UNIVERSITATEA PETROŞANI

FACULTATEA DE MINE
SPECIALIZAREA: INGINERIA ŞI PROTECŢIA MEDIULUI ÎN INDUSTRIE
ANUL IV

Prelucrarea datelor
experimentale

Student,

1
 PRELUCRAREA DATELOR EXPERIMENTALE

DETERMINAREA RELAŢIILOR MATEMATICE PENTRU EXPRIMAREA

REZULTATELOR EXPERIMENTALE

Estimarea valorii adevãrate a unei mãrimi mãsurate direct într-un proces experimental şi calculul
indicilor de precizie. Într-un proces de cercetare experimentalã care are ca scop determinãri cantitative ale
uneia sau mai multor mãrimi, se efectueazã un numãr finit de mãsurãri cu o suficientã precizie, menţinând
aceleaşi condiţii (metodologie şi mijloace experimentale, mediu ambiant etc).
Una din principalele probleme ale prelucrãrii datelor experimentale – respectiv prima din acestea, în
ordinea efectuãrii lor – este estimarea adevãratelor valori ale mãrimilor mãsurate pe baza rezultatelor
obţinute.
Deci, în general, dupã mãsurarea repetatã – în aceleaşi condiţii a unei mãrimi X şi obţinerea unui şir
de valori X1, X2, … Xn, fiecare din ele conţinând o anumitã eroare necunoscutã, se pune problema estimãrii
valorii adevãrate a acestei mãrimi, cu o eroare cât mai micã posibilã. De menţionat, cã numai întâmplãtor
rezultatul uneia din aceste mãsurãri ar putea coincide cu valoarea adevãratã a mãrimii mãsurate.
Conform standardelor în vigoare, valoarea adevãratã a unei mãrimi este valoarea exactã a acesteia,
fãrã erori. Stabilirea ei este însã inaccesibilã experimentãrilor datoritã unor incertitudini cauzate de o serie de
factori precum: imperfecţiuni ale teoriei pe care se bazeazã experimentãrile şi ale mijloacelor de cercetare,
imperfecţiuni ale operatorului (experimentatorului) etc.
Pentru a putea folosi o valoare mãsuratã oarecare X i din şirul menţionat mai înainte este necesar sã
se aprecieze valoarea probabilã a erorii x i, exprimatã de relaţia:

în care: Xa reprezintã valoarea adevãratã a mãrimii mãsurate.

Pentru estimarea erorilor asociate probabil unei valori mãsurate oarecare existã, ca principiu, douã
metode, cunoscute sub denumirile:
 evaluare externã a erorilor;
 evaluare internã a erorilor.
Evaluarea externã este foarte dificilã şi incertã deoarece necesitã estimarea erorilor corespunzãtoare
tuturor surselor de erori care pot interveni, iar apoi pentru obţinerea valorii rezultante trebuie ca erorile
parţiale sã fie compuse ţinând seama dacã sunt dependente sau independente între ele şi de faptul cã unele
din acestea pot fi de un sens, altele de alt sens sau sã aibã o direcţie oarecare.
Evaluarea internã a erorilor se bazeazã pe analiza statisticã a rezultatelor obţinute în cursul
experimentãrilor. Aceastã metodã este mai puţin dificilã şi mai certã, dar necesitã sã fie cunoscutã legea de
distribuţie a frecvenţelor rezultatelor mãsurãrilor.
Astfel, dacã se considerã cã la mãsurarea unei mãrimi oarecare X se fac 16 mãsurãtori în aceleaşi
condiţii şi cã distribuţia frecvenţelor valorilor rezultate este cea din tabelul 1, aceasta se poate reprezenta
grafic ca în figura 1.

Distribuţia frecvenţelor valorilor rezultate la mãsurarea unei mãrimi oarecare X

Tabelul 1

Valorile Xi ale mãrimii mãsurate X1 X2 X3 X4 X5 X6 X7

Frecvenţele de apariţie mi ale valorilor 1 2 4 5 3 2 1
Xi în intervalul considerat

2
 Fig. 1 – Grafic de distribuţie a frecvenţelor mãrimilor mãsurate

Din grafic rezultã o vedere de ansamblu asupra împrãştierii valorilor şi asupra frecvenţei de repetare
a diferitelor valori, suma celor care se aflã în intervalul minim al variaţiilor mãrimilor, notat cu x, deci o
vedere asupra naturii generale a distribuţiei.
Intervalul minim de variaţie a mãrimilor depinde, în principal, de aparatura de mãsurare şi se alege,
egal cu o diviziune a scalei de citire a acestuia.
Dacã numãrul mãsurãrilor ar fi mãrit la infinit, iar intervalul minim ar fi fãcut cât mai mic posibil,
graficul distribuţiei ar deveni o curbã continuã. Un ansamblu limitat de mãsurãri, respectiv 18 pentru
exemplul luat, poate fi considerat ca o probã luatã din numãrul infinit de mare de mãsurãri posibile. Ecuaţia
curbei distribuţiei rezultatelor unui numãr infinit de mare de mãsurãri se numeşte legea distribuţiei
mãsurãrilor.
Considerându-se aceastã lege şi considerând cã distribuţia valorilor mãsurãrilor este afectatã numai
de erorile aleatoare se poate stabili valoarea cea mai probabil adevãratã a mãrimii mãsurate.
Erorile aleatoare sunt cele care apar din cauza unei mulţimi de factori a cãror influenţã individualã
este neglijabilã, din care cauzã nu existã posibilitatea depistãrii şi înlãturãrii acestor influenţe. Erorile
aleatoare sunt inevitabile şi nu pot fi înlãturate din rezultatele individuale ale mãsurãrilor. Dar cu ajutorul
teoriei probabilitãţilor se poate lua în considerare în ce mãsurã ele influenţeazã estimaţiile adevãratelor valori
ale mãrimilor, ceea ce permite determinarea valorii mãrimii mãsurate, cu o eroare mai micã în raport cu
erorile mãsurãrilor individuale.
De aceea, rezultatele mãsurãrilor supuse prelucrãrii matematice nu trebuie sã conţinã erori grosolane
şi erori sistematice.
Erorile grosolane apar datoritã încãlcãrii principiilor generale de mãsurare sau neatenţiei
experimentatorului. Ceea ce caracterizeazã un rezultat ce conţine o eroare grosolanã este faptul cã aceasta
diferã esenţial de rezultatele celorlalte mãsurãri ca valoare. Odatã descoperitã existenţa unei erori grosolane,
rezultatul mãsurãrii respective trebuie sã fie înlãturat şi repetatã mãsurarea. Dacã nu este posibil ca
rezultatele care conţin erori grosolane sã fie înlãturate în timpul desfãşurãrii procesului experimental, atunci
excluderea trebuie sã se facã pe baza unor criterii care au în vedere anumite limite pe care valorile unor
mãsurãri le poate avea faţã de rezultatele celorlalte mãsurãri.
Erorile sistematice se datoresc unor defecte ale aparatului (de exemplu deplasarea originii de citire
sau de calcul) sau sunt provenite datoritã modificãrii condiţiilor exterioare (de exemplu temperatura),
schimbãrii metodelor de lucru etc. Deoarece erorile sistematice au o acţiune unilateralã şi deosebit de
periculoasã prin efectul lor cumulatoriu, sarcina experimentatorului este de a elimina sau cel puţin de a

3
atenua simţitor influenţa acestor erori asupra rezultatelor obţinute la mãsurãri, introducând asupra acestor
rezultate corecţiile corespunzãtoare.
De exemplu, dacã dupã efectuarea mãsurãrilor s-a depistat o reglare incorectã a aparatului de
mãsurat, care a condus la o deplasare a originii de calcul, atunci toate valorile obţinute la aceste mãsurãri vor
fi corectate cu o mãrime constantã în sensul invers deplasãrii originii de calcul, dacã scara aparatului este
uniformã, sau cu o mãrime care variazã dupã o anumitã lege, dacã aceastã scarã este neuniformã.
Dupã ce s-a stabilit cã rezultatele mãsurãrilor repetate ale unei mãrimi efectuate într-un proces de
cercetare experimentalã sunt afectate numai de erori aleatoare, se pune problema determinãrii cele mai
probabile valori adevãrate acesteia. La întrebarea care este aceastã valoare se pot da diferite rãspunsuri:
media aritmeticã, media geometricã, media pãtraticã, mediana, moda sau chiar orice altã valoare din şirul de
date rezultate experimental.

MEDIA ARITMETICÃ. Dacã într-un şir de n mãrimi, rezultatul X 1 apare de n1 ori, X2 de n2 ori, … Xk de nk
ori deci,

(1)

atunci media aritmeticã este datã de expresia:

(2)

unde fi este frecvenţa relativã care se calculeazã cu relaţia:

(3)

În cazul când în cele n mãsurãri fiecare rezultat apare o singurã datã

(4)

Media aritmeticã exprimatã de relaţia (2) se numeşte media aritmeticã pentru date grupate, iar cea datã de
relaţia (4) – medie aritmeticã pentru date negrupate.
În majoritatea cercetãrilor experimentale numãrul de mãsurãri efectuate asupra unei mãrimi este relativ mic
şi rezultatele apar negrupate. În continuare, pentru celelalte valori prin care poate fi estimatã adevãrata
valoare a mãrimii mãsurate se va lua în considerare numai cazul apariţiei negrupate a datelor.

MEDIA GEOMETRICÃ este exprimatã de relaţia:

(5)
MEDIA PÃTRATICÃ se calculeazã cu relaţia:
(6)
MEDIANA este acea valoare Me pentru care se respectã probabilitãţile:

(7)

unde X este mãrimea studiatã.

Mediana este deci, acea valoare a mãrimii respective care împarte întregul şir de rezultate, dispuse în ordinea
descrescãtoare, în douã pãrţi egale. Dacã şirul de mãsurãri are n = 2n’ + 1 rezultate, atunci mediana este
elementul de rang n’ + 1, iar dacã şirul conţine n = 2n’ rezultate, neexistând o valoare care sã fie centralã
mediana este datã de media aritmeticã a rezultatelor de rang n’ şi n’ + 1.

4
MODA este acea valoare Mo din şirul de rezultate ale mãsurãrilor unor mãrimi, cãreia îi corespunde
frecvenţa maximã. Uneori repartiţia de frecvenţe poate avea douã sau mai multe maxime, acestea
denumindu-se repartiţii bimodule sau plurimodule.
Legãtura dintre media aritmeticã, medianã şi modã se exprimã aproximativ cu relaţia:

(9)

de unde se deduc relaţiile:

(10)

şi
(11)
Pentru stabilirea celei mai probabile valori a mãrimii mãsurate, care se apreciazã a fi deci valoarea adevãratã,
trebuie – aşa cum s-a arãtat – sã fie cunoscutã repartiţia rezultatelor mãsurãrii, respectiv repartiţia
frecvenţelor erorilor aleatoare.
În funcţie de ipotezele fãcute, s-au obţinut diferite forme ale legii distribuţiei frecvenţelor, cunoscute sub
denumirile: distribuţia normalã, distribuţia binomialã, distribuţia Poisson şi altele.
Dintre acestea, lega distribuţiei normale, este cel mai mult acceptatã în prelucrarea datelor cercetãrilor
experimentale, deoarece:
 redã distribuţiile mãrimilor mãsurate într-un numãr foarte mare de cazuri;
 este relativ simplã, conţinând o singurã constantã arbitrarã;
 alte legi de distribuţie se reduc la legea normalã, în anumite condiţii limitã.
Legea distribuţiei normale a fost stabilitã de Hagen pe baza unor ipoteze care corespund foarte bine
condiţiilor cercetãrilor experimentale şi anume:
 fiecare şir de mãsurãri ale unei mãrimi este afectat, în mod inevitabil, de erori;
 fiecare din aceste erori pot fi considerate ca fiind formate dintr-un numãr de erori elementare, egale
şi foarte mici;
 în fiecare mãsurare, orice eroare elementarã este tot atât de probabil sã intre cu semnul plus, ca şi cu
semnul minus, deci probabilitatea de apariţie a erorilor pozitive este egalã cu probabilitatea de
apariţie a erorilor negative.
În cazul ipotezelor menţionate, pentru a stabili legea distribuţiei normale se porneşte de la un grafic
asemãnãtor cu cel din figura 61, în care în abscisã sunt înscrise erorile x, iar în ordonatã – densitatea de
repartiţie y, denumitã şi coeficient de probabilitate al unei erori x, care reprezintã de fapt înãlţimea unui
dreptunghi din grafic, la condiţia limitã, când lãţimea dreptunghiului tinde cãtre 0 şi când deci, înãlţimea este
ordonata unui punct al unei curbe continue.
Densitatea de repartiţie y este definitã de relaţia:

(12)

în care dP reprezintã probabilitatea ca o eroare sã se gãseascã între ºi .

Deci, pornind de la un astfel de grafic, se determinã care este panta dreptei ce uneşte douã colţuri

adiacente ale liniei frânte, se gãseşte apoi valoarea , rezultând:

(13)

în care:
 este jumãtatea intervalului dintre 2 mãrimi adiacente;
n - numãrul de mãsurãri din şirul reprezentat de distribuţia respectivã.
Se noteazã:
5
 (14)

în care h este numit modul de precizie.

Se introduce (14) în (13) şi se integreazã în raport cu x, dupã calcule rezultând:
(15)
una din formele sub care este cunoscutã legea distribuţiei normale.
Pentru determinarea constantei k, procedeul se bazeazã pe consideraţii de geometrie analiticã, aplicatã la
solidul generat de curba exprimatã de relaţia (15) care se roteşte în jurl ordonatei, obţinându-se:

(16)

Prin înlocuirea relaţiei (16) în (15) rezultã:

(17)

În exprimarea legii distribuţiei normale se foloseşte şi dispersia rezultatelor mãsurãrilor date de abaterea
medie pãtraticã, care este legatã de modulul de precizie prin relaţia:

(18)

Înlocuind în relaţia (17) pe h ºi h 2 cu expresiile rezultate din (18) se obţine o altã exprimare a distribuţiei
normale, adicã:

(19)

La acelaşi rezultat a ajuns Gauss, pornind de la ipoteza cã cea mai bunã aproximare a valorii adevãrate a unei
mãrimi, care a fost mãsuratã în repetate rânduri cu aceiaşi precizie, este media aritmeticã a mãsurãrilor
respective.
De aceea, în toate cazurile în care se apreciazã cã distribuţia frecvenţelor mãsurãrilor (erorilor, abaterilor) se
face dupã legea normalã exprimatã prin relaţia (17) sau (19) se considerã cã cea mai probabilã valoare
adevãratã, media aritmeticã a şirului de valori X1, X2, … Xn care au rezultat la mãsurãrile repetate ale
mãrimii X.
Precizia de mãsurare a unei mãrimi poate fi evaluatã prin mai mulţi indicatori denumiţi indici ai preciziei de
mãsurare. Aceşti indici sunt:
 eroarea medie pãtraticã sau eroarea standard, care este definitã de relaţia:

(20)

în care xi este abaterea de la media aritmeticã a valorilor Xi rezultate la mãsurãri, fiind exprimatã
de relaţia:
(21)
similarã relaţiei (1);
 eroarea probabilã p, a cãrei mãrime se determinã cu relaţia:
(22)
 eroarea medie absolutã, care se poate calcula cu relaţia:
(23)
 mãsura (modulul) preciziei h (sau inversul acestuia ), a cãrei mãrime rezultatã din relaţia (18) este:

(24)

6
Dintre aceşti indici ai preciziei de mãsurare, la prelucrarea datelor experimentale, în mod curent este folositã
eroarea medie pãtraticã, pãtratul acestei mãrimi reprezentând dispersia erorilor.
Curba de repartiţie este totdeauna situatã deasupra axei abscisei şi simetricã faţã de axa ordonatelor.
Suprafaţa cuprinsã în intervalul curbei de repartiţie rãmâne totdeauna egalã cu unitatea şi de aceea aplatisarea
curbei este condiţionatã de mãrimea dispersiei rezultatelor obţinute la mãsurãri. În figura 2 sunt reprezentate
trei curbe de repartiţie, corespunzând parametrilor:

Fig. 2 – Amplitudinea curbelor de distribuţie normale în funcţie de 

Cunoaşterea erorii medii pãtratice  permite determinarea câmpului de împrãştiere a mãrimilor

experimentale, care este 6 (vezi fig. 3), în care sunt cuprinse peste 90% din valorile mãrimii mãsurate
experimental.
De asemenea, cunoscându-se eroarea medie pãtraticã  şi eroarea , a unei mãsurãri X efectuate în
procesul experimental, se poate determina probabilitatea de apariţie a acestei erori respectiv a valorii
corespunzãtoare mãrimii mãsurate.
Astfel, probabilitatea ca o eroare întâmplãtoare x sã fie cuprinsã în intervalul (x 1, x2) este exprimatã, având în
vedere relaţia (19) sub forma:

(25)

sau sub forma:

Efectuând schimbarea de variabilã , se obţine:

(26)
unde:

7
 Fig. 3 – Câmpul de împrãştiere a mãrimilor a cãror medie este

Dacã intervalul considerat este simetric faţã de originea sistemului de axe, relaţia (26) devine:
(27)

(28)

Valorile funcţiei (28) sunt calculate şi date în tabele.

În consecinţã, dacã pentru un şir de date experimentale, rezultate la mãsurarea repetatã, în aceleaşi condiţii, a
mãrimii respective, de un numãr determinat n de ori, s-au calculat valoarea probabil adevãratã şi eroarea
medie pãtraticã  se poate determina probabilitatea de apariţie a unei mãrimi individuale oarecare X,
procedându-se astfel:

 se calculeazã raportul: ;

 se determinã probabilitatea de apariţie a valorii respective, din tabelul funcţiei .

Cunoaşterea probabilitãţii de apariţie a unei anumite valori a mãrimii mãsurate are o importanţã deosebitã în
multe din cercetãrile experimentale din domeniul metalurgiei.
Media şi indicii de precizie ai mãsurãrilor ponderate
În cele prezentate în acest subcapitol s-a presupus cã mãsurãrile repetate se executã în aceleaşi condiţii de
precizie ale procesului experimental, aşa cum s-a precizat de la început şi deci toate mãsurãrile independente
sunt la fel de sigure.
În cercetãrile experimentale pot exista cazuri când unele mãsurãri dintr-un grup pot fi mai sigure decât altele
din diferite cauze. În aceste cazuri se acordã ponderi diferite mãsurãrilor individuale.
De obicei astfel de ponderi se acordã în mod arbitrar. Se recomandã însã ca atribuirea ponderilor sã se facã
pe baza unui criteriu ştiinþific, ca de exemplu pe baza legii de variaţie a mãrimii care influenţeazã asupra
siguranţei mãsurãrilor – când aceastã lege este cunoscutã – sau pe baza unui anumit plat stabilit raţional,
verificat şi corectat eventual în timpul probelor preliminare experimentãrilor sau ulterior.
Pentru calculul mediei şi a erorii standard  se presupune cã o mãsurare individualã X 1, având ponderea
w1, este echivalentã cu w1 mãsurãri cu ponderi egale cu unitatea şi a cãror medie este X1. Deci aceste w1
mãsurãri nu sunt presupuse individual egale cu X 1, ci numai media lor este X1.
Pe baza acestei consideraţii, dacã X 1, X2, … Xn este un şir de mãsurãri având ponderile w 1, w2, …, wn, acesta
este echivalent cu w1, w2, …, wn mãsurãri de egalã precizie.
Media acestui nou şir, deci limita mãsurãrilor cu ponderi diferite este:

(29)

8
iar eroarea medie pãtraticã este:

(30)