1

UNIVERSITATEA DIN BACĂU
FACULTATEA DE ŞTIINŢE ECONOMICE
ÎNVǍŢǍMÂNT LA DISTANŢǍ
SPECIALIZAREA MARKETING










SIMULĂRI DE MARKETING

ANUL II








Manager curs,
Conf. univ. dr. Laura Timiras



2007
2


CUPRINS

1. Conţinutul şi rolul simulărilor de marketing………………………… 3

2. Clasificarea tehnicilor de simulare………………………………… 11

3. Componentele sistemelor de simulare de marketing………………. 15

4. Etapele simulărilor de marketing…………………………………… 19

5. Modele de simulare ………………………………………………… 23
5.1. Generarea numerelor şi variabilelor aleatoare…………… 24
5.2. Metoda de simularea Monte Carlo………………………. 27
5.3. Jocuri de simulare……………………………………….. 39
5.4. Simularea de tip Forrester……………………………….. 51
5.5. Metode de simulare pentru studierea relaţiilor de
cauzalitate. Experimente de marketing utilizate în studiul
legăturilor dintre variabile………………………………..
54
Anexe………………………………………………………………………. 73
Bibliografie…………………………………………………………………. 77
3


CAPITOLUL I
CONŢINUTUL ŞI ROLUL SIMULĂRILOR DE MARKETING

Cuvinte cheie Obiectivele învăţării:
Simulare de marketing
Model
Model de simulare
Variabile de intrare
Variabile de ieşire
După parcurgerea acestui capitol va
trebui să cunoaşteţi:
- Ce reprezintă simularea;
- În ce situaţii se foloseşte simularea
pentru investigarea fenomenelor de
marketing;
- Care este semnificaţia modelului;
- Care sunt avantajele şi dezavantajele
utilizării simulării în procesul de
investigarea a fenomenelor
economice, implicit de marketing;
- Caracteristicile ce stau la baza
evaluării tehnicilor de simulare.

Simularea constituie o modalitate de obţinere a informaţiilor utilizată în
cercetările de marketing, care permite înţelegerea evoluţiei fenomenelor de
marketing, previzionarea acestora, identificarea şi măsurarea relaţiilor de
cauzalitate dintre variabilele investigate; a modalităţii de desfăşurare concretă a
acestor fenomene prin intermediul experimentelor de marketing.
Din punct de vedere etimologic noţiunea de simulare semnifică
capacitatea de a reproduse, reprezenta, imita ceva.
Astfel, autorii Gelu Alexandrescu, Elena Doval
1
, precizează că prin
simulare se poate înţelege:
- o tehnică de construire a unei reprezentări a unui proces real, care trebuie
studiat din punctul de vedere al comportamentului său normal sau
influenţat de anumiţi stimuli;

1
, “Simularea – metodă de studiu a realităţii”, Buletinul Universităţii de Apărare Carol I, nr 2 /2006
4
- o analogie a unui fenomen real, bazată pe/sau reprezentată de o tehnică ce
permite studiul unor procese complexe reproduse pe modele de laborator
sau în teren;
- o reprezentare dinamică a unei părţi a lumii reale, realizată prin
construirea unui model abstract ce poate fi mişcat în timp sau direct
influenţat de acesta;
- o metodă de cercetare bazată pe anticiparea rezultatelor unui ansamblu de
ipoteze care au la bază elemente tehnice şi relaţiile dintre acestea;
- o tehnică ce poate realiza o cale de testare, evaluare şi manipulare a unui
proces sau sistem fără a acţiona direct asupra acestuia;
- o tehnică numerică pentru conducerea experimentelor pe un calculator,
care implică anumite tipuri de modele matematice şi logice care descriu
comportarea viitoare a unui sistem;
- o tehnică de studiu a unor laturi ale comportamentului unui sistem, fără a
acţiona direct asupra lui, utilizând analogii fizice, chimice sau de calcul.

După alţi specialişti, “simularea, este o tehnică de realizare a
experimentelor cu calculatorul electronic, care implică utilizarea unor modele
matematice şi logice care descriu comportarea unui sistem real de-a lungul unei
perioade mari de timp”
2
.
Deci, simularea presupune realizarea de experimente asupra unor modele
care reprezintă fenomenele reale cercetate şi care sunt studiate prin intermediul
calculatorului; rezultatele obţinute constituindu-se în informaţii utile
managerilor în cadrul procesul decizional.
În consecinţă tehnica simulării presupune construirea unui model care să
reprezintă fenomenul cercetat.

2
Raţiu – Suciu, Camelia, Modelarea & simularea proceselor economice – Teorie şi practică, Ediţia a patra,
Editura Economică, Bucureşti, 2005, p. 38.
5
„Modelul este o reprezentare izomorfă a realităţii care oferă o imagine
intuitivă, dar riguroasă, în sensul structurii logice a fenomenului studiat, şi
permite descoperirea unor legături şi legităţi greu de stabilit pe alte căi.”
3

Simularea de marketing este, în consecinţă, în strânsa legătură cu
experimentele de marketing şi modelarea fenomenelor de marketing.
Modelarea proceselor economice în general, a fenomenelor de marketing
în special a rezultat din complexitatea problemelor cu care se confruntă
managerii, din numărul mare de variabile şi dependenţele stochastice dintre
acestea, situaţie în care studierea diferitele fenomene cu ajutorul unor modele
matematice „pure” este imposibilă. Mai exact este imposibil de a reprezenta
astfel de fenomene economice complexe prin modele pur matematice. În
consecinţă, au apărut modelele economico – matematice, având la bază teoria
economică, care sunt deosebit de elastice, şi care reprezintă legitatea şi dinamica
fenomenelor economice (implicit de marketing).
Scopul unui model economico-matematic este acela de a determina
valorile unor variabile necontrolabile (de ieşire) în funcţie de valorile
variabilelor de intrare (controlabile) ţinând cont de interdependenţele dintre
acestea, respectiv dintre acestea şi mediul extern, în condiţiile satisfacerii
anumitor criterii de performanţă.

Variabile de
intrare
(controlabile)

Modelul
economico -
matematic

Variabile de
ieşire
(necontrolabile)

În cazul în care interdependenţele ce stau la baza determinării valorilor
variabilelor de ieşire în funcţie de valorile variabilelor de intrare dată fiind
complexitatea lor nu pot fi descrise şi rezolvate printr-un model analitic
necesitând utilizarea calculatorului electronic, modelul economico-matematic

3
Idem, p. 26.

6
devine model de simulare. Comparativ cu celelalte modele, modelul de simulare
simplifică într-o mai mică măsură realitatea.
Rezolvarea unor probleme de marketing prin intermediul unui model
economico-matematic se realizează pe cale deductivă. Simularea presupune,
însă realizarea de experimente asupra sistemului S’ care constituie o
reprezentare a sistemului real S, caracterul său fiind procedural. Astfel nu se mai
urmăreşte obţinerea soluţiei optime ca în cazul utilizării metodelor analitice ci
prin intermediul experimentelor sunt verificate şi selectate diferitele variante de
decizie avute în vedere. Se cunoaşte astfel modul în care un sistem reacţionează
în anumite împrejurări, în funcţie de aceasta obţinându-se mai multe variante
decizionale, ce stau la baza selectării acelei variante ce corespunde cel mai bine
condiţiilor concrete de desfăşurarea a fenomenului investigat. Aceasta poate fi
adesea diferită de varianta selectată printr-un model analitic (considerat mai
precis, dar, aşa cum am precizat imposibil de aplicat pentru rezolvarea tuturor
probleme economice, implicit de marketing, datorită complexităţii lor).
În consecinţa simularea este o metodă descriptivă care oferă adesea soluţii
suboptimale şi nu soluţia „optimă”.
Datorită complexităţii fenomenelor pe care le reprezintă modelele de
simulare sunt construite adesea secvenţial, deci nu este de la început un model
exhaustiv. Pentru început modelul de simulare constituie mai degrabă un
ansamblu de mai multe modele simple ce reprezintă legăturile dintre diverse
variabile ale sistemului real.
Simularea este adesea efectuată adesea pe eşantioane de date
reprezentative pentru o „colectivitate” de date cercetată ceea ce implică
utilizarea teoriei sondajului. Se testează semnificaţia statistică a diferitelor
variabile de decizie, precum şi semnificaţia influenţei variaţiei variabilelor
controlabile asupra celor necontrolabile.


7
AVANTAJELE ŞI DEZAVANTAJELE SIMULĂRII DE MARKETING

Avantaje
Utilizarea simulării în cercetarea de marketing se datorează unor avantaje
incontestabile comparativ cu alte metode.
Principalul avantaj al utilizării ca metodă de obţinere a datelor a simulării
rezultă din faptul că permite testarea diferitelor alternative de acţiune pe un
sistem înlocuitor şi nu pe cel real, respectiv fără a determina modificări în
evoluţia reală a fenomenelor investigate. Astfel este posibil a se testa eficienţa
unui număr mare de combinaţii de acţiuni posibile ceea este imposibil de realizat
în realitate
4
. Se pot, astfel, determina într-un timp foarte scurt (câteva secunde,
de exemplu) comportamente ale unor fenomene de marketing în anumite
condiţii date.
Datorită utilizării calculatorului electronic simularea asigură o
reprezentare a fenomenelor de marketing cu un grad scăzut de simplificare şi
permite studierea diferitelor relaţii dintre variabilele sistemului, sau dintre
acestea şi variabilele externe. Altfel spus dă posibilitatea manevrării unui număr
mare de variabile, caracterizându-se printr-un grad ridicat de fezabilitate.
Simularea permite cunoaşterea pe termen lung a rezultatelor diferitelor
acţiuni datorită posibilităţii de compresie a timpului.
Se poate utiliza pentru studierea unor fenomene extrem de diverse legate
de mediul de marketing intern şi extern, permiţând adoptarea unor decizii
imediate sau pentru perioade lungi de timp. Astfel, prin intermediul simulării de
marketing este stabilită alternativa decizională ce se va adopta într-o situaţie
dată, momentul adoptării (eventual succesiunea deciziilor şi momentele în care
aceste vor fi puse în aplicare), precum şi deciziile de rezervă.

4
În cadrul experimentelor de marketing se testează diferite alternative de acţiune, adesea în cadrul lumii reale, în
schimb numărul acestora este relativ redus.
8
Pentru realizarea simulărilor de marketing există produse software relativ
uşor de utilizat.

Dezavantaje
O serie de dezavantaje ale simulării rezultă din dificultatea şi uneori
imposibilitatea realizării modelelor de simulare care să reproducă cu fidelitate
procesele şi fenomenele reale. Conceperea modelelor de simulare presupune
adesea eforturi financiare considerabile, timp îndelungat pentru realizarea lor,
experienţă îndelungată şi nu în ultimul rând tehnică de calcul avansată.
De asemenea, rezultatele aplicării tehnicii de simulare sunt direct
dependente de măsura în care modelul de simulare reprezintă modelul real; o
singură asociere greşită între două variabile (de exemplu), putând duce la decizii
total eronate.
Identificarea soluţiei optime sau foarte bune nu se poate realiza decât
după adoptarea deciziei, respectiv după ce rezultatele respectivei decizii s-au
produs (faţă de cazul modelelor analitice care permit identificarea de la început a
„soluţiei optime”).
Soluţiile obţinute din realizarea unei simulări anterioare nu pot fi utilizate
şi pentru o altă problemă decizională, modelul de simulare S’ reprezentând un
singur model real S.
Datorită uşurinţei în utilizarea programelor pentru simularea anumitor
fenomene de marketing se renunţă adesea la utilizarea modelării economico –
matematice, rolul acesteia din urmă fiind incontestabil în anumite situaţii date.






9

UTILIZĂRI ALE SIMULĂRII DE MARKETING

 cunoaşterea şi înţelegerea interdependenţelor dintre variabilele de
marketing, estimarea valorilor anumitor variabile precum şi a formei
funcţionale a legăturilor dintre variabilele modelului;
 evaluarea şi previzionarea consecinţelor diferitelor acţiuni (adoptarea
anumitor strategii, tactici de marketing), fără însă ca, pe parcursul
experimentării să intervină schimbări în evoluţia sistemului real;
 verificarea şi / sau demonstrarea într-un timp scurt a avantajelor şi
riscurilor anumitor acţiuni care în condiţiile reale s-ar produce după
perioade lungi de timp;
 determinarea acelor alternative decizionale care duc la soluţii optime
sau suboptime (ce pot duce aproximativ la cea mai bună rezolvare a
problemei decizionale);
 studierea fenomenelor de marketing recursive (anumite schimbări ale
fenomenului cercetat au repercusiuni asupra altor fenomene). De
exemplu: schimbări la nivelul unei anumite verigi din lanţul de
distribuţie poate declanşa modificări în amontele traseului ducând la
amplificarea consecinţelor acţiunii întreprinse;
 studierea efectelor decalate în timp ale anumitor acţiuni întreprinse, ce
nu pot fi exprimate prin intermediul modelelor analitice;
 studierea proceselor de tranziţie (de exemplu studierea evoluţiei în
timp a percepţiilor consumatorilor faţă de anumiţi stimuli);
 realizarea de teste de senzitivitate, respectiv studierea modului în care
fenomenele de marketing sunt influenţate de variaţia anumitor
variabile externe;
 mai buna structurare a problemei cu care se confruntă decidentul şi
fundamentarea căilor de rezolvare a acesteia.
10

EVALUAREA TEHNICILOR DE SIMULARE

Tehnicile utilizate în simulările de marketing, pot fi evaluate după şase
caracteristici de bază
5
:
 funcţionalitatea (gradul de complexitate şi capacitatea de a produce
rezultate plauzibile pe baza unor date de intrare care înregistrează
valori situate şi în afara anumitor limite);
 costurile legate de dezvoltarea modelului şi adaptarea la specificul
problemelor investigate;
 tehnicile de rulare, respectiv costurile de rulare, timpul necesar pentru
obţinerea rezultatelor, uşurinţa comunicării atât la intrarea cât şi la
ieşirea datelor;
 contextul utilizării (domeniile investigate şi frecvenţa cu care se
apelează la simulare pentru a găsi răspunsurile dorite);
 gradul de validitate şi valoarea rezultatelor obţinute prin folosirea
simulării.

5
Cătoiu, Iacob (coordonator), Cercetări de marketing, Editura Uranus Bucureşti, 2002, p 421.
11


CAPITOLUL II
CLASIFICAREA TEHNICILOR DE SIMULARE

Cuvinte cheie Obiectivele învăţării:
Simulare analogică
Simulare numerică
Simulare hibridă
Simulare deterministă
Simulare întâmplătoare
Simulare simulare deterministă cu
perturbaţii întâmplătoare
Simulare în timp real
Simulare pseudotimp
Antesimulare
Postsimulare
Simulare convenţională
Simulare interactivă vizuală
Simulare virtuală
Simulare fundamentate matematic
Simulare interactivă euristică
După parcurgerea acestui capitol va
trebui să cunoaşteţi:
- care sunt principalele tipuri de
metode de simulare (având în
vedere principalele criterii de
clasificare) şi principalele lor
caracteristici.

Există mai multe criterii de clasificare a tehnicilor de simulare. Astfel:
- În funcţie de tipul modelului utilizat pentru realizarea simulării există:
 metode de simulare analogică – se bazează pe analogii cu alte
sisteme (fizice, biologice etc.);
 metode de simulare numerică, ce presupune utilizarea
modelelor matematice pentru reprezentarea fenomenelor
investigate. Aceasta este categoria de metode cea mai frecvent
folosită în cercetările de marketing. Dintre metodele de simulare
numerică amintim: tehnica Monte Carlo, simularea de tip „joc”
şi tip Forrester;
12
 metode de simulare hibridă, care reprezintă o îmbinare între
simularea analogică şi cea numerică.

- În funcţie de natura algoritmilor utilizaţi tehnicile de simulare sunt:
 metode de simulare deterministă (dirijată) – variabilele (în
cadrul aceluiaşi ciclu de simulare) sau parametrii (de la un ciclu
de simulare la altul) capătă în cadrul fiecărui ciclu de simularea
valori deterministe (valori date sau rezultate dintr-un anumit
procedeu de calcul);
 metode de simulare întâmplătoare – cel puţin una dintre
variabilele sau parametrii modelului capătă valori întâmplătoare
sau pseudoîntâmplătoare;
 metode de simulare deterministă cu perturbaţii
întâmplătoare –variabilele sunt atât deterministe cât si
întâmplătoare, acestea din urmă nefiind în măsură să schimbe
evoluţia generală a funcţionării sistemului. Prezenţa acestor
variabile conferă însă un plus de realism modelului de simulare.

- În funcţie de raportul de simulare există:
 simulare în timp real – timpul de simularea este identic cu
timpul în care fenomenele se produc în realitate. Astfel de
simulări nu sunt utilizate în cercetările de marketing (în
cercetarea fenomenelor economice, în general);
 simulare în pseudotimp – timpul de simularea este (în cazul
aplicaţiilor economice şi implicit de marketing) mult mai redus
decât timpul în care fenomenele s-ar produce în realitate.



13
- În funcţie de momentul efectuării simulării există:
 antesimulare – simularea are loc anterior producerii în realitate
a fenomenului investigat. Astfel de modele se utilizează pentru
proiectarea sistemelor economice şi realizarea de prognoze;
 postsimulare – simularea are loc după producerea în realitate a
fenomenului investigat. Utilizarea acesteia are rolul de a
perfecţiona anumite sisteme, precum şi de a duce la dobândirea
de experienţe în conducerea fenomenelor şi proceselor reale.

- În funcţie de interacţiunea om-calculator tehnicile de simulare se
împart în:
 tehnici de simulare convenţională – rezultatele diferitelor
experimente sunt raportate statistic la sfârşit, utilizatorii
modelelor neavând posibilitatea de a interveni în procesul de
simulare pentru a proceda la diverse modificări pe parcursul
desfăşurării experimentelor şi a evalua impactul acestor
intervenţii asupra rezultatelor. Aceste tehnici presupun calculul
intervalului de încredere al modelului;
 tehnici de simulare interactivă vizuală – fiind dintre cele mai
noi tehnici de simulare, tehnicile de simulare interactivă vizuală
permit intervenţia utilizatorului în procesul de simulare şi
evidenţierea rezultatelor diverselor sale acţiuni pe parcursul
desfăşurării experimentelor. Aceste modele asigură redarea
vizuală statică (imaginile sunt afişate pe rând) sau dinamică
(evoluţia sistemului este prezentată în timp prin imagini
animate) a rezultatelor diferitelor intervenţii ale utilizatorului.
Avantajele acestor tehnici sunt incontestabile în condiţiile în
care stimulii vizuali sunt adesea mult mai bine percepuţi, iar
utilizatorii prin interacţiune cu modelul pot testa, pe parcursul
14
desfăşurării experimentelor, diferite alternative de acţiune – ceea
ce duce creşterea încrederii în rezultatele obţinute şi ameliorarea
efectelor învăţării.
 tehnici de simulare virtuală – presupun crearea unui mediu
artificial (virtual), la care, prin echipamente adecvate (aparate
audio, căşti, senzori, etc.) utilizatorul este conectat. Sunt
evaluate deopotrivă acţiunile sistemului cât şi ale utilizatorului.

- În funcţie de precizia rezultatelor distingem:
 tehnici de simulare fundamentate matematic – presupun
utilizarea metodelor statistico-matematice, a teoriei
probabilităţilor, ceea ce permite asigurarea unui anumit grad de
precizie şi realizarea de estimări ale erorilor asociate modelului;
 tehnici de simulare interactivă euristică – nu vizează
îndeplinirea condiţiilor legate de precizia rezultatelor,
urmărindu-se îndeosebi creşterea operativităţii.
15


CAPITOLUL III
COMPONENTELE SISTEMELOR DE SIMULARE DE
MARKETING

Cuvinte cheie Obiectivele învăţării:
sistem
element (componentă)
stare
conexiune (legătură)
traiectorie
optimizare
model
modelare
model de simulare
simulator
eveniment
proces
activitate
jucătorii (operatorii)
date de intrare
variabile de intrare
parametri de intrare
date de ieşire
variabile perturbatoare
variabile intermediare
După parcurgerea acestui capitol va
trebui să cunoaşteţi:
- Care sunt principalele concepte cu
care operează simulare;
- Care sunt elementele unui sistem
de simulare

16

CONCEPTE CU CARE OPEREAZĂ SIMULAREA

Există o serie de concepte cu care operează simularea:
- sistem – o mulţime de elemente în interacţiune. Un sistem
cuprinde: operatori umani, echipamente tehnologice;
- element (componentă) – o unitate identificabilă ce poate fi
complet definită, aflată în conexiune cu una sau mai multe unităţi
ale sistemului. În orice moment de timp componenta se
caracterizează printr-o stare;
- stare (a unei componente) – reunire de atribute ce caracterizează
componenta. Stările componentelor principale descriu starea
sistemului propriu-zis. De fapt, obiectivul principal al simulării este
în înţelegerea evoluţiei stărilor sistemului, a modului în care acestea
se modifică, controlul şi predicţia lor, în condiţiile îmbunătăţirii
performanţelor acestuia;
- conexiune (legătură) – interacţiunea dintre două sau mai multe
componente, sau dintre acestea şi mediul extern;
- traiectorie – secvenţa de stări specifice sistemului într-un interval
de timp considerat;
- optimizare – idealul simulării este de a determina acele
performanţe maxime (optime) posibile;
- model – vezi pag. 2;
- modelare – modalitate de cercetare a unor fenomene utilizând ca
instrument modelul;
- model de simulare - vezi pag. 4;
- simulator – sistem echivalent (analog) care se comportă similar
sistemului real pe care îl reprezintă. Construcţia sistemului
17
echivalent / analog (simulatorul) presupune fie „păstrarea” din
sistemul real a ceea ce este esenţial (se vor elimina acele legături cu
şanse reduse de a se produce, acele componente a căror
probabilitate de apariţie este scăzută, etc.), fie reunirea unor
componente diferite de sistemul real, dar care în interacţiunea
dintre ele se comportă similar cu sistemul simulat;
- eveniment – schimbarea stării unei componente a sistemului;
- proces – secvenţă de evenimente ordonate în timp;
- activitate – un ansamblu de operaţii ce modifică starea unei
componente;


ELEMENTE ALE SISTEMULUI DE SIMULARE

Un sistem tipic de simulare, utilizat în cercetările de marketing, este
format din următoarele elemente:
 modelul;
 jucătorii (operatorii);
 datele de intrare, care sunt reprezentate de
- variabile de intrare, care pot fi întâmplătoare sau deterministe
înregistrează valori discrete care se schimbă în permanenţă în
cadrul ciclului de simulare;
- parametri de intrare – înregistrează valori constante de-a
lungul ciclului de simulare
 datele de ieşire – sunt variabile care depind de valorile variabilelor
şi parametrilor de intrare; dependenţa dintre acestea fiind ilustrate
prin algoritmul ce stă la baza modelului de simulare.

În afara datelor de intrare şi de ieşire un sistem de simulare mai cuprinde:
18
- variabile perturbatoare – constituie variabile necontrolabile ce
generează schimbarea stării unei / unor componente ale sistemului
(evenimente). Apariţia acestor evenimente poate fi previzibilă sau
aleatoare.
- variabile intermediare – valori ce atestă starea unei componente a
sistemului la un anumit moment dat.

19

CAPITOLUL IV
ETAPELE SIMULĂRILOR DE MARKETING

Cuvinte cheie Obiectivele învăţării:
problemă de marketing
estimare a parametrilor şi
variabilelor modelului de
simulare
performanţă a modelului de
simulare
validare a sistemului de simulare
program de simulare
După parcurgerea acestui capitol va
trebui să cunoaşteţi:
- Care sunt etapele ce se parcurg în
procesul de realizare a
experimentelor de simulare şi ce
activităţi se desfăşoară în cadrul
fiecărei etape.


Demersul întreprins pentru realizarea sistemului S’ care să reprezinte cât
mai fidel sistemul real S implică desfăşurarea unor activităţi într-o anumită
succesiune. Astfel, realizarea experimentului de simulare presupune parcurgerea
următoarelor etape:

- formularea problemei, a scopului şi obiectivelor urmărite –
presupune identificarea problemei de marketing cu care se
confruntă cercetătorul – a gradului său de complexitate (în funcţie
de acest aspect justificându-se sau nu utilizarea ca metodă de
investigare a simulării). În această etapă sistemul cercetat este
analizat pentru a cunoaşte trăsăturile caracteristicile, componentele
sale şi relaţiile dintre acestea. Se realizează o delimitare temporală,
spaţială şi funcţională a sistemului de mediul extern. Se definesc,
de asemenea, criteriile de performanţă ce trebuie atinse. În anumite
situaţii există posibilitatea optării pentru simularea doar a unor
componente ale sistemului cercetat şi nu în întregul său. Pe baza
20
analizării sistemului cercetat are loc definirea variabilelor şi
parametrilor modelului precum şi alternativele de acţiune ce
urmează a fi experimentate;

- culegerea şi prelucrarea preliminară a datelor reale – acestea
vor sta la baza sugerării ipotezelor pentru formularea modelelor
matematice. De asemenea, se pot aduce o serie de îmbunătăţiri
unor modele deja existente şi se poate verifica valabilitatea
acestora;

- construirea modelului – presupune precizarea ipotezelor, a
variabilelor şi parametrilor modelului (de intrare, de ieşire,
perturbatoare, intermediare), a relaţiilor dintre acestea, definirea
relaţiilor funcţionale şi algoritmului ce stă la baza obţinerii
valorilor datelor de ieşire în baza valorilor datelor de intrare;

- estimarea mărimii parametrilor sau variabilelor de intrare –
utilizând fie procedeele de statistică matematică (estimarea
valorilor datelor de intrare pe baza valorilor datelor reale culese),
fie prin generarea de numere şi variabile aleatoare;

- evaluarea performanţelor modelului – modelul construit este
testat cu ajutorul valorilor unor date de intrare pentru care sunt
cunoscute rezultatele. În acest sens sunt utilizate teste de
concordanţă: Kolmogorov, Smirnov, Pearson sau χ
2
. În urma
testării se procedează fie la reluarea formulării modelului de
simulare (dacă se constată existenţa anumitor deficienţe) fie
validarea acestuia;

21
- construirea algoritmului de simulare;

- scrierea programelor de simulare – presupune utilizarea fie a
unor limbaje generale de programare sau specializate (GPSS,
SIMSCRIPT, SIMULA, etc.) acestea din urmă oferind o serie de
facilităţi. Deci, în această etapă se aleg limbajul sau pachetul de
programe ce se vor utiliza configuraţia calculatorului, etc.,
necesare pentru realizarea simulării;

- validarea sistemului de simulare – are loc testarea programului
de simulare pentru o anumită situaţie pentru care se cunosc
rezultatele sau prin compararea valorilor de ieşire cu valorile
obţinute prin observarea unor situaţii similare;

- realizarea propriu-zisă a simulării – presupune rularea pe
calculator a programelor de simulare, prin considerarea succesivă a
cât mai multor valori ale datelor de intrare. Se urmăreşte, astfel,
acoperirea a cât mai multor situaţii reale; în funcţie de valorile
obţinute ale variabilelor de ieşire se formulează decizii (se
selectează anumite valori ale datelor de intrare) în măsură să
genereze îmbunătăţirea performanţelor sistemului simulat.

- analiza şi interpretarea datelor – presupune prelucrarea datelor
simulate, testarea semnificaţiei lor statistice, compararea şi
evaluarea alternativelor decizionale, realizarea de tabele, grafice,
etc. şi interpretarea rezultatelor.

22
În procesul de simulare parcurgerea acestor etape nu trebuie privită cu
rigiditate, acestea neconstituind întotdeauna paşi distincţi şi, de asemenea, nu în
toate cazurile succesiunea este cea prezentată.
După selectarea celei ai bune alternative decizionale se va proceda la
realizarea unui raport ce va cuprinde: scopul, obiectivele şi ipotezele, datele de
intrare, aspectele referitoare la validarea modelului şi modul de proiectare a
experimentelor, rezultatele, concluziile şi recomandările.
Exploatarea rezultatelor simulării va permite utilizatorilor perfecţionarea
sistemelor de simulare.
23


CAPITOLUL V
MODELE DE SIMULARE

Cuvinte cheie Obiectivele învăţării:
generare de numere aleatoare
generator de numere aleatoare
număr aleatoriu
simulare Monte Carlo
joc de întreprindere
joc pentru întreaga întreprindere
joc funcţional.
joc complex
joc pentru alte zone de specialitate
joc concurenţial
joc interdependent
joc independent
joc cooperativ
joc contra naturii
pachete de autoînvăţare
joc pe calculator
joc manual
joc de instruire
joc pentru fundamentarea deciziilor
operative
tehnici de dinamică industrială
model dinamic
variabile de nivel
variabile de ritm
variabile auxiliare

După parcurgerea acestui capitol va
trebui să cunoaşteţi şi să înţelegeţi:
- Care este utilitatea şi cum sunt
generate numerele aleatoare;
- Care sunt cerinţele satisfăcute de
un număr pseudoaleator (aleator);
- Principalele metode de generare
de numere aleatoare;
- Caracteristicile, utilitatea şi modul
de utilizare a tehnicilor Monte
Carlo în investigarea fenomenelor
economice;
- Caracteristicile şi utilitatea
jocurilor de întreprindere;
- Clasificarea şi caracteristicile
principalelor tipuri de jocuri de
întreprindere;
- Cunoaşterea etapelor specifice
desfăşurării jocurilor de
întreprindere
- Cunoaşterea utilităţii şi a
principalelor caracteristici ale
jocurilor de dinamică industrială





24

5.1. Generarea numerelor şi variabilelor aleatoare

În simularea proceselor economice, inclusiv de marketing, atunci când
valorile unor parametri / variabile de intrare nu se cunosc se impune generarea
de numere aleatore (alese la întâmplare),aceasta realizându-se cu ajutorul
calculatorului electronic
6
. În programele de simulare generarea numerelor
aleatoare ocupă o pondere relativ mare în timpul total de rulare al calculatorului.
Acest fapt este justifică prin numărul mare al evenimentelor perturbatoare care
afectează procesele economice, cel mai adesea acestea având caracter aleator. În
consecinţă algoritmii utilizaţi în procesul de simulare a fenomenelor economice
trebuie să fie astfel construiţi încât să fie în concordanţă cu teoria economică.
Se poate spune că un număr este întâmplător doar dacă se “află într-un
context statistic. Se consideră număr aleator orice număr care este obţinut
astfel încât valoarea sa nu poate fi prevăzută anticipat.
Generarea, cu ajutorul calculatorului a numerelor aleatoare, având la bază
reguli prestabilite (algoritmi de generare) afectează într-o anumită măsură
caracterul aleator al acestui proces. Astfel, numerele obţinute sunt considerate
pseudoaleatoare.

Numerele pseudoaleatoare satisfac următoarele cerinţe:
- sunt repartizate uniform în intervalul standard este [0,1]. Funcţia de
repartiţie uniformă se defineşte astfel:

¦
¹
¦
´
¦
>
e
s
=
1 , 1
) 1 , 0 ( ,
0 , 0
) (
x daca
x daca x
x daca
x F

6
Există şi modalităţi de generare de numere aleatoare ce nu presupun utilizarea calculatorului electronic
(utilizarea de zaruri, rulete, urne cu bile, etc.). Datorită vitezei reduse, astfel de metode nu sunt folosite în
simularea proceselor economice.
25
În cazul în care, utilizând un anumit procedeu de generare de
numere aleatoare s-a obţinut un anumit număr n repartizat uniform
în intervalul (0, A), A fiind un număr întreg, se face transformarea x
= n /A, obţinându-se un şir de valori uniform repartizate în
intervalul (0, 1);

- sunt statistic independente (nu sunt autocorelate). Există o serie de teste
statistice independenţa dintre variabile (ex: testul χ
2
, testul Student, testul
Kolmogorov, etc.);
- sunt reproductibile, respectiv, utilizând acelaşi algoritm cu aceleaşi valori
iniţiale să se obţină acelaşi şir de numere
- funcţia de repartiţie este stabilă, respectiv nu se produc schimbări ale
repartiţiei în cursul rulării programului de simulare;
- şirul enumerat are o perioadă de repetiţie mare (teoretic şirurile de numere
aleatore nu trebuie să conţină repetiţii, ceea ce, prin utilizarea
generatoarelor nu este posibil. Având în vedere aceste aspecte perioada de
repetiţie trebuie să fie în consecinţă cât mai mare.

Metodele utilizate pentru generarea de numere aleatoare (şi care, de fapt,
generează numere pseudoaleatoare), asigură o apropiere semnificativă a şirurilor
generate de şirurile aleatoare. De aceea se utilizează noţiunea de aleatoare şi
pentru categoria şirurilor pseudoaleatoare.







26
METODE DE GENERARE A NUMERELOR ALEATOARE

Principalele clase de metode de generare a numerelor aleatoare sunt:
- metode manuale – presupun utilizarea de zaruri, rulete, urne cu bile, etc.
Se caracterizează prin viteza redusă motiv pentru care, în cele mai multe
situaţii,nu sunt folosite
- metode fizice – au la bază analogii cu diferite procese fizice (procese
radioactive, electronice, etc.). Prezintă dezavantajul că nu asigură
reproductibilitatea datelor;
- metode de memorizare – presupun utilizarea unor tabele cu numere
aleatoare. Prezintă dezavantajul unei viteze ridicată, în schimb consumul
de memorie al calculatorului este ridicat;
- metode care constau în consultarea specialiştilor – prezintă
dezavantajul subiectivismului precum şi viteza lentă;
- metode analitice – presupun utilizarea anumitor algoritmi de calcul. Se
impune ca aceşti algoritmi să asigure un consum minim de timp şi
memorie pe parcursul rulării pe calculator. Aceste metode sunt cele mai
utilizate în procesul de simulare a fenomenelor de marketing
(fenomenelor economice, în general).


27

5.2. Metoda de simulare Monte Carlo

Atunci când sunt investigate prin simulare fenomene stochastice, pentru a
imita sau reproduce comportamentul sistemului simulat se impune generarea de
numere aleatoare.
Procesul prin care sunt generate numere sau variabile în mod aleator
poartă numele de metoda Monte Carlo.
După cum am precizat în subcapitolul anterior pentru generarea
numerelor aleatore - numere aleatoare uniform distribuite în intervalul [0, 1] - se
impune utilizarea generatorilor de numere aleatoare. Astfel de generatori,
verificaţi şi testaţi, sunt conţinuţi de toate limbajele de programare generale şi
limbajele speciale de simulare bine.
Metoda Monte Carlo reprezintă o metodă de simulare prin care se
urmăreşte studierea realităţii prin procese probabilistice. De fapt, denumirea
metodei provine după cazinourile din Monte Carlo ale căror rulete pot fi
considerate generatoare de numere aleatoare.
La momentul actual, metoda de simulare Monte Carlo se aplică din ce în
ce mai mult pentru studierea fenomenelor economice (implicit a fenomenelor de
marketing), pentru studierea problemelor stochastice sau în condiţii de risc,
respectiv în situaţia în care aceleaşi direcţii de acţiune pot genera mai multe
rezultate, ale căror probabilităţi se pot estima.
Având la bază teoria probabilităţii, cu ajutorul metodei Monte-Carlo sunt
realizate evaluări, ierarhizări care permit adoptarea deciziei în legătură cu
diferite probleme de marketing. Altfel spus, metoda Monte-Carlo asociază
problemei investigate un model aleatoriu, iar prin generarea unor variabile
aleatorii care sunt legate funcţional de soluţie se realizează experimente pe
model obţinându-se informaţii în legătură cu problema investigată.
28
Pentru asigurarea succesului în utilizarea metodei se impune ca variabilele
generate aleator să fie estimate astfel încât să se înregistreze o abatere în
probabilitate cât mai mică comparativ cu a variabilelor considerate reale.
Precizia metodei creşte pe măsură ce creşte numărul încercărilor, dar este
dependentă şi de variaţia acestora. În fapt, metoda Monte-Carlo este un mod de
simulare bazat pe sondaj.


PRECIZIA ŞI PROPRIETĂŢILE METODEI MONTE CARLO

În procesul de utilizarea a simulărilor Monte-Carlo pentru investigarea
fenomenelor se vor avea în vedere următoarele aspecte:
- Considerând n experimente, frecvenţa relativă de apariţie a unei anumite
valori este f
*
’, frecvenţa relativă reală f
*
(probabilitatea de producere a
evenimentului) se estimează cu ajutorul intervalului:

n
f f
t f f
n
f f
t f
n n
) ' 1 ( '
'
) ' 1 ( '
'
1 ,
* *
1 ,
*
÷
+ < <
÷
÷
÷ ÷ o o
,

unde: t
o; n-1
- coeficientul ce corespunde probabilităţii de garantare a
rezultatelor, pentru n – 1 grade de libertate şi un nivel de semnificaţie o
(o = 1 – P), determinat în funcţie de probabilitatea P cu care se doreşte a
se garanta rezultatele, citit din tabelul repartiţiei Student (anexa 1).


Exemplu
Considerăm 20 experimente (n = 20), în urma cărora s-a obţinut o
frecvenţă f
*
’ = 0,6 , şi un nivel de semnificaţie de o = 0,05, rezultă o frecvenţă
de apariţie reală cuprinsă în intervalul:
29

83 , 0 37 , 0
20
) 6 , 0 1 ( 6 , 0
093 , 2 6 , 0
20
) 6 , 0 1 ( 6 , 0
093 , 2 6 , 0
* *
< < ·
÷
+ < <
÷
÷ f f ;

t
0,05; 20-1
, citit din tabelul repartiţiei Student = 2,093.

Deci probabilitatea de apariţie a fenomenului real este cuprinsă între
(0,37, 0,83), respectiv (37%, 83%). În acest caz eroarea ataşată probabilităţii de
producere a evenimentului ∆ este ±0,23, sau ±23%.

- În cazul în care se doreşte ca eroarea asociată probabilităţii (p) de apariţie
a evenimentului considerat să nu depăşească un anumit nivel ∆, atunci se
impune ca numărul de repetiţii ale experimentului să fie:

2
2
1 ,
) 1 (
A
÷
=
÷
p p t
n
n o
.
Exemplu
Dacă pentru probabilitatea de apariţie a evenimentului p = 0,6 se doreşte
asigurarea unei erori care să nu depăşească nivelul ±3%, în condiţiile unui nivel
de semnificaţie de 0,05 atunci n va fi:

1169
03 , 0
) 6 , 0 1 ( 6 , 0 093 , 2
2
2
=
÷ ·
= n .

Valoarea p poate fi considerată pentru început ca fiind egală cu
probabilitate de apariţiei a evenimentului obţinută în baza primelor încercări
realizate; ulterior urmând a fi ajustată pe măsură ce numărul de experimente
realizate creşte.

30
- Estimarea mediei reale (
0
x ) pe baza mediei ( x ) înregistrate a unei
variabile după n experimente de simulare se realizează cu ajutorul
intervalului:

x - Δ <
0
x < x + Δ, unde:
x - constituie media aritmetică a valorilor înregistrate a variabilei simulate
(x
i
) după n experimente:
n
x
x
n
i
i ¯
=
=
1

n
S
t
n 1 , ÷
= A
o
, unde:
S: estimator al abaterii medii pătratice a valorilor x
i
:

( )
1
2
÷
÷
=
¯
n
x x
S
i
.

Exemplu
Dacă în cazul a n = 20 experimente s-a obţinut o medie x =105, pentru
care S = 15, rezultă media variabilei reale se va încadra în intervalul:

105 – 7,02 <
0
x < 105 + 7,02  97,98 <
0
x < 112,02, unde:

În condiţiile unui nivel de semnificaţie de 0,05,
02 , 7
20
15
093 , 2 = = A


- În cazul în care se impune de la început o anumită eroare maximă admisă
Δ, se impune determinarea numărului de experimente ce pot asigura o
astfel de eroare, creşterea numărului de experimente ducând implicit la
31
creşterea gradului de precizie. Pornind de la formula pentru determinarea
erorii maxime admise, obţinem următoarea formulă de calcul a lui n:

2
2
2
1 ,
A
=
÷
S
t n
n o
.
Exemplu
Considerăm că după n = 20 experimente, media x = 105, pentru care S =
15, a rezultat o valoare Δ = 6,7, în condiţiile unui nivel de semnificaţie de o =
0,05. Se doreşte determinarea numărului de experimente necesar a se realiza
pentru a obţine o precizie a rezultatelor Δ = 2.

247
2
15
093 , 2
2
2
2
= = n
.

De fapt, creşterea preciziei de m ori, impune o creştere a numărului de
experimente de simulare de m
2
ori.
În cazul în care probabilitatea de apariţie a unor fenomene este redusă
metoda Monte Carlo nu este indicată, asigurarea unui anumit grad de precizie
impunând un număr foarte de mare de experimente de simulare.

- se consideră suficient pentru precizia metodei Monte Carlo o probabilitate
de garantare a rezultatelor de 0,99 până la 0,997.


APLICAŢII ALE METODEI MONTE CARLO

Cu ajutorul Metodei Monte Carlo şi pornind de la valorile înregistrate ale
unei variabile se pot realiza estimări cu privire la valorile parametrilor ce
caracterizează respectiva variabilă investigată.
Considerând următoarea distribuţie a variabilei cercetate:
32

Valorile înregistrate ale
variabilei investigate
“X”
Frecvenţe absolute
f
i

x
1
f
1

x
2
f
2

.
.
.
.
x
i
f
i

.
.
.
.
x
r
f
r

Total f

Estimarea mediei variabilei investigate pe baza valorilor înregistrate şi
prezentate în tabelul anterior presupune parcurgerea următorului algoritm:
- sunt determinate frecvenţele relative f
i
*
şi frecvenţele relative cumulate,
care de fapt indică probabilităţile de apariţie a unei anumite valori a
variabilei cercetate (p
i
):
¯
=
= =
r
i
i
i
i i
f
f
f p
1
*

Valorile înregistrate
ale variabilei
investigate
“X”
Probabilităţi
p
i

Probabilităţi cumulate
p’
i

x
1
p
1
p’
1
= p
1

x
2
p
2
p’
2
= p
1
+ p
2

.
.
.
.
.
.
x
i
p
i
p’
i
= p
1
+ p
2
+...+p
i

.
.
.
.
.
.
x
r
p
r
p’
r
= p
1
+ p
2
+...+p
i
+...+p
r
=1
Total 1 -

33

- se reprezintă grafic valorile înregistrate ale variabilei investigate şi
probabilităţile cumulate corespunzătoare. Considerăm, pentru
exemplificare, un număr de 6 valori x
i
, graficul se prezintă astfel:
p'1
p'2
p'3
p'4
p'5
p'6
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
x1 x2 x3 x4 x5 x6
p
r
o
b
a
b
i
l
i
t
a
t
i

c
u
m
u
l
a
t
e


- se realizează un anumit număr de selecţii n cu ajutorul unui generator de
numere aleatoare. La îndemâna oricui este funcţia RAND() din Excel, care
este un generator de numere aleatoare.

- valoarea x
i
corespunzătoarea fiecărei valori aleatoare generate se citeşte cu
ajutorul graficul reprezentat anterior. Numărul generat constituie un punct
pe axa Oy. Se trasează o paralelă la Ox din respectivul punct până în locul
de intersecţie cu prima coloană ce constituie valoare înregistrată ale
variabilei cercetate. Considerând un număr de 10 repetiţii rezultatele se
prezintă astfel:






34
Număr
repetiţii
Număr aleator
Valoare
x
i

1 0.582924 x
5

2 0.053644 x
1

3 0.887214 x
6

4 0.942867 x
6

5 0.783511 x
5

6 0.181114 x
2

7 0.591019 x
5

8 0.388166 x
4

9 0.026283 x
1

10 0.888168 x
6


Cu ajutorul acestor date se pot realiza estimări ale parametrilor variabilei
investigate (media, dispersia, coeficientul de variaţie, abaterea medie pătratică).

Exemplu
Considerăm un eşantion de 200 persoane supus unei cercetări, pentru care
s-a înregistrat frecvenţa de cumpărare (numărul de cumpărături) al unui anumit
produs “X”, în cursul unei luni. Rezultatele centralizate se prezintă astfel:

Numărul de cumpărături
ale produsului “X” în
decursul unei luni
(bucăţi)
Frecvenţe
absolute
(persoane)
0 15
1 19
2 36
3 53
4 41
5 18
6 11
7 7
Total 200

35
Pe baza acestor date se doreşte a se estima evoluţia pentru perioada
următoare a cumpărărilor din produsul “X”. Se consideră un nivel de
semnificaţie de 0,05.

- determinăm probabilităţile de apariţie a fiecărei valori x
i
, precum şi
probabilităţile cumulate:
Numărul de cumpărături
ale produsului “X” în
decursul unei luni
(bucăţi)
Frecvenţe
absolute
f
i

Probabilităţi
p
i

Probabilităţi
cumulate
p’
i

0 15 0.075 0.075
1 19 0.095 0.170
2 36 0.180 0.350
3 53 0.265 0.615
4 41 0.205 0.820
5 18 0.090 0.910
6 11 0.055 0.965
7 7 0.035 1.000
Total 200 1.000


- se reprezintă grafic valorile înregistrate ale variabilei investigate şi
probabilităţile cumulate corespunzătoare:
0.075
0.170
0.350
0.615
0.820
0.910
0.965
1.000
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
1 2 3 4 5 6 7 8
numar produse achizitionate
p
r
o
b
a
b
i
l
i
t
a
t
i

c
u
m
u
l
a
t
e

36
- se realizează un număr de 25 selecţii cu ajutorul funcţiei RAND() şi se
ataşează valoarea x
i
corespunzătoare citită cu ajutorul graficului:

Număr repetiţii
Număr
aleator
x
i

1 0.2798 8
2 0.9862 7
3 0.6863 4
4 0.5229 3
5 0.3966 3
6 0.1808 2
7 0.9184 6
8 0.3931 3
9 0.9619 6
10 0.1439 1
11 0.8448 5
12 0.3823 3
13 0.1812 2
14 0.4835 3
15 0.7619 4
16 0.8278 5
17 0.7686 4
18 0.6407 4
19 0.7704 4
20 0.0629 0
21 0.0618 0
22 0.0600 0
23 0.8646 5
24 0.0152 0
25 0.2870 2

Cu ajutorul acestei distribuţii se pot realiza estimări cu privire la
cumpărăturile medii realizate de către consumatori şi bineînţeles şi a altor
indicatori de caracterizare a distribuţiei:


37

Număr repetiţii x
i
(x
i
- x )
2

1 8 21.5296
2 7 13.2496
3 4 0.4096
4 3 0.1296
5 3 0.1296
6 2 1.8496
7 6 6.9696
8 3 0.1296
9 6 6.9696
10 1 5.5696
11 5 2.6896
12 3 0.1296
13 2 1.8496
14 3 0.1296
15 4 0.4096
16 5 2.6896
17 4 0.4096
18 4 0.4096
19 4 0.4096
20 0 11.2896
21 0 11.2896
22 0 11.2896
23 5 2.6896
24 0 11.2896
25 2 1.8496
Total 84 115.76

 Media celor 25 valori selectate: 36 , 3
25
84
1
= = =
¯
=
n
x
x
n
i
i
;

 Intervalul în care se va încadra media reală:
x - Δ <
0
x < x + Δ  3,36 – 0,907 <
0
x < 3,36 + 0,907
38
 2,453 <
0
x < 4,267, unde:
907 , 0
25
196 , 2
0639 , 2
1 ,
= = = A
÷
n
S
t
n o
,
t
0,05; 25-1
citit din tabelul repartiţiei Student = 2,0639;

 Estimator al abaterii medii pătratice S;
( )
196 , 2
1 25
76 , 115
1
2
=
÷
=
÷
÷
=
¯
n
x x
S
i
;

 Estimator dispersiei S
2
:
( )
823 , 4
1 25
76 , 115
1
2
2
=
÷
=
÷
÷
=
¯
n
x x
S
i
;

 Coeficientul de variaţie: % 4 , 65 100
36 , 3
196 , 2
100 = · = · =
x
S
v .

39

5.3. Jocuri de simulare

Simularea tip joc presupune utilizarea unui model matematic,
experimentarea constând în atribuirea de valori variabilelor din model şi
monitorizarea impactului asupra uneia sau mai multor funcţii obiectiv. Astfel de
simulări şunt des utilizat în aplicaţii militare. (De fapt, apariţia şi dezvoltarea
jocurilor de simulare îşi au originea în jocurile de război, care urmăreau
stabilirea unor strategii de luptă şi antrenarea ofiţerilor prin simularea unor
situaţii militare).
Jocurile de simulare utilizate pentru simularea proceselor economice,
implicit de marketing, cunoscute şi sub numele de joc de conducere
(management game) sau joc de întreprindere (business game), au, în primul
rând un important rol educaţional.
Jocurile de întreprindere sunt modele de simulare care presupun
participarea mai multor participanţi şi care sunt angajaţi într-un proces
informaţional-decizional ce simulează o situaţie de competiţie reală.
Interesul pentru jocurile de întreprindere a crescut foarte mult, organizaţii
din întreaga folosesc jocuri în procesul de pregătire a personalului de
conducere; metoda putând fi folosită şi în procesul de testare a competenţei
salariaţilor.

Printre scopurile educaţionale majore ale utilizării jocurilor de
întreprindere sunt:
 crearea, la nivelul persoanelor ce ocupă funcţii de conducere a
deprinderilor în rezolvarea diferitelor probleme cu care se pot
confrunta în desfăşurarea propriei activităţi.
 proiectarea şi aplicarea de strategii şi politici;
40
 fundamentarea ştiinţifică a deciziilor; posibilitatea de testa o serie de
ipoteze asupra naturii deciziilor, precum identificarea efectelor
probabile ale diverselor decizii.
 anticiparea consecinţelor folosirii resurselor în cele mai diverse
situaţii, bineînţeles fără utilizarea efectivă a acestora.
 organizarea muncii managerilor;
 crearea şi dezvoltarea spiritului de echipă;
 abordarea sistematică a organizaţiei şi a componentelor sale;
 stimularea creativităţii participanţilor şi dezvoltarea simţului de
răspundere - pe perioada desfăşurării jocului participanţii pot să-şi
manifeste pe deplin personalitatea, să-şi verifice cunoştinţele asimilate,
puterea de a raţiona corect, etc.
 datorită echipamentelor necesare, jocurile de întreprindere duc la
familiarizarea participanţilor cu aspectele specifice implicate de
utilizarea calculatorului în procesele manageriale.

Aplicaţiile jocurilor de simulare pentru rezolvarea unor probleme de
marketing reale nu sunt foarte numeroase, datorită necesităţii adaptării acestora
la nivelul fiecărui caz particular, costurile fiind în consecinţă foarte mari.
Dintre motivele care ar putea justifica utilizarea jocurilor pentru
rezolvarea problemelor de marketing amintim:
 grad ridicat de implicare a participanţilor la desfăşurarea jocului şi,
implicit, creşterea motivaţiei învăţării;
 aplicarea conceptelor de marketing, îndeosebi cele referitoare la
managementul activităţii de marketing;
 adoptarea deciziilor în mediu concurenţial;
 creşterea curbei învăţării datorită succeselor şi greşelilor realizate, a
căror consecinţe sunt în timp scurt observabile;
41
 dezvoltarea spiritului de echipă si a capacităţii de a lua decizii sub
presiunea timpului.

Exemple de jocuri de simulare
7
:
Jocul ABC Market - mai multe echipe concurează pe aceeaşi piaţă. Pe baza
unui buget iniţial, echipele vor cumpăra, produce şi vinde. Va câştiga echipa cu cea
mai buna strategie, înţelegere a pieţei şi notorietate comercială. Jocul induce ideea
de a acţiona strategic pe o piaţă în locul unei simple reacţii la schimbările
conjuncturale.
Fiecare participant simulează o companie din sfera producţiei aflată în
competiţie cu toate firmele simulate de către ceilalţi participanţi la programul de
instruire. Firmele dispun de acelaşi buget iniţial. Pe piaţa astfel formată există 3 tipuri
de materii prime (a, b şi c) prin a căror combinare după o reţetă de producţie se pot
obţine 4 produse finite (x, y, z şi w). La fel ca şi în economia reală, aceste materii
prime nu se găsesc în cantităţi nelimitate, astfel încât nu toate firmele prezente pe
piaţă vor reuşi aprovizionarea. Acest proces se face prin licitaţie directă închisă
(fiecare firmă îşi va elabora oferta de cumpărare cuprinzând cantităţile cerute din
fiecare materie primă precum şi preţul pe care este dispusă să-l plătească). Firmele
care nu au reuşit aprovizionarea vor înregistra penalităţi - cheltuielile fixe legate de
funcţionarea companiei. Firmele care au reuşit aprovizionarea vor trece la stabilirea
strategiei de producţie: combinând materiile prime (conform reţetelor de fabricaţie)
vor realiza produse finite în cantităţile si sortimentele alese. Aceste produse vor fi
scoase la vânzare pe o piaţă concurenţială într-un mod similar cu procesul de
aprovizionare: licitaţie directă. Vor reuşi vânzarea acele firme care au cerut pentru
produsele lor un preţ mai mic sau egal cu cel mediu stabilit pe piaţa în urma
procesărilor tuturor ofertelor de vânzare. Firmele care intră în dificultăţi financiare pot
solicita credite de la banca. Aceste credite se gajează cu valoarea stocurilor de
materii prime şi/sau produse finite şi sunt purtătoare de dobândă. Creditul(ele) şi
dobânda aferentă se scad la sfârşitul jocului din bugetul firmei.

Jocul Managementul Vânzărilor - fiecare echipă joacă rolul unui Director
Regional de Vânzări şi concurează una împotriva celeilalte. Printre deciziile care

7
www.smartbox.ro
42
trebuiesc luate amintim: alegerea pieţelor de desfacere, selectarea produselor ce
trebuie cumpărate şi vândute, fixarea preţurilor, stabilirea dimensiunii parcului auto si
a rutelor, modalitatea de vânzare, mărimea propriei structuri de angajaţi, decizii
privind activitatea de marketing, planificarea şi stabilirea strategiilor manageriale, etc.
Jocul a fost elaborat datorita unui fenomen extrem de evident pe piaţa
românească de forţa de muncă, în special in sectorul de vânzări: marea majoritate
area sales managerilor sunt promovaţi din rândul agenţilor de vânzări care au
rezultate deosebite în activitate. Faptul că sunt foarte buni agenţi de vânzări nu
garantează că vor fi şi buni manageri în vânzări. Prima tentaţie care apare la o astfel
de persoană este să-şi păstreze comportamentul, adică să vândă mult. Astfel, noul
ASM provenit din rândul agenţilor de vânzări poate neglija anumite atribute
manageriale în vânzări (recrutare de noi agenţi, instruirea acestora - inclusiv "on the
job", motivarea lor, etc.) alocându-şi tot timpul disponibil vânzărilor personale. Prin
acest joc se permite fiecărui participant adoptarea tuturor atributelor manageriale în
vânzări: recrutare, training, motivare, training on the job şi vânzare personală.

Jocul Promoţiilor - pe baza unui buget iniţial şi a unui portofoliu de produse
similare, echipele vor concura pe aceeaşi piaţă. Ele vor trebui să decidă ce categorii
de clienţi trebuie să abordeze şi ce tipuri de produse pot fi vândute. Nu în ultimul
rând, participanţii vor decide cum să-şi promoveze produsele către aceste categorii
de clienţi. Clienţii vor alege produsele cu cea mai atractivă promovare şi care li se par
cele mai convenabile. În final, ei vor decide ce să cumpere şi de la care echipă,
oferind astfel jucătorilor avantaj competitiv.

Într-un joc de întreprindere se poate utiliza atât metoda de simulare Monte
Carlo (dacă intervin variabile aleatorii) sau tehnicile de simulare Forrester,
alături de metodele cercetării operaţionale sau statistico-matematice. Astfel,
având în vedere că un model matematic asigură o evaluare în termeni cantitativi
a unui fenomen, în timp ce orice proces economic complex impune în momentul
luării deciziei considerarea şi a factorilor calitativi, utilizatorul va combina cele
două categorii de metode (cantitative şi calitative).
43
Un joc de întreprindere trebuie astfel conceput încât să fie caracterizat
prin elasticitate; un model rigid neputând pune în valoare inteligenţa şi
creativitatea participanţilor şi, de asemenea, pe măsura derulării
experimentărilor nu permite perfecţionare sistemului.


CLASIFICAREA JOCURILOR DE SIMULARE

Jocurile de întreprindere sunt clasificate după numeroase criterii, dintre
cele mai importante fiind
8
:
- După sfera de acţiune, jocurile se clasifică în:
 Jocurile pentru întreaga întreprindere (Total Entreprise sau
Top Management) simulează funcţiile principale ale
întreprinderii, astfel încât participanţii la joc să poată înţelege
diversele legităţi ale unităţii economice în ansamblu, în condiţiile
influenţei reciproce atât dintre subsistemele interne, cât şi dintre
acestea şi mediul exterior.
 Jocul funcţional (Functional game) se referă la o funcţie
specifică a întreprinderii analizate, participanţii la joc putând
experimenta diferite decizii în cadrul compartimentului care
îndeplineşte funcţia simulată (serviciul de aprovizionare,
serviciul de investiţii, serviciul de producţie etc.) şi estima
eventualele consecinţe pentru alte compartimente cu care
acţionează în strânsă legătură.
 Jocurile complexe analizează mai multe funcţii ale întreprinderii
şi relaţiile principale cu alte compartimente sau chiar cu mediul
exterior întreprinderii. În acest caz, jucătorii trebuie să estimeze

8
Preluat după Raţiu – Suciu, Camelia, Modelarea & simularea proceselor economice – Teorie şi practică, Ediţia
a patra, Editura Economică, Bucureşti, 2005, pp. 254-257.
44
implicaţiile unei decizii adoptate într-un anumit compartiment
asupra altor compartimente ale întreprinderii. De asemenea, se
urmăreşte evaluarea efectelor unor perturbaţii asupra
compartimentului considerat chiar dacă aceste perturbaţii au
apărut în afară, de pildă, într-un compartiment cu care există
strânse legături.
 Jocurile pentru alte zone de specialitate permit testarea unor
strategii politice, economice, tehnico-organizatorice privind o
ramură de activitate economică dintr-o anumită zonă geografică.
De exemplu, dacă se consideră diverse programe de lucru ale
unor unităţi de servire, se pot constata efectele economice la
unităţile beneficiare sau se pot stabili consecinţele pentru unităţile
de servire analizate, corelate cu comportamentul unităţilor
consumatoare.

- După elementul competitiv, jocurile pot fi:
 Jocuri concurenţiale sunt acelea în care fiecare participant
adoptă astfel de decizii încât să-şi depăşească adversarul
(adversarii). Ele pot fi: jocuri interdependente şi jocuri
independente.
o Jocurile interdependente sunt acele jocuri în care
succesul unui participant este influenţat atât de
propriile decizii, cât şi de deciziile concurenţilor. În
acest caz, funcţia de performanţă economică a unui
jucător depinde atât de propriile acţiuni, cât şi de
acţiunile adversarului sau adversarilor săi. Sunt
jocuri specifice pentru economia de piaţă.
o Jocurile independente sunt acele jocuri în care
fiecare realizează îmbunătăţirea propriilor
45
performanţe economice, fără a acţiona asupra
celorlalţi jucători. Practic, jucătorul adoptă diverse
decizii cu scopul de a-şi îmbunătăţi indicatorii
economici, fără a leza interesele partenerului de
joc. În cadrul coaliţiilor de jucători se poate
considera că jocul este independent, atunci când
jucătorii din cadrul coaliţiei se ajută reciproc.
Coaliţia poate fi însă în competiţie cu alte coaliţii,
această competiţie putând avea caracter dependent
(dacă coaliţiile îşi influenţează rezultatele reciproc)
sau caracter independent, în caz contrar.
 Jocurile cooperative sunt acele jocuri în care doi parteneri
convin ca, cel puţin în privinţa anumitor clase de decizii şi
acţiuni, acestea să nu fie îndreptate împotriva intereselor
celuilalt partener. În cazul economiei de piaţă se stabilesc
convenţii între doi sau mai mulţi parteneri prin care aceştia îşi
împart piaţa pentru anumite produse conform unor principii, ca
de exemplu: fiecare partener îşi desface mărfurile pe piaţa cea
mai apropiată, fiecare partener vinde unui număr de clienţi
proporţional cu volumul producţiei etc.
 Jocurile contra naturii sunt acele jocuri în care un decident
real îşi îndreaptă acţiunea împotriva unui “partener virtual”, care
reprezintă, de fapt, mediul ambiental. Acest partener poate
acţiona atât în favoarea decidentului, cât şi în defavoarea
acestuia. Diferenţa dintre modul în care acţionează natura şi
modul în care acţionează un “partener” virtual este că acest
“partener” acţionează conştient, în timp ce mediul acţionează
fără intenţie (fără scop). În concluzie, aceste acţiuni constituie,
de fapt, perturbaţii. În majoritatea cazurilor participantul la joc
46
se găseşte în interacţiune cu mediul (natura). Pentru a contracara
efectele negative ale perturbaţiilor mediului este necesar să se
adopte o serie de măsuri preventive, care reduc probabilitatea de
apariţie a evenimentelor nedorite;
 Pachete de auto – învăţare – permit participanţilor să înveţe
prin exerciţii practice preluate din afaceri. Aceste pachete sunt
realizate astfel încât să furnizeze atât teorie cât şi practică
privind concepte fundamentale de afaceri (în Cătoiu, Iacob -
coordonator, Cercetări de marketing, Editura Uranus Bucureşti,
2002, p 439).

- După prelucrarea rezultatelor. În funcţie de acest criteriu, pot fi:
 Jocuri pe calculator
 Jocuri manuale.
În cazul jocurilor complexe se elaborează programe de calcul care
determină efectele economice ale deciziilor adoptate de parteneri. În
cazul unui joc simplu, calculele pot fi efectuate fie manual, fie cu
ajutorul unui minicalculator.

- După scopul urmărit, pot fi:
 Jocurile de instruire sunt acele jocuri care permit
participanţilor să înveţe să adopte decizii optime în condiţiile
unor situaţii ipotetice, dar foarte posibil a fi regăsite în practica
unităţilor economice. La aceste jocuri calculatorul efectuează
operaţii de rutină sau adoptă decizii simple. Deciziile importante
trebuie să fie adoptate însă de jucători raţionali. Prin solicitări
repetate se reuşeşte, de cele mai multe ori, perfecţionarea stilului
de adoptare a deciziilor de către jucători.
47
 Jocurile de întreprindere pentru fundamentarea deciziilor
operative sunt jocuri care permit specialiştilor să adopte decizii
mai bune, în condiţii reale. Aceste jocuri necesită utilizarea
calculatorului electronic, deoarece deciziile se adoptă pe baza
unui algoritm complex, care analizează efectele economice ale
mai multor soluţii (care constau în diferite variante sau strategii)
în condiţiile unor perturbaţii. În acest caz, decidentul poate
cunoaşte consecinţele asupra performanţelor economice atât ale
soluţiei optime (sau suboptime), cât şi ale soluţiilor ineficiente,
ceea ce îi permite ca, în afară de instruire, să obţină un spor
semnificativ de economii de resurse.


ETAPELE DESFĂŞURĂRII UNUI JOC DE ÎNTREPRINDERE

Jocurile de întreprindere se desfăşoară sub conducerea unui administrator
(arbitru) şi presupun parcurgerea mai multor etape, dintre care, cele mai
importante sunt:
 Descrierea generală a jocului şi instruirea participanţilor. În această
etapă sunt comunicate:
- regulile jocului;
- obiectivele jocului;
- valorile iniţiale ale parametrilor de stare precum şi evoluţiile
probabile ale unor indicator; posibile perturbaţiile şi eventual
probabilitatea de realizare etc.;
- restricţiile de joc (respectiv restricţii în legătură cu resursele la
dispoziţia participanţilor, informaţiile pe care le deţine sau le
poate obţine un participant, opţiunile posibile şi decizia pe care
48
trebuie să o adopte pentru realizarea obiectivului impus,
restricţii de acţiune etc.),
- obiectivele întreprinderii sau compartimentului pe care îl
reprezintă fiecare jucător;

 Adoptarea deciziilor de către participanţi.
Participanţii la joc trebuie să adopte deciziile pe care le consideră cele mai
bune pentru obiectivul urmărit, cu respectarea condiţiilor impuse iniţial şi
comunicate în etapa anterioară. De regulă, arbitrul nu pune la dispoziţia
jucătorilor nici un fel de algoritm, pentru găsirea celei mai bune soluţii, decizia
fiind adoptată pe baza competenţei, a unui algoritm euristic elaborat în timpul
jocului sau cunoscut anterior şi adaptat condiţiilor concrete ale jocului sau prin
tatonare (se aleg la întâmplare valori numerice ale parametrilor economici şi se
evaluează consecinţele). Direcţia de acţiune a fiecărui participant poate, în
consecinţă, să fie schimbată pe parcursul desfăşurării jocului pentru
îmbunătăţirea performanţelor.
Fiecare decizie adoptată de către participanţi constituie o iteraţie (ciclu) a
jocului, numărul total de iteraţii putând fi precizat de arbitru în prima etapă a
jocului. În unele cazuri el nu anunţă de la început acest număr de cicluri, aceasta
stabilindu-se pe parcurs derulării jocului în funcţie de rezultate şi, eventual, de
părerea consilierilor de joc.

 Efectuarea de către arbitru a calculelor şi evaluarea deciziilor adoptate.
În baza deciziile adoptate de către fiecare participant, precum şi a
perturbaţiilor apărute în perioada I jocului comunicate de către consilieri,
administratorul rulează programul de simulare şi evaluează consecinţele acestor
decizii asupra performanţelor economice ale întreprinderilor, sau
compartimentelor pe care le reprezintă jucătorii.
49
Astfel, arbitrul poate evalua măsură în care jucătorii stăpânesc fenomenele
economice şi poate estima atât timpul de instruire cât şi capacitatea
participanţilor de a conduce un compartiment / întreprinderea în totalitate.

 Comunicare de către arbitru a unei informări asupra rezultatelor
obţinute.
După evaluarea rezultatelor fiecărei iteraţii arbitrul, anunţă rezultatele
obţinute fiecărui participant. Sunt comunicate atât informaţii cu caracter general
(care privesc toţi participanţii la joc), dar şi informaţii destinate fiecărei echipe
(confidenţiale echipelor concurente). Unele informaţii pot fi obţinute doar contra
cost.
Jucătorii fac o analiză a rezultatelor. În baza căreia se ia decizia de a
menţine direcţia de acţiune, sau de a adopta o altă strategie.

 Efectuarea de către arbitru a unui test de continuare, respectiv încetare
a jocului.
Arbitrul ia decizia de a continua numărul de iteraţii sau de a înceta jocul.
Această decizie se poate baza fie pe realizarea numărului de iteraţii stabilit încă
de la începutul jocului, sau se poate baza pe o evaluare a situaţiei astfel:
- dacă se constată că toţi participanţii şi-au însuşit jocul cu mult
înainte de terminarea numărului prestabilit de cicluri se procedează
la finalizarea jocului;
- dacă se constată, însă, că participanţii nu şi-au însuşit jocul, arbitrul
poate mări numărul faţa de cel stabilit iniţial.
Pe parcursul derulării jocului, unii participanţi pot părăsi jocul (ex: în
cazul jocurilor concurenţiale, în situaţie de faliment).

 Anunţarea sfârşitului jocului şi a rezultatelor finale.
50
În baza evaluării evoluţiei de ansamblu a fiecărui participant, arbitrul
evaluează rezultatele jocului. Astfel, sunt calculaţi diverşi indicatori de
performanţă în baza cărora se va determina calificativul global al fiecărui
participant la joc şi care va sta la baza ierarhizării participanţilor. De asemenea,
se recomandă elaborarea de către fiecare echipă a unei prezentări care să
cuprindă deciziile adoptate. Aceasta va putea permite şi o evaluare a măsurii în
care participanţii s-au folosit de aspectele învăţate anterior, precum şi coerenţa
acţiunilor întreprinse.


LIMITE ALE JOCURILOR DE ÎNTREPRINDERE

 consumul mare de timp şi experienţă în diverse domenii (economic,
matematică, inginerie, informatică, programare) pentru conceperea,
modelarea şi punerea la punct a unui astfel de joc;
 rezultatele scontate apar după un anumit număr de ani (în timp ce
implementarea acestuia este extrem de costisitoare);


51

5.4. Simularea cu ajutorul tehnicilor Forrester

Modelarea dinamică (dinamica industrială) a fost elaborată de Jay
Forrester în perioada anilor '60. La baza acesteia stă faptul că funcţionarea unui
sistem presupune cunoaşterea interacţiunilor dintre fluxurile de informaţii,
comenzi, resurse materiale şi umane etc.
Un model dinamic surprinde comportarea sistemelor complexe,
evidenţiind modul în care structura acestora determină traiectoria, respectiv
comportarea în timp.
Tehnicile Forrester au fost utilizate deopotrivă la nivel microeconomic şi
macroeconomic. Astfel, la nivel microeconomic aplicaţiile au vizat alocarea
capacităţilor, programarea şi urmărirea producţiei, organizarea desfacerilor de
produse, controlul stocurilor. La nivel macroeconomic aceste tehnici au fost
utilizate pentru organizarea cercetării ştiinţifice şi protecţia mediului ambiant.
Instrumentele utilizate de dinamica industrială combină metodele de
natură calitativă cu cele cantitative.

La baza modelării dinamice stă ciclul informaţie – decizie – acţiune.
Acesta se constituie din două căi:
 calea directă: intrare (decizie) - ieşire (starea sistemului);
 calea de reacţie inversă (feed-back-ul): ieşire (starea sistemului) -
informaţie despre ieşire (eventual prelucrată) - intrare (decizie).






52
Avantajele utilizării tehnicilor de dinamică industrială:

 constituie o modalitate de analiză globală, sistemică a fenomenelor
economice complexe, evidenţiind elementele intercondiţionare,
precum şi procesele de feed-back;
 oferă posibilitatea rezolvării unor probele de mare complexitate prin
simulare, utilizând deopotrivă relaţii cantitative şi calitative;
 bazându-se pe analize şi interpretări calitative, tehnicile de tip
Forrseter evită rigiditatea modelelor matematice.

Tehnicile de dinamică industrială operează cu următoarele categorii de
variabile (mărimi ce sunt influenţate de deciziile din interiorul sistemului):
 variabile care reprezintă acumulări de cantităţi, ce sunt măsurabile
riguros la un moment dat (niveluri). De exemplu, nivelul
desfacerilor la un anumit moment dat;
 variabile care exprimă modul de desfăşurare a unor procese
(variabile de ritm). De exemplu ritmul desfacerilor într-o anumită
perioadă de timp.
 variabile auxiliare – constituie părţi ale ecuaţiilor de ritm care
exprimă concepte cu înţeles independent.
Variabilele de ritm sunt constante pe durata unui interval, în timp ce
variabilele de nivel capătă valori distincte la momente diferite

În afara acestor variabile tehnicile de dinamică industrială conţin şi
parametri a căror valori nu sunt influenţate de deciziile din interiorul sistemului
analizat. Valorile parametrilor pot fi modificate de la o simulare la alta.


53
Comportarea sistemului este descrisă cu ajutorul unui sistem de ecuaţii
ce cuprind:
 ecuaţii de nivel (variaţia unei variabile de stare);
 ecuaţii de ritm (ritmul variaţiei stării);
 ecuaţii auxiliare (dependenţa unei variabile de altă variabilă sau
 parametru).
54
5.5. Modele de simulare pentru studierea relaţiilor de cauzalitate.
Experimente de marketing utilizate în studiul legăturilor dintre
variabile

O serie de modele oferite de statistica matematică pot fi utilizate în
simularea fenomenelor de marketing în vederea determinării relaţiilor de
interdependenţă dintre două sau mai multe variabile, respectiv pentru verificarea
unor ipoteze legate de influenţele dintre variabilele studiate.


EXPERIMENTE FACTORIALE

Aceste modele studiază influenţa două sau mai multor variabile
independente - factori (precum şi interacţiunea dintre acestea) asupra unei
variabile dependente (rezultative).

Experimente doi factori (cu doi factori)
În cazul unui experiment factorial cu doi factori datele se pot organiza
astfel:


Niveluri ale variabilei independente B Niveluri ale variabilei
independente A 1 2 … j … b
y
111
y
121
… y
1j1
… y
1b1

y
112
y
122
… y
1j2
… y
1b2

.
.
.
.
.
.
.
.
1
y
11n11
y
12n12
… y
1jn1j
… y
1bn1b

. . . . .
j
.
.
.
.
.
.
.
.
.
y
a11
y
a21
… y
aj1
… y
ab1

y
a12
y
a22
… y
aj2
… y
ab2

.
.
.
.
.
.
.
.
a
y
a1na1
y
a2na2
… y
ajnaj
… y
abnab

55
y
ijk
– reprezintă nivelul variabilei dependente căruia i s-a aplicat nivelul i
al variabilei A ( i = a , 1 ) şi nivelul j al variabilei B (j = b , 1 ).

Se lansează ipoteza nulă conform căreia cele două variabile independente,
precum şi interacţiunea dintre ele nu au influenţă semnificativ variaţia variabilei
dependente.
Determinarea, cu ajutorul analizei dispersionale, a influenţelor celor două
variabile independente precum şi a interacţiunii dintre ele asupra variaţiei
variabilei rezultative, presupune calculul următorilor indicatori:
- variaţia totală sau suma abaterilor pătrate pe total (S
T
) se determină cu
ajutorul relaţiei:

¯¯¯
¯¯¯
= = =
= = =
|
|
.
|

\
|
÷ =
a
i
b
j
n
k
a
i
b
j
n
k
ijk
ijk T
ij
ij
n
y
y S
1 1 1
2
1 1 1
2
.
Variaţia totală se divide în două componente :
- variaţia determinată de cele două variabile independente, precum şi
de interacţiunea dintre acestea, respectiv, suma abaterilor pătrate între
grupurile constituite după variaţia simultană a celor două variabile
(S
Tr
);
- eroarea experimentală (S
E
).

Deci:
S
T
= S
Tr
+ S
E
;
n
y
n
y
S
a
i
b
j
n
k
ijk
a
i
b
j ij
n
k
ijk
Tr
ij ij
2
1 1 1
1 1
2
1
|
|
.
|

\
|
÷
|
|
.
|

\
|
=
¯¯¯
¯¯
¯
= = =
= =
=
,
S
E
= S
T
– S
Tr
.

56
De asemenea, suma abaterilor pătrate între grupurile constituite după
variaţia simultană a variabilelor A şi B (S
Tr
) este constituită din trei componente
S
A
, S
B
, S
AB
, respectiv, variaţia variabilei rezultative generată de variaţia variabilei
independente A, a variabilei independente B, precum şi ca rezultat al
interacţiunii dintre cele două variabile:

S
Tr
= S
A
+ S
B
+ S
AB.

Variaţia variabilei dependente ca rezultat al variaţiei variabilelor A, B,
precum şi ca rezultat al interacţiunii dintre acestea se determină cu ajutorul
relaţiilor:
n
y
n
y
S
a
i
b
j
n
k
ijk
a
i i
b
j
n
k
ijk
A
ij ij
2
1 1 1
1
2
1 1
|
|
.
|

\
|
÷
|
|
.
|

\
|
=
¯¯¯
¯
¯¯
= = =
=
= =
;
n
y
n
y
S
a
i
b
j
n
k
ijk
b
j j
a
i
n
k
ijk
B
ij ij
2
1 1 1
1
2
1 1
|
|
.
|

\
|
÷
|
|
.
|

\
|
=
¯¯¯
¯
¯¯
= = =
=
= =
;
S
AB
= S
Tr
– S
A
– S
B
,
unde:
n = numărul total al valorilor înregistrate ale variabilei dependente;
n
i
= numărul valorilor variabilei dependente din grupurile formate strict
după variaţia variabilei A;
n
j
= numărul valorilor variabilei dependente din grupurile formate strict
după variaţia variabilei B;
n
ij
= numărul valorilor variabilei dependente din grupurile formate după
variaţia variabilei A şi B.

Verificarea semnificaţiei statistice a celor trei efecte presupune
determinarea raporturilor Fisher, respectiv, a celor trei valori calculate F
c

corespunzătoare fiecărui efect studiat:
57
. :
) 1 )( 1 (
; :
1
; :
1
ab n
S
b a
S
F
ab n
S
b
S
F
ab n
S
a
S
F
E AB
c
E B
c
E A
c
AB
B
A
÷ ÷ ÷
=
÷ ÷
=
÷ ÷
=


Valorile calculate F
c
se compară cu valorile tabelate F corespunzătoare
pentru un anumit număr de grade de libertate şi un anumit nivel de semnificaţie
o determinat în funcţie de probabilitatea P cu care se garantează rezultatele.
Dacă: F
c
> F tabelat, ipoteza nulă se respinge, variabila independentă
(interacţiunea dintre acestea) are o influenţă semnificativă asupra variabilei
dependente;
F
c
< F tabelat, ipoteza nulă se acceptă, variabila independentă
(interacţiunea dintre cele două variabile) nu are influenţă semnificativă asupra
variabilei dependente, pentru probabilitatea de garantare a rezultatelor
considerată.














58
Tabelul de calcul pentru analiza datelor în proiectarea complet aleatoare cu doi
factori:
Natura variaţiei Suma pătratelor abaterilor
Numărul
gradelor
de
libertate
Valorile F
c

Totală
¯¯¯
¯¯¯
= = =
= = =
|
|
.
|

\
|
÷ =
a
i
b
j
n
k
a
i
b
j
n
k
ijk
ijk T
ij
ij
n
y
y S
1 1 1
2
1 1 1
2

n-1 -
Generată de factorii
experimentali A şi B,
precum şi de
interacţiunea dintre ei
n
y
n
y
S
a
i
b
j
n
k
ijk
a
i
b
j ij
n
k
ijk
Tr
ij ij
2
1 1 1
1 1
2
1
|
|
.
|

\
|
÷
|
|
.
|

\
|
=
¯¯¯
¯¯
¯
= = =
= =
=

ab-1 -
Generată de factorul
experimental A
n
y
n
y
S
a
i
b
j
n
k
ijk
a
i i
b
j
n
k
ijk
A
ij ij
2
1 1 1
1
2
1 1
|
|
.
|

\
|
÷
|
|
.
|

\
|
=
¯¯¯
¯
¯¯
= = =
=
= =

a-1
ab n
S
a
S
F
E A
c
A
÷ ÷
= :
1

Generată de factorul
experimental B
n
y
n
y
S
a
i
b
j
n
k
ijk
b
j j
a
i
n
k
ijk
B
ij ij
2
1 1 1
1
2
1 1
|
|
.
|

\
|
÷
|
|
.
|

\
|
=
¯¯¯
¯
¯¯
= = =
=
= =

b-1
ab n
S
b
S
F
E B
c
B
÷ ÷
= :
1

Generată de
interacţiunea dintre
factorii experimentali
A şi B
S
AB
= S
Tr
– S
A
– S
B

(a-1)(b-
1)
ab n
S
b a
S
F
E AB
c
AB
÷ ÷ ÷
= :
) 1 )( 1 (

Reziduală
S
E
= S
T
– S
Tr

n-ab -

Similar pot fi studiate influenţele mai multor variabile, ca şi interacţiunea
dintre acestea, prin intermediul unui experiment multifactorial. De exemplu, în
cazul unui experiment cu trei factori (A, B, C), se studiază influenţa fiecărui
factor experimental A, B, C, precum şi influenţa următoarelor interacţiuni: A - B,
A - C, B - C şi, respectiv, A – B – C.





59
Exemplu
Considerăm următoarele valori înregistrate ale unei variabile dependente
y
ij
sub acţiunea a nivelurilor a două variabile independente A şi B.

Variabila independentă B
Variabila
independentă A
B
1
B
2
B
3
B
4

Total
24 26 38 39
27 28 36 42
25 34 21 44
A
1

23 48
455
34 31 39 47
36 46 41 51
41 45 48 56
21 56
A
2

46
638
33 43 41 49
45 46 45 55
47 32 36 61
A
3

41 42
616
Total 333 395 447 534 1709

Lansăm ipoteza nulă conform căreia cei doi factori experimentali, precum
şi interacţiunea dintre ei nu au influenţă semnificativă asupra variaţiei variabilei
dependente.
19 , 144 . 4 81 , 922 . 67 067 . 72
1 1 1
2
1 1 1
2
= ÷ =
|
|
.
|

\
|
÷ =
¯¯¯
¯¯¯
= = =
= = =
a
i
b
j
n
k
a
i
b
j
n
k
ijk
ijk T
ij
ij
n
y
y S

067 . 72 42 ..... 25 27 24
....
2 2 2 2
4
1
2
34
3
1
2
33
3
1
2
13
4
1
2
12
3
1
2
11
1 1 1
2
= + + + + =
= + + + + + =
¯ ¯ ¯ ¯ ¯ ¯¯¯
= = = = = = = = k
k
k
k
k
k
k
k
k
k
a
i
b
j
n
k
ijk
y y y y y y
ij

81 , 922 . 67
43
1709
43
) 42 61 ...... 28 26 25 27 24 (
2 2
2
1 1 1
= =
+ + + + + + +
=
|
|
.
|

\
|
¯¯¯
= = =
n
y
a
i
b
j
n
k
ijk
ij

94 , 818 . 2 81 , 922 . 67 75 , 741 . 70
2
1 1 1
1 1
2
1
= ÷ =
|
|
.
|

\
|
÷
|
|
.
|

\
|
=
¯¯¯
¯¯
¯
= = =
= =
=
n
y
n
y
S
a
i
b
j
n
k
ijk
a
i
b
j ij
n
k
ijk
Tr
ij ij

60
( ) ( ) ( )
75 , 741 . 70
4
42 61 55 49
.......
4
23 34 28 26
3
25 27 24
2 2 2
1 1
2
1
=
+ + +
+ +
+ + +
+
+ +
=
|
|
.
|

\
|
¯¯
¯
= =
=
a
i
b
j ij
n
k
ijk
n
y
ij

96 , 104 . 1 81 , 922 . 67 77 , 027 . 69
2
1 1 1
1
2
1 1
= ÷ =
|
|
.
|

\
|
÷
|
|
.
|

\
|
=
¯¯¯
¯
¯¯
= = =
=
= =
n
y
n
y
S
a
i
b
j
n
k
ijk
a
i i
b
j
n
k
ijk
A
ij ij

77 , 027 . 69
14
616
15
638
14
455
2 2 2
1
2
1 1
= + + =
|
|
.
|

\
|
¯
¯¯
=
= =
a
i i
b
j
n
k
ijk
n
y
ij

91 , 437 . 1 81 , 922 . 67 72 , 360 . 69
2
1 1 1
1
2
1 1
= ÷ =
|
|
.
|

\
|
÷
|
|
.
|

\
|
=
¯¯¯
¯
¯¯
= = =
=
= =
n
y
n
y
S
a
i
b
j
n
k
ijk
b
j j
a
i
n
k
ijk
B
ij ij

72 , 360 . 69
11
534
11
447
11
395
10
333
2 2 2 2
1
2
1 1
= + + + =
|
|
.
|

\
|
¯
¯¯
=
= =
b
j j
a
i
n
k
ijk
n
y
ij


S
AB
= S
Tr
– S
A
– S
B
= 2.818,94 - 1.104,96 - 1.437,91 = 276,07

S
E
= S
T
– S
Tr
= 4.144,19 - 2.818,94 = 1.325,25

92 , 12
4 3 43
25 , 325 . 1
:
1 3
96 , 104 . 1
:
1
=
· ÷ ÷
=
÷ ÷
=
ab n
S
a
S
F
E A
c
A

21 , 11
4 3 43
25 , 325 . 1
:
1 4
91 , 437 . 1
:
1
=
· ÷ ÷
=
÷ ÷
=
ab n
S
b
S
F
E B
c
B

08 , 1
4 3 43
25 , 325 . 1
:
) 1 4 )( 1 3 (
07 , 276
:
) 1 )( 1 (
=
· ÷ ÷ ÷
=
÷ ÷ ÷
=
ab n
S
b a
S
F
E AB
c
AB


Notă: Nedispunând de valori tabelate ale lui F pentru 3 – 1 = 2 şi, respectiv, 43 – 3
.
4 = 31
grade de libertate, precum şi pentru 4 – 1 = 3 şi, respectiv, 31 grade de libertate, acestea au
fost citite pentru 2 şi 30, respectiv, pentru 3 şi 30 grade de libertate şi pentru un nivel de
semnificaţie de 0,001.
În aceeaşi ordine de idei, nedispunând de valoarea tabelată a lui F pentru (3 – 1)(4 – 1) = 6 şi,
respectiv, 31 grade de libertate, aceasta a fost citită pentru 6 şi, respectiv, 30 grade de libertate
şi pentru un nivel de semnificaţie de 0,05.
F
0,001; 2, 30
= 8,77;
61
F
0,001; 3, 30
= 7,05;
F
0,05; 6, 30
= 2,42.

Comparând valorile F
c
calculate cu valorile tabelate, se observă că cei doi
factori experimentali sunt semnificativi pentru o probabilitate de garantare a
rezultatelor de 99,9%, deci pentru un nivel de semnificaţie o de 0,001.
8,77 < 12,92
7,05 < 11,21.

Deci variabila dependentă este influenţată semnificativ de cele două
variabile independente, însă interacţiunea dintre ele nu influenţează semnificativ
variaţia variabile Y, valoarea calculată Fc
AB
fiind inferioară valorii tabelate
pentru o probabilitate de garantare a rezultatelor de 95%:
2,42 > 1,08.


METODA BLOCURILOR RANDOMIZATE

Modelele de proiectare a experimentelor de tipul blocuri aleatoare sau
randomizate se caracterizează prin faptul că izolează şi măsoară efectele pe
care o variabilă independentă “din afară” le are asupra variaţiei variabilei
rezultative. Această categorie de modele de proiectare oferă, comparativ cu
modelele prezentate anterior rezultate mai valide, în majoritatea cazurilor
fenomenele cercetate fiind influenţate cel puţin de o variabilă “externă” cu
efecte asupra variaţiei variabilei rezultative.
Controlul variabilei “externe” se realizează prin gruparea în blocuri,
valorile variabilei dependente din cadrul fiecărui bloc fiind obţinute sub
influenţa aceluiaşi nivel a variabilei „externe”.
62
Prin această categorie de experimente (datorită izolării şi măsurării
influenţei pe care variabila controlată “din afară” o exercită asupra variaţiei
variabilei rezultative) se poate măsura cu mai multă precizie influenţa variabilei
sau variabilelor independente, precum şi a interacţiunii dintre acestea, asupra
variaţiei variabilei dependente.


Blocuri randomizate cu un singur factor
Organizarea datelor în cazul schemelor experimentale de tipul blocuri
randomizate cu un singur factor se realizează astfel:









Fiecare coloană j cuprinde n valori ale variabilei dependente obţinută sub
acţiunea nivelului j a variabilei independente. De asemenea, fiecare rând i,
cuprinde r valori grupate în acelaşi bloc, respectiv, omogene din punctul de
vedere al variabilei “externe” controlate.
Determinarea influenţei factorului experimental şi a variabilei “externe”
asupra variaţiei variabilei rezultative şi a semnificaţiei acestor influenţe se
realizează cu ajutorul analizei variaţiei.
Se lansează ipoteza nulă conform căreia factorul experimental şi,
respectiv, variabila “externă” controlată nu au influenţă semnificativă asupra
variabilei dependente.
Nivele ale variabilei X Nivele ale variabilei
externe controlate E x
1
x
2
x
3
… x
j
… x
r

e
1
y
11
y
12
y
13
… y
1j
… y
1r

e
2
y
21
y
22
y
23
… y
2j
… y
2r

.
.
.
.
.
.
.
.
.
.
.
.
e
i
y
i1
y
i2
y
i3
… y
ij
… y
ir

.
.
.
.
.
.
.
.
.
.
.
.
e
n
y
n1
y
n2
y
n3
… y
nj
… y
nr

63
Se determină variaţia totală înregistrată de toate unităţile cercetate,
respectiv, suma abaterilor pătrate ale valorilor înregistrate ale variabilei
rezultative faţă de media lor aritmetică (S
T
):

nr
y
y S
n
i
r
j
ij
n
i
r
j
ij T
2
1 1
1 1
2
|
|
.
|

\
|
÷ =
¯¯
¯¯
= =
= =
.
Variaţia totală se descompune în:
- variaţia între grupuri sau suma abaterilor pătrate între grupuri (S
Tr
),
care exprimă influenţa variabilei factoriale;
- variaţia între blocuri sau suma abaterilor pătrate între blocuri (S
Bl
),
care exprimă influenţa variabilei “externe” controlate;
- eroarea experimentală (S
E
), care măsoară influenţa altor factori
neincluşi în model (întâmplători).
Ele se determină după cum urmează:

¯
¯¯
¯
=
= =
=
|
|
.
|

\
|
÷
|
.
|

\
|
=
r
j
n
i
r
j
ij
n
i
ij
Tr
nr
y
n
y
S
1
2
1 1
2
1
;
¯
¯¯ ¯
=
= = =
|
|
.
|

\
|
÷
|
|
.
|

\
|
=
n
i
n
i
r
j
ij
r
j
ij
Bl
nr
y
r
y
S
1
2
1 1
2
1
;
S
E
= S
T
– S
Tr
– S
Bl
,
unde:
y
ij
– reprezintă nivelul variabilei dependente înregistrat sub acţiunea
nivelul i ( i = n , 1 ) a variabilei „externe” şi nivelul j al variabilei factorial (
j = r , 1 ).

Verificarea semnificaţiei statistice a influenţei factorului experimental,
precum şi a variabilei “din afară” presupune determinarea raporturilor
Fisher, corespunzătoare fiecărui efect studiat:
64
;
) 1 )( 1 (
:
1 ÷ ÷ ÷
=
r n
S
r
S
F
E Tr
c
Tr

) 1 )( 1 (
:
1 ÷ ÷ ÷
=
r n
S
n
S
F
E Bl
c
Bl
,
unde:
r = numărul de grupuri ;
n = numărul de blocuri;
Valorile calculate Fc
Tr
şi, respectiv, Fc
Bl
se compară cu valoarea tabelată
F
o;r-1,(n-1)(r-1)
şi, respectiv, F
o,n-1,(n-1)(r-1),
citite din tabelele Fisher, pentru nivelul de
semnificaţie o, ales.
Dacă: F
c
> F tabelat, ipoteza nulă se respinge, variabila factorială şi
variabila independentă “din afară” are o influenţă semnificativă asupra variaţiei
variabilei dependente;
F
c
< F

tabelat, ipoteza nulă se acceptă, variabila factorială şi
variabila independentă “din afară” nu au influenţă semnificativă asupra
variabilei dependente, pentru nivelul de semnificaţie considerat.

Tabelul de calcul pentru analiza datelor în proiectarea cu ajutorul blocurilor
randomizate a experimentelor cu un singur factor:
Natura variaţiei Suma pătratelor abaterilor
Numărul
gradelor de
libertate
Valorile F
c

Totală
nr
y
y S
n
i
r
j
ij
n
i
r
j
ij T
2
1 1
1 1
2
|
|
.
|

\
|
÷ =
¯¯
¯¯
= =
= =

rn-1 -
Între grupe
(factorială)
¯
¯¯
¯
=
= =
=
|
|
.
|

\
|
÷
|
.
|

\
|
=
r
j
n
i
r
j
ij
n
i
ij
Tr
nr
y
n
y
S
1
2
1 1
2
1

r-1
) 1 )( 1 (
:
1 ÷ ÷ ÷
=
r n
S
r
S
F
E Tr
c
Tr

Între blocuri
(sub influenţa
variabilei “din
afară”)
¯
¯¯ ¯
=
= = =
|
|
.
|

\
|
÷
|
|
.
|

\
|
=
n
i
n
i
r
j
ij
r
j
ij
Bl
nr
y
r
y
S
1
2
1 1
2
1

n-1
) 1 )( 1 (
:
1 ÷ ÷ ÷
=
r n
S
n
S
F
E Bl
c
Bl

Reziduală
S
E
= S
T
– S
Tr
– S
Bl


(n-1)(r-1) -
65

Exemplu
Considerăm următoarele valori înregistrate ale unei variabile dependente
y
ij
sub acţiunea nivelurilor variabilei independente X. Se controlează variaţia
variabilei externe E.

Variabila independentă X
Variabila
externă
controlată E
x
1
x
2
x
3

e
1
13 27 41
e
2
21 13 33
e
3
14 41 45
e
4
15 25 16
e
5
9 21 41
e
6
11 18 37
e
7
19 29 23
e
8
12 14 18
e
9
21 9 46
e
10
17 15 51
Total 152 212 351

Lansăm ipoteza nulă conform căreia variabila independentă X şi variabila
“externă” E –nu au influenţă semnificativă asupra variabilei dependente.

17 , 410 . 4 83 , 040 . 17 451 . 21
2
1 1
1 1
2
= ÷ =
|
|
.
|

\
|
÷ =
¯¯
¯¯
= =
= =
nr
y
y S
n
i
r
j
ij
n
i
r
j
ij T

451 . 21 51 46 ...... 14 21 13
2 2 2 2 2
1 1
2
= + + + + + =
¯¯
= =
n
i
r
j
ij
y

( )
83 , 040 . 17
10 3
351 212 152
2
2
1 1
=
·
+ +
=
|
|
.
|

\
|
¯¯
= =
nr
y
n
i
r
j
ij

07 , 084 . 2 83 , 040 . 17 9 , 124 . 19
1
2
1 1
2
1
= ÷ =
|
|
.
|

\
|
÷
|
.
|

\
|
=
¯
¯¯
¯
=
= =
=
r
j
n
i
r
j
ij
n
i
ij
Tr
nr
y
n
y
S

9 , 124 . 19
10
351
10
212
10
152
2 2 2
1
2
1
= + + =
|
.
|

\
|
¯
¯
=
=
r
j
n
i
ij
n
y

66
3 8 , 700 83 , 040 . 17 67 , 741 . 17
1
2
1 1
2
1
¯
¯¯ ¯
=
= = =
= ÷ =
|
|
.
|

\
|
÷
|
|
.
|

\
|
=
n
i
n
i
r
j
ij
r
j
ij
Bl
nr
y
r
y
S

( ) ( ) ( )
67 , 741 . 17
3
51 15 17
...
3
33 13 21
3
41 27 13
2 2
1
2
2
1
=
+ +
+ +
+ +
+
+ +
=
|
|
.
|

\
|
¯
¯
=
=
n
i
r
j
ij
r
y

S
E
= S
T
– S
Tr
– S
Bl
= 4.410,17 - 2.084,07 - 700,83 = 1625,27
541 , 11
) 1 3 )( 1 10 (
27 , 625 . 1
:
1 3
07 , 084 . 2
) 1 )( 1 (
:
1
=
÷ ÷ ÷
=
÷ ÷ ÷
=
r n
S
r
S
F
E Tr
c
Tr

862 , 0
) 1 3 )( 1 10 (
27 , 625 . 1
:
1 10
83 , 700
) 1 )( 1 (
:
1
=
÷ ÷ ÷
=
÷ ÷ ÷
=
r n
S
n
S
F
E Bl
c
Bl

Valoarea calculată Fc
Tr
se compară cu valoarea teoretică pentru o
probabilitate de garantare a rezultatelor de 99% şi pentru 2 şi, respectiv, 18
grade de libertate şi un nivel de semnificaţie o de 1 - 0,99 = 0,01. (F
0,01; 2, 18
=
6,01).
De asemenea, valoarea Fc
Bl
se compară cu valoarea tabelată F pentru 9 şi,
respectiv, 18 grade de libertate şi un nivel de semnificaţie o de 0,05.
Notă: Nedispunând de valoarea tabelată a lui F pentru 9 şi, respectiv, 18 grade de libertate,
aceasta a fost citită pentru 8 şi, respectiv, 18 grade de libertate. (F
0,05; 8, 18
= 2,51)
11,541 >6,01;

0,862 < 2,51
.
Rezultă că ipoteza nulă se respinge, variabila X are o influenţă
semnificativă asupra variabilei dependente, pentru o probabilitate de garantare a
rezultatelor de 99%, în schimb, variabila E nu influenţează semnificativ
variabila Y pentru o probabilitate de garantare a rezultatelor de 95%.


Blocuri randomizate cu doi factori
În cazul schemelor experimentale de tipul blocuri randomizate cu doi
factori, organizarea datelor este similară cu cea specifică proiectării factoriale
cu doi factori, deosebirea constând în faptul că fiecare k valoare a variabilei
dependente din cadrul fiecărui grup face parte din blocul k. Deci există n
67
blocuri, câte valori ale variabilei dependente sunt cuprinse în fiecare grup.
Similar cu cazul proiectării complet aleatoare cu doi factori, există doi factori A
şi B, factorul experimental A are a nivele, iar factorul B, b nivele.
Se lansează ipoteza nulă conform căreia cale două variabile independente,
interacţiunea dintre acestea şi variabila “externă” controlată nu au influenţă
semnificativă asupra variabilei dependente.
Determinarea influenţelor pe care fiecare dintre cei doi factori,
interacţiunea dintre ei, precum şi variabila “din afară” le au asupra variaţiei
variabilei rezultative, presupune determinarea următorilor indicatori:
- variaţia totală sau suma abaterilor pătrate pe total (S
T
), care se determină
cu ajutorul relaţiei:

¯¯¯
¯¯¯
= = =
= = =
|
|
.
|

\
|
÷ =
a
i
b
j
n
k
a
i
b
j
n
k
ijk
ijk T
abn
y
y S
1 1 1
2
1 1 1
2
.
Variaţia totală se divide în trei componente :
- variaţia determinată de cele două variabile factoriale,, precum şi de
interacţiunea dintre acestea (S
Tr
);
- variaţia între blocuri sau suma abaterilor pătrate între blocuri (S
Bl
),
care exprimă influenţa variabilei “externe” controlate;
- eroarea experimentală (S
E
);
Deci:
S
T
= S
Tr
+ S
Bl
+ S
E
;
abn
y
n
y
S
a
i
b
j
n
k
ijk
a
i
b
j
n
k
ijk
Tr
2
1 1 1
1 1
2
1
|
|
.
|

\
|
÷
|
.
|

\
|
=
¯¯¯
¯¯
¯
= = =
= =
=
;
abn
y
ab
y
S
a
i
b
j
n
k
ijk
n
k
a
i
b
j
ijk
Bl
2
1 1 1
1
2
1 1
|
|
.
|

\
|
÷
|
|
.
|

\
|
=
¯¯¯
¯
¯¯
= = =
=
= =
,
S
E
= S
T
– S
Tr
– S
Bl
.
68
Suma abaterilor pătrate între grupuri (S
Tr
) este constituită din trei
componente S
A
, S
B
, S
AB
, respectiv, variaţia variabilei rezultative sub influenţa
variaţiei factorului A, a factorului B, precum şi ca rezultat al interacţiunii dintre
cei doi factori:

S
Tr
= S
A
+ S
B
+ S
AB
;
abn
y
bn
y
S
a
i
b
j
n
k
ijk
a
i
b
j
n
k
ijk
A
2
1 1 1
1
2
1 1
|
|
.
|

\
|
÷
|
|
.
|

\
|
=
¯¯¯
¯
¯¯
= = =
=
= =
;
abn
y
an
y
S
a
i
b
j
n
k
ijk
b
j
a
i
n
k
ijk
B
2
1 1 1
1
2
1 1
|
|
.
|

\
|
÷
|
.
|

\
|
=
¯¯¯
¯
¯¯
= = =
=
= =
;
S
AB
= S
Tr
– S
A
– S
B
.
unde:
y
ijk
– reprezintă nivelul variabilei dependente din blocul k ( k = n , 1 ) căreia
i se aplică nivelul i al factorului A ( i = a , 1 ) şi nivelul j al factorului B ( j
= b , 1 ).
Verificarea semnificaţiei statistice a celor trei efecte, datorate factorilor
experimentali, precum şi al celui datorat variabilei “din afară” presupune
determinarea următoarelor raporturi Fisher:
.
) 1 )( 1 (
:
1
;
) 1 )( 1 (
:
) 1 )( 1 (
;
) 1 )( 1 (
:
1
;
) 1 )( 1 (
:
1
÷ ÷ ÷
=
÷ ÷ ÷ ÷
=
÷ ÷ ÷
=
÷ ÷ ÷
=
ab n
S
n
S
F
ab n
S
b a
S
F
ab n
S
b
S
F
ab n
S
a
S
F
E Bl
c
E AB
c
E B
c
E A
c
Bl
AB
B
A

Valorile calculate F
c
se compară cu valorile tabelate F pentru numărul
corespunzător de grade de libertate de la numărător şi, respectiv, de la numitor şi
pentru nivelul de semnificaţie o ales, interpretarea rezultatelor fiind similară cu
cea prezentată la modelele anterioare.

69
Tabelul de calcul pentru analiza datelor în proiectarea cu ajutorul blocurilor
randomizate a experimentelor cu doi factori:
Natura variaţiei Suma pătratelor abaterilor
Numărul
gradelor de
libertate
Valorile F
c

Totală
¯¯¯
¯¯¯
= = =
= = =
|
|
.
|

\
|
÷ =
a
i
b
j
n
k
a
i
b
j
n
k
ijk
ijk T
abn
y
y S
1 1 1
2
1 1 1
2

abn-1 -
Generată de factorii A şi
B, precum şi de
interacţiunea dintre ei
abn
y
n
y
S
a
i
b
j
n
k
ijk
a
i
b
j
n
k
ijk
Tr
2
1 1 1
1 1
2
1
|
|
.
|

\
|
÷
|
.
|

\
|
=
¯¯¯
¯¯
¯
= = =
= =
=

ab-1 -
Între blocuri
(sub influenţa variabilei
“din afară”)
abn
y
ab
y
S
a
i
b
j
n
k
ijk
n
k
a
i
b
j
ijk
Bl
2
1 1 1
1
2
1 1
|
|
.
|

\
|
÷
|
|
.
|

\
|
=
¯¯¯
¯
¯¯
= = =
=
= =

n-1
) 1 )( 1 (
:
1 ÷ ÷ ÷
=
ab n
S
n
S
F
E Bl
c
Bl

Generată de factorul A
abn
y
bn
y
S
a
i
b
j
n
k
ijk
a
i
b
j
n
k
ijk
A
2
1 1 1
1
2
1 1
|
|
.
|

\
|
÷
|
|
.
|

\
|
=
¯¯¯
¯
¯¯
= = =
=
= =

a-1
) 1 )( 1 (
:
1 ÷ ÷ ÷
=
ab n
S
a
S
F
E A
c
A

Generată de factorul B
abn
y
an
y
S
a
i
b
j
n
k
ijk
b
j
a
i
n
k
ijk
B
2
1 1 1
1
2
1 1
|
|
.
|

\
|
÷
|
.
|

\
|
=
¯¯¯
¯
¯¯
= = =
=
= =

b-1
) 1 )( 1 (
:
1 ÷ ÷ ÷
=
ab n
S
b
S
F
E B
c
B

Generată de
interacţiunea dintre
factorii A şi B
S
AB
= S
Tr
– S
A
– S
B
(a-1)(b-1)
) 1 )( 1 (
:
) 1 )( 1 ( ÷ ÷ ÷ ÷
=
ab n
S
b a
S
F
E AB
c
AB

Reziduală
S
E
= S
T
– S
Tr
– S
Bl

(n-1)(ab-1) -


Exemplu
Considerăm următoarele valori înregistrate ale unei variabile dependente
y
ij
sub acţiunea nivelurilor variabilelor independente A şi B. Se controlează
variaţia variabilei externe E.





70
B
1
B
2
TOTAL
33 (e
1
) 15 (e
1
)
27 (e
2
) 8 (e
2
)
45 (e
3
) 21(e
3
)
37 (e
4
) 11 (e
4
)
A
1

35 (e
5
) 19 (e
5
)
Total 177 74
251
27 (e
1
) 14 (e
1
)
25 (e
2
) 12 (e
2
)
31 (e
3
) 11 (e
3
)
19 (e
4
) 7 (e
4
)
A
2

22 (e
5
) 15 (e
5
)
Total 124 59
183
TOTAL 301 133 434

Lansăm ipoteza nulă conform căreia cei doi factori, interacţiunea dintre ei
şi variabila “externă” controlată nu au influenţă semnificativă asupra variaţiei
variabilei dependente.

2 , 126 . 2 8 , 417 . 9 544 . 11
1 1 1
2
1 1 1
2
= ÷ =
|
|
.
|

\
|
÷ =
¯¯¯
¯¯¯
= = =
= = =
a
i
b
j
n
k
a
i
b
j
n
k
ijk
ijk T
abn
y
y S

544 . 11 15 7 .... 45 27 33
2 2 2 2 2
1 1 1
2
= + + + + + =
¯¯¯
= = =
a
i
b
j
n
k
ijk
y

8 , 417 . 9
5 2 2
434
2
2
1 1 1
=
· ·
=
|
|
.
|

\
|
¯¯¯
= = =
abn
y
a
i
b
j
n
k
ijk

6 , 714 . 1 8 , 417 . 9 4 , 132 . 11
2
1 1 1
1 1
2
1
= ÷ =
|
|
.
|

\
|
÷
|
.
|

\
|
=
¯¯¯
¯¯
¯
= = =
= =
=
abn
y
n
y
S
a
i
b
j
n
k
ijk
a
i
b
j
n
k
ijk
Tr

4 , 132 . 11
5
59
5
74
5
124
5
177
2 2 2 2
1 1
2
1
= + + + =
|
.
|

\
|
¯¯
¯
= =
=
a
i
b
j
n
k
ijk
n
y

7 , 213 8 , 417 . 9 5 , 631 . 9
2
1 1 1
1
2
1 1
= ÷ =
|
|
.
|

\
|
÷
|
|
.
|

\
|
=
¯¯¯
¯
¯¯
= = =
=
= =
abn
y
ab
y
S
a
i
b
j
n
k
ijk
n
k
a
i
b
j
ijk
Bl

5 , 631 . 9
2 2
) 15 22 19 35 (
....
2 2
) 12 25 8 27 (
2 2
) 14 27 15 33 (
2 2 2
1
2
1 1
=
·
+ + +
+ +
·
+ + +
+
·
+ + +
=
|
|
.
|

\
|
¯
¯¯
=
= =
n
k
a
i
b
j
ijk
ab
y

71
S
E
= S
T
– S
Tr
– S
Bl
= 2.126,2 - 1.714,6 - 213,7 = 197,9


2 , 231 8 , 417 . 9 649 . 9
2
1 1 1
1
2
1 1
= ÷ =
|
|
.
|

\
|
÷
|
|
.
|

\
|
=
¯¯¯
¯
¯¯
= = =
=
= =
abn
y
bn
y
S
a
i
b
j
n
k
ijk
a
i
b
j
n
k
ijk
A

649 . 9
5 2
183
5 2
251
2 2
1
2
1 1
=
·
+
·
=
|
|
.
|

\
|
¯
¯¯
=
= =
a
i
b
j
n
k
ijk
bn
y

2 , 411 . 1 8 , 417 . 9 829 . 10
2
1 1 1
1
2
1 1
= ÷ =
|
|
.
|

\
|
÷
|
.
|

\
|
=
¯¯¯
¯
¯¯
= = =
=
= =
abn
y
an
y
S
a
i
b
j
n
k
ijk
b
j
a
i
n
k
ijk
B

829 . 10
5 2
133
5 2
301
2 2
1
2
1 1
=
·
+
·
=
|
.
|

\
|
¯
¯¯
=
= =
b
j
a
i
n
k
ijk
an
y

S
AB
= S
Tr
- S
A
- S
B
= 1.714,6 - 231,2 - 1.411,2 = 72,2

Verificarea semnificaţiei statistice a celor trei efecte, datorate factorilor,
precum şi cel datorat variabilei “din afară” presupune determinarea raporturilor
Fisher, respectiv:

019 , 14
) 1 2 2 )( 1 5 (
9 , 197
:
1 2
2 , 231
) 1 )( 1 (
:
1
=
÷ · ÷ ÷
=
÷ ÷ ÷
=
ab n
S
a
S
F
E A
c
A

570 , 85
) 1 2 2 )( 1 5 (
9 , 197
:
1 2
2 , 411 . 1
) 1 )( 1 (
:
1
=
÷ · ÷ ÷
=
÷ ÷ ÷
=
ab n
S
b
S
F
E B
c
B

378 , 4
) 1 2 2 )( 1 5 (
9 , 197
:
) 1 2 )( 1 2 (
2 , 72
) 1 )( 1 (
:
) 1 )( 1 (
=
÷ · ÷ ÷ ÷
=
÷ ÷ ÷ ÷
=
ab n
S
b a
S
F
E AB
c
AB

240 , 3
) 1 2 2 )( 1 5 (
9 , 197
:
1 5
7 , 213
) 1 )( 1 (
:
1
=
÷ · ÷ ÷
=
÷ ÷ ÷
=
ab n
S
n
S
F
E Bl
c
Bl


Comparând valorile F calculate cu valorile tabelate, se observă că ipoteza
nulă se respinge, respectiv, influenţa factorului A este semnificativă pentru o
probabilitate de garantare a rezultatelor de 99%, a factorului B este semnificativă
pentru o probabilitate de garantare a rezultatelor de 99,9%, însă interacţiunea
72
dintre factori, precum şi variabila “din afară” nu au influenţă semnificativă
asupra variaţiei variabilei dependente:
Fc
A
= 14,019 > F
0,01; 1, 12
= 9,33;
Fc
B
= 85,570 > F
0,001; 1, 12
= 18,64;
Fc
AB
= 4,378 < F
0,05; 1,12
= 4,75;
Fc
Bl
= 3,240 < F
0,05; 4, 12
= 3,26.



73
Anexa nr. 1
Tabel cu valorile repartiţiei Student în funcţie de nivelul de semnificaţie α
şi numărul f al gradelor de libertate

Nivel de semnificaţie pentru testul bilateral
α

f
0,50 0,20 0,10 0,05 0,02 0,01 0,002 0,001 0,0001
1 1,000 3,078 6,314 12,706 31,821 63,657 318,309 636,618 6366,198
2 0,816 1,886 2,920 4,303 6,695 9,925 22,327 31,598 99,992
3 0,765 1,638 2,353 3,182 4,541 5,841 10,214 12,924 28,000
4 0,741 1,533 2,132 2,776 3,747 4,604 7,173 8,610 15,544

5 0,727 1,476 2,015 2,571 3,365 4,032 5,893 6,869 11,178
6 0,718 1,440 1,943 2,447 3,143 3,707 5,208 5,959 9,082
7 0,711 1,415 1,895 2,365 2,998 3,499 4,785 5,408 7,885
8 0,706 1,397 1,860 2,306 2,896 3,355 4,501 5,041 7,120
9 0,703 1,383 1,833 2,262 2,821 3,250 4,297 4,781 6,594

10 0,700 1,372 1,812 2,228 2,764 3,169 4,144 4,587 6,211
11 0,697 1,363 1,796 2,201 2,718 3,106 3,025 4,437 5,921
12 0,695 1,356 1,782 2,179 2,681 3,055 3,930 4,318 5,694
13 0,694 1,350 1,771 2,160 2,650 3,102 3,852 4,221 5,513
14 0,692 1,345 1,761 2,145 2,624 2,977 3,787 4,140 5,363

15 0,691 1,341 1,753 2,131 2,602 2,947 3,733 4,073 5,239
16 0,690 1,337 1,746 2,120 2,583 2,921 3,686 4,015 5,134
17 0,689 1,333 1,740 2,110 2,567 2,898 3,646 3,965 5,014
18 0,688 1,330 1,734 2,101 2,552 2,878 3,610 3,922 4,966
19 0,688 1,328 1,729 2,093 2,539 2,861 3,579 3,883 4,897

20 0,687 1,325 1,725 2,086 2,528 2,845 3,552 3,850 4,837
21 0,686 1,323 1,721 2,080 2,518 2,831 3,527 3,819 4,784
22 0,686 1,321 1,717 2,074 2,508 2,819 3,505 3,792 4,736
23 0,685 1,319 1,714 2,069 2,500 2,807 3,485 3,767 4,693
24 0,685 1,318 1,711 2,064 2,492 2,797 3,467 3,745 4,654

25 0,684 1,316 1,708 2,060 2,485 2,787 3,450 3,725 4,619
26 0,684 1,315 1,706 2,056 2,479 2,779 3,435 3,707 4,587
27 0,684 1,314 1,703 2,052 2,472 2,771 3,421 3,690 4,558
28 0,683 1,313 1,701 2,048 2,467 2,763 3,408 3,674 4,530
29 0,683 1,311 1,699 2,045 2,462 2,756 3,396 3,659 4,506

30 0,683 1,310 1,697 2,042 2,457 2,750 3,385 3,646 4,482
35 0,682 1,306 1,690 2,030 2,438 2,724 3,340 3,491 4,389
40 0,681 1,303 1,684 2,021 2,423 2,704 3,307 3,551 4,321
45 0,680 1,301 1,679 2,014 2,412 2,690 3,281 3,520 4,269
50 0,679 1,299 1,676 2,009 2,403 2,678 3,261 3,496 4,228

60 0,679 1,296 1,671 2,000 2,390 2,660 3,232 3,460 4,169
70 0,678 1,294 1,667 1,994 2,381 2,648 3,211 3,435 4,127
80 0,678 1,292 1,664 1,970 2,374 2,639 3,195 3,416 4,096
90 0,677 1,291 1,662 1,987 2,368 2,632 3,183 3,402 4,072
100 0,677 1,290 1,660 1,984 2,364 2,626 3,174 3,390 4,053

120 0,677 1,289 1,658 1,980 2,358 2,617 3,160 3,373 4,025
200 0,676 1,286 1,653 1,972 2,345 2,601 3,131 3,310 3,970
500 0,675 1,283 1,648 1,965 2,334 2,586 3,107 3,310 3,922
1000 0,675 1,282 1,646 1,962 2,330 2,581 3,098 3,300 3,906
∞ 0,675 1,282 1,645 1,960 2,326 2,576 3,090 3,290 3,891
0,25 0,10 0,05 0,025 0,01 0,005 0,001 0,0005 0,00005 α
f
Nivel de semnificaţie pentru testul unilateral

74
Anexa 2




Valorile raportului dispersiilor F, corespunzătoare unui
nivel de semnificaţie de 5% sau 0,05 (P = 95% sau 0,95)
şi pentru f
1
şi, respectiv, f
2
grade de libertate


f
1
f
2

1 2 3 4 5 6 8 12 24 ∞
1 161,4 199,5 215,7 224,6 230,2 234,0 238,9 243,9 249,0 254,3
2 18,51 19,00 19,16 19,25 19,30 19,33 19,37 19,41 19,45 19,50
3 10,31 9,55 9,28 9,12 9,01 8,94 8,84 8,74 8,64 8,53
4 7,71 6,94 6,59 6,39 6,26 6,16 6,04 5,91 5,77 5,63
5 6,61 5,79 5,41 5,19 5,05 4,95 4,82 4,68 4,53 4,36
6 5,99 5,14 4,76 4,53 4,39 4,28 4,15 4,00 3,84 3,67
7 5,58 4,74 4,35 4,12 3,97 3,87 3,73 3,57 3,41 3,23
8 5,32 4,46 4,07 3,84 3,69 3,58 3,44 3,28 3,12 2,93
9 5,12 4,26 3,86 3,63 3,48 3,37 3,23 3,07 2,90 2,71
10 4,96 4,10 3,71 3,48 3,33 3,22 3,07 2,91 2,74 2,54
11 4,84 3,98 3,59 3,36 3,20 3,09 2,95 2,79 2,61 2,40
12 4,75 3,88 3,49 3,26 3,11 3,00 2,85 2,69 2,50 2,30
13 4,67 3,80 3,41 3,18 3,02 2,92 2,77 2,60 2,42 2,21
14 4,60 3,74 3,34 3,11 2,96 2,85 2,70 2,53 2,35 2,13
15 4,54 3,68 3,29 3,06 2,90 2,79 2,64 2,48 2,29 2,07
16 4,49 3,63 3,24 3,01 2,85 2,74 2,59 2,42 2,24 2,01
17 4,45 3,59 3,20 2,96 2,81 2,70 2,55 2,38 2,19 1,96
18 4,41 3,55 3,16 2,93 2,77 2,66 2,51 2,34 2,15 1,92
19 4,38 3,52 3,13 2,90 2,74 2,63 2,48 2,31 2,11 1,88
20 4,35 3,49 3,10 2,87 2,71 2,60 2,45 2,28 2,08 1,84
21 4,32 3,47 3,07 2,84 2,68 2,57 2,42 2,25 2,05 1,81
22 4,30 3,44 3,05 2,82 2,66 2,55 2,40 2,23 2,03 1,78
23 4,28 3,42 3,03 2,80 2,64 2,53 2,38 2,20 2,00 1,76
24 4,26 3,40 3,01 2,78 2,62 2,51 2,36 2,18 1,98 1,73
25 4,24 3,38 2,99 2,76 2,60 2,49 2,34 2,16 1,96 1,71
26 4,22 3,37 2,98 2,74 2,59 2,47 2,32 2,15 1,95 1,69
27 4,21 3,35 2,96 2,73 2,57 2,46 2,30 2,13 1,93 1,67
28 4,20 3,34 2,95 2,71 2,56 2,44 2,29 2,12 1,91 1,65
29 4,18 3,33 2,93 2,70 2,54 2,43 2,28 2,10 1,90 1,64
30 4,17 3,32 2,92 2,69 2,53 2,42 2,27 2,09 1,89 1,62
40 4,08 3,23 2,84 2,61 2,45 2,34 2,18 2,00 1,79 1,51
60 4,00 3,15 2,76 2,52 2,37 2,25 2,10 1,92 1,70 1,39
120 3,92 3,07 2,68 2,45 2,29 2,17 2,02 1,83 1,61 1,25
∞ 3,84 2,99 2,60 2,37 2,21 2,09 1,94 1,75 1,52 1,00

75
Anexa 3




Valorile raportului dispersiilor F, corespunzătoare unui
nivel de semnificaţie de 1% sau 0,01 (P = 99% sau 0,99)
şi pentru f
1
şi, respectiv, f
2
grade de libertate


f
1
f
2

1 2 3 4 5 6 8 12 24 ∞
1 4052 4999 5403 5625 5764 5859 5981 6106 6234 6366
2 98,49 99,00 99,17 99,25 99,30 99,33 99,36 99,42 99,46 99,50
3 34,12 30,81 29,46 28,71 28,24 27,91 27,49 27,05 26,60 26,12
4 21,20 18,00 16,69 15,98 15,52 15,21 14,80 14,37 13,93 13,46
5 16,26 13,27 12,06 11,39 10,97 10,67 10,27 9,89 9,47 9,02
6 13,74 10,92 9,78 9,15 8,75 8,47 8,10 7,72 7,31 6,88
7 12,25 9,55 8,45 7,85 7,46 7,19 6,84 6,47 6,07 5,65
8 11,26 8,65 7,59 7,01 6,63 6,37 6,03 5,67 5,28 4,86
9 10,56 8,02 6,99 6,42 6,06 5,80 5,47 5,11 4,73 4,31
10 10,04 7,56 6,55 5,99 5,64 5,39 5,06 4,71 4,33 3,91
11 9,65 7,20 6,22 5,67 5,32 5,07 4,74 4,40 4,02 3,60
12 9,33 6,93 5,95 5,41 5,06 4,82 4,50 4,16 3,78 3,36
13 9,07 6,70 5,74 5,20 4,86 4,62 4,30 3,96 3,59 3,16
14 8,86 6,51 5,56 5,03 4,69 4,46 4,14 3,80 3,43 3,00
15 8,68 6,36 5,42 4,89 4,56 4,32 4,00 3,67 3,29 2,87
16 8,53 6,23 5,29 4,77 4,44 4,20 3,89 3,55 3,18 2,75
17 8,40 6,11 5,18 4,67 4,34 4,10 3,79 3,45 3,08 2,65
18 8,28 6,01 5,09 4,58 4,25 4,01 3,71 3,37 3,00 2,57
19 8,18 5,93 5,01 4,50 4,17 3,94 3,63 3,30 2,92 2,49
20 8,10 5,85 4,94 4,43 4,10 3,87 3,56 3,23 2,86 2,42
21 8,02 5,78 4,87 4,37 4,04 3,81 3,51 3,17 2,80 2,36
22 7,94 5,72 4,82 4,31 3,99 3,76 3,45 3,12 2,75 2,31
23 7,88 5,66 4,76 4,26 3,94 3,71 3,41 3,07 2,70 2,26
24 7,82 5,61 4,72 4,22 3,90 3,67 3,36 3,03 2,66 2,21
25 7,77 5,57 4,68 4,18 3,86 3,63 3,32 2,99 2,62 2,17
26 7,72 5,53 4,64 4,14 3,82 3,59 3,29 2,96 2,58 2,13
27 7,68 5,49 4,60 4,11 3,78 3,56 3,26 2,93 2,55 2,10
28 7,64 5,45 4,57 4,07 3,75 3,53 3,23 2,90 2,52 2,06
29 7,60 5,42 4,54 4,04 3,73 3,50 3,20 2,87 2,49 2,03
30 7,56 5,39 4,51 4,02 3,70 3,47 3,17 2,84 2,47 2,01
40 7,31 5,18 4,31 3,83 3,51 3,29 2,99 2,66 2,29 1,80
60 7,08 4,98 4,13 3,65 3,34 3,12 2,82 2,50 2,12 1,60
120 6,85 4,79 3,96 3,48 3,17 2,96 2,66 2,34 1,95 1,38
∞ 6,64 4,60 3,78 3,32 3,02 2,80 2,51 2,18 1,79 1,00
Anexa 4




Valorile raportului dispersiilor F, corespunzătoare unui
nivel de semnificaţie de 0,1% sau 0,001 (P = 99,9% sau 0,999)
şi pentru f
1
şi, respectiv, f
2
grade de libertate


f
1
f
2

1 2 3 4 5 6 8 12 24 ∞
1 405284 500000 540379 562500 576405 585937 598144 610667 623497 636619
2 998,5 999,0 999,2 999,2 999,3 999,3 999,4 999,4 999,5 999,5
3 167,5 148,5 141,1 137,1 134,6 132,8 130,6 128,3 125,9 123,5
4 74,14 61,25 56,18 53,44 51,71 50,53 49,00 47,41 45,77 44,05
5 47,04 36,61 33,20 31,09 29,75 28,84 27,64 26,42 25,14 23,78
6 35,51 27,00 23,70 21,90 20,81 20,03 19,03 17,99 16,89 15,75
7 29,22 21,69 18,77 17,19 16,12 15,52 14,63 13,71 12,73 11,69
8 25,42 18,49 15,83 14,39 13,49 12,86 12,04 11,19 10,30 9,34
9 22,86 16,39 13,90 12,56 11,71 11,13 10,37 9,57 8,72 7,81
10 21,04 14,91 12,55 11,28 10,48 9,92 9,20 8,45 7,64 6,76
11 19,69 13,81 11,56 10,35 9,58 9,05 8,35 7,63 6,85 6,00
12 18,64 12,97 10,80 9,63 8,89 8,38 7,71 7,00 6,25 5,42
13 17,81 12,31 10,21 9,07 8,35 7,86 7,21 6,52 5,78 4,97
14 17,14 11,78 9,73 8,62 7,92 7,43 6,80 6,13 5,41 4,60
15 16,59 11,34 9,34 8,25 7,57 7,09 6,47 5,81 5,10 4,31
16 16,12 10,97 9,00 7,94 7,27 6,81 6,19 5,55 4,85 4,06
17 15,72 10,66 8,73 7,68 7,02 6,56 5,96 5,32 4,63 3,85
18 15,38 10,39 8,49 7,46 6,81 6,35 5,76 5,13 4,45 3,67
19 15,08 10,16 8,28 7,26 6,61 6,18 5,59 4,97 4,29 3,52
20 14,82 9,95 8,10 7,10 6,46 6,02 5,44 4,82 4,15 3,38
21 14,59 9,77 7,94 6,95 6,32 5,88 5,31 4,70 4,03 3,26
22 14,38 9,61 7,80 6,81 6,19 5,76 5,19 4,58 3,92 3,15
23 14,19 9,47 7,67 6,69 6,08 5,65 5,09 4,48 3,82 3,05
24 14,03 9,34 7,55 6,59 5,98 5,55 4,99 4,39 3,74 2,97
25 13,88 9,22 7,45 6,49 5,88 5,46 4,91 4,31 3,66 2,89
26 13,74 9,12 7,36 6,41 5,80 5,38 4,83 4,24 3,59 2,82
27 13,61 9,02 7,27 6,33 5,73 5,31 4,76 4,17 3,52 2,75
28 13,50 8,93 7,19 6,25 5,66 5,24 4,69 4,11 3,46 2,70
29 13,39 8,85 7,12 6,19 5,59 5,18 4,64 4,05 3,41 2,64
30 13,29 8,77 7,05 6,12 5,53 5,12 4,58 4,00 3,36 2,59
40 12,61 8,25 6,60 5,70 5,13 4,73 4,21 3,64 3,01 2,23
60 11,97 7,76 6,17 5,31 4,76 4,37 3,87 3,31 2,69 1,90
120 11,38 7,31 5,79 4,95 4,42 4,04 3,55 3,02 2,40 1,56
∞ 10,83 6,91 5,42 4,62 4,10 3,74 3,27 2,74 2,13 1,00


77
BIBILOGRAFIE

1. Alexandrescu Gelu, Elena Doval, “Simularea – metodă de studiu a
realităţii”, Buletinul Universităţii de Apărare Carol I, nr. 2 /2006.
2. Balaure, Virgil (coordonator) (2002), Marketing, Editura Uranus, Bucureşti.
3. Baron, T., E. Biji, L. Tövissi, P. Wagner, Al. Isaic – Maniu, M. Korka, D.
Porojan (1996), Statistică teoretică şi economică, Editura Didactică şi
Pedagogică – R. A., Bucureşti.
4. Cătoiu, Iacob (coordonator) (2002), Cercetări de marketing, Editura Uranus,
Bucureşti.
5. Cătoiu, Iacob, Carmen Bălan, Bogdan Onete, Ioana Cecilia Popescu, Călin
Vegheş (1999), Metode şi tehnici utilizate în cercetările de marketing -
aplicaţii, Editura Uranus, Bucureşti.
6. Cătoiu, Iacob, Carmen Bălan, Bogdan Onete, Ioana Cecilia Popescu, Călin
Vegheş (1997), Cercetări de marketing - probleme şi studii de caz, Editura
Uranus, Bucureşti.
7. Demetrescu, M. C. (2000), Metode de analiză în marketing, Editura Teora,
Bucureşti.
8. Dobre Ion, Floare Mustaţă Horpos (2006), Simularea proceselor economice,
Editura ASE, Bucreşti.
9. Drăgan, J. C., M. C. Demetrescu (1996), Practica prospectării pieţei.
Tehnici de cercetare în marketing, Editura Europa Nova, Bucureşti.
10. Gheorghiţă Mircea (2001) Modelarea & simularea proceselor economice,
Editura ASE, Bucreşti.
11. Florescu, C (coordonator) (1992), Marketing, Editura Marketer, Bucureşti.
12. Isaic – Maniu, Alexandru, Constantin Mitruţ, Virgil Voineagu (1995),
Statistică pentru managementul afacerilor, Editura Economică, Bucureşti.
13. Lehmann, Donald R., Sunil Gupta, Joel H. Steckel (1998), Marketing
research, Addison – Wesley Educational Publishers Inc.
78
14. Mihăiţă, Niculae (2001), Metode cantitative în marketing. Volumul III.
Crearea de scenarii şi simulare în marketing, Editura Economică. Bucureşti.
15. Raţiu – Suciu, Camelia (2005), Modelarea & simularea proceselor
economice – Teorie şi practică, Ediţia a patra, Editura Economică, Bucureşti,
2005.


CUPRINS 1. Conţinutul şi rolul simulărilor de marketing………………………… 2. Clasificarea tehnicilor de simulare………………………………… 3. Componentele sistemelor de simulare de marketing………………. 4. Etapele simulărilor de marketing…………………………………… 5. Modele de simulare ………………………………………………… 5.1. Generarea numerelor şi variabilelor aleatoare…………… 5.2. Metoda de simularea Monte Carlo………………………. 5.3. Jocuri de simulare……………………………………….. 5.4. Simularea de tip Forrester……………………………….. 5.5. Metode de simulare pentru studierea relaţiilor de cauzalitate. Experimente de marketing utilizate în studiul legăturilor dintre variabile……………………………….. Anexe………………………………………………………………………. Bibliografie…………………………………………………………………. 73 77 54 3 11 15 19 23 24 27 39 51

2

CAPITOLUL I CONŢINUTUL ŞI ROLUL SIMULĂRILOR DE MARKETING
Cuvinte cheie Simulare de marketing Model Model de simulare Variabile de intrare Variabile de ieşire Obiectivele învăţării: După parcurgerea acestui capitol va trebui să cunoaşteţi: - Ce reprezintă simularea; - În ce situaţii se foloseşte simularea pentru investigarea fenomenelor de marketing; - Care este semnificaţia modelului; - Care sunt avantajele şi dezavantajele utilizării simulării în procesul de investigarea a fenomenelor economice, implicit de marketing; - Caracteristicile ce stau la baza evaluării tehnicilor de simulare.

Simularea constituie o modalitate de obţinere a informaţiilor utilizată în cercetările de marketing, care permite înţelegerea evoluţiei fenomenelor de marketing, previzionarea acestora, identificarea şi măsurarea relaţiilor de cauzalitate dintre variabilele investigate; a modalităţii de desfăşurare concretă a acestor fenomene prin intermediul experimentelor de marketing. Din punct de vedere etimologic noţiunea de simulare semnifică capacitatea de a reproduse, reprezenta, imita ceva. Astfel, autorii Gelu Alexandrescu, Elena Doval1, precizează că prin simulare se poate înţelege:  o tehnică de construire a unei reprezentări a unui proces real, care trebuie studiat din punctul de vedere al comportamentului său normal sau influenţat de anumiţi stimuli;
1

, “Simularea – metodă de studiu a realităţii”, Buletinul Universităţii de Apărare Carol I, nr 2 /2006

3

 o tehnică de studiu a unor laturi ale comportamentului unui sistem. 2005. Editura Economică. bazată pe/sau reprezentată de o tehnică ce permite studiul unor procese complexe reproduse pe modele de laborator sau în teren. După alţi specialişti. realizată prin construirea unui model abstract ce poate fi mişcat în timp sau direct influenţat de acesta. evaluare şi manipulare a unui proces sau sistem fără a acţiona direct asupra acestuia. 38. care implică utilizarea unor modele matematice şi logice care descriu comportarea unui sistem real de-a lungul unei perioade mari de timp”2.  o metodă de cercetare bazată pe anticiparea rezultatelor unui ansamblu de ipoteze care au la bază elemente tehnice şi relaţiile dintre acestea. rezultatele obţinute constituindu-se în informaţii utile managerilor în cadrul procesul decizional.  o tehnică ce poate realiza o cale de testare. utilizând analogii fizice. În consecinţă tehnica simulării presupune construirea unui model care să reprezintă fenomenul cercetat. este o tehnică de realizare a experimentelor cu calculatorul electronic. Modelarea & simularea proceselor economice – Teorie şi practică. simularea presupune realizarea de experimente asupra unor modele care reprezintă fenomenele reale cercetate şi care sunt studiate prin intermediul calculatorului. 2 Raţiu – Suciu. care implică anumite tipuri de modele matematice şi logice care descriu comportarea viitoare a unui sistem. Deci. fără a acţiona direct asupra lui. o analogie a unui fenomen real. Bucureşti.  o tehnică numerică pentru conducerea experimentelor pe un calculator. p. “simularea.  o reprezentare dinamică a unei părţi a lumii reale. Camelia. Ediţia a patra. chimice sau de calcul. 4 .

modelul economico-matematic 3 Idem.„Modelul este o reprezentare izomorfă a realităţii care oferă o imagine intuitivă. respectiv dintre acestea şi mediul extern. au apărut modelele economico – matematice. 5 . 26. care sunt deosebit de elastice.”3 Simularea de marketing este. având la bază teoria economică. şi permite descoperirea unor legături şi legităţi greu de stabilit pe alte căi. Modelarea proceselor economice în general. şi care reprezintă legitatea şi dinamica fenomenelor economice (implicit de marketing). situaţie în care studierea diferitele fenomene cu ajutorul unor modele matematice „pure” este imposibilă. Scopul unui model economico-matematic este acela de a determina valorile unor variabile necontrolabile (de ieşire) în funcţie de valorile variabilelor de intrare (controlabile) ţinând cont de interdependenţele dintre acestea. Variabile de intrare (controlabile) Modelul economico matematic Variabile de ieşire (necontrolabile) → → În cazul în care interdependenţele ce stau la baza determinării valorilor variabilelor de ieşire în funcţie de valorile variabilelor de intrare dată fiind complexitatea lor nu pot fi descrise şi rezolvate printr-un model analitic necesitând utilizarea calculatorului electronic. din numărul mare de variabile şi dependenţele stochastice dintre acestea. în strânsa legătură cu experimentele de marketing şi modelarea fenomenelor de marketing. în consecinţă. a fenomenelor de marketing în special a rezultat din complexitatea problemelor cu care se confruntă managerii. În consecinţă. Mai exact este imposibil de a reprezenta astfel de fenomene economice complexe prin modele pur matematice. dar riguroasă. în condiţiile satisfacerii anumitor criterii de performanţă. în sensul structurii logice a fenomenului studiat. p.

aşa cum am precizat imposibil de aplicat pentru rezolvarea tuturor probleme economice. Astfel nu se mai urmăreşte obţinerea soluţiei optime ca în cazul utilizării metodelor analitice ci prin intermediul experimentelor sunt verificate şi selectate diferitele variante de decizie avute în vedere. Se cunoaşte astfel modul în care un sistem reacţionează în anumite împrejurări. dar. Rezolvarea unor probleme de marketing prin intermediul unui model economico-matematic se realizează pe cale deductivă. precum şi semnificaţia influenţei variaţiei variabilelor controlabile asupra celor necontrolabile. Pentru început modelul de simulare constituie mai degrabă un ansamblu de mai multe modele simple ce reprezintă legăturile dintre diverse variabile ale sistemului real. Simularea este adesea efectuată adesea pe eşantioane de date reprezentative pentru o „colectivitate” de date cercetată ceea ce implică utilizarea teoriei sondajului. Aceasta poate fi adesea diferită de varianta selectată printr-un model analitic (considerat mai precis. Comparativ cu celelalte modele. ce stau la baza selectării acelei variante ce corespunde cel mai bine condiţiilor concrete de desfăşurarea a fenomenului investigat.devine model de simulare. 6 . Se testează semnificaţia statistică a diferitelor variabile de decizie. datorită complexităţii lor). însă realizarea de experimente asupra sistemului S’ care constituie o reprezentare a sistemului real S. În consecinţa simularea este o metodă descriptivă care oferă adesea soluţii suboptimale şi nu soluţia „optimă”. implicit de marketing. Simularea presupune. deci nu este de la început un model exhaustiv. în funcţie de aceasta obţinându-se mai multe variante decizionale. modelul de simulare simplifică într-o mai mică măsură realitatea. caracterul său fiind procedural. Datorită complexităţii fenomenelor pe care le reprezintă modelele de simulare sunt construite adesea secvenţial.

Altfel spus dă posibilitatea manevrării unui număr mare de variabile. Datorită utilizării calculatorului electronic simularea asigură o reprezentare a fenomenelor de marketing cu un grad scăzut de simplificare şi permite studierea diferitelor relaţii dintre variabilele sistemului. determina într-un timp foarte scurt (câteva secunde. sau dintre acestea şi variabilele externe. în schimb numărul acestora este relativ redus. Se pot. precum şi deciziile de rezervă. Se poate utiliza pentru studierea unor fenomene extrem de diverse legate de mediul de marketing intern şi extern. 7 .AVANTAJELE ŞI DEZAVANTAJELE SIMULĂRII DE MARKETING Avantaje Utilizarea simulării în cercetarea de marketing se datorează unor avantaje incontestabile comparativ cu alte metode. caracterizându-se printr-un grad ridicat de fezabilitate. Astfel este posibil a se testa eficienţa unui număr mare de combinaţii de acţiuni posibile ceea este imposibil de realizat în realitate4. adesea în cadrul lumii reale. astfel. 4 În cadrul experimentelor de marketing se testează diferite alternative de acţiune. de exemplu) comportamente ale unor fenomene de marketing în anumite condiţii date. Simularea permite cunoaşterea pe termen lung a rezultatelor diferitelor acţiuni datorită posibilităţii de compresie a timpului. Astfel. Principalul avantaj al utilizării ca metodă de obţinere a datelor a simulării rezultă din faptul că permite testarea diferitelor alternative de acţiune pe un sistem înlocuitor şi nu pe cel real. momentul adoptării (eventual succesiunea deciziilor şi momentele în care aceste vor fi puse în aplicare). respectiv fără a determina modificări în evoluţia reală a fenomenelor investigate. permiţând adoptarea unor decizii imediate sau pentru perioade lungi de timp. prin intermediul simulării de marketing este stabilită alternativa decizională ce se va adopta într-o situaţie dată.

respectiv după ce rezultatele respectivei decizii s-au produs (faţă de cazul modelelor analitice care permit identificarea de la început a „soluţiei optime”). rolul acesteia din urmă fiind incontestabil în anumite situaţii date. o singură asociere greşită între două variabile (de exemplu). modelul de simulare S’ reprezentând un singur model real S. Soluţiile obţinute din realizarea unei simulări anterioare nu pot fi utilizate şi pentru o altă problemă decizională. 8 . experienţă îndelungată şi nu în ultimul rând tehnică de calcul avansată.Pentru realizarea simulărilor de marketing există produse software relativ uşor de utilizat. putând duce la decizii total eronate. Datorită uşurinţei în utilizarea programelor pentru simularea anumitor fenomene de marketing se renunţă adesea la utilizarea modelării economico – matematice. Dezavantaje O serie de dezavantaje ale simulării rezultă din dificultatea şi uneori imposibilitatea realizării modelelor de simulare care să reproducă cu fidelitate procesele şi fenomenele reale. Identificarea soluţiei optime sau foarte bune nu se poate realiza decât după adoptarea deciziei. De asemenea. rezultatele aplicării tehnicii de simulare sunt direct dependente de măsura în care modelul de simulare reprezintă modelul real. timp îndelungat pentru realizarea lor. Conceperea modelelor de simulare presupune adesea eforturi financiare considerabile.

UTILIZĂRI ALE SIMULĂRII DE MARKETING  cunoaşterea şi înţelegerea interdependenţelor dintre variabilele de marketing. pe parcursul experimentării să intervină schimbări în evoluţia sistemului real. realizarea de teste de senzitivitate.  verificarea şi / sau demonstrarea într-un timp scurt a avantajelor şi riscurilor anumitor acţiuni care în condiţiile reale s-ar produce după perioade lungi de timp. fără însă ca. tactici de marketing).  mai buna structurare a problemei cu care se confruntă decidentul şi fundamentarea căilor de rezolvare a acesteia. 9 .  evaluarea şi previzionarea consecinţelor diferitelor acţiuni (adoptarea anumitor strategii.    studierea efectelor decalate în timp ale anumitor acţiuni întreprinse. estimarea valorilor anumitor variabile precum şi a formei funcţionale a legăturilor dintre variabilele modelului.  determinarea acelor alternative decizionale care duc la soluţii optime sau suboptime (ce pot duce aproximativ la cea mai bună rezolvare a problemei decizionale).  studierea fenomenelor de marketing recursive (anumite schimbări ale fenomenului cercetat au repercusiuni asupra altor fenomene). ce nu pot fi exprimate prin intermediul modelelor analitice. respectiv studierea modului în care fenomenele de marketing sunt influenţate de variaţia anumitor variabile externe. De exemplu: schimbări la nivelul unei anumite verigi din lanţul de distribuţie poate declanşa modificări în amontele traseului ducând la amplificarea consecinţelor acţiunii întreprinse. studierea proceselor de tranziţie (de exemplu studierea evoluţiei în timp a percepţiilor consumatorilor faţă de anumiţi stimuli).

2002. p 421.EVALUAREA TEHNICILOR DE SIMULARE Tehnicile utilizate în simulările de marketing. 10 . uşurinţa comunicării atât la intrarea cât şi la ieşirea datelor.  tehnicile de rulare.  contextul utilizării (domeniile investigate şi frecvenţa cu care se apelează la simulare pentru a găsi răspunsurile dorite). respectiv costurile de rulare.  costurile legate de dezvoltarea modelului şi adaptarea la specificul problemelor investigate.  gradul de validitate şi valoarea rezultatelor obţinute prin folosirea simulării. Cercetări de marketing. pot fi evaluate după şase caracteristici de bază5:  funcţionalitatea (gradul de complexitate şi capacitatea de a produce rezultate plauzibile pe baza unor date de intrare care înregistrează valori situate şi în afara anumitor limite). timpul necesar pentru obţinerea rezultatelor. 5 Cătoiu. Editura Uranus Bucureşti. Iacob (coordonator).

Există mai multe criterii de clasificare a tehnicilor de simulare.). ce presupune utilizarea modelelor matematice pentru reprezentarea fenomenelor investigate. simularea de tip „joc” şi tip Forrester. Aceasta este categoria de metode cea mai frecvent folosită în cercetările de marketing.CAPITOLUL II CLASIFICAREA TEHNICILOR DE SIMULARE Cuvinte cheie Simulare analogică Simulare numerică Simulare hibridă Simulare deterministă Simulare întâmplătoare Simulare simulare deterministă cu perturbaţii întâmplătoare Simulare în timp real Simulare pseudotimp Antesimulare Postsimulare Simulare convenţională Simulare interactivă vizuală Simulare virtuală Simulare fundamentate matematic Simulare interactivă euristică Obiectivele învăţării: După parcurgerea acestui capitol va trebui să cunoaşteţi: .  metode de simulare numerică. 11 . biologice etc. Dintre metodele de simulare numerică amintim: tehnica Monte Carlo. Astfel:  În funcţie de tipul modelului utilizat pentru realizarea simulării există:  metode de simulare analogică – se bazează pe analogii cu alte sisteme (fizice.care sunt principalele tipuri de metode de simulare (având în vedere principalele criterii de clasificare) şi principalele lor caracteristici.

Prezenţa acestor variabile conferă însă un plus de realism modelului de simulare. 12 . care reprezintă o îmbinare între simularea analogică şi cea numerică.  metode de simulare deterministă cu perturbaţii întâmplătoare –variabilele sunt atât deterministe cât si întâmplătoare. Astfel de simulări nu sunt utilizate în cercetările de marketing (în cercetarea fenomenelor economice. metode de simulare hibridă.  În funcţie de natura algoritmilor utilizaţi tehnicile de simulare sunt:  metode de simulare deterministă (dirijată) – variabilele (în cadrul aceluiaşi ciclu de simulare) sau parametrii (de la un ciclu de simulare la altul) capătă în cadrul fiecărui ciclu de simularea valori deterministe (valori date sau rezultate dintr-un anumit procedeu de calcul). acestea din urmă nefiind în măsură să schimbe evoluţia generală a funcţionării sistemului.  simulare în pseudotimp – timpul de simularea este (în cazul aplicaţiilor economice şi implicit de marketing) mult mai redus decât timpul în care fenomenele s-ar produce în realitate.  metode de simulare întâmplătoare – cel puţin una dintre variabilele sau parametrii modelului capătă valori întâmplătoare sau pseudoîntâmplătoare. în general).  În funcţie de raportul de simulare există:  simulare în timp real – timpul de simularea este identic cu timpul în care fenomenele se produc în realitate.

tehnicile de simulare interactivă vizuală permit intervenţia utilizatorului în procesul de simulare şi evidenţierea rezultatelor diverselor sale acţiuni pe parcursul desfăşurării experimentelor. precum şi de a duce la dobândirea de experienţe în conducerea fenomenelor şi proceselor reale. utilizatorii modelelor neavând posibilitatea de a interveni în procesul de simulare pentru a proceda la diverse modificări pe parcursul desfăşurării experimentelor şi a evalua impactul acestor intervenţii asupra rezultatelor.  tehnici de simulare interactivă vizuală – fiind dintre cele mai noi tehnici de simulare. Aceste modele asigură redarea vizuală statică (imaginile sunt afişate pe rând) sau dinamică (evoluţia sistemului este prezentată în timp prin imagini animate) a rezultatelor diferitelor intervenţii ale utilizatorului. Astfel de modele se utilizează pentru proiectarea sistemelor economice şi realizarea de prognoze. Utilizarea acesteia are rolul de a perfecţiona anumite sisteme. În funcţie de momentul efectuării simulării există:  antesimulare – simularea are loc anterior producerii în realitate a fenomenului investigat. Avantajele acestor tehnici sunt incontestabile în condiţiile în care stimulii vizuali sunt adesea mult mai bine percepuţi. Aceste tehnici presupun calculul intervalului de încredere al modelului.  În funcţie de interacţiunea om-calculator tehnicile de simulare se împart în:  tehnici de simulare convenţională – rezultatele diferitelor experimente sunt raportate statistic la sfârşit. iar utilizatorii prin interacţiune cu modelul pot testa.  postsimulare – simularea are loc după producerea în realitate a fenomenului investigat. pe parcursul 13 .

diferite alternative de acţiune – ceea ce duce creşterea încrederii în rezultatele obţinute şi ameliorarea efectelor învăţării.  În funcţie de precizia rezultatelor distingem:  tehnici de simulare fundamentate matematic – presupun utilizarea metodelor statistico-matematice. la care.desfăşurării experimentelor. a teoriei probabilităţilor. urmărindu-se îndeosebi creşterea operativităţii. 14 .) utilizatorul este conectat. prin echipamente adecvate (aparate audio.  tehnici de simulare interactivă euristică – nu vizează îndeplinirea condiţiilor legate de precizia rezultatelor. căşti.  tehnici de simulare virtuală – presupun crearea unui mediu artificial (virtual). etc. ceea ce permite asigurarea unui anumit grad de precizie şi realizarea de estimări ale erorilor asociate modelului. senzori. Sunt evaluate deopotrivă acţiunile sistemului cât şi ale utilizatorului.

Care sunt elementele unui sistem de simulare 15 .Care sunt principalele concepte cu care operează simulare.CAPITOLUL III COMPONENTELE SISTEMELOR DE SIMULARE DE MARKETING Cuvinte cheie sistem element (componentă) stare conexiune (legătură) traiectorie optimizare model modelare model de simulare simulator eveniment proces activitate jucătorii (operatorii) date de intrare variabile de intrare parametri de intrare date de ieşire variabile perturbatoare variabile intermediare Obiectivele învăţării: După parcurgerea acestui capitol va trebui să cunoaşteţi: . .

 element (componentă) – o unitate identificabilă ce poate fi complet definită.  model – vezi pag.  simulator – sistem echivalent (analog) care se comportă similar sistemului real pe care îl reprezintă. controlul şi predicţia lor.vezi pag.CONCEPTE CU CARE OPEREAZĂ SIMULAREA Există o serie de concepte cu care operează simularea:  sistem – o mulţime de elemente în interacţiune. echipamente tehnologice. a modului în care acestea se modifică.  conexiune (legătură) – interacţiunea dintre două sau mai multe componente. 2. În orice moment de timp componenta se caracterizează printr-o stare.  modelare – modalitate de cercetare a unor fenomene utilizând ca instrument modelul.  stare (a unei componente) – reunire de atribute ce caracterizează componenta.  traiectorie – secvenţa de stări specifice sistemului într-un interval de timp considerat.  model de simulare . Stările componentelor principale descriu starea sistemului propriu-zis. Un sistem cuprinde: operatori umani. aflată în conexiune cu una sau mai multe unităţi ale sistemului. obiectivul principal al simulării este în înţelegerea evoluţiei stărilor sistemului. Construcţia sistemului 16 . sau dintre acestea şi mediul extern. De fapt. 4.  optimizare – idealul simulării este de a determina acele performanţe maxime (optime) posibile. în condiţiile îmbunătăţirii performanţelor acestuia.

utilizat în cercetările de marketing.  proces – secvenţă de evenimente ordonate în timp. care sunt reprezentate de  variabile de intrare. este format din următoarele elemente:  modelul.  jucătorii (operatorii). ELEMENTE ALE SISTEMULUI DE SIMULARE Un sistem tipic de simulare. acele componente a căror probabilitate de apariţie este scăzută.  datele de intrare.). În afara datelor de intrare şi de ieşire un sistem de simulare mai cuprinde: 17 . dar care în interacţiunea dintre ele se comportă similar cu sistemul simulat. fie reunirea unor componente diferite de sistemul real.echivalent / analog (simulatorul) presupune fie „păstrarea” din sistemul real a ceea ce este esenţial (se vor elimina acele legături cu şanse reduse de a se produce. etc.  eveniment – schimbarea stării unei componente a sistemului.  activitate – un ansamblu de operaţii ce modifică starea unei componente. dependenţa dintre acestea fiind ilustrate prin algoritmul ce stă la baza modelului de simulare. care pot fi întâmplătoare sau deterministe înregistrează valori discrete care se schimbă în permanenţă în cadrul ciclului de simulare.  parametri de intrare – înregistrează valori constante de-a lungul ciclului de simulare  datele de ieşire – sunt variabile care depind de valorile variabilelor şi parametrilor de intrare.

18 . variabile perturbatoare – constituie variabile necontrolabile ce generează schimbarea stării unei / unor componente ale sistemului (evenimente).  variabile intermediare – valori ce atestă starea unei componente a sistemului la un anumit moment dat. Apariţia acestor evenimente poate fi previzibilă sau aleatoare.

CAPITOLUL IV ETAPELE SIMULĂRILOR DE MARKETING Cuvinte cheie problemă de marketing estimare a parametrilor şi variabilelor modelului de simulare performanţă a modelului de simulare validare a sistemului de simulare program de simulare Obiectivele învăţării: După parcurgerea acestui capitol va trebui să cunoaşteţi: .Care sunt etapele ce se parcurg în procesul de realizare a experimentelor de simulare şi ce activităţi se desfăşoară în cadrul fiecărei etape. Se definesc. În această etapă sistemul cercetat este analizat pentru a cunoaşte trăsăturile caracteristicile. Astfel. Se realizează o delimitare temporală. realizarea experimentului de simulare presupune parcurgerea următoarelor etape:  formularea problemei. spaţială şi funcţională a sistemului de mediul extern. În anumite situaţii există posibilitatea optării pentru simularea doar a unor componente ale sistemului cercetat şi nu în întregul său. criteriile de performanţă ce trebuie atinse. Demersul întreprins pentru realizarea sistemului S’ care să reprezinte cât mai fidel sistemul real S implică desfăşurarea unor activităţi într-o anumită succesiune. a scopului şi obiectivelor urmărite – presupune identificarea problemei de marketing cu care se confruntă cercetătorul – a gradului său de complexitate (în funcţie de acest aspect justificându-se sau nu utilizarea ca metodă de investigare a simulării). de asemenea. Pe baza 19 . componentele sale şi relaţiile dintre acestea.

definirea relaţiilor funcţionale şi algoritmului ce stă la baza obţinerii valorilor datelor de ieşire în baza valorilor datelor de intrare. a variabilelor şi parametrilor modelului (de intrare. În urma testării se procedează fie la reluarea formulării modelului de simulare (dacă se constată existenţa anumitor deficienţe) fie validarea acestuia. Smirnov. de ieşire. perturbatoare. 20 .  evaluarea performanţelor modelului – modelul construit este testat cu ajutorul valorilor unor date de intrare pentru care sunt cunoscute rezultatele.  construirea modelului – presupune precizarea ipotezelor. În acest sens sunt utilizate teste de concordanţă: Kolmogorov.analizării sistemului cercetat are loc definirea variabilelor şi parametrilor modelului precum şi alternativele de acţiune ce urmează a fi experimentate. Pearson sau χ2.  culegerea şi prelucrarea preliminară a datelor reale – acestea vor sta la baza sugerării ipotezelor pentru formularea modelelor matematice. fie prin generarea de numere şi variabile aleatoare.  estimarea mărimii parametrilor sau variabilelor de intrare – utilizând fie procedeele de statistică matematică (estimarea valorilor datelor de intrare pe baza valorilor datelor reale culese). De asemenea. intermediare). se pot aduce o serie de îmbunătăţiri unor modele deja existente şi se poate verifica valabilitatea acestora. a relaţiilor dintre acestea.

etc. SIMULA.) acestea din urmă oferind o serie de facilităţi. Se urmăreşte. astfel. compararea şi evaluarea alternativelor decizionale.  analiza şi interpretarea datelor – presupune prelucrarea datelor simulate. SIMSCRIPT. etc. construirea algoritmului de simulare.  scrierea programelor de simulare – presupune utilizarea fie a unor limbaje generale de programare sau specializate (GPSS. în această etapă se aleg limbajul sau pachetul de programe ce se vor utiliza configuraţia calculatorului.. în funcţie de valorile obţinute ale variabilelor de ieşire se formulează decizii (se selectează anumite valori ale datelor de intrare) în măsură să genereze îmbunătăţirea performanţelor sistemului simulat. grafice. testarea semnificaţiei lor statistice. necesare pentru realizarea simulării. 21 . realizarea de tabele.  realizarea propriu-zisă a simulării – presupune rularea pe calculator a programelor de simulare.  validarea sistemului de simulare – are loc testarea programului de simulare pentru o anumită situaţie pentru care se cunosc rezultatele sau prin compararea valorilor de ieşire cu valorile obţinute prin observarea unor situaţii similare. etc. acoperirea a cât mai multor situaţii reale. prin considerarea succesivă a cât mai multor valori ale datelor de intrare. Deci. şi interpretarea rezultatelor.

După selectarea celei ai bune alternative decizionale se va proceda la realizarea unui raport ce va cuprinde: scopul. concluziile şi recomandările. aspectele referitoare la validarea modelului şi modul de proiectare a experimentelor. 22 .În procesul de simulare parcurgerea acestor etape nu trebuie privită cu rigiditate. Exploatarea rezultatelor simulării va permite utilizatorilor perfecţionarea sistemelor de simulare. obiectivele şi ipotezele. datele de intrare. de asemenea. acestea neconstituind întotdeauna paşi distincţi şi. nu în toate cazurile succesiunea este cea prezentată. rezultatele.

.Caracteristicile. . joc complex joc pentru alte zone de specialitate joc concurenţial joc interdependent joc independent joc cooperativ joc contra naturii pachete de autoînvăţare joc pe calculator joc manual joc de instruire joc pentru fundamentarea deciziilor operative tehnici de dinamică industrială model dinamic variabile de nivel variabile de ritm variabile auxiliare Obiectivele învăţării: După parcurgerea acestui capitol va trebui să cunoaşteţi şi să înţelegeţi: . .Principalele metode de generare de numere aleatoare.Clasificarea şi caracteristicile principalelor tipuri de jocuri de întreprindere. utilitatea şi modul de utilizare a tehnicilor Monte Carlo în investigarea fenomenelor economice. .Care sunt cerinţele satisfăcute de un număr pseudoaleator (aleator).CAPITOLUL V MODELE DE SIMULARE Cuvinte cheie generare de numere aleatoare generator de numere aleatoare număr aleatoriu simulare Monte Carlo joc de întreprindere joc pentru întreaga întreprindere joc funcţional.Cunoaşterea etapelor specifice desfăşurării jocurilor de întreprindere . .Care este utilitatea şi cum sunt generate numerele aleatoare. .Cunoaşterea utilităţii şi a principalelor caracteristici ale jocurilor de dinamică industrială 23 .Caracteristicile şi utilitatea jocurilor de întreprindere.

cu ajutorul calculatorului a numerelor aleatoare.1. În consecinţă algoritmii utilizaţi în procesul de simulare a fenomenelor economice trebuie să fie astfel construiţi încât să fie în concordanţă cu teoria economică. urne cu bile. Funcţia de repartiţie uniformă se defineşte astfel: 0.1]. atunci când valorile unor parametri / variabile de intrare nu se cunosc se impune generarea de numere aleatore (alese la întâmplare).aceasta realizându-se cu ajutorul calculatorului electronic6. inclusiv de marketing. etc.5.1) 1. rulete. 24 . astfel de metode nu sunt folosite în simularea proceselor economice.). Generarea numerelor şi variabilelor aleatoare În simularea proceselor economice. Se poate spune că un număr este întâmplător doar dacă se “află într-un context statistic. Se consideră număr aleator orice număr care este obţinut astfel încât valoarea sa nu poate fi prevăzută anticipat. având la bază reguli prestabilite (algoritmi de generare) afectează într-o anumită măsură caracterul aleator al acestui proces. daca x  1  6 Există şi modalităţi de generare de numere aleatoare ce nu presupun utilizarea calculatorului electronic (utilizarea de zaruri. Generarea. numerele obţinute sunt considerate pseudoaleatoare. daca x  (0. Acest fapt este justifică prin numărul mare al evenimentelor perturbatoare care afectează procesele economice. cel mai adesea acestea având caracter aleator. Datorită vitezei reduse. Numerele pseudoaleatoare satisfac următoarele cerinţe:  sunt repartizate uniform în intervalul standard este [0. daca x  0  F ( x )   x. Astfel. În programele de simulare generarea numerelor aleatoare ocupă o pondere relativ mare în timpul total de rulare al calculatorului.

testul Kolmogorov. respectiv nu se produc schimbări ale repartiţiei în cursul rulării programului de simulare. utilizând un anumit procedeu de generare de numere aleatoare s-a obţinut un anumit număr n repartizat uniform în intervalul (0. Având în vedere aceste aspecte perioada de repetiţie trebuie să fie în consecinţă cât mai mare. Există o serie de teste statistice independenţa dintre variabile (ex: testul χ2 . Metodele utilizate pentru generarea de numere aleatoare (şi care. etc. respectiv. A). De aceea se utilizează noţiunea de aleatoare şi pentru categoria şirurilor pseudoaleatoare. testul Student. A fiind un număr întreg.).  sunt statistic independente (nu sunt autocorelate). 1). se face transformarea x = n /A. ceea ce. obţinându-se un şir de valori uniform repartizate în intervalul (0. 25 . utilizând acelaşi algoritm cu aceleaşi valori iniţiale să se obţină acelaşi şir de numere  funcţia de repartiţie este stabilă. asigură o apropiere semnificativă a şirurilor generate de şirurile aleatoare.  şirul enumerat are o perioadă de repetiţie mare (teoretic şirurile de numere aleatore nu trebuie să conţină repetiţii.  sunt reproductibile. de fapt. prin utilizarea generatoarelor nu este posibil.În cazul în care. generează numere pseudoaleatoare).

rulete.  metode de memorizare – presupun utilizarea unor tabele cu numere aleatoare. etc. Prezintă dezavantajul că nu asigură reproductibilitatea datelor. Aceste metode sunt cele mai utilizate în procesul de simulare a fenomenelor de marketing (fenomenelor economice.  metode analitice – presupun utilizarea anumitor algoritmi de calcul. în cele mai multe situaţii.METODE DE GENERARE A NUMERELOR ALEATOARE Principalele clase de metode de generare a numerelor aleatoare sunt:  metode manuale – presupun utilizarea de zaruri.nu sunt folosite  metode fizice – au la bază analogii cu diferite procese fizice (procese radioactive. urne cu bile. etc. 26 . în general). Se impune ca aceşti algoritmi să asigure un consum minim de timp şi memorie pe parcursul rulării pe calculator. în schimb consumul de memorie al calculatorului este ridicat. Se caracterizează prin viteza redusă motiv pentru care. Prezintă dezavantajul unei viteze ridicată. electronice.).  metode care constau în consultarea specialiştilor – prezintă dezavantajul subiectivismului precum şi viteza lentă.

De fapt. pentru a imita sau reproduce comportamentul sistemului simulat se impune generarea de numere aleatoare.2. iar prin generarea unor variabile aleatorii care sunt legate funcţional de soluţie se realizează experimente pe model obţinându-se informaţii în legătură cu problema investigată. pentru studierea problemelor stochastice sau în condiţii de risc. Astfel de generatori. metoda de simulare Monte Carlo se aplică din ce în ce mai mult pentru studierea fenomenelor economice (implicit a fenomenelor de marketing). Metoda Monte Carlo reprezintă o metodă de simulare prin care se urmăreşte studierea realităţii prin procese probabilistice. ierarhizări care permit adoptarea deciziei în legătură cu diferite probleme de marketing. Având la bază teoria probabilităţii. Altfel spus. denumirea metodei provine după cazinourile din Monte Carlo ale căror rulete pot fi considerate generatoare de numere aleatoare. metoda Monte-Carlo asociază problemei investigate un model aleatoriu. verificaţi şi testaţi. Procesul prin care sunt generate numere sau variabile în mod aleator poartă numele de metoda Monte Carlo. La momentul actual. sunt conţinuţi de toate limbajele de programare generale şi limbajele speciale de simulare bine. ale căror probabilităţi se pot estima. După cum am precizat în subcapitolul anterior pentru generarea numerelor aleatore . cu ajutorul metodei Monte-Carlo sunt realizate evaluări.5. 27 .se impune utilizarea generatorilor de numere aleatoare. 1] .numere aleatoare uniform distribuite în intervalul [0. respectiv în situaţia în care aceleaşi direcţii de acţiune pot genera mai multe rezultate. Metoda de simulare Monte Carlo Atunci când sunt investigate prin simulare fenomene stochastice.

coeficientul ce corespunde probabilităţii de garantare a rezultatelor.05. pentru n – 1 grade de libertate şi un nivel de semnificaţie  ( = 1 – P). rezultă o frecvenţă de apariţie reală cuprinsă în intervalul: 28 .6 . n1 unde: t. Exemplu Considerăm 20 experimente (n = 20). Precizia metodei creşte pe măsură ce creşte numărul încercărilor. n1 n f ' (1  f ' ) . În fapt. în urma cărora s-a obţinut o frecvenţă f*’ = 0. frecvenţa relativă de apariţie a unei anumite valori este f*’.Pentru asigurarea succesului în utilizarea metodei se impune ca variabilele generate aleator să fie estimate astfel încât să se înregistreze o abatere în probabilitate cât mai mică comparativ cu a variabilelor considerate reale. n f * 't . frecvenţa relativă reală f* (probabilitatea de producere a evenimentului) se estimează cu ajutorul intervalului: f ' (1  f ' )  f *  f * 't . şi un nivel de semnificaţie de  = 0. n-1 . PRECIZIA ŞI PROPRIETĂŢILE METODEI MONTE CARLO În procesul de utilizarea a simulărilor Monte-Carlo pentru investigarea fenomenelor se vor avea în vedere următoarele aspecte:  Considerând n experimente. metoda Monte-Carlo este un mod de simulare bazat pe sondaj. determinat în funcţie de probabilitatea P cu care se doreşte a se garanta rezultatele. dar este dependentă şi de variaţia acestora. citit din tabelul repartiţiei Student (anexa 1).

6)  1169 .83 . citit din tabelul repartiţiei Student = 2.05 atunci n va fi: 2. 0.37  f *  0. 20-1 .6(1  0. În acest caz eroarea ataşată probabilităţii de producere a evenimentului ∆ este ±0.0.093. sau ±23%. în condiţiile unui nivel de semnificaţie de 0.05. 83%). 0. 29 .6  2. respectiv (37%.23. ulterior urmând a fi ajustată pe măsură ce numărul de experimente realizate creşte. Exemplu Dacă pentru probabilitatea de apariţie a evenimentului p = 0.  În cazul în care se doreşte ca eroarea asociată probabilităţii (p) de apariţie a evenimentului considerat să nu depăşească un anumit nivel ∆.032 n Valoarea p poate fi considerată pentru început ca fiind egală cu probabilitate de apariţiei a evenimentului obţinută în baza primelor încercări realizate.6  2.6)  f *  0. 20 20 t0. n1 p (1  p ) n 2 .0932  0.093 0.6(1  0.37. Deci probabilitatea de apariţie a fenomenului real este cuprinsă între (0.6) 0.83).6(1  0. atunci se impune ca numărul de repetiţii ale experimentului să fie: 2 t .093  0.6 se doreşte asigurarea unei erori care să nu depăşească nivelul ±3%.

05.02.02 < x0 < 105 + 7. unde: În condiţiile unui nivel de semnificaţie de 0. unde: S: estimator al abaterii medii pătratice a valorilor xi: S  x i x n 1 .02  97. se impune determinarea numărului de experimente ce pot asigura o astfel de eroare. Estimarea mediei reale ( x0 ) pe baza mediei ( x ) înregistrate a unei variabile după n experimente de simulare se realizează cu ajutorul intervalului: x .Δ < x 0 < x + Δ. 2 Exemplu Dacă în cazul a n = 20 experimente s-a obţinut o medie x =105. creşterea numărului de experimente ducând implicit la 30 .98 < x0 < 112.constituie media aritmetică a valorilor înregistrate a variabilei simulate (xi) după n experimente: x   t .   2. unde: x .02 20  În cazul în care se impune de la început o anumită eroare maximă admisă Δ. pentru care S = 15. n 1 x i 1 n i n S n .093 15  7. rezultă media variabilei reale se va încadra în intervalul: 105 – 7.

05. Considerând următoarea distribuţie a variabilei cercetate: 31 . 15 2  247 . asigurarea unui anumit grad de precizie impunând un număr foarte de mare de experimente de simulare.7.093 2 De fapt. obţinem următoarea formulă de calcul a lui n: S2 2 2 n  t . 22 n  2. APLICAŢII ALE METODEI MONTE CARLO Cu ajutorul Metodei Monte Carlo şi pornind de la valorile înregistrate ale unei variabile se pot realiza estimări cu privire la valorile parametrilor ce caracterizează respectiva variabilă investigată. Se doreşte determinarea numărului de experimente necesar a se realiza pentru a obţine o precizie a rezultatelor Δ = 2.997. n 1 . în condiţiile unui nivel de semnificaţie de  = 0.99 până la 0. În cazul în care probabilitatea de apariţie a unor fenomene este redusă metoda Monte Carlo nu este indicată.creşterea gradului de precizie. a rezultat o valoare Δ = 6. pentru care S = 15. media x = 105.  se consideră suficient pentru precizia metodei Monte Carlo o probabilitate de garantare a rezultatelor de 0. impune o creştere a numărului de experimente de simulare de m2 ori. Exemplu Considerăm că după n = 20 experimente. creşterea preciziei de m ori. Pornind de la formula pentru determinarea erorii maxime admise.

.+pi .+pr=1 - . p’i = p1 + p2+.. care de fapt indică probabilităţile de apariţie a unei anumite valori a variabilei cercetate (pi): pi  f i *  fi f i 1 r i Valorile înregistrate ale variabilei investigate “X” x1 x2 . p’r = p1 + p2+. xi . .... . pi . . ..+pi+. .Valorile înregistrate ale variabilei investigate “X” x1 x2 . . xr Total Probabilităţi pi p1 p2 . pr 1 32 Probabilităţi cumulate p’i p’1 = p1 p’2 = p1 + p2 . . xi . fi . fr f Estimarea mediei variabilei investigate pe baza valorilor înregistrate şi prezentate în tabelul anterior presupune parcurgerea următorului algoritm:  sunt determinate frecvenţele relative fi* şi frecvenţele relative cumulate. xr Total Frecvenţe absolute fi f1 f2 . . . .

6 0. La îndemâna oricui este funcţia RAND() din Excel. graficul se prezintă astfel: 1 0. se reprezintă grafic valorile înregistrate ale variabilei investigate şi probabilităţile cumulate corespunzătoare.8 probabilitati cumulate 0. Numărul generat constituie un punct pe axa Oy.5 0.1 0 x1 x2 x3 x4 x5 x6 p'1 p'2 p'3 p'4 p'5 p'6  se realizează un anumit număr de selecţii n cu ajutorul unui generator de numere aleatoare.9 0.2 0. Considerăm. un număr de 6 valori xi.7 0.3 0. care este un generator de numere aleatoare. Se trasează o paralelă la Ox din respectivul punct până în locul de intersecţie cu prima coloană ce constituie valoare înregistrată ale variabilei cercetate. Considerând un număr de 10 repetiţii rezultatele se prezintă astfel: 33 .  valoarea xi corespunzătoarea fiecărei valori aleatoare generate se citeşte cu ajutorul graficul reprezentat anterior.4 0. pentru exemplificare.

582924 0. Exemplu Considerăm un eşantion de 200 persoane supus unei cercetări.887214 0.026283 0.591019 0. pentru care s-a înregistrat frecvenţa de cumpărare (numărul de cumpărături) al unui anumit produs “X”.783511 0.Număr repetiţii 1 2 3 4 5 6 7 8 9 10 Număr aleator 0. abaterea medie pătratică). coeficientul de variaţie.053644 0. în cursul unei luni.388166 0.942867 0. Rezultatele centralizate se prezintă astfel: Numărul de cumpărături ale produsului “X” în decursul unei luni (bucăţi) 0 1 2 3 4 5 6 7 Total Frecvenţe absolute (persoane) 15 19 36 53 41 18 11 7 200 34 .181114 0. dispersia.888168 Valoare xi x5 x1 x6 x6 x5 x2 x5 x4 x1 x6 Cu ajutorul acestor date se pot realiza estimări ale parametrilor variabilei investigate (media.

350 0.180 0.  determinăm probabilităţile de apariţie a fiecărei valori xi.075 0.090 0.205 0. precum şi probabilităţile cumulate: Numărul de cumpărături ale produsului “X” în decursul unei luni (bucăţi) 0 1 2 3 4 5 6 7 Total Frecvenţe absolute fi 15 19 36 53 41 18 11 7 200 Probabilităţi pi 0.910 0.05.6 0.170 0.170 0.8 probabilitati cumulate 0.035 1.7 0.965 1.615 0.000 numar produse achizitionate 35 .820 0.0 1 2 3 4 5 6 7 8 0.5 0.Pe baza acestor date se doreşte a se estima evoluţia pentru perioada următoare a cumpărărilor din produsul “X”.0 0.965 1.4 0.350 0.000  se reprezintă grafic valorile înregistrate ale variabilei investigate şi probabilităţile cumulate corespunzătoare: 1.265 0.075 0.1 0.095 0.2 0.9 0.615 0.055 0.820 0.075 0.000 Probabilităţi cumulate p’i 0. Se consideră un nivel de semnificaţie de 0.3 0.910 0.

1439 0.1812 0.0152 0.0629 0. se realizează un număr de 25 selecţii cu ajutorul funcţiei RAND() şi se ataşează valoarea xi corespunzătoare citită cu ajutorul graficului: Număr aleator 0.7619 0.7704 0.1808 0.5229 0.2798 0.8278 0.3823 0.6407 0.0618 0.6863 0.3931 0.9619 0.8448 0.3966 0.9862 0.8646 0.7686 0.0600 0.2870 Număr repetiţii 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 xi 8 7 4 3 3 2 6 3 6 1 5 3 2 3 4 5 4 4 4 0 0 0 5 0 2 Cu ajutorul acestei distribuţii se pot realiza estimări cu privire la cumpărăturile medii realizate de către consumatori şi bineînţeles şi a altor indicatori de caracterizare a distribuţiei: 36 .4835 0.9184 0.

76  Media celor 25 valori selectate: x  x i 1 n i n  84  3.2896 1.6896 0.2496 0.1296 1.2896 11.4096 2.1296 0.5296 13.4096 0.8496 6.Număr repetiţii 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 Total xi 8 7 4 3 3 2 6 3 6 1 5 3 2 3 4 5 4 4 4 0 0 0 5 0 2 84 (xi.1296 1.9696 5. 25  Intervalul în care se va încadra media reală: x .6896 0.6896 11.Δ < x 0 < x + Δ  3.907 37 .907 < x 0 < 3.x )2 21.2896 11.9696 0.8496 115.1296 0.8496 0.36 – 0.2896 2.1296 6.36 + 0.4096 0.4096 0.4096 11.5696 2.36 .

196 .36 x 38 .76  2. t0.  Estimator al abaterii medii pătratice S.0639 2.453 < x0 < 4.267.196 25  0. 25-1 citit din tabelul repartiţiei Student = 2. 25  1  Estimator dispersiei S2: S2   x i x  2 n 1  115.4% .05.907 .0639.196  100   100  65. n 1 S n  2. unde:   t . S  x i x  2 n 1  115. 25  1  Coeficientul de variaţie: v  S 2.76  4. 3.823 . 2.

cunoscute şi sub numele de joc de conducere (management game) sau joc de întreprindere (business game). Interesul pentru jocurile de întreprindere a crescut foarte mult. 39 . Printre scopurile educaţionale majore ale utilizării jocurilor de întreprindere sunt:  crearea. Jocuri de simulare Simularea tip joc presupune utilizarea unui model matematic. la nivelul persoanelor ce ocupă funcţii de conducere a deprinderilor în rezolvarea diferitelor probleme cu care se pot confrunta în desfăşurarea propriei activităţi. în primul rând un important rol educaţional.  proiectarea şi aplicarea de strategii şi politici.5. au. Jocurile de simulare utilizate pentru simularea proceselor economice. organizaţii din întreaga folosesc jocuri în procesul de pregătire a personalului de conducere. metoda putând fi folosită şi în procesul de testare a competenţei salariaţilor. Jocurile de întreprindere sunt modele de simulare care presupun participarea mai multor participanţi şi care sunt angajaţi într-un proces informaţional-decizional ce simulează o situaţie de competiţie reală. care urmăreau stabilirea unor strategii de luptă şi antrenarea ofiţerilor prin simularea unor situaţii militare). (De fapt. implicit de marketing. experimentarea constând în atribuirea de valori variabilelor din model şi monitorizarea impactului asupra uneia sau mai multor funcţii obiectiv.3. apariţia şi dezvoltarea jocurilor de simulare îşi au originea în jocurile de război. Astfel de simulări şunt des utilizat în aplicaţii militare.

a căror consecinţe sunt în timp scurt observabile. etc.  adoptarea deciziilor în mediu concurenţial. creşterea motivaţiei învăţării. precum identificarea efectelor probabile ale diverselor decizii. costurile fiind în consecinţă foarte mari. implicit. fundamentarea ştiinţifică a deciziilor.pe perioada desfăşurării jocului participanţii pot să-şi manifeste pe deplin personalitatea.  anticiparea consecinţelor folosirii resurselor în cele mai diverse situaţii.  organizarea muncii managerilor.  crearea şi dezvoltarea spiritului de echipă.  abordarea sistematică a organizaţiei şi a componentelor sale. îndeosebi cele referitoare la managementul activităţii de marketing. 40 . Dintre motivele care ar putea justifica utilizarea jocurilor pentru rezolvarea problemelor de marketing amintim:  grad ridicat de implicare a participanţilor la desfăşurarea jocului şi.  stimularea creativităţii participanţilor şi dezvoltarea simţului de răspundere . să-şi verifice cunoştinţele asimilate. datorită necesităţii adaptării acestora la nivelul fiecărui caz particular. Aplicaţiile jocurilor de simulare pentru rezolvarea unor probleme de marketing reale nu sunt foarte numeroase. bineînţeles fără utilizarea efectivă a acestora.  aplicarea conceptelor de marketing.  creşterea curbei învăţării datorită succeselor şi greşelilor realizate. posibilitatea de testa o serie de ipoteze asupra naturii deciziilor. jocurile de întreprindere duc la familiarizarea participanţilor cu aspectele specifice implicate de utilizarea calculatorului în procesele manageriale. puterea de a raţiona corect.  datorită echipamentelor necesare.

Printre deciziile care 7 www. Va câştiga echipa cu cea mai buna strategie. y. înţelegere a pieţei şi notorietate comercială. Pe baza unui buget iniţial. Aceste produse vor fi scoase la vânzare pe o piaţă concurenţială într-un mod similar cu procesul de aprovizionare: licitaţie directă. Firmele dispun de acelaşi buget iniţial. Firmele care intră în dificultăţi financiare pot solicita credite de la banca. Pe piaţa astfel formată există 3 tipuri de materii prime (a. Fiecare participant simulează o companie din sfera producţiei aflată în competiţie cu toate firmele simulate de către ceilalţi participanţi la programul de instruire. Jocul induce ideea de a acţiona strategic pe o piaţă în locul unei simple reacţii la schimbările conjuncturale. Firmele care nu au reuşit aprovizionarea vor înregistra penalităţi .cheltuielile fixe legate de funcţionarea companiei.fiecare echipă joacă rolul unui Director Regional de Vânzări şi concurează una împotriva celeilalte. astfel încât nu toate firmele prezente pe piaţă vor reuşi aprovizionarea. aceste materii prime nu se găsesc în cantităţi nelimitate.mai multe echipe concurează pe aceeaşi piaţă. Firmele care au reuşit aprovizionarea vor trece la stabilirea strategiei de producţie: combinând materiile prime (conform reţetelor de fabricaţie) vor realiza produse finite în cantităţile si sortimentele alese. z şi w). b şi c) prin a căror combinare după o reţetă de producţie se pot obţine 4 produse finite (x. Creditul(ele) şi dobânda aferentă se scad la sfârşitul jocului din bugetul firmei. Jocul Managementul Vânzărilor . Acest proces se face prin licitaţie directă închisă (fiecare firmă îşi va elabora oferta de cumpărare cuprinzând cantităţile cerute din fiecare materie primă precum şi preţul pe care este dispusă să-l plătească). dezvoltarea spiritului de echipă si a capacităţii de a lua decizii sub presiunea timpului.smartbox. Exemple de jocuri de simulare7: Jocul ABC Market . Aceste credite se gajează cu valoarea stocurilor de materii prime şi/sau produse finite şi sunt purtătoare de dobândă. produce şi vinde.ro 41 . La fel ca şi în economia reală. Vor reuşi vânzarea acele firme care au cerut pentru produsele lor un preţ mai mic sau egal cu cel mediu stabilit pe piaţa în urma procesărilor tuturor ofertelor de vânzare. echipele vor cumpăra.

trebuiesc luate amintim: alegerea pieţelor de desfacere. modalitatea de vânzare. în special in sectorul de vânzări: marea majoritate area sales managerilor sunt promovaţi din rândul agenţilor de vânzări care au rezultate deosebite în activitate. Astfel. Prin acest joc se permite fiecărui participant adoptarea tuturor atributelor manageriale în vânzări: recrutare. Nu în ultimul rând. Jocul a fost elaborat datorita unui fenomen extrem de evident pe piaţa românească de forţa de muncă. 42 . ei vor decide ce să cumpere şi de la care echipă. În final. alături de metodele cercetării operaţionale sau statistico-matematice. instruirea acestora . în timp ce orice proces economic complex impune în momentul luării deciziei considerarea şi a factorilor calitativi. participanţii vor decide cum să-şi promoveze produsele către aceste categorii de clienţi. adică să vândă mult. stabilirea dimensiunii parcului auto si a rutelor. fixarea preţurilor. Ele vor trebui să decidă ce categorii de clienţi trebuie să abordeze şi ce tipuri de produse pot fi vândute. noul ASM provenit din rândul agenţilor de vânzări poate neglija anumite atribute manageriale în vânzări (recrutare de noi agenţi. Clienţii vor alege produsele cu cea mai atractivă promovare şi care li se par cele mai convenabile. etc. decizii privind activitatea de marketing. Prima tentaţie care apare la o astfel de persoană este să-şi păstreze comportamentul. utilizatorul va combina cele două categorii de metode (cantitative şi calitative). planificarea şi stabilirea strategiilor manageriale. oferind astfel jucătorilor avantaj competitiv. Faptul că sunt foarte buni agenţi de vânzări nu garantează că vor fi şi buni manageri în vânzări. motivarea lor.pe baza unui buget iniţial şi a unui portofoliu de produse similare. Astfel.inclusiv "on the job". motivare. având în vedere că un model matematic asigură o evaluare în termeni cantitativi a unui fenomen. Jocul Promoţiilor . etc. echipele vor concura pe aceeaşi piaţă. training. mărimea propriei structuri de angajaţi. selectarea produselor ce trebuie cumpărate şi vândute. Într-un joc de întreprindere se poate utiliza atât metoda de simulare Monte Carlo (dacă intervin variabile aleatorii) sau tehnicile de simulare Forrester. training on the job şi vânzare personală.) alocându-şi tot timpul disponibil vânzărilor personale.

Editura Economică. pp. un model rigid neputând pune în valoare inteligenţa şi creativitatea participanţilor şi. de asemenea. astfel încât participanţii la joc să poată înţelege diversele legităţi ale unităţii economice în ansamblu. participanţii la joc putând experimenta diferite decizii în cadrul compartimentului care îndeplineşte funcţia simulată (serviciul de aprovizionare.  Jocurile complexe analizează mai multe funcţii ale întreprinderii şi relaţiile principale cu alte compartimente sau chiar cu mediul exterior întreprinderii.  Jocul funcţional (Functional game) se referă la o funcţie specifică a întreprinderii analizate. în condiţiile influenţei reciproce atât dintre subsistemele interne. Modelarea & simularea proceselor economice – Teorie şi practică. pe măsura derulării experimentărilor nu permite perfecţionare sistemului. CLASIFICAREA JOCURILOR DE SIMULARE Jocurile de întreprindere sunt clasificate după numeroase criterii. serviciul de investiţii. 254-257.) şi estima eventualele consecinţe pentru alte compartimente cu care acţionează în strânsă legătură.Un joc de întreprindere trebuie astfel conceput încât să fie caracterizat prin elasticitate. 2005. jucătorii trebuie să estimeze 8 Preluat după Raţiu – Suciu. Camelia. În acest caz. 43 . Ediţia a patra. Bucureşti. jocurile se clasifică în:  Jocurile pentru întreaga întreprindere (Total Entreprise sau Top Management) simulează funcţiile principale ale întreprinderii. dintre cele mai importante fiind8:  După sfera de acţiune. cât şi dintre acestea şi mediul exterior. serviciul de producţie etc.

se urmăreşte evaluarea efectelor unor perturbaţii asupra compartimentului considerat chiar dacă aceste perturbaţii au apărut în afară. cât şi de deciziile concurenţilor. o Jocurile independente sunt acele jocuri în care fiecare realizează 44 îmbunătăţirea propriilor .  Jocurile pentru alte zone de specialitate permit testarea unor strategii politice. De asemenea. Sunt jocuri specifice pentru economia de piaţă. se pot constata efectele economice la unităţile beneficiare sau se pot stabili consecinţele pentru unităţile de servire analizate. În acest caz.implicaţiile unei decizii adoptate într-un anumit compartiment asupra altor compartimente ale întreprinderii.  După elementul competitiv. într-un compartiment cu care există strânse legături. funcţia de performanţă economică a unui jucător depinde atât de propriile acţiuni. cât şi de acţiunile adversarului sau adversarilor săi. economice. corelate cu comportamentul unităţilor consumatoare. dacă se consideră diverse programe de lucru ale unor unităţi de servire. Ele pot fi: jocuri interdependente şi jocuri independente. o Jocurile interdependente sunt acele jocuri în care succesul unui participant este influenţat atât de propriile decizii. De exemplu. jocurile pot fi:  Jocuri concurenţiale sunt acelea în care fiecare participant adoptă astfel de decizii încât să-şi depăşească adversarul (adversarii). de pildă. tehnico-organizatorice privind o ramură de activitate economică dintr-o anumită zonă geografică.

ca de exemplu: fiecare partener îşi desface mărfurile pe piaţa cea mai apropiată. Diferenţa dintre modul în care acţionează natura şi modul în care acţionează un “partener” virtual este că acest “partener” acţionează conştient. aceste acţiuni constituie.  Jocurile contra naturii sunt acele jocuri în care un decident real îşi îndreaptă acţiunea împotriva unui “partener virtual”. Acest partener poate acţiona atât în favoarea decidentului. În cazul economiei de piaţă se stabilesc convenţii între doi sau mai mulţi parteneri prin care aceştia îşi împart piaţa pentru anumite produse conform unor principii. mediul ambiental. de fapt. În cadrul coaliţiilor de jucători se poate considera că jocul este independent. fără a leza interesele partenerului de joc. Coaliţia poate fi însă în competiţie cu alte coaliţii. Practic. acestea să nu fie îndreptate împotriva intereselor celuilalt partener.  Jocurile cooperative sunt acele jocuri în care doi parteneri convin ca. care reprezintă. În majoritatea cazurilor participantul la joc 45 . cel puţin în privinţa anumitor clase de decizii şi acţiuni. în timp ce mediul acţionează fără intenţie (fără scop).performanţe economice. fără a acţiona asupra celorlalţi jucători. această competiţie putând avea caracter dependent (dacă coaliţiile îşi influenţează rezultatele reciproc) sau caracter independent. în caz contrar. În concluzie. fiecare partener vinde unui număr de clienţi proporţional cu volumul producţiei etc. jucătorul adoptă diverse decizii cu scopul de a-şi îmbunătăţi indicatorii economici. cât şi în defavoarea acestuia. de fapt. atunci când jucătorii din cadrul coaliţiei se ajută reciproc. perturbaţii.

În cazul unui joc simplu. perfecţionarea stilului de adoptare a deciziilor de către jucători. Editura Uranus Bucureşti. dar foarte posibil a fi regăsite în practica unităţilor economice. 2002. Cercetări de marketing. care reduc probabilitatea de apariţie a evenimentelor nedorite.  După prelucrarea rezultatelor. 46 . La aceste jocuri calculatorul efectuează operaţii de rutină sau adoptă decizii simple. Aceste pachete sunt realizate astfel încât să furnizeze atât teorie cât şi practică privind concepte fundamentale de afaceri (în Cătoiu. Deciziile importante trebuie să fie adoptate însă de jucători raţionali. fie cu ajutorul unui minicalculator. pot fi:   Jocuri pe calculator Jocuri manuale. Prin solicitări repetate se reuşeşte. de cele mai multe ori. calculele pot fi efectuate fie manual. Pentru a contracara efectele negative ale perturbaţiilor mediului este necesar să se adopte o serie de măsuri preventive. În cazul jocurilor complexe se elaborează programe de calcul care determină efectele economice ale deciziilor adoptate de parteneri.se găseşte în interacţiune cu mediul (natura).  După scopul urmărit. Iacob coordonator.  Pachete de auto – învăţare – permit participanţilor să înveţe prin exerciţii practice preluate din afaceri. În funcţie de acest criteriu. pot fi:  Jocurile de instruire sunt acele jocuri care permit participanţilor să înveţe să adopte decizii optime în condiţiile unor situaţii ipotetice. p 439).

dintre care.  restricţiile de joc (respectiv restricţii în legătură cu resursele la dispoziţia participanţilor. În această etapă sunt comunicate:    regulile jocului. informaţiile pe care le deţine sau le poate obţine un participant.. cât şi ale soluţiilor ineficiente. obiectivele jocului. cele mai importante sunt:  Descrierea generală a jocului şi instruirea participanţilor. ceea ce îi permite ca. care analizează efectele economice ale mai multor soluţii (care constau în diferite variante sau strategii) în condiţiile unor perturbaţii. Aceste jocuri necesită utilizarea calculatorului electronic. În acest caz. să obţină un spor semnificativ de economii de resurse. în afară de instruire. în condiţii reale. opţiunile posibile şi decizia pe care 47 . ETAPELE DESFĂŞURĂRII UNUI JOC DE ÎNTREPRINDERE Jocurile de întreprindere se desfăşoară sub conducerea unui administrator (arbitru) şi presupun parcurgerea mai multor etape. decidentul poate cunoaşte consecinţele asupra performanţelor economice atât ale soluţiei optime (sau suboptime). deoarece deciziile se adoptă pe baza unui algoritm complex. valorile iniţiale ale parametrilor de stare precum şi evoluţiile probabile ale unor indicator. Jocurile de întreprindere pentru fundamentarea deciziilor operative sunt jocuri care permit specialiştilor să adopte decizii mai bune. posibile perturbaţiile şi eventual probabilitatea de realizare etc.

cu respectarea condiţiilor impuse iniţial şi comunicate în etapa anterioară. În unele cazuri el nu anunţă de la început acest număr de cicluri.  Adoptarea deciziilor de către participanţi. Fiecare decizie adoptată de către participanţi constituie o iteraţie (ciclu) a jocului. De regulă. pentru găsirea celei mai bune soluţii. numărul total de iteraţii putând fi precizat de arbitru în prima etapă a jocului. precum şi a perturbaţiilor apărute în perioada I jocului comunicate de către consilieri. aceasta stabilindu-se pe parcurs derulării jocului în funcţie de rezultate şi. Participanţii la joc trebuie să adopte deciziile pe care le consideră cele mai bune pentru obiectivul urmărit. să fie schimbată pe parcursul desfăşurării jocului pentru îmbunătăţirea performanţelor. 48 . de părerea consilierilor de joc.  Efectuarea de către arbitru a calculelor şi evaluarea deciziilor adoptate. restricţii de acţiune etc.  obiectivele întreprinderii sau compartimentului pe care îl reprezintă fiecare jucător.). sau compartimentelor pe care le reprezintă jucătorii.trebuie să o adopte pentru realizarea obiectivului impus. în consecinţă. eventual. administratorul rulează programul de simulare şi evaluează consecinţele acestor decizii asupra performanţelor economice ale întreprinderilor. decizia fiind adoptată pe baza competenţei. a unui algoritm euristic elaborat în timpul jocului sau cunoscut anterior şi adaptat condiţiilor concrete ale jocului sau prin tatonare (se aleg la întâmplare valori numerice ale parametrilor economici şi se evaluează consecinţele). Direcţia de acţiune a fiecărui participant poate. În baza deciziile adoptate de către fiecare participant. arbitrul nu pune la dispoziţia jucătorilor nici un fel de algoritm.

sau de a adopta o altă strategie. Arbitrul ia decizia de a continua numărul de iteraţii sau de a înceta jocul. unii participanţi pot părăsi jocul (ex: în cazul jocurilor concurenţiale. anunţă rezultatele obţinute fiecărui participant. Această decizie se poate baza fie pe realizarea numărului de iteraţii stabilit încă de la începutul jocului. respectiv încetare a jocului.  Comunicare de către arbitru a unei informări asupra rezultatelor obţinute. arbitrul poate evalua măsură în care jucătorii stăpânesc fenomenele economice şi poate estima atât timpul de instruire cât şi capacitatea participanţilor de a conduce un compartiment / întreprinderea în totalitate. După evaluarea rezultatelor fiecărei iteraţii arbitrul. sau se poate baza pe o evaluare a situaţiei astfel:  dacă se constată că toţi participanţii şi-au însuşit jocul cu mult înainte de terminarea numărului prestabilit de cicluri se procedează la finalizarea jocului. că participanţii nu şi-au însuşit jocul. Jucătorii fac o analiză a rezultatelor.  dacă se constată. arbitrul poate mări numărul faţa de cel stabilit iniţial. Sunt comunicate atât informaţii cu caracter general (care privesc toţi participanţii la joc).  Efectuarea de către arbitru a unui test de continuare. dar şi informaţii destinate fiecărei echipe (confidenţiale echipelor concurente). Unele informaţii pot fi obţinute doar contra cost. însă.  Anunţarea sfârşitului jocului şi a rezultatelor finale. 49 . În baza căreia se ia decizia de a menţine direcţia de acţiune. Pe parcursul derulării jocului.Astfel. în situaţie de faliment).

programare) pentru conceperea. modelarea şi punerea la punct a unui astfel de joc. Astfel. sunt calculaţi diverşi indicatori de performanţă în baza cărora se va determina calificativul global al fiecărui participant la joc şi care va sta la baza ierarhizării participanţilor.În baza evaluării evoluţiei de ansamblu a fiecărui participant. Aceasta va putea permite şi o evaluare a măsurii în care participanţii s-au folosit de aspectele învăţate anterior. LIMITE ALE JOCURILOR DE ÎNTREPRINDERE  consumul mare de timp şi experienţă în diverse domenii (economic.  rezultatele scontate apar după un anumit număr de ani (în timp ce implementarea acestuia este extrem de costisitoare). 50 . arbitrul evaluează rezultatele jocului. informatică. se recomandă elaborarea de către fiecare echipă a unei prezentări care să cuprindă deciziile adoptate. inginerie. De asemenea. precum şi coerenţa acţiunilor întreprinse. matematică.

respectiv comportarea în timp. Simularea cu ajutorul tehnicilor Forrester Modelarea dinamică (dinamica industrială) a fost elaborată de Jay Forrester în perioada anilor '60. La baza acesteia stă faptul că funcţionarea unui sistem presupune cunoaşterea interacţiunilor dintre fluxurile de informaţii. programarea şi urmărirea producţiei.ieşire (starea sistemului).4.5. comenzi. La baza modelării dinamice stă ciclul informaţie – decizie – acţiune. 51 . Astfel. Instrumentele utilizate de dinamica industrială combină metodele de natură calitativă cu cele cantitative. controlul stocurilor. la nivel microeconomic aplicaţiile au vizat alocarea capacităţilor. Un model dinamic surprinde comportarea sistemelor complexe. Acesta se constituie din două căi:  calea directă: intrare (decizie) . organizarea desfacerilor de produse.  calea de reacţie inversă (feed-back-ul): ieşire (starea sistemului) informaţie despre ieşire (eventual prelucrată) . La nivel macroeconomic aceste tehnici au fost utilizate pentru organizarea cercetării ştiinţifice şi protecţia mediului ambiant. resurse materiale şi umane etc. Tehnicile Forrester au fost utilizate deopotrivă la nivel microeconomic şi macroeconomic. evidenţiind modul în care structura acestora determină traiectoria.intrare (decizie).

 variabile auxiliare – constituie părţi ale ecuaţiilor de ritm care exprimă concepte cu înţeles independent.  bazându-se pe analize şi interpretări calitative. Tehnicile de dinamică industrială operează cu următoarele categorii de variabile (mărimi ce sunt influenţate de deciziile din interiorul sistemului):  variabile care reprezintă acumulări de cantităţi. Valorile parametrilor pot fi modificate de la o simulare la alta. în timp ce variabilele de nivel capătă valori distincte la momente diferite În afara acestor variabile tehnicile de dinamică industrială conţin şi parametri a căror valori nu sunt influenţate de deciziile din interiorul sistemului analizat.  oferă posibilitatea rezolvării unor probele de mare complexitate prin simulare. utilizând deopotrivă relaţii cantitative şi calitative. De exemplu ritmul desfacerilor într-o anumită perioadă de timp. Variabilele de ritm sunt constante pe durata unui interval. precum şi procesele de feed-back. evidenţiind elementele intercondiţionare. nivelul desfacerilor la un anumit moment dat. ce sunt măsurabile riguros la un moment dat (niveluri). sistemică a fenomenelor economice complexe.  variabile care exprimă modul de desfăşurare a unor procese (variabile de ritm). tehnicile de tip Forrseter evită rigiditatea modelelor matematice.Avantajele utilizării tehnicilor de dinamică industrială:  constituie o modalitate de analiză globală. 52 . De exemplu.

ecuaţii de ritm (ritmul variaţiei stării).Comportarea sistemului este descrisă cu ajutorul unui sistem de ecuaţii ce cuprind:     ecuaţii de nivel (variaţia unei variabile de stare). ecuaţii auxiliare (dependenţa unei variabile de altă variabilă sau parametru). 53 .

. j . . EXPERIMENTE FACTORIALE Aceste modele studiază influenţa două sau mai multor variabile independente . Experimente de marketing utilizate în studiul legăturilor dintre variabile O serie de modele oferite de statistica matematică pot fi utilizate în simularea fenomenelor de marketing în vederea determinării relaţiilor de interdependenţă dintre două sau mai multe variabile. respectiv pentru verificarea unor ipoteze legate de influenţele dintre variabilele studiate. . . . ya11 ya21 … yaj1 … yab1 ya12 ya22 … yaj2 … yab2 . . ya1na1 ya2na2 … yajnaj … yabnab 1 . . . . . . . . . Experimente doi factori (cu doi factori) În cazul unui experiment factorial cu doi factori datele se pot organiza astfel: Niveluri ale variabilei independente A Niveluri ale variabilei independente B 1 2 … j … b y111 y121 … y1j1 … y1b1 y112 y122 … y1j2 … y1b2 . y1jn1j … y1bn1b y11n11 y12n12 … . a 54 .factori (precum şi interacţiunea dintre acestea) asupra unei variabile dependente (rezultative). . . . . .5.5. . . . . . Modele de simulare pentru studierea relaţiilor de cauzalitate. .

respectiv.variaţia determinată de cele două variabile independente.variaţia totală sau suma abaterilor pătrate pe total (ST) se determină cu ajutorul relaţiei: 2   a b nij   yijk    i 1 j 1 k 1 a b nij  2 ST   yijk   n i 1 j 1 k 1 . presupune calculul următorilor indicatori: . Se lansează ipoteza nulă conform căreia cele două variabile independente. b ). Deci: ST = STr + SE. . a ) şi nivelul j al variabilei B (j = 1. S Tr  nij   a b nij    y ijk    y ijk    i 1 j 1 k 1  a b   k 1       nij n i 1 j 1 2 2 . Determinarea. precum şi de interacţiunea dintre acestea. cu ajutorul analizei dispersionale. 55 . precum şi interacţiunea dintre ele nu au influenţă semnificativ variaţia variabilei dependente.yijk – reprezintă nivelul variabilei dependente căruia i s-a aplicat nivelul i al variabilei A ( i = 1. suma abaterilor pătrate între grupurile constituite după variaţia simultană a celor două variabile (STr).eroarea experimentală (SE). a influenţelor celor două variabile independente precum şi a interacţiunii dintre ele asupra variaţiei variabilei rezultative. SE = ST – STr . Variaţia totală se divide în două componente : .

a celor trei valori calculate Fc corespunzătoare fiecărui efect studiat: 56 . respectiv. precum şi ca rezultat al interacţiunii dintre acestea se determină cu ajutorul relaţiilor:    a b nij  b nij   yijk    yijk     i 1 j 1 k 1  j 1 k 1 a    SA    ni n i 1 2 2 . suma abaterilor pătrate între grupurile constituite după variaţia simultană a variabilelor A şi B (STr) este constituită din trei componente SA. precum şi ca rezultat al interacţiunii dintre cele două variabile: STr = SA + SB + SAB. ni = numărul valorilor variabilei dependente din grupurile formate strict după variaţia variabilei A. 2    a b nij  a nij   yijk    yijk     i 1 j 1 k 1  i 1 k 1 b    SB    nj n j 1 2 . variaţia variabilei rezultative generată de variaţia variabilei independente A. nij = numărul valorilor variabilei dependente din grupurile formate după variaţia variabilei A şi B. respectiv. Variaţia variabilei dependente ca rezultat al variaţiei variabilelor A. unde: n = numărul total al valorilor înregistrate ale variabilei dependente.De asemenea. SB. SAB. B. SAB = STr – SA – SB . a variabilei independente B. Verificarea semnificaţiei statistice a celor trei efecte presupune determinarea raporturilor Fisher. nj = numărul valorilor variabilei dependente din grupurile formate strict după variaţia variabilei B.

57 . ipoteza nulă se respinge. Fc < F tabelat. ipoteza nulă se acceptă. pentru probabilitatea de garantare a rezultatelor considerată. Fc AB  (a  1)(b  1) n  ab Valorile calculate Fc se compară cu valorile tabelate F corespunzătoare pentru un anumit număr de grade de libertate şi un anumit nivel de semnificaţie  determinat în funcţie de probabilitatea P cu care se garantează rezultatele. Dacă: Fc > F tabelat. variabila independentă (interacţiunea dintre acestea) are o influenţă semnificativă asupra variabilei dependente. variabila independentă (interacţiunea dintre cele două variabile) nu are influenţă semnificativă asupra variabilei dependente.Fc A  SA SE : . a  1 n  ab S SE . Fc B  B : b  1 n  ab S AB SE : .

în cazul unui experiment cu trei factori (A.B. A . B. B. B . se studiază influenţa fiecărui factor experimental A. C.C. 58 .Tabelul de calcul pentru analiza datelor în proiectarea complet aleatoare cu doi factori: Natura variaţiei Suma pătratelor abaterilor 2 Numărul gradelor de libertate n-1 Valorile Fc Totală Generată de factorii experimentali A şi B. A – B – C. ca şi interacţiunea dintre acestea. C). precum şi de interacţiunea dintre ei Generată de factorul experimental A Generată de factorul experimental B Generată de interacţiunea dintre factorii experimentali A şi B Reziduală  a b nij    yijk  nij  i 1 j 1 k 1  a b  2 ST   yijk   n i 1 j 1 k 1 2 - S Tr  nij   a b nij    y ijk    y ijk   k 1   i 1 j 1 k 1  a b       nij n i 1 j 1 2 2 ab-1 2 -    a b nij  b nij   yijk    yijk     i 1 j 1 k 1 a  j 1 k 1    SA    ni n i 1  a nij   a b nij    yijk    yijk    i 1 j 1 k 1  b  i 1 k 1    SB    nj n j 1 2 a-1 2 Fc A  SA SE : a  1 n  ab b-1 FcB  SB SE : b  1 n  ab SAB = STr – SA – SB (a-1)(b1) n-ab Fc AB  S AB S : E (a  1)(b  1) n  ab SE = ST – STr - Similar pot fi studiate influenţele mai multor variabile.C şi. respectiv. precum şi influenţa următoarelor interacţiuni: A . prin intermediul unui experiment multifactorial. De exemplu.

818...067  a b nij    y ijk   i 1 j 1 k 1  2 2    (24  27  25  26  28  ..75  67..81 n 43 43  nij   a b nij    y ijk    y ijk    i 1 j 1 k 1  a b  k 1     70.922..   y33k   y34 k  k 1 k 1 k 1 k 1 k 1 3 4 3 3 4  242  27 2  252  .922. precum şi interacţiunea dintre ei nu au influenţă semnificativă asupra variaţiei variabilei dependente.067  67...144.  61  42)  1709  67..94    nij n i 1 j 1 2 2 2 S Tr 59 .  422  72..81  2. Variabila independentă B Variabila independentă A B1 24 27 25 34 36 41 21 33 45 47 Total 333 B2 26 28 34 23 31 46 45 43 46 32 41 395 B3 38 36 21 39 41 48 56 46 41 45 36 447 B4 39 42 44 48 47 51 56 49 55 61 42 534 Total A1 455 A2 638 A3 616 1709 Lansăm ipoteza nulă conform căreia cei doi factori experimentali..19 2 ST   yijk   n i 1 j 1 k 1 2  y i 1 j 1 k 1 a b nij 2 ijk 2 2 2 2 2   y11k   y12 k   y13k  ..741.922..81  4.Exemplu Considerăm următoarele valori înregistrate ale unei variabile dependente yij sub acţiunea a nivelurilor a două variabile independente A şi B.  a b nij    yijk  nij  i 1 j 1 k 1  a b   72.

.25 :  :  12.91 SB    nj n j 1  a nij    yijk   b  3332 395 2 447 2 534 2 i 1 k 1   n   10  11  11  11  69. precum şi pentru 4 – 1 = 3 şi.07 SE = ST – STr = 4.437.001.94 = 1.144.08 (a  1)(b  1) n  ab (3  1)(4  1) 43  3  4 Notă: Nedispunând de valori tabelate ale lui F pentru 3 – 1 = 2 şi. respectiv. 60 .19 .96 1.325. nedispunând de valoarea tabelată a lui F pentru (3 – 1)(4 – 1) = 6 şi.922. 31 grade de libertate. F0.027.360.922.96   SA    ni n i 1 2 2 2  b nij    yijk   a  455 2 638 2 616 2 j 1 k 1   n   14  15  14  69. respectiv.360.25 :  :  1.2.81  1.94 .81  1.325. 31 grade de libertate.818.92 a  1 n  ab 3 1 43  3  4 SB SE 1.72 j 1 j 2 2 2 SAB = STr – SA – SB = 2.77 i 1 i 2  a nij   a b nij    yijk    yijk   i 1 k 1   i 1 j 1 k 1  b     69. 43 – 3 . 30 = 8.104.818..104.437.. aceasta a fost citită pentru 6 şi. În aceeaşi ordine de idei.77  67.  49  55  61  422  70.437..91 1.325.. acestea au fost citite pentru 2 şi 30. respectiv. nij    y ijk   a b  k 1 24  27  252  26  28  34  232  .325.75   n   3 4 4 i 1 j 1 ij    a b nij  b nij   yijk    yijk     i 1 j 1 k 1  j 1 k 1 a   69. 30 grade de libertate şi pentru un nivel de semnificaţie de 0.1.25 SA SE 1.77.104.1.001. 2. 4 = 31 grade de libertate.96 .72  67. respectiv.. respectiv.21 b  1 n  ab 4  1 43  3  4 Fc A  FcB  Fc AB  S AB SE 276.07 1.741.05.91 = 276. pentru 3 şi 30 grade de libertate şi pentru un nivel de semnificaţie de 0.027.25 :  :  11.

Controlul variabilei “externe” se realizează prin gruparea în blocuri. 8. valorile variabilei dependente din cadrul fiecărui bloc fiind obţinute sub influenţa aceluiaşi nivel a variabilei „externe”. Deci variabila dependentă este influenţată semnificativ de cele două variabile independente.001.05.001. deci pentru un nivel de semnificaţie  de 0.08. însă interacţiunea dintre ele nu influenţează semnificativ variaţia variabile Y. 30 = 2. 30 = 7. 61 .05.F0.42. comparativ cu modelele prezentate anterior rezultate mai valide.21.9%. 3.05 < 11.42 > 1. METODA BLOCURILOR RANDOMIZATE Modelele de proiectare a experimentelor de tipul blocuri aleatoare sau randomizate se caracterizează prin faptul că izolează şi măsoară efectele pe care o variabilă independentă “din afară” le are asupra variaţiei variabilei rezultative. 6. Această categorie de modele de proiectare oferă. se observă că cei doi factori experimentali sunt semnificativi pentru o probabilitate de garantare a rezultatelor de 99.92 7. în majoritatea cazurilor fenomenele cercetate fiind influenţate cel puţin de o variabilă “externă” cu efecte asupra variaţiei variabilei rezultative. valoarea calculată FcAB fiind inferioară valorii tabelate pentru o probabilitate de garantare a rezultatelor de 95%: 2. F0.77 < 12. Comparând valorile Fc calculate cu valorile tabelate.

yi3 … yij . Blocuri randomizate cu un singur factor Organizarea datelor în cazul schemelor experimentale de tipul blocuri randomizate cu un singur factor se realizează astfel: Nivele ale variabilei externe controlate E e1 e2 . cuprinde r valori grupate în acelaşi bloc. respectiv. yn2 … … … … … xr y1r y2r . . De asemenea. 62 . yn3 … ynj x1 y11 y21 . . variabila “externă” controlată nu au influenţă semnificativă asupra variabilei dependente. en Nivele ale variabilei X x3 … xj y13 … y1j y23 … y2j . . . yi2 . ei . precum şi a interacţiunii dintre acestea. .Prin această categorie de experimente (datorită izolării şi măsurării influenţei pe care variabila controlată “din afară” o exercită asupra variaţiei variabilei rezultative) se poate măsura cu mai multă precizie influenţa variabilei sau variabilelor independente. yi1 . asupra variaţiei variabilei dependente. . yir . omogene din punctul de vedere al variabilei “externe” controlate. . . Determinarea influenţei factorului experimental şi a variabilei “externe” asupra variaţiei variabilei rezultative şi a semnificaţiei acestor influenţe se realizează cu ajutorul analizei variaţiei. . . respectiv. yn1 x2 y12 y22 . ynr Fiecare coloană j cuprinde n valori ale variabilei dependente obţinută sub acţiunea nivelului j a variabilei independente. . fiecare rând i. . . . Se lansează ipoteza nulă conform căreia factorul experimental şi.

n ) a variabilei „externe” şi nivelul j al variabilei factorial ( j = 1.variaţia între grupuri sau suma abaterilor pătrate între grupuri (STr). precum şi a variabilei “din afară” presupune determinarea raporturilor Fisher. Ele se determină după cum urmează: 2 S Tr 2 n r   n     y ij    y ij    r i 1 j 1     i 1    n nr j 1 .Se determină variaţia totală înregistrată de toate unităţile cercetate. Verificarea semnificaţiei statistice a influenţei factorului experimental. care exprimă influenţa variabilei “externe” controlate. care măsoară influenţa altor factori neincluşi în model (întâmplători). Variaţia totală se descompune în: . suma abaterilor pătrate ale valorilor înregistrate ale variabilei rezultative faţă de media lor aritmetică (ST):  n r    y ij    n r i 1 j 1  2 S T   y ij   nr i 1 j 1 2 .variaţia între blocuri sau suma abaterilor pătrate între blocuri (SBl). care exprimă influenţa variabilei factoriale. SE = ST – STr – SBl . corespunzătoare fiecărui efect studiat: 63 . respectiv. . . unde: yij – reprezintă nivelul variabilei dependente înregistrat sub acţiunea nivelul i ( i = 1.eroarea experimentală (SE). 2 S Bl   n r  r    y ij    y ij     n  j 1    i 1 j 1    r nr i 1 2 . r ).

Valorile calculate FcTr şi. ipoteza nulă se respinge. respectiv. : n  1 (n  1)(r  1) unde: r = numărul de grupuri . r  1 (n  1)(r  1) S Bl SE . ipoteza nulă se acceptă. pentru nivelul de semnificaţie considerat.FcTr  FcBl  S Tr SE : . pentru nivelul de semnificaţie . Fc < F tabelat.n-1.r-1.(n-1)(r-1) şi. respectiv. ales. variabila factorială şi variabila independentă “din afară” are o influenţă semnificativă asupra variaţiei variabilei dependente. Dacă: Fc > F tabelat. Tabelul de calcul pentru analiza datelor în proiectarea cu ajutorul blocurilor randomizate a experimentelor cu un singur factor: Natura variaţiei Suma pătratelor abaterilor  n r    y ij    n r i 1 j 1  2 S T   y ij   nr i 1 j 1 2 Numărul gradelor de libertate rn-1 Valorile Fc Totală Între grupe (factorială) Între blocuri (sub influenţa variabilei “din afară”) Reziduală - S Tr 2 n r   n     y ij    y ij    r i 1    i 1 j 1    n nr j 1 2 r-1 2 FcTr  S Tr SE : r  1 (n  1)(r  1) S Bl  r   n r    y ij    y ij      n j 1 i 1 j 1      r nr i 1 2 n-1 FcBl  S Bl SE : n  1 (n  1)(r  1) SE = ST – STr – SBl (n-1)(r-1) 64 - . variabila factorială şi variabila independentă “din afară” nu au influenţă semnificativă asupra variabilei dependente. F.(n-1)(r-1). FcBl se compară cu valoarea tabelată F. n = numărul de blocuri. citite din tabelele Fisher.

Variabila externă controlată E e1 e2 e3 e4 e5 e6 e7 e8 e9 e10 Total Variabila independentă X x1 13 21 14 15 9 11 19 12 21 17 152 x2 27 13 41 25 21 18 29 14 9 15 212 x3 41 33 45 16 41 37 23 18 46 51 351 Lansăm ipoteza nulă conform căreia variabila independentă X şi variabila “externă” E –nu au influenţă semnificativă asupra variabilei dependente.040.124.451 2  n r    y ij  2   i 1 j 1    152  212  351  17.83  2..83  4..084.451  17.07   n nr j 1 2 S Tr  n    y ij  r   i 1 n  j 1 2  152 2 212 2 3512    19.9 10 10 10 65 ...040.17 2 S T   y ij  nr i 1 j 1  y i 1 j 1 n r 2 ij  132  212  14 2  .9  17. 2   n r     y ij  n r  i 1 j 1   21.  46 2  512  21.124. Se controlează variaţia variabilei externe E.83 nr 3  10 2  n r   n    y ij    y ij    r i 1    i 1 j 1   19.040.410..Exemplu Considerăm următoarele valori înregistrate ale unei variabile dependente yij sub acţiunea nivelurilor variabilei independente X.

07 .83 1.084. Blocuri randomizate cu doi factori În cazul schemelor experimentale de tipul blocuri randomizate cu doi factori.541 >6.17 . deosebirea constând în faptul că fiecare k valoare a variabilei dependente din cadrul fiecărui grup face parte din blocul k.51) 11.01). respectiv. în schimb.83  700.  17  15  512  17. 0.2.700.83 = 1625. (F0..040. Notă: Nedispunând de valoarea tabelată a lui F pentru 9 şi.541 r  1 (n  1)(r  1) 3 1 (10  1)(3  1) S Bl SE 700. organizarea datelor este similară cu cea specifică proiectării factoriale cu doi factori.01.741. respectiv. 2.625. Deci există n 66 ..83   r nr i 1 2 2 2  r    y ij   n  13  27  412  21  13  332  . (F0.51. variabila E nu influenţează semnificativ variabila Y pentru o probabilitate de garantare a rezultatelor de 95%.625. aceasta a fost citită pentru 8 şi.05.01.S Bl   n r   r   y ij    y ij     n  j 1    i 1 j 1   17. 18 grade de libertate.27 :  :  11.99 = 0.410.084.741.862 < 2. 18 grade de libertate şi un nivel de semnificaţie  de 0. Rezultă că ipoteza nulă se respinge. variabila X are o influenţă semnificativă asupra variabilei dependente.67  17. 18 = 2.0.01. De asemenea. pentru o probabilitate de garantare a rezultatelor de 99%. 18 = 6. valoarea FcBl se compară cu valoarea tabelată F pentru 9 şi.07 1.27 :  :  0. respectiv.05. 18 grade de libertate.27 FcTr  FcBl  STr SE 2.862 n  1 (n  1)(r  1) 10  1 (10  1)(3  1) Valoarea calculată FcTr se compară cu valoarea teoretică pentru o probabilitate de garantare a rezultatelor de 99% şi pentru 2 şi.67 j 1  r   3 3 3 i 1 SE = ST – STr – SBl = 4. 8. 18 grade de libertate şi un nivel de semnificaţie  de 1 . respectiv.

SE = ST – STr– SBl. iar factorul B. interacţiunea dintre ei. există doi factori A şi B. Variaţia totală se divide în trei componente : ..eroarea experimentală (SE). Se lansează ipoteza nulă conform căreia cale două variabile independente. care exprimă influenţa variabilei “externe” controlate. presupune determinarea următorilor indicatori: . care se determină cu ajutorul relaţiei: 2  a b n    yijk    a b n i 1 j 1 k 1 2  ST   yijk   abn i 1 j 1 k 1 . câte valori ale variabilei dependente sunt cuprinse în fiecare grup. Deci: ST = STr + SBl + SE. . 67 . factorul experimental A are a nivele. Similar cu cazul proiectării complet aleatoare cu doi factori. . S Tr 2  a b n   n    y ijk    y ijk    a b i 1 j 1 k 1 k 1       n abn i 1 j 1 2 2 . precum şi de interacţiunea dintre acestea (STr).blocuri. Determinarea influenţelor pe care fiecare dintre cei doi factori.variaţia totală sau suma abaterilor pătrate pe total (ST). precum şi variabila “din afară” le au asupra variaţiei variabilei rezultative. interacţiunea dintre acestea şi variabila “externă” controlată nu au influenţă semnificativă asupra variabilei dependente.variaţia determinată de cele două variabile factoriale. b nivele.variaţia între blocuri sau suma abaterilor pătrate între blocuri (SBl).  a b   a b n   y    yijk    n   ijk  i 1 j 1 i 1 j 1 k 1    S Bl    ab abn k 1 2 .

precum şi ca rezultat al interacţiunii dintre cei doi factori: STr = SA + SB + SAB. variaţia variabilei rezultative sub influenţa variaţiei factorului A. Verificarea semnificaţiei statistice a celor trei efecte. SB. 68 . 2 . a ) şi nivelul j al factorului B ( j = 1. n ) căreia i se aplică nivelul i al factorului A ( i = 1. Fc Bl  Bl : n  1 (n  1)(ab  1) Fc A  Valorile calculate Fc se compară cu valorile tabelate F pentru numărul corespunzător de grade de libertate de la numărător şi. respectiv. interpretarea rezultatelor fiind similară cu cea prezentată la modelele anterioare. SAB = STr – SA – SB. datorate factorilor experimentali.  b n   a b n    y ijk    y ijk     a  j 1 k 1    i 1 j 1 k 1  SA    bn abn i 1 2  a b n   a n    y ijk    y ijk    b  i 1 k 1   i 1 j 1 k 1  SB    an abn j 1 2 2 . Fc B  B : b  1 (n  1)(ab  1) S AB SE Fc AB  : .Suma abaterilor pătrate între grupuri (STr) este constituită din trei componente SA. a factorului B. b ). (a  1)(b  1) ( n  1)(ab  1) S SE . precum şi al celui datorat variabilei “din afară” presupune determinarea următoarelor raporturi Fisher: SA SE : . SAB. unde: yijk – reprezintă nivelul variabilei dependente din blocul k ( k = 1. a  1 (n  1)(ab  1) S SE . de la numitor şi pentru nivelul de semnificaţie  ales. respectiv.

Tabelul de calcul pentru analiza datelor în proiectarea cu ajutorul blocurilor randomizate a experimentelor cu doi factori: Natura variaţiei Suma pătratelor abaterilor  a b n    yijk    a b n i 1 j 1 k 1 2  ST   yijk   abn i 1 j 1 k 1 2 Numărul gradelor de libertate abn-1 2 Valorile Fc Totală Generată de factorii A şi B. precum şi de interacţiunea dintre ei Între blocuri (sub influenţa variabilei “din afară”) Generată de factorul A - S Tr 2  a b n   n    y ijk    y ijk    a b k 1    i 1 j 1 k 1     n abn i 1 j 1 2 ab-1 FcBl  S Bl SE : n  1 (n  1)(ab  1)  a b   a b n   y    yijk    n   ijk  i 1 j 1 i 1 j 1 k 1    S Bl    ab abn k 1 2 2 n-1 2  b n   a b n    y ijk    y ijk     a  j 1 k 1    i 1 j 1 k 1  SA    bn abn i 1 2  a b n   a n    y ijk    y ijk    b  i 1 k 1   i 1 j 1 k 1   SB   an abn j 1 a-1 2 Fc A  SA SE : a  1 (n  1)(ab  1) Generată de factorul B Generată de interacţiunea dintre factorii A şi B Reziduală b-1 FcB  SB SE : b  1 (n  1)(ab  1) SAB = STr – SA – SB SE = ST – STr– SBl (a-1)(b-1) (n-1)(ab-1) FcAB  SAB SE : (a 1)(b 1) (n 1)(ab1) - Exemplu Considerăm următoarele valori înregistrate ale unei variabile dependente yij sub acţiunea nivelurilor variabilelor independente A şi B. 69 . Se controlează variaţia variabilei externe E.

.8  213.132. interacţiunea dintre ei şi variabila “externă” controlată nu au influenţă semnificativă asupra variaţiei variabilei dependente.5  .417.7   ab abn k 1 2 2  a b    yijk   n  (35  19  22  15) 2 (33  15  27  14) 2 (27  8  25  12) 2 i 1 j 1  9..4  9.6    n abn i 1 j 1 2 S Tr  n    yijk  177 2 124 2 74 2 59 2   k 1 n   5  5  5  5  11.417.     ab   22 22 22 k 1 70 . 2 2 S T   y ijk i 1 j 1 k 1 a b n a b n  a b n    y ijk    i 1 j 1 k 1   11.714.2  abn  332  27 2  45 2  .631...417.544 2  y i 1 j 1 k 1 2 ijk  a b n    yijk    2  i 1 j 1 k 1   434  9.132.8 abn 2 25 2  a b n   n    y ijk    y ijk    a b k 1    i 1 j 1 k 1   11.5  9..8  2.631..A1 Total A2 Total TOTAL B1 33 (e1) 27 (e2) 45 (e3) 37 (e4) 35 (e5) 177 27 (e1) 25 (e2) 31 (e3) 19 (e4) 22 (e5) 124 301 B2 15 (e1) 8 (e2) 21(e3) 11 (e4) 19 (e5) 74 14 (e1) 12 (e2) 11 (e3) 7 (e4) 15 (e5) 59 133 TOTAL 251 183 434 Lansăm ipoteza nulă conform căreia cei doi factori.417.126.544  9.  7 2  15 2  11.4 i 1 j 1 a b 2 S Bl 2  a b   a b n    y ijk    y ijk      n i 1 j 1 i 1 j 1 k 1     9.8  1.

9%.411.649 i 1 2  a b n   a n    y ijk    y ijk    b i 1 k 1    i 1 j 1 k 1   10.9 :  :  85. influenţa factorului A este semnificativă pentru o probabilitate de garantare a rezultatelor de 99%.829 j 1 2 SAB = STr . a factorului B este semnificativă pentru o probabilitate de garantare a rezultatelor de 99. respectiv: SA SE 231.9 :  :  4.2 .649  9.9 :  :  14.417.SE = ST – STr– SBl = 2.7 197.2 197.126.2 = 72.8  1.7 = 197.2 .714.1.417.411.SB = 1.2 197.9 :  :  3.1.019 a  1 (n  1)(ab  1) 2  1 (5  1)(2  2  1) Fc A  FcB  Fc AB  SB SE 1.2 SB    an abn j 1 2 2  a n    yijk  b 3012 1332 1   i1 kan   2  5  2  5  10. precum şi cel datorat variabilei “din afară” presupune determinarea raporturilor Fisher.2 SA    bn abn i 1 2 2  b n    yijk   a  2512 1832 j 1 k 1   bn   2  5  2  5  9.6 .231.2 Verificarea semnificaţiei statistice a celor trei efecte. respectiv.378 (a  1)(b  1) (n  1)(ab  1) (2  1)(2  1) (5  1)(2  2  1) FcBl  S Bl SE 213.2 197.6 .714.SA .240 n  1 (n  1)(ab  1) 5  1 (5  1)(2  2  1) Comparând valorile F calculate cu valorile tabelate.9  b n   a b n    y ijk    y ijk      a i 1 j 1 k 1 j 1 k 1     9. însă interacţiunea 71 . se observă că ipoteza nulă se respinge.411.213. datorate factorilor.570 b  1 (n  1)(ab  1) 2  1 (5  1)(2  2  1) S AB SE 72.8  231.829  9.

FcB = 85. 1.378 < F0. 72 . FcBl = 3.05.dintre factori. 12 = 18.12 = 4.26.570 > F0. 1.05.64. 1.01. 4.33. precum şi variabila “din afară” nu au influenţă semnificativă asupra variaţiei variabilei dependente: FcA = 14.019 > F0. 12 = 3.75. FcAB = 4. 12 = 9.001.240 < F0.

Anexa nr. 1
Tabel cu valorile repartiţiei Student în funcţie de nivelul de semnificaţie α şi numărul f al gradelor de libertate
α f 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 35 40 45 50 60 70 80 90 100 120 200 500 1000 ∞ α f 0,50 1,000 0,816 0,765 0,741 0,727 0,718 0,711 0,706 0,703 0,700 0,697 0,695 0,694 0,692 0,691 0,690 0,689 0,688 0,688 0,687 0,686 0,686 0,685 0,685 0,684 0,684 0,684 0,683 0,683 0,683 0,682 0,681 0,680 0,679 0,679 0,678 0,678 0,677 0,677 0,677 0,676 0,675 0,675 0,675 0,25 0,20 3,078 1,886 1,638 1,533 1,476 1,440 1,415 1,397 1,383 1,372 1,363 1,356 1,350 1,345 1,341 1,337 1,333 1,330 1,328 1,325 1,323 1,321 1,319 1,318 1,316 1,315 1,314 1,313 1,311 1,310 1,306 1,303 1,301 1,299 1,296 1,294 1,292 1,291 1,290 1,289 1,286 1,283 1,282 1,282 0,10 0,10 6,314 2,920 2,353 2,132 2,015 1,943 1,895 1,860 1,833 1,812 1,796 1,782 1,771 1,761 1,753 1,746 1,740 1,734 1,729 1,725 1,721 1,717 1,714 1,711 1,708 1,706 1,703 1,701 1,699 1,697 1,690 1,684 1,679 1,676 1,671 1,667 1,664 1,662 1,660 1,658 1,653 1,648 1,646 1,645 0,05 Nivel de semnificaţie pentru testul bilateral 0,05 12,706 4,303 3,182 2,776 2,571 2,447 2,365 2,306 2,262 2,228 2,201 2,179 2,160 2,145 2,131 2,120 2,110 2,101 2,093 2,086 2,080 2,074 2,069 2,064 2,060 2,056 2,052 2,048 2,045 2,042 2,030 2,021 2,014 2,009 2,000 1,994 1,970 1,987 1,984 0,02 31,821 6,695 4,541 3,747 3,365 3,143 2,998 2,896 2,821 2,764 2,718 2,681 2,650 2,624 2,602 2,583 2,567 2,552 2,539 2,528 2,518 2,508 2,500 2,492 2,485 2,479 2,472 2,467 2,462 2,457 2,438 2,423 2,412 2,403 2,390 2,381 2,374 2,368 2,364 0,01 63,657 9,925 5,841 4,604 4,032 3,707 3,499 3,355 3,250 3,169 3,106 3,055 3,102 2,977 2,947 2,921 2,898 2,878 2,861 2,845 2,831 2,819 2,807 2,797 2,787 2,779 2,771 2,763 2,756 2,750 2,724 2,704 2,690 2,678 2,660 2,648 2,639 2,632 2,626 0,002 318,309 22,327 10,214 7,173 5,893 5,208 4,785 4,501 4,297 4,144 3,025 3,930 3,852 3,787 3,733 3,686 3,646 3,610 3,579 3,552 3,527 3,505 3,485 3,467 3,450 3,435 3,421 3,408 3,396 3,385 3,340 3,307 3,281 3,261 3,232 3,211 3,195 3,183 3,174 0,001 636,618 31,598 12,924 8,610 6,869 5,959 5,408 5,041 4,781 4,587 4,437 4,318 4,221 4,140 4,073 4,015 3,965 3,922 3,883 3,850 3,819 3,792 3,767 3,745 3,725 3,707 3,690 3,674 3,659 3,646 3,491 3,551 3,520 3,496 3,460 3,435 3,416 3,402 3,390 3,373 3,310 3,310 3,300 3,290 0,0005 0,0001 6366,198 99,992 28,000 15,544 11,178 9,082 7,885 7,120 6,594 6,211 5,921 5,694 5,513 5,363 5,239 5,134 5,014 4,966 4,897 4,837 4,784 4,736 4,693 4,654 4,619 4,587 4,558 4,530 4,506 4,482 4,389 4,321 4,269 4,228 4,169 4,127 4,096 4,072 4,053 4,025 3,970 3,922 3,906 3,891 0,00005

1,980 2,358 2,617 3,160 1,972 2,345 2,601 3,131 1,965 2,334 2,586 3,107 1,962 2,330 2,581 3,098 1,960 2,326 2,576 3,090 0,025 0,01 0,005 0,001 Nivel de semnificaţie pentru testul unilateral

73

Anexa 2

Valorile raportului dispersiilor F, corespunzătoare unui nivel de semnificaţie de 5% sau 0,05 (P = 95% sau 0,95) şi pentru f1 şi, respectiv, f2 grade de libertate
f1 1 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 40 60 120 ∞ 161,4 18,51 10,31 7,71 6,61 5,99 5,58 5,32 5,12 4,96 4,84 4,75 4,67 4,60 4,54 4,49 4,45 4,41 4,38 4,35 4,32 4,30 4,28 4,26 4,24 4,22 4,21 4,20 4,18 4,17 4,08 4,00 3,92 3,84 2 199,5 19,00 9,55 6,94 5,79 5,14 4,74 4,46 4,26 4,10 3,98 3,88 3,80 3,74 3,68 3,63 3,59 3,55 3,52 3,49 3,47 3,44 3,42 3,40 3,38 3,37 3,35 3,34 3,33 3,32 3,23 3,15 3,07 2,99 3 215,7 19,16 9,28 6,59 5,41 4,76 4,35 4,07 3,86 3,71 3,59 3,49 3,41 3,34 3,29 3,24 3,20 3,16 3,13 3,10 3,07 3,05 3,03 3,01 2,99 2,98 2,96 2,95 2,93 2,92 2,84 2,76 2,68 2,60 4 224,6 19,25 9,12 6,39 5,19 4,53 4,12 3,84 3,63 3,48 3,36 3,26 3,18 3,11 3,06 3,01 2,96 2,93 2,90 2,87 2,84 2,82 2,80 2,78 2,76 2,74 2,73 2,71 2,70 2,69 2,61 2,52 2,45 2,37 5 230,2 19,30 9,01 6,26 5,05 4,39 3,97 3,69 3,48 3,33 3,20 3,11 3,02 2,96 2,90 2,85 2,81 2,77 2,74 2,71 2,68 2,66 2,64 2,62 2,60 2,59 2,57 2,56 2,54 2,53 2,45 2,37 2,29 2,21 6 234,0 19,33 8,94 6,16 4,95 4,28 3,87 3,58 3,37 3,22 3,09 3,00 2,92 2,85 2,79 2,74 2,70 2,66 2,63 2,60 2,57 2,55 2,53 2,51 2,49 2,47 2,46 2,44 2,43 2,42 2,34 2,25 2,17 2,09 8 238,9 19,37 8,84 6,04 4,82 4,15 3,73 3,44 3,23 3,07 2,95 2,85 2,77 2,70 2,64 2,59 2,55 2,51 2,48 2,45 2,42 2,40 2,38 2,36 2,34 2,32 2,30 2,29 2,28 2,27 2,18 2,10 2,02 1,94 12 243,9 19,41 8,74 5,91 4,68 4,00 3,57 3,28 3,07 2,91 2,79 2,69 2,60 2,53 2,48 2,42 2,38 2,34 2,31 2,28 2,25 2,23 2,20 2,18 2,16 2,15 2,13 2,12 2,10 2,09 2,00 1,92 1,83 1,75 24 249,0 19,45 8,64 5,77 4,53 3,84 3,41 3,12 2,90 2,74 2,61 2,50 2,42 2,35 2,29 2,24 2,19 2,15 2,11 2,08 2,05 2,03 2,00 1,98 1,96 1,95 1,93 1,91 1,90 1,89 1,79 1,70 1,61 1,52 ∞ 254,3 19,50 8,53 5,63 4,36 3,67 3,23 2,93 2,71 2,54 2,40 2,30 2,21 2,13 2,07 2,01 1,96 1,92 1,88 1,84 1,81 1,78 1,76 1,73 1,71 1,69 1,67 1,65 1,64 1,62 1,51 1,39 1,25 1,00

f2

74

Anexa 3

Valorile raportului dispersiilor F, corespunzătoare unui nivel de semnificaţie de 1% sau 0,01 (P = 99% sau 0,99) şi pentru f1 şi, respectiv, f2 grade de libertate
f1 1 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 40 60 120 ∞ 4052 98,49 34,12 21,20 16,26 13,74 12,25 11,26 10,56 10,04 9,65 9,33 9,07 8,86 8,68 8,53 8,40 8,28 8,18 8,10 8,02 7,94 7,88 7,82 7,77 7,72 7,68 7,64 7,60 7,56 7,31 7,08 6,85 6,64 2 4999 99,00 30,81 18,00 13,27 10,92 9,55 8,65 8,02 7,56 7,20 6,93 6,70 6,51 6,36 6,23 6,11 6,01 5,93 5,85 5,78 5,72 5,66 5,61 5,57 5,53 5,49 5,45 5,42 5,39 5,18 4,98 4,79 4,60 3 5403 99,17 29,46 16,69 12,06 9,78 8,45 7,59 6,99 6,55 6,22 5,95 5,74 5,56 5,42 5,29 5,18 5,09 5,01 4,94 4,87 4,82 4,76 4,72 4,68 4,64 4,60 4,57 4,54 4,51 4,31 4,13 3,96 3,78 4 5625 99,25 28,71 15,98 11,39 9,15 7,85 7,01 6,42 5,99 5,67 5,41 5,20 5,03 4,89 4,77 4,67 4,58 4,50 4,43 4,37 4,31 4,26 4,22 4,18 4,14 4,11 4,07 4,04 4,02 3,83 3,65 3,48 3,32 5 5764 99,30 28,24 15,52 10,97 8,75 7,46 6,63 6,06 5,64 5,32 5,06 4,86 4,69 4,56 4,44 4,34 4,25 4,17 4,10 4,04 3,99 3,94 3,90 3,86 3,82 3,78 3,75 3,73 3,70 3,51 3,34 3,17 3,02 6 5859 99,33 27,91 15,21 10,67 8,47 7,19 6,37 5,80 5,39 5,07 4,82 4,62 4,46 4,32 4,20 4,10 4,01 3,94 3,87 3,81 3,76 3,71 3,67 3,63 3,59 3,56 3,53 3,50 3,47 3,29 3,12 2,96 2,80 8 5981 99,36 27,49 14,80 10,27 8,10 6,84 6,03 5,47 5,06 4,74 4,50 4,30 4,14 4,00 3,89 3,79 3,71 3,63 3,56 3,51 3,45 3,41 3,36 3,32 3,29 3,26 3,23 3,20 3,17 2,99 2,82 2,66 2,51 12 6106 99,42 27,05 14,37 9,89 7,72 6,47 5,67 5,11 4,71 4,40 4,16 3,96 3,80 3,67 3,55 3,45 3,37 3,30 3,23 3,17 3,12 3,07 3,03 2,99 2,96 2,93 2,90 2,87 2,84 2,66 2,50 2,34 2,18 24 6234 99,46 26,60 13,93 9,47 7,31 6,07 5,28 4,73 4,33 4,02 3,78 3,59 3,43 3,29 3,18 3,08 3,00 2,92 2,86 2,80 2,75 2,70 2,66 2,62 2,58 2,55 2,52 2,49 2,47 2,29 2,12 1,95 1,79 ∞ 6366 99,50 26,12 13,46 9,02 6,88 5,65 4,86 4,31 3,91 3,60 3,36 3,16 3,00 2,87 2,75 2,65 2,57 2,49 2,42 2,36 2,31 2,26 2,21 2,17 2,13 2,10 2,06 2,03 2,01 1,80 1,60 1,38 1,00

f2

75

19 14.49 6.55 5.75 20.00 6.25 7.38 14.81 16.58 4.38 3.9 45.5 125.56 6.29 12.57 8.31 4.59 5.73 8.04 10.5 167.56 11. f2 grade de libertate f1 1 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 40 60 120 ∞ 405284 998.92 7.31 4.29 4.10 4.18 33.16 9.41 3.39 10.26 7.00 27.95 4.13 ∞ 636619 999.14 16.45 7.34 9.95 9.66 10.02 6.95 6.12 5.09 21.38 7.86 7. respectiv.27 7.44 31.64 6.00 21.77 9.49 16.64 17.59 2.61 13.34 10.23 1.31 3.43 7.19 5.5 123.00 5.10 6.69 18.77 8.12 7.85 8.33 6.02 8.05 6.35 9.24 4.10 7.58 4.25 5.75 11.46 7.6 49.15 3.04 3.20 23.62 5 576405 999.73 4.40 2.71 11.90 17.04 19.80 10.71 7.2 141.21 9.88 5.55 7.81 6.22 9.60 4.03 14.5 74.51 29.81 6.999) şi pentru f1 şi.12 13.4 128.89 12.18 5.25 36.41 5.70 4.00 8.01 2.19 5.52 3.81 6.48 9.02 5.34 7.55 11.13 5.27 12 610667 999.0 148.48 4.52 6.79 5.56 10.86 11.59 6.63 4.66 5.64 4.24 5.14 16.65 5.72 7.00 3.92 3.05 23.08 5.94 7.97 10.94 7.91 13.1 56.13 9.02 2.55 5.46 6.58 8.85 3.69 9.56 1.98 5.89 8.1 53.91 4.71 10.13 4.001 (P = 99.20 8.88 13.00 f2 .52 12.80 6.46 3.59 3.90 12.19 6.31 4.82 2.74 24 623497 999.42 4 562500 999.68 7.39 14.60 6.89 2.81 17.85 6.03 15.74 13.45 7.39 4.31 5.5 44.25 7.74 3.03 13.81 6.78 5.6 51.83 2 500000 999.64 2.87 3.62 8.59 5.97 4.38 15.42 17.Anexa 4 Valorile raportului dispersiilor F.90 1.57 7.37 9.47 9.35 6.05 8.88 5.74 8 598144 999.53 5.64 3.77 15.38 5.3 134.63 12.49 11.04 35.9% sau 0.1% sau 0.19 6.61 27.59 16.42 4.32 6.07 8.41 26.36 3. corespunzătoare unui nivel de semnificaţie de 0.39 12.69 4.82 14.46 5.12 9.18 6.21 6.30 8.05 4.99 4.63 9.4 130.69 18.67 7.03 3.06 3.53 28.17 5.34 9.83 13.75 2.77 25.76 6.86 21.73 10.42 22.76 5.31 6.76 7.49 8.59 14.5 61.73 9.67 3.32 5.97 12.11 4.39 13.69 6.41 6.09 6.28 8.05 2.42 4.14 47.80 5.12 15.35 7.26 3.52 3.8 50.64 19.21 3.81 12.70 2.31 5.19 14.63 7.22 25.93 8.81 5.82 3.84 20.13 4.61 9.85 4.76 4.44 5.19 9.96 5.2 137.15 4.50 13.83 4.36 7.27 7.97 11.70 18.61 6.99 13.55 3.73 5.25 6.17 4.70 5.78 15.69 2.76 4.80 7.47 6.97 4.71 29.97 2.09 4.3 132.38 10.82 4.37 4.3 47.10 6 585937 999.78 11.76 5.31 11.92 9.66 3.45 4.28 10.08 14.72 15.35 7.61 11.12 4.19 7.91 3 540379 999.

Korka. M.BIBILOGRAFIE 1. Addison – Wesley Educational Publishers Inc. 10. 13. Bucureşti. Editura Economică. Lehmann. E. Bucureşti. Alexandru. Steckel (1998). Isaic – Maniu. Editura ASE. Porojan (1996). Alexandrescu Gelu. Ioana Cecilia Popescu. Baron. Editura Uranus. C. Carmen Bălan. Joel H. Ioana Cecilia Popescu. Iacob (coordonator) (2002). M. Bucureşti. Călin Vegheş (1999). Isaic – Maniu. 6. 8. Tehnici de cercetare în marketing. 77 . Marketing. Buletinul Universităţii de Apărare Carol I. D. Bucreşti. Bucureşti. J. Sunil Gupta. Iacob. Bucreşti. Virgil (coordonator) (2002). C.. Dobre Ion. L. Editura Didactică şi Pedagogică – R. Bogdan Onete. Bucureşti. Elena Doval.probleme şi studii de caz. Cercetări de marketing. Bucureşti. 9. Wagner. Metode şi tehnici utilizate în cercetările de marketing aplicaţii. Cătoiu. Gheorghiţă Mircea (2001) Modelarea & simularea proceselor economice. Editura Uranus. 12. P. Bucureşti.. “Simularea – metodă de studiu a realităţii”. Editura Uranus. Drăgan. 5. Demetrescu. 2. Floare Mustaţă Horpos (2006). Balaure. nr. Editura Teora. Simularea proceselor economice. Biji. Cătoiu. Editura Marketer. (2000). 3. Marketing research. Demetrescu (1996). Carmen Bălan. Călin Vegheş (1997).. Cercetări de marketing . 11. Virgil Voineagu (1995). Practica prospectării pieţei. Donald R. Iacob. Editura Europa Nova. C (coordonator) (1992). T. Cătoiu. 7. Marketing. Tövissi. 2 /2006. 4. Statistică pentru managementul afacerilor. Bucureşti. M. Statistică teoretică şi economică. Florescu. Editura Uranus. C.. Bucureşti. Bogdan Onete. Metode de analiză în marketing. Editura ASE. Al. A. Constantin Mitruţ.

Camelia (2005). 2005. Bucureşti.14. 15. Mihăiţă. Ediţia a patra. Editura Economică. Crearea de scenarii şi simulare în marketing. Bucureşti. Volumul III. Raţiu – Suciu. Metode cantitative în marketing. Modelarea & simularea proceselor economice – Teorie şi practică. Niculae (2001). Editura Economică. 78 .

Sign up to vote on this title
UsefulNot useful