Wykład 4 Podstawowe wiadomości z teorii błędów
|
|
- Arkadiusz Małecki
- 8 lat temu
- Przeglądów:
Transkrypt
1 Wykład 4 Podstawowe wiadomości z teorii błędów Prof. dr hab. Adam Łyszkowicz Katedra Geodezji Szczegółowej UWM w Olsztynie adaml@uwm.edu.pl Heweliusza, pokój 04
2 Treść Wykładu Obserwacje geodezyjne Źródła błędów Typy obserwacji Typy błędów Właściwości błędów przypadkowych Krzywa Gaussa Niezawodność pomiarów geodezyjnych Miary precyzji Podsumowanie
3 Co pomiar to inny wynik! 65.44, 65.49, 65.5, metrów Pytania: Dlaczego różne wyniki? Co jest końcowym wynikiem? Jaka jest dokładność pomiaru? 3
4 ŹRÓDŁA BŁĘDÓW Osobiste: - ograniczenia obserwatora - nieuwaga obserwatora Instrumentalne: z powodu niedoskonałości konstrukcji lub niedoskonałości rektyfikacji instrumentów Naturalne: z powodu zmian warunków środowiska w jakich pomiar jest wykonywany 4
5 SOURCES OF ERRORS Personal: - limitaion of observer (the ability to repeat the same measurement) - carelessness of the observer Instrumental: - Due to imperfect construction or incomplete adjustment of the instrument - e.g. Incorrect graduation Natural: - Due to changing environmental conditions in which the measurements are made e.g. Temperature variation causes expansion/contraction of the chain 5
6 Typy obserwacji 6
7 Type of observations Types of observations Direct Indirect Under the same conditions Under different conditions 7
8 Obserwacje bezpośrednie Przykładem pomiaru bezpośredniego jest kilkakrotny pomiar taśmą stalową odległości między pewnymi punktami A i B 8
9 Obserwacje bezpośrednie Pomiar kąta poziomego praktyka z geodezji, lato 004 9
10 Obserwacje pośrednie Celem tego pomiaru jest wyznaczenie odległości między punktami A i B oraz C i B. Punkt B jest niedostępny, gdyż znajduje się za rzeką. W tym celu należy pomierzyć odległość b zwaną bazą oraz trzy kąty w trójkącie. Z twierdzenia sinusów można obliczyć odległości a i c. B β c α A a γ b - baza C 0
11 Klasyfikacja błędów Błędy grube Błędy systematyczne Błędy przypadkowe
12 Omyłki lub błędy grube Charakterystyka: ich wielkość jest stosunkowo duża, mała lub rożna w porównaniu do mierzonej wielkości (obserwacja odstająca). Źródło błędu: personalne (brak uwagi obserwatora). Skutek: obserwacje niejednorodne. Zalecane postępowanie: obserwacja taka musi być wykryta i usunięta z serii pomiarowej. Przykład: Licząc przy pomiarze odległości ilość przyłożeń taśmy, zapisano w dzienniku pomiarowym o jedno przyłożenie za mało lub za dużo popełniając przez to błąd 0 m.
13 Błędy systematyczne Charakterystyka: występują w deterministyczny sposób, jeśli znany to jest możliwość ich wyeliminowania na drodze rachunkowej. Źródła błędów: z powodu instrumentów, środowiska, człowieka bądź ich kombinacji. Skutek: przesuniecie wszystkich obserwacji, które jeśli jest stałe to jego wielkość i znak pozostają niezmienne w czasie pomiaru. Zalecane postępowanie: koniecznie powinny być zidentyfikowane i wyeliminowane z wyniku pomiaru. Jako przykład tego rodzaju błędu może posłużyć błąd wywołany wydłużeniem lub skróceniem się taśmy mierniczej pod wpływem temperatury. 3
14 Graficzna ilustracja błędów grubych i systematycznych 4
15 Błędy przypadkowe Charakterystyka: są to błędy, jakie tkwią w wyniku pomiaru po usunięciu błędów grubych i systematycznych. Nie można opisać ich żadnym modelem deterministycznym. Do ich modelowania stosuje się jedynie model stochastyczny. Źródła błędów: personalne, instrumentalne i środowisko. Skutek: Zalecane postępowanie: 5
16 Błąd prawdziwy i pozorny Błąd prawdziwy ε i = L - l i Ponieważ L nigdy nie jest znane, ε również nigdy nie jest znane. Na szczęście obydwie wielkości mogą być oszacowane. Oszacowanie błędu prawdziwego nazywa się błędem pozornym v i =x - l i, gdzie x jest oszacowaniem wielkości L. 6
17 True error and residuals True error ε i = L - l i, because L is never known, ε is never known too, Residuals are defined in the following way v i =x-l i 7
18 Oszacowanie mierzonej wielkości Oszacowanie mierzonej wielkości i jej błędu nie jest zagadnieniem ani prostym ani łatwym. Opanowanie tej umiejętności wymaga studiów z zakresu rachunku wyrównawczego. Tu przedstawimy tylko elementarne wiadomości z tego zakresu. Wykonano n pomiarów wielkości L (l,l...l n ). Intuicyjnie jest zrozumiałym, że średnia arytmetyczna xˆ = n l i i= jest najlepszym oszacowaniem nieznanej wielkości L n 8
19 Przykład liczbowy nr. obserwacje [m] v [cm] Średnia =65.50 Suma =0 9
20 Wyniki pomiarów [m] Przykład m i n średnia m a x
21 Histogram średnia =3.75 Częstość Więcej
22 Suma v i zawsze jest równa zero v = l -x v = l -x v 3 = l 3 -x v n = l n -x xˆ = l n nˆ x = l l v = l nxˆ = l = 0 Σv =Σl -nx
23 Średnia arytmetyczna jest najlepszym oszacowaniem Jeśli średnia arytmetyczna jest najlepszym oszacowaniem to v = min Aby poprawki były minimalne to Pierwsza pochodna musi być równa zero, d v dxˆ = v dv dxˆ + v dv dxˆ v Druga pochodna większa od zera n dv dxˆ n d v dxˆ = = n > 0 3
24 Histogram błędów pozornych Wyniki pomiaró w [m] Uszere gowane wyniki pomiar ów [m] Przedzi ały Liczeb ności w przedzi ałach Częstoś ci względ ne Błędy pozorn e v [mm]
25 częstość względna częstość względna częstość względna Histogramy v v v 5
26 Gauss Carl Friedrich Gauss lived from 777 to 855. Gauss worked in a wide variety of fields in both mathematics and physics including number theory, analysis, differential geometry, geodesy, magnetism, astronomy and optics. His work has had an immense influence in many areas. 6
27 Krzywa Gaussa Wielu uczonych od lat próbowało opisać histogram krzywą. Ostatecznie powszechnie zaakceptowano model podany przez Gaussa (krzywa Gaussa), której analityczny wzór jest +ε f( ε) = h π e h ε - ε h π f( ε) f(0) = h π + () ε dε f = 7
28 Krzywa Gaussa parametr h całkowicie opisuje kształt krzywej Gaussa. Parametr h zazwyczaj jest zwany wskaźnikiem precyzji. Pole powierzchni pod krzywą Gaussa równa się jedności: im krzywa jest wyższa (większe h) tym bardziej staje się ścieśniona, co oznacza wyższą precyzję, gdyż przedział, w którym zawarte są wyniki pomiaru jest mniejszy. 8
29 Własności Krzywa jest symetryczna względem ε = 0. Prawdopodobieństwo występowania błędów o tej samej wartości bezwględnej jest jednakowe. Oznacza to, że P ( + ε) = P( ε) f( ) + 9
30 Własności Prawdopodobieństwo wystąpienia błędu większego niż +ε jest równe prawdopodobieństwu wystąpienia błędu mniejszego niż ε. 30
31 Własności Prawdopodobieństwo występowania błędów dodatnich i ujemnych jest jednakowe, Prawdopodobieństwo występowania małych błędów jest bardzo duże, Prawdopodobieństwo występowania bardzo dużych błędów jest praktycznie niemożliwe. 3
32 Ocena Wyniku Pomiaru Precyzja: pomiaru jest to stopień wzajemnej bliskości pomiarów tej samej wielkości. Precyzja pomiaru jest obarczona wpływem tylko błędów przypadkowych. Dokładność: stopień zbliżenia pomiarów do wielkości prawdziwej. Dokładność pomiaru jest obarczona zarówno błędami przypadkowymi jak i systematycznymi. Niepewność: jest to wielkość przedziału wewnątrz którego mieszczą się błędy pomiarowe. 3
33 Precyzja i dokładność pomiary precyzyjne ale niedokładne pomiary nieprecyzyjne ale dokładne 33
34 Precyzja i dokładność pomiary nieprecyzyjne i niedokładne pomiary precyzyjne i dokładne 34
35 Precyzja i dokładność Precyzja Wewnętrzna niezawodność Dokładność W przypadku braku występowania błędów systematycznych, pojęcie dokładności pomiaru jest równoważne z pojęciem precyzji. 35
36 Miary Precyzji Błąd przeciętny Błąd prawdopodobny Błąd średni (estymator odchylenia standardowego) 36
37 Błąd przeciętny próbka losowa L= niewiadome L = znane υ = n v e i i= n υ e = n n i= ε i Błąd przeciętny υ e jest to średnia arytmetyczna bezwzględnych wartości błędów próbki losowej (serii pomiarowej) 37
38 Błąd prawdopodobny połowa błędów pomiarowych jest mniejsza od P e natomiast druga połowa błędów jest większa od błędu P e. 50% z v i >P e, 50% z v i <P e. W przypadku parzystej liczby błędów. P e = V n+ W przypadku nieparzystej liczby błędów. P = V n V n e
39 Przykład liczbowy 3 nr. obserwacje [m] v [cm] v [cm] Błąd prawd średnia = suma =0.0 bł. prz. =.8 bł.praw.=0. 39
40 40 Błąd średni Błąd średni m jest definiowany jako pierwiastek kwadratowy średniej arytmetycznej sumy kwadratów błędów. próbka losowa L= niewiadome L = znane = = n i i v n m = ε = n i i n m
41 Przykład liczbowy 3 nr. obserwacje v v [m] [cm] [cm] Średnia = Suma = Suma = 4.8 4
42 E ( ε ) = ε f ( ε ) dε = 0 σ h = ε f ( ε )dε = σ = h 4
43 Cenna właściwość Prawdopodobieństwo wystąpienia błędu przypadkowego: w przedziale σ<ε<σ jest równe 0.683, w przedziale σ<ε<σ wynosi 0.954, w przedziale 3σ<ε<3σ jest równe W praktyce przedział 3σ jest uważany jako granica występowania błędów i uważa się, że obserwacje obarczone błędami przekraczającymi te granice powinny być odrzucone jako obserwacje błędne. f( ε) - ε -3σ -σ -σ σ σ 3σ +ε 43
44 Obserwacje bezpośrednie jednakowo i nie jednakowo dokładne Przez obserwacje bezpośrednie jednakowo dokładne rozumiemy obserwacje wykonane w tych samych warunkach, to znaczy, że obserwator, instrument i środowisko jest takie same Przez obserwacje bezpośrednie nie jednakowo dokładne rozumiemy obserwacje bezpośrednie wykonane w odmiennych warunkach, oznacza to, że obserwator, instrument lub warunki środowiska uległy zmianie. 44
45 Wagi W celu uwzględnienia różnicy w dokładności pomiarów wprowadzono nowe pojęcie zwane wagą p = k m gdzie k jest współczynnikiem proporcjonalności. Przykład: m =0.5, m =0.5, k= p =, p =4 k=4 p =8, p =6 45
46 Wagi Jeśli pewna obserwacja ma wagę równą jedności (p=), to kwadrat błędu średniego oznaczany jest przez m 0 i wynosi: Z czego wynika, że = k m 0 k = m 0 A zatem współczynnik proporcjonalności jest niczym innym jak kwadratem błędu średniego obserwacji o wadze równej jedności. Dlatego ostatecznie mamy p = m 0 m 46
47 Wagi Wagi są definiowane: Wagi są to liczby odwrotnie proporcjonalne do wartości kwadratu błędu średniego, Wagi są to liczby dodatnie, które wyrażają liczby jednakowo dokładnych obserwacji. 47
48 Ogólna średnia arytmetyczna Jeżeli rozważymy n obserwacji l, l, l 3 z wagami p, p, p to wówczas warunek v = min ma postać pv = min czyli pierwsza pochodna musi być równa zero ( pv ) d dv dv = pv + p v dxˆ dxˆ dxˆ pv + p v +... = pv = = 0 ( l ) + p ( l ) p xˆ xˆ = ( + p +...) = p l + p l... p xˆ + xˆ = pl + pl p + p = pl p m o pv = ( n ) 48
49 Przykład nr Kąt l Δ=l-l 0 Waga p p Δ v pv pvv suma = x= = g m 0 =0.006 g 49
50 Prawo przenoszenia się błędów Przez przenoszenie się błędów rozumiemy proces polegający na ocenie błędów obliczonych wielkości niewiadomych y będących funkcją wielkości mierzonych x. Rozważmy prosty przykład. Wielkość y została wyznaczona z pomiaru wielkości x z zależności y = ax + b Jeśli x L wielkość prawdziwa, x wielkość mierzona, dx błąd pomiaru to x = x L + dx y ax b = y = a x + b = a (x + dx) + b = a x + b + a dx = y a dx L L + L L L + dy = a dx dy = dy dx dx 50
51 Funkcja liniowa i dowolna = l + l... m = m + m... y + + y Przykład. Odcinek AB składa się z dwóch części. Pierwszą część pomierzono z błędem średnim ±3 cm, drugą część pomierzono z błędem średnim ±8 cm. Oblicz błąd średni odcinka AB? y = a l + a l +... m y = a m + a m +... Przykład. Odległość pomierzona dalmierzem oblicza się według wzoru d=k l, gdzie l jest mierzonym odcinkiem na łacie z błędem średnim ±3 mm. Oblicz błąd mierzonej odległości d jeśli stała k = 00. 5
52 5 Dowolna funkcja...) x, f(x y = n x x x m... m, m x n x x y n m x f... m x f m x f m + + = Przykład. Pomierzono działkę w kształcie prostokąta o bokach a = 3.54 m, i b= m. Bok a pomierzono z błędem średnim ±3 cm, a bok b z błędem średnim ±6 cm. Oblicz błąd powierzchni działki m P.
53 Błąd średni z pary pomiarów l obserwacja z błędem prawdziwym ε, l obserwacja z błędem prawdziwym ε, to l + ε = l + ε l l = ε + ε d = ε + ε Zgodnie ze wzorem na błąd średni m = ± ε n d m d = ± n m d d m d = ± m o m = ± = ± o n 53
54 Przykład Pewną odległość 7 grup studenckich pomierzyło dwukrotnie i otrzymało następujące pewne różnice. Oblicz błąd średni pojedynczego spostrzeżenia z tych par pomiarów d [cm] d^ m 0 = 3. cm 54
55 Thank you for attention
Wykład 4 Podstawowe wiadomości z teorii błędów
Wykład 4 Podstawowe wiadomości z teorii błędów Prof. dr hab. Adam Łyszkowicz Katedra Geodezji Szczegółowej UWM w Olsztynie adaml@uwm.edu.pl Heweliusza 1, pokój 04 Treść Wykładu Obserwacje geodezyjne Źródła
Bardziej szczegółowoTeoria błędów pomiarów geodezyjnych
PodstawyGeodezji Teoria błędów pomiarów geodezyjnych mgr inŝ. Geodeta Tomasz Miszczak e-mail: tomasz@miszczak.waw.pl Wyniki pomiarów geodezyjnych będące obserwacjami (L1, L2,, Ln) nigdy nie są bezbłędne.
Bardziej szczegółowoPOWTÓRZENIE - GEODEZJA OGÓLNA dział 9 ELEMENTY RACHUNKU WYRÓWNAWCZEGO
POWTÓRZENIE - GEODEZJA OGÓLNA dział 9 ELEMENTY RACHUNKU WYRÓWNAWCZEGO SPOSTRZEŻENIA JEDNAKOWO DOKŁADNE. Spostrzeżenia jednakowo dokładne to takie, które wykonane są: tym samym przyrządem, tą samą metodą
Bardziej szczegółowoWstęp do teorii niepewności pomiaru. Danuta J. Michczyńska Adam Michczyński
Wstęp do teorii niepewności pomiaru Danuta J. Michczyńska Adam Michczyński Podstawowe informacje: Strona Politechniki Śląskiej: www.polsl.pl Instytut Fizyki / strona własna Instytutu / Dydaktyka / I Pracownia
Bardziej szczegółowoOdchudzamy serię danych, czyli jak wykryć i usunąć wyniki obarczone błędami grubymi
Odchudzamy serię danych, czyli jak wykryć i usunąć wyniki obarczone błędami grubymi Piotr Konieczka Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska D syst D śr m 1 3 5 2 4 6 śr j D 1
Bardziej szczegółowoWSKAZÓWKI DO WYKONANIA SPRAWOZDANIA Z WYRÓWNAWCZYCH ZAJĘĆ LABORATORYJNYCH
WSKAZÓWKI DO WYKONANIA SPRAWOZDANIA Z WYRÓWNAWCZYCH ZAJĘĆ LABORATORYJNYCH Dobrze przygotowane sprawozdanie powinno zawierać następujące elementy: 1. Krótki wstęp - maksymalnie pół strony. W krótki i zwięzły
Bardziej szczegółowoWykład 14 Obliczanie pól powierzchni figur geometrycznych
Wykład 14 Obliczanie pól powierzchni figur geometrycznych Prof. dr hab. Adam Łyszkowicz Katedra Geodezji Szczegółowej UWM w Olsztynie adaml@uwm.edu.pl Heweliusza 1, pokój 04 Mapa katastralna Kataster Obliczanie
Bardziej szczegółowoLABORATORIUM Z FIZYKI
LABORATORIUM Z FIZYKI LABORATORIUM Z FIZYKI I PRACOWNIA FIZYCZNA C w Gliwicach Gliwice, ul. Konarskiego 22, pokoje 52-54 Regulamin pracowni i organizacja zajęć Sprawozdanie (strona tytułowa, karta pomiarowa)
Bardziej szczegółowoNiepewność pomiaru. Wynik pomiaru X jest znany z możliwa do określenia niepewnością. jest bledem bezwzględnym pomiaru
iepewność pomiaru dokładność pomiaru Wynik pomiaru X jest znany z możliwa do określenia niepewnością X p X X X X X jest bledem bezwzględnym pomiaru [ X, X X ] p Przedział p p nazywany jest przedziałem
Bardziej szczegółowoPracownia Astronomiczna. Zapisywanie wyników pomiarów i niepewności Cyfry znaczące i zaokrąglanie Przenoszenie błędu
Pracownia Astronomiczna Zapisywanie wyników pomiarów i niepewności Cyfry znaczące i zaokrąglanie Przenoszenie błędu Każdy pomiar obarczony jest błędami Przyczyny ograniczeo w pomiarach: Ograniczenia instrumentalne
Bardziej szczegółowoProjektowanie systemów pomiarowych. 02 Dokładność pomiarów
Projektowanie systemów pomiarowych 02 Dokładność pomiarów 1 www.technidyneblog.com 2 Jak dokładnie wykonaliśmy pomiar? Czy duża / wysoka dokładność jest zawsze konieczna? www.sparkfun.com 3 Błąd pomiaru.
Bardziej szczegółowoKomputerowa Analiza Danych Doświadczalnych
Komputerowa Analiza Danych Doświadczalnych dr inż. Adam Kisiel kisiel@if.pw.edu.pl pokój 117b (12b) 1 Materiały do wykładu Transparencje do wykładów: http://www.if.pw.edu.pl/~kisiel/kadd/kadd.html Literatura
Bardziej szczegółowoPodstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych
Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych dla studentów Chemii (2018) Autor prezentacji :dr hab. Paweł Korecki dr Szymon Godlewski e-mail: szymon.godlewski@uj.edu.pl
Bardziej szczegółowoJAK WYZNACZA SIĘ PARAMETRY WALIDACYJNE
JAK WYZNACZA SIĘ PARAMETRY WALIDACYJNE 1 Dokładność i poprawność Dr hab. inż. Piotr KONIECZKA Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska ul. G. Narutowicza 11/12 80-233 GDAŃSK e-mail:
Bardziej szczegółowoDokładność pomiaru: Ogólne informacje o błędach pomiaru
Dokładność pomiaru: Rozumny człowiek nie dąży do osiągnięcia w określonej dziedzinie większej dokładności niż ta, którą dopuszcza istota przedmiotu jego badań. (Arystoteles) Nie można wykonać bezbłędnego
Bardziej szczegółowoRozkład normalny, niepewność standardowa typu A
Podstawy Metrologii i Technik Eksperymentu Laboratorium Rozkład normalny, niepewność standardowa typu A Instrukcja do ćwiczenia nr 1 Zakład Miernictwa i Ochrony Atmosfery Wrocław, listopad 2010 r. Podstawy
Bardziej szczegółowoTeoria błędów. Wszystkie wartości wielkości fizycznych obarczone są pewnym błędem.
Teoria błędów Wskutek niedoskonałości przyrządów, jak również niedoskonałości organów zmysłów wszystkie pomiary są dokonywane z określonym stopniem dokładności. Nie otrzymujemy prawidłowych wartości mierzonej
Bardziej szczegółowoCharakterystyka mierników do badania oświetlenia Obiektywne badania warunków oświetlenia opierają się na wynikach pomiarów parametrów świetlnych. Podobnie jak każdy pomiar, również te pomiary, obarczone
Bardziej szczegółowoFizyka (Biotechnologia)
Fizyka (Biotechnologia) Wykład I Marek Kasprowicz dr Marek Jan Kasprowicz pokój 309 marek.kasprowicz@ur.krakow.pl www.ar.krakow.pl/~mkasprowicz Marek Jan Kasprowicz Fizyka 013 r. Literatura D. Halliday,
Bardziej szczegółowoSpis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16
Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego
Bardziej szczegółowoPODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH
PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH Dr Benedykt R. Jany I Pracownia Fizyczna Ochrona Środowiska grupa F1 Rodzaje Pomiarów Pomiar bezpośredni - bezpośrednio
Bardziej szczegółowoPodstawy opracowania wyników pomiarów z elementami analizy niepewności statystycznych
Podstawy opracowania wyników pomiarów z elementami analizy niepewności statystycznych Dr inż. Marcin Zieliński I Pracownia Fizyczna dla Biotechnologii, wtorek 8:00-10:45 Konsultacje Zakład Fizyki Jądrowej
Bardziej szczegółowoWprowadzenie do rachunku niepewności pomiarowej. Jacek Pawlyta
Wprowadzenie do rachunku niepewności pomiarowej Jacek Pawlyta Fizyka Teorie Obserwacje Doświadczenia Fizyka Teorie Przykłady Obserwacje Przykłady Doświadczenia Przykłady Fizyka Potwierdzanie bądź obalanie
Bardziej szczegółowoKARTA INFORMACYJNA PRZEDMIOTU
Uniwersytet Rzeszowski WYDZIAŁ KIERUNEK Matematyczno-Przyrodniczy Fizyka techniczna SPECJALNOŚĆ RODZAJ STUDIÓW stacjonarne, studia pierwszego stopnia KARTA INFORMACYJNA PRZEDMIOTU NAZWA PRZEDMIOTU WG PLANU
Bardziej szczegółowoTemat: SZACOWANIE NIEPEWNOŚCI POMIAROWYCH
Temat: SZCOWNIE NIEPEWNOŚCI POMIROWYCH - Jak oszacować niepewność pomiarów bezpośrednich? - Jak oszacować niepewność pomiarów pośrednich? - Jak oszacować niepewność przeciętną i standardową? - Jak zapisywać
Bardziej szczegółowoWykład 9. Terminologia i jej znaczenie. Cenzurowanie wyników pomiarów.
Wykład 9. Terminologia i jej znaczenie. Cenzurowanie wyników pomiarów.. KEITHLEY. Practical Solutions for Accurate. Test & Measurement. Training materials, www.keithley.com;. Janusz Piotrowski: Procedury
Bardziej szczegółowoEGZAMIN MATURALNY W ROKU SZKOLNYM 2014/2015
EGZAMIN MATURALNY W ROKU SZKOLNYM 0/0 FORMUŁA OD 0 ( NOWA MATURA ) MATEMATYKA POZIOM PODSTAWOWY ZASADY OCENIANIA ROZWIĄZAŃ ZADAŃ ARKUSZ MMA-P CZERWIEC 0 Egzamin maturalny z matematyki nowa formuła Klucz
Bardziej szczegółowoAnaliza i monitoring środowiska
Analiza i monitoring środowiska CHC 017003L (opracował W. Zierkiewicz) Ćwiczenie 1: Analiza statystyczna wyników pomiarów. 1. WSTĘP Otrzymany w wyniku przeprowadzonej analizy ilościowej wynik pomiaru zawartości
Bardziej szczegółowoWażne rozkłady i twierdzenia
Ważne rozkłady i twierdzenia Rozkład dwumianowy i wielomianowy Częstość. Prawo wielkich liczb Rozkład hipergeometryczny Rozkład Poissona Rozkład normalny i rozkład Gaussa Centralne twierdzenie graniczne
Bardziej szczegółowoWnioskowanie statystyczne. Statystyka w 5
Wnioskowanie statystyczne tatystyka w 5 Rozkłady statystyk z próby Próba losowa pobrana z populacji stanowi realizacje zmiennej losowej jak ciąg zmiennych losowych (X, X,... X ) niezależnych i mających
Bardziej szczegółowoWynik pomiaru jako zmienna losowa
Wynik pomiaru jako zmienna losowa Wynik pomiaru jako zmienna losowa Zmienne ciągłe i dyskretne Funkcja gęstości i dystrybuanta Wartość oczekiwana Momenty rozkładów Odchylenie standardowe Estymator zmiennej
Bardziej szczegółowoStatystyczne Metody Opracowania Wyników Pomiarów
Statystyczne Metody Opracowania Wyników Pomiarów dla studentów Ochrony Środowiska Teresa Jaworska-Gołąb 2017/18 Co czytać [1] H. Szydłowski, Pracownia fizyczna, PWN, Warszawa 1999. [2] A. Zięba, Analiza
Bardziej szczegółowoPropozycja szczegółowego rozkładu materiału dla 4-letniego technikum, zakres podstawowy i rozszerzony. Klasa I (90 h)
Propozycja szczegółowego rozkładu materiału dla 4-letniego technikum, zakres podstawowy i rozszerzony (według podręczników z serii MATeMAtyka) Klasa I (90 h) Temat Liczba godzin 1. Liczby rzeczywiste 15
Bardziej szczegółowoĆWICZENIE 13 TEORIA BŁĘDÓW POMIAROWYCH
ĆWICZENIE 13 TEORIA BŁĘDÓW POMIAROWYCH Pomiary (definicja, skale pomiarowe, pomiary proste, złożone, zliczenia). Błędy ( definicja, rodzaje błędów, błąd maksymalny i przypadkowy,). Rachunek błędów Sposoby
Bardziej szczegółowo5. WNIOSKOWANIE PSYCHOMETRYCZNE
5. WNIOSKOWANIE PSYCHOMETRYCZNE Model klasyczny Gulliksena Wynik otrzymany i prawdziwy Błąd pomiaru Rzetelność pomiaru testem Standardowy błąd pomiaru Błąd estymacji wyniku prawdziwego Teoria Odpowiadania
Bardziej szczegółowoZmierzyłem i co dalej? O opracowaniu pomiarów i analizie niepewności słów kilka
Zmierzyłem i co dalej? O opracowaniu pomiarów i analizie niepewności słów kilka Jakub S. Prauzner-Bechcicki Grupa: Chemia A Kraków, dn. 7 marca 2018 r. Plan wykładu Rozważania wstępne Prezentacja wyników
Bardziej szczegółowoWażne rozkłady i twierdzenia c.d.
Ważne rozkłady i twierdzenia c.d. Funkcja charakterystyczna rozkładu Wielowymiarowy rozkład normalny Elipsa kowariacji Sploty rozkładów Rozkłady jednostajne Sploty z rozkładem normalnym Pobieranie próby
Bardziej szczegółowoW rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych:
W rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych: Zmienne losowe skokowe (dyskretne) przyjmujące co najwyżej przeliczalnie wiele wartości Zmienne losowe ciągłe
Bardziej szczegółowoWydział Inżynierii Produkcji. I Logistyki. Statystyka opisowa. Wykład 3. Dr inż. Adam Deptuła
12.03.2017 Wydział Inżynierii Produkcji I Logistyki Statystyka opisowa Wykład 3 Dr inż. Adam Deptuła METODY OPISU DANYCH ILOŚCIOWYCH SKALARNYCH Wykresy: diagramy, histogramy, łamane częstości, wykresy
Bardziej szczegółowoLaboratorium Metrologii
Laboratorium Metrologii Ćwiczenie nr 1 Metody określania niepewności pomiaru. I. Zagadnienia do przygotowania na kartkówkę: 1. Podstawowe założenia teorii niepewności. Wyjaśnić znaczenie pojęć randomizacja
Bardziej szczegółowoWeryfikacja hipotez statystycznych, parametryczne testy istotności w populacji
Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Bardziej szczegółowoNiepewność pomiaru masy w praktyce
Niepewność pomiaru masy w praktyce RADWAG Wagi Elektroniczne Z wszystkimi pomiarami nierozłącznie jest związana Niepewność jest nierozerwalnie związana z wynimiarów niepewność ich wyników. Podając wyniki
Bardziej szczegółowoStatystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd.
Wnioskowanie statystyczne obejmujące metody pozwalające na uogólnianie wyników z próby na nieznane wartości parametrów oraz szacowanie błędów tego uogólnienia. Przewidujemy nieznaną wartości parametru
Bardziej szczegółowoODRZUCANIE WYNIKÓW POJEDYNCZYCH POMIARÓW
ODRZUCANIE WYNIKÓW OJEDYNCZYCH OMIARÓW W praktyce pomiarowej zdarzają się sytuacje gdy jeden z pomiarów odstaje od pozostałych. Jeżeli wykorzystamy fakt, że wyniki pomiarów są zmienną losową opisywaną
Bardziej szczegółowoCzęsto spotykany jest również asymetryczny rozkład gamma (Г), opisany za pomocą parametru skali θ i parametru kształtu k:
Statystyczne opracowanie danych pomiarowych W praktyce pomiarowej często spotykamy się z pomiarami wielokrotnymi, gdy podczas pomiaru błędy pomiarowe (szumy miernika, czynniki zewnętrzne) są na tyle duże,
Bardziej szczegółowoZagadnienia na egzamin poprawkowy z matematyki - klasa I 1. Liczby rzeczywiste
Zagadnienia na egzamin poprawkowy z matematyki - klasa I 1. Liczby rzeczywiste Liczby naturalne Liczby całkowite. Liczby wymierne Liczby niewymierne Rozwinięcie dziesiętne liczby rzeczywistej Pierwiastek
Bardziej szczegółowoHISTOGRAM. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH Liczba pomiarów - n. Liczba pomiarów - n k 0.5 N = N =
HISTOGRAM W pewnych przypadkach interesuje nas nie tylko określenie prawdziwej wartości mierzonej wielkości, ale także zbadanie całego rozkład prawdopodobieństwa wyników pomiarów. W takim przypadku wyniki
Bardziej szczegółowoALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH
1 ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH WFAiS UJ, Informatyka Stosowana II stopień studiów 2 Wnioskowanie statystyczne Czyli jak bardzo jesteśmy pewni że parametr oceniony na podstawie próbki jest
Bardziej szczegółowoPsychometria PLAN NAJBLIŻSZYCH WYKŁADÓW. Co wyniki testu mówią nam o samym teście? A. Rzetelność pomiaru testem. TEN SLAJD JUŻ ZNAMY
definicja rzetelności błąd pomiaru: systematyczny i losowy Psychometria Co wyniki testu mówią nam o samym teście? A. Rzetelność pomiaru testem. rozkład X + błąd losowy rozkład X rozkład X + błąd systematyczny
Bardziej szczegółowoModel odpowiedzi i schemat oceniania do arkusza I
Model odpowiedzi i schemat oceniania do arkusza I Zadanie 1 (4 pkt) n Odczytanie i zapisanie danych z wykresu: 100, 105, 100, 10, 101. n Obliczenie mediany: Mediana jest równa 101. n Obliczenie średniej
Bardziej szczegółowoAKADEMIA GÓRNICZO-HUTNICZA Wydział Matematyki Stosowanej ROZKŁAD NORMALNY ROZKŁAD GAUSSA
AKADEMIA GÓRNICZO-HUTNICZA Wydział Matematyki Stosowanej KATEDRA MATEMATYKI TEMAT PRACY: ROZKŁAD NORMALNY ROZKŁAD GAUSSA AUTOR: BARBARA MARDOSZ Kraków, styczeń 2008 Spis treści 1 Wprowadzenie 2 2 Definicja
Bardziej szczegółowoPopulacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część
Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część populacji, którą podaje się badaniu statystycznemu
Bardziej szczegółowoIndukcja matematyczna
Indukcja matematyczna Zadanie. Zapisać, używając symboli i, następujące wyrażenia (a) n!; (b) sin() + sin() sin() +... + sin() sin()... sin(n); (c) ( + )( + /)( + / + /)... ( + / + / +... + /R). Zadanie.
Bardziej szczegółowoROZKŁAD MATERIAŁU DO II KLASY LICEUM (ZAKRES ROZSZERZONY) A WYMAGANIA PODSTAWY PROGRAMOWEJ.
ROZKŁAD MATERIAŁU DO II KLASY LICEUM (ZAKRES ROZSZERZONY) A WYMAGANIA PODSTAWY PROGRAMOWEJ. LICZBA TEMAT GODZIN LEKCYJNYCH Potęgi, pierwiastki i logarytmy (8 h) Potęgi 3 Pierwiastki 3 Potęgi o wykładnikach
Bardziej szczegółowoPodstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych. Wykład tutora na bazie wykładu prof. Marka Stankiewicza
Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych Wykład tutora na bazie wykładu prof. Marka Stankiewicza Po co zajęcia w I Pracowni Fizycznej? 1. Obserwacja zjawisk i
Bardziej szczegółowoNiepewności pomiarów
Niepewności pomiarów Międzynarodowa Organizacja Normalizacyjna (ISO) w roku 1995 opublikowała normy dotyczące terminologii i sposobu określania niepewności pomiarów [1]. W roku 1999 normy zostały opublikowane
Bardziej szczegółowoPodstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych
Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych dla studentów Chemii 2007 Paweł Korecki 2013 Andrzej Kapanowski Po co jest Pracownia Fizyczna? 1. Obserwacja zjawisk i
Bardziej szczegółowoĆwiczenie 1 Metody pomiarowe i opracowywanie danych doświadczalnych.
Ćwiczenie 1 Metody pomiarowe i opracowywanie danych doświadczalnych. Ćwiczenie ma następujące części: 1 Pomiar rezystancji i sprawdzanie prawa Ohma, metoda najmniejszych kwadratów. 2 Pomiar średnicy pręta.
Bardziej szczegółowoPodstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych. Wykład tutora na bazie wykładu prof. Marka Stankiewicza
Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych Wykład tutora na bazie wykładu prof. Marka tankiewicza Po co zajęcia w I Pracowni Fizycznej? 1. Obserwacja zjawisk i efektów
Bardziej szczegółowoWymagania edukacyjne matematyka klasa 1 zakres podstawowy 1. LICZBY RZECZYWISTE
Wymagania edukacyjne matematyka klasa 1 zakres podstawowy 1. LICZBY RZECZYWISTE podaje przykłady liczb: naturalnych, całkowitych, wymiernych, niewymiernych, pierwszych i złożonych oraz przyporządkowuje
Bardziej szczegółowoPrzykładowe zadania dla poziomu podstawowego Zadanie 1. Zadanie 2. Zadanie 3. Zadanie 4. Zadanie 5.
Przykładowe zadania dla poziomu podstawowego Zadanie. ( pkt) W układzie współrzędnych zaznaczono 5 początkowych wyrazów nieskończonego ciągu a. arytmetycznego ( ) n y - a) Podaj trzeci wyraz tego ciągu.
Bardziej szczegółowoPodstawy opracowania wyników pomiarów
Podstawy opracowania wyników pomiarów I Pracownia Fizyczna Chemia C 02. 03. 2017 na podstawie wykładu dr hab. Pawła Koreckiego Katarzyna Dziedzic-Kocurek Instytut Fizyki UJ, Zakład Fizyki Medycznej k.dziedzic-kocurek@uj.edu.pl
Bardziej szczegółowoAnaliza niepewności pomiarów
Teoria pomiarów Analiza niepewności pomiarów Zagadnienia statystyki matematycznej Dr hab. inż. Paweł Majda www.pmajda.zut.edu.pl Podstawy statystyki matematycznej Histogram oraz wielobok liczebności zmiennej
Bardziej szczegółowoWykład Centralne twierdzenie graniczne. Statystyka matematyczna: Estymacja parametrów rozkładu
Wykład 11-12 Centralne twierdzenie graniczne Statystyka matematyczna: Estymacja parametrów rozkładu Centralne twierdzenie graniczne (CTG) (Central Limit Theorem - CLT) Centralne twierdzenie graniczne (Lindenberga-Levy'ego)
Bardziej szczegółowoMATeMAtyka zakres rozszerzony
MATeMAtyka zakres rozszerzony Proponowany rozkład materiału kl. I (160 h) (Na czerwono zaznaczono treści z zakresu rozszerzonego) Temat lekcji Liczba godzin 1. Liczby rzeczywiste 15 1. Liczby naturalne
Bardziej szczegółowoZajęcia wprowadzające W-1 termin I temat: Sposób zapisu wyników pomiarów
wielkość mierzona wartość wielkości jednostka miary pomiar wzorce miary wynik pomiaru niedokładność pomiaru Zajęcia wprowadzające W-1 termin I temat: Sposób zapisu wyników pomiarów 1. Pojęcia podstawowe
Bardziej szczegółowoOkreślanie niepewności pomiaru
Określanie niepewności pomiaru (Materiały do ćwiczeń laboratoryjnych z przedmiotu Materiałoznawstwo na wydziale Górnictwa i Geoinżynierii) 1. Wprowadzenie Pomiar jest to zbiór czynności mających na celu
Bardziej szczegółowoPomiar rezystancji metodą techniczną
Pomiar rezystancji metodą techniczną Cel ćwiczenia. Poznanie metod pomiarów rezystancji liniowych, optymalizowania warunków pomiaru oraz zasad obliczania błędów pomiarowych. Zagadnienia teoretyczne. Definicja
Bardziej szczegółowoWYMAGANIA EDUKACYJNE Z MATEMATYKI W KLASIE II W PUBLICZNYM GIMNAZJUM NR 2 W ZESPOLE SZKÓŁ W RUDKACH
WYMAGANIA EDUKACYJNE Z MATEMATYKI W KLASIE II W PUBLICZNYM GIMNAZJUM NR 2 W ZESPOLE SZKÓŁ W RUDKACH Marzena Zbrożyna DOPUSZCZAJĄCY: Uczeń potrafi: odczytać informacje z tabeli odczytać informacje z diagramu
Bardziej szczegółowoStatystyczne Metody Opracowania Wyników Pomiarów
Statystyczne Metody Opracowania Wyników Pomiarów dla studentów ZMIN Teresa Jaworska-Gołąb 2017/18 Co czytać [1] I Pracownia fizyczna, Andrzej Magiera red., Oficyna Wydawnicza IMPULS, Kraków 2006; http://www.1pf.if.uj.edu.pl/materialy/zalecana-literatura
Bardziej szczegółowoMatematyka do liceów i techników Szczegółowy rozkład materiału Zakres podstawowy
Matematyka do liceów i techników Szczegółowy rozkład materiału Zakres podstawowy Wariant nr (klasa I 4 godz., klasa II godz., klasa III godz.) Klasa I 7 tygodni 4 godziny = 48 godzin Lp. Tematyka zajęć
Bardziej szczegółowoPodstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych
Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych dla studentów Biologii A i B dr hab. Paweł Korecki e-mail: pawel.korecki@uj.edu.pl http://www.if.uj.edu.pl/pl/edukacja/pracownia_i/
Bardziej szczegółowoKomputerowa Analiza Danych Doświadczalnych
Komputerowa Analiza Danych Doświadczalnych Prowadząca: dr inż. Hanna Zbroszczyk e-mail: gos@if.pw.edu.pl tel: +48 22 234 58 51 konsultacje: poniedziałek, 10-11, środa: 11-12 www: http://www.if.pw.edu.pl/~gos/students/kadd
Bardziej szczegółowoWYMAGANIE EDUKACYJNE Z MATEMATYKI W KLASIE II GIMNAZJUM. dopuszczającą dostateczną dobrą bardzo dobrą celującą
1. Statystyka odczytać informacje z tabeli odczytać informacje z diagramu 2. Mnożenie i dzielenie potęg o tych samych podstawach 3. Mnożenie i dzielenie potęg o tych samych wykładnikach 4. Potęga o wykładniku
Bardziej szczegółowo7 zaokr aglamy do liczby 3,6. Bład względny tego przybliżenia jest równy A) 0,8% B) 0,008% C) 8% D) 100
ZADANIE 1 (1 PKT) Dane sa zbiory A = ( 6 7, 6) i B = N liczb naturalnych dodatnich. Wówczas iloczyn zbiorów A B jest równy A) {1, 2,, 4, 5} B) (, 5 C) {1, 2,, 4, 5, 6} D) (, 6) ZADANIE 2 (1 PKT) Jeśli
Bardziej szczegółowoZadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych
Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych Zad. 1 Średnia ocen z semestru letniego w populacji studentów socjologii w roku akademickim 2011/2012
Bardziej szczegółowoCharakterystyki liczbowe (estymatory i parametry), które pozwalają opisać właściwości rozkładu badanej cechy (zmiennej)
Charakterystyki liczbowe (estymatory i parametry), które pozwalają opisać właściwości rozkładu badanej cechy (zmiennej) 1 Podział ze względu na zakres danych użytych do wyznaczenia miary Miary opisujące
Bardziej szczegółowoPropozycja szczegółowego rozkładu materiału dla 4-letniego technikum, zakres podstawowy. Klasa I (60 h)
Propozycja szczegółowego rozkładu materiału dla 4-letniego technikum, zakres podstawowy (według podręczników z serii MATeMAtyka) Temat Klasa I (60 h) Liczba godzin 1. Liczby rzeczywiste 15 1. Liczby naturalne
Bardziej szczegółowo1. FUNKCJE DZIAŁ Z PODRĘCZNIKA L.P. NaCoBeZu kryteria sukcesu w języku ucznia
L.P. DZIAŁ Z PODRĘCZNIKA 1. FUNKCJE 2. POTĘGI I PIERWIASTKI NaCoBeZu kryteria sukcesu w języku ucznia 1. Wiem, co to jest układ współrzędnych, potrafię nazwać osie układu. 2. Rysuję układ współrzędnych
Bardziej szczegółowoĆwiczenie z fizyki Doświadczalne wyznaczanie ogniskowej soczewki oraz współczynnika załamania światła
Ćwiczenie z fizyki Doświadczalne wyznaczanie ogniskowej soczewki oraz współczynnika załamania światła Michał Łasica klasa IIId nr 13 22 grudnia 2006 1 1 Doświadczalne wyznaczanie ogniskowej soczewki 1.1
Bardziej szczegółowoTypy zmiennych. Zmienne i rekordy. Rodzaje zmiennych. Graficzne reprezentacje danych Statystyki opisowe
Typy zmiennych Graficzne reprezentacje danych Statystyki opisowe Jakościowe charakterystyka przyjmuje kilka możliwych wartości, które definiują klasy Porządkowe: odpowiedzi na pytania w ankiecie ; nigdy,
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA
STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA Zadanie 0.1 Zmienna losowa X ma rozkład określony funkcją prawdopodobieństwa: x k 0 4 p k 1/3 1/6 1/ obliczyć EX, D X. (odp. 4/3;
Bardziej szczegółowoMATEMATYKA ZP Ramowy rozkład materiału na cały cykl kształcenia
MATEMATYKA ZP Ramowy rozkład materiału na cały cykl kształcenia KLASA I (3 h w tygodniu x 32 tyg. = 96 h; reszta godzin do dyspozycji nauczyciela) 1. Liczby rzeczywiste Zbiory Liczby naturalne Liczby wymierne
Bardziej szczegółowoRozkład Gaussa i test χ2
Rozkład Gaussa jest scharakteryzowany dwoma parametramiwartością oczekiwaną rozkładu μ oraz dyspersją σ: METODA 2 (dokładna) polega na zmianie zmiennych i na obliczeniu pk jako różnicy całek ze standaryzowanego
Bardziej szczegółowoPobieranie prób i rozkład z próby
Pobieranie prób i rozkład z próby Marcin Zajenkowski Marcin Zajenkowski () Pobieranie prób i rozkład z próby 1 / 15 Populacja i próba Populacja dowolnie określony zespół przedmiotów, obserwacji, osób itp.
Bardziej szczegółowoEGZAMIN W KLASIE TRZECIEJ GIMNAZJUM W ROKU SZKOLNYM 2016/2017 CZĘŚĆ 2. ZASADY OCENIANIA ROZWIĄZAŃ ZADAŃ
EGZAMIN W KLASIE TRZECIEJ GIMNAZJUM W ROKU SZKOLNYM 016/017 CZĘŚĆ. MATEMATYKA ZASADY OCENIANIA ROZWIĄZAŃ ZADAŃ ARKUSZ GM-M7 KWIECIEŃ 017 Zadanie 1. (0 1) II. Wykorzystywanie i interpretowanie reprezentacji.
Bardziej szczegółowoStatystyka opisowa- cd.
12.03.2017 Wydział Inżynierii Produkcji I Logistyki Statystyka opisowa- cd. Wykład 4 Dr inż. Adam Deptuła HISTOGRAM UNORMOWANY Pole słupka = wysokość słupka x długość przedziału Pole słupka = n i n h h,
Bardziej szczegółowoSprawdzenie narzędzi pomiarowych i wyznaczenie niepewności rozszerzonej typu A w pomiarach pośrednich
Podstawy Metrologii i Technik Eksperymentu Laboratorium Sprawdzenie narzędzi pomiarowych i wyznaczenie niepewności rozszerzonej typu A w pomiarach pośrednich Instrukcja do ćwiczenia nr 4 Zakład Miernictwa
Bardziej szczegółowoPraca kontrolna z matematyki nr 1 Liceum Ogólnokształcące dla Dorosłych Semestr 5 Rok szkolny 2014/2015
Praca kontrolna z matematyki nr 1 Liceum Ogólnokształcące dla Dorosłych Semestr 5 Rok szkolny 2014/2015 2 6 + 3 1. Oblicz 3. 3 x 1 3x 2. Rozwiąż nierówność > x. 2 3 3. Funkcja f przyporządkowuje każdej
Bardziej szczegółowoStatystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd.
Wnioskowanie statystyczne obejmujące metody pozwalające na uogólnianie wyników z próby na nieznane wartości parametrów oraz szacowanie błędów tego uogólnienia. Przewidujemy nieznaną wartości parametru
Bardziej szczegółowoMATeMAtyka klasa II poziom rozszerzony
MATeMAtyka klasa II poziom rozszerzony W klasie drugiej na poziomie rozszerzonym realizujemy materiał z klasy pierwszej tylko z poziomu rozszerzonego (na czerwono) oraz cały materiał z klasy drugiej. Rozkład
Bardziej szczegółowoWykład 9 Wnioskowanie o średnich
Wykład 9 Wnioskowanie o średnich Rozkład t (Studenta) Wnioskowanie dla jednej populacji: Test i przedziały ufności dla jednej próby Test i przedziały ufności dla par Porównanie dwóch populacji: Test i
Bardziej szczegółowoWeryfikacja hipotez statystycznych
Weryfikacja hipotez statystycznych Hipoteza Test statystyczny Poziom istotności Testy jednostronne i dwustronne Testowanie równości wariancji test F-Fishera Testowanie równości wartości średnich test t-studenta
Bardziej szczegółowoMATeMAtyka zakres podstawowy
MATeMAtyka zakres podstawowy Proponowany rozkład materiału kl. I (100 h) 1. Liczby rzeczywiste 15 1. Liczby naturalne 1 2. Liczby całkowite. Liczby wymierne 1 1.1, 1.2 3. Liczby niewymierne 1 1.3 4. Rozwinięcie
Bardziej szczegółowoKRYTERIA OCENIANIA Z MATEMATYKI W OPARCIU O PODSTAWĘ PROGRAMOWĄ I PROGRAM NAUCZANIA MATEMATYKA 2001 DLA KLASY DRUGIEJ
KRYTERIA OCENIANIA Z MATEMATYKI W OPARCIU O PODSTAWĘ PROGRAMOWĄ I PROGRAM NAUCZANIA MATEMATYKA 2001 DLA KLASY DRUGIEJ TREŚCI KSZTAŁCENIA WYMAGANIA PODSTAWOWE WYMAGANIA PONADPODSTAWOWE Liczby wymierne i
Bardziej szczegółowo83 Przekształcanie wykresów funkcji (cd.) 3
Zakres podstawowy Zakres rozszerzony dział temat godz. dział temat godz,. KLASA 1 (3 godziny tygodniowo) - 90 godzin KLASA 1 (5 godzin tygodniowo) - 150 godzin I Zbiory Zbiory i działania na zbiorach 2
Bardziej szczegółowoOszacowanie i rozkład t
Oszacowanie i rozkład t Marcin Zajenkowski Marcin Zajenkowski () Oszacowanie i rozkład t 1 / 31 Oszacowanie 1 Na podstawie danych z próby szacuje się wiele wartości w populacji, np.: jakie jest poparcie
Bardziej szczegółowoWykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe
Wykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe Nierówność Czebyszewa Niech X będzie zmienną losową o skończonej wariancji V ar(x). Wtedy wartość oczekiwana E(X) też jest skończona i
Bardziej szczegółowo