Universitatea din București, Facultatea de Chimie, Specializarea: Chimie Medicală/Farmaceutică

Statistică & Informatică –TEME și aplicații Laborator (M. Vlada, 2017)

Laborator 1

Tema 1. Calcule statistice, funcții matematice și statistice –facilități oferite de Excel

a) ∑ (Autosum)  Excel Ref.:M, Vlada, C3-C5-Informatica.pdf, www.unibuc.ro/prof/vlada_m
b) Sum (...)  Excel
c) fx  Excel , AVERAGE (...)  Excel ,
- Să se genereze într-un tabel pe orizontală și pe verticală serii de numere consecutive folosind
Edit  Fill  Series. Să se utilizeze funcțiile indicate în a)-c) și să se verifice rezultatele.
Suma Verificare
1 2 3 … 20
2
3 ∑ (Autosum)

… n(n  1)
AVERAGE () Gauss
2
20 SUM () /n
Media
Verificare

Tema 2. Indicatori statistici: corelația (Pearson), covarianța, abaterea standard

- Se consideră datele (măsuratorile) a două variabile aleatoare/seturi date X și Y, X=(xi)i=1,n și
Y=(yi)i=1,n, adică (xi ,yi), i=1,..., n. Să se calculeze corelația dintre vectorii X și Y cu formula:

 A, B 
rXY  , A  X  X,B  Y Y.
|| A ||  || B ||
,

a) folosind funcția CORREL (X,Y)  Excel ,

b) folosind covarianța COVAR (X,Y)  Excel și abaterea standard STDEVP (X)  Excel (Obs.
Nu se utilizează STDEV)

 x  
n

Pentru calculul Sx și Sy i  x yi  y
, Cov X , Y  
Cov( X , Y ) i 1
nu se utilizează rXY  ,
STDEV, deoarece în S X SY n

 x   y 
formulă, la numitor, are n
2
n
2
expesia (n-1). i x i y
SX  i 1
SY  i 1
,
n n
unde Cov(X,Y) este covarianța , SX , SY sunt abaterile standard. Folosiți HELP  Excel ,

c) folosind Excel pentru calculele directe: se utilizează calculele intermediare (vectori)
A  X  X ; B  Y  Y ; C  A  B ; D  A2 ; E  B 2
Universitatea din București, Facultatea de Chimie, Specializarea: Chimie Medicală/Farmaceutică
Laborator 2

Calcule și reprezentări grafice

Tema 1. Puterile lui 2: Puterile 2k, k > 0. Folosind Fill (generare Series) Să se genereze într-un
tabel valori pentru k de la 1 la 200.

Pentru k > 30 să se determine numărul cifrelor şi cifrele puterii 2k (de exemplu, să se verifice ca
2100 are 31 de cifre şi 2100 = 1267650600228229401496703205376, iar 21000 are 302 cifre).
Verificare 2200, 2300.

a) folosin operatorul putere “^”, adică 2^k; b) folosind funcția POWER ()  Excel ; c) folosind
http://web2.0calc.com/ (Web 2.0 Scientific Calculator) d) folosind
www.wolframalpha/examples/Math.html (Knowledge Computable platform).

k 2^k POWER(2,k)
1 2 2
… … …

Tema 2. Reprezentarea grafică a funcțiilor

a) f : [-10, 10]  R , f(x) = x*sin (x), pasul de discretizare interval p=0.1
b) f : [-2, 2]  R, f(x) = e-x*x (clopotul lui Gauss), p=0.1
c) C2 : [0, 120]  R, p=1

C2 t   
ka c0 kat ket
ke  k a
e e  (curba de absorbție-eliminare în Farmacocinetică),
unde C0 =10, ka =0.3, ke =0.03

1. folosind tabelerea funcției și programul Excel (DEFINIȚIE. Tabelarea unei funcții
înseamnă generarea unui tabel cu 2 coloane în care prima conține valori ale
argumentului x generate cu pasul p=1 sau 0.1 sau 0.01, și a doua, ce conține valorile f(x)
ale funcției în aceste valori ale lui x)

2. folosind http://web2.0calc.com/ (Web 2.0 Scientific Calculator)

3. folosind http://www.wolframalpha.com/examples/PlottingAndGraphics.html

4. folosind http://www.mathe-fa.de/ro

1. Să se genereze pentru argumentul x, respectiv t, într-un tabel pe verticală, serii de numere
consecutive folosind Edit  Fill  Series, cu pasul pas = 0.1. Se vor calcula valorile funcției în
aceste valori generate, după care se realizează graficul folosind Chart Line  Excel .

2. Comenzi pentru programele ce realizeaza reprezentari grafice - http://web2.0calc.com și
http://www.wolframalpha.com/examples/PlottingAndGraphics.html:
 comanda: plot (x*sin(x),x=-50..50), respectiv plot x*sin(x) from x=-50 to 50
 comanda: plot (exp(-x*x),x=-2..2)
 comanda: plot ((3/(0.03-0.3))*(exp(-0.3*x)-exp(-0.03*x)),x=0..120)
Universitatea din București, Facultatea de Chimie, Specializarea: Chimie Medicală/Farmaceutică

Laborator 3
Rezolvarea de probleme și prelucrarea datelor

Aplicatie Indicele de masă corporală (IMC) (Body mass index - BMI) este un indicator statistic al
greutății (G) unei persoane raportată la înălțimea (H) persoanei respective.

Formula are ca rezultat o cantitate exprimată în kg/m2:
G [kg]
IMC  .
H 2 [m]
S-au definit nivele de risc pentru a indica o stare funcție de valoarea IMC:
1. Sub-ponderat – dacă IMC < 18.5;
2. Normal-ponderat – dacă 18.5 ≤ IMC < 25.0;
3. Supra-ponderat - dacă 25.50 ≤ IMC < 30.0;
4. Obezitate I - dacă 30.0 ≤ IMC < 35.0;
5. Obezitate II - dacă 35.0 ≤ IMC < 40.0;
6. Obezitate III – dacă IMC ≥ 40.0.

Exemplu. Pentru 100 de persoane să se genereze aleator valori de greutate (între 30 și 130) și de înăltime
(între 1.4 și 2.10). În tabelul următor să se calculeze IMC și să se determine nivelul acestui indice.

Separat, în 2 coloane se generează aleator valori pentru G și H folosind funcția RAND(), cu
formula „=a+RAND()*(b-a)”, intervalul de generare fiind [a,b]. Formula se bazează pe bijecția
f : [0,1]  [a,b], f(t) = a+ t(b-a) ; f(0) = a și f(1) = b. Pentru a nu se modifica valorile generate la
orice acțiune din Excel, acestea se copiază prin Paste Special Values în coloanele
corespunzătoare din tabel. Pentru determinarea nivelului IMC se va utiliza funcția
IF(logical_test,value_if_true,value_if_false).

G- H- Stare-
Nr. Crt. greutate inaltime IMC=G/H^2 indice
1 67 1.8 20.679012 Norm-P
2 35 1.5 15.555556 Sub-P D10
… … … … …

Celula E10 va conține formula „=IF(D10<18.5,"Sub-P",IF(D10<25,"Norm-P",IF(D10<30,"Supra-
P",IF(D10<35,"Obez-I",IF(D10<40,"Obez-II","Obez-III")))))”

Interpretare date: a) să se calculeze corelația CORREL(), pentru (G,H), (G,IMC), (H,IMC);
b) să se sorteze dupa valorile indicelui IMC pentru a include persoanele în nivelele IMC. Folosind funcția
COUNTIF(range,criteria) să se determine numărul persoanelor pe aceste nivele.

Nr. Se selectează cele 3 coloane
IMC-stare Min Max persoane și se utilizează Charts: 2-D
Sub-P 10 18.5 ? Column
Normal-P 18.5 25 ?
Supra-P 25 30 ? Se selectează coloanele 1 și
Obez-I 30 35 ? 4 și se utilizează Charts: 2-
Obez-II 35 40 ? D Pie
Obez-II 40 50 ?
Universitatea din București, Facultatea de Chimie, Specializarea: Chimie Medicală/Farmaceutică

Laborator 4
Reprezentarea și interpretatrea datelor folosind diagrame (Charts)

Aplicatie. Testarea facilităților oferite de programul Excel în reprezentarea și interpretarea
grafică a datelor. Folosind seturile de date din tabel, să se elaboreze cât mai multe diagrame
(Charts) pentru care au sens reprezentările și interpretările rezultate.

Exemplu. a)Vânzări de medicamente pe cele 4 trimestre în anii 2014-2016; b) Nivelul tensiunii
arteriene.

An An An Nivel Diastolică Sistolică
Trimestru 2014 2015 2016 Foarte scazuta 40 70
Trim 1 2000 2200 2500 Hipotensiune 60 90
Trim 2 1600 2500 2200 Normala 80 120
Trim 3 1500 2100 2200 Usor crescuta 90 140
Trim 4 2400 2800 3000 Hipertensiune 100 190

Tutorial de utilizare.
Meniul principal Chart Tools. Dacă se realizează click-dublu pe suprafata unei diagrame se
activează meniul principal Chart Tools ce oferă instrumente de prelucrare prin cele 2 meniuri:
1. Design – cu submeniurile Type, Data, Chart Layouts, Chart Styles;
2. Layout – cu submeniurile Curent selection, Insert, Labels, Axes, Background,
Analysis, Properties.
Facilitățile meniului Design asupra structurii diagramei. Meniul Desing oferă
adăugarea/modificarea diverselor elemente din structura diagramei:
1. Alegerea tipului (Type) – Change Chart Type, Save as Template;
2. Modificare, adaugare Data – Switch Row/Column, indicarea seturilor de date pentru axa
X si axa Y;
3. Alegerea structurii diagramei se face prin submeniul Chart Layouts – se aleg
componentele dorite în structura diagramei;
4. Alegerea stilului pentru diagrama – Chart Styles
Facilitățile meniului Layuot asupra structurii diagramei:
1. Submeniul Labels - instrumnte pentru adăugarea/modificarea componetelor din structura
unei diagrame: Chart Title, Axis Titles, Legend, Data Labels, Data Table.
2. Submeniul Axes – instrumnte pentru axele X (principala) si Y, pentru grila fiecărei axe.
3500
3000
2500
2000
1500
1000
500 An 2014
0
Tri Tri Tri Tri An 2015
m1 m2 m3 m4 An 2016
An 2014 2000 1600 1500 2400
An 2015 2200 2500 2100 2800
An 2016 2500 2200 2200 3000
Universitatea din București, Facultatea de Chimie, Specializarea: Chimie Medicală/Farmaceutică

Laborator 5
Rezolvarea de probleme folosind Excel

Tema 1. Rezolvarea problemei lui Gauss.

Un vas conţine 2000 litri dintr-un lichid cu o concetraţie de 80 % alcool. În fiecare zi se scot
din vas 15 litri şi se înlocuiesc cu alţi 12 litri dintr-un lichid a cărui concentraţie în alcool este
de numai 40 %. După câte zile concentraţia lichidului din vas ajunge la 50 % ?

 parametrizare (constante  variabile);
 procesul de calcul (fluxul de calcul);
 rezolvarea folosind programul Excel. 2000 l, alcool 80%

15 l, alcool 80%

12 l alcool 40%

Într-o coloana se vor genera 200 valori consecutive pentru x=numărul de operații.
Referință: Online - http://www.unibuc.ro/prof/vlada_m/docs/2012/ian/16_20_37_19C3-C5-
Informatica.pdf

Tema 2. Rezolvarea problemei celor n vase cu azot

(Ref.: www.unibuc.ro/prof/vlada_m/docs/2012/apr/09_22_14_22App-demo-2.doc).

a) cazul n=2
b) cazul general n > 1

-parametrizare (constante 
variabile) și raționamentul de
rezolvare;

-procesul de calcul (fluxul de
calcul);

-rezolvarea folosind
programul Excel.

Referinta: M. Vlada,
Informatică aplicată, cap. 2

Online - http://www.unibuc.ro/prof/vlada_m/docs/2012/ian/16_20_37_19C3-C5-Informatica.pdf
Universitatea din București, Facultatea de Chimie, Specializarea: Chimie Medicală/Farmaceutică

Laborator 6
Prelucrarea statistică a datelor experimentale: gruparea in clase/intervale

-Fiind dat un set de date X=(xi)i=1,n, Gruparea statistică a unui set de date este o prelucrare a
datelor printr-o centralizare a datelor pe intervale de variație/clase. Pentru n mare, numărul de
clase r se determină astfel ca 2r > n, sau cu formula lui H. A. Sturges r = [1+ 3,322 ∗ lgn], unde
[.] este funcția partea întreagă. Mărimea intervalelor de grupare a datelor este notată cu K=
[A/r], unde A=xmax – xmin este numită amplitudine.
- Intervalul de variaţie reprezintă diferenţa dintre limita inferioară şi limita superioară a clasei
respective.
- Determinarea celor r intervale/clase: [xmin, xmin + K ], (xmin + K, xmin + 2K ], ... (xmin +(r-1)K,
xmax].
- Frecvența absolută pentru o valoare xi, notată ai, din setul de date reprezintă numărul de
apariții a acestei valori în sirul de date, iar frecvența relativă este dată de raportul fi = ai / n,
unde n este numărul de valori ale setului de date.
-Histograma este reprezentarea grafică (Chart 2-D Column) a distribuției de frecvențe relative
pentru un set de date.

Tema 1. Se consideră 100 de medicamente pentru care se cunoaște prețul de achiziție/vânzare.
Presupunem că valorile acestui preț sunt în intervalul [4,270], valori întregi. Să se realizeze
gruparea în clase de variație și să elaboreze histograma distribuției de frecvențe.

- Vom codifica medicamentele cu numerele de ordine 1-100. Vom genera aleator/intâmplător
100 de valori întregi în intervalul 4-270 folosind functia RAND() oferită de programul Excel,
scriind formula =a+RAND()*(b-a). Se vor sorta crescător aceste valori.
- Se determină r și cele r intervale de variație. Se va genera tabelul claselor și frecvențele
corespunzătoare
- Pentru coloana „Frecvențe” vom folosi funcția COUNT() pentru a calcula, pentru fiecare
interval/clasă, numărul de valori ce apar în setul de date. Se va realiza Histograma.

Frecvențe Suma Suma
Frecvențe relative frecvențe frecvențe
Nr. crt. Grupe ai fi/n absolute relative
1 5-42 13 0,13 13 0,13
2 43-80 10 0,1 23 0,23
3 81-118 17 0,17 40 0,4
4 119-156 11 0,11 51 0,51
5 157-194 16 0,16 67 0,67
6 195-232 15 0,15 82 0,82
7 233-270 18 0,18 100 1
Suma 100 1
Concluzii. Cele mai puține medicamente, în numar de 10, au prețurile în intervalul 43-80, iar cele
mai multe, în număr de 18, au prețuri în ultimul interval 233-270. Conform ultimei coloane
(Suma frecvențe relative) 51% din numărul de medicamente au prețuri mai mici decât 157.

Tema 2. Pentru 200 de studenți se cunosc notele la un examen. Să se realizeze gruparea statistică
și histograma notelor pentru intervalele/clasele 5-6, 7-8, 8-9, 9-10.
Universitatea din București, Facultatea de Chimie, Specializarea: Chimie Medicală/Farmaceutică

Laborator 7
Prelucrarea statistică a datelor experimentale: distribuții de probabilitate și funcții de repartiție

Tema 1. Pentru un număr n=75 de studenți, să se genereze aleator note de la 3 la 10. Să se calculeze
numărul studenților ce au primit o anumită notă (fi, frecevența notelor). Frecvența notelor determină
probabilitatea de a obține o anumită notă, p = fi / n . Să se calculeze probabilitatea de apariție a unei note
și să se reprezinte grafic distribuția acestora (Chart 2-D Column si Pie).
Nota Frecvența Probabilitate Procente
3 7 0.093 9.33%
… .. … …

Tema 2. Rezultatul aleatoriu al măsurarii pentru o variabila X=(xi)i=1,n, devine o variabilă
continuă, dacă este exprimată printr-un număr infinit de măsurători, și anume n∞, iar
probabilitatea ca o valoare oarecare x să aibă valoarea xi este P(x=xi) = pi, unde 0≤ pi ≤1.
Histograma (în cazul discret, n=finit) este înlocuită (cazul continuu, n=infinit) cu cu un număr
infinit de dreptunghiuri ce descriu repartiția probabilității prin definirea funcției de probabilitate
f(x) (sau densitatea de probabilitate a variabilei aleatoare X), unde


f ( x)  0,  f (u )du  1, lim f ( x)  lim f ( x)  0 , si f(x)=F’(x). Funcția de repartiție, notată
 x  x

F(x): R [0,1] se expriăa prin integrala (aria cuprinsă între curba funcției de probabilitate f(x),
între -∞, până la x, și axa OX) . Pentru o valoare dată x  (,) , conform definiţiei funcţiei
x

de repartiţie, probabilitatea ca X < x este dată de relaţia: F(x) = P ( X < x ) =  f (u)du .


Grafice diverse. Folosind www.wolframalpha.com, www.web2.0calc.com si www.mathe-fa.de

a) Repartiția normală Gauss N(μ, σ2) – clopotul lui Gauss. Pentru aceeași dispersie =1, curbele
densităţii de probabilitate cu medii diferite =0,1,2. Curbele densităţii de probabilitate cu aceeaşi
medie (=1) dar dispersii diferite =0.5,1,2. Pentru N(0,1) avem funcția NORMDIST().

b) Repartiţia Weibull (Legea exponenţială), Repartiția Gamma (Γ), Repartiția χ2 - hi patrat
(Helmert-Laplace), Repartiția Snedecor-Legea Fisher.
Universitatea din București, Facultatea de Chimie, Specializarea: Chimie Medicală/Farmaceutică

Laborator 8
Prelucrarea datelor experimentale: Estimarea parametrilor și testarea ipotezelor statistice

Pentru repartițiile: normală, χ2, Student, Fisher.
a) Determinarea intervalului de
semnificație/incredere: Se dă probabilitatea /
nivelul de semnificație (1-α) (sau valoarea de risc
α) și se cere să se determine parametrului statistic
– limitele intervalului de semnificație pentru
funcția de repartiție corespunzătoare:

b) Determinarea probabilității/nivelului de
semnificație (1-α): Se dă parametrul statistic –
limitele intervalului de semnificație pentru funcția
de repartiție corespunzătoare, și se cere să se
determine probabilitatea / nivelul de semnificație
(1-α) (sau valoarea de risc α).

Tema 1.
-Repartitia normală standard: pentru a) se va utilizafuncția NORMSINV(p) ce calculează valoarea zα;
pentru b) se va functia NORMSDIST(z) ce culculeaza p=(1-α).
-Repartiția χ2: pentru a) se va utiliza CHIINV(α,v) care calculează valoarea limitei, daca se dă ca
argumente valoarea riscului α și v=numărul gradelor de libertate; pentru b) se va utiliza funcția
CHIDIST(x,v) ce calculează valoarea riscului α, dacă se dă ca argumente valoarea x și v=numărul
gradelor de libertate.
-Repartiția Student: pentru a) se va utiliza funcția TINV(2α,v) care calculează valoarea limitei tα, dacă se
da ca argumente valoarea lui 2α (functia TINV() este implementată pentru cazul distributței bilaterale),
v=numărul gradelor de libertate; pentru b) se va utiliza funcția TDIST(tα,v,ind) care calculează valoarea
riscului α, dacă se dă ca argumente valoarea lui tα, v=numărul gradelor de libertate și ind=1, în cazul
repartiției Student cu risc unilateral, respectiv ind=2, în cazul repartitiei Student cu risc bilateral.

Aplicație. La Facultatea de Chimie s-a realizat măsurarea greutății tuturor studenților din facultate, în
număr de 457 de studenți, și s-a obținut media greutății μ= 54.4 Kg. Această valoare este contestată de
profesorul de sport. Pentru a face un test statistic, se selecționează un eșantion aleator de 100 de studenți
și se găsește că media M[X]= 53.75 kg. Este această valoare suficientă pentru a respinge afirmația cu
nivelul de semnificație α = 0.05 (5%)?

Etapa 1: Definirea ipotezelor statistice H0: μ = 54.4 Kg ; H1: μ ≠ 54.4 Kg.
Etapa 2: Metoda de verificare a ipotezelor constă din identificarea unui test statistic, specificarea valorii
lui α, determinarea regiunii critice si a valorii critice. Se determină eroarea standard de estimare,
intervalul de semnificație (-Zα/2, Zα/2), adica Zα/2=1.96. Se va apela funcția NORMSINV(0.025) = -
1.959963985.
Etapa 3: Gradul de încredere /scorul standard pentru mediile eșantioanelor este Ztext = 1.204. Valoarea
testului statistic nu este în regiunea critică.

Decizia: Nu respingem ipoteza H0. Justificarea deciziei: Valoarea testului nu este în dezacord cu H0 la
nivelul de risc α = 0.05. Aceasta nu înseamnă că H0 este adevărată. Concluzie: Media M[X]= 53.75 kg nu
contravine ipotezei că media este 54.4 Kg., cănd dispersia este 5.4 kg. O decizie de respingere a lui H0
înseamnă că valoarea testului implică faptul ca H0 este falsă și indică H1.
Universitatea din București, Facultatea de Chimie, Specializarea: Chimie Medicală/Farmaceutică

Laborator 9
Analiza datelor experimentale: procedeul de modelare/fitare

Tema 1. Modele de aproximare (liniare-dreaptă de regresie, neliniare-curbe): suport teoretic

Studiul variabilei depentente Y în funcție de
variabila X, Y = f(X), (X și Y au n valori
măsurate,), f reprezintă modelul (funcție), adică
funcția de evoluție a lui Y față de X.
 Tipuri de asociere a datelor măsurate,
tipul modelului (funcției) f: f(x)=ax+b
(dreapta); f(x)=ax2+bx+c (polinom gr. 2,
3, ..., 6); f(x)=aebx (exponențială);
f(x)=a+bln(x) (logaritmică).
 Suportul matematic: Metoda celor mai
mici patrate (MCMMP)
- se determină coeficienții a,b, ... astfel ca
n
suma S   [ yi  f ( xi )]2 să fie minimă
i 1
(valoarea minimă a pătratelor erorilor) – S(a,b, ...) și sistemul dS/da=0, dS/db=0, ...

Tema 2. Procedeul de modelare (fitare): asocierea datelor, determinarea modelelor, comparații
 Pasul 1. Reprezentarea norului de puncte (diagrama de imprăștiere) pentru variabilele
X și Y. Pentru acest lucru trebuie să se selecteze valorile aflate în cele 2 coloane ale
celor 2 variabile, se acționeaza Insert  Chart și se alege tipul de grafic XY (Scatter)
(Standard Types), de unde din cele 5 variante de grafice se opteaza pentru prima varianta
(Scatter-Compares pairs of values); se parcurg etapele pentru a genera graficul respectiv,
și care va apărea in foaia de calcul;
 Pasul 2. Determinarea și reprezentarea modelului. Se selectează graficul obținut la
pasul 1 (norul de puncte) și se acționează Chart  Add Trendline, de unde se alege
tipul modelului, ex. Linear (Standard Types), etc.;
a) se alege modelul (se aleg pe rând toate modelele; pasul 2 se repetă plecând de la o
copie a norului de puncte)
b) ATENȚIE! Eticheta Add Trendline Options permite definirea altor atribute ale liniei
de trend:
- Display equation on chart – marcarea boxei de control are efectul trecerii pe grafic a
ecuaţiei estimate,
- Display R-squared value on chart – este utilă pentru afişarea coeficientului de
determinare R2 (pătratul coeficientului de corelaţie multiplă).
n

[ y i  f ( xi )]2
1 n
R2  1 n
i 1
, unde E ( f ( x))   f ( xi ) .
 [ E ( f ( x))  f ( x )] 2 n i 1
i
i 1
- Să se realizeze tema 2 pentru 2 exemple semnificative și pentru fiecare exemplu să se compare
modelele după criteriul coeficientului de determinare R2.

Referință: M. Vlada, Informatică aplicată, cap. 2 și online -
http://www.unibuc.ro/prof/vlada_m/docs/2012/ian/16_20_37_19C3-C5-Informatica.pdf
Universitatea din București, Facultatea de Chimie, Specializarea: Chimie Medicală/Farmaceutică

Laborator 10
Analiza datelor experimentale: Modele de aproximare neliniare

Tema 1. Modelul logaritmic f(x)= a +b ln(x)
Dacă pentru variabilele X(cauză), Y(efect) se cunosc n probe (masurători, observații) prin
valorile datelor (xi ,yi), i=1,..., n, modelul logaritmic f(x) = a + b ln(x) este determinat de
coeficienții a și b având următoarele expresii:

n n n n
( y i ) (ln xi ) 2  ( ln xi )( y i ln xi )
a i 1 i 1
n
i 1
n
i 1

n (ln xi ) 2  ( ln xi ) 2
i 1 i 1

n n n

y i ln xi  a  ln xi y i  na
b i 1
n
i 1
sau b i 1
n

 (ln xi )
i 1
2
 ln x
i 1
i

Folosind un exemplu de date pentru variabilele X și Y, să se determine:
a) Modelul și coeficienții a și b prin intermediul programului Excel: Chart  Add
Trendline
b) Direct, valorile coeficienților a și b conform formulelor de mai sus.

Tema 2. Modelul exponențial f(x)= aebx
Dacă pentru variabilele X (cauză), Y(efect) se cunosc n probe (masurători, observații) prin
valorile datelor (xi ,yi), i=1,..., n, modelul exponențial f(x) = a ebx este determinat de coeficienții a
și b având următoarele expresii:

n n n

 xi  ln yi  n ( xi ln yi ) p
b i 1 i 1
n
i 1
n
si a= e , unde
( xi ) 2  n xi
2

i 1 i 1

n n n n

 (x i ln y i )  b xi
2
 ln y i  b xi
p i 1
n
i 1
sau p  i 1 i 1

x
n
i
i 1

- Folosind un exemplu de date pentru variabilele X și Y, să se determine:
c) Modelul și coeficienții a și b prin intermediul programului Excel: Chart  Add
Trendline
d) Direct, valorile coeficienților a și b conform formulelor de mai sus.

Referință: M. Vlada, Informatică aplicată, cap. 2 și online -
http://www.unibuc.ro/prof/vlada_m/docs/2012/ian/16_20_37_19C6-C8-Informatica.pdf
Universitatea din București, Facultatea de Chimie, Specializarea: Chimie Medicală/Farmaceutică
Laborator 11
Operații matriceale, rezolvări de sisteme și ecuații; Editarea structurilor chimice
Tema 1. Calcule matriceal, rezolvarea sistemelor și ecuațiilor
a) Operații cu matrice A   m.n ( R)
- se vor utiliza funcțiile MDETERM (), MINVERSE (), MMULT ()  Excel .
- În cazul în care destinația unui rezultat este un tablou (array), după scrierea
formulei EXCEL, nu se execută OK, ci se utilizează combinatia de taste CTRL +
SHIFT + ENTER.

b) Rezolvarea matriceală a sistemelor liniare

c) Rezolvarea ecuațiilor folosind Goal Seek, Solver  Excel
Exemplu: f(x) = 75, unde f(x) = x2 + sin(x). Pentru a determina o valoare a lui x când
f(x)=75, se va selecta Tools  Goal Seek care va afişa fereastra Goal Seek.

Tema 2. Utilizarea programelor ISIS/Draw și JSDraw
- Editarea formulelor și a reactiilor chimice: Produse software: ISIS / Symyx / ChemSketch /
JSDraw

Referinta: M. Vlada, Informatică aplicată, cap. 2 și online -
http://www.unibuc.ro/prof/vlada_m/docs/2012/ian/16_20_37_19C9-C10-Informatica.pdf
Universitatea din București, Facultatea de Chimie, Specializarea: Chimie Medicală/Farmaceutică

Evaluarea (Colocviul) la cursul de STATISTICĂ & INFORMATICĂ

A) Întrebări referitoare la subiectele de la Curs + Laborator: erori si propagarea
erorilor, parametrizarea si rezolvarea problemelor (Excel), Indicatori statistice, gruparea în clase,
Eliminarea valorilor aberante, Funcții de probabilitate și functii de repartiție, Estimarea și
testarea ipotezelor statistice, Metoda celor mai mici pătrate (MCMMP), Modele de aproximare
liniare (dreapta de regresie) și neliniare, comparația modelelor (coeficientul R2), rezolvarea
ecuațiilor și a sistemelor, tabelarea funcțiilor și scenarii în Excel, reprezentarea moleculelor,
structurilor și reacțiilor chimice folosind ISIS/Draw sau JSDRaw.

B) Susținerea “face to face” și prezentarea unui Proiect ce va cuprinde (enunțuri +
rezolvări):

1. FC-1 (foaia de calcul 1) - parametrizarea și rezolvarea unei probleme folosind Excel. Calcule
folosind indicatori statistici;
2. FC-2 (foaia de calcul 2) – Aplicație privind prelucrarea statistică a datelor experimentale:
gruparea in clase/intervale; eliminarea valorilor aberante; estimarea și testarea ipotezelor
statistice;
3. FC-3 (foaia de calcul 3) – o problemă ce necesită modele de aproximare liniare/neliniare
(căutarea din cele 5 modele);
4. O prezentare PPT sau Prezi de 7-8 slide-uri, primele să reprezinte o sinteză de conținut pentru
FC-1, FC-2, FC-3, iar ultimele să cuprindă reprezentări pentru molecule și reacții chimie
folosind ISIS/Draw sau JSDraw.

OBSERVATIE: Conținutul digital al proiectului se va descărca prin e-mail la Laboratorul de
informatică.
Conf. dr. Marin Vlada,
Universitatea din București
16 Martie 2017