DETERMINATION OF UNCERTAINTY IN MEASUREMENTS

Wielkość: px
Rozpocząć pokaz od strony:

Download "DETERMINATION OF UNCERTAINTY IN MEASUREMENTS"

Transkrypt

1 dr Heryk TERENOWSKI Wojskowy Istytut Techiczy Uzbrojeia SZACOWANIE NIEPEWNOŚCI POMIARÓW Streszczeie: Wyzaczaie iepewości pomiaru jest koieczą częścią każdej procedury pomiarowej. W referacie omówioo klasycze metody wyzaczaia iepewości pomiaru. Wskazao a zaczeie walidacji procedur pomiarowych, aalizy źródeł błędów przypadkowych i sposobu ich opracowaia w zależości od rozkładu prawdopodobieństwa. Przedstawioo sposób wyzaczaia iepewości stadardowej przy pomiarach bezpośredich i pośredich, budżet iepewości oraz uwagi związae z wyborem współczyika rozszerzeia k przy wyzaczaiu iepewości rozszerzoej. DETERMINATION OF UNCERTAINTY IN MEASUREMENTS Abstract: Determiatio of measuremet ucertaity, is obligatory part of each measuremet procedure. I this paper, classical methods o determiatio of measuremet ucertaity, were discussed. It was poited to importace of validatio i measuremet procedures, aalysis of sources of radom errors ad maer of their developmet i depedece o probability distributio. A way of determiatio of stadard ucertaity i direct ad idirect measuremets, ucertaity budget ad otes coected with selectio of extesio factor k at determiatio of exteded ucertaity were preseted.. Wstęp Podstawowym zadaiem pomiarów jest pozyskaie wiarygodych iformacji jakościowych i ilościowych a temat badaego obiektu, tak aby otrzymae wyiki badań służyły określoemu celowi. Błęde wyiki powodują deziformacje, co może prowadzić do podejmowaia ieprawidłowych decyzji. Zajomość iepewości pomiarów wyików badań jest bardzo ważym elemetem dla laboratoriów, ich klietów i wszystkich istytucji, wykorzystujących te wyiki. Zastosowae metody, sprzęt oraz osoby wykoujące pomiary woszą pewie elemet iepewości do wyiku. Podawaie iepewości razem z wyikiem ie świadczy o braku kompetecji laboratorium. Świadomość tej iedoskoałości oraz umiejętość jej liczbowego wyrażeia staowi podstawę podwyższoego zaufaia do laboratorium. Wyiki pomiarów wielkości fizyczych i chemiczych wraz z iformacją ilościową o jakości pomiarów, pozwalają a porówaie ich z wartościami odiesieia podaymi w specyfikacjach lub ormach a także do oszacowaia ich wiarygodości w porówaiu z wyikami uzyskaymi przez ie laboratoria. Niepewość jest ierozerwalie związaa z wyikami pomiarów i badań. Wszelkie wyiki pomiarów pozbawioe ocey ich dokładości są w istocie tylko wskazaiami. W ostatich latach zaczęto przywiązywać zaczącą uwagę do iepewości pomiarów zarówo w odiesieiu do typowych pomiarów laboratoryjych i przemysłowych, jak też przy aalizach iych wyików (p. kotroli jakości dostaw detali do produkcji). 77

2 Pojęcie iepewości, jako liczbowo wyrażoej cechy, jest stosukowo owe w historii pomiarów, chociaż błąd i aaliza błędów od dawa są częścią metrologii. Ujedoliceie termiologii, zasad obliczaia i wyrażaia iepewości pomiarów zapropoowao w wydaym przez Międzyarodową Orgaizację Normalizacyją (ISO) Przewodiku pod agielskim tytułem "Guide to the Expressio of Ucertaity i Measuremet". Polska wersja Przewodika, wydaa przez Główy Urząd Miar, zatytułowaa została jako "Wyrażaie iepewości pomiaru. Przewodik" GUM 999 []. W opracowaiu tym podao także podstawowe wiadomości ze statystyki iezbęde w szacowaiu iepewości. Użyta termiologia w iiejszym artykule zgoda jest tym Przewodikiem.. Źródła błędów w procesie pomiarowym Zgodie z podstawowym aksjomatem metrologii ie ma pomiarów bezbłędych, a zatem wykoując pomiary trzeba mieć świadomość, że wyiki będą obarczoe błędami, które mogą powstawać a wszystkich etapach procesu pomiarowego. Podstawowe źródła błędów występujących w procesie pomiarowym zilustrowao a rysuku w postaci diagramu Ishikawy [6]. Błędy w każdej z sześciu wymieioych grup źródeł błędów mogą mieć zarówo charakter przypadkowy jak i systematyczy. Należy wyraźie podkreślić, że iepewość jest efektem błędów przypadkowych, jakie występują w procesie pomiarowym. Metody obliczaia iepewości dotyczą wyików skorygowaych o składowe błędu systematyczego. Zakłada się, że przypadkowe błędy pomiaru, które rozpatrywae są jako zmiea losowa wielu zmieych, podlegają regułom statystyki matematyczej, według której wartość oczekiwaa jest rówa wartości prawdziwej z określoym prawdopodobieństwem. Rysuek. Struktura źródeł błędów w procesie pomiarowym. 78

3 Plaując pomiar, rozumiay jako zbiór operacji mających a celu otrzymaie wartości wielkości mierzoej, ależy określić jego dokładość. Dokładość pomiaru wielkości implikuje dobór odpowiediej metody pomiaru, arzędzi pomiarowych, wykoywaie kolejych operacji, opracowaie oraz sformułowaia wyiku pomiaru. Opracowaa procedura pomiarowa powia zapewiać powtarzalość i odtwarzalość wyików pomiarów (Aeks B, []). Aaliza struktury źródeł błędów z uwzględieiem wzajemych oddziaływań, pozwoli oceić i wytypować zasadicze czyiki wpływające w istoty sposób a wielkość mierzoą. Czyiki istote moża ująć w postaci "budżetu iepewości", który podsumowuje oszacowaie stadardowej iepewości złożoej wyiku pomiarów a podstawie iepewości stadardowych każdego z ich. 3. Walidacja procedury Jedym z elemetów statystyczego sterowaia jakością w laboratorium jest walidacja procedur (metod) badawczych. Według ormy PN-EN ISO/IEC 705 [] "walidacja procedury pomiarowej jest potwierdzeiem, przez zbadaie i przedstawieie obiektywego dowodu, że zostały spełioe szczególe wymagaia dotyczące kokretie zamierzoego zastosowaia" Walidacja powia być przeprowadzoa dla owych lub zmodyfikowaych procedur iezormalizowaych lub zormalizowaych stosowaych poza zakresem walidacji. Proces walidacji, lub potwierdzeia w przypadku zormalizowaych procedur aalityczych w laboratorium powiie dostarczyć iformacji a temat czyików wpływających a iepewość wyiku końcowego. Ozacza to, że walidacja jest użyteczym arzędziem pozwalającym a oceę jakości wyików, co ma szczególe zaczeie w badaiach aukowych. Proces walidacji jest czasochłoy i wymaga od przeprowadzających go osób ie tylko wiedzy merytoryczej stosowaej metody, ale także wiedzy z zakresu metod pomiarowych i statystyki. Przed rozpoczęciem prac walidacyjych iezbęde jest przeprowadzeie aalizy i wyzaczeie etapów krytyczych procesu techologiczego, które mają ajwiększy wpływ a jakość wyiku końcowego. Na każdym etapie procesu trzeba mieć a uwadze, chociażby tak proste arzędzie graficze jak odpowiedio dostosoway do aktualych potrzeb, diagram przedstawioy a rys.. Zgodie, jedak, z wymagaiami p ormy PN-EN ISO/IEC 705 [], "walidacja powia być a tyle obszera, a ile jest to koiecze przy daym zastosowaiu, albo obszarze zastosowaia". W procedurach badawczych zazwyczaj mamy do czyieia z daymi wejściowymi opartymi a pomiarach bezpośredich, takich jak pomiar masy, siły, objętości, temperatury i iych wielkości mierzalych. Na tym etapie źródłem iepewości pomiarów jest baza pomiarowa zawierająca odpowiediej klasy urządzeia, posiadająca wymagae dokumety ormalizacyje, właściwie użytkowaa i zajdująca się w odpowiedim staie techiczym. Jest oa podstawą do zapewieia powtarzalości, czyli zapewieia zgodości wyików kolejych pomiarów wielkości mierzoej, wykoywaych w tych samych warukach pomiarowych. Oszacowaie iepewości w pomiarach bezpośredich ie jest sprawą skomplikowaą. A zatem w procesie walidacji powio się uwzględiać między iymi i to kryterium przy doborze aparatury pomiarowej, poieważ bardzo często urządzeia tej samej klasy, posiadające waże świadectwa wzorcowaia, dają róże wskazaia tej samej wielkości mierzoej. Proces walidacji powiie także uwzględiać aktualy sta techiki pomiarowej i obliczeiowej. Zastosowaie ogólodostępych arkuszy kalkulacyjych, dostosowaych do potrzeb daej procedury, które sprawdzają formale waruki ałożoe a dae wejściowe, wykoują stosowe obliczeia, w zaczej mierze elimiują możliwość popełieia pomyłki. 79

4 Dają także możliwość a bieżąco wyliczeia iepewości wykoaego pomiaru. Łatwość przeprowadzeia symulacji procesu badawczego daje szerszy obraz możliwości jego optymalizacji mających a celu uzyskaie bardziej wiarygodych wyików. Należy podkreślić, że przy stosowaiu tej samej procedury i tych samych urządzeń ie jest koiecze wyzaczaie za każdym razem iepewości pojedyczego wyiku. Wyzaczoa iepewość jest wartością, która może być odpowiedia w odiesieiu do wszystkich wyików uzyskaych przy wykorzystaiu daej procedury pomiarowej, w daych warukach i w daym laboratorium. 4. Matematyczy model pomiaru Metody pomiarów wielkości fizyczych (fizykochemiczych) możemy podzielić a bezpośredie i pośredie. Pomiary bezpośredie polegają wprost a porówaiu daej wielkości z odpowiedią miarą wzorcową, a wyik pomiaru jest otrzymyway bezpośredio z odczytu wskazań przyrządu pomiarowego w wielkościach wskazań mierzoego parametru (p. pomiar: długości liijką, masy a wadze, lub apięcia woltomierzem). W przypadku pomiarów pośredich wartość badaej wielkości wyzaczaa jest a podstawie pomiarów bezpośredich iych wielkości fizyczych, które są z ią związae zaym prawem fizyczym lub chemiczym. Przykłady pomiarów metodą pośredią to pomiar gęstości ciała a podstawie pomiarów jego masy i objętości, pomiar rezystacji a podstawie pomiarów apięcia i atężeia prądu itp. Rozróżieie metod bezpośredich i pośredich jest szczególie waże ze względu a stosowae sposoby szacowaia dokładości wyików pomiarów. Rówaie modelowe jest matematyczym opisem zależości wartości wyiku od wartości mierzoych. Zależość tą możemy przedstawić w postaci rówaia: y = f(x, x, x 3,, x ) () gdzie: y wartość wyiku; x, x, x 3,, x - wartości pomiarowe (dokładiej wskazaia przyrządów aktuale, w chwili pomiarów, odczytae subiektywie lub automatyczie). Jak wykazuje praktyka, żade pomiar, iezależie od staraości jego wykoaia ie daje całkowicie dokładego wyiku, a więc wskazaia przyrządów x, x, x 3,, x jak i otrzymay wyik y zawierają błędy, których wielkość ie jest zaa. Stąd też wartości wskazań przyrządów jak i otrzymay wyik końcowy ie mogą być traktowae jako ostateczy wyik pomiaru. Ze względu a zmieość błędu w kolejych wskazaiach wyiku pomiaru powtarzaego doświadczeia pomiarowego, możemy wyróżić błędy admiarowe, systematycze i przypadkowe. Z błędem admiarowym mamy do czyieia wtedy, gdy wyik pomiaru daej wielkości odbiega zaczie od pozostałych wyików. Istieją odpowiedie testy statystycze pozwalające odrzucić taki "podejrzay" pomiar. Błędy systematycze to błędy, które przy wielu pomiarach tej samej wartości daej wielkości, wykoywaych w tych samych warukach, pozostają stałe co do zaku i modułu, lub zmieiają się według określoego prawa wraz ze zmiaą waruków odiesieia. Błędy te moża przewidzieć a podstawie zajomości daego procesu pomiarowego. Cechą błędów systematyczych jest możliwość ich częściowej lub całkowitej elimiacji za pomocą poprawek lub poprzez kalibrację układu pomiarowego. Błędy przypadkowe zmieiają się w sposób ieprzewidziay, zarówo co do zaku jak i modułu przy wykoywaiu pomiarów tej samej wielkości w warukach pozorie iezmieych. W chwili pomiaru wartość błędów przypadkowych ie jest zaa. Moża 80

5 jedyie wyzaczyć ich parametry statystycze a podstawie wielu wyików pomiarów. Błędy te powodują, że wyiki pomiarów są zmieymi losowymi. Wartości pomiarowe x, x, x 3,, x są więc realizacjami pewych fukcji losowych odpowiedio X, X, X 3,, X. Wobec powyższego rówaie Y = f(x, X, X 3,, X ) () przedstawia pośredią wielkość mierzoą Y jako fukcję zmieych losowych. Zmiee losowe Y, X, X, X 3,, X. w wyiku realizacji procesu pomiarowego przyjmują z pewym prawdopodobieństwem wartości z określoych zbiorów. Metody statystycze umożliwiają określeie miary tych zbiorów i prawdopodobieństw, z jakimi wyiki ależą do tych zbiorów. Każda zmiea losowa geeruje pewie rozkład prawdopodobieństwa o określoych charakterystykach liczbowych. Najważiejsze z ich to wartość oczekiwaa µ i wariacja σ. W praktyce rozkład prawdopodobieństwa jak i wartości tych parametrów ie są do końca pozawale. Ich wartości szacuje się a podstawie prób doświadczalych. Estymatorem wartości oczekiwaej µ jest wartość przecięta z próby x x = x i (3) i= a wariacji σ. wartość określoa wyrażeiem s (x) = (x i x)...(4) i= Natomiast estymator wariacji dla średiej liczoy jest jako s (x) s (x) = (5) Szacowaie rozkładu prawdopodobieństwa jest pracochłoe i ie zawsze możliwe do wykoaia. Błędy pomiarów z zasady mają rozkłady zbliżoe do rozkładu ormalego, dlatego też w wielu przypadkach, przy opracowywaiu wyików pomiarów, posługujemy się tym rozkładem. 5. Ocea iepewości pomiarów Niepewość pomiaru jest to parametr związay z wyikiem pomiaru, charakteryzujący rozrzut wartości, które moża w uzasadioy sposób przypisać wartości mierzoej [5]. Według [] przyjęto, że parametrem takim będzie odchyleie stadardowe albo jego wielokrotość. Niepewość (ag. ucertaity) wielkości x ozaczaa jest symbolem u(x). Jak już wspomiao, metody pomiarowe, w ogólym ujęciu moża podzielić a bezpośredie i pośredie. W metodzie pośrediej korzysta się z wyików pomiarów bezpośredich w odiesieiu do poszczególych wielkości mierzoych. 5. Ocea iepewości pomiarów bezpośredich Pomiary bezpośredie, takie jak pomiar masy, długości, temperatury, apięcia itp., wykouje się przy pomocy specjalistyczych przyrządów, otrzymując odpowiedie ich wskazaia. Wskazaie przyrządu wyik surowy, ie odzwierciedla dokładie wielkości mierzoej. Wielkość mierzoa X wyosi: X = (X w + P ) ± U(X) gdzie: X w wyik surowy (wskazaie przyrządu), czyli wyik przed korekcją błędów systematyczych, U(X) iepewość rozszerzoa wielkości X. 8

6 P poprawka sumarycza, kompesująca wyzaczale błędy systematycze, p.: poprawości wskazaia, błędu temperaturowego itp., które też są wyzaczoe z pewą iepewością. Zatem P = f( P, P,, Pm) jest fukcją wielu zmieych P, P,, Pm, z których każda jest obarczoa iepewością stadardową u(p i ) i =,, 3,, m. Niepewość U(P ) jest wypadkową iepewością wyzaczaia poprawek. Składiki X w i P są obciążoe iepewościami cząstkowymi U(X w ) i U(P ). Wykoując serię pomiarów wielkości X w warukach powtarzalości określaa jest wariacja s (x) a podstawie wzoru (4). Niepewość stadardowa u s (x) wyosi: pojedyczego pomiaru x w wielkości mierzoej X us (x w ) = (x wi x w ) (6) ( ) i= Natomiast, jeśli za wyik pomiaru przyjmuje się średią, otrzymaą z serii pomiarów, określoą wzorem (3), to iepewość wyosi: us (x w ) = (x w x w ) (7) i ( ) i= Niepewości te, związae z wyikiem surowym, odzwierciedlają czyiki losowe wpływające a pomiar w daej chwili. Niepewość obliczaa w te sposób jest iepewością stadardową obliczoą metodą typu A. W przypadku jedego pomiaru lub jeżeli wskazaia przyrządu są takie same w serii pomiarów, iepewość stadardowa u s wyzaczaa jest a podstawie rozkładu prawdopodobieństwa określoego a przedziale rówym wartości działki elemetarej d urządzeia. Bardzo często przyjmoway jest rozkład jedostajy a tym przedziale, dla którego d u s (x w ) = (8) 3 jest odchyleiem stadardowym. 5. Ocea iepewości wyzaczaej wielkości a podstawie pomiarów pośredich Bardzo często w badaiach wyik wielkości określaej jest fukcją wielu argumetów (patrz wzór ) otrzymywaych w pomiarach bezpośredich lub wyzaczaych iymi metodami. Stosując prawo propagacji iepewości stadardowych poszczególych składików otrzymuje się iepewość stadardową złożoą u(y). Zakładając iezależość argumetów we wzorze (), iepewość stadardową złożoą wyzaczaa jest z rówaia: f u s (Y) = u (X i ) i= X (9) i Każda ze składowych obciążoa jest iepewością stadardową u(x i ), które ależy wyzaczyć. Niepewości te możemy wyzaczyć a podstawie serii pomiarów, czyli metodą statystyczą, zwaą w przewodiku [] metodą typu A. Mimo, że wszystkie składowe mogą być wyzaczae metodą typu A to często takie postępowaie jest ekoomiczie ieuzasadioe i wiele składowych iepewości trzeba wyzaczać iymi, bardziej praktyczymi sposobami określaymi w [] jako metoda typu B. 8

7 Jeśli iepewości były wyzaczae metodą typu A i typu B, to iepewość stadardową całkowitą określa wzór: u sc (Y) = u (x) + u (x) (0) sa sb 5.3 Budżet iepewości Aalizę złożoej iepewości pomiaru ajlepiej jest przedstawić w postaci tabeli zwaej budżetem iepewości. Symbol wielokści Estymata wielkości Niepewość stadardowa Współczyik wrażliwości Udział w złożoej iepewości stadardowej Xi x i u(x i ) c i = f/ x i u i =c i* u(x i ) X x u(x ) c u =c * u(x ) X x u(x ) c u =c * u(x ) X x u(x ) c u =c * u(x ) Y u s (Y) Niepewość złożoa wyiku pomiaru wielkości, zgodie z ogólymi zasadami, szacowaa jest w astępujących etapach: - idetyfikacja źródeł iepewości, - przyjęcie typów rozkładów gęstości prawdopodobieństwa dla wielkości wejściowych, - estymacja odchyleń stadardowych u(x i ), - wyzaczeie współczyików wrażliwości c i, - zestawieie budżetu iepewości, - obliczeie wartości złożoej iepewości stadardowej u s (Y) - obliczaie iepewości rozszerzoej U(Y). Wyik pomiaru Y składa się z wartość mierzoej wielkości fizyczej y oraz iepewości rozszerzoej pomiaru U(Y). Y= y ± U(Y) Niepewość rozszerzoa U jest określoa jako: U(Y) = k u cs (y) gdzie: u cs (y) iepewość stadardowa całkowita, k współczyik rozszerzeia, który odzwierciedla pewie poziom ufości dla przedziału (y-u, y+u). Zwykle wartość k zawiera się w graicach do 3, ale dla specjalych zastosowań może być wybraa spoza tego przedziału. Ideałem byłoby możliwość wyboru współczyika k, który wyzaczałby przedział y ± U odpowiadający ściśle określoemu poziomowi ufości p (wyoszącemu p.: 95% lub 99%). Nie jest to jedak łatwe do wykoaia w praktyce poieważ ie mamy dokładej wiedzy o rozkładzie prawdopodobieństwa wyiku pomiaru i jego całkowitej iepewości stadardowej. Zakładając rozkład ormaly, co ma w większości przypadków uzasadieie, szczególie przy dużej liczby stopi swobody, to dla k= otrzymamy przedział o poziomie ufości w przybliżeiu rówym 95% zaś dla k=3 tworzy się przedział ufości w przybliżeiu rówy 99%. 83

8 6. Wioski. W procesie pomiarowym wielkości pomiarowe są zmieymi losowymi. Wyiki jakie bezpośredio są otrzymywae podczas pomiarów, są tylko wskazaiami przyrządów i reprezetują pojedycze realizacje tych zmieych losowych w chwili pomiaru.. Każdy wyik pomiaru powiie być podaway wraz z jego iepewością wyzaczeia. 3. Wartość pomiaru bez określeia wartości iepewości ie ma żadej wartości. 4. Wyik końcowy podaje się zwykle z taką ilością miejsc po przeciku, jaka jest w określeiu iepewości. Przykład: m= (5,09 ± 0,06) g, m = (5,094 ± 0,058)g dla k=. Literatura [] Wyrażaie iepewości pomiaru. Przewodik. Główy Urząd Miar.999. [] PN-EN ISO/IEC 705:005; Ogóle wymagaia dotyczące kompetecji laboratoriów badawczych i wzorcujących. [3] Dokumet EA-4/0: Wyrażaie iepewości pomiaru przy wzorcowaiu [4] Dokumet EA-04/6. Wytycze EA dotyczące wyrażaia iepewości w badaiach ilościowych [5] Międzyarodowy słowik podstawowych i ogólych termiów metrologii. GUM Iteratioal Vocabulary of Basic ad Geeral Terms i Metrology (VIM). [6] Aredarski J.: Niepewość pomiarów. Oficya Wydawicza Politechiki Warszawskiej, Warszawa 006 [7] Bulska E. Metrologia chemicza. Warszawa 008. Wydawictwo MALMUT. 84

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

16 Przedziały ufności

16 Przedziały ufności 16 Przedziały ufości zapis wyiku pomiaru: sugeruje, że rozkład błędów jest symetryczy; θ ± u(θ) iterpretacja statystycza przedziału [θ u(θ), θ + u(θ)] zależy od rozkładu błędów: P (Θ [θ u(θ), θ + u(θ)])

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

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

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

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

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

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

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

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

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

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

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

2. INNE ROZKŁADY DYSKRETNE

2. INNE ROZKŁADY DYSKRETNE Ie rozkłady dyskrete 9. INNE ROZKŁADY DYSKRETNE.. Rozkład dwumiaowy - kotyuacja Przypomijmy sobie pojęcie rozkładu dwumiaowego prawdopodobieństwa k sukcesów w próbach Beroulli ego: P k k k k = p q m =

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

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

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

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 DANYCH DYSKRETNYCH

ANALIZA DANYCH DYSKRETNYCH ZJAZD ESTYMACJA Jest to metoda wioskowaia statystyczego. Umożliwia oa oszacowaie wartości iteresującego as parametru a podstawie badaia próbki. Estymacja puktowa polega a określeiu fukcji zwaej estymatorem,

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

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

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

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

ANALIZA SKORELOWANIA WYNIKÓW POMIAROWYCH W OCENACH STANU ZAGROŻEŃ HAŁASOWYCH ŚRODOWISKA

ANALIZA SKORELOWANIA WYNIKÓW POMIAROWYCH W OCENACH STANU ZAGROŻEŃ HAŁASOWYCH ŚRODOWISKA SYSTEMY WSPOMAGANIA W INŻYNIERII PRODUKCJI Środowisko i Bezpieczeństwo w Iżyierii Produkcji 2013 5 ANALIZA SKORELOWANIA WYNIKÓW POMIAROWYCH W OCENACH STANU ZAGROŻEŃ HAŁASOWYCH ŚRODOWISKA 5.1 WPROWADZENIE

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

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

n n X n = σ σ = n n n Ponieważ zmienna losowa standaryzowana ma rozkład normalny N(0, 1), więc

n n X n = σ σ = n n n Ponieważ zmienna losowa standaryzowana ma rozkład normalny N(0, 1), więc 5.3. Zagadieia estymacji 87 Rozważmy teraz dokładiej zagadieie szacowaia wartości oczekiwaej m zmieej losowej X o rozkładzie ormalym N(m, F), w którym odchyleie stadardowe F jest zae. Niech X, X,..., X

Bardziej szczegółowo

PODSTAWY BIOSTATYSTYKI ĆWICZENIA

PODSTAWY BIOSTATYSTYKI ĆWICZENIA PODSTAWY BIOSTATYSTYKI ĆWICZENIA FILIP RACIBORSKI FILIP.RACIBORSKI@WUM.EDU.PL ZAKŁAD PROFILAKTYKI ZAGROŻEŃ ŚRODOWISKOWYCH I ALERGOLOGII WUM ZADANIE 1 Z populacji wyborców pobrao próbkę 1000 osób i okazało

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

Księga Jakości Laboratorium

Księga Jakości Laboratorium 16. Metodyka szacowaia ieewości rozszerzoej Oracował: mgr Jest to szacowaie ieewości o asymetryczych graicach rzedziału ufości względem wartości średiej, co wyika z faktu określaia wartości średiej jako

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

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

Propozycje rozszerzenia metod wyznaczania niepewności wyniku pomiarów wg Przewodnika GUM 1 (1)

Propozycje rozszerzenia metod wyznaczania niepewności wyniku pomiarów wg Przewodnika GUM 1 (1) Propozycje rozszerzeia metod wyzaczaia iepewości wyiku pomiarów wg Przewodika GUM () Uwzględiaie wpływu autokorelacji i ieadekwatości rozkładu wyików obserwacji w iepewości typu A Mykhaylo Dorozhovets

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

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

PRZEDZIAŁY UFNOŚCI. Niech θ - nieznany parametr rozkładu cechy X. Niech α będzie liczbą z przedziału (0, 1).

PRZEDZIAŁY UFNOŚCI. Niech θ - nieznany parametr rozkładu cechy X. Niech α będzie liczbą z przedziału (0, 1). TATYTYKA MATEMATYCZNA WYKŁAD 3 RZEDZIAŁY UFNOŚCI Niech θ - iezay parametr rozkład cechy. Niech będzie liczbą z przedział 0,. Jeśli istieją statystyki, U i U ; U U ; których rozkład zależy od θ oraz U θ

Bardziej szczegółowo

INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH Z WYTRZYMAŁOŚCI MATERIAŁÓW

INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH Z WYTRZYMAŁOŚCI MATERIAŁÓW INSTYTUT MASZYN I URZĄDZEŃ ENERGETYCZNYCH Politechika Śląska w Gliwicach INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH Z WYTRZYMAŁOŚCI MATERIAŁÓW BADANIE ODKSZTAŁCEŃ SPRĘŻYNY ŚRUBOWEJ Opracował: Dr iż. Grzegorz

Bardziej szczegółowo

Artykuł techniczny CVM-NET4+ Zgodny z normami dotyczącymi efektywności energetycznej

Artykuł techniczny CVM-NET4+ Zgodny z normami dotyczącymi efektywności energetycznej 1 Artykuł techiczy Joatha Azañó Dział ds. Zarządzaia Eergią i Jakości Sieci CVM-ET4+ Zgody z ormami dotyczącymi efektywości eergetyczej owy wielokaałowy aalizator sieci i poboru eergii Obeca sytuacja Obece

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

Wokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych

Wokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych Wokół testu Studeta Wprowadzeie Rozkłady prawdopodobieństwa występujące w testowaiu hipotez dotyczących rozkładów ormalych Rozkład ormaly N(µ, σ, µ R, σ > 0 gęstość: f(x σ (x µ π e σ Niech a R \ {0}, b

Bardziej szczegółowo

I. Cel ćwiczenia. II. Program ćwiczenia SPRAWDZANIE LICZNIKÓW ENERGII ELEKTRYCZNEJ

I. Cel ćwiczenia. II. Program ćwiczenia SPRAWDZANIE LICZNIKÓW ENERGII ELEKTRYCZNEJ Politechika Rzeszowska Zakład Metrologii i Systemów Diagostyczych Laboratorium Metrologii II SPRAWDZANIE LICZNIKÓW ENERGII ELEKTRYCZNEJ Grupa L.../Z... 1... kierowik Nr ćwicz. 9 2... 3... 4... Data Ocea

Bardziej szczegółowo

Statystyczny opis danych - parametry

Statystyczny opis danych - parametry Statystyczy opis daych - parametry Ozaczeia żółty owe pojęcie czerwoy, podkreśleie uwaga * materiał adobowiązkowy Aa Rajfura, Matematyka i statystyka matematycza a kieruku Rolictwo SGGW Zagadieia. Idea

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

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

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

Planowanie eksperymentu pomiarowego I

Planowanie eksperymentu pomiarowego I POLITECHNIKA ŚLĄSKA W GLIWICACH WYDZIAŁ INŻYNIERII ŚRODOWISKA ENERGETYKI INSTYTUT MASZYN URZĄDZEŃ ENERGETYCZNYCH Plaowae eksperymetu pomarowego I Laboratorum merctwa (M 0) Opracował: dr ż. Grzegorz Wcak

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

WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ

WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ LABORATORIUM RACHUNEK EKONOMICZNY W ELEKTROENERGETYCE INSTRUKCJA DO ĆWICZENIA

Bardziej szczegółowo

1 Testy statystyczne. 2 Rodzaje testów

1 Testy statystyczne. 2 Rodzaje testów 1 Testy statystycze Podczas sprawdzaia hipotez statystyczych moga¾ wystapić ¾ dwa rodzaje b ¾edów. Prawdopodobieństwo b ¾edu polegajacego ¾ a odrzuceiu hipotezy zerowej (H 0 ), gdy jest oa prawdziwa, czyli

Bardziej szczegółowo

Analiza dokładności pomiaru, względnego rozkładu egzytancji widmowej źródeł światła, dokonanego przy użyciu spektroradiometru kompaktowego

Analiza dokładności pomiaru, względnego rozkładu egzytancji widmowej źródeł światła, dokonanego przy użyciu spektroradiometru kompaktowego doi:1.15199/48.215.4.38 Eugeiusz CZECH 1, Zbigiew JAROZEWCZ 2,3, Przemysław TABAKA 4, rea FRYC 5 Politechika Białostocka, Wydział Elektryczy, Katedra Elektrotechiki Teoretyczej i Metrologii (1), stytut

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

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

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

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

Lista 5. Odp. 1. xf(x)dx = xdx = 1 2 E [X] = 1. Pr(X > 3/4) E [X] 3/4 = 2 3. Zadanie 3. Zmienne losowe X i (i = 1, 2, 3, 4) są niezależne o tym samym

Lista 5. Odp. 1. xf(x)dx = xdx = 1 2 E [X] = 1. Pr(X > 3/4) E [X] 3/4 = 2 3. Zadanie 3. Zmienne losowe X i (i = 1, 2, 3, 4) są niezależne o tym samym Lista 5 Zadaia a zastosowaie ierówosci Markowa i Czebyszewa. Zadaie 1. Niech zmiea losowa X ma rozkład jedostajy a odciku [0, 1]. Korzystając z ierówości Markowa oszacować od góry prawdopodobieństwo, że

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Zadaie 1 Rzucamy 4 kości do gry (uczciwe). Prawdopodobieństwo zdarzeia iż ajmiejsza uzyskaa a pojedyczej kości liczba oczek wyiesie trzy (trzy oczka mogą wystąpić a więcej iż jedej kości) rówe jest: (A)

Bardziej szczegółowo

Podstawowe oznaczenia i wzory stosowane na wykładzie i laboratorium Część I: estymacja

Podstawowe oznaczenia i wzory stosowane na wykładzie i laboratorium Część I: estymacja Podstawowe ozaczeia i wzory stosowae a wykładzie i laboratorium Część I: estymacja 1 Ozaczeia Zmiee losowe (cechy) ozaczamy a wykładzie dużymi literami z końca alfabetu. Próby proste odpowiadającymi im

Bardziej szczegółowo

(1) gdzie I sc jest prądem zwarciowym w warunkach normalnych, a mnożnik 1,25 bierze pod uwagę ryzyko 25% wzrostu promieniowania powyżej 1 kw/m 2.

(1) gdzie I sc jest prądem zwarciowym w warunkach normalnych, a mnożnik 1,25 bierze pod uwagę ryzyko 25% wzrostu promieniowania powyżej 1 kw/m 2. Katarzya JARZYŃSKA ABB Sp. z o.o. PRODUKTY NISKONAPIĘCIOWE W INSTALACJI PV Streszczeie: W ormalych warukach pracy każdy moduł geeruje prąd o wartości zbliżoej do prądu zwarciowego I sc, który powiększa

Bardziej szczegółowo

Komputerowa analiza danych doświadczalnych

Komputerowa analiza danych doświadczalnych Komputerowa aaliza daych doświadczalych Wykład 7 7.04.07 dr iż. Łukasz Graczykowski lgraczyk@if.pw.edu.pl Semestr leti 06/07 Cetrale twierdzeie graicze - przypomieie Sploty Pobieraie próby, estymatory

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

θx θ 1, dla 0 < x < 1, 0, poza tym,

θx θ 1, dla 0 < x < 1, 0, poza tym, Zadaie 1. Niech X 1,..., X 8 będzie próbą z rozkładu ormalego z wartością oczekiwaą θ i wariacją 1. Niezay parametr θ jest z kolei zmieą losową o rozkładzie ormalym z wartością oczekiwaą 0 i wariacją 1.

Bardziej szczegółowo

Statystyka opisowa. (n m n m 1 ) h (n m n m 1 ) + (n m n m+1 ) 2 +1), gdy n jest parzyste

Statystyka opisowa. (n m n m 1 ) h (n m n m 1 ) + (n m n m+1 ) 2 +1), gdy n jest parzyste Statystyka opisowa Miary statystycze: 1. miary położeia a) średia z próby x = 1 x = 1 x = 1 x i - szereg wyliczający x i i - szereg rozdzielczy puktowy x i i - szereg rozdzielczy przedziałowy, gdzie x

Bardziej szczegółowo

Pomiar napięć i prądów stałych

Pomiar napięć i prądów stałych Ćwiczeie r Pomiar apięć i prądów stałych Cel ćwiczeia: zapozaie z wyzaczaiem parametrów statystyczych sygału oraz określaiem iepewości wyiku pomiaru apięcia i prądu stałego. 1. Pomiary wielokrote Pomiary

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

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

z przedziału 0,1. Rozważmy trzy zmienne losowe:..., gdzie X

z przedziału 0,1. Rozważmy trzy zmienne losowe:..., gdzie X Matematyka ubezpieczeń majątkowych.0.0 r. Zadaie. Mamy day ciąg liczb q, q,..., q z przedziału 0,. Rozważmy trzy zmiee losowe: o X X X... X, gdzie X i ma rozkład dwumiaowy o parametrach,q i, i wszystkie

Bardziej szczegółowo

Wadliwość rzeczywista złączy obwodowych w rurociągach

Wadliwość rzeczywista złączy obwodowych w rurociągach Wadliwość rzeczywista złączy obwodowych w rurociągach Tadeusz Morawski Eergomotaż Półoc Techika Spawalicza i Laboratorium, Warszawa level_tmo@oet.pl 1. Wstęp Bezawaryja eksploatacja rurociągów wiąże się

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka Wnioskowanie statystyczne. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407

Rachunek prawdopodobieństwa i statystyka Wnioskowanie statystyczne. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407 Rachek rawdoodobieństwa i statystyka Wioskowaie statystycze. Estymacja i estymatory Dr Aa ADRIAN Paw B5, ok407 ada@agh.ed.l Estymacja arametrycza Podstawowym arzędziem szacowaia iezaego arametr jest estymator

Bardziej szczegółowo

ZESZYTY NAUKOWE NR 10(82) AKADEMII MORSKIEJ W SZCZECINIE. Określenie zużycia paliwa przez silnik napędowy statku za pomocą analizy wymiarowej

ZESZYTY NAUKOWE NR 10(82) AKADEMII MORSKIEJ W SZCZECINIE. Określenie zużycia paliwa przez silnik napędowy statku za pomocą analizy wymiarowej ISSN 17-8670 ZESZYTY NAUKOWE NR 10(8) AKADEMII MORSKIEJ W SZCZECINIE IV MIĘDZYNARODOWA KONFERENCJA NAUKOWO-TECHNICZNA E X P L O - S H I P 0 0 6 Ja Rosłaowski Określeie zużycia paliwa przez silik apędowy

Bardziej szczegółowo

Obliczanie niepewności rozszerzonej metodą analityczną opartą na splocie rozkładów wielkości wejściowych

Obliczanie niepewności rozszerzonej metodą analityczną opartą na splocie rozkładów wielkości wejściowych Obliczanie niepewności rozszerzonej metodą analityczną opartą na splocie rozkładów wejściowych Paweł Fotowicz * Przedstawiono ścisłą metodę obliczania niepewności rozszerzonej, polegającą na wyznaczeniu

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