în testul t-Student este respinsă şi că există
o relaţie semnificativă din punct de vedere statistic între variabile. Din tabel se mai poate observa că
valoarea experimentală a lui r, (0,969) este semnificativă chiar şi la un prag de semnificaţie inferior
p = 0,01 si df = 5, în dreptul căreia era trecuta în tabel valoarea de 0,874.
v) Dacă însă valoarea lui r obţinută în urma calculării sale ar fi fost mai mică decât valoarea din
tabel, atunci ipoteza de nul este acceptată la pragul de semnificaţie ales, în cazul nostru de 0,05.
Acceptarea ipotezei nule arată că datele experimentale obţinute nu sunt asociate, variaţia variabilei
considerate dependentă fiind complet aleatoare de cea independentă.
Un alt exemplu de calcul ilustrativ este prezentat aici.
● Exerciţii / probleme propuse spre rezolvare
1. Să se calculeze erorile absolute şi relative ale funcţiilor de mai jos, variabilele afectate de
eroare fiind xi:
‐ 69 ‐
a) y(x1, x2) = x1 e x 2 ; e) y(x1, x2) = x1ln x2;
x 1 x2
b) y(x1, x2) = a x 1 2 ; f) y(x1, x2) = a x1 ;
c) y(x1, x2) = x1sin x2; g) y(x1, x2) = x1 tgx2;
d) y(x1, x2) = x1cos x2; h) h) y(x1, x2) = x1 ctgx2.
2. Să se calculeze eroarea cea mai probabilă a constantei de viteză a descompunerii apei oxigenate,
la o anumită temperatură şi concentraţie a catalizatorului, ştiind că după t = 10 min. de la începutul
determinării, nivelul lichidului în biuretă era Vt = 18,55 ml, iar în momentele iniţial şi final acest
nivel era V0 = 3,43 ml respectiv V∞ = 37,2 ml. Erorile cele mai probabile ale măsurătorilor sunt: δt
= 1 s şi δV = 0,02 ml pentru toate trei volumele.
3. Să se afle eroarea absolută şi relativă a determinării potenţialului unui electrod redox:
RT a ox
ε(ε 0 , T, a ox , a red ) = ε 0 + ln .
zF a red
4. Se dau pH1 = 1,52 şi pH2 = 7,70, eroarea absolută fiind în ambele cazuri de 0,01. Să se calculeze
[H+]1 şi [H+]2 şi erorile absolute şi relative ale concentraţiilor ionilor de hidrogen.
● Întrebări recapitulative [Z01]
1. Explicaţi noţiunea de eroare. Daţi exemple de apariţie a erorilor în situaţii reale.
2. Definiţi noţiunea de eroare absolută şi relativă. Exemplificaţi. Cum se va modifica formula de

calcul a erorii relative, dacă eroarea trebuie indicată în % în raport cu valoarea exactă a mărimii
cercetate?
3. Despre aparatele de măsură digitale se poate afirma că:

a) măsoară exact;
b) nu sesizează valori ale mărimii fizice mai mici decât pasul de incrementatare ;
c) poziţiile START, STOP pot să introducă o incertitudine de 1 în numărarea pulsurilor;
d) au un indice mobil în faţa scării gradate.
4. Indicatorii statistici deduşi pe baza legii de distribuţie Gauss se referă la:

a) erorile aleatorii;
b) erorile sistematice;
c) erorile de sensibilitate;
d) toate clasele de erori.
5. O bară cu lungimea exactă de 100 cm a fost măsurată cu o eroare absolută de 2 cm.
Care sunt valorile posibile, obţinute în procesul de măsurare?
‐ 70 ‐
6. Volumul exact al unui vas este de 20l. Măsurările de volum au fost efectuare cu o eroare relativă
de 0,001. Care sunt valorile posibile ale volumului măsurat?
7. O bară are lungimea de 100 cm. În urma unei măsurări a fost stabilită o valoare a lungimii egală
cu 101 cm. Distanţa dintre punctele A si B este de 3000 m. În urma măsurării s-a obţinut distanţa de
2997 m. Se cere să se determine eroarea relativă a fiecărei măsurări si măsurarea mai exactă.
8. Identificaţi principalele surse de erori. Exemplificaţi.
9. Explicaţi noţiunea de eroare de aproximare.
10. La reprezentarea grafică a rezultatelor unui set de măsurători:

a) pe axe se scriu toate valorile experimentale;
b) segmentele dintre numerele succesive scrise pe axe sunt egale între ele;
c) scările celor două axe pot fi egale sau inegale;
d) într-o reprezentare liniară de forma y = a+mx, constantele a şi m pot fi dimensionale sau
adimensionale.
‐ 71 ‐
Anexa CA
Coeficientul de corelaţie sau coeficientul Pearson este un indicator independent de unităţile de
măsură ale celor două variabile :
COV(X, Y)
r=
Sx ⋅ Sy
unde: SX şi SY reprezintă abaterile standard pentru seriile X şi respectiv Y.
cum:
n n

∑ (y j − y j )2
j=1
∑ (y
j=1
j − y j )2
r = 1− n
, atunci r 2 =1 − n
∑ (y
j=1
j − y)2 ∑ (y
j=1
j − y) 2
Dar din formula de definire a lui R2 avem:

n

SSerr
∑(yj =1
j − y j )2
R 2 =1- =1 − n
SS tot
∑(y
j =1
j − y)2
unde: SSerr este suma pătratelor rezidualelor, iar SStot suma totală a pătratelor;
Astfel, rezultă că: r2=R2.
De arătat că şi următoarele 2 formule sunt echivalente:

n n

SSerr
∑ ( y j − y j )2
j =1
∑(y
j =1
j − y j )2
R 2 =1- =1 − echivalent cu R 2 =
( )
n n
SS tot 2
∑(y
j =1
j − y)2 ∑y
j =1
2
j −N y
Cum cele 2 relaţii au numărătorul identic, vor fi echivalente dacă şi numitorul este identic, mai
precis dacă:
( )
n n 2
∑ ( y j − y)2 =
j =1
∑ y 2j − n y
j =1
Luăm membrul stâng şi îl desfacem în termeni:
( ( ))
n n 2
∑ (y j − y)2 = ∑ y2j − 2y j y + y
j=1 j=1
‐ 72 ‐
∑(y ( ))
2
⎛ 2⎞ 1⎛ n ⎞
() ()
n n
2 1 n n n 2
2
j − 2y j y + y = ∑ ⎜ y 2j − 2y j ∑ y j + y ⎟ = ∑ y2
j− 2 ⎜∑ j ⎟ ∑ y
y +
j=1 j=1 ⎝ n j=1 ⎠ j=1 n ⎝ j=1 ⎠ j=1
Dar:
2 2
1⎛ n ⎞ n ⎛ n ⎞
() ∑ ( y) ()
2 n 2 2
2 ⎜ ∑ y j ⎟ = 2 2 ⎜ ∑ y j ⎟ = 2n y şi =n y
n ⎝ j=1 ⎠ n ⎝ j=1 ⎠ j=1
de unde rezultă că:
() () ()
n n 2 2 n 2
∑ (y j − y)2 = ∑ y2j −2n y + n y
j=1 j=1
= ∑ y 2j −n y
j=1
‐ 73 ‐
Capitolul CA.06. Bibliografie
[A01] Balaban A. T., Klein Douglas J., ”Is chemistry ‘The Central Science’? How are different
sciences related? Co-citations, reductionism, emergence, and posets Scientometrics, 2006, 69, 615-
637.
[C01] Cockren A., Alchimia (Maestrul şi Marea Operă), trad. Ana Precup şi Ramona Ardelean,
Editura Herald, Bucureşti, 2005.
[D01] Davies J.A., Elementary survey analysis, New Jersey, Prentice-Hall Inc., 1974.
[E01] Eliade M., Alchimia asiatică, Editura Humanitas, Bucureşti, 2003.
[H01] Horovitz O., Istoria Chimiei – manuscris, U.B.B. Cluj-Napoca, 2010.
[H02] Hopkins W. G., Measures of reliability in sports medicine and science, Sports Medicine 30,
1-15, 2000.
[J01] Jankowski E., Glotzer Sharon C., Calculation of Partition Functions for the Self-Assembly of
Patchy Particles, The Journal of Physical Chemistry B2011 115 (48), 14321-14326, 2011.
[M01] Macarovici Gh., Chimie anorganică – Metale, Bucureşti, Ed. Did. şi Ped., 1972.
[M02] Mesaroş A., Bolunduţ L., Ungureşan M.-L., Experimente de Chimie Generală, Ed. Galaxia
Gutenberg, Colecţia Tehne 5, ISBN: 978-973-141-228-3, 2010, pg. 197.
[M03] Morachevskii A.G., 70th Anniversary of the Foundation of Russia's Aluminum Industry,
Russian Journal of Applied Chemistry 75(5) 856–860, 2005.
[N01] Niac G., Horovitz O., Mureşan I., Ungureşan M.-L., Chimie Fizică – Îndrumător pentru
lucrări de laborator, Universitatea Tehnică Cluj-Napoca, 1998, p. 90.
[R01] Rodgers J. L., Nicewander W. A., Thirteen ways to look at the correlation coefficient. The
American Statistician, 42(1), 59–66, 1988.
[S01] Stoica L., Constantinescu I., Naşcu H. I., Chimie Generală şi Analize Tehnice, Bucureşti, Ed.
Didactică şi Pedagogică, 1992.
[S02] Străjescu M., Cosma M., Chimie anorganică pentru elevi şi absolvenţi de licee, Cluj-Napoca,
Ed. Dacia, 1975.
[Z01] ***, CALCUL NUMERIC. Erori în calculul numeric,

http://www.stireal.edu.md/informatica/candidat/calcul_numeric_2.pdf (septembrie 2012).
[Z02] ***, Critical Values for Pearson's Correlation Coefficient,

http://capone.mtsu.edu/dkfuller/tables/correlationtable.pdf (martie 2013).
‐ 74 ‐
[Z03] ***, Istoria chimiei – Wikipedia, http://ro.wikipedia.org/wiki/Istoria_chimiei (septembrie

2012).
[Z04] ***, Sistemul internaţional de unităţi – Wikipedia,

http://ro.wikipedia.org/wiki/Sistemul_interna%C8%9Bional_de_unit%C4%83%C8%9Bi#Unit.C4.
83.C8.9Bi_SI_fundamentale (septembrie 2012).
[Z05] http://statisticasociala.tripod.com/regresie.htm.
[Z06] http://mathworld.wolfram.com/Correlation Coefficient - Bivariate Normal Distribution.
[Z07] http://www.gifted.uconn.edu/siegle/research/correlation/alphaleve.htm.
‐ 75 ‐

Chimie C Ca. Obiectul Chimiei

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Chimie C Ca. Obiectul Chimiei

Încărcat de

Drepturi de autor:

Formate disponibile

CHIMIE*C* CA.

Capitolul CA.01. Introducere …………………………………………………………………………………………………. 3

Capitolul CA.01. Introducere

Ordonarea parţială a ştiinţelor, propusă de Balaban şi Klein [A01] se prezintă în Figura

Figura CA.01.1. Ordonarea parţială a ştiinţelor [A01]

În general, chimia are următoarele obiective:

CA.01.2. Ramurile chimiei

În cadrul chimiei descriptive se studiază şi se clasifică în funcţie de structură şi proprietăţi

Chimia organică se ocupă cu studiul structurii, proprietăţilor, reacţiilor de sinteză sau de

Chimia analitică este o ramură a chimiei care se ocupă de stabilirea compoziţiei şi a

Observaţiile pe care chimia-fizică le sistematizează şi le explică sunt cuprinse în legi care

Cunoaşterea în detaliu a noţiunilor de chimie-fizică permite omului să pătrundă profund în

Biologia, fizica, geologia, informatica şi matematica au contribuit la formarea domeniilor de

Biochimia structurală se ocupă cu studiul moleculelor vieţii: proteine şi aminoacizi, glucide,

Biochimia acizilor nucleici şi studiul codului genetic, sinteza proteinelor (transcripţia şi

Chimia macromoleculară studiază substanţe ca celuloza, amidonul, proteinele, enzimele,

CA.01.3. Istoricul chimiei [H01]

Alchimia (3000 î.Hr. -330 î.Hr.)

Alchimia s-a preocupat de studiul compoziţiei apelor, mişcării, creşterii, corporalizării,

2. Arta sfântă: alchimia egipteană (3.000 î.Hr. – 700 d.Hr.)

• Zosimos din Panopolis (sec. III-IV).

• Djabir ibn-Hayyan, latinizat Geber (721-815) - a subliniat necesitatea experimentului. I se

5. Alchimia europeană (1300 – în prezent)

• Vannoccio Biringuccio (1480-1538) a fost chimist, metalurg din Siena. A scris De la

• Andreas Libavius (1540-1616) - a elaborat Alchymia (1597), primul manual sistematic de

• Paracelsus (Philippus Theophrastus Aureolus Bombastus von Hohenheim) (1493 - 1541) –

• Johannes Baptista van Helmont (1579-1644) – a fost un alchimist, chimist, medic i

• Nikolai Nikolaevici Beketov (1827-1911): înlocuirea metalelor cu H2, substituirea metalelor

• William Ramsay (1852-1916): determinarea maselor moleculare, descoperă Ar (cu Rayleigh,

• Pierre Curie (1859-1906): cercetări cristalografice, descoperă piezoelectricitatea (1880,

• Marie Curie (Skłodowska) (1867-1934): studiul radioactivităţii uraniului şi thoriului,

• Irène Joliot-Curie (1897-1956): studiul fenomenelor radioactive, bazele radiochimiei; a

• Ernest Rutherford, baron de Nelson (1871-1937). Studii asupra radioactivităţii, radiaţii α şi β

• Max Born (1882-1970): dezvoltarea mecanicii cuantice; verificarea experimentală a principiului

• Chimia (1998) - studiul materiei şi al transformărilor pe care le suferă (RAYMOND CHANG).

CA.01.4. Chimişti români remarcabili

• Biochimie (cultura Chaborski), chimie fízică; colab. G. G. Longinescu;

Capitolul CA.02. Distribuţia elementelor chimice în natură

Figura CA.02.2. Zone structurale ale atmosferei.

Capitolul CA.03. Erori de măsurare

CA.03.1. Conceptul de control al măsurării

Ansamblul operaţiilor experimentale care se execută în scopul determinării valorii unei

Măsurarea constă nu numai în găsirea valorii mărimii supuse măsurării (măsurandului), ci şi

Probabilitatea (pc), cu care se poate aprecia că y se încadrează în intervalul [t1,t2], se

P {t1 ≤ y ≤ t 2 } =pc (CA.03.2)

Probabilitatea ca y să nu se încadreze pe intervalul [t1,t2], α=1–pc, este denumit prag de

Acesta înseamnă că, în cazul unei măsurători, trebuie respectată condiţia:

CA.03.2. Erori sistematice şi întâmplătoare [N01]

Astfel, la reglarea incorectă a aparatului de măsurat (de exemplu nesuprapunerea gradaţiei

În funcţie de erorile care le afectează, măsurătorile se caracterizează prin precizie şi

Eroarea totală, în orice măsurătoare reprezintă suma erorilor de măsurare sistematice si

CA.03.3. Calculul propagării erorilor

Mărimile măsurate experimental sunt utilizate în diverse calcule, destinate determinării

Erorile incluse în valorile măsurate, utilizate pentru m şi V, se vor transmite în valoarea

y = y(x1, x2,....., xi ) (CA.03.6)

se poate calcula o eroare de tipul:

Δy = Δy (Δx1, Δx2, .....,Δxi, x1, x2,...., xi) (CA.03.7)

ceea ce revine la a calcula derivatele parţiale ale mărimii y în raport de variabilele xi şi să se

a) Eroarea unui produs

Fie y = x1x2. În acest caz eroarea Δy va fi:

Eroarea relativă a lui y, definită prin Δy/y va fi:

b) Eroarea unei fracţii

c) Eroarea unei sume

CHIMIEC CA.