Teoria błędów. Wszystkie wartości wielkości fizycznych obarczone są pewnym błędem.
|
|
- Maksymilian Kowalczyk
- 7 lat temu
- Przeglądów:
Transkrypt
1 Teoria błędów Wskutek niedoskonałości przyrządów, jak również niedoskonałości organów zmysłów wszystkie pomiary są dokonywane z określonym stopniem dokładności. Nie otrzymujemy prawidłowych wartości mierzonej wielkości, lecz wartości do niej zbliżone. Wszystkie wartości wielkości fizycznych obarczone są pewnym błędem.
2 Pomiarem nazywamy czynności związane z ustaleniem wartości liczbowej miary danej wielkości fizycznej. Istotą pomiaru fizycznego jest porównanie wielkości z ustalonym wzorcem czyli jednostką. Narzędzia pomiarowe: Sposób pomiaru: wielkości proste wielkości złożone - wzorce - przyrządy pomiarowe - pomiar bezpośredni - pomiar pośredni W pracowni spotykamy się z dwoma następującymi po sobie procesami: 1. Pomiar a. ustawienie przyrządu b. obserwacja zjawiska c. odczyt mierzonej wielkości 2. Obliczenia, również krytyczna analiza prawidłowości i stopnia ich pewności.
3 Błędy popełniane podczas pomiarów 1. Błędy przypadkowe są to błędy nie powtarzające się. Mogą przyjmować wartość dodatnią lub ujemną. Spowodowane są przez różne niekontrolowane przez eksperymentatora czynniki, działające w chwili pomiaru (np. zmiany napięcia w sieci elektrycznej, do której podłączone są urządzenia pomiarowe, ograniczona dokładność obserwacji eksperymentatora). 2. Błędy grube są to duże błędy przypadkowe spowodowane nieuwagą lub niestarannością eksperymentatora. 3. Błędy systematyczne są to błędy powtarzające się, w większości tego samego znaku. Powodują je czynniki działające w jednakowy sposób w czasie wielokrotnego powtarzania tego samego pomiaru. Przyczyną tych błędów może być: niedokładność przyrządów, niedokładność metod pomiarowych oraz wzorów stosowanych do ostatecznych obliczeń.
4 Błędy popełniane podczas pomiarów Błąd bezwzględny wielkości mierzonej: x x 0 = Błąd względny: / x 0 Błąd procentowy: / x %
5 Błędy popełniane podczas pomiarów Błędy systematyczne błąd systematyczny określa się najczęściej w postaci błędu bezwzględnego X X 0 = zwykle za błąd pojedynczego oznaczenia lub analizy przyjmuje się dokładność przyrządu metoda analityczna może być obarczona 1. systematycznym błędem stałym (powodowanym addytywnymi zakłóceniami) 2. systematycznym błędem zmiennym (powodowanym względnymi zakłóceniami)
6 Aby wykryć zmienny lub stały błąd systematyczny metody należy: zbadać N próbek; przyjąć, że wartości X i to wartości dane a Y i to wartości oznaczone daną metodą analityczną; wyznaczyć zależność pomiędzy powyższymi wartościami w postaci zależności funkcyjnej Y = ax + b; jeśli wyraz wolny b istotnie różni się od 0 to dowodzi to występowania błędu stałego; jeśli współczynnik kierunkowy a prostej istotnie różni się od 1 to dowodzi to występowania błędu zmiennego; występowanie błędów systematycznych zostaje stwierdzone jeśli: t b = b / s b t P,df t a = 1 a /s a t P,df df =N 2
7 Błędy przypadkowe (losowe) BŁĘDY POMIAROWE w pomiarach bezpośrednich opisuje je odchylenie standardowe, odchylenie standardowe średniej i wariancja. Tak opisane błędy stosujemy tylko do takich samych warunków pomiarowych, czyli do analizy w danym laboratorium, gdy spełnione są te same założenia pomiarowe (tu odchylenie s można określać jako odchylenie standardowe precyzji).
8 Błędy przypadkowe (losowe) BŁĘDY POMIAROWE w pomiarach pośrednich (gdy nie możemy zmierzyć bezpośrednio wielkości fisycznej A, lecz jest ona związana z K innymi wielkościami fizycznymi X 1, X 2,...X K błąd całkowity określa nam różniczka zupełna: S A= [ A 1 X S X 1]2 [ A 2 X S X 2]2 [ A X S X K]2 K Jeśli rozpatrzymy związek między dwiema zmiennymi X1 i X2 to przenoszenie (propagacja) błędu zachodzi według prostych zależności: y=x 1 x 2 2 y=x 1 x y = 2 2 x1 x2 2 y=x 1 x 2 y=x 1 / x = y x 1 x 2 2 y x 1 x 2
9 Dokładność, precyzja, powtarzalność i odtwarzalność metody Dokładność stopień zgodności z wartością prawdziwą; przeciętne odchylenie otrzymanych wyników od wartości rzeczywistej (wzorca). Precyzja stopień zgodności między indywidualnymi wynikami powtarzanymi wielokrotnie na tym samym materiale, określa się za pomocą np. odchylenia standardowego. Powtarzalność uzyskiwanie tych samych wyników w krótkich odstępach czasu na tym samym materiale w różnym czasie, przez tę samą osobę przy użyciu tych samych odczynników. Odtwarzalność uzyskiwanie tych samych wyników w różnym czasie, przez różnych analityków, różnymi odczynnikami, w różnych laboratoriach.
10 Inne kryteria metody analitycznej to: Czułość m. a. - najmniejsza różnica zawartości składnika, jaką można oznaczyć daną metodą. Wykrywalność (granica wykrywalności) m. a. - najmniejsza wartość stężenia lub ilości składnika, jaką można wykryć tą metodą, Oznaczalność (granica oznaczalności) m. a. - najmniejsze stężenie składnika, jakie można oznaczyć ilościowo daną metodą, Selektywność m. a. - możliwe jest wykrycie np. niewielkiej liczby różnego rodzaju cząsteczek, Specyficzność m. a. - możliwe jest wykrycie np. cząsteczek jednego rodzaju.
11 Dokładność lub precyzję metody analitycznej można sprawdzić kilkoma metodami: 1. Statystyczna ocena oznaczeń wzorców; 2. Ustalenie współzależności korelacyjnej dla mieszaniny wzorców; 3. Porównanie dwóch metod; 4. Użycie odzysku.
12 1. Metoda odzysku Wyznaczanie dokładności i precyzji metody Polega na równoległym oznaczeniu nieznanego stężenia w badanej próbce oraz w tej samej próbce z dodatkiem określonej ilości wzorca. % odzysku= a b c a zmierzone stężenie po dodaniu wzorca; b zmierzone stężenie przed dodaniem wzorca; c spodziewana zmiana stężenia po dodaniu wzorca; Jest to miara dokładności metody. 100 %
13 Wyznaczanie dokładności i precyzji metody 2. Ustalenie współzależności korelacyjnej dla mieszaniny wzorców Roztwór wzorcowy rozcieńczamy w celu otrzymania serii różnych stężeń wzorca (stężenie oczekiwane oś X). Dokonujemy pomiarów (stężenia znalezione oś Y). Liczymy współczynniki prostej regresji. Metoda jest dokładna jeśli: r 0,98 0,98 a 1,02 oraz b=0
14 Wyznaczanie dokładności i precyzji metody 3. Porównanie dwóch metod Serię wzorców oznacza się dotychczas używaną metodą o znanej dokładności (wartości oczekiwane X 0 i s 0 ) i nową metodą (wartości znalezione X 1 i s 1 ). Różnica pomiędzy dwoma metodami stanowi ocenę ich dokładności i precyzji. - ocena dokładności sprawdzanie istotności różnic pomiędzy średnimi; - ocena precyzji sprawdzenie istotności różnic pomiędzy wariancjami.
15 Dokładność pojedynczego wyniku określa błąd pomiaru: X =X i X 0 X i =X 0 X i sys g ΔX i dla pojedynczego pomiaru szacujemy na podstawie dużej próby N>>30 jeśli cecha ma rozkład normalny X 0 X, =s : z= X i / X = X i X =zs X i = X ±zs Maksymalne granica błędu przypadkowego pojedynczego pomiaru: X =±zs Często za błąd pojedynczego pomiaru przyjmuje się dokładność przyrządu pomiarowego.
16 Dokładność wyniku końcowego analizy: X = X Na ten błąd ma wpływ błąd przypadkowy średniej i błąd systematyczny metody. Jeśli cecha ma rozkład normalny to: X N / =z X = X =z / N Maksymalne granice błędu przypadkowego dla dużej próby X =±z / N Maksymalne granice błędu przypadkowego dla małej próby Błąd względny metody w % X =±t s/ n t s X / X 100 %
17 Błąd systematyczny duży w porównaniu z błędem przypadkowym 1. Wielkości proste, szacujemy błąd na podstawie dokładności lub klasy przyrządu (= najmniejsza działka skali) 2. Wielkości złożone, obliczmy błąd maksymalny, tzn. określamy jaki maksymalny wpływ na wynik końcowy posiadają błędy systematyczne poszczególnych wielkości prostych - matematycznie, różniczka zupełna
18 Błędy pomiarowe Błąd gruby kryterium eliminacji: Test Q-Dixona Test Grubbsa Sposób von Graf'a i Henninga 1. Dla N 10 < N < Pomija się wynik podejrzany i oblicza średnią i odchylenie standardowe 3. Jeśli liczba rozpatrywanych wyników jest większa od 10 i jeśli wynik podejrzany różni się od średniej o 4 lub więcej odchyleń standardowych to wynik ten z dużym prawdopodobieństwem jest obciążony błędem grubym Gdy N > z d = X i X /s z d 1,96 to wynik odrzucamy z p = 95%
19 Odrzucanie wyników niepewnych. Test Grubbsa W teście Grubbsa do sprawdzenia największej wartości z próby o liczności n posługujemy się wzorem: n 1 2 S x i x n 2 n S = i=1 2 n x i x 2 i=1 Dla wartości najmniejszej mamy: n 2 S x i x S = i=2 2 n x i x 2 i=1 gdzie n 1 x 1 x 2... x n ; x n = 1 n 1 i=1 x i ; x 1 = 1 n n 1 i=2 n x i ; x= 1 n i=1 x i
20 W celu ustalenia, czy dwie wartości odbiegają od pozostałych korzystamy z zależności: Dla wartości najmniejszej mamy: gdzie n 2 2 S n, n 1 i=1 = S 2 2 S 1,2 n x i x n, n 1 2 n i=1 x i x 2 x i x 1, 2 2 S = i=3 2 n x i x 2 i=1 n 2 x 1 x 2... x n ; x n, n 1 = 1 n 2 i=1 x i ; x 1, 2 = 1 n n 2 i=3 n x i ; x= 1 n i=1 x i Odrzucamy wyniki z określonym prawdopodobieństwem, kiedy we wszystkich wymienionych przypadkach wartość doświadczalna stosunku jest mniejsza od wartości teoretycznej S i 2 /S 2 d S i 2 /S 2 t
21 Odrzucanie wyników niepewnych. Test Q Dixona W teście Q Dixona do sprawdzenia największej wartości z próby o liczności n posługujemy się wzorem: Dla wartości najmniejszej mamy: gdzie R - rozstęp. Q p = X n X n 1 R Q l = X 2 X 1 R Wynik uznajemy za niepewny jeżeli wartość Q p lub Q l jest większa od wartości krytycznej.
22 W praktyce laboratoryjnej dąży się do sytuacji, aby uzyskać wyniki obciążone jak najmniejszym błędem. Przy oszacowaniu błędu wyniku końcowego ważne jest, aby znaleźć błąd dominujący. Np. przeprowadzono próbną serię 4-ch pomiarów Jeśli ich wyniki są identyczne to... Jeśli różnice między pomiarami próbnymi znacznie przekraczają błąd systematyczny to...
23 Zadanie W określonym doświadczeniu otrzymano następujące wyniki, które zostały uporządkowane w szereg rosnący: 13, 42, 43, 46, 47, 49, 49, 54, 55, 56, 67, 100. Wyniki: 13 i 100 różnią się znacznie od pozostałych. Sprawdź, czy wartości te należą do danego zbioru.
24 Test Q-Dixona: Q p = x n x n 1 R Q l = x 2 x 1 R Wynik wątpliwy odrzuca się, kiedy obliczona wartość Q jest większa od wartości tabelarycznej Q t.
25 Test Q-Dixona: Q p = x n x n 1 R Q l = x 2 x 1 R = = =0,379 =0,333 Q =0,05 ; n=12 =0,376 Wynik 100 jest wynikiem niepewnym.
26 Test Grubbsa: n 1 2 x S i x n 2 n S = i=1 2 n x i x 2 i=1 n 2 x S i x S 2= i=2 n x i x 2 i=1 x 1 x 2... x n ; x n = 1 n 1 n 1 i=1 x i ; x 1 = 1 n n 1 i=2 n x i ; x= 1 n i=1 x i Odrzucamy wynik z określonym prawdopodobieństwem, kiedy we wszystkich wymienionych przypadkach wartość doświadczalna stosunku S i2 /S 2 jest mniejsza od wartości tabelarycznej.
27 Test Grubbsa: x i x n 2 S = i=1 =0,414 2 n x i x 2 S n 2 n 1 i=1 S n 2 n 2 x S i x S 2= i=2 =0,645 n x i x 2 i=1 =0,05 ; n=12 =0, S Wynik 100 jest wynikiem niepewnym.
28 Zadanie W celu sprawdzenia dokładności pipety automatycznej ustawiono ją na 20 μl i zważono na wadze analitycznej objętość wody, którą była pobierana przy takim ustawieniu. Uzyskane wyniki (w mg) to: 19,2; 18,7; 19,1; 38,3; 19,0; 18,9. Czy pipeta posiada błąd systematyczny?
29 Najpierw trzeba się zająć podejrzanym wynikiem Sprawdzamy go w różnych testach: 1) Q-Dixona Q p = x n x n 1 R Q =0,05;n=6 =0,560 = 38,3 19,2 19,6 =0,974 Wynik 38,3 jest wynikiem niepewnym.
30 2) Grubbsa n 1 2 x S i x n 2 n S = i=1 2 n x i x 2 i=1 x 1 x 2... x n ; x n = 1 n 1 n 1 i=1 n x i ; x= 1 n i=1 x i
31 S n 2 S 2 =0, ,2 =0,00048 S n 2 =0,05 ; n=6 =0, S Wynik 38,3 jest wynikiem niepewnym.
32 Teraz testem t-studenta sprawdzamy, czy obliczona średnia (po odrzuceniu wyniku 38,3) istotnie różni się od 20,0: t= X s/ n =18,98 20,0 0,192/ 5 = 11,86 t / 2=0,025 ; df =4 = 2,776 Odp.: Hipotezę H 0 odrzucamy pipeta jest obarczona błędem systematycznym.
Walidacja metod analitycznych Raport z walidacji
Walidacja metod analitycznych Raport z walidacji Małgorzata Jakubowska Katedra Chemii Analitycznej WIMiC AGH Walidacja metod analitycznych (według ISO) to proces ustalania parametrów charakteryzujących
Bardziej szczegółowoRÓWNOWAŻNOŚĆ 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 szczegółowoOdchudzamy serię danych, czyli jak wykryć i usunąć wyniki obarczone błędami grubymi
Odchudzamy serię danych, czyli jak wykryć i usunąć wyniki obarczone błędami grubymi Piotr Konieczka Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska D syst D śr m 1 3 5 2 4 6 śr j D 1
Bardziej szczegółowoX Y 4,0 3,3 8,0 6,8 12,0 11,0 16,0 15,2 20,0 18,9
Zadanie W celu sprawdzenia, czy pipeta jest obarczona błędem systematycznym stałym lub zmiennym wykonano szereg pomiarów przy różnych ustawieniach pipety. Wyznacz równanie regresji liniowej, które pozwoli
Bardziej szczegółowoZasady wykonania walidacji metody analitycznej
Zasady wykonania walidacji metody analitycznej Walidacja metod badań zasady postępowania w LOTOS Lab 1. Metody badań stosowane w LOTOS Lab należą do następujących grup: 1.1. Metody zgodne z uznanymi normami
Bardziej szczegółowoPODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH
PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH Dr Benedykt R. Jany I Pracownia Fizyczna Ochrona Środowiska grupa F1 Rodzaje Pomiarów Pomiar bezpośredni - bezpośrednio
Bardziej szczegółowoAnaliza i monitoring środowiska
Analiza i monitoring środowiska CHC 017003L (opracował W. Zierkiewicz) Ćwiczenie 1: Analiza statystyczna wyników pomiarów. 1. WSTĘP Otrzymany w wyniku przeprowadzonej analizy ilościowej wynik pomiaru zawartości
Bardziej szczegółowoStatystyka w analizie i planowaniu eksperymentu lista nr 7
Statystyka w analizie i planowaniu eksperymentu lista nr 7 1 B l edy pomiaru Wskutek niedoskona lości przyrzadów jak również niedoskona lości naszych zmys lów - wszystkie pomiary sa dokonywane z określonym
Bardziej szczegółowoFizyka (Biotechnologia)
Fizyka (Biotechnologia) Wykład I Marek Kasprowicz dr Marek Jan Kasprowicz pokój 309 marek.kasprowicz@ur.krakow.pl www.ar.krakow.pl/~mkasprowicz Marek Jan Kasprowicz Fizyka 013 r. Literatura D. Halliday,
Bardziej szczegółowoWalidacja metod wykrywania, identyfikacji i ilościowego oznaczania GMO. Magdalena Żurawska-Zajfert Laboratorium Kontroli GMO IHAR-PIB
Walidacja metod wykrywania, identyfikacji i ilościowego oznaczania GMO Magdalena Żurawska-Zajfert Laboratorium Kontroli GMO IHAR-PIB Walidacja Walidacja jest potwierdzeniem przez zbadanie i przedstawienie
Bardziej szczegółowoPodstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych
Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych dla studentów Chemii (2018) Autor prezentacji :dr hab. Paweł Korecki dr Szymon Godlewski e-mail: szymon.godlewski@uj.edu.pl
Bardziej szczegółowoLABORATORIUM Z FIZYKI
LABORATORIUM Z FIZYKI LABORATORIUM Z FIZYKI I PRACOWNIA FIZYCZNA C w Gliwicach Gliwice, ul. Konarskiego 22, pokoje 52-54 Regulamin pracowni i organizacja zajęć Sprawozdanie (strona tytułowa, karta pomiarowa)
Bardziej szczegółowoWeryfikacja hipotez statystycznych, parametryczne testy istotności w populacji
Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Bardziej szczegółowoPodstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych
Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych dla studentów Chemii 2007 Paweł Korecki 2013 Andrzej Kapanowski Po co jest Pracownia Fizyczna? 1. Obserwacja zjawisk i
Bardziej szczegółowoNiepewność pomiaru. Wynik pomiaru X jest znany z możliwa do określenia niepewnością. jest bledem bezwzględnym pomiaru
iepewność pomiaru dokładność pomiaru Wynik pomiaru X jest znany z możliwa do określenia niepewnością X p X X X X X jest bledem bezwzględnym pomiaru [ X, X X ] p Przedział p p nazywany jest przedziałem
Bardziej szczegółowoWstęp do teorii niepewności pomiaru. Danuta J. Michczyńska Adam Michczyński
Wstęp do teorii niepewności pomiaru Danuta J. Michczyńska Adam Michczyński Podstawowe informacje: Strona Politechniki Śląskiej: www.polsl.pl Instytut Fizyki / strona własna Instytutu / Dydaktyka / I Pracownia
Bardziej szczegółowoDOKUMENTACJA SYSTEMU ZARZĄDZANIA LABORATORIUM. Procedura szacowania niepewności
DOKUMENTACJA SYSTEMU ZARZĄDZANIA LABORATORIUM Procedura szacowania niepewności Szacowanie niepewności oznaczania / pomiaru zawartości... metodą... Data Imię i Nazwisko Podpis Opracował Sprawdził Zatwierdził
Bardziej szczegółowoRozwiązanie n1=n2=n=8 F=(4,50) 2 /(2,11) 2 =4,55 Fkr (0,05; 7; 7)=3,79
Test F =służy do porównania precyzji dwóch niezależnych serii pomiarowych uzyskanych w trakcie analizy próbek o zawartości analitu na takim samym poziomie #obliczyć wartość odchyleń standardowych dla serii
Bardziej szczegółowoPodstawy opracowania wyników pomiarów z elementami analizy niepewności statystycznych
Podstawy opracowania wyników pomiarów z elementami analizy niepewności statystycznych Dr inż. Marcin Zieliński I Pracownia Fizyczna dla Biotechnologii, wtorek 8:00-10:45 Konsultacje Zakład Fizyki Jądrowej
Bardziej szczegółowoProcedura szacowania niepewności
DOKUMENTACJA SYSTEMU ZARZĄDZANIA LABORATORIUM Procedura szacowania niepewności Stron 7 Załączniki Nr 1 Nr Nr 3 Stron Symbol procedury PN//xyz Data Imię i Nazwisko Podpis Opracował Sprawdził Zatwierdził
Bardziej szczegółowoWalidacja metod badawczych i szacowanie niepewności pomiaru. Wojciech Hyk
Walidacja metod badawczych i szacowanie niepewności pomiaru Wojciech Hyk wojhyk@chem.uw.edu.pl Plan Zagadnienia poruszane na szkoleniu Wstęp do analizy statystycznej Walidacja metody badawczej / pomiarowej
Bardziej szczegółowoTesty nieparametryczne
Testy nieparametryczne Testy nieparametryczne możemy stosować, gdy nie są spełnione założenia wymagane dla testów parametrycznych. Stosujemy je również, gdy dane można uporządkować według określonych kryteriów
Bardziej szczegółowoSpis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16
Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego
Bardziej szczegółowoJAK WYZNACZA SIĘ PARAMETRY WALIDACYJNE
JAK WYZNACZA SIĘ PARAMETRY WALIDACYJNE 1 Dokładność i poprawność Dr hab. inż. Piotr KONIECZKA Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska ul. G. Narutowicza 11/12 80-233 GDAŃSK e-mail:
Bardziej szczegółowoLISTA 4. 7.Przy sporządzaniu skali magnetometru dokonano 10 niezależnych pomiarów
LISTA 4 1.Na pewnym obszarze dokonano 40 pomiarów grubości warstwy piasku otrzymując w m.: 54, 58, 64, 69, 61, 56, 41, 48, 56, 61, 70, 55, 46, 57, 70, 55, 47, 62, 55, 60, 54,57,65,60,53,54, 49,58,62,59,55,50,58,
Bardziej szczegółowoRACHUNEK PRAWDOPODOBIEŃSTWA I STATYSTYKA MATEMATYCZNA
RACHUNEK PRAWDOPODOBIEŃSTWA I STATYSTYKA MATEMATYCZNA LISTA 10 1.Dokonano 8 pomiarów pewnej odległości (w m) i otrzymano: 201, 195, 207, 203, 191, 208, 198, 210. Wiedząc,że błąd pomiaru ma rozkład normalny
Bardziej szczegółowoJAK UNIKAĆ PODWÓJNEGO LICZENIA SKŁADOWYCH NIEPEWNOŚCI? Robert Gąsior
Robert Gąsior Omówię klasyczne, nieco zmodyfikowane, podejście do szacowania niepewności wewnątrz-laboratoryjnej, oparte na budżecie niepewności. Budżet taki zawiera cząstkowe niepewności, które są składane
Bardziej szczegółowoĆWICZENIE 13 TEORIA BŁĘDÓW POMIAROWYCH
ĆWICZENIE 13 TEORIA BŁĘDÓW POMIAROWYCH Pomiary (definicja, skale pomiarowe, pomiary proste, złożone, zliczenia). Błędy ( definicja, rodzaje błędów, błąd maksymalny i przypadkowy,). Rachunek błędów Sposoby
Bardziej szczegółowoPodstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych
Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych dla studentów Biologii A i B dr hab. Paweł Korecki e-mail: pawel.korecki@uj.edu.pl http://www.if.uj.edu.pl/pl/edukacja/pracownia_i/
Bardziej szczegółowoStatystyczne Metody Opracowania Wyników Pomiarów
Statystyczne Metody Opracowania Wyników Pomiarów dla studentów Ochrony Środowiska Teresa Jaworska-Gołąb 2017/18 Co czytać [1] H. Szydłowski, Pracownia fizyczna, PWN, Warszawa 1999. [2] A. Zięba, Analiza
Bardziej szczegółowoWprowadzenie do analizy korelacji i regresji
Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA, LISTA 3
STATYSTYKA MATEMATYCZNA, LISTA 3 1. Aby zweryfikować hipotezę o symetryczności monety; H: p = 0.5 przeciwko K: p 0.5 wykonano nią n = 100 rzutów. Wyznaczyć obszar krytyczny i zweryfikować hipotezę H gdy
Bardziej szczegółowoCharakterystyka mierników do badania oświetlenia Obiektywne badania warunków oświetlenia opierają się na wynikach pomiarów parametrów świetlnych. Podobnie jak każdy pomiar, również te pomiary, obarczone
Bardziej szczegółowoJAK WYZNACZA SIĘ PARAMETRY WALIDACYJNE
1 JAK WYZNACZA SIĘ PARAMETRY WALIDACYJNE Precyzja Dr hab. inż. Piotr KONIECZKA Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska ul. G. Narutowicza 11/1 80-95 GDAŃSK e-mail: kaczor@chem.pg.gda.pl
Bardziej szczegółowoWSKAZÓWKI DO WYKONANIA SPRAWOZDANIA Z WYRÓWNAWCZYCH ZAJĘĆ LABORATORYJNYCH
WSKAZÓWKI DO WYKONANIA SPRAWOZDANIA Z WYRÓWNAWCZYCH ZAJĘĆ LABORATORYJNYCH Dobrze przygotowane sprawozdanie powinno zawierać następujące elementy: 1. Krótki wstęp - maksymalnie pół strony. W krótki i zwięzły
Bardziej szczegółowoTemat: SZACOWANIE NIEPEWNOŚCI POMIAROWYCH
Temat: SZCOWNIE NIEPEWNOŚCI POMIROWYCH - Jak oszacować niepewność pomiarów bezpośrednich? - Jak oszacować niepewność pomiarów pośrednich? - Jak oszacować niepewność przeciętną i standardową? - Jak zapisywać
Bardziej szczegółowoPobieranie prób i rozkład z próby
Pobieranie prób i rozkład z próby Marcin Zajenkowski Marcin Zajenkowski () Pobieranie prób i rozkład z próby 1 / 15 Populacja i próba Populacja dowolnie określony zespół przedmiotów, obserwacji, osób itp.
Bardziej szczegółowoWykład 3 Hipotezy statystyczne
Wykład 3 Hipotezy statystyczne Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu obserwowanej zmiennej losowej (cechy populacji generalnej) Hipoteza zerowa (H 0 ) jest hipoteza
Bardziej szczegółowoJAK WYZNACZA SIĘ PARAMETRY WALIDACYJNE
JAK WYZNACZA SIĘ PARAMETRY WALIDACYJNE 1 Granica wykrywalności i granica oznaczalności Dr inż. Piotr KONIECZKA Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska ul. G. Narutowicza 11/12
Bardziej szczegółowoOkreślanie niepewności pomiaru
Określanie niepewności pomiaru (Materiały do ćwiczeń laboratoryjnych z przedmiotu Materiałoznawstwo na wydziale Górnictwa i Geoinżynierii) 1. Wprowadzenie Pomiar jest to zbiór czynności mających na celu
Bardziej szczegółowoPodstawy opracowania wyników pomiarów
Podstawy opracowania wyników pomiarów I Pracownia Fizyczna Chemia C 02. 03. 2017 na podstawie wykładu dr hab. Pawła Koreckiego Katarzyna Dziedzic-Kocurek Instytut Fizyki UJ, Zakład Fizyki Medycznej k.dziedzic-kocurek@uj.edu.pl
Bardziej szczegółowoStatystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący
Bardziej szczegółowoWykład 9. Terminologia i jej znaczenie. Cenzurowanie wyników pomiarów.
Wykład 9. Terminologia i jej znaczenie. Cenzurowanie wyników pomiarów.. KEITHLEY. Practical Solutions for Accurate. Test & Measurement. Training materials, www.keithley.com;. Janusz Piotrowski: Procedury
Bardziej szczegółowoLINIOWOŚĆ METODY OZNACZANIA ZAWARTOŚCI SUBSTANCJI NA PRZYKŁADZIE CHROMATOGRAFU
LINIOWOŚĆ METODY OZNACZANIA ZAWARTOŚCI SUBSTANCJI NA PRZYKŁADZIE CHROMATOGRAFU Tomasz Demski, StatSoft Polska Sp. z o.o. Wprowadzenie Jednym z elementów walidacji metod pomiarowych jest sprawdzenie liniowości
Bardziej szczegółowoZmierzyłem i co dalej? O opracowaniu pomiarów i analizie niepewności słów kilka
Zmierzyłem i co dalej? O opracowaniu pomiarów i analizie niepewności słów kilka Jakub S. Prauzner-Bechcicki Grupa: Chemia A Kraków, dn. 7 marca 2018 r. Plan wykładu Rozważania wstępne Prezentacja wyników
Bardziej szczegółowoINFORMATYKA 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 szczegółowoPodstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych. Wykład tutora na bazie wykładu prof. Marka Stankiewicza
Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych Wykład tutora na bazie wykładu prof. Marka Stankiewicza Po co zajęcia w I Pracowni Fizycznej? 1. Obserwacja zjawisk i
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA narzędzie do opracowywania i interpretacji wyników pomiarów
STATYSTYKA MATEMATYCZNA narzędzie do opracowywania i interpretacji wyników pomiarów Piotr Konieczka Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska Statystyka matematyczna - część matematyki
Bardziej szczegółowoSprawdzenie narzędzi pomiarowych i wyznaczenie niepewności rozszerzonej typu A w pomiarach pośrednich
Podstawy Metrologii i Technik Eksperymentu Laboratorium Sprawdzenie narzędzi pomiarowych i wyznaczenie niepewności rozszerzonej typu A w pomiarach pośrednich Instrukcja do ćwiczenia nr 4 Zakład Miernictwa
Bardziej szczegółowoWprowadzenie do rachunku niepewności pomiarowej. Jacek Pawlyta
Wprowadzenie do rachunku niepewności pomiarowej Jacek Pawlyta Fizyka Teorie Obserwacje Doświadczenia Fizyka Teorie Przykłady Obserwacje Przykłady Doświadczenia Przykłady Fizyka Potwierdzanie bądź obalanie
Bardziej szczegółowoTestowanie hipotez statystycznych. Wnioskowanie statystyczne
Testowanie hipotez statystycznych Wnioskowanie statystyczne Hipoteza statystyczna to dowolne przypuszczenie co do rozkładu populacji generalnej (jego postaci funkcyjnej lub wartości parametrów). Hipotezy
Bardziej szczegółowoWalidacja metod analitycznych
Kierunki rozwoju chemii analitycznej Walidacja metod analitycznych Raport z walidacji Małgorzata Jakubowska Katedra Chemii Analitycznej WIMiC AGH oznaczanie coraz niŝszych w próbkach o złoŝonej matrycy
Bardziej szczegółowoSTATYSTYKA 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 szczegółowoSPIS TREŚCI do książki pt. Metody badań czynników szkodliwych w środowisku pracy
SPIS TREŚCI do książki pt. Metody badań czynników szkodliwych w środowisku pracy Autor Andrzej Uzarczyk 1. Nadzór nad wyposażeniem pomiarowo-badawczym... 11 1.1. Kontrola metrologiczna wyposażenia pomiarowego...
Bardziej szczegółowoSzkoła Letnia STC Łódź mgr inż. Paulina Mikoś
1 mgr inż. Paulina Mikoś Pomiar powinien dostarczyć miarodajnych informacji na temat badanego materiału, zarówno ilościowych jak i jakościowych. 2 Dzięki temu otrzymane wyniki mogą być wykorzystane do
Bardziej szczegółowoStatystyczne Metody Opracowania Wyników Pomiarów
Statystyczne Metody Opracowania Wyników Pomiarów dla studentów ZMIN Teresa Jaworska-Gołąb 2017/18 Co czytać [1] I Pracownia fizyczna, Andrzej Magiera red., Oficyna Wydawnicza IMPULS, Kraków 2006; http://www.1pf.if.uj.edu.pl/materialy/zalecana-literatura
Bardziej szczegółowoPodstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych. Wykład tutora na bazie wykładu prof. Marka Stankiewicza
Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych Wykład tutora na bazie wykładu prof. Marka tankiewicza Po co zajęcia w I Pracowni Fizycznej? 1. Obserwacja zjawisk i efektów
Bardziej szczegółowoAna n l a i l za z a i ns n tru r men e t n al a n l a
Analiza instrumentalna rok akademicki 2014/2015 wykład: prof. dr hab. Ewa Bulska prof. dr hab. Agata Michalska Maksymiuk pracownia: dr Marcin Wojciechowski Slide 1 Analiza_Instrumentalna: 2014/2015 Analiza
Bardziej szczegółowoJAK WYZNACZYĆ PARAMETRY WALIDACYJNE W METODACH INSTRUMENTALNYCH
JAK WYZNACZYĆ PARAMETRY WALIDACYJNE W METODACH INSTRUMENTALNYCH dr inż. Agnieszka Wiśniewska EKOLAB Sp. z o.o. agnieszka.wisniewska@ekolab.pl DZIAŁALNOŚĆ EKOLAB SP. Z O.O. Akredytowane laboratorium badawcze
Bardziej szczegółowoSterowanie jakością badań i analiza statystyczna w laboratorium
Sterowanie jakością badań i analiza statystyczna w laboratorium CS-17 SJ CS-17 SJ to program wspomagający sterowanie jakością badań i walidację metod badawczych. Może działać niezależnie od innych składników
Bardziej szczegółowoStatystyka. 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 szczegółowoTestowanie hipotez. Marcin Zajenkowski. Marcin Zajenkowski () Testowanie hipotez 1 / 25
Testowanie hipotez Marcin Zajenkowski Marcin Zajenkowski () Testowanie hipotez 1 / 25 Testowanie hipotez Aby porównać ze sobą dwie statystyki z próby stosuje się testy istotności. Mówią one o tym czy uzyskane
Bardziej szczegółowoPracownia Astronomiczna. Zapisywanie wyników pomiarów i niepewności Cyfry znaczące i zaokrąglanie Przenoszenie błędu
Pracownia Astronomiczna Zapisywanie wyników pomiarów i niepewności Cyfry znaczące i zaokrąglanie Przenoszenie błędu Każdy pomiar obarczony jest błędami Przyczyny ograniczeo w pomiarach: Ograniczenia instrumentalne
Bardziej szczegółowoPodstawy 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 szczegółowoPrawdopodobieństwo i rozkład normalny cd.
# # Prawdopodobieństwo i rozkład normalny cd. Michał Daszykowski, Ivana Stanimirova Instytut Chemii Uniwersytet Śląski w Katowicach Ul. Szkolna 9 40-006 Katowice E-mail: www: mdaszyk@us.edu.pl istanimi@us.edu.pl
Bardziej szczegółowoBADANIE POWTARZALNOŚCI PRZYRZĄDU POMIAROWEGO
Zakład Metrologii i Systemów Pomiarowych P o l i t e c h n i k a P o z n ańska ul. Jana Pawła II 24 60-965 POZNAŃ (budynek Centrum Mechatroniki, Biomechaniki i Nanoinżynierii) www.zmisp.mt.put.poznan.pl
Bardziej szczegółowoStatystyczne 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 szczegółowoNiepewności pomiarów
Niepewności pomiarów Międzynarodowa Organizacja Normalizacyjna (ISO) w roku 1995 opublikowała normy dotyczące terminologii i sposobu określania niepewności pomiarów [1]. W roku 1999 normy zostały opublikowane
Bardziej szczegółowoPDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com
Analiza korelacji i regresji KORELACJA zależność liniowa Obserwujemy parę cech ilościowych (X,Y). Doświadczenie jest tak pomyślane, aby obserwowane pary cech X i Y (tzn i ta para x i i y i dla różnych
Bardziej szczegółowoSzczegółowy 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 szczegółowoSTATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE
STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE 1 W trakcie badania obliczono wartości średniej (15,4), mediany (13,6) oraz dominanty (10,0). Określ typ asymetrii rozkładu. 2 Wymień 3 cechy rozkładu Gauss
Bardziej szczegółowoStatystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r
Statystyka matematyczna Testowanie hipotez i estymacja parametrów Wrocław, 18.03.2016r Plan wykładu: 1. Testowanie hipotez 2. Etapy testowania hipotez 3. Błędy 4. Testowanie wielokrotne 5. Estymacja parametrów
Bardziej szczegółowoStatystyka matematyczna dla leśników
Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 03/04 Wykład 5 Testy statystyczne Ogólne zasady testowania hipotez statystycznych, rodzaje
Bardziej szczegółowoSzczegółowy 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 szczegółowoZajęcia wprowadzające W-1 termin I temat: Sposób zapisu wyników pomiarów
wielkość mierzona wartość wielkości jednostka miary pomiar wzorce miary wynik pomiaru niedokładność pomiaru Zajęcia wprowadzające W-1 termin I temat: Sposób zapisu wyników pomiarów 1. Pojęcia podstawowe
Bardziej szczegółowoStatystyka 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 szczegółowoKORELACJE I REGRESJA LINIOWA
KORELACJE I REGRESJA LINIOWA Korelacje i regresja liniowa Analiza korelacji: Badanie, czy pomiędzy dwoma zmiennymi istnieje zależność Obie analizy się wzajemnie przeplatają Analiza regresji: Opisanie modelem
Bardziej szczegółowoZadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych
Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych Zad. 1 Średnia ocen z semestru letniego w populacji studentów socjologii w roku akademickim 2011/2012
Bardziej szczegółowoTestowanie hipotez statystycznych.
Statystyka Wykład 10 Wrocław, 22 grudnia 2011 Testowanie hipotez statystycznych Definicja. Hipotezą statystyczną nazywamy stwierdzenie dotyczące parametrów populacji. Definicja. Dwie komplementarne w problemie
Bardziej szczegółowoAnaliza statystyczna w naukach przyrodniczych
Analiza statystyczna w naukach przyrodniczych Po co statystyka? Człowiek otoczony jest różnymi zjawiskami i próbuje je poznać, dowiedzieć się w jaki sposób funkcjonują, jakie relacje między nimi zachodzą.
Bardziej szczegółowoIdea. θ = θ 0, Hipoteza statystyczna Obszary krytyczne Błąd pierwszego i drugiego rodzaju p-wartość
Idea Niech θ oznacza parametr modelu statystycznego. Dotychczasowe rozważania dotyczyły metod estymacji tego parametru. Teraz zamiast szacować nieznaną wartość parametru będziemy weryfikowali hipotezę
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki 2. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5.
Bardziej szczegółowoODRZUCANIE WYNIKÓW POJEDYNCZYCH POMIARÓW
ODRZUCANIE WYNIKÓW OJEDYNCZYCH OMIARÓW W praktyce pomiarowej zdarzają się sytuacje gdy jeden z pomiarów odstaje od pozostałych. Jeżeli wykorzystamy fakt, że wyniki pomiarów są zmienną losową opisywaną
Bardziej szczegółowoWALIDACJA - ABECADŁO. OGÓLNE ZASADY WALIDACJI
WALIDACJA - ABECADŁO. 1 OGÓLNE ZASADY WALIDACJI Piotr KONIECZKA Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska ul. G. Narutowicza 11/12 80-233 GDAŃSK e-mail:piotr.konieczka@pg.gda.pl
Bardziej szczegółowoStatystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd.
Wnioskowanie statystyczne obejmujące metody pozwalające na uogólnianie wyników z próby na nieznane wartości parametrów oraz szacowanie błędów tego uogólnienia. Przewidujemy nieznaną wartości parametru
Bardziej szczegółowoSYSTEM KONTROLI I ZAPEWNIENIA JAKOŚCI WYNIKÓW BADAŃ W LABORATORIUM. Piotr Konieczka
SYSTEM KONTROLI I ZAPEWNIENIA JAKOŚCI WYNIKÓW BADAŃ W LABORATORIUM Piotr Konieczka 1 2 Jakość spełnienie określonych i oczekiwanych wymagań (zawartych w odpowiedniej normie systemu zapewnienia jakości).
Bardziej szczegółowo2. Założenie niezależności zakłóceń modelu - autokorelacja składnika losowego - test Durbina - Watsona
Sprawdzanie założeń przyjętych o modelu (etap IIIC przyjętego schematu modelowania regresyjnego) 1. Szum 2. Założenie niezależności zakłóceń modelu - autokorelacja składnika losowego - test Durbina - Watsona
Bardziej szczegółowoTestowanie hipotez statystycznych
Agenda Instytut Matematyki Politechniki Łódzkiej 2 stycznia 2012 Agenda Agenda 1 Wprowadzenie Agenda 2 Hipoteza oraz błędy I i II rodzaju Hipoteza alternatywna Statystyka testowa Zbiór krytyczny Poziom
Bardziej szczegółowoSTATYSTYKA I DOŚWIADCZALNICTWO Wykład 7
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 7 Analiza korelacji - współczynnik korelacji Pearsona Cel: ocena współzależności między dwiema zmiennymi ilościowymi Ocenia jedynie zależność liniową. r = cov(x,y
Bardziej szczegółowoWprowadzenie do statystyki dla. chemików testowanie hipotez
chemików testowanie hipotez Michał Daszykowski, Ivana Stanimirova Instytut Chemii Uniwersytet Śląski w Katowicach Ul. Szkolna 9 40-006 Katowice E-mail: www: mdaszyk@us.edu.pl istanimi@us.edu.pl http://www.sites.google.com/site/chemomlab/
Bardziej szczegółowoKALIBRACJA. ważny etap procedury analitycznej. Dr hab. inż. Piotr KONIECZKA
KALIBRAJA ważny etap procedury analitycznej 1 Dr hab. inż. Piotr KONIEZKA Katedra hemii Analitycznej Wydział hemiczny Politechnika Gdańska ul. G. Narutowicza 11/12 8-233 GDAŃK e-mail: piotr.konieczka@pg.gda.pl
Bardziej szczegółowoWykład Centralne twierdzenie graniczne. Statystyka matematyczna: Estymacja parametrów rozkładu
Wykład 11-12 Centralne twierdzenie graniczne Statystyka matematyczna: Estymacja parametrów rozkładu Centralne twierdzenie graniczne (CTG) (Central Limit Theorem - CLT) Centralne twierdzenie graniczne (Lindenberga-Levy'ego)
Bardziej szczegółowoWprowadzenie 2010-10-20
PODSTAWY STATYSTYKI Dr hab. inż. Piotr Konieczka piotr.konieczka@pg.gda.pl 1 Wprowadzenie Wynik analityczny to efekt przeprowadzonego pomiaru(ów). Pomiar to zatem narzędzie wykorzystywane w celu uzyskania
Bardziej szczegółowoweryfikacja hipotez dotyczących parametrów populacji (średnia, wariancja)
PODSTAWY STATYSTYKI. Teoria prawdopodobieństwa i elementy kombinatoryki. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5. Testy parametryczne (na
Bardziej szczegółowoHipotezy 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 szczegółowoEstymacja punktowa i przedziałowa
Temat: Estymacja punktowa i przedziałowa Kody znaków: żółte wyróżnienie nowe pojęcie czerwony uwaga kursywa komentarz 1 Zagadnienia 1. Statystyczny opis próby. Idea estymacji punktowej pojęcie estymatora
Bardziej szczegółowoSTATYSTYKA I DOŚWIADCZALNICTWO Wykład 5
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 5 Analiza korelacji - współczynnik korelacji Pearsona Cel: ocena współzależności między dwiema zmiennymi ilościowymi Ocenia jedynie zależność liniową. r = cov(x,y
Bardziej szczegółowoAnaliza niepewności pomiarów
Teoria pomiarów Analiza niepewności pomiarów Zagadnienia statystyki matematycznej Dr hab. inż. Paweł Majda www.pmajda.zut.edu.pl Podstawy statystyki matematycznej Histogram oraz wielobok liczebności zmiennej
Bardziej szczegółowoZALICZENIA. W celu uzyskania zaliczenia należy wybrać jeden z trzech poniższych wariantów I, II lub III
ZALICZENIA W celu uzyskania zaliczenia należy wybrać jeden z trzech poniższych wariantów I, II lub III 1 Wariant I. PROBLEM WŁASNY Sformułować własne zadanie statystyczne związane z własną pracą badawczą
Bardziej szczegółowo