www.cartiaz.

ro – Carti si articole online gratuite de la A la Z

AGREGATE TERMICE

1. ASPECTE GENERALE PRIVIND AGREGATELE

TERMICE METALURGICE

1.1. Introducere

Majoritatea proceselor metalurgice (elaborarea fontelor, a oţelurilor, a aliajelor neferoase,

retopirea în diferite scopuri, încălzirea în vederea deformării plastice ulterioare prin laminare,
forjare, matriţare, etc., încălzirea în vederea realizării tratamentelor termice şi termochimice,
uscarea argilelor pentru turnătorie, sinterizarea, etc.), se desfăşoară la o temperatură mai mare decât
temperatura mediului ambiant.
Pentru a realiza aceste procese este necesar un aport de căldură (energie termică) din exterior,
sau conservarea unei cantităţi de căldură, în interiorul unui corp, procese care se realizează prin
încălzire, respectiv izolare termică. După cum se ştie din principiul al doilea al termodinamicii,
transferul de căldură se realizează în mod natural de la un sistem termodinamic cu o temperatură
ridicată la unul având o temperatură mai scăzută.
Procesele metalurgice menţionate mai sus, se desfăşoară în aşa numitele agregate termice. Ca
o definiţie succintă, agregatul termic metalurgic, reprezintă un ansamblu de corpuri în care se
desfăşoară un proces termotehnologic metalurgic. De aceea agregatele termice metalurgice se mai
numesc si agregate termotehnologice metalurgice (A.T.M) .
Aceste procese termotehnologice se desfăşoară pe seama schimbului energetic între
elementele componente ale A.T.M şi între A.T.M şi mediul ambiant. În baza acestei observaţii
putem spune că A.T.M reprezintă un sistem termodinamic. Deoarece între un A.T.M şi mediul
ambiant au loc schimburi de energie mecanică (datorită diferenţelor de presiune care se stabilesc) şi
schimburi de energie termică sub formă de căldură, A.T.M poate fi considerat, un sistem
termodinamic neizolat. De asemenea între A.T.M şi mediul ambiant, au loc şi schimburi de masă,
datorită diferitelor procese de evacuare a gazelor, de evacuare şi introducere a încărcăturii metalice,
etc. În consecinţă, A.T.M poate fi considerat şi un sistem termodinamic deschis.
În majoritatea cazurilor, mediul ambiant pentru un A.T.M. îl reprezintă hala industrială în
care funcţionează, cu atmosfera din interiorul acesteia, precum şi cu celelalte agregate şi instalaţii
montate în interiorul halei.
Deoarece condiţiile în care se află mediul ambiant amintit mai sus nu se modifică semnificativ
în timp, iar regimul de funcţionare al A.T.M este oarecum cvasiconstant, putem spune ca între
A.T.M şi mediul ambiant se stabileşte un regim staţionar din punct de vedere termodinamic, regim
care este caracterizat de mărimile de stare cunoscute din termotehică.

1
 www.cartiaz.ro – Carti si articole online gratuite de la A la Z

Fig. 1.1. Agregatul termotehnologic metalurgic

1- spaţiul de lucru al cuptorului; 2- zidăria cuptorului; 3- instalaţia de ardere;
4- structura metalică de susţinere a zidăriei; 5- canale de evacuare a gazelor
6- schimbător de căldură; 7- coşul de fum.

Pe lângă procesele pur metalurgice care au loc în cuptor (CM), în interiorul A.T.M. mai au
loc şi unele procese auxiliare, cum ar fi:
 preîncălzirea aerului şi/sau a combustibilului, în schimbătorul de căldură (SC);
 obţinerea aburului tehnologic, etc.
Aceste procese au la bază tot fenomene de transfer de căldură.
Procesul metalurgic propriu-zis se desfăşoară în spaţiul de lucru al cuptorului (SL), spaţiu de
lucru care are volumul Vsl. Acest spaţiu este format dintr-un volum ocupat de încărcătura metalică,
notat Vm şi un spaţiu liber, notat Vl:

Vsl=Vm+Vl (1.1)

1.2. Clasificarea cuptoarelor metalurgice

Varietatea proceselor metalurgice şi diversitatea tehnologiilor specifice unui proces a generat

de-a lungul timpului apariţia unor numeroase tipuri de cuptoare a căror clasificare este foarte greu
de realizat. Totuşi luând în considerare anumiţi factori putem face următoarea clasificare:

a) În funcţie de natura procesului termotehnologic care are loc:

 cuptoare metalurgice de elaborare (topire);
 cuptoare metalurgice de încălzire:
o cuptoare de încălzire pentru deformări plastice;
o cuptoare de încălzire pentru tratamente termice şi termochimice;
o cuptoare de încălzire pentru sinterizarea produselor din pulberi;
o cuptoare metalurgice de uscare.

b) După modul de funcţionare tehnologică:

 cuptoare cu funcţionare discontinuă - se caracterizează prin faptul că operaţiunile de
încărcare-descărcare sunt distincte în raport cu procesul metalurgic propriu-zis, astfel durata
totală a unui ciclu de funcţionare este dată de relaţia:

2
 www.cartiaz.ro – Carti si articole online gratuite de la A la Z

τc=τînc+τp.m+τdesc (1.2)

Aceste cuptoare cu funcţionare discontinuă se mai numesc şi cuptoare tip cameră. Temperatura în
interiorul acestora este una variabilă în timp, sau uneori constantă în timp, dar întotdeauna constantă
în diferitele puncte ale spaţiului de lucru.
 cuptoare cu funcţionare continuă - la aceste cuptoare procesele de încărcare şi
descărcare se suprapun peste procesul tehnologic propriu-zis, astfel:

τc=τp.m (1.3)

Aceste cuptoare poartă denumirea de cuptoare traversate. În acest caz temperatura cuptorului este
constantă în timp, dar variabila în spaţiul de lucru.

c) După sursa termică:

 cuptoare cu combustie:
 cuptoare cu flacără;
 cuptoare de tip convertizor;
 cuptoare electrice.

La cuptoarele cu flacără căldura se degajă pe seama arderii unui combustibil.

În cazul cuptoarelor de tip convertizor, producerea căldurii are loc pe seama reacţiilor de ardere din
interiorul topiturii.

d) După desfăşurarea volumului util al cuptorului:

 cuptoare tip vatră - lungimea şi lăţimea spaţiului util sunt mult mai mari decât
înălţimea. Este cazul cuptoarelor de încălzire.
 cuptoare tip cuvă - cu dezvoltare pe verticală, având lungimea şi lăţimea mult mai
mici decât înălţimea. Este cazul cuptoarelor circulare, la care diametrul vetrei este mult mai
mic decât înălţimea.

3
 www.cartiaz.ro – Carti si articole online gratuite de la A la Z

2. ELEMENTE CONSTRUCTIVE ALE

CUPTOARELOR METALURGICE

Indiferent de categoria din care fac parte, există probleme general valabile tuturor cuptoarelor,
probleme legate de partea constructivă a acestora. Există şi particularităţi, ele nefăcând subiectul
acestui capitol.
Părţile constructive esenţiale ale unui cuptor metalurgic sunt:
 Fundaţia;
 Zidăria;
 Elementele de susţinere metalice.
Menţionăm faptul că unele aspecte înfăţişate în capitolul de faţă trebuie corelate cu
informaţiile existente în capitolul următor, referitor la materialele de construcţie.

2.1. Fundaţia

Fundaţia reprezintă partea constructivă a cuptoarelor care are rolul de a uniformiza presiunile
specifice de contact, la nivelul solului.
Fundaţiile se execută, în funcţie de situaţiile particulare existente, din cărămidă roşie, rocă
brută legată cu mortar, din beton sau din beton armat.
Alegerea acestor tipuri de materiale se face, în funcţie de tipul solicitărilor care apar. A
dimensiona fundaţia unui cuptor, înseamnă a determina aria totală de contact cu solul şi grosimea
fundaţiei.
Din punct de vedere mecanic, calculul fundaţiei presupune un echilibru al forţelor care acţionează
asupra acesteia:
Gc + Gf = ps.a . Sc = R (2.1)

unde ps.a reprezintă presiunea specifică admisibilă a solului în suprafaţa de contact şi diferă în
funcţie de natura solului. Pentru a obţine rezultate optime, această presiune trebuie să fie în jurul a
0,25 MN/m2. Gc este greutatea cuptorului, iar Gf este greutatea fundaţiei (figura 2.1).

Fig. 2.1. Dimensionarea fundaţiei

În cazul în care, pentru anumite situaţii concrete, această presiune admisibilă nu se atinge se
iau măsuri speciale de ajungere la această valoare. O măsură ar fi mărirea suprafeţei de contact
(figura 2.2).

4
 www.cartiaz.ro – Carti si articole online gratuite de la A la Z

S’C

SC

Fig. 2.2. Evazarea fundaţiei pentru mărirea suprafeţei de contact Ac cu solul

O altă metodă ar fi mărirea rezistenţei solului prin compactare, sau prin eliminarea acestuia
până se ajunge la roca dură. Când nivelul rocii se află la o adâncime mai mare de 4 metri, se recurge
la realizarea unor fundaţii suspendate pe piloni (figura 2.3).
Pe lângă solicitările mecanice la care este supusă fundaţia, mai apar şi solicitări de natură
termică, datorită existenţei unui gradient de temperatură între suprafaţa de contact vatra cuptorului
- fundaţie şi suprafaţa de contact fundaţie - sol.

Fig. 2.3. Dispunerea fundaţiei pe piloni

Acest gradient de temperatură duce la dilatări neuniforme ale fundaţiei, provocând fisuri în
masa acesteia. Pentru a se evita acest lucru, se poate recurge la următoarele metode:
 realizarea vetrei, astfel încât fluxul de căldură care se pierde spre exterior qI, să fie mai mare
decât fluxul de căldură care se transmite către fundaţie, qII (figura 2.1): qI > qII presupune ca
rezistenţa termică a vetrei pe direcţia I, să fie mult mai mică decât rezistenţa termică pe
direcţia II. Această afirmaţie conduce la ideea conform căreia grosimea vetrei trebuie să fie
mai mare decât semilăţimea cuptorului. Este evident vorba despre o soluţie scumpă, la care se
apelează numai în cazuri speciale (furnalele pentru elaborarea fontei).
 o altă variantă constă în realizarea de vetre răcite (figura 2.4). Prin această metodă, între vatră
şi fundaţie se realizează canale prin care circulă (natural sau uneori forţat) aer.
 prevenirea efectului negativ al dilatării termice excesive se poate obţine şi prin construcţia
fundaţiilor în formă de “şa” (figura 2.5). În acest caz, părţile laterale ale fundaţiei lucrează ca
nişte grinzi dispuse la marginea acesteia.

La construcţia fundaţiilor mai trebuie respectate şi unele condiţii legate de umiditatea optimă
a solului. Când acesta este prea uscat se recurge la umectarea artificială. Dacă nivelul apelor freatice
are o adâncime mai mică de 2 metri, se adoptă soluţii de drenaj ale zonei sau hidroizolarea
fundaţiei cu ajutorul unor chesoane metalice sau cu betoane speciale.
În cazul cuptoarelor executate în afara halelor industriale mai trebuie să se ţină cont şi de
nivelul de îngheţ al solului, corespunzător zonei geografice respective. La noi în ţară nivelul maxim
de îngheţ este de 70 cm, aceasta presupunând o poziţionare a fundaţiei sub acest nivel deoarece
solul îngheţat îţi modifică total proprietăţile faţă de cel neîngheţat.

5
 www.cartiaz.ro – Carti si articole online gratuite de la A la Z

Fig.2.4. Metoda vetrelor răcite Fig.2.5. Construcţia fundaţiei în şa

2.2. Zidăria

Zidăria ca noţiune generală cuprinde: vatra cuptorului, pereţii laterali şi bolta. Zidăria este
elementul de construcţie care închide spaţiul de lucru al cuptorului având următoarele funcţii:
 să poată asigura o rezistenţă termică, mecanică şi chimică adecvată în interiorul spaţiului de
lucru;
 să asigure etanşeitatea spaţiului de lucru;
 să menţină în interiorul spaţiului de lucru temperatura optimă cerută de procesul tehnologic,
cu alte cuvinte, pierderile de căldură spre exterior să fie minime.
Realizarea zidăriei se poate face utilizând 1, 2, 3, sau, în cazuri excepţionale, mai multe
straturi din materiale ceramice cu proprietăţi diferite.
În interiorul cuptorului peretele trebuie să reziste la şocurile termice, la coroziunea chimică şi
la acţiunile mecanice. Pentru aceasta, stratul interior trebuie să aibă proprietăţi refractare foarte
bune, adică materialul să reziste la temperaturi înalte şi la şocuri termice. Pe de altă parte materialul
zidăriei trebuie să prezinte proprietăţi termoizolante pentru a diminua fluxul de căldură pierdut spre
exterior. Acest material mai trebuie să aibă şi o rezistenţă mecanică suficientă pentru a se putea
realiza susţinerea întregului ansamblu. Zidăria are şi rolul de susţinere a instalaţiei de ardere şi a
dispozitivelor auxiliare montate pe cuptor.
În situaţia în care regimul termic al cuptorului este unul scăzut, dimensiunile acestuia fiind
reduse, zidăria se poate realiza în varianta cu un strat, strat care îndeplineşte toate condiţiile
menţionate mai sus.
În majoritatea cazurilor însă, zidăria se realizează din două straturi, unul interior, din material
ceramic refractar, rezistent la temperaturi înalte, coroziune şi şoc termic şi unul exterior,
termoizolator.

6
 www.cartiaz.ro – Carti si articole online gratuite de la A la Z

Fig.2.6. Realizarea zidăriei cu unul, două şi respectiv trei straturi

În cazul în care temperatura intermediară tx , nu poate fi coborâtă sub 1100 0C (figura 2.6), se
recurge la varianta cu trei straturi. Primul este un strat refractar, al doilea unul termoizolator, dintr-
un material rezistent la temperaturi înalte şi un al treilea start, tot termoizolator, dar care rezistă la
temperaturi sub 800 0C.

2.3. Vetrele cuptoarelor metalurgice

Vatra este elementul de zidărie care închide la partea inferioară spaţiul de lucru al cuptorului.
Ca şi o clasificare generală putem spune că, în primul rând, vetrele se împart în două categorii:
 vetrele cuptoarelor de elaborare;
 vetrele cuptoarelor de încălzire.

Vetrele cuptoarelor de încălzire se diferenţiază pentru :
 cuptoare tip cameră, la care există:
 vetre fixe;
 vetre mobile;
 cuptoare traversate (cu funcţionare continuă).

Vetrele cuptoarelor de elaborare pot fi:

 vetre în arc negativ;
 vetre în pantă;
 vetre în trepte.
Exemple demonstrative pentru modul de construcţie a acestor tipuri de vetre sunt prezentate
în schiţele următoare.

a) b) c)
Fig.2.7. Tipuri de vetre pentru cuptoare de elaborare:
a- în arc negativ; b- în pantă; c- în trepte
1- strat refractar; 2- strat izolator; 3- strat de uzură stampat

a) b) c)

7
 www.cartiaz.ro – Carti si articole online gratuite de la A la Z

Fig.2.8. Tipuri de vetre pentru cuptoare de încălzire

a- vatră fixă; b-vatră mobilă; c-vatră cu grinzi păşitoare.
1- vatra;2- pereţii laterali;3- semifabricatul supus încălzirii;
4- fundaţia cuptorului;5- mecanism de antrenare a grinzilor mobile;
1a- grinzi mobile;1b- grinzi fixe.

detaliul A

2.3.1. Vetrele cuptoarelor de elaborare

Vetrele cuptoarelor de elaborare în arc negativ (figura 2.7.a) sunt folosite la elaborarea
aliajelor neferoase, pe când vetrele în pantă (figura 2.7.b) şi în trepte (figura 2.7.c) sunt folosite la
elaborarea oţelului şi a fontei. Dintre acestea două din urmă, vetrele în pantă sunt mai scumpe şi
mai pretenţioase din punct de vedere al manoperei pentru că folosesc cărămizi speciale, în schimb
au avantajul unui strat de uzură uniform ca şi grosime, ceea ce conduce la o micşorare a riscului de
apariţie a fisurilor datorate gradienţilor de temperatură pe grosime.

2.3.2. Vetrele cuptoarelor de încălzire

Vetrele fixe (figura 2.8.a) se folosesc la cuptoarele tip cameră, cu funcţionare discontinuă.
Vatra este monolitică. Operaţiunile de încărcare-descărcare din cuptor se realizează cu dispozitive
speciale. Vatra mobilă din figura 2.8.b este utilizată tot la cuptoarele tip cameră, cu funcţionare
discontinuă, dar în acest caz, vatra are posibilitatea de culisare pe nişte şine şi poate fi scoasă din
incinta cuptorului. Aceasta facilitează încărcarea şi descărcarea cuptorului.
Acest tip de vetre se foloseşte la cuptoarele de încălzire a lingourilor de dimensiuni mari,
necesitând un sistem de etanşare care poartă numele de etanşare jgheab-cuţit, reprezentat în detaliul
A din figura 2.8.
Mai sunt şi alte tipuri de vetre mobile, spre exemplu vetrele cuptoarelor cu funcţionare
continuă, la care se foloseşte foarte des sistemul cu grinzi păşitoare, prezentat în figura 2.8.c.
Pe lângă aceste tipuri de vetre, mai există vetre cu glisiere, cu bandă, cu lanţuri, etc. Acestea
sunt specifice cuptoarelor cu funcţionare continuă.

2.3.3. Dimensionarea vetrelor

Vetrele, în general, sunt supuse unor solicitări mecanice, termice şi chimice. Intensitatea
acestor solicitări depinde de tipul cuptorului. Spre exemplu vetrele cuptoarelor de elaborare, sunt
supuse cu precădere unor solicitări termice şi chimice pentru că vin în contact direct cu topitura
metalică. În schimb, vetrele cuptoarelor de încălzire sunt supuse unor solicitări mecanice mai
intense, apoi termice şi chimice într-o mai mică măsură.
Dimensionarea vetrelor presupune un calcul al grosimii acestora ( δ v ) şi al lungimii (L),
respectiv lăţimii (B).
 δ v se determină din condiţii de rezistenţă mecanică şi izolare termică;
 L, B se determină din următoarele considerente:

8
 www.cartiaz.ro – Carti si articole online gratuite de la A la Z


 L ⋅ B = Sv

 L = K
 B
(2.2)
Lungimea × Lăţimea = Aria Vetrei (S v).
K este un coeficient a cărui valori sunt recomandate în literatura de specialitate funcţie de
tipul cuptorului.
Calculul ariei vetrei, Av, se face diferenţiat, astfel:
- Pentru cuptoarele cu funcţionare continuă:
P
Sv = (2.3)
p
- Pentru cuptoare cu funcţionare discontinuă:
C
Sv = (2.4)
p× τ c
unde:
o P [t/h]- este productivitatea cuptoarelor cu funcţionare continuă;
o P [t/m2h] - este productivitatea specifică.
o C [t]- capacitatea cuptorului cu funcţionare discontinuă în tone;
o τ c [h] - durata unui ciclu de funcţionare al cuptorului discontinuu.

9
2.4. Pereţii cuptoarelor

Pereţii reprezintă partea zidăriei care închide spaţiul de lucru al cuptorului în zonele laterale şi
frontale. În funcţie de tipul cuptoarelor există:
 pereţi plani (drepţi):
• verticali;
• înclinaţi;
 pereţi curbi (radiali).
În cazul pereţilor verticali este de preferat o racordare plană cu vatra (figura 2.9), pentru a evita
amorsele de fisurare, induse de unghiurile drepte. Pereţii înclinaţi se execută în scopul de a mării
suprafaţa bolţii şi de a uşura repararea zidăriei la cald.
Cazul pereţilor curbi se întâlneşte la cuptoarele tip creuzet, la care bolta este sub formă de cupolă. Pe
lângă rolul de închidere a spaţiului de lucru pereţii mai îndeplinesc şi alte funcţii cum ar fi:
 susţinerea în anumite cazuri a instalaţiei de ardere;
 în pereţi sunt prevăzute orificiile de încărcare-descărcare;
 includ orificii de alimentare şi vizitare, etc.

a)

b) c)
Fig.2.9. Tipuri de pereţi
a- plani verticali; b- plani înclinaţi; c- radiali

În concluzie, pereţii sunt supuşi atât solicitărilor termice cât şi celor mecanice, datorită greutăţii
proprii şi, în unele cazuri, a bolţii, precum şi solicitări mecanice induse de instalaţiile auxiliare montate
pe aceştia. Dimensionarea pereţilor presupune determinarea grosimii acestora. Lungimea este una din
dimensiunile vetrei, rămânând de determinat doar înălţimea:
V
H = SL (2.5)
Sv
Volumul spaţiului de lucru, VSL se determină diferenţiat după tipul cuptorului. Spre exemplu,
pentru cuptoarele de tratament termic acesta se determină astfel:

10
 C ⋅ qm C
VSL = VSl + Vmat = + (2.6)
p t.m ⋅ τ c.c ρ mat ⋅ ϕ i

unde: VSl – este volumul spaţiului liber, în [m3], Vmat – este volumul materialului supus încălzirii, în
[m3], C – capacitatea cuptorului dată prin tema de proiect, în [kg/ciclu], qm – este consumul specific de
căldură în [J/kgmat], pt.m – puterea termică specifică în [W/m3], τc.c – durata ciclului de încălzire, în
[s/ciclu], ρmat – este densitatea materialului procesat, în [kg/m3], ϕi – coeficient de umplere a spaţiului
respectiv.
La zidirea pereţilor trebuie avut în vedere că, în timpul procesului de încălzire, apar dilatări
semnificative între cărămizile sau componentele ce alcătuiesc pereţii şi în consecinţă trebuie să se
prevadă aşa numitele rosturi de dilatare.

2.5. Bolţile cuptoarelor metalurgice

Bolta, reprezintă elementul de zidărie care închide spaţiul de lucru al cuptorului la partea
superioară a acestuia. Bolţile sunt mai puţin solicitate mecanic şi foarte intens solicitate termic.
Diversele tipuri de bolţi întâlnite se pot clasifica astfel:
După formă:
 bolţi în arc;
 bolţi plane;
 bolţi în cupolă (semicirculare).
După modul de aşezare:
 bolţi rezemate;
 bolţi suspendate.
După orientare:
 bolţi longitudinale;
 bolţi transversale.

Câteva tipuri mai importante de bolţi sunt schiţate în figura de mai jos.

a b c
Fig.2.10.Tipuri de bolţi
a- boltă în arc simplu rezemată longitudinal, b- boltă în arc suspendată, c- boltă plană suspendată
 Fig.2.11.
Modul de înzidire al bolţilor
în arc simplu rezemate
1- cofrajul cu stâlpii de
susţinere; 2- cărămizi pană ; 3-
cheia bolţii ;
4- umărul bolţii ; 5- perete
lateral;
6- stâlpul armăturii metalice

Modul de înzidire al bolţilor în arc, simplu rezemate, este prezentat în figura 2.11. Pentru a
realiza arcurile, bolţile se zidesc pe cofraje introduse în spaţiul dintre pereţi. După aşezarea cărămizilor
de reazem (umerii bolţii) se zidesc alternativ cărămizile pană şi cele rectangulare, începându-se pe
ambele laturi de la cărămizile de reazem spre centrul bolţii. Arcul se încheie prin introducerea forţată,
pe direcţia axului bolţii, a unei cărămizi pană numită cheia bolţii care rigidizează bolta. Înzidirea se
poate face în arce succesive, pe lungimea cuptorului, caz în care rezistenţa bolţii este mai mică, sau în
arce întrepătrunse, caz în care rezistenţa este superioară dar apar dificultăţi cu înzidirea [9].
În continuare sunt prezentate câteva exemple de tipuri de cărămizi utilizate la zidirea bolţilor,
precum şi modul de asamblare a acestora.

Fig.2.12. Tipuri de cărămizi utilizate la construcţia bolţilor

Bolţile în arc sunt solicitate mecanic, mai puţin termic. Dimensionarea lor presupune
determinarea dimensiunilor geometrice schiţate în figura 2.13.

Linie mediana
Linie interioara

F δb G

fb
T R
G/2 D=B

Fig.2.13. Elementele geometrice ale unei bolţi în arc

Solicitările la care sunt supuse bolţile în arc se pot considera la rece, când nu se iau în
considerare dilatările termice, sau la cald, când peste solicitările existente se suprapun cele datorate
dilatărilor.
Greutatea bolţii:
 G = m ⋅ g = ρ mat ⋅ Vb ⋅ g = ρ mat ⋅ L ⋅ A l ⋅ g (2.7)

Al =
α ⋅π
360 
[
(R + δ b ) 2 − R 2
]= π ⋅α
360 
(2R δ b + δ b
2
)
(2.8)

G = ρ mat ⋅ g ⋅ L ⋅
π ⋅α
360 
(2R δ b + δ b
2
) (2.9)

unde: R - raza bolţii; δb - este grosimea bolţii; α − unghiul de deschidere care este considerat un unghi
în evantai, adică pentru α = 180  ⇒ o boltă în semicerc, iar pentru α = 0 ⇒ o boltă plană.
În stare rece bolta este solicitată la compresiune datorită reacţiunilor din reazeme induse de forţa
T (figura 2.13).
Valoarea optimă pentru unghiul α este de 600. O mărire a acestui unghi, va duce la o diminuare a
căldurii radiate de boltă spre încărcătură. Scăderea unghiului α este limitată de creşterea semnificativă
a tensiunii T.
Săgeata bolţii se calculează cu formula:
 α 
fb = R  1 − cos  (2.10)
 2
Grosimea bolţii, δb depinde de modul de înzidire a acesteia. Peste cărămizile pană se aplică un strat
izolator termic, de obicei din materiale sub formă de pulberi. În cazul unor regimuri termice foarte
ridicate se evită această izolare pentru ca bolta să nu se supraîncălzească şi să apară fisuri în materialul
acesteia. La alegerea tipului de boltă, în arc sau plană, se ţine cont de următoarele:
 bolţile plane sunt mai scumpe, datorită formelor particulare ale cărămizilor care necesită
personal calificat pentru înzidire, dar sunt superioare din punct de vedere termic celor în arc
deoarece întreaga energie radiată de bolţile plane este îndreptată spre încărcătură.
 dacă: B<4m, atunci se folosesc bolţile plane în arc, deoarece sunt mai ieftine.
 dacă: B>4m, bolţile în arc devin foarte scumpe, deoarece creşte forţa T şi cresc cheltuielile
cu armătura metalică, recomandându-se în acest caz bolţile plane.

2.6. Elemente de construcţie auxiliare

Pentru a se asigura funcţionarea în bune condiţiuni, este necesar ca în construcţia cuptorului să se

prevadă şi unele elemente auxiliare, cum ar fi:
 canale de fum;
 orificii de lucru;
 uşi;
 dispozitive de manipulare a uşilor;
 registre de fum.

2.6.1. Canalele de fum

Canalele de fum reprezintă o componentă a instalaţiei de evacuare şi transport a gazelor. Acestea

dirijează gazele spre exterior în mediul ambiant. De regulă ele sunt subterane, caz în care se zidesc cu
căptuşeală refractară. Există, mai rar, şi situaţii în care gazele arse se evacuează pe la partea superioară
a cuptorului, caz în care canalele de fum sunt reprezentate de conducte, căptuşite la interior cu
materiale refractare.
Pe lungimea sa, un canal de fum subteran prezintă trei porţiuni (figura 2.14):
 Porţiunea verticala a canalului de fum;
 Porţiunea orizontală a canalului de fum;
 Porţiunea de subtraversare a peretelui lateral.
 Porţiunea verticală a canalului de fum se află în interiorul conturului cuptorului şi este sub forma
unui puţ cu secţiune dreptunghiulară. Partea orizontală este dispusă în afara conturului cuptorului.
Pentru realizarea acestei porţiuni se lasă în fundaţie o cavitate (şanţ), în care ulterior se zideşte canalul
de fum.
Zidăria porţiunii orizontale, se realizează cu boltiţe în semicerc. Din acest motiv forţa de
desfacere este nulă, nefiind necesare armături metalice suplimentare pentru consolidare. Distanţa
rămasă între boltiţa canalului şi nivelul solului se umple cu un strat granular de umplutură (umplutură
de construcţie). În cazul în care, datorită temperaturii ridicate, apar dilatări termice semnificative se
recomandă ca pereţii cavităţii în care se zideşte canalul de fum să fie consolidaţi cu grinzi metalice
transversale, montate în fundaţie cu bolţuri. Pe porţiunea orizontală, este necesar să se prevadă puţuri
de vizitare.
4

1
P o rt iu n e a v e r tic a la

2 P o r t iu n e a o r iz o n t a la

P o r t iu n e a d e
s u b tr a v e r s a r e
a p e r e te lu i

b
b1

a1

Porţiunea verticală Porţiunea de subtraversare a peretelui Porţiunea orizontală

Fig.2.14. Canal de fum subteran

1- încărcătura metalică, 2- vatra cuptorului, 3- fundaţia, 4- perete lateral, 5- umplutură

Porţiunea de subtraversare a peretelui prezintă următoarea particularitate: bolta acestei porţiuni

este puternic solicitată termic din două direcţii:
 un flux de căldură de la gazele arse solicită partea inferioară a bolţii;
 un flux de căldură ce traversează peretele lateral solicită partea superioară a bolţii.
De asemenea apare o solicitare mecanică importantă datorită preluării de către boltă a unei părţi
din greutatea peretelui. În aceste condiţii, pentru această porţiune se recurge la metoda cu două boltiţe
(figura 2.14).

2.6.2. Conductele
Sunt folosite tot pentru transportul gazelor. Când acestea sunt reci (t < 400 0 C), conductele nu se
deosebesc cu nimic faţă de conductele metalice folosite în alte domenii. În cazul în care se folosesc
pentru transportul gazelor cu temperaturi mari, conductele se zidesc la interior cu cărămizi refractare,
tip pană şi rectangulare. Dacă diametrul conductei este suficient de mare încât să permită accesul în
interior a operatorilor, atunci zidirea se face în poziţie orizontală (culcată). La partea superioară,
zidirea se realizează cu ajutorul cofrajelor, la fel ca la zidirea bolţilor. Dacă diametrul conductei este
mic, zidirea se face pe porţiuni de conductă, în poziţie verticală, urmând apoi ca aceste porţiuni să fie
asamblate.

2.6.3. Orificiile de lucru

Orificiile de lucru reprezintă degajări în pereţii cuptoarelor, cu scopul realizării anumitor

operaţii:
 încărcare-descărcare;
 vizitarea spaţiului de lucru;
 introducerea de adaosuri;
 alte operaţii cu caracter tehnologic.
La construcţia orificiilor trebuie să se acorde o atenţie deosebită realizării boltiţelor şi a pereţilor
despărţitori (în cazul unor orificii multiple).
Pe lângă solicitările care apar, ca şi în cazul canalelor de fum, boltiţa orificiilor de lucru este
solicitată şi la şocuri mecanice, datorită operaţiilor de încărcare-descărcare. Când cuptorul are mai
multe uşi, peretele despărţitor este suprasolicitat termic deoarece gazele arse spală trei din cele patru
suprafeţe ale peretelui (figura 2.15). Pentru evitarea deformării peretelui, acesta se construieşte cu
grosime variabilă.

p e re te d e s p a r tito r
usi

fla c a ra

Fig.2.15. Solicitarea termică a pereţilor despărţitori în cazul uşilor multiple

2.6.4. Uşile
Uşile servesc la închiderea orificiilor de lucru după terminarea operaţiilor de intervenţie în
cuptor. Scopul lor este de a reduce fluxul de căldură pierdut prin radiaţie spre mediul înconjurător
având totodată rol de protecţie pentru personalul care deserveşte cuptorul. Uşile sunt solicitate la şoc
termic, datorită faptului că în perioada cât sunt închise se încălzesc, urmând apoi să se răcească pe
perioada cât sunt deschise. Acest ciclu de încălzire-răcire repetată, numit şoc termic, duce la
distrugerea materialului din care este confecţionată uşa.
La agregatele solicitate termic intens, uşa glisează pe o ramă metalică răcită, de obicei, cu apă.
Tot în această situaţie, mantaua metalică este dublă pentru a se putea realiza şi răcirea acesteia. Răcirea
nu este dictată atât din considerente tehnologice, cât mai mult din considerente de protecţie a
operatorilor.
Masa refractară a uşii (figura 2.16.c) poate fi realizată din cărămizi refractare sau din masă
ceramică plastică. Pentru protecţia masei ceramice, în interior uşa poate fi căptuşită cu cimenturi
refractare.
 3

Fig.2.16. Uşa unui cuptor:

4
A-A
1- uşa, 2- construcţia pentru
susţinerea mecanismului de
A a
2 ridicare, 3- roţi de transmisie,
4- cablu, 5- contragreutăţi,
1
a- rama uşii, b- armătură,
b c- material refractar
5 c

Elementele metalice de armătură sunt sub formă de bare cu secţiune rotundă sau plase de sârmă.
Uşile sunt manipulate cu ajutorul unor dispozitive cu contragreutăţi. Aceste operaţii pot fi mecanizate,
dar pentru siguranţă se păstrează contragreutăţile.

2.6.5. Registrele de fum

Se mai numesc şi şubere. Sunt organe cu ajutorul cărora se obturează total sau parţial secţiunea
de curgere a gazelor. Aceste registre de fum au un rol foarte important în stabilirea regimului gazo-
dinamic al cuptorului.
Registrul de fum are forma unei plăci plane, cu posibilitate de translatare astfel încât să poată
duce la modificarea secţiunii de curgere a gazelor.
La temperaturi ale gazelor de până la 600 0C, registrul se realizează sub forma unei plăci turnate
din fontă. La temperaturi peste 600 0C, acesta se realizează dintr-o ramă metalică răcită cu apă, în
interiorul căreia se zideşte material refractar.

c a rc a s a tija
p la c a

Fig.2.17. Registru de fum

2.6.6. Armătura metalică a cuptoarelor

Există două feluri de armături metalice:
 armătură metalică extensibilă;
 armătură metalică rigidă.
Armătura metalică extensibilă (figura 2.18) permite dilatarea cuptorului, astfel încât să nu apară
tensiuni de natură termică care să ducă la distrugerea acesteia.
 4

2
1 Fig.2.18. Armătura metalică extensibilă
1- manta metalică,
2- grindă longitudinală,
3- stâlp,
3
4- tirant superior,
5 5- tirant inferior,
6
6- profile metalice.

Această soluţie permite reglarea cu ajutorul tiranţilor inferiori şi superiori a spaţiilor destinate
dilatării zidăriei în timpul funcţionării cuptorului.
Mantaua metalică are rolul de a prevenii interacţiunea zidăriei cu mediul ambiant (care, în timp,
duce la degradarea zidăriei). Mantaua mai are rolul de susţinător pentru diverse instalaţii auxiliare şi de
asemenea, în cazul în care cuptorul funcţionează cu o suprapresiune în interior, sau cu o depresiune,
are rol de etanşare, în scopul evitării exfiltraţilor / infiltraţilor de gaze sau de aer în / din mediu.
Grinda longitudinală (2), este confecţionată din profil U (în majoritatea cazurilor) şi are rolul de a
prelua eforturile rezultante date de boltă.
Stâlpii dispuşi pe lungimea cuptorului, la o anumită distanţă, constituie puncte de reazem pentru
grinda longitudinală. Aceşti stâlpi sunt solicitaţi la încovoiere, datorită legăturii acestora cu tiranţii
superior şi inferior. Tiranţii au rolul de consolidare al stâlpilor. Sunt confecţionaţi din oţel cu profil
rotund, filetaţi la capete şi fixaţi de stâlpi cu ajutorul piuliţelor.
Armătura metalică rigidă (figura 2.19) se utilizează în cazul cuptoarelor cu regimuri termice mai
scăzute, la care dilatarea zidăriei este mică şi nu se pune problema deschiderii acesteia pentru
compensare.

t ir a n t s u p e r io r

s ta lp

Fig. 2.19. Armătură metalică rigidă

Deosebirea faţă de armătura extensibilă, constă în lipsa tiranţilor inferior şi superior, stâlpii fiind
încastraţi în fundaţie la partea inferioară şi rigidizaţi la partea superioară cu o traversă fixată prin
sudură de aceştia.
Anihilarea eventualelor dilatări în acest caz se face printr-o armare corespunzătoare a fundaţiei.
 3. Materiale refractare folosite la construcţia cuptoarelor metalurgice

3.1. Introducere

La execuţia unui cuptor metalurgic sunt folosite o serie de materiale de construcţie ale căror
particularităţi şi proprietăţi au un rol hotărâtor în durata de funcţionare a acestuia. Alegerea judicioasă
a materialelor de construcţie şi folosirea lor corespunzătoare asigură nu numai o durată mare de
serviciu pentru tot cuptorul sau pentru unele elemente ale lui, dar micşorează atât investiţiile pentru
construcţie, cât şi cheltuielile de exploatare.
Materialele de bază folosite în construcţia cuptoarelor metalurgice sunt materiale ceramice şi
materialele metalice. Din categoria materialelor ceramice fac parte materialele refractare şi materialele
izolatoare, iar din categoria materialelor metalice fac parte fontele şi oţelurile cu caracteristici
adecvate.

3.2. Definiţia şi clasificarea materialelor refractare

Prin materiale refractare se înţeleg materialele care, fără a se topi, îşi menţin proprietăţile
tehnologice impuse de utilizator la temperaturi de peste 1500°C.
O primă clasificare a materialelor refractare poate fi:
refractare alcătuite din elemente:
metale;
nemetale (carbon, bor).
refractare alcătuite din compuşi:
 nemetal + metal( oxizi, azoturi, boruri, carburi, sulfuri ale metalelor);
nemetal + nemetal (carbură de bor, nitrură de bor);
metal + metal (compuşi intermetalici).
refractare alcătuite din elemente şi compuşi – cermeturi
 Dintre combinaţiile chimice refractare, o importanţă practică mai mare o au unii oxizi (Al2O3,
MgO, CaO, ZrO2, Cr2O3, SiO2), silicaţi (3Al2O3⋅ SiO2, 3CaO⋅ SiO2, 2CaO⋅ SiO2, 2MgO⋅SiO2),
aluminaţi (CaO⋅ Al2O3) şi spineli (CaO⋅ Al2O3, MgO⋅ Al2O3, MgO⋅ Cr2O3). Pentru refractarele speciale
se utilizează compuşi refractari neoxidici cum sunt:
 carburi (TiC, SiC, CaC2, B4C, HfC);
 nitruri (TiN, Si3N4, BN, AlN);
 boruri (HfB, TiB2, ZrB2);
 siliciuri (MoSi2, ZrSi2, TaSi2).
În ţara noastră clasificarea materialelor refractare se face după următoare criterii:
 compoziţie chimică şi mineralogică;
 refractaritate;
 porozitate;
 mod de legare;
 mod de prezentare.

3.3. Materiale refractare fasonate

3.3.1. Materiale refractare silicioase

În această categorie sunt incluse materialele ce conţin minimum 93% SiO2 şi un procent scăzut
de impurităţi în special Al2O3. Sunt cunoscute şi sub denumirea de silica.
Produsele silica au o variaţie de volum liniară neregulată, cu o dilatare maximă în intervalul
700…1000 0C. Temperatura de topire este mai scăzută decât a SiO2 pur, iar deformarea sub încărcare
este mai scăzută cu 50…100 0C, faţă de refractaritatea produsului, ceea ce reprezintă un avantaj în
comparaţie cu celelalte produse refractare, unde diferenţa este de 200…400 0C.
Aceste produse au în schimb o rezistenţă scăzută la şocuri termice la temperaturi sub 650…700
0
C, datorită transformării bruşte a cristalelor de cuarţ (transformări polimorfe). La temperaturi peste
650…700 0C, rezistenţa la şocuri termice este bună şi nu pune probleme deosebite în exploatare. Au de
asemenea o bună rezistenţă mecanică şi la abraziune la temperaturi ridicate, cât şi o mare rezistenţă la
coroziunea zgurilor acide şi a oxizilor de fier în atmosferă oxidantă. Sunt în schimb atacate de zgurile
bazice.
În timpul fabricaţiei şi utilizării lor la temperaturi înalte sunt condiţii ca în structură să apară, în
diferite proporţii, cele trei forme polimorfe ale silicei: cuarţul, tridimitul şi cristobalitul, alături de o
cantitate variabilă de fază vitroasă.
3.3.2. Materiale silico-aluminoase

Produsele silico-aluminoase sunt cele mai răspândite, reprezentând cca. 70% din totalul
refractarelor de utilizare curentă.
Compuşii chimici principali care stau la baza acestor materiale sunt SiO2 şi Al2O3. Compoziţia
chimică a diverselor mărci care intră în această categorie pot fi caracterizate pe baza diagramei de
echilibru a sistemului binar SiO2 -Al2O3.
Cercetările întreprinse pentru cunoaşterea acestui sistem au arătat existenţa unui singur compus
binar de echilibru termic în condiţii de presiune normală, mulitul, corespunzător formulei
3Al2O3⋅2SiO2 cu temperatura de topire egală cu 1934 0C la un conţinut de 71,8 % Al2O3.
Pentru obţinerea unor produse de cea mai bună calitate este necesară utilizarea unor materii
prime cât mai pure şi omogene, dozarea şi granularea lor adecvată, amestecarea omogenă şi fasonarea
semiuscată cu prese foarte puternice, care dau cele mai compacte produse, iar arderea cât mai avansată,
aproape de temperatura de sinterizare a liantului.
 În plaja largă a sistemului binar SiO2-Al2O3 se fabrică şi se utilizează un mare număr de materiale
ceramice refractare, dintre care cele mai importante sunt:
 materiale silico-aluminoase semiacide, caracterizate printr-un conţinut de Al2O3 = 12…28
%; în această subgrupă se înscriu materiale antiacide care, la acelaşi conţinut de Al2O3 au şi
(Na2O + K2O) = 6…3 %;
 materiale de şamotă, care la un conţinut de Al2O3 = 28…45 % se prepară pe bază de
şamotă, prin care se înţelege o argilă refractară arsă; prin ardere componentele argilei
(caolinit, muscovit, cuarţ) se transformă în mulit, cristobalit şi fază vitroasă.
 materiale aluminoase, care, la un conţinut de Al2O3 = 45…62 % se fabrică pe bază de
şamotă cu adaos de alumină;
 materiale superaluminoase, la un conţinut de Al2O3 = 62…90 %, aceste materiale se obţin
din corindon, silimanit, andaluzit sau şamotă bogată în alumină;
 materiale corindonice, care conţin peste 95 % Al2O3 pe seama utilizării la fabricaţie a
bauxitei sinterizate, aluminei tabulare şi a altor materii prime [7].
3.3.3. Materiale magneziene

Din această categorie fac parte numeroase mărci de materiale care îşi regăsesc compoziţiile
chimice în sistemul polinar MgO-CaO-R2O3-SiO2. În continuare vor fi prezentate materialele cele mai
utilizate în construcţia zidăriilor cuptoarelor metalurgice:
 Materiale magnezitice
Sunt produse cu un conţinut în MgO de minimum 85%. Pentru studierea acestor refractare
prezintă interes cunoaşterea diagramei de echilibru a sistemului binar MgO-CaO, care nu conţine nici
un produs binar, ci numai un eutectic 1a 2370oC.
 Materiale dolomitice
Sunt produse refractare fabricate din roci naturale al cărui component principal îl constituie
dolomitul ( CaCO3⋅MgCO3).
Principalele calităţi refractare ale produselor dolomitice sunt refractaritatea lor ridicată, rezistenţa
bună la zgurile bazice şi o stabilitate termică satisfăcătoare (ceva mai bună decât a produselor
magnezitice).
O grupă de materiale dolomitice este cea cu CaO liber, care aparţin subsistemului: MgO -
2(CaO) ⋅ (Fe2O3 ) - 3(CaO) ⋅SiO2 - CaO. Neajunsul lor principal este prezenţa în compoziţia
dolomitelor arse a unei cantităţi ridicate de CaO, fază extrem de sensibilă la hidratare şi carbonatare,
motiv pentru care asemenea refractare sunt denumite dolomite nestabilizate. O ameliorare limitată a
stabilităţii la hidratare se obţine prin acoperirea granulelor sau fabricarea de produse legate cu şamotă,
gudron, răşini, când se obţin dolomite semistabilizate.
O a doua grupă de dolomite refractare, dolomitele stabilizate, este repartizară în sistemul: MgO -
2(CaO) ⋅ (Fe2O3 ) - 2(CaO) ⋅(SiO2) – 3(CaO) ⋅(SiO2),
şi se caracterizează prin faptul că oxidul de calciu CaO nu este liber, ci legat sub formă de aluminat,
feritaluminat, ferit şi silicaţi de calciu.
Produsele refractare dolomitice au refractarităţi de 1800…2000 0C, însă temperaturile
începutului de deformare sub sarcină sunt numai de cca. 1500…1600 oC datorită legării granulelor prin
intermediul fazei vitroase sau a unor compuşi fuzibili; porozitatea este de cca. 14…25 %. Rezistenţa la
şoc termic este de 8…30 cicluri (răcire în aer), iar rezistenţa la coroziune este foarte bună faţă de
zgurile bazice şi mai slabă faţă de cele acide.
 Materiale cromo-magnezitice si magnezio-cromitice
Materiale din această grupă reprezintă, din punct de vedere al constituenţilor chimici principali,
amestecuri de MgO şi Cr2O3. Materiale cromo-magnezitice conţin 15…35 % Cr2O3 şi min. 40 % MgO.
Materiale magnezio-cromitice se disting prin conţinuturi mai scăzute de Cr2O3 (sub 20 %) respectiv
conţinut mai ridicat de MgO (min. 60 %).
Caracteristic pentru astfel de materiale este faptul că adaosul de Cr2O3 în magnezită determină
mărirea unghiului diedru de legătură şi deci, probabilitatea apariţiei legăturii directe. Datorită formării
structurilor spinelice (MgO)⋅(Cr2O3) la materialele cromo-magnezitice se pot înregistra două feluri de
legături directe: "periclaz-spinel" (numită şi legătura spinelică) şi "periclaz-periclaz".
În funcţie de ponderea celorlalţi constituenţi însoţitori şi mai cu seamă în raportul CaO/SiO2 este
posibilă formarea legăturilor silicatice.
 Materiale forsteritice
Refractarele forsteritice conţin, de regulă, 50…60 % MgO şi 25…35 % SiO2, care indică
prezenţa în compoziţie a acestor materiale a compuşilor MgO, 2MgO⋅SiO2 (forsterit) cu cca. 60 %
MgO şi temperatură de topire de 1890 oC şi MgO⋅SiO2 cu cca.40% MgO şi temperatură de topire 1537
0
C. Dată fiind temperatura de topire scăzută a ultimului compus, sunt mai puţin utile masele cu sub 50
% MgO.
Cărămizile forsteritice sunt sensibile la Fe2O3 şi la alţi oxizi metalici, ca şi la alte zguri bazice,
pentru că în cazul când au un conţinut de 35 % SiO 2, eutecticul ternar MgO-FeO- SiO2 se topeşte chiar
de la 1250 oC [8].

3.3.4. Materialele refractare zirconice

În funcţie de natura materiei prime utilizate la fabricaţie se deosebesc două categorii de

refractare zirconice:
- pe bază de ZrO2 (zirconie);
- pe bază de silicat de zirconiu ZrO2 ⋅SiO2 sau ZrSiO4 (zircon).
De la temperatura camerei până la 1170 0C, zirconia cristalizează în sistemul monoclinic (m). În
intervalul 1170…2350 0C sistemul de cristalizare este tetragonal (t), la temperaturi superioare
înregistrându-se sistemul cubic (c).
Transformarea la răcire tetragonală (t) → monoclinic (m) este o transformare distorsională
(reversibilă) de tip martensitic însoţită de o importantă creştere a volumului (7…9 %). Această
transformare provoacă fisurarea produselor, motiv pentru care se practică stabilizarea ZrO 2 cu adaosuri
de MgO, CaO, Y2O3, etc. În acest mod se obţine ZrO2 cubic stabilizat. Proporţia de zirconie stabilizată,
menţinută la temperatura camerei depinde de cantitatea de oxid stabilizat şi de viteza de răcire. Deşi
zirconia stabilizată nu prezintă variaţii de volum, totuşi ea are inconvenientul unor valori mari pentru
coeficientul de dilatare, motiv pentru care în unele cazuri se prepară zirconia parţial stabilizată (PSZ),
care îmbină valori moderate pentru variaţia volumului şi coeficientul de dilatare.
Materialele pe bază de zircon pot fi caracterizate cu ajutorul diagramei de echilibru ZrO2 – SiO2
în care ZrO2⋅SiO2 este singurul produs. În aprecierea proprietăţilor acestor materiale trebuie ţinut cont
de faptul că la 1538 0C zirconul disociază termic, zirconia astfel formată putând avea influenţe
negative.

3.3.5. Materiale din oxizi puri

În mod convenţional, în această clasă sunt incluşi oxizii având temperatura de topire peste
o
1800 C.
Pentru confecţionarea unor elemente constructive rezistente la agenţi termochimici, cei mai
folosiţi oxizi puri sunt: Al2O3, MgO, CaO, BeO, CeO2, ZrO2, UO2 şi sticla de cuarţ.
Recomandarea lor ca materiale refractare se bazează pe unele proprietăţi deosebite ale acestora:
- stabilitatea termică ridicată, reacţiile de disociere de tipul MO2 → M + O2, având loc la
temperaturi mari;
- eventualele transformări polimorfe pot fi evitate prin folosirea de adaosuri stabilizante;
- rezistenţa chimică mare în atmosfere oxidante şi reducătoare, cu excepţia MgO şi CaO
(datorită sublimării metalului din compoziţie la temperaturi relativ scăzute), oxizii refractari rezistă la
acţiunea H2, CO şi C;
 - comparativ cu materialele metalice prezintă valori scăzute pentru conductivitatea termică
(2…14 W/(m⋅grd)) şi cea electrică (la 1200 oC rezistivitatea electrică este 102…106 Ω⋅cm), motiv
pentru care pot fi întrebuinţate în scopuri izolante.

3.3.6. Materiale refractare neoxidice

În ultimul timp gama materialelor ceramice utilizate în condiţii de puternice solicitări

termomecanice sau termochimice este îmbogăţită cu materiale noi, neoxidice, dintre care cele mai
importante sunt:
- azoturile, în rândul cărora există azotură de siliciu, Si3N4 şi azotură de bor, BN;
- carburi, din care cele mai cunoscute sunt carbura de siliciu, SiC şi cea de bor, B4C;
- compuşii neoxidici ai elementelor tranziţionale (Ti, V, Cr, Mo), în care sunt dispuse:
- carburi (TiC, VC, Cr3C2);
- boruri (TiB2, VB2, CrB2);
- azoturi (TiN, VN, Cr2N);
- siliciuri (MoSi2).
- compuşii de tip sialon caracterizaţi de sistemul cuaternar Si-Al-O-N, a căror obţinere
principală se poate realiza prin înlocuirea parţială în structura Si3N4 a azotului cu oxigen şi a Si cu Al.
Dintre materialele enumerate mai sus în tehnica realizării cuptoarelor metalurgice o întrebuinţare
semnificativă o are SiC (carborundul) folosită ca atare sau ca masă principală de fabricaţie a
refractarelor carborundice.
Tot în această categorie sunt cuprinse şi materialele alcătuite dintr-un singur element chimic
precum cele cu conţinut de carbon, care funcţie de forma alotropică a carbonului (carbon amorf şi
grafit) se fabrică în trei categorii principale: refractare carbonice, refractare grafitice şi refractare
carborundice.
 Materiale refractare carbonice. Conţin minim 90 % C sub formă necristalizată (carbon
amorf). În principal ele se obţin din cocs sau antracit (varietate de cărbune cu porozitate
scăzută), cu un liant pe bază de gudron, smoală sau diverse răşini. Datorită structurii lor
necristaline, ele au conductivitate termică mai scăzută decât produsele grafitice.
 Materiale refractare grafitice. Se caracterizează prin 98 % C liber sub formă de grafit. La
fabricarea lor se utilizează grafitul natural sau cocsul de petrol. Tot în această grupă sunt
incluse refractarele grafito-argiloase.
 Materiale refractare carborundice. Sunt obţinute din granule de SiC legate între ele prin
diferite procedee. Proprietăţile acestor produse diferă în funcţie de modul în care se
realizează legarea granulelor de SiC la temperatură ridicată, în procesul de fabricaţie [7].

3.3.7. Materiale ceramometalice (cermeturi)

Cermeturile sunt materiale ceramice mixte constituite dintr-o fază ceramică dură, refractară,
reprezentată de oxizi ca Al2O3, SiO2, ZrO2, etc., sau carburi, nitruri, boruri şi siliciuri şi dintr-o fază
metalică ductilă. Proprietăţile cermeturilor, care nu sunt o sumă aditivă a proprietăţilor celor două
tipuri diferite de constituenţi, tind să îmbunătăţească rezistenţele mecanice la cald ale aliajelor
metalice, mărind şi rezistenţa chimică, iar pe de altă parte să îmbunătăţească rezistenţele la şoc termic
şi mecanic ale componentelor ceramice.

3.4. Materiale refractare nefasonate

 La construcţia agregatelor termice, în afara materialelor refractare fasonate, se întrebuinţează şi
produse pulverulente sau granulare. Unele din acestea se folosesc ca materiale ajutătoare pentru
executarea zidăriei din produse fasonate, iar altele înlocuiesc sau le protejează pe acestea.
3.4.1. Mortare, chituri, acoperiri refractare

Mortarele refractare sunt amestecuri de agregat şi liant care servesc pentru legarea cărămizilor
refractare într-o zidărie (umplerea rosturilor).
Chiturile şi acoperirile (vopselele) refractare se aplică în straturi subţiri, manual sau prin
pulverizare şi au o natură chimică şi mineralogică asemănătoare cu a mortarelor însă cu granulaţii mai
fine ale agregatului. Deci, mortarul trebuie să umple golurile dintre cărămizi, să aibă o bună adeziune
la cărămizi şi să le lege puternic unele de altele. Un mortar de bună calitate trebuie să îndeplinească şi
alte cerinţe:
 să prezinte o contracţie totală mică, cât mai apropiată de cea a cărămizii;
 să aibă o refractaritate suficientă şi o temperatură ridicată de deformare sub sarcină;
 trebuie să fie compatibil cu cărămizile pe care le leagă, să prezinte caracteristici apropiate
şi uneori chiar superioare acestora;
 să prezinte o capacitate suficientă de reţinere a apei care nu trebuie să fie absorbită prea
repede în cărămizi;
 să prezinte o granulaţie fină a agregatului (sub 1 mm), în afara unor cazuri speciale;
 să posede o plasticitate şi lucrabilitate care să asigure formarea unei paste uşor de întins
pentru a realiza un rost subţire (în general sub 3 mm) şi bine închis.
Mortarele refractare reprezintă 6...10 % din întreaga zidărie. Cele mai obişnuite mortare
refractare sunt amestecuri fine ale unor granule (sub 1 mm) de agregate dure refractare şi un liant
argilos plastic. Dacă temperaturile de utilizare nu sunt prea mari, dar se cere o rezistenţă mecanică
mare, poate fi folosită ca liant argila cu conţinut ridicat de fondanţi, în timp ce la temperaturi mari de
utilizare, liantul trebuie să fie caolinul sau argila refractară. Partea refractară degresantă, cu porozitate
mică, trebuie să prezinte cel puţin 60 % din compoziţia mortarului, pentru a reduce contracţia.
Mortarele cu liant argilos ating rezistenţa mecanică, densitatea şi constanţa de volum, numai
atunci când sunt încălzite la temperaturi superioare celei de sinterizare, când are loc aşa numita
legătură ceramică ceea ce face ca ele să fie cunoscute sub denumirea de mortare cu întărire la cald.
O a doua categorie de mortare o reprezintă cele care se întăresc la temperatura mediului
ambiant sau în condiţii de uşoară încălzire, la care o legătură relativ puternică apare chiar la
temperaturi scăzute. Liantul utilizat poate fi: soluţie de silicat de sodiu, fosfat de sodiu, fosfat de
aluminiu, fosfat de Al şi Cr, lianţi hidraulici, etc.
În cazul mortarului cu silicat de sodiu, pe lângă agregatul refractar, de cele mai multe ori, format
din şamotă sau şisturi argiloase, cu contracţie minimă la ardere se foloseşte, argila plastică şi 5…20 %
soluţie de silicat de sodiu. Alegerea argilei-liant şi a raportului Na2O/SiO2 al soluţiei de silicat de sodiu
este o problemă importantă, de ea depinzând proprietăţile mortarului. Pentru aplicaţii speciale se
folosesc mortare uscate în care, în loc de soluţie de silicat de sodiu, se foloseşte o pulbere uscată de
sodiu, restul componenţilor rămânând aceeaşi.
Pentru a grăbi întărirea mortarelor cu silicat de sodiu, în compoziţia acestora se adaugă
fluorosilicat de sodiu (10…15 % din cantitatea de silicat de sodiu).
Natura mortarelor pe bază de silicat de sodiu este relativ largă dacă se ţine seama de componenţii
care intră în alcătuirea lor; se alcătuiesc astfel mortare pe bază de şamote, agregate silicioase (cu
conţinut de cuarţ şi deşeuri de silică), magnezitice, cromitice (cu conţinut de magnezită arsă, cromit
sau cromomagnezit) etc. Mortarele bazice pot conţine ca lianţi soluţiile de clorură sau sulfat de
magneziu, fosfat de magneziu, etc.
De dată mai recentă sunt mortarele pe bază de fosfaţi (inclusiv acid fosforic). Asemenea mortare
au o proporţie crescută de Al2O3 şi întărirea lor are loc prin încălzire uşoară până la maximum 400 0C.
Aceste mortare au o comportare bună la atacul chimic al zgurilor şi diverselor tipuri de topituri.
 Pentru fiecare tip de cărămidă refractară există un mortar specific cu proprietăţi apropiate de cele
ale cărămizii. În cazul în care solicitările căptuşelilor sunt maxime la temperaturi înalte, se preferă
utilizarea unor mortare lipsite de lianţi chimici (mai ales silicat de sodiu) şi reducerea, uneori chiar
excluderea (în cazul mortarelor bazice) a lianţilor ceramici. În astfel de cazuri legătura este asigurată
prin sinterizarea care are loc la temperaturi înalte, îmbunătăţind performanţa căptuşelilor la asemenea
temperaturi.
Există şi mortare cu lianţi hidraulici, în a căror compoziţie intră aceleaşi agregate refractare
alături de cimenturi hidraulice (20…40 %):
 ciment portland stabilizat (care se poate utiliza până la 1100 0C, în funcţie de natura
agregatului);
 cimenturi aluminoase (până la 1200 0C);
 cimenturi superaluminoase (până la 1600 0C).
Deseori căptuşelile refractare sunt protejate de temperaturile înalte, de acţiunea zgurilor, gazelor,
prin aplicarea unor tencuieli refractare, chituri etc. Acestea trebuie să adere bine la zidărie şi să reziste
la acţiunea zgurii mai bine decât zidăria propriu-zisă. Ele au compoziţii asemănătoare căptuşelilor pe
care le protejează.
Acoperirile refractare, pot avea compoziţii oxidice, metalice, metaloceramice sau de tip
combinat. Compoziţiile oxidice pot fi simple sau complexe. Drept oxizi refractari de acoperire se
folosesc: Al2O3, ZrO2, Cr2O3, CeO2, TiO2, MgO.
Acoperirile metaloceramice sunt obţinute din amestecuri de metale cu oxizi sau silicaţi, precum
şi cu carburi, boruri, siliciuri, azoturi etc. Metalele şi materialele ceramice, care au fost supuse unei
măcinări prealabile, separate sau împreună, se dispersează într-un mediu lichid (în apă sau alcool
polivinilic, în tricloretilenă etc.). Ca acoperiri cu performanţe bune se pot menţiona cermeturile: Ni +
MgO, Ni+SiC, Ni+ Al2O3, Ni+Cr3B4.
Acoperirile de tip combinat reprezintă combinaţii complexe în a căror compoziţie pot intra, în
calitate de component refractar: oxizi, silicaţi, pulberi metalice, carburi, siliciuri, boruri etc., iar ca
lianţi servesc emailurile vitroase, zgurile, silicatul de sodiu, răşinile organice şi silico-organice, etc.[7].

3.4.2. Betoane refractare

Betoanele refractare sunt betoane cu agregate refractare şi prezintă stabilitate la temperatură

înaltă. Ele sunt de două tipuri:
 betoane care manifestă un minim al rezistenţei în cursul încălzirii (betoane cu lianţi
hidraulici şi magnezieni);
 betoane a căror rezistenţă nu variază practic cu ridicarea temperaturii (betoane cu
silicat de sodiu şi cu fosfat de aluminiu).
Betoanele cu ciment portland sunt de regulă utilizate în căptuşeli cu temperatura de exploatare de
până la aproximativ 1100…1200 0C. Prin folosirea cimentului portland în alcătuirea betoanelor, după
amestecarea cu apă, se formează, alături de faze hidratate silicatice, aluminatice sau cu fier, cantităţi
importante de Ca(OH)2. La hidratarea silicaţilor de calciu se formează ca produs principal gelul
tobermoritic, cu o structură slab cristalină, deformată şi stratificată cu comportament coloidal;
structura sa este evolutivă conducând în final, la structuri de cristalizare-policondensare. Când betonul
este încălzit la peste 550 0C, Ca(OH)2 se descompune cu eliminarea vaporilor de apă şi formare de
CaO; la temperaturi mai ridicate au loc transformări structural-compoziţionale importante şi în
compuşii hidrosilicatici, de asemenea cu eliberare de CaO. Aceste transformări sunt cauza principală a
stabilităţii termice reduse a betoanelor pe bază de ciment portland, mai ales în condiţiile în care
betonul este răcit şi când CaO se va converti în Ca(OH) 2 provocând tensionarea maselor şi fisurarea lor
accentuată, până la distrugerea lor. Folosirea unor stabilizatori fin măcinaţi (şamotă, diatomită,
cromită, zgură etc.) capabile să lege CaO, reduce neajunsurile de comportament ale betoanelor pe bază
de ciment portland.
Betoanele cu ciment aluminos au temperaturi de utilizare mai mari. Se folosesc atât cimenturi
aluminoase obţinute prin topire (de compoziţie aproximativă: 37…40 % Al2O3, 36…40 % CaO, 11…
17 % Fe2O3, 3…8 % SiO2) cât şi cimenturi aluminoase obţinute prin sinterizare (cu 51…60 % Al2O3
respectiv 72…80 % Al2O3). Creşterea conţinutului de Al2O3 duce la mărirea temperaturii de utilizare a
cimentului (cu condiţia alegerii corespunzătoare a agregatului refractar).
Componentul principal al cimenturilor aluminoase este CaO⋅Al2O3 care imprimă şi proprietăţi
înalte de rezistenţă mecanică.
Cele mai întrebuinţate agregate care intră în compoziţia betoanelor refractare cu liant hidraulic
sunt: şamota, silimanitul, andaluzitul, distenul (cianitul), bauxitele calcinate, corindonul, cromita, ZrO2
etc.
Un rol important revine compoziţiei granulometrice a amestecului. Prin folosirea unei anumite
granulozităţi se urmăreşte, de obicei, să se obţină o compactitate cât mai mare. Această caracteristică
depinde atât de distribuţia cât şi de forma granulelor de agregat. Amestecuri de agregat de formă
aşchioasă au uneori aria suprafeţei dublă faţă de cele sferice, ele solicită o cantitate de apă mai mare
pentru obţinerea unei lucrabilităţi bune. Pentru obţinerea unei rezistenţe la încovoiere mari, suprafeţele
rugoase ale granulelor sunt mai avantajoase decât cele netede. Procentul de agregat fin din betoanele
refractare trebuie să fie mai mare decât la betoanele obişnuite, deoarece astfel se obţine o lucrabilitate
corespunzătoare scopului şi o uşurare a procesului de sinterizare dintre agregat şi ciment.
Dimensiunea maximă a agregatelor utilizate este de 40 mm; ea nu trebuie să depăşească 1/4…
1/5 din dimensiunea minimă a piesei de beton. În cazul agregatelor de corindon deferizat dimensiunea
maximă se limitează la 10 mm.
Refractaritatea şi temperatura de deformare sub sarcină la cald a betoanelor refractare cresc
atunci când conţinutul de ciment scade.
O altă categorie de betoane refractare sunt betoanele refractare termoizolatoare.
Betoanele termoizolatoare sunt amestecuri de cimenturi hidraulice refractare cu agregate
granulare termoizolatoare (uşoare). Se pot produce în următoarele sortimente:
 betoane termoizolatoare cu ciment Portland stabilizat având ca agregat diatomită
calcinată. Aceste betoane au utilizări până la 700 0C. Se folosesc numai la izolaţii
termice.
 betoane termoizolatoare cu ciment aluminos şi agregate de şamotă silico-aluminoase
cu utilizări la 1300...1400 0C şi maximum 1750 0C. Aceste betoane au la bază
cimenturi superaluminoase şi agregate de şamotă uşoare, aluminoase, superaluminoase
şi alumină globulară.
 betoane termoizolatoare cu ciment aluminos şi cu agregate uşoare diverse.
Temperaturile de utilizare pot fi până la 1150 0C în funcţie de calitatea cimentului şi a
agregatelor uşoare (zgură, perlit, diatomită etc).
Datorită calităţii lor bune izolatoare, aceste betoane au început să înlocuiască în multe locuri de
utilizare căptuşelile izolatoare din produse termoizolatoare clasice.

3.4.3. Mase refractare

Masele refractare sunt amestecuri din argilă plastică şi agregate refractare cu sau fără lianţi
chimici anorganici sau organici (soluţii de silicat de sodiu, acid fosforic, fosfaţi, clorură sau sulfat de
magneziu, dextrină, amidon ş.a.)
După forma de prezentare şi de punere în operă, masele refractare se clasifică în:
 mase refractare plastice, sub formă granulară sau de calupuri, umezite, gata de prelucrare şi
punere în operă prin uşoară stampare;
 masele de stampare, sub formă de amestec, care se umezesc cu liantul chimic şi cu apa în
momentul când sunt prelucrate, fie prin stampare pneumatică sau manuală, fie prin vibrare;
 mase de torcretare sub formă de amestec uscat, care se umezesc cu liantul chimic şi cu apa
în instalaţia de torcretare la utilizare.
Masele refractare plastice rezultă în general din amestecarea unor agregate cu un liant ceramic -
una sau două tipuri de argile. La multe compoziţii de mase plastice conţinutul de argilă este de 15…30
%; conţinuturile mai mari de argilă sunt utilizate la produsele cu solicitări mai reduse, care se
instalează în poziţii dificile.
Masele de stampare se deosebesc de masele refractare plastice prin cantitatea mai mică de argilă,
liant şi apă, precum şi prin utilizarea unor mijloace de compactare mai energice.
Pentru masele de torcretare aplicate cu ajutorul maşinilor speciale de torcretare (dispozitive de
aplicare sau proiectare a maselor de reparaţie pe zonele deteriorate ale cuptorului, la cald sau la
execuţia căptuşelii) se utilizează agregate de aceeaşi natură cu zidăria conţinând lianţi ceramici şi/sau
chimici şi diverse alte adaosuri cu rol de agenţi de sinterizare, plastifiere etc. Astfel de exemplu,
masele de torcretare folosite pentru cuptoarele electrice cu arc au o compoziţie granulometrică
continuă cuprinsă între 0,2 mm, care conţine maxim 50 % granule peste 0,5 mm şi 25 % fracţiuni
foarte fine sub 0,063 mm.
Masele refractare au un avantaj în plus faţă de betoane, deoarece pot fi folosite şi în contactul cu
băile de metal topit.
Rezistenţa maselor refractare la atacul chimic depinde de caracteristicile fizice şi chimice ale
acestora (densitate, porozitate, refractaritate etc.), de natura materialelor în contact, de atmosfera
cuptorului (gaze, temperatură) etc. Astfel, rezistenţa la atacul chimic al oxidului feric creşte cu
conţinutul de Al2O3 şi cu densitatea refractarului. Din punct de vedere al rezistenţei la atacul alcaliilor
s-a constatat că produsele legate fosfatic se comportă cel mai bine.
 1.3.5. Conceptul de model şi tipuri de modele.

I. CONCEPTUL DE MODEL

Definiţie Modelul este o reprezentare izomorfă a realităţii obiective şi constituie o descriere

simplificată, riguroasă şi fundamentată, în sensul structurării logice a sistemului (procesului) pe care îl
reprezintă, care facilitează descoperirea unor legităţi şi legături între variabilele sistemului foarte greu
de găsit pe alte căi.
Prin model matematic al unui proces se înţelege ansamblul de ecuaţii şi inecuaţii capabil să
descrie în mod corect interdependenţele dintre variabilele procesului.
La baza modelării unui sistem (proces) se află existenţa unei analogii între entitatea din
realitatea modelată (sistem, subsistem, fenomen, proces) şi model.
Considerând {O} mulţimea tuturor obiectelor;
{N} submulţimea obiectelor naturale;
{A} submulţimea obiectelor realizate de către oameni;
{C} submulţimea obiectelor conceptuale (concepte ştiinţifice, tehnice, etc.)
se poate spune că orice element X din mulţimea {O}(∀X∈{O}) este analog cu un alt element Y din
mulţimea {O} şi notăm X ≅ Y dacă sunt îndeplinite condiţiile:
 X şi Y au propreietăţi comune sau chiar identice;
 există o corespondenţă între părţi ale lui X şi părţi ale lui Y sau între proprieţăţi ale
acestor părţi.
În aceleaşi condiţii, relatia de echivalenţă este adevărată şi pentru perechea (X, Y) cu X∈A∪C
şi Y∈O.
Proprietăţile relaţiei de analogie sunt: simetria şi reflexivitatea.
Dacă relaţiei de analogie i se adaugă şi tranzitivitatea atunci ea devine o relaţie de echivalenţă
Analogia stă la baza modelării. În acest fel, un obiect X∈A∪C modelează un obiect Y∈{O}
dacă: 1) X ≅ Y (X şi Y sunt analoage)
2) relaţia de analogie este şi tranzitivă.
Sistemul (procesul) ce trebuie modelat reprezintă BAZA (R), iar rezultatul modelării este
MODELUL (M).
Legătura dintre model şi bază se numeşte simulare, deci modelul simulează baza.
M este un model pentru baza R, dacă M şi R satisfac condiţiile:
1) M şi R sunt ambele sisteme;
2) pentru oricare element X∈R există cel mult un element X’∈M;
3) pentru orice relaţie P între elemente din R există cel mult o relaţie P’ între elementele
corespondente din M;
4) pentru fiecare set de elemente {X1' , X '2 ... X 'n } puse în legătură printr-o relaţie P’ în
M, elementele corespondente {X1 , X 2 ... X n } din R sunt puse în legătură de relaţia P din R,
corespunzătoare relaţiei P’ din M.

Condiţiile 2) şi 3) arată că modelul M are cel mult tot atâtea elemente, respectiv lagături ca şi
baza R, deci modelul este o reprezentare simplificată a bazei.
Condiţia 4) face ca modelul să fie util în analiza bazei, impunând ca tot ceea ce este adevărat în
model să fie adevărat şi în bază. Această concluzie este strâns legată de utilizarea modelului ca suport
pentru luarea unei decizii, concluziile stabilite pe baza modelului putând fi translatate în bază.
Proprietăţile modelării:
 Nonsimetria: Modelarea se face într-un singur sens, astfel dacă A modelează B, atunci
B nu poate modela A.
 Reflexivitatea: Orice sistem este propriul său model (proprietate rezultată din cele
patru condiţii ale modelului);
  Tranzitivitatea: Dacă A este un model a lui B şi B este un model a lui C, atunci A este
un model şi a lui C;
 Nontransferabilitatea (neidentificarea) modelelor :Două sau mai multe modele ale
unei baze nu sunt în mod obligatoriu echivalente sau comparabile, ele putând să
reprzinte diferite aspecte ale bazei;
 Reducerea complexităţii se face fie prin grupare unor elemente similare sau cu
aceleaşi proprietăţi, fie prin eliminarea elementelor irelevante sau a proprietăţilor
irelevante.
 Nonpartiţionarea: un sistem nu poate fi divizat în subsisteme fără a ţine cont, pe de o
parte de conexiunile stabilite între aceste subsisteme şi, pe de altă parte de conexiunile
între subsisteme şi sistemul în ansamblu. Un model al unui subsistem nu este un model
al întregului sistem.

II. TIPURI DE MODELE utilizate în optimizarea proceselor:

1) modele descriptive;
2) modele normative;
3) modele procedurale;
4) modele calculatorii: 4.1.) deductive
4.2.) predictive: 4.2.1.) staţionare;
4.2.2.) dinamice.

1) Modelele descriptive au ca principal obiectiv reproducerea unor proprietăţi ale sisitemului

(procesului) modelat şi oferă posibilitatea găsirii unor soluţii acceptabile, dar au şi dezavantaje cum
ar fi: durata prea mare pentru aplicarea lor, ceea ce poate duce ca decizia luată pe baza lor să fie
tardivă şi avantajul (eficienţa) adus prin utilizarea sa poate să fie prea mic, nejustificând costul
elaborării şi implementării sale.
Modelele descriptive stau la baza construirii modelelor normative.
Modelele descriptive conţin următoarele grupe mai utilizate în practică
 modele descriptive ale proceselor tehnologice şi de producţie, care descriu succesiunea
secţiilor, utilajelor şi a operaţiilor care alcătuiesc procesul tehnologic al fiecărui produs
etc.
Dintre modelele acestui grup deosebim:
 modele descriptive gen arborescenţă, care reprezintă o descompunere a structurii
tehnologice a unui produs în subproduse, repere, materii prime, cu precizarea
normelor de consum pe fiecare nivel. Pe baza acestor modele se pot construi baze de
date care să cuprindă algoritmii care să permită calculul necesarualui de resurse şi
costurile aferente fiecărui nivel de realizare a unui produs;
 modele descriptive gen listă ca:
• fişa tehnologică a produsului, care specifică pentru fiecare produs, subprodus şi reper
cantitatea de materii prime necesare, manopera, operaţiile care trebuie efectuate şi
duratele acestora etc.
• grafice Gantt, care prezintă sub formă grafică succesiunea logică în timp a operaţiilor
ce trebuie efectuate.
 modele informaţional-decizionale, care abordează problema informaţională şi a luării
deciziei într-o intreprindere, secţie etc. şi cuprin două categorii de modele:
 organigrama structurii organizatorice; diagrame informaţional-decizionale şi modele
tip aval-amonte, care au ca scop descrierea reţelei informaţional-decizional (circuitul
informaţiei şi a deciziei);
 modele ale logicii matematice şi modele ale teoriei decizionale care descriu
structura procesului decizional.
 modele ale resurselor şi relaţiilor umane care cuprind:
 modele ce descriu relaţiile interpersonale şi de grup;
  modele ce descriu relaţiile dintre motivaţia şi performanţele personalului;
 modele ce descriu tehnicile de selecţie a personalului; etc.
Modelele resurselor şi relaţiilor umane sunt dificil de elaborat, utilizând în principal
mijloace şi metode ce ţin de sociologia industială, a muncii şi a conducerii.

2) Modelele normative.
În timp ce modelele descriptive au ca obiect descrierea unor proprietăţi ale sistemului modelat,
modelele normative urmează să fie utilizate în stabilirea unor reguli cât mai eficiente de conducere a
sistemului, care să conducă la creşterea performanţelor sistemului.
Modelul normativ este o perfecţionare a celui descriptiv, acestuia fiindu-i asociat un set de
variabile şi reguli precise, exprimate, de regulă, prin relaţii matematice.
Modelele normative permit luarea unei decizii în timp mult mai scurt decât modelele
descriptive şi cu costuri mai mici.

3) Modele procedurale
Modelul procedural reprezintă un set de instrucţiuni care trebuie executate într-o anumită
situaţie. Adică se stabileşte un anumit algoritm ce trebuie executat la primirea unor anumite informaţii,
acordând mai multă atenţie algoritmului decât descrierii sistemului.
Modelele procedurale se pot realiza sub două aspecte:
printr-o modelare generală, care să surprindă toate cazurile posibile;
printr-o modelare pe tipuri de probleme, când se alege o clasă de probleme care apar frecvent în
practică, pentru care se elaborează un algoritm specific de elaborare.
De exemplu: pentru conducerea elaborării în C.E.A. modelul procedural cuprinde o serie de
instrucţiuni privind puterea arcului electric şi poziţia electrozilor în fiecare moment, în funcţie de
cantitatea şi natura încărcăturii şi de fazele elaborării.
Modelul procedural nu ţine seama de relaţiile dintre variabilele procesului modelat, ci
cuprinde numai instrucţiuni de conducere a procesului. El nu este deci foarte exact, dar asigură
reproductibilitatea condiţiilor de desfăşurare a procesului.

4) Modelele calculatorii sunt modele matematice propriu-zise, care conţin relaţii matematice
ce leagă între ele variabilele sistemului (procesului) şi care sunt utilizate în optimizarea proceselor
tehnologice.
4.1.) Modele calculatorii deductive – reprezintă un sistem de ecuaţii prin care se pot
determina variabilele (parametrii) nemăsurabili din valorile unor parametrii măsurabili.
Modelul conţine un număr de ecuaţii egal cu numărul variabilelor nemăsurabile ce trebuie
determinate şi trebuie să fie un sistem compatibil determinat.
4.2.) Modele calculatorii predictive sunt modelele care stabilesc relaţii între parametrii
independenţi (de intrare) ale procesului şi parametrii dependenţi (de ieşire) şi care permit să se
evalueze răspunsul procesului la modificare parametrilor de intrare. Reprezintă modelele de bază în
stabilirea valorile optime ale parametrilor de intrare, valori ce vor asigura optimul (min. sau max.)
funcţiei obiectiv. Pot să fie:
4.2.1) statice, în cazul când relaţiile între parametrii sunt stabilite în regim static
de desfăşurare a procesului;
4.2.2) dinamice, în cazul când relaţiile între parametrii sunt stabilite în regim
dinamic de desfăşurare a procesului. Acestea reprezintă cele mai performante modele utilizate în
optimizarea proceselor şi în conducerea cu calculatorul a acestora, dar totodată sun şi cele mai dificil
de elaborat şi deci mai scumpe.

1.3.6. Metodologia elaborării modelelor matematice

După modul de elaboarare a modelului, deosebim:

  modele teoretice, atunci când procesul este cunoscut în totalitate din teorie. Modelele
teoretice stabilite pentru procese metalurgice au la bază bilanţuri de materiale şi
energie, bazate pe legea conservării masei şi pe principiile termodinamicii, dar
stabilirea modelelor pur teoretice pentr metalurgie este practic imposibilă datorită marii
complexităţi a acestora şi a insufucientelor cunoştinţe teoretice;
 modele empirice (statistico-matematice), atunci când procesul (sistemul) este
insuficient cunoscut, apelându-se la o analiză experimentală a căror rezultate vor fi
prelucrate prin metode statistico-matematice în vederea stabilirii ecuaţiilor matematice
dintre variabilele procesului.
Experimentările efectuate, atât în vederea elaborării modelului matematic, cât şi în
vederea determinării optimului funcţiei obiectiv (de performanţă) se pot desfăşura:
 aleator, atunci când cercetătorul nu intervine în stabilirea valorilor variabilelor de
intrare, situaţie în care experimentul se numeşte neprogramat sau pasiv
 controlat, atunci când cercetătorul intervine, după un plan experimental prestabilit,
în alegerea valorilor variabilelor de intrare, situaţie în care experimentul se
numeşte programat sau activ. În această situaţie, datorită alegerii de către
cercetător a unor valori convenabile a parametrilor de intrare, este foarte mult
uşurată determinarea ecuaţiilor ce leagă variabilele procesului şi stabilirea optimului
funcţiei obiectiv.

Indiferent de tipul modelului ce se elaborează (teoretic sau practic, cu precizarea că majoritatea

modelelor ce descriu sisteme (procese) complexe, aşa cum sunt şi procesele metalurgice, sunt modele
mixte, teoretico-empirice) etapele procesului de modelare sunt:
 1) formularizarea modelului;
 2) stabilirea ecuaţiilor modelului şi a funcţiei de performanţă;
 3) verificarea modelului.

1) FORMULARIZAREA MODELULUI cuprinde următorii paşi:

a) stabilirea scopului modelului, care poate fi analizat din mai multe puncte de vedere, cum ar
fi:
 dacă modelul este de ansamblu, pentru conducerea unui proces sau a unei instalaţii,
în întregul său, sau a unei părţi din proces;
 dacă modelul este sau nu utilizat pentru conducerea pe calculator a procesului;
 dacă modelul este utilizat în conducerea economică sau tehnologică a sistemului;
 dacă modelul este utilizat pentru conducerea unui proces existent în funcţie (caz în
care se va elabora pe baza datelor experimentale de exploatare) sau pentru un proces
nou, la proiectarea şi testarea sa (în acest caz se folosesc date experimentale de
laborator şi date teoretice)
Scopul modelului condiţionează alegerea variabilelor care vor fi luate în considerare, precizia
care va fi impusă modelului şi metodele de stabilire a ecuaţiilor modelului.
b) delimitarea procesului analizat derivă din scopul modelului şi va condiţiona parametrii
(variabilele) de intrare şi de ieşire luate în considerare.
c) stabilirea parametrilor independenţi şi dependenţi luaţi în considerare
d) stabilirea tipului de model necesar
e) formularea unui model preliminar ce constă în formularea, pe bază teoretică şi a unor
cunoştinţe experimentale anterioare, unui set de presupuneri necesare explicării procesului şi obţinerii
unor concluzii preliminare care se referă, în general, la natura calitativă a relaţiilor între paramatrii
procesului.

2) STABILIREA ECUAŢIILOR MODELULUI ŞI A FUNCŢIEI DE PERFORMANŢĂ

 În cazul în care dispunem de suficiente date teoretice modelul va fi determinat doar pe baza
acestora.
Modelarea pur teoretică este însă drastic limitată de necunoaşterea exactă a legităţii diferitelor
procese, în special a celor complexe, cum sunt cele metalurgice.
În această situaţie modelul preliminar, stabilit în principal pe baza unor cunoştinţe teoretice, va
fi completat şi verificat pe cale experimentală.
Determinarea ecuaţiilor modelului se face pe baza datelor colectate în urma unor experimentări
efectuate asupra procesului şi în urma aplicării unor metode statistico-matematice (analiză statistică a
datelor, estimarea parametrilor statistici, analiză dispersională, analiză de corelaţie şi regresie).
Funcţia obiectiv este reprezentată de corelaţia existentă între principalul parametru de ieşire,
care se doreşte a fi optimizat, şi ceilalţi parametrii ai procesului.
Funcţia obiectiv este un criteriu unic, univoc şi obiectiv prin care se apreciază eficienţa unui
proces.
În conducerea proceselor pe baza unui model se pot urmări îndeplinirea a două scopuri:
 stabilirea optimului (min. sau max.) funcţiei obiectiv sau
 menţinerea funcţiei obiectiv la un nivel constant (de referinţă), care este, de regulă,
nivelul optim, dar nu obligatoriu.

3) VERIFICAREA MODELULUI

Verificarea modelului este o etapă care este strâns legată de elaborarea modelului în sensul în
care rezultatele negative obţinute la verificare vor determina efectuarea unor corecţii în cadrul
modelului, corecţii ce vor fi repetate de câte ori va fi nevoie până când între model şi procesul pe care
îl modelează va exista gradul de concordanţă (de analogie) dorit.
Verificarea modelului se face în mai multe etape.
Etapele verificării modelului sunt:
a) Analiza erorilor în cadrul căreia se va stabili influenţa preciziei de măsură a diferitelor
variabile asupra precizei modelului determinat. În urma acestei analize se va stabili şi precizia pe care
vor trebui să o aibă aparatele de măsură, control şi comandă ce vor fi utilizate în conducerea
respectivului proces cu un calculator, pe baza modelului stabilit.
b) Testarea preliminară a modelului care constă în testarea modelului utilizând aceleaşi date
care au fost utilizte la stabilirea modelului. Probabilitatea invalidării modelului în acastă etapă este
relativ redusă, fiind posibilă doar în cazul unor erori grosolane aparute în stabilirea procesului. Totuşi
aplicarea acestei testări preliminare poate economisi timp, prin modficarea şi retestarea imediată a
modelului. Deci, în această etepă sunt eliminate erorile grosolane.
c) Simularea procesului pe un calculator cuplat în afara procesului – off line -, calculatorul
neavând legătură cu procesul, ci doar cu operatorul uman (figura 1), utilizând date reale, colectate
direct din procesul ce se află în desfăşurare. În această etapă se introduc date de intrare din proces şi se
compară ieşirile reale cu cele ce sunt stabilite din model, în cazul unor neconcordanţe se efectuează
corecţii în model. În această etapă vor fi eliminate erorile mari.
d) Încercarea modelului se face pe un calculator cuplat în proces – on line – în circuit deschis
(legătura între proces şi calculator se face prin intermediul operatorului uman) figura 2. În această
etapă calculatorul preia variabilele de ieşire din proces şi stabileşte, pe baza modelului, valorile de
intrare necesare, dar comenzile asupra acestora sunt date de către operatorul uman. În această etapă
sunt eliminate micile erori ale modelului şi se stabileşte forma finală a modelului.
După această etapă se poate trece la conducerea procesului pe baza modelului de către un
calculator cuplat on line, în circuit încis. Calculatorul preia, prin intermediul unor aparate de măsură şi
a unor interfeţe, parametrii de ieşire din proces, stabileşte pe baza modelului valorile necesare ale
parametrilor de intrare, pe care îi comandă prin intermediul unor regulatoare (fig 3).
 comenzi C
R
A
L
C
Σi Σe OPERATOR U
PROCES A.M. L
UMAN
A
Σi T
A.M O
R

Fig.1. Simularea procesului cu un calculator off-line (în afara procesului)

R – regulator; AM – aparat de măsură

R C comenzi
A
L
Σi Σe C
U OPERATOR
PROCES A.M.
L UMAN
A
Σi
A.M T
O
R
Fig.2. Verificarea modelului cu un calculator cuplat on-line (în proces), în circuit deschis

comenzi

R C
A
L
Σi Σe C
PROCES A.M. U
L
A
Σi
T
A.M
O
R
Fig.3. Conducerea procesului pe baza modelului cu un calculator cuplat on-line, în circuit închis

1.3.7. Criterii de evaluare (apreciere) a modelelor

Sub aspectul deciziei de proiectare şi a eficienţei implementării modelelor trebuie avut în vedere un cadru general
de evaluare calitativă a acestora.
Cele mai importante criterii de evaluare a modelelor sunt:
1) Valoarea aşteptată a modelului – arată cât de valoros se aşteaptă să fie modelul şi beneficiile pe care urmează
să le aducă implementarea modelului, prin creşterea rapidităţii şi corectitudinii deciziilor ce se iau pe baza modelului.
2) Costul modelului reprezentat de costul de proiectare, costul de implementare şi costul de exploatare.
3) Structura modelului ce cuprinde:
 completitudinea modelului, apreciată prin cuprinderea variabilelor semnificative din bază în model;
  uşurinţa de înţelegere a modelului, apreciată prin rapiditatea şi calitatea înţelegerii logicii generale a
modelului de către un utilizator obişnuit;
 adaptabilitatea modelului, apreciată prin uşurinţa cu care se pot face modificări, cerute de exploatare, în
model fără a diminua performanţele acestuia
 robusteţea modelului, apreciată prin sensibilitatea modelului la diverse erori
4) Validitatea modelului, reprezintă cel mai important criteriu de evaluare a unui model şi reprezintă gradul de
fidelitate cu care modelul descrie procesul.;
5) Calitatea modelului, apreciată prin:
 coerenţa modelului, dată de compatibilitatea relaţiilor matematice şi logice care descriu dependenţele
dintre variabilele procesului;
 corectitudinea modelului, apreciată prin proprietatea modelului de a nu deforma caracterul unor legături
existente între variabilele procesului;
 eficienţă, apreciată prin proprietatea modelului de a furniza soluţii corecte în timp util;
 utilizabilitatea modelui, apreciată prin posibilitatea utilizării practice a modelului în conducerea
procesului, fiind un compromis între completitudinea modelului (care necesită un grad ridicat de
complexitate) şi utilizarea sa practică eficientă (care necesită un grad de complexitate cât mai scăzut).
Pe baza acestor criterii de evaluare a modelelor analistul şi conducătorul unui sistem (proces) poate decide:
 fie utilizarea unuia dintre modelele existente ce descriu acel sistem (proces);
 fie elaborarea unui model nou, atunci când nu există modle asupra acelui sistem sau cele existente
sunt necorespunzătoare.
1.4. DETERMINAREA SOLUŢIEI OPTIME

Această etapă constă în determinarea unor valori ale variabilelor (parametrilor) independenţi
(de intrare) procesului – valori optime -, care să asigure cea mai bună valoare (minim sau maxim) a
funcţiei obiectiv – optimul.
Evident, o problemă de minimizarea a funcţiei obiectiv este identică cu o problemă de
maximizare, rezolvându-se cu ajutorul aceloraşi metode, datorită faptului că:
maxY(X) = min[-Y(X)]
• În funcţie de valorile pe care le pot lua variabilele independente avem:
 optimizarea fără restricţii – atunci când variabilele independente pot lua orice valori;
 optimizarea cu restricţii – atunci când valorile pe care le pot lua variabilele independente
sunt limitate de diferite restricţii de tip egalitate: hi(X1, X2, ... Xn) = 0, i = 1,2, ... p şi/sau
inegalitate: gj(X1, X2, ... Xn) > 0, j = 1,2,...,q, numărul total de restricţii fiind r = p+q.
Restricţiile variabilelor independente sunt impuse de consideraţii tehnologice de
desfăşurare a respectivului proces metalurgic
• În funcţie de numărul variabilelor independente luate în considerare avem:
 optimizare monovariabilă – când se ia în considerare o singură variabilă independentă,
funcţia de performanţă fiind de forma Y=Y(X);
 optimizarea multivariabilă - când se iau în considerare două sau mai multe variabile
independente, funcţia de performanţă fiind de forma Y=Y(X1, X2, ... Xn).
• În funcţie de forma matematică a funcţiei de performanţă avem:
 optimizare liniară – când forma funcţiei de performanţă este liniară: Y=X1+ X2+ ... +Xn;
 optimizare neliniară – când funcţia de performanţă nu este de formă liniară(poate fi
polinomială de diferite grade, exponenţială, logaritmică, etc)
 1.4. DETERMINAREA SOLUŢIEI OPTIME

Această etapă constă în determinarea unor valori ale variabilelor (parametrilor) independenţi
(de intrare) procesului – valori optime -, care să asigure cea mai bună valoare (minim sau maxim) a
funcţiei obiectiv – optimul.
Evident, o problemă de minimizarea a funcţiei obiectiv este identică cu o problemă de
maximizare, rezolvându-se cu ajutorul aceloraşi metode, datorită faptului că:
maxY(X) = min[-Y(X)]
• În funcţie de valorile pe care le pot lua variabilele independente avem:
 optimizarea fără restricţii – atunci când variabilele independente pot lua orice valori;
 optimizarea cu restricţii – atunci când valorile pe care le pot lua variabilele independente
sunt limitate de diferite restricţii de tip egalitate: hi(X1, X2, ... Xn) = 0, i = 1,2, ... p şi/sau
inegalitate: gj(X1, X2, ... Xn) > 0, j = 1,2,...,q, numărul total de restricţii fiind r = p+q.
Restricţiile variabilelor independente sunt impuse de consideraţii tehnologice de
desfăşurare a respectivului proces metalurgic
• În funcţie de numărul variabilelor independente luate în considerare avem:
 optimizare monovariabilă – când se ia în considerare o singură variabilă independentă,
funcţia de performanţă fiind de forma Y=Y(X);
 optimizarea multivariabilă - când se iau în considerare două sau mai multe variabile
independente, funcţia de performanţă fiind de forma Y=Y(X1, X2, ... Xn).
• În funcţie de forma matematică a funcţiei de performanţă avem:
 optimizare liniară – când forma funcţiei de performanţă este liniară: Y=X1+ X2+ ... +Xn;
 optimizare neliniară – când funcţia de performanţă nu este de formă liniară(poate fi
polinomială de diferite grade, exponenţială, logaritmică, etc)
Metodele de optimizare (determinarea optimului funcţiei obiectiv) sunt în acord cu metodele
de determinare a modelelor matematice, urmând două direcţii distincte:
1) o direcţie aplicabilă sistemelor (proceselor) riguros cunoscute – metodă aplicabilă în cazul
în care modelul matematic poate fi elaborat pe baza unor cunoştinţe teoretice suficiente asupra
respectivului proces, caz foarte rar pentru procesele metalurgice, care, datorită particularităţilor lor, nu
sunt deplin cunoscute teoretic
2) o a două directie, experimental-statistică, când procesul analizat este considerat ca o
“black-box”

1) Optimizarea sistemelor riguros cunoscute

În această situaţie se utilizează trei categorii de metode de optimizare, ce sunt prezentate
schematic în figura 4:
 metode analitice, care utilizează calculul diferenţial în determinarea optimului (min. sau
max.) funcţiei obiectiv. Aceste metode presupun continuitatea funcţiei şi a derivatelor sale
şi sunt dificil de utilizat în cazul unor funcţii obiectiv complicate. Astfel, multe dintre
sistemele (procesele) de interes practic nu pot fi optimizate prin astfel de metode. Un caz
particular îl constituie programarea liniară, caz în care funcţia obiectiv este liniară în
raport cu variabilele de optimizat.
 metode numerice, adică metode care utilizează diverşi algoritmi ce dirijează evaluările
funcţiei obiectiv către optimul său, algoritmi ce conţin şi un criteriu de oprire a evaluărilor
succesive atunci când funcţia obiectiv s-a apropiat suficient de mult de optimul său. În
acest caz funcţia obiectiv este tratată ca un sistem black-box.
 metode mixte, în cazul cărora prin metode numerice funcţia obiectiv este adusă la o formă
echivalentă, a cărui optim este stabilit apoi prin metode analitice. De cele mai multe ori,
această metodologie de stabilire a optimului se aplică în faza finală a unei metode
numerice, atunci când s-a ajuns, prin evaluări numerice, în zona apropiată optimului
 funcţiei obiectiv şi se doreşte îmbunătătirea rezultatului prin determinarea analitică a
optimului unei forme echivalente a funcţiei obiectiv.
2) Optimizarea experimental-statistică
În aceste cazuri, sistemul (procesul) este tratat conform principiului black-box din cibernetică.
Sistemul (procesul) există în funcţiune, se modifică valorile variabilelor de optimizat şi se
evaluează răspunsul sistemului (funcţiei obiectiv) pentru fiecare stare nou impusă variabilelor. Aşa
cum este schiţat în figura 5, metodele de optimizare experimental-statistice pot urma două căi:
 una dintre căi ia în considerare valorile succesive ale funcţiei obiectiv şi dirijează
cercetările (valorile parametrilor de optimizat) în direcţia optimului funcţiei obiectiv.
Cercetarea se opreşte în baza unui criteriu de stop, ce ia în considerare nivelurile de
variaţie succesivă a funcţiei obiectiv la modificare variabilelor (în general experimentările
se opresc atunci când modificările variabilelor de optimizat duc la variaţii situate sub un
anumit prag de semnificaţie a funcţiei obiectiv).
 cea de a doua cale, în baza unui plan experimental, evaluează răspunsul sistemului
pentru anumite valori ale variabilelor de optimizat (spre deosebire de cale anterioară
valorile variabilelor de optimizat sunt impuse iniţial, nefiind stabilite în funcţie de
răspunsul sistemului). Planul experimental este astfel conceput încât să permită
determinarea facilă a funcţiei obiectiv (răspunsul sistemului), a cărui optim este apoi
determinat prin metode numerice sau analitice.
Deci, prima cale este utilizată la începutul cecrcetării, când nu suntem interesaţi de
relaţia matematică a funcţiei obiectiv, ci doar de stabilirea valorilor (intervalelor de valori)
variabilelor de optimizat care asigură plasarea funcţiei obiectiv în zona optimului. A doua cale
este utilizată în completare la prima cale, în scopul îmbunătăţirii rezultatelor obţinute anterior,
în acest scop stabilindu-se funcţia obiectiv şi apoi determinând extremele sale.

În legătură cu metodele de optimizare experimental-statistice, metode cu foarte multe utilizări

în procesele metalurgice, se impun următoarele precizări:
• răspunsul unui sistem aflat în funcţiune, ca urmare a prezenţei perturbaţiilor, are
întotdeauna un caracter aleator. Deciziile cu privire la evaluarea optimului trebuie deci
fundamentate pe principii ale statisticii matematice;
• de cele mai multe ori funcţiile de răspuns ale proceselor metalurgice sunt deosebit de
complexe, motiv pentru care metodele numerice de determinare a optimului au o mare
importanţă şi. deci. o largă aplicabilitate practică;
• funcţie de răspuns poate avea mai multe extereme, optimul obţinut în urma unui singur
ciclu de cercetare având un caracter local. Pentru îmbunătăţirea rezultatelor, deci a aflării
optimului global, de cele mai multe ori cercetarea necesită mai multe cicluri de cercetare,
fiecare având alte puncte de pornire (valori de start ale variabilelor de optimizat)
Sistem de optimizat
riguros cunoscut

METODE NUMERICE
Metode
Sistem
Estimare analitice
în funcţiune
Plan
pentru
Funcţie obiectiv şi Algoritmul Evaluarea numerică Analiza şi numerice
OPTIM de
(black
funcţia
OPTIMexperimental
– obiectiv
box)
optimizare
restricţii cercetării numerice a funcţiei obiectiv rezultatelor

Calcule diferenţiale pt Algoritmul

stabilirea optimului experimentului ptr.
evaluarea optimului
Forme echivalente
a funcţiei obiectiv
Analiza Experiment
rezultatelor
Fig.4. Optimizarea unui sistem riguros
cunoscut; funcţia
Fig.5. Metode experimental obiectiv
– statistice deşioptimizare
restricţiile
sunt în forma matematică Analiza OPTIM
răspunsului
OPTIM METODE obţinut
sistemului
experimental
METODE ANALITICE
MIXTE
 Capitolul 2
APLICAŢII ALE STATISTICII MATEMATICE LA PRELUCRAREA ŞI
INTERPRETAREA DATELOR (REZULTATELOR) EXPERIMENTALE

2.1. NOŢIUNI FUNDAMENTALE PRIVIND STATISTICA MATEMATICĂ

Statistica este ramura matematicii care cuprinde un grup de metode de calcul cu ajutorul
cărora se pot obţine datele cele mai probabile privind fenomenele de masă.
Statistica matematică operează cu două noţiuni de bază:
 COLECTIVITATEA (POPULAŢIA) STATISTICĂ, definită ca totalitatea fenomenelor
sau a obiectelor calitativ omogene la care se urmăreşte o anumită proprietate;
 PROBA (EŞANTIONUL) STATISTIC, care este o selecţie restrânsă, luată dintr-o
colectivitate. Numărul de valori extrase din colectivitate se numeşte volumul probei
(eşantionului).
Proprietăţile elementelor componente ale eşantionului se pot determina, iar pe baza acestora
proprietăţile colectivităţii se estimează.
În general, proprietăţile fiecărui element al eşantionului diferă faţă de a altui element din
eşantion datorită factorilor aleatori, motiv pentru care proprietăţile eşantionului se exprimă prin aşa
numiţii parametrii statistici, dintre care cei mai importanţi sunt:
 media aritmetică;
 dispersia;
 abaterea medie pătratică.
În acest sens trebuie făcută o distincţie între parametrii statistici ai colectivităţii şi ai
eşantionului extras din această colectivitate, aceştia şi notându-se diferit. Astfel:
 parametrii statistici ai eşantionului se calculează;
 parametrii statistici ai colectivităţii se estimează pe baza celor ai eşantionului.

Notaţiile pentru parametrii statistici sunt:

ptr. PROBĂ (EŞANTION) ptr. COLECTIVITATE (POPULAŢIE)

media aritmetică x µ
dispersia s2 σ2
abaterea medie pătratică s σ

Parametrii statistici ai mai multor eşantioane extrase din aceeaşi colectivitate diferă între ei,
dar sunt omogeni dacă selecţia a fost făcută în mod corespunzător, şi diferă de parametrii statistici ai
colectivităţii (figura 6).
P Fig. 6. P – populaţia (colectivitatea)
E1 E1, E2, ... En – eşantioane extrase din P
E2 x ≠ x ≠ .... x ≠ µ ;
1 2 n
2 2
s1 ≠ s2 ≠ .... s 2n ≠ σ 2;
En
s1 ≠ s 2 ≠ .... s n ≠ σ
 Pe baza parametrilor calculaţi pentru eşantion se estimează parametrii statistici ai probei,
determinându-se un INTERVAL DE ÎNCREDERE pentru parametrii statistici ai colectivităţii.
Prin interval de încredere pentru un parametru statistic al colectivităţii se întelege acel
interval în care se încadrează respectivul parametru statistic cu o probabilitate P = 1 - α.
Probabilitatea de încadrare a unui parametru statistic a colectivităţii în intervalul de încredere
este:
P = 1 - α şi se numeşte NIVEL DE ÎNCREDERE şi ia valori în intervalul [0, 1] ([0%, 100%]),
valoarea P = 0 reprezentând imposibilitatea, iar P = 1 reprezentând certitudinea.
Probabilitatea de neîncadrare a respectivului parametru în intervalul de încredere, adică
contrarul nivelului de încredere, este:
α = 1 – P şi se numeşte NIVEL DE SEMNIFICAŢIE, cu α in intervalul [0,1] şi reprezintă
riscul ca parametrul colectivităţii să nu se încadreze în intervalul de încredere.
Riscul (nivelul de semnificaţie) cu care se fac afirmaţii statistice, bazate pe eşantioane, asupra
colectivităţii diferă de la un domeniu de cercetare la altul. Astfel, în tehnica obişnuită, ca în
metalurgie valoarea nivelului de semnificaţie (a riscului) al afirmaţiilor bazate pe date statistice
este α = 0,05 (5%), adică nivelul de încredere este P = 1 - α = 1 – 0,05 = 0,95 (95%), pe când în
medicină este de α = 0,001 (0,1%).

2.2. PRELUCRAREA DATELOR EXPERIMENTALE

Prelucrarea datelor rezultate în urma unor determinări experimentale cuprinde următoarele

etape:
 gruparea datelor, determinarea frecvenţelor intervalelor de grupare şi prezentarea grafică a
repartiţiei datelor experimentale;
 calculul parametrilor statistici ai eşantionului;
 verificarea caracterului repartiţiei experimentale;
 verificarea caracterului aleator al datelor experimentale;
 eliminarea rezultatelor anormale (eronate) şi recalcularea parametrilor (indicatorilor)
statistici;
 estimarea parametrilor (indicatorilor) statistici ai colectivităţii din care a fost extras
respectivul eşantion.

2.2.1. Gruparea datelor, determinarea frecvenţelor intervalelor de grupare şi prezentarea

grafică a repartiţiei datelor experimentale

Presupunem că pentru un parametru oarecare (de exemplu: conţinutul de carbon dintr-o marcă
de oţel, temperatura de evacuare a fontei din furnal etc.) s-au efectuat “n” măsurători, la care s-au
obţinut valorile x1, x2, ... xn care reprezintă un eşantion (probă) extrasă din respectiva colectivitate.
Numărul “n” al elementelor din eşantion se numeşte volumul eşantionului (probei).
Valorile obţinute în ordinea determinării lor experimentale alcătuiesc aşa numitul tabel al
datelor primare, care nu este altceva decât o înşiruire dezordonată de date, din care nu reiese explicit
nici o concluzie privitoare la respectivul eşantion.
Pentru o prezentare sugestivă a datelor experimentale şi pentru uşurarea calculului indicatorilor
statistici, datele experimentale se grupează în intervale de grupare, în fiecare de astfel de interval
găsindu-se un anumit număr de date experimantale, rezultând astfel tabelul repartiţiei
experimentale.
Tot pentru o prezentare sugestivă a repartiţiei datelor experimentale acestea vor fi prezentate şi sub o
forma grafică ce constă în aşa numitele histograme şi poligoane de frecvenţă.
Deci gruparea datelor experimentale în intervale de grupare are ca scop:
 prezentarea sugestivă a repartiţiei datelor experimentale;
  uşurarea calculului indicatorilor (parametrilor) statistici
Trebuie precizat că:
• calculul indicatorilor statistici pe baza unor date experimentale grupate în intervale de
grupare se poate aplica doar pentru eşantioane (probe) cu volum mare (n > 50). În cazul
eşantioanelor (probelor) cu volum mic (n < 50) gruparea datelor experimentale duce la
apariţia unor erori semnificative în calculul indicatorilor (parametrilor) statistici ai
eşantionului;
• calculul parametrilor statistici ai eşantioanelor pe baza datelor experimentale grupate în
intervale este o metodă depăşită odată cu apariţia sistemelor de calcul electronic (P.C.),
fiind utilizată în trecut, când efectuarea unor calcule matematice de mare amploare ridica
probleme deosebite (statistica matematică avându-şi originile la începutul secolului XIX,
anii 1800, odată cu matematicienii german Gauss şi francez Laplace). Deci, la ora actuală
continuarea grupării datelor experimentale în intervale de grupare îşi are explicaţia doar
în realizarea unei prezentări sugestive, uşor inteligibilă, sub formă tabelară şi grafică a
repartiţiei acestor date.
Pentru gruparea datelor experimentale se parcurg următorii paşi:
• se determină valoarile minime şi maxime ale variabilei aleatoare X, şi anume Xmax şi Xmin;
• se determină numărul intervalelor de grupare după următoarele relaţii aproximative:
ng = 8 ... 20, direct proporţional cu volumul (n) al probei (eşantionului);
ng = 1 + 3,222⋅log n (formula Sturgers)
• se determină lungimea intervalelor de grupare (h):
X − X min
h = max
ng
Observatie Numărul şi lungimea grupelor se aproximează in sensul obţinerii unor valori convenabile
ale lungimii intervalelor. În acest scop se pot varia puţin şi valorile Xmax şi Xmin.
• se determină caracteristica fiecărei grupe (Xci) - adică jumătatea fiecărui interval;
• se determină frecvenţele intervalelor de grupare şi anume:
fai = ni - frecvenţa absolută a intervalului "i", care reprezintă numărul de valori ale variabilei
aleatoare X ce se încadrează în intervalul "i";
n
fri = i - frecvenţa relativă a intervalului "i";
n
fcai = fcai-1+ fai = fa1+ fa2+...+ fai - frecvenţa cumulată absolută a intervalului "i"; cu fca1 = fa1
fca i
fcri = fcri-1 + fri = fr1+ fr2+...+ fai sau fcri = - frecvenţa cumulată relativă a intervalului "i";
n
cu fcr1 = fr1

Între frecvenţe există relaţiile:

ng ng
∑ fa i = n si ∑ fri = 1 (α)
i= 1 i= 1
• cu ajutorul acestor frecvenţe se trasează grafic histograme şi poligoane de frecvenţă, care sunt mult
mai sugestive pentru reprezentare repartiţiei experimentale decât prezentarea datelor tabelat.
Histogramele şi poligoanele de frecvenţă se pot trasa pentru fiecare dintre cele patru tipuri de
frecvenţe.

Tabelul repartiţiei experimentale are următoarea formă:

Limitele Caracteristica FRECVENŢE
grupelor grupei (Xci) Absolută (fai) Relativă (fri) Cumulată Cumulată
absolută (fcai) relativă (fcri)
23 2,5 2 0,2 2 0,2
 34 3,5 3 0,3 5 0,5
45 4,5 4 0,4 9 0,9
56 5,5 1 0,1 10 1,0
SUMA - 10 1 - -

5 0.5

4 0.4

Frecv.relativa
Frecv.absoluta

3 0.3

2 0.2

1 0.1
2 3 4 5 6
0 2 3 0 4 5 6
2 3 4 5 6
inte rva l inte rva l
Poligonul frecvenţei relative
Poligonul frecvenţei cumulată absolută
Histograma frecventei cumulată relativă

10 1
Frecv.cumulata absoluta

Frecv. cumulata relativa

8 0.8

6 0.6
2 3 4 5 6
4
0.4

2
0.2
0 Histograma frecvenţei absolute
0
interval
interval

2.2.2. Calculul indicatorilor (parametrilor) statistici ai eşantionului (probei)

Cei mai importanţi parametrii statistici ce se calculează pentru probe sunt: media aritmetică (
x ), dispersia ( s2 ) şi abaterea medie pătratică ( s ), care au următoarele formule de definiţie:
1 n
a) Media: x = ∑ xi (1)
n i= 1
b) Dispersia se defineşte ca: media pătratelor abaterilor valorilor experimentale de la
media lor aritmetică
1 n
s 2 = ∑ (x i − x) 2 (2)
n i= 1
Calculul dispersiei cu această relaţie este relativ dificil, motiv pentru care această relaţie, prin
prelucrare matematică (dezvoltând binomul la pătrat şi distribuind suma la fiecare termen), devine
 s2 =
1 n
∑
n i= 1
1 n
(
n i= 1
) 1 n
n  i = 1
n n 
( x i − x ) 2 = ∑ x i2 − 2 ⋅ x i ⋅ x − x 2 =  ∑ x i2 − ∑ 2 ⋅ x i ⋅ x + ∑ x 2  =

i= 1 i= 1 
1 n 1 n  1 1 n 1 n
= ∑ x i2 − 2 ⋅ x ⋅  ∑ x i  + ⋅ n ⋅ x 2 = ∑ x i2 − 2x 2 + x 2 = ∑ x i2 − x 2
n i= 1 n 
 i= 1  n n i= 1 n i= 1
1 n
s 2 = ∑ x i2 − x 2 (3)
n i= 1
Astfel, dispersia se calculează mai uşor cu formula (3), o altă definiţie a dispersiei fiind:
 1 n 2
dispersia este egală cu diferenţa dintre media pătratelor valorilor experimentale  ∑ x i  şi
 n i= 1 
pătratul mediei aritmetice x 2 ( )
c) Abaterea medie pătratică este radicalul pătrat din dispersie:
s = s2 (4)

Pentru probe (eşantioane) cu volum mic (n < 50) se utilizează pentru calculul parametrilor
statistici relaţiile (1), (2), (2’) şi (3).
Pentru probe (eşantioane) cu volum mare (n ≥ 50) calculul indicatorilor (parametrilor)
statistici direct cu aceste formule este dificil, motiv pentru care datele se grupează în intervale de
grupare cărora li se determină frecvenţa, aşa cum s-a prezentat în punctul 2.2.1.
Într-o primă simplificare se utilizează relaţiile:
n
1 g
x = ∑ fa i ⋅ x ci (1’)
n i= 1
n
2 1 g 2
s = ∑ fa i ⋅ x ci − x2 (3’)
n i= 1
unde: ng este numărul de intervale de grupare;
i este numărul intervalului (i = 1 ... ng);
xci este caracteristica grupei (jumătatea intervalului de grupare “i”)
fai este frecvenţa absolută a intervalului “i”
Totuşi, calculele efectuate cu aceste formule sunt relativ complicate, motiv pentru care se
utilizează o a doua simplificare:
Pentru aceasta se defineşte o nouă variabilă aleatoare (ui), ce se va calcula pentru fiecare
x − x0
interval de grupare, cu relaţia: u i = ci (5)
h
unde : xci - caracteristica fiecărei grupe;
x0 - caracteristica grupei cu frecv. absolută (fa) maximă;
Datorită formei de definire variabila ui ia doar valori întregi (ui ∈ Z) , pentru intervalul cu
frecv. absolută maximă fiind zero (ui=0 ptr. fai=max.), pentru inrtervalele dinaintea acestuia (cu
valori mai mici decât el) fiind: -1, -2, -3, ..., iar pentru cele de după acesta (cu valori mai mari decât
el) fiind: +1, +2, +3, ...

Datele se prelucrează tabelar, în continuarea tabelului prezentat la punctul 2.2.1)

Limitele Caracteristica FRECVENŢE x − x0
grupelor grupei (Xci) Absolută Relativă Cumulată u i = ci
h
(fai) (fri) absolută (fcai)
23 2,5 2 0,2 2 -2
34 3,5 3 0,3 5 -1
 45 4,5 4 0,4 9 0
56 5,5 1 0,1 10 +1
SUMA - 10 1 - -
• se calculează media şi dispersia variabilei u, cu relaţiile:
n
1 g
media: u = ∑ fa i ⋅ u i (1”)
n i= 1
n
1 g
dispersia: s 2u = ∑ fa i ⋅ u i2 − u 2 (3”)
n i= 1
• pe baza mediei şi dispersiei variabilei “u” se calculează media, dispersia şi abaterea medie pătratică
a variabilei X, cu relaţiile:
media: x = x0 + u ⋅ h (6)
dispersia: s 2 = s 2u ⋅ h 2 (7)
abaterea medie pătratică s2
se calculează cu relaţia (4): s =
Demonstraţia relaţiilor (5) şi (6)
În relaţia (1”) de calcul a mediei variabilei “u” se înlocuieşte relaţia (5) de definire a variabilei
“u” şi se obţine:
n n n n n
1 g 1 g x − xo 1 g 1 g 1 g
u = ∑ fa i ⋅ u i = ∑ fa i ⋅ ci = ( fa ⋅ x − fa ⋅ x )
∑ i ci i o nh ∑ i ci nh ∑ fa i ⋅ x o =
= fa ⋅ x −
n i= 1 n i= 1 h nh i = 1 i= 1 i= 1
n n
1 1 g x g
x x x − xo
= ⋅ ∑ fa i ⋅ x ci − o ∑ fa i = − o ⋅ n = ⇒ x = xo + u ⋅ h
h n i= 1 nh i = 1 h nh h
    
= x conform = n conf .
relatiei (1") relat. (α )
În relaţia (3”) se înlocuiesc relaţiile (5) şi (6) şi se obţine:

( )
n n 2 n 2
1 g g
 x ci − x o  1 g  x − xo 
s 2u 2 2
= ∑ fa i ⋅ u i − u = ∑ fa i  2
 − u = ∑ 2
fa i x ci − 2x ci x o + x o2 −   =
n i= 1 h 2  h 
i= 1   nh i = 1
n n n
1 1 g 2 2x o 1 g 1 g 2 x 2 − 2 ⋅ x ⋅ x o + x o2
⋅ ∑ x ci ∑ ci ai 2 ∑ o
= ⋅ f ai − ⋅ x ⋅ f + x − =
h 2 n i= 1 h2 n i= 1
   nh i= 1 h 2

= x conf . rel. (1")

1  1 g 2 
n
2  2x o x 1 2 2 xx o x o2 s 2
⇒ s 2 = s 2u ⋅ h 2
2  n ∑ ci ai
= x ⋅f − x − + nx o + − =
 2 2 2 2 2
h  i= 1 h nh h h h
  
= s 2 conf . rel. (3")
 2.2.3. Verificarea caracterului repartiţiei experimentale

În această etapă se stabileşte în ce tip de repartiţie teoretică se încadrează repartiţia

experimentală obţinută.
Pentru aceasta se presupune că variabila experimentală urmează una dintre repartiţiile teoretice
cunoscute şi apoi, pe baza unor teste, se verifică dacă această ipoteză este adevărată.
Pentru verificarea ipotezei privind încadrarea repartiţiei experimentale într-una dintre
repartiţiile teoretice se utilizează mai multe teste, dintre care cele mai importante sunt:
 testul hi-pătrat (notat cu litera grecească “hi”: χ2);
 testul Kolmogorov
Este evident că pentru această verificare este necesară cunoaşterea repartiţiilor teoretice, motiv
pentru care le vom analiza în continuare.

2.2.3.1. REPARTIŢII TEORETICE

A) GENERALITĂŢI PRIVIND PROBABILITĂTILE ŞI REPARTIŢIILE TEORETICE

Pentru început se dau câteva definiţii necesare a fi cunoscute:

 Prin EVENIMENT se înţelege orice rezultat al unui experiment. Acesta poate fi:
 eveniment sigur – care se produce cu certitudine la efectuarea experimentului;
 eveniment imposibil – care nu se poate produce la efectuarea experimentului;
 eveniment aleator – care se poate realiza sau nu la efectuarea experimentului;
 Se va numi VARIABILĂ ALEATOARE “X” orice mărime care ia o mulţime de valori,
cu anumite probabilităţi (şanse de realizare).
 Valoarea (valorile) “x” pe care le ia variabila aleatoare “X” se numesc ARGUMENT. În
funcţie de valorile pe care le poate lua (argumente) variabila aleatoare poate fi:
 variabilă aleatoare discretă – care poate lua doar o mulţime finită, numărabilă de
valori;
 variabilă aleatoare continuă – care poate lua o mulţime infinită de valori, într-un
interval de tip [a, b], care poate fi chiar mulţimea numerelor reale (- ∞, +∞);
 Se înţelege prin PROBABILITATE a unui eveniment, legat de un experiment cu un
număr finit de rezultate egal-posibile, raportul dintre numărul rezultatelor favorabile
producerii evenimentului şi numărul tuturor rezultatelor posibile:
n
P( E) = i (1)
n
unde: P(E) este probabilitatea evenimentului E;
ni este numărul rezultatelor favorabile evenimentului E (adică în care evenimentul E se
realizează);
n este numărul tuturor rezultatelor egal – posibile,
Deoarece n i ≤ n avem: P(E ) ≤ 1 (2)
Când ni = 0 (evenimentul E nu se realizează în nici un experiment) avem P(E) = 0, adică
apariţia evenimentului E este imposibilă.
Când ni = n (evenimentul E se realizează la fiecare experiment) avem P(E) = 1, adică apariţia
evenimentului E este sigură (certă).
Vom avea deci:
0 ≤ P( E ) ≤ 1 (3)

 Dacă într-un experiment o variabilă aleatoare “X” ia valoare “x”, cu probabilitatea:

P(X=x) = f(x) (4)
 x 
în mod convenţional vom nota: X :   (5)
 f (x) 
 Funcţia f(x) se numeşte FUNCŢIA DE PROBABILITATE şi caracterizează distribuţia
(repartiţia) variabilei aleatoare “X”. Funcţia de probabilitate, fiind o probabilitate,
respectă relaţia (3), adică:
0 ≤ f (x) ≤ 1 (3’)
 Dacă variabila aleatoare “X” ia valorile 1 2 x , x , ..., x n cu probabilităţile
P( x1 ), P( x 2 ), ..., P( x n ) , notate pe scurt p1 , p 2 , ..., p n , atunci expresia:
 x x 2 ... x n 
X :  1  (6)
p
 1 p 2 ... p n
reprezintă REPARTIŢIA DE PROBABILITATE, cu condiţia ca:
n
∑ p i = 1, adica p1 + p 2 + ... + p n = 1 (7)
i= 1
În funcţie de natura variabilei aleatoare (natura argumentelor “x” pe care le poate lua variabila
aleatoare “X”) avem:
 repartiţii de probabilitate discrete, când variabila aleatoare este discretă (vezi definiţia
variabilei aleatoare )
 repartiţii de probabilitate continue, când variabila aleatoare este discretă (vezi definiţia
variabilei aleatoare )
 Probabilitatea unui eveniment astfel ca argumentul variabilei aleatoare “X” să ia valori
mai mici decât o valoare “x”, notată P(X<x) reprezintă FUNCŢIA DE DE REPARTIŢIE
(numită şi PROBABILITATE CUMULATIVĂ), se notează cu F(x):
F(x) = P (X<x) (8)
şi reprezintă cumularea tuturor probabilităţilor evenimentelor până la evenimentul cerut.

Având în vedere cele expuse, se pot definii repartiţiile teoretice discrete şi cele continue

I ) Generaliţăţi privind repartiţiile discrete

Sunt acele repartiţii în care variabila aleatoare “X” poate lua doar o mulţime finită, numărabilă
de valori (argumentele variabilei aparţin unei mulţimi finite), în general aparţinând numerelor întregi.
Aceste repartiţii sunt definite de:

 domeniul de variaţie al argumentului: x ∈{x1, x2, ... xn} ;

 funcţia de probabilitate: f(xi), care reprezintă de probabilitatea ca variabila aleatoare să ia
valoarea “xi”: f(xi) = P(X = xi)
 funcţia de repartiţie: F(x), numită şi probabilitate cumulativă, care reprezintă
probabilitatea ca argumentul variabilei aleatoare să ia valori mai mici ca “x”:
xi = x
F( x ) = ∑ f ( x i ) = P( X < x )
i= 1
cu îndeplinirea următoarelor condiţii:
• pentru funcţia de probabilitate: 0 ≤ f ( x ) ≤ 1 ;
• pentru funcţia de repartiţie: 0 ≤ F( x ) ≤ 1 ;
• ţinând cont de faptul că este cert că variabila aleatoare “X” va lua unul dintre argumente:
n
F( x n ) = ∑ f ( x n ) =1,
i= 1
aceasta fiind, de fapt, o altă formă a relaţiei (7)
  x 
Vom nota o repartiţie discretă astfel: X :  i  , i = 1, 2, ..., n
 f (x i ) 

În cazul repartiţiilor discrete parametrii statistici se calculează cu relaţiile:

n
 media aritmetică, notată M(x), cu: M (X) = ∑ x i ⋅ f (x i ) (9)
i= 1
n
2
 dispersia, notată D (x), cu: D 2 ( X ) = M 2 ( X ) − [ M ( X )] 2 = ∑ x i2 ⋅ f ( x i ) − [ M(X)] 2 (10)
i= 1

Exemplu de repartiţie discretă:

Dacă se efectuează experimentul de a arunca un zar atunci e posibil să apară următoarele şase
evenimente: E1: apare faţa 1, E2: apare faţa 2, ..., E6: apare faţă 6.
În acest caz:
• ni = 1, numărul rezultatelor favorabile unui eveniment (de a apărea o anumită faţă a zarului);
• n = 6, deoarece pot să apară oricare dintre cele şase feţe la o aruncare a zarului
şi conform relaţiei (1), probabilitatea fiecăruia dintre cele şase evenimente este:
n 1
P( E1) = P(E 2) = ... = P(E 6) = i =
n 6
În cazul considerării variabilei aleatoare “numărul feţei care apare la o aruncare a zarului”
aceasta are:
 domeniul de variaţie al argumentului: x ∈ {1, 2, 3, 4, 5, 6} ;
1
 funcţia de probabilitate: f(xi) = P(X = xi) = , ∀i
6
xi = x
 funcţia de repartiţie: F( x ) = ∑ f ( x i ) = P( X < x )
i= 1
1 2 3 4 5 6
şi repartiţia va fi notată: X : 1 1 1 1 1 1
 
6 6 6 6 6 6
Evident sunt îndeplinite condiţiile:
1
• pentru funcţia de probabilitate: 0 ≤ f (x) ≤ 1 (0 ≤
≤ 1) ;
6
• pentru funcţia de repartiţie (probabilitate cumulativă):
probabilitatea ca la o aruncare să iasă faţa 1 este: f(x)=F(1) = 1/6
probabilitatea ca la o aruncare să iasă faţa 1 sau 2 este: F(2) = 1/6 + 1/6 = 2/6;
probabilitatea ca la o aruncare să iasă faţa 1 sau 2 sau 3 este: F(3) = 1/6 + 1/6 +1/6= 3/6;
probabilitatea ca la o aruncare să iasă faţa 1 sau 2 sau 3 sau 4 este: F(4) = 1/6 + 1/6 +1/6+1/6= 4/6;
probabilitatea ca la o aruncare să iasă faţa 1 sau 2 sau 3 sau 4 sau 5 este:
F(5) = 1/6+1/6+1/6+1/6+1/6= 5/6;
probabilitatea ca la o aruncare să iasă una dintre feţele 1,2,3, 4,5 sau 6 este:
F(6) = 1/6+1/6+1/6+1/6+1/6+1/6 = 6/6 = 1;
deci: 0 ≤ F( x ) ≤ 1
 • ţinând cont de faptul că este cert că la o aruncare a zarului va ieşi una dintre feţe:
6 1
F(6) = ∑ f ( x i ) = 6 ⋅ =1,
i= 1 6

Cele mai uzuale repartiţii discrete sunt: repartiţia constantă, repartiţia binomială, repartiţia
Poisson şi repartiţia hipergeometrică

II ) Generalităţi privind repartiţiile continue

Sunt acele repartiţii în care variabila aleatoare “X” poate lua o mulţime infinită de valori,
argumentele variabilei aparţinând unui interval real [a, b], acesta putând fi chiar întregul interval al
numerelor reale (- ∞, +∞).
În cazul acestor repartiţii numărul tuturor rezultatelor egal – posibile “n” din relaţia (1) este
infinit (n = ∞), deci probabilitatea ca variabila aleatoare “X” să ia o anumită valoare “x” din intervalul
[a, b] este, conform relaţiei (1), nulă:
1
P( X = x ) = = 0
∞
Pentru rezolvarea totuşi a problemei, se va considera intervalul infinitezimal [x, x+dx] şi se va
considera probabilitatea elementară (infinitezimală) ca argumentul variabilei aleatoare “X” să fie
cuprins în acest interval, care va fi o funcţie de x, ce va avea forma:
dP = f(x)dx
adică: dP = f(x)dx = P[x<X<x+dx]
în acest caz funcţia f(x) reprezentând o DENSITATE DE PROBABILITATE.
Integrând această relaţie între limitele intervalului [a, b] se obţine:
b b
∫ dP = ∫ f ( x )dx = 1
a a
b
deoarece este evident că ∫ dP reprezintă probabilitatea ca variabila aleatoare “X” să ia valori în
a
intervalul [a, b], ceea ce este o certitudine, intervalul [a, b] fiind intervalul de definire al variabilei
aleatoare.
n
Această ultimă relaţie este transformarea relaţiei: F( x n ) = ∑ f ( x n ) =1, corespunzătoare
i= 1
n
unei variabile aleatoare discrete, prin înlocuirea operatorului “sumă”: ∑ prin operatorul: “integrală
i= 1
b
definită”: ∫
a
Deci, în cazul variabilelor continue funcţia de probabilitate de la variabilele discrete este
înlocuită cu densitatea de probabilitate. Din această cauză nu se pot face confuzii (aşa cum s-ar fi
putut face în cazul variabilelor discrete) între funcţia de probabilitate (aceasta fiind numită densitate
de probabilitate) şi funcţia de repartiţie, motiv pentru care, în cazul variabileor continue, se vor folosi
denumirile de: densitatea de probabilitate va fi denumită şi densitate de repartiţie - notată f(x)
funcţia de probabilitate va fi acelaşi lucru cu funcţie de repartiţie – notată F(x)

Repartiţiile continue sunt definite de:

 domeniul de variaţie al argumentului: x ∈ [a, b], putând fi x∈ (- ∞, +∞) (adică x ∈R);
 densitatea de probabilitate (de repartiţie): f(x) definită pe intervalul [a, b]
 funcţia de repartiţie (de probabilitate): F(x), care reprezintă probabilitatea ca
argumentul variabilei aleatoare să ia valori mai mici ca “x” este o primitivă a densităţii
de repartiţie:
x
F( x ) = ∫ f ( t )dt = P( X < x ) ,
a
unde prin f(t) doar s-a schimbat notaţia “x” cu “t” în expresia densităţii de repartiţie (de proba-
bilitate) pentru a nu avea aceleaşi notaţii în expresia de sub integrală şi în limitele de integrare),
cu îndeplinirea următoarelor condiţii:

• pentru densitatea de probabilitate (de repartiţie):

0 ≤ f ( x ) ≤ ∞ , adică f(x):[a, b] → [0,∞) şi f(x) este continuă şi integrabilă
• pentru funcţia de repartiţie (de probabilitate):
0 ≤ F( x ) ≤ 1 , adică F(x):[a, b] → [0,1] şi F(x) este continuă şi crescătoare
• ţinând cont de faptul că este cert că variabila aleatoare “X” va lua numai valori mai mici
decât “b”, care este limita superioară a intervalului [a, b] de definire a argumentelor
b
variabilei “X”: F(b) = ∫ f ( x )dx = P(X < b) =1
a
Este evident că, atunci când variabila aleatoare aparţine numerelor reale, x∈ (- ∞,+∞) vom
avea condiţiile la limită:
• pentru funcţia de repartiţie (de probabilitate):
lim F( x ) = 0 si lim F( x ) = 1 , adică F(x): (-∞, +∞) → [0,1]
x→ − ∞ x→ ∞
• ţinând cont de faptul că este cert că variabila aleatoare “X” va lua numai valori mai mici
+ ∞
decât “+∞”: ∫ f ( x )dx = 1
−∞
 x 
Vom nota o repartiţie continuă astfel: X :   , x∈ [a, b]
 f (x) 
Având în vedere proprietăţie integralei definite, în cazul unei variabile aleatoare ce urmează
 x 
orice tip de repartiţie continuă X :   , x∈ [a, b] sau x ∈ (- ∞,+∞), vom avea următoarele
 f (x) 
probabilităţi:
 probabilitatea ca variabila aleatoare să ia valori mai mici decât o valoare m, cu
m
m ∈ [a, b], respectiv ∈ (- ∞,+∞): P( X < m) = ∫ f ( x )dx = F(m)
a
m
respectiv: P( X < m) = ∫ f ( x )dx = F(m) ;
−∞
  probabilitatea ca variabila aleatoare să ia valori mai mari sau egale cu o valoare m, cu
m ∈ [a, b], respectiv ∈ (- ∞,+∞)::
b b m
P( X ≥ m) = ∫ f ( x )dx = ∫ f ( x )dx − ∫ f ( x )dx = 1 − P(X < m) = 1 − F(m)
m a a
+ ∞ + ∞ m
respectiv: P( X ≥ m) = ∫ f ( x )dx = ∫ f ( x )dx − ∫ f ( x )dx = 1 − P(X < m) = 1 − F(m) ;
m −∞ −∞
(acest fapt rezultă şi din observaţia că evenimentul ca “x” să fie mai mare sau egal cu “m”
este evenimentul contrar celui ca “x” să fie mai mic decât “m” şi suma probabilităţilor evenimentelor
contrare este 1);
 probabilitatea ca variabila aleatoare să ia valori într-un interval [m, n) (adică m ≤ x < n)
cu intervalul [m, n) inclus în intervalul [a, b], respectiv (- ∞, +∞):
n n m
P( m ≤ X < n ) = ∫ f ( x )dx = ∫ f ( x )dx − ∫ f ( x )dx = P(X < n ) − P(X < m) = F(n ) − F(m)
m a a

În cazul repartiţiilor discrete parametrii statistici se calculează cu relaţiile:

b
• media aritmetică, notată M(x), cu: M (X) = ∫ x ⋅ f ( x )dx (11)
a
b
• dispersia, notată D2(x), cu: D 2 (X) = M 2 (X) − [ M (X)] 2 = ∫x
2
f ( x )dx − [ M (X)] 2 (12)
a
B) REPARTIŢII DISCRETE

B1) Repartiţia discretă constantă

Este acea repartiţie în care funcţia de probabilitate f(x) este o constantă (vezi exemplul de
la generalităţi privind repartiţia discretă)

B2) Repartiţia binomială

Este acea repartiţie în care funcţia de probabilitate f(x) este rezultatul unor probe
repetabile, în cursul cărora fiecare probă oferă o singură alternativă (Atenţie! o alternativă are
doi termeni (două variante posibile) a cărei probabilitate este constantă, numită experienţă “de tip
Bernoulli” sau “a bilei revenite”.

Bernoulli a efectuat următoarea experienţă (numită şi experienţa bileo revenite): intr-o urnă a
introdus “a” bile albe şi “b” bile negre şi şi-a pus problema de a stabili care este probabilitatea ca
extrăgând aleator (fără să se uite în urnă) de “n”ori câte o bilă din urnă şi punând bila înapoi după
fiecare extragere (bilă revenită) să extragă de “k” ori bila albă (evident k ≤ n, şi problema este similară
cu a întreba care este probabilitatea de a extrage “n – k” bile negre). O experienţă similară este
controlul unei piese, caz în care avem alternativa de a avea fie o piesă bună, fie o piesă defectă (rebut).
 În aceste condiţii este evident că avem următoarele probabilităţi ale termenilor alternativei
existente la extragerea unei bile (alternativa este ca la o extragere să scoatem din urnă fie o bilă albă,
fie o bilă neagră):
a
• probabilitatea ca la o extragere să scoatem o bilă albă: p= ;
a+ b
b
• probabilitatea ca la o extragere să scoatem o bilă neagră: q = ;
a+ b
Evident, avem:
 p + q = 1 deoarece la o extragere vom scoate în mod cert (cu o probabilitate egală cu 1
adică 100%) o bilă albă sau o bilă neagră, fiindcă în urnă se găsesc doar bile de culoare
albă sau negră;
 probabilităţile termenilor alternativei (p şi q) sunt constatnte deoarece după fiecare
extragere punem bila înapoi în urnă.
Răspunsul la această întrebare (Care este probabilitatea ca extrăgând aleator de “n”ori câte o
bilă din urnă şi punând bila înapoi după fiecare extragere (bilă revenită) să extragă de “k” ori bila
albă?) i-a permis lui Bernoulli să formuleze următoarea repartiţie:

Pentru o serie de “n” probe repetate, ce oferă o singură alternativă, cu termenii ce au

probabilităţile de apariţie “p”, respectiv “q” (q=1-p) constante, probabilitatea de apariţie de “k”
ori a termenului ce are probabilitatea “p” este dată de relaţia:
Pk = C kn ⋅ p k ⋅ q n − k
A kn
unde C kn sunt combinări de “n” luate câte “k”, calculate cu relaţia: C kn =
k!

k n!
în care: A n = sunt aranjamente de “n” luate câte “k” şi
(n − k )!
k!= 1 ⋅ 2 ⋅ 3 ⋅ ... ⋅ k este “k factorial”(atenţie!: 0! = 1, zero factorial este egal cu 1 şi de exemplu:
3! = 1. 2 . 3 = 6 )
şi obţinem:

A kn n!
= C kn =
k! k! ⋅ (n − k )!
Variabila aleatoare “numărul de apariţii ale termenului de probabilitate constantă “p” în
cadrul unui experiment ce conţine “n” încercări, fiecare încercare oferind o singură alternativă”
urmează o repartiţie binomială ce este definită de:
 domeniul de variaţie al argumentului x ∈ {0, 1, 2, ... n}
 funcţia de probabilitate:
f ( x , n , p) = C nx ⋅ p x ⋅ q n − x
care reprezintă probabilitatea ca în “n” experienţe, termenul de probabilitate “p” să apară de “x” ori;
 funcţia de repartiţie (probabilitatea cumulată):
x x
F( x , n, p) = ∑ f (x, n ) = ∑ C nx ⋅ p x ⋅ q n − x = P(X ≤ x ) ,
x= 0 x= 0
care reprezintă probabilitatea ca în “n” extrageri termenul de probabilitate “p” să apară de mai puţin
sau egal de “x” ori (adică reprezintă suma probabilităţilor de a nu apărea niciodată, o dată, de două
ori, .... de “x” ori).

Repartiţia binomială va avea notaţia:

  0 1 ... k ... n 
X :  n 
q C1n pq n − 1 ... C kn p k q n − k ... p n 

n
Ţinând cont de formula binomului lui Newton: ∑ C nx ⋅ p x ⋅ q n − x = (p + q) n , avem evident
x= 0
îndeplinită condiţia:
n n
F(n , n, p) = ∑ f ( x, n ) = ∑ C nx ⋅ p x ⋅ q n − x = (p + q ) n = 1n = 1
x= 0 x= 0
Calculul mediei şi dispersiei pentru o variabilă distribuită binomial
Pentru medie – notată M(x):
Se utilizează relaţia (9), care, prin înlocuirea funcţiei de probabilitate corespunzătoare
n n n
repartiţiei binomiale, devine: M (X) = ∑ x i ⋅ f (x i ) = ∑ x ⋅ f ( x , n , p) = ∑ x ⋅ C nx p x q n − x (9’)
i= 1 x= 0 x= 0
Se introduce o nouă variabilă “t” şi se porneşte de la relaţia binomului lui Newton:
n
( pt + q ) n = ∑ C nx ( pt ) x q n − x
x= 0
pe care o derivăm în raport cu “t” şi, ţinând cont că derivarea este distributivă faţă de sumă, obţinem:
n
n ⋅ ( pt + q ) n − 1 ⋅ p = ∑ C nx ⋅ p x ⋅ x ⋅ t x − 1 ⋅ q n − x
x= 0
Punând în această relaţie t = 1 şi ţinând cont de relaţia (9’) şi că p+q=1 vom obţine:
n
n ⋅ ( p + q) n − 1 ⋅ p = ∑ C nx ⋅ p x ⋅ x ⋅ ⋅ q n − x

x=
0 
= 1n − 1 = 1
= M ( x ) conform rel. (9' )

adică: media unei variabile distribuită binomial este: M(x) = np

Pentru dispersie – notată D2(x):
Se utilizează relaţia (10), care, prin înlocuirea funcţiei de probabilitate corespunzătoare
repartiţiei binomiale, devine:
n n
D 2 (X) = M 2 (X) − [ M (X)] 2 = ∑ x 2 ⋅ f ( x ) − [ M ( X )] 2 = ∑ x 2 ⋅ C nx ⋅ p x ⋅ q n − x − (np) 2 (10’)
x= 0 x= 0
Introducând aceeaşi variabilă “t” ca şi în cazul mediei şi derivând de două ori în raport cu “t”
n
relaţia binomul lui Newton: ( pt + q ) n = ∑ C nx ( pt ) x q n − x se obţine:
x= 0
n
n (n − 1) ⋅ ( pt + q ) n − 1 ⋅ p 2 = ∑C nx ⋅ p x ⋅ x ⋅ ( x − 1) ⋅ t x − 2 ⋅ q n − x
x= 0
Punând în această relaţie t = 1 şi ţinând cont că p+q=1, se obţine:
 n
n (n − 1) ⋅ ( p + q ) n − 1 ⋅ p 2 = ∑ C nx ⋅ p x ⋅ x ⋅ ( x − 1) ⋅ q n − x ⇔
x= 0
n n
n (n − 1) p 2 = ∑ C nx ⋅ p x ⋅ x 2 ⋅ q n − x − ∑ C nx ⋅ p x ⋅ x ⋅ q n − x ⇔
x= 0 x=
0 
= M ( x ) = np conf . rel.(9' )
n
n 2 p 2 − np 2 = ∑ C nx ⋅ p x ⋅ x 2 ⋅ q n − x − np ⇔
x= 0
n
np − np 2 = ∑ C nx ⋅ p x ⋅ x 2 ⋅ q n − x − ( np) 2 ⇔ np(1 − p) = D 2 ( x )

x=
0  =q
= D 2 ( x ) conform rel. (10' )
adică: dispersia unei variabile distribuită binomial este: D2(x) = npq
În relaţiile mediei şi dispersiei notaţiile reprezintă:
n este numărul total de încercări;
p este probabilitatea unuia dintre termenii alternativei;
q = 1-p este probabilitatea celuilalt termen al alternativei.

Exemplu de aplicare a distribuţiei binomiale

Într-o secţie există 6 stunguri. Din cercetări anterioare se ştie că probabilitatea de funcţionare
fără defecţiuni a unui strung timp de o lună de zile este 2/3 (=0,666).
Se cere:
a) să se determine funcţia de probabilitate şi funcţia de repartiţie a variabilei aleatoare
X : “numărul de strunguri care funcţionează normal pe parcursul unei luni” şi să se scrie repartiţia
corespunzătoare;
b) să se reprezinte grafic aceste funcţii;
c) să se stabilească probabilitatea ca cel puţin 4 strunguri să funcţioneze normal pe parcursul
unei luni;
d) să se calculeze media şi dispersia variabilei aleatoare X.

Din datele problemei concluzionăm că variabila aleatoare X: “numărul de strunguri care

funcţionează normal pe parcursul unei luni” urmează o repartiţie binomială, deoarece avem o singură
alternativă cu următorii termeni:
• strungul funcţionează normal - ce are probabilitatea p = 2/3 şi evenimentul contrar:
• strungul este defect - ce are probabilitatea q = 1 – p = 1 – 2/3 = 1/3.
Numărul total de incercări este reprezentat de numărul total de stunguri: n = 6.

Variabila aleatoare X: “numărul de strunguri care funcţionează normal pe parcursul unei luni”
poate lua valorile:
0 dacă nu funcţionează normal nici un strung (toate 6 sunt defecte);
1 dacă funcţionează normal un strung (cinci sunt defecte);
2 dacă funcţionează normal două strunguri (patru sunt defecte);
3 dacă funcţionează normal trei strunguri (trei sunt defecte);
4 dacă funcţionează normal patru strunguri (două sunt defecte);
5 dacă funcţionează normal cinci strunguri (unul este defect);
6 dacă funcţionează normal toate strungurile (nici unul nu este defect);
 a) Funcţia de probabilitate f(x, n,p), adică probabilitatea ca să fie în funcţiune “x” strunguri,
cu argumentele variabilei aleatoare X, x∈{0, 1, 2, 3, 4, 5, 6} se calculează cu relaţia:
f ( x , n , p) = C nx ⋅ p x ⋅ q n − x ,
care particularizată pentru cazul nostru (n=6, p=2/3 şi q=1/3) devine:
x n− x
 2  1
C 6x
f ( x , 6, 2 / 3) = ⋅  ⋅ 
 3   3
Dând lui x valorile: 0, 1, 2, 3, 4, 5, 6 se obţin valorile funcţiei de probabilitate (vezi tabelul)

Funcţia de repartiţie F(x,n, p), adică probabilitatea să fie în funcţie mai puţin de “x” stunguri
se obţine cumulând probabilităţile anterioare:
x x x 6− x
 2  1
C 6x
F( x , 6, 2 / 3) = ∑ f ( x , n ) = ∑ ⋅  ⋅ 
x= 0 x= 0  3  3
adică: F(0)=f(0); F(1) = f(0)+f(1); F(2) = f(0)+f(1)+f(2); ... F(6)=f(1)+f(2)+f(3)+f(4)+f(5)+f(6) = 1
Atenţie! : întotdeauna ultima probabilitate cumulată este egală cu 1, dacă calculele s-au făcut corect.

Variabila “X”: numărul de Funcţia de probabilitate f(x) Funcţia de repartiţie F(x)

strunguri ce funcţionează normal probabilitatea de a funcţiona “x” probabilitatea de a funcţiona
strunguri mai puţin de “x” strunguri
0 0,00137 0,00137
1 0,01646 0,01783
2 0,08231 0,10014
3 0,21948 0,31962
4 0,32922 0,64884
5 0,26337 0,91221
6 0,08779 1,00000

Repartiţia binomială a variabilei aleatoare X:”nr. de strunguri ce funcţionează normal” se scrie:

 0 1 2 3 4 5 6 
X :  
 0,00137 0,01646 0,08231 0,21948 0,32922 0,26337 0,08779 

b) Reprezentarea grafică este:

 f(x)
0.35

0.3

0.25

0.2 Funcţia de probabilitate

0.15

0.1
0.05

0 x


Funcţia de repartiţie



c) Probabilitatea ca să fie în funcţie cel puţin 4 strunguri este egală cu:

• suma probabilităţilor de a fi în funcţiune 4, 5 şi 6 strunguri:
P(X ≥ 4) = P( X = 4) + P(X = 5) + P(X = 6) = 0,32922 + 0,2337 + 0,08779 = 0,68038
sau cu:
• cu inversul probabilităţii ca să fie în funcţie mai puţin de 4 strunguri (adică 0, 1, 2 sau 3
strunguri):
P(X ≥ 4) = 1 − P( X < 4) = 1 − F(3) = 1 − [f (0) + f (1) + f (2) + f (3)] = 1 − 0.31962 = 0,68038

d) Media este M(X) = np = 6(2/3) = 4

Dispersia este D2(X) = npq = 6(2/3)(1/3) = 4/3 = 1,3333
 B3) Repartiţia Poisson (numită şi legea evenimentelor rare)

Este un caz particular al repartiţiei binomiale pentru cazul când probabilitatea “p” a unui
termen al alternativei este mică (în general p < 0,01, sub 1%) şi volumul “n” al încercărilor este
mare (în general n > 100).
În acest caz se poate considera că produsul “np” este constant şi egal cu :
np = const. = µ
şi funcţia de probabilitate se obţine prin trecere la limită (n) în expresia funcţiei de probabilitate a
repartiţiei binomiale.
Domeniul de variaţie al argumentului x∈ {0, 1, 2, ..., n}
Funcţia de probabilitate a repartiţiei Poisson va fi
µ x −µ
f (x, µ ) = ⋅ e = P( X = x )
x!
în care µ = np va fi media variabilei aleatoare distribuită Poisson şi funcţia de probabilitate va
reprezenta probabilitatea ca variabila aleatoare distribuită Poisson să ia valoarea “x”
Demonstraţie
Înlocuind în expresia funcţiei de probabilitate a repartiţiei binomiale:
f ( x , n , p) = C nx ⋅ p x ⋅ q n − x
µ µ
valoarile p= si q = 1 − p = 1 − se obţine:
n n
x n− x x n− x
µ   µ  n! µ   µ 
f ( x , n , p) = C nx ⋅   ⋅  1−  = ⋅   ⋅  1−  =
 n  n x!⋅ (n − x )!  n   n
=n!
n −x
µ x 1 ⋅ 2 ⋅ ...⋅ (n − x − 1) ⋅ (n − x ) ⋅ (n − x + 1) ⋅ ... ⋅ (n − 1) ⋅ n  µ   µ 
= ⋅ ⋅  1−  ⋅  1−  =
x! 1 ⋅ 2 ⋅ ... ⋅ (n − x − 1) ⋅ (n − x ) ⋅ n x  n  n

= ( n − x )!
n −x
µ x (n − x + 1) ⋅ ... ⋅ (n − 1) ⋅ n  µ   µ 
= ⋅ ⋅  1−  ⋅  1−  =
x! x  n  n
n
n −x
µx  n − ( x − 1) n − ( x − 2) n− 1 n  µ   µ 
= ⋅ ⋅ ⋅ ... ⋅ ⋅  ⋅  1−  ⋅  1−  =
x!  n n n  n  n
n −x
µx
  1  2  x − 2  x − 1   µ   µ 
= ⋅  1 ⋅  1 −  ⋅  1 −  ⋅ ... ⋅  1 −  ⋅  1−   ⋅  1−  ⋅  1− 
x!
  n  n  n   n   n  n
Trecând la limită n → ∞ şi ţinând cont că x ia valori finite, fiind argumentul unei variabile
discrete, se obţine:
lim f ( x , n , p) = f ( x, µ ) =
n→ ∞
−x
   
µ x  x − 2  
x − 1 
n 
µ   µ  
  1  2   
= lim 1 ⋅  1 −  ⋅  1 −  ⋅ ... ⋅  1 −  ⋅  1−  ⋅ lim  1 −  ⋅ lim  1 −  =
x! n → ∞   n   n→ ∞  n   n→ ∞ 
 
n  n  n   n
 →1 →1    
→ 1 → 1
  
 
→ 1
  → e− µ  
µ x x −µ −x µ x −µ
= ⋅1 ⋅ e ⋅1 = ⋅e
x! x!
 Funcţia de repartiţie a repartiţiei Poisson va fi:
x µm
−µ
F( x , µ ) = e ∑ = P(X < x )
m = 0 m!
şi reprezintă probabilitatea ca variabila discretă “X” să ia valori mai mici ca “x”.
Repartiţia Poisson se scrie:
 0 1 2 ... k ... 
 2 k 
X: −µ µ −µ µ µ , pentru µ > 0,
e e e − µ ... e− µ ... 
 1! 1! 1! 
având că: pentru k → n avem f(x) = P(X=x) → 0
Media variabilei aleatoare distribuită Poisson este: M(x) = µ = np;
Dispersia variabilei aleatoare distribuită Poisson este: D2(x) = µ = np;

Exemplu de aplicare a repartiţiei Poisson

Dintr-un lot de 8000 de produse 40 sunt defecte. Pentru un eşantion de 100 de produse să se
determine:
a) probabilităţile ca în eşantionul de 100 de produse să nu se găsească nici un produs defect, să
se găsească un produs defect, două produse defecte, etc;
b) probabilitatea ca în eşantionul de 100 de piese să se găsească mai mult de 2 produse defecte;
c) practic, care este maximul numărului de produse defecte care se pot găsi în eşantionul de
100 produse.
Rezolvare
Din datele problemei rezultă că probabilitatea de găsire a unei piese defecte este:
40
p= = 0,005 (0,5%)
8000
deci suficient de mică şi volumul eşantionului n = 100 suficient de mare ca să se poată aplica repartiţia
Poisson pentru variabila aleatoare X : “numărul de produse defecte”.
Avem deci: p = 0,005 şi
µ = np = 100 . 0,005 = 0,5
0,5 x − 0,5
Funcţia de probabilitate va fi: f ( x; 0,5 ) = ⋅e = P(X = x ) ;
x!
x µm
− 0,5
Funcţia de repartiţie va fi: F ( x ; 0,5 ) = e ∑ m! = P(X < x )
m= 0
a) Probabilitatea ca în lotul de 100 de piese să nu se găsească nici una defectă este:
0,5 0 − 0,5
P( X = 0) = f (0; 0,05) = ⋅e = 0,60653 (≈60,6%)
0!
Probabilitatea ca în lotul de 100 de piese să se găsească una defectă este:
0,51 − 0,5
P(X = 1) = f (1; 0,05) = ⋅e = 0,303265 (≈30,3%)
1!

Probabilitatea ca în lotul de 100 de piese să se găsească două defecte este:

0,5 2 − 0,5
P(X = 2) = f (2; 0,05) = ⋅e = 0,075816 (≈7,6%)
2!
Probabilitatea ca în lotul de 100 de piese să se găsească trei defecte este:
 0,53 − 0,5
P( X = 3) = f (3; 0,05) = ⋅e = 0,012636 (≈1,3%)
3!

Analog se obţin probabilităţile:

P(X = 4) = 0,00158 (≈0,2%) şi P(x = 5), P(X = 6), ... P(X=100) << 0,2% (mult mai
mică ca 0,2%) şi P(X = k, cu k → 100) →0
Deci, probabilităţile să găsim 5, 6, 7 ... 100 piese defecte este practic nulă.
În tabelul următor se dau funcţiile de probabilitate f(x) şi funcţia de repartiţie F(x)
Valorile variabilei “X” Funcţia de probabilitate f(x) ce Funcţia de repartiţie F(x) ce reprezintă
= nr. de piese defecte în reprezintă probabilitatea să găsim probabilitatea să găsim mai puţin de
eşantionul de 100 piese “x” piese defecte în eşantion “x” piese defecte în eşantion
0 0,606531 0.606531
1 0,303265 0.909796
2 0,075816 0.985612
3 0,012636 0.998248
4 0,001581 0.999828
5 ≈0 ≈1
6 ≈0 ≈1
. . .
. . .
100 ≈0 ≈1

Repartiţia va fi:
 0 1 2 3 4 5 6 ... 99 100 
X :  
 0,606531 0,303265 0,075816 0,012636 0,001581 0 0 ... 0 0 

b) Probabilitatea de a se găsi mai mult de două piese defecte este probabilitatea contrară celei de a se
găsi maxim două piese defecte:
P(X > 2) = 1 − P(X ≤ 2)
Probabilitatea să se găsească maxim două piese defecte este dată de funcţia de repartiţie F(2),
adică reprezintă probabilitatea să se găsescă mai puţin de trei piese, fiind probabilităţile cumulate de a
se găsi 0 piese defecte, 1 piesă defectă şi 2 piese defecte:
P( X ≤ 2) = P(X < 3) = F(3) + P(X = 0) + P(X = 1) + P(X = 2) = f (0; 0,5) + f (1; 0,5) + f (2; 0,5) = 0,985612
Deci probabilitatea de a se găsi mai mult de două piese defecte în eşantionul de 100 produse va
fi: P(X > 2) = 1 − P(X ≤ 2) = 1 − 0,985612 = 0,0144 (1,44%)
c) Se consideră că este practic imposibil să găsim un număr de piese defecte pentru o probabilitate
(funcţie de probabilitate) sub 1% (0,01).
În cazul nostru avem f(3; 0,5) = 0,012636 (1,3%) şi f(4; 0,5) = 0.001581 (0,16%), deci este
practic imposibil să găsim 4 sau mai multe produse defecte din eşantionul de 100 de produse.

B4) Repartiţia hipergeometrică

Este situaţia în care pe parcursul experimentului lui Bernoulli (vezi B2 – repartiţia binomială)
bila extrasă nu este reintrodusă în urnă, motiv pentru care repartiţia hipergeometrică este numită şi
“schema bilei nerevenite”.
 Se utilizează atunci când se ia în considerare numărul de evenimente ce aparţin termenilor
alternativei.
Fie “N” volumul lotului, în care apare de “a” ori unul dintre termenii alternativei şi de “b”
celălalt termen al alternativei, având evident “a+b = N”.
Probabilitatea ca, într-un eşantion de volum “n”, termenul alternativei care apare de “a” ori în
lot, să apara de “k” ori este:
C ak ⋅ C nb − k
Pk = .
C nN

Domeniul de variaţie a argumentului x∈ {0, 1, 2, ..., n}

Funcţia de probabilitate depinde de “a”, “b” şi “n” fiind:
C ax ⋅ C nb − x
f ( x , a , b, n ) = P(X = x ) = pentru x∈ {0, 1, 2, ..., n);
C an + b
Funcţia de repartiţie va fi:
xC ak ⋅ C nb − k
F( x , a , b, n ) = P(X < x ) = ∑ n
k = 0 Ca + b
Repartiţia hipergeometrică se scrie:
 0 1 ... k ... n 
 
X :  Cb
n
C1a ⋅ C nb − 1 C ak ⋅ C nb − k C an 
... ...
 Cn C an + b C an + b C an + b 
 a+ b
Media unei variabile distribuite hipergeometric este:
na na
M (X) = = ;
N a+ b
Dispersia unei variabile distribuite hipergeometric este:
nab( N − n ) nab(a + b − n )
D 2 (X) = =
N 2 ( N − 1) (a + b) 2 (a + b − 1)
Observaţie importantă!:
Repartiţia binomială este un caz particular al repartiţiei hipergeometrice pentru cazul în
care volumul lotului este foarte mare: N →∞.
Trecând la limită N →∞ (a+b → ∞) în relaţiile funcţiei de probabilitate şi de repartiţie a
distribuţiei hipergeometrice se ajunge relativ uşor la funcţiile de probabilitate şi de repartiţie a
distribuţiei binomiale.
Această concluzie este de fapt şi uşor de înţeles intuitiv, având în vedere că, dacă lotul este
foarte mare (numărul de bile albe şi negre din urnă este foarte mare), nu mai prezintă
importanţă dacă bila extrasă se mai întoarce (revine) sau nu în urnă, probabilitatea de a extrage
o bilă de o anumită culoare (albă sau neagră) fiind practic constantă (ceea ce este condiţia de a
avea o distribuţie binomială)

Exemplu de aplicare a repartiţiei hipergeometrice

În cazul unor loturi de produse formate din 20 numărul produselor rebut este 7 şi al produselor
bune este 13. Pentru eşantioane de 5 produse se cere:
a) care este probabilitatea ca în eşantion să găsim o piesă rebut;
 b) funcţiile de probabilitate şi de repartiţie a variabilei aleatoare X: “nr. de rebuturi în eşantion”
şi să se scrie tabloul repartiţiei acestei variabile.
c) să se calculeze media şi dispersia
Rezolvare
Avem: volumul lotului N = 20, numărul de rebuturi (unul dintre termenii alternativei bun-
rebut) a = 7 şi numărul de piese bune (celălalt termen al alternativei bun-rebut) b = 13. (evident a+b =
7+13 = 20) şi volumul eşantionului n = 5.
Variabila aleatoare X:” nr. de rebuturi în eşantion” urmează o repartiţie hipergeometrică şi vom
avea:
a) probabilitatea ca în eşantion să găsim o piesă rebut:
7! 13!
⋅
C1a ⋅ C nb − 1 C17 ⋅ C13
4
1!(7 − 1)! 4!(13 − 4)! 7 ⋅ 715
P( X = 1) = = = = = 0,322820
n
Ca + b 5
C 20 20! 15504
5!(20 − 5)!
5− x
C 7x ⋅ C13
b) Funcţia de probabilitate va fi: f ( x , 7,13, 5) = P(X = x ) = cu x∈ {0, 1, 2, 3, 4, 5}
C 520
5− k
x C 7k ⋅ C13
Funcţia de repartiţie va fi: F( x , 7,13, 5) = P( X < x ) = ∑
k= 0 C 520
Pentru a determina valorile funcţiei de probabilitate şi de repartiţie se calculează combinările
k n!
cu relaţia: C n = (unde C kn reprezintă combinări de n luate câte k).
k!(n − k )!
Astfel:
20! 20! 1 ⋅ 2 ⋅ 3 ⋅ .... ⋅ 20 16 ⋅ 17 ⋅ 18 ⋅ 19 ⋅ 20
C 520 = = = = = 16 ⋅ 17 ⋅ 3 ⋅ 19 = 15504
5!(20 − 5)! 5!⋅ 15! (1 ⋅ 2 ⋅ 3 ⋅ 4 ⋅ 5)(1 ⋅ 2 ⋅ ... ⋅ 15) 1⋅ 2 ⋅ 3 ⋅ 4 ⋅ 5

Similar se calculează şi celelalte combinări, care se trec într-un tabel de forma:

Valoare “5 – x” C 7x 5− x
C13 5 − x Funcţia de probabilitate
C 7x ⋅ C13 Funcţia de repartiţie
“X” C 7x ⋅ C 5 − x 13
x 5− k
C 7k ⋅ C13
f ( x , 7, 13, 5) = F( x , 7, 13, 5) = ∑
C 520 k= 0 C 520

0 5 1 1287 1287 0,083011 0,083011

1 4 7 715 5005 0,322820 0,405831
2 3 21 286 6006 0,387384 0,793215
3 2 35 78 2730 0,176084 0,969299
4 1 35 13 455 0,029347 0,998646
5 0 21 1 21 0,001354 1,000000

Repartiţia variabilei aleatoare X: “nr. de piese defecte dintr-un eşantion de 5 piese”, repartizată
hipergeometric este:

 0 1 2 3 4 5 
X :  
 0,083011 0,322820 0,387384 0,176084 0,029347 0,001354 

na na 5⋅ 7
c) Media va fi: M (X) = = = = 1,75
N a + b 20
 nab( N − n ) nab(a + b − n ) 5 ⋅ 7 ⋅ 13 ⋅ (20 − 5)
Dispersia va fi: D 2 (X) = = = = 0,898026
N 2 ( N − 1) (a + b) 2 (a + b − 1) 20 2 ⋅ 19

B1) Repartiţia continuă

Este acea repartiţie în care probabilitatea de apariţie a evenimentelor este constantă.

Avem:
Domeniul de variaţie a argumentelor x ∈ {0,1, 2, ... n}
Funcţia de probabilitate: f(x) = P(X=x) = k =const. oricare ar fi x
şi reprezintă probabilitatea ca variabila aleatoare să ia valoarea x
x m(m + 1)
Funcţia de repartiţie F(x) = P(X<x) = ∑ m ⋅ f ( x ) = ⋅k
m= 0 2
şi reprezintă probabilitatea ca variabila aleatoare să ia valori mai mici ca x

n n n (n + 1) n (n + 1)
Media este: M(x) = ∑ x ⋅ f (x) = f (x) ⋅ ∑ x = k (1 + 2 + ... + n ) =
2
⋅ f (x) =
2
⋅k
x= 0 x= 0

Dispersia este:
n 2
2 2 2 2  n (n + 1)
2 2 
D ( x ) = ∑ x ⋅ f ( x ) − [M( X)] = f ( x )(1 + 2 + ... + n ) −  ⋅ f ( x ) =
x= 0  2 
2
n (n + 1)(2n + 1)  n (n + 1) 
= ⋅k−  ⋅ f ( x )
6  2 
Exemplu
Pentru aruncarea unui zar, probabilităţile de apariţie a uneia dintre feţele 1, 2, 3, 4, 5 sau 6
este constantă şi egală cu 1/6.
Deci:
funcţia de probabilitate f(x) = 1/6 oricare ar fi x ∈{1, 2, 3, 4, 5, 6}
şi reprezintă probabilitatea ca la o aruncare a zarului să iasă una dintre feţele 1, 2, 3, 4, 5 sau 6
x m(m + 1)
funcţia de repartiţie F(x) = ∑ m ⋅ f ( x ) = ⋅k
m= 0 2
şi reprezintă probabilitatea ca la o aruncare a zarului să iasă o fată mai mică ca “x”
Valorile celor două funcţii se trec în tabelul următor:
Variabila aleatoare X: Funcţia de probabilitate Funcţia de repartiţie
“numărul feţei ce iese la o f(x)
aruncare a zarului”
1 1/6 1/6 (0,166)
2 1/6 1/3 (0,333)
3 1/6 1/2 (0,500)
4 1/6 2/3 (0,666)
5 1/6 5/6 (0,833)
6 1/6 1/6 (1,000)

Repartiţia se notează:
 1 2 3 4 5 6
X :  1 1 1 1 1 1

6 6 6 6 6 6
n (n + 1) 6⋅ 7 1
Media: M(X) = ⋅ f (x) = ⋅ = 3,5 ;
2 2 6
Dispersia:
n 2
2 2 2 n ( n + 1)(2n + 1)  n (n + 1) 
D ( x ) = ∑ x ⋅ f ( x ) − [M( X)] = ⋅k−  ⋅ k =
x= 0 6  2 
6 ⋅ 7 ⋅ 13 1 91
⋅ − [ 3,5] 2 = − 12,25 = 2,9167
6 6 6
 C) R E P A R T I Ţ I I C O N T I N U E

Aşa cum s-a prezentat anterior, o repartiţie continuă a unei variabile continue se caracterizează
prin:
 domeniul de definiţie a variabilei (argumentelor): intervalul [a, b], putând fi (-∞, +∞);
 densitatea de probabilitate (repartiţie): f(x)
x
 funcţia de repartiţie (probabilitate): F(x) = ∫ f ( x )dx
a
care trebuie să respecte condiţiile:
 f(x) : [a, b] → [0, ∞] şi să fie continuă şi integrabilă pe intervalul [a, b];
 F(x) : [a, b] → [0, 1] să fie crescătoare şi continuă cel puţin la stânga ∀ x∈[a, b], pentru
intervalul (-∞, +∞) punându-se condiţiile la limită: lim F( x ) = 0 si lim F( x ) = 1 x→ − ∞ x→ + ∞
b + ∞
 ∫ f ( x )dx = 1 , respectiv ∫ f ( x )dx = 1
a −∞

Aşa cum s-a precizat, în cazul repartiţiilor continue, probabilitatea ca variabila aleatoare să ia o
anumită valoare este nulă, astfel că NU se poate scrie f(x) = P(X=x) ca în cazul repartiţiilor discrete. În
cazul repartiţiilor continue funcţia f(x) are înţeles de densitate de probabilitate, putându-se determina
doar probabilităţile ca variabila aleatoare să ia valori într-un anumit interval şi anume:
m
 P( x < m) = ∫ f ( x )dx = F(m) ;
a
b m
 P( x ≥ m) = ∫ f ( x )dx = 1 − ∫ f ( x )dx = 1 − F(m) ;
m a
n n m
 P( m ≤ x < n ) = ∫ f ( x )dx = ∫ f ( x )dx − ∫ f ( x )dx = F(n ) − F(m)
m a a
Reprezentarea grafică a acestor probabilităţi este aria cuprinsă sub graficul densităţii de
probabilitate f(x), fiind valori ale integralelor definite.

b m n
m
P( x < m) = ∫ f ( x )dx = F(m) P( x ≥ m ) = ∫ f ( x )dx = 1 − ∫ f ( x )dx = 1 − F( m ) P(m ≤ x < n) = ∫ f ( x )dx = F(n ) − F(m)
m a m
a

f(x) f(x) f(x)

a m b a m b a m n b

Observaţie importantă! Cele expuse anterior se aplică pentru toate tipurile de repartiţii
continue

Cele mai importante repartiţii continue sunt: repartiţia uniformă, repartiţia normală (Gauss-
Laplace) – notată cu “ N ”, repartiţia hi-pătrat (Helmert-Pearson) – notată cu “ χ2 ”, repartiţia
Student (numită şi repartiţia t) – notată cu “ t ” , repartiţia Fischer – notată cu “ F ”, repartiţia
Cauchy, repartiţia Weibull, repartiţia Gamma, repartiţia Beta, repartiţia exponenţial negativă,
repartiţia Erlang.

C1) R e p a r t i ţ i a u n i f o r m ă
Caracteristicile acesteia sunt:
 domeniul de definiţie a variabilei (argumentelor): (-∞, +∞);
 densitatea de probabilitate (repartiţie) – vezi fig. 1 – este:
 1
 = const. a ∈ [a , b]
f (x) =  b − a (1)
 0 a ∉ [a , b ]
 funcţia de repartiţie (probabilitate) – vezi fig. 2 – este:
x 1 x 1
F(x) = ∫ f ( t )dt = ∫ dt = (x − a ) (2)
a b− a a b− a
 1
 ( x − a ) . a ∈ [a , b ]
Deci: F( x ) =  b − a (2’)
 0 a ∉ [a , b ]

F(x)
f(x)

1
1
b− a

1/2

b+ a b+ a
a M= b x a M= b x
2 2
Fig.1 Densitatea de probabilitate Fig.2 Funcţia de repartiţie
Repartiţia uniformă

 media:
b b b
x 1 x2 1 b 2 − a 2 ( b − a )(b + a ) b + a
M( x ) = ∫ x ⋅ f ( x )dx = ∫ dx = ⋅ = ⋅ = =
a a
b− a b− a 2 b− a 2 2 2
a
 dispersia:
b b 2 b 2
x2  b+ a 1 x3  b+ a
2
D (x) = ∫x
2
⋅ f ( x )dx − [ M ( x )] 2
= ∫ dx −   = ⋅ −  =
a a
b − a  2  b − a 3  2 
a
1 b 3 − a 3 b 2 + 2ab + a 2 ( b − a )(b 2 + ab + a 2 ) b 2 + 2ab + a 2
= ⋅ − = − =
b− a 3 4 3(b − a ) 4
4b 2 + 4ab + a 2 − 3b 2 − 6ab − 3a 2 b 2 − 2ab + a 2 (b − a ) 2
= = =
12 12 12
  proprietăţile funcţiilor f(x) şi F(x):
 b+ a  b+ a 1  b+ a  1
Avem: P ( X < M ( X ) ) = P X <  = F =  − 1 = ;
 2   2  b− a 2  2
1 1
Deci: P( X < M ( X ) ) = P( X ≥ M ( X ) ) = şi P(X < b) = F(b) = ⋅ (b − a ) = 1
2 b− a

C2) R e p a r t i ţ i a n o r m a l ă ( G a u s s - L a p l a c e )
a) R e p a r t i ţ i a n o r m a l ă – n o t a t ă N(x, µ, σ)
Caracteristicile acesteia sunt:
 domeniul de definiţie a variabilei (argumentelor): (-∞, +∞);
Observaţie Pentru variabile a căror valori negative nu au sens fizic, domeniul de definiţie este
aproximat cu (0, +∞)
 densitatea de probabilitate (repartiţie) – vezi fig. 3 – este:
(x − µ ) 2
−
1 2σ 2 (3)
f (x) = e
σ 2π
în care: µ este media variabilei aleatoare;
σ2 este dispersia variabilei aleatoare;
σ este abaterea medie pătratică a variabilei aleatoare.
Deci, densitatea de probabilitate a unei variabile aleatoare depinde şi de medie (µ) şi abatere
medie pătratică (σ), motiv pentru care se scrie f(x, µ, σ).
 funcţia de repartiţie (de probabilitate) – vezi fig. 4 – este:
2
x − (x − µ )
1
∫
2
F( x ) = e 2σ dx = P(X < x) (4)
σ 2π
−∞
Observaţie Se aplică regulile de calcul al probabilităţilor de la prezentarea generală a
repartiţiilor continue.

f(x) Punct de F(x)

1 maxim
σ 2π

Punct de Punct de
inflexiune inflexiune

1/2

µ−σ µ µ+σ x µ x
Fig.3 Densitatea de probabilitate Fig.4 Funcţia de repartiţie
Repartiţia normală (Gauss-Laplace)

 media: M(X) = µ
 dispersia: D2(X) = σ2 şi abaterea medie pătratică: D(X) = σ
 proprietăţile funcţiilor f(x) şi F(x):
 pentru densitatea de probabilitate f(x) – vezi fig. 3:
• este simetrică faţă de dreapta verticală x = µ;
1
• prezintă un maxim în x = µ, care are valoarea ;
σ 2π
• prezintă două puncte de inflexiune în x = µ − σ şi în x = µ + σ
pentru funcţia de repartiţie F(x) – vezi fig. 4:
1
• P( X < M ( X ) ) = P( X ≥ M ( X ) ) =
2

b) R e p a r t i ţ i a n o r m a l ă – n o r m a t ă , n o t a t ă N(u, 0, 1)

Aşa cum se vede din relaţii (3) şi (4) de definiţie a densităţii de probabilitate şi a funcţiei de
repartiţie, acestea depind de parametrii statistici (medie şi dispersie) ai variabilei aleatoare, parametrii
ce sunt diferiţi de la o variabilă la alta, motiv pentru care, la calculul probabilităţilor, ar trebui să
determinăm de fiecare dată integrala din formula (4), ceea ce este foarte dificil.
Din acest motiv s-a încercat găsirea unei forme a densităţii şi funcţiei de repartiţie care să nu
mai depindă de medie şi dispersie şi astfel, valorile funcţiei de repartiţie F(X) să poată fi calculate şi
trecute într-un tabel care să poată fi utilizat în determinarea diferitelor probabilităţi.
Se introduce o nouă variabilă – notată cu “u” – şi definită cu relaţia:
x− µ
u= (5)
σ
unde: x – valoarea variabilei aleatoare “X” ce urmează o repartiţie normală cu media µ , dispersia σ2
şi abaterea medie pătratică σ = σ2;
µ – media variabilei aleatoare “X”;
σ – abaterea medie pătratică a variabilei aleatoare “X”
Se poate arăta cu uşurinţă că variabila aleatoare “u” urmează o repartiţie mormală normată cu
media M(U) = 0 , dispersia D2(U) = 1 şi abaterea medie pătratică D(U) = 1:
• media:
1 n 1 n  x − x 1 n 1 1 n 1 n 1 1
M( U) = ∑ u i = ∑  i = ∑ i( x − x ) = ⋅ ∑ i x − ∑ x= x− nx = 0
n i= 1 n i = 1 σ  nσ i = 1 σ n i= 1 nσ i = 1 σ nσ

= x
• dispersia:
1 n 2 n  x − x2 1  n 2 n n 
2 1
D( U ) = ∑ u i − [ M ( U ) ] = ∑  i  =  ∑ x − ∑ 2x i x + ∑ x 2  =
 
n i= 1     n i = 1 σ  nσ 2  i = 1
= 0 i= 1 i= 1 

 
 
1  n 2 n
2  1  1 n 2 1 n 2 
 x − 2x ∑ x i + nx  =
2 ∑ 2  n ∑
=  ⋅n x − 2x ⋅ ∑ x i + x  =
nσ  i = 1 i= 1  nσ n =1
 i = 1 i  
 = x 
 
 

1 1 n  
1 1 n
2 1
=  ∑ x 2 − 2x 2 + x 2  =  ∑ x 2
− x 2
 = 2 ⋅σ = 1
2 n  2 n
σ  i= 1  σ  i =1    σ
 = D 2 (X) = σ 2 
 
Difereţiind relaţia (5) se obţine:
 1
du = dx ⇒ dx = σ dx (6)
σ
Înlocuind relaţiile (5) şi (6) în relaţia (4) se obţine:
2 2 2
u −u u −u u −u
1 1 1
F(u ) =
σ 2π ∫e 2 σ du =
σ 2π
σ ∫e 2 du =
2π ∫e 2 du (4’)
−∞ −∞ −∞
care reprezintă funcţia de repartiţie a variabilei aleatoare “U” şi care are, deci, densitatea de
u2
1 −
probabilitate: f (u ) = e 2 (3’)
2π

Deci, variabila aleatoare introdusă prin relaţia (5) urmează o repartiţie normală (Gauss-
Laplace) ce are media M(U) = 0 , dispersia şi abaterea medie pătratică D2(U) = D(U) = 1, caracterizată
prin densitatea de probabilitate f(u) dată de relaţia (3’) şi funcţia de repartiţie dată prin relaţia (4’).
Această repartiţie se numeşte repartiţie normală normată şi variabila aleatoare “U” se numeşte
variabilă normală normată.
Aşa cum se vede din relaţia (4’) funcţia de repartiţie normală normată nu mai depinde decât de
valorile lui “u”, ceea ce a dus la posibilitatea calculării sale şi a trecerii rezultatelor într-un tabel, ce se
găseşte în literatura de specialitate, şi care uşurează calculele statistice (în sensul în care determinarea
valorilor lui F(u) nu mai impune calculul integralei din relaţia (4), ci doar căutarea lor într-un tabel a
cărei utilizare este facilă).
Astfel, orice problemă ridicată de analiza unei variabile aleatoare “X” normal distribuită
devine, prin transformarea acesteia cu relaţia (5), o problemă legată de analiza variabilei
aleatoare distribuită normal normat:
 P(X < x ) = F(m) = P( U < u ) = F(u ) ;
 P(X ≥ x ) = 1 − F(m) = P( U ≥ u ) = 1 − F(u ) ;
 P( x1 ≤ X < x 2 ) = F( x 2 ) − F( x1 ) = P(u1 ≤ U < u 2 ) = F(u 2 ) − F(u1 )
x− µ
unde valorile lui “u” corespunzătoare lui “x” se calculează cu relaţia (5): u = .
σ
Astfel, orice problemă ridicată de analiza unei variabile aleatoare “X” normal distribuită
(cu media M(X) = µ şi dispersia D2(X) = σ), ce necesita de fiecare dată calculul integralei din relaţia
(4) pentru determinarea lui F(x), prin transformarea variabilei într-o variabilă normală normată “U”
(cu media M(U) = 0, dispersia şi abaterea medie pătratică D2(U) = D(U) = 1) se transformă într-o
problemă legată de analiza unei variabile aleatoare “U” normală normată, ce necesită doar
căutarea într-un tabel a valorilor F(u).
În figurile 5 şi 6 sunt prezentate grafic densitatea de probabilitate şi funcţia de repartiţie pentru
repartiţia normală normată.

f(u)
 F(u)
1
2π
1

0,5

Fig. 5 Densitatea de probabilitate Fig. 6 Funcţia de repartiţie

Repartiţia normală normată

Deci, caracteristicile repartiţiei normale normate sunt:

 domeniul de definiţie a variabilei (argumentelor): (-∞, +∞);

 densitatea de probabilitate (repartiţie) – vezi fig. 5 – este:
u2
1 −
f (u ) = e 2 (3’)
2π

 funcţia de repartiţie (de probabilitate) – vezi fig. 6 – este:

2
u −u
1
F(u ) =
2π ∫e 2 du = P(U < u) (4’)
−∞
 media: M(U) = 0
 dispersia şi abaterea medie pătratică: D2(U) = D(U) = 1
 proprietăţile funcţiilor f(u) şi F(u):

pentru densitatea de probabilitate f(u) – vezi fig. 5:

• este simetrică faţă de dreapta verticală x = 0;
1
• prezintă un maxim în x = 0, care are valoarea ;
2π
• prezintă două puncte de inflexiune în x = −1 şi în x = +1
pentru funcţia de repartiţie F(u) – vezi fig. 6:
1
• P( U < 0 ) = P( U ≥ 0 ) =
2

Valorile lui F(u) se găsesc în tabele pentru valori u ∈ [-3, +3] care au forma următoare şi în
care căutarea pentru diverse valori ale lui “u” este exemplificată pentru u = +1,28 şi se obţine F(+1,28)
= 0,8997
 U 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09 → sutimile
− 3,0 0,0010 ... ... ... ... ... ... ... 0,0013
− 2,9 0,0014 ... ... ... ... ... ... ... 0,0019
− 2,8 ... ... ... ... ... ... ... ... ...
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
− 0,1 ... ... ... ... ... ... ... ... ...
− 0,0 ... ... ... ... ... ... ... ... ...
+ 0,0 0,5 ... ... ... ... ... ... ... ...
+ 0,1 ... ... ... ... ... ... ... ... ...
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
+ 1,2 0,8997
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
+ 2,8 ... ... ... ... ... ... ... ... ... ...
+ 2,9 0,9981 ... ... ... ... ... ... ... ... 0,9986
+ 3,0 0,9987 ... ... ... ... ... ... ... ... 0,9990
↓
unităţile şi zecimile

Analog se determină F(−2,90) = 0,0014; F(+2,90) = 0,9981; F(+2,99) = 0,9986 etc.

c) R e g u l a c e l o r t r e i s i g m a (σ )

Calculând următoarele probabilităţi pentru repartiţia normală şi, respectiv, normală normată se
obţine:

x+ σ (x − µ ) 2
−
1
∫
2
 P(x−σ ≤ X < x+σ) = e 2σ dx = 0,6826 (≈ 68,3 %)
σ 2π
x− σ
2
+1 − u
1
respectiv P(−1≤ U < +1) =
2π ∫e 2 du = 0,6826 (≈ 68,3 %)
−1

x + 2σ (x − µ ) 2
−
1
∫
2
 P(x−2σ ≤ X < x+2σ) = e 2σ dx = 0,9545 (≈ 95,5 %)
σ 2π
x − 2σ
 2
+2 − u
1
respectiv P(−2 ≤ U < +2) =
2π ∫ e 2 du = 0,9545 (≈ 95,5 %)
−2

x + 3σ (x − µ ) 2
−
1
∫
2
 P(x−3σ ≤ X < x+3σ) = e 2σ dx = 0,9975 (≈ 99,8 %)
σ 2π
x − 3σ
2
+3 − u
1
respectiv P(−3 ≤ U < +3) =
2π ∫ e 2 du = 0,9975 (≈ 99,8 %)
−3

Regula celor trei sigma enunţă că: practic, toate valorile (99,75% dintre ele) pe care le
poate lua o variabilă aleatoare ce urmează o repartiţie normală (Gauss-Laplace) sunt cuprinse în
intervalul [µ − 3σ, µ + 3σ]. Pentru o variabilă normală normată acest interval devine [− 3, + 3].

f(x)

µ
x
µ−σ 68,3 % µ−σ
µ−2σ 95,5 % µ+2σ
µ+3σ 99,75 % µ+3σ

Fig. 7 R e p r e z e n t a r e a g r a f i c ă a r e g u l i i c e l o r 3 σ
d) Importanţa repartiţiei normale (Gauss-Laplace)

Importanţa repartiţiei normale pentru prelucrarea datelor experimentale rezultă din următoarele
considerente:
 distribuţia normală descrie, în multe cazuri, distribuţia erorilor ce însoţesc măsurătorile;
 distribuţia normală este bine studiată şi valorile sale se găsesc sub formă de tabele, astfel
încât este convenabil de utilizat;
 suma mai multor variabile distribuite nu neapărat normal tinde către o repartiţie normală;
  dacă numărul determinărilor (volumul “n” al eşantionului) este suficient de mare orice altă
distribuţie (repartiţie) tinde către repartiţia normală;
 multe dintre tehnicile statistice bazate pe distribuţia normală sunt robuste, ele rămânând
suficient de corecte pentru abateri rezonabile de la normalitate.

C3) R e p a r t i ţ i a h i − p ă t r a t ( χ 2 ) ( n u m i t ă ş i r e p a r t i ţ i e H e l m e r t - P e a r s o n )

Astronomul F.R. Helmert a arătat că suma pătratelor a “ν” (litera grecească “niu”) variabile
aleatoare X1 , X 2 , X 3 , ... X ν ce urmează o repartiţie normală normată N(0,1) (adică au media
nulă şi abaterea medie pătratică egală cu 1), sumă notată cu χ2, urmează o repartiţie continuă ce are
densitatea de probabilitate:
 ν x
1 −1 −
 ⋅ x2 ⋅e 2 pentru x > 0
f (x) =  2ν 2 Γ ( ν 2) (7)

 0 pentru x ≤ 0
unde: ν se numeşte grade de libertate
Se observă că densitatea de probabilitate a repartiţiei χ2 depinde şi de numărul gradelor de
libertate “ν”, deci poate fi scrisă f(x, ν)
În relaţia de definire a densităţii de probabilitate pentru repartiţia hi-pătrat “Γ” (litera grecească
“gamma” mare) reprezintă “funcţia Gamma” numită şi “funcţia de speţă a doua a lui Euler” (mai
există “funcţia Beta” numită şi “funcţia de primă speţă a lui Euler”) introdusă de matematicianul
Euler prin relaţia:
∞
p− 1 − x
Γ ( p) = ∫x e dx pentru p > 0
0
Pentru calculul valorilor funcţiei Γ(p) nu este necesar a se calcula integrala, ci se folosesc
următoarea relaţie de recurenţă:
Γ (p) = (p − 1)Γ ( p − 1)
 1
ştiindu-se că: Γ(1) = 1 şi Γ   = π
 2
deci, pentru p număr întreg pozitiv: Γ (p) = (p − 1)!= 1 ⋅ 2 ⋅ 3 ⋅ ... ⋅ (p − 1) pentru p ∈ Z o+

Deci, repartiţia hi-pătrat se caracterizează prin:

 densitatea de probabilitate:

 ν x
1 −1 −
 ⋅ x2 ⋅e 2 pentru x > 0
f (x) =  2ν 2 Γ ( ν 2) (7)

 0 pentru x ≤ 0

 funcţia de repartiţie:
 x ν x
1 −1 −

∫
F( x ) = P(X < x ) =  2 ν 2 Γ ( ν 2 )
⋅ x 2 ⋅ e 2 dx pentru x > 0
(8)
0
 0 pentru x ≤ 0
 media: M(X) = ν
 dispersia: D2(X) = 2ν
 abaterea medie pătratică: D(X) = 2ν

În calculele statistice prezintă importanţă determinarea mărimii χ ν2, α cu ν grade de libertate

care are probabilitatea α (nivelul de semnificaţie, care este în tehnica obişnuită α=0,05) de a fi
depăşită, adică χ ν2, α pentru care:

+∞ ν x
1 −1 −
∫
2
P( X ≥ χ ν ,α )= α ⇔ ⋅ x 2 ⋅ e 2 dx = α
2 2ν 2 Γ ( ν 2)
χ ν,α

motiv pentru care aceste valori sunt tabelate în funcţie de gradele de libertate “ν” şi de nivelul de
semnificaţie “α” – vezi Anexa II din “Optimizarea proceselor metalurgice – D. Taloi, C. Bratu ş.a. –
Ed. Didactică şi Pedagogică, Bucureşti, 1983.

Tabelul cu aceste valori χ ν2, α cu “ν” grade de libertate, care au probabilitatea “α” de a fi
depăşite este de forma prezentată în figura următoare, în care se dă şi exemple de alegere:

α → α=nivel de
0,99 0,98 0,95 0,10 0,05 0,025 semnificatie
ν
1 0,00016 ... ... ... ... ... ... ... 5,024
2 0,0201 ... ... ... ... ... ... ... 7,378
3 0.115 ... ... ... ... ... ... ... 9,348
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
10 2,558 ... ... ... ... ... ... ... ...
11 3,053 ... ... ... ... ... ... ... ...
12 3,571 ... ... ... ... ... ... ... ...
13 4,107 ... ... ... ... ... ... ... ...
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
16 26,296
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
20 8,260 ... ... ... ... ... ... ... ... 34,170
: : : : : : : : : : :
30 14,953 ... ... ... ... ... ... ... ... 46,979
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
↓
ν = grade de libertate
 Pentru numărul gradelor de libertate ν = 16 şi probabilitatea α = 0,05 de a fi depăşită se alege
2
din tabel: χ 16; 0,05 = 26,296

Alegerea numărului gradelor de libertate “ ν ”

 dacă avem “n” variabile aleatoare X1, X2, ... Xn, repartizate normal normat, dintre care “k”
sunt independente, variabila aleatoare χ2 ca sumă a pătratelor celor “n” variabile:
n
χ2= ∑ X i2
i= 1

va avea numărul gradelor de libertate ν = k;

 dacă cele “n” valori ale unei variabile aleatoare X sunt împărţite în “ng“ intervale de
grupare, numărul gradelor de libertate va fi: ν = ng – 1 deoarece există o legătură
 g
n n g 
 
între frecvenţele intervalelor de grupare:  ∑ fa i = n sau ∑ fri = 1 - adică dacă se
 i= 1 i= 1 
cunosc frecvenţele pentru “ng – 1” intervale se poate determina frecvenţele celuilalt
interval de grupare;
 în cazul în care se estimează o repartiţie normală pe baza a “n” determinări numărul
gradelor de libertate este: ν = ng – 2 deoarece se estimează doi parametrii
indepensenţi (media şi abaterea medie pătratică a repartiţiei normale)

Importanţa repartiţiei hi – pătrat

 pe baza sa se poate construi un test pentru verificarea ipotezei că o distribuţie
experimentală urmează o repartiţie normală;
 pe baza sa se poate estima intervalul de încredere pentru dispersia unei repartiţii normale;
 pe baza sa se poate testa dispersia unei repartiţii normale în raport cu o valoare dată;
 pe baza sa se construiesc repartiţiile Student şi Fischer, care la rândul lor permit formularea
unor tete pentru verificarea unor ipoteze statistice.

C4) R e p a r t i ţ i a S t u d e n t ( t ) numită astfel în memoria matematicianului englez Gosset a

cărui pseudonim era Student
Două variabile aleatorii:
• “U” cu o repartiţie normală normată N(0,1) şi
• “χ2” cu o repartiţie hi – pătrat cu “ν” grade de libertate
u
t=
alcătuiesc o nouă variabilă aleatoare “ t “ definită prin relaţia: χ2
ν
care urmează o repartiţie Student, care are densitatea de probabilitate:
  ν + 1 ν +1
Γ  −
1  2   t 
2 2
f (t ) = ⋅ ⋅  1+ pentru t ∈ ( − ∞ , + ∞ )
ν π ν  ν 
Γ  
 2
unde “ Γ ” este funcţia “Gamma” numită şi “funcţia de speţă a doua a lui Euler”
În metodele statistice intereseză valorile variabilei “ t “ pentru care avem probabilitea:

( ) (
P − t α 2, ν ≤ t < + t α 2, ν = P t < t α 2, ν = ) α
2
motiv pentru care acestea sunt tabelate – vezi Anexa III din “Optimizarea proceselor metalurgice – D.
Taloi, C. Bratu ş.a. – Ed. Didactică şi Pedagogică, Bucureşti, 1983.

Importanţa repartiţiei Student

 permite stabilirea unui interval de încredere pentru media unei distribuţii normale;
 permite formularea unor teste privind ipotezele statistice asupra mediei unei variabile
normale.

C5) R e p a r t i ţ i a F i s c h e r ( t )

Două variabile aleatorii:

• “ χ 12 ” cu o repartiţie hi – pătrat cu “ν1 ” grade de libertate

• “ χ 22 ” cu o repartiţie hi – pătrat cu “ν2 ” grade de libertate

χ 12
ν1 χ 12 ν 2
alcătuiesc o nouă variabilă aleatoare “ F “ definită prin relaţia: F= = ⋅
χ 22 χ 22 ν 1
ν2
care urmează o repartiţie Fischer ce are densitatea de probabilitate:

ν1 ν + ν2 ν1+ ν
Γ 1   ν1 
 − 1 − 2
 ν1  2  2   2   ν  2
f (F) =    ⋅ ⋅ F ⋅  1 + 1 ⋅ F 
ν2 ν  ν   ν2 
Γ 1 ⋅Γ 2 
 2   2 
În majoritatea calculelor statistice este necesar a se cunoaşte variabila Fα , ν 1 , ν 2 care are
probabilitatea α de a fi depăşită , adică: P F > Fα , ν 1 , ν 2 = α ( )
motiv pentru care aceste valori se găsesc tabelate – vezi Anexa IV din “Optimizarea proceselor
metalurgice – D. Taloi, C. Bratu ş.a. – Ed. Didactică şi Pedagogică, Bucureşti, 1983.
 C6)A p l i c a ţ i e p r i v i n d d i s t r i b u ţ i a ( r e p a r t i ţ i a ) n o r m a l ă ( G a u s s - L a p l a c e )

Într-o instituţie publică s-au instalat 2000 de becuri noi. Producătorul garantează o durată de
funcţionare medie de 1000 ore, cu o abatere medie pătratică de 100 ore. Presupunându-se că durata de
funcţionare a unui bec urmează o repartiţie normală să se determine:
I) să se scrie densitatea de probabilitate şi funcţia de repartiţie a duratei de funcţionare a unui
bec.
II) numărul de becuri care probabil se vor arde în primele 800 ore de funcţionare?
III) numărul de becuri care probabil vor mai fi în funcţiune după 1100 ore de funcţionare?
IV) numărul de becuri care probabil se vor afla în funcţiune între 850 şi 1150 ore?
V) numărul de becuri care probabil se vor arde între 850 şi 1150 ore?
VI) numărul de ore după care se vor arde 400 de becuri?
VII) practic, în câte ore nu s-a ars nici un bec? şi practic, după câte ore s-au ars toate becurile?

I) Variabila aleatoare X : “durata de funcţionare a unui bec” urmează o repartiţie normală

(Gauss-Laplace) cu media: M(X) = µ = 1000 şi abaterea medie pătratică D(X) = σ = 100.
Vom avea deci:
(x − µ ) 2 ( x − 1000) 2
− −
• densitatea de probabilitate: 1 2σ 2 1 20000
f (x) = e = e
σ 2π 100 2π
2
x − ( x − 1000)
• funcţia de repartiţie: 1
F( x ) = P(X < x ) =
100 2π − ∞
∫e 20000 dx

Pentru diverse calcule de probabilităţi vom introduce variabila normală normată “U” prin relaţia
x − µ x − 1000
u= =
σ 100

II) Probabilitatea că un bec să se ardă în primele 800 de ore este aceeaşi cu probabilitatea ca
variabila X: “durata de funcţionare” să fie mai mică ca 800 ore şi este echivalentă cu probabilitatea ca
x − µ 800 − 1000 − 200
variabila normală normată “U” să fie mai mică decât u = = = = − 2:
σ 100 100
P( X < 800) = P( U < − 2) = F( − 2) = 0,0183 = 1,83 %
unde valoarea F(−2) s-a găsit în tabelul repartiţiei normale – Anexa I din “Optimizarea proceselor
metalurgice – D. Taloi, C. Bratu ş.a. – Ed. Didactică şi Pedagogică, Bucureşti, 1983.
Având 2000 de becuri, rezultă că numărul celor care se vor arde în primele 800 de ore va fi:
1,83
N t < 800 ore = 2000 ⋅ P(X < 800) = 2000 ⋅ = 36,6 ≈ 37 becuri
100
 III) Pentru calculul numărului de becuri care vor mai fi în funcţiune după 1100 de ore se poate
proceda în două moduri:
• se calculează probabilitatea ca un bec să se ardă după 1100 ore de funcţionare, ceea ce
acelaşi lucru cu probabilitatea ca X: “durata de funcţionare” este mai mare ca 1100 ore şi este
echivalent cu probabilitatea ca variabila normală normată “U” să fie mai mare ca :
x − µ 1100 − 1000 100
u= = = = 1,
σ 100 100
P(X ≥ 1100) = P( U ≥ 1) = 1 − F(1) = 1 − 0,8413 = 0,1587 =15,87%
se determină numărul de becuri care se ard după trecere a 1100 ore de funcţionare:
15,87
N t ≥ 1100 ore = 2000 ⋅ P(X ≥ 1100) = 2000 ⋅ = 317,4 ≈ 317 becuri
100
acestea fiind şi numărul de becuri care vor mai fi în funcţiune după 1100 ore.
• se calculează probabilitatea ca un bec să se ardă înainte de 1100 ore de funcţionare:
P( X < 1100) = P( U < 1) = F(1) = 0,8413 = 84,13%
se calculează numărul de becuri ce se ard în primele 1100 ore de funcţionare:
84,13
N t < 1100 ore = 2000 ⋅ P(X < 1100) = 2000 ⋅ = 1682,6 ≈ 1683 becuri
100
şi numărul de becuri care vor mai fi în funcţie după 1100 ore se va calcula ca diferenţă până la 2000:
N t ≥ 1100 ore = 2000 − N t < 1100 ore = 2000 − 1683 = 317 becuri

Observaţie Primul mod de calcul este mai uşor şi îl vom prefera.

IV) Se poate proceda în două moduri:

• Se calculează probabilitatea ca un bec să se afle în funcţiune între 850 şi 1150 ore,
adică probabilitatea ca variabila X : “durata de funcţionare” să fie între 850 şi 1100 ore, prin
x − µ 850 − 1000 − 150
intermediul valorilor variabilei normale normate: u1 = = = = − 1,5 şi
σ 100 100
x − µ 1150 − 1000 150
u2 = = = = 1,5 :
σ 100 100
P(850 ≤ X < 1150) = P(− 1,5 ≤ U < 1,5) = F(1,5) − F( − 1,5) = 0,9332 − 0,0559 = 0,8773 = 87,73 %
şi numărul de becuri ce se vor afla în funcţiune între 850 şi 1150 ore:
87,73
N 850 ≤ t < 1150 = 2000 ⋅ P(850 ≤ X < 1150) = 2000 ⋅ = 1754,6 ≈ 1755 becuri
100
• se calculează: numărul de becuri ce se ard înainte de 850 de ore, adică X: “durata de
funcţionare” mai mică de 850 ore:
5,59
N t < 850 = 2000 ⋅ P(X < 850) = 2000 ⋅ P( U < − 1,5) = 2000 ⋅ = 111,8 ≈ 112 becuri ,
100
numărul de becuri ce se ard după 1150 ore de funcţionare, adică au X: “durata de funcţionare” mai
mare ca 1150 ore
N t ≥ 1150 = 2000 ⋅ P( X ≥ 1150) = 2000 ⋅ P( U ≥ 1,5) = 2000 ⋅ [1 − F(1,5)] = 2000 ⋅ (1 − 0,9332 )
6,68
= 2000 ⋅ = 133,6 ≈ 134 becuri
100
şi numărul de becuri ce se află în funcţiune între 850 şi 1150 ore se află ca diferenţă până la 2000:
N 850 ≤ t < 1150 = 2000 − N t < 850 − N t ≥ 1150 = 2000 − 112 − 134 = 1754 becuri
sau , mai precis : = 2000 − 111,8 − 133,6 = 1754,6 ≈ 1755 becuri
Observaţie A doua metodă necesită un volum mai mare de calcule şi poate introduce erori mai mari,
prin cumularea erorilor de la fiecare calcul (am obţinut 1754 becuri, faţă de 1755), deci va fi preferată
prima metodă.

V) Numărul de becuri care se ard între 850 şi 1150 ore de funcţionare se calculează ca diferenţă
între numărul celor care se ard în primele 1150 ore (care au X: “durata de funcţionare” mai mică de
1150 ore) şi a celor care se ard în primele 850 ore (care au X: “durata de funcţionare” mai mică de 850
ore):
5,59
N t < 850 = 2000 ⋅ P(X < 850) = 2000 ⋅ P( U < − 1,5) = 2000 ⋅ = 111,8 ≈ 112 becuri
100
93,32
N t < 1150 = 2000 ⋅ P( X < 1150) = 2000 ⋅ P( U < + 1,5) = 2000 ⋅ = 1866,4 ≈ 1866 becuri
100
N = 1866,4 – 111,8 = 1754,6 = 1755 becuri
Observatie Numarul de becuri care se ard în perioada 850 ... 1150 ore este egal cu celor care se
află în funcţie în aceeaşi perioadă (vezi pct. IV) şi care nu se vor mai afla în funcţie după 1150 ore.

VI) Durata până când se ard 400 de becuri este T necunoscută şi se află din condiţia ca 400 de
becuri să aibă X: “durata de funcţionare” mai mică de T ore, adică:
 T − 1000   T − 1000  400
N t < T = 400 ⇔ 2000 ⋅ P(X < T) = 400 ⇔ 2000 ⋅ P U <  = 400 ⇔ P U <  = ⇔
 1000   1000  2000
F(u ) = 0,2
Ne aflăm deci, în situaţia în care în tabelul repartiţiei normale cunoaştem F(u) şi dorim să
determinăm valoare “u” (adică în situaţia inversă de până acum).
Pentru F(u) = 0,2 în tabel găsim u = 0,85 şi vom obţine:
T − 1000
u = − 0,85 ⇔ = − 0,85 ⇒ T = 1000 − 0,85 ⋅ 100 = 915 ore
100
Deci, până la 915 ore s-au ars 400 de becuri.

VII) Conform regulii celor 3σ (sigma) valorile pe care le poate lua o variabilă distribuită
normal sunt, practic (99,75 % dintre ele) cuprinse în intervalul [µ − 3σ, µ + 3σ].
În cazul problemei, variabila aleatoare X: “durata de funcţionare” a unui bec este practic
cuprinsă în intervalul [1000 − 3 ⋅ 100, 1000 + 3 ⋅ 100] , adică în întervalul [700, 1300] ore.
Deci:
• în primele 700 de ore nu se arde practic nici un bec dintre cele 2000 nou instalate (ceea
ce este echivalent cu a spune că după 700 de ore se află în funcţiune toate cele 2000 de
becuri nou instalate);
• după 1300 ore nu se mai află practic în funcţiune nici un bec din cele 2000 nou instalate
(ceea ce este echivalent cu a spune că în 1300 de ore se ard toate cele 2000 de becuri nou
instalate).