XII WYKŁAD STATYSTYKA. 28/05/2014 B8 sala 0.10B Godz. 15:15

Wielkość: px
Rozpocząć pokaz od strony:

Download "XII WYKŁAD STATYSTYKA. 28/05/2014 B8 sala 0.10B Godz. 15:15"

Transkrypt

1 XII WYKŁAD STATYSTYKA 28/05/2014 B8 sala 0.10B Godz. 15:15

2 WYKŁAD 12 TEORIA BŁĘDÓW POMIAROWYCH Pomiary (definicja, skale pomiarowe, pomiary proste, złożone, zliczenia). Błędy ( definicja, rodzaje błędów, błąd maksymalny i przypadkowy,). Rachunek błędów Sposoby zapisów wyników Przenoszenie błędów Średnia arytmetyczna Błąd standardowy pojedynczego pomiaru i średniej

3 RACHUNEK BŁĘDÓW (1) Zadaniem rachunku błędów jest analiza i ocena błędów pomiarowych. W rachunku błędów błąd nie jest synonimem złego postępowania, pomyłki czy też gafy. Błąd czy też niepewność wyniku pomiarowego -towarzyszy nierozerwalnie pomiarom, nie sposób go uniknąć. Można jedynie go zmniejszać np. dokonując staranniejszych pomiarów czy też używając dokładniejszych przyrządów. Przykład 1- Prosty pomiar Pomiar długości stołu używając: na oko, taśmy mierniczej z podziałką co 10 cm, metra stolarskiego z podziałką co 5 mm, co 1mm, interferometr laserowy (dokładność długość fali ok. 0.5µm). Czy też lepszego oświetlenia. Przykład 2- Zadanie Archimedesa. Pomiar gęstości materiału korony, by rozstrzygnąć czy jest wykonana z 18-karatowego złota - d=15,5 g/cm 3 ; czy też jest oszustwem tj. wykonana ze stopu o gęstości d=13,8 g/cm 3. Wynik Ekspert I Ekspert II Wartość oczekiwana d [g/cm 3 ] 15 13,9 Zakres [g/cm 3 ] Od 13,5 do 16,5 Od 13,7 do 14,1 Wynik pomiaru nierozstrzygający rozstrzygający

4 RACHUNEK BŁĘDÓW (2) UWAGA: PODAWANIE WYNIKÓW POMIARU BEZ OSZACOWANIA ICH NIEPEWNOŚCI (BŁĘDÓW) JEST BEZUŻYTECZNE!!! Przykład 3- Testowanie teorii naukowej Wg. ogólnej teorii względności (Einstein 1916 r.) światło docierające z gwiazd na Ziemię, przechodząc w pobliżu Słońca zostanie ugięte o kąt α=1,8. Wg. teorii klasycznych α=0 (najprostsza teoria) lub α=0,9 (bardziej złożona). Pomiary kąta ugięcia są możliwe podczas zaćmienia Słońca. Dyson, Eddington&Davidson 1919 r. : α=2,0 z przedziałem ufności 95 %: 1,7 2,3. Jak szacować niepewności? Pomiary proste Odczytywanie skali (podziałka milimetrowa, skale przyrządów pomiarowych) połowa wartości pomiędzy działkami (Rys. 1 & 2) Pomiary wielokrotne - najlepsze przybliżenie= średnia arytmetyczna -prawdopodobny zakres: pomiędzy najmniejszym a największym wynikiem

5 RACHUNEK BŁĘDÓW (3) Rys. 1

6 RACHUNEK BŁĘDÓW (4) Rys. 2

7 RACHUNEK BŁĘDÓW (5) Przykład : Wyniki pomiarów: 2,3; 2,4; 2,5; 2,4 -najlepsze przybliżenie= (2,3+2,4+2,5+2,4)/4=2,4 -prawdopodobny zakres: od 2,3 do 2,5 Sposoby zapisu wyników x- wartość zmierzona, - najlepsze przybliżenie - x np -prawdopodobny zakres: od x np - δx do x np + δx ZAPIS 1) x= x np ± δx δx niepewność (błąd bezwzględny) 2) x= x np ± δx/ x np *100 % (zapis z uwzględnieniem błędu względnego)

8 RACHUNEK BŁĘDÓW (5) Reguły zapisu: x np oraz δx podawać w tych samych jednostkach ( np. cm, s, m/s 2 itp.) δx zaokrąglać do dwu cyfr znaczących zaokrągleń) (patrz Tabela: Błędy ostatnia cyfra znacząca x np powinna być tego samego rzędu (stać na tym samym miejscu dziesiętnym) co niepewność (δx) zapis x np i δx w tej samej formie (np. dziesiętnej, naukowej, inżynierskiej )

9 BŁĘDY ZAOKRĄGLEŃ Wynik z obliczeń Wynik Błąd Wynik z obliczeń Wy Błąd -nik Dokładność 1 cyfra znacząca Dokładność 2 cyfry znaczące x min x max x % x min x max x % 0, , , ,0499 1,0 5,0 1, , , ,1499 1,1 4,2 2, , , ,5499 2,5 2,0 3, , , ,5499 3,5 1,4 4, , , ,5499 4,5 1,1 5, , ,3 5, ,5499 5,5 0,90 6, , ,5 6, ,0499 7,0 0,71 7, , ,3 8, ,5499 8,5 0,59 8, , ,6 9, ,9499 9,9 0,51

10 Przykłady RACHUNEK BŁĘDÓW (5) Nie prawidłowo 9,82±0,0248 m/s ,72±20 m/s 1, ± C 2,57 m± 2cm Prawidłowo 9,82±0,02 m/s ±20 m/s (1,61± 0.05) C 2,57±0,02 m lub 257±2 cm REGUŁY ZAOKRĄGLANIA LICZB PODCZAS ZAOKRĄGLANIA MIEĆ NA UWADZE PORÓWNANIE ILOŚCI CYFR ZNACZĄCYCH, z BŁĘDEM POMIARU, a NIE POŁOŻENIE PRZECINKA. Przykłady: Liczba Ilość cyfr Nie-prawidłowo Prawidłowo 0, ,0 lub 0,00 0, , lub 15, , lub 15, , ,0 1, lub 1,0000 1,000 12, , ,74 lub 12,75

11 RACHUNEK BŁĘDÓW (6) NIEPEWNOŚCI (BŁĘDY) WZGLĘDNE (DOKŁADNOŚĆ) x= x np ± δx niepewność względna niepewność procentowa [%]. *100 Przykład x= 4,82±0,08 kg= 4,82

12 1. PRZENOSZENIE NIEPEWNOŚCI (mogą być nieprzypadkowe błąd maksymalny) 1. Sumy i różnice: 2. Iloczyny, ilorazy, potęgi: q = x+ +z-(u+ v) δq δx+ +δz+δu+ +δv

13 2. PRZENOSZENIE NIEPEWNOŚCI (błędy przypadkowe) 1.Sumy i różnice: q = x+ +z-(u+ v) a b

14 2. PRZENOSZENIE NIEPEWNOŚCI (błędy przypadkowe) (c.d.) 2. Iloczyny, ilorazy

15 NIEPEWNOŚCI POMIAROWE -δq NAJLEPSZĄ METODĄ OCENY WIARYGODNOŚCI POMIARU JEST JEGO WIELOKROTNE POWTARZANIE I BADANIE OTRZYMANYCH WYNIKÓW NIEPEWNOŚCI POMIAROWE -δq PRZYPADKOWE-δ przyp mogą być poddawane obróbce statystycznej SYSTEMATYCZNE-δ system nie mogą być poddawane obróbce statystycznej Błędy (niepewności) systematyczne nie da się ani zmniejszyć ani też wykryć poprzez powtarzanie pomiarów. Można je wykryć, a następnie zredukować np. poprzez kalibracje przyrządów. Dążymy aby:

16 POMIARY POŚREDNIE 1. FUNKCJA JEDNEJ ZMIENNEJ q=q(x) 2. FUNKCJA WIELU ZMIENNYCH q=q(x,,z), x,,z niezależne: Zawsze:

17 SREDNIA ARYTMETYCZNA Twierdzenie (postulat Gaussa) :

18 SREDNIA ARYTMETYCZNA ODCHYLENIE STANARDOWE Z PRÓBY (BŁĄD STANDARDOWY)- s x ODCHYLENIE STANDARDOWE MIARĄ BŁĘDU (NIEPEWNOŚCI) POJEDYNCZEGO POMIARU Wykonując n pomiarów otrzymujemy: x 1, x 2,, x n, następnie obliczamy oraz s x. Jeśli przeprowadzimy następny pomiar, to istnieje ok. 70% (dokładniej 68,27 %) prawdopodobieństwa, że wynik tego pomiaru będzie się różnił o mniej niż s x

19 ODCHYLENIE (BŁĄD) STANDARDOWE ( Y) ŚREDNIEJ

20 ODRZUCANIE WĄTPLIWYCH WYNIKÓW Zdarza się, że jeden z wyników w serii pomiarów odbiega od pozostałych. Wówczas nasuwa się pytanie, czy ten wynik jest rezultatem pomyłki i powinien być odrzucony, czy też jest wynikiem wiarygodnym, który powinien być wykorzystany na równi z pozostałymi. Przykład 1. Otrzymano następujące wyniki w [s] w pomiarze okresu wahań wahadła: 3,8; 3,5; 3,9; 3,9 3,4; 1,8 z pośród nich 1,8 wyraźnie odbiega od pozostałych. Oznaczamy go jako x wąt =1,8. Zadaniem naszym jest podjęcie decyzji, czy ten wynik jest występownia skutkiem błędu przypadkowego pomiaru, więc powinien być zachowany, czy też jego pojawienie wynika z innej przyczyny i wówczas należy go odrzucić. Możliwy sposób takiego postępowania daje : KRYTERIUM CHAUVENTA

21 KRYTERIUM CHAUVENTA 1. Obliczamy używając wszystkie wyniki: oraz s x : s 2. Obliczamy wartość wyrażenia: 3. Z tablicy rozkładu normalnego: EXCEL ROZKŁAD.NORMALNY.S odczytujemy wartość α/2 (Rys). Wynosi ono: α/2=0,05. Rys. Wyznaczanie prawdopodobieństwa, że wynik pomiaru będzie się różnił od wartości średniej o z wąt lub więcej- odpowiada to wartości polu powierzchni : α/2

22 KRYTERIUM CHAUVENTA Oznacza to, że na 20 pomiarów jeden z wyników ma prawo różnić się od średniej co najmniej tyle jak x wąt (t,j 1,8s). Ponieważ my wykonaliśmy tylko 6 pomiarów, więc prawdopodobieństwo otrzymania tak złego jak 1,8s wynosi: n(gorszych niż x wąt )= 0,05 6= 0,3 wg. CHAUVENTA jeśli to x wąt można odrzucić Podane postępowanie należy do działu wnioskowania statystycznego zwanego Weryfikacją hipotez statystycznych.

23 KRYTERIUM CHAUVENTA (c.d.) Przykład: Student zmierzył 10 razy siłę elektromotoryczną ( napięcie ogniwa otwartego) ogniwa chemicznego i uzyskał następujące wyniki w mv (miliwoltach): 430; 415; 435; 420; 410; 475; 415; 425; 445; 440 Czy powinien on odrzucić wynik x pod = 475mV? lp x i ( x i - x sr ) ( x i - x sr ) SUMA = 4310 SUMA =3340 x sr = 4310/10 x sr = 431 Z wat =( )/19,3 =2,28 s x = (3340/9) 1/2 s x = 19,3 Użyteczne wzory:

24 KRYTERIUM CHAUVENTA (c.d.) 1-α = F(z wat ) (dystrybuanta rozkładu normalnego dla z=z wat Z tablicy rozkładu normalnego: EXCEL ROZKŁAD.NORMALNY.S odczytujemy wartość α (Rys). F(-z wat )= α/2=0,0113 stąd α =2,26 %

25 KRYTERIUM CHAUVENTA (c.d) Oznacza to, że na 100 pomiarów średnio 2.26 wyników może różnić się od wartości oczekiwanej więcej niż z wat czyli x wat ma prawo być większe lub równe 475 mv. Ponieważ wykonano 10 pomiarów, więc średnio 0,226 wyników ma prawo osiągnąć wartość 475 mv lub więcej. Wg. Chauventa jeśli ilość tych wyników jest niższa niż 0,5 to wynik wątpliwy odrzucamy, czyli: Wg. Chauventa : jeśli n * α < 0,5 to wynik (x wat ) należy odrzucić W naszym przypadku : n * α = 10* 0,0226= 0,226 czyli: x=475 mv ODRZUCAMY

26 KRYTERIUM CHAUVENTA (c.d) Przykład 2: Studentka wykonała 14 pomiarów okresu drgań oscylatora, otrzymując wyniki w sekundach: 0,7; 0,3; 0,9; 0,3; 0,6; 0,9 0,8; 0,7; 0,8; 1,2; 0,5; 0,9; 0,9; 0,3 Sprawdzić czy wynik x=1,2 s powinno się odrzucić? x sr =0,7, s x =2,72 stąd: z wat =1,84 Z tablicy rozkładu normalnego: EXCEL ROZKŁAD.NORMALNY.S odczytujemy wartość α (Rys). F(-z wat )= α/2=0,03288 stąd α =0,066 (6,66%) Stąd n* α = 14*0,066=0,92 > 0,5 WNIOSEK: NIE PODSTAW DO ODRZUCENIA wyniku x= 1,2

27 TEST Q-Dixona ODRZUCANIE WYNIKÓW WĄTPLIWYCH (błędów grubych) Test Q - Dixona (dla 3 < n < 10), tylko jeden wynik wątpliwy 1. Uporządkowanie wyników w szereg niemalejący x 1 x 2 x 3 x n-1 x n 2. Wyznaczenie wartości parametru Q dla wyników skrajnych 3. Odczytanie Q kr = f (P, n) Q n

28 TEST Q-Dixona Statystyczne opracowanie wyników Wartość krytyczna Qkr = f(p,n) testu Dixona P/n % 0,94 0,76 0,64 0,56 0,51 0,47 0,44 99 % 0,99 0,89 0,78 0,70 0,64 0,59 0,56

29 TEST Q-Dixona, PRZYKŁAD Zad.6 Zawartosc Fe2O3 w badanym roztworze oznaczano spektrofotometrycznie (po utworzeniu barwnego kompleksu rodankowego) i otrzymano nastepujace wyniki (w mg/dm3): 350; 342; 366; 350; 353; 343; 354; 358; 354; 360. Sprawdzic, czy wynik 366 obarczony jest błedem grubym, Sprawdzamy czy jakas wartosc jest obarczona błedem grubym (czy nie pasuje do reszty wyników) za pomoca Testu Q-Dixona: Pierwszym krokiem jest uszeregowanie wyników w ciag niemalejacy: 342; 343; 350; 350; 353; 354; 354; 358; 360; 366 Nastepnie Obliczamy zmienna losowa tego testu, czyli Q: Gdzie: x w to wynik watpliwy (366). x s to wynik sasiadujacy z wynikiem watpliwym. (360) R to rozstep, czyli rónica wyniku ostatniego i pierwszego. R = = 24 Q = /24 = 0,25 Ostatnim krokiem jest odczytanie z tablicy Q-Dixona parametru krytycznego Qkr i Q. Odczytywana wartosc jest dla liczby pomiarów n i prawdopodobienstwa P = 1-a porównanie go z uzyskana wartoscia Q kr =0,41 Skoro Q < Q kr, 0,25<0,41; możemy stwierdzic, iiż wynik watpliwy jest elementem próby.

30 Zad.8 Wykonano 10 pomiarów cisnienia wewnatrz zbiornika próniowego otrzymujac nastepujace wyniki (w kpa) ; 43, 45, 44, 58, 47, 45, 38, 44, 48 i 46. Wyznaczyc przedział ufnosci sredniej odrzucajac ewentualnie na mocy odpowiedniego kryterium wynik(i) watpliwe. Wyniki watpliwe odrzucamy wykorzystujac test Q-Dixona. Wartosci cisnienia naley uszeregowac w ciag niemalejacy: 38; 43; 44; 44; 45; 45; 46; 47; 48; 58. Wartosc srednia wynosi 45,8; wynikiem watpliwym wydaje sie byc 58. Aby to sprawdzic naley obliczyc parametr Q i porównac go z parametrem krytycznym Qkr. Q= /20 = 0,5 Parametr krytyczny Qkr odczytany z tablicy testu Q-Dixona, dla 95% prawdopodobienstwa i 10 pomiarów, wynosi Q kr =0,41. Q > Qkr Z 95% prawdopodobienstwem odrzucamy wynik watpliwy. (za pomoca testu Q-Dixona mona odrzucic tylko jeden watpliwy wynik). Aby obliczyc przedział ufnosci wartosci sredniej naley policzyc odchylenie standardowe dla wartosci po odrzuceniu wyniku watpliwego. Nastepnie odczytac wartosc parametru t dla nowej serii wartosci cisnienia. S=2,877, my do obliczen musimy uyc odchylenie standardowe sredniej s sr = 2,877/ 9 0,5 = 0,959 Parametr Studenta t odczytujemy z tablic dla poziomu istotnosci a=0,05 i liczby stopni swobody równej 9-1=8. t α = 2,306 Przedział ufnosci dla wartosci sredniej Obliczamy ze wzoru: x sr sr x t S a μ = ± μx = 45,8 ± 2,306 0,959 μx = 45,8 ± 2,3

31 TEST Q-Dixona Wnioski: Q(P,n) tym większe, czyli kryterium ostrzejsze, im: a) większy % P, czyli im większa pewność wniosku odrzucającego wynik lub im mniejsze ryzyko (100 - % P) błędnej decyzji (błąd I rodzaju) b) mniejsze n bo ze wzrostem n maleje P znalezienia się kolejnego wyniku x n+1 poza przedziałem rozstępu Rn (x n+1 > x n lub x n+1 < x 1 ) c) Wartość Q(P,n) maleje wolniej ze wzrostem n, czyli test Q staje się mniej ostry, mniej czuły, bo spośród n wyników, korzysta się tylko z 3: x 1, x n i x 2 lub x n-1

32 ŚREDNIE WAŻONE Przykład Dwóch studentów A i B mierzy wielkość x i otrzymuje następujące wyniki: Student A: Student B: Jak najlepiej połączyć x A i x B w celu otrzymania najlepszego przybliżenia x? Jeśli rozbieżność x A -x B jest dużo większa niż obie niepewności σ A i σ B to wyniki są sprzeczne i powinny być dokładnie zbadane na okoliczność wystąpienia błędu systematycznego Jeśli rozbieżność x A -x B jest niewielka ( nie jest istotnie większa od odchyleń σ A i σ B ) to mamy wyniki zgodne Zakładając że wyniki obu serii pomiarów podlegają rozkładowi normalnemu i oznaczając nieznaną prawdziwą wartość x przez X, to że prawdopodobieństwo, że student A otrzyma wynik x A wynosi: (1) Analogicznie dla studenta B: (2)

33 ŚREDNIE WAŻONE c.d Prawdopodobieństwo, że student A znajdzie wartość x A, a student B x B jest iloczynem obu prawdopodobieństw: (3) gdzie: (4) jest tzw. sumą kwadratów Zasada największego prawdopodobieństwa: najlepsze przybliżenie nieznanej prawdziwej wartości X ma taką wartość, żeby prawdopodobieństwo wystąpienia faktycznie zaobserwowanych wartości x A i x B było największe. Z zależności (3) wynika, że P X (x A, x B ) = max, gdy χ 2 = min, czyli: (5)

34 ŚREDNIE WAŻONE c.d Stąd najbardziej prawdopodobne X= X np wynosi: (6) i (7) W przypadku N serii pomiarów: ( 8) oraz: (9) gdzie: (10)

ĆWICZENIE 13 TEORIA BŁĘDÓW POMIAROWYCH

ĆWICZENIE 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 szczegółowo

Odchudzamy serię danych, czyli jak wykryć i usunąć wyniki obarczone błędami grubymi

Odchudzamy 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 szczegółowo

RÓWNOWAŻNOŚĆ METOD BADAWCZYCH

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 szczegółowo

Teoria błędów. Wszystkie wartości wielkości fizycznych obarczone są pewnym błędem.

Teoria 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 szczegółowo

Statystyczne Metody Opracowania Wyników Pomiarów

Statystyczne 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 szczegółowo

Podstawy opracowania wyników pomiarów z elementami analizy niepewności statystycznych

Podstawy 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 szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

PODSTAWY 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 szczegółowo

Statystyka matematyczna dla leśników

Statystyka 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 szczegółowo

Statystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r

Statystyka 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 szczegółowo

Wykład 3 Hipotezy statystyczne

Wykład 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 szczegółowo

Rozkład Gaussa i test χ2

Rozkład 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 szczegółowo

Statystyczne Metody Opracowania Wyników Pomiarów

Statystyczne 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 szczegółowo

Niepewność pomiaru. Wynik pomiaru X jest znany z możliwa do określenia niepewnością. jest bledem bezwzględnym pomiaru

Niepewność 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 szczegółowo

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji

Weryfikacja 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 szczegółowo

LABORATORIUM Z FIZYKI

LABORATORIUM 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 szczegółowo

Podstawy 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 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 szczegółowo

Analiza i monitoring środowiska

Analiza 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 szczegółowo

WYKŁAD 5 TEORIA ESTYMACJI II

WYKŁAD 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

LABORATORIUM Populacja Generalna (PG) 2. Próba (P n ) 3. Kryterium 3σ 4. Błąd Średniej Arytmetycznej 5. Estymatory 6. Teoria Estymacji (cz.

LABORATORIUM 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 szczegółowo

VI 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 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 szczegółowo

Statystyczne Metody Opracowania Wyników Pomiarów

Statystyczne Metody Opracowania Wyników Pomiarów Statystyczne Metody Opracowania Wyników Pomiarów dla studentów ZMIN Teresa Jaworska-Gołąb 2018/19 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 szczegółowo

WSKAZÓWKI DO WYKONANIA SPRAWOZDANIA Z WYRÓWNAWCZYCH ZAJĘĆ LABORATORYJNYCH

WSKAZÓWKI 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 szczegółowo

Weryfikacja hipotez statystycznych

Weryfikacja 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 szczegółowo

Wstęp do teorii niepewności pomiaru. Danuta J. Michczyńska Adam Michczyński

Wstęp 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 szczegółowo

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych

Podstawy 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 szczegółowo

Podstawy 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 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 szczegółowo

ODRZUCANIE WYNIKÓW POJEDYNCZYCH POMIARÓW

ODRZUCANIE 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 szczegółowo

Testowanie hipotez statystycznych.

Testowanie 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 szczegółowo

Statystyka matematyczna. Wykład IV. Weryfikacja hipotez statystycznych

Statystyka 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 szczegółowo

WYKŁAD 8 ANALIZA REGRESJI

WYKŁAD 8 ANALIZA REGRESJI WYKŁAD 8 ANALIZA REGRESJI Regresja 1. Metoda najmniejszych kwadratów-regresja prostoliniowa 2. Regresja krzywoliniowa 3. Estymacja liniowej funkcji regresji 4. Testy istotności współczynnika regresji liniowej

Bardziej szczegółowo

Fizyka (Biotechnologia)

Fizyka (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 szczegółowo

BADANIE POWTARZALNOŚCI PRZYRZĄDU POMIAROWEGO

BADANIE 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 szczegółowo

Rozkłady statystyk z próby

Rozkłady statystyk z próby Rozkłady statystyk z próby Rozkłady statystyk z próby Przypuśćmy, że wykonujemy serię doświadczeń polegających na 4 krotnym rzucie symetryczną kostką do gry, obserwując liczbę wyrzuconych oczek Nr kolejny

Bardziej szczegółowo

Temat: SZACOWANIE NIEPEWNOŚCI POMIAROWYCH

Temat: 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 szczegółowo

INFORMATYKA W CHEMII Dr Piotr Szczepański

INFORMATYKA W CHEMII Dr Piotr Szczepański INFORMATYKA W CHEMII Dr Piotr Szczepański Katedra Chemii Fizycznej i Fizykochemii Polimerów WPROWADZENIE DO STATYSTYCZNEJ OCENY WYNIKÓW DOŚWIADCZEŃ 1. BŁĄD I STATYSTYKA błąd systematyczny, błąd przypadkowy,

Bardziej szczegółowo

Rozwiązanie n1=n2=n=8 F=(4,50) 2 /(2,11) 2 =4,55 Fkr (0,05; 7; 7)=3,79

Rozwiązanie 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 szczegółowo

SMOP - wykład. Rozkład normalny zasady przenoszenia błędów. Ewa Pawelec

SMOP - wykład. Rozkład normalny zasady przenoszenia błędów. Ewa Pawelec SMOP - wykład Rozkład normalny zasady przenoszenia błędów Ewa Pawelec 1 iepewność dla rozkładu norm. Zamiast dodawania całych zakresów uwzględniamy prawdopodobieństwo trafienia dwóch wartości: P x 1, x

Bardziej szczegółowo

Pobieranie prób i rozkład z próby

Pobieranie 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 szczegółowo

Spis 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. 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 szczegółowo

HISTOGRAM. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH Liczba pomiarów - n. Liczba pomiarów - n k 0.5 N = N =

HISTOGRAM. 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 szczegółowo

Pracownia 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 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 szczegółowo

STATYSTYKA MATEMATYCZNA, LISTA 3

STATYSTYKA 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 szczegółowo

Statystyka. #5 Testowanie hipotez statystycznych. Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik. rok akademicki 2016/ / 28

Statystyka. #5 Testowanie hipotez statystycznych. Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik. rok akademicki 2016/ / 28 Statystyka #5 Testowanie hipotez statystycznych Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik rok akademicki 2016/2017 1 / 28 Testowanie hipotez statystycznych 2 / 28 Testowanie hipotez statystycznych

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 5. 2 listopada 2009

STATYSTYKA MATEMATYCZNA WYKŁAD 5. 2 listopada 2009 STATYSTYKA MATEMATYCZNA WYKŁAD 5 2 listopada 2009 Poprzedni wykład: przedział ufności dla µ, σ nieznane Rozkład N(µ, σ). Wnioskowanie o średniej µ, gdy σ nie jest znane Testowanie H : µ = µ 0, K : µ

Bardziej szczegółowo

VII WYKŁAD STATYSTYKA. 30/04/2014 B8 sala 0.10B Godz. 15:15

VII WYKŁAD STATYSTYKA. 30/04/2014 B8 sala 0.10B Godz. 15:15 VII WYKŁAD STATYSTYKA 30/04/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 7 (c.d) WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI Weryfikacja hipotez ( błędy I i II rodzaju, poziom istotności,

Bardziej szczegółowo

Testowanie hipotez statystycznych. Wnioskowanie statystyczne

Testowanie 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 szczegółowo

Prawdopodobieństwo i rozkład normalny cd.

Prawdopodobieństwo 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 szczegółowo

JAK WYZNACZA SIĘ PARAMETRY WALIDACYJNE

JAK 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 szczegółowo

LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI

LABORATORIUM 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 szczegółowo

BADANIE POWTARZALNOŚCI PRZYRZĄDU POMIAROWEGO

BADANIE 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 szczegółowo

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych

Podstawy 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 szczegółowo

Określanie niepewności pomiaru

Określanie 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 szczegółowo

Wprowadzenie do rachunku niepewności pomiarowej. Jacek Pawlyta

Wprowadzenie 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 szczegółowo

Tutaj powinny znaleźć się wyniki pomiarów (tabelki) potwierdzone przez prowadzacego zajęcia laboratoryjne i podpis dyżurujacego pracownika obsługi

Tutaj powinny znaleźć się wyniki pomiarów (tabelki) potwierdzone przez prowadzacego zajęcia laboratoryjne i podpis dyżurujacego pracownika obsługi Tutaj powinny znaleźć się wyniki pomiarów (tabelki) potwierdzone przez prowadzacego zajęcia laboratoryjne i podpis dyżurujacego pracownika obsługi technicznej. 1. Wstęp Celem ćwiczenia jest wyznaczenie

Bardziej szczegółowo

Testowanie hipotez statystycznych.

Testowanie hipotez statystycznych. Bioinformatyka Wykład 9 Wrocław, 5 grudnia 2011 Temat. Test zgodności χ 2 Pearsona. Statystyka χ 2 Pearsona Rozpatrzmy ciąg niezależnych zmiennych losowych X 1,..., X n o jednakowym dyskretnym rozkładzie

Bardziej szczegółowo

RACHUNEK PRAWDOPODOBIEŃSTWA I STATYSTYKA MATEMATYCZNA

RACHUNEK 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 szczegółowo

Populacja 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 Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część populacji, którą podaje się badaniu statystycznemu

Bardziej szczegółowo

Statystyka. Rozkład prawdopodobieństwa Testowanie hipotez. Wykład III ( )

Statystyka. Rozkład prawdopodobieństwa Testowanie hipotez. Wykład III ( ) Statystyka Rozkład prawdopodobieństwa Testowanie hipotez Wykład III (04.01.2016) Rozkład t-studenta Rozkład T jest rozkładem pomocniczym we wnioskowaniu statystycznym; stosuje się go wyznaczenia przedziału

Bardziej szczegółowo

Testowanie hipotez statystycznych

Testowanie hipotez statystycznych round Testowanie hipotez statystycznych Wyk lad 9 Natalia Nehrebecka Stanis law Cichocki 13 grudnia 2014 Plan zajeć 1 Rozk lad estymatora b Rozk lad sumy kwadratów reszt 2 Hipotezy proste - test t Badanie

Bardziej szczegółowo

Hipotezy statystyczne

Hipotezy statystyczne Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu badanej cechy populacji, o którego prawdziwości lub fałszywości wnioskuje się na podstawie pobranej próbki losowej. Hipotezy

Bardziej szczegółowo

Wyniki pomiarów okresu drgań dla wahadła o długości l = 1,215 m i l = 0,5 cm.

Wyniki pomiarów okresu drgań dla wahadła o długości l = 1,215 m i l = 0,5 cm. 2 Wyniki pomiarów okresu drgań dla wahadła o długości l = 1,215 m i l = 0,5 cm. Nr pomiaru T[s] 1 2,21 2 2,23 3 2,19 4 2,22 5 2,25 6 2,19 7 2,23 8 2,24 9 2,18 10 2,16 Wyniki pomiarów okresu drgań dla wahadła

Bardziej szczegółowo

Zawartość. Zawartość

Zawartość. 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 szczegółowo

Statystyka 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. 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 szczegółowo

BŁĘDY W POMIARACH BEZPOŚREDNICH

BŁĘDY W POMIARACH BEZPOŚREDNICH Podstawy Metrologii i Technik Eksperymentu Laboratorium BŁĘDY W POMIARACH BEZPOŚREDNICH Instrukcja do ćwiczenia nr 2 Zakład Miernictwa i Ochrony Atmosfery Wrocław, listopad 2010 r. Podstawy Metrologii

Bardziej szczegółowo

Wykład 9. Terminologia i jej znaczenie. Cenzurowanie wyników pomiarów.

Wykład 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 szczegółowo

WYKŁAD 8 TESTOWANIE HIPOTEZ STATYSTYCZNYCH

WYKŁAD 8 TESTOWANIE HIPOTEZ STATYSTYCZNYCH WYKŁAD 8 TESTOWANIE HIPOTEZ STATYSTYCZNYCH Było: Estymacja parametrów rozkładu teoretycznego punktowa przedziałowa Przykład. Cecha X masa owocu pewnej odmiany. ZałoŜenie: cecha X ma w populacji rozkład

Bardziej szczegółowo

LISTA 4. 7.Przy sporządzaniu skali magnetometru dokonano 10 niezależnych pomiarów

LISTA 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 szczegółowo

LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI

LABORATORIUM 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 szczegółowo

Idea. θ = θ 0, Hipoteza statystyczna Obszary krytyczne Błąd pierwszego i drugiego rodzaju p-wartość

Idea. 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 szczegółowo

Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT. Anna Rajfura 1

Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT. Anna Rajfura 1 Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT Anna Rajfura 1 Przykład wprowadzający Wiadomo, Ŝe 40% owoców ulega uszkodzeniu podczas pakowania automatycznego.

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 4. WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH X - cecha populacji, θ parametr rozkładu cechy X.

STATYSTYKA MATEMATYCZNA WYKŁAD 4. WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH X - cecha populacji, θ parametr rozkładu cechy X. STATYSTYKA MATEMATYCZNA WYKŁAD 4 WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH X - cecha populacji, θ parametr rozkładu cechy X. Wysuwamy hipotezy: zerową (podstawową H ( θ = θ i alternatywną H, która ma jedną z

Bardziej szczegółowo

Weryfikacja hipotez statystycznych za pomocą testów statystycznych

Weryfikacja 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 szczegółowo

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego

Bardziej szczegółowo

Podstawy opracowania wyników pomiarów

Podstawy 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 szczegółowo

Statystyka matematyczna

Statystyka matematyczna Statystyka matematyczna Wykład 9 i 10 Magdalena Alama-Bućko 14 i 21 maja 2018 Magdalena Alama-Bućko Statystyka matematyczna 14 i 21 maja 2018 1 / 25 Hipotezy statystyczne Hipoteza statystyczna nazywamy

Bardziej szczegółowo

Hipotezy statystyczne

Hipotezy statystyczne Hipotezy statystyczne Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu badanej cechy populacji, o którego prawdziwości lub fałszywości wnioskuje się na podstawie pobranej

Bardziej szczegółowo

Błędy przy testowaniu hipotez statystycznych. Decyzja H 0 jest prawdziwa H 0 jest faszywa

Błędy przy testowaniu hipotez statystycznych. Decyzja H 0 jest prawdziwa H 0 jest faszywa Weryfikacja hipotez statystycznych Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu badanej cechy populacji, o prawdziwości lub fałszywości którego wnioskuje się na podstawie

Bardziej szczegółowo

KARTA INFORMACYJNA PRZEDMIOTU

KARTA 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 szczegółowo

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych Dzięki uprzejmości: Paweł Korecki Instytut Fizyki UJ pok. 256 e-mail: pawel.korecki@uj.edu.pl http://users.uj.edu.pl/~korecki

Bardziej szczegółowo

Testowanie hipotez statystycznych

Testowanie hipotez statystycznych Testowanie hipotez statystycznych Wyk lad 8 Natalia Nehrebecka Stanis law Cichocki 29 listopada 2015 Plan zajeć 1 Rozk lad estymatora b Rozk lad sumy kwadratów reszt 2 Hipotezy proste - test t Badanie

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 9

Stanisław Cichocki. Natalia Nehrebecka. Wykład 9 Stanisław Cichocki Natalia Nehrebecka Wykład 9 1 1. Dodatkowe założenie KMRL 2. Testowanie hipotez prostych Rozkład estymatora b Testowanie hipotez prostych przy użyciu statystyki t 3. Przedziały ufności

Bardziej szczegółowo

1 Podstawy rachunku prawdopodobieństwa

1 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 szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 4. Testowanie hipotez Estymacja parametrów

STATYSTYKA MATEMATYCZNA WYKŁAD 4. Testowanie hipotez Estymacja parametrów STATYSTYKA MATEMATYCZNA WYKŁAD 4 Testowanie hipotez Estymacja parametrów WSTĘP 1. Testowanie hipotez Błędy związane z testowaniem hipotez Etapy testowana hipotez Testowanie wielokrotne 2. Estymacja parametrów

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD października 2009

STATYSTYKA MATEMATYCZNA WYKŁAD października 2009 STATYSTYKA MATEMATYCZNA WYKŁAD 4 26 października 2009 Rozkład N(µ, σ). Estymacja σ σ 2 = 1 σ 2π + = E µ,σ (X µ) 2 { (x µ) 2 exp 1 ( ) } x µ 2 dx 2 σ Rozkład N(µ, σ). Estymacja σ σ 2 = 1 σ 2π + = E µ,σ

Bardziej szczegółowo

Wykład 10 Estymacja przedziałowa - przedziały ufności dla średn

Wykład 10 Estymacja przedziałowa - przedziały ufności dla średn Wykład 10 Estymacja przedziałowa - przedziały ufności dla średniej Wrocław, 21 grudnia 2016r Przedział ufności Niech będzie dana próba X 1, X 2,..., X n z rozkładu P θ, θ Θ. Definicja 10.1 Przedziałem

Bardziej szczegółowo

Wnioskowanie statystyczne i weryfikacja hipotez statystycznych

Wnioskowanie statystyczne i weryfikacja hipotez statystycznych Wnioskowanie statystyczne i weryfikacja hipotez statystycznych Wnioskowanie statystyczne Wnioskowanie statystyczne obejmuje następujące czynności: Sformułowanie hipotezy zerowej i hipotezy alternatywnej.

Bardziej szczegółowo

Estymacja przedziałowa - przedziały ufności dla średnich. Wrocław, 5 grudnia 2014

Estymacja przedziałowa - przedziały ufności dla średnich. Wrocław, 5 grudnia 2014 Estymacja przedziałowa - przedziały ufności dla średnich Wrocław, 5 grudnia 2014 Przedział ufności Niech będzie dana próba X 1, X 2,..., X n z rozkładu P θ, θ Θ. Definicja Przedziałem ufności dla paramertu

Bardziej szczegółowo

Zmierzyłem i co dalej? O opracowaniu pomiarów i analizie niepewności słów kilka

Zmierzyłem 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 szczegółowo

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl

Bardziej szczegółowo

Spis treści 3 SPIS TREŚCI

Spis treści 3 SPIS TREŚCI Spis treści 3 SPIS TREŚCI PRZEDMOWA... 1. WNIOSKOWANIE STATYSTYCZNE JAKO DYSCYPLINA MATEMATYCZNA... Metody statystyczne w analizie i prognozowaniu zjawisk ekonomicznych... Badania statystyczne podstawowe

Bardziej szczegółowo

STATYSTYKA I DOŚWIADCZALNICTWO. Wykład 2

STATYSTYKA 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 szczegółowo

Charakterystyka mierników do badania oświetlenia Obiektywne badania warunków oświetlenia opierają się na wynikach pomiarów parametrów świetlnych. Podobnie jak każdy pomiar, również te pomiary, obarczone

Bardziej szczegółowo

Testy post-hoc. Wrocław, 6 czerwca 2016

Testy post-hoc. Wrocław, 6 czerwca 2016 Testy post-hoc Wrocław, 6 czerwca 2016 Testy post-hoc 1 metoda LSD 2 metoda Duncana 3 metoda Dunneta 4 metoda kontrastów 5 matoda Newman-Keuls 6 metoda Tukeya Metoda LSD Metoda Least Significant Difference

Bardziej szczegółowo

Wstęp do probabilistyki i statystyki. Wykład 4. Statystyki i estymacja parametrów

Wstęp do probabilistyki i statystyki. Wykład 4. Statystyki i estymacja parametrów Wstęp do probabilistyki i statystyki Wykład 4. Statystyki i estymacja parametrów dr hab.inż. Katarzyna Zakrzewska, prof.agh, Katedra Elektroniki, WIET AGH Wstęp do probabilistyki i statystyki. Wykład 4

Bardziej szczegółowo

WNIOSKOWANIE STATYSTYCZNE

WNIOSKOWANIE STATYSTYCZNE STATYSTYKA WNIOSKOWANIE STATYSTYCZNE ESTYMACJA oszacowanie z pewną dokładnością wartości opisującej rozkład badanej cechy statystycznej. WERYFIKACJA HIPOTEZ sprawdzanie słuszności przypuszczeń dotyczących

Bardziej szczegółowo

Projektowanie systemów pomiarowych. 02 Dokładność pomiarów

Projektowanie 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 szczegółowo

Statystyka matematyczna i ekonometria

Statystyka matematyczna i ekonometria Statystyka matematyczna i ekonometria Wykład 5 dr inż. Anna Skowrońska-Szmer zima 2017/2018 Hipotezy 2 Hipoteza zerowa (H 0 )- hipoteza o wartości jednego (lub wielu) parametru populacji. Traktujemy ją

Bardziej szczegółowo

Niepewności pomiarów

Niepewności 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 szczegółowo