Sunteți pe pagina 1din 13

1.

Despre modelarea matematic


Modelarea matematic se realizeaz n cadrul unui sistem filozofic numit pozitivism, sistem
introdus de matematicianul i filozoful francez August Compte, dar cu rdcini n operele
filozofilor: englez David Hume, francez Saint Simon i german Immanuel Kant. Pozitivismul se
bazeaz pe experien i cunoaterea empiric a fenomenelor naturale i privete ca inadecvat
i imperfect cunoaterea prin metafizic sau teologie. Consider c prin cunoaterea tiinific
forele naturii pot fi controlate. ntre anii 1920 1930, coala de la Viena a introdus
pozitivismul logic, care postula c orice aciune care nu poate fi confirmat de experien nu
este semnificativ. Descoperirile tiinifice importante de la nceputul acestui secol, au relaxat
principiile rigide ale colii de la Viena i au determinat prin lucrrile filozofului englez W. N.
O. Quine s se admit ca instrumente principale de lucru pentru un cercettor n tiine aplicate:
logica, matematica i observaia experimental, instrumente care poate fi orientate de teorie.
Modelarea matematic utilizeaz reprezentri matematice simplificate ale sistemelor lumii
reale, ale proceselor sau ale teoriilor. Modelele matematice sunt create cu scopul de a facilita
nelegerea, prezicerea i controlul unui sistem.
Un model matematic este simbolic i se utilizeaz pentru a exprima idei i a clarifica probleme.
Un model bun reprezint o replic fidel a realitii. Validarea modelului presupune
confirmarea ipotezelor simplificatoare de lucru, a calitii datelor experimentale prin rezultatele
obinute i concluziile desprinse.
Modelarea matematic se utilizeaz cu succes n situaii limit, cnd experimentarea este prea
scump, prea periculoas sau practic imposibil. Sinteza unui experiment ntr-un model
matematic i utilizarea lui n locul experimentului constituie adevratul succes al acestei
activiti.
Aa cum sugereaz figura 1.1 schematizarea fenomenului real face posibil descrierea
matematic. Reprezentarea mental schematic se numete model fizic, iar reprezentarea
matematic model matematic.
Modelul matematic constituie un instrument de lucru fundamental pentru un inginer. Este
alctuit dintr-un ansamblu de relaii matematice apte s descrie corect interdependena
variabilelor procesului. Prin relaii matematice se nelege orice mijloc abstract capabil s
descrie cantitativ interdependena variabilelor cum ar fi: ecuaii, inecuaii, tabele, diagrame,
ecuaii chimice, subrutine de calcul sau chiar programe de calcul.
Modelele matematice pot fi statice sau dinamice, pot fi locale sau globale, pot fi deterministe
sau statistice.
- 1 -
Figura 1.1 Schematizarea pe care o suport
un obiect real prin reprezentare ntr-un model fizic /14/.
Modele deterministe sunt alctuite din ecuaii de conservare de proprietate la care se ataeaz
ecuaiile constitutive i ecuaiile specifice fenomenului i termenilor ecuaiilor. Complexitatea
acestor modele i dificultile practic insurmontabile n soluionare le limiteaz aplicabilitatea.
Dezvoltarea tehnicii de calcul i a metodelor numerice de soluionare a sistemelor de ecuaii
difereniale, reprezentative pentru acest tip de modelele, sintetizate n algoritmi de calcul
performani ofer, n principal, caracter de predicie acestor modele.
Modelele statistice sunt modele cu exprimare matematic simpl, fapt care explic utilizarea
lor cu succes n practic. Reprezint sinteza matematic a unei experiment practic i din acest
motiv utilizarea lor se face numai n cadrul limitelor n care s-a desfurat experimentul. Orice
extrapolare nu este recomandat.
Utilizarea preponderent n practic a modelelor statistice, i-a determinat pe filozofi s afirme
c la sfritul secolului XX Ingineria se apropie mai mult de art dect de tiin.
Modelul matematic este o descriere cantitativ, idealizat a unui fenomen real
schematizat ntr-un model fizic.
Modelele statistice sau empirice constituie principalul instrument de lucru al
inginerului.
2. Despre analiza de regresie
Activitatea desfurat pentru obinerea unui model statistic se numete analiz de regresie.
Scopul principal al acestei activiti este de a identifica relaia matematic dintre o variabil
dependent i una sau mai multe variabile independente. O dat identificat, aceast relaie se
poate utiliza la calculul variabilei dependente n funcie de valori cunoscute ale variabilelor
independente. Etapele principale ale analizei de regresie sunt /11, 12/:
- 2 -
1. Listarea variabilelor care influeneaz fenomenul.
2. Propunerea formei matematice a modelului.
3. Obinerea datelor experimentale.
4. Determinarea coeficienilor modelului.
5. Analiza calitii modelului.
Dac modelul matematic nu trece testele de calitate se reia activitatea de la punctul 1, dac se
constat c s-au omis variabile care pot influena procesul i de la punctul 2, dac se constat c
forma modelului propus nu este corespunztoare.
n cazul n care se coreleaz date experimentale care descriu un fenomen cunoscut, cazul cel
mai des ntlnit n activitatea din laborator, analiza de regresie ncepe cu etapa a doua sau chiar
a treia.
n continuare se vor prezenta principalele activiti desfurate n cadrul fiecrei etape.
1. Este o etap important, deoarece eventualele greeli n formularea ei pot compromite
ntreaga activitate. Se realizeaz pe baza informaiilor culese din literatura de specialitate,
prin analogie cu alte fenomene sau pe baza experienei proprii. Se vor lista numai
variabilele semnificative.
2. Alegerea formei modelului impune stabilirea numrului de ecuaii independente i formei
acestora. Pe lng sursele prezentate la punctul 1, se poate utiliza teorema . Dac se
urmrete corelarea unor date experimentale alctuite dintr-o variabil independent i una
dependent ntr-un model matematic, forma acestuia se poate stabili prin compararea
curbelor obinute prin reprezentarea grafic a datelor experimentale cu reprezentrile unor
funcii matematice tip prezentate n tabelul 1 din anex.
Se utilizeaz modele polinomiale de diferite grade:
- polinom de gradul unu: 2 2 1 1 0
x b x b b y + +
(2.1)
- polinom de gradul doi:
2 1 12
2
2 22
2
1 11 2 2 1 1 0
x x b x b x b x b x b b y + + + + + (2.2)
- ecuaii produs care se pot liniariza prin logaritmare:

k
1 j
j
b
j 0
x b y
(2.3)
- 3 -
Aceste dou etape reprezint partea intelectual forte a activitii de regresie i din acest
motiv va depinde n mare parte de gradul de educaie, flerul i experiena rezolvitorului.
Un caz particular l constituie modelele a cror variabile au caracter calitativ. De exemplu se
urmrete s se stabileasc care variant este preferat de piaa liber pentru stocarea
reziduurilor menajere: n pungi de plastic sau n containere. Modelul matematic va corela
cifra vnzrilor n funcie de o variabil fictiv x, care va lua valoarea 1 pentru pungi de
plastic i 0 pentru containere. Numrul variabilelor fictive este egal cu jumtate din numrul
variabilelor calitative, dac numrul acestora este par i cu jumtate plus unu pentru un
numr impar.
3. Obinerea datelor experimentale reprezint partea cea mai laborioas a analizei de
regresie. Pentru reducerea volumul de munc i costului activitii se recomand, atunci
cnd este posibil, s se efectueze experienele n regim programat. Acest subiect este tratat
n seciunea 6 a lucrrii.
Calitatea datelor experimentale se apreciaz cu mrimi statistice a cror utilizare este
reglementat prin standarde; vor fi prezentate n seciunea 7 a lucrrii. Acestea confirm trei
condiii pe care trebuie s le ndeplineasc datele experimentale:
- s fie suficiente
- s acopere ntreg domeniul de variaie al variabilelor
- s fie reproductibile
n cazul n care se urmrete obinerea unei ecuaii de corelarea a unui set de date experimentale
format dintr-o variabil independent i una dependent se impune examinarea graficului care
reprezint cmpul de distribuie al celor dou mrimi, pentru a aprecia dac ntre acestea exist
o dependen oarecare. Se procedeaz astfel:
Dac perechile de valori y, x se situeaz pe o fie care se poate asocia unei curbe
determinat, se apreciaz c ntre mrimile respective exist o relaie funcional vezi
figura 2.2.
Dac nu se poate depista o dependen funcional strict ntre variabile vezi figura 2.3,
deoarece punctele cmpului de distribuie sunt repartizate destul de dezordonat, dar se poate
ntrevedea o tendin ca valorile lui y s depind de x, se poate afirma c ntre y i x exist o
relaie corelaional.
Dac nu se poate depista nici o legtur ntre y i x, cmpul de distribuie se va prezenta n
mod asemntor cu cel din figura 2.4.
- 4 -
Ultimele dou cazuri se trateaz n continuare astfel: se examineaz tabelele cu perechi de date
experimentale (x
i
,

i
y
) i (
i x

, y
i
). Dac se ajunge la concluzia c ntre x i

y
sau

x
i y apare o
relaie de dependen, adic perechile de valori sunt uniform cresctoare sau descresctoare, se
poate aprecia c ntre x i y exist o dependen corelaional. Cu alte cuvinte ntre mrimile
aleatoare x i y exist o dependen corelaional dac fiecrei mrimi x i corespunde o
cantitate nedefinit de valori y, dar media aritmetic a valorilor lui

y
depinde de valorile lui x.
0 5 10 15 20
-5
0
5
10
15
20
25
Y
X
Figura 2.2 Set de date ntre care este o relaie funcional
1 2 3 4 5
2
4
6
8
10
Y
X
Figura 2.3 Set de date ntre care exist o relaie corelaional
- 5 -
1.0 1.2 1.4 1.6 1.8 2.0
1.0
1.5
2.0
2.5
3.0
3.5
Y
X
Figura 2.4 Set de date ntre care nu exist nici o relaie corelaional /13/.
3 4 5 6 7 8 9
2
4
6
8
10
12
14
Y
X
Figura 2.5 Reprezentarea grafic din figura 4 n coordonate (x,

y
)
- 6 -
3 4 5 6 7 8
2
4
6
8
10
12
Y
X
Figura 2.6 - Reprezentarea grafic din figura 4 n coordonate (x,

y
) dup eliminarea
msurtorilor considerate anormale.
O problem dificil o constituie situaia n care mai multe modelele pot corela datele
experimentale. n figura 2.7 este prezentat un exemplu n care datele experimentale pot fi
corelate fie printr-un model liniar , fir printr-un model neliniar. Concurena dintre aceste
modele se soluioneaz n cazul prezentat n figura 2.7 prin nlocuirea Y cu

Y
(punctele
ncercuite). Se constat c dependena dintre variabile este neliniar.
n concluzie:
Dependena corelaional se poate transforma n dependen funcional, doar n cazul
particular, n care prin reprezentare grafic punctele experimentale se aez pe o curb,
eventual pe o dreapt.
Dependena corelaional se abate mai mult sau mai puin de la dependena funcional, iar
msura acestei abateri se poate determina pe cale numeric.
- 7 -
Figura 2.7 Exemplu de confuzie ntre un model liniar i unul neliniar de corelare a unui set de
date experimentale /9/.
Pentru aprecierea cantitativ a gradului de corelaie al datelor experimentale se utilizeaz
covariana (x, y). Aceasta este o unitate de msur a gradului de legtur dintre dou variabile
individuale i se definete astfel:
( )( )
1 N
y y x x
) y , x cov(
i i


(2.4)
S-a notat cu N numrul determinrilor experimentale.
Valoarea zero a covarianei arat c variabilele procesului nu se coreleaz, iar valorile pozitive
sau negative ale acesteia indic existena unei corelaii. n cazul datelor experimentale
prezentate n figura 2.4 covariana este 1,69, valoare care confirm reprezentarea grafic din
figura 2.5 i anume c datele experimentale se pot corela printr-un model liniar.
4. Determinarea coeficienilor modelului matematic liniar sau liniarizabil.
Coeficienii modelelor liniare se determin cu urmtoarele metode:
metoda grafic
metoda mediilor
metoda celor mai mici ptrate
- 8 -
Metoda grafic se utilizeaz pentru modelele cu doi coeficienii i ofer rezultate cu o clas de
precizie redus.
Metoda mediilor const n soluionarea sistemului de ecuaii liniar, rezultat n urma nlocuirii a
dou seturi de valori ale mediilor aritmetice ale datelor experimentale. Este o metod a crei
soluie depinde de asocierea n cele dou seturi ale variabilelor.
Cea mai utilizat este metoda celor mai mici ptrate, deoarece calculeaz coeficienii modelului
care coreleaz datele experimentale cu abatere ptratic minim. Dup cum sugereaz figura
2.2, dreapta de regresie exprim tendina de evoluie a unor msurtori experimentale.
Pentru un model cu o variabil dependent i una independent modelul este de urmtoarea
form:
+ + x y
1 0
(2.5)
S-au notat cu
0
i
1
coeficienii modelului i cu , eroarea absolut cu care y nu poate descrie
expresia liniar n funcie de x. Dac este egal cu zero, modelul este determinist i n acest
caz cunoaterea lui x este suficient pentru calcularea lui y. n mod analog, consideraiile
anterioare se extind asupra unui model liniar cu n variabile independente a crui ecuaie de
corelare este de urmtoarea form:
+ + + + +
n n 2 2 1 1 0
x .... x x y
(2.6)
Metoda celor mai mici ptrate nlocuiete ecuaiile (2.5) i (2.6) cu urmtoarele expresii:
x b b y
1 0
^
+
(2.7)
respectiv:
n n 2 2 1 1 0
^
x b .... x b x b b y + + + +
(2.8)
n figura 2.2, perechile de valori
^
y
i x se gsesc pe dreapta de regresie n timp ce perechile y i
x sunt reprezentate de punctele experimentale. Diferena dintre valorile y i
^
y
este cunoscut
sub denumirea de abatere sau rezidual.
Dac se noteaz cu y
j
i x
ij
un set j de date experimentale, j = 1..M, se propune ca modelul
matematic s coreleze cu abatere ptratic minim, S, datele experimentale:
2
M
1 j
n
1 i
ij i 0 j
M
1 j
2
^
j j
x b b y y y S min
,
_

,
_



(2.9)
- 9 -
Pentru un model cu o variabil independent i ca urmare cu doi coeficieni, soluia sistemului
obinut prin derivare reprezint minimul urmtorului sistem:
( ) 0 x b b y 2
b
S
M
1 i
i 1 1 0 i
0

(2.10.1)
( ) 0 x x b b y 2
b
S
i 1
M
1 i
i 1 1 0 i
1

(2.10.2)
Dup rezolvarea sistemului se obine:
( )

2
i 1
2
i 1
i i 1 i 1 i
2
i 1
0
x x M
y x x y x M
b
(2.11.1)
( )

2
i 1
2
i 1
i i 1 i i 1
1
x x M
y x y x M
b
(2.11.2)
n cazul n care dependena dintre variabilele procesului este neliniar i neliniarizabil,
problema se soluioneaz prin minimizarea sumei rezidualei prin metode de optimizare
specifice, iar activitatea se numete analiz de regresie neliniar.
Regresia liniar se poate extinde i modelelor exprimate printr-o ecuaie parabolic de
urmtoarea form:
2
2 1 0
x b x b b y + + (2.12)
Sistem obinut prin derivare n raport cu necunoscutele problemei, coeficienii de tip b, este,
dup cum se observ, liniar:

'

+ +
+ +
+ +
4
i 2
3
i 1
2
i 0
2
i i
3
i 2
2
i 1 i 0 i i
2
i 2 i 1 0 i
x b x b x b x y
x b x b x b y x
x b x b Mb y
(2.13)
Observaie: Calculul coeficienilor modelului este o problem de optimizare. Ca orice
problem de optimizare, soluia acesteia depinde de criteriul de selecie ales. n acest caz,
soluia obinut corespunde sumei minime a ptratelor rezidualelor, care constituie criteriul de
selecie cel mai utilizat, deoarece prin formulare se introduce gradul de neliniaritate necesar
- 10 -
soluionrii unei astfel de probleme. n cazul modelelor neliniare, criteriul de selecie se
modific, deoarece nu mai este necesar s fie exprimat printr-o relaie neliniar.
5. Analiza calitii modelului impune apelarea la un set de teste statistice pentru a aprecia
cantitativ adecvana modelului matematic sau gradul n care ecuaia de corelare
reprezint datele experimentale. Se utilizeaz:
coeficientul de determinare;
coeficientul de corelaie;
testul Fisher.
Coeficientul de determinare, r
2
y,x
, reprezint coeficientul cel mai utilizat pentru aprecierea
calitii ecuaiei de regresie. Se definete ca raportul dintre:

,
_

,
_

n
1 i
i
m
j
2
i
^
ij
n
1 i
i
m
1 j
2
i ij
2
yx
y y
y y
r
(2.14)
S-au notat cu:
-
^
i
y
- valoarea furnizat de model n punctul i,
-
i
y

- valoarea mediei aritmetice a replicatelor n punctul i,


- y
ij
valoarea unei replicate n punctul ij,
- i = 1..n, contorul celor n puncte distincte n care s-au fcut msurtori
experimentale,
- j = 1..m
i
, contorul replicatelor executate ntr-un punct distinct i; n fiecare punct
se efectueaz m
i
replicate.
Coeficientul de determinare ia valori cuprinse ntre 0 i 1. Valoarea 1 semnific o corelare
foarte bun ntre datele experimentale i model. Valoarea 0 atrage atenia c datele
experimentale nu se coreleaz printr-un model liniar. Pentru calculele tiinifice o valoare mai
mare de 0,6 confirm corelarea de tip liniar. Exprimat n procente, coeficientul de determinare
reprezint procentul din datele experimentale care se coreleaz printr-o relaie liniar.
Coeficientul de corelaie, r
y,x
este o msur a legturii de tip liniar care exist ntre
variabile. Se definete astfel:
- 11 -
( )( )
( ) ( )

2
i
2
i
i i
x , y
y y x x
y y x x
r
(2.15)
Valoarea coeficientului de corelaie variaz n intervalul (-1; 1); valoarea +1 confirm c
variabilele se coreleaz perfect printr-o dreapt n care variabilele sunt direct proporionale, iar
valoarea 1 are aceeai semnificaie cu deosebirea c indic un raport invers proporional ntre
variabile. Valoarea zero semnaleaz c variabile nu se pot corela printr-un model liniar.
Dac coeficientul de corelaie se calculeaz din coeficientul de determinare, i se atribuie semnul
coeficientului b
1
din ecuaia de regresie, adic a coeficientului aferent variabilei x
1
.
Testului Fisher, F
c
, se definete ca raportul dintre dispersia datelor experimentale i
dispersia datelor experimentale fa de valorile calculate pe baza modelului matematic:
2
2
2
1
c
s
s
F
(2.16)
Pentru obinerea dispersiei datorat erorilor experimentale,
2
1
s sunt necesare experiene cu
replicate. Se definete astfel:
( )
1 ' n
y ' y
s
n
1 i
2
i
2
1

(2.17)
unde y reprezint media aritmetic a rspunsurilor celor n replicate.
Dispersia fa de modelul matematic,
2
2
s este:
" n N
y y
s
N
1
2
i i
^
2
2

,
_

(2.18)
unde
i
^
y
reprezint valoarea calculat cu modelul matematic, y
i
valorile experimentale, N
numrul de determinri experimentale, n numrul constantelor din model plus o unitate (N-n,
n-1 reprezint gradele de libertate ale dispersiilor
2
1
s i
2
2
s ).
- 12 -
Valorile calculate pentru testul Fisher rezultate din raportul celor dou dispersii se compar cu
cele tabelate; dac F
c
F se poate considera c modelul matematic reprezint datele
experimentale. n tabelul 8 din anex sunt date valorile testului Fisher Pentru modelele liniare
cu mai multe variabile independente se utilizeaz testul G ale crui valori sunt date n tabelul 9
din anex, iar definiia este prezentat n seciunea 7 a lucrrii.
Analiza rezidualelor joac un rol important n validarea unui model. Se presupune c reziduala
diferena dintre previziunea modelului i msurtoarea experimental, satisface urmtoarele
ipoteze:
- este o variabil aleatoare a crei valoare se dorete s fie zero,
- legea de variaie a rezidualei este aceeai cu a variabilei x,
- valorile rezidualei sunt independente,
- reziduala este normal distribuit.
Reprezentarea grafic a rezidualei n funcie de
i
^
y
, pentru toate punctele experimentale, este o
band orizontal de puncte pentru un model cu un coeficient de determinare mare. Abateri de la
aceast band sugereaz adesea cile prin care modelul poate fi mbuntit.
Analiza de regresie exprim o relaie de tip cauz efect ntre variabile, iar coeficientul de
corelaie gradul n care variabilele se asociaz unui model liniar. Orice concluzie asupra
rezultatelor obinute, se recomand s se efectueze cu mare pruden i numai dup o judecat
analitic a fenomenului fizic studiat.
Analiza de regresie este activitatea de identificare i obinere a unui model
matematic statistic
Calitatea modelului se apreciaz cu teste statistice
- 13 -