Matematica Si Statistica

Departamentul de Studii pentru nvmnt cu Frecven Redus
(DIFRED-FA)
SPECIALIZAREA: AGRICULTUR
Lector dr. Mioara VARGA
Prof. Dr. Dumitru ENE
MATEMATIC I STATISTIC
Bucureti
- 2012 -
Copyright 2012:
Reproducerea integral sau parial a textului sau a ilustraiilor din aceast carte
prin orice mijloace este posibil numai cu acordul scris al autorilor. Toate
drepturile rezervate.
[Type text]
Pag. 3
CUPRINS
Cuvnt nainte
1.PROGRAMARE LINIAR I GRAFURI N AGRICULTUR
Tema nr.1.1. Modele liniare de optimizare a produciei n agricultur
1.1.1. Modelul structurii optime a culturilor vegetale
12
1.1.2. Modelul raiei furajere optime
16
1.1.3. Modelul rotaiei optime a culturilor vegetale
19
Tema nr.1.2. Dualitatea modelelor liniare de optimizare
24
Tema nr.1.3. Gsirea soluiilor optime pentru modelele liniare primal i dual cu
metoda simplex cu calculatorul
Tema nr. 1.4. Modele de optimizare de tip transport i repartiie
Tema nr. 1.5. Ealonarea optim a activitilor unui proiect agricol prin metoda
drumului critic
2. MODELE NELINIARE DE ALOCARE OPTIM A RESURSELOR N
AGRICULTUR
29
48
54
63
Tema nr. 2.1. Producii i indicatori economici
63
2.1.1.Producii fizice i valorice
63
2.1.2. Indicatori economici ai produciei suplimentare
69
Tema nr. 2.2. Optimele produciei suplimentare
72
Tema nr.2.3. Exemple
75
2.3.1. Doi factori i un produs
75
2.3.2. Un factor i dou produse
80
Tema nr.2.4. Modele cu restricii liniare i funcie-obiectiv ptratic
85
2.4.1 Cazul cnd toate restriciile sunt ecuaii
86
2.4.2 Cazul cnd toate restriciile sunt inecuaii
89
2.4.3 Modele de optimizare patratic n agricultur
94
A. Model de alocare optim a resurselor
94
B. Model ptratic de maximizare a venitului din raia furajer
95
3.SISTEME AGRICOLE
99
Tema nr.3.1. Definiia,clasificarea i proprietile sistemelor
99
[Type text]
Pag. 4
3.1.1 Definiia sistemelor
99
3.1.2 Clasificarea sistemelor
101
3.1.3 Proprietile sistemelor
103
3.1.4 Pdurile ca ecosisteme vegetale
106
Tema nr.3.2. Proprieti generale ale sistemelor agricole
107
3.2.1 Particulariti ale sistemelor agricole
107
3.2.2 Intrri n sistemele agricole
109
3.2.3 Ieiri din sistemele agricole
116
Tema nr.3.3. Analiza tehnico-economic a sistemelor agricole
119
3.3.1 Analiza tehnico-economic a sistemului produciei vegetale
119
3.3.2 Analiza tehnico-economic a sistemului produciei de lapte
126
3.3.3 Analiza tehnico-economic a sistemului produciei de carne
131
3.3.4 Analiza tehnico-economic a sistemului comercializrii produselor agricole
139
4.CULEGEREA I PRELUCRAREA DATELOR DE SONDAJ
144
Tema nr.4.1. Noiuni de calculul probabilitilor
144
Tema nr.4.2. Populaii statistice i sondaje
150
Tema nr.4.3. Indicatori de sondaj de repartiie
156
4.3.1.Cazul sondajului de volum mic (n < 30)
156
4.3.2. Cazul sondajului de volum mare (n > 30)
162
Tema nr.4.4. Indicatori de sondaj de evoluie
170
5.ANALIZA VARIANEI I PLANURI EXPERIMENTALE N

AGRICULTUR
179
Tema nr.5.1. Analiza varianei monofactorial nebalansat n populaii omogene
179
Tema nr.5.2. Planul blocurilor complete randomizate n populaii neomogene
189
6. CORELAIA I REGRESIA NTRE DOU CARACTERE
195
Tema nr.6.1. Corelaia i regresia monofactorial liniar
195
Tema nr.6.2. Corelaii i regresii monofactoriale neliniare
209
6.2.1. Corelaia i regresia monofactorial polinomial
210
6.2.2. Corelaia i regresia monofactorial trigonometric
213
6.2.3. Corelaia i regresia monofactorial polinomial-trigonometric
218
BIBLIOGRAFIE
224
ANEXA 1 CU TABELE STATISTICE
225
[Type text]
Pag. 5
Tabel 1 Funcia de repartiie N(0;1) : F( u/2 ) 1 /2
225
Tabel 2 Valorile Student t /2 i t : P( | t | > t /2 ) = P( t > t ) =
226
Tabel 3 Valorile hi patrat 2 : P( 2 > 2 ) =
227
Tabel 4 Valorile Fisher F0.05 : P( F> F0.05 ) = 0.05
229
231
233
Tabel 7 Amplitudinea studentizat Tukey T 0.05
234
Tabel 8 Amplitudinea studentizat Tukey T0.01
235
Tabel 9 Valori critice ale asimetriei i boltirii
236
Tabel 10 Valori critice R/2 ale coeficientului de corelaie liniar R
237
[Type text]
Pag. 6
Cuvnt nainte
Aceast lucrare este destinat studenilor de la Facultatea de Agricultur, curs cu frecven
redus, putnd fi folosit i de studenii altor faculti cu profil Agricol.
Primele 3 capitole sunt consacrate aplicaiilor matematicii n agricultur.
Matematica abstract are o dezvoltare exponenial ca numr de articole i monografii,
precum i ca valoare a acestora.
Dup al doilea rzboi mondial, odat cu apariia computerelor s-au dezvoltat exploziv
aplicaii ale matematicii n tiinele naturii, n medicin, n tehnic, n economie, n
agricultur, etc. n acest moment orice domeniu al activitii umane are atta valoare ct
matematic conine.
Aplicaiile consistente ale matematicii sunt la fel de dificil de elaborat ca i teoriile
abstracte ale acesteia. Realitatea este extrem de complex i se las modelat cu greutate:
orice model trebuie validat de practic prin confruntarea permanent a rezultatelor simulrii
pe model cu comportarea real a fenomenului modelat. Semnalm i faptul c teorii extrem de
abstracte din matematic i-au gsit ulterior aplicaii n situaii foarte concrete.
n capitolul 1 se prezint trei modele liniare de optimizare a produciei agrozootehnice:
structura optim a culturilor vegetale, structura optim a raiei furajere i rotaia optim a
culturilor vegetale; se studiaz dualitatea acestor modele, se prezint metoda simplex de
optimizare cu calculatorul a acestor modele prin produsul informatic EXCEL precum i
interpretarea economic a soluiilor optime primal i dual. Capitolul se ncheie cu metoda
drumului critic pentru optimizarea n timp a proiectelor agricole.
n capitolul 2 se prezint un model neliniar de alocare optim a resurselor n agricultur
cu funcii-obiectiv diferite: economic, tehnic, maxim de venit cu cheltuieli limitate, minim de
cheltuieli cu venit garantat. Capitolul se ncheie cu modele de optimizare cu restricii liniare i
funcie-obiectiv ptratic rezolvate cu produsul informatic EXCEL .
n capitolul 3 se prezint pe scurt teoria sistemelor agricole care se exemplific pe patru
sisteme agricole: vegetal, zootehnie (lapte i carne) i comercializare produse agricole
vegetale, pentru care se dezvolt n detaliu calculul tehnico-economic.
[Type text]
Pag. 7
Capitolele 4-6 sunt consacrate aplicaiilor statisticii n agricultur, domeniu care are o
lung tradiie n ara noastr.
Aplicaiile statisticii n agricultur au beneficiat de aportul remarcabil al computerelor
pentru partea de calcule prin produse informatice generale sau specializate pe statistic. n
acest moment accentul cade pe modelarea statistic cea mai eficient n agricultur i pe
interpretarea corect a rezultatelor n vederea lurii unor decizii corecte i rapide. Agricultura
ca domeniu de activitate cu risc din partea naturii i a conjuncturii variabile pe piaa
produselor agricole, se dovedete un domeniu de predilecie al statisticii, ca mod de gndire
al viitorului, citndu-l pe statisticianul V.Vod.
Capitolul 4 prezint sondajele n populaii statistice, semnificaia i modul de calcul al
indicatorilor de sondaj de repartiie i evoluie.
n capitolul 5 se prezint analiza varianei monofactorial nebalansat complet n
populaii omogene inclusiv calculul componentelor de varian n populaie. Pentru populaii
neomogene se prezint planul blocurilor complete randomizate.
Facem precizarea c n capitolul 5 folosim denumirea de indice de corelaie, distinct
fa de denumirea de raport de corelaie neliniar din capitolul 6 dei Enciclopedia de
statistic le identific.
n capitolul 6 se prezint corelaia/regresia monofactorial liniar i neliniare (de tip
polinomial, trigonometric i mixt).
n ntreaga lucrare am adoptat un compromis ntre rigoarea tiinific (prin definiii,
teoreme) i accesibilitate/utilitate (prin exemple detaliate). Toate exemplele din lucrare conin
date convenionale plauzibile din agricultur. Lucrarea se ncheie cu bibliografie i o anex cu
10 tabele statistice.
Autorii
[Type text]
Pag. 8
1. PROGRAMARE LINIAR I GRAFURI N

AGRICULTUR
Uniti de nvaare:
Modele liniare de optimizare n agricultur
Obiectivele temei:
-nsuirea de ctre studeni a modelelor liniare de optimizare a produciei agricole a rezolvrii
lor cu metoda simplex pe calculator i a interpretrii economice a soluiilor optime ale acestor
modele
Timpul alocat temei: 8 ore
Bibliografie recomandat:
1.Stnil O. Analiz liniar i geometrie Vol. I - II, Editura ALL, 2000-2001.
2.Cenu Gh. i col. Matematici pentru economiti Editura CISON, 2000.
3.Cenu Gh. i col. Matematici pentru economiti culegere de probleme Editura CISON, 2000.
4.Ene D. Matematici (I) Editura CERES, 2004.
5.Gogonea S. , Ene D. Analiz numeric Editura Cartea Universitar, 2005.
6.Ene D., Gogonea S. Metode numerice Editura Cartea Universitar, 2005.
7.Ene D., Ioniescu E. Cercetri operaionale n agricultur, USAMV-ID, 2006.
8.Ene D. Matematic aplicat n agricultur Editura CERES, 2006.
TEMA 1.1. MODELE LINIARE DE OPTIMIZARE A PRODUCIEI N

AGRICULTUR
Metoda modelrii proceselor biologice, tehnice i economice a aprut odat cu
utilizarea calculatoarelor electronice n a doua jumtate a secolului XX.
Un model schematizeaz un proces complex, reinnd trsturile considerate eseniale
din punctul de vedere al modelatorului. Structura i evoluia modelului este simulat pe
calculatorul electronic, rezultatele simulrii fiind confruntate cu datele procesului modelat.
Principalele avantaje ale modelrii i simulrii sunt posibilitile de analiz i sintez
ale procesului modelat precum i prognoza evoluiei sale. n funcie de gradul de
schematizare, modelele pot fi macromodele i micromodele.
Macromodelele sunt mai apropiate de procesul modelat dar simularea lor comport un
mare volum de calcul. Un macromodel se poate simplifica sub forma unui micromodel n
scopul uurrii simulrii cu preul ndeprtrii de procesul modelat. Arta modelrii i simulrii
[Type text]
Pag. 9
const tocmai n realizarea unui compromis rezonabil ntre apropierea de procesul modelat i
volumul de calcul pe care l comport simularea modelului. ntre modelele elaborate pentru
agricultur un rol deosebit l au modelele de optimizare.
Un model de optimizare are ca pri componente:
1)
Necunoscutele (variabilele) modelului notate cu x1 ,..., xn care sunt numere reale
pozitive ce urmeaz a fi determinate. Exist modele n care necunoscutele x1 ,..., xn sunt

numere ntregi pozitive (de exemplu efective de animale) sau chiar valori binare (0 sau 1) (de
exemplu utilizarea (1) sau neutilizarea (0) a unei maini agricole sau a unei tehnologii); n
aceste cazuri avem modele de optimizare cu variabile ntregi respectiv modele de optimizare
cu variabile bivalente.
2)
Restriciile (constrngerile) modelului care sunt m inecuaii sau ecuaii care conin
necunoscutele x1 ,..., xn . Membrul doi al fiecrei restricii este limita resursei la care se refer
restricia. Dac toate restriciile modelului sunt ecuaii, el se numete model standard. Orice
model de optimizare poate fi adus la forma standard prin adugarea la membrul nti al
restriciilor
i , = a unor variabile de egalizare nenegative i prin scderea din
membrul nti al restriciilor

avea m restricii egaliti i n
3)
a altor variabile de egalizare nenegative deci modelul va
m variabile x1,..., xn ,xe1,,xem .
Funciile-obiectiv ale modelului n numr de p , care conin necunoscutele x1 ,..., xn i
care trebuie maximizate minimizate sau cu un cuvnt optimizate. Dac restriciile modelului
lipsesc atunci se zice c avem un model de optimizare fr restricii (liber) n caz contrar
modelul este cu restricii (legturi). Un sistem de valori pozitive pentru x1 ,..., xn care satisfac
restriciile, se numete soluie posibil iar acele soluii posibile care optimizeaz o funcieobiectiv, se numesc soluii optime n raport cu acea funcie.
Dac restriciile i funciile-obiectiv ale modelului sunt polinoame cu necunoscutele x1 ,..., xn
modelul se numete polinomial sau algebric n caz contrar modelul se numete nepolinomial
sau transcendent.
Dac ntr-un model polinomial, polinoamele din restricii i din funciile-obiectiv au
gradul 1, modelul polinomial se numete liniar, n caz contrar modelul polinomial este
neliniar.
Un model polinomial neliniar des ntlnit este modelul polinomial ptratic cu restricii
polinoame de gradul 1 i funciile-obiectiv polinoame de gradul doi. Dac modelul de
[Type text]
Pag. 10
optimizare are o singur funcie-obiectiv, el se numete model monocriterial n caz contrar se

numete model policriterial. Orice model policriterial se poate reduce la unul monocriterial
prin nlocuirea funciilor sale obiectiv cu o funcie-obiectiv de utilitate maxim. O problem
delicat n elaborarea modelelor apare n legtur cu restriciile care trebuie s fie:
1)
necontradictorii (s existe mcar o soluie posibil);
2)
independente (s nu rezulte unele din altele).
n acest caz modelul de optimizare se numete coerent. Cu ct numrul m al restriciilor

modelului este mai mare, cu att pericolul contradiciei i sau dependenei restriciilor crete
deci este mai greu de elaborat un macromodel coerent dect un micromodel coerent. Modelele
elaborate la un moment dat se numesc statice.
n realitate, timpul schimb coeficienii constani ai modelului (stocuri de resurse,
costuri ale resurselor, preurile de vnzare ale produselor) ceea ce necesit reoptimizarea
modelului n raport cu aceste schimbri.
n funcie de caracterul mrimilor care intervin n modele, acestea pot fi deterministe
(cu mrimi precise valoric) sau aleatoare o parte sau toate mrimile au valori probabile cum
sunt cele legate de natur: precipitaii, clim, calamiti, etc. Cele mai multe macromodele de
optimizare care au fost elaborate pentru agicultur, se mpart n dou clase:
I.
Modele de structur optim pentru:

culturi agricole anuale sau perene;
rase i grupe de animale;
furaje grupate n raii furajere;
ramuri vegetale animale n cadrul fermei.
II.
Modele de repartiie optim pentru:

rotaia culturilor;
alocare resurse (for de munc, maini, tehnologii, energie, ngrminte, ap,
investiii);
organizarea transporturilor agricole;
stabilirea preurilor n economia de pia n raport de cerere-ofert.
[Type text]
Pag. 11
1.1.1. Modelul structurii optime a culturilor vegetale

Elementele fundamentale ale produciei vegetale sunt: I. Soiul; II. Solul; III. Clima;
IV. Raportul cerere ofert n producia vegetal. Etapele principale ale tehnologiei produciei
vegetale sunt:
1.
Artura
2.
Pregtirea patului germinativ
3.
Semnat
4.
Combatere buruieni, boli i duntori (de cultur i depozit)
5.
Fertilizare
6.
Irigare
7.
Recoltare-transport-depozitare
n toate aceste etape sunt necesare urmtoarele resurse:
a)
For de munc
b)
For mecanic
c)
Energie (motorin, curent electric, uleiuri-lubrifiani)
d)
Ierbicide, insectofungicide
e)
ngrminte chimice organice
f)
Ap de irigaie
g)
Resurse financiare
Precizm c resursele financiare acoper cheltuielile cu resursele a)
f) i alte
cheltuieli precum taxe i impozite, asigurri, etc. Dintre resursele precedente, ierbicidele i
insectofungicidele fiind specifice fiecrei culturi, s-au exprimat n lei.
Diferitele forme de energie au urmtoarele uniti de msur:
motorina se exprim n litri (l)
curentul electric se exprim n kilowai or (kwh)
coninutul energetic brut al produselor agricole se exprim n uniti nutritive (UN)
1 litru motorin = 10.15 Mcal
1 kwh = 0,86 Mcal
1 UN = 4,04 Mcal
Suprafeele ce se vor cultiva cu culturile propuse au limite bilaterale, legate de
cererea oferta fa de aceste culturi. Veniturile din culturi se obin transformnd n lei
[Type text]
Pag. 12
valoarea produsului principal (boabe) i a celui secundar (paie coceni) de pe un hectar de

cultur iar cheltuielile se obin nsumnd costurile fiecrei etape din tehnologie de la artur la
recoltare-transport-depozitare plus alte cheltuieli de pe un hectar de cultur.
Profitul este diferena ntre venit i cheltuieli iar rata profitului este raportul ntre profit i
cheltuieli.
Tabelul 1 care urmeaz, furnizeaz datele necesare pentru elaborarea micromodelului
structurii optime a culturilor. Pe baza datelor din Tabelul 1 putem elabora 6 modele liniare de
optimizare a structurii culturilor dup cum urmeaz:
I.
Optim tehnic (Venit maxim)
II.
Optim tehnic (Cheltuieli minime)
III.
Optim economic (Profit maxim)
IV.
Optim economic (Rata profitului maxim)
V.
Optim condiionat (Venit maxim cu cheltuieli date)
VI.
Optim condiionat (Cheltuieli minime cu venit dat)
Fie L numrul restriciilor

deci avem M
, E numrul restriciilor = , C numrul restriciilor
L E G restricii aezate n ordinea de mai sus. N este numrul
variabilelor proprii ale modelului respectiv.

Pentru modelele V i VI coninute n Tabelele 2 i 3 avem L = 8 , E 1 , G
M = 13 restricii i P
4 deci
4 variabilele proprii x1, x2 , x3 , x4 respectiv L = 7 , E 1 , G 5
deci:
M = 13 restricii i P
4 variabilele proprii x1, x2 , x3, x4 .

TABEL 1
Culturi
Floarea
Sfecl
soarelui
de zahr
180
190
200
17100 Mcal.
50
40
60
80
5000 lei
150
100
120
140
12500 kg
30
40
10
Suprafa
Gru
Porumb
Motorin(litri / Ha)
150
Combatere
Resurse
burieni,
Limite
boli i duntori
ngrminte
Chimice
Limit MIN (ha)
[Type text]
Pag. 13
Limit MAX (ha)

Venit
40
60
20
10
Total=100 ha
1200
1500
1200
1800
Total
1365000 lei
(lei)
Cheltuieli
840
960
990
1050
Total
92000 lei
(lei)
TABEL 2
Culturi
Gru
Porumb
Fl.soare
Sfecl zahr
Semn
Limite
X1 (ha)
X2 (ha)
X3 (ha)
X4 (ha)
1.Gru MAX
40 ha
2.Porumb MAX
60 ha
3.Fl. Soarelui MAX
20 ha
4.Sfecl zahr MAX
10 ha
5.Motorin(litri)
150
180
190
200
17100 litri
6.Combatere
50
40
60
80
5000 lei
150
100
120
140
12500 kg
840
960
990
1050
92000 lei
9.Suprafaa
10.Gru MIN
30 ha
11.Porumb MIN
40 ha
12.Fl.Soarelui MIN
10 ha
13.Sfecl
4 ha
1200
1500
1200
1800
Restricii
burieni,
boli
duntori
7.ngrminte
Chimice
8.Cheltuieli (C)
zahr
100 ha
MIN
Venit (V)
[Type text]
MAX
Pag. 14
TABEL 3
Culturi
Gru
Porumb
Fl.soarelui
Sfecl
Semn
Limite
zahr
Restricii
X1 (ha)
X2 (ha)
X3 (ha)
X4 (ha)
1.Gru MAX
40 ha
2.Porumb MAX
60 ha
3.Fl. Soarelui MAX
20 ha
4.Sfecl zahr MAX
10 ha
5.Motorin(litri)
150
180
190
200
17100 litri
6.Combatere
50
40
60
80
5000
burieni,
boli
Lei
duntori
7.ngrminte
150
100
120
140
12500
Kg
Chimice
8.Suprafaa
1200
1500
1200
1800
136500 lei
10.Gru MIN
30 ha
11.Porumb MIN
40 ha
12.Fl.soarelui MIN
10 ha
13.Sfecl
4 ha
840
960
990
1050
9.Venituri (V) ( lei)
zahr
100 ha
MIN
Cheltuieli (C) (lei)
MIN
Modelele liniare de optimizare coninute n Tabelul 2 (model V) i Tabel 3 (model VI)

se scriu din punct de vedere matematic sub form de inecuaii ecuaii n ordinea
,=
, cu variabile (necunoscute) nenegative i funcie-obiectiv optim (max min). Membrii

nti ai restriciilor i funcia-obiectiv sunt polinoame de gradul nti n raport cu variabilele
respective.
[Type text]
Pag. 15
1.1.2. Modelul raiei furajere optime

Furajele pentru animale domestice se clasific n urmtoarele grupe principale:
1)
Fibroase (mas verde, fnuri, furaje murate)
2)
Grosiere (paie, vreji, coceni)
3)
Concentrate (grune de cereale, boabe de leguminoase, semine de oleaginoase)
4)
Suculente (rdcinoase, tuberculi, fructe)
5)
Reziduri tehnice (tre, turte, borhot)
6)
Furaje de origine animal (finuri de carne-oase, lapte, zer)
7)
Furaje de origine mineral (sare, fosfat dicalcic)
Substanele nutritive principale prezente n aceste furaje sunt:

a)
Substana uscat (SU) n kg
b)
Uniti nutritive (UN)
c)
Proteina digestibil (PD) n g
d)
Calciu (C) n g
e)
Fosfor (P) n g
f)
Caroten n mg
Coninuturile nutritive pe kg furaj se gsesc n Decretul 50 1982 sau n buletine de
analiz ale laboratoarelor de nutriia animalelor. Animalele se mpart n rase, rasele n grupe i
grupele n subgrupe. De exemplu n cadrul rasei taurine exist grupa vaci n lactaie care are
subgrupe dup producii: 4000 litri lactaie normal, 5000 litri lactaie normal, 6000
litri lactaie normal. n cadrul rasei ovine exist grupa oi n lactaie cu dou subgrupe:
alptare miei i lactaie. Fiecare animal domestic n raport cu rasa, grupa i subgrupa de care
aparine, are anumite cerine nutritive unitare zilnice:
I.
Cerine pentru funcii vitale pe 100 kg corp;
II.
Cerine pentru funcii de reproducie producie urmrite, pe kg lapte, pe kg spor, etc.

De exemplu pentru vaci n lactaie de 500 kg avem cerinele nutritive unitare zilnice
de mai jos la care se adaug i sare:

Cerine unitare
SU
UN
(kg)
Funcii vitale
1.6
0.9
PD
Ca
Caroten
Sare
(kg)
(g)
(g)
(mg)
(g)
60
2.6
30
4.6
(100 kg corp)
[Type text]
Pag. 16
Un litru lapte/zi,
0.48
0.48
48
2.9
2.4
15
(4% grsime)
Prin nmulirea funciilor vitale cu 5 i a liniei produciei de lapte cu 15 litri zi,
obinem cerinele zilnice totale pentru o vac de 500 kg i 15 litri lapte zi:
Cerine totale
SU
UN
(kg)
Funcii vitale
PD
Ca
Caroten
Sare
(kg)
(g)
(g)
(mg)
(g)
4.5
300
25
13
150
23
7.2
7.2
720
43.5
36
225
30
15.2
11.7
1020
68.5
49
375
53
(500 kg corp)
15 litri lapte/zi,
(4% grsime)
Total pe
cap i zi
n mod analog se calculeaz cerinele totale pe cap i pe zi pentru oi n lactaie de 50
kg i 0.5 litri lapte zi: 1.75 kg SU, 1.4 UN, 130 g PD, 9 g Ca, 5 g P, 15 mg Caroten i 8 g sare.
Raiile furajere difer dup sezon: var sau iarn.
De exemplu pentru rumegtoare (vaci, oi, capre) vara se dau furaje mas verde i
concentrate n timp ce iarna se dau fnuri, grosiere, suculente i concentrate. Cantitile de
furaje pe cap i pe zi au i limite bilaterale legate de fiziologia digestiei pentru fiecare ras,
grup i subgrup din care face parte animalul domestic respectiv.
Veniturile din furaje se obin transformnd n lei valoarea produselor zootehnice oferite de
respectivul animal dintr-un kg de furaj iar cheltuielile se obin nsumnd costurile de
producere cumprare, transport, depozitare i administrare la animale a unui kg de furaj.
Profitul este diferena ntre venituri i cheltuieli iar rata profitului este raportul ntre
profit i cheltuieli. Vom nota venitul cu V, cheltuielile cu C, profitul cu P
profitului cu RP
V C i rata
P/C .
Tabelul 4 furnizeaz datele necesare pentru elaborarea micromodelului raiei furajere optime
pentru o vac de 500 kg i 15 litri lapte zi n sezonul de iarn.
[Type text]
Pag. 17
TABEL 4
Furaje
Norme
Fn
Porumb
Sfecl
Tre
lucern
siloz
furajer
Gru
SU
0.84
0.25
0.13
0.86
15.2 kg
UN
0.48
0.25
0.12
0.77
11.7 UN
PD
122
10
108
1020 g
Limit MIN (kg)
10
15
10
Greutate raie
Limit MAX (kg)
15
25
15
MAX=40 kg
0.72
0.30
0.24
0.80
Total
Resurse
Venit (lei)
nutritive
zilnice
16.2 lei
Cheltuieli (lei)
0.52
0.20
0.18
0.60
Total
12 lei
Pe baza datelor din tabelul 1, se poate elabora un singur model liniar de optimizare a
raiei furajere i anume modelul II (Cheltuieli minime) ,deoarece venitul din raia furajer este
funcie neliniar n raport cu necunoscutele (cantiti de furaje (Kg/cap.zi) prezente n raie.
Un model neliniar pentru raia furajer n care intervine venitul neliniar, poate fi gsit n
seciunea 4.4.2
Fie L numrul restriciilor
deci avem M
, E numrul restriciilor = , G numrul restriciilor
L E G restricii aezate n ordinea de mai sus.
P este numrul variabilelor proprii ale modelului respectiv. Pentru modelul coninut
n tabelul 5 avem L
5 , E 0 , G = 7 deci M = 12 restricii i P 4 variabile proprii
x1, x2 , x3 , x4 .
TABEL 5
Fn
Porumb
Sfecl
Tre
Lucern
Siloz
furajer
Gru
X1 (kg)
X2 (kg)
X3 (kg)
X4 (kg)
1.Fn MAX
15 kg
2.Porumb MAX
25 kg
Furaje
Restricii
[Type text]
Semn
Limite
Pag. 18
3.Sfecl MAX
15 kg
4.Tre MAX
3 kg
5.Greutate
40 kg
6.SU
0.84
0.25
0.13
0.86
15.2 kg
7.UN
0.48
0.25
0.12
0.77
11.7 UN
8.PD
122
10
108
1020 g
9.Fn MIN
10kg
10.Porumb MIN
15 kg
11.Sfecl MIN
10 kg
12.Tre MIN
1 kg
Cheltuieli (C)
0.52
0.20
0.18
0.60
MIN
Modelul liniar de optimizare coninut n Tabelul 5, se scrie din punct de vedere

matematic sub form de inecuaii ecuaii n ordinea
= ,
cu variabile
(necunoscute) nenegative i funcie-obiectiv optim (max min). Membrii nti ai restriciilor

i funcia-obiectiv sunt polinoame de gradul nti n raport cu variabilele respective. Soluia
optim a acestui model va fi dat n seciunea 1.3
1.1.3. Modelul rotaiei optime a culturilor vegetale
Monocultura este sistemul de amplasare a aceleiai culturi pe aceeai parcel cel puin
doi ani consecutivi. n acest caz n respectiva parcel prolifereaz buruienile, bolile i
duntorii specifici aceleiai culturi iar producia culturii scade.
De exemplu mazrea, inul de ulei, lucerna i trifoiul n monocultur duc la oboseala
solului. Rotaia culturilor este sistemul de amplasare a unei culturi n parcele diferite n doi
ani consecutivi. n acest caz cultura succesoare lupt mai bine cu buruienile, bolile i
duntorii rmai de la cultura premergtoare, acestea nefiind specifice culturii succesoare.
Exist culturi cum este floarea soarelui care poate reveni n aceeai parcel dup minimum 5
ani.
Relaia premergtoare-succesoare difer de la caz la caz n ceea ce privete
favorabilitatea. Astfel o bun premergtoare pentru o succesoare, asigur pentru aceasta din
urm producii i venituri mai mari i sau cheltuieli mai mici. De exemplu leguminoasele
(mazrea, fasolea, soia, lintea) sunt bune premergtoare deoarece las n sol ngrminte cu
[Type text]
Pag. 19
azot pe nodozitile rdcinilor datorate bacteriilor fixatoare de azot. Bune premergtoare sunt
i pritoarele deoarece prailele sunt mijloace mecanice de lupt cu buruienile.
O rea premergtoare pentru o succesoare sectuiete solul n acele substane nutritive
de care ar avea nevoie n cantiti mari i succesoarea. De exemplu tutunul nu este bun
premergtor pentru sfecla de zahr. Elementele modelului rotaiei optime a culturilor, sunt
urmtoarele:
a)
Necunoscutele xi sunt suprafee ce se vor cultiva cu succesoare dup diferite

premergtoare.
b)
Restriciile sunt de mai multe feluri:

restricii bilaterale pentru succesoare;
ocuparea ntregii suprafee cu succesoare;
suprafeele cu premergtoare s-au ocupat integral de ctre acestea.
c)
Funciile economice sunt ca de obicei Venit, Cheltuieli, Profit, Rata profit care vor da
modelele I-IV.
Mai exist i optimul V (venit maxim cu cheltuieli date) i optimul VI (cheltuieli
minime cu venit dat) deci optime condiionate. L este numrul restriciilor
, E este
numrul restriciilor
= iar G este numrul restriciilor
deci avem M
L E G restricii i N variabile
proprii.
Tabelul 6 de mai jos conine datele necesare pentru a elabora cele 6 modele
precedente. Nu se admite monocultur iar cheltuielile veniturile unei succesoare sunt
influenate de premergtoarea pe care o nlocuiete.
n csua de la intersecia liniei succesoare cu coloana premergtoarei, n partea de
deasupra sunt veniturile iar n partea de dedesupt sunt cheltuielile. Pentru modelele V i VI
coninute n tabelele 5 i 6, avem L = 4, E
proprii, respectiv L= 3, E
4 , G = 3 deci M = 11 restricii i P = 7 variabile
4 , G = 4 deci M = 11 restricii i P = 7 variabile proprii
x1 , x2 , ... , x7 .
[Type text]
Pag. 20
Premergtoare
Succesoare
Gru
Porumb
Soia
1200
1300
X
Gru
800
Venit
Limita
TABEL 6
Limita
MIN (ha)
MAX (ha)
30
50
40
60
15
Cheltuieli
Venituri
Totale(lei)
Totale(lei)
94000 lei
141000 lei
700
1600
1500 lei
Porumb
X
Cheltuieli
900
1000
Sfecl
De zahr
Suprafee cu
premergtoare
[Type text]
1800
1900
2000
1200
1100
1000
2000
1900
1800
40 ha
50 ha
5 ha
Pag. 21
TABEL 7
PREMERGTOA
GRU
PORUMB
Sfecl
Poru
Sfecl
mb
Zahr
mb
Zahr
X1(ha
X2(ha
X3(ha
X4(ha
X5(ha
X6(ha
X7(ha
1.Gru MAX
50 ha
2.Porumb MAX
60 ha
3.Sfecl de zahr
15 ha
4.Cheltuieli (C)
1000
1200
800
1100
700
900
1000
94000 lei
5.SUPRAFA
100 ha
6.SUPRAFA
45 ha
50 ha
5 ha
9.Gru MIN
30 ha
10.Porumb MIN
40 ha
11.Sfecl
4 ha
1500
1800
1200
1900
1300
1600
2000
RE
SUCCESOARE
RESTRICII
Gru
Sfecl
Gru
Zahr
SEMN
Poru
SOIA
LIMITE
MAX
Gru premergtor
7.SUPRAFA
Porumb
premergtor
8.SUPRAFA
Soia premergtor
zahr
MIN
Venituri (V)
MAX
TABEL 8
[Type text]
Poru
Sfecl
mb
zahr
PORUMB
Gru
Sfecl
Zahr
SOIA
Gru
Poru
Sfecl
mb
Zahr
RE
GRU
SEM
PREMERGTOA
Pag. 22
SUCCESOARE
X1
X2
X3
X4
X5(ha
X6(ha
X7(ha
(ha)
(ha)
(ha)
(ha)
1.Gru MAX
50 ha
2.Porumb MAX
60 ha
3.Sfecl
15 ha
4.SUPRAFA
100 ha
5.SUPRAFA
45 ha
50 ha
5 ha
1500
1800
1200
1900
1300
1600
2000
140000 lei
9.Gru MIN
30 ha
10.Porumb MIN
40 ha
11.Sfecl
4 ha
1000
1200
800
1100
700
900
1000
RESTRICII
LIMITE
zahr
MAX
Gru premergtor
6.SUPRAFA
Porumb
premergtor
7.SUPRAFA
Soia premergtor
8.Venituri (V)
zahr
MIN
Cheltuieli (C)
MIN
Cele 2 modele liniare de optimizare coninute n Tabelul 7 (Modelul V) i Tabelul 8

(Modelul VI) se scriu din punct de vedere matematic sub form de inecuaii
ecuaii n
ordinea
,=,
cu variabilele (neconoscute) nenegative i funcie-obiectiv optim (max
min).
Soluia optim a acestui model va fi dat n seciunea 1.3
[Type text]
Pag. 23
TEMA 1.2. DUALITATEA MODELELOR LINIARE DE OPTIMIZARE

Modelele liniare din seciunea precedent conduc la extreme de funcii liniare cu
legturi liniare:
a11 x1 ... a1P xP
b1
aL1 x1 ... aLP xP
bL
aL
... aL
1,1 1
1,P P
bL
1
aL
aL
aL
... aL E,P xP bL E
... aL E 1,P xP bL
1,1 x1
E,1 1
E
E G,1 1
x1 , ... , xP
... aL
bL
E G,P P
E G
c1 x1 ... cP xP
Fie M
E 1
Optim
L E G . Avem M P restricii liniare i P necunoscute proprii
x1 , ... , xP . Cu notaiile: A
AL
BL
AE ; B
BE ; X
AG
BG
x1
c1
;
xP
unde
cP
submatricea A L are L linii i P coloane, submatricea A E are E linii i P coloane,

submatricea AG are G linii i P coloane iar subvectorul-coloan BL are L componente,
subvectorul-coloan BE are E componente i subvectorul-coloan BG are G componente ,
modelul liniar (1) (3) capt forma matricial:
A L X BL
A E X BE
A G X BG
5
X 0
[Type text]
CT X Optim
Pag. 24
CT
Aici
c1 ,..., cP este transpusul vectorului-coloan C. Presupunem c
M (restriciile (1) sunt liniar independente). Prin introducerea a M variabile de
rang A
egalizare: xe1, ... , xeL , xeL 1,..., xeL E , xeL
E 1
, ... , xeM modelul liniar (1) (3) capt
forma standard:
a11 x1
... a1P xP
xe1
aL1 x1
... aLP xP
xeL
aL
1,1 1
... aL
b1
bL
xeL
1,P P
bL
7
aL
aL
... aL E,P xP xeL E bL E

... aL E 1,P xP xeL E 1 bL
1,1 x1
E,1 1
E
aM1 x1
... aMP xP
xeM
x1 , ... , xP ; xe1 , ... , xeM
c1 x1
Cu notaia N
... cP xP
P M , xP
a11
0 xe1
bM
0
... 0 xeM
xe1, ... , xN
a1N
A
aMN
Optim
xeM i :
b1
;B
aM1
E 1
x1
;C
; X
bM
c1
xN
cN
avem forma matricial a modelului liniar standard (7) (9):
10
A X B
11
X 0
12
[Type text]
CT X Optim
Pag. 25
Fie x10 , , xp0
componente ale soluiei optime pentru modelul (10)-(12). Structura n
procente a valorii optime foptim se calculeaz astfel :

s1 = (c1* x10 * 100 )/ foptim (%), , sp = (cp* xp0 * 100 )/ foptim (%)
Modelul standard (10) (12) numit primal are M restricii i N
P M necunoscute:
x1,..., xP ; xe1,..., xem .
a11
Fie A1
a12
; A2
aM1
a1N
vectorii-coloan din matricea A. Sistemul
; ...; A N
aM2
aMN
de restricii liniare (10) de forma AX
B se poate scrie sub forma:
x1A1 ... xN A N
Modelul liniar (1) (3), numit i model primal, admite un model liniar dual de forma:
a11y1 ... aL1y L
aL 1,1y L
a1P y1 ... aLP y L
aL+1,P y L
... aL
aL
E,1 L E
E 1,1 L E 1
... aM1 yM
c1
13
14
15
y1 ,..., y L
g
0, y L 1 ,..., y L+E
b1y1 ... bL y L
... aL+E,P y L
aL
E 1,P
oarecare, y L+E+1 ,..., y M
bL+1y L+1 ... bL+E y L+E
Pentru g maxim, semnele
yL
E 1
... aMP yM
cP
bL+E+1y L+E+1 ... bM y M
min im
din cele M restricii (13) se vor nlocui cu
Modelul dual (13) (15) cu P restricii i M necunoscute duale proprii y1 , ... , yM devine
standard prin introducerea a P variabile duale de egalizare: ye1, ... , yeP . Modelul dual
standard are forma:
a11y1 ... aM1y M
ye1
c1
a1P y1 ... aMP y M
yeP
16
17
18
y1 ,..., y L
g
[Type text]
0, y L+1 ,..., y L+E
0 ye1 ... 0 yeP
cP
oarecare, y L+E+1 ,..., y M
b1y1 ... bM y M
0; ye1 ,..., yeP
min im
Pag. 26
Pentru g maxim, pe ultima coloan a membrului I al restriciilor (16) vom avea:
+ye1, ... , +yeP . Modelul standard dual (16) (18) are forma matricial:
19
AT Y C
20
Y oarecare
21
BT Y optim dual
Aici Y oarecare este dat de (17) iar optimul dual este minim pentru f maxim i maxim
pentru f minim. Modelul standard dual are P restricii i N
P M necunoscute:
ye1, ... , yeP ; y1, ... , yM .

Exemplu
Fie problema de optimizare primal:
4x1+x2 5
3x1+2x2 = 7
2x1+3x2 10
x1,x2 0
---------------------f = 6x1 + 3x2 = maxim
n acest model primal avem P=2 necunoscute proprii x1 , x2 i M=3 restricii.
n modelul dual avem M=3 necunoscute proprii y1 , y2 , y3 i P=2 restricii.
Lund coeficienii de pe coloanele modelului primal , obinem modelul dual:
4y1+3y2+2y3 6
y1+2y2+3y3 3
y1 0 ; y2 = oarecare ; y3 0
----------------------------------g = 5y1+7y2+10y3 = minim
Se numesc concordante , restriciile cu fmaxim i restriciile cu fminim .
Se numesc neconcordante , restriciile cu fmaxim i restirciile cu fminim .
Restriciile concordante din modelul primal corespund cu variabile duale proprii
nenegative n modelul dual iar restriciile neconcordante din modelul primal corespund cu
variabile proprii nepozitive n modelul dual .Restriciile egaliti n modelul primal corespund
cu variabile duale proprii oarecare n modelul dual.
[Type text]
Pag. 27
n modelul primal de mai sus prima restricie este concordant cu f deci y1 0 , a doua
restricie este egalitate deci y2 este oarecare iar a treia restricie este neconcordant cu f deci
y3 0.
n modelul primal avem x1 , x2 0 deci n modelul dual restriciile trebuie s fie
concordante cu gminim deci trebuie s fie de forma .Dac n modelul primal am fi avut
fminim atunci n modelul dual am fi avut gmaxim deci cele dou restricii din modelul dual ,
concordante cu gmaxim ,ar fi fost de forma .
Ca i modelul liniar primal, modelul liniar dual are soluii posibile, bazice, optime.
Proprieti ale dualitii
Teorema 1.1. (Teorema de dualitate)
Fie problemele:
Primala
Duala
AX b
AT Y c
X 0
Y 0
c X min im
bT Y max im
Avem unul din cazurile:

1)
Primala i duala au soluii posibile deci au i soluii optime i optimele lor coincid:
f min im
2)
gmax im
Primala are soluii posibile iar duala nu are soluii posibile sau invers. n acest caz
problema care are soluii posibile are optim infinit: f min im
3)
; g maxim
Primala i duala nu au soluii posibile
Teorema 1.2. (a ecarturilor complementare)

Fie X soluie posibil a problemei primale:
AX b
X 0
f
cT X
min im
i fie Y soluie posibil a problemei duale:
AT Y c
Y 0
f
[Type text]
bT Y
max im
Pag. 28
X, Y sunt soluii optime pentru primal respectiv pentru dual dac i numai dac:
a)
b)
YT
AX b
0 i
c AT Y X 0
Teorema 1.3.
Fie X o soluie optim a primalei:
AX b
X 0
f
cT X
min im
i fie Y o soluie optim a dualei:

AT Y c
Y 0
g bT Y max im
Avem relaiile:
a)
xj
g
cj
j 1, ... , n
b)
yi
f
bi
i 1, ... , m
TEMA 1.3. GSIREA SOLUIILOR OPTIME

PENTRU MODELELE LINIARE PRIMAL I DUAL
CU METODA SIMPLEX CU CALCULATORUL
Din cele prezentate anterior rezult c atunci cnd se cunosc soluiile bazice optime, se
pot determina oricare alte soluii optime. De regul modelele liniare au o singur soluie
optim care este obligatoriu
CM
N
bazic.
Numrul soluiilor
bazice
este cel
mult:
N N 1 ... N M 1
1 2...M
De exemplu pentru modelul raiei furajere optime ca i pentru modelul structurii
optime a culturilor avem cel mult: C16

20
4
C20
20 19 18 17
1 2 3 4
pentru modelul rotaiei optime a culturilor avem cel mult C13

23
[Type text]
4845 soluii bazice n timp ce

C10
1144066 soluii bazice.
23
Pag. 29
Cutarea exhaustiv a soluiei bazice optime este laborioas, de aceea a fost elaborat
o metod mai rapid de optimizare numit metoda simplex. Aceast metod pleac de la o
soluie bazic iniial pe care o schimb cu una mai bun (pentru care funcia f se apropie de
optimul ei), pe aceasta o schimb cu una mai bun, etc. pn se ajunge la o soluie bazic
optim.
Prin aceasta se evit inspectarea soluiilor bazice mai puin bune ca soluia bazic
iniial; n plus la trecerea de la o soluie bazic la alta mai bun, se schimb o component
bazic cu acea component nebazic care asigur cea mai mare variaie a funciei f, deci se
micoreaz n mod semnificativ volumul de calcul.
1) Probleme de optimizare cu soluie bazic iniial
Fie problema de optimizare de forma:
a11 x1
... a1 p x p
am1 x1
... amp x p
x1 ,..., x p
... c p x p
c1 x1
b1
bp
max im
Forma standard a problemei este:
a11 x1 ... a1 p x p
xp
b1
am1 x1 ... amp x p ...... x p

x1 ,..., x p ; x p 1 ,..., x p
f
c1 x1 ... c p x p
Aceast
0 xp
0,...x p
... 0 x p
problem
x1
bp
0; x p
Notm mai departe p
are
1
max im
soluia
b1,..., x p
m
bazic
particular
iniial:
bp
n i aranjm datele problemei n tabelul simplex iniial
de mai jos. Coloana C B conine coeficienii din f ai variabilelor bazice, coloana VB conine
variabilele bazice iar coloana X B valorile variabilelor bazice. n restul tabelului se trec
[Type text]
Pag. 30
coeficienii c1 , ... , c p , c p 1 , ... , cn ai variabilelor din f pe linia C f i coeficienii aij ai
B / E din restriciile formei standard.
matricii A
Pe ultima linie a tabelului se gsesc valoarea iniial a funciei f
CBB c; 0 .
cn
CB
VB
XB
x1
--------
xp
Xp+1
--------
xn
cp+1
xp+1
b1
a11
--------
a1p
--------
--------
--------
--------
Cp+1
--------
cp
--------
--------
--------
c1
--------
Cf
--------
CB A c
CB b i diferenele
cn
xn
bp
ap1
--------
app
--------
--------
--------
Forma final din ultimul tabel simplex a soluiei bazice optime a primalei va fi:
B 1b; 0 , a soluei bazice optime a dualei va fi: Y
E/B
0; CBB
, a matricii va fi:
Deasemenea valoarea optim a funciei va fi: f max
0; CBB
c Y c . De aici rezult Y
g min CBB 1b iar diferenele
C deci soluia bazic optim a
dualei se obine din ultimul tabel simplex, adunnd diferenele din acest ultim tabel cu
coeficienii c de deasupra primului tabel, aflai n dreptul variabilelor bazice ale primului tabel
simplex.
Trecerea de la un tabel simplex la tabelul urmtor se face conform teoremei:
Teorema 1.4. (Criteriul de optim)
Avem cazurile:
I
Toate diferenele sunt
0 n probleme de maxim (toate diferenele sunt
0 n
probleme de minim). n acest caz soluia bazic corespunztoare este optim.

II
Exist diferene
minim). Fie
[Type text]
0 n probleme de maxim (exist diferene
diferena cea mai negativ n probleme de maxim (
0 n probleme de
k
diferena cea mai

Pag. 31
pozitiv n probleme de minim). Aceast alegere a lui
asigur cea mai rapid apropiere a
lui f de optimul su.

Avem subcazurile:
a)
Toate elementele coloanei lui
sunt: a1k
0,..., a pk
0 . n acest caz problema are
optim infinit.
b)
Exist
pe
coloana
xi
0 a
ik
min
aiK
lui
elemente
aik
0 . n acest caz, notnd:
xh
, ahk se numete pivot i se ncercuiete n tablou.
ahk
Ca pivoi se aleg totdeauna elemente strict pozitive pentru ca f s se apropie de

optimul ei (dac pivotul ar fi zero, ar fi infinit iar dac pivotul ar fi negativ, am avea
deci f s-ar deprta de optimul ei).

Variabila xh de pe linia pivotului devine nebazic i variabila xk de pe coloana
pivotului devine bazic, marcndu-se cu sgei aceast schimbare. Soluia bazic cu
componentele nenule din coloana X B se mbuntete, transformnd ntregul tablou cu
regula dreptunghiului:
1)
elementele de pe linia pivotului se mpart la pivot;
2)
elementele de pe celelalte linii se nmulesccu pivotul, din produs se scade produsul

elementelor diagonalei a II a a dreptungiului iar diferena obinut se mparte la pivot.
Aplicnd regula dreptungiului pentru valoarea funciei f avem relaia: f '
hk
Tot regula dreptunghiului se aplic i pentru calculul diferenelor .
Exemplu
Fie problema de optimizare:
4 x1
x2
2 x1 3 x2
x1 , x2
f
6 x1 7 x2
max im
Forma standard a problemei este:
[Type text]
Pag. 32
4 x1
xe1
2 x1 3xe2
4
6
x1 , x2 ; xe1 , xe2
f
6 x1 7 x2
0
0 xe1 0 xe2
max im
Problema are soluia bazic iniial: X 0

iniial a funciei-obiectiv este f0
x1 0; x2
0; xe1 4; xe6 6 iar valoarea
0 . Avem trei tablouri simplex rezultate din aplicarea
teoremei 2.4:
Cf
CB
VB
XB
x1
x2
xe1
xe2
xe1
xe2
f1 = 14
-6
-7
xe1
10
3
x2
2
3
1
3
f0 = 0
7
3
x1
6
10
3
10
x2
16
10
f2 = 14.8
Soluia bazic optim a primalei: x1
[Type text]
4
3
2
10
4
10
0.6 ; x2 1.6 . Valoarea maximului f max im
1
3
7
3
min
k = -7
6
10
min
3
4
3
1
10
4
10
22
10
14.8
Pag. 33
Problema dual are forma:

4y1
2y 2
y1 3y 2
y1 , y 2
g
7
0
4y1 6y 2
min im
Soluia bazic optim a dualei este:

y1
c3
y2
c4
4
0 0.4
10
22
0 2.2
10
Valoarea minim a funciei-obiectiv duale este gmin im 14.8
f max im
2) Problema de optimizare fr soluie bazic iniial

Dac problema de optimizare sub forma standard nu are o soluie bazic iniial, se
adaug n membrul I al restriciilor care nu conin variabile bazice, variabile auxiliare care
sunt i bazice i se minimizeaz suma h a variabilelor auxiliare.
Dac acest minim este zero, nici o variabil auxiliar nu mai este bazic i avem o soluie
bazic iniial care se optimizeaz n raport cu funcia-obiectiv f.
Exemplu
Fie problema de optimizare:
x1 2 x2 3x3 12
3x1
x2
4 x3 8
x1 , x2 , x3
f
6 x1 7 x2 10 x3
max im
Nici una din restricii nu conine variabile bazice deci vom aduga n membrul I al
restriciilor, variabilele auxiliare xa1 , xa2 care sunt i bazice i vom minimiza funcia
xa1
xa2 :
x1 2 x2
3x3
3x1
4 x3
x2
xa1
xa2
x1 , x2 , x3 ; xa1, xa2
h
[Type text]
xa1
xa2
12
8
min im
Pag. 34

Cf
CB
VB
XB
x1
x2
x3
xa1
xa2
xa1
12
xa2
h0 = 20
xa1
5
4
x3
1
4
h1 = 6
5
4
5
4
7
4
x2
24
5
-1
4
5
3
5
x3
4
5
1
5
2
5
h2 = 0
-1
-1
5
4
3
4
3
4
12
3
8
4
min
k = 7
24
5
min
1
4
5
4
Ultimul tabel simplex de mai sus furnizeaz o soluie bazic iniial care se optimizeaz tot
cu metoda simplex fa de funcia-obiectiv f:
Cf
10
CB
VB
XB
x1
x2
x3
x2
24
5
-1
x3
4
5
f0 = 41.6
-3
10
[Type text]
4
5
min
k = -3
Pag. 35
x2
28
5
x1
4
5
f1 = 44
28
; x3
5
0 i f max
Soluia bazic optim a primalei este: X
x1
4
; x2
5
44
Problema de optimizare dual are forma:

y1 3y 2
2y1
y2
3y1 4y 2 10
y1 , y 2
oarecare
g 12y1 8y 2
min im
Soluia bazic optim a dualei este: Y
y3
3; y2 1 ; gmin
44
fmax
Implementarea metodei simplex se face prin mai multe procedee:

1)
Program direct de calcul ntr-un limbaj de programare.

Exemplu: Programul OPTIMF (vezi Anexa 1 din lucrarea autorului [53] ) n unul din
limbajele GWBASIC,QBASIC, QUICKBASIC4.5(QB)
2)
Programe de firm specializate pe cercetri operaionale ca MS, QM, MSS,WINQSB.
3)
Produse informatice care lucreaz cu tabele de calcul precum EXCEL sau

QUATTRO.
4)
Produse informatice profilate pe calcul matricial precum MATLAB.

Programul OPTIMF poate fi rulat cu QUICKBASIC (lansat cu QB) precum i cu
versiunile mai vechi GWBASIC (lansat cu GWBASIC) i QBASIC (lansat cu QBASIC).

Datele necesare pentru programul OPTIMF sunt:
a)
Parametrii modelului liniar L, E, G, P, Z;
b)
Matricea A de tip M x P a coeficienilor din membrul I al restriciilor;
c)
Vectorul b de lungime M al membrului II din restricii;
d)
Vectorul c de lungime P al coeficienilor funciei-obiectiv;
[Type text]
Pag. 36
e)
(Opional) Dac exist i alte funcii, asemntoare cu funcia-obiectiv, trebuie

declarat numrul lor apoi se cer coeficienii acestor funcii; programul OPTIMF
calculeaz valorile acestor funcii auxiliare pentru soluia bazic optim a primalei.
Dac de exemplu funcia-obiectiv este venitul, funciile auxiliare pot fi cheltuielile,
profitul i rata profitului. n final soluia bazic optim pentru care venitul este maxim, va da
i cheltuielile, profitul i rata profitului aferente acestui optim.
Exemplu
S se rezolve
problema de programare liniar primal urmtoare cu programul
OPTIMF i cu SOLVER din EXCEL :

4x1+x2 5
3x1+2x2 =7
2x1+3x2 10
x1,x2 0
----------------------f = 6x1+3x2 = maxim
Funcia auxiliar fa = 5x1+8x2
Soluie
Problema dual are forma (vezi seciunea 2.2 exemplul 1):
4y1+3y2 +2y3 6
y1+2y2 +3y3 3
y1 0 ; y2 = oarecare ; y3 0
-----------------------------------g=5y1+7y2+10y3=minim
Prin indroducerea de variabile de egalizare , problemele primal i dual capt forma
standard (au numai restricii egaliti). Aceast operaie o face programul!
Aceste forme standard sunt :
Primala :
4x1+x2 +xe1= 5
3x1+2x2 +xe2=7
2x1+3x2 - xe3 = 10
x1,x2 , xe1 ,xe2 , xe3 0
----------------------f=6x1+3x2 +0.xe1+0.xe2 +0.xe3= maxim
[Type text]
Pag. 37
cu soluii de forma : X=( x1 , x2 ; xe1 , xe2 , xe3 ) din R5

Duala :
4y1+3y2 +2y3 ye1 = 6
y1+2y2 +3y3 ye2 = 3
y1 0 ; y2 = oarecare ; y3 0 ; ye1 , ye2 0
---------------------------------------------------g=5y1+7y2+10y3 +0.ye1+0.ye2=minim
cu soluii de forma Y=( ye1 , ye2 ; y1 , y2 , y3 ) din R5
Pentru computer este suficient s se dea elementele problemei primale sub forma
iniial (nestandard) i se calculeaz soluiile bazice optime primal X (0) i dual Y(0)
,ambele din R5 precum i valoarea comun a optimului : fmaxim = gminim .
1. Datele pentru programul OPTIMF au forma :
10 REM DATE DE INTRARE N PROGRAM
20 REM NUMRUL INECUAIILOR DE TIP este L
30 L=1
40 REM NUMRUL ECUAIILOR DE TIP = ESTE E
50 E=1
60 REM NUMRUL INECUAIILOR DE TIP ESTE G
70 G=1
80 REM NUMRUL VARIABILELOR PROPRII ESTE P
90 P=2
100 REM TIPUL FUNCIEI : MAXIM (Z=1) ; MINIM(Z= -1 )
110 Z=1
120 REM MATRICEA A , LINIE CU LINIE :
130 DATA 4,1,3,2,2,3
140 REM VECTORUL b :
150 DATA 5,7,10
160 REM VECTORUL c :
170 DATA 6,3
180 REM NUMRUL FUNCIILOR AUXILIARE ESTE NF
190 NF=1
200 REM COEFICIENII FUNCIILOR AUXILIARE ESTE NF
210 DATA 5,8
[Type text]
Pag. 38
Instruciunile cu comentariile REM nu trebuie tastate, fiind ignorate de program

i avnd rol explicativ pentru utilizator.
Dup execuia programului OPTIMF avem soluiile bazice optime cutate :
SOLUIA BAZIC OPTIM PRIMAL
SOLUIA BAZIC OPTIM DUAL
1) VPP(Variabile primale proprii)

x1 = 0.2
3) VDE(Variabile duale de egalizare )

ye1 = 0
x2 = 3.2
ye2 = 0
2) VDE(Variabile primale de egalizare)

Xe1 = 1
4) VDP(Variabile duale proprii)

y1 = 0
xe2 = 0
y2 = 2.4
xe3 = 0
y3 = - 0.6
fmax = gmin = 10.8
Valoarea funciei auxiliare este 26.6
2. Rezolvarea cu SOLVER din EXCEL:

Problema primal din enun se plaseaz n foaia EXCEL cu numele OPTIML:
A1
2 PROGRAM LINIAR(OPTIML)
3 SOLUIA
COEF. F-CIE - VALOAR
OPTIM
OB.
E F-CIE
f
X1
X2
C1
C2
0.2
3.2
7 X1
X2
f :
10.8
D1
D2
26.6
SEM
MEMBR N
MEMBRU
REST
DREPT :
STNG
RICI
E:
<
10
10
>
10
[Type text]
fa
-OB.
6 RESTRICII:
VALO
ARE
fa
COEF.
Pag. 39
FORMULE:
F5: =$B$5*$D$5+$C$5*$E$5
I5: =$B$5*$G$5+$C$5*$H$5
D8: =$B$5*$B$8+$C$5*$C$8
D9: =$B$5*$B$9+$C$5*$C$9
D10: =$B$5*$B$10+$C$5*$C$10
Se deschide meniul Tools (ALT T ) i se alege n fereastra TOOLS, opiunea SOLVER.
Apare feresatra Solver Parameters cu aspectul de mai jos:
n csua din dreapta opiunii Set Target Cell se scrie adresa absolut $F$5 n care se
gsescvalorile succesive ale funciei-obiectiv f a problemei primale, ultima valoare fiind cea
optim.
Sub aceast csu se face opiunea Max n butonul radio din stnga, deoarece
problema primal este de maxim .
n csua de sub opiunea By Changing Cells se dau adresele absolute $B$5 , $C$5 n
care se gsesc valorile succesive ale variabilelor x1 , x2, primele valori putnd fi luate egale cu
zero iar ultimele valori fiind cele optime.
Se activeaz opiunea Add care deschide fereastra Add Constraint n care se scriu
cele trei restricii ale problemei primale $D$8 <= $F$8 ; $D$9 = $F$9 ; $D$10 >= $F$10
dup cum urmeaz:
n fereastra Cell Reference se scrie membrul stng al restriciei, din lista ascuns se
alege semnul restriciei iar n fereastra Constraint se scrie membrul drept al restriciei.
[Type text]
Pag. 40
Dup terminarea scrierii fiecrei restricii, se activeaz opiunea Add pentru a

introduce restricia urmtoare.
Int
int
bin
Dup nchiderea cu OK a acstei ferestre , restriciile precedente apar n csua de sub
opiunea Subject to the Constraints din ferestra Solver Parameters de mai sus.
Dac ulterior dorim s modificm sau s tergem unele restricii, le selectm i
folosim opiunile Change sau Delete .
Activnd opiunea Solve din fereastra Solver Parameters, apare fereastra Solver
Results de mai jos:
n csua de sub opiunea Reports selectm opiunile Answer, Sensitivity i Limits

care vor ataa foii de calcul trei rapoarte cu rezultate: soluiile optime primal i dual,
valoarea optimului i intervalele pentru componentele vectorilor b i c care nu necesit
reoptimizare. Dealtfel variabilele primale proprii x1 i x2 ale soluiei bazice optime primale i
valoarea optim a funciei-obiectiv f apar i n foaia EXCEL iniial n celulele $B$5 , $C$5
respectiv $F$5.
n celula $I$5 apare i valoarea funciei auxiliare fa .
[Type text]
Pag. 41
Soluii optime pentru modelele din seciunea 1.1, gsite cu metoda simplex
Cifrele de mai jos sunt oferite de computer iar cuvintele sunt scrise de cel care
a alctuit modelul liniar de optimizare. Sgeile din tabele marcheaz componentele nebazice
nule pentru soluia bazic optim primal, respectiv componentele bazice nenule pentru
soluia bazic optim dual.
A. STRUCTURA CULTURILOR
Modelul -Venit maxim cu cheltuieli limitate din tabelul 3 are soluiile:
1)VPP(Suprafee cultivate)
3)VDE(Surplus de venit mil.lei/ha cultur)
x1=40 ha gru
ye1=0 lei surplus de venit/ha gru
x2=44.44 ha porumb
ye2=0 lei surplus de venit/ha porumb
x3=10 ha floarea soarelui
ye3=0 lei surplus de venit/ha floarea soarelui
x4=5.56 ha sfecl de zahr
ye4=0 lei surplus de venit/ha sfecl de zahr
2)VPE(Diferene ntre resursele
4)VDP(Venituri marginale)
consumate i limitele lor)

xe1=0 ha gru deficit
y1=100 lei cretere venit/al 41-lea ha gru
xe2=15.56 ha porumb deficit
y2=0 lei cretere venit/al 61-lea ha porumb
xe3=10 ha floarea soarelui deficit
y3=0 lei cretere venit/al 21-lea ha fl.soare
xe4=4.44 ha sfecl de zahr deficit
y4=0 lei cretere venit/al 11-lea ha sfecl
xe5=88.89 litri motorin neconsumai
y5=0 lei cretere venit/nc 1 litru motorin
xe6=1.78 lei necheltuii cu BBD
y6=0 lei cretere venit/nc 1 leu chelt. BBD
xe7=77.78 Kg NPK neconsumate
y7=0 lei cretere venit/nc 1 Kg NPK
xe8=0 lei necheltuii
y8=3.333 lei cretere venit/nc 1 leu chelt.
xe9=0 ha teren necultivate
y9= - 1700 lei cretere venit/nc 1 ha teren
xe10=10 ha gru surplus
xe11=4.44 ha porumb surplus
y11=0 lei cretere venit/al 41-lea porumb
xe12=0 ha floarea soarelui surplus

xe13=1.56 ha sfecl de zahr surplus
y12= - 400 lei cretere venit/al 11-lea ha floare soare

y13= 0 lei cretere venit/al 5-lea ha sfecl zahr
fmaxim = gminim = 136667 lei

Pentru soluiile optime de mai sus avem valorile optime V m=136667 lei=maxim;
Cm =92000 lei; Pm=44667 lei; RPm=0.485
[Type text]
Pag. 42
Structura n procente a venitului maxim fmaxim = 136667 lei este: s1 = (1200*40*100)/136667 =35.1 %
(contribuia grului ) ; s2 =(1500*44.44*100)/ 136667 = 48.8 % (contribuia porumbului);
s3 = (1200*10*100) / 13667 = 8.8 % (contribuia florii soarelui) ; s4 = (1800*5.56*100)/ 136667
= 7.3 % (contribuia sfeclei de zahr).
Indicatori economici ai modelului liniar:

I) Rata medie a profitului
RMP =0.485 mil. lei profit /1 mil.lei cheltuit
II) Rata marginal a profitului RDP = y11 1 =2.333 lei cretere de profit/1 lei cretere de cheltuieli.
III) Elasticitatea ratei profitului ERP = RDP / RMP = 4.8 % cretere de profit/1% cretere de
cheltuieli.
Modelul - Cheltuieli minime cu venit garantat din tabelul 4 are soluiile:
1)VPP(Suprafee cultivate)
3)VDE(Deficit de chelt.mil.lei/ha cultur)
x1=40 ha gru
ye1=0 lei deficit de chelt./ha gru
x2=45 ha porumb
ye2=0 lei deficit de chelt./ha porumb
x3=10 ha floarea soarelui
ye3=0 lei deficit de chelt./ha floarea soarelui
x4=5 ha sfecl de zahr
ye4=0 lei deficit de chelt./ha sfecl de zahr
4)VDP(Cheltuieli marginale)

y1= - 30 lei cretere chelt./al 41-lea ha gru
xe2=15 ha porumb deficit
y2=0 lei cretere chelt./al 61-lea ha porumb
xe3=10 ha floarea soarelui deficit
y3=0 lei cretere chelt./al 21-lea ha fl.soare
xe4=5 ha sfecl de zahr deficit
y4=0 lei cretere chelt./al 11-lea ha sfecl
xe5=100 litri motorin neconsumai
y5=0 lei cretere chelt./nc 1 litru motorin
xe6=200 lei necheltuii cu BBD
y6=0 lei cretere chelt./nc 1 leu chelt. Cu BBD
xe7=200 Kg NPK neconsumate
y7=0 lei cretere chelt./nc 1 Kg NPK
y8=510 lei cretere chelt./nc 1 ha teren
xe9=0 lei surplus de venit
y9=0.3 lei cretere chelt./nc 1 leu venit
y10=0 lei cretere chelt./al 31-lea ha gru
xe11=5 ha porumb surplus
y11=0 lei cretere chelt./al 41-lea porumb
xe12=0 ha floarea soarelui surplus

[Type text]
y12=120 lei cretere chelt./al 11-lea ha floare soare

Pag. 43
xe13=1 ha sfecl de zahr surplus
y13= 0 lei cretere chelt./al 5-lea ha sfecl zahr
fminim = gmaxim =91950 lei

Pentru soluiile optime de mai sus avem valorile optime V m=136500 lei ;Cm =91950
lei=minim; Pm= 44550 lei; RPm=0.326
Structura n procente a cheltuielilor minime fminim = 91950 lei este: s1 = 36.5 % (contribuia
grului); s2 = 47 % (contribuia porumbului); s3 = 10.8 % (contribuia florii soarelui); s4 = 5.7
% (contribuia sfeclei de zahr).

RMP =0.326 mil. lei profit /1 mil.lei cheltuit
II) Rata marginal a profitului RDP = (1 / y9 1) =2.333 lei cretere de profit/1 lei cretere de
cheltuieli
III) Elasticitatea ratei profitului ERP = RDP / RMP = 7.2% cretere de profit/1% cretere de
cheltuieli.
B. RAIA FURAJER
Modelul -Cheltuieli minime din tabelul 5 are soluiile:
SOLUIA BAZIC OPTIM PRIMAL SOLUIA BAZIC OPTIM DUAL
1)VPP(Cantiti de furaje n raie)
3)VDE(Deficit de cheltuieli lei/Kg furaj)
x1=10 Kg fn lucern
ye1=0 lei deficit de cheltuieli /Kg fn
x2=15 Kg porumb siloz
ye2=0 lei deficit de cheltuieli /Kg porumb
x3=10 Kg sfecl furajer
ye3=0 lei deficit de cheltuieli /Kg sfecl
x4=2.53 Kg tre gru
ye4=0 lei deficit de cheltuieli /Kg tre

xe1=5 Kg fn deficit
y1=0 lei cretere chelt./al 16-lea Kg fn
xe2=10 Kg porumb deficit
y2=0 lei cretere chelt./al 26-lea Kg porumb
xe3=5 Kg sfecl deficit
y3=0 lei cretere chelt./al 16-lea Kg sfecl
xe4=0.47 Kg tre deficit
y4=0 lei cretere chelt./al 4-lea Kg tre
xe5=2.47 Kg furaj deficit
y5= 0 lei cretere chelt./al 41-lea Kg furaj
[Type text]
Pag. 44
y6=0 lei cretere chelt./nc 1 Kg SU
xe6=0.43 Kg SU surplus
xe7=0 UN surplus
y7=0.78 lei cretere chelt./nc 1 UN

y8=0 lei cretere chelt./nc 1 g PD
xe8=708.5 g PD surplus
xe9=0 kg fn surplus
y9=0.15 lei cretere venit/al 11-lea Kg fn
xe10=0 Kg porumb surplus
y10=0.01lei cretere chelt./al 16-lea Kg porumb
xe11=0 Kg sfecl surplus
y11=0.09 lei cretere chelt./al 11-lea Kg sfecl
xe12=1.53 Kg tre surplus
y12= 0 lei cretere chelt./al 2-lea Kg tre

fminim = gmaxim = 11.52 lei
Structura n procente a cheltuielilor minime fminim = 11.52 lei este : s1 = 45.2% (contribuia
fnului); s2 = 26% (contribuia porumbului); s3 = 15.6% (contribuia sfeclei); s4 = 13.2 %
(contribuia trelor).
C. ROTAIA CULTURILOR
Modelul - Venit maxim cu cheltuieli limitate din tabelul 5 are soluiile:
1)VPP(Suprafee cultivate cu
3)VDE(Surplus de venit mil.lei/ha cultur)
succesoare dup premergtoare)

x1=45 ha porumb dup gru
ye1=0 lei surplus de venit/ha P dup G
x2=0 ha sfecl zahr dup gru
ye2=400 lei surplus de venit/ha SZ dup G
x3=35 ha gru dup porumb
ye3=0 lei surplus de venit/ha G dup P
x4=15 ha sfecl de zahr dup porumb
ye4=0 lei surplus de venit/ha SZ dup P
x5=0 ha gru dup soia
ye5=0 lei surplus de venit/ha G dup S
x6=5 ha porumb dup soia
ye6=0 lei surplus de venit/ha P dup S
x7=0 ha sfecl zahr dup soia
ye7=0 lei surplus de venit/ha SZ dup S
[Type text]
Pag. 45

xe3= 0 ha sfecl de zahr deficit
y3=250 lei cretere venit/al 16-lea ha sfecl zahr
y4= 1.5 lei cretere venit/nc un mil.lei chelt.
y5= 250 lei cretere venit/al 101-lea ha teren
xe6=0 ha gru premerg.necultivate
y6= - 250 lei cretere venit/al 46-lea ha G premerg.
xe7=0 ha porumb premerg.necultivate
y7= - 250 lei cretere venit/al 51-lea ha P premerg.
xe8=0 ha soia premerg.necultivate
y8= 0 lei cretere venit/al 6-lea ha S premerg.
y9=0 mil.lei cretere venit/al 31-lea ha gru
xe11=11 ha sfecl zahr surplus
y11= 0 lei cretere venit/al 5-lea ha sfecl zah.
fmaxim = gminim = 146000 lei
Prescurtri : G=gru;P=porumb;S=soia;SZ=sfecl de zahr

Pentru soluiile optime de mai sus avem valorile optime V m=146000 lei=maxim; Cm =94000 lei;
Pm=52000 lei; RP m=0.553
Structura n procente a venitului maxim fmaxim = 146000 lei este : s1 = 46.2% (contribuia
porumbului dup gru); s3 = 28.8% (contribuia grului dup porumb) ; s4 = 19.5% (contribuia
sfeclei de zahr dup porumb); s6 = 5.5% (contribuia porumbului dup soia).

RMP =0.553 lei profit/1 leu cheltuit
II) Rata marginal a profitului RDP = y4 1 =0.5 lei cretere de profit/1 leu cretere de cheltuieli
III) Elasticitatea ratei profitului ERP = RDP / RMP = 0.9 % cretere de profit/1 % cretere de
cheltuieli.
Modelul - Cheltuieli minime cu venit garantat din tabelul 6 are soluiile:
1)VPP(Suprafee cultivate cu
3)VDE(Deficit de chelt. mil.lei/ha cultur)
succesoare dup premergtoare)

x1=45 ha porumb dup gru
[Type text]
ye1=0 lei deficit de chelt./ha P dup G

Pag. 46
x2=0 ha sfecl zahr dup gru
ye2=71.43 lei deficit de chelt./ha SZ dup G
x3=41.43 ha gru dup porumb
ye3=0 lei deficit de chelt./ha G dup P
x4=8.57 ha sfecl zahr dup porumb
ye4=0 lei deficit de chelt./ha SZ dup P
x5=5 ha gru dup soia
ye5=0 lei deficit de chelt./ha G dup S
x6=0 ha porumb dup soia
ye6=71.43 lei deficit de chelt./ha P dup S
x7=0 ha sfecl zahr dup soia

ye7=0 lei deficit de chelt./ha SZ dup S


xe1=3.57 ha gru deficit
y1=0 lei cretere chelt./al 51-lea ha gru
y2=0 lei cretere chelt./al 61-lea ha porumb
xe3=6.43 ha sfecl de zahr deficit
y3=0 lei cretere chelt./al 16-lea ha sfecl zahr
xe4=0 ha necultivate
y4= 0 lei cretere chelt./al 101-lea ha teren
xe5=0 ha gru premerg.necultivate
y5= 357.14 lei cretere chelt./al 46-lea ha G premerg.
xe6=0 ha porumb premerg.necultivate
y6= 285.71 lei cretere chelt./al 51-lea ha P premerg.
xe7=0 ha soia premerg.necultivate
y7= 142.86 lei cretere chelt./al 6-lea ha S premerg.
xe8=0 lei venit surplus
y8= 0.43 lei cretere chelt./nc un mil.venit
xe9=16.43 ha gru surplus
xe11=4.57 ha sfecl zahr surplus
y11= 0 lei cretere venit/al 5-lea ha sfecl zah.
fminim = gmaxim = 91071.43 lei
Prescurtri : G=gru; P=porumb; S=soia; SZ=sfecl de zahr

Pentru soluiile optime de mai sus avem valorile optime V m=140000 lei; Cm=91071.43 lei =min;
Pm=48928.57 lei; RP m=0.537
Structura n procente a cheltuielilor minime
fminim = 91071.43
lei este : s1 = 49.4 %
(contribuia porumbului dup gru); s3 = 36.4% (contribuia grului dup porumb); s4 =

10.4% (contribuia sfeclei de zahr dup porumb); s5 = 3.8% (contribuia grului dup soia).
Indicatori economici ai modelului liniar VI :
[Type text]
RMP =0.351 lei profit /1 leu cheltuit
Pag. 47
II) Rata marginal a profitului RDP =(1/y8 ) 1 =1.331 lei cretere de profit/1 leu cretere de
cheltuieli
III) Elasticitatea ratei profitului ERP = RDP / RMP = 3.8 % cretere de profit/1 % cretere de
cheltuieli.
TEMA 1.4. MODELE DE OPTIMIZARE DE TIP TRANSPORT

I DE REPARTIIE (ASSIGNEMENT)
De la furnizorii F1,,Fm la beneficiarii B1,,Bn trebuie transportate produse; fie cij
cheltuielile/veniturile pe unitatea de produse (ton ,bucat) cnd acestea se repartizeaz de la
Fi la Bj. De exemplu n cazul transportului, cheltuielile cij (lei / ton) se obin nmulind
costul unic (lei/ton.Km) cu distana (Km) de la Fi la Bj. Din aceast cauz asemenea modele
se numesc modele tip transport.
Fie a1,,am ofertele n tone ale furnizorilor F1,,Fm i b1,,bn cererile n tone ale
beneficiarilor B1,,Bn .
Presupunem c modelul tip transport este echilibrat adic oferta total este egal cu
cererea total
OT = a1++am = b1++bn = CT
Datele se arajeaz n tabelul:
F /B
B1
F1
c11
. Bn
Oferte
c1n
a1
Fn
cm1 .
Cereri
b1
..
.
.
.
.
. cmn
am
. bn
CT=OT
Fie xij cantitatea de produse (tone) care se va repartiza de la F i la Bj.

Problema de optimizare tip transport are forma:
x11+x1n = a1
..
xm1+xmn = am
..
[Type text]
Pag. 48
x11+xm1 = b1
..
x1n+xmn = bn
xij 0
Problemele de optimizare tip transport pot fi rezolvate cu metoda simplex prin
transformarea matricii coeficienilor C=(cij) de tip mxn n irul (c11,,c1n,,cm1,,cmn) de
lungime m.n i a matricii necunoscutelor X=(xij) de tip mxn n irul (x11,,x1n,,xm1,,xmn)
de lungime m.n.
Ele pot fi rezolvate i printr-o metod matricial numit metoda potenialelor .
Problemele tip transport au totdeauna soluie bazic iniial cu m+n 1 componente
xij nenule, care poate fi gsit prin diverse metode: csua (i,j) de Nord-Vest, csua (i, j) de
cost optim pe linii sau pe coloane sau pe ansamblul tabelului.
Modelul tip transport dual are forma :
ui+ vj () cij (1 i m 1 j n )
ui ,vj =oarecare
---------------------------------------------g= (a1u1+amum)+(b1v1++bnvn) = minim(maxim)
Dac avem gminim atunci n restricii punem semnul iar dac avem g maxim atunci n
restricii punem semnul .
ui (lei / ton) reprezint cota-parte din cij (lei/ton ) care revine lui Fi iar vj (lei/ton)
reprezint cota-parte din cij (lei/ton) care revine lui Bj.
Funcia-obiectiv dual g reprezint n lei suma cotelor - pri ce revin tuturor
furnizorilor i beneficiarilor pentru ofertele respectiv cererile acestora.
Problemele neechilibrate (cu OT CT ) trebuie echilibrate astfel:
a) Dac OT = a1++am > b1++bn = CT , introducem un beneficiar fictiv Bn+1* cu
coeficienii c1,n+1 = = cm,n+1 = 0 i cu cererea OT - CT
b) Dac OT = a1++am < b1++bn = CT , introducem un furnizor fictiv Fm+1* cu
coeficienii cm+1,1 = = cm+1,n = 0 i cu oferta CT OT.
Exemple
1) Fie problema de maxim cu doi furnizori i doi beneficiari :
[Type text]
F \ B
B1
B2
Oferte
F1
14
Pag. 49
F2
9
OT=23
Cereri
10
CT=18
Deoarece OT=23 tone > 18 tone= CT, introducem un beneficiar fictiv B3* cu cererea b3* =
OT CT = 5 tone i cu c13=c23 =0 iar problema devine echilibrat.
F \ B
B1
B2
B3*
Oferte
F1
14
F2
Cereri
10
23
Transformm acest tabel pentru a aplica metoda simplex :

F
F1
B
Restric.
F2
B1
B2
B3*
B1
B2
B3*
x1
x2
x3
x4
x5
x6
Semn
Limite
F1
14
F2
B1
10
B2
B3*
MAXIM
Dup rezolvare avem:

Soluie bazic optim primal
Soluie bazic optim dual
I)VPP(cantiti transportate)
III) VDP(Surplus de venit / ton)
X1=1 ton de la F1 la B1
ye1=0 surplus de venit / ton de la F1 la B1
x2=8 tone de la F1 la B2
x3*=5 tone rmn la F1
ye3=0 surplus de venit / ton de la F1 la B3*
x5 =0 tone de la F2 la B2
[Type text]
Pag. 50
x6=0 tone rmn la F2
ye6=3 surplus de venit / ton de la F2 la B3*
II) VPE(Diferene ntre cantitile
IV)VDP(Venituri marginale)
Transportate i limite)
xe1=0 tone de la F1
y1=u1=0 cretere venit/ nc 1 t de la F1
xe2=0 tone de la F2
xe3=0 tone la B1
y3=v1=2 cretere venit/ nc 1 t la B1
xe4=0 tone la B2

y5=v3*=0 cretere venit/ nc 1 t la B3*
xe5=0 tone la B3*
fmaxim = gminim = 71 uniti bneti

2) Fie problema de minim cu doi furnizori i doi beneficiari:
F \ B
B1
B2
Oferte
F1
10
F2
12
OT=22
Cereri
15
CT=23
Deoarece OT=22 tone < 23 tone= CT ,introducem un furnizor fictiv F3* cu oferta a3* = CT
OT = 1 ton i cu c31=c32 =0 iar problema devine echilibrat.
F \ B
B1
B2
Oferte
F1
10
F2
12
F3*
15
23
Cereri
Transformm acest tabel pentru a aplica metoda simplex:

F
B
[Type text]
F1
B1
F2
B2
B1
F3*
B2
B1
Semn
Limite
B2
Pag. 51
Restric.
x1
x2
x3
x4
x5*
x6*
F1
10
F2
12
F3*
B1
15
B2
MINIM
Dup rezolvare cu metoda simplex avem:

Soluie bazic optim primal
Soluie bazic optim dual
I)VPP(cantiti transportate)
III) VDP(Deficit de venit / ton)
ye1=0 deficit de venit / ton de la F1 la B1
x5* =1 ton nu ajunge la B1

ye5*=0 deficit de venit / ton de la F3* la B1
x6*=0 tone nu ajung la B2
ye6*=4 deficit de venit / ton de la F3* la B2
II) VPE(Diferene ntre cantit.
IV)VDP(Venituri marginale)
Transportate i limite)
xe1=0 tone de la F1
xe2=0 tone de la F2
xe3=0 tone de la F3*
y3=u3*=4 cretere venit/ nc 1 t la F3*
xe4=0 tone la B1
xe5=0 tone la B2

fminim = gmaxim = 66 uniti bneti
Probleme de repartiie (assignment)

Aceste probleme sunt de tip transport n care F1,,Fm sunt solicitani de slujbe iar B1,,Bn
sunt angajatorii. Coeficienii c ij sunt valori economice ale solicitantului Fi la angajatorul Bj.
[Type text]
Pag. 52
xij sunt variabile bivalente: xij =1 dac Fi este angajat de Bj i 0 n caz contrar. n plus
a1==am=1 i b1=bn=1
Exemplu
Fie problema de repartiie de maxim a trei solicitani Fi pentru dou posturi Bj pe care o
echilibrm:
F \ B
B1
B2
B3 *
Oferte
F1
30
10
F2
40
60
F3
50
50
Cereri
Transformm problema pentru a aplica metoda simplex i o rezolvm ca problem de

optimizare cu neconoscute bivalente(0 sau 1):
F
B
F1
F2
F3
Semn Limite
B1
B2
B3*
B1
B2
B3*
B1
B2
B3*
Restricii
x1
x2
x3
x4
x5
x6
x7
x8
x9
F1
F2
F3
B1
B2
B3*
30
10
40
60
50
50
MAXIM
Soluia optim bivalent este:

x1= 0; x2= 0 ; x3= 1 ; x4= 0; x5= 1; x6= 0 ; x7= 1; x8= 0; x9= 0 cu fmaxim = 11. Rezult c F1
nu va fi angajat, F2 va fi angajat de B2 iar F3 va fi angajat de B1 .
[Type text]
Pag. 53
TEMA 1.5. EALONAREA OPTIM A ACTIVITILOR

UNUI PROIECT AGRICOL PRIN METODA DRUMULUI CRITIC
Proiectul unui sistem agricol este un complex de activiti cu anumite durate. Din
punct de vedere al ealonrii n timp, activitile proiectului se mpart n simultane sau
consecutive.
Scopul ealonrii optime a activitilor proiectului agricol este minimizarea timpului
total de execuie a proiectului. Pentru aceasta ntregul proiect se reprezint printr-o reea
astfel:
Vrfurile reelei sunt stadii de execuie ale proiectului (v1 este stadiul iniial iar vn este stadiul
final) iar arcele care le unesc, sunt activitile proiectului cu duratele lor nscrise pe arce.
Un drum de lungime maxim ntre vrful iniial v1 i vrful final vn , se numete drum
critic. Conform teoremei de dualitate timpul total minim de execuie a proiectului este egal cu
lungimea maxim a drumului critic.
Activitile de pe drumul critic se vor numi activiti critice deoarece ele trebuie
executate una dup alta fr pauze,pentru a menine timpul total de execuie a proiectului la
valoarea sa minim. Activitile din afara drumului critic se numesc activiti mecritice, ele
avnd rezerve de timp fr afectarea valorii minime a timpului total de execuie a proiectului.
n concluzie, drumul critic reprezint coloana vertebral a proiectului agricol. Duratele
activitilor se calculeaz dup normele de deviz astfel: durata t ij a unei activiti care pleac
din stadiul vi i sosete n stadiul vj, este:
tij = ( Volumul activitii n zile-om sau ore-agregat) / (numrul de muncitori sau utilaje x
norma unui muncitor sau utilaj). Varianta determinist a drumului critic se numete CPM
(Critical Path Method) i folosete duratele constante t ij ale activitilor calculate ca mai sus.
Pentru gsirea drumului critic, procedm astfel:
Pentru fiecare vrf vi al reelei se calculeaz intervalul su de fluctuaie [ ti ; ti* ].
Mrimea ti reprezint intervalul de timp minim de la nceperea execuiei proiectului
pn se ajunge n stadiul vi de execuie a proiectului , adic pn se execut toate activitile
pe toate drumurile din reea care pleac din v1 i sosesc n vi. Mrimea ti* reprezint intervalul
de timp maxim de la nceperea execuiei proiectului pn se ajunge n stadiul vi de execuie a
proiectului, astfel ca timpul total de execuie a proiectului s rmn la nivelul su minim.
Mrimile ti se calculeaz de la v1 la vn astfel:
t1 = 0 iar pentru situaia:
[Type text]
Pag. 54
vi
vj
o-------------------------o
ti
tij
tj
dac s-a calculat ti, avem tj = maxim (ti + tij ) pentru toate arcele care sosesc n vrful vj.
Arcele care dau acest maxim ,se marcheaz cu o liniu. Mrimile ti* se calculeaz de la vn
la v1 astfel : tn* = tn iar pentru situaia :
vi
vj
o-------------------------o
ti*
tij
tj*
dac s-a calculat tj , avem ti* = minim (tj - tij ) pentru toate arcele care pleac din vrful vi.
Arcele care dau acest minim, se marcheaz cu o liniu.
Drumul de la v1 la vn cu dublu marcaj pe toate arcele sale, va fi drumul critic. Pe
acest drum pentru toate vrfurile sale vi avem ti = ti* ceace justific denumirea de activiti
critice dat activitilor de pe drumul critic. Drumul critic conine n mod obligatoriu vrfurile
v1, vn i doar o parte din vrfurile intermediare v2,,vn-1. Activitile necritice au urmtoarele
rezerve de timp:
Rezerva total Rt (vi , vj ) = tj* - ti - tij desemneaz situaia c am ajuns cel mai devreme n
stadiul vi i vrem s ajungem cel mai trziu n stadiul vj.
Rezerva liber Rl (vi , vj ) = tj - ti - tij desemneaz situaia c am ajuns cel mai devreme n
stadiul vi i vrem s ajungem cel mai devreme n stadiul vj.
Rezerva intermediar Ri(vi , vj ) = tj* ti* - tij desemneaz situaia c am ajuns cel mai trziu
n stadiul vi i vrem s ajungem cel mai trziu n stadiul vj.
Rezerva sigur Rs(vi , vj ) = tj ti* - tij desemneaz situaia c am ajuns cel mai trziu n
stadiul vi i vrem s ajungem cel mai devreme n stadiul vj.
Evident avem Rt Rl Rs i Rt Ri Rs. Pentru activiti critice avem t i = ti* i tj =
tj* aa c Rt =Rl = Ri = Rs = 0 ceace n cuvinte nseamn c activitile critice nu au niciun fel
de rezerve de timp, executndu-se una dup alta fr pauze. Rezerva de timp intermediar Ri a
unei activiti necritice , poate fi folosit pentru eliminarea timpilor mori ai forei de munc
i utilajelor. Astfel prelungirea duratei t ij ai unei activiti necritice cu rezerva sa intermediar
Ri (vi , vj ) permite degrevarea de la aceast activitate a unui procent egal cu Ri (vi , vj ) / ( tij +
Ri (vi , vj ) ) din fora de munc i utilajele repartizate iniial activitii necritice de la vi la vj.
n acest caz graful proiectului trebuie reexaminat cci pot apare noi drumuri critice.
[Type text]
Pag. 55
n proiecte complexe, acestea se mpart n subproiecte mai simple P i cu grafuri proprii

i care au durate de execuie minime Ti gsite cu metoda drumului critic ca mai sus. n graful
coordonator al proiectului complex, subproiectul Pi devine o activitate cu durata Ti. Din graful
coordonator se determin cu metoda drumului critic durata total minim T de execuie a
proiectului complex. Metoda PERT se aplic atunci cnd durata t ij a unei activiti nu mai este
constant ci este cuprins ntr-un interval: aij tij bij. Mrimea aij se numete durata
optimist iar bij se numete durata pesimist a activitii respective. Aceste durate aij i bij se
stabilesc n raport de starea forei de munc i a utilajelor, de aprovizionarea cu materii prime,
materiale i combustibil necesare pentru execuia activitii respective.
Valoarea medie a duratei t ij este dat de relaia: tmij =(aij+4.tij+bij) / 6 iar abatereastandard a lui t ij este: sij = ( bij aij ) / 6.
Conform teoremei limit-central, suma T a unui numr mare de variabile aleatoare
independente tij cu mediile tmij i abaterile-standard sij este o variabil aleatoare normal cu
media TMmin = tmij i abaterea standard ST = ( sij2 )1/2 (n aceste sume se includ doar
activitile critice). (T TMmin ) / ST este variabil N( 0 , 1 ) deci:
(1)
P ( T < Tcontract ) = F ( ( Tcontract - TMmin ) / ST ) = 1 -

Dac se d Tcontract , din relaia (1) se poate afla probabilitatea de a nu-l depi. Din
relaia (1) rezult:

(2)
Tcontract = TMmin + u .sT
deci se poate calcula Tcontract care poate fi respectat cu probabilitatea 1 i depit cu riscul
.
Pentru = 5% avem u0.05 = 1.65 ; pentru = 1% avem u0.01 = 2.33 iar pentru =
0.1% avem u0.001 = 3.08. Varianta determinist CPM se poate obine din varianta aleatoare
PERT pentru aij = tij = bij deci tmij = tij i sij = 0 .
Programele specializate QM ,MSS,WINQSB calculeaz drumul critic pentru ambele
variante CPM i PERT. Programul DCRITIC elaborat de autori, calculeaz dumul critic dup
metoda de mai sus, fiind necesare datele:
a) Numrul n de vrfuri;
b) Numrul maxim p de arce care unesc direct dou vrfuri vi i vj ale reelei.
c) Semimatricea cu cele p durate ale activitilor care unesc vrful v i cu toate vrfurile vj
(j>i) pentru i=1,,n-1
[Type text]
Pag. 56
Programul livreaz un tabel cu intervalele de fluctuaie ale vrfurilor vi, un tabel
cu
activitile critice i necritice ale proiectului i un tabel cu rezervele de timp Rt, Rl, Rs ale
activitilor necritice.
Exemplu
Fie proiectul agricol al campaniei de recoltare orz-gru care conine activitile cu
durate din tabelul de mai jos. Calculm duratele medii
tmij i abaterile-standard sij cu
formulele de mai sus. Se cere drumul critic , durata minim T min pentru varianta CPM
respectiv T contract cu ncrederea 95% pentru varianta PERT i rezervele de timp ale activitilor
necritice.
Soluie
Avem tabloul cu activiti ale proiectului:
Cod
Denumire activitate
Activit.
Activit
a ij tij
bij
tmij
sij
Anter.
Recoltat orz
0.33
Transport boabe orz
3.83
0.17
Balotat paie orz
5.83
0.17
Transport baloi paie orz
Construit ir paie orz
5.33
0.67
Arat i grpat dup orz
5.5
0.5
Recoltat gru
0.33
Transport paie gru
Balotat paie gru
7.67
0.33
Transport baloi paie gru
Construit ir paie gru
5.33
0.67
Condiionat orz-gru smn
Treierat orz-gru staionar
Arat i grpat dup gru
5.83
0.17
Pregtit terenul pentru porumb mas verde
F,N
nsmnat porumb mas verde
1) Lucrm n varianta CPM cu duratele constante t ij ale activitilor.

Mai nti construim graful proiectului pe baza coloanei cu activiti anterioare din tabelul anterior.
[Type text]
Pag. 57
Pe baza grafului precizm datele pentru programul DCRITIC:

a) n= 10 vrfuri;
b) p=2 arce = numrul maxim de arce care unesc direct dou vrfuri oarecare
c) Semimatricea cu duratele de la fiecare vrf vi la vrfurile vj care urmeaz
dup el (j>i).
v1
v2
v3
v4
v5
v6
v7
v8
v9
v10
5,0,
0,0,
0,0,
0,0,
0,0,
0,0,
0,0,
0,0,
0,0
4,6,
0,0,
0,0,
0,0,
0,0,
0,0,
0,0,
0,0
3,0,
0,0,
0,0,
0,0,
0,0,
0,0,
0,0
8,0,
0,0,
0,0,
5,0,
0,0,
5,0
6,8,
0,0,
0,0,
0,0,
0,0
4,0,
0,0,
0,0,
4,3
6,0,
0,0,
5,0
2,0,
0,0
v2
v3
v4
v5
v6
v7
v8
v9
3,0
n tabelul care urmeaz se calculeaz intervalele de fluctuaie ale vrfurilor v1 v10:

Vrf
ti
Arc marcat
ti*
Arc marcat
vI
v1
v2
0+5=5
v3
max(5+4;5+6)=11
[Type text]
5 5 =0
Min(11-4;11-6)=5
14-3 = 11
A
C
D
Pag. 58
v4
11+3=14
Min(22-8;40-5;45-5)=14
v5
14+8=22
Min(30+6;30+8)=22
v6
max(22+6;22+8)=30
Min(45-4;45-3;34-4)=30
v7
30+4=34
Min(45-5;40-6)=34
v8
max(34+6;14+5)=40
42-2=40
v9
40+2=42
45-3=42
45
v10
max(30+4;30+5;34+5;
42+3;14+5)=45
Urmeaz tabelul cu activiti critice i necritice:

Cod
ACTIVITATE
NCEPUT
SFRIT
Activit. PLECARE SOSIRE RUTA Iminim Imaxim Sminim
Stare Critic
Smaxim
v1
v2
Critic
v2
v3
11
v2
v3
11
11
Critic
v3
v4
11
11
14
14
Critic
v4
v10
14
40
19
45
v4
v8
14
35
19
40
v4
v5
14
14
22
22
Critic
v5
v6
22
24
28
30
v5
v6
22
22
30
30
Critic
v6
v7
30
30
34
34
Critic
v7
v10
34
40
39
45
v6
v10
30
41
34
45
M v6
v10
30
42
33
45
v7
v8
34
34
40
40
Critic
v8
v9
40
40
42
42
Critic
v9
v10
42
42
45
45
Critic
[Type text]
Pag. 59
Drumul critic este v1 A v2 C v3 D v4 G v5 I v6 J v7 N v8 O v9 P v10 cu lungimea maxim de

45 zile egal cu durata minim a proiectului agricol. n tabelul urmtor avem rezervele de
timp ale activitilor necritice.
Cod
ACTIVITATE
A PLECARE SOSIRE
Rt
Rl
Ri
RsRs
tij +Ri
RUTA
ctivit.
B
v2
v3
v4
v10
26
26
26
26
31
v4
v8
21
21
21
21
26
v5
v6
v7
v10
11
v6
v10
11
11
11
11
15
v6
v10
12
12
12
12
15
Dac f este volumul forei de munc pentru durata t ij iar f* este volumul forei de munc
pentru durata tij + Ri , avem tij.f = (tij + Ri ). f* deci f* / f = tij / (tij + Ri ).
2)Lucrm n varianta PERT cu duratele medii tmij i cu abaterile-standard sij ale activitilor.
Graful proiectului este acelai dar duratele arcelor au valorile tmij .
Drumul critic este acelai dar cu lungimea minim TM min
Avem s T
sT
0.332
44.33 zile .
sij2 pentru activiti critice deci :

0.17 2
02
0.332
aa c pentru =5% avem u 0.05

44.33 1.65 0.62
0.332
02
1.65 deci Tcontract
0.17 2
02
TM min
02
0.62 zile
u 0.05 sT
45.33 zile cu o ncredere de 95%.
n final avem graficul calendaristic n care activitile critice sunt ncercuite .
[Type text]
Pag. 60
Problema minimizrii timpului total de execuie a unui proiect agricol se poate formula
direct ca problem de programare liniar.
Exemplu
Pentru proiectul agricol al campaniei de recoltare orz-gru de mai sus, avem macheta
modelului liniar:
Vrfuri
V1
V2
V3
V4
V5
V6
V7
V8
V9
V10
Se
Lim
x1
x2
x3
x4
x5
x6
x7
x8
x9
x10
mn
ite
Activit
(zile
)
A
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
MINIM
Timp
exec.
[Type text]
Pag. 61
Variabila xi (i = 1,,10) reprezint timpul maxim scurs de la data nceperii proiectului

pn se ajunge n stadiul V i, n presupunerea c s-au efectuat toate activitile de pe toate
drumurile care sosesc n Vi. Restriciile referitoare la activitile A P ale proiectului
specifiv faptul c pentru orice activitate care pleac din V i i ajunge n Vj ( i,j =1,,10 , i <
j ) i care are durata t i j ,aceast durat trebuie respectat deci avem restricia xj
adic - xi + xj
xi + ti j
ti j . Funcia-obiectiv a modelului este durata total de execuie a proiectului f
= x10 x1 = minim. Modelul dual are necunoscutele proprii y1 ,, y16 cu semnificaia : yi = 1

dac activitatea corespunztoare este critic i yi = 1 n caz contrar .
Modelul dual are restriciile pe coloanele machetei de mai sus , toate fiind egaliti iar funciaobiectiv dual g are coeficienii pe ultima coloan cu limite a machetei precedente i se caut
gmaxim adic drumul critic cu lungimea maxim de la V1 la V10 . De altfel un asemenea model
ca cel dual , a fost formulat n seciunea 2.4 pentru gsirea drumului de lungime maxim ntro reea. Soluia optim a modelului primal de mai sus este : x1 = 0 ; x2 = 5 ; x3 = 11 ; x4 = 14 ;
x5 = 22 ; x6 = 30 ; x7 = 34 ; x8 = 40 ; x9 = 42 ; x10 = 45 adic chiar valorile t *i (i = 1,,10)
gsite mai sus . Variabilele de egalizare primale xe1 , , xe16
sunt chiar rezervele
intermediare Ri ale celor 16 activiti A-P ale proiectului , care au fost calculate mai sus n
tabelul cu rezerve de timp ale activitilor necritice. Avem fminim = 45 zile . Soluia optim a
modelului dual este : y1= y3 = y4 = y7 = y9 = y10 = y14 = y15 = y16 = 1 , iar restul de variabile
duale sunt nule . Variabilele duale nenule corespund activitilor critice A,C,D,G,I,J,N,O,P
gsite mai sus iar lungimea maxim a drumului critic este gmaxim = 45.
TEST DE EVALUARE
1. Care sunt prile componente ale unui model liniar de optimizare a produciei agricole ?
2. Cum se formuleaz dualul unui model liniar de optimizare ?
3. n ce const metoda de optimizare simplex ?
4. Ce este drumul critic ntr-o reea ?
[Type text]
Pag. 62
2. MODELE NELINIARE DE ALOCARE OPTIM A

RESURSELOR N AGRICULTUR
Uniti de nvaare:
Modele neliniare de alocare optima a resurselor n agricultur
Optim marginal, de echilibru, economic, tehnic, maxim de venit cu cheltuieli limitate
minim de cheltuieli cu venit garantat, rate ale substituirii factorilor, rate de
valorificare a unui factor prin produse diferite.
Obiectivele temei:
- nsuirea de ctre studeni a metodelor de optimizare a consumului de resurse n agricultur
- elaborarea/rezolvarea modelelor de optimizare cu restricii liniare i funcie-obiectiv ptratic
- Timpul alocat temei: 10 ore
1. Stnil O. Analiz liniar i geometrie Vol. I - II,Editura ALL ,2000 - 2001
2. Cenu Gh. i col. Matematici pentru economiti Editura CISON,2000
3. Cenu Gh. i col. Matematici pentru economiti culegere de probleme Editura CISON,2000
4. Ene D. Matematici (I) Editura CERES , 2004
5. Gogonea S. , Ene D. Analiz numeric Editura Cartea Universitar , 2005
6. Ene D.,Gogonea S. Metode numerice Editura Cartea Universitar , 2005
7. Ene D. Matematici aplicate n agricultur Editura CERES , 2006
TEMA 2.1. PRODUCII I INDICATORI ECONOMICI

2.1.1. Producii fizice i valorice
Modelul neliniar care urmeaz, are ca scop alocarea optim a N factori variabili pentru
M produse agricole. Factorii constani se cumuleaz separat n realizarea produciilor-martor
ale produselor.
Exemple de factori variabili
a) La producia vegetal:
densitatea plantelor, cantitile de for de munc, for
mecanizat, energie, ngrminte, ap de irigaie, etc.

b) La producia zootehnic : densitatea animalelor n spaiul de cazare, cantitile de for
de munc, for mecanizat, energie, furaje, medicamente, etc.
[Type text]
Pag. 63
Produsele vegetale sunt date de produciile fizice ale plantelor de pe suprafeele

cultivate iar produsele animaliere sunt date de produciile raselor de animale i grupelor de
animale cu efectivele existente.
Observm c avem M.N factori nedistinci pentru M produse deoarece fiecare din
cei N factori se aplic pentru fiecare din cele M produse n doze diferite. Nivelul variabil al
factorului J alocat pentru produsul I este de X(I,J) uniti de factor J pe ha sau pe cap de
animal (I=1,,M; J=1,,N) iar nivelul variabil al produciei fizice a produsului I este de
Y(I) uniti de produs I pe ha sau pe cap de animal. Legturile celor M produse cu cei N
factori sunt date de M funcii de producie de tip polinomial-cubic , fiecare de cte N
variabile:
N
Y(I)
Y0 (I)
Y1 (I, J).X(I, J)
J 1
Y3 (I, J).X(I, J)3
Y2 (I, J, K).X(I, J)X(I, K)

J 1 K 1
J 1
Coeficienii Y0(I) , Y1(I,J) , Y2(I,J,K) , Y3(I,J) sunt dai pe baza datelor experimentale
cu ajutorul programului de regresie cubic cu interaciuni COREGCUB Semnificaia acestor
coeficieni este urmtoarea:
a) Y0(I) este producia-martor n unti de produs I pe ha sau pe cap de animal,realizat cu
factorii constani, fr cei N factori variabili.
b) Y1(I,J) este producia suplimentar n uniti de produs I pe ha sau pe cap de animal,
datorat unitii de factor variabil J.
c) Y2(I,J,K) este viteza de cretere a produciei suplimentare a produsului I cnd factorii
variabili J i K cresc cu cte o unitate.
d) Y3(I,J) < 0 este acceleraia de scdere a produciei suplimentare a produsului I cnd
factorul J crete cu o unitate.
Aceast acceleraie negativ se datorete limitei biologice a producie agrivole vegetale/
animale n raport cu creterea nivelului factorilor variabili, dup principiul: n agricultur
dublarea efortului nu atrage dup sine dublarea efectului . Pentru calculul cheltuielilor,
venitului i profitului, sunt necesare urmtoarele date:
1.Cheltuielile constante CC(I) ale produsului I n lei pe ha sau pe cap de animal.
Aceste cheltuieli include toate cheltuielile productive (materiale i manoper) i
neproductive (taxe,impozite,TVA i cheltuieli neprevzute) cu factorii constani, fr
cheltuielile cu cei N factori variabili i fr cheltuielile cu recoltarea i transportul produciei
vegetale / animale suplimentare a produsului I, realizat pe baza celor N factori variabili.
[Type text]
Pag. 64
2.Costurile factorilor variabili CF(J) n lei pe unitate de factor J.

Aceste costuri acoper cumprarea,transportul i aplicarea la plante / animale a factorului variabil
J.
3.Costurile recoltrii i transportului produselor CR(I) exprimate n lei pe unitatea de produs I .
Aceste costuri acoper recoltarea i transportul produciei-martor sau suplimentare a
produsului I, realizat pe baza factorilor constani respectiv acelor N factori variabili.
4.Preurile de vnzare ale produselor PV(I) n lei pe unitate de produs I.
5.Suprafeele n ha pentru culturi vegetale respectiv efectivele de animale domestice, notate
S(I), pe care se realizeaz produsul I.
1. Producii fizice
N
TYS(I)
YS(I, J)
J 1
Y1 (I, J).X(I, J)
J 1
Y2 (I, J, K).X(I, J).X(I, K)

J 1 K 1
Y3 (I, J).X(I, J)3

J 1
Y0(I) este producia-martor a produsului I n uniti de produs pe ha sau pe cap de animal,

N
YS(I, J)
Y2 (I, J).X(I, J).X(I, K) Y3 (I, J).X(I, J)3
Y1 (I, J).X(I, J)
K 1
realizat numai cu factorii constani, fr cei N factori variabili. Dac mcar unul din cei N
factori variabili este esenial pentru produsul I, atunci Y 0(I) = 0 .Acesta este cazul factorului
variabil densitate plante / ha respectiv densitate animale n spaiul de cazare .Notm cu
YS(I,J) producia suplimentar a produsului I n uniti de produs pe ha sau pe cap de
animal ,realizat pe baza factorului variabil J. Avem relaiile: Notm cu TYS(I) producia
suplimentar a produsului I n uniti de produs pe ha sau pe cap de animal, realizat pe baza
celor N factori variabili. Avem relaiile:
N
TYS(I)
YS(I, J)
J 1
Y1 (I, J).X(I, J)
J 1
Y2 (I, J, K).X(I, J).X(I, K)

J 1 K 1
Y3 (I, J).X(I, J)3

J 1
Partea din TYS(I) n care apare X(I,J) este:

Cantitatea Y(I) = Y0(I) + TYS(I) este producia produsului I n uniti de produs pe ha sau
pe cap de animal n raport cu toi factorii constani sau variabili.
[Type text]
Pag. 65
PYS(I, J)
Y1 (I, J).X(I, J) 2.
Y2 (I, J, K).X(I, K) .X(I, J)

K 1
Y2 (I, J, J).X(I, J) 2 Y3 (I, J).X(I, J) 3

Pentru toate suprafeele / efectivele de animale, notate cu S(I), producia-martor a produsului
I, realizat pe baza factorilor constani este SY0(I) = Y0(I).S(I), producia suplimentar a

produsului I, realizat pe baza celor N factori variabili, este SYS(I) = TYS(I).S(I) adic:
i producia total a produsului I, realizat pe baza factorilor constani i variabili, este
SY(I) = SY0(I)+SYS(I)=Y(I).S(I)
2. Venituri
V0(I) = PV(I).Y0(I) este venitul-martor al produsului I n lei pe ha sau pe cap de animal, realizat pe
baza factorilor constani, fr cei N factori variabili.
VS(I,J) = PV(I).YS(I,J) este venitul suplimentar al produsului I n lei pe ha sau pe cap de animal,
realizat prin utilizarea factorului variabil J. Notm cu TVS(I) venitul suplimentar al produsului I,
realizat prin utilizarea celor N factori variabili .
N
TVS(I)
VS(I, J)
PV(I).TYS(I)
J 1
Avem relaiile:
Partea din TVS(I) n care apare X(I,J) este PVS(I)=PV(I).PYS(I)
Pentru toate suprafeele / efectivele de animale, notate cu S(I), venitul-martor pentru toate
M
SV0
V0 (I).S(I)
I 1
PV(I).Y0 (I).S(I)
I 1
produsele, realizat pe baza factorilor constani, este:

Venitul suplimentar pentru toate produsele, realizat pe baza celor N factori variabili, este:
M
SVS
TVS(I).S(I)
I 1
S(I).PV(I).YS(I, J)
I 1 J 1
iar venitul total pentru toate produsele, realizat pe baza tuturor factorilor constani i variabili,
este SV=SV0 + SVS
[Type text]
Pag. 66
3.
Cheltuieli
C0(I) = CC(I) + CR(I).Y0(I) sunt cheltuielile-martor pentru produsul I, n lei pe ha sau pe

cap de animal , necesare pentru utilizarea factorilor constani, fr cei N factori variabili.
Notm cu CS(I,J) cheltuielile suplimentare pentru produsul I, n lei pe ha sau pe cap de
animal , necesare pentru utilizarea factorului J.
Avem relaiile : CS(I,J) = CR(I).YS(I,J)+CF(J).X(I,J)
Notm cu TCS(I) cheltuielile suplimentare pentru produsul I, n lei pe ha sau pe cap de
animal, necesare pentru utilizarea celor N factori variabili.
Avem relaiile:
N
TCS(I)
CS(I, J)
CR(I).TYS(I)
J 1
CF(J).X(I, J)
J 1
Partea din TCS(I) n care apare X(I,J) este :

PCS(I)=CR(I).PVS(I,J) + CF(J).X(I,J)
Pentru toate suprafeele / efectivele de animale , notate cu S(I), cheltuielile-martor pentru toate
M
SC0
C0 (I).S(I)
I 1
CC(I) CR(I).Y0 (I) .S(I)

I 1
produsele, necesare pentru utilizarea factorilor constani.

M
SCS
TCS(I).S(I)
I 1
S(I).CR(I).[(Y1 (I, J)
I 1 J 1
CF(J)
).X(I, J)
CR(I)
Y2 (I, J, K).X(I, J).X(I.K) Y3 (I, J).X(I, J) 3 ]

K 1
Sunt cheltuielile suplimentare pentru toate produsele, necesare pentru utilizarea celor N
factori variabili sunt iar cheltuielile totale pentru toate produsele, necesare pentru utilizarea
tuturor factorilor constani i variabili, sunt SC = SC 0 + SCS. Mrimile SC0 , SCS , SC se
exprim n lei.
4. Profituri
P0(I) = V0(I) C0(I) = [PV(I) CR(I)].Y0(I) CC(I) este profitul-martor al produsului I n
lei pe ha sau pe cap de animal , realizat pe baza utilizrii factorilor constani, fr cei N
factori variabili.
[Type text]
Pag. 67
Notm cu PS(I,J) profitul suplimentar al produsului I n lei pe ha sau pe cap de animal,

realizat prin utilizarea factorului variabil J.
Avem relaiile:
PS(I,J) = VS(I,J) CS(I,J) = [PV(I) CR(I)].YS(I,J) CF(J).X(I,J)
Notm cu TPS(I) profitul suplimentar al produsului I n lei pe ha sau pe cap de animal,
N
TPS(I)
TVS(I) TCS(I) [PV(I) CR(I)].TYS(I)
CF(J).X(I, J)
J 1
realizat prin utilizarea celor N factori variabili . Partea din TPS(I) n care apare X(I,J) este:
PPS(I,J) = PVS(I,J) PCS(I,J) = [PV(I) CR(I)].PYS(I) CF(J).X(I,J)
Pentru toate suprafeele / efectivele de animale, notate cu S(I), profitul-martor pentru toate
produsele, realizate pe baza factorilor constani, este:
M
SP0
SV0
SC0
{[PV(I) CR(I)].Y0 (I) CC(I)}.S(I)

I 1
profitul suplimentar pentru toate produsele, realizat pe baza celor N factori variabili,
este:
M
SPS
TPS(I).S(I)
SVS SCS
I 1
CF(J)
).Y(I, J)
PV(I) CR(I)
S(I).(PV(I) CR(I)).[(Y1 (I, J)

I 1 J 1
Y2 (I, J).X(I, J).X(I, K) Y3 (I, J).X(I, J)3 ]

K 1
iar profitul total pentru toate produsele , realizat pe baza tuturor factorilor constani i
variabili, este SP = SP0 + SPS
5.
Ratele profitului
RP0(I) = P0(I) / C0(I) este rata profitului-martor pentru produsul I, realizat pe baza factorilor
constani, fr cei N factori variabili. Avem:
RP0 (I)
[PV(I) CR(I)].Y0 (I) CC(I)

CC(I) CR(I).Y0 (I)
RPS(I,J) = PS(I,J) / CS(I,J) este rata profitului suplimentar pentru produsul I, realizat pe
baza factorului variabil J. Avem relaiile:
[Type text]
Pag. 68
RPS(I, J)
[PV(I) CR(I)].YS(I, J) CF(J).X(I, J)

CR(I).YS(I, J) CF(J).X(I, J)
adic:
PV(I) CR(I)
.
CR(I)
RPS(I, J)
N
CF(J)
].X(I, J)
Y2 (I, J, K).X(I, J).X(I, K) Y3 (I, J).X(I, J)3
PV(I) CR(I)
K 1
N
CF(J)
[Y1 (I, J)
].X(I, J)
Y2 (I, J, K).X(I, J).X(I, K) Y3 (I, J).X(I, J)3
CR(I)
K 1
[Y1 (I, J)
.
Rata profitului-martor pentru toate produsele , realizat pe baza factorilor constani, fr cei
M
RTP0
SP0
SC0
[(PV(I) CR(I)).Y0 (I) CC(I)]

I 1
M
[CC(I) CR(I).Y0 (I)]

I 1
N factori variabili, este:

RTPS = SPS / SCS este rata profitului suplimentar pentru toate produsele , realizat pe baza
celor N factori variabili.
RTP = SP / SC
este rata profitului pentru toate produsele, realizat pe baza factorilor
constani i a celor N factori variabili.

2.1.2. Indicatori economici ai produciei suplimentare
Indicatori ntre produse i factori variabili
A. Indicatori medii ai produsului I n raport cu factorul variabil J
N
YM(I, J)
Y2 (I, J, K).X(I, K) Y2 (I, J).X(I, J) Y3 (I, J).X(I, J) 2
Y1 (I, J) 2.
J 1
Producia medie este YM(I,J) = PYS(I,J) / X(I,J) adic:

Venitul mediu este VM(I,J) = PVS(I,J) / X(I,J) adic VM(I,J) = PV(I).YM(I,J)
Cheltuielile medii sunt: CM(I,J) = PCS(I,J)/X(I,J) adic CM(I,J) = CR(I).YM(I,J) + CF(J)
Profitul mediu este PM(I,J) = PPS(I,J) / X(I,J) adic PM(I,J)=[PV(I) CR(I)].YM(I,J) CF(J)
[Type text]
Pag. 69
Aceti indicatori prezint producia / venitul / cheltuielile / profitul suplimentar al produsului

I care corespunde unitii factorului variabil J.
B. Indicatori marginali ai produsului I n raport cu factorul variabil J

Producia marginal este derivata parial YD(I,J) = PYS(I,J) / X(I,J) adic:
N
YD(I, J)
Y2 (I, J, K).X(I, K) 3.Y3 (I, J).X(I, J)2
Y1 (I, J) 2.
K 1
Venitul marginal este derivata parial CD(I,J) = PVS(I,J) / X(I,J) adic:CD(I,J) =

CR(I).YD(I,J)+CF(J)
Profitul marginal este derivata parial PD(I,J) = PPS(I,J) / X(I,J) adic: PD(I,J) = [PV(I)
CR(I)].YD(I,J) CF(J)
Aceti indicatori reprezint variaia produciei / venitului / cheltuielilor / profitului
suplimentar din produsul I, provocat de variaia factorului variabil J cu o unitate.
C. Indicatori de elasticitate ai produsului I n raport cu factorul variabil J

Elasticitatea produciei este EY(I,J) = YD(I,J) / YM(I,J)
Elasticitatea venitului este EV(I,J) = VD(I,J) / VM(I,J) adic EV(I,J) = EY(I,J)
Elasticitatea cheltuielilor este EC(I,J) = CD(I,J) / CM(I,J) adic:
EC(I, J)
CR(I).YD(I, J) CF(J)
CR(I).YM(I, J) CF(J)
Elasticitatea profitului este : EP(I,J) = PD(I,J) / PM(I,J) adic:
[PV(I) CR(I)].YD(I, J) CF(J)

[PV(I) CR(I)].YM(I, J) CF(J)
Aceti indicatori reprezint variaia procentual a produciei / venitului / cheltuielilor /
EP(I, J)
profitului suplimentar al produsului I, provocat de variaia factorului variabil J cu 1 %.

Indicatori ntre profit i cheltuieli
Rata medie a profitului din produsul I n raport cu factorul variabil J
Este RM(I,J) = PPS(I,J) / PCS(I,J) = PM(I,J) / CM(I,J) adic:
RM(I, J)
[Type text]
[PV(I) CR(I)].YM(I, J) CF(J)

CR(I).YM(I, J) CF(J)
Pag. 70
Acest indicator reprezint profitul suplimentar n lei din produsul I, realizat pe baza factorului
variabil J, ce corespunde la un leu cheltuit de produsul I n raport cu factorul variabil J.
Rata marginal a profitului din produsul I n raport cu factorul variabil J
[PV(I) CR(I)].YD(I, J) CF(J)

CR(I).YD(I, J) CF(J)
Este RD(I,J) = PPS(I,J) / PCS(I,J) = PD(I,J) / CD(I,J) adic:
RD(I, J)
Acest indicator reprezint variaia profitului suplimentar din produsul I n raport cu factorul
variabil J, provocat de variaia cu un leu a cheltuielilor suplimentare ale produsului I n
raport cu facctorul variabil J.
Elasticitatea ratei profitului din produsul I n raport cu factorul variabil J
Este ER(I,J) = RD(I,J) / RM(I,J) adic:
[PV(I) CR(I)].YD(I) CF(J) CR(I).YM(I) CF(J)

[PV(I) CR(I)].YM(I) CF(J) CR(I).YD(I) CF(J)
Acest indicator reprezint variaia procentual a profitului suplimentar din produsul I n
ER(I, J)
raport cu factorul variabil J, provocat de variaia cu 1% a cheltuielilor suplimentare ale

produsului I n raport cu factorul variabil J.
Indicatori de substituire a factorilor

Rata medie a substituirii factorului variabil J cu factorul variabil K
Este RMS(I,J,K) = PM(I,J) / PM(I,K)
Acest indicator reprezint cantitatea de uniti de factor variabil K care corespunde unei
uniti de factor J , n realizarea aceluiai profit suplimentar din produsul I.
Rata marginal a substituirii factorului variabil J cu factorul variabil K
Este RDS(I,J,K) = PD(I,J) / PD(I,K)
Acest indicator reprezint cantitatea de uniti cu care trebuie s creasc doza de factor
variabil K, dac doza de factor variabil J crete cu o unitate, astfel ca profitul suplimentar din
produsul I s creasc cu aceeai sum.
Elasticitatea ratei substituirii factorului variabil J cu factorul variabil K
Este ERS(I,J,K) = RDS(I,J) / RDS(I,K)
[Type text]
Pag. 71
Acest indicator reprezint procentele cu care trebuie s creasc doza de factor variabil K, dac
doza de factor variabil J crete cu 1%, astfel ca profitul suplimentar din produsul I s creasc
cu acelai procent.
Indicatori de valorificare a factorilor prin produse

Rata medie a valorificrii factorului variabil K , prin produsul I fa de produsul H
Este RMV(I,H,K) = PM(I,K) / PM(H,K)
Acest indicator reprezint numrul de uniti ale produsului H care corespunde la o unitate
de produs I, care dau acelai profit din utilizarea factorului variabil K.
Rata marginal a valorificrii factorului variabil K, prin produsul I fa de produsul H
Este RMV(I,H,K) = PM(I,K) / PM(H,K)
Acest indicator reprezint numrul de uniti cu care trebuie s creasc produsul H atunci
cnd produsul I crete cu o unitate, astfel ca profitul suplimentar din utilizarea factorului
variabil K s creasc cu aceeai sum.
Elasticitatea ratei valorificrii factorului variabil K, prin produsul I fa de produsul H
Este ERV(I,H,K) = RDV(I,H,K) / RMV(I,H,K)
Acest indicator reprezint numrul de procente cu care trebuie s creasc produsul H atunci
cnd produsul I crete cu 1%, astfel ca profitul suplimentar din utilizarea factorului variabil K s
creasc cu acelai procent.
TEMA 2.2. OPTIMELE PRODUCIEI SUPLIMENTARE
I . OPTIMUL ECONOMIC
n acest caz avem profitul suplimentar total SPS = maxim deci avem derivatele pariale nule
SPS(I,J) / X(I,J) = 0 adic PD(I,J) =0 sau:
[PV(I) CR(I)].YD(I,J) CF(J) =0 de
[3.Y3 (I, J ) X(I, J )2 ] [2.

K 1
Y2 (I, J, K ) X(I, K )] [Y1 (I, J )
CF(J )
] 0
PV(I) CR(I)
unde obinem relaiile (3) :

(I=1,,M ; J=1,,N)
Relaiile (3) constituie M sisteme ptratice de N ecuaii cu N necunoscute X(I,J) .
Aceste sisteme ptratice se rezolv cu programul SISPAT dnd soluiile XE(I,J) .
II . OPTIMUL TEHNIC
[Type text]
Pag. 72
n acest caz avem produciile fizice suplimentare SYS(I) = maxime deci avem derivatele
N
2
[3 Y3 (I, J) X(I, J) ] [2.
Y2 (I, J, K) X(I, K)] [Y1 (I, J)] 0

K 1
(I 1,..., M ; J=1,...,N)
pariale nule SYS(I) / X(I,J) = 0 adic YD(I,J) =0 de unde obinem relaiile (4):
Relaiile (4) constituie M sisteme ptratice de N ecuaii cu N necunoscute X(I,J).
Aceste sisteme ptratice se rezolv cu programul SISPAT dnd soluiile XT(I,J).
Venitul suplimentar pentru toate produsele este dat de relaia:
M
SVS
PV (I) SYS(I)
I 1
deci dac SYS(I) =maxime , rezult SVS = maxim pentru dozele XT(I,J).
Pentru dozele de optim tehnic XT(I,J), din relaiile de la punctele 10.1.1 B. i 10.1.1 C.
rezult VD(I,J)=0, CD(I,J)= - CF(J) respectiv EY(I,J)=EV(I,J)=0.
Din relaia de la punctul 4.1.1 B., pentru YD(I,J) = 0 rezult PD(I,J)= - CF(J) iar din relaia
de la punctul 4.1.2 E. rezult RD(I,J)= - 1.
n intervalele [XT(I,J) ; +) exist valorile X(I,J) care anuleaz profitul suplimentar
[Y3 (I, J) X(I, J) 2 ] [
Y2 (I, J, K) X(I, K)] [Y1 (I, J)

K 1
CF(J)
] 0
PV(I) CR(I)
(I 1,..., M ; J=1,...,N)
total: SPS = 0 ceace se realizeaz dac au loc relaiile (5) :
Relaiile (6) constituie M sisteme patratice de N ecuaii cu N necunoscute care se rezolv cu
programul SISPAT dnd soluiile XR(I,J).
Y1 (I, J)
CF(J)
PV(I) LC CR(I)
Y1 (I, J)
CF(J)
PV(I) CR(I)
Y1 (I, J)
Optimele de la punctele i ratele medie i marginal ale profitului oricrui produs n raport
cu orice factor, se prezint grafic astfel:
[Type text]
Pag. 73
[Type text]
Pag. 74
n acest desen apar n mod clar urmtoarele intervale de valori ale factorului:
I. Intervalul de cretere accelerat [0; XD] n care venitul ,profitul,rata medie i cea
marginal a profitului cresc iar rata marginal a profitului este mai mare ca rata medie a
profitului (elasticitatea ratei profitului este > 1).
II. Intervalul de cretere ncetinit
[XD; XM]
n care venitul, profitul, rata medie a
profitului cresc, rata marginal a profitului scade iar rata marginal a profitului este mai mare
ca rata medie a profitului (elasticitatea ratei profitului este > 1).
III. Intervalul de cretere saturat [XM; XE] n care venitul, profitul cresc, rata medie i
cea marginal a profitului scad iar rata marginal a profitului este mai mic ca rata medie a
profitului (elasticitatea ratei profitului este cuprins ntre 0 i 1).
IV. Intervalul de declin economic [XE; XT] n care venitul crete, profitul, rata medie i
cea marginal scad iar rata marginal a profitului este negativ i mai mare ca
- 1
(elasticitatea ratei profitului este < 0).

V. Intervalul de declin tehnico-economic [XT; XR] n care venitul, profitul, rata medie i
cea marginal scad iar rata marginal a profitului este negativ i mai mic ca
- 1
(elasticitatea ratei profitului este < 0).

VI. Intervalul de faliment economic [XR; +] n care profitul este negativ.
TEMA 2.3 EXEMPLE

2.3.1 Doi factori i un produs
A.Date de intrare:
1) M=1 produs(Porumb)
2) N=2 factori (NPK i ap de irigaie)
3) Y={3000}+{[4X1+0.002X12
0.00003X13]+[0.8X2+0.00008X22
0.0000001X23]+2.[0.0001X1X2]}
Aici X1 este cantitatea de NPK (Kg / ha de porumb), X2 este cantitatea de ap de irigaie (m3
ap / ha de porumb) iar Y este producia de porumb(Kg / ha) .
n prima acolad se gsete producia-martor de porumb (Kg / ha), nefertilizat chimic i
neirigat. n a doua acolad se gsesc:
[Type text]
Pag. 75
n prima parantez patrat se gsete producia suplimentar de porumb (Kg / ha) datorat
fertilizrii chimice;
n a doua parantez ptrat se gsete producia suplimentar de porumb (Kg / ha) datorat
irigrii;
n a treia parantez ptrat se gsete producia suplimentar de porumb (Kg / ha) datorat
interaciunii NPK x ap de irigaie;

4)
Cheltuieli constante: CC=800 lei / ha
Aceste cheltuieli include toate cheltuielile productive i neproductive cu trei excepii:

-
cheltuielile cu fertilizarea chimic;
cheltuielile cu irigarea;
cheltuielile cu recoltarea i transportul produciei suplimentare de porumb datorat
fertilizrii chimice i irigrii .

5)
Costurile factorilor: CF1=0.8 lei / Kg NPK ; CF2 =0.09 lei / m3 ap .
6)
Cheltuieli cu recoltarea i transportul porumbului: CR =0.04 lei / Kg porumb
7)
Preul de vnzare al porumbului: PV=0.7 lei / Kg porumb
8)
Suprafaa cultivat: S=20 ha
B.REZULTATE:
a)
Producii-martor
Producia fizic-martor Y0 = 60000 kg porumb;
Venitul-martor V0 = 42000 lei;
Cheltuielile-martor C0 = 18400 lei;
Profitul-martor P0 = 23600 lei;
Producia unitar-martor YU0 = 3000 Kg porumb boabe / ha.
Cheltuielile unitare-martor CY0 = 0.31 lei cheltuieli / 1 Kg porumb boabe
Rata profitului martor RP0 = 1.283 lei profit / 1 leu cheltuit
b) Optime n alocarea de resurse:

I. OPTIMUL ECONOMIC
Se realizeaz pentru x1= 210 Kg NPK / Ha i x2 = 1823 m3 ap / ha.
Rezult producia suplimentar YS = 36925 Kg porumb boabe; venitul suplimentar
VS = 25847.9 lei; cheltuielile suplimentare CS = 8130.4 lei i profitul suplimentar maxim PS
= 17717.5 lei . Aceste valori se adaog celor de la martor de la punctul a).
[Type text]
Pag. 76
Producia unitar total este YUT = 4846 Kg porumb boabe / ha.

Cheltuielile unitare totale minime sunt CYT = 0.2737 lei cheltuieli / 1 Kg porumb boabe.
Rata profitului total maxim este RPT = 1.558 lei profit / 1 leu cheltuit.
Deoarece YUT > YU0 , CYT < CY0 i RPT > RP0, merit s folosim dozele optimului
economic.
Tabel cu indicatorii economici ai optimului economic
Indicatori economici Profit suplimentar
Medii
Marginali
Elasticiti
Rata profit
Rata substituire
Suplimentar
Factori
1.4798 lei
1.577 lei
4.32
0.3426 lei
2.948 lei
0 lei
0 lei
0 lei
0 lei
0%
0%
0%
0%
0%
COMENTARIU ASUPRA TABELULUI:

1) Coloana profitului suplimentar:
Fiecare din cele 210 Kg NPK / ha a adus un profit suplimentar de 1.4798 lei.
Fiecare din cei 1823 m3 ap / Ha a adus un profit suplimentar 0.3426 lei.
Al 211-lea Kg NPK / ha ar crete venitul suplimentar cu aceeai sum cu care ar crete i
cheltuielile deci profitul din fertilizare ar crete cu 0 lei, fiind deja maxim.
Al 1824-lea m3 ap / ha ar crete venitul suplimentar cu aceeai sum cu care ar crete i
cheltuielile deci profitul din irigare ar crete cu 0 lei, fiind deja maxim.
Creterea dozei de 210 Kg NPK / ha cu nc 1% ar crete venitul suplimentar cu acelai
numr de procente cu care ar crete i cheltuielile deci profitul suplimentar din fertilizare ar
crete cu 0%, fiind deja maxim.
Creterea dozei de 1823 m3 ap / Ha cu nc 1 % ar crete venitul suplimentar cu acelai
numr de procente cu care ar crete i cheltuielile deci profitul suplimentar din irigare ar
crete cu 0 % fiind deja maxim.
2) Coloana ratei profitului suplimentar:
[Type text]
Pag. 77
Fiecare leu cheltuit cu fertilizarea chimic din suma de 8130.4 lei a adus un profit
suplimentar de 1.577 lei.
Fiecare leu cheltuit cu irigarea din suma de 8130.4 lei a adus un profit suplimentar de
2.948 lei.
nc un leu cheltuit cu fertilizarea chimic peste suma de 8130.4 lei ar crete venitul
suplimentar tot cu un leu deci profitul suplimentar din fertilizare ar crete cu 0 lei, fiind deja
maxim.
nc un leu cheltuit cu irigarea peste suma de 8130.4 lei ar crete venitul suplimentar tot
cu un leu deci profitul suplimentar din irirgare ar crete cu 0 lei, fiind deja maxim.
Creterea cheltuielilor cu fertilizarea chimic cu nc 1% peste suma de 8130.4 lei ar crete
venitul suplimentar cu acelai numr de procente cu care ar crete i cheltuielile deci profitul
din fertilizare ar crete cu 0%, fiind deja maxim.
Creterea cheltuielilor cu fertilizarea chimic cu nc 1% peste suma de 8130.4 lei ar
crete venitul suplimentar cu acelai numr de procente cu care ar crete i cheltuielile deci
profitul din fertilizare ar crete cu 0 %, fiind deja maxim.
3) Coloana ratei substituirii factorilor
4.32 m3 ap / ha din cei 1823 m3 / ha au adus acelai profit ca 1 Kg NPK / ha din cei 210
Kg NPK / ha.
Orice cretere valoric a apei fa de cei 1823 m3 / ha i orice cretere valoric a NPK fa
de cei 210 Kg NPK / ha ar crete profitul cu 0 lei, fiind deja maxim.
Orice cretere procentual a apei fa de cei 1823 m3 / ha i orice cretere procentual a
NPK fa de cei 210 Kg NPK / ha ar crete profitul cu 0%, fiind deja maxim.
III.
OPTIMUL TEHNIC
Se realizeaz pentru x1= 244 Kg NPK / ha i x2 = 1969 m3 ap / ha.

Rezult producia suplimentar maxim YS = 37546 Kg porumb boabe; venitul suplimentar
maxim VS = 26282.8 lei; cheltuielile suplimentare CS = 8956.2 lei i profitul suplimentar PS
= 17326.6 lei. Aceste valori se adaog celor de la martor de la punctul a).
Producia unitar total maxim este YUT = 4877 Kg porumb boabe / ha.
Cheltuielile unitare totale sunt CYT = 0.2804 lei cheltuieli / 1 Kg porumb boabe.
Rata profitului total este RPT = 1.496 lei profit / 1 leu cheltuit.
Deoarece YUT > YU0 , CYT < CY0 i RPT > RP0, merit s folosim dozele optimului
tehnic.
[Type text]
Pag. 78
Tabel cu indicatorii economici ai optimului tehnic

Indicatori economici Profit suplimentar
Rata profit
Suplimentar
Medii
1.2408 lei
1.343 lei
0.3181 lei
2.773 lei
- 0.8 lei
- 1 leu
- 0.09 lei
- 1 leu
- 0.64 %
- 0.74 %
- 0.28 %
- 0.36 %
Marginali
Elasticiti
Rata
substituire
Factori
3.9
8.9
2.28 %
COMENTARIU ASUPRA TABELULUI :

Fiecare din cele 244 Kg NPK / ha a adus un profit suplimentar de 1.2408 lei.
Fiecare din cei 1969 m3 ap / ha a adus un profit suplimentar 0.3181 lei.
Al 245-lea Kg NPK / ha ar crete venitul suplimentar cu 0 lei, fiind deja maxim iar
cheltuielile ar crete cu 0.8 lei (costul celui de al 245-lea Kg NPK / ha ) deci profitul din
fertilizare ar scade cu 0.8 lei.
Al 1970-lea m3 ap / ha ar crete venitul suplimentar cu 0 lei, fiind deja maxim iar
cheltuielile suplimentare ar crete cu 0.09 lei (costul celui de al 1970-lea m3 ap / ha) deci
profitul din irigare ar scade cu 0.09 lei .
Creterea dozei de 244 Kg NPK / ha cu nc 1% ar crete venitul suplimentar cu 0%, fiind
deja maxim iar cheltuielile suplimentare ar crete cu 0.64% deci profitul suplimentar din
fertilizare ar scade cu 0.64%.
Creterea dozei de 1969 m3 ap / ha cu nc 1% ar crete venitul suplimentar cu 0% iar
cheltuielile suplimentare ar crete cu 0.28% deci profitul suplimentar din irigare ar scade cu
0.28%.
Fiecare leu cheltuit cu fertilizarea chimic din suma de 8956.2 lei a adus un profit
suplimentar de 1.343 lei.
Fiecare leu cheltuit cu irigarea din suma de 8956.2 lei a adus un profit suplimentar de
2.773 lei.
[Type text]
Pag. 79
nc un leu cheltuit cu fertilizarea chimic peste suma de 8956.2 lei ar crete venitul
suplimentar cu 0 lei, fiind deja maxim iar cheltuielile ar crete cu un leu deci profitul
suplimentar din fertilizare ar scade cu un leu.
nc un leu cheltuit cu irigarea peste suma de 8956.2 lei ar crete venitul suplimentar tot
cu 0 lei, fiind deja maxim iar cheltuielile suplimentare ar crete cu un leu deci profitul
suplimentar din irigare ar scade cu un leu.
Creterea cheltuielilor cu fertilizarea chimic cu nc 1% peste suma de 8956.2 lei ar crete
venitul suplimentar cu 0% i cheltuielile ar crete cu 1% deci profitul din fertilizare ar scade
cu 1%.
Creterea cheltuielilor cu irigarea cu nc 1% peste suma de 8956.2 lei ar crete venitul
suplimentar cu 0% i cheltuielile suplimentare ar crete cu 1% deci profitul din fertilizare ar
scade cu 1%.
3.9 m3 ap / ha din cei 1969 m3 ap / ha au adus acelai profit ca 1 Kg NPK / ha din cei
244 Kg NPK / ha.
8.9 m3 / ha cretere ap fa de cei 1969 m3 ap / ha i 1 Kg / ha cretere NPK fa de cei
244 Kg NPK / ha ar scade profitul cu aceeai sum.
2.28 % cretere ap fa de cei 1969 m3 ap / ha i 1 % cretere NPK fa de cei 244 Kg
NPK / ha, ar scade profitul cu acelai numr de procente.
2.3.2. Un factor i dou produse
A. Date de intrare:
1) M=2 produse: (Gru i Porumb)
2) N=1 factor (NPK).
3) Y1 = [2000]+[3X1+0.015X12 0.00002X13]
Y2 = [3000]+[4X2+0.002X22 0.0003X23]
Aici X1 este cantitatea de NPK (Kg / ha de gru) ,X2 este cantitatea de NPK (Kg / ha de
porumb) iar Y1 este producia de gru (Kg / ha) ,Y2 este producia de porumb (Kg / ha).
n prima parantez patrat din membrul doi al lui Y 1 se gsete producia-martor de gru (Kg
/ ha), nefertilizat chimic.
n a doua parantez patrat din membrul doi al lui Y 1 se gsete producia suplimentar de
gru datotrat fertilizrii.
[Type text]
Pag. 80
Semnificaia celor dou paranteze patrate din membrul doi al lui Y 2 este analoag pentru
porumb.
4)Cheltuieli constante: CC=( 780 lei / ha gru; 800 lei / ha porumb)
Aceste cheltuieli includ toate cheltuielile productive i neproductive cu dou excepii:
-
cheltuielile cu fertilizarea chimic;
cheltuielile cu recoltarea i transportul produciei suplimentare de gru respectiv porumb

datorat fertilizrii chimice.
5) Costul factorului: CF=0.8 lei / Kg NPK

6) Cheltuieli cu recoltarea i transportul: CR1 = 0.045 lei / Kg gru; CR2 = 0.04 lei / Kg
porumb.
7) Preurile de vnzare ale produselor: PV1= 0.6 lei / Kg gru;
PV2 = 0.7 lei /Kg porumb.
8) Suprafee cultivate: S1 =10 ha gru; S2 = 20 ha porumb
B. Rezultate
a) Producii-martor
Producia fizic-martor de gru Y10 = 20000kg;
Producia fizic-martor de porumb Y20 = 60000kg
Venitul-martor V0 = 54000 lei;
Cheltuielile-martor C0 = 27100 lei;
Profitul-martor P0 = 26900 lei;
Produciile unitare-martor:YU10 = 2000 Kg gru / ha ; YU20 = 3000 Kg porumb / ha
Cheltuielile unitare-martor: CY10 = 0.4350 lei / Kg gru ; CY20 =0.3067 lei / Kg porumb
Rata profitului martor RP0 = 0.992 lei profit / 1 leu cheltuit
b) Optime n alocarea de resurse:
I. OPTIMUL ECONOMIC
Se realizeaz pentru x1= 190 Kg NPK / Ha gru i x2 = 199 Kg NPK / Ha porumb.
Rezult produciiile suplimentare YS1 = 4871 Kg gru ; YS2 = 12790 Kg porumb; venitul
suplimentar VS = 11876.5 lei; cheltuielile suplimentare CS = 5445.8 lei din care CS 1 = 1740.3
lei pentru fertilizarea grului i CS2 = 3705.6 lei pentru fertilizarea porumbului; profitul
[Type text]
Pag. 81
suplimentar maxim PS = 6430.7 lei. Aceste valori se adaug celor de la martor de la punctul
a).
Produciile unitare totale sunt YUT1 = 2487 Kg gru / ha i YUT2 = 3640 Kg porumb / ha.
Cheltuielile unitare totale minime sunt CYT1 = 0.4198 lei cheltuieli / 1 Kg gru i
CYT2 = 3037 lei / Kg porumb.
Rata profitului total maxim este RPT = 1.024 lei profit / 1 leu cheltuit.
Deoarece YUT > YU0, CYT < CY0 i RPT > RP0, merit s folosim dozele optimului
economic.
Tabel cu indicatorii economici ai optimului economic

Indicatori
Profit suplimentar
Rata profitului suplimentar
Economici
Rata
Valorificare
Factor
Medii
0.6220 lei
1.3144 lei
0.679 lei
1.417 lei
0.473
Marginali
0 lei
0 lei
0 lei
0 lei
Elasticiti
0%
0%
0%
0%
0%

Fiecare din cele 190 Kg NPK / ha gru a adus un profit suplimentar de 0.6220 lei.
Fiecare din cei 199 Kg NPK / ha porumb a adus un profit suplimentar 1.3144 lei.
Al 191-lea Kg NPK / ha gru ar crete venitul suplimentar cu aceeai sum cu care ar
crete i cheltuielile deci profitul din fertilizare ar crete cu 0 lei, fiind deja maxim.
Al 200-lea Kg NPK / ha porumb ar crete venitul suplimentar cu aceeai sum cu care ar
crete i cheltuielile deci profitul din irigare ar crete cu 0 lei, fiind deja maxim.
Creterea dozei de 190 Kg NPK / Ha grucu nc 1% ar crete venitul suplimentar cu
acelai numr de procente cu care ar crete i cheltuielile deci profitul suplimentar din
fertilizarea grului ar crete cu 0%, fiind deja maxim.
Creterea dozei de 199 Kg NPK / ha porumb cu nc 1% ar crete venitul suplimentar cu
acelai numr de procente cu care ar crete i cheltuielile deci profitul suplimentar din
fertilizarea porumbului ar crete cu 0% fiind deja maxim.
[Type text]
Pag. 82
Fiecare leu cheltuit cu fertilizarea chimic a grului din suma de 1740.3 lei a adus un
profit suplimentar de 0.679 lei.
Fiecare leu cheltuit cu fertilizarea chimic a porumbului din suma de 3705.6 lei a adus un
nc un leu cheltuit cu fertilizarea chimic a grului peste suma de 1740.3 lei ar crete
venitul suplimentar tot cu un leu deci profitul suplimentar din fertilizarea grului ar crete cu
0 lei, fiind deja maxim.
nc un leu cheltuit cu fertilizarea chimic a porumbului peste suma de 3705.6 lei ar crete
venitul suplimentar tot cu un leu deci profitul suplimentar din irirgare ar crete cu 0 lei, fiind
deja maxim.
Creterea cheltuielilor cu fertilizarea chimic a grului cu nc 1% peste suma de 1740.3
lei ar crete venitul suplimentar cu acelai numr de procente cu care ar crete i cheltuielile
deci profitul din fertilizarea grului ar crete cu 0%, fiind deja maxim.
Creterea cheltuielilor cu fertilizarea chimic a porumbului cu nc 1% peste suma de
3705.6 lei ar crete venitul suplimentar cu acelai numr de procente cu care ar crete i
cheltuielile deci profitul din fertilizarea porumbului ar crete cu 0%, fiind deja maxim.
0.473 Kg NPK / ha porumb din cei 199 Kg NPK / ha gru au adus acelai profit ca 1 Kg
NPK / ha gru din cei 190 Kg NPK / ha gru.
Orice cretere valoric a NPK fa de cele 199 m3 / ha porumb i orice cretere valoric a
NPK fa de cei 190 Kg NPK / ha gru ar crete profitul cu 0 lei, fiind deja maxim.
Orice cretere procentual a NPK fa de cele 199 Kg NPK / ha porumb i orice cretere
procentual a NPK fa de cele 190 Kg NPK / ha gru ar crete profitul cu 0%, fiind deja
maxim.
II.
OPTIMUL TEHNIC
Se realizeaz pentru x1= 251 Kg NPK / ha gru i x2 = 234 Kg NPK / ha porumb.
Rezult produciiile suplimentare maxime YS1 = 5312 Kg gru; YS2 = 13222 Kg
porumb; venitul suplimentar maxim VS = 12443.1 lei; cheltuielile suplimentare CS = 6524.7

lei din care CS1 = 2248.4 lei pentru fertilizarea grului i CS 2 = 4276.2 lei pentru fertilizarea
porumbului; profitul suplimentar PS = 5918.5 lei. Aceste valori se adaug celor de la martor
de la punctul a).
[Type text]
Pag. 83
Produciile unitare totale maxime sunt YUT1 = 2531 Kg gru / ha i YUT2 = 3661 Kg
porumb / ha.
Cheltuielile unitare totale sunt CYT1 = 0.4325 lei cheltuieli / 1 Kg gru i CYT 2 =
3097 lei cheltuieli / 1 Kg porumb.
Rata profitului total este RPT = 0.976 lei profit / 1 leu cheltuit.
Deoarece YUT > YU0, CYT < CY0 i RPT > RP0, merit s folosim dozele optimului
tehnic.
Tabel cu indicatorii economici ai optimului tehnic

Indicatori
Profit suplimentar
Rata profitului suplimentar
Economici
Rata
Valorificare
Factor
Medii
0.3738 lei
1.0630 lei
0.417 lei
1.165 lei
0.351
Marginali
- 0.8 lei
- 0.8 lei
- 1 leu
- 1 leu
1.022
Elasticiti
- 2.2 %
- 0.75 %
- 2.45 %
- 0.86 %
2.91 %

1) Coloana profitului suplimentar :
Fiecare din cele 251 Kg NPK / ha gru a adus un profit suplimentar de 0.3738 lei.
Fiecare din cele 234 Kg NPK / ha porumb a adus un profit suplimentar 1.0630 lei.
Al 252-lea Kg NPK / ha gru ar crete venitul suplimentar cu 0 lei, fiind deja maxim iar
cheltuielile ar crete cu 0.8 lei (costul celui de al 252-lea Kg NPK / ha )deci profitul din
fertilizare ar scade cu 0.8 lei.
Al 235-lea Kg NPK / ha porumb ar crete venitul suplimentar cu 0 lei, fiind deja maxim
iar cheltuielile suplimentare ar crete cu 0.8 lei (costul celui de al 235-lea Kg NPK / ha
porumb) deci profitul din irigare ar scade cu 0.8 lei.
Creterea dozei de 252 Kg NPK / ha grucu nc 1% ar crete venitul suplimentar cu 0%,
fiind deja maxim iar cheltuielile suplimentare ar crete cu 2.2% deci profitul suplimentar din
fertilizare ar scade cu 2.2%.
Creterea dozei de 234 Kg NPK / ha porumb cu nc 1% ar crete venitul suplimentar cu
0% iar cheltuielile suplimentare ar crete cu 0.75% deci profitul suplimentar din irigare ar
scade cu 0.75%.
[Type text]
Pag. 84
Fiecare leu cheltuit cu fertilizarea chimic a grului din suma de 2248.4 lei a adus un
Fiecare leu cheltuit cu fertilizarea chimic a porumbului din suma de 4276.2 lei a adus un
nc un leu cheltuit cu fertilizarea chimic a grului peste suma de 2248.4 lei ar crete
venitul suplimentar cu 0 lei, fiind deja maxim iar cheltuielile ar crete cu un leu deci profitul
suplimentar din fertilizarea grului ar scade cu un leu.
nc un leu cheltuit cu fertilizarea porumbului peste suma de 4276.2 lei ar crete venitul
suplimentar tot cu 0 lei, fiind deja maxim iar cheltuielile suplimentare ar crete cu un leu deci
profitul suplimentar din fertilizarea porumbului ar scade cu un leu.
Creterea cheltuielilor cu fertilizarea chimic a grului cu nc 1% peste suma de 2248.4
lei ar crete venitul suplimentar cu 0% i cheltuielile ar crete cu 1% deci profitul din
fertilizarea grului ar scade cu 1% .
Creterea cheltuielilor cu fertilizarea porumbului cu nc 1% peste suma de 4276.2 lei ar
crete venitul suplimentar cu 0% i cheltuielile suplimentare ar crete cu 1% deci profitul din
fertilizarea porumbului ar scade cu 1%.
0.351 Kg NPK / ha porumb din cele 234 Kg NPK / ha porumb au adus acelai profit ca 1
Kg NPK / ha gru din cei 251 Kg NPK / ha.
1.022 Kg / ha porumb cretere NPK fa de cele 234 kg NPK / ha porumb i 1 Kg / ha
cretere NPK fa de cei 251 Kg NPK / ha porumb ar scade profitul cu aceeai sum.
2.91 % cretere NPK fa de cele 234 kg NPK / ha porumb i 1 % cretere NPK fa de cei
251 Kg NPK / ha gru, ar scade profitul cu acelai numr de procente.
TEMA 2.4. MODELE CU RESTRICII LINIARE
I FUNCIE OBIECTIV PTRATIC
n capitolul 1 am prezentat modele cu restricii liniare i funcii-obiectiv liniare. Ele au
fost rezolvate prin mbuntiri succesive ale unei soluii bazice iniiale cu metoda simplex
pn se ajunge la soluia bazic optim.
n acest seciune vom prezenta un model intermediar cu restricii liniare i funcieobiectiv ptratic.
[Type text]
Pag. 85
2.4.1. Cazul cnd toate restriciile sunt ecuaii

Modelul are forma:
a11 x1 ... a1n x n
(1)
b1
..............................
a m1 x1 ... a mn x n
(2)
x1 ,..., x n
(3)
f=2
bm
ci x i
i=1
d jk x j x k
optim
j 1 k 1
Fie notaiile :
a11 ......a1n
A
x1
cu m < n i rang(A)= m ; X= ...
.............
a m1 .....a mn
xn
b1
c1
d11 .......d1n
b= ...
bm
; c= ...
cn
; D= ...............
d m1 ......d mn
; D=matrice simetric cu rang(D)=n
Modelul capt forma matricial :

(4)
(5)
(6)
A.X = b
X0
f = 2.cT.X+XT.D.X = optim
Funcia ptratic f are punctul staionar X0 care anuleaz derivatele pariale de ordinul unu:
f / x1 = 2.(c1 + d11x1 ++ d1nxn ) = 0
f / xn = 2.(cn + dn1x1 ++ dnnxn ) = 0

adic matricial:
(7)
X0 = - D-1.c
X0 este punct de minim pentru f dac matricea D este pozitiv definit adic minorii ei
principali sunt pozitivi:
[Type text]
Pag. 86
d11
0,
d11 d12
2
d 21 d 22
0,...,
det(D)
X0 este punct de maxim pentru f dac matricea D este negativ definit

adic minorii ei principali sunt negativi:
1> 0 ; 2 < 0 ,, (-1)n.n > 0
X0 satisface restriciile (4)+(5) dac A.X0 = b i X0 0 deci dac:
A.D-1.c + b = 0 ; X0 0
(8)
Exist cazurile:
I. Punctul staionar X0 = - D-1.c este punct de minim sau de maxim pentru f i verific
restriciile (4) + (5) adic satisface relaia (8).
n acest caz X0 este soluie optim pentru problema de optimizare (4) (6).
II. Punctul staionar X0 fie nu este punct de minim sau de maxim pentru f, fie este punct de
minim sau de maxim pentru f , dar nu verific restriciile (4) + (5) deci nu satisface relaia (8).
n acest caz soluia optim a problemei de optimizare (4) (6), notat cu Xp, trebuie s
satisfac restriciile (4) + (5) deci este un vector pe frontiera mulimii convexe a soluiilor
pentru (4) + (5) (nu neaprat vector bazic pentru (4) + (5) ), pentru care f ia valoarea minim
sau maxim.
Soluia optim Xp trebuie s fie punct staionar pentru funcia Lagrange:
L = 2.cT.X XT.D.X - Y.(A.X / b)
unde Y = (y1,, ym)T este vectorul-coloan al multiplicatorilor Lagrange.
Condiia de punct staionar a lui Xp pentru L se scrie dup transpunere:
(9)
2.c + 2.D.Xp AT.Y = 0
(10)
A.Xp = b ; Xp 0
Din relaia (9) avem:

D.Xp = (1/2).AT.Y - c aa c Xp = (1/2).D-1.AT.Y D-1.c adic:
(11)
Xp = (1/2).D-1.AT.Y + X0
Relaia (10) devine : (1/2).A.D-1.AT.Y + A.X0 = b de unde:

(12)
Y = - 2.(A.D-1.AT)-1.(A.X0 b)
Dup aflarea lui X0 din relaia (7), relaia (12) d vectorul-coloan Y al multiplicatorilor
Lagrange y1,,ym .
[Type text]
Pag. 87
Relaia (11) devine:

Xp = X0 D-1.AT.(A.D-1.AT)-1.(A.X0 - b)
Dup aflarea lui X0 din relaia (7), relaia (13) d vectorul X p al soluiei optime a modelului
(4) (6).
Exemplu
Fie modelul cu restricii liniare de tip ecuaii i funcie-obiectiv ptratic:
2x1+3x2+4x3 = 10
4x1+ x2+ 5x3 = 12
x1,x2,x3 0
..
f = ( - 4x1 2x2 6x3 ) + ( x12 + x22 + x32 ) = minim
Se cere soluia optim a acestui model.
Soluie
Avem:
2 3 4
10
; b=
4 1 5
12
-2
; c= -1
1 0 0
; D= 0 1 0
-3
0 0 1
Matricea simetric D este pozitiv definit deci conform relaiei (7) funcia f are punctul de
minim.
1
X0
D .c
2
1
3
Avem A.X 0
D .A
9
12
29 31
31 42
; A.D -1 .A T
aa c D .A
1
(A.D .A )
-1
deci (A.D -1 .A T )
1
(A X 0 - b ) =
257
1
Conform relaiei (13) , soluia optim cutat este X p =
257
1
257
42 - 31
;
31 29
288
87 ;
369
226
170
402
Vectorul multiplicatorilor lui Lagrange Y este dat de relaia (12) : Y=
-2
257
6
69
n concluzie, soluia optim X p are componentele:

[Type text]
Pag. 88
xp1=226 / 257; xp2 = 170 / 257; xp3 = 402 / 257

iar multiplicatorii Lagrange sunt: y1 = ( - 12 ) / 257; y2 = ( - 138) / 257
Valoarea minimului este f(Xp) = - 10.57
Restriciile dau trei soluii bazice:
26 /10
X
(1)
1/ 3
16 /10
; X
(2)
0
;X
(3)
8/3
2 /11
26 /11
Avem Xp = 1.X(1) + 2.X(2) + 3.X(3) cu 0 i 1 i 1 + 2 + 3 = 1

n cazul nostru avem 1=0.4134; 2 = 0.5866; 3 = 0 deci Xp se gsete pe segmentul care
unete soluiile bazice(vrfurile) X(1) i X(2).
2.4.2. Cazul cnd restriciile sunt inecuaii

Fie problema de optimizare ptratic:
n
(14)
a ij x j
bi
j=1
(15)
x1 ,..., x n
(16)
f=2.
0
n
c jx j
j=1
d jk x j x k
max im
j 1 k 1
Se presupune c matricea simetric D=(dij) este de rang n i negativ definit deci funcia
f are un punct de maxim X0 = - D-1.c
[Type text]
Pag. 89
Fie funcia Lagrange :

n
L=2
cjx j
d jk x j x k
j=1
yi (bi
j 1 k 1
a ij x j )
i 1
j 1
unde y1 ,..., y m sunt multiplicatorii Lagrange.

Fie variabilele de egalizare primale :
n
xei
bi
0 deci funcia Lagrange capt forma :
a ij x j
j 1
yi xei . Funcia Lagrange L se mai poate scrie i sub forma :
L=f+
i=1
m
L=
bi yi
d jk x j x k
i=1
xj
j 1 k 1
a ij yi
j 1
2c j
2.
i 1
d jk x k
k 1
Fie var iabilele de egalizare duale :

m
ye j
a ij yi
2c j
2.
i 1
d jk x k
k 1
i funcia-obiectiv dual g =
bi yi
i=1
d jk x j x k
j 1 k=1
n
deci funcia Lagrange capt i forma : L = g -
x j ye j
j=1
Modelul ptratic dual pentru mod elul (13) (15) va avea forma :
m
(17)
a ij yi
2c j
i=1
d jk x k
k 1
(18)
y1 ,..., y m
(19)
g=
0
n
bi yi
i=1
d jk x j x k
min im
j 1 k 1
Pentru modelele ptratice primal (14) (16) i dual (17) (19) rmne valabil teorema de
dualitate din capitolul 2 .i aici optimele primal i dual coincid: fmax = gmin
Rmne deasemenea valabil teorema ecarturilor complementare din capitolul 2 care exprim
condiiile necesare i suficiente ca X,Y s fie soluii optime pentru modelul ptratic primal
respectiv dual (Condiiile Kuhn-Tucker) :
a) yi.xei = 0 (i=1,,m)
b) xj.yej = 0 (j=1,,n)
[Type text]
Pag. 90
Exemplu
Fie modelul de optimizare ptratic:
x1+x2 3
4x1+x2 4
x1 , x2 0
--------------f = (10x1+12x2)+(-0.5x12+0.1x1x2+0.1x2x1-0.4x22) = maxim
Modelul dual are forma:

y1+4y2 10+( - x1+0.2x2)
y1+y2 12+(0.2x1 - 0.8x2)
y1, y2 0
----------------------------------g=(3y1+4y2) (-0.5x12 + 0.1x1x2+0.1x2x1 - 0.4x22 )=minim
Rezolvarea cu SOLVER din EXCEL
Problema primal din enun se plaseaz n foaia EXCEL cu numele OPTIMP:
A1
PROGRAM PATRATIC (OPTIMP) :
RESTRICII :
COEF.X1
COEF.X2
MEMBRUL I
MEMBRUL
II
FUNCIA F:
COEF.X1
COEF.X2
COEF. X1^2
COEF. X2^2
COEF.
X1*X2
10
12
- 0.5
10
REZULTATE :
11
VALOARE
VALOARE
VALOARE
X1
X2
0.333
2.667
32.611
12
[Type text]
- 0.4
0.2
Pag. 91
FORMULE :
D5 : = $B$5*$B$12+$C$5*$C$12
D6 : = $B$6*$B$12+$C$6*$C$12
D12 : = B9*$D$12+C9*$C$12+D9*$B$12^2+E9*$C$12^2+F9*$B$12*$C$12
Se deschide meniul TOOLS (ALT T ) i se alege n feresatra TOOLS opiunea SOLVER.
Apare ferestra Solver parameters cu aspectul de mai jos:
n csua din dreapta opiunii Set Target Cell se scrie adresa absolut $D$12 n care
se gsesc valorile succesive ale funciei-obiectiv f a problemei primale, ultima valoare fiind
cea optim. Sub aceast csu se face opiunea Max n butonul radio din stnga, deoarece
problema primal este de maxim.
n csua de sub opiunea By Changing Cells se dau adresele absolute $B$12, $C$12
n care se gsesc valorile succesive ale variabilelor x1 , x2, primele valori putnd fi luate egale
cu zero iar ultimele valori fiind cele optime.
Se activeaz opiunea Add care deschide fereastra Add Constraint n care se scriu cele dou
restricii ale problemei primale: $D$4 $E$4 ; $D$5 $E$5 dup cum urmeaz:
[Type text]
Pag. 92
int
bin
n fereastra Cell Reference se scrie membrul stng al restriciei, din lista ascuns de la
mijloc se alege semnul restriciei iar n fereastra Constraint se scrie membrul drept al
restriciei. Dup terminarea scrierii fiecrei restricii, se activeaz opiunea Add pentru a
introduce restricia urmtoare. Dup nchiderea cu Ok a acestei ferestre, restriciile precedente
apar n csua de sub opiunea Subject to the Constraints din ferestra Solver Parameters de
mai sus. Dac ulterior dorim s modificm sau s tergem unele restricii, le selectm i
folosim opiunile Change sau Delete ale ferestrei Solver Parameters. Activnd opiunea
Solve din fereastra Solver Parameters , apare fereastra Solver results de mai jos:
n csua de sub opiunea Reports selectm opiunile Answer, Sensitivity i Limits

care vor ataa foii de calcul trei rapoarte cu rezultate: soluiile optime primal i dual,
valoarea optimului i intervalele pentru componentele vectorilor b i c, care nu necesit
reoptimizare. De altfel variabilele proprii x1 i x2 ale soluiei optime i valoarea optim a
funciei-obiectiv f
apar i n foaia EXCEL iniial n celulele $B$12, $C$12 respectiv
$D$12.
[Type text]
Pag. 93
Soluiile optime pentru modelele ptratice primal i dual sunt:

Soluia optim primal
Soluia optim dual
I.Variabile primale proprii:
III.Variabile duale de egalizare:
X1=1/3
ye1=0
X2=8/3
ye2=0
II.Variabile primale de egalizare:
IV.Variabile duale proprii:
Xe1=0
y1=886/90
Xe2=0
y2=8/90
fmax=gmin=2935/90
2.4.3. Modele de optimizare patratic n agricultur

A. Model ptratic de alocare a resurselor n producia vegetal
Alocri
NPK
Gru
Apa
Porumb
Gru
3
Porumb
SEMN
LIMITE
Restricii
X1(Kg/Ha)
X2(Kg/Ha)
X3(m /Ha)
X4(m /Ha)
1. NPK GRU MAX
300 Kg/Ha
2. NPK POR. MAX
200 Kg/Ha
3. APA GRU MAX
1500 m3/Ha
4. APA POR.MAX
2000 m3/Ha
5. CHELTUIELI
0.8
0.8
0.09
450
0.09
3
LEI /Kg
Lei / Kg
LEI / m
LEI / m
6. NPK
40 Ha
60 Ha
15000 Kg
7. APA
40 Ha
60 Ha
180000 m3
1000 Kg/Ha
1500 Kg/Ha
8. PROD.SUPLIM.
GRU
9. PROD.SUPLIM.
3 Kg GRU
/ m AP
/ Kg NPK
0
PORUMB
0.6 Kg GRU
LEI / HA
5 Kg Por.
0.9 Kg Por.
/ M3 AP
/ Kg NPK
10. NPK GRU MIN
80 Kg / Ha
11. NPK POR.MIN
50 Kg / Ha
12. APA GRU MIN
500 M3/Ha
13. APA POR.MIN
1000 M3/Ha
2.5
0.2
PARTE LINIAR
VENIT SUPLIM.
PARTE PTRATIC
0.3
3
LEI / Kg
LEI / Kg
LEI / m
LEI / m3
- 0.002
- 0.002
- 0.0001
- 0.0001
MAXIM
VENIT SUPLIM.
[Type text]
Pag. 94
Ca i n exemplul precedent , cu produsul informatic EXCEL, se obin soluiile optime:

SOLUIA OPTIM PRIMAL
SOLUIA OPTIM DUAL
I.VPP(Resurse alocate)
III.VDP (Surplus de venit pe unitate resurs la Ha)
X1=187.65 Kg NPK/Ha gru
ye1=0 lei surplus venit / 1 Kg NPK la Ha gru
X2=124.90 Kg NPK/Ha porumb
ye2=0 lei surplus venit / 1 Kg NPK la Ha porumb
X3=860.88 m3 Ap / Ha gru
ye3=0 lei surplus venit / 1 m3 ap la Ha gru
X4=1360.88 m3 Ap / Ha porumb
ye4=0 lei surplus venit / 1 m3 ap la Ha porumb
II.VPE(Diferene resurse consumate-limite) IV.VDP(Venituri marginale)

xe1=112.35 Kg NPK/Ha gru deficit
y1=0 lei cretere venit / nc 1 Kg NPK la Ha gru
xe2=75.10 Kg NPK/Ha porumb deficit
y2=0 lei cretere venit / nc 1 Kg NPK la Ha porumb
xe3=639.12 m3 Ap / Ha gru deficit
y3=0 lei cretere venit / nc 1 m3 ap la Ha gru
xe4=639.12 m3 Ap / Ha porumb deficit
y4=0 lei cretere venit / nc 1 m3 ap la Ha porumb
y5=0.31 lei cretere venit / nc 1 leu la Ha cheltuit
xe6=0 Kg NPK neconsumate
y6=0.04 lei cretere venit / nc 1 Kg NPK
xe7=63911.79 m ap neconsumai
y7=0 lei cretere venit / nc 1 m3 ap
xe8=79.49 Kg gru surplus
y8=0 lei cretere venit / nc 1 Kg gru
xe9=349.98 Kg porumb surplus
y9=0 lei cretere venit / nc 1 Kg porumb
xe10=107.65 Kg NPK/Ha gru surplus
y10=0 lei cretere venit / nc 1 Kg NPK la Ha gru
xe11=74.90 Kg NPK/Ha porumb surplus
y11=0 lei cretere venit / nc 1 Kg NPK la Ha Porumb
xe12=360.88 m Ap / Ha gru surplus
y12=0 lei cretere venit / nc 1 m3 ap la Ha gru
xe13=360.88 m3 Ap / Ha porumb surplus y13=0 lei cretere venit / nc 1 m3 ap la Ha porumb

fmaxim = gminim = 1063.33 lei
Pentru soluiile optime de mai sus avem valorile optime Vm=1063.33 lei / ha = maxim;
Cm =450 lei /ha ; Pm=613.33 lei / ha; RPm= 1.363 lei profit la ha / 1 leu cheltuit la ha.
Structura n procente a profitului maxim fmaxim = 1063.33 lei este: s1 = 37.5 % (contribuia
NPK la ha gru); s2 = 32.3% (contribuia NPK la ha porumb); s3 = 9.2 % (contribuia apei la
ha gru); s4 = 21% (contribuia apei la ha porumb).
I) Rata medie a profitului RMP =1.363 lei profit la ha /1 leu cheltuit la ha
II) Rata marginal a profitului RDP = y5 1 = - 0.69 lei cretere de profit la ha / 1 leu cretere
[Type text]
Pag. 95
de cheltuieli la ha
III) Elasticitatea ratei profitului ERP = RDP / RMP = - 50.6 % cretere de profit la ha / 1%
cretere de cheltuieli la ha.
B. Model ptratic de maximizarea venitului din raia furajer
Pe baza datelor din seciunea 1.1.2 alctuim tabelul cu restricii liniare i venit ptratic maxim:
Fn
Porumb
Sfecl
Tre
lucern
siloz
furajer
Gru
X1 (kg)
X2 (kg)
X3 (kg)
X4 (kg)
1. Fn MAX
15 kg
2. Porumb MAX
25 kg
3. Sfecl MAX
15 kg
4. Tre MAX
3 kg
5. Greutate
40 kg
6. Cheltuieli
0.52
0.20
0.18
0.60
12 lei
7. SU
0.84
0.25
0.13
0.86
15.2 kg
8. UN
0.48
0.25
0.12
0.77
11.7 UN
9. PD
122
10
108
1020 g
10. Fn MIN
10 kg
11. Porumb MIN
15 kg
12. Sfecl MIN
10 kg
13. Tre MIN
1 kg
Parte liniar venit
0.72
0.30
0.24
0.80
Parte ptratic venit
- 0.01
- 0.008
- 0.005
- 0.01
Furaje
Restricii
Semn
Limite
MAX
Soluia optim primal i dual este:

1)VPP(Cantiti de furaje n raie)
3)VDE(Surplus de venit lei/Kg furaj)
x1=10.38 Kg fn lucern
ye1=0 lei surplus de venit/Kg fn
x2=15 Kg porumb siloz
ye2=0 lei surplus de venit/Kg porumb
x3=10 Kg sfecl furajer
ye3=0 lei surplus de venit/Kg sfecl
[Type text]
Pag. 96
x4=3 Kg tre gru
ye4=0 lei surplus de venit/Kg tre

xe1=4.62 Kg fn deficit
y1=0 lei cretere venit/al 16-lea Kg fn
xe2=10 Kg porumb deficit
y2=0 lei cretere venit/al 26-lea Kg porumb
xe3=5 Kg sfecl deficit
y3=0 lei cretere venit/al 16-lea Kg sfecl
xe4=0 Kg tre deficit
y4=0 lei cretere venit/al 4-lea Kg tre

y5= 0 lei cretere venit/al 41-lea Kg furaj
xe5=1.62 Kg furaj deficit

y6=0.99 lei cretere venit/nc 1 leu cheltuit
xe7=1.15 Kg SU surplus
y7=0 lei cretere venit/nc 1 Kg SU
xe8=0.54 UN surplus
y8=0 lei cretere venit/nc 1 UN
xe9=805.92 g PD surplus
y9=0 lei cretere venit/nc 1 g PD
xe10=0.38 kg fn surplus
y10=0 lei cretere venit/al 11-lea Kg fn
xe11=0 Kg porumb surplus
y11=0 lei cretere venit/al 16-lea Kg porumb
xe12=0 Kg sfecl surplus
y12=-0.034 lei cretere venit/al 11-lea Kg sfecl
xe13=2 Kg tre surplus
y13= 0 lei cretere venit/al 2-lea Kg tre

fmaxim = gminim = 13.31 lei
Pentru soluiile optime de mai sus avem valorile optime V m=13.31 lei=maxim;
Cm =12 lei;Pm=1.31 lei; RPm=0.109
Structura n procente a cheltuielilor minime fmaxim = 13.31 lei este : s1 = 48.1% (contribuia
fnului lucern); s2 = 20.3% (contribuia porumbului siloz); s3 = 14.3% (contribuia sfeclei
furajere); s4 = 17.3 % (contribuia trelor).
Indicatori economici ai modelului liniar V:

RMP =0.109 lei profit /1 leu cheltuit
II) Rata marginal a profitului RDP = y6 1 = - 0.01 lei cretere de profit / 1 leu cretere
de cheltuieli
III) Elasticitatea ratei profitului ERP = RDP / RMP = - 9.2 % cretere de profit / 1%
cretere de cheltuieli.
[Type text]
Pag. 97
TEST DE EVALUARE
1. Cum caracterizai optimul economic n alocarea de resurse ?
2. Cum caracterizai optimul tehnic n alocarea de resurse ?
3. Ce semnificaie au ratele substituirii factorilor n realizarea unui produs ?
4. Ce semnificaie au ratele valorificrii aceluiai factor de ctre produse diferite ?
[Type text]
Pag. 98
3. SISTEME AGRICOLE
Uniti de nvaare:
Conceptul modern de sistem i sistem agricol, cu exemple din biologie i agricultur
Modele de analiz tehnico-economic pentru principalele sisteme agricole
Etapele de elaborare a balanei economice i analiza problemei concentrrii i
diversificrii produciei agricole pe ramuri
Obiectivele temei:
-nsuirea conceptului modern de sistem agricol, proprieti, exemple, analiza tehnicoeconomic i balana economic n sistemele agricole.
1. Stnil O. Analiz liniar i geometrie Vol. I - II, Editura ALL, 2000 2001.
2. Cenu Gh. i col. Matematici pentru economiti Editura CISON, 2000.
3. Cenu Gh. i col. Matematici pentru economiti culegere de probleme Editura
CISON, 2000.
4. Ene D. Matematici (I) Editura CERES, 2004.
5. Gogonea S. , Ene D. Analiz numeric Editura Cartea Universitar, 2005.
6. Ene D., Gogonea S. Metode numerice Editura Cartea Universitar, 2005.
7. Ene D. Matematici aplicate n agricultur Editura CERES, 2006.
TEMA 3.1. DEFINIIA, CLASIFICAREA I PROPRIETILE SISTEMELOR

3.1.1 Definiia sistemelor
Un sistem este o mbinare armonioas din punct de vedere structural i funcional a
urmtoarelor elemente:
1) Mulimea de n intrri (inputs) de forma X= (X1,,Xn) Rn
2) Mulimea de p stri interne(internal states) de forma S =(S0,,Sp-1) Rp
3) Mulimea de m ieiri(outputs) de forma Y = (Y1,,Ym) Rm
[Type text]
Pag. 99
ntre elementele precedente exist urmtoarele legturi:

a)
Ecuaia de stare S= f (S,X)
Aici S este starea consecutiv strii S care este simultan cu intrarea X .

b)
Ecuaia de ieire Y= g (S,X)
c)
Ecuaia de reglare cibernetic(feedback) Z = h (S,Y)
Aici Z este intrarea corectat care regleaz intrarea X .

Un sistem se numete agricol dac intrrile /ieirile sistemului au legtur cu plantele i
animalele sau cu produsele agroalimentare.
Intrrile unui sistem agricol se se mpart n urmtoarele categorii:
- mijloace fixe(terenuri,grajduri,spaii de producie)
-
umane(fora de munc)
mecanice(maini agricole i de prelucrare/conservare produse agroalimentare)
materiale (consumuri de resurse fizice)
energetice (consumuri de combustibili i energie electric)
financiare (costurile unitilor de resurse,cheltuieli materiale,manoper i neproductive)
informaionale(documentaie tehnologic i surse de finanare)
Strile interne din sistemele agricole se mpart n urmtoarele categorii:

-
stadii de vegetaie la plante anuale sau perene
categorii de vrst la animale
gradul de uzur al mainilor agricole i al utilajelor de prelucrare a produselor agricole
raportul ntre cererea i oferta de produse agroalimentare
Ieirile dintr-un sistem agricol se mpart n urmtoarele categorii:

-
Producii fizice principal i secundar
Venit
Producia fizic minim care aduce profit(raportul ntre cheltuieli i preul de vnzare al
unitii de producie fizic)

-
Costul unitii de producie fizic(raportul ntre cheltuieli i producia fizic)
Profit (diferena ntre venit i cheltuieli)
Rata profit(raportul ntre profit i cheltuieli)
Bilanul financiar-contabil
[Type text]
Pag. 100
3.1.2. Clasificarea sistemelor

SISTEME BIOLOGICE PARIAL DIRIJATE
I.
1) Sistemul florei spontane

-
plante ierboase
arbori/arbuti
2) Sistemul faunei slbatice

-
animale ierbivore
animale carnivore
animale omnivore
II.
SISTEME BIOLOGICE TOTAL DIRIJATE

3) Sistemul plantelor cultivate
-
Ferme de cereale, plante tehnice i furajere
Ferme legumicole
Ferme pomicole
Ferme viticole
Parcuri i spaii verzi
Pduri i pepiniere silvice
4) Sistemul animalelor domestice

-
Ferme de bovine pentru lapte i carne
Ferme de porcine
Ferme de ovine i caprine pentru lapte i carne
Ferme de psri pentru ou i carne
Ferme piscicole
Ferme sericicole
Stupine
III.
SISTEME TEHNICE DE PRELUCRARE A PRODUSELOR

AGRICOLE
5) Uniti de prelucrare a produselor agricole vegetale

-
Mori de fin i mlai
[Type text]
Pag. 101
Fabrici de nutreuri combinate
Fabrici de pine
Fabrici de ulei
Fabrici de zahr
Fabrici de legume i fructe conservate
Fabrici de bere
Uniti de vinificaie
Fabrici de buturi spirtoase
Uniti de produse fitofarmaceutice
6) Uniti de prelucrare a produselor agricole zootehnice

-
Fabrici de produse lactate
Abatoare i carmangerii
Fabrici de mezeluri i conserve din carne
Fabrici de conserve din pete

SISTEME ECONOMICE DE COMERCIALIZARE I SERVICII PENTRU
PRODUSE AGRICOLE BRUTE SAU PRELUCRATE
7) Piee agroalimentare
8) Angrouri de produse agroalimentare
9) Trguri pentru animale vii
10) Uniti de alimentaie public
11) Uniti agroturistice
Cititorul poate uor identifica intrrile, strile interne i ieirile pentru sistemele
enumerate mai sus. Pentru orice sistem agricol din cele enumerate mai sus, se asociaz un
sistem informaional economic care consemneaz sub form contabil intrrile, strile
interne i ieirile din sistemul agricol respectiv. Intrrile n sistemul informaional sunt date de
intrare necesare pentru calculul economic respectiv; strile interne ale sistemului
informaional sunt etape de calcul i rezultate intermediare iar ieirile sunt rezultate finale ale
calculului economic. n prezent sistemele informaionale economice din agricultur sunt
informatizate. Sistemul informaional economic nu coincide cu sistemul agricol pe care l
modeleaz: cheltuielile sunt intrri n sistemul agricol dar sunt ieiri n sistemul informaional
economic asociat. Exemple de sisteme neagricole
[Type text]
Pag. 102
OMUL
AUTOMOBILUL
COMPUTERUL
SISTEMUL SOLAR
UNIVERSUL
Cititorul este invitat s recunoasc intrrile,strile interne i ieirile pentru aceste
sisteme neagricole. Oservm c omul este singurul sistem care poate percepe n mod contient
frumosul ca valoare estetic.
3.1.3
1.
Proprietile sistemelor
Integralitatea
Un sistem nu este o sum de pri ci mbinarea armonioas a acestor pri din punct de vedere
structural i funcional.
2.
Echilibrul dinamic
Orice sistem este amplasat n spaiu i evolueaz n timp printr-un schimb permanent de
materie, energie i informaie cu mediul ambiant,realizndu-se o renoire continu a

sistemului. Dac sistemul este biologic, el se renoiete singur, n caz contrar renoirea trebuie
dirijat de om.
3.
Reglarea cibernetic
Sistemul i menine integralitatea i echilibrul dinamic prin adaptarea continu la schimbrile

mediului, optimizndu-i evoluia. Dac sistemul este biologic, el se autoregleaz, n caz
contrar reglarea trebuie creat i dirijat de om.
4.
Existena finit
Evoluia sistemului are o stare iniial i o stare final. Dac sistemul este biologic, evoluia sa
este dezvoltarea ontogenetic i filogenetic marcat de natere, reproducere i moarte. n caz
contrar sistemul sufer n timp uzur fizic, amnat prin reparaii periodice i uzur moral,
fiind necesar casarea sa la un moment dat, considerat moment final al evoluiei sistemului.
5.
Ierarhizarea
[Type text]
Pag. 103
Poate fi relaional (pe orizontal) sau structural (pe vertical).

Ierarhizarea relaional apare cnd
n relaia ntre dou sisteme, unul conduce sau
coordoneaz iar cellalt este condus sau este coordonat. n cazul coordonrii ierarhizarea este
mai slab dect n cazul conducerii.
Exemplu
Orice exploataie agricol este coordonat de Direcia agricol judeean care la rndul ei este
coordonat de Ministerul Agriculturii.
Ierarhizarea structural apare cnd un sistem este constituit din subsisteme interconectate i
la rndul su este subsistem ntr-un alt sistem ierarhic superior.
Exemple
a)
Omul ca sistem biologic este constituit din cteva sisteme interconectate: sistemul
nervos, sistemul endocrin, sistemul circulator, sistemul respirator, sistemul digestiv, sistemul
excretor, sistemul reproductor, sistemul imunitar, sistemul ocular, sistemul auditiv, etc.
Omul este la rndul su subsistem al sistemelor: familie, comunitate local, naiune, orientare
religioas, partid, politic, organizaie profesional, etc.
b)
Computerul ca sistem tehnic este constituit din sisteme interconectate : unitate de
comand cu microprocesor i coprocesor, unitate de prelucrare date, monitor, imprimant,

memorii (hard, floppy, compact disc, RAM), etc. Computerul este este subsistem pentru
sistemele: reea local, reea naional, INTERNET, etc.
Exist un suprasistem care conine toate celelalte sisteme: Universul.
Dou subsisteme se pot conecta ntr-un sistem, n serie (amonte-aval), n paralel i mixt.
Exemplu
Sistemul culturii grului este conectat n serie cu morile de mcinat fin. Sistemul culturii
grului i sistemul culturii porumbului sunt sisteme vegetale conectate n paralel iar sistemul
produciei vegetale i zootehnice sunt inteconectate mixt (sistemul vegetal trimite furaje n
sistemul zootehnic iar sistemul zootehnic trimite gunoi de grajd sistemului vegetal).
Subsistemele unui sistem se npart n subsisteme eseniale (fr de care sistemul nu poate
exista) i subsisteme neeseniale (lipsa lor se poate compensa de ctre subsistemele
eseniale).
[Type text]
Pag. 104
Exemple
1.Pentru sistemul om subsistemele nervos, circulator,digestiv, hepatopancreatic, renal sunt
exemple de subsisteme eseniale iar subsistemele vizual, auditiv, locomotor sunt exemple de
subsisteme neeseniale.
2.Pentru sistemul computer subsistemele microprocesor, harddisc, tastatur, monitor,
memorii externe (floppy disc / cdrom / stick) sunt exemple de subsisteme eseniale iar
imprimanta este exemplu de subsistem neesenial.
6.
Controlabilitatea
Un sistem este controlabil la momentul t 1 > t0 dac pentru orice stare intern S(t 0) i orice
stare intern consecutiv S(t1), exist o intrare X(t) cu t n intervalul [ t0 , t1 ] care transfer
sistemul din starea S(t0) n starea S(t1) n intervalul de timp t = t 1 t0.
7.
Observabilitatea
Un sistem este observabil n momentul de timp t 0 dac pentru orice stare S(t 0) exist
momentul de timp t 1 > t0 pentru care atunci cnd se cunosc intrrile X(t) cu t n intervalul
[ t0, t1 ] i Y(t1), se poate determina starea S(t 0).
8.
Stabilitatea
Fie o stare intern posibil S1(t) a sistemului. Aceast stare intern este stabil dac pentru
orice > 0 ,exist ( ) > 0 astfel c pentru orice alt stare intern posibil S2(t), din relaia
| S2(t0) S1(t0) | < ( ) rezult | S2(t) S1(t) | < pentru orice t > t0.
Un sistem este stabil dac toate strile sale interne sunt stabile.
9.
Memorie finit
Un sistem dinamic este cu memoria finit m dac exist maximum m momente de timp
t0 ,t1,,tm cu intrrile cunoscute X(t 0) , X(t1) ,, X(tm) i starea intern iniial cunoscut
S(t0), astfel c la momentul de timp t m+1 avem:
a)
S(tm+1) = [ S(t0) ; X(t0) , X(t1) ,, X(tm) ]
b)
Y(tm+1) = [ S(t0) ; X(t0) , X(t1) ,, X(tm) ]
[Type text]
Pag. 105
3.1.4.
Pdurile ca ecosisteme vegetale
n epocile geologice naintea apariiei omului ,pdurea a fost cel mai important sistem
biologic vegetal. mportana pdurii n prezent este la fel de mare pentru sntatea planetei iar
ca sistem biologic i tehnico-economic este controlat printr-o legislaie strict.
Calitile principale ale pdurii sunt urmtoarele:
1) Este principala furnizoare de oxigen i consumatoare de bioxid de carbon a planetei.
Arborii valorific cldura i lumina solar pe vertical, un arbore avnd o suprafa verde
echivalent cu o mare suprafa ierboas.
2) Este furnizoarea materiei prime lemnoase folosit pentru construcii, mobil i
combustibil. Dealtfel pdurile preistorice sunt la originea formrii zcmintelor de crbuni.
3) Este principalul factor de mbuntire a microclimatului prin atragerea ploilor, de
combatere a pulberilor i gazelor poluante,de stabilizare a terenurilor n pant.
4) Este un habitat ideal pentru multe specii de animale slbatice n special cele arboricole.
5) Are valene turistice incontestabile ca loc de recrerere i odihn.
6) Are valene fitoterapeutice mari prin substanele coninute n arbori, unele insuficient
cunoscute i studiate de medicin.
7) Implic cheltuieli specifice mai mici fa de plantele de cultur n raport cu veniturile pe
care le aduc.
Din pcate n prezent suprafeele mpdurite scad continuu mai ales n rile n curs de
dezvoltare cu consecine catastrofale pentru mediu la scar mic i la scar mare. Cele mai
nefaste consecine sunt accentuarea polurii globale, deertificarea i alunecrile de teren.
Exploatarea iraional a fondului forestier nensoit de o replantare corespunztoare, este
principala cauz a scderii suprafeelor mpdurite. Un arbore mare se taie n cteva minute
dar se reface n cteva zeci de ani. n multe locuri pdurile au fost defriate pentru a face loc
terenurilor arabile, care exploatate intensiv, s-au degradat.
Politicile naionale i internaionale fa de pduri trebuie s stopeze fenomenele
negative semnalate mai sus ,pentru a repune n drepturi acest aur verde al planetei. Din cele
prezentate mai sus reies i componentele pdurii ca ecosistem vegetal.
Sistemul silvic are urmtoarele componente:
a) Intrri: oxigen ,bioxid de carbon, energie solar gratuit,ap,substane minerale din sol,
resturi vegetale reciclate, ngrminte naturale de la animalele slbatice i altele.
[Type text]
Pag. 106
b) Stri interne: starea de vegetaie este legat de vrsta arborilor, de densitatea i de efectul
nefavorabil al polurii i furtunilor. ntre arbori de diferite vrste i talii exist o lupt acerb
pentru lumin i cldur. Starea pdurilor este obiectul de activitate al unor organisme
specializate i trebuie urmrit cu strictee.
c) Ieiri: oxigen, mas lemnoas, biomas, fructe de pdure, hran pentru animale slbatice,
spaii de recreere i parcuri dendrologice i altele.
Un calcul economic arat c pdurea este un sistem rentabil dac se respect cerinele i
dezideratele enumarate mai sus.
TEMA 3.2. PROPRIETI GENERALE ALE SISTEMELOR AGRICOLE

3.2.1. Particulariti ale sistemelor agricole
n seciunea 3.1.2 s-au clasificat sistemele agricole n patru categorii principale:
I.Sisteme biologice parial dirijate
II.Sisteme biologice total dirijate
III.Sisteme tehnice de prelucrare a produselor agricole
IV.Sisteme economice de comercializare a produselor agricole brute sau prelucrate
A)
Particulariti ale sistemului plantelor cultivate
Plantele cultivate sunt necesare omului ca hran vegetal brut sau prelucrat, ca surs de
materii prime pentru industria alimentar i nealimentar, ca hran furajer pentru animale,
etc. Sistemul plantelor cultivate are un triplu caracter: biologic, tehnologic i economic. Fiind
un mijloc de existen i nu un hobby, acest sistem este o afacere deci preponderent este
caracterul su economic.
Particularitile sistemului plantelor cultivate sunt urmtoarele:
-Producerea de semine /material sditor este controlat de om pe baza geneticii i ameliorrii
soiurilor de plante. Seminele /materialul sditor de calitate superioar trebuie s genereze
plante de mare productivitate, cu rezisten mare la buruieni, boli i duntori, adaptabile la
condiiile locale de mediu, s rspund la o tehnologie adecvat, s genereze profit, s aib
cutare pe pieele de produse agricole interne i externe, etc.
[Type text]
Pag. 107
-Tehnologia de cultivare a plantelor urmrete completarea pn la confortul biologic a

cerinelor plantelor fa de mediu: cerine fa de sol, fa de clim, fa de ap, ngrminte
chimice i organice, combaterea buruienilor, bolilor i duntorilor, etc.
Principiul de baz al tehnologiei este c resursele alocate de om la plantele cultivate trebuie
dozate n cantiti optime i aplicate n intervale de timp optime.
Condiiile de mediu sunt foarte diferite de la un loc la altul i de la un an la altul, deci n
alocarea de ctre om a resurselor pentru plantele cultivate, nu exist abloane.
-Rentabilitatea culturilor agricole este asigurat dac fermierii dein informaii despre
cantitile de produse agricole pe care le va cere piaa intern i cele externe, despre
standardele de calitate care asigur vandabilitatea produselor agricole brute sau prelucrate i
stabilesc categoriile de culturi i suprafeele pe care acestea trebuie s le ocupe n raport de
cerinele pieii .
-Protecia mediului reclam gsirea unor alternative de combatere biologic nepoluant a
buruienilor, bolilor i duntorilor, fertilizarea organic, combaterea srturrii, a distrugerii
humusului, etc.
-Cultura plantelor este un domeniu economic cu risc asumat deci este necesar un sistem
eficient de asigurare a recoltelor fa de calamiti: secete,exces de umiditate, inundaii,
alunecri de teren, ngheuri, grindine, invazii de lcuste, etc.
Asigurarea recoltelor se poate face prin societi de asigurri sau prin constituirea unui fond de
risc pentru calamiti.
B)
Particulariti ale sistemului animalelor domestice

Animalele domestice sunt necesare omului ca hran de origine animal brut sau
prelucrat, ca surs de materii prime pentru industria alimentar i nealimentar, ca furnizoare

de gunoi de grajd pentru fertilizarea ecologic a solului, etc.
Se spune c acolo unde exist ferm vegetal trebuie s existe i animale domestice
pentru a valorifica partea furajer a plantelor cultivate.
Punctele 1)-5) din seciunea A) de mai sus rmn valabile i pentru plantele furajere
dar apar unele deosebiri ntre producia vegetal i cea zootehnic.
-Plantele cultivate i prepar singure hrana prin fotosintez cu bioxid de carbon din atmosfer
,cu ap i substane nutritive din sol, folosind sursa energetic (lumin i cldur) gratuit de
[Type text]
Pag. 108
la soare, n timp ce animalele domestice sunt hrnite de ctre om (furajare la pune vara
pentru rumegtoare i furajare n adposturi iarna).
- Plantele cultivate sunt asistate de om n perioada lor de vegetaie iar animalele n tot anul
calendaristic.
Durata de asisten a plantelor de ctre om egal cu durara lor de vegetaie este de
aproximativ 6 luni pentru culturi anuale de primvar, 9 luni pentru pioasele de toamn,
civa ani pentru plantele perene, pomi i vie.
Durata de asisten a animalelor domestice de ctre om depinde de specie (2 luni la
puii de carne, 240 zile la porci, 7-9 ani la vaci cu lapte,etc). Aceste durate se prelungesc pentru
animalele domestice din gospodriile rneti.
-Producia zootehnic este n mare msur tributar produciei vegetale, deoarece ponderea
cea mai mare a cheltuielilor n zootehnie o ocup cheltuielile cu furajarea. n perioadele de
secet are de suferit i producia vegetal i cea zootehnic.
-Produsele vegetale sunt inferioare ca valoare nutritiv pentru om, fa de cele zootehnice, dar
mai puin perisabile ca acestea din urm deci necesit mai puine cheltuieli pentru pstrare /
conservare.
-n ultimii ani medicina recomand schimbri n structura alimentar a hranei omului prin
scderea ponderii produselor din carne i produse din carne, a finoaselor i dulciurilor nalt
rafinate i creterea ponderii lactatelor, legumelor, fructelor, finoaselor integrale, a produselor
din soia ,ntr-un cuvnt promovarea hranei naturiste.
3.2.2. Intrri n sistemele agricole
Dup natura lor, intrrile n sistemele agricole sunt: materiale, energetice, financiare i
informaionale.
Dup modul de aplicare n timp, intrrile n sistemele agricole pot fi intrri ealonate i
intrri-bloc.
Vom nota intrrile ealonate cu X(t) iar pe cel bloc cu XT.
Exemple de intrri ealonate la plante cultivate: ngrminte chimice, apa de irigaie.
Exemple de intrri-bloc la plante cultivate: arat, semnat, ierbicidat, combatere boli i
duntori .
Exemple de intrri ealonate la animale domestice: furajare, adpare.
Exemple de intrri-bloc la animale domestice: populare, reproducere, combatere boli.
[Type text]
Pag. 109
Tehnologia agricol vegetal sau zootehnic transform n mod curent intrrile ealonate n
intrri-bloc i invers.
Exemple
1) ngrmintele chimice se aplic la plantele cultivate n dou trane.
2) Furajele pentru animalele domestice se stocheaz n baza furajer n sezonul de iarn.
Fie o serie tehnologic la plante cultivate / animale domestice n intervalul de timp de forma
[0 ; DS] unde DS este durata seriei n uniti de timp.
Funcia intrrii ealonate X(t) se cumuleaz n timp.
Funcia intrrii cumulate va fi:
t
XC(t)
X(r)dr
(1)
Intrarea-bloc XT va avea forma :

DS
XT=XC(DS)=
X(r)dr (2)
0
Relaia (2) exprim legtura ntre intrarea ealonat X(t) i intrarea-bloc XT.
Ealonarea/cumularea i controlul resurselor n agricultur
[ 0 ; DS] unde DS este durata seriei n uniti de timp.
Funcia resursei ealonate X(t) se cumuleaz n timp.
Funcia resursei cumulate va fi
t
XC(t)
X(r)dr
(1)
Intrarea-bloc XT va avea forma :

DS
XT=XC(DS)=
X(r)dr (2)
0
Relaia (2) exprim legtura ntre resursa ealonat X(t) i resursa-bloc XT .

Fie NC numrul de controale ale resursei ealonate X(t) .
Intervalul de timp ntre dou controale succesive este egal cu DS / NC uniti de timp.
Rapoartele CX(j)= XT / X(t j) pentru tj = j.(DS/NC) (j = 1,2,,NC), se numesc coeficienii
diversificai ai intrrii X.
[Type text]
Pag. 110
Pe baza valorii reale XR(t j) a intrrii la data controlului numrul j, se poate calcula valoarea
ateptat XTA(j)=XR(j).CX(j) care estimeaz pe XT la momentul j.
Clase de funcii polinomiale de grad cel mult 3 care ajusteaz resursele agricole
1. Polinom convex simetric de grad 2

Forma funciei este:
X(t) = X1.t + X2.t2 ; t
[0; DS] ; X1 > 0, X2 > 0
Graficul funciei are forma:
Funcia are valoarea final XF pentru t = DS. Fie XT cantitatea total de resurs X consumat n seria
de timp [0; DS]. Impunem condiiile:
DS
1) X(t) d t = XT
0
2)X(DS) XF
De aici rezult coeficienii X1, X2 ai funciei de consum resurs:
X1 = 2.(3.XT DS.XF) / DS2 ; X2 = 3.(DS.XF 2.XT) / DS3
Pentru ca X1 > 0 i X2 > 0 trebuie s alegem XT n intervalul:
(DS.XF / 3 ; DS.XF / 2 ). Funcia consumului cumulat de resurs va fi:
XC(t) = X1.t2 / 2 + X2.t3 / 3
Avem XT = XC(DS)
[Type text]
Pag. 111
X1
6m XT
.
3m 1 DS2
XT
1
; (
m
3
3m 1 DS
3
; X2
1)
2.Polinomul concav simetric de grad 2

Forma funciei este:
X(t) = X1.t + X2.t2 ; t
[0; DS] ; X1 > 0, X2 < 0
Funcia are valoarea maxim pentru t = m.DS

Fie XT cantitatea total de resurs X consumat n seria de timp [0; DS] .
Impunem condiiile:
DS
1) X(t) d t = XT
0
2)
X1
2.X 2
m.DS
De aici rezult coeficienii X1, X2 ai funciei de consum resurs:

Funcia consumului cumulat de resurs va fi:
XC(t) = X1.t2 / 2 + X2.t3 / 3
Avem XT = XC(DS)
3.Polinom concav asimetric de grad 3

Forma funciei este:
X(t) = X1.t + X2.t2 + X3.t3 ; t
[0; DS]
Graficul funciei are forma :

[Type text]
Pag. 112
DS
1)
X(t) d t = XT
0
2)
3)
X2
- 3X3
m.DS
X 22
X2
3X1X3
3X3
DS
Funcia are valoarea maxim XM pentru t = m.DS (0 < m < 1).

Fie XT producia fizic total realizat n seria de timp [0; DS].
Impunem condiiile:
DS
4)
X(t) d t = XT
0
5) X1
2X 2 .(m.DS) 3X 3 .(m.DS2 ) 0 adic maximul lui X(t) este n m.DS
6) X1 .DS X 2 .DS2
X 3 .DS3
0 adic la momentul de timp DS avem X(DS)=0.
De aici rezult coeficienii X1, X2 , X3 ai funciei X(t) :

XC(t) = X1.t2 / 2 + X2.t3 / 3 + X3.t4 / 4
Avem XT = XC(DS)
4.Polinom convex-concav de grad 3
[Type text]
Pag. 113
Forma funciei este:

X(t) = X1.t + X2.t2 + X3.t3 ; t
[0; DS] ; X10 , X2 >0 , X3 <0
Funcia are valoarea maxim XM pentru t = DS i are un punct de inflexiune pentru t =

m.DS (0 < m 0.5).
Fie XT cantitatea total de resurs X consumat n seria de timp [0; DS].
Impunem condiiile:
De aici rezult coeficienii X1, X2, X3 ai funciei de consum resurs:
X1
X2
X3
12(2m 1) XT
.
8m 5 DS2
12m XT
.
8m 5 DS3
4
XT
. 4
; (0 < m
8m 5 DS
0.5)

XC(t) = X1.t2 / 2 + X2.t3 / 3 + X3.t4 / 4
Avem XT = XC(DS)
[Type text]
Pag. 114
Aplicaii numerice
a) X(t) = consumul de ap de irigaie la porumb.
Alegem polinomul cocav simetric de la punctul 2.
Avem DS=150 zile , XT = 3000 m3 ap / ha iar punctul de inflexiune este m.DS =120 zile
deci = 0.8 Din relaiile de la punctul 2), obinem: X1 = 0.457143 ; X2 = - 0.001905
Funcia consumului de ap de irigaie la porumb va fi: X(t) = 0.457143 t - 0.001905 t2
Funcia consumului cumulat de ap de irigaie la porumb va fi:
XC(t) = 0.228571 t2 - 0.000635 t3
Avem XC(150) = XT =3000 m3 ap / ha. Pentru NC = 10 controale la DS / NC = 15 zile, avem n tabelul
1 coeficienii diversificai
ai consumului de ap de irigaie la porumb: CX(j) = XT / X(tj) (tj = 15,45,60,,150)
Tabel 1
Nr.control Ziua control
Rezultat
Coef.diversificat
15
6.43
466.67
30
12
250
45
16.71
179.49
60
20.57
145.83
75
23.57
127.27
90
25.71
116.67
105
27
111.11
120
27.43
109.38
135
27
111.11
10
150
25.71
116.67
De exemplu dac n ziua 90-a a controlului Nr.6, avem consumul real de ap de

irigaie XR(6) = 20 m3 /ha, coeficientul diversificat la data acestui control, fiind CX(6) =
116.6667, vom avea XTA(5) = 20 x 116.6667 = 2333.334 m3 / ha prin care se estimeaz la
momentul t6 = 90 zile, cantitatea XT = 3000 m3 / ha.
b) X(t) = consumul de furaje concentrate la porci (Kg)

Alegem polinomul convex-concav de grad 3 de la punctul 4.
[Type text]
Pag. 115
Avem DS=240 zile , XT = 800 Kg / cap iar punctul de inflexiune este m.DS =120 zile deci
m = 0.5. Din relaiile de la punctul 4., obinem: X1 = 0 ; X2 = 0.000347; X3 = - 0.000001
Funcia consumului de furaje concentrate la porci va fi:
X(t) = 0.000347 t2 - 0.000001 t3
Funcia consumului cumulat de furaje concentrate la porci va fi:
XC(t) = 0.000116 t3 - 0.0000002 t4
Avem XC(240) = XT =800 Kg furaj / cap.
Pentru NC = 8 controale la DS / NC = 30 zile, avem n tabelul 2 coeficienii diversificai
ai consumului de furaje concentrate la porci: CX(j) = XT / X(t j) (tj = 0,60,90,,240):
Tabel 2
Rezultat
Coef.diversificat
30
0.29
2972.73
60
1.04
768
90
2.11
379.26
120
3.33
240
150
4.56
175.54
180
5.63
142.22
210
6.38
125.39
240
6.67
120
De exemplu dac n ziua 120-a a controlului Nr.4, avem consumul real de furaje concentrate
XR(4) = 3 Kg /cap , coeficientul diversificat la data acestui control, fiind CX(4) = 240, vom
avea XTA(4) = 3 x 240 =720 Kg / cap prin care se estimeaz la momentul t 6 = 120 zile,
cantitatea XT = 800 Kg / cap.
3.2.3
Ieiri din sistemele agricole
n toat seciunea 3.2.3 vom schimba resursele X cu produciile Y.

Dup natura lor,ieirile din sistemele agricole sunt: materiale, energetice, financiare i
informaionale.
[Type text]
Pag. 116
Dup modul de obinere n timp, ieirile din sistemele agricole pot fi ieiri ealonate i ieiribloc.
Vom nota ieirile ealonate cu Y(t) iar pe cel bloc cu YT.
Exemple de ieiri ealonate la plante cultivate: recolta de legume.
Exemple de ieiri-bloc la plante cultivate: recolta de cereale, fructe, vie.
Exemple de ieiri ealonate la animale domestice: colectare producie lape, ou, miere.
Exemple de ieiri-bloc la animale domestice: sacrificare animale pentru carne.
Tehnologia agricol vegetal sau zootehnic transform n mod curent ieirile ealonate n
ieiri-bloc i invers.
[ 0; DS] unde DS este durata seriei n uniti de timp.
Funcia ieirii ealonate Y(t) se cumuleaz n timp.
YC(t)
Y(r)dr
(3)
Ieirea-bloc YT va avea forma :

DS
YT=YC(DS)=
Y(r)dr (4)
0
Funcia ieirii cumulate va fi :

Relaia (4) exprim legtura ntre ieirea ealonat Y(t) i ieirea-bloc YT .
Ealonarea/cumularea i controlul produciilor n agricultur
Aplicaii numerice
c) Y(t) = producia de lapte de vac ( litri ).
Alegem polinomul concav asimetric de grad 3 de la punctul 5.3.2 n care schimbm peste
tot litera X cu litera Y.
Avem DS=308 zile, YT = 5000 litri lapte iar punctul de maxim al produciei de lapte este
m.DS =123 zile deci m = 0.4. Din relaiile de la punctul 3. din seciunea 3.2, obinem:
Y1 = 0.461280; Y2 = - 0.002438; Y3 = 0.000003
Funcia produciei de lapte va fi:
Y(t) = 0.461280 t 0.002438 t2 + 0.000003 t3
Funcia produciei cumulate de lapte va fi:
YC(t) = 0.23059 t2 0.000813 t3 + 0.00000076 t4
[Type text]
Pag. 117
Avem YC(308) = YT =5000 litri lapte.

ai produciei de lapte: CY(j) = YT / Y(t j) (tj = 28,56,84,,308):
Tabel 3
Rezultat
Coef.diversificat
28
11.07
451.74
56
18.72
267.16
84
23.34
214.19
112
25.36
197.19
140
25.16
198.76
168
23.14
216.05
196
19.72
253.52
224
15.29
326.91
252
10.26
487.15
10
280
5.03
993.79
11
308
5000
De exemplu dac n ziua 140-a a controlului Nr.5, avem producia real de lapte YR(5) = 22
litri/cap.zi, coeficientul diversificat la data acestui control, fiind CY(5) =198.7631, vom avea
YTA(5) = 22 x 198.7631 = 4372.789 litri / vac prin care se estimeaz la momentul t 5 = 140
zile cantitatea YT = 5000 litri lapte. Experimental s-au stabilit pentru producia de lapte de
vac din Romnia la cele 11 controale, urmtorii coeficieni diversificai:
Nr.control
Coef.diver-
237.3
236.7
250
261
280
295.7
327.1 357.6
10
11
398.3
456.3 518.5
sificai
d) Y(t) = sporul zilnic n greutate al puilor de carne (g)

Alegem polinomul concav simetric de grad 2 din seciunea 5.3.2, n care schimbm peste tot
litera X cu litera Y.
Avem DS=56 zile , YT = 2500 grame iar punctul de maxim al sporului zilnic n greutate al
puilor este atins la m.DS =56 zile deci m = 1
[Type text]
Pag. 118
Din relaiile de la punctul 2. din seciunea 3.2, obinem:

Y1 = 2.391582; Y2 = - 0.021353
Funcia sporului zilnic n greutate la pui va fi:
Y(t) = 2.391582 t - 0.021353 t2
Funcia sporului zilnic n greutate cumulat la pui va fi:
YC(t) = 1.195791 t2 - 0.007118 t3
Avem YC(56) = YT =2500 grame.
ai sporului zilnic n greutate al puilor: CY(j) = YT / Y(t j) (tj = 7,14,21,,56):
Tabel 4
Rezultat
Coef.diversificat
15.69
159.29
14
29.30
85.34
21
40.81
61.26
28
50.22
49.78
35
57.55
43.44
42
62.78
39.82
49
65.92
37.93
56
66.96
37.33
De exemplu dac n ziua 28-a a controlului Nr.4, avem sporul zilnic n greutate real YR(4)
= 50 g / cap, coeficientul diversificat la data acestui control, fiind CY(4) = 49.7778, vom avea
YTA(4) = 50 x 49.7778=2488.889 g / cap prin care se estimeaz la momentul t4 = 28 zile
cantitatea YT = 2500 grame.
TEMA 3.3. ANALIZA TEHNICO-ECONOMIC A SISTEMELOR AGRICOLE

3.3.1 Analiza tehnico-economic a sistemului produciei vegetale
Vom analiza o plant de cultur anual de tip cereal sau plant tehnic, de toamn sau
primvar semnat n cmp ntr-o anumit zon pedoclimatic.
[Type text]
Pag. 119
I. DATE DE INTRARE
1).Suprafaa cultivat (ha) = SC
2).Densitatea la recoltare (plante/ha) = DR
[DR1;DR2]
3).Cost arat pregtire teren (lei/ha) = CP
[CP1;CP2]
4).Cost smn semnat (lei/ha) = CS
[CS1;CS2]
5).Cost lucrri combatere buruieni-boli duntori (lei/ha) = CB

6).Consum ngrminte chimice (kg/ha) = QI
7).Cost ngrminte chimice (lei/kg) = CI
8).Consum ap de irigaie (m3/ha) = QA
9).Cost ap de irigaie (lei/m3 ) = CA
[CB1;CB2]
[QI1;QI2]
[CI1;CI2]
[QA1;QA2]
[CA1;CA2]
10).Cost recoltare transport producie principal (lei/Kg) = CRP
[CRP1;CRP2]
11). Cost recoltare transport producie secundar (lei/Kg) = CRS
[CRS1;CRS2]
12).Consum motorin (litri/ha) = QC
[QC1;QC2]
13).Consum curent electric (Kwh/ton) = QE

14).Cost combustibil (lei/litru) = CC
[QE1;QE2]
[CC1;CC2]
15).Cost curent electric (lei/Kwh) = CE
[CE1;CE2]
16).Consum for de munc (zile-om/ha) = QZ
[QZ1;QZ2]
17).Retribuie medie for de munc (lei/zi-om) = CZ

18).Impozit pe mijloace fixe (lei/ha) = IM
[CZ1;CZ2]
[IM1;IM2]
19). Prima de asigurare recolt (lei/ha) = PA [PA1; PA2]

20).Producie principal medie (Kg/plant) = YPM
[YPM1;YPM2]
21).Pre vnzare producie principal (lei/Kg) = PVP

22).Producie secundar medie (Kg/ha) = YSM
[PVP1;PVP2]
[YSM1;YSM2]
23). Pre vnzare producie secundar (lei/Kg) = PVS
[PVS1;PVS2]
REZULTATE
II. PRODUCII TOTALE PE PERIOADA DE VEGETAIE
24).Producie principal total(Kg) : YPT = YPM*DR*SC
25).Producie secundar total (Kg) : YST = YSM*SC
26).Venit total(lei) : VT = YPT*PVP + YST*PVS = (YPM*DR*PVP + YSM*PVS)*SC din care :
[Type text]
Pag. 120
a). Venitul principal total(lei) : VPT = YPT*PVP cu ponderea VPT*100/VT %

b). Venitul secundar total (lei): VST = YST*PVS cu ponderea VST*100/VT %
27).Cheltuieli totale(lei) : CT = CM+CO+CN din care :
c). Cheltuieli materiale (lei) : CM = CTH+CEN+CRT cu ponderea CM*100/CT % din care :
c1). Cheltuieli tehnologice(lei) : CTH = CP*SC+CS*SC+CB*SC+QI*SC*CI+QA*SC*CA cu
ponderea CTH*100/CM %
c2). Cheltuieli energetice (lei) : CEN = QC*SC*CC+YPT*QE*CE/1000 cu ponderea CEN*100/
CM %
c3)
Cheltuieli recoltare-transport(lei): CRT = YPT*CRP+YST*CRS cu ponderea CRT*100/CM
d). Cheltuieli cu fora de munc(lei): CO = QZ*SC*CZ cu ponderea CO*100/CT %

e). Cheltuieli neproductive(lei): CN = (IM+PA)*SC +0.16*VT cu ponderea CN*100/CT %
28).Profit total (lei) : PT = VT CT
III. INDICATORI MEDII AI PRODUCIEI
29). Producia principal unitar (Kg / ha ): YPU = YPM*DR
30). Producia principal minim (Kg / ha ) care aduce profit: YPR = (CT YST*PVS)/(SC*PVP)
31).Costul produciei (lei/Kg producie fizic principal): CPP = CT/YPT
IV. INDICATORI AI PROFITULUI

32).Rata medie a profitului (lei profit / 1 leu cheltuit): RMP = PT / CT
33).Rata marginal a profitului (lei cretere sau scdere profit / 1 leu cretere cheltuieli):
RDP = (V1 1 +2*V2*CT)
34).Elasticitatea ratei profitului (procente cretere sau scdere profit / 1 % cretere cheltuieli):
ERP = RDP/RMP
Toate datele de intrare sunt cuprinse n intervale de valori, date de tehnologie, cu

excepia suprafeei cultivate de la punctul 1) care este constant.
Pentru a calcula produciile de la punctele 24) 28) precum i indicatorii economici de la
punctele 29) 34), trebuie s alegem valori concrete n intervalele specificate pentru datele
de intrare de la punctele 2) 23).
Calculul ratei marginale a profitului.

[Type text]
Pag. 121
Fie
CTA
(CP1+
CS1
CB1
QI1
*CI1+
QA1*CA1
QC1*CC1+YPM1*DR1*QE1*CE1/1000 +(YPM1*
*DR1*CRP1+YSM1*CRS1)*1.16 +QZ1*CZ1+IM1*PA1)*SC valoarea minim a cheltuielilor
totale CT, obinut pentru datele 2) 20),22) la limita stng a intervalelor lor de valori i
fie CTB = (CP2+ CS2 + CB2 + QI2 *CI2+ QA2*CA2 + QC2*CC2+YPM2*DR2*QE2*CE2/1000
+(YPM2*
*DR2*CRP2+YSM2*CRS2)*1.16 +QZ2*CZ2+IM2*PA2)*SC valoarea maxim a cheltuielilor
totale CT , obinut pentru datele 3) 20),22) la limita dreapt a intervalelor lor de valori.
Fie VTA = (YPM1 *DR1*PVP1 +YSM1*PVS1)*SC valoarea minim a venitului total
VT, obinut pentru datele de la punctele 2),20) 23) la limita stng a intervalelor lor de
valori i fie VTB = (YPM2 *DR2*PVP2 +YSM2*PVS2)*SC valoarea maxim a venitului
total VT, obinut pentru datele de la punctele 2),20) 23) la limita dreapt a intervalelor lor
de valori.
Graficul funciei VT = V1*(CT) + V2*(CT)2 este o parabol unde V1, V2 sunt soluiile
sistemului liniar:
VTA = V1*(CTA) + V2*(CTA)2
VTB = V1*(CTB) + V2*(CTB)2
care exprim faptul c parabola de ecuaie VT = V1.(CT) + V2.(CT)2 trece prin punctele
A ( CTA;VTA) i B(CTB, VTB) :
Din sistemul liniar precedent gsim:

V1 = (VTA*CTB^2-VTB*CTA^2) / (CTA*CTB^2-CTB*CTA^2)
[Type text]
Pag. 122
V2 = CTA*VTB-CTB*VTA) / (CTA*CTB^2-CTB*CTA^2)
Profitul total este : PT = VT CT deci PT = (V1 - 1).(CT) + V2 .(CT)2
Rata marginal a profitului este derivata profitului total PT deci:
RDP = (V1 1 ) + 2*V2*(CT) adic chiar formula de la punctul 33).
Concluzii :
I.Rata marginal a profitului este egal cu zero n cazul optimului economic i este
egal cu 1 ,n cazul optimului tehnic .
II.Elasticitatea ratei profitului ERP este mai mare ca 1 n zona de expansiune a produciei
agricole, este egal cu 1 n cazul optimului de echilibru i este mai mic ca 1 n zona de
saturaie a produciei agricole.
Exemple
1. CULTURA PORUMBULUI
Nr.
Mrimea
Minim
Aleas
Maxim
SC
20
20
20
DR
60000
65000
70000
CP
100
110
120
CS
60
65
70
CB
40
50
60
QI
120
150
150
CI
0.8
QA
2000
2200
2400
CA
0.05
0.06
0.06
10
CRP
0.04
0.06
0.06
11
CRS
0.01
0.01
0.012
12
QC
120
140
150
13
QE
14
CC
2.8
3.4
3.6
15
CE
0.2
0.24
0.24
16
QZ
17
CZ
12
14
14
[Type text]
Pag. 123
18
IM
18
20
22
19
PA
80
100
120
20
YPM
0.04
0.06
0.08
21
PVP
1.2
1.4
22
YSM
800
900
1000
23
PVS
0.08
0.1
0.12
REZULTATE :
21). YPT = 91000 Kg boabe porumb
22). YST = 18000 Kg coceni
23). VT = 65140 lei
24). CM = 22708.12 lei
25). CO = 1560 lei
26). CH = 24268.2 lei
27). CT = 27180.3 lei
28). PT = 37959.71 lei
29).YPU = 4550 Kg porumb boabe / ha
30). YPR = 1838 Kg porumb boabe / ha aduc profit
31). CP= 0.2986 lei cheltuieli / un Kg porumb boabe
32). RMP = 0.1397 lei profit / 1 leu cheltuit
33). RDP = 0.7487 lei cretere profit / 1 leu cretere de cheltuieli
( V1 = - 3.220333 ; V2 = 2.158535 x 10 4 )
34). ERP = 5.36 % cretere profit / 1 % cretere cheltuieli
Concluzie : aceast variant tehnico-economic este n zona de expansiune a produciei.
2. CULTURA GRULUI
Nr.
Mrimea
Minim
Aleas
Maxim
SC
10
10
10
DR
4500000
4800000
5000000
CP
90
100
120
CS
50
60
70
CB
40
50
60
[Type text]
Pag. 124
QI
150
180
200
CI
0.7
0.8
0.9
QA
900
1000
1100
CA
0.05
0.06
0.07
10
CRP
0.04
0.05
0.06
11
CRS
0.01
0.011
0.012
12
QC
120
140
150
13
QE
14
CC
3.2
3.4
3.6
15
CE
0.2
0.22
0.24
16
QZ
17
CZ
12
13
14
18
IM
18
20
22
19
PA
80
100
120
20
YPM
0.0005
0.0006
0.0007
21
PVP
1.2
1.4
22
YSM
1200
1300
1400
23
PVS
0.07
0.08
0.09
REZULTATE:
21). YPT = 28800 Kg boabe gru
22). YST = 13000 Kg paie gru
23). VT = 21200 lei
24). CM = 9961.016 lei
25). CO = 650 lei
26). CH = 10611.02 lei
27). CT = 11884.34 lei
28). PT = 9315.662 lei
29). YPU = 2880 Kg gru boabe / ha
30). YPR = 1549 Kg gru boabe / ha aduc profit
31). CPP = 0.4126 lei cheltuieli / 1 Kg boabe gru
[Type text]
Pag. 125

( V1 = - 1.697871; V2 = 3.100979 x 10 4 )
Concluzie: aceast variant tehnico-economic este n zona de cretere accelerar a
produciei.
3.3.2 Analiza economic a sistemului produciei de lapte
Vom analiza tandemurile vaci - viei sugari de o anumit ras, n anumite cicluri de
lactaie i aflate ntr-o anumit ferm.
I.
DATE DE INTRARE
1).Suprafaa spaiului de cazare vaci (m2) = SC

2.Durata medie lactaie vaci (zile) = DS
[DS1;DS2]
3.Durata medie alptare viel (zile) = DV [DV;DV2]

4.Densitatea n spaiul de cazare vaci (capete/ m2 ) = DC [DC2;DC2]
5.Procent fertilitate vaci (%) = FE
[FE1;FE2]
6.Procent reform vaci (%) = RE
[RE1;RE2]
7.Procent viabilitate viei sugari (%) = VI

8.Inciden mbolnvire vaci (%) = IA
[VI1;VI2]
[ IA1; IA2 ]
9.Cheltuieli veterinare medii pentru vaci (lei/cap vac) = CVA

10. Inciden mbolnvire viei (%) = IV
[CVA1;CVA2]
[ IV1; IV2]
11.Cheltuieli veterinare medii pentru viei sugari (lei/cap viel sugar) = CVV
[CVV1;CVV2]
12.Consum mediu zilnic de amestec de furaje pentru vac (kg/cap vac.zi) = QF
[QF1;QF2]
13.Consum mediu zilnic de lapte integral pentru viel sugar (litri laie integral / cap viel sugar.zi) =
= QV
[QV1;QV2]
14.Cost mediu amestec de furaje pentru vac (lei/kg) = CF
[CF1;CF2]
15.Consum mediu zilnic de ap (adpat plus consum tehnologic) (litri/cap.zi) = QA

16.Consum mediu zilnic de curent electric(Kwh / zi) = QE
[QE1;QE2]
17.Consum mediu zilnic de combustibil(transport tehnologic)(litri / zi) = QC

18.Cost ap (lei/litru) = CA
[Type text]
[QA1;QA2]
[QC1;QC2]
[CA1;CA2]
Pag. 126
19.Cost curent electric(lei /Kwh ) = CE
[CE1;CE2]
20.Cost combustibil (lei / litru) = CC [CC1;CC2]

21.Consum mediu for de munc (zile-om/ vac plus viel sugar) = QZ
22.Retribuia madie for de munc (lei/zi-om) = CZ
[CZ1;CZ2]
23.Impozit pe mijloace fixe (lei / m2 grajd) = IM
[ IM1 ; IM2 ]
24.Prima de asigurare vaci (lei / cap vac) = PA
[ PA1;PA2 ]
25.Producie medie zilnic de lapte integral(litri/cap vac.zi) = YL
[YL1 ;YL2]
26.Coeficient mediu zilnic de grsime n lapte (%) = CG
[CG1;CG2]
27.Coeficient mediu zilnic de protein n lapte (%) = CP
[CP1;CP2]
28.Pre vnzare lapte integral (lei/litru) = PL
[QZ1;QZ2]
[PL1;PL2]
29.Greutate medie adult reformat (Kg) = GR
[GR1;GR2]
30.Greutate medie viel la nrcarea sa (Kg) = GV

31.Pre vnzare n viu adult reformat (lei/Kg) = PR
[GV1;GV2]
[PR1;PR2]
32.Pre vnzare n viu viel la nrcarea sa (lei / Kg) = PV
[PV1;PV2]
33.Cantitate medie zilnic gunoi de grajd vac plus viel sugar (Kg /cap) = QG
34.Pre vnzare gunoi de grajd (lei /Kg ) = PG
[QG1;QG2]
[PG1;PG2]
REZULTATE
II. PRODUCII TOTALE
35a).Numr capete vaci la nceputul lactaiei: NAI = SC*DC
35b). Numr capete vaci la sfritul lactaiei: NAL = NAI*(1 RE)
36a).Numr capete viei sugari la nceputul lactaiei: NVI = NAI*FE
36b).Numr capete viei sugari la nrcarea lor: NVL = NVI*VI
37a).Producia total de lapte(litri) : YT = NAL*(DS*YL DV*QV)
37b).Producia total de unt(Kg) : YU = YT*CG
37c).Producia total de protein(Kg) : YP = YT*CP
37d).Cantitate total de gunoi de grajd(Kg) : GT = NAL*QG*DS
38).Venit total(lei) : VT = VL+VA+VG din care:
a) Venit din vnzare lapte integral VL = YT*PL cu ponderea VL*100 / VT % ;
b) Venit vnzare vaci reformate i viei nrcai VA= NAI*RE*GR*PR + NVL*GV*PV cu
[Type text]
Pag. 127
ponderea VA*100 / VT %;
c) Venit din vnzare gunoi de grajd VG = GT*PG cu ponderea VG*100 / VT %.
39) Cheltuieli totale(lei) : CT = CM+CO+CNP din care :
d) Cheltuieli materiale(lei) : CM = CFT+CVE+CEN cu ponderea CM*100 / CT % din care :
d1) Cheltuieli cu furajare vac plus viel sugar(lei) : CFT = NAL*QF*DS*CF+NVL*QV*DV*PL
cu ponderea CFT*100 / CM % ;
d2) Cheltuieli veterinare(lei) : CVE = NAI*IA*CVA +NVI*IV*CVV cu ponderea CVE*100 / CM %;
d3) Cheltuieli energetice(lei) : CEN = QA*DS*CA+QE*DS*CE+QS*DS*CC cu ponderea
CEN*100 / CM %
e).Cheltuieli for de munc (lei) : CO = QZ*(NAL+NVL)*CZ cu ponderea CO*100 / CT %
f). Cheltuieli neproductive(lei) : CNP = IM*SC+PA*SC*DC +0.16*VT cu ponderea CNP*100 / CT %
40).Profit total (lei): PT = VT CT

41). Producia principal unitar (litri lapte / cap de vac ) : YTU = DS*YL DV*QV
42). Producia principal minim (litri lapte / cap de vac ) care aduce profit:
YTZ = [(CT NAI*RE*GR*PR NVL*GV*PV GT*PG) / (NAL*PL)] / DS
43).Costul produciei (lei/litru lapte): CPP = CT/YT

44).Rata medie a profitului (lei profit/ 1 leu cheltuit): RMP = PT / CT
RDP = (V1 1 +2*V2*CT)
46).Elasticitatea ratei profitului (procente cretere sau scdere profit / 1 % cretere cheltuieli ) :
ERP = RDP / RMP
Toate datele de intrare sunt cuprinse n intervale de valori ,date de tehnologie,
cu excepia suprafeei spaiului de cazare vaci plus viei sugari de la punctul 1) care este constant .
Pentru a calcula produciile de la punctele 35a) 40) precum i indicatorii economici de la punctele
41 46) , trebuie s alegem valori concrete n intervalele specificate pentru datele de intrare de la punctele
2) 34)
Calculul ratei marginale a profitului de la punctul 45).

[Type text]
Pag. 128
Calculm mrimile:
CFT1 = SC*DC1*(1-RE2)*QF1*DS1*CF1+SC*DC1*FE1*VI1*QV1*DV1*PL1
CFT1 = SC*DC2*(1-RE1)*QF2*DS2*CF2+SC*DC2*FE2*VI2*QV2*DV2*PL2
CVE1 = SC*DC1*IA1*CVA1+SC*DC1*IV1*CVV1; CVE2 = SC*DC2*IA2*CVA2+SC*DC2*IV2*CVV2
CEN1 = QA1*DS1*CA1+QE1*DS1*CE1+QC1*DS1*CC1
CEN2 = QA2*DS2*CA2+QE2*DS2*CE2+QC2*DS2*CC2
CM1= CFT1+CVE1+CEN1 ; CM2= CFT2+CVE2+CEN2
CO1= QZ1*SC*DC1*CZ1*(1-RE2)*FE1*VI1 ; CO2= QZ2*SC*DC2*CZ2*(1-RE1)*FE2*VI2
CNP1= IM1*SC+PA1*SC*DC1+0.16*VT1 ; CNP2= IM2*SC+PA2*SC*DC2+0.16*VT2
CTA= CM1+CO1+CNP1 ; CTB= CM2+CO2+CNP2
i respectiv :
VL1= SC*DC1*(1-RE2)*(DS1*YL1-DV1*QV1)*PL1; VL2= SC*DC2*(1-RE1)*(DS2*YL2-DV2*QV2)*PL2
VA1=SC*DC1*RE2*GR1*PR1+SC*DC1*FE1*VI1*GV1*PV1
VA2=SC*DC2*RE1*GR2*PR2+SC*DC2*FE2*VI2*GV2*PV2
VG1=SC*DC1*(1-RE2)*QG1*DS1*PG1 ; VG2=SC*DC2*(1-RE1)*QG2*DS2*PG2
VTA= VL1+VA1+VG1; VTB= VL2+VA2+VG2
Ca i n seciunea 5.1 avem:
Venitul total este VT = V1 *(CT) + V2 *(CT)2 deci profitul total este : PT = VT CT deci
PT = (V1 - 1)*(CT) + V2 *(CT)2
RDP = (V1 1 ) + 2.V2.(CT) adic chiar formula de la punctul 45).
Exemplu
VACI CU LAPTE PLUS VIEI SUGARI
Nr.
Mrimea
Minim
Aleas
Maxim
SC
2000
2000
2000
DS
290
308
310
DV
90
100
110
DC
0.1
0.1
0.2
[Type text]
Pag. 129
FE
0.94
0.98
0.98
RE
0.03
0.04
0.05
VI
0.95
0.95
0.98
IA
0.04
0.05
0.06
CVA
40
50
60
10
IV
0.06
0.08
0.09
11
CVV
60
70
80
12
QF
40
45
50
13
QV
14
CF
0.18
0.2
0.25
15
QA
30
35
50
16
QE
18
20
22
17
QC
10
12
18
CA
0.025
0.03
0.035
19
CE
0.18
0.22
0.22
20
CC
3.2
3.4
3.6
21
QZ
11
11
22
CZ
14
16
16
23
IM
1.3
1.4
1.5
24
PA
110
120
130
25
YL
16
18
20
26
CG
0.03
0.04
0.04
27
CP
0.04
0.05
0.05
28
PL
1.6
1.8
1.8
29
GR
500
550
600
30
GV
80
90
90
31
PR
32
PV
10
10
33
QG
10
12
12
34
PG
0.02
0.03
0.04
[Type text]
Pag. 130
REZULTATE :
19a) NAI = 150 capete vaci la nceputul seriei
19b) NVI = 144 capete viei la nceputul seriei
20a) NAL = 141 capete vaci la sfritul seriei
20b) NVL = 132 capete viei la sfritul seriei
21a) YT = 723330 litri lapte = 7233.3 hectolitri lapte
21b) YU = 28933 Kg unt
21c) YP = 36166 Kg protein
22) GT = 465300 Kg gunoi = 465.3 tone gunoi
23). VT = 1418775 lei
24a). CFT = 402414.5 lei
24b). CM = 418194.5 lei
25). CO = 41022 lei
26). CH = 459216.6 lei
27). CT = 523506.9 lei
28). PT = 895268.4 lei
29). YTU = 5130 litri lapte / cap de vac
30). YTP = 1602 litri lapte / cap de vac aduc profit
31). CPP = 0.7237 lei cheltuieli / 1 litru lapte
( V1 = 3.344314 ; V2 = - 1.360042 x 10 6 )
Concluzie : aceast variant tehnico-economic este n zona de saturaie a produciei , n
stnga optimului economic.
3.3.3 Analiza economic a sistemului produciei de carne
Vom analiza turaii, porcii i puii de carne de o anumit ras, ntr-o anumit serie i
aflai ntr-o anumit ferm.
I. DATE DE INTRARE
1).Suprafaa spaiului de cazare (m2) = SC
[Type text]
Pag. 131
2).Durata medie a seriei (zile) = DS
[DS1;DS2]
3).Densitatea n spaiul de cazare (capete/ m2 ) = DC [DC2;DC2]

4).Procent viabilitate ( % ) = VI
[VI1;VI2]
5). Incidena mbolnvirii animalelor (%) = IA

6).Cost igienizare (lei/ m2) = CI
[IA1; IA2]
[CI1;CI2]
7).Costuri veterinare medii (lei/cap = CV
[CV1;CV2]
8).Consum mediu zilnic de amestec de furaje (kg/cap.zi) = QF

9).Cost mediu amestec de furaje (lei/kg) = CF
[QF1;QF2]
[CF1 ;CF2]
10).Consum mediu zilnic de ap (adpat plus consum tehnologic) (litri/zi) = QA

11).Consum mediu zilnic de curent electric (Kwh / zi) = QE
[QA1;QA2]
[QE1;QE2]
12).Consum mediu zilnic de combustibil(transport tehnologic) (litri / zi) = QC [QC1;QC2]

13).Cost ap (lei/litru) = CA
[CA1 ;CA2]
14).Cost curent electric (lei /Kwh ) = CE
[CE1;CE2]
15).Cost combustibil (lei / litru) = CC [CC1;CC2 ]

16).Consum for de munc (zile-om/ cap) = QZ
17).Cost for de munc (lei/zi-om) = CZ
[QZ1;QZ2]
[CZ1;CZ2]
18). Impozit pe mijloace fixe (lei / m2 grajd) = IM
[IM1;IM2]
19). Prima de asigurare animale (lei / cap ded animal) = PA [PA1; PA2]
20).Spor mediu zilnic n greutate (Kg/cap.zi) = SG
21).Pre vnzare carne n viu (lei/Kg) = PV
[SG1;SG2]
[PV1;PV2]
22).Cantitate medie zilnic gunoi de grajd (Kg /cap.zi) = QG

23).Pre vnzare gunoi de grajd (lei /Kg ) = PG
[QG1;QG2]
[PG1;PG2]
REZULTATE
II. PRODUCII TOTALE
24).Numr capete la nceputul seriei: NI = SC*DC
25). Numr capete livrate: NL = NI*VI
26a).Greutate carne livrat n viu (Kg) : GL = NL*SG*DS
26b).Cantitate total de gunoi de grajd(Kg) : GT = NL*QG*DS
27).Venit total(lei) : VT = VPT+VST din care:
a) Venit principal total(lei) : VPT = GL*PV cu ponderea VPT*100/VT %;
[Type text]
Pag. 132
b) Venit secundar total(lei) : VST = GT*PG cu ponderea VST*100 / VT %

28). Cheltuielile totale(lei) : CT = CM+CO+CN din care:
a) Cheltuieli materiale(lei) : CM = CFT+CVE+CEN cu ponderea CM*100/CT % din care :
a1) Cheltuieli cu furajarea(lei) : CFT=NL*QF*DS*CF cu ponderea CFT*100/CM % ;
a2) Cheltuieli veterinare(lei) : CVE = CI*SC+CV*NI*IA cu ponderea CVE*100/CM %;
a3) Cheltuieli energetice(lei) : CEN = (QA*CA+QE*CE+QC*CC)*SC cu ponderea CEN*100/CM %.
b).Cheltuieli for de munc (lei) : CO = QZ*NL*CZ cu ponderea CO*100/CT;
c). Cheltuieli neproductive (lei) : CN= IM*SC+PA*SC*DC+0.16*VT cu ponderea
CN*100/CT %.
29).Profit total (lei) : PT = VT CT
30). Greutatea individual medie la livrare (Kg / cap): GML = SG*DS
31). Greutatea individual minim (Kg / cap) care aduce profit :
GIL = (CT GT*PG)/(NL*PV)
32).Costul produciei (lei/Kg carne) : CPP=CT/GL

33).Rata medie a profitului (lei profit / 1 leu cheltuit): RMP = PT / CT
RDP = V1 1 +2*V2*CT
35).Elasticitatea ratei profitului (procente cretere sau scdere profit / 1 % cretere cheltuieli ) :
ERP = RDP / RMP
Toate datele de intrare sunt cuprinse n intervale de valori ,date de tehnologie, cu

excepia suprafeei spaiului de cazare de la punctul 1) care este constant.
Pentru a calcula produciile de la punctele 24) 29) precum i indicatorii economici de la
punctele 30) 32), trebuie s alegem valori concrete n intervalele specificate pentru datele de
intrare de la punctele 2) 18).
Calculul ratei marginale a profitului de la punctul 34).

Calculm mrimile:
CFT1=NL1*QF1*DS*CF1 ; CFT2=NL2*QF2*DS*CF2
[Type text]
Pag. 133
CVE1 = CI1*SC+CV1*NI1*IA1 ; CVE2 = CI2*SC+CV2*NI2*IA2

CEN1 = (QA1*CA1+QE1*CE1+QC1*CC1)*SC ; CEN2 = (QA2*CA2+QE2*CE2+QC2*CC2)*SC
CM1 = CFT1+CVE1+CEN1 ; CM2 = CFT2+CVE2+CEN2
CO1 = QZ1*NL1*CZ1 ; CO2 = QZ2*NL2*CZ2
CN1= IM1*SC+PA1*SC*DC1+0.16*VT1 ; CN2= IM2*SC+PA2*SC*DC2+0.16*VT2
CTA = CM1+CO1+CN1 ; CTB = CM2+CO2+CN2
i respectiv :
NI1=DC1*SC ; NI2=DC2*SC ; NL1=NI1*VI1; NL2=NI2*VI2
GL1=NL1*SG1*DS ; GL2=NL2*SG2*DS ; GT1=NL1*QG1*DS ; GT2=NL2*QG2*DS
VPT1=GL1*PV1; VPT2=GL2*PV2 ; VST1=GT1*PG1 ; VST2=GT2*PG2
VTA=VPT1+VST1 ; VTA=VPT2+VST2
Ca i n seciunea 5.1 avem :
Venitul total este VT = V1 *(CT) + V2 *(CT)2 deci profitul total este : PT = VT CT deci
PT = (V1 - 1)*(CT) + V2 *(CT)2
RDP = (V1 1 ) + 2.V2.(CT) adic chiar formula de la punctul 34).
Exemple
1. TURAI LA NGRAT
Nr.
Mrimea
Minim
Aleas
Maxim
SC
1000
1000
1000
DS
700
750
800
DC
0.1
0.1
0.2
VI
0.92
0.95
0.96
IA
0.05
0.06
0.06
CI
1.2
1.2
CV
150
160
160
QF
18
20
22
CF
0.1
0.2
0.2
[Type text]
Pag. 134
10
QA
50
60
70
11
QE
10
12
12
12
QC
12
14
14
13
CA
0.002
0.003
0.003
14
CE
0.18
0.2
0.2
15
CC
3.2
3.4
3.6
16
QZ
17
CZ
15
16
16
18
IM
1.2
1.4
1.4
19
PA
110
120
130
20
SG
0.7
0.8
0.9
21
PV
22
QG
10
10
23
PG
0.013
0.014
0.015
REZULTATE :
18) NI = 100 capete turai la nceputul seriei
19) NL = 92 capete turai la sfritul seriei
20) GL = 41400 Kg carne n viu
21) GT = 621000 Kg gunoi = 621 tone gunoi
22). VT = 339273 lei
23). CFT = 193200 lei
24). CM = 232635 lei
25). CO = 11040 lei
26). CH = 243675 lei
27). CT = 272916 lei
28). PT = 66357 lei
29). GML = 450 Kg / cap
30). GIL = 359.84 Kg / cap aduc profit
31). CPP = 6.5922 lei cheltuieli / 1 Kg carne n viu
[Type text]
Pag. 135

( V1 = 1.43902 ; V2 = - 4.894493x 10 7 )
Concluzie: aceast variant tehnico-economic este n zona de saturaie a produciei, n
2. PORCI LA NGRAT
Nr.
Mrimea
Minim
Aleas
Maxim
SC
2000
2000
2000
DS
230
240
250
DC
0.4
0.4
0.5
VI
0.80
0.85
0.86
IA
0.05
0.07
0.08
CI
1.5
1.6
1.8
CV
170
180
200
QF
3.5
CF
0.4
0.45
0.5
10
QA
25
30
35
11
QE
12
13
14
12
QC
10
11
12
13
CA
0.025
0.026
0.03
14
CE
0.18
0.22
0.22
15
CC
3.2
3.4
3.6
16
QZ
13
14
15
17
CZ
16
17
18
18
IM
1.3
1.4
1.5
19
PA
50
60
70
20
SG
0.4
0.5
0,6
21
PV
0.8
0.9
[Type text]
Pag. 136
22
QG
23
PG
0.01
0.011
0.012
REZULTATE:
18) NI = 800 capete porci la nceputul seriei
19) NL = 680 capete porci la sfritul seriei
20) GL = 81600 Kg carne n viu
21) GT = 489600 Kg gunoi = 489.6 tone gunoi
22). VT = 494985.7 lei
23). CFT = 257040 lei
24). CM = 270630 lei
25). CO = 40800 lei
26). CH = 311430 lei
27). CT = 348801.6 lei
28). PT = 146184 lei
29). GML = 120 Kg / cap porc
30). GIL = 84.17 Kg / cap porc aduc profit
( V1 = 1.347157 ; V2 = 1.611347 x 10 7 )
Concluzie: aceast variant tehnico-economic este n zona de expansiune a produciei.
3. PUI DE CARNE
Nr.
Mrimea
Minim
Aleas
Maxim
SC
2000
2000
2000
DS
40
45
50
DC
10
12
15
VI
0.85
0.88
0.90
[Type text]
Pag. 137
IA
0.08
0.1
0.12
CI
1.1
1.2
CV
0.9
1.1
QF
0.08
0.09
CF
0.4
0.45
0.5
10
QA
70
80
90
11
QE
19
20
21
12
QC
11
12
14
13
CA
0.002
0.003
0.003
14
CE
0.18
0.2
0.2
15
CC
3.2
3.4
3.6
16
QZ
10
11
17
CZ
17
18
19
18
IM
1.4
1.5
1.6
19
PA
0.4
0.5
0.6
20
SG
0.03
0.035
0.04
21
PV
10
22
QG
0.04
0.05
0.06
23
PG
0.01
0.011
0.012
REZULTATE:
18). NI = 24000 capete pui la nceputul seriei
19). NL = 21120 capete turai la sfritul seriei
20). GL = 33264 Kg carne n viu
21). GT = 47520 Kg gunoi = 47.52 tone gunoi
22). VT = 193453.9 lei
23). CFT = 38491.2 lei
24). CM = 43238.3 lei
25). CO = 1837.44 lei
26). CH = 45075.74 lei
27). CT = 50484.83 lei
28). PT = 142969.1 lei
[Type text]
Pag. 138
29). GML = 1.58 Kg / cap pui

30). GIL = 0.41 Kg / cap de pui aduc profit
( V1 = 4.161872 ; V2 = - 1.105736 x 10 5 )
Concluzie : aceast variant tehnico-economic este n zona de saturaie a produciei , n
3.3.4. Analiza economic a sistemului comercializrii produselor agricole
Sistemul comercializrii produselor agricole brute sau prelucrate este aflat n aval fa
de toate sistemele agricole care au fost prezentate n seciunea 3.2, intrrile sale fiind de fapt
ieiri ale celorlalte sisteme agricole.
Toate reuitele / eecurile biologice i tehnico-economice ale celorlalte sisteme
agricole, se oglindesc n preurile cerute de vnztori pe pieele agroalimentare.
Agricultura n ansamblu comport anumite riscuri legate de dezastre locale i globale
precum secete, inundaii, alunecri de teren, poluare global,evoluia preurilor pe pieele
agroalimentare internaionale, politici protecioniste n comerul regional i mondial, factori
emoionali la bursele de produse agricole, etc. Pe de alt parte produsele agroalimentare sunt
produse de strict necesitate i de nenlocuit pentru om, subnutriia fiind o realitate n continu
extindere n rile srace.
O deosebire ntre produsele alimentare i nealimentare este i faptul c produsele
alimentare au uzur fizic amnat prin conservare sau congelare, n timp ce produsele
nealimentare au i uzur fizic i moral, uzura lor moral transformndu-le n produse
second-hand.
Rezult c analiza economic a acestui sistem trebuie s aib la baz date concrete din
teren care trebuie actualizate permanent cu mijloace informatizate.
Scopul acestei analize este obinerea de prognoze rapide i corecte de evoluie a
preurilor, de reglare cibernetic a preurilor n funcie de raportul cerere ofert, de asigurare
a siguranei alimentare a populaiei.
[Type text]
Pag. 139
Vom aborda mai departe principalele produse agroalimentare brute i semiprelucrate

autohtone, ale cror preuri pot fi negociate n funcie de raportul cerere-ofert, i a cror
prelucrare n form consumabil o fac cumprtorii n buctria personal.
Aceste produse le vom grupa n urmtoarele grupe:
A) Cereale i plante tehnice
B) Legume
C) Fructe
D) Produse zootehnice
Clasificarea produselor agricole dup coeficientul de nlocuire
a) Produse de necesitate mare (cu coeficient mic de nlocuire)
Exemple: cartofi, varz alb, ceap alb, tomate, ardei gras, morcovi, mere, struguri, lapte,
ou.
La produsele de necesitate mare, la creterea preului de vnzare, cantitatea vndut scade
puin.
b) Produse de necesitate mijlocie (cu coeficient mediu de nlocuire)
Exemple: Fin, mlai, fasole boabe, vinete, ardei gogoar, castravei, conopid, elin,
pere, prune, piersici, cpuni, pepeni, carne de vit, porc, pasre.
La produsele de necesitate mijlocie, cu creterea preului de vnzare, cantitatea vndut
scade puin apoi scade brusc.
c) Produse de necesitate mic (cu coeficient mare de nlocuire)
Exemple: usturoi, sfecl roie, ridichi, praz, carne de oaie i miel, miere de salcm.
La produsele de necesitate mic, cu creterea preului de vnzare, cantitatea vndut scade
scade brusc.
Clasificarea produselor agricole dup timpul ct se afl la vnzare:
1) Produse aflate permanent la vnzare
Exemple:
Toate cerealele de la punctul A)
Ceapa, usturoiul, morcovii, elina, albitura, sfecla roie de la punctul B)
Merele, vinul, uica de la punctul C)
Toate produsele de la punctul D) cu excepia crnii de miel.
2) Produse aflate la vnzare cteva luni
[Type text]
Pag. 140
Exemple:
Toate legumele de la punctul B) altele dect cele enumerate la punctul 1).
Toate fructele de la punctul C) altele dect cele enumerate la punctul 1) cu excepia cpunilor i
zmeurii.
3) Produse aflate la vnzare cteva sptmni
Exemple:
Cpunile i zmeura de la punctul C) i carnea de miel / ied de la punctul D)
OFERTA PRODUCTORILR de produse agricole
autohtone, brute sau semiprelucrate,
conine pentru fiecare produs, urmtoarele componente principale, la nivel de unitate economic,
jude, ar:
Suprafaa cultivat / efectivul de animale vii;
Producia medie pe ha / pe cap de animal;
Producia total vegetal / zootehnic din acelai jude cu locul comercializrii;
Producia total vegetal / zootehnic adus la locul comercializrii din alte judee;
5. Costul de producie (lei / ton );
6. Distana de la locul de producie la locul de vnzare;
7. Costul transportului (lei / ton ) de la locul de producie la locul comercializrii;
8. Adaosul comercial (lei / ton );
9. Intrevalul de timp (zile) ct produsul se afl la vnzare.
CEREREA CONSUMATORILOR de produse agricole autohtone, brute sau

semiprelucrate, conine pentru fiecare produs, urmtoarele componente principale, la
nivel de unitate economic, jude, ar:
10. Numrul consumatorilor care cumpr dintr-un loc de comercializare;
11. Venitul anual pe membru de familie (lei);
12. Consumul mediu anual pe membru de familie, din fiecare produs agricol (Kg);
13. Cheltuielile medii anuale pe membru de familie, pentru toate produsele agricole.
CAPACITATEA DE VNZARE CUMPRARE de produse agricole autohtone, brute
sau prelucrate, conine urmtoarele componente principale:
14. Numrul pieelor dintr-o localitate sau jude;
[Type text]
Pag. 141
15. Suprafaa spaiului de vnzare pentru fiecare grup de produse agricole enumerate la
punctele a) D) la nivel de pia, localitate sau jude;
16. Ponderea (%)din suprafaa de vnzare a unei piee, ocupat de produse agricole din
import (legume, fructe ,etc.);
17. Ponderea (%) din numrul de persoane care vnd, a celor care nu au nicio legtur cu
producia agricol ( intermediari en gros i en detail );
18. Taxa medie (lei / m2 ) pentru spaiile de vnzare;
19. Controlul sanitar-veterinar al produselor agricole expuse la vnzare, condiiile higienicosanitare obligatorii ale spaiilor de vnzare i dotri corespunztoare pe pstrare-conservare a
produselor n ele.
Etapele de analiz economic a sistemelor de comercializare a produselor agricole sunt
urmtoarele:
I. Culegerea de date privind cantitile vndute i preurile de vnzare pentru fiecare produs
din cele de la punctele A)-D) se face sptmnal n cteva piee reprezentative din localitile
mai mari ale judeului, pe formulare tipizate.
II. Organizarea electronic a datelor se face ca baze de date EXCEL sau ACCESS cu acces
ON-LINE i pe INTERNET. Prezentarea grafic a datelor se face foarte sugestiv cu diagrame
EXCEL.
III. Prelucrarea electronic a datelor relative la sistemele de comercializare a produselor
agricole const n: Transformarea preurilor reale n preuri comparabile prin cursul de schimb
leu-euro sau leu-dolar.
Exemplu
n 1990 un Kg cotlet porc costa P1 = 37 lei la cursul C1= 22.43 lei / 1 dolar iar n 2003 costa
P2 = 123 lei la cursul C2= 3.32 lei / 1 dolar. Preul din 2003 comparabil cu 1990 este PC2 =
P1.(C2/C1)=5.48 lei.
IV. Calculul indicilor de dinamic i teritoriali pe produse, pe grupe de produse i pe
ansamblu.
V.Ajustarea prin regresii neliniare ( trend i oscilaii sezoniere ) (vezi Capitolul 6) a evoluiei
preurilor n raport de raportul cerere-ofert i factorii conjuncturali (de risc, de evoluie a
preurilor pe piaa mondial, de politicile de import - export de produse alimentare ,etc.).
[Type text]
Pag. 142
Finalitatea acestor regresii este obinerea unor prognoze ale preurilor, cu marje de eroare
rezonabile.
VI.Optimizarea nivelului preurilor de vnzare sub aspectul maximizrii venitului din nzarea
produselor agricole, a stimulrii consumului de produse agricole ca o cale principal de
relansare a produciei agricole.
TEST DE EVALUARE
1. Definii noiunea de sistem, dai exemple i enumerai proprietile lor ?
2. Care sunt etapele de analiz tehnico-economic a sistemelor agricole ?
3. Care sunt etapele de elaborare a balanei economice pe ramuri ?
4. n ce const concentrarea i diversificarea produciei agricole pe ramuri ?
[Type text]
Pag. 143
4. CULEGEREA I PRELUCRAREA DATELOR DE SONDAJ

Uniti de nvaare:
noiuni de calculul probabilitilor;
tehnici de sondaj n populaii statistice omogene i neomogene;
calculul i interpretarea indicatorilor de sondaj de repartiie i evoluie precum i calculul i
interpretarea indicilor statistici individuali i sintetici.
Obiectivele temei:
-nsuirea tehnicilor de sondaj, a calculului i interpretrii indicatorilor de sondaj de repartiie
i evoluie, precum i a calculului i interpretrii indicilor statistici.
1.D.Ene, M.Drghici, I.N. Alecu Statistic aplicat n agricultur Ed.Ceres, 2003.
2.M.Iosifescu i col. Mic enciclopedie de statistic Ed.tiinif.i Enciclop., 1985.
3.Varga M. Elemente de Matematic i Biostatistic cu aplicaii n biotehnologii, Editura
Printech, 2009.
TEMA 4.1 NOIUNI DE CALCULUL PROBABILITILOR
I) Un eveniment este aleator dac rezultatele sale nu pot fi prevzute cu exactitate, fiind sub
influena ntmplrii.
Exemple
1) Apariia unei fee la aruncarea monezii;
2) Apariia unei fee la aruncarea zarului;
3) Apariia unei bile albe la extragerea din urn cu bile albe i negre.
II) Dac avem un numr finit de evenimente egal posibile vom avea definiia clasic a
probabilitii unui eveniment P A
nr. cazuri favorabile evenimentului A

nr.cazuri egal posibile
Exemple
1) P stema
1
50%;
2
2) P fa dat la zar
16, 7% ;
6
[Type text]
Pag. 144
3) Fie urna U cu 7 bile albe i 3 bile negre. P bil extras alb
7
70%
10
Definiia clasic a probabilitii nu se aplic dac:

1) moneda este deformat;
2) zarul nu are feele egale (este paralelipiped);
3) bilele din urn nu au acelai diametru, cci n aceste cazuri evenimentele
elementare nu sunt egal posibile.
III) O variabil X este aleatoare dac se cunosc toate valorile sale, incompatibile cte
dou, precum i probabilitile acestor valori dar nu se cunoate care anume din valori
va fi luat de variabila X ntr-un experiment concret.
IV) Dac mulimea valorilor variabilei aleatoare X este nenumrabil, densitatea de
b
probabilitate este o funcie real f(x) > 0 astfel c
P(a < X < b)
= f(x)dx ,
a
1 P(
f(x)dx
O variabil aleatoare cu mulimea valorilor numrabil se numete discontinu iar o variabil

aleatoare cu mulimea valorilor nenumrabil se numete continu.
Exemple de variabile aleatoare discontinue
0
1)Cu codificarea 1 = stema, 0 = banul, variabila aleatoare X : 1
2
1
1
2
este asociat aruncrii unei monezi;

1
2) La aruncarea unui zar avem variabila aleatoare X : 1
6
2
1
6
3
1
6
4
1
6
5
1
6
6
1
6
Variabilele de la punctele 1) i 2) se numesc uniforme deoarece toate valorile au aceeai

probabilitate (densitatea de probabilitate este funcie constant)
3) Fie funcia f(x)
[Type text]
mx,
0
x [2;4]
in rest
Pag. 145
f(x) este densitatea de probabilitate a unei variabile aleatoare continue dac

4
f(x, y) 0 deci
mxdx 1 adic
mxdx 1 sau
-
m.
f(x) 1 i
deci m
1
.
6
Este vizibil c f(x) > 0.

V) Variabila aleatoare X are urmtorii indicatori numerici:
1) Media M(X) =
xf(x)dx
Dac X este discontinu cu repartiia X :
xi
pi
; (i N)
xi pi
avem M(X) =
i N
[x M(X)]2 f(x)dx
2) Variana V(X) = M[(X M(X))2] =
3)Abaterea-standard
(X) =
V(X)
Dac X este discontinu cu repartiia X :
xi
pi
; (i N)
[x i - M(X)]2 pi
avem V(X) =
i N
Observm c eroarea ptratic total :

(x x i ) 2 p i este minim pentru x = M(X) i are valoarea minim V(X).
SPA(x) =
i N
Exemple
1) Pentru variabila aleatoare discontinu X cu repartiia :
X:
10
0.11 0.42 0.30 0.07 0.10
avem
M(X) = 1 x 0.11 + 2 x 0.42 + 4 x 0.30 + 6 x 0.07 + 10 x 0.10 = 3.57 ;

[Type text]
Pag. 146
V(X) = (1 3.57)2 x 0.11 + (2 3.57)2 x 0.42 + (4 3.57)2 x 0.30 +

+ (6 3.57)2 x 0.07 + (10 3.57)2 x 0.10 = 6.3651;
(X) = 6.3651 2.52
2) Pentru variabila aleatoare continu X cu densitatea de probabilitate :
f(x) =
x
6
0
, x [2; 4]
, n rest
4
M(X) =
avem :
x
xf(x)dx x dx
6
2
1 2
x dx
62
V(X )
[x M(X)] f(x)dx
(x 3.11)
2
1 x4
6 4
x3
18
x
dx
6
2
4
x3
2 x
6.22
11
0.6543 ; (X)
3
2 2
1 3
(4
18
4
2
23 )
3.11
1
(x 3 6.22x 2 3.112 x)
62
0.6543 0.81
VI) Variabile aleatoare clasice continue

A) Variabila normal
Variabila normal are densitatea de probabilitate:
f ( x)
1
2
(x
2
)2
2
,x R
care are graficul:
[Type text]
Pag. 147
Din graficul densitii de probabilitate f(x) a variabilei normale se confirm cele 2 legi
ale erorilor accidentale, gsite de Gauss:
1) Legea simetriei: Numrul valorilor care se abat sub media este egal cu numrul
valorilor care se abat peste media ;
2) Legea concentrrii: Abaterile mici de la media sunt numeroase iar abaterile
mari de la media sunt rare.
Dac pe verticala lui lsm s cad boabe de cereale, boabe de nisip sau pietricele ,
acestea se ciocnesc i se rostogolesc formnd o grmad care are n seciune vertical
profilul de curb normal de mai sus.
B. Variabila Hi Patrat ( 2)
Dac X1,.,Xn sunt variabile aleatoare N(0,1) independente cte dou, atunci variabila X
definit de relaia: X
X 12
X n2 se numete variabil hi ptrat (X2) cu n grade
....
de libertate.
Ea are densitatea de probabilitate:
f ( x)
n
2
n
2. ( )
2
.x
n
2
x
2
.e ;( x 0)
M(X)=n2 2n ; V(X)=2n
Avem funcia Gama :
t x 1e t dt
( x)
0
cu proprietile :
1) (1)=1; (1/2)=
;
2) (n+1) = n!;
3) (x+1) = x (x)
Valorile lui
date de relaia P(
se obin din tabela 3 din Anex.
Funcia EXCEL : = CHIINV(P,GL) d valoarea 2 pentru care

P(
[Type text]
Pag. 148
C. Variabila Student (t)

Dac X1 este variabil N (0,1) i X2 este variabil hi ptrat cu n grade de libertate, X1 , X2
fiind independente ntre ele, atunci Y
X1
se numete variabil Student (t) cu n grade
X2
n
de libertate.
Ea are densitatea de probabilitate :
(
f ( x)
n 1
)
2
(1
n
n ( )
2
Avem M(X) = 0; V(X) =
x2
)
n
n
n
n 1
2
. Valorile lui t
/2
i t date de relaiile P( t >t /2) = P(t>t )= ,
se obin din tabela 2 din Anex. Pentru n 30 variabila Student este bine aproximat de
variabila normal N(0,1). Funcia EXCEL : = TINV(P,GL) d valorile t
/2
pentru care
P( t >t /2)=
D.
Variabila Fisher (F)
Dac X1, X2 sunt variabile hi ptrat cu n1 respectiv n2 grade de libertate, independente ntre
ele, atunci Y=
Evident
X1 X 2
se numete variabil Fisher (F) cu (n1,n2) grade de libertate.
:
n1 n2
1
este tot variabil Fisher cu (n2,n1) grade de libertate. Densitatea de probabilitate
Y
este:
n
F(X) = ( ( 1 )
n2
n1
2
Avem M(X) =
n1 + n 2
) n1 1
n
2
.
x 2 .(1 1 x)
n
n
n2
( 1) ( 2)
2
2
(
n2
n2
; V(X)
n1 n2
2
; (x0)
2n 22 (n1 n 2 -2)
n1 (n2 2) 2 (n2 4)
Variabilele normal redus, hi ptrat, Student sunt cazuri particulare ale variabilei Fisher X cu
(n1,n2) grade de libertate astfel:
- Variabila U este
[Type text]
X cu n1 1; n2
Pag. 149
- Variabila hi ptrat este X cu n1
n;n2
- Variabila Student este X1/2 cu n1=1;n2=n.
Valorile critice
F 1
date de relaia P(F>F )=
pentru =5%, 1 %; 0.1 % se obin din
tabelele 4-6 din Anex. Funcia EXCEL : = FINV(P,GL1,GL2) d valorile F pentru care
Valorile critice din tabelele 1-6 ale Anexei , sunt legate prin relaiile:
P(F>F )=
/2
/2;n
;1,
2
,n
n.F
;n ,
;1,n
Pe grafic aceste valori au forma:
TEMA 4.2 POPULAII STATISTICE I SONDAJE

Populaia statistic este o mulime de exemplare care aparin aceleiai familii i care fac
obiectul cercetrii statistice.
Cercetarea statistic poate fi complet sau exhaustiv (pentru toate exemplarele
populaiei) de tip referendum sau recensmnt sau poate fi parial sau selectiv de tip
sondaj (eantion, prob, sondaj de opinie) (pentru o parte reprezentativ din exemplarele
populaiei).
[Type text]
Pag. 150
Exemple de populaii statistice n agricultur: plantele unei culturi ntr-o parcel, animalele
unei ferme zootehnice, mainile agricole care deservesc o suprafa arabil, fermele vegetale
sau zootehnice dintr-un jude, unitile de prelucrare a produselor agricole (mori, fabrici de
ulei, zahr, produse lactate, mezeluri, abatoare, etc.), magazinele care comercializeaz
produse alimentare, reeaua de case de agroturism, reeaua de uniti de alimentaie public,
etc.
Fiecare exemplar al populaiei statistice are o serie de nsuiri cantitative
(msurabile) sau calitative (atributive) notate X, Y, Z, sau X1, X2, , Xn pe care le vom
numi n continuare i caractere.
Pentru populaiile statistice din agricultur, nsuirile admit i alte clasificri:
-
dup natur: nsuiri biologice, tehnologice, economice, ecologice;

dup modul de exprimare numeric: nsuiri bivalente (0 sau 1), ntregi i
reale (fracionare);
dup modul de apreciere: nsuiri primare (numai msurabile) i nsuiri

derivate (msurabile sau calculabile);
dup gradul de generalitate: nsuiri individuale (proprii fiecrui element al

populaiei) i colective (proprii unor grupe de elemente ale populaiei).
Exemple de nsuiri individuale:

-
talia plantei;
suprafaa foliar a plantei;
greutatea i densitatea plantei;
dimensiunile fructelor;
greutatea i densitatea fructelor;
numrul de boabe din fruct;
dimensiunile boabelor;
greutatea i densitatea boabelor;
coninutul n substane nutritive al fructelor sau boabelor.
Exemple de nsuiri individuale la animale:

-
nlimea la greabn;
nlimea la crup;
lungimea corpului;
circumferina toracic;
[Type text]
Pag. 151
greutatea i densitatea corpului;
dimensiunea organelor interne (ficat, inim, rinichi, creier, etc.);
greutatea i densitatea organelor interne;
greutatea i densitatea produselor zootehnice (lapte, grsime i protein n lapte,

carne, etc.);
coninutul n substane nutritive al produselor zootehnice.
nsuirile individuale precedente devin colective dac se nsumeaz pentru plantele

unei culturi de pe o parcel dat sau pentru animalele dintr-o ferm zootehnic dat.
Menionm i urmtoarele nsuiri colective:
-
Consumul de resurse (for de munc, for mecanic, energie, ngrminte, ap,

furaje, medicamente etc.) pentru o societate agricol (vegetal, zootehnic, de
prelucrare produse agricole, de comercializare produse alimentare, de agroturism)
ntr-un ciclu de producie;
Costul resurselor pe unitate de resurs pentru o societate agricol ntr-un ciclu

de producie;
Cheltuielile cu resurse (consumuri nmulite cu costurile) nsumate pentru o

societate agricol ntr-un ciclu de producie;
Cheltuielile neproductive (TVA, taxe, impozite etc.) ale unei societi agricole
ntr-un ciclu de producie;
Producii fizice principale i secundare ale unei societi agricole ntr-un ciclu
de producie;
Preurile de vnzare ale produciilor fizice principale i secundare pe unitate,

pentru o societate agricol ntr-un ciclu de producie;
Veniturile (producii fizice nmulite cu preurile de vnzare) nsumate pentru o

societate agricol ntr-un ciclu de producie;
Profitul (venitul din care se scad cheltuielile totale cu resursele ct i cele

neproductive) realizat de societatea agricol ntr-un ciclu de producie;
Rata profitului (profitul mprit la cheltuielile totale) realizat de societatea

agricol ntr-un ciclu de producie.
Pentru comparaia ntre ele, nsuirile colective se raporteaz la un exemplar, lungime,

suprafa, volum, greutate, timp, unitate bneasc, etc.) obinnd nsuiri medii.
[Type text]
Pag. 152
Exemple: consumul mediu de motorin pe ha, consumul mediu de furaje pe cap de

vac, profitul mediu pe lun al unei uniti de agroturism, etc.
n agricultur, omul nu poate controla n totalitate factorii de producie sau de vnzare
a produselor agricole, de aceea nsuirile precedente sunt parial sau total sub influena
ntmplrii (hazardului) fiind de fapt n fiecare moment, variabile aleatoare iar n timp,
procese aleatoare (vezi cap. 6).
Aciunea ntmplrii asupra nsuirilor (caracterelor) n agricultur se concretizeaz n
variabilitatea valorilor acestora n spaiu, timp, structur, etc. variabilitatea poate fi
accidental (involuntar) sau sistematic(cu o cauz precis).
Variabilitatea accidental este presupus a fi o variabil normal cu media 0 i
abaterea standard
(vezi cap.6)
Exemple de surse de variabilitate:

-
variabilitatea genotipic a plantelor i animalelor;
condiiile pedoclimatice;
atacul buruienilor, bolilor i duntorilor;
conjunctura economic (raport ofert/cerere) pe piaa produselor agroalimentare.
Fie o populaie statistic de volum N pe care dorim s o studiem din punct de vedere
al nsuirii (caracterului) X pe care o posed exemplarele populaiei.
Din cauza volumului mare N al populaiei, nu vom face msurtori complete n toat
populaia ci vom extrage o parte reprezentativ din exemplarele populaiei, numit sondaj
(eantion, prob) pe care vom face msurtori relativ la nsuirea (caracterul) X.
Volumul sondajului se noteaz cu n iar raportul
n
(%) se numete cot de
N
reprezentare sau factor de sondaj.
Exemplu
Pe un ha cu porumb exist N = 75.000 plante recoltabile din care extragem un sondaj
de n = 75 plante reprezentative.
Cota de reprezentare este
n
N
75
1 : 1000 plante.
75000
Un sondaj se poate efectua n dou feluri:

[Type text]
Pag. 153
I.
Static: se fac msurtori simultane la un moment dat pe n exemplare extrase
din populaie obinndu-se astfel repartiia n spaiu a nsuirii X analizat prin datele de
sondaj.
II.
Dinamic: se fac msurtori consecutive n n momente de timp succesive pe
acelai exemplar al populaiei statistice, obinndu-se astfel evoluia n timp a nsuirii X

analizat prin datele de sondaj.
Tehnica de efectuare a unui sondaj, depinde de compoziia populaiei n raport cu
nsuirea X.
Avem situaiile:
a) Populaia este omogen n raport cu nsuirea X adic orice valoare a lui X este n
mod egal probabil proprie fiecrui exemplar al populaiei.
n acest caz se efectueaz un sondaj simplu repetat sau nerepetat.
Sondajul simplu repetat se efectueaz prin extragerea suscesiv a exemplarelor din
populaie i revenirea n populaie a fiecrui exemplar dup msurarea nsuirii X (schema
bilei revenite). Avantajul acestui tip de sondaj este c extragerile din populaie sunt
independente iar dezavantajul este c la controlul calitii produselor, orice exemplar chiar
dac este rebut, trebuie ntors n populaie.
Sondajul simplu nerepetat se efectueaz prin extragerea simultan a exemplarelor din
populaie i revenirea acestora n populaie (dac nu sunt rebuturi) dup efectuarea tuturor
msurtorilor pe ele relativ la nsuirea X (schema bilei nerevenit).
Dezavantajul acestui tip de sondaj este c extragerile din populaie sunt dependente. Dac
volumul de sondaj n este relativ mare rezultatele obinute prin sondajul simplu repetat sau
nerepetat sunt aproximativ aceleai.
b) Populaia este neomogen n raport cu nsuirea X dar se poate mpri n k
straturi omogene n raport cu X, volumul straturilor fiind N 1, Nk. Evident avem N1 + +
Nk = N. n acest caz se efectueaz un sondaj stratificat care const n k sondaje simple,
repetate sau nerepetate, din straturi cu volumele de sondaj din straturi n1, , nk. Evident avem
n1+ + nk = n.
Prezentm cteva tipuri de sondaj stratificat:
a. Sondaj tipic: n1
[Type text]
... n k
n
;
k
Pag. 154
b. Sondaj proporional:
c. Sondaj optim:
n1
Aici
n1
N1 1
n1
N1
...
N11
,..., n k
Ni i
1, k sunt
...
nk
Nk
nk
Nk
n
n
deci n1
N
n
Ni
N1
,..., n k
N
Nk
N
deci
i
Nkk
Ni i
abaterile standard ale exemplarelor din straturi n raport cu
caracterul X ca variabil aleatoare (vezi cap. 2).

Observm c pentru N1 = = Nk =
pentru
N
sondajul tipic i cel proporional coincid iar
k
1 = = k = sondajul proporional i cel optim coincid.

n cazul unei populaii infinite
N1
N
p1 ,...,
Nk
N
p k deci pentru tipurile de sondaj
stratificat precedent, avem:

a. Sondaj tipic:
n1 = = nk =
n
;
k
b. Sondaj proporional: n1 = np1, , nk = npk

c. Sondaj optim: n1
p11
,..., n k
pi i
pkk
.
pi i
Exemplu
O turm de ovine de volum N = 1000 capete are structura N1 = 700 mioare, N2 = 250
miei, N3 = 50 berbeci.
Pentru analiza nsuirii X = lungimea firului de ln efectiv din sondaj de n = 60
ovine. tiind c abaterile standard n straturi sunt
1 =1 cm; 2 = 0.8 cm i 3 = 2 cm, se
cer volumele de sondaj din straturi pentru diferite tipuri de sondaj stratificat.
Soluie
a) Pentru sondajul tipic n1 = n / 3 =20 mioare; n2 = n / 3 =20miei; n3= n / 3 =20
berbeci;
700
42 mioare,
b) Pentru sondajul proporional n1 = 60
1000
250
15 miei i n3 = n n1 n2 = 3 berbeci;
n2 = 60
1000
[Type text]
Pag. 155
c) Pentru sondajul optim Ni i = 700x1 + 250 x 0.8 + 50x2 =1000 aa c: n1 =

700 1
250 0.8
60
42 mioare; n2 = 60
12 miei i n3 = n n1 n2 = 6 berbeci.
1000
1000
TEMA 4.3 INDICATORI DE SONDAJ DE REPARTIIE
4.3.1 Cazul sondajului de volum mic (n < 30)

n acest caz datele nu se grupeaz n clase de valori, prelucrarea la statistic
reducndu-se la calculul urmtorilor indicatori statistici:
I. Media de sondaj
MX
xi
n
Media de sondaj este centrul de greutate al datelor de sondaj x1, , xn fiind cea
mai apropiat de ansamblul valorilor: SPA(x) = (x 1 x)2 ++ (xn x)2 este minim pentru
x = x.
Aici SPA este prescurtarea pentru suma patratelor abaterilor.
Caliti ale mediei
a) Este o valoare mrginit: X [x min; x max];
b) Niveleaz diferenele ntre valori: suma abaterilor valorilor de sondaj fa de
media lor este zero (xi - X ) = 0;
c) Este reprezentantul ntregului pachet de date de sondaj: suma valorilor de
sondaj este media lor nmulit cu numrul lor ( xi = n . X ).
Defecte ale mediei
d) Prin nivelare, media nu d informaii despre variabilitatea datelor de sondaj.
Acest defect se remediaz prin folosirea indicatorilor statistici de variabilitate ntre
care citm abaterea standard S i coeficientul de variabilitate c ,care vor fi prezentai mai
jos.
5) Media este legat de o unitate de msur deci nu permite comparaii ntre caractere.
Pentru comparaii se poate folosi media procentual Xp
[Type text]
X max X
X max X min
0;1 .
Pag. 156
6) Media este sensibil la valori de sondaj mult mai mici sau mult mai mari ca restul
datelor de sondaj.
Acest defect se remediaz fie eliminnd aceste valori din rndul datelor de sondaj ca
valori strine fie folosind mediana prezentat mai jos.
7) Media este sensibil la codificarea datelor. Conform teoremei 6.1 orice operaie
aritmetic efectuat cu datele de sondaj, trebuie efectuat i asupra mediei de sondaj.
Dac sondajul a fost stratificat, datele de sondaj au forma:
x11, , x1,n1 extrase din stratul 1 i cu media de sondaj X 1
----------------------------------------------------------------------Xk1, , Xk,nk extrase din stratul k i cu media de sondaj X k.
Volumul sondajului stratificat este n = n1 + + nk iar media de sondaj X a
sondajului stratificat este medie ponderat:
n1 X 1 ... nk X k
n1 ... nk
Media de sondaj de la punctul 1) se mai numete i medie aritmetic de sondaj.

Se folosesc n anumite cazuri i alte medii:
-
log X g
media geometric: X g
x1x 2 ...x n
1
n
de unde
log X1 ... log X n

n
media armonic:
1
Xa
media ptratic: X 2
1
X1
...
1
Xn
X12
...
n
X 2n
1
2
Avem X a X g X .
Dac X1,,Xn sunt depuse n celulele A1:An din coloana A n EXCEL
media X este dat de funcia EXCEL scris n celula B1 : = AVERAGE(A1: An),
media geometric X g este dat de funcia EXCEL scris n celula B2 : = GEOMEAN
(A1:An) iar media armonic
X a este dat de funcia EXCEL scris n celula B3: =
HARMEAN (A1:An).
[Type text]
Pag. 157
II. Mediana Me este acea valoare fa de care jumtate din numrul valorilor de
sondaj sunt mai mici ca ea i cealalt jumtate din numrul valorilor de sondaj sunt mai mari
ca ea.
Aranjm datele de sondaj n ordine cresctoare: x1 < x2 < < xn.
Dac n = numr par avem Me
1
xk
2 2
xk
iar dac n = numr impar avem
Me X k 1 .
2
Mediana Me este mai stabil fa de media X la valori de sondaj foarte mici fa de

restul valorilor de sondaj, deoarece ia n calcul numrul de valori de sondaj nu i mrimea
valorilor de sondaj.
n plus, SMA(X) = X1
...
Xn
X este minim pentru X = Me.
Aici SMA este prescurtarea pentru suma modulelor abaterilor. Mediana primei
jumti a datelor de sondaj cresctoare, se numete cuartila ntia Q1 . Me = Q2. Analog Q3
pentru a doua jumtate a datelor.
Dac X1,,Xn sunt depuse n celulele A1:An din coloana A n EXCEL,
mediana Me este dat de funcia EXCEL scris n celula B4 :
= MEDIAN (A1:An) sau de funcia EXCEL scris n celula B4 :
= QUARTILE (A1:An , 2 ) , quartila Q1 este dat de funcia EXCEL
scris n celula B5 : = QUARTILE (A1:An , 1) iar quartila Q3 este dat
de funcia EXCEL scris n celula B6 : = QUARTILE (A1:An , 3).
Media i mediana au fost indicatori de poziie pentru datele de sondaj.
Urmeaz indicatori de variabilitate pentru datele de sondaj.
III. Variana (dispersia)
[Type text]
Pag. 158
V S
xi X
n 1
X
xi
n
n 1
este variaia ptratic total SPA =
(xi - X )2 raportat la numrul gradelor de libertate GL = n 1.

Datele de sondaj X1, , Xn sunt independente dar satisfac o relaie de dependen:
xi = n . X i de aceea avem GL = n 1 .
IV. Abaterea - standard
xi X
n 1
este principalul indicator valoric al variabilitii fiind o abatere
mijlocie a datelor de sondaj fa de media lor X .

Caliti ale abaterii-standard
1) Abaterea standard este mrginit (cuprins ntre abaterea minim a min i cea
maxim amax a datelor de sondaj fa de media lor X .
Defecte ale abaterii-standard
2) Abaterea standard S este legat de o unitate de msur (aceeai ca i pentru media
X ) deci nu permite comparaii ntre caractere.

Pentru
Sp
a max
a max
comparaii
S
a min
se
poate
folosi
abaterea
standard
procentual
0;1 .
3) Abaterea standard este sensibil la nmulirea sau mprirea datelor de sondaj conform
teoremei 6.2.
4) Abaterea standard singur nu poate aprecia intensitatea variabilitii datelor de
sondaj.
Dac X1,,Xn sunt depuse n celulele A1:An din coloana A n EXCEL
, variaia ptratic total SPA este dat de funcia EXCEL scris n celula B 7 : = DEVSQ
(A1 : An) , variana V este dat de funcia EXCEL scris n celula
B8 : = VAR (A1:An) iar abaterea-standard S este dat de funcia EXCEL scris
n celula B9 : = STDEV (A1:An ).
Valorile Ui = (Xi - X )/ S se numesc reduse sau normate. Avem :
M(Ui) = 0 i V(Ui)= 1. Funcia EXCEL pentru calculul valorilor reduse
[Type text]
Pag. 159
are forma = STANDARDISE ( Xi , X , S ).

V. Coeficientul de variabilitate
S
100 este principalul indicator procentual al variabilitii datelor de sondaj n
X
jurul mediei la X . El msoar variabilitatea datelor lund ca unitate de msur nu unitatea de

msur a caracterului X ci media de sondaj X .
Caliti ale coeficientului de variabilitate
1) Coeficientul de variabilitate c este o valoare mrginit (cuprins ntre

i
a min
100
X max
a max
100 ).
X min
2) Coeficientul de variabilitate c nu are uniti de msuri, deci permite comparaii
ntre caractere.
3) Coeficientul de variabilitate c poate aprecia cu ajutorul unor praguri intensitatea

variabilitii datelor de sondaj n jurul mediei lor.
n raport de valorile coeficientului de variabilitate c avem cazurile:
a) Coeficientul de variabilitate c are o valoare mic. n acest caz variabilitatea datelor
de sondaj este mic, omogenitatea este mare i media X este foarte bun;
b) Coeficientul de variabilitate c are o valoare mijlocie. n acest caz variabilitatea
datelor de sondaj este mijlocie, omogenitatea lor este mijlocie i media X este bun;
c) Coeficientul de variabilitate c are o valoare mare. n acest caz variabilitatea datelor
este mare, omogenitatea este mic i media X este satisfctoare.
De exemplu pentru agricultur cazurile precedente au forma:
a) c < 10%;
b) c
(10%; 20];
c) c > 20%.
n cazul c) se pune problema existenei unei cauze sistematice pentru variabilitatea

mare a datelor de sondaj.
Exemplu
Fie o populaie statistic de plante de porumb la recoltarea pe suprafaa de 1 ha cu
volumul populaiei N = 75000 plante recoltabile.
Fie X = greutatea boabelor pe plant la recoltare (g).
[Type text]
Pag. 160
Efectum un sondaj de n = 10 plante reprezentative deci cota de reprezentare este
n
1 : 7500 plante.
N
Datele de sondaj se aranjeaz n
ordine cresctoare n tabelul alturat.
Xi
Xi - X
(Xi- X )2
Xi
X
S
40
-10
100
-1.43
42
-8
64
-1.14
45
-5
25
-0.71
45
-5
25
-0.71
48
-2
-0.29
51
0.14
54
16
0.57
57
49
1.00
58
64
1.14
60
10
100
1.43
500
448
Avem indicatorii de sondaj:
500
50 g/plant
10
I)
II)
Me = [48; 51] deci

Me = 49.5 g/plant
III)
S2
IV)
V)
[Type text]
448
49.8g 2
10 1
49.8 7 g / plant
7
14%
50
Pag. 161
4.3.2. Cazul sondajului de volum mare (n > 30)

n acest caz se face gruparea datelor de sondaj n clase de valori astfel: se fixeaz
numrul k de clase de valori care nu trebuie s fie nici prea mic, deoarece se terg trsturi
eseniale ale datelor de sondaj, nici prea mare, deoarece se pun n eviden trsturi
neeseniale ale datelor de sondaj.
Acest numr k de clase de valori se poate calcula cu una din formulele k < 5 log n, k =
1 + 3.322 log n sau se folosesc recomandabil orientative de mai jos.
Volum sondaj (n)
Nr. clase de valori (k)
30 40
41 60
61 80
81 100
101 125
126 150
10
151 175
11
176 200
12
201 400
13
401 600
14
601 800
15
801 1000
16
1001 2000
17
2001 3000
18
3001 4000
19
4001 5000
20
Lungimea unei clase de valori este
X max X min
.
nr. clase de valori k
Centrul clasei de valori Ci , notat cu xi, este mijlocul clasei adic media aritmetic a
valorilor extremitilor clasei Ci.
Centrul clasei xi aproximeaz toate valorile de sondaj n clasa C i, fiind reprezentantul
acestor valori.
[Type text]
Pag. 162
Frecvena absolut ni a valorilor de sondaj ntr-o clas de valori Ci este numrul

datelor de sondaj care cad n clasa respectiv, valori aproximate prin centrul clasei x i.
Frecvena relativ (procentual)fi a valorilor de sondaj ntr-o clas de valori Ci este
ni
n
fi
. Alturi de frecvenele precedente se pot folosi frecvenele cumulate calculate
astfel:
Frecvenele absolute cumulate:
n*i = n1 + n2 + + ni (1 < i < n)
Frecvenele relative cumulate:
f*i = f1 + f2 + + fi (1 < i < n)
Datele grupete se pot prezenta grafic prin histograme n raport cu sistemul de axe (Ci,
ni), poligonul frecvenelor n raport cu sistemul de axe (xi, ni) i respectiv cumulata n raport
cu sistemul de axe
xi
; ni*
Toate aceste operaii de grupare, tabelare i reprezentare grafic se pot face cu

programul C1GRUP sau cu EXCEL.
Pentru datele de sondaj grupate, indicatorii de sondaj de la punctele 5.2 I) V) capt
forma:
I)
Media de sondaj:
X
II)
1
n
nixi
i 1
fi x i
i 1
Mediana de sondaj:
Me se determin grafic cu ajutorul cumulatei fiind abscisa de pe axa

*
corespunztoare ordonatei n i
[Type text]
xi
n
;
2
Pag. 163
III)
Modul de sondaj:
Clasa modal Mo este acea clas Ci cu ni maxim. Modul Mo se determin grafic n clasa
modal cu ajutorul histogramei :
Spre deosebire de media X care d tendina central a datelor de sondaj ,modul Mo d

tendina sa principal ,numindu-se din acest motiv, valoare dominant sau principal.
Exist date de sondaj cu mai multe moduri(plurimodale).
Dac datele de sondaj negrupate X1,,Xn sunt depuse n celulele A1: An din
coloana n EXCEL i cel puin dou din aceste valori sunt egale ,modul Mo este
dat de funcia EXCEL scris n celula B10 : = MODE (A1:An ).
[Type text]
Pag. 164
IV)
Abaterea standard de sondaj:
n 1i
n i Xi X
n
n 1i
f i Xi X
Datorit gruprii n clase de valori i a aproximrii valorilor dintr-o clas cu centrul

2
clasei xi, S sufer o eroare care se nltur prin corecia Sheppard S '
S2
12
unde l este
lungimea claselor de valori.
S
100
X
V) Coeficientul de variabilitate de sondaj: c
VI) Coeficientul de asimetrie de sondaj: A
1
n
ni
i 1
Xi
X
S
1
n
niU i3
i 1
Acest coeficient evalueaz deplasarea pe orizontal a poligonului frecvenelor fa de

graficul funciei de repartiie N( X , S) conform figurii :
V)
Coeficientul de boltire de sondaj:
Xi X
1 k
ni
ni 1
S
1 k
niU i4
ni 1
Acest coeficient evalueaz deplasarea pe vertical a poligonului frecvenelor fa de

graficul funciei de repartiie N( X , S) conform figurii:
[Type text]
Pag. 165
Dac datele de sondaj negrupate X1,,Xn sunt depuse n celulele A1:An

n2
.A
(n 1)(n 2)
din coloana A n EXCEL, coeficientul de asimetrie ajustat(numit skewness):
Skew
este dat de funcia EXCEL scris n coloana B11 : = SKEW(A1:An)

iar coeficientul de boltire ajustat(numit Kurtozis) :
n 2 (n 1)
3(n 1) 2
.B
(n 1)(n 2)(n 3)
(n 2)(n 3)
este dat de funcia EXCEL scris n coloana B12 : = KURT(A1:An).
Kurt
Dac caracterul X are numai valori ntregi, datele de sondaj de volum mare (n > 30) se
pot grupa pe valori distincte Xi cu frecvenele absolute ni sau se poate alege un numr de
clase k astfel ca lungimea l a claselor s fie numr ntreg deci i limitele claselor s fie numere
ntregi.
Exemplu
Fie o populaie statistic de plante de porumb la recoltare de pe 1 ha cu volumul
populaiei N = 75000 plante recoltabile. Pentru a studia greutatea boabelor pe plant X n
grame, efectum un sondaj reprezentativ de n = 50 plante deci cota de reprezentare
n
N
50
1 : 1500 plante.
75000
Date de sondaj n grame:
[Type text]
Pag. 166
50; 45; 40; 48; 47; 53; 49; 56; 58; 60; 42; 48; 49; 51; 54; 53; 46; 49; 48; 46; 55; 59; 52;
44; 48; 43; 49; 51; 50; 52; 44; 55; 43; 49; 47; 50; 54; 56; 59; 49; 48; 51; 50; 51; 47; 46;
42; 53; 51.
S se grupeze datele n k = 5 clase de valori, s se reprezinte grafic histograma,
poligonul frecvenelor, cumulata i s se calculeze indicatorii statistici de la punctul I) VII).
Soluie
Numrul de clase este k = 5, lungimea unei clase de valori este:
60 40
5
4g .
Centre clase Frecvene ni
Frecvene n*i
Frecvene C
l
fI
a
s
e
Frecvene f*i
Xi
Sub 44 g
42 g
5 plante
5 plante
0.10
0.10
[44 48 g)
46
14
0.18
0.28
[48 52 g)
50
21
35
0.42
0.70
[52 56 g)
54
44
0.18
0.88
peste 56 g
58
50
0.12
1.00
Graficele sunt:
Histograma:
[Type text]
Pag. 167
Poligonul frecvenelor:
Cumulata:
I) Media de sondaj:
X
1
5 40 9 46 21 50 9 54 6 58
50
50.16 g/plant
II) Mediana de sondaj Me = 50 g

III) Modul de sondaj Mo = 50 g
IV) Abaterea standard de sondaj:
[Type text]
Pag. 168
1
5 42 50.16
49
9 46 50.16
21 50 50.16
= 4.5 g/plant. Corecia Shepard: S '
S2
9 54 50.16
4
12
6 58 50.16
4.46 g
C
V) Coeficientul de variabilitate de sondaj:
4.5
50.16
9%
VI) Coeficientul de asimetrie de sondaj:

A
1
3
3
3
3
3
5 42 50.16 9 46 50.16 21 50 50.16 9 54 50.16 6 58 50.16 ==0.008
3
50 4.5
VII) Coeficientul de boltire de sondaj:
1
5 42 50.16
50 4.54
9 46 50.16
21 50 50.16
9 54 50.16
6 58 50.16
=2.41
VIII) Coeficientul de concentrare de sondaj:

5 0.102
0.182
0.422
0.182
0.122
5 1
28.6 %
Desigur indicatorii X , Me, S, c puteau fi calculai i din cele n = 50 valori de sondaj

nainte de gruparea datelor.
Dac X este nsuire calitativ (atributiv), facem convenia:
1, Exemplarul i are nsuirea X
0, n rest
xi
Efectum un sondaj de volum n deci datele de sondaj vor fi un numr de n cifre egale
cu 0 sau cu 1. Fie k numrul cifrelor Xi = 1 (1 < k < n). Media de sondaj devine
k
n
0;1 , numindu-se frecven de sondaj.
Indiferent de volumul de sondaj n, datele de sondaj se mpart n 2 clase:

C = {xi/xi = 1} cu k valori i C = {xi/xi = 0} cu n k valori.
Exemplu
ntr-un miniincubator avem o populaie statistic de N = 1000 ou. Efectum un
sondaj reprezentativ de n = 50 ou i gsim k = 6 ou neeclozionate. S se calculeze frecvena
de sondaj a oulor neeclozionate.
[Type text]
Pag. 169
Soluie
k
n
6
12%
50
Exemple de nsuiri calitative (atributive) n agricultur

- ecloziune ou culoare, culoare ou, rezistena la manipulare ou;
-
viabilitate purcei sugari, pui de o zi;
stare de gestaie la animale;
stare de profitabilitate a unei societi agricole.

TEMA 4.4 INDICATORI DE SONDAJ DE EVOLUIE
Fie o populaie statistic pe care o studiem din punct de vedere al nsuirii cantitative
X. Dac nsuirea X ia valori ntregi, datele unui sondaj extras din populaie la momentele de
timp t1, t2, , tn sunt valori instantanee x1, , xn msurate n acele momente de timp.
Dac nsuirea X ia valori reale, datele unui sondaj extras din populaie n intervalele
de timp [t1, t2), [t2, t3), , [tn-1, tn] sunt valori medii x1, , xn msurate n acele intervale de
timp cu lungimile t 2-t1, t3-t2, , t n t n 1 .
Exemplu
X = efectivul anual de vaci al unei ferme zootehnice se msoar prin valori instantanee
(la 31 decembrie al anului calendaristic).
X = producia anual de lapte al vacilor dintr-o ferm zootehnic se msoar prin
valori medii pe perioada 1 ianuarie 31 decembrie a anului calendaristic sau pe perioada
medie de lactaie normal de 308 zile.
Msurtorile sunt echidistante dac t2t1 = t3t2 = = tn-tn-1 i neechidistante n caz
contrar.
Exemplu de msurtori echidistante:
Producia de lapte a vacilor se controleaz echidistant din 28 n 28 zile astfel c ntr-o
lactaie normal de 308 zile se efectueaz 11 controale ale produciei de lapte.
Prezentarea grafic a datelor de sondaj de evoluie instantanee se face prin poligonul
valorilor n raport cu axele (t i, xi) iar a datelor de sondaj de evoluie se face prin cronograma
n raport cu axele ([t i, ti+1), xi).
I) Media cronologic
[Type text]
Pag. 170
Dac X se msoar prin valori instantanee x1, , xn la momentele de timp t 1, , tn

avem:
(1) X C
x1 t 2
t1
x2 t3
t2
... x n
tn
tn
tn
t1
Dac X se msoar prin valori medii x1, , xn n intervalele de timp [t1, t2), [t2, t3), ,
[tn-1, tn] avem:
x1
x2
2
(2) X m
t2
x2
t1
x3
2
t3
t2
tn
t1
...
xn
xn
tn
n cazul msurtorilor echidistante n timp, avem t 2 - t1 = t3 t2 =, ,= t n t
tn
n1
=d
i t n t1 = (n 1 ).d deci :
(3) X C
(4) X m
X1
X1
2
X 2 ...X n
n 1
X2
... X n
respectiv:
Xn
2
n 1
II) Ritmul mediu valoric(absolut) de evoluie

Abaterile valorice ale datelor de sondaj consecutive sunt D 1 = X2 X1, ,
Dn 1 = X n X n 1 . Ritmul mediu valoric de evoluie al datelor de sondaj va fi:
(5) D
x2
x1 t 2
t1
x3
x2 t3
tn
t2
t1
...
xn
xn
tn
tn
n cazul msurtorilor echidistante avem t 2 = t1 + r, t3 = t1 + 2r, , tn = t1 + (n 1)r

deci:
(6) D
X n X1
n 1
Valorile ateptate ale datelor de sondaj de evoluie formeaz progresia aritmetic cu

raia D:
X1, X1 + D, , X1 + (n 1)D
Aceste valori ateptate
X1 + j.D se apropie de cele observate Xj
atunci cnd
caracterul X evolueaz numai cresctor sau numai descresctor n timp i abaterile

[Type text]
Pag. 171
valorice ale datelor de sondaj consecutive D1 ,,D
n 1
sunt toate pozitive sau toate
negative i apropiate ntre ele ca valoare (caracterul X evolueaz liniar n timp).

In caz contrar se ajusteaz aceste abateri valorice D1,,D n 1 cu o funcie de regresie
neliniar n raport cu timpul ca n seciunea 10.3.
Pe durata a m perioade de timp, variaia valoric a caracterului X va fi
P = x1 + (m 1)D x1 = (m 1) D deci X variaz valoric cu cantitatea P. n m
P
1
D
perioade de timp.
Dac notm x1 + + xm = Q avem:
mX1
mm 1
D Q de unde
2
D 2X1
D 2X1
2D
8DQ
adic numrul de perioade de timp n care se acumuleaz cantitatea final Q a

caracterului X respectiv n care se consum cantitatea iniial Q a caracterului X.
III) Ritmul mediu procentual(relativ) de evoluie
Abaterile procentuale ale datelor de sondaj consecutive sunt:
I1
X3
, ..., I n - 1
X2
X2
, I2
X1
Xn
Xn 1
Ritmul mediu procentual de evoluie a datelor de sondaj va fi:
(7) I
X2
X1
t2 t1
X3
X2
t3 t2
...
Xn
Xn 1
tn tn
1
tn t1
Dac logaritmm relaia precedent, obinem:

(8) log I
logX2
log X1 t2
t1
...
logXn
log X n
tn
tn
tn t1
deci logaritmul lui I este ritmul mediu valoric de evoluie al valorilor de sondaj
logaritmate.
Dac msurtorile sunt echidistante avem:
t2 - t1 = t3 t2 = = t n t n 1 = d iar tn t1 = (n 1).d deci avem :
[Type text]
Pag. 172
log X n log X1
n 1
log I
(9)
1
n 1
Xn
X1
adic :
Valorile ateptate ale datelor de sondaj de evoluie formeaz o progresie geometric cu

raia I: X1, X1.I, , X1 .I n 1
Aceste valori ateptate X1.Ij se apropie de cele observate Xj atunci cnd
caracterul X
evolueaz numai cresctor sau numai descresctor n timp i abaterile
procentuale ale datelor de sondaj consecutive, notate cu
I 1,,I
n 1
sunt toate
supraunitare sau toate subunitare i apropiate ntre ele ca valoare (caracterul X are o
evoluie exponenial n timp ).
In caz contrar se ajusteaz aceste abateri procentuale I1,,I n 1 cu o funcie
de regresie neliniar in raport cu timpul ca n seciunea 10.3
Pe durata a m perioade de timp variaia procentual a lui X va fi
X1 I m
X1
Im
deci X variaz procentual cu valoarea P n m
Dac notm X1 + + Xm = Q avem:

log
m
Q
X1
I 1
log P
1 perioade de timp.
log I
Im 1
X1
I 1
de unde
adic numrul de perioade de timp n care se acumuleaz
log I
cantitatea final Q a valorilor caracterului X respectiv n care se consum cantitatea iniial Q

a valorilor caracterului X.
Exemplu
Fie X = greutatea porcilor la ngrat (kg).
Fie ti vrsta n zile a porcilor.
Se fac n = 10 controale echivalente din 28 n 28 zile.
ti
28
56
84
112
140
168
196
224
252
280
xi(g/zi)
12
26
42
60
78
94
107
117
120
[Type text]
Pag. 173
Se cer X , D, I.
Soluie
Graficul perechilor de valori (x,z) are forma:
1
X1
2
X2
... X n
1
Xn
2
n 1
X n X1
n 1
13 kg; log I
66.4 kg
log X n log X1
n 1
0.178 deci I = =100.178 =1.57
Fie diviziunile de timp echidistante t 1,,tn (cu t2 t1 = t3 t2 = = tn tn - 1 ).

n cazul msurtorilor echidistante , indicatorii D i I nu depind de X2,, Xn -1 , defect
care poate fi corectat prin metoda uniformizrii nclinrii dinilor de ferstru ai seriei
cronologice X1,, Xn, dup cum urmeaz:
a) Corecia lui D
Avem diferenele de ordin I : Di = Xi+1 Xi.
Dac diviziunile de timp echidistante au lungimea 1 adic : t 2 t1 = t3 t2 = = tn tn - 1
=1 atunci Di este nclinarea(panta) segmentului care unete punctele ( t i , Xi ) i (ti+1 , Xi+1)
cu ti+1 ti = 1.
Dac Di < 0 , avem Xi > Xi+1 deci pe tronsonul [ t i ; ti+1] caracterul X are variaie
descresctoare.
Dac Di = 0 , avem Xi = Xi+1 deci pe tronsonul [ ti ; ti+1] caracterul X este staionar.
Dac Di > 0 , avem Xi < Xi+1 deci pe tronsonul [ t i ; ti+1] caracterul X are variaie
cresctoare.
[Type text]
Pag. 174
Vom nlocui pe D cu ritmurile medii valorice (absolute) RV 1 i RV2 care urmeaz :

RV1 < 0 este media aritmetic a diferenelor Di < 0 iar RV2 > 0 este media aritmetic
a diferenelor Di > 0 .
Valorile lui X1,, Xn vor fi ajustate cu ajutorul lui RV1 i RV2 astfel :
XV1
X1
RV1 dac X i
Xi
X i dac X i
XVi
Xi
(1 i n-1)
RV2 dac Xi
Xi
Xi
Xi
Variaia ptratic total a lui Y este :
SPAT
X )2 iar variaia ptratic rezidual valoric a lui X este :
(Xi
SPAV = (Xi XVi )2 .

Dac SPAV < SPAT , raportul de corelaie valoric are forma :
RV
1 SPAV / SPAT
[0;1]
Prognoza valorii necunoscute Xn+1 se face cu valoarea :
Xn
XVn
RV1 dac ne ateptm ca X s scad.
X n dac ne ateptm ca X s fie staionar.

Xn
RV2 dac ne ateptm ca X s creasc.
b) Corecia lui I
Avem rapoartele de ordin I : Ri = Xi+1 / Xi .
Dac diviziunile de timp echidistante au lungimea 1 adic : t 2 t1 = t3 t2 = = tn tn - 1
=1 atunci Ri este nclinarea(panta) segmentului care unete punctele ( ti , logXi ) i
(ti+1 , logXi+1) cu ti+1 ti = 1.
Dac Ri < 1 , avem Xi > Xi+1 deci pe tronsonul [ t i ; ti+1] caracterul logX are variaie
descresctoare.
Dac Ri = 1 , avem Xi = Xi+1 deci pe tronsonul [ t i ; ti+1] caracterul logX este staionar.
Dac Ri > 1, avem Xi < Xi+1 deci pe tronsonul [ t i ; ti+1] caracterul logX are variaie
cresctoare.
Vom nlocui pe R cu ritmurile medii procentuale (relative) RP 1 i RP2 care urmeaz :
RP1 < 1 este media geometric a rapoartelor Ri < 1 iar RP2 > 1 este media geometric
a rapoartelor Ri > 1 .
Valorile lui X1,, Xn vor fi ajustate cu ajutorul lui RP1 i RP2 astfel :
[Type text]
Pag. 175
XP1
X1
X i RP1 dac X i
X i dac X i
XPi
Xi
Xi
(1 i n-1)
X i RP2 dac X i
Xi
Variaia ptratic total a lui Y este :
SPAT
X )2 iar variaia ptratic rezidual procentual a lui X este :
(Xi
SPAP = (Xi XPi )2 .

Dac SPAP < SPAT , raportul de corelaie procentual are forma :
RP
1 SPAP / SPAT
[0;1]
Prognoza valorii necunoscute Xn+1 se face cu valoarea :
X n RP1 dac ne ateptm ca X s scad.

XPn
X n dac ne ateptm ca X s fie staionar.
X n RP2 dac ne ateptm ca X s creasc.

Exemplu
Fie X nivelul apei unui ru din Romnia msurat la mir (m) n n = 10 zile consecutive.
Msurtorile i calculele conform formulelor precedente figureaz n tabelul urmtor:
Xi
Diferene Di
XVi
Di
Rapoarte Ri
XPi
DPi
6.5
6.5
6.50
6.8
0.3
6.8
1.05
6.79
0.01
6.6
- 0.2
6.6
0.97
6.60
6.6
6.6
6.60
7.0
0.4
6.9
0.1
1.06
6.90
0.10
7.2
0.2
7.3
- 0.1
1.03
7.30
- 0.10
7.2
7.3
- 0.1
7.30
- 0.10
6.9
- 0.3
7.0
- 0.1
0.96
7.00
- 0.10
6.8
- 0.1
6.7
0.1
0.99
6.70
0.10
6.6
- 0.2
6.6
0.97
6.60
68.2
RV1= - 0.2;RV2=0.3
RP1=0.971;RP2=1.045
Rezultate:
Graficul perechilor (x,y) are forma:
[Type text]
Pag. 176
Media cronologic pentru msurtori instantanee este MC=68.2/10 = 6.82 m

Ritmul mediu de scdere valoric este RV1 = - 0.2 m
Ritmul mediu de cretere valoric este RV2 = 0.3 m
Ritmul mediu de scdere procentual este RP1 = 0.971; Scderea medie este RP1-1 =2.9 %
Ritmul mediu de cretere procentual este RP2 = 1.045 ; Creterea medie este RP2-1 =4.5 %
Variaia ptratic total a lui X este SPAT = 0.576
Variaia rezidual valoric a lui X este SPAV = 0.087 deci raportul de corelaie valoric este
RCV = 0.956
Variaia rezidual procentual a lui X este SPAP = 0.096 deci raportul de corelaie procentual
este RCP = 0.951
Prognoz valoric :
X 10
XV11
RV1 =6.6-0.2=6.4m dac ne ateptm ca X s scad.
X10 =6.6m dac ne ateptm ca X s fie staionar.

X 10
RV2 =6.6+0.3=6.9m dac ne ateptm ca X s creasc.
Prognoz procentual :
[Type text]
Pag. 177
X 10 RP1 =6.6*0.971=6.41m dac ne ateptm ca X s scad.

XP11
X10 =6.6m dac ne ateptm ca X s fie staionar.

X 10 RP2 =6.6*1.045=6.89m dac ne ateptm ca X s creasc.
TEST DE EVALUARE
1.Clasificai sondajele n populaii statistice omogene i neomogene ? .
2. Ce semnificaie au indicatorii de sondaj de repartiie ?
3. Ce semnificaie au indicatorii de sondaj de evoluie ?
[Type text]
Pag. 178
5 . ANALIZA VARIANEI I PLANURI

EXPERIMENTALE N AGRICULTUR
Uniti de nvaare:
analiza varianei mono i bifactorial (complet i ierarhic) nebalansat n populaii omogene
analiza varianei polifactorial balansat
planurile experimentale(blocuri complete randomizate,patrate i dreptunghiuri latine)
n populaii neomogene
Obiectivele temei:
- nsuirea de ctre studeni a puternicului aparat al analizei varianei mono i polifactoriale n
populaii omogene i neomogene (planuri experimentale).
1.D.Ene , M.Drghici, I.N. Alecu Statistic aplicat n agricultur Ed.Ceres, 2003
2.M.Iosifescu i col. Mic enciclopedie de statistic Ed.tiinif.i Enciclop,. 1985
3. Varga M. Elemente de Matematic i Biostatistic cu aplicaii n biotehnologii, Editura
Printech, 2009.
TEMA 5.1 ANALIZA VARIANEI MONOFACTORIAL NEBALANSAT
N POPULAII OMOGENE
n populaia statistic lum ca obiect de studiu un caracter msurabil Y fa de care
exemplarele populaiei au media .
Fie un alt caracter X asociat cu exemplarele populaiei, caracterul X avnd m variante
(doze, nivele, tratamente) notate X(1) ,..........X(m).
Caracterul X se numete factor i constituie un criteriu de clasificare a populaiei n
m subpopulaii (straturi ) ce corespund variantelor X(1) ,..........X(m), mediile pe subpopulaii
relativ la caracterul Y fiind
Diferenele
x(i)=
(1) ,..........
(m).
(i)- se numesc efecte principale ale lui X n subpopulaii.
Avem
x (i)=
i1
Subpopulaiile se presupun normale cu mediile

2(E)
(1) ,..........
(m) i aceeai varian
n raport cu caracterul Y.
[Type text]
Pag. 179
Extragem n mod ntmpltor din subpopulaii, m sondaje (probe, eantioane) de

volume p(1) ,.......... p(m).
m
Volumul de sondaj total este pT =
p( j ) .
j 1
Datele relative la Y, din aceste sondaje le numim repetiii (replicate) i le notm cu

Y(i,j) (i=1,......., m; j=1,.........., p(i)).
Y(i, j)= +
x (i)+e(i,
j)
Forma general a modelului liniar este:

unde e(i, j) sunt variabilele aleatoare normale, independente cte dou, cu media zero i
variana 2(E).
Orice variant X(i) a lui X trebuie s modifice pe
(i) nu i pe .
Aceast condiie se verific prin ipoteza H: (1) =..........= (m)2 fa de

alternativa : (1)2......... (m)2 cu ajutorul testului Bartlett:
Fie mediile de sondaj n cadrul variantelor
sondaj n cadrul variantelor:
p (i )
1
[Y (i, j ) MY (i )] 2
SY(i)2=
p(i ) 1 j 1
Variana erorii este:
S E=
pT
(1 i
m)
1 p (i )
Y (i, j )
i varianele de
p(i) j 1
MY (i )
( p(i) 1) SY (i) 2
i 1
Fie:
C=1+
m
1
1
[
3(m 1) i 1 p(i ) 1
1
m
( p(i ) 1)
i 1
Marimea:
m
1
2
[ ( p(i) 1) ln S2E- ( p(i) 1) SY(i)2]
B=
C
i 1
2
este o variabil
cu m-1 grade de libertate.
Se extrag din tabela 3 din Anex, valorile critice
se compar
Dac
0.05;
0.01;
0.001
cu m-1 GL i
cu aceste valori critice.
B
2
0.05
atunci se accept ipoteza H: (1)2=..........= (m)2.
n caz contrar avem cazurile :

[Type text]
Pag. 180
1)
0.05
0.01
n care caz se accept deci (1)2......... (m)2 difer semnificativ ntre
ele;
2)
0.01
n care caz se accept deci (1)2......... (m)2 difer distinct
0.001
semnificativ ntre ele;

3)
0.001
n care caz se accept deci (1)2......... (m)2 difer foarte semnificativ ntre
ele.
n cazul balansat
pT = mp
p(1) =.........= p(m) = p;
H: (1)2=..........= (m)2
fa de alternativa
i ipoteza
: (1)2........ (m)2 se verific cu
testul Cochran:
Fie SY2max =max SY(i)2
1 i m
Calculm : Q=SY2max/(SY(1)2+.......+SY(M)2) i extragem din tabelele Cochran, valorile
critice Q0.05 i Q0.01 pentru m variante i p-1 GL.
Dac Q Q0.05
se accept ipoteza
H: (1)2=..........= (m)2.
n caz contrar avem cazurile :

1)
Q0.05Q Q0.01 deci se accept adic (1)2......... (m)2 difer semnificativ ntre ele;
2)
Q Q0.001 deci se accept adic (1)2......... (m)2 difer distinct semnificativ ntre ele.
Dup modul de alegere al subpopulaiilor, avem dou tipuri de modele :
a)
Modele cu efecte fixe:
n acest caz experimentatorul fixeaz valorile variantelor
X(1) ,..........X(m) i mparte
populaia n m subpopulaii ce se vor asocia cu X(1) ,..........X(m).

Mediile (i) sunt constante, efectele principale
x(i)=
(i)- sunt de asemenea constante.
Avem : M(Y(i,j))= (i)

M(
x (i))=
x (i)
(1im)
M(e(i,j))=0
(1jp(i))
respectiv:
V(Y(i,j))= 2(E)
V(
[Type text]
x (i))=
M(
x (i))-
M(
x (i))
x (i)-
x (i)=0
Pag. 181
V(e(i,j))= M(e2x (i))- M(e(i,j))2= 2(E)- 2(E)=0

Ipoteza care se verific este H:
(m) )
sau sub alt form H:
(1)=..........=
x (i)=0
(m) =
fa de alternativa :
fa de alternativa :
x (i)
(1).........
0.
Modelul cu efecte fixe se aplic cnd numrul m de variante este mic i permite ca aceleai
variante s fie utilizate din nou dac experiena se repet.
Exemplu
X=ngrminte, ap, energie la plante respectiv furaje,sex, perioada de ngrare la animale.
b)
Modelul cu efecte aleatoare:
Experimentatorul alege n mod aleator valorile variantelor X(1),........,X(m), iar cele m

subpopulaii se aleg n mod aleator din mulimea subpopulaiilor posibile, urmnd a fi
asociate n mod aleator cu variantele X(1),........,X(m).
Mediile
(i) sunt variabile aleatoare normale cu media
principale
2
i variana 2( x), iar efectele
sunt tot variabile aleatoare normale cu media 0 i variana
(i)= (i)-
( x).
Avem:
M(Y(i,j))=
x (i))=
M(
unde : (i=1,......,m) i (j=1,.......,p(m))
M(e(i,j))=0
respectiv:
V(Y(i,j))= V(
x (i))+
2(E)
V(
M(
x (i))=
M(
x (i))-
x (i))
= 2( x)-0= 2( x)
V(e(i,j))= M(e2x (i))- M(e(i,j))2= 2(E)-0= 2(E).
Aici
x este
variabila aleatoare:
x 1 , ......,
x m
p 1 , ......., p m
m
cu media M( x)=
p(i) x(i)=0 i variana 2( x).
i1
[Type text]
Pag. 182
Ipoteza care se verific este
H: ( x)=0
fa de alternativa
: ( x) 0.
Modelul cu efecte aleatoare se aplic cnd numrul m de variante X este mare (poate
fi i infinit ), dar numai n din ele sunt alese n experiment. Aceleai variante nu pot fi
utilizate din nou dac experiena se repet.
Exemplu:
X=tata sau mama n ncruciarea plantelor i animalelor.
n cazul ambelor modele, datele mpreun cu calculele de sume i medii pe variante i pe
total, se trec n tabelul de mai jos:
RepetiiiY
Y(i,j)
pe Media total
Medii
VarianteX
variante
X(1)
Y(1,1),......, Y(1,p(1))
MY(1)
X(m)
Y(m,1),..., Y(m,p(m))
MY(m)
MYT
Notaie : pT=
p (i )
i 1
Calcule:
a)SPA i GL:
m p (i )
SPAT=
[Y(i,j)-MYT]2=
i 1 j 1
SPAX=
m p (i )
i 1
m p (i )
cu
GLT=pT-1
i 1 j 1
p(i)[MY(i)-MYT]2=
SPAE=
Y(i,j)2-S2T/pT
S(i)2/p(i)-S2T/pT
cu
GLX= m-1
i 1
[Y(i,j)-MY(i)]2=SPAT-SPAX cu
GLE=GLT-GLX=pT-m
i 1 j 1
b)S2:
S2X=SPAX/(m-1);
S2E=SPAE/(pT-m)
c)F:
FX=S2 X/S2E 1 cu
[Type text]
[m-1; pT-m]GL
Pag. 183
Rezultatele de la punctele a)-c) se trec n tabelul sintetic de analiz a varianei:
Sursa
de SPA
GL
S2
m-1
S2 X
FX
variaie
X
SPAX
SPAE
pT-m
SPAT
pT 1
Raportul Fisher FX se compar cu valorile critice F0.05; F0.01; F0.001 extrase din tabelele 4,5,6
din Anex pentru perechile de grade de libertate corespunztoare i se accept sau se respinge
ipoteza formulat mai sus.
1)Pentru modelul cu efecte fixe:
M(S2X)=
1
m 1
p(i)
x (i)]+
2(E)
i 1
M(S2E)= 2(E)
Avem estimatorii: * 2(E)= S2E;
unde a(1,1)=
1
m 1
p(i)
* 2(E)=(S2X-S2E)/a(1,1)
x (i)]
i 1
2)Pentru modelul cu efecte aleatoare:

M(S2X)=
m
1
[pT-(1/pT)
p2(i)] 2( x)+ 2(E)
m 1
i 1
M(S2E)= 2(E)
Avem estimatorii:
*2(E)= S2(E);
unde a(1,1)=
*2(X)= (S2X-S2E)/a(1,1),
m
1
[pT-(1/pT).
p2(i)]
m 1
i 1
n cazul balansat avem:

p(1)=.........=p(m)=p; pT=mp i
a(1,1)=
m 1i1
[Type text]
x (i),
pentru modelul cu efecte fixe i

Pag. 184
a(1,1)=p, pentru modelul cu efecte aleatoare;
Modelul cu efecte fixe este ilustrat de desenul:
Modelul cu efecte aleatoare este ilustrat de desenul:
Teorema 5.1
a) Pentru modelul cu efecte fixe, avem:
M(S2X)=
1
m 1
p(i)
x (i)]+
2(E)
i 1
M(S2E)= 2(E)
b) Pentru modelul cu efecte aleatoare, avem:
M(S2X)=
m
1
[pT-(1/pT).
p2(i)] 2( x)+ 2(E)
m 1
i 1
M(S2E)= 2(E)
Un indicator statistic asemntor cu coeficientul de corelaie liniar din i cu raportul
de corelaie neliniar din seciunea, este indicele de corelaie definit astfel:
[Type text]
Pag. 185
Ic= 1 SPAE / SPAT
Teorema 5.2
Indicele de corelaie Ic are proprietile:
1) 0 Ic 1
2) X, Y= independente
X, Y= necorelate(Ic=0)
3) X, Y= dependente funcional (Y=f(x)) dac i numai dac I c=1.

Raportul Fisher
:[(m-1)/(pT-m)] ,
FX=[SPAX/SPAE] : [(m-1)/(pT-m)]
capt forma
deci verificarea ipotezei H X: (1)=.......= = (m)=
FX=[Ic2/(1-Ic2)]
fa de alternativa X:
(1)....... (m) se reformuleaz astfel :

HX:c=0 fa de HX: c0, unde c este indicele de corelaie n populaie mprit n
m subpopulaii crora li se aplic
n plus
X(1),........., X(m).
AX=Ic2; AE=1-Ic2,
proprietate pe care o are i coeficientul de corelaie
liniar r i raportul de corelaie neliniar R c.

n cazul respingerii ipotezei
balansat (p(1)=,........., p(m))
H X:
(1)=......=
(m)=
, se poate stabili n cazul
prima variant X(i) a lui X cu influen semnificativ
asupra variaiei lui Y astfel:

Aranjm mediile pe variante n ordine cresctoare :
MY(i1) ,........., MY(im)
media variantei martor X(1).(it
(i1, .........., im
1, ......, m ) i presupunem c MY(it) este
1, ......, m ).
Fie (h,t)=MY(ih)-MY(it), (h=1,......., m;ht)

Se calculeaz amplitudinea teoretic a diferenelor de medii:
A=
2
1/2
max- min=(S E/p) T
, unde T este amplitudinea studentizat Tukey obinut din
tabelele 7,8 ale Anexei, pentru numrul m al mediilor i numrul de grade de libertate ale
erorii GLE.
Fiecare diferen fa de martor (h,t); (h=1,......., m;ht), care depete pe A 0.05
primete o stelu de semnificaie, iar dac depete pe A0.01 primete a doua stelu
de semnificaie.
Un test asemntor cu testul Tukey este testul Duncan, precum i testul diferenei
limit:
[Type text]
Pag. 186
/2=
(i)- (j)=(2S2E/p)1/2t
/2; GLE
Exemplu
X=protein digestiv (PD) n raia vacilor cu lapte ; Y=producia lunar de lapte (litri) ntr-o
anumit lun a ciclului de lactaie .
Lum m=3 variante ale factorului X:
X1(1100g/zi) (doza-martor); X2(1200g/zi); X3(1300g/zi).
Aceste variante le aplicm la cte p=4 repetiii ale factorului Y.
Avem tabelul cu date:
Repet.Y
Y(i,j)
Mediile pe variante
X1
300;314;306;308
MY(1)=307
X2
330;338;342;350
MY(2)=340
X3
366;362;370;370
MY(3)=367
Media total
Variante X
MYT=338
Verificm ipoteza H: (1)2=(2)2=(3)2, fa de alternativa :

H: (1)2 (2)2 (3)2,cu testul Cochran:
SY(1)2=33.33; SY(2)2=69.33; SY(3)2=14.66;
Avem Q=
69.33
=0.5910
33.33 69.33 14.66
Din tabelele pentru m=3 variante X i p-1=3GL avem valorile critice Q0.05=0.8709;
Q0.01=0.9423;
Avem Q Q0.05, deci se accept ipoteza H: (1)2= (2)2= (3)2
Etape de calcul:
a) SPA i GL:
p
[Y(i,j)-MYT]2 =7576 cu GLT=mp-1=11GL
SPAT=
i 1 j 1
SPAX=p
[MY(i,j)-MYT]2=7224 cu GLX=m-1=2GL
i 1
[Type text]
Pag. 187
SPAE=SPAT-SPAX=352 cu GLE=11-2=9GL
b) S2:
S2X=
SPAX
GL X
7576
2
3612 ;S2E=
SPAE
GL E
352
9
39.11
c) F:
FX= S2X /S2E
3612
39.11
92.35 cu (2;9) GL
Din tabelele Fisher 4,5,6 din Anex, gsim valorile critice pentru (2;9) GL :
F0.05=4.26; F0.01=8.02; F0.001=16.39.
Cum FX F0.001 se accept ipoteza adic (1), (2), (3), difer foarte semnificativ
ntre ele adic influena variaiei factorului X asupra variaiei factorului Y este foarte
semnificativ aa c F=92.35***.
Tabelul de analiz a variaiei sintetic este:
Surs
de Variaii
variaie
Grade
Ptratice(SPA)
de Variante(S2)
Rapoarte
libertate(GL)
Fisher(F)
7224
3612
92.35***
336
39.11
7560
11
Indicele de corelaie este Ic = SPAX / SPAT =0.977*** i este foarte semnificativ.

Testul Tukey
Calculm triunghiul diferenelor de medii pe variantele lui X:
Diferene de medii
307
367
340
307
340
367
60**
27**
33**
Din tabelele Tukey 7,8 din Anex,pentru m=3 medii i GLE=9 gsim T0.05=3.95;
T0.01=5.43 aa c avem amplitudinile ateptate:
[Type text]
Pag. 188
A0.05= 39.11 / 4 X3.95=12.35

A0.01= 39.11 / 4 X5.43=16.98
Cele trei diferene din tabelul precedent depesc pe A0.01, deci sunt distinct semnificative
adic (1), (2), (3), difer distinct semnificativ dau cte dou.
Aportul variaiei lui X la variaia lui Y egal cu 100%,este AX=IC 2=95.5%.
Aportul variaiei erorii la variaia lui Y este AE=1-AX=4.5%
Calculele precedente privitoare la analiza varianei monofactorial balansat n populaii
omogene, pot fi fcute n EXCEL astfel :
Depunem n foaia de calculNr.1 n blocul de celule A1:C5 astfel :
X1
X2
X3
300
330
366
314
338
362
306
342
370
308
350
370
Deschidem fereastra TOOLS n care activm opiunea DATA ANALYSIS . Aici activm
opiunea ANOVA:SINGLE FACTOR n care declarm blocul de celule cu date A1:C5
TEMA 5.2 PLANUL BLOCURILOR COMPLETE RANDOMIZATE N

POPULAII NEOMOGENE
n seciunea 5.1 s-a presupus c populaia este omogen n raport cu nsuirea
cantitativ Y luat n studiu.
Populaia omogen s-a mprit n mod aleator n m subpopulaii omogene asociate
cu variantele X1,,Xm . Din fiecare subpopulaie s-au extras n mod aleator blocurile de
repetiii Y1j,Ymj care corespund variantelor X1,,Xm . Din acest motiv aranjamentul folosit
se numete plan complet randomizat.
[Type text]
Pag. 189
Dac populaia este neomogen, presupunem c se poate mpri n l subpopulaii,

omogene n raport cu nsuirea Y luat n studiu.
Materialul experimental va fi i el neomogen fiind constituit din l sondaje din cele l
subpopulaii, fiecare sondaj fiind format din m repetiii corespunztor celor m variante ale
unei alte nsuiri X asociat populaiei, notate X(1),...,X(m).
Fiecare din cele l sondaje omogene de cte m repetiii, l vom numi bloc. Blocurile se
numesc complete dac conin exact attea repetiii cte variante are factorul X i anume m.
Blocurile se numesc randomizate deoarece n fiecare bloc se aplic n mod aleator cte o
variant a factorului X pentru fiecare repetiie a blocului.
Exemple de blocuri naturale: sex, soi, ras, hibrid, exemplar, loc, perioad de timp,
etc.
Desemnm fiecare repetiie printr-o casu n care notm varianta aplicat X(i) i
rspunsul repetiiei Y(i;j). Un mod posibil de randomizare se asigur prin permutri circulare
ale variantelor de la un bloc la altul dup schema:
B(1)
B(2)
X(1)
X(2)
X(m)
Y(1;1)
Y(2;1)
Y(m;1)
X(m)
X(1)
X(m-1)
Y(m;2)
Y(1;2)
Y(m-1;2)
B(l)
X(m-l+2)
X(m-l+3)
X(m-l+1)
Y(m-l+2;l)
Y(m-l+3;l)
Y(m-l+1;l)
Rspunsurile Y(i;j) se rearanjeaz n tabelul de mai jos pentru a fi prelucrat prin analiza
varianei bifactorial complet (cu factori X,B) balansat, cu o repetiie n fiecare celul (p(i;j)
= 1).
Repetiii Y
Yi j
Variante (X,B)
(X(1);B(1))
(X(1);B(l))
[Type text]
Y(1;1)
Y(1;l)
Medii pe
Medii pe
Media
variante
blocuri
Total
MYX(1)
MYB(1)
.
Pag. 190
(X(m);B(1))
Y(m;1)
(X(m);B(l))
Y(m;l)
MYT
MYX(m)
MYB(l)
Etape de calcul:
a)SPA i GL
m
SPAT
Y i;j -MYT
cu GLT = ml-1 grade de liberatate;
i=1 j=1
m
SPA X
[MYX (i)-MYT ]2 cu GLX = m-1 grade de liberatate;
l
i=1
l
SPA B
[MYB (j)-MYT ]2 cu GLB = l-1 grade de liberatate;
j=1
SPAE
SPAT -SPAX -SPAB cu GLE = GLT-GLX-GLB = (m-1)(l-1) grade de libertate;
b)S2:
c)F:
S2X
SPA X 2
; SB
m-1
FX
S2X
S2E
FB
S2B
S2E
SPA B 2
; SE
l -1
SPA E
m-1 l -1
1 cu [m-1;(m-1)(l-1)]GL
1 cu [l-1;(m-1)(l-1)]GL
Valorile precedente se trec n tabelul sintetic de analiz a varianei:

SPA
GL
S2
SPAX
m-1
S2X
FX
SPAB
l-1
S2B
FB
SPAE
(m-1)(l-1)
S2E
SPAT
ml-1
Sursa de
Variaie
Valorile FX i FB se compar cu valorile critice F0.05, F0.01 i F0.001 extrase din tabelele
4,5,6 din Anex, pentru perechile de grade de libertate corespunztoare.
[Type text]
Pag. 191
Se accept sau se resping ipotezele:

1) H X : X (1)
2) H B: B (1)
X m
B l
fa de alternativa: HX: X (1) X m
fa de alternativa: HB: B (1) B l
Exemplu
X = proteina digestibil n raia porcilor (g/zi)
Y = sporul lunar n greutate al porcilor (Kg)
Populaia este neomogen n raport cu Y dar se poate mpri n l = 2 blocuri
omogene: B1(Landrace) i B2(Marele Alb).
Lum m = 3 variante X:
X1(250 g/zi); X2(275 g/zi) i X3(300 g/zi) deci fiecare
bloc va conine cte m = 3 repetiii (bloc complet). n fiecare bloc variabilele X se distribuie
n mod aleator (bloc randomizat):
B(1)
B(2)
X(1)
X(2)
X(3)
15
17
19
X(3)
X(1)
X(2)
20
14
18
Datele precedente se rearanjeaz pe variante (X,B) n tabelul:

Repetiii Y
Yi j
Variante (X,B)
(X1;B1)
15
(X1;B2)
14
(X2;B1)
17
(X2;B2)
18
(X3;B1)
19
(X3;B2)
20
Medii pe
Medii pe
Media
Variante X
Blocuri B
total
MYX(1) = 14.5
MYB(1) = 17
MYX(2) = 17.5
MYT = 17.165
MYB(2) = 17.33
MYX(3) = 19.5
Etape de calcul:
a)SPA i GL:
SPAT = 26.833 cu GLT = 5 GL;
SPAX = 25.333 cu GLX = 2 GL;
SPAB = 0.166 cu GLB = 1 GL;
SPAE = SPAT-SPAX-SPAB = 1.334 cu GLE = GLT-GLX-GLB = 2 GL;
b)S2:
[Type text]
Pag. 192
SPA X
GLX
S2X
12.667; S2B
SPA B
GLB
0.166; S2E
SPA E
GLE
0.667
c)F:
FX
S2X
S2E
FB
S2B
S2E
19 cu (2 ; 2) GL
S2E
SB2
1 deci 1
FB
9.02 cu (2 ; 1) GL
Din tabelele Fisher 4,5,6 din Anex,pentru (2 ; 2) GL avem valorile critice F0.05 = 19,
F0.01 = 99 i F0.001 = 999.
Cum F0.05 = FX < F0.01 influena variaiei lui X asupra variaiei lui Y este semnificativ,
aadar FX = 19*.
Cum FB < 1 influena variaiei blocului B asupra variaiei lui Y este nesemnificativ.
Tabelul sintetic de analiz a variaiei este:
Sursa de
Variaii
Grade de
Variaie
ptratice (SPA)
libertate
Variane
Rapoarte
Fisher
(GL)
(S2)
(F)
25.333
12.667
19*
0.166
0.166
4.02
1.334
0.667
26.833
Indicii de corelaie sunt:

Ic ( X )
SPA X
SPAT
0.972*; Ic ( B)
SPA B
SPAT
0.079
Aporturile variaiei lui X, B i E la variaia lui Y egal cu 100%,sunt:
AX
SPA X
SPA T
A E 1-A X -A B
94.4%; A B
SPA B
SPA T
0.6%
5%
Calculele precedente privitoare la analiza varianei bifactorial complet balansat cu cte o

repetiie n celul , pot fi fcute n EXCEL astfel :
Depunem n foaia de calcul Nr.1 datele n blocul de celule A1:D3 astfel :
[Type text]
Pag. 193
A
1
X1
X2
X3
B1
15
17
19
B2
14
18
20
Deschidem fereastra TOOLS n care activm opiunea DATA ANALYSIS. Aici

activm opiunea ANOVA:TWO-FACTOR WITHOUT REPLICATION n care declarm
blocul de celule cu date A1:D3
Rezultatele se gsesc fie n foaia de calcul Nr. 2 ,fie tot n foaia de calcul Nr.1 ,prin
declararea ca celule de rezultate,a altor celule dect cele din blocul de date A1:D3
TEST DE EVALUARE
1. Care este ideea fundamental a analizei varianei?
2. Prin ce se deosebete analiza varianei bifactorial complet ce cea ierarhic ?
3. Cum se asigur randomizarea n planurile experimentale ?
4. Ce este eficiena relativ Fisher a dou planuri experimentale ?
[Type text]
Pag. 194
6.
CORELAIA I REGRESIA NTRE CARACTERE
Uniti de nvaare:
corelaia i regresia monofactorial liniar
corelaia i regresia polifactorial liniar i neliniar
trigonometric i polinomial-trigonometreic
Obiectivele temei:
- nsuirea conceptelor de corelaie i regresie mono i polifactorial ntre caractere, liniar i
neliniar, precum i a tehnicilor de prognoz efectuate pe baza lor
1.D.Ene, M.Drghici, I.N. Alecu Statistic aplicat n agricultur Ed.Ceres, 2003.
2.M.Iosifescu i col. Mic enciclopedie de statistic Ed.tiinif.i Enciclop., 1985.
3. Varga M. Elemente de Matematic i Biostatistic cu aplicaii n biotehnologii, Editura
Printech, 2009.
TEMA 6.1 CORELAIA I REGRESIA MONOFACTORIAL LINIAR
Msura cantitativ a influenei variaiei unui factor controlat X asupra variaiei
factorului Y, se numete corelaie ntre X i Y iar funcia care stabilete dependena
cantitativ a lui Y i X se numete funcie de regresie a lui Y dup X.
Din populaie se aleg n exemplare pe care se msoar nsuirile cantitative X i Y
obinnd perechile de date de sondaj (x1, y1), , (xn, yn).
Se reprezint grafic n raport cu axele Ox, Oy punctele de coordonate (x1, y1), , (xn,
yn) obinnd un nor de puncte n planul Oxy. Dup forma acestui nor de puncte funcia de
regresie poate fi liniar (rectilinie) sau neliniar (curbilinie). Norul de puncte se poate
reprezenta grafic cu produsele informatice EXCEL i TCWIN.
Din datele de sondaj calculm urmtorii indicatori statistici de sondaj:
a)
I)
MX= X
Varianele de sondaj:
II)
S2X
Indicatorii de sondaj proprii fiecrui caracter:

Mediile de sondaj:
1
1
X i ; MY = Y
Yi ;
n
n
1
n 1
[Type text]
Xi
X ; S2Y
1
n 1
Yi
Y ;
Pag. 195
III)
Abaterile standard de sondaj:
S2X ; SY
SX
S2Y ;
Coeficienii de variabilitate de sondaj :
IV)
SX
CX
.100(%); CY
SY
.100(%)
X
Y
Definiiile, calitile i defectele acestor indicatori proprii au fost date n seciunea 7.2.
Indicatorii de sondaj de legtur ntre caractere:
1
Covariana de sondaj: SXY
X i X Yi
n 1
b)
V)
Y ;
Covariana de sondaj este o msur a legturii statistice a caracterelor X, Y fiind o medie a

produselor ntre abaterile valorilor de sondaj Xi fa de X i abaterile valorilor de sondaj Yi
fa de Y .
Caliti:
1) Covariana SXY are o valoare mrginit fiind cuprins n intervalul [-SXSY; + SXSY].
Dac SXY > 0; Xi, Yi cresc sau scad simultan iar dac S XY < 0; cnd Xi cresc, Yi scad i
reciproc.
Dac SXY = 0; Xi, Yi nu sunt corelate liniar.
2
Observm c SXX = S X ; SYY = S Y .

Defecte:
2) Covariana S XY are uniti de msur egal cu produsul unitilor de msur ale lui X i Y
deci nu permite comparaii ntre perechile de caractere.
3) Covariana S XY este sensibil la nmulirea i mprirea datelor (seciunea 7.2).
4) Covariana de sondaj S XY singur nu poate aprecia intensitatea legturii statistice ntre
caracterele X, Y.
Coeficientul de corelaie liniar de sondaj
VI)
R
S XY
S X SY
Acest coeficient este o msur standardizat a legturii statistice ntre caracterele X, Y

Caliti:
1)
[Type text]
Coeficientul R este standardizat: R
[-1; 1];
Pag. 196
2)
Coeficientul R nu are uniti de msur deci permite comparaii ntre perechile de
caractere;
3)
Coeficientul R nu este sensibil la codificarea datelor;
4)
Coeficientul R poate aprecia intensitatea legturii statistice a caracterelor X, Y
(vezi teorema 6.2, punctul 3).
Dac X1,,Xn sunt depuse n celulele A1:An din coloana A n EXCEL iar
Y1,,Yn sunt depuse n celulele B1:Bn din coloana B , atunci covariana Sxy
este dat de funcia EXCEL scris n celula C1 : = COVAR((A1:An),(B1:Bn))
iar coeficientul de corelaie liniar R este dat de funcia EXCEL scris n
celula C2 : = CORREL((A1:An),(B1:Bn))
Valorea lui Sxy poate fi obinut n EXCEL i prin deschiderea ferestrei TOOLS
n care activm opiunea COVARIANCE n care declarm celulele A1:An ,
B1:Bn n care se gsesc datele. Valoarea lui Sxy se obine fie n foaia de calcul Nr.2 fie tot n
foaia de calcul Nr.1 n care se gsesc datele ,prin declararea ca celule de rezultate a altor
celule dect cele din blocul de date A1:Cn .
Coeficientul de corelaie liniar R se obine exact ca i S xy , dac n DATA
ANALYSIS activm opiunea CORRELATION .
Uneori mai importante dect valorile Xi, Yi ale nsuirilor X, Y sunt rangurile lor n
ordonarea dup mrime.
n cazul nsuirilor X, Y calitative se cunosc numai asemenea ranguri n clasificarea
dup un anumit criteriu.
Notm cu d diferena rangurilor a dou nsuiri X, Y ale aceluiai exemplar,
coeficientul de corelaie a rangurilor ntr-un sondaj de n perechi de ranguri, capt forma:
R 1
6(d12 ... d n2 )
n(n 2 1)
Privind perechea de caractere X, Y ca un vector Z = (X, Y), acesta are indicatorii de

sondaj:
1) Vectorul medie de sondaj: M(Z) = ( X , Y )
2) Matricea de covarian de sondaj:
C( Z)
S2X
SXY
SYX S2Y
3) Matricea de corelaie liniar de sondaj:
[Type text]
Pag. 197
L( Z )
1
R
R
1
VII) Coeficienii de regresie liniar de sondaj:
SXY
B1
S2X
daca regresia este cu termen liber (B0
X i Yi /
B0
0)
X i daca regresia este fara termen liber (B0
Y B1 X daca regresia este cu termen liber (B0

0 daca regresia este fara termen liber (B0
0)
0)
0)
Intre coeficientul de corelaie liniar R i coeficientul de regresie B 1 exist relaia :

B1= R.(SY/SX)
Coeficienii B1 i B0 de sondaj sunt o msur a legturii bijective a caracterelor X, Y dat de
ecuaia Y = B0 + B1X.
Aceasta reprezint grafic dreapta de regresie care trece prin centrul de greutate ( X ,
Y ) al norului de puncte cci Y = Y + B1(X - X ).

n legtura de tip statistic ntre X, Y se poate asocia o valoare a lui X cu mai multe
valori ale lui Y i o valoare a lui Y poate corespunde cu mai multe valori ale lui X.
n legtura de tip funcional ntre X, Y, nu se poate asocia o valoare a lui X cu mai
multe valori ale lui Y dar o valoare a lui Y poate corespunde cu mai multe valori ale lui X.
n legtura de tip bijectiv ntre X, Y fiecare valoare a lui X se asociaz cu o valoare
unic a lui Y i fiecare valoare a lui Y corespunde unei valori unice a lui X(coresponden
1-1).
Legtura din tabelul:
xi
yi
10
11
14
14
20
este de tip statistic cci lui x = 3 i se asociaz y = 10 i y = 11 iar y = 14 se corespunde cu x =

4 i x = 5.
xi
yi
10
11
14
14
20
este de tip funcional cci y = 14 se corespunde cu x = 4 i x = 5.

[Type text]
Pag. 198

xi
yi
10
11
14
15
20
este de tip bijectiv deoarece fiecare x este unic asociat cu un y unic.
Y
deci B1 este valoarea marginal cu
X
Coeficientul de regresie B1 este egal cu
care crete sau scade Y cnd X crete cu o unitate.

Termenul liber al regresiei B 0 este valoarea- martor a lui Y cnd X = 0.
Caliti
1) Coeficienii B0, B1 au valori mrginite:
B1
Sy
Sy
SX SX
; B0
Sy
SX
X; Y
Sy
SX
Defecte
2) B0 i B1 au uniti de msur deci nu permit comparaii ntre perechi de caractere;
3) B0 este sensibil la codificarea datelor iar B1 la nmulirea i mprirea datelor;
4) Prognoza valorilor Y fcut pe baza dreptei de regresie Y = B0 + B1X este
aproximativ.
Dac X1,,Xn sunt depuse n celulele A1:An din coloana A n EXCEL iar
Y1,,Yn sunt depuse n celulele B1:Bn din coloana B , atunci coeficientul de regresie liniar
B1 este dat de funcia EXCEL scris n celula C3 : = SLOPE((A1:An),(B1:Bn)) iar termenul
liber al regresiei
este dat de funcia EXCEL scris n celula C4 : =
B0
INTERCEPT((A1:An),(B1:Bn))
Pentru prognoza valorii Y(0) = B0 + B1.X(0) se folosete funcia EXCEL scris
n celula C5 : = FORECAST (X(0) , (A1:An),(B1:Bn)).
Fundamentarea afirmaiilor precedente se bazeaz pe teoremele care urmeaz:
Teorema 6.1
1) Dreapta de regresie Y = B0 + B1X are coeficienii dai de relaiile:
S XY
pt. B0 0
S X2
B1
X i Yi /
[Type text]
X i2
pt. B0
Pag. 199
2) Limea fiei de ncredere este:
n 1 1 R2
SY t
n n 2
De aici rezult: P
; n - 2 GL
adic intervalul de ncredere pentru
Y B0 B 1X:
P Y
B0
B1 X
SY X
t
n
unde
2
2
Y X
SPAY X
n 2
/2;( n 2) GL
1 R2
B1 X
1
2
este diferena limit.
SPAY
1 R2
n 2
n 1 1 R2
2
; B0
n n 2
SY t
n 1 SY2
n 2
deci avem
/2;( n 2) GL
Graficul dreptei de regresie cu fia de ncredere
are forma:
2
D+
Y
D
Y
D-
D-
Aici dreptele D+, D, D- au ecuaiile :
[Type text]
Pag. 200
D +:
Y = B0 + B1X +
D:
Y = B0 + B1X
D-:
Y = B0 + B1X -
Q.E.D.
2
Teorema 6.2
1) Coeficientul de corelaie liniar este dat de relaia: R
S XY
;
S X SY
2
2) Aporturile variaiei lui X, E la variaia lui Y sunt A X rXY ; AE = 1-AX

R
3) t
n 2 este variabil Student cu n 2 grade de libertate.
1 R2
Avem
B1
SY
SX
de unde
Y = Y + B1(X - X )
regresie
Yai = Y + B1(Xi - X )
B1
SX
SY
aa c valorile Yai calculate din dreapta de
conform relaiei:
; (i = 1, , n)
(4)
se numesc valori ateptate ale lui Y.

Valorile
Yci
calculate conform relaiei:
Yci = Yi B1(Xi - X ) = Y + (Yi Yai)) ; (i = 1, , n)
(5)
se numesc valori corectate ale lui Y.
Teorema 6.3
1) Pentru valorile ateptate
Ya = (Ya1, , Yan) avem:
2
Media Ya Y ; Variana SYa B12 S X2 R2 SY2 ; Covariana SX,Ya = SXY;
Coeficientul de corelaie liniar RX,Ya = 1
2) Pentru valorile corectate Yc = (Yc1, , Ycn) avem:
Media Yc
Y ; Variana SYc2
SY2
B12 S X2
(1 R2 ) SY2 ; Covariana S X,Yc = 0;
Coeficientul de corelaie liniar RX,Yc = 0

[Type text]
Pag. 201
n continuare vom aborda estimaii/teste pentru corelaia i regresia liniar n

populaie.
Teorema 6.4
1.Intervalul de ncredere pentru coeficientul de corelaie liniar necunoscut xy
populaia din care provine sondajul, are forma

[ ; ' ]) = 1
P(xy
(1 R) (1 R)e
(1 R) (1 R)e
'
unde
(1 R) (1 R)e
2u
(1 R) (1 R)e
2u
/ n 3
2u
/ n 3
2
/ n 3
2
2u
/ n 3
2
2. Intervalul de ncredere pentru coeficientul de regresie liniar necunoscut 1 n populaia

din care provine sondajul, are forma:
P(1
[1 - ; 1 + ' ]) = 1
2
1 R 2 SY
t
n 2 SX
unde
/2;( n 2) GL
Intervalul de ncredere pentru termenul liber necunoscut 0 al regresiei liniare n populaia din
care provine sondajul, are forma:
P 0
B0
; B0
2
1 R2
1 unde
2
n 1 S X2
nX
n n 2
SY
t
SX
/2;( n 2) GL
Coeficientul de corelaie liniar de sondaj R este variabil de la un sondaj la altul n

jurul coeficientului de corelaie liniar necunoscut
Se arat c: M ( R)
estimaie absolut corect a lui
[Type text]
; V(R)
1n
n populaie.
deci lim V ( R)
n
aa c
este o
Pag. 202
Din relaia t
1 R
n 2
rezult:
t
2
t
2
n 2
/2
pentru = 0.05; 0.01; 0.001 i n 2 GL sunt date de tabela 10 din
Valorile critice R
2
Anex.
Decizia asupra ipotezei H se ia astfel:
Dac R
R0.025 ipoteza H se accept:
= 0 deci X, Y nu sunt corelate liniar n
populaie.
n caz contrar avem cazurile:
a) R0.025
R0.005 deci X, Y sunt corelate liniar semnificativ;
b) R0.005
R0.0005 deci X, Y sunt corelate distinct semnificativ;
c)
R0.0005 deci X, Y sunt corelate liniar foarte semnificativ.
1) Testarea ipotezei H: = 0 fa de alternativa H :
0 este echivalent conform
SY
cu testarea ipotezei H : 1 = 0 fa de alternativa H: 1 0 fcut pe baza
SX
B1
n 2 care se compar cu valorile critice t0.05; t0.01; t0.001 cu n 2
relaiei: t
SY2
B12
S X2
GL , extrase din tabela 2 din Anex.
Decizia se ia ca la punctul 1).
relaiei B1
Exemple
1) Fie X = nlimea la greabn a vieilor (cm) i Y = greutatea n viu a vieilor (kg).
Populaia este format din N = 100 viei din care extragem un sondaj de
n = 10 viei, pe care msurm nlimea la greabn i greutatea, obinnd datele de
sondaj:
xi
70
68
71
72
69
66
70
67
71
72
yi
55
54
56
60
54
50
56
53
56
58
Se cere semnificaia lui R, diagrama aporturilor i dreapta de regresie

Y=B0+B1X + 0.025
cu prognoz pentru x = 75 cm.
Soluie
Se reprezint grafic norul de puncte cu coordonatele (xi, yi) cu unul din produsele
informatice EXCEL ,TCWIN .
[Type text]
Pag. 203
Forma alungit a norului de puncte indic o dependen liniar. Deoarece pentru talia
X = 0 avem greutatea Y = 0, regresia este fr termen liber.
Calcule:
a) Indicatorii de sondaj proprii fiecrui caracter
xi 696
Mediile: MX= X
69.6 cm
n
10
yi
MY= Y
552
10
55.2 kg
Abaterile standard:
SX
SY
xi
38.40
10 1
n 1
yi
n 1
4.27
2.07 cm
67.60
10 1
7.51
2.74 kg
Coeficienii de variabilitate:
CX
2.07
100
69.6
3% ; CY
2.74
100
55.2
5%
b) Indicatorii de sondaj de legtur ntre caractere:

[Type text]
Pag. 204
Covariana
xi
S XY
yi
n 1
47.80
10 1
5.31 cm x kg
Coeficientul de corelaie liniar de sondaj:
S XY
S X SY
5.31
2.07 2.74
0.938
Valorile critice din tabela 10 din Anex, pentru 10 2 = 8 GL sunt:

R0.05 = 0.632; R0.01=0.765; R0.001 = 0.872
Deoarece R = 0.936 > R0.001 = 0.872 corelaia liniar ntre X, Y pentru toi vieii din
care provin cei 10, este foarte semnificativ aa c R= 0.936***
AX = R2 = 88%;
AE = 1 Ax = 12%
AE =
12%
Variaia total a lui Y = 100%
Ax =
88%
Concluzie: 88% din variaia lui Y este datorat variaiei lui X, restul de 12% se
datorete variaiei altor factori necontrolai numii Eroare.
Pentru coeficientul de corelaie liniar necunoscut ntre X, Y n populaie, avem
intervalele de ncredere:
[0.801; 0.982]
cu ncrederea de 95%;
[0.688; 0.989]
cu ncrederea de 99%;
[0.504; 0.994]
cu ncrederea de 99.9%.
Intervalul cel mai mic [0.801;
0.982] cu ncrederea de 95% are urmtoarea
interpretare:
[Type text]
Pag. 205
Coeficientul de corelaie necunoscut ntre talia i greutatea tuturor vieilor din care fac
parte cei 10 ai sondajului, este cuprins ntre 0.801 i 0.982 cu o ncredere de 95%.
Exist semiriscul 2.5% ca acest coeficient s fie mai mic ca 0.801 atunci cnd
sondajul extras din populaie a fost intens corelat liniar (n sondaj sunt viei scunzi i slabi
respectiv viei nali i grai).
n mod analog exist semiriscul 2.5% ca, coeficientul s fie mai mare ca 0.982
atunci cnd sondajul extras din populaie a fost slab corelat liniar (n sondaj sunt viei de
toate categoriile: scunzi i slabi, scunzi i grai, nali i slabi, nali i grai).
Ipoteza H : = 0.9 se accept deoarece = 0.9
[0.801; 0.911].
Coeficienii de regresie liniar de sondaj:
B1
xi yi
2
i
38467
48480
0.793 kg crestere greutate

1 cm crestere talie
B0 = 0 kg (regresie fr termen liber).

Pentru coeficientul de regresie liniar necunoscut 1 ntre X i Y n populaie, avem
intervalele de ncredere:
[0.676; 0.911] cu ncrederea de 95%;
[0.622; 0.965] cu ncrederea de 99%;
[0.530; 1.057] cu ncrederea de 99.9%.
innd cont de relaia :
1=
.(
Y/ X)
intervalul cel mai mic [0.676; 0.911] cu
ncrederea de 95% are urmtoarea interpretare:

Coeficientul de regresie liniar necunoscut 1 ntre X i Y n populaia din care
provine sondajul este cuprins ntre 0.676 i 0.911 cu ncrederea de 95%.
Exist semiriscul 2.5% ca acest coeficient 1 s fie mai mic de 0.676 atunci cnd
sondajul extras din populaie a fost intens corelat liniar sau variabilitatea caracterului Y
raportat la variabilitatea caracterului X este relativ mare n populaie.
n mod analog exist semiriscul 2.5% ca acest coeficient 1 s fie mai mare ca 0.911
atunci cnd sondajul extras din populaie a fost slab corelat liniar sau variabilitatea
caracterului Y raportat la variabilitatea caracterului X este relativ mic n populaie.
Ipoteza H : 1 = 0.7 se accept deoarece 1 = 0.7
[Type text]
[0.676; 0.911].
Pag. 206
n 1 1 R2
Relaia:
n n 2
SY t
10 1 1 0.9382
devine:
10 10 2
/ 2;( n 2) GL
2.74 2.31 0.736
Ecuaia dreptei de regresie cu fia de ncredere Y
B0
B1 X
devine Y =
2
0.793X + 0.736.
Cu ajutorul acestei ecuaii se pot face prognoze cu asigurarea de 95% astfel:
Pentru X = 75 cm avem valorile ateptate:
Ya = 0.793 x 75 + 0.736 =
60.211 kg
(Maxima)
59.475 kg
(Media)
59.739 kg
(Minima)
Pentru talia vieilor Xa = 75 cm ,ne ateptm ca greutatea vieilor din care provine
sondajul s fie cuprins ntre [58.739 kg; 60.211 kg] cu o ncredere de 95%.
Exist semiriscul 2.5% ca aceast greutate s fie sub 58.739 kg atunci cnd sondajul a
fost ales performant ca greutate.
n mod analog exist semiriscul 2.5% ca aceast greutate s fie peste 60.211 kg atunci
cnd sondajul a fost ales neperformant ca greutate.
Ipoteza H :
Xa
75 cm
Ya
60 kg
se accept deoarece Ya = 60 kg [58.739; 60.211].
Valorile ateptate Ya ale lui Y se calculeaz cu relaia Ya = 0.793X iar valorile

corectate Yc ale Y sunt date de relaia:
Yc
Y Ya
Avem tabelul:
xi
yi
yai
yi=yi-yai
yci
70
55
55.54
- 0.54
54.66
68
54
53.96
0.04
55.24
71
56
56.34
- 0.34
54.86
72
60
57.13
2.87
58.07
[Type text]
yi
Pag. 207
69
54
54.75
- 0.75
54.45
66
50
52.37
- 2.37
52.83
70
56
55.54
0.46
55.66
67
53
53.16
- 0.16
55.04
71
56
56.34
- 0.34
54.86
72
58
57.13
0.87
56.07
Coloanele yi (albastr) i yai (crmizie) apar mpreun n diagram :
Calculele precedente privitoare la regresia liniar pot fi fi fcute n EXCEL astfel : Valorile
X1,,Xn se nscriu n celulele A1:An din coloana A iar valorile Y1,,Yn se nscriu n celulele
B1:Bn din coloana B a foii de calcul Nr.1
Deschidem fereasta TOOLS n care activm opiunea DATA ANALYSIS . Aici
activm opiunea REGRESSION n care declarm celulele A1:An i B1:Bn unde
se afl datele.
Rezultatele regresiei liniare se gsesc fie n foaia de calcul Nr.2,fie tot n foaia de calcul
Nr.1 cu date ,prin declararea ca celule de rezultate a altor celule dect cele din blocul de date
A1:Cn
[Type text]
Pag. 208
TEMA 6.2 CORELAII I REGRESII MONOFACTORIALE NELINIARE

Dou variabile aleatoare independente X,Y sunt necorelate liniar sau prin negaie
dou variabile X, Y corelate liniar sunt dependente. Reciproca nu este n general
adevrat, adic exist variabile X,Y dependente, care nu sunt corelate liniar, dar pot fi
corelate neliniar.
n cazul corelaiei i regresiei neliniare a variabilelor X,Y forma norului de puncte
(xi,yi) (i=1,....., n) indic o anumit form a funciei de regresie Y=f(X,B 0, B1,........., Bd-1),
unde B0, B1,........., Bd-1 sunt d parametri necunoscui ai funciei de regresie.
Parcurgem urmtoarele etape:
a)Calculul parametrilor de regresie B0, B1,........., Bd-1 se face ca i n cazul regresiei
liniare, prin metoda celor mai mici ptrate (vezi teorema 10.1):
Vom minimiza variaia rezidual:
SPAY.X =[y1-f(x1, B0, B1,....., Bd-1)]2+............+[yn- f(xn, B0, B1,....., Bd-1)]2=minim
Anulnd derivatele pariale ale lui SPAY.X n raport cu B0, B1,....., Bd-1 obinem
sistemul de d ecuaii normale cu
SPAY . X
B0
0,.................,
d necunoscute : B0, B1,....., Bd-1:
SPAY . X
Bd 1
b) Dup calculul celor d parametri de regresie B0, B1,....., Bd-1, vom calcula raportul
de corelaie neliniar
Rc
printr-o formul asemntoare cu formula (1) din demonstraia
teoremei 6.2:
Rc
Aici SPAY=
SPAY.X=
( yi
SPAY . X
SPAY
(1)
Y ) 2 este variana total a valorilor lui Y cu n-1 GL.
[yi-f(xi , B0, B1,....., Bd-1)]2 este variana rezidual a valorilor ateptate
f(xi, B0, B1,....., Bd-1) ale lui Y fa de valorile observate yi ale ale lui Y n-d
grade de
libertate (d este numrul parametrilor B0, B1,....., Bd-1 ai regresiei)

Diferena SPAY-SPAY.X=SPAR se numete variana regresiei neliniare i are
n-1-
(n-d)=d-1GL
[Type text]
Pag. 209
n cazul dreptei de regresie Y=B0+B1X avem d=2 parametrii necunoscui B0, B1, deci:
R2
1
:
2
1 R n 2
(3)
este variabil Fisher cu (1;n-2) GL, deci t= F
1 R
n-2
n 2 este variabil Student cu
GL.
Deosebirea ntre
R i Rc este accea c R [-1;1], iar Rc [0;1]
6.2.1. Corelaia i regresia monofactorial polinomial

Funcia de regresie are forma : Y=f(X, B0, B1,....., Bm)= B0+B1X+.....+ BmXm n care avem
d=m+1, parametri de regresie necunoscui B0, B1,....., Bm. Sistemul cu
d =m+1 ecuaii
normale cu necunoscutele B0, B1,....., Bm are forma:
Bm
xi2 m ... B1
xim 1
xim
B0
xim yi
.....................................................................
Bm
xim 1 ... B1
Bm
xim ... B1
Notm
xi2
xi
B0
xi
nB0
xi yi
yi
x1m x1m 1.............1

X= ........................
xnm xnm 1.............1
de tip
n x (m+1)
XT este matricea transpus a lui X, de tip (m+1) x n, B=
Bm
Bm 1
..........
Bo
y1
coloan de tip (m+1)x 1 al coeficienilor de regresie polinomial, iar Y= ....
yn
este vectorul -
este vectorul
coloan de tip n x 1 pentru valorile lui Y.

Sistemul precedent capt forma matriceal:
[Type text]
Pag. 210
XT.X.B=XT.Y
Dac matricea simetric XT.X de ordin m+1 este nesingular (det(XT.X) 0), sistemul de
ecuaii normale are soluie unic scris matricial:
B=(XT.X)-1.XT.Y
Cu
d= m+1, raportul Fisher F capt forma :

Fp
cu (m; n-m-1)
Rc2
m
:
2
1 Rc n m 1
GL.
(4)
n cazul regresiei polinomiale fr termen liber (B 0=0) ecuaiile normale au forma:
Bm
xi2 m ... B1
xim 1
xim yi
.........................................................
Bm
xim 1 ... B1
xi2
Avem un sistem liniar de

parametrilor de regresie este
Fp
xi yi
m
ecuaii cu
d= m. Cu
Rc2
m 1
:
2
1 Rc n m
necunoscute B 1,.........., Bm, deci numrul
d= m
raportul Fisher capt forma:
(5)
cu (m-1;n-m)GL
Exemplu:
Fie X= cantitatea de azotat de amoniu (kg/ha) i Y= producia de gru (quintale/ha).
Avem un sondaj de volum n=10:
xi
30
60
90
120
150
180
210
240
270
yi
15
17
20
22
25
29
34
36
38
40
Diagrama care urmeaz conine norul de puncte al perechilor (x,y) :
[Type text]
Pag. 211
Folosim funcia de regresie polinomial de grad m=3 avnd forma:

Y=Bo+B1X+B2X2+B3X3
Coeficienii de regesie dai de sistemul de ecuaii normale au valorile :
B0=15.27849; B1=0.032527; B2=0.000653; B3=-0.0000016
Valorile xi, valorile observate yi , valorile ateptate
yai =B0+B1 .xi +B2 xi 2 +B3 xi 3 i diferenele yi=yi-yai , sunt date de tabelul:
[Type text]
xi
yi
yai
15
15.28
-0.28
30
17
16.80
0.20
60
20
19.23
0.77
90
22
22.32
-0.32
120
25
25.80
-0.80
150
29
29.40
-0.40
180
34
32.88
1.12
210
36
35.97
0.03
240
38
38.40
-0.40
270
40
39.92
0.08
yi
Pag. 212
Variaia total este SPAY=742.4, iar variaia rezidual este SPAY.X=3.025 aa c

raportul de corelaie va fi : Rc= 1
SPAY . X
=0.99796.
SPAY
Raportul Fisher Fp are forma (4) (regresia este cu termen liber) i pentru n=10; m=3
capt valoarea
Fp=488.7
cu
(3;6)
GL.
Valorile critice Fisher din tabelele 4,5,6 din Anex, cu
(3;6) GL sunt: F 0.05=4.76;
F0.01=9.78; F0.001=23.70.
F0.001=23.70, corelaia polinomial n populaia din care provine
Cum Fp=488.7
sondajul este foarte semnificativ.

6.2.2. Corelaia i regresia monofactorial trigonometric
Funcia de regresie are forma:
Y=To+(S1sinx+ C1cosx)+..........+(Sksinkx+Ckcoskx), (k n/2)
n care avem 2k+1 parametri de regresie necunoscui T0, S1, C1,...., Sk,Ck.
Sistemul cu
d= k+1
ecuaii normale cu necunoscutele Y 0, S1, C1,......., Sk,Ck
d aceste
valori astfel:
T0= MY
S1 =
2
n
yi sin xi ; C1=
i 1
2
n
yi cos xi
i 1
...................................................
Sk =
2
n
yi sin kxi ; Ck=

i 1
2
n
yi cos kxi
i 1
Pentru a aduce date de sondaj xi n carcul trigonometric [0;2 ], vom nlocui pe

xci=
(n 1) xi ( xn
xn x1
xi
cu
nx1 ) 2
dup ce n prealabil valorile xi au fost reordonate n ordine
n
cresctoare.
[Type text]
Pag. 213
Dac xi [x1;xn], atunci xci=[0;2 ] iar

Dac
xi=x1+(i-1)r
xcn=2
(xi sunt echidistante), atunci :
xc1=2 /n, xc2=2(2 /n),........, xcn=n(2 /n)= 2 .

Calculul raportului de corelaie neliniar R c se face cu formula (1) de mai sus.
Testarea corelaiei trigonometrice n populaia din care provine sondajul adic
varificarea ipotezei H:
c=0
fa de alternativa H:
0 se face cu relaia (2) de mai sus
n care F este variabil Fisher cu (d-1; n-d) GL, unde d este numrul parametrilor de
regresie necunoscui T0, S1, C1,........, Sk, Ck, deci d=2k+1, aa c F renotat cu Ft are forma :
Ft = [Rc2 / (1- Rc2 )] : [2k/(n-2k-1)]
cu
(6)
(2k ; n-2k-1 ) GL
Prin regresia trigonometric se ajusteaz date cu caracter periodic (ciclic) mai ales
cnd x este timpul msurat sezonier (n secunde , minute, ore, zile, sptmni, luni, trimestre,
semestre, ani, decenii, secole, milenii).
De exemplu n cazul X=timpul, Y poate fi caracter meteorologic (precipitaii, cldur,
lumin, secete, inundaii, ngheuri, grindin,etc.) sau geologic (cutremure, alunecri de teren)
sau biologic (cicluri de reproducie i lactaie, serii la ngrat pentru animale domestice,
perioade de vegetaie pentru plantele de cultur) sau economic (perioade de avnt economic i
de recesiune).
Exemple
1)X=timpul n luni Y=temperatura medie lunar a aerului n perioada 1901-1990 la
staia meteo Bucureti-Filaret (0C).
Z=precipitaiile medii lunare n perioada 1901-1990 la staia meteo Bucureti-Filaret
3
(m /ha).
Date de sondaj:
[Type text]
Luna X
Temperatura Y
Precipitaii Z
-2.4
406
-0.3
340
5.2
374
11.6
444
16.9
681
20.6
860
22.8
578
Pag. 214
22.3
512
17.8
391
10
11.8
411
11
5.5
485
12
0.4
411
a) Diagrama temperaturilor are forma:
Funcia de regresie trigonometric pentru temperatura medie lunar Y cu k=2

armonice are coeficienii:
T0=MY=11.01667 oC
S1= - 6.5409; C1= - 10.5161;
S2= - 0.4908; C2= - 0.5500.
Valorile echidistante xi, valorile din cerc xci = i.(2 /12), valorile observate yi, cele
ateptate yai = T0 + [s1.sin(xci) + c1.cos(xci)] + [s2.sin(2.xci) + c2.cos(2.xci)]
i diferenele yi=yi-yai sunt :
xi
Xci
Yi
yai
0.5235989
-2.4
-2.06
-0.34
1.047198
-0.3
-0.06
-0.24
1.570797
5.2
5.03
0.17
[Type text]
yi
Pag. 215
2.094395
11.6
11.31
0.29
2.617994
16.9
17.00
-0.10
3.141593
20.6
20.98
-0.38
3.665192
22.8
22.69
0.11
4.188791
22.3
21.79
0.51
4.712390
17.8
18.11
-0.31
10
5.235988
11.8
12.12
-0.32
11
5.759587
5.5
5.33
0.17
12
6.283186
0.4
-0.05
0.45
Variaia total este SPAY=2381.04, variaia rezidual este SPAY.X=1.148, deci raportul
de corelaie trigonometric dat de relaia (1) va fi
Rc=0.999759
Raportul Fisher este dat de relaia (6) i pentru n=12; k=2 capt valoarea : Ft=3629
cu (4; 7)GL.
Valorile critice Fisher din tabele 4,5,6 din Anex, cu (4;7)GL sunt F0.05=4.12;
F0.01=7.85; F0.001=17.19
Cum Ft=3629
F0.001=17.19, corelaia trigonometric n populaia din care provine
sondajul, este foarte semnificativ.

b) Diagrama precipitaiilor are forma :
[Type text]
Pag. 216
b) Funcia de regresie trigonometric pentru precipitaiile medii lunare Z cu k=5

armonice, are coeficienii:
T0=491.0834 m3/ha
S1= -20.8963; C1= -145.0328;
S2= -26.7024; C2= 121.2500;
S3= 6.8334; C3= -40.6666;
S4= -25.8362; C4= 17.9168;
S5 = 19.2296 ; C5 = - 38.8806
Valorile echidistante xi, valorile din cerc xci = i.(2 / 12), valorile observate zi, valorile
ateptate
5
zai
T0
[ s j .sin( j.xci ) c j cos( j.xci )]

j 1
i diferenele
zi=zi - zai sunt date de tabelul de mai jos.
xi
xci
zi
zai
0.5235989
406
411.25
- 5.25
1.047198
340
334.75
5.25
1.570797
374
379.25
- 5.25
2.094395
444
438.75
5.25
2.617994
681
686.25
- 5.25
3.141593
860
854.75
5.25
3.665192
578
583.25
- 5.25
4.188791
512
506.75
5.25
4.712390
391
396.25
- 5.25
10
5.235988
411
405.75
5.25
11
5.759587
485
490.25
- 5.25
12
6.283186
411
405.75
5.25
zi
Variaia total este SPAZ=3142985, variaia rezidual este SPAZ.X=331, deci raportul
de corelaie trigonometric dat de relaia (6) este : Rc==0.9999474
Raportul Fisher Ft dat de relaia (1) ,pentru n=12, k=5 capt valoarea Ft=950.9893
cu
(10; 1) GL.
[Type text]
Pag. 217
Valorile critice Fisher pentru (10;1) GL extrase din tabelele 4,5,6 din Anex, sunt
F0.05=241.9; F0.01=6056; F0.001=605600
Cum F0.05 < Ft <F0.01, corelaia trigonometric n populaia din care provine sondajul
este semnificativ.
6.2.3. Corelaia i regresia monofactorial polinomial-trigonometric
Funcia de regresie are forma:
y=[B0+B1x+.......+Bmxm]+[T0+S1sinx+C1cosx+........+Sksinkx+Ckcoskx]
a)Partea polinomial din prima parantez ptrat din membrul doi, este neperiodic i se
numete tendin (trend), coeficienii B0, B1, ........, Bm, se stabilesc ca n seciunea 10.3.1 de
mai sus, prelucrnd datele primare (xi, yi)
(1
n). Valorile ateptate ale regresiei
polinomiale sunt date de relaia yapi= B0+B1 xi+.......+Bmxim, iar ypi=yi-yapi.

Testarea ipotezei H: c p=0 fa de alternativa H: cp 0 adic a inexistenei sau a
existenei trendului polinomial n populaia din care face parte sondajul, se face cu raportul
Fisher dat de relaia (4) :
Fp=[Rcp2/(1-Rcp2 ]: [m/(n-m-1)],
care are
(m; n-m-1) GL.
Aici raportul de corelaie polinomial R cp are forma din relaia (1):

Rcp= 1
SPAY . X
,
SPAY
n
cu
( yi
SPAY=
y )2 ;SPAY.X=
i 1
( yi
yapi )2 .
i 1
a)Partea trigonometric din a doua parantez ptrat din membrul doi al funciei de regresie
de mai sus ,este periodic i se numete parte ciclic sau sezonier, coeficienii T0, S1,
C1,........, Sk, Ck se stabilesc ca n seciunea 10.3.2 de mai sus, prelucrnd datele reziduale (xi;
ypi) de la regresia polinomial, unde ypi=yi-yapi
(1 i
n).
Valorile ateptate ale regresiei trigonometrice sunt date de relaia :

yati=T0+S1sin xi+C1cos xi+........+Sksin kxi+Ckcos kxi.
Diferenele
ypti = ypi yati are forma
ypti=yi-yapi - yati .
Valorile ateptate ale regresiei polinomial-trigonometrice sunt:

yapti= yapi + yati , aa c
[Type text]
ypti=yi - yapti .
Pag. 218
Testarea ipotezei H: ct=0 fa de alternativa H:ct 0, adic a inexistenei sau a

existenei prii ciclice n populaia din care face parte sondajul, se face cu raportul Fisher dat
de relaia (6) i anume:
Ft=[(Rct)2/(1-(Rct)2 )]: [2k/(n-2k-1)]
cu
(2k; n-2k-1)
GL.
Aici raportul de corelaie trigonometric are forma din relaia (1) i anume:
Rct= 1
SPADY . X
SPADY
n
ypi ) 2
( ypi
unde SPADY=
i 1
n
i SPADY.X=
yati )2
( ypi
i 1
Exemplul 1
X=timpul (zile trecute de la data ftrii)
Y=producia zilnic de lapte de vac (litri/zi)
Date de sondaj:
xi
28
56
84
112
140
168
196
224
252
280
308
yi
15
18
20
21
22
19
16
12
a) Graficul perechilor (x,y) are forma:
a) Regresia polinomial:
Pentru funcia polinomial alegem gradul m=3, deci y= B0+B1x+B2 x2+B3 x3.
[Type text]
Pag. 219
Sistemul de 4 ecuaii normale are ca soluii coeficienii de regresie:

B0=7.61776; B1=0.28246; B2=- 0.00166; B3=0.0000022.
Valorile echidistante xi, valorile n cerc xci = i.(2 / 11), valorile observate yi, valorile
ateptate yapi = B0+B1 .xi +B2 xi 2 +B3 xi 3 ale regresiei polinomiale i diferenele
yapi
ypi=yi-
se gsesc n tabelul de mai jos.

Avem SPAY=478.182; SPAY.X=5.481, deci Rcp=0.994252 cu (3; 7)GL.
Valoarea Fisher este Fp=201.22, iar valorile critice din tabelele 4,5,6 din Anex,
pentru (3;7) GL sunt: F0.05=4.35; F0.01=8.45; F0.001=18.77

Cum Fp=201.22 F0.001=18.77, corelaia polinomial este foarte semnificativ n
populaia din care provine sodajul.
b) Regresia trigonometric :
Perechile de valori (xi;
ypi) din tabelul de mai jos se prelucreaz cu regresia
trigonometric cu k=2 armonice, deci: yp=S0+(S1sinx+C1cosx)+(S2sin2x+C2cos2x.)

Conform seciunii 10.3.2 de mai sus, avem coeficienii de regresie trigonometric:
T0=0.00000217
S1= -0.0548; C1= -0.2158;
S2= 0.3089; C2= 0.7362;
Valorile ateptate ale regresiei polinomial-trigonometrice
yapti =[ B0+B1 .xi +B2 xi 2 +B3 xi 3 ] + [ T0 +s1.sin(xci) +c1.cos(xci)+
+ s2.sin(2.xci)+c2.cos(2.xci)]
i diferenele
[Type text]
ypti=yi-yapti
xi
yi
xci
28
15
56
se gsesc n tabelul de mai jos:
yapi
ypi
Yapti
0.5711987 14.27
0.73
14.65
0.35
18
1.142397
18.61
-0.61
18.22
-0.22
84
20
1.713596
20.92
-0.92
20.10
-0.10
112
21
2.284795
21.49
-0.49
21.18
-0.18
140
22
2.855994
20.62
1.38
21.27
0.73
168
19
3.427193
18.60
0.40
19.61
-0.61
196
16
3.998391
15.71
0.29
16.09
-0.09
224
12
4.569590
12.24
-0.24
11.71
0.29
ypti
Pag. 220
252
5.140789
8.49
-0.49
7.74
0.26
280
5.711987
4.75
-0.75
4.62
-0.62
308
6.283186
1.30
0.70
1.82
0.18
Avem SPADY=5.481; SPAY.X=1.702, deci Rct=0.8302674 cu (4; 6)GL.

Valoarea Fisher este Ft=3.328, iar valorile critice din tabelele 4,5,6 din Anex, pentru
(4; 6) GL sunt F0.05=4.53; F0.01=9.15; F0.001=21.92.
Cum Ft=3.328 F0.05=4.53, corelaia trigonometric este nesemnificativ n populaia
din care provine sondajul.
Media de sondaj de evoluie este :
Y1
2
MYc
Y2
... Yn
Yn
2
n 1
14.85 litri lapte/zi
Exemplul 2
X= timpul (zile trecute de la data ecloziunii oulelor de gin)
Y=greutate pui broiler (grame)
Date de sondaj:
xi
14
21
28
35
42
49
56
21
92
213
378
580
791
1005
1220 y 1432
i
Graficul perechilor (x,y) este:
[Type text]
Pag. 221
Regresia polinomial :
Lum m=3, deci:
a)
B0=19.74748; B1=6.16912; B2=0.63531; B3= - 0.0052885

Valorile echidistante xi, valorile n cerc xci = i.(2 /9), valorile observate yi, valorile
ateptate yapi = B0+B1 .xi +B2 xi
ypi=yi-yapi
+B3 xi
ale regresiei polinomiale i diferenele
se gsesc n tabelul de mai jos.
SPAY=2057641; SPAY.X=108; Rcp=0.9999738 cu (3; 5)GL;

Fp=31804.948***
F0.05=5.41; F0.01=12.06; F0.001=33.20<Fp
Corelaia polinomial n populaia din care provine sondajul este foarte
semnificativ.
Regresia trigonometric:
b)
Lum k=2 armonice, deci:

T0= - 0.00007354;
S1= -0.4810; C1= -0.7903;
S2=4.0881; C2=1.6168
Valorile ateptate ale regresiei polinomial-trigonometrice
yapti =[ B0+B1 .xi +B2 xi 2 +B3 xi 3 ] + [ T0 +s1.sin(xci) +c1.cos(xci)+
+ s2.sin(2.xci)+c2.cos(2.xci)]
i diferenele
ypti=yi-yapti se gsesc n tabelul de mai jos:
SPAy=107.72; SPAy.x=16.90; Rct=0.9182102 cu (4; 4)GL;

Ft=5.374; F0.05=9.28; F0.01=29.46; F0.001=141.10
Ft < F0.05 deci corelaia trigonometric este nesemnificativ n populaia din care
provine sondajul.
Media de sondaj de evoluie este :
MYc
Y1
2
Y2
... Yn
Yn
2
n 1
Tabelul final cu rezultate este :
[Type text]
625.7 g
Pag. 222
xi
xci
yi
yapi
0.6981318
21
19.75
1.25
23.14
-2.14
1.396264
92
92.25
-0.25
91.52
0.48
14
2.094395
213
216.12
-3.12
211.75
1.25
21
2.792527
378
380.49
-2.49
379.68
-1.68
28
3.490659
580
574.47
5.53
579.25
0.75
35
4.188791
791
787.18
3.83
790.72
0.28
42
4.886923
1005
1007.72
-2.72
1005.14
-0.14
49
5.585055
1220
1225.22
-5.22
1221.18
-1.18
56
6.283186
1432
1428.80
3.20
1429.62
2.38
ypi
yapti
ypti
TEST DE EVALUARE
1. Ce sunt coeficientul de corelaie liniar i coeficienii de regresie liniar ?
2. Ce sunt raportul de corelaie neliniar i coeficienii de regresie neliniar ?
3. Ce este autocorelaia i cross-corelaia seriilor de timp ?
4. Ce avantaje prezint corelaia i regresia polinomial-trigonometric ?
5. Ce sunt coeficienii de corelaie liniar multipli totali i cum se testeaz ei ?
6. Ce sunt coeficienii de corelaie liniar multipli pariali i cum se testeaz ei ?
7. Ce sunt coeficienii de regresie liniar multipl ?
8. Prin ce se deosebesc rapoartele de corelaie neliniar multipl de coeficienii de
corelaie liniar multipl ?
[Type text]
Pag. 223
BIBILIOGRAFIE
1. Ene D., 2006, Matematic aplicat n agricultur, ISBN: 973-40-0742-4, Editura CERES,
Bucureti.
2.Ene D., Burlacu R., 2006 Biomatematic i informatic, ISBN:973-725-543-7, Editura
Fundaiei Romnia de Mine.
3. Ene D., Drghici M., Alecu I.N., 2003 Statistic aplicat n agricultur, ISBN: 973-400619-3, Editura CERES, Bucure ti.
4. Varga M., 2009, Elemente de Matematic i Biostatistic cu aplicaii n biotehnologii,
ISBN: 978-606-521-399-9, Editura Printech, 2009.
[Type text]
Pag. 224
TABEL 1 Functia de repartitie N(0;1) : F( U

U
/2 )
=1-
/2
0.00
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
0.0
0.50000
0.50399
0.50798
0.51197
0.51595
0.51994
0.52392
0.52790
0.53188
0.53586
0.1
0.53983
0.54379
0.54776
0.55172
0.55567
0.55962
0.56356
0.56749
0.57142
0.57534
0.2
0.57926
0.58317
0.58706
0.59095
0.59483
0.59871
O.6025
0.60642
0.61026
0.61409
0.3
0.61791
0.62172
0.62551
0.62930
0.63307
0.63683
0.64431
0.64803
0.65173
0.4
0.65542
0.65910
0.66276
0.66640
0.67003
0.67364
0.64058
7
0.67724
0.68082
0.64838
0.68793
0.5
0.69146
0.69497
0.69847
0.70194
0.70540
0.70884
0.71226
0.71566
0.71904
0.72240
0.6
0.72575
0.72907
0.73237
0.73565
0.73891
0.74215
0.74537
0.74857
0.75175
0.75490
0.7
0.75803
0.76115
0.76424
0.76730
0.77035
0.77337
0.77637
0.77935
0.78230
0.78523
0.8
0.78814
0.79103
0.79389
0.79673
0.79954
0.80234
0.80510
0.80785
0.81057
0.81327
0.9
0.81594
0.81859
0.82121
0.82381
0.82639
0.82894
0.83147
0.83397
0.83646
0.83891
1.0
0.84134
0.84375
0.84613
0.84849
0.85083
0.85314
0.85543
0.85769
0.85993
0.86214
1.1
0.86433
0.86650
0.86864
0.87076
0.87285
0.87493
0.87697
0.87900
0.88100
0.88297
1.2
0.88493
0.88686
0.88877
0.89065
0.89251
0.89435
0.89616
0.89796
0.89973
0.90147
1.3
0.90320
0.90490
0.90658
0.90824
0.90988
0.91149
0.91308
0.91465
0.91621
0.91773
1.4
0.91924
0.92073
0.92219
0.92364
0.92506
0.92647
0.92785
0.92922
0.93056
0.93189
1.5
0.93319
0.93448
0.93574
0.93699
0.93822
0.93943
0.94062
0.94179
0.94295
0.94408
1.6
0.94520
0.94630
0.94738
0.94845
0.94950
0.95053
0.95154
0.95254
0.95352
0.95448
1.7
0.95543
0.95637
0.95728
0.95818
0.95907
0.95994
0.96080
0.96164
0.96246
0.96327
1.8
0.96407
0.96485
0.96562
0.96637
0.96711
0.96784
0.96856
0.96926
0.96995
0.97062
1.9
0.97128
0.97193
0.97257
0.97320
0.97381
0.97441
0.97500
0.97558
0.97615
0.97670
2.0
0.97725
0.97778
0.97831
0.97882
0.97932
0.97982
0.98030
0.98077
0.98124
0.98169
2.1
0.98214
0.98257
0.98300
0.98341
0.98382
0.98422
0.98461
0.98500
0.98537
0.98574
2.2
0.98610
0.98645
0.98679
0.98713
0.98745
0.98778
0.98809
0.98840
0.98870
0.98899
2.3
0.98928
0.98956
0.98983
0.99010
0.99036
0.99061
0.99086
0.99111
0.99134
0.99158
2.4
0.99180
0.99202
0.99224
0.99245
0.99266
0.99286
0.99305
0.99324
0.99343
0.99361
2.5
0.99379
0.99396
0.99413
0.99430
0.99446
0.99461
0.99477
0.99492
0.99506
0.99520
2.6
0.99534
0.99547
0.99560
0.99573
0.99585
0.99598
0.99609
0.99621
0.99632
0.99643
2.7
0.99653
0.99664
0.99674
0.99683
0.99693
0.99702
0.99711
0.99720
0.99728
0.99736
2.9
0.99744
0.99752
0.99760
0.99767
0.99774
0.99781
0.99788
0.99795
0.99801
0.99807
2.9
0.99813
0.99819
0.99825
0.99831
0.99836
0.99841
0.99846
0.99851
0.99856
0.99861
3.0
0.99865
0.99869
0.99874
0.99878
0.99882
0.99886
0.99889
0.99893
0.99897
0.99900
3.1
0.99903
0.99906
0.99910
0.99913
0.99916
0.99918
0.99921
0.99924
0.99926
0.99929
3.2
0.99931
0.99934
0.99936
0.99938
0.99940
0.99942
0.99944
0.99946
0.99948
0.99950
3.3
0.99952
0.99953
0.99955
0.99957
0.99958
0.99960
0.99961
0.99962
0.99964
0.99965
3.4
0.99966
0.99968
0.99969
0.99970
0.99971
0.99972
0.99973
0.99974
0.99975
0.99976
3.5
0.99977
0.99978
0.99978
0.99979
0.99980
0.99981
0.99981
0.99982
0.99983
0.99983
3.6
0.99984
0.99985
0.99985
0.99986
0.99986
0.99987
0.99987
0.99988
0.99988
0.99989
3.7
0.99989
0.99990
0.99990
0.99990
0.99991
0.99991
0.99992
0.99992
0.99992
0.99992
3.8
0.99993
0.99993
0.99993
0.99994
0.99994
0.99994
0.99994
0.99995
0.99995
0.99995
3.9
0.99995
0.99995
0.99996
0.99996
0.99996
0.99996
0.99996
0.99996
0.99997
0.99997
[Type text]
Pag. 225
TABEL 2 Valorile Student t

GL
/2
si t : P(| t | > t
/2 )
= P(t > t ) =
0.40
0.25
0.10
0.05
0.025
0.01
0.005
0.0025
0.001
0.0005
0.325
1.000
3.078
6.314
12.706
31.821
63.657
127.32
318.31
636.62
0.289
0.816
1.886
2.920
4.303
6.965
9.925
14.089
23.326
31.598
0.277
0.765
1.638
2.353
3.182
4.541
5.841
7.453
10.213
12.924
0.271
0.741
1.533
2.132
2.776
3.747
4.604
5.598
7.173
8.610
0.267
0.727
1.476
2.015
2.571
3.365
4.032
4.773
5.893
6.869
0.265
0.718
1.440
1.943
2.447
3.143
3.707
4.317
5.208
5.959
0.263
0.711
1.415
1.895
2.365
2.998
3.499
4.029
4.785
5.408
0.262
0.706
1.397
1.860
2.306
2.896
3.355
3.833
4.501
5.041
0.261
0.703
1.383
1.833
2.262
2.821
3.250
3.690
4.297
4.781
10
0.260
0.700
1.372
1.812
2.228
2.764
3.169
3.581
4.144
4.587
11
0.260
0.697
1.363
1.796
2.201
2.718
3.106
3.497
4.025
4.437
12
0.259
0.695
1.356
1.782
2.179
2.681
3.055
3.428
3.930
4.318
13
0.259
0.694
1.350
1.771
2.160
2.650
3.012
3.372
3.852
4.221
14
0.258
0.692
1.345
1.761
2.145
2.624
2.977
3.326
3.787
4.140
15
0.258
0.691
1.341
1.753
2.131
2.602
2.947
3.286
3.733
4.073
16
0.258
0.690
1.337
1.746
2.120
2.583
2.921
3.252
3.686
4.015
17
0.257
0.689
1.333
1.740
2.110
2.567
2.898
3.222
3.646
3.965
18
0.257
0.688
1.330
1.734
2.101
2.552
2.878
3.197
3.610
3.922
19
0.257
0.688
1.328
1.729
2.093
2.539
2.861
3.174
3.579
3.883
20
0.257
0.687
1.325
1.725
2.086
2.528
2.845
3.153
3.552
3.850
21
0.257
0.686
1.323
1.721
2.080
2.518
2.831
3.135
3.527
3.819
22
0.256
0.686
1.321
1.717
2.074
2.508
2.819
3.119
3.505
3.792
23
0.256
0.685
1.319
1.714
2.069
2.500
2.807
3.104
3.485
3.767
24
0.256
0.685
1.318
1.711
2.064
2.492
2.797
3.091
3.467
3.745
25
0.256
0.684
1.316
1.708
2.060
2.485
2.787
3.078
3.450
3.725
26
0.256
0.684
1.315
1.706
2.056
2.479
2.779
3.067
3.435
3.707
27
0.256
0.684
1.314
1.703
2.052
2.473
2.771
3.057
3.421
3.690
28
0.256
0.683
1.313
1.701
2.048
2.467
2.763
3.047
3.408
3.674
29
0.256
0.683
1.311
1.699
2.045
2.462
2.756
3.038
3.396
3.659
30
0.256
0.683
1.310
1.697
2.042
2.457
2.750
3.030
3.385
3.646
40
0.255
0.681
1.303
1.684
2.021
2.423
2.704
2.971
3.307
3.551
50
0.255
0.679
1.299
1.676
2.009
2.403
2.678
2.937
3.261
3.496
60
0.254
0.679
1.296
1.671
2.000
2.390
2.660
2.915
3.232
3.460
70
0.254
0.678
1.294
1.667
1.994
2.381
2.648
2.899
3.211
3.435
80
0.254
0.678
1.292
1.664
1.990
2.374
2.639
2.887
3.195
3.416
90
0.254
0.677
1.291
1.662
1.987
2.368
2.632
2.878
3.183
3.402
100
0.254
0.677
1.290
1.660
1.984
2.364
2.626
2.871
3.174
3.390
0.253
0.674
1.282
1.645
1.960
2.326
2.576
2.807
3.090
3.291
[Type text]
Pag. 226
TABEL 3 Valorile hi patrat (
):P(
>
)=
GL
0.9995
0.995
0.975
0.05
0.025
0.01
0.005
0.001
0.0005
0.0639
0.0439
0.0398
3.84
5.02
6.63
7.88
10.83
12.12
0.001
0.01
0.05
5.99
7.38
9.21
10.60
13.82
15.20
0.02
0.07
0.22
7.81
9.35
11.34
12.84
16.27
17.73
0.06
0.21
0.48
9.49
11.14
13.28
14.86
18.47
20.00
0.16
0.41
0.83
11.07
12.83
15.09
16.75
20.51
22.10
0.30
0.68
1.24
12.59
14.45
16.81
18.55
22.46
24.10
0.48
0.99
1.69
14.07
16.01
16.48
20.28
24.32
26.12
0.71
1.34
2.18
15.51
17.53
20.09
21.96
26.12
27.87
0.97
1.73
2.70
16.92
19.02
21.67
23.59
27.88
29.67
10
1.26
2.16
3.25
18.31
20.48
23.21
25.19
29.59
31.42
11
1.50
2.60
3.92
19.68
21.92
24.72
26.76
31.26
33.14
12
1.93
3.07
4.40
21.03
23.34
26.22
28.30
32.91
34.82
13
2.30
3.57
5.01
22.36
24.74
27.69
29.82
34.53
36.48
14
2.70
4.07
5.63
23.68
26.12
29.14
31.32
36.12
38.11
15
3.11
4.60
6.87
25.00
27.49
30.58
32.80
37.70
39.72
16
3.54
5.14
6.91
26.20
28.85
32.00
34.27
39.25
41.31
17
3.98
5.70
7.56
27.59
30.19
33.41
35.72
40.79
42.88
18
4.44
6.26
8.23
28.87
31.53
34.81
37.16
42.31
44.43
19
4.91
6.84
8.91
30.14
32.85
36.19
38.58
43.82
45.97
20
5.40
7.43
9.59
31.41
34.17
37.57
40.00
45.31
47.50
21
5.90
8.03
10.28
32.67
35.48
38.93
41.40
46.80
49.01
22
6.40
8.64
10.98
33.92
36.78
40.29
42.80
48.27
50.51
[Type text]
Pag. 227
GL
0.9995
0.995
0.975
0.05
0.025
0.01
0.005
0.001
0.0005
23
6.92
9.26
11.69
35.17
38.08
41.64
44.18
49.73
52.00
24
7.45
9.89
12.40
36.42
39.36
42.98
45.56
51.18
53.48
25
8.00
10.52
13.12
37.65
40.65
44.31
46.93
52.62
54.95
26
8.54
11.16
13.84
38.89
41.92
45.64
48.29
54.05
56.41
27
9.09
11.81
14.57
40.11
43.19
46.96
49.64
55.48
57.86
28
9.66
12.46
15.31
41.34
44.46
48.28
50.99
56.89
59.30
29
10.23
13.12
16.05
42.56
45.72
49.59
52.34
58.30
60.73
30
10.80
13.79
16.79
43.77
46.98
50.89
53.67
59.70
62.16
40
16.91
20.71
24.43
55.76
59.34
63.69
66.77
73.40
76.09
50
23.46
27.99
32.36
67.50
71.42
76.15
79.49
86.66
89.56
60
30.34
35.53
40.48
79.08
83.30
88.38
91.95
99.61
102.69
70
37.47
43.27
48.76
90.53
95.02
100.42
104.21
112.32
115.58
80
44.79
51.17
57.15
101.88
106.63
112.33
116.32
124.84
128.26
90
52.28
59.20
65.65
113.14
118.14
124.16
128.30
137.21
140.78
100
59.90
67.33
74.22
124.34
129.56
135.81
140.17
149.45
153.17
[Type text]
Pag. 228
TABEL 4 Valorile Fisher ( F0.05 ) : P ( F > F0.05 ) = 0.05

GL
10
12
15
20
24
30
40
60
120
161.
199.
215.
224.
230.
234.
236.
238.
240.
241.
243.
245.
248.
249.
250.
251.
252.
253.
18.5
19.0
19.1
19.2
19.3
19.3
19.3
19.3
19.3
19.4
19.4
19.4
19.4
19.4
19.4
19.4
19.4
19.4
9.55
9.28
9.12
9.01
8.94
8.89
8.85
8.81
8.79
8.74
8.70
8.66
8.64
8.62
8.59
8.57
8.55
7.71
6.94
6.59
6.39
6.26
6.16
6.09
6.04
6.00
5.96
5.91
5.86
5.80
5.77
5.75
5.72
5.69
5.66
6.61
5.79
5.41
5.19
5.05
4.95
4.88
4.82
4.77
4.74
4.68
4.62
4.56
4.53
4.50
4.46
4.43
4.40
5.99
5.14
4.76
4.53
4.39
4.28
4.21
4.15
4.10
4.06
4.00
3.94
3.87
3.84
3.81
3.77
3.74
3.70
5.59
4.74
4.35
4.12
3.97
3.87
3.79
3.73
3.68
3.64
3.57
3.51
3.44
3.41
3.38
3.34
3.30
3.27
5.32
4.46
4.07
3.84
3.69
3.58
3.50
3.44
3.39
3.35
3.28
3.22
3.15
3.12
3.08
3.04
3.01
2.97
5.12
4.26
3.86
3.63
3.48
3.37
3.29
3.23
3.18
3.14
3.07
3.01
2.94
2.90
2.86
2.83
2.79
2.75
4.96
4.10
3.71
3.48
3.33
3.22
3.14
3.07
3.02
2.98
2.91
2.85
2.77
2.74
2.70
2.66
2.62
2.58
4.84
3.98
3.59
3.36
3.20
3.09
3.01
2.95
2.90
2.85
2.79
2.72
2.65
2.61
2.57
2.53
2.49
2.45
4.75
3.89
3.49
3.26
3.11
3.00
2.91
2.85
2.80
2.75
2.69
2.62
2.54
2.51
2.47
2.43
2.38
2.34
4.67
3.81
3.41
3.18
3.83
2.92
2.83
2.77
2.71
2.67
2.60
2.53
2.46
2.42
2.38
2.34
2.30
2.25
4.60
3.74
3.34
3.11
2.96
2.85
2.76
2.70
2.65
2.60
2.53
2.46
2.39
2.35
2.31
2.27
2.22
2.18
4.54
3.68
3.29
3.06
2.90
2.79
2.71
2.64
2.59
2.54
2.48
2.40
2.33
2.29
2.25
2.20
2.16
2.11
4.49
3.63
3.24
3.01
2.85
2.74
2.66
2.59
2.54
2.49
2.42
2.35
2.28
2.24
2.19
2.15
2.11
2.06
4.45
3.59
3.20
2.96
2.81
2.70
2.61
2.55
2.49
2.45
2.38
2.31
2.23
2.19
2.15
2.10
2.06
2.01
4.41
3.55
3.16
2.93
2.77
2.66
2.58
2.51
2.46
2.41
2.34
2.27
2.19
2.15
2.11
2.06
2.02
1.97
4.38
3.52
3.13
2.90
2.74
2.63
2.54
2.48
2.42
2.38
2.31
2.23
2.16
2.11
2.07
2.03
1.98
1.93
4.35
3.49
3.10
2.87
2.71
2.60
2.51
2.45
2.39
2.35
2.28
2.20
2.12
2.08
2.04
1.99
1.95
1.90
4.32
3.47
3.07
2.84
2.68
2.57
2.49
2.42
2.37
2.32
2.25
2.18
2.10
2.05
2.01
1.96
1.92
1.87
4.30
3.44
3.05
2.82
2.66
2.55
2.46
2.40
2.34
2.30
2.23
2.15
2.07
2.03
1.98
1.94
1.89
1.84
4.28
3.42
3.03
2.80
2.64
2.53
2.44
2.37
2.32
2.27
2.20
2.13
2.05
2.01
1.96
1.91
1.86
1.81
1
GL 2
1
2
3
10.1
254.3
19.50
8.53
5.63
4.36
3.67
3.23
2.93
2.71
2.54
10
2.40
11
2.30
12
2.21
13
2.13
14
2.07
15
2.01
16
1.96
17
1.92
18
1.88
19
1.84
20
1.81
21
1.78
22
1.76
23
24
[Type text]
1.73
Pag. 229
4.26
3.40
3.01
2.78
2.62
2.51
2.42
2.36
2.30
2.25
2.18
2.11
2.03
1.98
1.94
1.89
1.84
1.79
4.24
3.39
2.99
2.76
2.60
2.49
2.40
2.34
2.28
2.24
2.16
2.09
2.01
1.96
1.92
1.87
1.82
1.77
4.23
3.37
2.98
2.74
2.59
2.47
2.39
2.32
2.27
2.22
2.15
2.07
1.99
1.95
1.90
1.85
1.80
1.75
4.21
3.35
2.96
2.73
2.57
2.46
2.37
2.31
2.25
2.20
2.13
2.06
1.97
1.93
1.88
1.84
1.79
1.73
4.20
3.34
2.95
2.71
2.56
2.45
2.36
2.29
2.24
2.19
2.12
2.04
1.96
1.91
1.87
1.82
1.77
1.71
4.18
3.33
2.93
2.70
2.55
2.43
2.35
2.28
2.22
2.18
2.10
2.03
1.94
1.90
1.85
1.81
1.75
1.70
4.17
3.32
2.92
2.69
2.53
2.42
2.33
2.27
2.21
2.16
2.09
2.01
1.93
1.89
1.84
1.79
1.74
1.68
4.08
3.23
2.84
2.61
2.45
2.34
2.25
2.18
2.12
2.08
2.00
1.92
1.84
1.79
1.74
1.69
1.64
1.58
4.00
4.15
2.76
2.53
2.37
2.25
2.17
2.10
2.04
1.99
1.92
1.84
1.75
1.70
1.65
1.59
1.53
1.47
3.93
3.07
2.29
2.45
2.29
2.17
2.09
2.02
1.96
1.91
1.83
1.75
1.66
1.61
1.55
1.50
1.43
1.35
3.84
3.00
2.60
2.37
2.21
2.10
2.01
1.94
1.88
1.83
1.75
1.67
1.57
1.52
1.46
1.39
1.32
1.22
1.71
25
1.69
26
1.67
27
1.65
28
1.64
29
1.62
30
1.51
40
1.39
60
1.25
120
1.00
[Type text]
Pag. 230

GL 1
GL 2
1
10
12
15
20
24
30
40
60
120
540
562
576
585
592
598
602
605
610
615
620
623
626
628
631
633
6366
99.1
99.2
99.3
99.3
99.3
99.3
99.3
99.4
99.4
99.4
99.4
99.4
99.4
99.4
99.4
99.4
34.1
30.8
29.4
28.7
28.2
27.9
27.6
27.4
27.3
27.2
27.0
26.8
26.6
26.6
26.5
26.4
26.3
26.2
21.2
18.0
16.6
15.9
15.5
15.2
14.9
14.8
14.6
14.5
14.3
14.2
14.0
13.9
13.8
13.7
13.6
13.5
16.2
13.2
12.0
11.3
10.9
10.6
10.4
10.2
10.1
10.0
9.89
9.72
9.55
9.47
9.38
9.29
9.20
9.11
13.7
10.9
9.78
9.15
8.75
8.47
8.26
8.10
7.98
7.87
7.72
7.56
7.40
7.31
7.23
7.14
7.06
6.97
9.55
8.45
7.85
7.46
7.19
6.99
6.84
6.72
6.62
6.47
6.31
6.16
6.07
5.99
5.91
5.82
5.74
8.65
7.59
7.01
6.63
6.37
6.18
6.03
5.91
5.81
5.67
5.52
5.36
5.28
5.20
5.12
5.03
4.95
8.02
6.99
6.42
6.06
5.80
5.61
5.47
5.35
5.26
5.11
4.96
4.81
4.73
4.65
4.57
4.48
4.40
7.56
6.55
5.99
5.64
5.39
5.20
5.06
4.94
4.85
4.71
4.56
4.41
4.33
4.25
4.17
4.08
4.00
9.65
7.21
6.22
5.67
5.32
5.07
4.89
4.74
4.63
4.54
4.40
4.25
4.10
4.02
3.94
3.86
3.78
3.69
9.33
6.93
5.95
5.41
5.06
4.82
4.64
4.50
4.39
4.30
4.16
4.01
3.86
3.78
3.70
3.62
3.54
3.45
9.07
6.70
5.74
5.21
4.86
4.62
4.44
4.30
4.19
4.10
3.96
3.82
3.66
3.59
3.51
3.43
3.34
3.25
8.86
6.51
5.56
5.04
4.69
4.46
4.28
4.14
4.03
3.94
3.80
3.66
3.51
3.43
3.35
3.27
3.18
3.09
8.68
6.36
5.42
4.89
4.36
4.32
4.14
4.00
3.89
3.80
3.67
3.52
3.37
3.29
3.21
3.13
3.05
2.96
8.53
6.23
5.29
4.77
4.44
4.20
4.03
3.89
3.78
.69
3.55
3.41
3.26
3.18
3.10
3.02
2.93
2.84
8.40
6.11
5.18
4.67
4.34
4.10
3.93
3.79
3.68
3.59
3.46
3.31
3.16
3.08
3.00
2.92
2.83
2.75
8.29
6.01
5.09
4.58
4.25
4.01
3.84
3.71
3.60
3.51
3.37
3.23
3.08
3.00
2.92
2.84
2.75
2.66
8.18
5.93
5.01
4.50
4.17
3.94
3.77
3.63
3.52
3.43
3.30
3.15
3.00
2.92
2.84
2.76
2.67
2.58
8.10
5.85
4.94
4.43
4.10
3.87
3.70
3.56
3.46
3.37
3.23
3.09
2.94
2.86
2.78
2.69
2.61
2.52
8.02
5.78
4.87
4.37
4.04
3.81
3.64
3.51
3.40
3.31
3.17
3.03
2.88
2.80
2.72
2.64
2.55
2.46
7.95
5.72
4.82
4.31
3.99
3.76
3.59
3.45
3.35
3.26
3.12
2.98
2.83
2.75
2.67
2.58
2.50
2.40
7.88
5.66
4.76
4.26
3.94
3.71
3.54
3.41
3.30
3.21
3.07
2.93
2.78
2.70
2.62
2.54
2.45
2.35
7.82
5.61
4.72
4.22
3.90
3.67
3.50
3.36
3.26
3.17
3.03
2.89
2.74
2.66
2.58
2.49
2.40
2.31
99.50
26.13
13.46
9.02
6.88
12.2
5.65
11.2
4.46
10.5
6
10
99.0
6
9
98.5
5
8
499
405
4.31
10.0
3.91
3.60
11
3.36
12
3.17
13
3.00
14
2.87
15
16
2.75
2.65
17
2.57
18
2.49
19
2.42
20
2.36
21
2.31
22
2.26
23
2.21
24
[Type text]
Pag. 231
2.17
25
7.77
5.57
4.68
4.18
3.85
3.63
3.46
3.32
3.22
3.13
2.99
2.85
2.70
2.62
2.54
2.45
2.36
2.27
7.72
5.53
4.64
4.14
3.82
3.59
3.42
3.29
3.18
3.09
2.96
2.81
2.66
2.58
2.50
2.42
2.33
2.23
7.68
5.49
4.60
4.11
3.78
3.56
3.39
3.26
3.15
3.06
2.93
2.78
2.63
2.55
2.47
2.38
2.29
2.20
7.64
5.45
4.57
4.07
3.75
3.53
3.36
3.23
3.12
3.03
2.90
2.75
2.60
2.52
2.44
2.26
2.17
7.60
5.42
4.54
4.04
3.73
3.50
3.33
3.20
3.09
3.00
2.87
2.73
2.57
2.49
2.41
2.33
2.23
2.14
7.56
5.39
4.51
4.02
3.70
3.47
3.30
3.17
3.07
2.98
2.84
2.70
2.55
2.47
2.39
2.30
2.21
2.11
7.31
5.18
4.31
3.83
3.51
3.29
3.12
2.99
2.89
2.80
2.66
2.52
2.37
2.29
2.20
2.11
2.02
1.92
7.08
4.98
4.13
3.65
3.34
3.12
3.95
2.82
2.72
2.63
2.50
2.35
2.20
2.12
2.03
1.94
1.84
1.73
6.85
4.79
3.95
3.48
3.17
2.96
2.79
2.66
2.56
2.47
2.34
2.19
2.03
1.95
1.86
1.76
1.66
1.53
6.63
4.61
3.32
3.02
2.80
2.64
2.51
2.41
2.32
2.18
2.04
1.88
1.79
1.70
1.59
1.47
1.32
2.13
26
2.10
27
2.35
28
2.06
2.03
29
2.01
30
1.80
40
1.60
60
1.38
120
378
[Type text]
1.00
Pag. 232

GL 1
GL 2
10
12
15
20
24
30
40
60
120
40532
50002
54042
56252
57642
58592
59292
59812
60232
60562
61072
61582
62092
62352
62612
62872
63132
63402
63662
998.5
999.0
999.2
999.2
999.3
999.3
999.4
999.4
999.4
999.4
999.4
999.4
999.4
999.5
999.5
999.5
999.5
999.5
999.5
167.0
148.5
141.1
137.1
134.6
132.8
131.6
130.6
129.9
129.2
128.3
127.4
126.4
125.9
125.4
125.0
124.5
124.0
123.5
74.14
61.25
56.18
53.44
51.71
50.53
49.66
49.00
48.47
48.05
47.41
46.76
46.10
45.77
45.43
45.09
44.75
44.40
44.05
47.18
37.12
33.20
31.09
29.75
28.84
28.16
27.64
27.24
26.92
26.42
25.91
25.39
25.14
24.87
24.60
24.33
24.06
23.79
35.51
27.00
23.70
21.92
20.81
20.03
19.46
19.03
18.69
18.41
17.99
17.56
17.12
16.89
16.67
16.44
16.21
15.99
15.75
29.25
21.69
18.77
17.19
16.21
15.52
15.02
14.63
14.33
14.08
13.71
13.32
12.93
12.73
12.53
12.33
12.12
11.91
11.70
25.42
18.49
15.83
14.39
13.49
12.86
12.40
12.04
11.77
11.54
11.19
10.84
10.48
10.30
10.11
9.92
9.73
9.53
9.33
22.86
16.39
13.90
12.56
11.71
11.13
10.70
10.37
10.11
9.89
9.57
9.24
8.90
8.72
8.55
8.37
8.19
8.00
7.81
10
21.04
14.91
12.55
11.28
10.48
9.92
9.52
9.20
8.96
8.75
8.45
8.13
7.80
7.64
7.47
7.30
7.12
6.94
6.76
11
19.69
13.81
11.56
10.35
9.58
9.05
8.66
8.35
8.12
7.92
7.63
7.32
7.01
6.85
6.68
6.52
6.35
6.17
6.00
12
18.64
12.97
10.80
9.63
8.89
8.38
8.00
7.71
7.48
7.29
7.00
6.71
6.40
6.25
6.09
5.93
5.76
5.59
5.42
13
17.81
12.31
10.21
9.07
8.35
7.86
7.42
7.21
6.98
6.80
6.52
6.23
5.93
5.78
5.63
5.47
5.30
5.14
4.97
14
17.14
11.78
9.73
8.62
7.92
7.43
7.08
6.80
6.58
6.40
6.13
5.85
5.56
5.41
5.25
5.10
4.94
4.77
4.60
15
16.59
11.34
9.34
8.25
8.57
7.09
6.74
6.47
6.26
6.08
5.81
5.54
5.25
5.10
4.95
4.80
4.64
4.47
4.31
16
16.12
10.97
9.00
7.94
7.27
6.81
6.46
6.19
5.98
5.81
5.55
5.27
4.99
4.85
4.70
4.54
4.39
4.23
4.06
17
15.72
10.66
8.73
7.68
7.02
6.56
6.22
5.96
5.75
5.58
5.32
5.05
4.78
4.63
4.48
4.33
4.18
4.02
3.85
18
15.38
10.39
8.49
7.46
6.81
6.35
6.02
5.76
5.56
5.39
5.13
4.87
4.59
4.45
4.30
4.15
4.00
3.84
3.67
19
15.08
10.16
8.28
7.26
6.62
6.18
5.85
5.59
5.39
5.22
4.97
4.70
4.43
4.29
4.14
3.99
3.84
3.68
3.51
20
14.82
9.95
8.10
7.10
6.46
6.02
5.69
5.44
5.24
5.08
4.82
4.56
4.29
4.15
4.00
3.86
3.70
3.54
3.38
21
14.59
9.77
7.94
6.95
6.32
5.88
5.56
5.31
5.11
4.95
4.70
4.44
4.17
4.03
3.88
3.74
3.58
3.42
3.26
22
14.38
9.61
7.80
6.81
6.19
5.76
5.44
5.19
4.99
4.83
4.58
4.33
4.06
3.92
3.78
3.63
3.48
3.32
3.15
23
14.19
9.47
7.67
6.69
6.08
5.65
5.33
5.09
4.89
4.73
4.48
4.23
3.96
3.82
3.68
3.53
3.38
3.22
3.05
24
14.03
9.34
7.55
6.59
5.98
5.55
5.23
4.99
4.80
4.64
4.39
4.14
3.87
3.74
3.59
3.45
3.29
3.14
2.97
25
13.88
9.22
7.45
6.49
5.88
5.46
5.15
4.91
4.71
4.56
4.31
4.06
3.79
3.66
3.52
3.37
3.22
3.06
2.89
26
13.74
9.12
7.36
6.41
5.80
5.38
5.07
4.83
4.64
4.48
4.24
3.99
3.72
3.59
3.44
3.30
3.15
2.99
2.82
27
13.61
9.02
7.27
6.33
5.73
5.31
5.00
4.76
4.57
4.41
4.17
3.92
3.66
3.52
3.38
3.23
3.08
2.92
2.75
28
13.50
8.93
7.19
6.25
5.66
5.24
4.93
4.69
4.50
4.35
4.11
3.86
3.60
3.46
3.32
3.18
3.02
2.86
2.69
29
13.39
8.85
7.12
6.19
5.59
5.18
4.87
4.64
4.45
4.29
4.05
3.80
3.54
3.41
3.27
3.12
2.97
2.81
2.64
30
13.29
8.77
7.05
6.12
5.53
5.12
4.82
4.58
4.39
4.24
4.00
3.75
3.49
3.36
3.22
3.07
2.92
2.76
2.59
40
12.61
8.24
6.60
5.70
5.13
4.73
4.44
4.21
4.02
3.87
3.64
3.40
3.15
3.01
2.87
2.73
2.57
2.41
2.23
60
11.97
7.76
6.17
5.31
4.76
4.37
4.09
3.87
3.69
3.54
3.31
3.08
2.83
2.69
2.55
2.41
2.25
2.08
1.89
120
11.38
7.32
5.79
4.95
4.42
4.04
3.77
3.55
3.38
3.24
3.02
2.78
2.53
2.40
2.26
2.11
1.95
1.76
1.54
10.83
6.91
5.42
4.62
4.10
3.74
3.47
3.27
3.10
2.96
2.74
2.51
2.27
2.13
1.99
1.84
1.66
1.45
1.00
[Type text]
Pag. 233
TABEL 7 Amplitudinea studentizat Tukey T(0.05)

c
2
10
11
12
13
14
15
16
17
18
19
20
3.64
4.60
5.22
5.67
6.03
6.33
6.58
6.80
6.99
7.17
7.32
7.47
7.60
7.72
7.83
7.93
8.03
8.12
8.21
3.46
4.34
4.90
5.31
5.63
5.89
6.12
6.32
6.49
6.65
6.79
6.92
7.03
7.14
7.24
7.34
7.43
7.51
7.59
3.34
4.16
4.68
5.06
5.36
5.61
5.82
6.00
6.16
6.30
6.43
6.55
6.66
6.76
6.85
6.94
7.02
7.09
7.17
3.26
4.04
4.53
4.89
5.17
5.40
5.60
5.77
5.92
6.05
6.18
6.29
6.39
6.48
6.57
6.65
6.73
6.80
6.87
3.20
3.95
4.42
4.76
5.02
5.24
5.43
5.60
5.74
5.87
5.98
6.09
6.19
6.28
6.36
6.44
6.51
6.58
6.64
10
3.15
3.88
4.33
4.65
4.91
5.12
5.30
5.46
5.60
5.72
5.83
5.93
6.03
6.11
6.20
6.27
6.34
6.40
6.47
11
3.11
3.82
4.26
4.57
4.82
5.03
5.20
5.35
5.49
5.61
5.71
5.81
5.90
5.99
6.06
6.14
6.20
6.26
6.33
12
3.08
3.77
4.20
4.51
4.57
4.95
5.12
5.27
5.40
5.51
5.62
5.71
5.80
5.88
5.95
6.03
6.09
6.15
6.21
13
3.06
3.73
4.15
4.45
4.69
4.88
5.05
5.19
5.32
5.43
5.53
5.63
5.71
5.79
5.86
5.93
6.00
6.05
6.11
14
3.03
3.70
4.11
4.41
4.64
4.83
4.99
5.13
5.25
5.36
5.46
5.55
5.64
5.72
5.79
5.85
5.92
5.97
6.03
15
3.01
3.67
4.08
4.37
4.60
4.78
4.94
5.08
5.20
5.31
5.40
5.49
5.58
5.65
5.72
5.79
5.85
5.90
5.96
16
3.00
3.65
4.05
4.33
4.56
4.74
4.90
5.03
5.15
5.26
5.35
5.44
5.52
5.59
5.66
5.72
5.79
5.84
5.90
17
2.98
3.63
4.0
4.30
4.52
4.71
4.86
4.99
5.11
5.21
5.31
5.39
5.47
5.55
5.61
5.68
5.74
5.79
5.84
18
2.97
3.61
4.00
4.28
4.49
4.67
4.82
4.96
5.06
5.17
5.27
5.35
5.43
5.50
5.57
5.63
5.69
5.74
5.79
19
2.96
3.59
3.98
4.25
4.47
4.65
4.79
4.92
5.04
5.14
5.23
5.32
5.39
5.46
5.53
5.59
5.65
5.70
5.75
20
2.95
3.58
3.96
4.23
4.45
4.62
4.77
4.90
5.01
5.11
5.20
5.28
5.36
5.43
5.49
5.55
5.61
5.66
5.71
24
2.92
3.53
3.90
4.17
4.37
4.54
4.68
4.81
4.92
5.01
5.10
5.18
5.25
5.32
5.38
5.44
5.50
5.54
5.59
30
2.89
3.49
3.84
4.10
4.30
4.46
4.60
4.72
4.83
4.92
5.00
5.08
5.15
5.21
5.27
5.33
5.38
5.43
5.48
40
2.86
3.44
3.79
4.04
4.23
4.39
4.52
4.63
4.74
4.82
4.91
4.98
5.05
5.11
5.16
5.22
5.27
5.31
5.36
60
2.83
3.40
3.74
3.98
4.16
4.31
4.44
4.55
4.65
4.73
4.81
4.88
4.94
5.00
5.06
5.11
5.16
5.20
5.24
120
2.80
3.36
3.69
3.92
4.10
4.24
4.36
4.48
4.56
4.64
4.72
4.78
4.84
4.90
4.95
5.00
5.05
5.09
5.13
2.77
3.31
3.63
3.86
4.03
4.17
4.29
4.39
4.47
4.55
4.62
4.68
4.74
4.80
4.85
4.89
4.93
4.97
5.01
m
GLE
[Type text]
Pag. 234
TABEL 8 Amplitudinea studentizat Tukey T(0.01)
10
11
12
13
14
15
16
17
18
19
20
5.70
6.97
7.80
8.42
8.91
9.32
9.67
9.97
10.24
10.48
10.70
10.89
11.08
11.24
11.40
11.55
11.68
11.81
11.93
5.24
6.33
7.03
7.56
7.97
8.32
8.61
8.87
9.10
9.30
9.49
9.65
9.81
9.95
10.08
10.21
10.32
10.43
10.54
4.95
5.92
6.54
7.01
7.37
7.68
7.94
8.17
8.37
8.55
8.71
8.86
9.00
9.12
9.24
9.35
9.46
9.55
9.65
4.74
5.63
6.20
6.63
6.96
7.24
7.47
7.68
7.87
8.03
8.18
8.31
8.44
8.55
8.66
8.76
8.85
8.94
9.03
4.60
5.43
5.96
6.35
6.66
6.91
7.13
7.32
7.49
7.65
7.78
7.91
8.03
8.13
8.23
8.32
8.41
8.49
8.57
10
4.48
5.27
5.77
6.14
6.43
6.67
6.87
7.05
7.21
7.36
7.48
7.60
7.71
7.81
7.91
7.99
8.07
8.15
8.22
11
4.39
5.14
5.62
5.97
6.25
6.48
6.67
6.84
6.99
7.13
7.25
7.36
7.46
7.56
7.65
7.73
7.81
7.88
7.95
12
4.32
5.04
5.50
5.84
6.10
6.32
6.51
6.67
6.81
6.94
7.06
7.17
7.26
7.36
7.44
7.52
7.59
7.66
7.73
13
4.26
4.96
5.40
5.73
5.98
6.19
6.37
6.53
6.67
6.79
6.90
7.01
7.10
7.19
7.27
7.34
7.42
7.48
7.55
14
4.21
4.89
5.32
5.63
5.88
6.08
6.26
6.41
6.54
6.66
6.77
6.87
6.96
7.05
7.12
7.20
7.27
7.33
7.39
15
4.17
4.83
5.25
5.56
5.80
5.99
6.16
6.31
6.44
6.55
6.66
6.76
6.84
6.93
7.00
7.07
7.14
7.20
7.26
16
4.13
4.78
5.19
5.49
5.72
5.92
6.08
6.22
6.35
6.46
6.56
6.66
6.74
6.82
6.90
6.97
7.03
7.09
7.15
17
4.10
4.74
5.14
5.43
5.66
5.85
6.01
6.15
6.27
6.38
6.48
6.57
6.66
6.73
6.80
6.87
6.94
7.00
7.05
18
4.07
4.70
5.09
5.38
5.60
5.79
5.94
6.08
6.20
6.31
6.41
6.50
6.58
6.65
6.72
6.79
6.85
6.91
6.96
19
4.05
4.67
5.05
5.33
5.55
5.73
5.89
6.02
6.14
6.25
6.34
6.43
6.51
6.58
6.65
6.72
6.78
6.84
6.89
20
4.02
4.64
5.02
5.29
5.51
5.69
5.84
5.97
6.09
6.19
6.29
6.37
6.45
6.52
6.59
6.65
6.71
6.76
6.82
24
3.96
4.54
4.91
5.17
5.37
5.54
5.69
5.81
5.92
6.02
6.11
6.19
6.26
6.33
6.39
6.45
6.51
6.56
6.61
30
3.89
4.45
4.80
5.05
5.24
5.40
5.54
5.65
5.76
5.85
5.93
6.01
6.08
6.14
6.20
6.26
6.31
6.36
6.41
40
3.82
4.37
4.70
4.93
5.11
5.27
5.39
5.50
5.60
5.69
5.77
5.84
5.90
5.96
6.02
6.07
6.12
6.17
6.21
60
3.76
4.28
4.60
4.82
4.99
5.13
5.25
5.36
5.46
5.53
5.60
5.67
5.73
5.79
5.84
5.89
5.93
5.98
6.02
120
3.70
4.20
4.50
4.71
4.87
5.01
5.12
5.21
5.30
5.38
5.44
5.51
5.56
5.61
5.66
5.71
5.75
5.79
5.83
3.64
4.12
4.40
4.60
4.76
4.88
4.99
5.08
5.16
5.23
5.29
5.35
5.40
5.45
5.49
5.54
5.57
5.61
5.65
m
GLE
[Type text]
Pag. 235
TABEL 9 Valori
ASIMETRIA
n
critice
ale asimetriei i boltirii
BOLTIREA B
0.05
0.01
0.99
0.95
0.05
0.01
50
0.533
0.787
1.95
2.13
4.01
4.92
100
0.389
0.567
2.18
2.35
3.77
4.40
150
0.321
0.464
2.30
2.45
3.66
4.14
200
0.280
0.403
2.37
2.51
3.57
3.98
250
0.251
0.360
2.42
2.55
3.51
3.87
300
0.230
0.329
2.46
2.59
3.47
3.79
350
0.213
0.305
2.50
2.62
3.44
3.72
400
0.200
0.285
2.52
2.64
3.41
3.67
450
0.188
0.269
2.55
2.66
3.39
3.63
500
0.179
0.255
2.57
2.67
3.37
3.60
550
0.171
0.243
2.58
2.69
3.35
3.57
600
0.163
0.233
2.60
2.70
3.34
3.54
650
0.157
0.224
2.61
2.71
3.33
3.52
700
0.151
0.215
2.62
2.72
3.31
3.50
750
0.146
0.208
2.64
2.73
3.30
3.48
800
0.142
0.202
2.65
2.74
3.29
3.46
850
0.138
0.196
2.66
2.74
3.28
3.45
900
0.134
0.190
2.66
2.75
3.28
3.43
950
0.130
0.185
2.67
2.76
3.27
3.42
1000
0.127
0.180
2.68
2.76
3.26
3.41
1500
0.104
0.147
2.73
2.80
3.22
3.33
2000
0.090
0.127
2.77
2.83
3.18
3.28
2500
0.080
0.114
2.79
2.85
3.16
3.25
3000
0.073
0.104
2.81
2.86
3.15
3.22
3500
0.068
0.096
2.82
2.87
3.14
3.21
4000
0.064
0.090
2.83
2.88
3.13
3.19
4500
0.060
0.085
2.84
2.88
3.12
3.18
5000
0.057
0.081
2.85
2.89
3.12
3.17
[Type text]
Pag. 236
TABEL 10 Valori critice R

GL
/2
ale coeficientului de corelaie liniar R
0.05
0.01
0.001
0.997
0.999
1.000
0.950
0.990
0.878
GL
0.05
0.01
0.001
24
0.388
0.496
0.608
0.999
25
0.381
0.487
0.597
0.959
0.991
26
0.374
0.478
0.588
0.811
0.917
0.974
27
0.367
0.470
0.579
0.754
0.874
0.951
28
0.361
0.463
0.571
0.707
0.834
0.925
29
0.355
0.456
0.563
0.666
0.798
0.898
30
0.349
0.449
0.554
0.632
0.765
0.872
35
0.325
0.418
0.519
0.602
0.735
0.847
40
0.304
0.393
0.490
10
0.576
0.708
0.823
45
0.288
0.372
0.465
11
0.553
0.684
0.801
50
0.273
0.354
0.443
12
0.532
0.661
0.780
60
0.250
0.325
0.408
13
0.514
0.641
0.760
70
0.232
0.302
0.380
14
0.497
0.623
0.742
80
0.217
0.283
0.357
15
0.482
0.606
0.725
90
0.202
0.267
0.338
16
0.468
0.590
0.708
100
0.195
0.254
0.321
17
0.456
0.575
0.693
125
0.174
0.228
0.293
18
0.444
0.561
0.679
150
0.159
0.208
0.260
19
0.433
0.549
0.665
200
0.138
0.181
0.230
20
0.423
0.537
0.652
300
0.113
0.148
0.190
21
0.413
0.526
0.641
400
0.098
0.128
0.160
22
0.404
0.515
0.630
500
0.088
0.115
0.150
23
0.396
0.505
0.619
1000
0.062
0.081
0.110
[Type text]
Pag. 237

Matematica Si Statistica

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Matematica Si Statistica

Uploaded by

Copyright:

Available Formats

Departamentul de Studii pentru nvmnt cu Frecven Redus

Lector dr. Mioara VARGA

Prof. Dr. Dumitru ENE

1.PROGRAMARE LINIAR I GRAFURI N AGRICULTUR

Tema nr.1.1. Modele liniare de optimizare a produciei n agricultur

1.1.1. Modelul structurii optime a culturilor vegetale

1.1.2. Modelul raiei furajere optime

1.1.3. Modelul rotaiei optime a culturilor vegetale

Tema nr.1.2. Dualitatea modelelor liniare de optimizare

Tema nr. 2.1. Producii i indicatori economici

2.1.1.Producii fizice i valorice

2.1.2. Indicatori economici ai produciei suplimentare

Tema nr. 2.2. Optimele produciei suplimentare

Tema nr.2.3. Exemple

2.3.1. Doi factori i un produs

2.3.2. Un factor i dou produse

Tema nr.2.4. Modele cu restricii liniare i funcie-obiectiv ptratic

2.4.1 Cazul cnd toate restriciile sunt ecuaii

2.4.2 Cazul cnd toate restriciile sunt inecuaii

2.4.3 Modele de optimizare patratic n agricultur

A. Model de alocare optim a resurselor

B. Model ptratic de maximizare a venitului din raia furajer

Tema nr.3.1. Definiia,clasificarea i proprietile sistemelor

3.1.1 Definiia sistemelor

3.1.2 Clasificarea sistemelor

3.1.3 Proprietile sistemelor

3.1.4 Pdurile ca ecosisteme vegetale

Tema nr.3.2. Proprieti generale ale sistemelor agricole

3.2.1 Particulariti ale sistemelor agricole

3.2.2 Intrri n sistemele agricole

3.2.3 Ieiri din sistemele agricole

Tema nr.3.3. Analiza tehnico-economic a sistemelor agricole

3.3.1 Analiza tehnico-economic a sistemului produciei vegetale

3.3.2 Analiza tehnico-economic a sistemului produciei de lapte

3.3.3 Analiza tehnico-economic a sistemului produciei de carne

3.3.4 Analiza tehnico-economic a sistemului comercializrii produselor agricole

4.CULEGEREA I PRELUCRAREA DATELOR DE SONDAJ

Tema nr.4.1. Noiuni de calculul probabilitilor

Tema nr.4.2. Populaii statistice i sondaje

Tema nr.4.3. Indicatori de sondaj de repartiie

4.3.1.Cazul sondajului de volum mic (n < 30)

4.3.2. Cazul sondajului de volum mare (n > 30)

Tema nr.4.4. Indicatori de sondaj de evoluie

5.ANALIZA VARIANEI I PLANURI EXPERIMENTALE N

Tema nr.5.1. Analiza varianei monofactorial nebalansat n populaii omogene

Tema nr.5.2. Planul blocurilor complete randomizate n populaii neomogene

6. CORELAIA I REGRESIA NTRE DOU CARACTERE

Tema nr.6.1. Corelaia i regresia monofactorial liniar

Tema nr.6.2. Corelaii i regresii monofactoriale neliniare

6.2.1. Corelaia i regresia monofactorial polinomial

6.2.2. Corelaia i regresia monofactorial trigonometric

6.2.3. Corelaia i regresia monofactorial polinomial-trigonometric

ANEXA 1 CU TABELE STATISTICE

Tabel 1 Funcia de repartiie N(0;1) : F( u/2 ) 1 /2

Tabel 2 Valorile Student t /2 i t : P( | t | > t /2 ) = P( t > t ) =

Tabel 3 Valorile hi patrat 2 : P( 2 > 2 ) =

Tabel 4 Valorile Fisher F0.05 : P( F> F0.05 ) = 0.05

Tabel 5 Valorile Fisher F0.01 : P( F> F0.01 ) = 0.01

Tabel 6 Valorile Fisher F0.001 : P( F> F0.001 ) = 0.001

Tabel 7 Amplitudinea studentizat Tukey T 0.05

Tabel 8 Amplitudinea studentizat Tukey T0.01

Tabel 9 Valori critice ale asimetriei i boltirii

Tabel 10 Valori critice R/2 ale coeficientului de corelaie liniar R

1. PROGRAMARE LINIAR I GRAFURI N