Komputerowa Analiza Danych Doświadczalnych

Wielkość: px
Rozpocząć pokaz od strony:

Download "Komputerowa Analiza Danych Doświadczalnych"

Transkrypt

1 Komputerowa Analiza Danych Doświadczalnych dr inż. Adam Kisiel pokój 117b (12b) 1

2 Materiały do wykładu Transparencje do wykładów: Literatura S. Brandt; Analiza danych, PWN, Warszawa (1998) W.T.Eadie, D.Drijard, F.E.James, M.Ross, B.Sadoulet; Metody statystyczne w fizyce doswiadczalnej, PWN, Warszawa (1989) Roman Nowak, Statystyka dla fizyków, PWN, Warszawa (2002) A.Plucińska, E.Pluciński; Elementy probabilistyki, PWN, Warszawa (1979) Programy biblioteki CERN : CERNLIB, HBOOK, PAW, ROOT A.G.Frodesen, O.Skjeggestad, Probability and statistics in particle physics, UNIVERSITETSFORLAGET, Bergen-Oslo-Tromso (1979) John, R. Taylor, Wstęp do analizy błędu pomiarowego, PWN, Warszawa (1999) Używamy biblioteki ROOT i języka C++ Zaliczenie poprzez sumę wyników z laboratorium (cały semestr) + 2 kolokwia (programistyczne) 2

3 Pomiary w eksperymentach fizycznych Pomiar Niepewnosć pomiaru Niepewności systematyczne Metoda różniczki zupełnej Metoda różniczki logarytmicznej Niepewności przypadkowe (statystyczne) Rozkład Gaussa Własności Estymatory Poprawny zapis wielkości mierzonej 3

4 Pomiar Pomiar jest podstawowym źródłem informacji o świecie w którym żyjemy. Proces pomiaru polega na porównaniu pewnej wielkości ze wzorcem, przyjętym za jednostkę. Każdy pomiar jest przeprowadzony z pewną dokładnością. Prawidłowo wykonany pomiar zawiera: Rodzaj jednostki w jakiej wyrażona jest mierzona wielkość Wartość liczbową, czyli wynik pomiaru w przyjętych jednostkach Niepewność pomiarową uzyskanej wartości liczbowej 4

5 Niepewność pomiaru Niepewność pomiaru nazywana jest też błędem pomiaru, choć to niepoprawne określenie. Poprawnie przeprowadzony pomiar nie zawiera błędów, natomiast jego dokładność jest zawsze skończona i musi być podana. Błędy i niepewności dzielimy na: Błędy grube wynikające z pomyłki lub nagłej zmiany warunków pomiaru. Należy je eliminować. Błędy i niepewności systematyczne wynikające z niedoskonałości przyrządów pomiarowych, własności obiektu lub metody pomiarowej. Należy je korygować. Niepewności przypadkowe - należy je oszacować 5

6 Niepewności systematyczne Gdy podczas kilkukrtonych pomiarów tej samej wielkości otrzymujemy ten sam wynik, mamy przewagę niepewności systematycznych nad przypadkowymi (statystycznymi). Zakładamy, że niepewność odczytu wartości mierzonej oraz zastosowanego przyrządu sumują się. Otrzymujemy w ten sposób niepewność maksymalną. 6

7 Metoda różniczki zupełnej Często wyznaczamy pewną wielkość jako funkcję pewnych wielkości mierzonych bezpośrednio. Aby oszacować niepewność takiego pomiaru stosujemy metodę różniczki zupełnej. Oceniamy niepewność y, będącej funkcją zmiennych x: y=f(x 1, x 2,..., x N ). Rozwijamy funkcję y w szereg Taylora wokół wartości wyniku pomiaru otrzymujemy: y= y 1 1 x x y 2 x 2... x y x x n n widać, że niepewności zawsze sumujemy. Uzyskujemy niepewność maksymalną 7

8 Przykład Dokonujemy pomiaru objętości V walca poprzez pomiar jego średnicy d i wysokości h V = f d, h= r 2 h=d 2 /4h=/ 4d 2 h Stosujemy metodę różniczki zupełnej y V x 1 d = 2 4 h d / d= 2 h d y V x 2 h = 2 4 h d / d= 4 d 2 Co daje następujące niepewności: d =20±0.1 mm h=10±0.1mm V =/ mm 2 10 mm=3141mm 3 V =/220 mm 10 mm 0.1mm / mm 2 0.1mm=63mm 3 V /V =0.02 d =20±0.1 mm h=100±0.1mm V =/ mm mm=31420 mm 3 V =/220 mm 100 mm 0.1 mm / mm 2 0.1mm=350 mm 3 V /V =

9 Metoda różniczki logarytmicznej Gdy zależność ma postać iloczynowo-ilorazową, y=a x 1 n 1 x2 n 2 można zastosować prostszą metodę: ln y=ln an 1 x 1 n 2 x 2 Różniczkujemy logarytm i otrzymujemy: y y = n 1 x 1 x 1 n 2 x 2 x 2 czyli wzór na niepewność względną. Porównujemy z poprzednim przykładem: a=/4 x 1 =d n 1 =2 x 2 =h n 2 =1 Przypadek 1: Przypadek 2: V V V V = = = =0.02 V /V =2 % = =0.011 V /V =1.1% 100 9

10 Niepewności przypadkowe Gdy przy powtarzaniu pomiaru otrzymujemy zawsze inne wyniki, oznacza to, że ważne są niepewności przypadkowe W takim przypadku zakładamy, że końcowa niepewność składa się z sumy wielu małych przyczynków, tzw. błędów elementarnych. Wyniki pomiarów są wtedy rozrzucone wokół wartości prawdziwej, której nie jesteśmy w stanie poznać, ale możemy obliczyć jej przybliżoną wartość. Stopień rozrzucenia pomiarów wokół wartości średniej interpretujemy jako niepewność pomiaru 10

11 Rozkład Gaussa Powyższe postulaty prowadzą do wniosku, że pomiary układają się na krzywej Gaussa, o wartości średniej a i odchyleniu standardowym σ f x= 1 2 exp x a

12 Własności rozkładu Gaussa Rozkład Gaussa (nazywany też krzywą dzwonową) ma charakterystyczną szerokość, jest symetryczny względem wartości średniej Całka z rozkładu w przedziale a+σ,a-σ daje około 68%, dla 3σ to ponad 99% Dystrybuanta Gęstość prawdopodobieństwa 12

13 Estymatory parametrów Aby określić wartości parametrów danego rozkładu Gaussa, korzystamy z estymatorów. Wartość średnia a jest przybliżana przez Niepewność pojedynczego pomiaru (czyli estymator szerokości rozkładu σ) Niepewność wartości średniej s x= n x= 1 n i=1 x i s x= 1 n 1 n x x i=1 i 2 1 nn 1 n i=1 x x i 2 = s x n 13

14 Łączenie niepewności Należy pamiętać, że niepewności wyznaczone przy pomocy estymatorów rozkładu Gaussa nie są niepewnościami maksymalnymi, gdyż tylko około 68% wyników mieści się w ich granicach Gdy wyznaczamy niepewność wyznacznia wielkości, będącej funkcją wielkości mierzonych, w których pomiarze dominują błędy przypadkowe, stosujemy tzw. dodawanie błędów w kwadracie : s y = y x 1 x 1, x 22 s 2 x1 y x x 1, x s x2 14

15 Zapis wyników pomiarów Po wyznaczeniu mierzonej wielkości oraz jej niepewności należy poprawie zapisać wynik Niepewność podajemy z dokładnością nie większą niż dwie cyfry znaczące. Wynik pomiaru podajemy z taką dokładnością, aby ostatnia cyfra znacząca odpowiadała ostatniej cyfrze znaczącej niepewności Wynik zaookrąglamy w dół dla pierwszej cyfry nieznaczącej 0-4 i w górę dla 5-9 V =/ mm 2 10 mm= mm 3 V =/220 mm 10 mm 0.1 mm/ mm mm= mm 3 Przedstawiamy jako: V=3420 ± 63 mm 3 15

16 Niezależność. Łączne rozkłady brzegowe Podobnie jak w przypadku dwuwymiarowym, dla niezależności zmiennych musi być spełniony warunek: f x 1,x 2,...,x n =g 1 x 1 g 2 x 2... g n x n Definiujemy też łączną gęstość brzegową dla dowolnych l spośród n zmiennych: g x 1,x 2,...,x l =... f x 1,x 2,...,x n dx l+1...dx n Zmienne X 1,..., X l są niezależne, gdy: g x 1,x 2,...,x l =g 1 x 1 g 2 x 2... g l x l 16

17 Momenty. Wariancje. Momentami rzędu l 1, l 2,..., l n nazywamy wartości oczekiwane funkcji: i oznaczamy je symbolami W szczególności =E { X 1 }=x 1 Momenty względem wartości średnich to: Co pozwala na zapis wariancji: μ =E { X 1 x 1 }=σ 2 X 1 H=x 1 l 1 x 2 l 2... x n l n λ l 1 l 2...l n =E { X 1 l 1 X 2 l 2... X n l n } =E { X 2 }=x 2... μ l 1 l 2...l n =E { X 1 x 1 l 1 X 2 x 2 l 2... X n x n l n} μ =E { X 2 x 2 }=σ 2 X 2... Oraz kowariancji między zmiennymi i i j: c ij =cov X i,x j =E { X i x i X j x j } =E { X n }=x n 17

18 Notacja macierzowa Naturalną reprezentacją dla n zmiennych x 1, x 2,..., x n jest wektor x w przestrzeni n-wymiarowej. Możemy przedstawić wszelkie wielkości w notacji wektorowej: F=F x f x = n x 1 x 2... x n F x - dystrybuanta - gęstość prawdopodobieństwa 1 E {H x }= H x f x d x E X = x x T = x 1,x 2,...,x n x= x 1 x 2 x n - wartość oczekiwana - wartość średnia - notacja macierzowa 18

19 Macierz kowariancji Szczególne znaczenie dla dalszych rozważań ma tzw. macierz kowariancji 11 c c 1n c C=c 21 c c 2n c n1 c n2... c nn gdzie c ij to kowariancja zmiennych i i j. Elementy diagonalne to wariancje c ii =σ 2 (x i ) Macierz jest symetryczna: c ij = c ji W notacji macierzowej możemy napisać: C=E { X x X x T } 19

20 Wzory μ 11 =E [ x x y y ]=cov x,y H x,y =ax+by ρ x,y = cov x,y σ x σ y μ 20 =E [ X x 2 ] =σ 2 x μ 02 =E [ Y y 2 ]=σ 2 y λ 10 =E x =x λ 01 =E y =y μ lm =E [ x λ 10 l y λ 01 m ] σ 2 [ H X,Y ] =E {[ H X,Y E H X,Y ] 2 } σ 2 ax+by =a 2 σ 2 x +b 2 σ 2 y 2 ab cov x,y 20

Rozkłady wielu zmiennych

Rozkłady wielu zmiennych Rozkłady wielu zmiennych Uogólnienie pojęć na rozkład wielu zmiennych Dystrybuanta, gęstość prawdopodobieństwa, rozkład brzegowy, wartości średnie i odchylenia standardowe, momenty Notacja macierzowa Macierz

Bardziej szczegółowo

Komputerowa Analiza Danych Doświadczalnych

Komputerowa Analiza Danych Doświadczalnych Komputerowa Analiza Danych Doświadczalnych Prowadząca: dr inż. Hanna Zbroszczyk e-mail: gos@if.pw.edu.pl tel: +48 22 234 58 51 www: http://hirg.if.pw.edu.pl/~gos/students/kadd Politechnika Warszawska Wydział

Bardziej szczegółowo

Komputerowa analiza danych doświadczalnych

Komputerowa analiza danych doświadczalnych Komputerowa analiza danych doświadczalnych Wykład 3 11.03.2016 dr inż. Łukasz Graczykowski lgraczyk@if.pw.edu.pl Wykłady z poprzednich lat (dr inż. H. Zbroszczyk): http://www.if.pw.edu.pl/~gos/student

Bardziej szczegółowo

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych dla studentów Chemii 2007 Paweł Korecki 2013 Andrzej Kapanowski Po co jest Pracownia Fizyczna? 1. Obserwacja zjawisk i

Bardziej szczegółowo

Podstawy opracowania wyników pomiarów

Podstawy opracowania wyników pomiarów Podstawy opracowania wyników pomiarów I Pracownia Fizyczna Chemia C 02. 03. 2017 na podstawie wykładu dr hab. Pawła Koreckiego Katarzyna Dziedzic-Kocurek Instytut Fizyki UJ, Zakład Fizyki Medycznej k.dziedzic-kocurek@uj.edu.pl

Bardziej szczegółowo

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych. Wykład tutora na bazie wykładu prof. Marka Stankiewicza

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych. Wykład tutora na bazie wykładu prof. Marka Stankiewicza Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych Wykład tutora na bazie wykładu prof. Marka Stankiewicza Po co zajęcia w I Pracowni Fizycznej? 1. Obserwacja zjawisk i

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH Dr Benedykt R. Jany I Pracownia Fizyczna Ochrona Środowiska grupa F1 Rodzaje Pomiarów Pomiar bezpośredni - bezpośrednio

Bardziej szczegółowo

Statystyczne Metody Opracowania Wyników Pomiarów

Statystyczne Metody Opracowania Wyników Pomiarów Statystyczne Metody Opracowania Wyników Pomiarów dla studentów Ochrony Środowiska Teresa Jaworska-Gołąb 2017/18 Co czytać [1] H. Szydłowski, Pracownia fizyczna, PWN, Warszawa 1999. [2] A. Zięba, Analiza

Bardziej szczegółowo

Metoda największej wiarygodności

Metoda największej wiarygodności Metoda największej wiarygodności Próbki w obecności tła Funkcja wiarygodności Iloraz wiarygodności Pomiary o różnej dokładności Obciążenie Informacja z próby i nierówność informacyjna Wariancja minimalna

Bardziej szczegółowo

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych. Wykład tutora na bazie wykładu prof. Marka Stankiewicza

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych. Wykład tutora na bazie wykładu prof. Marka Stankiewicza Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych Wykład tutora na bazie wykładu prof. Marka tankiewicza Po co zajęcia w I Pracowni Fizycznej? 1. Obserwacja zjawisk i efektów

Bardziej szczegółowo

Statystyczne Metody Opracowania Wyników Pomiarów

Statystyczne Metody Opracowania Wyników Pomiarów Statystyczne Metody Opracowania Wyników Pomiarów dla studentów ZMIN Teresa Jaworska-Gołąb 2017/18 Co czytać [1] I Pracownia fizyczna, Andrzej Magiera red., Oficyna Wydawnicza IMPULS, Kraków 2006; http://www.1pf.if.uj.edu.pl/materialy/zalecana-literatura

Bardziej szczegółowo

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych dla studentów Chemii (2018) Autor prezentacji :dr hab. Paweł Korecki dr Szymon Godlewski e-mail: szymon.godlewski@uj.edu.pl

Bardziej szczegółowo

Statystyczne Metody Opracowania Wyników Pomiarów

Statystyczne Metody Opracowania Wyników Pomiarów Statystyczne Metody Opracowania Wyników Pomiarów dla studentów ZMIN Teresa Jaworska-Gołąb 2018/19 Co czytać [1] I Pracownia fizyczna, Andrzej Magiera red., Oficyna Wydawnicza IMPULS, Kraków 2006; http://www.1pf.if.uj.edu.pl/materialy/zalecana-literatura

Bardziej szczegółowo

Rozkład normalny, niepewność standardowa typu A

Rozkład normalny, niepewność standardowa typu A Podstawy Metrologii i Technik Eksperymentu Laboratorium Rozkład normalny, niepewność standardowa typu A Instrukcja do ćwiczenia nr 1 Zakład Miernictwa i Ochrony Atmosfery Wrocław, listopad 2010 r. Podstawy

Bardziej szczegółowo

Ważne rozkłady i twierdzenia c.d.

Ważne rozkłady i twierdzenia c.d. Ważne rozkłady i twierdzenia c.d. Funkcja charakterystyczna rozkładu Wielowymiarowy rozkład normalny Elipsa kowariacji Sploty rozkładów Rozkłady jednostajne Sploty z rozkładem normalnym Pobieranie próby

Bardziej szczegółowo

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych

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

Bardziej szczegółowo

WSKAZÓWKI DO WYKONANIA SPRAWOZDANIA Z WYRÓWNAWCZYCH ZAJĘĆ LABORATORYJNYCH

WSKAZÓWKI DO WYKONANIA SPRAWOZDANIA Z WYRÓWNAWCZYCH ZAJĘĆ LABORATORYJNYCH WSKAZÓWKI DO WYKONANIA SPRAWOZDANIA Z WYRÓWNAWCZYCH ZAJĘĆ LABORATORYJNYCH Dobrze przygotowane sprawozdanie powinno zawierać następujące elementy: 1. Krótki wstęp - maksymalnie pół strony. W krótki i zwięzły

Bardziej szczegółowo

Komputerowa Analiza Danych Doświadczalnych

Komputerowa Analiza Danych Doświadczalnych Komputerowa Analiza Danych Doświadczalnych Prowadząca: dr inż. Hanna Zbroszczyk e-mail: gos@if.pw.edu.pl tel: +48 22 234 58 51 konsultacje: poniedziałek, 10-11; środa: 11-12 www: http://www.if.pw.edu.pl/~gos/students/kadd

Bardziej szczegółowo

LABORATORIUM Z FIZYKI

LABORATORIUM Z FIZYKI LABORATORIUM Z FIZYKI LABORATORIUM Z FIZYKI I PRACOWNIA FIZYCZNA C w Gliwicach Gliwice, ul. Konarskiego 22, pokoje 52-54 Regulamin pracowni i organizacja zajęć Sprawozdanie (strona tytułowa, karta pomiarowa)

Bardziej szczegółowo

Komputerowa analiza danych doświadczalnych. Wykład dr inż. Łukasz Graczykowski

Komputerowa analiza danych doświadczalnych. Wykład dr inż. Łukasz Graczykowski Komputerowa analiza danych doświadczalnych Wykład 3 9.03.2018 dr inż. Łukasz Graczykowski lukasz.graczykowski@pw.edu.pl Semestr letni 2017/2018 Dwuwymiarowe rozkłady zmiennych losowych Jednoczesne pomiary

Bardziej szczegółowo

Rozkłady dwóch zmiennych losowych

Rozkłady dwóch zmiennych losowych Rozkłady dwóch zmiennych losowych Uogólnienie pojęć na rozkład dwóch zmiennych Dystrybuanta i gęstość prawdopodobieństwa Rozkład brzegowy Prawdopodobieństwo warunkowe Wartości średnie i odchylenia standardowe

Bardziej szczegółowo

Podstawy opracowania wyników pomiarów z elementami analizy niepewności statystycznych

Podstawy opracowania wyników pomiarów z elementami analizy niepewności statystycznych Podstawy opracowania wyników pomiarów z elementami analizy niepewności statystycznych Dr inż. Marcin Zieliński I Pracownia Fizyczna dla Biotechnologii, wtorek 8:00-10:45 Konsultacje Zakład Fizyki Jądrowej

Bardziej szczegółowo

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

Wstęp do teorii niepewności pomiaru. Danuta J. Michczyńska Adam Michczyński Wstęp do teorii niepewności pomiaru Danuta J. Michczyńska Adam Michczyński Podstawowe informacje: Strona Politechniki Śląskiej: www.polsl.pl Instytut Fizyki / strona własna Instytutu / Dydaktyka / I Pracownia

Bardziej szczegółowo

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych dla studentów 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 szczegółowo

Fizyka (Biotechnologia)

Fizyka (Biotechnologia) Fizyka (Biotechnologia) Wykład I Marek Kasprowicz dr Marek Jan Kasprowicz pokój 309 marek.kasprowicz@ur.krakow.pl www.ar.krakow.pl/~mkasprowicz Marek Jan Kasprowicz Fizyka 013 r. Literatura D. Halliday,

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16 Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego

Bardziej szczegółowo

Komputerowa Analiza Danych Doświadczalnych

Komputerowa Analiza Danych Doświadczalnych Komputerowa Analiza Danych Doświadczalnych Prowadząca: dr inż. Hanna Zbroszczyk e-mail: gos@if.pw.edu.pl tel: +48 22 234 58 51 konsultacje: poniedziałek, 10-11, środa: 11-12 www: http://www.if.pw.edu.pl/~gos/students/kadd

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA

STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA Zadanie 0.1 Zmienna losowa X ma rozkład określony funkcją prawdopodobieństwa: x k 0 4 p k 1/3 1/6 1/ obliczyć EX, D X. (odp. 4/3;

Bardziej szczegółowo

Wynik pomiaru jako zmienna losowa

Wynik pomiaru jako zmienna losowa Wynik pomiaru jako zmienna losowa Wynik pomiaru jako zmienna losowa Zmienne ciągłe i dyskretne Funkcja gęstości i dystrybuanta Wartość oczekiwana Momenty rozkładów Odchylenie standardowe Estymator zmiennej

Bardziej szczegółowo

Ważne rozkłady i twierdzenia

Ważne rozkłady i twierdzenia Ważne rozkłady i twierdzenia Rozkład dwumianowy i wielomianowy Częstość. Prawo wielkich liczb Rozkład hipergeometryczny Rozkład Poissona Rozkład normalny i rozkład Gaussa Centralne twierdzenie graniczne

Bardziej szczegółowo

Określanie niepewności pomiaru

Określanie niepewności pomiaru Określanie niepewności pomiaru (Materiały do ćwiczeń laboratoryjnych z przedmiotu Materiałoznawstwo na wydziale Górnictwa i Geoinżynierii) 1. Wprowadzenie Pomiar jest to zbiór czynności mających na celu

Bardziej szczegółowo

Wykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe

Wykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe Wykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe Nierówność Czebyszewa Niech X będzie zmienną losową o skończonej wariancji V ar(x). Wtedy wartość oczekiwana E(X) też jest skończona i

Bardziej szczegółowo

KARTA INFORMACYJNA PRZEDMIOTU

KARTA INFORMACYJNA PRZEDMIOTU Uniwersytet Rzeszowski WYDZIAŁ KIERUNEK Matematyczno-Przyrodniczy Fizyka techniczna SPECJALNOŚĆ RODZAJ STUDIÓW stacjonarne, studia pierwszego stopnia KARTA INFORMACYJNA PRZEDMIOTU NAZWA PRZEDMIOTU WG PLANU

Bardziej szczegółowo

ODRZUCANIE WYNIKÓW POJEDYNCZYCH POMIARÓW

ODRZUCANIE WYNIKÓW POJEDYNCZYCH POMIARÓW ODRZUCANIE WYNIKÓW OJEDYNCZYCH OMIARÓW W praktyce pomiarowej zdarzają się sytuacje gdy jeden z pomiarów odstaje od pozostałych. Jeżeli wykorzystamy fakt, że wyniki pomiarów są zmienną losową opisywaną

Bardziej szczegółowo

INFORMATYKA W CHEMII Dr Piotr Szczepański

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

Bardziej szczegółowo

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

HISTOGRAM. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH Liczba pomiarów - n. Liczba pomiarów - n k 0.5 N = N = HISTOGRAM W pewnych przypadkach interesuje nas nie tylko określenie prawdziwej wartości mierzonej wielkości, ale także zbadanie całego rozkład prawdopodobieństwa wyników pomiarów. W takim przypadku wyniki

Bardziej szczegółowo

Zmienne losowe ciągłe i ich rozkłady

Zmienne losowe ciągłe i ich rozkłady Rachunek Prawdopodobieństwa i Statystyka - W3 Zmienne losowe ciągłe i ich rozkłady Dr Anna ADRIAN Paw B5, pok47 adan@agh.edu.pl Plan wykładu Zmienna losowa ciągła Dystrybuanta i unkcja gęstości rozkładu

Bardziej szczegółowo

Wprowadzenie do rachunku niepewności pomiarowej. Jacek Pawlyta

Wprowadzenie do rachunku niepewności pomiarowej. Jacek Pawlyta Wprowadzenie do rachunku niepewności pomiarowej Jacek Pawlyta Fizyka Teorie Obserwacje Doświadczenia Fizyka Teorie Przykłady Obserwacje Przykłady Doświadczenia Przykłady Fizyka Potwierdzanie bądź obalanie

Bardziej szczegółowo

ĆWICZENIE 13 TEORIA BŁĘDÓW POMIAROWYCH

ĆWICZENIE 13 TEORIA BŁĘDÓW POMIAROWYCH ĆWICZENIE 13 TEORIA BŁĘDÓW POMIAROWYCH Pomiary (definicja, skale pomiarowe, pomiary proste, złożone, zliczenia). Błędy ( definicja, rodzaje błędów, błąd maksymalny i przypadkowy,). Rachunek błędów Sposoby

Bardziej szczegółowo

Zakładamy, że są niezależnymi zmiennymi podlegającymi (dowolnemu) rozkładowi o skończonej wartości oczekiwanej i wariancji.

Zakładamy, że są niezależnymi zmiennymi podlegającymi (dowolnemu) rozkładowi o skończonej wartości oczekiwanej i wariancji. Wnioskowanie_Statystyczne_-_wykład Spis treści 1 Centralne Twierdzenie Graniczne 1.1 Twierdzenie Lindeberga Levy'ego 1.2 Dowód 1.2.1 funkcja tworząca sumy zmiennych niezależnych 1.2.2 pochodna funkcji

Bardziej szczegółowo

Weryfikacja hipotez statystycznych

Weryfikacja hipotez statystycznych Weryfikacja hipotez statystycznych Hipoteza Test statystyczny Poziom istotności Testy jednostronne i dwustronne Testowanie równości wariancji test F-Fishera Testowanie równości wartości średnich test t-studenta

Bardziej szczegółowo

Matematyka stosowana w geomatyce Nazwa modułu w języku angielskim Applied Mathematics in Geomatics Obowiązuje od roku akademickiego 2012/2013

Matematyka stosowana w geomatyce Nazwa modułu w języku angielskim Applied Mathematics in Geomatics Obowiązuje od roku akademickiego 2012/2013 0,KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Matematyka stosowana w geomatyce Nazwa modułu w języku angielskim Applied Mathematics in Geomatics Obowiązuje od roku akademickiego 2012/2013 A.

Bardziej szczegółowo

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

Teoria błędów. Wszystkie wartości wielkości fizycznych obarczone są pewnym błędem. Teoria błędów Wskutek niedoskonałości przyrządów, jak również niedoskonałości organów zmysłów wszystkie pomiary są dokonywane z określonym stopniem dokładności. Nie otrzymujemy prawidłowych wartości mierzonej

Bardziej szczegółowo

Zmienne losowe ciągłe i ich rozkłady

Zmienne losowe ciągłe i ich rozkłady Statystyka i opracowanie danych W3 Zmienne losowe ciągłe i ich rozkłady Dr Anna ADRIAN Paw B5, pok47 adan@agh.edu.pl Plan wykładu Rozkład Poissona. Zmienna losowa ciągła Dystrybuanta i funkcja gęstości

Bardziej szczegółowo

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki

Bardziej szczegółowo

Rozkład Gaussa i test χ2

Rozkład Gaussa i test χ2 Rozkład Gaussa jest scharakteryzowany dwoma parametramiwartością oczekiwaną rozkładu μ oraz dyspersją σ: METODA 2 (dokładna) polega na zmianie zmiennych i na obliczeniu pk jako różnicy całek ze standaryzowanego

Bardziej szczegółowo

Laboratorum 1 Podstawy pomiaru wielkości elektrycznych Analiza niepewności pomiarowych

Laboratorum 1 Podstawy pomiaru wielkości elektrycznych Analiza niepewności pomiarowych Laboratorum 1 Podstawy pomiaru wielkości elektrycznych Analiza niepewności pomiarowych Marcin Polkowski (251328) 1 marca 2007 r. Spis treści 1 Cel ćwiczenia 2 2 Techniczny i matematyczny aspekt ćwiczenia

Bardziej szczegółowo

Laboratorium Fizyczne Inżynieria materiałowa. Publikacja współfinansowana ze środków Unii Europejskiej w ramach Europejskiego Funduszu Społecznego

Laboratorium Fizyczne Inżynieria materiałowa. Publikacja współfinansowana ze środków Unii Europejskiej w ramach Europejskiego Funduszu Społecznego Laboratorium Fizyczne Inżynieria materiałowa Publikacja współfinansowana ze środków Unii Europejskiej w ramach Europejskiego Funduszu Społecznego błąd pomiaru = x i x 0 Błędy pomiaru dzielimy na: Błędy

Bardziej szczegółowo

Komputerowa Analiza Danych Doświadczalnych

Komputerowa Analiza Danych Doświadczalnych Komputerowa Analiza Danych Doświadczalnych Prowadząca: dr inż. Hanna Zbroszczyk Konsultacje: Poniedziałek: 10.15-11.00 Piątek: 11.15-12.00 e-mail: gos@if.pw.edu.pl Tel: +48 22 234 58 51 Politechnika Warszawska

Bardziej szczegółowo

Analiza niepewności pomiarów

Analiza 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 szczegółowo

OPIS MODUŁ KSZTAŁCENIA (SYLABUS)

OPIS MODUŁ KSZTAŁCENIA (SYLABUS) OPIS MODUŁ KSZTAŁCENIA (SYLABUS) I. Informacje ogólne: 1 Nazwa modułu Metody opracowania obserwacji 2 Kod modułu 04-A-MOO-60-1L 3 Rodzaj modułu obowiązkowy 4 Kierunek studiów astronomia 5 Poziom studiów

Bardziej szczegółowo

KADD Metoda najmniejszych kwadratów funkcje nieliniowe

KADD Metoda najmniejszych kwadratów funkcje nieliniowe Metoda najmn. kwadr. - funkcje nieliniowe Metoda najmniejszych kwadratów Funkcje nieliniowe Procedura z redukcją kroku iteracji Przykłady zastosowań Dopasowanie funkcji wykładniczej Dopasowanie funkcji

Bardziej szczegółowo

Matematyka 2. dr inż. Rajmund Stasiewicz

Matematyka 2. dr inż. Rajmund Stasiewicz Matematyka 2 dr inż. Rajmund Stasiewicz Skala ocen Punkty Ocena 0 50 2,0 51 60 3,0 61 70 3,5 71 80 4,0 81 90 4,5 91-5,0 Zwolnienie z egzaminu Ocena z egzaminu liczba punktów z ćwiczeń - 5 Warunki zaliczenia

Bardziej szczegółowo

Matematyka stosowana w geomatyce Nazwa modułu w języku angielskim Applied Mathematics in Geomatics Obowiązuje od roku akademickiego 2012/2013

Matematyka stosowana w geomatyce Nazwa modułu w języku angielskim Applied Mathematics in Geomatics Obowiązuje od roku akademickiego 2012/2013 KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Matematyka stosowana w geomatyce Nazwa modułu w języku angielskim Applied Mathematics in Geomatics Obowiązuje od roku akademickiego 2012/2013 A.

Bardziej szczegółowo

Estymacja parametrów, przedziały ufności etc

Estymacja parametrów, przedziały ufności etc Estymacja parametrów, przedziały ufności etc Liniowa MNK przypomnienie Wariancja parametrów Postulat Bayesa: rozkłady p-stwa dla parametrów Przypadek nieliniowy Przedziały ufności Rozkłady chi-kwadrat,

Bardziej szczegółowo

W rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych:

W rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych: W rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych: Zmienne losowe skokowe (dyskretne) przyjmujące co najwyżej przeliczalnie wiele wartości Zmienne losowe ciągłe

Bardziej szczegółowo

Projektowanie systemów pomiarowych. 02 Dokładność pomiarów

Projektowanie systemów pomiarowych. 02 Dokładność pomiarów Projektowanie systemów pomiarowych 02 Dokładność pomiarów 1 www.technidyneblog.com 2 Jak dokładnie wykonaliśmy pomiar? Czy duża / wysoka dokładność jest zawsze konieczna? www.sparkfun.com 3 Błąd pomiaru.

Bardziej szczegółowo

METROLOGIA. Dr inż. Eligiusz PAWŁOWSKI Politechnika Lubelska Wydział Elektrotechniki i Informatyki

METROLOGIA. Dr inż. Eligiusz PAWŁOWSKI Politechnika Lubelska Wydział Elektrotechniki i Informatyki METROLOGIA Dr inż. Eligiusz PAWŁOWSKI Politechnika Lubelska Wydział Elektrotechniki i Informatyki Prezentacja do wykładu dla EINS Zjazd 3, wykład nr 5, 6 Prawo autorskie Niniejsze materiały podlegają ochronie

Bardziej szczegółowo

Modelowanie zależności. Matematyczne podstawy teorii ryzyka i ich zastosowanie R. Łochowski

Modelowanie zależności. Matematyczne podstawy teorii ryzyka i ich zastosowanie R. Łochowski Modelowanie zależności pomiędzy zmiennymi losowymi Matematyczne podstawy teorii ryzyka i ich zastosowanie R. Łochowski P Zmienne losowe niezależne - przypomnienie Dwie rzeczywiste zmienne losowe X i Y

Bardziej szczegółowo

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

Niepewność pomiaru. Wynik pomiaru X jest znany z możliwa do określenia niepewnością. jest bledem bezwzględnym pomiaru iepewność pomiaru dokładność pomiaru Wynik pomiaru X jest znany z możliwa do określenia niepewnością X p X X X X X jest bledem bezwzględnym pomiaru [ X, X X ] p Przedział p p nazywany jest przedziałem

Bardziej szczegółowo

Dokładność pomiaru: Ogólne informacje o błędach pomiaru

Dokładność pomiaru: Ogólne informacje o błędach pomiaru Dokładność pomiaru: Rozumny człowiek nie dąży do osiągnięcia w określonej dziedzinie większej dokładności niż ta, którą dopuszcza istota przedmiotu jego badań. (Arystoteles) Nie można wykonać bezbłędnego

Bardziej szczegółowo

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

Zmierzyłem i co dalej? O opracowaniu pomiarów i analizie niepewności słów kilka Zmierzyłem i co dalej? O opracowaniu pomiarów i analizie niepewności słów kilka Jakub S. Prauzner-Bechcicki Grupa: Chemia A Kraków, dn. 7 marca 2018 r. Plan wykładu Rozważania wstępne Prezentacja wyników

Bardziej szczegółowo

Rozdział 1. Wektory losowe. 1.1 Wektor losowy i jego rozkład

Rozdział 1. Wektory losowe. 1.1 Wektor losowy i jego rozkład Rozdział 1 Wektory losowe 1.1 Wektor losowy i jego rozkład Definicja 1 Wektor X = (X 1,..., X n ), którego każda współrzędna jest zmienną losową, nazywamy n-wymiarowym wektorem losowym (krótko wektorem

Bardziej szczegółowo

Komputerowa Analiza Danych Doświadczalnych

Komputerowa Analiza Danych Doświadczalnych Komputerowa Analiza Danych Doświadczalnych Prowadząca: dr inż. Hanna Zbroszczyk e-mail: gos@if.pw.edu.pl Tel: +48 22 234 58 51 Politechnika Warszawska Wydział Fizyki Pok. 117b (wejście przez 115) www:

Bardziej szczegółowo

Własności statystyczne regresji liniowej. Wykład 4

Własności statystyczne regresji liniowej. Wykład 4 Własności statystyczne regresji liniowej Wykład 4 Plan Własności zmiennych losowych Normalna regresja liniowa Własności regresji liniowej Literatura B. Hansen (2017+) Econometrics, Rozdział 5 Własności

Bardziej szczegółowo

Prawdopodobieństwo i rozkład normalny cd.

Prawdopodobieństwo i rozkład normalny cd. # # Prawdopodobieństwo i rozkład normalny cd. Michał Daszykowski, Ivana Stanimirova Instytut Chemii Uniwersytet Śląski w Katowicach Ul. Szkolna 9 40-006 Katowice E-mail: www: mdaszyk@us.edu.pl istanimi@us.edu.pl

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: Kierunek: Informatyka Rodzaj przedmiotu: przedmiot obowiązkowy w ramach treści kierunkowych, moduł kierunkowy ogólny Rodzaj zajęć: wykład, ćwiczenia I KARTA PRZEDMIOTU CEL PRZEDMIOTU

Bardziej szczegółowo

Metody iteracyjne rozwiązywania układów równań liniowych (5.3) Normy wektorów i macierzy (5.3.1) Niech. x i. i =1

Metody iteracyjne rozwiązywania układów równań liniowych (5.3) Normy wektorów i macierzy (5.3.1) Niech. x i. i =1 Normy wektorów i macierzy (5.3.1) Niech 1 X =[x x Y y =[y1 x n], oznaczają wektory przestrzeni R n, a yn] niech oznacza liczbę rzeczywistą. Wyrażenie x i p 5.3.1.a X p = p n i =1 nosi nazwę p-tej normy

Bardziej szczegółowo

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

Wykład 9. Terminologia i jej znaczenie. Cenzurowanie wyników pomiarów. Wykład 9. Terminologia i jej znaczenie. Cenzurowanie wyników pomiarów.. KEITHLEY. Practical Solutions for Accurate. Test & Measurement. Training materials, www.keithley.com;. Janusz Piotrowski: Procedury

Bardziej szczegółowo

Ćwiczenie nr 2: ZaleŜność okresu drgań wahadła od amplitudy

Ćwiczenie nr 2: ZaleŜność okresu drgań wahadła od amplitudy Wydział PRACOWNIA FIZYCZNA WFiIS AGH Imię i nazwisko 1. 2. Temat: Rok Grupa Zespół Nr ćwiczenia Data wykonania Data oddania Zwrot do popr. Data oddania Data zaliczenia OCENA Ćwiczenie nr 2: ZaleŜność okresu

Bardziej szczegółowo

AKADEMIA GÓRNICZO-HUTNICZA Wydział Matematyki Stosowanej ROZKŁAD NORMALNY ROZKŁAD GAUSSA

AKADEMIA GÓRNICZO-HUTNICZA Wydział Matematyki Stosowanej ROZKŁAD NORMALNY ROZKŁAD GAUSSA AKADEMIA GÓRNICZO-HUTNICZA Wydział Matematyki Stosowanej KATEDRA MATEMATYKI TEMAT PRACY: ROZKŁAD NORMALNY ROZKŁAD GAUSSA AUTOR: BARBARA MARDOSZ Kraków, styczeń 2008 Spis treści 1 Wprowadzenie 2 2 Definicja

Bardziej szczegółowo

Rozkład normalny Parametry rozkładu zmiennej losowej Zmienne losowe wielowymiarowe

Rozkład normalny Parametry rozkładu zmiennej losowej Zmienne losowe wielowymiarowe Statystyka i opracowanie danych W4 Rozkład normalny Parametry rozkładu zmiennej losowej Zmienne losowe wielowymiarowe Dr Anna ADRIAN Paw B5, pok407 adan@agh.edu.pl Rozkład normalny wykres funkcji gęstości

Bardziej szczegółowo

WYKŁAD 8 ANALIZA REGRESJI

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

Bardziej szczegółowo

Analiza i monitoring środowiska

Analiza i monitoring środowiska Analiza i monitoring środowiska CHC 017003L (opracował W. Zierkiewicz) Ćwiczenie 1: Analiza statystyczna wyników pomiarów. 1. WSTĘP Otrzymany w wyniku przeprowadzonej analizy ilościowej wynik pomiaru zawartości

Bardziej szczegółowo

Rozkłady statystyk z próby

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

Bardziej szczegółowo

LABORATORIUM PROMIENIOWANIE w MEDYCYNIE

LABORATORIUM PROMIENIOWANIE w MEDYCYNIE LABORATORIUM PROMIEIOWAIE w MEDYCYIE Ćw nr STATYSTYKA ZLICZEŃ PROMIEIOWAIA JOIZUJACEGO azwisko i Imię: data: ocena (teoria) Grupa Zespół ocena końcowa Cel ćwiczenia Rozpad izotopu promieniotwórczego wysyłającego

Bardziej szczegółowo

Z Wikipedii, wolnej encyklopedii.

Z Wikipedii, wolnej encyklopedii. Rozkład normalny Rozkład normalny jest niezwykle ważnym rozkładem prawdopodobieństwa w wielu dziedzinach. Nazywa się go także rozkładem Gaussa, w szczególności w fizyce i inżynierii. W zasadzie jest to

Bardziej szczegółowo

Niepewności pomiarów

Niepewności pomiarów Niepewności pomiarów Międzynarodowa Organizacja Normalizacyjna (ISO) w roku 1995 opublikowała normy dotyczące terminologii i sposobu określania niepewności pomiarów [1]. W roku 1999 normy zostały opublikowane

Bardziej szczegółowo

Sprawdzenie narzędzi pomiarowych i wyznaczenie niepewności rozszerzonej typu A w pomiarach pośrednich

Sprawdzenie 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 szczegółowo

Ćwiczenie 1 Metody pomiarowe i opracowywanie danych doświadczalnych.

Ćwiczenie 1 Metody pomiarowe i opracowywanie danych doświadczalnych. Ćwiczenie 1 Metody pomiarowe i opracowywanie danych doświadczalnych. Ćwiczenie ma następujące części: 1 Pomiar rezystancji i sprawdzanie prawa Ohma, metoda najmniejszych kwadratów. 2 Pomiar średnicy pręta.

Bardziej szczegółowo

WYMAGANIA WSTĘPNE W ZAKRESIE WIEDZY, UMIEJĘTNOŚCI I INNYCH KOMPETENCJI

WYMAGANIA WSTĘPNE W ZAKRESIE WIEDZY, UMIEJĘTNOŚCI I INNYCH KOMPETENCJI WYDZIAŁ GEOINŻYNIERII, GÓRNICTWA I GEOLOGII KARTA PRZEDMIOTU Nazwa w języku polskim: Statystyka matematyczna Nazwa w języku angielskim: Mathematical Statistics Kierunek studiów (jeśli dotyczy): Górnictwo

Bardziej szczegółowo

Zmienne losowe. Statystyka w 3

Zmienne losowe. Statystyka w 3 Zmienne losowe Statystyka w Zmienna losowa Zmienna losowa jest funkcją, w której każdej wartości R odpowiada pewien podzbiór zbioru będący zdarzeniem losowym. Zmienna losowa powstaje poprzez przyporządkowanie

Bardziej szczegółowo

Planowanie eksperymentu (optymalizacja procesów chemicznych)

Planowanie eksperymentu (optymalizacja procesów chemicznych) Planowanie eksperymentu (optymalizacja procesów chemicznych) dr inż. Agnieszka Gadomska-Gajadhur E-mail: agadomska@ch.pw.edu.pl Lab. Pawilon, nr tel. 34 54 63 Plan wykładu Dlaczego planujemy eksperymenty?

Bardziej szczegółowo

WPROWADZENIE DO TEORII BŁĘDÓW I NIEPEWNOŚCI POMIARU

WPROWADZENIE DO TEORII BŁĘDÓW I NIEPEWNOŚCI POMIARU Publikacja współfinansowana ze środków Unii Europejskiej w ramach Europejskiego Funduszu Społecznego WPROWADZENIE DO TEORII BŁĘDÓW I NIEPEWNOŚCI POMIARU 1. Błąd a niepewność pomiaru Pojęcia błędu i niepewności

Bardziej szczegółowo

Komputerowa analiza danych doświadczalnych

Komputerowa analiza danych doświadczalnych Komputerowa analiza danych doświadczalnych Wykład 9 27.04.2018 dr inż. Łukasz Graczykowski lukasz.graczykowski@pw.edu.pl Semestr letni 2017/2018 Metoda największej wiarygodności ierównosć informacyjna

Bardziej szczegółowo

Komputerowa analiza danych doświadczalnych

Komputerowa analiza danych doświadczalnych Komputerowa analiza danych doświadczalnych Wykład 4.03.06 dr inż. Łukasz Graczykowski lgraczyk@if.pw.edu.pl Semestr letni 05/06 Zmienne losowe, jednowymiarowe rozkłady zmiennych losowych Pomiar jako zdarzenie

Bardziej szczegółowo

Statystyka i eksploracja danych

Statystyka i eksploracja danych Wykład II: i charakterystyki ich rozkładów 24 lutego 2014 Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa, cz. II Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa,

Bardziej szczegółowo

Statystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd.

Statystyki: 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 szczegółowo

Zajęcia wprowadzające W-1 termin I temat: Sposób zapisu wyników pomiarów

Zajęcia 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 szczegółowo

Wykład 3 Jednowymiarowe zmienne losowe

Wykład 3 Jednowymiarowe zmienne losowe Wykład 3 Jednowymiarowe zmienne losowe Niech (Ω, F, P ) będzie ustaloną przestrzenią probabilistyczną Definicja 1 Jednowymiarowa zmienna losowa (o wartościach rzeczywistych), określoną na przestrzeni probabilistycznej

Bardziej szczegółowo

Rok akademicki: 2012/2013 Kod: JFM s Punkty ECTS: 3. Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne

Rok akademicki: 2012/2013 Kod: JFM s Punkty ECTS: 3. Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne Nazwa modułu: Statystyka inżynierska Rok akademicki: 2012/2013 Kod: JFM-1-210-s Punkty ECTS: 3 Wydział: Fizyki i Informatyki Stosowanej Kierunek: Fizyka Medyczna Specjalność: Poziom studiów: Studia I stopnia

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład VIII: Przestrzenie statystyczne. Estymatory 1 grudnia 2014 Wprowadzenie Przykład: pomiar z błędem Współczynnik korelacji r(x, Z) = 0, 986 Wprowadzenie Przykład: pomiar z błędem Współczynnik korelacji

Bardziej szczegółowo

Laboratorium Metrologii

Laboratorium Metrologii Laboratorium Metrologii Ćwiczenie nr 1 Metody określania niepewności pomiaru. I. Zagadnienia do przygotowania na kartkówkę: 1. Podstawowe założenia teorii niepewności. Wyjaśnić znaczenie pojęć randomizacja

Bardziej szczegółowo

Inżynieria Środowiska. II stopień ogólnoakademicki. przedmiot podstawowy obowiązkowy polski drugi. semestr zimowy

Inżynieria Środowiska. II stopień ogólnoakademicki. przedmiot podstawowy obowiązkowy polski drugi. semestr zimowy Załącznik nr 7 do Zarządzenia Rektora nr../12 z dnia.... 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2017/2018 STATYSTYKA

Bardziej szczegółowo

Wprowadzenie do teorii ekonometrii. Wykład 1 Warunkowa wartość oczekiwana i odwzorowanie liniowe

Wprowadzenie do teorii ekonometrii. Wykład 1 Warunkowa wartość oczekiwana i odwzorowanie liniowe Wprowadzenie do teorii ekonometrii Wykład 1 Warunkowa wartość oczekiwana i odwzorowanie liniowe Zajęcia Wykład Laboratorium komputerowe 2 Zaliczenie EGZAMIN (50%) Na egzaminie obowiązują wszystkie informacje

Bardziej szczegółowo

Oszacowanie i rozkład t

Oszacowanie i rozkład t Oszacowanie i rozkład t Marcin Zajenkowski Marcin Zajenkowski () Oszacowanie i rozkład t 1 / 31 Oszacowanie 1 Na podstawie danych z próby szacuje się wiele wartości w populacji, np.: jakie jest poparcie

Bardziej szczegółowo

Laboratorium z Metrologii

Laboratorium z Metrologii Zachodniopomorski niwersytet Technologiczny w Szczecinie Wydział Elektryczny Katedra Sterowania i Pomiarów Zakład Metrologii Laboratorium z Metrologii Opracował: dr inż. A.Wollek 1 Prowadzący dr inż. Andrzej

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD grudnia 2009

STATYSTYKA MATEMATYCZNA WYKŁAD grudnia 2009 STATYSTYKA MATEMATYCZNA WYKŁAD 10 14 grudnia 2009 PARAMETRY POŁOŻENIA Przypomnienie: Model statystyczny pomiaru: wynik pomiaru X = µ + ε 1. ε jest zmienną losową 2. E(ε) = 0 pomiar nieobciążony, pomiar

Bardziej szczegółowo