Instrukcja oceny niepewności pomiarów w I Pracowni Fizycznej (ONP) Nowe normy międzynarodowe

Wielkość: px
Rozpocząć pokaz od strony:

Download "Instrukcja oceny niepewności pomiarów w I Pracowni Fizycznej (ONP) Nowe normy międzynarodowe"

Transkrypt

1 Istrukcja ocey iepewości pomiarów w I Pracowi Fizyczej (ONP) Nowe ormy międzyarodowe l. Wprowadzeie W roku 995, po wielu latach pracy, uzgodioo międzyarodowe ormy dotyczące termiologii i sposobu określaia iepewości w pomiarach. Międzyarodowa Orgaizacja Normalizacyja (ISO) opublikowała odpowiedi Przewodik" []. Dokoao jego przekładu a język polski []. Stosowaie orm ISO w zakresie obliczaia i podawaia iepewości pomiarów jest obowiązkiem, podobym do obowiązku stosowaia układu SI.. Wyrażaie iepewości pomiaru owe ormy międzyarodowe Wszystkie pomiary obarczoe są iepewościami pomiarowymi, które moża ieograiczeie zmiejszać, lecz ie moża ich całkowicie wyelimiować. Przewodik przyjmuje defiicję: Niepewość pomiaru parametr związay z wyikiem pomiaru, charakteryzujący rozrzut wartości, który moża w uzasadioy sposób przypisać wielkości mierzoej. Słowo iepewość", bez dodatkowych określeń, ma podwóje zaczeie: zarówo pojęcia ogólego, jak i miary ilościowej. W przypadku stosowaia termiu w zaczeiu ilościowym dodaje się odpowiedi przymiotik. Stosowae są astępujące termiy o owym zaczeiu:. Niepewość stadardowa (stadard ucertaity) wyiku pomiaru bezpośrediego wielkości X. Ważą owością jest symbol iepewości stadardowej u (ucertaity), którego możemy używać a trzy sposoby: u,, stężeie NaCl). Przewodik ie wprowadził osobego symbolu dla pojęcia iepewości względej. Zgodym z logiką symbolem jest u r (ideks r od ag. relative) zalecoy do użytku w USA przez Natioal Istitute of Stadards ad Techology.. Złożoa iepewość stadardowa u c (y) (combied stadard ucertaity) jest iepewością wyików pomiarów pośredich y = f(x, x, x,...,x k,....x K ), gdzie symbole x, x, x,...,x k,...x K ozaczają K wielkości mierzoych bezpośredio. Jest oa obliczaa (wyzaczaa) z prawa przeoszeia iepewości pomiaru.. Niepewość rozszerzoa U lub U(y) (expaded ucertaity) jest miarą pewego przedziału ufości" otaczającego wyik pomiaru pośrediego. Oczekuje się, że w przedziale tym jest zawarta duża część wartości, które w rozsądy sposób moża przypisać wielkości mierzoej. Wartość U oblicza się możąc złożoą iepewość stadardową przez bezwymiarowy współczyik rozszerzeia k. 4. Współczyik rozszerzeia k (coverage factor) jest możikiem złożoej iepewości stadardowej, stosowaym w celu uzyskaia iepewości rozszerzoej.

2 5. Ocea iepewości metodą typu A (type A evaluatio of ucertaity) oparta a metodzie określaia iepewości pomiaru drogą aalizy statystyczej serii wyików pomiarów. 6. Ocea iepewości metodą typu B (type B evaluatio of ucertaity) obliczaa a podstawie rozkładu prawdopodobieństwa przyjętego przez eksperymetatora (prawdopodobieństwa subiektywego). Ocea typu B może być zastosowaa w każdej sytuacji.. Ie miary iepewości. Niepewość maksymala Przyjęta przez Przewodik ogóla defiicja iepewości jako parametru charakteryzującego rozrzut wyików pomiaru ie wyklucza, że rozrzut te określać mogą też ie parametry. Niemiej w dokumecie tym ie możliwe miary rozrzutu ie są wymieioe awet z azwy. W wielu sytuacjach używaa jest miara iepewości, której azwą uzaą przez literaturę jest błąd graiczy. (Alteratywą azwą spotykaą w podręczikach jest błąd maksymaly). Zgodie z logiką ogólej defiicji iepewości, właściwą azwą wia być iepewość maksymala. Niepewość maksymala x jest miarą determiistyczą, twierdzimy miaowicie, że moża określić przedział x 0 x < x i < x 0 + x, w którym mieszczą się wszystkie wyiki pomiaru x i, aktualie wykoae i przyszłe. Z powyższej ierówości wyika, że wartość rzeczywista x 0 zawarta jest a pewo w przedziale x i ± x wokół dowolego wyiku pomiaru x i. 4. Niepewości pomiarów bezpośredich 4.. Metoda typu A obliczaia iepewości stadardowej Ocea typu A opiera się a aalizie statystyczej serii wyików pomiarów. Wykoywaie pomiarów bezpośredich jest odpowiedikiem losowaia - elemetowej próbki {x, x,...x } z ieskończeie liczej populacji, którą staowią wszystkie możliwe do wykoaia pomiary. Za wyik pomiaru przyjmuje się średią arytmetyczą wyików pomiarów x = x i. () Niepewością stadardową wyiku pomiaru wielkości X azywamy odchyleie stadardowe eksperymetale średiej arytmetyczej x, które oblicza się ze wzoru = ( xi ( ). () UWAGA! Chociaż iepewość ta odosi się do x jej symbolem jest u ( a ie u (.

3 Oceami typu A są wszelkie ie metody określaia iepewości przy użyciu metod statystyczych, p. iepewości parametrów dopasowaia prostej regresji do puktów eksperymetalych. 4.. Prosta regresji Zagadieie polega a poprowadzeiu prostej y = ax + b () jak ajlepiej dopasowaej do zbioru puktów doświadczalych (x, y ), (x, y ),... (x, y ). Celem dopasowaia jest ie tylko uzyskaie efektu wizualego, ale przede wszystkim uzyskaie oce wartości parametrów a i b opisujących prostą, oraz ich iepewości a) i b). Najczęściej wykorzystujemy do tego celu metodę ajmiejszych kwadratów. Najpowszechiejszy wariat tej metody, stosoway gdy iepewości przypisae puktom eksperymetalym są jedakowe, prowadzi do astępujących wzorów a a i b: a x y ( xi ) ( yi ), i i = (4) D ( xi )( yi ) ( xi ) ( xi yi ), b D gdzie D = ( ). = (5) x i x i oraz a ich iepewości stadardowe a) i b) gdzie xi a) = s y, b) = s y, (6) D D [ y ( ax + b) ] i i s y =. (7) 4.. Metoda typu B obliczaia iepewości stadardowej Niepewość stadardową szacuje się metodą typu B w przypadku, gdy dostępy jest tylko jede wyik pomiaru, albo gdy wyiki ie wykazują rozrzutu. Wówczas iepewość stadardową oceia się a podstawie wiedzy o daej wielkości lub o przedziale, w którym wartość rzeczywista powia się mieścić Niepewość wzorcowaia W przypadku wyików ie wykazujących rozrzutu główym przyczykiem iepewości pomiarów jest iepewość wzorcowaia (iepewość maksymala) d x.

4 Produceci przyrządów takich jak przymiar milimetrowy, suwmiarka czy termometr lekarski a ogół ie określają ich dokładości. Powszechie uważa się, że iesprecyzowaa bliżej dokładość (iepewość wzorcowaia d jest rówa wartości ajmiejszej działki skali, zwaej działką elemetarą. Jej wartość wyosi dla liijki mm, suwmiarki 0,05 mm, śruby mikrometryczej 0,0 mm, termometru lekarskiego 0, C. Ocea ta może być skorygowaa w górę lub w dół zgodie z posiadaą wiedzą i doświadczeiem. Na przykład, jeżeli mierzymy liijką średicę moety jedogroszowej i oceiamy a oko rówież dziesiąte części milimetra, to iepewość wzorcowaia d x może zmiejszyć się do 0, mm. Z drugiej stroy, przy pomiarze rozmiarów pokoju taśmą miericzą, iepewość wzorcowaia ależy przyjąć większą iż mm, choć skalę z podziałką milimetrową mamy a całej pięciometrowej taśmie. Przyjmuje się, że wartość d x jest rówa połowie szerokości rozkładu jedostajego, a iepewość stadardowa wyosi x = d (8) (Jest to odchyleie stadardowe eksperymetale w rozkładzie jedostajym). W wyiku rewolucji w mierictwie wyikającej z postępów elektroiki prawie wszystkie używae współcześie przyrządy pomiarowe to albo proste przyrządy ze skalą aalogową, albo też elektroicze mieriki cyfrowe. Dla każdego z typów tych przyrządów określeie iepewości wzorcowaia (iepewości maksymalej) przebiega ieco iaczej. Niepewość wzorcowaia przyrządów aalogowych W przyrządzie aalogowym jego dokładość precyzuje tzw. klasa przyrządu, która wyraża w procetach stosuek iepewości maksymalej x do pełego wychyleia mierika a daym zakresie pomiarowym. Jej ses jest taki, że wyiki prawidłowo wykoaych pomiarów ie różią się od wartości rzeczywistej x 0 więcej iż o ± x. I tak by było, gdyby obserwator odczytywał absolutie dokładie położeie wskazówki a skali przyrządu. Odczyt dokoyway jest z pewą dokładością (do działki skali, do ½ działki skali, itd.), dlatego też iepewość wzorcowaia (iepewość maksymala) przyrządu aalogowego jest sumą iepewości wyikającej z klasy i z odczytu, a iepewość stadardową obliczamy ze wzoru [( klasa zakres /00) + = x odczytu )] (9) Niepewość wzorcowaia przyrządów cyfrowych Iaczej odbywa się określaie iepewości wzorcowaia (iepewości maksymalej) dla przyrządów z cyfrowym wyświetlaiem wyików pomiarów. W tego typu przyrządach ie występuje iepewość związaa z odczytem wielkości mierzoej. Zmiaę wartości mierzoej odpowiadającą przeskokowi ostatiej cyfry azwać moża działką elemetarą daego przyrządu. Waże jest, by działki elemetarej ie utożsamiać z iepewością pomiaru przyrządu z cyfrowym wyświetlaczem. 4

5 W celu określeia iepewości wzorcowaia musimy zajrzeć do istrukcji przyrządu. Zajdziemy tam iformację o wartości iepewości wzorcowaia, ajczęściej podaą jako kombiacja liiowa wartości mierzoej i zakresu d x = C wartość mierzoa + C zakres pomiarowy. (0) Uzyskaą w te sposób iepewość maksymalą zamieiamy a iiepewość d x stadardową przy użycie wzoru = 4... Niepewość eksperymetatora Drugim przyczykiem iepewości pomiarów ie wykazujących rozrzutu jest iepewość eksperymetatora (iepewość maksymala) e x, spowodowaa przyczyami zaymi eksperymetatorowi, ale od iego iezależymi. Eksperymetator korzysta ze swego doświadczeia i wiedzy w celu określeia iepewości e x oraz wyikającej stąd iepewości stadardowej. Niepewość stadardową eksperymetatora moża oszacować a podstawie rozkładu jedostajego; wtedy u ( = ex Niepewość tablicowa Niepewościami obarczoe są rówież wyiki zaczerpięte z literatury, tablic matematyczych lub kalkulatora. Jeśli ie jest podaa wartość odchyleia stadardowego eksperymetalego (jeśli jest podaa, wtedy iepewość jest rówa temu odchyleiu) i brak jest jakiejkolwiek iformacji o iepewości, przyjmujemy, że iepewość tablicowa (iepewość maksymala) t x jest rówa 0 jedostkom ostatiego miejsca dziesiętego. Niepewość stadardowa jest szacowaa a podstawie x rozkładu jedostajego; = t Całkowita iepewość stadardowa Najczęściej przyczyki od iepewości wzorcowaia i iepewości eksperymetatora występują jedocześie i wtedy iepewość stadardowa szacowaa metodą B powia być obliczoa ze wzoru ( d ( e = +. () Jeśli atomiast obydwa typy iepewości, A i B, występują rówocześie, to ależy posłużyć się astępującym wzorem a iepewość stadardową (całkowitą): = ua( + ub ( = ( x ( ) ( d + ( e ) + x i. () 5

6 5. Pomiar pośredi. Prawo przeoszeia iepewości W większości pomiarów fizyczych szukaa wielkość ie daje się zmierzyć bezpośredio. Jest oa wyzaczaa z zależości fukcyjej y= f(x, x, x,...x k,...x K ), () gdzie x, x, x,...x k,...x K ozacza K wielkości mierzoych bezpośredio. Zakłada się, że zae są wyiki pomiarów (średie arytmetycze) tych wielkości x, x, x,k x k, K xk oraz ich iepewości stadardowe x ), x ), x ),..., xk ),..., xk ). Wyik (końcowy) pomiaru wielkości złożoej oblicza się ze wzoru y f x, x, x, K x k, K x ). (4) ( K Przy obliczaiu iepewości stadardowej wielkości złożoej ależy rozróżić ieskorelowae i skorelowae pomiary wielkości mierzoych bezpośredio x k. 5. Wielkość złożoa - pomiary bezpośredie ieskorelowae W pomiarach ieskorelowaych (chodzi tu o korelację między wielkościami mierzoymi, której miarą są współczyiki korelacji) każdą wielkość mierzy się w iym, iezależym doświadczeiu. Złożoą iepewość stadardową u c ( y ) wielkości liczoej pośredio y oblicza się korzystając z prawa przeoszeia iepewości pomiarów bezpośredich ieskorelowaych w postaci u ( y) c K f = u ( xk ) k = x. (5) k 5. Wielkość złożoa pomiary bezpośredie skorelowae Pomiary ależy uzać za skorelowae zawsze wtedy, gdy dae wielkości są mierzoe bezpośredio za pomocą jedego zestawu doświadczalego, w jedym doświadczeiu. W praktyce ozacza to, że wszystkie pomiary elektrycze wykoywae w laboratoriach studeckich są pomiarami skorelowaymi. Z uwagi a bardzo skomplikowae obliczaie złożoej iepewości stadardowej wielkości mierzoej pośredio o skorelowaych wielkościach wejściowych (mierzoych bezpośredio) w pracowiach studeckich wygodiej jest postępować astępująco. Wyiki y i oblicza się korzystając z kompletu wyików pomiarów bezpośredich K wielkości x k,i uzyskaych w i pomiarze y i = f(x,i, x,i, x,i,...x k,i,...x K,i. Seria wyików y i, uzyskaych w pomiarach, staowi próbkę losową podobie jak w pomiarach bezpośredich. Przyjmuje się, że wyikiem pomiaru pośrediego jest 6

7 y = y i, (6) i = a złożoą iepewość stadardową wyiku określa wzór u c ( y ) = ( ) ( y i y). (7) 5. Prawo przeoszeia iepewości maksymalej W przypadku rachuku iepewości opartego a pojęciu iepewości maksymalej przyczyki pochodzące od poszczególych zmieych wejściowych obliczamy tak samo, ale zamiast sumy geometryczej obliczamy sumę algebraiczą ich wartości bezwzględych, y = K k= f x k x k. (8) Postępowaie takie azywae było dawiej metodą różiczki zupełej. Aalogicze obliczeie dla względej iepewości maksymalej osiło azwę metody pochodej logarytmiczej. 6. Niepewość rozszerzoa i zapisywaie wyików Dla celów komercyjych, przemysłowych, zdrowia i bezpieczeństwa zachodzi koieczość podaia miary iepewości, która określa przedział otaczający wyik pomiaru zawierający dużą, z góry określoą, część wyików, jakie moża przypisać wielkości mierzoej. Niepewość spełiającą powyższy waruek azywa się iepewością rozszerzoą i ozacza symbolem U(y) lub U. Defiiuje się ją wzorem U(y) = k u c (y), gdzie k azywa się współczyikiem rozszerzeia. Jest to umowie przyjęta liczba, wybraa tak, by w przedziale y ± U(y) zalazła się większość wyików pomiaru potrzeba do daych zastosowań, a przykład a I Pracowi do wioskowaia o zgodości z wartością tabelaryczą. W Przewodiku stwierdza się, że wartość k wyosi ajczęściej. Przewodik przyjmuje zasadę zapisywaia iepewości z dokładością do dwu cyfr zaczących. Spośród dwu sposobów skrótowego zapisu wartości mierzoej i jej iepewości (patrz Tabela), utrwala się zasada, by zapis z użyciem symbolu "±" stosować wyłączie do iepewości rozszerzoej, atomiast zapis z użyciem awiasów do iepewości stadardowej. 7

8 Wielkość Niepewość stadardowa: ocea typu A Najważiejsze elemety Międzyarodowej Normy Ocey Niepewości Pomiaru Symbol i sposób obliczaia Statystycza aaliza serii pomiarów, w tym: dla serii rówoważych pomiarów = ( xi ( ) a), b) dla parametrów prostej regresji, itp. Niepewość Naukowy osąd eksperymetatora, stadardowa: x = (gdy zaa jest iepewość x wzorcowaia ocea typu B d x, eksperymetatora e x, odczytu z tablic czy kalkulatora t x ) Złożoa iepewość K f stadardowa uc ( y) = u ( xk ) k= x (dla ieskorelowaych x k ), k K liczba wielkości mierzoych bezpośredio Współczyik k rozszerzeia Niepewość rozszerzoa U(y) = k u c (y), Zalecay zapis iepewości stadardowa g = 9,78 m/s, u c (g) = 0,076 m/s g = 9,78(76) m/s rozszerzoa g = 9,78 m/s, U(g) = 0,5 m/s g =(9,78±0,5) m/s (zasada podawaia cyfr zaczących iepewości) Literatura. Guide to the Expressio of Ucertaity i Measuremet, ISO, Switzerlad Wyrażaie iepewości pomiaru: Przewodik, Główy Urząd Miar, Warszawa H. Szydłowski, Postępy Fizyki, 5 Z, 9 (000). 4. A. Zięba, Postępy Fizyki, 5 Z 5, 8 (00). 5. H. Szydłowski, Niepewości w pomiarach. Międzyarodowe stadardy w praktyce, Wydawictwo Naukowe UAM, Pozań A. Zięba, Opracowaie wyików pomiaru w aukach przyrodiczych i techiczych z uwzględieiem zaleceń Międzyarodowej Normy Ocey Niepewości Pomiaru, w druku 8

MIĘDZYNARODOWE NORMY OCENY NIEPEWNOŚCI POMIARÓW

MIĘDZYNARODOWE NORMY OCENY NIEPEWNOŚCI POMIARÓW MIĘDZYNARODOWE NORMY OCENY NIEPEWNOŚCI POMIARÓW wersja skrócoa (4 stroy opracowała Ewa Dębowska MIĘDZYNARODOWE NORMY OCENY NIEPEWNOŚCI POMIARÓW - wersja skrócoa l Wprowadzeie W roku 995, po wielu latach

Bardziej szczegółowo

Opracowanie danych pomiarowych. dla studentów realizujących program Pracowni Fizycznej

Opracowanie danych pomiarowych. dla studentów realizujących program Pracowni Fizycznej Opracowaie daych pomiarowych dla studetów realizujących program Pracowi Fizyczej Pomiar Działaie mające a celu wyzaczeie wielkości mierzoej.. Do pomiarów stosuje się przyrządy pomiarowe proste lub złożoe.

Bardziej szczegółowo

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie Metrologia: miary dokładości dr iż. Paweł Zalewski Akademia Morska w Szczeciie Miary dokładości: Najczęściej rozkład pomiarów w serii wokół wartości średiej X jest rozkładem Gaussa: Prawdopodobieństwem,

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 POMIAR FIZYCZNY Pomiar bezpośredi to doświadczeie, w którym przy pomocy odpowiedich przyrządów mierzymy (tj. porówujemy

Bardziej szczegółowo

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych (w zakresie materiału przedstawionego na wykładzie organizacyjnym)

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych (w zakresie materiału przedstawionego na wykładzie organizacyjnym) Podstawy opracowaia wyików pomiarów z elemetami aalizepewości pomiarowych (w zakresie materiału przedstawioego a wykładzie orgaizacyjym) Pomiary Wyróżiamy dwa rodzaje pomiarów: pomiar bezpośredi, czyli

Bardziej szczegółowo

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych Podstawy opracowaia wyików pomiarów z elemetami aalizepewości pomiarowych w zakresie materiału przedstawioego a wykładzie orgaizacyjym Pomiary Wyróżiamy dwa rodzaje pomiarów: pomiar bezpośredi, czyli doświadczeie,

Bardziej szczegółowo

INFORMATYKA W CHEMII Dr Piotr Szczepański

INFORMATYKA W CHEMII Dr Piotr Szczepański INFORMATYKA W CHEMII Dr Piotr Szczepański Katedra Chemii Fizyczej i Fizykochemii Polimerów . BŁĄD A NIEPEWNOŚĆ. TYPY NIEPEWNOŚCI 3. POWIELANIE NIEPEWNOŚCI 4. NIEPEWNOŚĆ STANDARDOWA ZŁOŻONA W rok 995 grpa

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

OPRACOWANIE WYNIKÓW POMIARÓW

OPRACOWANIE WYNIKÓW POMIARÓW OPRACOWANIE WYNIKÓW POMIARÓW Autor: Dr Adrzej Jaas Katedra Iżyierii Stopów i Kompozytów Odlewaych Wydział Odlewictwa AGH Szacowaie iepewości pomiarów i metody obliczaia iepewości pomiarowych Pomiary fizycze

Bardziej szczegółowo

Niepewności pomiarowe

Niepewności pomiarowe Niepewości pomiarowe Obserwacja, doświadczeie, pomiar Obserwacja zjawisk fizyczych polega a badaiu ych zjawisk w warukach auralych oraz a aalizie czyików i waruków, od kórych zjawiska e zależą. Waruki

Bardziej szczegółowo

Estymacja przedziałowa

Estymacja przedziałowa Metody probabilistycze i statystyka Estymacja przedziałowa Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze

Bardziej szczegółowo

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2.

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2. Zagadieia estymacji Puktem wyjścia badaia statystyczego jest wylosowaie z całej populacji pewej skończoej liczby elemetów i zbadaie ich ze względu a zmieą losową cechę X Uzyskae w te sposób wartości x,

Bardziej szczegółowo

3. Tworzenie próby, błąd przypadkowy (próbkowania) 5. Błąd standardowy średniej arytmetycznej

3. Tworzenie próby, błąd przypadkowy (próbkowania) 5. Błąd standardowy średniej arytmetycznej PODSTAWY STATYSTYKI 1. Teoria prawdopodobieństwa i elemety kombiatoryki 2. Zmiee losowe i ich rozkłady 3. Populacje i próby daych, estymacja parametrów 4. Testowaie hipotez 5. Testy parametrycze 6. Testy

Bardziej szczegółowo

Statystyka opisowa. () Statystyka opisowa 24 maja / 8

Statystyka opisowa. () Statystyka opisowa 24 maja / 8 Część I Statystyka opisowa () Statystyka opisowa 24 maja 2010 1 / 8 Niech x 1, x 2,..., x będą wyikami pomiarów, p. temperatury, ciśieia, poziomu rzeki, wielkości ploów itp. Przykład 1: wyiki pomiarów

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka W12: Statystyczna analiza danych jakościowych. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.

Rachunek prawdopodobieństwa i statystyka W12: Statystyczna analiza danych jakościowych. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu. Rachuek prawdopodobieństwa i statystyka W12: Statystycza aaliza daych jakościowych Dr Aa ADRIAN Paw B5, pok 407 ada@agh.edu.pl Wprowadzeie Rozróżia się dwa typy daych jakościowych: Nomiale jeśli opisują

Bardziej szczegółowo

INSTRUKCJA NR 06-2 POMIARY TEMPA METABOLIZMU METODĄ TABELARYCZNĄ

INSTRUKCJA NR 06-2 POMIARY TEMPA METABOLIZMU METODĄ TABELARYCZNĄ LABORATORIUM OCHRONY ŚRODOWISKA - SYSTEM ZARZĄDZANIA JAKOŚCIĄ - INSTRUKCJA NR 06- POMIARY TEMPA METABOLIZMU METODĄ TABELARYCZNĄ 1. Cel istrukcji Celem istrukcji jest określeie metodyki postępowaia w celu

Bardziej szczegółowo

WSTĘP DO TEORII POMIARÓW

WSTĘP DO TEORII POMIARÓW Spis treści POMIARY WIELKOŚCI FIZYCZNYCH I ICH BŁĘDY...1 METODY POMIAROWE...5 NIEPEWNOŚĆ POMIAROWA I METODY JEJ OKREŚLENIA...7 Niepewość stadardowa pomiarów bezpośredich...8 Ocea iepewości pomiarowej typu

Bardziej szczegółowo

Miary położenia (tendencji centralnej) to tzw. miary przeciętne charakteryzujące średni lub typowy poziom wartości cechy.

Miary położenia (tendencji centralnej) to tzw. miary przeciętne charakteryzujące średni lub typowy poziom wartości cechy. MIARY POŁOŻENIA I ROZPROSZENIA WYNIKÓW SERII POMIAROWYCH Miary położeia (tedecji cetralej) to tzw. miary przecięte charakteryzujące średi lub typowy poziom wartości cechy. Średia arytmetycza: X i 1 X i,

Bardziej szczegółowo

Ćwiczenie nr 14. Porównanie doświadczalnego rozkładu liczby zliczeń w zadanym przedziale czasu z rozkładem Poissona

Ćwiczenie nr 14. Porównanie doświadczalnego rozkładu liczby zliczeń w zadanym przedziale czasu z rozkładem Poissona Ćwiczeie r 4 Porówaie doświadczalego rozkładu liczby zliczeń w zadaym przedziale czasu z rozkładem Poissoa Studeta obowiązuje zajomość: Podstawowych zagadień z rachuku prawdopodobieństwa, Zajomość rozkładów

Bardziej szczegółowo

Elementy statystyki opisowej Izolda Gorgol wyciąg z prezentacji (wykład I)

Elementy statystyki opisowej Izolda Gorgol wyciąg z prezentacji (wykład I) Elemety statystyki opisowej Izolda Gorgol wyciąg z prezetacji (wykład I) Populacja statystycza, badaie statystycze Statystyka matematycza zajmuje się opisywaiem i aalizą zjawisk masowych za pomocą metod

Bardziej szczegółowo

1. Wnioskowanie statystyczne. Ponadto mianem statystyki określa się także funkcje zmiennych losowych o

1. Wnioskowanie statystyczne. Ponadto mianem statystyki określa się także funkcje zmiennych losowych o 1. Wioskowaie statystycze. W statystyce idetyfikujemy: Cecha-Zmiea losowa Rozkład cechy-rozkład populacji Poadto miaem statystyki określa się także fukcje zmieych losowych o tym samym rozkładzie. Rozkłady

Bardziej szczegółowo

STATYSTYKA I ANALIZA DANYCH

STATYSTYKA I ANALIZA DANYCH TATYTYKA I ANALIZA DANYCH Zad. Z pewej partii włókie weły wylosowao dwie próbki włókie, a w każdej z ich zmierzoo średicę włókie różymi metodami. Otrzymao astępujące wyiki: I próbka: 50; średia średica

Bardziej szczegółowo

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA Aaliza iepewości pomiarowych w esperymetach fizyczych Ćwiczeia rachuowe TEST ZGODNOŚCI χ PEARSONA ROZKŁAD GAUSSA UWAGA: Na stroie, z tórej pobrałaś/pobrałeś istrucję zajduje się gotowy do załadowaia arusz

Bardziej szczegółowo

POLITECHNIKA OPOLSKA

POLITECHNIKA OPOLSKA POLITCHIKA OPOLSKA ISTYTUT AUTOMATYKI I IFOMATYKI LABOATOIUM MTOLOII LKTOICZJ 7. KOMPSATOY U P U. KOMPSATOY APIĘCIA STAŁO.. Wstęp... Zasada pomiaru metodą kompesacyją. Metoda kompesacyja pomiaru apięcia

Bardziej szczegółowo

METODYKA WYKONYWANIA POMIARÓW ORAZ OCENA NIEPEWNOŚCI I BŁĘDÓW POMIARU

METODYKA WYKONYWANIA POMIARÓW ORAZ OCENA NIEPEWNOŚCI I BŁĘDÓW POMIARU METODYKA WYKONYWANIA POMIARÓW ORAZ OCENA NIEPEWNOŚCI I BŁĘDÓW POMIARU Celem każdego ćwiczeia w laboratorium studeckim jest zmierzeie pewych wielkości, a astępie obliczeie a podstawie tych wyików pomiarów

Bardziej szczegółowo

Statystyka i Opracowanie Danych. W7. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407

Statystyka i Opracowanie Danych. W7. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407 Statystyka i Opracowaie Daych W7. Estymacja i estymatory Dr Aa ADRIAN Paw B5, pok407 ada@agh.edu.pl Estymacja parametrycza Podstawowym arzędziem szacowaia iezaego parametru jest estymator obliczoy a podstawie

Bardziej szczegółowo

2. ANALIZA BŁĘDÓW I NIEPEWNOŚCI POMIARÓW

2. ANALIZA BŁĘDÓW I NIEPEWNOŚCI POMIARÓW . ANALIZA BŁĘDÓW I NIEPEWNOŚCI POMIARÓW Z powodu iedokładości przyrządów i metod pomiarowych, iedoskoałości zmysłów, iekotrolowaej zmieości waruków otoczeia (wielkości wpływających) i iych przyczy, wyik

Bardziej szczegółowo

Lista 6. Estymacja punktowa

Lista 6. Estymacja punktowa Estymacja puktowa Lista 6 Model metoda mometów, rozkład ciągły. Zadaie. Metodą mometów zaleźć estymator iezaego parametru a w populacji jedostajej a odciku [a, a +. Czy jest to estymator ieobciążoy i zgody?

Bardziej szczegółowo

INWESTYCJE MATERIALNE

INWESTYCJE MATERIALNE OCENA EFEKTYWNOŚCI INWESTYCJI INWESTCJE: proces wydatkowaia środków a aktywa, z których moża oczekiwać dochodów pieiężych w późiejszym okresie. Każde przedsiębiorstwo posiada pewą liczbę możliwych projektów

Bardziej szczegółowo

Modele tendencji rozwojowej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017

Modele tendencji rozwojowej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017 STATYSTYKA OPISOWA Dr Alia Gleska Istytut Matematyki WE PP 18 listopada 2017 1 Metoda aalitycza Metoda aalitycza przyjmujemy założeie, że zmiay zjawiska w czasie moża przedstawić jako fukcję zmieej czasowej

Bardziej szczegółowo

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA Mamy populację geeralą i iteresujemy się pewą cechą X jedostek statystyczych, a dokładiej pewą charakterystyką liczbową θ tej cechy (p. średią wartością

Bardziej szczegółowo

POMIARY WARSZTATOWE. D o u ż y t k u w e w n ę t r z n e g o. Katedra Inżynierii i Aparatury Przemysłu Spożywczego. Ćwiczenia laboratoryjne

POMIARY WARSZTATOWE. D o u ż y t k u w e w n ę t r z n e g o. Katedra Inżynierii i Aparatury Przemysłu Spożywczego. Ćwiczenia laboratoryjne D o u ż y t k u w e w ę t r z e g o Katedra Iżyierii i Aparatury Przemysłu Spożywczego POMIARY WARSZTATOWE Ćwiczeia laboratoryje Opracowaie: Urszula Goik, Maciej Kabziński Kraków, 2015 1 SUWMIARKI Suwmiarka

Bardziej szczegółowo

Moda (Mo, D) wartość cechy występującej najczęściej (najliczniej).

Moda (Mo, D) wartość cechy występującej najczęściej (najliczniej). Cetrale miary położeia Średia; Moda (domiata) Mediaa Kwatyle (kwartyle, decyle, cetyle) Moda (Mo, D) wartość cechy występującej ajczęściej (ajlicziej). Mediaa (Me, M) dzieli uporządkoway szereg liczbowy

Bardziej szczegółowo

INFORMATYKA W CHEMII Dr Piotr Szczepański

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

Bardziej szczegółowo

Statystyka Inżynierska

Statystyka Inżynierska Statystya Iżyiersa dr hab. iż. Jace Tarasiu GH, WFiIS 03 Wyład 4 RCHUNEK NIEPEWNOŚCI + KILK UŻYTECZNYCH NRZĘDZI STTYSTYCZNYCH Wyład w więszości oparty a opracowaiu prof.. Zięby http://www.fis.agh.edu.pl/~pracowia_fizycza/pomoce/opracowaiedaychpomiarowych.pdf

Bardziej szczegółowo

Ćwiczenie 2 ESTYMACJA STATYSTYCZNA

Ćwiczenie 2 ESTYMACJA STATYSTYCZNA Ćwiczeie ETYMACJA TATYTYCZNA Jest to metoda wioskowaia statystyczego. Umożliwia oszacowaie wartości iteresującego as parametru a podstawie badaia próbki. Estymacja puktowa polega a określeiu fukcji zwaej

Bardziej szczegółowo

STATYSTKA I ANALIZA DANYCH LAB II

STATYSTKA I ANALIZA DANYCH LAB II STATYSTKA I ANALIZA DANYCH LAB II 1. Pla laboratorium II rozkłady prawdopodobieństwa Rozkłady prawdopodobieństwa dwupuktowy, dwumiaowy, jedostajy, ormaly. Związki pomiędzy rozkładami prawdopodobieństw.

Bardziej szczegółowo

STATYSTYKA OPISOWA WYKŁAD 1 i 2

STATYSTYKA OPISOWA WYKŁAD 1 i 2 STATYSTYKA OPISOWA WYKŁAD i 2 Literatura: Marek Cieciura, Jausz Zacharski, Metody probabilistycze w ujęciu praktyczym, L. Kowalski, Statystyka, 2005 2 Statystyka to dyscyplia aukowa, której zadaiem jest

Bardziej szczegółowo

STATYSTYCZNA OCENA WYNIKÓW POMIARÓW.

STATYSTYCZNA OCENA WYNIKÓW POMIARÓW. Statytycza ocea wyików pomiaru STATYSTYCZNA OCENA WYNIKÓW POMIARÓW CEL ĆWICZENIA Celem ćwiczeia jet: uświadomieie tudetom, że każdy wyik pomiaru obarczoy jet błędem o ie zawze zaej przyczyie i wartości,

Bardziej szczegółowo

LABORATORIUM METROLOGII

LABORATORIUM METROLOGII AKADEMIA MORSKA W SZCZECINIE Cetrum Iżyierii Ruchu Morskiego LABORATORIUM METROLOGII Ćwiczeie 5 Aaliza statystycza wyików pomiarów pozycji GNSS Szczeci, 010 Zespół wykoawczy: Dr iż. Paweł Zalewski Mgr

Bardziej szczegółowo

Korelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12

Korelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12 Wykład Korelacja i regresja Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Wykład 8. Badaie statystycze ze względu

Bardziej szczegółowo

Znajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek

Znajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek Zajdowaie pozostałych pierwiastków liczby zespoloej, gdy zay jest jede pierwiastek 1 Wprowadzeie Okazuje się, że gdy zamy jede z pierwiastków stopia z liczby zespoloej z, to pozostałe pierwiastki możemy

Bardziej szczegółowo

SYSTEM OCENY STANU NAWIERZCHNI SOSN ZASADY POMIARU I OCENY STANU RÓWNOŚCI PODŁUŻNEJ NAWIERZCHNI BITUMICZNYCH W SYSTEMIE OCENY STANU NAWIERZCHNI SOSN

SYSTEM OCENY STANU NAWIERZCHNI SOSN ZASADY POMIARU I OCENY STANU RÓWNOŚCI PODŁUŻNEJ NAWIERZCHNI BITUMICZNYCH W SYSTEMIE OCENY STANU NAWIERZCHNI SOSN ZAŁĄCZNIK B GENERALNA DYREKCJA DRÓG PUBLICZNYCH Biuro Studiów Sieci Drogowej SYSTEM OCENY STANU NAWIERZCHNI SOSN WYTYCZNE STOSOWANIA - ZAŁĄCZNIK B ZASADY POMIARU I OCENY STANU RÓWNOŚCI PODŁUŻNEJ NAWIERZCHNI

Bardziej szczegółowo

O pewnych zastosowaniach rachunku różniczkowego funkcji dwóch zmiennych w ekonomii

O pewnych zastosowaniach rachunku różniczkowego funkcji dwóch zmiennych w ekonomii O pewych zastosowaiach rachuku różiczkowego fukcji dwóch zmieych w ekoomii 1 Wielkość wytwarzaego dochodu arodowego D zależa jest od wielkości produkcyjego majątku trwałego M i akładów pracy żywej Z Fukcję

Bardziej szczegółowo

DETERMINATION OF UNCERTAINTY IN MEASUREMENTS

DETERMINATION OF UNCERTAINTY IN MEASUREMENTS dr Heryk TERENOWSKI Wojskowy Istytut Techiczy Uzbrojeia SZACOWANIE NIEPEWNOŚCI POMIARÓW Streszczeie: Wyzaczaie iepewości pomiaru jest koieczą częścią każdej procedury pomiarowej. W referacie omówioo klasycze

Bardziej szczegółowo

KADD Metoda najmniejszych kwadratów

KADD Metoda najmniejszych kwadratów Metoda ajmiejszych kwadratów Pomiary bezpośredie o rówej dokładości o różej dokładości średia ważoa Pomiary pośredie Zapis macierzowy Dopasowaie prostej Dopasowaie wielomiau dowolego stopia Dopasowaie

Bardziej szczegółowo

1. Błąd średni pomiaru. Leica DISTO

1. Błąd średni pomiaru. Leica DISTO Aaliza dokładości poiarów Charakterystyką dokładości istruetów poiarowych jest błąd średi poiaru. Wykoywae poiary bezpośredie w tereie pośrediczą zwykle w wyzaczaiu pewych wielkości ie poddających się

Bardziej szczegółowo

Plan wykładu. Analiza danych Wykład 1: Statystyka opisowa. Literatura. Podstawowe pojęcia

Plan wykładu. Analiza danych Wykład 1: Statystyka opisowa. Literatura. Podstawowe pojęcia Pla wykładu Aaliza daych Wykład : Statystyka opisowa. Małgorzata Krętowska Wydział Iformatyki Politechika Białostocka. Statystyka opisowa.. Estymacja puktowa. Własości estymatorów.. Rozkłady statystyk

Bardziej szczegółowo

MIANO ROZTWORU TITRANTA. Analiza statystyczna wyników oznaczeń

MIANO ROZTWORU TITRANTA. Analiza statystyczna wyników oznaczeń MIANO ROZTWORU TITRANTA Aaliza saysycza wyików ozaczeń Esymaory pukowe Średia arymeycza x jes o suma wyików w serii podzieloa przez ich liczbę: gdzie: x i - wyik poszczególego ozaczeia - liczba pomiarów

Bardziej szczegółowo

Jak obliczać podstawowe wskaźniki statystyczne?

Jak obliczać podstawowe wskaźniki statystyczne? Jak obliczać podstawowe wskaźiki statystycze? Przeprowadzoe egzamiy zewętrze dostarczają iformacji o tym, jak ucziowie w poszczególych latach opaowali umiejętości i wiadomości określoe w stadardach wymagań

Bardziej szczegółowo

Ćwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny

Ćwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny TEMATYKA: Regresja liiowa dla prostej i płaszczyzy Ćwiczeia r 5 DEFINICJE: Regresja: metoda statystycza pozwalająca a badaie związku pomiędzy wielkościami daych i przewidywaie a tej podstawie iezaych wartości

Bardziej szczegółowo

Estymacja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 7

Estymacja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 7 Metody probabilistycze i statystyka Estymacja Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze

Bardziej szczegółowo

1 Układy równań liniowych

1 Układy równań liniowych Katarzya Borkowska, Wykłady dla EIT, UTP Układy rówań liiowych Defiicja.. Układem U m rówań liiowych o iewiadomych azywamy układ postaci: U: a x + a 2 x 2 +... + a x =b, a 2 x + a 22 x 2 +... + a 2 x =b

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

2.1. Studium przypadku 1

2.1. Studium przypadku 1 Uogóliaie wyików Filip Chybalski.. Studium przypadku Opis problemu Przedsiębiorstwo ŚRUBEX zajmuje się produkcją wyrobów metalowych i w jego szerokim asortymecie domiują różego rodzaju śrubki i wkręty.

Bardziej szczegółowo

Podstawy chemii. Natura pomiaru. masa 20 ± 1 g

Podstawy chemii. Natura pomiaru. masa 20 ± 1 g Podstawy chemii ) Sposoby badań obiektów (6 h) pomiar i jego atura klasycza aaliza jakościowa i ilościowa obliczeia rówowagi i ph metody aalizy promieiowaie elektromagetycze kwatowa atura atomu oddziaływaie

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

SIGMA KWADRAT LUBELSKI KONKURS STATYSTYCZNO- DEMOGRAFICZNY

SIGMA KWADRAT LUBELSKI KONKURS STATYSTYCZNO- DEMOGRAFICZNY SIGMA KWADRAT LUBELSKI KONKURS STATYSTYCZNO- DEMOGRAFICZNY Weryfikacja hipotez statystyczych WNIOSKOWANIE STATYSTYCZNE Wioskowaie statystycze, to proces uogóliaia wyików uzyskaych a podstawie próby a całą

Bardziej szczegółowo

d wymiarowy wektor losowy Niech (Ω, S, P) przestrzeń probabilistyczna Definicja Odwzorowanie X: Ω R nazywamy 1-wymiarowym wektorem

d wymiarowy wektor losowy Niech (Ω, S, P) przestrzeń probabilistyczna Definicja Odwzorowanie X: Ω R nazywamy 1-wymiarowym wektorem d wymiarowy wektor losowy Niech (Ω, S, P) przestrzeń probabilistycza Defiicja Odwzorowaie X: Ω R d azywamy d-wymiarowym wektorem losowym jeśli dla każdego (x 1, x 2,,x d ) є R d zbiór Uwaga {ω є Ω: X(ω)

Bardziej szczegółowo

I PRACOWNIA FIZYCZNA, UMK TORUŃ WYZNACZANIE PRZYSPIESZENIA ZIEMSKIEGO ZA POMOCĄ WAHADŁA RÓŻNICOWEGO

I PRACOWNIA FIZYCZNA, UMK TORUŃ WYZNACZANIE PRZYSPIESZENIA ZIEMSKIEGO ZA POMOCĄ WAHADŁA RÓŻNICOWEGO I PRACOWNIA FIZYCZNA, UMK TORUŃ Istrukcja do ćwiczeia r WYZNACZANIE PRZYSPIESZENIA ZIEMSKIEGO ZA POMOCĄ WAHADŁA RÓŻNICOWEGO Istrukcję wykoał Mariusz Piwiński I. Cel ćwiczeia. pozaie ruchu harmoiczeo oraz

Bardziej szczegółowo

BEATA BOCHENTYN, BOGUSŁAW KUSZ 2014 POLITECHNIKA GDAŃSKA

BEATA BOCHENTYN, BOGUSŁAW KUSZ 2014 POLITECHNIKA GDAŃSKA * BEATA BOCHENTYN, BOGUSŁAW KUSZ 014 POLITECHNIKA GDAŃSKA Publikacja współfiasowaa ze środków Uii Europejskiej w ramach Europejskiego Fuduszu Społeczego METODYKA WYKONYWANIA POMIARÓW ORAZ OCENA NIEPEWNOŚCI

Bardziej szczegółowo

BADANIA DOCHODU I RYZYKA INWESTYCJI

BADANIA DOCHODU I RYZYKA INWESTYCJI StatSoft Polska, tel. () 484300, (60) 445, ifo@statsoft.pl, www.statsoft.pl BADANIA DOCHODU I RYZYKA INWESTYCJI ZA POMOCĄ ANALIZY ROZKŁADÓW Agieszka Pasztyła Akademia Ekoomicza w Krakowie, Katedra Statystyki;

Bardziej szczegółowo

STATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2

STATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2 STATYSTYKA Rafał Kucharski Uiwersytet Ekoomiczy w Katowicach 2015/16 ROND, Fiase i Rachukowość, rok 2 Rachuek prawdopodobieństwa Rzucamy 10 razy moetą, dla której prawdopodobieństwo wyrzuceia orła w pojedyczym

Bardziej szczegółowo

MODELE MATEMATYCZNE W UBEZPIECZENIACH. 1. Renty

MODELE MATEMATYCZNE W UBEZPIECZENIACH. 1. Renty MODELE MATEMATYCZNE W UBEZPIECZENIACH WYKŁAD 2: RENTY. PRZEPŁYWY PIENIĘŻNE. TRWANIE ŻYCIA 1. Rety Retą azywamy pewie ciąg płatości. Na razie będziemy je rozpatrywać bez żadego związku z czasem życiem człowieka.

Bardziej szczegółowo

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja Charakterystyki liczbowe zmieych losowych: wartość oczekiwaa i wariacja dr Mariusz Grządziel Wykłady 3 i 4;,8 marca 24 Wartość oczekiwaa zmieej losowej dyskretej Defiicja. Dla zmieej losowej dyskretej

Bardziej szczegółowo

Testowanie hipotez. H 1 : µ 15 lub H 1 : µ < 15 lub H 1 : µ > 15

Testowanie hipotez. H 1 : µ 15 lub H 1 : µ < 15 lub H 1 : µ > 15 Testowaie hipotez ZałoŜeia będące przedmiotem weryfikacji azywamy hipotezami statystyczymi. KaŜde przypuszczeie ma swoją alteratywę. Jeśli postawimy hipotezę, Ŝe średica pia jedoroczych drzew owej odmiay

Bardziej szczegółowo

Analiza wyników symulacji i rzeczywistego pomiaru zmian napięcia ładowanego kondensatora

Analiza wyników symulacji i rzeczywistego pomiaru zmian napięcia ładowanego kondensatora Aaliza wyików symulacji i rzeczywistego pomiaru zmia apięcia ładowaego kodesatora Adrzej Skowroński Symulacja umożliwia am przeprowadzeie wirtualego eksperymetu. Nie kostruując jeszcze fizyczego urządzeia

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 3 Parametryczne testy istotności ZADANIE DOMOWE. Strona 1

KURS STATYSTYKA. Lekcja 3 Parametryczne testy istotności ZADANIE DOMOWE.  Strona 1 KURS STATYSTYKA Lekcja 3 Parametrycze testy istotości ZADANIE DOMOWE www.etrapez.pl Stroa Część : TEST Zazacz poprawą odpowiedź (tylko jeda jest prawdziwa). Pytaie Statystykę moża rozumieć jako: a) próbkę

Bardziej szczegółowo

L.Kowalski zadania ze statystyki matematycznej-zestaw 3 ZADANIA - ZESTAW 3

L.Kowalski zadania ze statystyki matematycznej-zestaw 3 ZADANIA - ZESTAW 3 L.Kowalski zadaia ze statystyki matematyczej-zestaw 3 ZADANIA - ZESTAW 3 Zadaie 3. Cecha X populacji ma rozkład N m,. Z populacji tej pobrao próbę 7 elemetową i otrzymao wyiki x7 = 9, 3, s7 =, 5 a Na poziomie

Bardziej szczegółowo

Wyrażanie niepewności pomiaru

Wyrażanie niepewności pomiaru Wyrażae epewośc pomaru Adrzej Kubaczyk Wydzał Fzyk, Poltechka Warszawska Warszawa, 05 Iformacje wstępe Każdy pomar welkośc fzyczej dokoyway jest ze skończoą dokładoścą, co ozacza, że wyk tego pomaru dokoyway

Bardziej szczegółowo

Wykład 5 Przedziały ufności. Przedział ufności, gdy znane jest σ. Opis słowny / 2

Wykład 5 Przedziały ufności. Przedział ufności, gdy znane jest σ. Opis słowny / 2 Wykład 5 Przedziały ufości Zwykle ie zamy parametrów populacji, p. Chcemy określić a ile dokładie y estymuje Kostruujemy przedział o środku y, i taki, że mamy 95% pewości, że zawiera o Nazywamy go 95%

Bardziej szczegółowo

Komputerowa analiza danych doświadczalnych

Komputerowa analiza danych doświadczalnych Komputerowa aaliza daych doświadczalych Wykład 7 8.04.06 dr iż. Łukasz Graczykowski lgraczyk@if.pw.edu.pl Semestr leti 05/06 Cetrale twierdzeie graicze - przypomieie Sploty Pobieraie próby, estymatory

Bardziej szczegółowo

Elementy modelowania matematycznego

Elementy modelowania matematycznego Elemety modelowaia matematyczego Wstęp Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU Modelowaie daych (ilościowe): Metody statystycze: estymacja parametrów modelu,

Bardziej szczegółowo

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w Zad Dae są astępujące macierze: A =, B, C, D, E 0. 0 = = = = 0 Wykoaj astępujące działaia: a) AB, BA, C+E, DE b) tr(a), tr(ed), tr(b) c) det(a), det(c), det(e) d) A -, C Jeśli działaia są iewykoale, to

Bardziej szczegółowo

Ciągi liczbowe wykład 3

Ciągi liczbowe wykład 3 Ciągi liczbowe wykład 3 dr Mariusz Grządziel semestr zimowy, r akad 204/205 Defiicja ciągu liczbowego) Ciagiem liczbowym azywamy fukcję odwzorowuja- ca zbiór liczb aturalych w zbiór liczb rzeczywistych

Bardziej szczegółowo

TESTY LOSOWOŚCI. Badanie losowości próby - test serii.

TESTY LOSOWOŚCI. Badanie losowości próby - test serii. TESTY LOSOWOŚCI Badaie losowości próby - test serii. W wielu zagadieiach wioskowaia statystyczego istotym założeiem jest losowość próby. Prostym testem do weryfikacji tej własości jest test serii. 1 Dla

Bardziej szczegółowo

2. Schemat ideowy układu pomiarowego

2. Schemat ideowy układu pomiarowego 1. Wiadomości ogóle o prostowikach sterowaych Układy prostowikowe sterowae są przekształtikami sterowaymi fazowo. UmoŜliwiają płya regulację średiej wartości apięcia wyprostowaego, a tym samym średiej

Bardziej szczegółowo

Zadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,.

Zadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,. Z adaie Niech,,, będą iezależymi zmieymi losowymi o idetyczym rozkładzie ormalym z wartością oczekiwaą 0 i wariacją. Wyzaczyć wariację zmieej losowej. Wskazówka: pokazać, że ma rozkład Γ, ODP: Zadaie Niech,,,

Bardziej szczegółowo

Obserwacje odstające mają duży wpływ na średnią średnia nie jest odporna.

Obserwacje odstające mają duży wpływ na średnią średnia nie jest odporna. Wykład 8. Przedziały ufości dla średiej Średia a mediaa Mediaa dzieli powierzchię histogramu a połowy. Jest odpora ie mają a ią wpływu obserwacje odstające. Obserwacje odstające mają duży wpływ a średią

Bardziej szczegółowo

Statystyka matematyczna. Wykład II. Estymacja punktowa

Statystyka matematyczna. Wykład II. Estymacja punktowa Statystyka matematycza. Wykład II. e-mail:e.kozlovski@pollub.pl Spis treści 1 dyskretych Rozkłady zmieeych losowych ciągłych 2 3 4 Rozkład zmieej losowej dyskretej dyskretych Rozkłady zmieeych losowych

Bardziej szczegółowo

0.1 ROZKŁADY WYBRANYCH STATYSTYK

0.1 ROZKŁADY WYBRANYCH STATYSTYK 0.1. ROZKŁADY WYBRANYCH STATYSTYK 1 0.1 ROZKŁADY WYBRANYCH STATYSTYK Zadaia 0.1.1. Niech X 1,..., X będą iezależymi zmieymi losowymi o tym samym rozkładzie. Obliczyć ES 2 oraz D 2 ( 1 i=1 X 2 i ). 0.1.2.

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZNA. Wykład wstępy. Teoria prawdopodobieństwa i elemety kombiatoryki 3. Zmiee losowe 4. Populacje i próby daych 5. Testowaie hipotez i estymacja parametrów 6. Test t 7. Test 8. Test

Bardziej szczegółowo

14. RACHUNEK BŁĘDÓW *

14. RACHUNEK BŁĘDÓW * 4. RACHUNEK BŁĘDÓW * Błędy, które pojawiają się w czasie doświadczeia mogą mieć włase źródła. Są imi błędy związae z błędą kalibracją torów pomiarowych, szumy, czas reagowaia przyrządu, ograiczeia kostrukcyje,

Bardziej szczegółowo

1 Twierdzenia o granicznym przejściu pod znakiem całki

1 Twierdzenia o granicznym przejściu pod znakiem całki 1 Twierdzeia o graiczym przejściu pod zakiem całki Ozaczeia: R + = [0, ) R + = [0, ] (X, M, µ), gdzie M jest σ-ciałem podzbiorów X oraz µ: M R + - zbiór mierzaly, to zaczy M Twierdzeie 1.1. Jeżeli dae

Bardziej szczegółowo

Instytut Inżynierii Biomedycznej i Pomiarowej. Wydział Podstawowych Problemów Techniki. Politechnika Wrocławska

Instytut Inżynierii Biomedycznej i Pomiarowej. Wydział Podstawowych Problemów Techniki. Politechnika Wrocławska Istytut Iżyierii Biomedyczej i Pomiarowej Wydział Podstawowych Problemów Techiki Politechika Wrocławska Laboratorium Pomiarów Wielkości Nieelektryczych Przyrządy wirtuale rezystometr i termometr Opracował:

Bardziej szczegółowo

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej 3. Regresja liiowa 3.. Założeia dotyczące modelu regresji liiowej Aby moża było wykorzystać model regresji liiowej, muszą być spełioe astępujące założeia:. Relacja pomiędzy zmieą objaśiaą a zmieymi objaśiającymi

Bardziej szczegółowo

Wstęp do probabilistyki i statystyki. Wykład 1. Wstęp

Wstęp do probabilistyki i statystyki. Wykład 1. Wstęp Wstęp do probabilistyki i statystyki Wykład. Wstęp dr hab.iż. Katarzya Zakrzewska, prof.agh Katedra Elektroiki, AGH e-mail: zak@agh.edu.pl http://home.agh.edu.pl/~zak Wstęp do probabilistyki i statystyki.

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Zadaie. Wykoujemy rzuty symetryczą kością do gry do chwili uzyskaia drugiej szóstki. Niech Y ozacza zmieą losową rówą liczbie rzutów w których uzyskaliśmy ie wyiki iż szóstka a zmieą losową rówą liczbie

Bardziej szczegółowo

Jak opracować i interpretować wyniki pomiarów.

Jak opracować i interpretować wyniki pomiarów. Jolata Gałązka-Friedma Karol Szlachta Jak opracować i iterpretować wyiki pomiarów. ver..5 Spis treści. O czym jest te skrypt...4. O co chodzi z iepewościami pomiarowymi?...6 3. Jak arysować wykres?...9

Bardziej szczegółowo

Wykład 11 ( ). Przedziały ufności dla średniej

Wykład 11 ( ). Przedziały ufności dla średniej Wykład 11 (14.05.07). Przedziały ufości dla średiej Przykład Cea metra kwadratowego (w tys. zł) z dla 14 losowo wybraych mieszkań w mieście A: 3,75; 3,89; 5,09; 3,77; 3,53; 2,82; 3,16; 2,79; 4,34; 3,61;

Bardziej szczegółowo

Rozkład normalny (Gaussa)

Rozkład normalny (Gaussa) Rozład ormaly (Gaussa) Wyprowadzeie rozładu Gaussa w modelu Laplace a błędów pomiarowych. Rozważmy pomiar wielości m, tóry jest zaburzay przez losowych efetów o wielości e ażdy, zarówo zaiżających ja i

Bardziej szczegółowo

Zeszyty naukowe nr 9

Zeszyty naukowe nr 9 Zeszyty aukowe r 9 Wyższej Szkoły Ekoomiczej w Bochi 2011 Piotr Fijałkowski Model zależości otowań giełdowych a przykładzie otowań ołowiu i spółki Orzeł Biały S.A. Streszczeie Niiejsza praca opisuje próbę

Bardziej szczegółowo

MATURA 2014 z WSiP. Zasady oceniania zadań

MATURA 2014 z WSiP. Zasady oceniania zadań MATURA 0 z WSiP Matematyka Poziom rozszerzoy Zasady oceiaia zadań Copyright by Wydawictwa Szkole i Pedagogicze sp z oo, Warszawa 0 Matematyka Poziom rozszerzoy Kartoteka testu Numer zadaia Sprawdzaa umiejętość

Bardziej szczegółowo

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU Przedmiot: Iformatyka w logistyce Forma: Laboratorium Temat: Zadaie 2. Automatyzacja obsługi usług logistyczych z wykorzystaiem zaawasowaych fukcji oprogramowaia Excel. Miimalizacja pustych przebiegów

Bardziej szczegółowo

Statystyka matematyczna dla leśników

Statystyka matematyczna dla leśników Statystyka matematycza dla leśików Wydział Leśy Kieruek leśictwo Studia Stacjoare I Stopia Rok akademicki 0/0 Wykład 5 Testy statystycze Ogóle zasady testowaia hipotez statystyczych, rodzaje hipotez, rodzaje

Bardziej szczegółowo

Estymacja: Punktowa (ocena, błędy szacunku) Przedziałowa (przedział ufności)

Estymacja: Punktowa (ocena, błędy szacunku) Przedziałowa (przedział ufności) IV. Estymacja parametrów Estymacja: Puktowa (ocea, błędy szacuku Przedziałowa (przedział ufości Załóżmy, że rozkład zmieej losowej X w populacji geeralej jest opisay dystrybuatą F(x;α, gdzie α jest iezaym

Bardziej szczegółowo

Pierwiastki z liczby zespolonej. Autorzy: Agnieszka Kowalik

Pierwiastki z liczby zespolonej. Autorzy: Agnieszka Kowalik Pierwiastki z liczby zespoloej Autorzy: Agieszka Kowalik 09 Pierwiastki z liczby zespoloej Autor: Agieszka Kowalik DEFINICJA Defiicja : Pierwiastek z liczby zespoloej Niech będzie liczbą aturalą. Pierwiastkiem

Bardziej szczegółowo

WYKŁAD 1. Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady

WYKŁAD 1. Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady WYKŁAD Zdarzeia losowe i prawdopodobieństwo Zmiea losowa i jej rozkłady Metody statystycze metody opisu metody wioskowaia statystyczego sytetyczy liczbowy opis właściwości zbioru daych ocea charakterystyk

Bardziej szczegółowo

STATYSTYKA OPISOWA I PROJEKTOWANIE EKSPERYMENTU dr inż Krzysztof Bryś

STATYSTYKA OPISOWA I PROJEKTOWANIE EKSPERYMENTU dr inż Krzysztof Bryś 1 STATYSTYKA OPISOWA I PROJEKTOWANIE EKSPERYMENTU dr iż Krzysztof Bryś Pojȩcia wstȩpe populacja - ca ly zbiór badaych przedmiotów lub wartości. próba - skończoy podzbiór populacji podlegaj acy badaiu.

Bardziej szczegółowo