Studiu de caz

Se cunoaște în timp a volumului de mărfuri transportate pe o secție de cale ferată dată în Tabelul
1.
Tabelul 1. Evoluția volumului de mărfuri transportate.
Anul 2009 2010 2011 2012 2013 2014 2015 2016
Cantitatea 142 150 158 162 165 177 190 202
 103[t]

Considerând că evoluția factorilor socio-economici se va păstra și în perioada următoare trebuie

să se stabilească cea mai potrivită expresie care să aproximeze în viitor valorile actuale ale volumelor
de mărfuri transportate.
Parametri modelului liniar de prognoză sunt:
m m

 yi t y i i
a i 1
și b i 1
m
m
t
i 1
2
i

iar coeficientul de corelație:

m
m t i y i
r i 1
.
m   m
 m 2

m t i2 m y i2    y i  
i 1  i 1  i 1  

Parametri modelului parabolic de prognoză sunt:

m m m m

 t i4  y i   t i2 t 2
i yi
a i 1 i 1 i 1 i 1
2
m
 m 
m t i4    t  2
i
i 1  i 1 
m m m m

t y i i m t y i   t 2
i
2
i y i
b i 1
m
; c i 1 i 1 i 1
2
.
 m 
t
m
m t    t i2 
2 4
i i
i 1 i 1  i 1 
Modelul liniar este: y  a  bt .

Modelul parabolic este: y  a  bt  ct 2 .

Intensitatea legăturii neliniare este dată de raportul de corelație  .
  y 
m
2
i  y*
  1 i 1

 y 
m
2
i y
i 1

unde y i reprezintă valorile observate

y * – valorile calculate prin funcția de ajustare

y – media valorilor observate.

ti yi t i2 t i yi y i2 t i4 t i2 y i y* y i  y* y i  y* 
2
yi  y y i y 
2

-7 142 49 -994 20164 2401 6958 144,40 -2,40 5,76 -26,25 689,06
-5 150 25 -750 22500 625 3750 148,64 1,36 1,84 -18,25 333,06
-3 158 9 -474 24964 81 1422 154,17 3,83 14,66 -10,25 105,06
-1 162 1 -162 26244 1 162 160,99 1,01 1,03 -6,25 39,06
1 165 1 165 27225 1 165 169,09 -4,09 16,69 -3,25 10,56
3 177 9 531 31329 81 1593 178,47 -1,47 2,16 8,75 76,56
5 190 25 950 36100 625 4750 189,14 0,86 0,74 21,75 473,06
7 202 49 1414 40804 2401 9898 201,10 0,90 0,81 33,75 1139,06
Sum 1346 168 680 229330 6216 28698 1346,00 0,00 43,69 0,00 2865,5

1346
Pentru modelul liniar: a   168,25
8
680
b  4,05
168
y  a  bt  168,25  4,05 t

y  1346 : 8  168,25 .
Parametri modelului parabolic sunt:
6216  1346  168  28698
a  164,875
8  6216  168
2

680
b  4,05
168
8  28698  168  1346
c  0,1607
21504
y  164,875  4,05 t  0,1607 t 2 .
Coeficientul de corelație pentru modelul liniar este:
8  680
r  0,980063.

8  168 8  229330 1346
2

Raportul de corelație  pentru modelul parabolic este:
 43,69
  1  0,992347.
2865,5
Se observă că   r ceea ce conduce la concluzia că modelul parabolic aproximează mai bine
valorile date. Oricum, și modelul liniar oferă o aproximare bună, având în vedere că valoarea
coeficientului de corelație este foarte aproape de unitate.
Modelul exponențial
Un alt model folosit este modelul exponențial, care se scrie sub forma:
y  a e bt .
Modelul se poate scrie ca un model liniar prin logaritmare
ln y  ln a  bt .
Notăm ln y  Y
ln a  A
b  B și obținem Y  A  Bt .
m
Prin analogie cu modelul liniar pentru cazul când originea timpului s-a ales astfel încât t
i 1
i  0,

coeficienții a și b se calculează cu expresiile:

m m

 ln y i  ln yi
i 1

ln a  i 1
ae n
m
m

t i ln y i
b i 1
m
.
ti 1
2
i

Calitatea ajustării prin modelul exponențial este dată, ca și la modelul parabolic, de raportul de
corelație  .
Folosind aceleași date de evoluție a volumului de mărfuri transportate din Tabelul 1 se determină
parametri modelului exponențial.
ti yi t i2 ln y t i ln y i y *i y i  y *i y i  y *i 
2
yi  y y i y 
2

-7 142 49 4,956 -34,691 141,074 0,926 0,858 -26,25 689,063

-5 150 25 5,011 -25,053 148,007 1,993 3,970 -18,25 333,063
-3 158 9 5,063 -15,188 155,282 2,718 7,387 -10,25 105,063
-1 162 1 5,088 -5,088 162,914 -0,914 0,836 -6,25 39,063
1 165 1 5,106 5,106 170,922 -5,922 35,066 -3,25 10,563
3 177 9 5,176 15,528 179,323 -2,323 5,394 8,75 76,563
5 190 25 5,247 26,235 188,136 1,864 3,473 21,75 473,063
7 202 49 5,308 37,158 197,383 4,617 21,313 33,75 1139,063
 Σ 1346 168 40,954 4,008 1343,042 2,958 78,298 0,00 2865,500

40, 954

ae 8
 e 5,12  166,87
4,008
b  0,023857.
168
Funcția este y  a e bt  y  166,87  e 0,024 t

78,298
e  1   0,986243.
2865,5

Se observă că modelul exponențial ajustează mai bine valorile decât modelul liniar e  r dar

totuși cel mai bine ajustează modelul parabolic    e .

Modelul Logistic
Un model folosit pentru prognoze este și cel logistic denumit și curba Pearl Reed. Modelul
logistic are expresia:
a
y
1  be ct
cu coeficienții a, b și c care îndeplinesc condiția a, b, c > 0.
Valoarea a este asimilată ca limită de saturație.
Modelul se folosește în studiul evoluției populației, estimarea cererii de bunuri de folosință
îndelungată, ecologie, evoluția parcului de vehicule și se folosesc pentru a modela fenomene care au în
timp o limită de saturație.
Din figura 1 se observă că funcția logistică este totdeauna pozitivă și monoton crescătoare.
y
a

a
1 b t

Fig. 1 Variația funcției logistice

 Parametri a, b, și c ai curbei logistice se calculează dacă se cunosc trei puncte din seria dinamică
echidistante după regula din tabelul 2 și condiția y1  y 2  y 3 .
Tabelul 2. Condițiile necesare pentru determinarea parametrilor funcției logistice
t 0 t 2t
y y1 y2 y3

În tabelul 2, t este numărul de valori din seria dinamică care separă două valori consecutive ca yi.
Se recomandă ca valorile yi să fie alese astfel încât y3 să fie ultima valoare din seria cronologică
iar y1 să fie cât mai apropiată în timp de prima valoare a seriei.
Coeficienții din funcția modelului de prognoză (a, b și c) se determină cu relațiile:
2 y1 y 2 y 3  y 22 y1  y 3 
a
y1 y 3  y 22

a  y1
b
y1

1 y a  y1 
c  ln 2 .
t y1 a  y 2 
Folosind parametrii din tabelul 3 de evoluție se determină parametrii a, b și c ai modelului
logistic. În acest caz se consideră că valorile din tabelul 3 reprezintă evoluția numărului de vehicule
înscrise în circulație.
Pentru a stabili care valori se vor folosi pentru calculul parametrilor modelului se întocmește
tabelul 3 în care s-a stabilit și originea timpului.
Tabelul 3. Evoluția parcului de vehicule
ti -1 0 1 2 3 4 5 6
yi 70 76 84 92 107 116 130 144

Valorile care se aleg sunt y3 = 144, y2 = 107 și y1 = 76, pentru t = 3.

2  76  107  144  107 76  144

2
a  350,028
76  144  107
2

350,028  76
b  3,61
76
1 107274,028
c  ln  0,154
3 76350,028  107
350,028
y  143,87 corespunde cu ce este în tabel.
1  3,61 e 0,1546

Fie t = 40
 350,028
y  347,377 .
1  3,61 e 0,15440
Fie t  45  y  348,795.
Fie t = 50
350,028
y  349,456 .
1  3,61 e 0,15450
Fie t  60  y  349,905.
Fie t  70  y  350,001.
Fie t  80  y  350,024 .
Fie t  90  y  350,026 .
Fie t  100  y  350,027 .
Tabelul 4. Valorile viitoare seriei obținute cu funcția logistică.
ti 40 45 50 60 70 80 90 100
yi 347,38 348,80 349,46 349,91 350,01 350,024 350,026 350,028

Din tabelul 4 se observă că valorile seriei se apropie asimptotic de valoarea a (a = 350,028) și

dincolo de valoarea t = 70 creșterile sunt nesemnificative.
Tabelul 5. Valorile seriei înregistrate şi obținute cu funcția logistică
ti -1 0 1 2 3 4 5 6
yi 70 76 84 92 107 116 130 144
y ical 67,17 75,92 85,48 95,81 106,89 118,65 131,02 143,87

y ical  y i – 4,28 – 0,11 1,76 4,14 – 0,10 2,28 0,708 – 0,09

 100
yi

Din tabelul 5 se observă că diferențele între valorile observate și cele aproximate prin funcția
logistică sunt cuprinse între – 4,28% și –0,09% ca valori negative și 4,14% și 0,78% ca valori pozitive
(rezultatele în tabelul următor). Deci, diferențe atât pozitive cât și negative se încadrează sub pragul de
±5%.
Spre deosebire de modelul exponențial de ajustare, care crește la infinit, modelul logistic are o
creștere finită. Această curbă este importantă pentru că modelează creșterile din transporturi, multe
dintre acestea având creșteri finite. Exemplu: creșterea traficului care are limita finită dictată de
capacitatea arterelor și a parcărilor existente sau chiar proiectate. Creșterea volumului mărfurilor
transportate în oricare dintre sistemele de transport, are de asemenea o limită. Creșterea parcului de
vehicule sau, mai nou, dependența vitezei de densitate în teoria fluxurilor de trafic. Aici există chiar o
funcție logistică inversă care are o asimptotă la partea inferioară.
 Funcții de producție
Cel mai cunoscut model al funcției de producție este cel propus de R. Cobb și P. Douglas (1928),
care are forma:
Q  a M  F R
cu semnificațiile:
a,  , și  sunt parametri modelului;
Q – volumul producției;
M – volumul forței de muncă;
F – volumul fondurilor fixe;
R – reziduu de estimație ca o medie a diferențelor dintre valorile înregistrate și cele
calculate.
Calculul parametrilor funcției se face logaritmând expresia care o defineşte și apoi prin metoda
celor mai mici pătrate se obțin valorile căutate.
ln Q  ln a   ln M   ln F .
Se notează: ln Q  q , ln a  A , ln M  t și ln F  f .
Prin metoda celor mai mici pătrate se obține:
m m m

  q i  mA    t i    fi
 i 1 i 1 i 1

m m m m

 i i        
2
t q A t i t i tifi .
 i 1 i 1 i 1 i 1
m m m m
 f i q i  A  f i    t i f i    f i
2

 i 1 i 1 i 1 i 1

Modelele de evoluție care se bazează pe extrapolarea tendinței se pot folosi pentru prognoze pe
termen scurt și mediu. De fiecare dată este obligatoriu să se estimeze eroarea probabilă atașând
prognozei un interval de încredere și un prag de semnificație ca la orice alt demers statistic.

Douglas, P. & Cobb, R – A Theory of Production, American Review, vol 18, 1928, Popers and
Proceedings, pag. 139 – 165.