Kier. MTR Programowanie w MATLABie Laboratorium Ćw. 12

Podobne dokumenty
JEDNOWYMIAROWA ZMIENNA LOSOWA

Prawdopodobieństwo i statystyka r.

STATYSTYKA. Zmienna losowa skokowa i jej rozkład

Parametry zmiennej losowej

Statystyka. Zmienne losowe

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi.

Rozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1

STATYSTYCZNA ANALIZA WYNIKÓW POMIARÓW

Statystyka Inżynierska

0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4

JEDNOWYMIAROWA ZMIENNA LOSOWA

Funkcje i charakterystyki zmiennych losowych

Kier. MTR Programowanie w MATLABie Laboratorium

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X

Wybrane rozkłady zmiennych losowych i ich charakterystyki


Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB

Weryfikacja hipotez dla wielu populacji

± Δ. Podstawowe pojęcia procesu pomiarowego. x rzeczywiste. Określenie jakości poznania rzeczywistości

SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.

Podstawy rachunku prawdopodobieństwa (przypomnienie)

Ćwiczenie nr 1 WAHADŁO MATEMATYCZNE Instrukcja dla studenta

Rozkłady statystyczne w fizyce jądrowej

Tablica Galtona. Mechaniczny model rozkładu normalnego (M10)

Rozkłady zmiennych losowych

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4

Zaawansowane metody numeryczne

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

Proces narodzin i śmierci

Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup

Ćw. 5. Wyznaczanie współczynnika sprężystości przy pomocy wahadła sprężynowego

6. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO

PERMUTACJE Permutacją zbioru n-elementowego X nazywamy dowolną wzajemnie jednoznaczną funkcję f : X X X

F - wypadkowa sił działających na cząstkę.

Rachunek niepewności pomiaru opracowanie danych pomiarowych

ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

Pokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem

Reprezentacje grup symetrii. g s

Ważne rozkłady i twierdzenia

LABORATORIUM METROLOGII TECHNIKA POMIARÓW (M-1)

Metody Numeryczne 2017/2018

MIĘDZYNARODOWE UNORMOWANIA WYRAśANIA ANIA NIEPEWNOŚCI POMIAROWYCH


Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej

FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin. 2010, Oeconomica 280 (59), 13 20

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Sprawozdanie powinno zawierać:

Natalia Nehrebecka. Zajęcia 4

STANDARDOWE TECHNIKI KOMPRESJI SYGNAŁÓW

Zjawiska masowe takie, które mogą wystąpid nieograniczoną ilośd razy. Wyrazów Obcych)

SYSTEMY UCZĄCE SIĘ WYKŁAD 5. LINIOWE METODY KLASYFIKACJI. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

Analiza struktury zbiorowości statystycznej

Teoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru

Statystyka Opisowa 2014 część 2. Katarzyna Lubnauer

RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 5.

1.1. Uprość opis zdarzeń: 1.2. Uprościć opis zdarzeń: a) A B A Uprościć opis zdarzeń: 1.4. Uprościć opis zdarzeń:

Elementy rachunku prawdopodobieństwa. repetytorium

Systemy Ochrony Powietrza Ćwiczenia Laboratoryjne

Pattern Classification

Komputerowa analiza danych doświadczalnych

Teoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

α i = n i /n β i = V i /V α i = β i γ i = m i /m

METODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów.

Eksploracja danych. Grupowanie danych

Metody numeryczne. Instytut Sterowania i Systemów Informatycznych Wydział Elektrotechniki, Informatyki i Telekomunikacji Uniwersytet Zielonogórski

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa. PARA ZMIENNYCH LOSOWYCH

Pomiar mocy i energii

Statystyka Opisowa z Demografią oraz Biostatystyka. Zmienne losowe. Aleksander Denisiuk. denisjuk@euh-e.edu.pl

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD A

XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne

KURS STATYSTYKA. Lekcja 1 Statystyka opisowa ZADANIE DOMOWE. Strona 1

AKADEMIA GÓRNICZO-HUTNICZA Wydział Matematyki Stosowanej ROZKŁAD NORMALNY ROZKŁAD GAUSSA

Wykład 3 Jednowymiarowe zmienne losowe

Aleksander Adamowski (s1869) zmienn ą losow ą T o rozkładzie wykładniczym o średniej 5 minut.

SZTUCZNA INTELIGENCJA

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B

Literatura. Leitner R., Zacharski J., Zarys matematyki wyŝszej dla studentów, cz. III.

Nieliniowe zadanie optymalizacji bez ograniczeń numeryczne metody iteracyjne optymalizacji

Procedura normalizacji

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

Indukcja matematyczna

Definicje ogólne

Badanie energetyczne płaskiego kolektora słonecznego

IN YNIERIA BEZPIECZE STWA LABORATORIUM NR 6

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

FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin. 2009, Oeconomica 275 (57), 13 20

Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki)

Możliwość komputerowego wspomagania diagnozowania silników tłokowych stosowanych w transporcie morskim

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Temat: Operacje elementarne na wierszach macierzy

Nieparametryczne Testy Istotności

WYKŁAD 2. Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW

Statystyka. Wydział Zarządzania Uniwersytetu Łódzkiego

WYZNACZANIE OBROTOWO-SYMETRYCZNEJ BRYŁY FOTOMETRYCZNEJ

Elementarna analiza statystyczna

Transkrypt:

Ker. MTR Programowane w MATLABe Laboratorum Ćw. Analza statystyczna grafczna danych pomarowych. Wprowadzene MATLAB dysponuje weloma funcjam umożlwającym przeprowadzene analzy statystycznej pomarów, czy też wynów esperymentów. etóre są dostępne jao funcje podstawowe, część jest elementam stale rozwjanego przyborna Statstcs Toolbox. Podstawowe funcje statystyczne Przy lcznej próbe dane statystyczne łączone są w grupy (przedzały), tworzone są hstogramy, a następne oblczane są: wartośc średne, odchylena standardowe, owarancje, współczynn orelacj, td ech dane będa wyn pomarów zapsane w tabel o wymarach 5x x = [ 0 4 5 7 7 4]; Wartość średna: mean(x,dm) m x mean(x) - średne w poszczególnych olumnach macerzy x, >> mean(x) = 4 mean(x,dm) - średna elementów zawartych w wymarze dm - średne w wymarze dm=, czyl w poszczególnych olumnach, >> mean(x,) = 4 - średne w wymarze dm=, czyl w poszczególnych werszach >> mean(x,) =.0000 4.0000.0000.6667 4. - średne w wymarze dm=,4,5,... czyl dla pojedynczych elementów, gdyż macerz ma tylo wymary >> mean(x,) 0 4 5 7 7 4

Odchylene standardowe: std(x,flag,dm) std(x) - odchylene standardowe odnesone do - elementów, przy =length(x) (x m) s >> std(x) =.47.5495. >> std(x,0) =.47.5495. dla flag=0 std(x,flag) - flag = - odchylene standardowe odnesone do elementów, przy =length(x) (x m) s >> std(x,) =.0954.804.8974 std(x,flag,dm) - odchylene standardowe zgodne z podanym wymarem dm, przy czym flag=0 odnos sę do - w wzorze na odch.stand., a flag = - do elementów dm= - odchylena standardowe w poszczególnych olumnach >> std(x,0,) =.47.5495., równoważne std(x) >> std(x,,) =.0954.804.8974, równoważne std(x,) dm= - odchylena standardowe w poszczególnych werszach odnesone do - elementów >> std(x,0,) =.0000.0000.0000.8868.566 dm= - odchylena standardowe w poszczególnych werszach odnesone do elementów >> std(x,,) = 0.865 0.865 0.865.570.0548 Kowarancje cov(x,flag) cov(x) - tratuje ażdy wersz macerzy x jao realzację welowymarowej zmennej losowej /olejna olumna to olejna zmenna/ zwraca macerz owarancj x x x... x n - -szy wersz macerzy x /-sza realzacja zm.l./... x x x... x - -ty wersz macerzy x /-ta realzacja zm.l./ n

... x x x... x - -ty wersz macerzy x /-ta ostatna realzacja zm.l./ x n m - średna zmennej losowej x m j x m x j m j - owarancja zmennej x oraz x j m m... mn m... m n M - macerz owarancj jest symetyryczna, na przeatnej... m nn występują warancje >> cov(x) =.5000 0.7500 0.7500 0.7500 6.5000.5000 0.7500.5000 4.5000 >> cov(x,0) =.5000 0.7500 0.7500 0.7500 6.5000.5000 0.7500.5000 4.5000 cov(x,) - jest normalzowane przez zamast - >> cov(x,) =.000 0.6000 0.6000 0.6000 5.000.000 0.6000.000.6000 Jeżel realzacje zmennej losowej zapsane są w postac wetora, to zwracana jest warancja zmennej losowej. pom =[0; ; ; ; ] 0 ]; >> cov(pom) =.5000 pom = [ 0 ]; >> cov(pom) =.5000 Jeżel realzacje zmennych zmennych losowych zapsane są w postac wetorów, to długośc tych wetorów pownny być tae same x = [ 0 ];

x = [ 4 7]; cov(x,y) zwraca owarancje dla - >> cov(x,x) =.5000 0.7500 0.7500 6.5000 cov(x,y,) zwraca owarancje dla >> cov(x,x,) =.000 0.6000 0.6000 5.000 Taże dla wetorów werszowych xp = [ 0 ]; xp = [ 4 7]; >> cov(xp,xp) =.5000 0.7500 0.7500 6.5000 >> cov(xp,xp,) =.000 0.6000 0.6000 5.000 Korelacje [R,P,RUP]=corrcoef( corrcoef(x) - tratuje ażdy wersz macerzy x jao realzację welowymarowej zmennej losowej /olejna olumna to olejna zmenna/ zwraca macerz orelacj ze wzorem mj rj s s j r r... rn r... rn R - macerz orelacj jest symetryczna, - na przeątnej... rnn p p... pn p... p n P - macerz prawdopodobeństw, że zachodz zaobserwowana... p nn orelacja >> [R,P]=corrcoef(x) R =.0000 0.40 0.887 0.40.0000 0.774 0.887 0.774.0000 P =.0000 0.697 0.676 0.697.0000 0.654 4

0.676 0.654.0000 Przyładową analzę statystyczną realzuje funcja atest. Gęstość prawdopodobeństwa dystrybuanta rozładu normalnego ajczęścej w technce wyorzystuje sę rozład normalny prawdopodobeństwa. Funcja prawdopodobeństwa rozładu normalnego to tzw. rzywa Gaussa opsana jest równanem gdze p(x) exp s x m s exp( t s / ) m wartość oczewana /średna/ s odchylene standardowe, t = (x-m)/s zmenna losowa standaryzowana. W celu zobrazowana rzywej Gaussa opracowano funcje. Funcja rngauss() oblcza gęstość prawdopodobeństwa a wyres jest tworzony przez rnrys. Dystrybuanta rozładu normalnego (m,s) ma postać s F(x) e dx s Po wprowadzenu podstawena x m t s mamy dx dt s czyl t x (xm) t F(t) e dt W MATLABe dostępna jest funcja erf(t), tóra może być wyorzystana do oblczana prawdopodbeństwa zmennej standaryzowanej t e t erf (t) dt Funcja prnab() może być wyorzystana do wyreślena dystrybuanty rozładu (0,). Tworzene hstogramu dla danych pomarowych hst - bez podana argumentów rysuje hstogram oraz n = hst(x) - grupuje elementy x w 0 przedzałach zwraca lczbę elementów w ażdym przedzale; jeżel x jest macerzą, to hst bada wartośc wzdłuż olumn (ażda olumna to odrębna zmenna losowa). n=hst(x,m) - grupuje elementy w m przedzałach (m mus być salarem) [n,xsr]=hst(x) - zwraca lczbę elementów n w ażdym przedzale średne tych przedzałów xsr Hstogram dla przyładowych danych tworzony jest przez funcję hstogram. 5

. Ćwczene laboratoryjne Uruchomć przeanalzować dzałane przyładowych funcj atest, rngauss, rnrys, hstogram.. Zadane laboratoryjne W cągu godz. przeprowadzono cyl pomarów napęć w pewnym uładze trójfazowym. Wyn pomarów podano ponżej. ależy doonać analzy statystycznej grafcznej danych pomarowych (średne, odchylena standardowe, współczynn orelacj, hstogramy dla poszczegolnych napęć fazowych). %Lp UL UL UL 8. 8. 48. 8. 8. 8. 8.5 8.6 8. 4 8.7 8.8 8. 5 7.9 8. 8. 6 8. 8. 7. 7 0. 8. 8. 8 9.9 8.0 8.8 9 8.5 0.0 8.9 0 8. 8. 8. 9. 8.9 9.9 8.9 9.8 0. 5.5 8.6 6.0 4 9.0 8. 5. 5 6.0 8. 5. 6 8. 8. 8. 7 8. 8. 8. 8 8.7 8.8. 9 8. 8. 7. 0 8.5 8.6 8. 9. 8.9 9.9 8. 8. 8. 8. 8. 8. 4 8.5 8.6 8. 5 8.7 8.8 8. 6 7.9 8. 8. 7 8. 8. 8. 8 0. 8. 8. 9 9.9 8.0 8.8 0 5.5 0.0 8.9 8. 8. 8. 8. 8.4 8.8 8.8 8.7 8.6 4 7. 7.8 7.9 5 7. 7.0 7. 6 7. 7. 7.4 7 7.4 7.5 7.6 8 7. 7. 7. 9 7. 7. 7. 40 8.6 8.7 8.8 4 7. 7. 7. 4 7. 7.4 7.5 4 7.6 7.7 7.8 44 7.9 7.0 6.9 45 7. 7.9 7.8 46 7.5 7.6 7.7 47 7.9 9.0 7.8 48 7.8 7.9 8.0 49 7. 7.8 7.9 50 7.8 7.9 8.0 6