Analiza wyników symulacji i rzeczywistego pomiaru zmian napięcia ładowanego kondensatora

Podobne dokumenty
POLITECHNIKA OPOLSKA

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

Statystyka opisowa. () Statystyka opisowa 24 maja / 8

Numeryczny opis zjawiska zaniku

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

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

STATYSTYKA I ANALIZA DANYCH

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

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

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

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

Elementy modelowania matematycznego

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

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.

Estymacja przedziałowa

LABORATORIUM METROLOGII

KADD Metoda najmniejszych kwadratów

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

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

Histogram: Dystrybuanta:

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

Ćwiczenie 2 ESTYMACJA STATYSTYCZNA

MIANO ROZTWORU TITRANTA. Analiza statystyczna wyników oznaczeń

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

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

Opracowanie danych pomiarowych. dla studentów realizujących program Pracowni Fizycznej

Prawdopodobieństwo i statystyka r.

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA

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

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

2. Schemat ideowy układu pomiarowego

0.1 ROZKŁADY WYBRANYCH STATYSTYK

PODSTAWY BIOSTATYSTYKI ĆWICZENIA

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych

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

STATYSTYKA OPISOWA WYKŁAD 1 i 2

Podstawy chemii. Natura pomiaru. masa 20 ± 1 g

KATEDRA ENERGOELEKTRONIKI I ELEKTROENERGETYKI

COLLEGIUM MAZOVIA INNOWACYJNA SZKOŁA WYŻSZA WYDZIAŁ NAUK STOSOWANYCH. Kierunek: Finanse i rachunkowość. Robert Bąkowski Nr albumu: 9871

Miary rozproszenia. Miary położenia. Wariancja. Średnia. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.

STATYSTYKA OPISOWA PODSTAWOWE WZORY

Miary położenia. Miary rozproszenia. Średnia. Wariancja. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.

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

Rozkłady statystyk z próby Twierdzenia graniczne

Statystyczny opis danych - parametry

PRZYKŁADY ROZWIAZAŃ STACJONARNEGO RÓWNANIA SCHRӦDINGERA. Ruch cząstki nieograniczony z klasycznego punktu widzenia. mamy do rozwiązania równanie 0,,

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 PODSTAWOWE WZORY

Lista 6. Estymacja punktowa

θx θ 1, dla 0 < x < 1, 0, poza tym,

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

STATYSTKA I ANALIZA DANYCH LAB II

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

16 Przedziały ufności

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

ANALIZA DANYCH DYSKRETNYCH

Jak obliczać podstawowe wskaźniki statystyczne?

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

Przejście światła przez pryzmat i z

Statystyka Wzory I. Analiza struktury

Estymacja parametrów populacji

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

STATYSTYKA MATEMATYCZNA

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

INFORMATYKA W CHEMII Dr Piotr Szczepański

będą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0,

Statystyka opisowa - dodatek

Statystyka matematyczna. Wykład II. Estymacja punktowa

Wykład 11 ( ). Przedziały ufności dla średniej

TRANZYSTORY POLOWE JFET I MOSFET

Statystyka Matematyczna Anna Janicka

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

Laboratorium Sensorów i Pomiarów Wielkości Nieelektrycznych. Ćwiczenie nr 1

Prawdopodobieństwo i statystyka r.

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17

STATYSTYCZNA OCENA WYNIKÓW POMIARÓW.

ROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO

MODELE MATEMATYCZNE W UBEZPIECZENIACH. 1. Renty

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

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

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

Damian Doroba. Ciągi. 1. Pierwsza z granic powinna wydawać się oczywista. Jako przykład może służyć: lim n = lim n 1 2 = lim.

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

2.1. Studium przypadku 1

Zestaw II Odpowiedź: Przeciętna masa ciała w grupie przebadanych szczurów wynosi 186,2 g.

Arkusz ćwiczeniowy z matematyki Poziom podstawowy ZADANIA ZAMKNIĘTE. W zadaniach od 1. do 21. wybierz i zaznacz poprawną odpowiedź. 1 C. 3 D.

ZADANIA PRZYGOTOWUJĄCE DO SPRAWDZIANÓW W KLASIE DRUGIEJ.

1 Przedziały ufności. ). Obliczamy. gdzie S pochodzi z rozkładu B(n, 1 2. P(2 S n 2) = 1 P(S 2) P(S n 2) = 1 2( 2 n +n2 n +2 n ) = 1 (n 2 +n+2)2 n.

Wykład 10 Wnioskowanie o proporcjach

Komputerowa analiza danych doświadczalnych

STATYSTYKA MATEMATYCZNA

Parametryczne Testy Istotności

INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH Z WYTRZYMAŁOŚCI MATERIAŁÓW

Jarosław Wróblewski Analiza Matematyczna 2B, lato 2015/16

ANALIZA KORELACJI IREGRESJILINIOWEJ

Zadania z Matematyka 2 - SIMR 2008/ szeregi zadania z rozwiązaniami. n 1. n n. ( 1) n n. n n + 4

Transkrypt:

Aaliza wyików symulacji i rzeczywistego pomiaru zmia apięcia ładowaego kodesatora Adrzej Skowroński Symulacja umożliwia am przeprowadzeie wirtualego eksperymetu. Nie kostruując jeszcze fizyczego urządzeia możemy aalizować jego wybrae właściwości, obserwować zmiay daych wyjściowych z symulacji pod wpływem zmia daych wejściowych. A jak wygląda porówaie symulacji z prawdziwym procesem zachodzącym w elemecie? Jeżeli uwzględiliśmy wszystkie istote czyiki mające wpływ a modeloway proces i udało am się uikąć pojawieia się zaczących błędów modelu, wejścia, obcięcia lub zaokrągleń to w procesie symulacji wyiki wyjściowe będą dobrze korelować z rzeczywistymi pomiarami. Zobaczmy a ile różią się i jak są podobe wyiki uzyskae z symulacji i pomiaru szybkości zmia apięcia a ładowaym kodesatorze. Szybkość zmia apięcia ładowaego kodesatora opisuje rówaie różiczkowe: du dt =U we U R C (1) W celu uikięcia dodatkowych błędów powstających w wyiku umeryczego rozwiązaia rówaia różiczkowego wykorzystao dokłade rozwiązaie rówaia (1): U =U we 1 e t / R C () U apięcie a kodesatorze [V] U we apięcie zasilające [V] R rezystacja [W] C pojemość [F] t czas [s] W przykładzie porówao wyiki z pomiaru wykoaego a kodesatorze elektrolityczym 9,8 [mf], zasilaego ze źródła apięcia [V] przez oporik 9 [kw] w czasie t = [s] z krokiem co 1 [s]. Rysuek 1 przedstawia pomiar zmia apięcia a ładowaym kodesatorze, atomiast w tabeli 1 zamieszczoo wyiki pomiaru i symulacji wzrostu apięcia a okładkach kodesatora. Rys. 1 Pomiar apięcia a ładowaym kodesatorze 1

Tab. 1 Napięcie [V] Napięcie [V] Napięcie [V] Symulacja Pomiar Symulacja Pomiar Symulacja Pomiar,,1 17,88 17,1 19,78 19, 1,1 1,9 1 18,11 17, 1 19,8 19,, 3,83 18,31 17, 19,8 19,7 3 5,7,7 3 18,9 17,7 3 19,8 19,5 7,,8 18,5 17,9 19,8 19,53 5 8,59 8,33 5 18,79 18,1 5 19,87 19,5 9,8 9,51 18,9 18,35 19,89 19,57 7 1,89 1,5 7 19, 18,9 7 19,9 19, 8 11,85 11,51 8 19,1 18,55 8 19,91 19, 9 1,7 11,9 9 19,3 18,7 9 19,9 19,3 1 13,9 1,73 3 19,31 18,78 5 19,93 19,5 11 1,18 13, 31 19,38 18,87 51 19,93 19,7 1 1,8 13,78 3 19,5 18,9 5 19,9 19,8 13 15,35 1,37 33 19,51 19, 53 19,95 19,9 1 15,85 1,91 3 19,5 19,8 5 19,95 19,71 15 1,9 15, 35 19,1 19,1 55 19,9 19,7 1 1,8 1,3 3 19,5 19, 5 19,9 19,73 17 17, 1,39 37 19,9 19, 57 19,97 19,7 18 17,35 1,57 38 19,7 19,31 58 19,97 19,7 19 17,3 1,88 39 19,75 19,3 59 19,97 19,7 19,98 19,7 Jak widać w tabeli 1 pomiędzy symulacją a pomiarem rzeczywistym zmia apięcia a ładowaym kodesatorze są rozbieżości wyikające z ie uwzględieia iych parametrów poza pojemością C i rezystacją R, takich jak zastosoway dielektryk, kostrukcja, proces starzeia kodesatora, temperatura itp. Porówajmy jeszcze raz różice pomiędzy pomiarem a symulacją, tym razem a wykresie przedstawioym a rysuku. U(t) 18 1 1 1 1 8 3 5 8 1 13 15 18 3 5 8 3 33 35 38 3 5 8 5 53 55 58 t [s] Rys. Charakterystyka apięcia a ładowaym kodesatorze Symulacja Pomiar

Przystąpmy już do wyciągięcia kilku wiosków z przeprowadzoej symulacji i pomiaru rzeczywistych zmia apięcia a ładowaym kodesatorze. Różicę pomiędzy pomiarem i symulacją graficzie przedstawia wykres a rysuku 3. 1,1 1,,9,8,7,,5, Różica pomiędzy symulacją a pomiarem Przedział ufości mi. Przedział ufości max. Regresja Średia,3,,1 3 5 8 1 13 15 18 3 5 8 3 33 35 38 3 5 8 5 53 55 58 t [s] Rys. 3 Wykres różicy pomiędzy symulacją a pomiarem, regresji, średiej oraz przedziału ufości Tab. Przedziały x i-1,,5,18 1,1,1,5,51,38,3,59,51,78, 18,3,89,78 1,,89 7,11 1 18 1 1 1 1 8 x i Rys. Histogram (x i-1 +x i )/ i i / i / Przedział Sporządźmy teraz histogram (rys. ) a podstawie tabeli, jeżeli chcieli byśmy przeprowadzić test zgodości c to musimy pamiętać aby połączyć przedziały tak, by liczba daych w każdym z ich ie była miejsza od pięciu. Kolumę zależości częstotliwości obserwacji i / od środków przedziałów możemy iterpretować jako przybliżeie gęstości rozkładu (rys. 5). Kolumę częstotliwości skumulowaej i / możemy ziterpretować jako przybliżeie dystrybuaty (rys. ). 3

,5, i/,3,,1 Rys. 5 Przybliżeie gęstości rozkładu,,,,,8 1, 1, 1,8 Σi/,,, Rys. Przybliżeie dystrybuaty,,,,,8 1, Histogram jest iesymetryczy, a zatem mediaa jest róża od średiej. Mediaa jest rówa q =,, atomiast średia x =,83. Obliczmy współczyik skośości: Sk ( 1)( ) i x i x s 3 (3) x średie arytmetycze zbiorów wartości x ilość daych s odchyleie stadardowe s= i x i x 1 ()

Współczyik skrośości Sk =,89, poieważ Sk > histogram jest dodatio skośy. Oszacujemy średią różice pomiędzy symulacją a pomiarem, w tym celu posłużymy się rówaiem: R= 1 U s i U pi (5) U s apięcie symulacji [V] U p apięcie pomiaru [V] i ideks daych, i =,1,..., Średia różica pomiędzy symulacją a pomiarem jest rówa,5 [V]. Współczyik korelacyjy umożliwi sprawdzeie zbieżości symulacji z pomiarem, opisuje go wzór: r xy = x i x y i y () x i x y i y Współczyik korelacji może przyjmować wartości z przedziału (-1,1), gdy r xy = zmiee są ieskorelowae. Dla aszego porówaia współczyik te wyosi,9987 (mamy do czyieia z korelacja dodatią) i świadczy czego oczekiwaliśmy o bardzo dużej zależości symulacji i pomiaru. Wykres a rysuku 3 przedstawia rówież regresję różicy pomiaru i symulacji, współczyiki rówaia prostej zostały obliczoe za pomocą rówań: a= x i x y i y x i x (7) b=y a x y=a xb obliczoe współczyiki wyoszą odpowiedio: a = -,191 b =,53738 Poieważ współczyik ' a ', zway kierukowym ma wartość ujemą to prosta regresji jest malejąca. Ostrożie wyciągiemy wiosek że różica pomiędzy symulacją i pomiarem w fukcji czasu maleje. Określmy przedział ufości dla średiej zakładając poziom ufości 1-a =,99 (8) oraz oceńmy precyzję wyzaczoego szacuku obliczając błąd względy szacuku (1). 5

Px Z M x Z 1 Z a wartość zmieej losowej dla rozkładu ormalego dla współczyika ufości 1 a s odchyleie stadardowe populacji geeralej (8) i x i (9) m wartość oczekiwaa Obliczoy przedział ufości a poziomie,99 jest rówy P(,9<M<,5578) =,159. Rysuek 7 przedstawia obliczoy przedział ufości wraz z rzeczywistym pomiarem zmia apięcia. Fukcję opisującą miimum przedziału ufości obliczoo z rówaia: P mi t=u s t x M (1) Natomiast fukcję opisującą maksimum przedziału ufości obliczoo z rówaia: P max t =U s tx M (11) 1 19 18 17 1 15 1 13 1 11 1 9 8 7 5 3 1 3 5 8 1 13 15 18 3 5 8 3 33 35 38 3 5 8 5 53 55 58 Rys. 7 Przedział ufości dla poziomu ufości,99 i pomiar apięcia Przedział ufości mi. Przedział ufości max. Pomiar

Z B( x) x 1% (1) Błąd względy szacuku przedziału ufości jest rówy 1,15 [%]. Oczywiście możemy postąpić odwrotie, ajpierw określić pożądaą dokładość i obliczyć ilość pomiarów potrzebą do osiągięcia założoej dokładości szacuku, zrobimy to posługując się rówaiem: Z d (13) Powyżej wyzaczyliśmy przedział ufości dla średiej błędu symulacji a podstawie próby liczącej 1 pomiarów. Przedział te miał długość d =,9,5578 =,159 [V], precyzja szacuku wyosiła więc,775 [V]. Ustalmy teraz jak dużo pomiarów ależy wykoać przy ie zmieioym poziomie ufości 1-a =,99 oraz odchyleiu stadardowym tak jak wyżej, s =,38 ale przy precyzji szacuku,1 [V]. Po podstawieiu daych do rówaia (13) możemy obliczyć liczebość pomiarów która jest rówa 37. Literatura [1] H. Budzisz, E. Filipow-Cisowska, J. Wachowiak, M. Wardecki: Elektroicza techika obliczeiowa. Programowaie i metody umerycze, Koszali, Wyższa Szkoła Iżyierska w Koszaliie, 198 [] Z. Hellwig: Elemety rachuku prawdopodobieństwa i statystyki matematyczej, Warszawa, PWN 1995 [3] W. Kloecki: Statystyka dla iżyierów, Warszawa, PWN, 1999 [] A. Obecy: Statystyka matematycza w Excelu dla szkół. Ćwiczeia praktycze, Gliwice, Helio 3 7