JAK WYZNACZA SIĘ PARAMETRY WALIDACYJNE
|
|
- Mirosław Milewski
- 7 lat temu
- Przeglądów:
Transkrypt
1 1 JAK WYZNACZA SIĘ PARAMETRY WALIDACYJNE Precyzja Dr hab. inż. Piotr KONIECZKA Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska ul. G. Narutowicza 11/ GDAŃSK
2 Wielkość sygnałów dla takiej samej zawartości analitu precyzja (powtarzalność, precyzja pośrednia, odtwarzalność).
3 Definicje 3 Precyzja (ang. precision) zgodność pomiędzy niezależnymi wynikami uzyskanymi w trakcie analizy danej próbki z zastosowaniem danej procedury analitycznej.
4 Definicje 4 Powtarzalność (ang. repeatability) precyzja wyników uzyskanych w tych samych warunkach pomiarowych (dane laboratorium, analityk, instrument pomiarowy, odczynniki).
5 Definicje 5 Precyzja pośrednia (ang. intermediate precision) długoterminowe odchylenie procesu pomiarowego, do którego wyznaczenia wykorzystuje się odchylenie standardowe serii pomiarów uzyskanych w danym laboratorium w kilkutygodniowym okresie czasu. Precyzja pośrednia jest pojęciem szerszym od powtarzalności.
6 Definicje 6 Odtwarzalność (ang. reproducibility) precyzja wyników uzyskanych w różnych laboratoriach z zastosowaniem danej procedury pomiarowej.
7 7 Powtarzalność - wyznaczana na podstawie wartości obliczonego odchylenia standardowego serii pomiarów przeprowadzonych: w danym laboratorium; przez danego analityka; z wykorzystaniem danego urządzenia pomiarowego; w krótkim okresie czasu.
8 8 Precyzja pośrednia jest pojęciem szerszym od powtarzalności, gdyż na jej wartość wpływ mają: czynniki osobowe różni analitycy wykonujący oznaczenia jak i niestabilność pracy danego analityka w ciągu całego okresu czasu; czynniki aparaturowe ze względu na to, że pomiary mogą być przeprowadzone z wykorzystaniem: różnych instrumentów z danego laboratorium; roztworów wzorcowych i odczynników pochodzących od różnych producentów, lub też różnych szarż produkcyjnych; różnych akcesoriów np. różnych kolumn GC, o tej samej charakterystyce, lecz pochodzących od różnych producentów, bądź też z różnych szarż produkcyjnych;
9 Warunki prowadzenia pomiarów analitycznych jakie muszą być zachowane w trakcie wyznaczania powtarzalności, precyzji pośredniej i odtwarzalności 9 Warunek Powtarzalność Precyzja pośrednia Odtwarzalność Aparatura S Z Z Partia akcesoriów S Z Z Analityk S Z Z Skład matrycy Z Z Z Stężenie Z Z Z Partia odczynników S Z Z Warunki laboratoryjne (temperatura wilgotność) S Z Z Laboratorium S S Z S konieczność zachowania stałości parametru Z możliwość zmiany danego parametru
10 Porównanie dotychczasowych i nowo proponowanych definicji parametrów dotyczących precyzji 10 Podejście klasyczne Precyzja miara zgodności między wartościami eksperymentalnymi otrzymanymi w trakcie badań wykonanych w określonych warunkach. Powtarzalność - precyzja procedury w przypadku jednego wykonawcy pomiarów pracującego w danym laboratorium, otrzymującego kolejne wyniki podczas badania w krótkich odstępach czasu identycznego produktu z wykorzystaniem tej samej procedury i za pomocą tej samej aparatury. Podejście zalecane przez VIM Precyzja stopień zgodności między niezależnymi wynikami uzyskanymi w trakcie analizy danej próbki z zastosowaniem danej procedury analitycznej. Powtarzalność precyzja wyników uzyskanych w tych samych warunkach pomiarowych (dane laboratorium, analityk, instrument pomiarowy, odczynniki). VIM - International Vocabulary of Basic and General Terms in Metrology
11 Porównanie dotychczasowych i nowo proponowanych definicji parametrów precyzji Podejście klasyczne Odtwarzalność precyzja metody, będąca miarą zgodności wyników osiąganych w przypadku różnych wykonawców pracujących w różnych laboratoriach lub w tym samym laboratorium w różnych okresach, przy czym każdy z nich otrzymuje indywidualne wyniki podczas badania identycznego produktu z wykorzystaniem tej samej metody. Podejście zalecane przez VIM Odtwarzalność precyzja wyników uzyskanych w różnych laboratoriach z zastosowaniem danej procedury pomiarowej. Precyzja pośrednia długoterminowe odchylenie procesu pomiarowego, do którego wyznaczenia wykorzystuje się odchylenie standardowe serii pomiarów uzyskanych w danym laboratorium w kilkutygodniowym okresie czasu. Precyzja pośrednia jest pojęciem szerszym od powtarzalności. 11 VIM - International Vocabulary of Basic and General Terms in Metrology
12 1 Wg ICH wartość odchylenia standardowego można obliczyć na podstawie jednego z poniższych sposobów: przeprowadzeniu co najmniej 9 niezależnych oznaczeń w całym zakresie pomiarowym (np.: 3 niezależne oznaczenia na 3 poziomach stężeń); przeprowadzeniu 6 niezależnych oznaczeń analitu w próbkach wzorcowych na poziomie stężenia odpowiadającemu stężeniu w próbce rzeczywistej; na podstawie wyników 6 niezależnych oznaczeń dla analitów występujących w 3 różnych matrycach i na lub 3 poziomach stężeń; Wg zaleceń EURACHEM wskazane jest przeprowadzenie 10 niezależnych oznaczeń i na tej podstawie obliczenie odchylenia standardowego.
13 13 s 1 s μ 1 μ np.: wykonanie daną procedurą pomiarową (stałe odchylenie standardowe) analiz dla próbek o różnej zawartości analitu; s s 1 μ 1 = μ np.: wykonanie analiz dla tej samej próbki (taka sama wartość oczekiwana) dwiema niezależnymi procedurami (różne wartości odchylenia standardowego); GBC Rodzinnie, Zakopane,
14 Wariancja Wariancja jest to średnia arytmetyczna kwadratów odchyleń poszczególnych wartości cechy od średniej arytmetycznej zbiorowości. 14 s = 1 n 1 n i 1 ( ) x i x śr
15 Odchylenie standardowe Definiowane jako miara rozproszenia uzyskanych poszczególnych wartości oznaczeń wokół wartości średniej: 15 s = n i = 1 ( x x ) i n 1 śr gdzie: x i wartość pojedynczego wyniku oznaczenia; x śr średnia arytmetyczna z uzyskanych wyników; n liczba uzyskanych wyników;
16 16 Odchylenie standardowe jest równe zeru wtedy i tylko wtedy, gdy wszystkie wyniki są identyczne. W każdym innym przypadku wielkość ta jest dodatnia. Zatem im większe rozproszenie wyników, tym wartość s jest większa. W tym miejscu należy zwrócić uwagę na jeden podstawowy fakt. Rozrzut wyników związany jest z każdym postępowaniem analitycznym. Możliwe jest natomiast, że zjawiska tego nie udało się zaobserwować ze względu na np. zbyt niską rozdzielczość stosowanego przyrządu kontrolno-pomiarowego.
17 17 Serie wyników pomiarów uzyskane z wykorzystaniem przyrządów kontrolno-pomiarowych o różnej rozdzielczości. Uzyskane wyniki Wartość odchylenia standardowego Przyrząd 1 Przyrząd Przyrząd ,8 16, ,1 17, ,9 16, ,4 17, ,3 17, , 17, ,0 16,96 0 0, 0,3
18 18 Właściwości odchylenia standardowego jeżeli do każdej wartości wyniku pomiaru dodamy (lub od niej odejmiemy) stałą wartość to wartość odchylenia standardowego nie zmieni się, jeżeli każdą wartość wyniku pomiaru pomnożymy lub podzielimy przez dowolną stałą to wartość odchylenia standardowego zostanie także pomnożona lub podzielona przez tę stałą, odchylenie standardowe jest zawsze liczbą mianowaną, przy czym miano jego jest wyrażone w takich samych jednostkach jak miano wartości wyników w próbce,
19 Odchylenie standardowe: 19 a. dla znanej wartości rzeczywistej µ x s n i = 1 = ( x μ ) i n x b. dla nieznanej wartości rzeczywistej (oszacowanie x śr ) s = n i = 1 ( x x ) i n 1 śr
20 0 c. względne odchylenie standardowe ( s ) RSD = R s x śr d. odchylenie standardowe średniej arytmetycznej s= s n
21 1 e. odchylenie standardowe metody (ogólne) s g = 1 n k k i = 1 s i ( n 1) i gdzie: n - ogólna liczba oznaczeń k - liczba serii dla równolicznych serii wzór upraszcza się do postaci: s 1 k = g s i k i = 1
22 Współczynnik zmienności Współczynnik zmienności (CV) powstaje przez pomnożenie wartości RSD przez 100%: CV 100% = RSD Współczynnik zmienności - jest ilorazem bezwzględnej miary zmienności cechy i średniej wartości tej cechy, jest wielkością niemianowaną, najczęściej podawaną w procentach. Współczynnik zmienności stosuje się w porównaniach zróżnicowania: kilku zbiorowości pod względem tej samej cechy, tej samej zbiorowości pod względem kilku różnych cech.
23 3
24 4 Tabela 8 Współczynniki zmienności (CV) dla metod ilościowych dla różnych zakresów ułamków masy pierwiastków Ułamek masy CV (%) 10 μg/kg do 100 μg/kg 0 > 100 μg/kg do μg/kg μg/kg 10
25 5 Odchylenie standardowe Liczba pomiarów
26 6 Odchylenie standardowe Liczba pomiarów
27 7 Odchylenie standardowe koszt Liczba pomiarów
28 8 Odchylenie standardowe koszt czas Liczba pomiarów
29 9 Odchylenie standardowe koszt czas n opt Liczba pomiarów
30 30 Ocena (porównanie) uzyskanej(ych) wartości odchylenia standardowego 1. Ocena na podstawie obliczonej wartości RSD (bądź CV). Z zastosowaniem odpowiedniego testu statystycznego a. w celu sprawdzenia istotności różnicy między odchyleniem standardowym badanej populacji a wartością zadaną stosujemy test χ. b. w celu porównania precyzji dwóch niezależnych serii pomiarowych uzyskanych w trakcie analizy próbek o zawartości analitu na takim samym poziomie, stosujemy test F-Snedecora
31 31 c. do porównania precyzji dwóch zależnych serii pomiarowych, stosujemy test Morgana d. do porównywania precyzji dla równolicznych populacji (ilość wyników uzyskanych porównywanymi procedurami) stosujemy test F max Hartleya e. w celu porównywania precyzji (kilka metod, serie nie koniecznie równoliczne) - test Bartletta
32 test χ Sprawdzamy hipotezę zerową, że odchylenie standardowe s populacji badanej nie różni się w sposób statystycznie istotny od wartości zadanej s o. stosowalność testu tylko w przypadku rozkładu normalnego! Sposób postępowania: 3 obliczyć wartość wyrażenia: χ = n s s o porównać wartość obliczoną z wartością krytyczną χ (z tablic rozkładu χ ) kr
33 test χ 33 Opracowywano metodę oznaczania zawartości jonów Ca + w wodzie z wykorzystaniem techniki potencjometrycznej z zastosowaniem elektrody jonoselektywnej. Sprawdzić czy odchylenie standardowe dla opracowywanej metody, różni się w sposób statystycznie istotny od wartości odchylenia standardowego dla metody odniesienia - ASA, dla której s o = 0,067 mg/dm 3.
34 test χ 34 Wykonano 5 oznaczeń uzyskując następujące wyniki w mg/dm 3 : Lp. wynik Lp. wynik 1 8, ,77 8, ,88 3 8, ,75 4 8, ,68 5 8, ,71 6 8, ,73 7 8,65 0 8,74 8 8,7 1 8,80 9 8,88 8, ,60 3 8, ,63 4 8,7 1 8,7 5 8, ,75 χ = n s s o Obliczone parametry: s = 0,074 mg/dm 3 χ = 30,
35 test χ Test χ wartości krytyczne 35 α 0,05 0,01 f 1 3,84 6,64 5,99 9,1 3 7,81 11,34 4 9,49 13,8 5 11,07 15,09 6 1,59 16, ,07 18, ,51 0, ,9 1, ,31 3, ,68 4,7 1 1,03 6, 13,36 7, ,68 9, ,00 30, ,30 3, ,59 33, ,87 34, ,14 36, ,41 37,57 1 3,67 38,93 33,9 40,9 3 35,17 41, ,41 4, ,65 44,31 z tablicy rozkładu χ : χ (α =0,05; f =n -1=4) = kr 36,41 χ = 30, ponieważ χ <χ nie ma podstaw do kr odrzucenia hipotezy o równości wartości odchylenia standardowego
36 test F-Snedecora 36 Sposób postępowania: obliczyć wartości odchyleń standardowych dla serii wyników uzyskanych obydwiema procedurami (s 1 i s ), obliczyć wartość parametru testu F-Snedecora wg wzoru: F = 1 n1 1 n n n 1 s s 1 F > 1 zawsze!!!
37 test F-Snedecora 37 z tabeli rozkładu testu F-Snedecora wyszukać wartość parametru F kr dla przyjętego poziomu istotności - α (najczęściej α = 0,05) oraz wyliczonych stopni swobody f 1 i f (gdzie f 1 =n 1-1 i f =n -1 a n 1 i n to ilość wyników uzyskanych z zastosowaniem obydwu metod); porównać wartość F z wartością F kr ;
38 test F-Snedecora 38 Oznaczano zawartość HCl dwiema metodami: kulometryczną i konduktometryczną. Sprawdzić, czy obliczone wartości odchyleń standardowych dla uzyskanych tymi metodami serii pomiarowych różnią się między sobą w sposób statystycznie istotny. Uzyskane wyniki [mol/dm 3 ]: kulometria konduktometria 0,0095 0,0103 0,0098 0,0110 0,0097 0,011 0,0093 0,0108 0,0097 0,0106 0,0096 0,0104 0,0099 0,0109
39 test F-Snedecora 39 Obliczone wartości: kulometria konduktometria n = 7 n =7 s = 0,0000 mol/dm 3 s = 0,00033 mol/dm 3 s s 1 F = s s 1 =,69
40 test F-Snedecora Test F-Snedecora wartości krytyczne f 1 f 19,00 99,01 19,16 99,17 19,5 99,5 19,30 99,30 19,33 99,33 19,36 99,34 19,37 99,36 19,38 99,38 19,39 99,40 19,40 99,41 3 9,55 30,81 9,8 9,46 9,1 8,71 9,01 8,4 8,94 7,91 8,88 7,67 8,84 7,49 8,81 7,34 8,78 7,3 8,76 7,13 4 6,94 18,00 6,59 16,69 6,39 15,98 6,6 15,5 6,16 15,1 6,09 14,98 6,04 14,80 6,00 14,66 5,96 14,54 5,93 14,45 5 5,79 13,7 5,41 1,06 5,19 11,39 5,05 10,97 4,95 10,67 4,88 10,45 4,8 10,7 4,78 10,15 4,74 10,05 4,70 9,96 6 5,14 10,9 4,76 9,78 4,53 9,15 4,39 8,57 4,8 8,47 4,1 8,6 4,15 8,10 4,10 7,98 4,06 7,87 4,03 7,79 7 4,74 9,55 4,35 8,45 4,1 7,85 3,97 7,46 3,87 7,19 3,79 7,00 3,73 6,84 3,68 6,71 3,63 6,6 3,60 6,54 8 4,46 8,65 4,07 7,59 3,84 7,01 3,69 6,63 3,58 6,37 3,50 6,19 3,44 6,03 3,39 5,91 3,34 5,8 3,31 5,74 9 4,6 8,0 3,86 6,99 3,63 6,4 3,48 6,06 3,37 5,80 3,9 5,6 3,3 5,47 3,18 5,35 3,13 5,6 3,10 5, ,10 3,71 3,48 3,33 3, 3,14 3,07 3,0,97,94 7, ,98 7,0 6,55 3,59 6, 5,99 3,36 5,67 5,64 3,0 5,3 5,39 3,09 5,07 5,1 3,01 4,88 5,06,95 4,74 4,95,90 4,63 4,85,86 4,54 4,78,8 4,46 α = 0,05 α = 0,01 Z tablicy rozkładu F-Snedecora odczytano wartość F kr dla danego poziomu istotności i odpowiednich liczb stopni swobody. F kr (α=0,05; f 1 =f =6)= F =, ,8 Ponieważ F<F kr zatem wynika stąd wniosek, że uzyskane wartości odchylenia standardowego nie różnią się między sobą w sposób statystycznie istotny (porównywane metody nie różnią się pod względem precyzji).
41 test F max Hartleya 41 Sposób postępowania: obliczyć wartości odchylenia standardowego dla poszczególnych serii wyników uzyskanych poddawanymi ocenie metodami znaleźć wśród nich wartość minimalną s min i maksymalną s max ; obliczyć wartość parametru testu F max wg wzoru: F = max s s max min porównać wartość F max z wartością krytyczną F max o (z tablic rozkładu F max o )
42 test F max Hartleya 4 Oznaczano zawartość HCl trzema metodami: kulometryczną, konduktometryczną i miareczkowania alkacymetrycznego. Sprawdzić, czy obliczone wartości odchylenia standardowego dla uzyskanych tymi metodami serii pomiarowych różnią się między sobą w sposób statystycznie istotny. Uzyskane wyniki [mol/dm 3 ]: kulometria konduktometria alkacymetria 0,0095 0,0103 0,011 0,0098 0,0110 0,0103 0,0097 0,011 0,010 0,0093 0,0108 0,0095 0,0097 0,0106 0,009 0,0096 0,0104 0,0093 0,0099 0,0109 0,0098
43 test F max Hartleya 43 Obliczone wartości: kulometria konduktometria alkacymetria n = 7 n =7 n =7 s = 0,0000 mol/dm 3 s = 0,00033 mol/dm 3 s = 0,00106 mol/dm 3 s min s max F max max = min = s s 8,1
44 test F max Hartleya 44 Wartości krytyczne F max o dla α = 0,05 f k ,0 87, ,4 7,8 39, 50,7 6,0 7,9 83,5 93, ,60 15,5 0,6 5, 9,5 33,6 37,5 41,1 44,6 48,0 5 7,15 10,8 13,7 16,3 18,7 0,8,9 4,7 6,5 8, 6 5,8 8,38 10,4 1,1 13,7 15,0 16,3 17,5 18,6 19,7 7 4,99 6,94 8,44 9,70 10,8 11,8 1,7 13,5 14,3 15,1 8 4,43 6,00 7,18 8,1 9,03 9,78 10,5 11,1 11,7 1, 9 4,03 5,34 6,31 7,11 7,80 8,41 8,95 9,45 9,91 10,3 10 3,7 4,85 5,67 6,34 6,9 7,4 7,87 8,9 8,66 9,01 15,86 3,54 4,01 4,37 4,68 4,95 5,19 5,40 5,59 5,77 0,46,95 3,9 3,54 3,76 3,94 4,10 4,4 4,37 4,49 30,07,40,61,78,91 3,0 3,1 3,1 3,9 3, ,67 1,85 1,96,04,11,17,,6,30,33 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 Z tablicy rozkładu F max odczytano wartość F max o dla danego poziomu istotności (α), ilości porównywanych wartości odchylenia standardowego (k) i odpowiednich liczb stopni swobody (f ). GBC Rodzinnie, Zakopane, F max o (α=0,05; k = 3; f =6)= 8,38 F max = 8,1 Ponieważ F max > F max o zatem wynika stąd wniosek, że uzyskane wartości odchylenia standardowego różnią się między sobą w sposób statystycznie istotny (porównywane metody różnią się pod względem precyzji).
45 Przykład 45 Oznaczano zawartość siarczanów w wodzie techniką nefelometryczną. Oznaczeń dokonano w 5 próbkach (5 serii) o różnej zawartości siarczanów wykonując po 7 oznaczeń w serii. Obliczyć odchylenie standardowe metody. Uzyskane wyniki zestawiono poniżej (wszystkie dane w mg/dm 3 ): Pomiar Seria 1 Seria Seria 3 Seria 4 Seria 5 1 1,6 8,31 31,5 15,1 6,1 1,4 8,45 31,8 15,8 6,8 3 1,8 8,70 31,9 15,6 7,3 4 1,4 8,11 3,1 15,0 8,1 5 1,0 8,5 33,4 14,7 7,8 6 1,9 8,10 33,3 15,9 6,3 7 11,8 8,78 31, 14,6 7,0 x śr 1,4 8,39 3, 15, 7,1 s 0,40 0,7 0,86 0,53 0,74 CV [%] 3,4 3,3,66 3,45,7
46 Ponieważ zbiory są równoliczne, w celu sprawdzenia jednorodności wariancji (warunek konieczny przy wyznaczaniu odchylenia standardowego metody) zastosowano test F max Hartleya. W tym celu obliczono wartość wyrażenia: max W tym przypadku gdy poziomy zawartości są różne operujemy CV zamiast s: F = max CV max = CV min = stąd: CV CV 3,45,66 F max = 1,68 max min F = max Pomiar Seria 1 Seria Seria 3 Seria 4 Seria 5 1 1,6 8,31 31,5 15,1 6,1 1,4 8,45 31,8 15,8 6,8 3 1,8 8,70 31,9 15,6 7,3 4 1,4 8,11 3,1 15,0 8,1 5 1,0 8,5 33,4 14,7 7,8 6 1,9 8,10 33,3 15,9 6,3 7 11,8 8,78 31, 14,6 7,0 min x śr 1,4 8,39 3, 15, 7,1 s 0,40 0,7 0,86 0,53 0,74 CV [%] 3,4 3,3,66 3,45,7 s s 46
47 Wartości krytyczne F max o dla α = 0,05 f k ,0 87, ,4 7,8 39, 50,7 6,0 7,9 83,5 93, ,60 15,5 0,6 5, 9,5 33,6 37,5 41,1 44,6 48,0 5 7,15 10,8 13,7 16,3 18,7 0,8,9 4,7 6,5 8, 6 5,8 8,38 10,4 1,1 13,7 15,0 16,3 17,5 18,6 19,7 7 4,99 6,94 8,44 9,70 10,8 11,8 1,7 13,5 14,3 15,1 8 4,43 6,00 7,18 8,1 9,03 9,78 10,5 11,1 11,7 1, 9 4,03 5,34 6,31 7,11 7,80 8,41 8,95 9,45 9,91 10,3 10 3,7 4,85 5,67 6,34 6,9 7,4 7,87 8,9 8,66 9,01 15,86 3,54 4,01 4,37 4,68 4,95 5,19 5,40 5,59 5,77 0,46,95 3,9 3,54 3,76 3,94 4,10 4,4 4,37 4,49 30,07,40,61,78,91 3,0 3,1 3,1 3,9 3, ,67 1,85 1,96,04,11,17,,6,30,33 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 F max o (α=0,05; k = 5; f =6)= 1,1 F max =1,68 47 Z tablicy rozkładu F max odczytano wartość F max o dla danego poziomu istotności (α), ilości porównywanych wartości odchylenia standardowego (k) i odpowiednich liczb stopni swobody (f ). Ponieważ F max <F maxo zatem wynika stąd wniosek, że uzyskane wartości odchylenia standardowego nie różnią się między sobą w sposób statystycznie istotny.
48 Obliczono odchylenie standardowe metody: 48 dla równolicznych serii skorzystano z zależności: CV stąd po podstawieniu danych: 1 k = g CV i k i = 1 CV g =3,10% Można także policzyć średnią z wartości CV (tylko gdy wartości odchyleń standardowych nie różnią się w sposób statystycznie istotny): CV g =3,06%
49 49 Obliczanie powtarzalności procedury Oznaczano zawartość jonów chlorkowych (Cl - ) w próbkach wody morskiej z wykorzystaniem techniki potencjometrycznej z zastosowaniem chlorkowej elektrody jonoselektywnej. W celu wyznaczenia powtarzalności zastosowanej procedury analitycznej przeprowadzono pomiary zawartości jonów Cl - dla próbek roztworu modelowego. Badania przeprowadzono w 7 seriach po 7 pomiarów w serii.
50 Wyniki pomiarów jak i obliczone wartości średnie dla każdej serii, wartości odchylenia standardowego oraz wartości współczynnika zmienności zestawiono w tabeli: 50 F = max F max = 3,3 CV CV max min zawartość jonów chlorkowych [mg Cl - /dm 3 ] seria 1 seria seria 3 seria 4 seria 5 seria 6 seria , 99,8 103,1 103,8 104,8 103,0 100,4 10,3 101,6 10,9 106, 106,4 105,4 99, ,1 100,9 10,3 105, 105, 103,7 100, 4 104, 98,3 104,4 100,8 105, 104,8 101, , 101,1 106,0 10,8 103,4 100,8 100,8 6 10,8 103,3 10,9 103, 104,6 104,1 98, , 100,8 103,1 104,6 106,0 10, 98,6 średnia 104,1 100,8 103,5 103,8 105,1 103,4 100,0 odchylenie standardowe 1,65 1,54 1,6 1,77 0,98 1,58 1,00 CV RSD 1,59% 1,53% 1,% 1,70% 0,93% 1,5% 1,00%
51 Wartości krytyczne F max o dla α = 0,05 f k ,0 87, ,4 7,8 39, 50,7 6,0 7,9 83,5 93, ,60 15,5 0,6 5, 9,5 33,6 37,5 41,1 44,6 48,0 5 7,15 10,8 13,7 16,3 18,7 0,8,9 4,7 6,5 8, 6 5,8 8,38 10,4 1,1 13,7 15,0 16,3 17,5 18,6 19,7 7 4,99 6,94 8,44 9,70 10,8 11,8 1,7 13,5 14,3 15,1 8 4,43 6,00 7,18 8,1 9,03 9,78 10,5 11,1 11,7 1, 9 4,03 5,34 6,31 7,11 7,80 8,41 8,95 9,45 9,91 10,3 10 3,7 4,85 5,67 6,34 6,9 7,4 7,87 8,9 8,66 9,01 15,86 3,54 4,01 4,37 4,68 4,95 5,19 5,40 5,59 5,77 0,46,95 3,9 3,54 3,76 3,94 4,10 4,4 4,37 4,49 30,07,40,61,78,91 3,0 3,1 3,1 3,9 3, ,67 1,85 1,96,04,11,17,,6,30,33 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 F max o (α=0,05; k = 7; f =6)= 15,0 F max =3,3 51 Z tablicy rozkładu F max odczytano wartość F max o dla danego poziomu istotności (α), ilości porównywanych wartości odchylenia standardowego (k) i odpowiednich liczb stopni swobody (f ). Ponieważ F max < F maxo zatem wynika stąd wniosek, że uzyskane wartości odchylenia standardowego nie różnią się między sobą w sposób statystycznie istotny. Można policzyć wartość średnią
52 5 Wartość powtarzalności obliczono jako średnią arytmetyczną z obliczonych wartości współczynnika zmienności dla każdej z 7 serii. Wyniosła ona w tym przypadku: CV = 1,35 %
53 53 Obliczanie precyzji pośredniej Na podstawie wyników badań opisanych w poprzednim przykładzie wyznaczono dodatkowo wartość precyzji pośredniej. W tym celu obliczono wartość średnią i wartość odchylenia standardowego dla wszystkich 49 wyników - (7 serii po 7 wyników w serii) pomiarów. Otrzymano następujące wartości: średnia: 103 mg Cl - /dm 3 odchylenie standardowe:,19 mg Cl - /dm 3
54 54 Z kolei wartość precyzji pośredniej wyznaczono jako współczynnik zmienności: CV =,1% Jest rzeczą zrozumiałą, że wartość precyzji pośredniej przewyższa wartość powtarzalności, gdyż na jej wartość ma wpływ znacznie większa liczba zmiennych (np.: czas pomiarów).
55 55
RÓWNOWAŻNOŚĆ METOD BADAWCZYCH
RÓWNOWAŻNOŚĆ METOD BADAWCZYCH Piotr Konieczka Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska Równoważność metod??? 2 Zgodność wyników analitycznych otrzymanych z wykorzystaniem porównywanych
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA narzędzie do opracowywania i interpretacji wyników pomiarów
STATYSTYKA MATEMATYCZNA narzędzie do opracowywania i interpretacji wyników pomiarów Piotr Konieczka Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska Statystyka matematyczna - część matematyki
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 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 szczegółowoRozwiązanie n1=n2=n=8 F=(4,50) 2 /(2,11) 2 =4,55 Fkr (0,05; 7; 7)=3,79
Test F =służy do porównania precyzji dwóch niezależnych serii pomiarowych uzyskanych w trakcie analizy próbek o zawartości analitu na takim samym poziomie #obliczyć wartość odchyleń standardowych dla serii
Bardziej szczegółowoWprowadzenie 2010-10-20
PODSTAWY STATYSTYKI Dr hab. inż. Piotr Konieczka piotr.konieczka@pg.gda.pl 1 Wprowadzenie Wynik analityczny to efekt przeprowadzonego pomiaru(ów). Pomiar to zatem narzędzie wykorzystywane w celu uzyskania
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 szczegółowoJAK WYZNACZA SIĘ PARAMETRY WALIDACYJNE
JAK WYZNACZA SIĘ PARAMETRY WALIDACYJNE 1 Granica wykrywalności i granica oznaczalności Dr inż. Piotr KONIECZKA Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska ul. G. Narutowicza 11/12
Bardziej szczegółowoWALIDACJA - ABECADŁO. OGÓLNE ZASADY WALIDACJI
WALIDACJA - ABECADŁO. 1 OGÓLNE ZASADY WALIDACJI Piotr KONIECZKA Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska ul. G. Narutowicza 11/12 80-233 GDAŃSK e-mail:piotr.konieczka@pg.gda.pl
Bardziej szczegółowoWalidacja metod analitycznych Raport z walidacji
Walidacja metod analitycznych Raport z walidacji Małgorzata Jakubowska Katedra Chemii Analitycznej WIMiC AGH Walidacja metod analitycznych (według ISO) to proces ustalania parametrów charakteryzujących
Bardziej szczegółowoJAK WYZNACZA SIĘ PARAMETRY WALIDACYJNE
JAK WYZNACZA SIĘ PARAMETRY WALIDACYJNE 1 Przykład walidacji procedury analitycznej Piotr KONIECZKA Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska ul. G. Narutowicza 11/1 80-33 GDAŃSK
Bardziej szczegółowoAna n l a i l za z a i ns n tru r men e t n al a n l a
Analiza instrumentalna rok akademicki 2014/2015 wykład: prof. dr hab. Ewa Bulska prof. dr hab. Agata Michalska Maksymiuk pracownia: dr Marcin Wojciechowski Slide 1 Analiza_Instrumentalna: 2014/2015 Analiza
Bardziej szczegółowoWprowadzenie do statystyki dla. chemików testowanie hipotez
chemików testowanie hipotez Michał Daszykowski, Ivana Stanimirova Instytut Chemii Uniwersytet Śląski w Katowicach Ul. Szkolna 9 40-006 Katowice E-mail: www: mdaszyk@us.edu.pl istanimi@us.edu.pl http://www.sites.google.com/site/chemomlab/
Bardziej szczegółowoBADANIE POWTARZALNOŚCI PRZYRZĄDU POMIAROWEGO
Zakład Metrologii i Systemów Pomiarowych P o l i t e c h n i k a P o z n ańska ul. Jana Pawła II 24 60-965 POZNAŃ (budynek Centrum Mechatroniki, Biomechaniki i Nanoinżynierii) www.zmisp.mt.put.poznan.pl
Bardziej szczegółowoTestowanie hipotez statystycznych.
Statystyka Wykład 10 Wrocław, 22 grudnia 2011 Testowanie hipotez statystycznych Definicja. Hipotezą statystyczną nazywamy stwierdzenie dotyczące parametrów populacji. Definicja. Dwie komplementarne w problemie
Bardziej szczegółowoPorównanie modeli statystycznych. Monika Wawrzyniak Katarzyna Kociałkowska
Porównanie modeli statystycznych Monika Wawrzyniak Katarzyna Kociałkowska Jaka jest miara podobieństwa? Aby porównywać rozkłady prawdopodobieństwa dwóch modeli statystycznych możemy użyć: metryki dywergencji
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 szczegółowoPrawdopodobieństwo i rozkład normalny cd.
# # Prawdopodobieństwo i rozkład normalny cd. Michał Daszykowski, Ivana Stanimirova Instytut Chemii Uniwersytet Śląski w Katowicach Ul. Szkolna 9 40-006 Katowice E-mail: www: mdaszyk@us.edu.pl istanimi@us.edu.pl
Bardziej szczegółowoWykład 3 Hipotezy statystyczne
Wykład 3 Hipotezy statystyczne Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu obserwowanej zmiennej losowej (cechy populacji generalnej) Hipoteza zerowa (H 0 ) jest hipoteza
Bardziej szczegółowoWeryfikacja hipotez statystycznych za pomocą testów statystycznych
Weryfikacja hipotez statystycznych za pomocą testów statystycznych Weryfikacja hipotez statystycznych za pomocą testów stat. Hipoteza statystyczna Dowolne przypuszczenie co do rozkładu populacji generalnej
Bardziej szczegółowoNARZĘDZIA DO KONTROLI I ZAPEWNIENIA JAKOŚCI WYNIKÓW ANALITYCZNYCH. Piotr KONIECZKA
1 NARZĘDZIA DO KONTROLI I ZAPEWNIENIA JAKOŚCI WYNIKÓW ANALITYCZNYCH Piotr KONIECZKA Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska ul. G. Narutowicza 11/12 80-952 GDAŃSK e-mail: kaczor@chem.pg.gda.pl
Bardziej szczegółowoWNIOSKOWANIE STATYSTYCZNE
STATYSTYKA WNIOSKOWANIE STATYSTYCZNE ESTYMACJA oszacowanie z pewną dokładnością wartości opisującej rozkład badanej cechy statystycznej. WERYFIKACJA HIPOTEZ sprawdzanie słuszności przypuszczeń dotyczących
Bardziej szczegółowoSzkoła Letnia STC Łódź mgr inż. Paulina Mikoś
1 mgr inż. Paulina Mikoś Pomiar powinien dostarczyć miarodajnych informacji na temat badanego materiału, zarówno ilościowych jak i jakościowych. 2 Dzięki temu otrzymane wyniki mogą być wykorzystane do
Bardziej szczegółowoJAK WYZNACZYĆ PARAMETRY WALIDACYJNE W METODACH INSTRUMENTALNYCH
JAK WYZNACZYĆ PARAMETRY WALIDACYJNE W METODACH INSTRUMENTALNYCH dr inż. Agnieszka Wiśniewska EKOLAB Sp. z o.o. agnieszka.wisniewska@ekolab.pl DZIAŁALNOŚĆ EKOLAB SP. Z O.O. Akredytowane laboratorium badawcze
Bardziej szczegółowoZASTOSOWANIE TECHNIK CHEMOMETRYCZNYCH W BADANIACH ŚRODOWISKA. dr inż. Aleksander Astel
ZASTOSOWANIE TECHNIK CHEMOMETRYCZNYCH W BADANIACH ŚRODOWISKA dr inż. Aleksander Astel Gdańsk, 22.12.2004 CHEMOMETRIA dziedzina nauki i techniki zajmująca się wydobywaniem użytecznej informacji z wielowymiarowych
Bardziej szczegółowoSYSTEM KONTROLI I ZAPEWNIENIA JAKOŚCI WYNIKÓW BADAŃ W LABORATORIUM. Piotr Konieczka
SYSTEM KONTROLI I ZAPEWNIENIA JAKOŚCI WYNIKÓW BADAŃ W LABORATORIUM Piotr Konieczka 1 2 Jakość spełnienie określonych i oczekiwanych wymagań (zawartych w odpowiedniej normie systemu zapewnienia jakości).
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 szczegółowoStatystyka matematyczna dla leśników
Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 03/04 Wykład 5 Testy statystyczne Ogólne zasady testowania hipotez statystycznych, rodzaje
Bardziej szczegółowoSTATYSTYKA I DOŚWIADCZALNICTWO Wykład 6
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 6 Metody sprawdzania założeń w analizie wariancji: -Sprawdzanie równości (jednorodności) wariancji testy: - Cochrana - Hartleya - Bartletta -Sprawdzanie zgodności
Bardziej szczegółowoZadania ze statystyki cz. 8 I rok socjologii. Zadanie 1.
Zadania ze statystyki cz. 8 I rok socjologii Zadanie 1. W potocznej opinii pokutuje przekonanie, że lepsi z matematyki są chłopcy niż dziewczęta. Chcąc zweryfikować tę opinię, przeprowadzono badanie w
Bardziej szczegółowoTestowanie hipotez statystycznych. Wnioskowanie statystyczne
Testowanie hipotez statystycznych Wnioskowanie statystyczne Hipoteza statystyczna to dowolne przypuszczenie co do rozkładu populacji generalnej (jego postaci funkcyjnej lub wartości parametrów). Hipotezy
Bardziej szczegółowoMETODY BADAWCZE W OBSZARACH REGULOWANYCH PRAWNIE. DOCTUS Szkolenia i Doradztwo dr inż. Agnieszka Wiśniewska
METODY BADAWCZE W OBSZARACH REGULOWANYCH PRAWNIE DOCTUS Szkolenia i Doradztwo dr inż. Agnieszka Wiśniewska NORMA PN-EN ISO/IEC 17025:2005 5 WYMAGANIA TECHNICZNE 5.4 METODY BADAŃ I WZORCOWAŃ ORAZ ICH WALIDACJA
Bardziej szczegółowoDOKUMENTACJA SYSTEMU ZARZĄDZANIA LABORATORIUM. Procedura szacowania niepewności
DOKUMENTACJA SYSTEMU ZARZĄDZANIA LABORATORIUM Procedura szacowania niepewności Szacowanie niepewności oznaczania / pomiaru zawartości... metodą... Data Imię i Nazwisko Podpis Opracował Sprawdził Zatwierdził
Bardziej szczegółowoBADANIE POWTARZALNOŚCI PRZYRZĄDU POMIAROWEGO
Zakład Metrologii i Systemów Pomiarowych P o l i t e c h n i k a P o z n ańska ul Jana Pawła II 24 60-965 POZNAŃ budynek Centrum Mechatroniki, iomechaniki i Nanoinżynierii) wwwzmispmtputpoznanpl tel +48
Bardziej szczegółowoMetrologia: powtarzalność i odtwarzalność pomiarów. dr inż. Paweł Zalewski Akademia Morska w Szczecinie
Metrologia: powtarzalność i odtwarzalność pomiarów dr inż. Paweł Zalewski Akademia Morska w Szczecinie Definicje: Pojęciami związanymi z metodami diagnozowania procesów i oceny ich bezpieczeństwa oraz
Bardziej szczegółowoRachunek prawdopodobieństwa i statystyka - W 9 Testy statystyczne testy zgodności. Dr Anna ADRIAN Paw B5, pok407
Rachunek prawdopodobieństwa i statystyka - W 9 Testy statystyczne testy zgodności Dr Anna ADRIAN Paw B5, pok407 adan@agh.edu.pl Weryfikacja hipotez dotyczących postaci nieznanego rozkładu -Testy zgodności.
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 szczegółowoProcedura szacowania niepewności
DOKUMENTACJA SYSTEMU ZARZĄDZANIA LABORATORIUM Procedura szacowania niepewności Stron 7 Załączniki Nr 1 Nr Nr 3 Stron Symbol procedury PN//xyz Data Imię i Nazwisko Podpis Opracował Sprawdził Zatwierdził
Bardziej szczegółowoZadania ze statystyki cz.8. Zadanie 1.
Zadania ze statystyki cz.8. Zadanie 1. Wykonano pewien eksperyment skuteczności działania pewnej reklamy na zmianę postawy. Wylosowano 10 osobową próbę studentów, których poproszono o ocenę pewnego produktu,
Bardziej szczegółowoWalidacja metod analitycznych
Kierunki rozwoju chemii analitycznej Walidacja metod analitycznych Raport z walidacji Małgorzata Jakubowska Katedra Chemii Analitycznej WIMiC AGH oznaczanie coraz niŝszych w próbkach o złoŝonej matrycy
Bardziej szczegółowoWyniki operacji kalibracji są często wyrażane w postaci współczynnika kalibracji (calibration factor) lub też krzywej kalibracji.
Substancja odniesienia (Reference material - RM) Materiał lub substancja której jedna lub więcej charakterystycznych wartości są wystarczająco homogeniczne i ustalone żeby można je było wykorzystać do
Bardziej szczegółowoSTATYSTYKA I DOŚWIADCZALNICTWO Wykład 4
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 4 Inne układy doświadczalne 1) Układ losowanych bloków Stosujemy, gdy podejrzewamy, że może występować systematyczna zmienność między powtórzeniami np. - zmienność
Bardziej szczegółowoTestowanie hipotez. Marcin Zajenkowski. Marcin Zajenkowski () Testowanie hipotez 1 / 25
Testowanie hipotez Marcin Zajenkowski Marcin Zajenkowski () Testowanie hipotez 1 / 25 Testowanie hipotez Aby porównać ze sobą dwie statystyki z próby stosuje się testy istotności. Mówią one o tym czy uzyskane
Bardziej szczegółowoKALIBRACJA BEZ TAJEMNIC
KALIBRACJA BEZ TAJEMNIC 1 Piotr KONIECZKA Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska e-mail: piotr.konieczka@pg.gda.pl 2 S w S x C x -? C w 3 Sygnał wyjściowy detektora funkcja
Bardziej szczegółowoStatystyka matematyczna. Wykład IV. Weryfikacja hipotez statystycznych
Statystyka matematyczna. Wykład IV. e-mail:e.kozlovski@pollub.pl Spis treści 1 2 3 Definicja 1 Hipoteza statystyczna jest to przypuszczenie dotyczące rozkładu (wielkości parametru lub rodzaju) zmiennej
Bardziej szczegółowoZałożenia do analizy wariancji. dr Anna Rajfura Kat. Doświadczalnictwa i Bioinformatyki SGGW
Założenia do analizy wariancji dr Anna Rajfura Kat. Doświadczalnictwa i Bioinformatyki SGGW anna_rajfura@sggw.pl Zagadnienia 1. Normalność rozkładu cechy Testy: chi-kwadrat zgodności, Shapiro-Wilka, Kołmogorowa-Smirnowa
Bardziej szczegółowoKatedra Biotechnologii i Genetyki Zwierząt, Wydział Hodowli i Biologii Zwierząt, UTP w Bydgoszczy
Temat: Weryfikacja hipotez statystycznych dla jednej i dwóch średnich. MS EXCEL Do weryfikacji różnic między dwiema grupami jednostek doświadczalnych w MS Excelu wykorzystujemy funkcję o nazwie T.TEST.
Bardziej szczegółowoUwaga. Decyzje brzmią różnie! Testy parametryczne dotyczące nieznanej wartości
TESTOWANIE HIPOTEZ Przez hipotezę statystyczną rozumiemy, najogólniej mówiąc, pewną wypowiedź na temat rozkładu, z którego pochodzi próbka. Hipotezy dzielimy na parametryczne i nieparametryczne. Parametrycznymi
Bardziej szczegółowoMIARY KLASYCZNE Miary opisujące rozkład badanej cechy w zbiorowości, które obliczamy na podstawie wszystkich zaobserwowanych wartości cechy
MIARY POŁOŻENIA Opisują średni lub typowy poziom wartości cechy. Określają tą wartość cechy, wokół której skupiają się wszystkie pozostałe wartości badanej cechy. Wśród nich można wyróżnić miary tendencji
Bardziej szczegółowoWalidacja metod badawczych i szacowanie niepewności pomiaru. Wojciech Hyk
Walidacja metod badawczych i szacowanie niepewności pomiaru Wojciech Hyk wojhyk@chem.uw.edu.pl Plan Zagadnienia poruszane na szkoleniu Wstęp do analizy statystycznej Walidacja metody badawczej / pomiarowej
Bardziej szczegółowoStatystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r
Statystyka matematyczna Testowanie hipotez i estymacja parametrów Wrocław, 18.03.2016r Plan wykładu: 1. Testowanie hipotez 2. Etapy testowania hipotez 3. Błędy 4. Testowanie wielokrotne 5. Estymacja parametrów
Bardziej szczegółowoLISTA 4. 7.Przy sporządzaniu skali magnetometru dokonano 10 niezależnych pomiarów
LISTA 4 1.Na pewnym obszarze dokonano 40 pomiarów grubości warstwy piasku otrzymując w m.: 54, 58, 64, 69, 61, 56, 41, 48, 56, 61, 70, 55, 46, 57, 70, 55, 47, 62, 55, 60, 54,57,65,60,53,54, 49,58,62,59,55,50,58,
Bardziej szczegółowoStatystyka matematyczna. Wykład V. Parametryczne testy istotności
Statystyka matematyczna. Wykład V. e-mail:e.kozlovski@pollub.pl Spis treści 1 Weryfikacja hipotezy o równości wartości średnich w dwóch populacjach 2 3 Weryfikacja hipotezy o równości wartości średnich
Bardziej szczegółowoX Y 4,0 3,3 8,0 6,8 12,0 11,0 16,0 15,2 20,0 18,9
Zadanie W celu sprawdzenia, czy pipeta jest obarczona błędem systematycznym stałym lub zmiennym wykonano szereg pomiarów przy różnych ustawieniach pipety. Wyznacz równanie regresji liniowej, które pozwoli
Bardziej szczegółowoRACHUNEK PRAWDOPODOBIEŃSTWA I STATYSTYKA MATEMATYCZNA
RACHUNEK PRAWDOPODOBIEŃSTWA I STATYSTYKA MATEMATYCZNA LISTA 10 1.Dokonano 8 pomiarów pewnej odległości (w m) i otrzymano: 201, 195, 207, 203, 191, 208, 198, 210. Wiedząc,że błąd pomiaru ma rozkład normalny
Bardziej szczegółowoIdea. θ = θ 0, Hipoteza statystyczna Obszary krytyczne Błąd pierwszego i drugiego rodzaju p-wartość
Idea Niech θ oznacza parametr modelu statystycznego. Dotychczasowe rozważania dotyczyły metod estymacji tego parametru. Teraz zamiast szacować nieznaną wartość parametru będziemy weryfikowali hipotezę
Bardziej szczegółowoCHROMATOGRAFIA GAZOWA analiza ilościowa - walidacja
CHROMATOGRAFIA GAZOWA analiza ilościowa - walidacja 1 Dr hab. inż. Piotr KONIECZKA Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska ul. G. Narutowicza 11/12 8-233 GDAŃSK e-mail: piotr.konieczka@pg.gda.pl
Bardziej szczegółowoZawartość. Zawartość
Opr. dr inż. Grzegorz Biesok. Wer. 2.05 2011 Zawartość Zawartość 1. Rozkład normalny... 3 2. Rozkład normalny standardowy... 5 3. Obliczanie prawdopodobieństw dla zmiennych o rozkładzie norm. z parametrami
Bardziej szczegółowoVI WYKŁAD STATYSTYKA. 9/04/2014 B8 sala 0.10B Godz. 15:15
VI WYKŁAD STATYSTYKA 9/04/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 6 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI Weryfikacja hipotez ( błędy I i II rodzaju, poziom istotności, zasady
Bardziej szczegółowoTesty nieparametryczne
Testy nieparametryczne Testy nieparametryczne możemy stosować, gdy nie są spełnione założenia wymagane dla testów parametrycznych. Stosujemy je również, gdy dane można uporządkować według określonych kryteriów
Bardziej szczegółowoAnaliza wariancji. dr Janusz Górczyński
Analiza wariancji dr Janusz Górczyński Wprowadzenie Powiedzmy, że badamy pewną populację π, w której cecha Y ma rozkład N o średniej m i odchyleniu standardowym σ. Powiedzmy dalej, że istnieje pewien czynnik
Bardziej szczegółowoMATERIAŁY ODNIESIENIA - kryteria wyboru i zasady stosowania
1 MATERIAŁY ODNIESIENIA - kryteria wyboru i zasady stosowania Dr inż. Piotr KONIECZKA Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska ul. G. Narutowicza 11/12 80-952 GDAŃSK e-mail: kaczor@chem.gda.pl
Bardziej szczegółowoJEDNOCZYNNIKOWA ANOVA
Analizę ANOVA wykorzystujemy do wykrycia różnic pomiędzy średnimi w więcej niż dwóch grupach/więcej niż w dwóch pomiarach JEDNOCZYNNIKOWA ANOVA porównania jednej zmiennej pomiędzy więcej niż dwoma grupami
Bardziej szczegółowoweryfikacja hipotez dotyczących parametrów populacji (średnia, wariancja)
PODSTAWY STATYSTYKI. Teoria prawdopodobieństwa i elementy kombinatoryki. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5. Testy parametryczne (na
Bardziej szczegółowoTesty t-studenta są testami różnic pomiędzy średnimi czyli służą do porównania ze sobą dwóch średnich
Testy t-studenta są testami różnic pomiędzy średnimi czyli służą do porównania ze sobą dwóch średnich Zmienne muszą być zmiennymi ilościowym (liczymy i porównujemy średnie!) Są to testy parametryczne Nazwa
Bardziej szczegółowoWNIOSKOWANIE STATYSTYCZNE
STATYSTYKA WNIOSKOWANIE STATYSTYCZNE ESTYMACJA oszacowanie z pewną dokładnością wartości opisującej rozkład badanej cechy statystycznej. WERYFIKACJA HIPOTEZ sprawdzanie słuszności przypuszczeń dotyczących
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 szczegółowoZadanie 1. Analiza Analiza rozkładu
Zadanie 1 data lab.zad 1; input czas; datalines; 85 3060 631 819 805 835 955 595 690 73 815 914 ; run; Analiza Analiza rozkładu Ponieważ jesteśmy zainteresowani wyznaczeniem przedziału ufności oraz weryfikacja
Bardziej szczegółowoZasady wykonania walidacji metody analitycznej
Zasady wykonania walidacji metody analitycznej Walidacja metod badań zasady postępowania w LOTOS Lab 1. Metody badań stosowane w LOTOS Lab należą do następujących grup: 1.1. Metody zgodne z uznanymi normami
Bardziej szczegółowoStatystyka i opracowanie danych- W 8 Wnioskowanie statystyczne. Testy statystyczne. Weryfikacja hipotez statystycznych.
Statystyka i opracowanie danych- W 8 Wnioskowanie statystyczne. Testy statystyczne. Weryfikacja hipotez statystycznych. Dr Anna ADRIAN Paw B5, pok407 adan@agh.edu.pl Hipotezy i Testy statystyczne Każde
Bardziej szczegółowoLABORATORIUM Populacja Generalna (PG) 2. Próba (P n ) 3. Kryterium 3σ 4. Błąd Średniej Arytmetycznej 5. Estymatory 6. Teoria Estymacji (cz.
LABORATORIUM 4 1. Populacja Generalna (PG) 2. Próba (P n ) 3. Kryterium 3σ 4. Błąd Średniej Arytmetycznej 5. Estymatory 6. Teoria Estymacji (cz. I) WNIOSKOWANIE STATYSTYCZNE (STATISTICAL INFERENCE) Populacja
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 szczegółowoTestowanie hipotez. Hipoteza prosta zawiera jeden element, np. H 0 : θ = 2, hipoteza złożona zawiera więcej niż jeden element, np. H 0 : θ > 4.
Testowanie hipotez Niech X = (X 1... X n ) będzie próbą losową na przestrzeni X zaś P = {P θ θ Θ} rodziną rozkładów prawdopodobieństwa określonych na przestrzeni próby X. Definicja 1. Hipotezą zerową Θ
Bardziej szczegółowoMetrologia: definicje i pojęcia podstawowe. dr inż. Paweł Zalewski Akademia Morska w Szczecinie
Metrologia: definicje i pojęcia podstawowe dr inż. Paweł Zalewski Akademia Morska w Szczecinie Pojęcia podstawowe: Metrologia jest nauką zajmująca się sposobami dokonywania pomiarów oraz zasadami interpretacji
Bardziej szczegółowoStatystyka i Analiza Danych
Warsztaty Statystyka i Analiza Danych Gdańsk, 20-22 lutego 2014 Zastosowania analizy wariancji w opracowywaniu wyników badań empirycznych Janusz Wątroba StatSoft Polska Centrum Zastosowań Matematyki -
Bardziej szczegółowoZad. 4 Należy określić rodzaj testu (jedno czy dwustronny) oraz wartości krytyczne z lub t dla określonych hipotez i ich poziomów istotności:
Zadania ze statystyki cz. 7. Zad.1 Z populacji wyłoniono próbę wielkości 64 jednostek. Średnia arytmetyczna wartość cechy wyniosła 110, zaś odchylenie standardowe 16. Należy wyznaczyć przedział ufności
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA, LISTA 3
STATYSTYKA MATEMATYCZNA, LISTA 3 1. Aby zweryfikować hipotezę o symetryczności monety; H: p = 0.5 przeciwko K: p 0.5 wykonano nią n = 100 rzutów. Wyznaczyć obszar krytyczny i zweryfikować hipotezę H gdy
Bardziej szczegółowoKALIBRACJA. ważny etap procedury analitycznej. Dr hab. inż. Piotr KONIECZKA
KALIBRAJA ważny etap procedury analitycznej 1 Dr hab. inż. Piotr KONIEZKA Katedra hemii Analitycznej Wydział hemiczny Politechnika Gdańska ul. G. Narutowicza 11/12 8-233 GDAŃK e-mail: piotr.konieczka@pg.gda.pl
Bardziej szczegółowoSTATYSTYKA I DOŚWIADCZALNICTWO. Wykład 2
STATYSTYKA I DOŚWIADCZALNICTWO Wykład Parametry przedziałowe rozkładów ciągłych określane na podstawie próby (przedziały ufności) Przedział ufności dla średniej s X t( α;n 1),X + t( α;n 1) n s n t (α;
Bardziej szczegółowoŻródło:
Testy t-studenta są testami różnic pomiędzy średnimi czyli służą do porównania ze sobą dwóch średnich Zmienne muszą być zmiennymi ilościowym (liczymy i porównujemy średnie!) Są to testy parametryczne Test
Bardziej szczegółowoMiary zmienności STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 6 marca 2018
STATYSTYKA OPISOWA Dr Alina Gleska Instytut Matematyki WE PP 6 marca 2018 1 MIARY ZMIENNOŚCI (inaczej: rozproszenia, rozrzutu, zróżnicowania, dyspersji) informuja o zróżnicowaniu jednostek zbiorowości
Bardziej szczegółowoEstymacja punktowa i przedziałowa
Temat: Estymacja punktowa i przedziałowa Kody znaków: żółte wyróżnienie nowe pojęcie czerwony uwaga kursywa komentarz 1 Zagadnienia 1. Statystyczny opis próby. Idea estymacji punktowej pojęcie estymatora
Bardziej szczegółowoDane dotyczące wartości zmiennej (cechy) wprowadzamy w jednej kolumnie. W przypadku większej liczby zmiennych wprowadzamy każdą w oddzielnej kolumnie.
STATISTICA INSTRUKCJA - 1 I. Wprowadzanie danych Podstawowe / Nowy / Arkusz Dane dotyczące wartości zmiennej (cechy) wprowadzamy w jednej kolumnie. W przypadku większej liczby zmiennych wprowadzamy każdą
Bardziej szczegółowoI jest narzędziem służącym do porównywania rozproszenia dwóch zmiennych. Używamy go tylko, gdy pomiędzy zmiennymi istnieje logiczny związek
ZADANIA statystyka opisowa i CTG 1. Dokonano pomiaru stężenia jonów azotanowych w wodzie μg/ml 1 0.51 0.51 0.51 0.50 0.51 0.49 0.52 0.53 0.50 0.47 0.51 0.52 0.53 0.48 0.59 0.50 0.52 0.49 0.49 0.50 0.49
Bardziej szczegółowoWspółczynnik korelacji. Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ
Współczynnik korelacji Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ Własności współczynnika korelacji 1. Współczynnik korelacji jest liczbą niemianowaną 2. ϱ 1,
Bardziej szczegółowoZadania ze statystyki, cz.6
Zadania ze statystyki, cz.6 Zad.1 Proszę wskazać, jaką część pola pod krzywą normalną wyznaczają wartości Z rozkładu dystrybuanty rozkładu normalnego: - Z > 1,25 - Z > 2,23 - Z < -1,23 - Z > -1,16 - Z
Bardziej szczegółowoparametrów strukturalnych modelu = Y zmienna objaśniana, X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających,
诲 瞴瞶 瞶 ƭ0 ƭ 瞰 parametrów strukturalnych modelu Y zmienna objaśniana, = + + + + + X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających, α 0, α 1, α 2,,α k parametry strukturalne modelu, k+1 parametrów
Bardziej szczegółowo1 Podstawy rachunku prawdopodobieństwa
1 Podstawy rachunku prawdopodobieństwa Dystrybuantą zmiennej losowej X nazywamy prawdopodobieństwo przyjęcia przez zmienną losową X wartości mniejszej od x, tzn. F (x) = P [X < x]. 1. dla zmiennej losowej
Bardziej szczegółowoStatystyka. Wykład 4. Magdalena Alama-Bućko. 19 marca Magdalena Alama-Bućko Statystyka 19 marca / 33
Statystyka Wykład 4 Magdalena Alama-Bućko 19 marca 2018 Magdalena Alama-Bućko Statystyka 19 marca 2018 1 / 33 Analiza struktury zbiorowości miary położenia ( miary średnie) miary zmienności (rozproszenia,
Bardziej szczegółowoZastosowanie materiałów odniesienia
STOSOWANIE MATERIAŁÓW ODNIESIENIA W PRAKTYCE LABORATORYJNEJ 1 Piotr KONIECZKA Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska ul. G. Narutowicza 11/1 80-33 GDAŃSK e-mail:piotr.konieczka@pg.gda.pl
Bardziej szczegółowoWyznaczanie budżetu niepewności w pomiarach wybranych parametrów jakości energii elektrycznej
P. OTOMAŃSKI Politechnika Poznańska P. ZAZULA Okręgowy Urząd Miar w Poznaniu Wyznaczanie budżetu niepewności w pomiarach wybranych parametrów jakości energii elektrycznej Seminarium SMART GRID 08 marca
Bardziej szczegółowoAnalizy wariancji ANOVA (analysis of variance)
ANOVA Analizy wariancji ANOVA (analysis of variance) jest to metoda równoczesnego badania istotności różnic między wieloma średnimi z prób pochodzących z wielu populacji (grup). Model jednoczynnikowy analiza
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 szczegółowoStatystyka. Wykład 3. Magdalena Alama-Bućko. 6 marca Magdalena Alama-Bućko Statystyka 6 marca / 28
Statystyka Wykład 3 Magdalena Alama-Bućko 6 marca 2017 Magdalena Alama-Bućko Statystyka 6 marca 2017 1 / 28 Szeregi rozdzielcze przedziałowe - kwartyle - przypomnienie Po ustaleniu przedziału, w którym
Bardziej szczegółowoZadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1.
tel. 44 683 1 55 tel. kom. 64 566 811 e-mail: biuro@wszechwiedza.pl Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: gdzie: y t X t y t = 1 X 1
Bardziej szczegółowoP: Czy studiujący i niestudiujący preferują inne sklepy internetowe?
2 Test niezależności chi-kwadrat stosuje się (między innymi) w celu sprawdzenia czy pomiędzy zmiennymi istnieje związek/zależność. Stosujemy go w sytuacji, kiedy zmienna zależna mierzona jest na skali
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 szczegółowoLABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI
LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI WERYFIKACJA HIPOTEZ Hipoteza statystyczna jakiekolwiek przypuszczenie dotyczące populacji generalnej- jej poszczególnych
Bardziej szczegółowoPDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com
Analiza korelacji i regresji KORELACJA zależność liniowa Obserwujemy parę cech ilościowych (X,Y). Doświadczenie jest tak pomyślane, aby obserwowane pary cech X i Y (tzn i ta para x i i y i dla różnych
Bardziej szczegółowoWYKŁAD 5 TEORIA ESTYMACJI II
WYKŁAD 5 TEORIA ESTYMACJI II Teoria estymacji (wyznaczanie przedziałów ufności, błąd badania statystycznego, poziom ufności, minimalna liczba pomiarów). PRÓBA Próba powinna być reprezentacyjna tj. jak
Bardziej szczegółowo