Documente Academic
Documente Profesional
Documente Cultură
P ( z1 z z 2 ) p(z)dz
z1
(4.4)
unde p(z) este densitatea de repartitie si este functie nenegativa care satisface
conditia:
p( z)dz 1
(4.5)
Graficul densitatii de repartitie se numeste curba de repartitie.
2.1.2.2. Repartitia normala
0.8
0.6
0.4
0.2
0
6 4 2 0 2 4 6
z z1
t
; t1 (4.10)
si reprezinta aria trapezului curbiliniu marginit de ordonatele 0 si z1 .
Functia (t) se numeste probabilitate integrala iar valorile sunt date in
Anexa 1 pentru valori pozitive ale variabilei t. Pentru valori negative ale lui t se
tine seama ca (t) este o functie impara, deci (-t) = -(t).
Probabilitatea ca eroarea aleatoare sa cada intr-un interval oarecare (z 1,
z2) se calculeaza cu relatia:
z2 z
P( z1 z z 2 ) ( ) ( 1 ) ( t 2 ) ( t1 ) (4.11)
Probabilitatea ca eroarea aleatoare sa depaseasca limitele t , pentru t >
0, va fi:
P ( z t ) 1 2 ( t ) (4.12)
iar probabilitatea sa nu depaseasca limitele t va fi:
P ( z t ) 2 ( t ) (4.13)
Probabilitatea ca valorile aleatoare z sa depaseasca limitele 3 este:
P ( z 3 )1 2 (3) 0,0027 (4.14)
Rezulta ca evenimentul ca eroarea aleatoare sa iasa in afara intervalului 3
este practic imposibil. Se accepta ca erorile aleatoare de masurare sunt
marginite, in valoare absoluta de 3 .
Pentru o lege normala de repartitie a erorilor aleatoare, daca rezultatele
masurarilor (xi = a + zi) au densitatea de repartitie:
(4.15)
legea de repartitie se numeste lege normala centrata in a si este prezentata in
fig.4.2.
0.2
0.15
0.1
0.05
0
6 4 2 0 2 4 6 8 10
xi 0 1 2 3 4 5 6 7 8 9
mi 2 24 16 13 11 6 4 3 2 1
s := 10 i := 0 .. s
s s
m
n: mi fi i x: f i x i x 2,915
i0 n i0
xi
x
p(x ): ex
xi !
0.25
0.2
0.15
p( x )
0.1
0.05
0
0 2 4 6 8 10
x
i
(4.18)
1 n
x x i 2855 ore
n i 1
Abaterea standard empirica aproximeaza cel mai bine eroarea medie patratica atunci
cind numarul de masurari este relativ mic.
1 k
s
n 1 i 1
( x i x ) 2 948,415 ore
Constanta V este:
948,415
V 0,4615
x x1 2855 800
x x1
a 2319 ,4
kb
Densitatea de repartitie este:
Repartitia de frecvente
0.001
p( x ) 0.001
0
2000 4000 6000
x
incredere P.
Valorile critice t (n, P)
Tabelul 4.4
ntP 0.95 0.98 0.99 0.999 ntP 0.95 0.98 0.99 0.999
5 3.04 4.11 5.04 9.43 18 2.17 2.64 2.98 4.07
6 2.78 3.64 4.36 7.41 20 2.145 2.602 2.932 3.979
7 2.62 3.36 3.96 6.37 25 2.105 2.541 2.852 3.819
8 2.51 3.18 3.71 5.73 30 2.079 2.503 2.802 3.719
9 2.48 3.05 3.54 5.31 35 2.061 2.476 2.768 3.652
10 2.37 2.96 3.41 5.01 40 2.048 2.456 2.742 3.602
11 2.33 2.89 3.31 4.79 45 2.038 2.441 2.722 3.565
12 2.29 2.83 3.23 4.62 50 2.03 2.429 2.707 3.532
13 2.26 2.78 3.17 4.68 60 2.018 2.411 2.683 3.492
14 2.24 2.74 3.12 4.37 70 2.009 2.399 2.667 3.462
15 2.22 2.71 3.08 4.28 80 2.003 2.389 2.655 3.439
16 2.2 2.68 3.04 4.2 90 1.998 2.382 2.646 3.423
17 2.18 2.66 3.01 4.13 100 1.994 2.377 2.639 3.409
For i:=1 to n do
begin
If i=b1 then goto 1;
yiks:=xiis;
k:=k+1;
1:end;
For j:=1 to n-1 do a1:=a1+yijs;
xmediu:=a1/(n-1); { Valoarea medie a lui xiis pentru n-1 masurari }
For j:=1 to n-1 do a2:=a2+sqr(yijs- xmediu);
s:=sqrt(a2/(n-2));
t:=ABS((xib1s-xmediu)/s); { Abatere standard empirica }
If t>t1 then { Afisarea rezultatului }
begin
writeln( 't =' , t:2:3, ' > t(n,P) = ', t1:2:3);
writeln( 'xi',b1:1,'s =' , xib1s:3:3, ' Este afectata de erori grosolane' );
readln;
b1:=b1+1;
if b1<=n then goto 3;
goto 4;
end;
writeln( 't= ', t:2:3, ' < t(n,P) = ', t1:2:3);
writeln( ' xi', b1:1, 's=' , xib1s:2:3, ' Nu este afectata de erori grosolane');
readln;
b1:=b1+1;
if b1<=n then goto 3;
4:END.
Exemplul 4.1
Exemplul 4.2
Exemplul 4.3
Din tabelul 4.5 pentru P = 0.99 si q = 0.1 se determina n1 = 668 de masurari necesare.
Pentru n1 = 668 de masurari, precizia masurarilor este:
1 q s 01
. 2.147 0.2147
1 0.2147
0.39
0.55
xi 295 296 297 298 299 300 301 302 303 304 305 306 308
mi 1 3 8 8 15 25 15 11 7 4 2 1 1
t 2.38 1.91 1.48 1 0.55 0.11 0.33 0.76 1.21 1.67 2.13 2.61 3.63
Rezultate
amplitudinea = 11
media = 300.18
n = 100
d=1
l = 11
k mintk fk tk pk
1 296 1 -0.907 0.182
2 297 3 -0.69 0.063
3 298 8 -0.473 0.073
4 299 8 -0.252 0.081
5 300 15 -0.039 0.085
6 301 25 0.178 0.086
7 302 15 0.395 0.083
8 303 11 0.612 0.076
9 304 7 0.829 0.067
10 305 4 1.046 0.056
11 306 2 1.263 0.148
hi2 = 8.409
nr_grade_libertate = 8
hi2 = 8.409 < hi2_tabelat = 20.1 pentru P = 0.99, deci repartitia este normala.
Rezultate
media = 300.18
dispersia = 4.608
abaterea = 2.147
amplitudinea = 11
mediana = 300
modul = 299.64
val_centrala = 300.5
coef_variatie = 0.007
coef_pearson = 0.252
abat_medie_abs = 1.656
coef_asimetrie = 0.024
coef_boltire = 2.973
excesul = - 0.027
moment2 = 9.011 104 m_centrat2 = 4.608
moment3 = 2.705 107 m_centrat3 = 1.526
moment4 = 8.122 109 m_centrat4 = 63.124
Histograma este:
25
20
15
f
k
10
0
294 296 298 300 302 304 306
int
k
(4.26)
(4.31)
iar abaterea standard empirica este:
(4.32)
Abaterea standard empirica aproximeaza cel mai bine eroarea medie
patratica atunci cind numarul de masurari este relativ mic.
Dispersia de sondaj a sirului de date, sau momentul centrat de ordinul
doi este:
(4.33)
Dispersia de sondaj poate fi folosita ca estimatie a dispersiei 2 si daca in
cele n masurari xi apare o singura data atunci se calculeaza cu relatia:
1 n
s2 ( xi x) 2
n 1 i 1
(4.34)
Amplitudinea sirului de date se calculeaza ca diferenta dintre valoarea
cea mai mare xmax si valoarea cea mai mica xmin a sirului de masurari dat:
R x max x min (4.35)
Coeficientul de variatie al sirului de date:
s
Cv
x
(4.36)
Abaterea medie absoluta de selectie a sirului de date reprezinta media
abaterilor fata de valoarea adevarata a marimii fizice a (daca aceasta este
cunoscuta) sau fata de media aritmetica luata in valoare absoluta:
(4.37)
Momentul de sondaj de ordinul r, calculat fata de originea sistemului
este:
1 n r
Mr xi
n i 1
(4.38)
Momentul centrat de sondaj de ordinul r se obtine din momentele
generale de ordinul r considerind ca originea arbitrara coincide cu media
aritmetica:
(4.39)
Coeficientul de asimetrie al sirului de date permite aprecierea formei
unei repartitii statistice. Pentru calculul coeficientului de asimetrie se foloseste
relatia:
( 3 ) 2
1 (4.40)
(s2 ) 3
in care s2 este dispersia de sondaj a sirului de date iar:
(4.41)
Asimetria este pozitiva daca repartitia este asimetrica cu extremitatea
extinsa spre dreapta si negativa in caz contrar. Coeficientul de asimetrie este nul
pentru o repartitie simetrica. Asimetria absoluta poate fi exprimata ca diferenta
dintre media aritmetica si moda:
1 x Mo (4.42)
Coeficientul de boltire:
4
2 (4.43)
(s 2 ) 2
in care 4 este momentul centrat de ordinul 4, definit de relatia:
(4.44)
Coeficientul de boltire este un indicator al gradului de inclinatie a pantei
curbei densitatii de repartitie in vecinatatea momentului de sondaj M o. Pentru
repartitia normala 2 = 3. Daca 2 > 3 curba densitatii de repartitie este mai
ascutita la virf decit curba normala, iar daca 2 < 3 boltirea este mai mare decit
cea a curbei normale.
Excesul curbei de repartitie permite aprecierea gradului de indepartare a
curbei studiate fata de repartitia normala. Daca E = 0 curba studiata coincide cu
cea normala. E > 0 pune in evidenta o concentrare a frecventelor fata de centru
iar E < 0 o indepartare a frecventelor fata de centru. Excesul se calculeaza cu
relatia:
E = 2 - 3 (4.45)
Exemplul 3.1
Rezultate
media = 33.379
dispersia = 4.016
abaterea = 2.004
amplitudinea = 8.3
mediana = 33.41
modul = 33.472
val_centrala = 33.25
coef_variatie = 0.06
coef_pearson = - 0.047
abat_medie_abs = 1.604
coef_asimetrie = 0.002
coef_boltire = 2.56
excesul = - 0.44
moment2 = 1.118 103 m_centrat2 = 4.016
moment3 = 3.759 104 m_centrat3 = - 0.357
moment4 = 1.268 106 m_centrat4 = 41.284
Daca:
(4.54)
se poate considera ca functia de repartitie a erorilor aleatoare in seria de date
considerata nu este cea normala.
Eficienta criteriului de concordanta 2 creste daca in fiecare din
intervalele ixi-1 , xi) sunt aproximativ acelasi numar de date si este mai putin
eficient cind repartitia este simetrica dar difera de cea normala.
Valorile critice 2 cr (P,k)
Tabelul 4.2
ktP 0.80 0.90 0.95 0.99 0.999
1 5.99 7.78 9.49 13.28 18.5
5 7.29 9.24 11.07 15.09 20.5
6 8.56 10.64 12.59 16.8 22.5
7 9.80 12.02 14.07 18.5 24.3
8 11.03 13.36 15.51 20.1 26.1
9 12.24 14.68 16.9 21.7 27.9
10 13.44 15.99 18.3 23.2 29.6
11 14.63 17.3 19.7 24.7 31.3
12 15.8 18.5 21 26.2 32.9
13 17 19.8 22.4 27.7 34.5
14 18.2 21.1 23.7 29.1 36.1
15 19.3 22.3 25 30.6 37.7
16 20.5 23.5 26.3 32 39.3
17 21.6 24.8 27.6 33.4 40.8
18 22.8 26 28.9 34.8 42.3
19 23.9 27.2 30.1 36.2 43.8
20 25 28.4 31.4 37.6 45.3
Exemplul 3.2
Consideram n = 40 de masurari ale masei a o mie de seminte de orz si se cere sa se
verifice daca functia de repartitie a erorilor aleatoare de masurare este normala. Valorile
masurate xi sunt:
Nr xi Nr xi Nr xi Nr xi Nr xi
1 29.1 9 31.85 17 32.82 25 33.95 33 35.2
2 29.45 10 31.9 18 33.1 26 34.1 34 35.4
3 30.1 11 32.1 19 33.3 27 34.25 35 35.5
4 30.45 12 32.35 20 33.4 28 34.4 36 35.95
5 30.7 13 32.45 21 33.42 29 34.5 37 36.4
6 31.3 14 32.5 22 33.5 30 34.65 38 36.8
7 31.45 15 32.7 23 33.6 31 34.8 39 37.1
8 31.7 16 32.8 24 33.8 32 34.91 40 37.4
b
1
int eg ( funct , a , b):
2
funct ( y )dy
a
f
k
4
29 30 31 32 33 34 35 36 37 38
int
k
a := 0 bk := tk i1 := 2 .. l -1
p1 := integ (funct, a, b1 ) + 0.5
pi1 := integ (funct, a, bi1) - integ (funct, a, bi1 - 1)
pl := 0.5 - integ (funct, a, bl-1)
nr_clase_libertate := m - 3
Rezultate
amplitudinea = 8.3
media = 33.379
n = 40
d=1
l=9
k mintk fk tk pk
1 30.1 2 -0.816 0.207
2 31.1 3 -0.567 0.078
3 32.1 5 -0.318 0.09
4 33.1 7 -0.069 0.097
5 34.1 8 0.18 0.099
6 35.1 7 0.429 0.095
7 36.1 4 0.678 0.085
8 37.1 2 0.927 0.072
9 38.1 2 1.176 0.177
hi2 = 18.69
nr_grade_libertate = 6
hi2 > hi2_tabelat = 12.59 pentru P = 0.95, deci repartitia nu este normala
Exemplul 3.3
Rezultate
amplitudinea = 9
media = 2.915
n = 82
d=1
l=9
k mintk fk tk pk
1 1 2 -0.469 0.319
2 2 24 -0.224 0.092
3 3 16 0.021 0.097
4 4 13 0.266 0.097
5 5 11 0.511 0.091
6 6 6 0.757 0.08
7 7 4 1.002 0.066
8 8 3 1.247 0.052
9 9 2 1.492 0.106
25
20
15
f
k
10
0 1 2 3 4 5 6 7 8
int
k
hi2 = 77.379
nr_grade_libertate = 6
hi2 > hi2_tabelat = 10.64 pentru P = 0.90, deci repartitia nu este normala.
Consideram ca x1, x2, ....., xn sunt rezultatul masurarilor din care au fost
inlaturate erorile grosolane si cele sistematice. Estimatiile adevaratei valori a
marimii fizice masurate se poate face prin:
-estimatia punctuala, care consta in determinarea unei functii g(x I) care sa
permita calcularea unei valori suficient de apropiata de valoarea adevarata a;
-estimatia de incredere care consta in determinarea unui interval (g -1, g-
2) de incredere, care cu probabilitatea P sa acopere adevarata valoare a;
extremitatile intervalului de incredere se numesc limite de incredere.
Pentru ca estimatia g sa asigure o aproximatie suficient de buna a valorii
adevarate a ea trebuie sa aiba urmatoarele proprietati:
- Nedeplasarea - daca valoarea medie teoretica a estimatiei g coincide cu
valoarea adevarata a;
- Consistenta - daca estimatia g tinde in probabilitate catre valoarea a
atunci cind numarul n al masurarilor tinde catre sau atunci cind n si
pentru orice dat, probabilitatea P (|g - a| < ) 1;
- Eficienta - daca estimatia nedeplasata are cea mai mica imprastiere
dintre toate estimatiile nedeplasate ale valorii a.
1 m 2
2 s2 si
m i 1
(4.68)
1 m
2 ~s 2 ni ( x i x ) (4.69)
m 1 i 1
unde:
m
1
x
n1 n 2 ....... n m
n x
i 1
i i (4.70)
s
s
q (4.71)
sau
s (1 q ) s (1 q ) (4.72)
unde coeficientul q(P,k) se determina din tabelul 4.6.
Numarul gradelor de libertate k depinde de numarul de masurari si de
forma abaterii standard empirice acceptata pentru estimatia lui .
Pentru un numar de grade de libertate suficient de mare se poate utiliza si
regula trei sigma care este de forma:
3 3
s 1
s 1 (4.73)
2k 2k
Siguranta unei astfel de estimari depaseste 0,99 pentru k > 47, 0.992
pentru k > 107 si 0.995 pentru k > 200.
5.1.7.3.Compararea dispersiilor
s12
G (4.76)
s12 s22 ........ s m2
Daca:
G G ( P , m, k ) (4.77)
p x p 2 x 2 ...... p n x n px i i
a 1 1 i 1
n (4.79)
p1 p 2 ...... p n
p
i 1
i
t (P)
ax (4.83)
n
Pentru un nivel de incredere ales t (P) se determina din tabelul 4.3. Se obtine:
t (P)
(4.84)
n
Daca eroarea medie patratica nu se cunoatte, atunci se utilizeaza in locul
ei abaterea standard empirica:
n 1 n
s s*
n1
(x i x ) 2
n 1 i 1
(4.85)
Intervalul de incredere este:
t (P, k ) s
ax (4.86)
n
sau
t ( P, k ) s*
ax (4.87)
k
Valorile t (P, k)
Tabelul 4.9
k/P 0.95 0.99 0.999
4 2.776 4.604 8.61
5 2.571 4.032 6.859
6 2.447 3.707 5.959
7 2.365 3.499 5.405
8 2.306 3.355 5.041
9 2.262 3.25 4.781
10 2.228 3.169 4.587
11 2.201 3.106 4.487
12 2.179 3.055 4.318
13 2.16 3.012 4.221
14 2.145 2.977 4.14
15 2.131 2.947 4.073
16 2.12 2.921 4.015
18 2.103 2.878 3.922
20 2.086 2.845 3.85
25 2.06 2.787 3.725
30 2.042 2.75 3.646
35 2.03 2.724 3.591
40 2.021 2.704 3.551
45 2.014 2.689 3.522
50 2.008 2.677 3.497
Tabelul 4.10
n P n P n P
5 0.96 12 0.988 25 0.994
6 0.97 14 0.99 30 0.995
7 0.976 16 0.991 50 0.996
8 0.98 18 0.992 150 0.997
9 0.983 20 0.993 0.9973
10 0.985
p i 1
i xi
x n (4.94)
pi
i 1
n
p (x
i 1
i i x) 2
sx n (4.95)
(n 1) pi
i 1
Exemplul 5.1
Consideram cinci seturi de masurari a masei a o mie de boabe de orz prezentate in
tabelul de mai jos:
Nr. Seria 1 Seria 2 Seria 3 Seria 4 Seria 5
1 29.1 30.7 31.85 31.1 31.1
2 29.45 31.3 31.9 31.8 31.9
3 30.1 31.45 32.1 32.1 32.3
4 30.45 31.7 32.35 32.3 32.6
5 30.7 31.85 32.5 32.5 32.9
6 31.3 31.9 32.7 32.7 33.1
7 31.45 32.1 32.8 32.8 33.15
8 31.7 32.35 32.82 32.9 33.2
9 31.85 32.5 32.95 33.95 33.25
10 31.9 32.7 33.1 33.1 33.3
11 32.1 32.8 33.2 33.15 33.35
12 32.35 32.82 33.3 33.2 33.4
13 33.45 32.95 33.35 33.25 33.45
14 32.5 33.1 33.4 33.3 33.5
15 32.7 33.2 33.42 33.35 33.55
16 32.8 33.3 33.45 33.4 33.58
17 32.85 33.4 33.5 33.45 33.6
18 33.1 33.42 33.57 33.5 33.65
19 33.3 33.5 33.6 33.55 33.7
20 33.4 33.57 33.65 33.6 33.73
21 33.42 33.6 33.7 33.65 33.76
22 33.5 33.7 33.75 33.7 33.8
23 33.6 33.75 33.8 33.75 33.83
24 33.8 33.8 33.85 33.8 33.85
25 33.95 33.95 33.9 33.85 33.87
26 34.1 34.1 33.95 33.9 33.9
27 34.25 34.25 33.97 33.95 33.92
28 34.4 34.3 34 34 33.94
29 34.5 34.4 34.05 34.05 33.96
30 34.65 34.5 34.1 34.1 33.98
31 34.8 34.65 34.25 34.3 34
32 34.91 34.72 34.3 34.5 34.02
33 35.2 34.8 34.4 34.6 34.05
34 35.4 34.91 34.5 34.7 34.1
35 35.5 35.1 34.65 34.8 34.5
36 35.95 35.2 34.72 34.85 34.7
37 36.4 35.4 34.8 34.9 34.9
38 36.8 35.5 34.91 35 35
39 37.4 35.95 35.1 35.1 35.1
40 37.1 36.4 35.2 36.1 36.1
Sa se calculeze parametrii statisici principali, sa se arate care din seria de masurari are
precizia mai mare si sa se determine adevarata valoare a marimii masurate.
Pentru compararea dispersiilor, din tabelul 4.7 se ia valoarea critica F(0.95, 39,39) =
1.7 si se compara cu valorile calculate ale rapoartelor:
s12 4.016
F12 2 2.317 1.7
s2 1.733
s22 1733
.
F23 2 2.489 17
.
s3 0.696
s32 0.696
F34 103
. 17
.
s42 0.675
s42 0.675
F45 121
. 17.
s52 0.558
Seriile de masurari 1 si 2 au diferente semnificative ale dispersiilor. Seriile 3, 4 si 5 nu
au diferente semnificative ale dispersiilor iar precizia masurarilor este mai mare decit in cazul
celorlalte doua serii.
Pentru a determina daca diferenta dintre dispersiile masurarilor din seriile 1, 2 si
celelalte dispersii sunt semnificative se determina din tabelul 4.8 valoarea critica G(0.95,5,39)
= 0.3008 si se compara cu valorile calculate ale rapoartelor:
4.016
G 0.523 0.3008
4.016 1.733 0.696 0.575 0.558
1.733
G 0.225 0.3008
4.016 1.733 0.696 0.575 0.558
Rezulta ca prima serie de masurari difera semnificativ de celelalte si se poate elimina iar
pentru seria a 2-a de masurari diferenta nu este semnificativa si seria de masurari nu se
elimina.
Adevarata valoare a masei a o mie de boabe se poate estima punctual prin valoarea
medie a masurarilor din seriile 2 - 5. Estimarea adevaratei valori a marimii masurate prin
intervale de incredere se face calculind erorile de masurare, pentru un interval de incredere
0.99 pentru care se determina, din tabelul 4.9, t (0.99, 39) = 2.7. Erorile de masurare calculate
sunt:
2.71 1.733
2 0.752
39
2.71 0.696
3 0.302
39
2.71 0.675
4 0.292
39
2.71 0.558
5 0.242
39
Adevarata valoare a masei a o mie de boabe, pentru seriile de masurari 2 - 5, estimata
prin intervale de incredere este:
33.59 - 0.752 = 32.838 < a2 < 33.59 + 0.752 = 34.342
33.635 - 0.302 = 33.333 < a3 < 33.635 + 0.302 = 33.937
33.675 - 0.292 = 33.383 < a4 < 33.675 + 0.292 = 33.967
33.74 - 0.242 = 33.498 < a5 < 33.74 + 0.242 = 33.982
Masurarile cele mai precise sunt efectuate in seria a 5 - a de masurari.
corespunde o singura valoare pentru y. In natura si tehnica exista foarte multe cazuri in care variabila y este, in
plus, o functie si de alte variabile, care pot sa nu fie cunoscute, ceea ce face ca unei valori date a lui x sa
corespunda mai multe valori pentru y, precum si ca o valoare a lui y sa apara pentru mai multe valori ale lui x.
(4.171)
(4.177)
6.4.2.1.Planul de regresie
(4.182)
Si in cazul de fata coeficientul de corelatie dintre perechile de variabile
amintite are expresiile:
(4.183)
(4.184)
(4.185)
unde k este numarul total de date experimentale, adica numarul de puncte (xk, yk,
zk) iar Sx, Sy, Sz sunt dispersiile empirice:
(4.186)
(4.187)
(4.188)
(4.189)
(4.192)
6.4.3. Corelatia neliniara
6.4.3.1.Raportul de corelatie
(4.194)
(4.195)
6.4.2.Curbe de regresie
Nr. x1 X2 y y1
1 30 190 57600 130
2 70 190 100800 50
3 30 70 14400 10
4 70 70 0 -70
5 60 190 93600 70
6 40 190 72000 110
7 30 100 25200 40
8 70 150 67200 10
9 50 130 48000 30
10 40 130 43200 50
11 50 165 69000 65
12 60 180 86400 60
ORIGIN0
n:=12 p:=5
i:=1 .. n j:=1 .. p k:=1 .. p
x 3,i : (x1,i ) 2
x 4 ,i x1,i x 2 ,i x 5 ,i : ( x 2 ,i ) 2
m0 , 0 : n m0, j : x j ,i m j , 0 : m0 , j m j , k : ( x j ,i x k ,i )
i i
b0 : y i b j : ( x j ,i y i )
i i
1
a: m b
err: m m 1 mat_id := identify (6) err := err - mat_id
i1 :=0 .. 5 j1 := 0 .. 5
vi1 : j1
erri 1, j 1
norma := max(v) norma = 1.863 10-9
t 0 : a 0 yi t1: a j ( y i x j ,i ) t 3: ( y i ) 2
i j i i
( y i ) 2
t 0 t1 t 2
t 2: i coef _ corel: coef_corel = 1
t3 t2
n 11
1 10
2
1
a 15
1.332 10
0
0
Exemplul 4.22
Exp. x1 x2 x3 Dz
1 675 10 0.3 94.76
2 775 10 0.3 97
3 675 18 0.3 88.1
4 775 18 0.3 88.25
5 675 10 1.5 75.75
6 775 10 1.5 88.25
7 675 18 1.5 79.3
8 775 18 1.5 79.25
9 675 14 0.9 88.8
10 775 14 0.9 90.1
11 725 18 0.9 84.7
12 725 10 0.9 91.3
13 725 14 1.5 82.5
14 725 14 10 91.75
15 725 14 0.9 89.5
Rx1y = 0,10269
Rx2y = - 0,62651
Rx3y = -0,74943
7. PRELUCRAREA SIRURILOR DE DATE IN FUNCTIE
DE O VARIABILA INDEPENDENTA
; .
Se trasea-
za grafi-
Nr. Forma de ecuatie propusa cul si se Se calculeaza Criteriul de
Crt. intocmes diferentele concordanta
-te o succesive:
tabe-la
cu:
1 y=a0+a1x+a2x2+ …. +anxn y= f(x) y, 2y,.. ny ny = ct
2 y=a0+a1/x+a2/x2+…+an/xn y= f(1/x) y, 2y,.. ny ny = ct
3 y2=a0+a1x+a2x2+…+anxn y2=f(x) y2, 2y2,.. ny2 ny2 = ct
4 lgy=a0+a1x+a2x2+…+anxn y = f(x) (lgy), 2(lgy),.. n(lg y) = ct
n(lgy)
5 y=a0+a1(lgx)+a2(lgx)2 y=f(lgx) y, 2y ny = ct
6 y=a0+a1 a2x y=f(x) y, lgy, (lgy) (lgy) = ct
7 y=a0+a1x+a2 a3x y=f(x) y, 2y, lgny, (lgny) = ct
(lg2y)
8 lgy=f(x) lgy, lgx lgy- lgx=ct
(4.101)
Se obtine astfel un sistem de ecuatii care rezolvat, duce la aflarea
constantelor arbitrare ao , a1 , a2 , . . . . . , a n si deci la determinarea ecuatiei
cautate.
In continuare se prezinta modul de aplicare a metodei pentru citeva functii
uzuale.
Functia liniara.
a) Dreapta ce trece prin origine.
y=ax
Rezulta:
b) Dreapta de forma:
y ax b
sau
Functia putere
Functia putere este de forma:
y b xa
Prin logaritmare se obtine o functie liniara a carei ecuatie este:
y1 a x1 b1
in care:
y1 ln y ; b1 ln b ; x1 ln x
Se pot astfel utiliza rezultatele obtinute la functia liniara:
Functia exponentiala
Functia exponentiala este de forma:
y b e a x
Prin logaritmare se obtine o functie liniara a carei ecuatie este:
y1 a x b1
unde:
y1 ln y ; b1 ln b ;
Constantele vor avea valorile:
Functia logaritmica
Functia logaritmica este de forma:
y b a ln x
Prin logaritmare se obtine o functie liniara a carei ecuatie este:
y 1 a x1 b
unde: x1 ln x .
Valorile constantelor vor fi:
;
Functia polinom
Functia polinom este de forma:
y a 1 x m a 2 x m1 ........ a m x a m1
Principiul celor mai mici patrate are expresia:
Conditiile de minim:
S S S S
0; 0;
. . . . . . .; a 0 ; 0;
a 1 a 2
m a m 1
conduce la sistemul de m+1 ecuatii liliare cu m+1 necunoscute tip Kramer:
n n n n n
a 1 x i2 m a 2 x i2 m1 a 3 x i2 m 2 ............... a m1 x im y i x im
i 1 i 1 i 1 i 1 i 1
n n n n n
a 1 x i2 m1 a 2 x i2 m 2 a 3 x i2 m 3 ....... a m1 x im1 y i x im1
i 1 i 1 i 1 i 1 i 1
...............................................
n n n n
a 1 x im a 2 x im1 a 3 x im 2 ............................m1 n y i
i 1 i 1 i 1 i 1
Exemplul 7.1
x 1 2 3 4 5 6 7 8 9 10
y 1.96 2.55 3.12 3.63 4.22 4.67 5.23 5.79 6.33 7.02
Exemplul 7.2
x 1 2 3 4 5 6 7 8 9 10
y 3.75 11.8 27.55 46.8 77.25 105.75 149.15 190.5 145.25 296.5
Exemplul 7.3
x 1 2 3 4 5 6 7 8 9 10
y 4 6.12 7.21 8.18 8.75 9.4 9.82 10.24 10.58 10.94
Ecuatia cautata va fi:
y = 3.9897 +3.002 ln x
Exemplul 7.4
y = a0 + a1 x + a2 x2 + a3 x3
Se obtine ecuatia:
Exemplul 7.5
x 0.1 0.3 0.5 0.7 0.9 1.1 1.3 1.5 1.7 1.9 2.1
y 40 13.33 8 9.71 4.44 3.63 3.07 2.66 2.35 2.1 1.9
x 2.3 2.5 2.7 2.9 3.1 3.3 3.5 3.7 3.9 4.1 4.3
y 1.74 1.6 1.48 1.38 1.29 1.21 1.14 1.08 1.02 0.97 0.93