Mˇ eˇren ı ˇ cetnost ı (Poissonovo rozdˇ elen ı) 1 / 56
|
|
- Božena Matoušková
- před 5 lety
- Počet zobrazení:
Transkript
1 Měření četností (Poissonovo rozdělení) 1 / 56
2 Měření četností (Poissonovo rozdělení) Motivace: měření aktivity zdroje Geiger-Müllerův čítac: aktivita: 1 Bq = 1 částice / 1 s = s 1 Jaká je přesnost měření? Složitější:měření energetického spektra zářiče 2 / 56
3 Experiment s mincí Chceme experimentálně ověřit, že pravděpodobnost padnutí panny je p = 0.5 Výsledky experimentu: počet hodů N = 7 panny x = 4 orli y = 3 Odhad p = x N = 0.57 Je to konsistentní s p = 0.5? Potřebuji znát chybu měření σ p Ta bude očividně klesat s počtem měření N. 3 / 56
4 Binomické rozdělení N pokusů s dvěma možnými výsledky (Head, Tail). Binomické rozdělení P (n; N, p) - pravděpodobnost právě k výsledků jednoho typu (Head) z N pokusů při pravděpodobnosti p při každém pokusu: P (k; N, p) = ( N k ) p k (1 p) (N k) = N! k!(n k)! pk (1 p) (N k) k = Np k N p 4 / 56
5 Binomické rozdělení Diskrétní rozdělení pro k 0. ( N ) k p k (1 p) (N k), k = 0, 1,..., N f(k; N, p) = B(N, p) = 0, jinak. 5 / 56
6 Geiger-Müllerův čítac: časový průběh pulsů: Čas mohu rozdělit na N stejných časových úseků tak, aby v každém úseku byla max. jedna událost. Celkový počet událostí za celkový čas je popsán binomickým rozdělením. Jak velké N je dostatečně velké?... 6 / 56
7 Poissonovská aproximace Rozdělme t na nekonečně malé intervaly... Pro N a p 0 tak, že Np λ, lze binomické rozdělení s parametry N, p aproximovat Poissonovým rozdělením P (X = x) = ( N )p x q N x e λ λx x x!, N 7 / 56
8 Poissonovo rozdělení f X (x, λ) = { e λ λx x!, x = 0, 1,... 0, jinak. x = σ 2 x = λ Pokud tedy změřím za daný čas N událostí výsledek měření je x = (N ± N) tedy relativní chyba měření δ = x σ x = N = 1 N N Pro větší λ (tj. N) se blíží Gaussovu rozdělení. 8 / 56
9 Měření aktivity zdroje 9 / 56
10 Měření aktivity zdroje 10 / 56
11 Chyby měření-připomenutí Každá vynesená hodnota je změřena s jistou nepřesností chybou. Zdroj chyb (neuvažujeme systematické chyby): Chyba měřicí přístroje - Lze zanedbat pokud je přesnost přístroj podstatně vyšší než přesnost měření. - Pozor na rozdíl mezi absolutní a relativní chybou přístroje. - Kombinuje se se statistickou chybou: σ 2 celkova = σ 2 stat + σ 2 pristroje. Opakovaná měření - výpočet pomocí aritmetického průměru a chyby aritmetického průměru. Měření počtu nezávislých událostí - např. počet pozorovaných rozpadů jader za určitý časový interval. λn - Řídí se Poissonovým rozdělením: n! e λ, kde n je počet pozorovaných událostí. - Chyba měření je: σ = n.
12 Systematické chyby chyby měření statistické - náhodné fluktuace - mnoho nezávislých zdrojů - sčítání v kvadrátech - klesají s množstvím dat systematické (bias) - systematická změna měřené veličiny - ovlivňuje všechna měření ve stejném směru - nezávislé na množství dat
13 Zdroje systematických chyb Chyba měřicího přístroje Relativní chyba měřicí přístroj ukazuje systematicky o určité procento více či méně, než je reálná hodnota. Například: špatně zkalibrovaný teploměr vytahané měřicí pásmo. Absolutní chyba Konstantní příspěvek ke všem měřeným hodnotám Nejčastěji špatně nastavený nulový bod Například nevynulování prázdných vah - korekce na váhu misek. Lze odstranit rekalibrací přístroje.
14 Zdroje systematických chyb Vliv experimentátora Opakovaná nepřesnost při provádění měření Vyložená nepřesnost - Např. Systematicky špatné odečítání - Lze zjistit přeměřením - Lze odstranit Nevyhnutelné chyby - Např. reakční doba - Lze odhadnout předem - Může se vyrušit - Lze odstranit např. nahrazením člověka elektronikou Antropický princip
15 Zdroje systematických chyb Interakce měřicího přístroje s měřeným systémem Příklad: Teploměr odebírá z lázně teplo a ochlazuje měřené těleso. Měření proudu/napětí - nesplnění podmínek ideálního ampér/voltmetru. Přítomno vždy nelze pozorovat a neovlivnit.
16 Zdroje systematických chyb Chyby vyplývající z neúplné znalosti oprav a modelů. Nepřímá měření často komplikované závislosti bez explicitního vzorce. modelově závislé nepřesná znalost parametrů Opravy systematických chyba často podle modelů a simulací ne vždy úplně dokonalé Víme, že se dopouštíme chyby, ale nevíme jakým směrem. Často jsme pouze schopni jen odhadnout její velikost.
17 Zápis systematických chyb Zapisuje se samostatně od statistické chyby: R = 5.0 ± 1.2(stat) ± 0.8(sys) Ω Nikdy nekombinovat dohromady! R = 5.0 ± (stat) ± (sys) Ω Zobrazujeme také odděleně. Často se zobrazují odděleně systematické chyby z různých zdrojů.
18 Zobrazení systematických chyb
19 Jak zjistit systematické chyby Obecně, velmi těžko... Většinou se snažíme nějak parametrizovat naši neznalost. Různé postupy: Samostatně nabraná kalibrační měření. Předběžný odhad přesnosti na základě parametrů měřicího přistroje. Fit z měřených dat. Odhad porovnáním různých modelů Změření nepřesnosti parametrů modelu. Teoretický odhad chyb plynoucí z aproximací v daném mmodelu. Srovnání předpovědí různých modelů. Porovnání s Monte Carlo simulacemi daného procesu.
20 Systematické chyby Práce experimentálního fyzika je z 50% starost o systematické chyby - při přípravě - během experimentu - při zpravovaní dat Neexistují přesná pravidla zkušenost a zdravý rozum. Systematické chyby by neměly být naschvál ani zveličovány ani podceňovány....tak trochu černá magie...
21 Charakteristiky přístrojů
22 Nežádoucí jevy - zdroje systematických chyb
23 Přesnost měřicích přístrojů Mezní chyba 0 - nejvyšší přípustná chyba Měřicí rozsah R -rozdíl krajních hodnot stupnice, R = x max x min Redukovaná mezní chyba δ 0,R = 0/R. Relativní chyba δ S - pro danou hodnotu x i: δ S = 0/x i. Třída přesnosti - rozřazení (analogových) přístrojů dle ČSN podle redukované mezní chyby Dělení měřících přístrojů podle třídy přesnosti P = 0 R P Kategorie 0.1 etalony, normály 0.2 cejchovní 0.5 laboratorní 1 laboratorní 1.5 provozní 2.5 provozní... absolutní chyba je dána pro celý rozsah výhodné měřit v horní polovině rozsahu - minimalizace relativní chyby.
24 Digitální přístroje Různé uvádění chyb: analogové přístroje -třída přesnosti (například: 0,5 ) 0,001 % MH + 0,01 % MHMR 50 ppm MH + 20 ppm MHMR 5 % MH + 20 dig 5 % + 20 dig 1 % + 0,003 2 % č.h + 1 dig 0,05 % of Reading + 0,02 % Full Scale 0.1 % of rdg + 5 dgt % of reading % of range U digitálních přístrojů se chyba často uvádí jako součet mezní chyby rozsahu relativní chyby δ R = δ 0 + δ sx Základní chyba u číslicových multimetrů je udávaná většinou ve vztahu ±(%čtení + nejmenší dílek) Časté zkratky: ppm - jedna miliontina MH - měřená hodnota MHMR - maximální hodnota měřícího rozsahu dig - číslice
Zpracování experimentu I
Zpracování experimentu I Eva Kutálková, Petr Ponížil Strategický projekt UTB ve Zlíně, reg. č. CZ.02.2.69/0.0/0.0/16_015/0002204 Chyby měření Absolutní chyba měření X je rozdíl mezi hodnotou správnou X
VíceVYSOKONAPĚŤOVÉ ZKUŠEBNICTVÍ. #2 Nejistoty měření
VYSOKONAPĚŤOVÉ ZKUŠEBNICTVÍ # Nejistoty měření Přesnost měření Klasický způsob vyjádření přesnosti měření chyba měření: Absolutní chyba X = X M X(S) Relativní chyba δ X = X(M) X(S) - X(M) je naměřená hodnota
VíceEXPERIMENTÁLNÍ MECHANIKA 2 Přednáška 5 - Chyby a nejistoty měření. Jan Krystek
EXPERIMENTÁLNÍ MECHANIKA 2 Přednáška 5 - Chyby a nejistoty měření Jan Krystek 9. května 2019 CHYBY A NEJISTOTY MĚŘENÍ Každé měření je zatíženo určitou nepřesností způsobenou nejrůznějšími negativními vlivy,
VíceÚvod do problematiky měření
1/18 Lord Kelvin: "Když to, o čem mluvíte, můžete změřit, a vyjádřit to pomocí čísel, něco o tom víte. Ale když to nemůžete vyjádřit číselně, je vaše znalost hubená a nedostatečná. Může to být začátek
VícePosouzení přesnosti měření
Přesnost měření Posouzení přesnosti měření Hodnotu kvantitativně popsaného parametru jakéhokoliv objektu zjistíme jedině měřením. Reálné měření má vždy omezenou přesnost V minulosti sloužila k posouzení
VíceCharakterizují kvantitativně vlastnosti předmětů a jevů.
Měřicí aparatura 1 / 34 Fyzikální veličiny Charakterizují kvantitativně vlastnosti předmětů a jevů. Můžeme je dělit: Podle rozměrů: Bezrozměrné (index lomu, poměry) S rozměrem fyzikální veličiny velikost
VíceLiteratura Elektrická měření - Přístroje a metody, Metrologie Elektrotechnická měření - měřící přístroje
Měření Literatura Haasz Vladimír, Sedláček Miloš: Elektrická měření - Přístroje a metody, nakladatelství ČVUT, 2005, ISBN 80-01-02731-7 Boháček Jaroslav: Metrologie, nakladatelství ČVUT, 2013, ISBN 978-80-01-04839-9
VíceChyby měření 210DPSM
Chyby měření 210DPSM Jan Zatloukal Stručný přehled Zdroje a druhy chyb Systematické chyby měření Náhodné chyby měření Spojité a diskrétní náhodné veličiny Normální rozdělení a jeho vlastnosti Odhad parametrů
VíceÚvod do teorie měření. Eva Hejnová
Úvod do teorie měření Eva Hejnová Podmínky získání zápočtu: Podmínkou pro získání zápočtu je účast na cvičeních (maximálně tři absence) a úspěšné splnění jednoho písemného testu alespoň na 50 % max. počtu
VíceChyby a neurčitosti měření
Radioelektronická měření (MREM) Chyby a neurčitosti měření 10. přednáška Jiří Dřínovský Ústav radioelektroniky FEKT VUT v Brně Základní pojmy Měření je souhrn činností s cílem určit hodnotu měřené veličiny
VíceTeorie měření a regulace
Ústav technologie, mechanizace a řízení staveb semmmm Teorie měření a regulace chyby*nejistoty - 2 17.SP-ch.4cv ZS 2015/2016 2015 - Ing. Václav Rada, CSc. CHYBY Označení v literatuře není jednotné. obvyklý
VíceÚvod do teorie měření. Eva Hejnová
Úvod do teorie měření Eva Hejnová Literatura: Novák, R. Úvod do teorie měření. Ústí nad Labem: UJEP, 2003 Sprušil, B., Zieleniecová, P.: Úvod do teorie fyzikálních měření. Praha: SPN, 1985 Brož, J. a kol.
VíceÚloha 5: Spektrometrie záření α
Petra Suková, 3.ročník 1 Úloha 5: Spektrometrie záření α 1 Zadání 1. Proveďte energetickou kalibraci α-spektrometru a určete jeho rozlišení. 2. Určeteabsolutníaktivitukalibračníhoradioizotopu 241 Am. 3.
VíceDobývání znalostí. Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze
Dobývání znalostí Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze Dobývání znalostí Pravděpodobnost a učení Doc. RNDr. Iveta Mrázová,
VíceÚvod do teorie měření. Eva Hejnová
Úvod do teorie měření Eva Hejnová Program semináře 1. Základní pojmy - metody měření, druhy chyb, počítání s neúplnými čísly, zaokrouhlování 2. Chyby přímých měření - aritmetický průměr a směrodatná odchylka,
VíceCW01 - Teorie měření a regulace
Ústav technologie, mechanizace a řízení staveb CW01 - Teorie měření a regulace 17.SPEC-ch.2. ZS 2014/2015 2014 - Ing. Václav Rada, CSc. Ústav technologie, mechanizace a řízení staveb Teorie měření a regulace
VíceÚvod do teorie měření. Eva Hejnová
Úvod do teorie měření Eva Hejnová Literatura: Novák, R. Úvod do teorie měření. Ústí nad Labem: UJEP, 2003 Sprušil, B., Zieleniecová, P.: Úvod do teorie fyzikálních měření. Praha: SPN, 1985 Brož, J. a kol.
Více3/8.4 PRAKTICKÉ APLIKACE PŘI POUŽÍVÁNÍ NEJISTOT
PROKAZOVÁNÍ SHODY VÝROBKŮ část 3, díl 8, kapitola 4, str. 1 3/8.4 PRAKTICKÉ APLIKACE PŘI POUŽÍVÁNÍ NEJISTOT Vyjadřování standardní kombinované nejistoty výsledku zkoušky Výsledek zkoušky se vyjadřuje v
VíceNáhodné chyby přímých měření
Náhodné chyby přímých měření Hodnoty náhodných chyb se nedají stanovit předem, ale na základě počtu pravděpodobnosti lze zjistit, která z možných naměřených hodnot je více a která je méně pravděpodobná.
VíceTechnický experiment, příprava, provedení, hodnocení výsledků
Technický experiment, příprava, provedení, hodnocení výsledků 1 Katedra stavebních hmot a hornického stavitelství VŠB - Technická univerzita Ostrava 8. 3. 2012 Experiment Experiment se snaží získat potřebné
VíceNáhodné (statistické) chyby přímých měření
Náhodné (statistické) chyby přímých měření Hodnoty náhodných chyb se nedají stanovit předem, ale na základě počtu pravděpodobnosti lze zjistit, která z možných naměřených hodnot je více a která je méně
VíceTeorie měření a regulace
Ústav technologie, mechanizace a řízení staveb semmmm Teorie měření a regulace nejistoty - 2 17.SPEC-ch.3. ZS 2015/2016 2015 - Ing. Václav Rada, CSc. NEJISTOTY MĚŘENÍ a co s tím souvisí 2. Speciál informací
VíceFyzikální praktikum...
Kabinet výuky obecné fyziky, UK MFF Fyzikální praktikum... Úloha č.... Název úlohy:... Jméno:...Datum měření:... Datum odevzdání:... Připomínky opravujícího: Možný počet bodů Udělený počet bodů Práce při
VícePostup pro kalibraci vyměřené zkušební dráhy pro stanovení konstanty vozidla W a účinného obvodu pneumatik (dále jen dráhy )
Postup pro kalibraci vyměřené zkušební dráhy pro stanovení konstanty vozidla W a účinného obvodu pneumatik (dále jen dráhy ) Kalibrace se provede porovnávací metodou pomocí kalibrovaného ocelového měřicího
Více1. Změřte závislost indukčnosti cívky na procházejícím proudu pro tyto případy:
1 Pracovní úkoly 1. Změřte závislost indukčnosti cívky na procházejícím proudu pro tyto případy: (a) cívka bez jádra (b) cívka s otevřeným jádrem (c) cívka s uzavřeným jádrem 2. Přímou metodou změřte odpor
VíceChyby měřidel a metody měření vybraných fyzikálních veličin
Chyby měřidel a metody měření vybraných fyzikálních veličin Jaké měřidlo je vhodné zvolit? Pravidla: Přesnost měřidla má být pětkrát až desetkrát vyšší, než je požadovaná přesnost měření. Např. chceme-li
VíceT- MaR. Ústav technologie, mechanizace a řízení staveb. Teorie měření a regulace. Podmínky názvy. 1.c-pod. ZS 2015/ Ing. Václav Rada, CSc.
Ústav technologie, mechanizace a řízení staveb Teorie měření a regulace Podmínky názvy 1.c-pod. ZS 2015/2016 2015 - Ing. Václav Rada, CSc. MĚŘENÍ praktická část OBECNÝ ÚVOD Veškerá měření mohou probíhat
VíceČas potřebný k prostudování učiva kapitoly: 1,25 hodiny
Fyzikální praktikum III 15 3. PROTOKOL O MĚŘENÍ V této kapitole se dozvíte: jak má vypadat a jaké náležitosti má splňovat protokol o měření; jak stanovit chybu měřené veličiny; jak vyhodnotit úspěšnost
VíceZákony hromadění chyb.
Zákony hromadění chyb. Zákon hromadění skutečných chyb. Zákon hromadění středních chyb. Tomáš Bayer bayertom@natur.cuni.cz Přírodovědecká fakulta Univerzity Karlovy v Praze, Katedra aplikované geoinformatiky
VíceE(X) = np D(X) = np(1 p) 1 2p np(1 p) (n + 1)p 1 ˆx (n + 1)p. A 3 (X) =
Základní rozdělení pravděpodobnosti Diskrétní rozdělení pravděpodobnosti. Pojem Náhodná veličina s Binomickým rozdělením Bi(n, p), kde n je přirozené číslo, p je reálné číslo, < p < má pravděpodobnostní
VíceTeorie měření a regulace
Ústav technologie, mechanizace a řízení staveb CW01 Teorie měření a regulace Praxe názvy 1. ZS 2015/2016 2015 - Ing. Václav Rada, CSc. OBECNÝ ÚVOD - praxe Elektrotechnická měření mohou probíhat pouze při
VíceKATEDRA MATERIÁLOVÉHO INŽENÝRSTVÍ A CHEMIE. GUM: Vyjádření nejistot měření
KATEDRA MATERIÁLOVÉHO INŽENÝRSTVÍ A CHEMIE GUM: Vyjádření nejistot měření Chyby a nejistoty měření - V praxi nejsou žádná měření, žádné měřicí metody ani žádné přístroje absolutně přesné. - Výsledek měření
VíceTest z teorie VÝBĚROVÉ CHARAKTERISTIKY A INTERVALOVÉ ODHADY
VÝBĚROVÉ CHARAKTERISTIKY A INTERVALOVÉ ODHADY Test z teorie 1. Střední hodnota pevně zvolené náhodné veličiny je a) náhodná veličina, b) konstanta, c) náhodný jev, d) výběrová charakteristika. 2. Výběrový
VíceVýběrové charakteristiky a jejich rozdělení
Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Statistické šetření úplné (vyčerpávající) neúplné (výběrové) U výběrového šetření se snažíme o to, aby výběrový
VíceChyby měřidel a metody měření vybraných fyzikálních veličin
Chyby měřidel a metody měření vybraných fyzikálních veličin Viz oskenovaný text ze skript Sprušil, Zieleniecová: Úvod do teorie fyzikálních měření http://physics.ujep.cz/~ehejnova/utm/materialy_studium/chyby_meridel.pdf
VíceVybraná rozdělení náhodné veličiny
3.3 Vybraná rozdělení náhodné veličiny 0,16 0,14 0,12 0,1 0,08 0,06 0,04 0,02 0 Rozdělení Z 3 4 5 6 7 8 9 10 11 12 13 14 15 Život je umění vytvářet uspokojivé závěry na základě nedostatečných předpokladů.
VíceTest z teorie VÝBĚROVÉ CHARAKTERISTIKY A INTERVALOVÉ ODHADY
VÝBĚROVÉ CHARAKTERISTIKY A INTERVALOVÉ ODHADY Test z teorie 1. Střední hodnota pevně zvolené náhodné veličiny je a) náhodná veličina, b) konstanta, c) náhodný jev, d) výběrová charakteristika. 2. Výběrový
VíceStřední od 1Ω do 10 6 Ω Velké od 10 6 Ω do 10 14 Ω
Měření odporu Elektrický odpor základní vlastnost všech pasivních a aktivních prvků přímé měření ohmmetrem nepříliš přesné používáme nepřímé měřící metody výchylkové můstkové rozsah odporů ovlivňující
VíceManuální, technická a elektrozručnost
Manuální, technická a elektrozručnost Realizace praktických úloh zaměřených na dovednosti v oblastech: Vybavení elektrolaboratoře Schématické značky, základy pájení Fyzikální principy činnosti základních
VíceLaboratorní práce č. 1: Měření délky
Přírodní vědy moderně a interaktivně FYZIKA 3. ročník šestiletého a 1. ročník čtyřletého studia Laboratorní práce č. 1: Měření délky G Gymnázium Hranice Přírodní vědy moderně a interaktivně FYZIKA 3.
VíceÚVOD. Rozdělení slouží: K přesnému popisu pravděpodobnostního chování NV Střední hodnota, rozptyl, korelace atd.
ROZDĚLENÍ NV ÚVOD Velké skupiny náhodných pokusů vykazují stejné pravděpodobnostní chování Mince panna/orel Výška mužů/žen NV mohou být spojeny s určitým pravděpodobnostním rozdělení (již známe jeho hustotu
VíceKGG/STG Statistika pro geografy
KGG/STG Statistika pro geografy 4. Teoretická rozdělení Mgr. David Fiedor 9. března 2015 Osnova Úvod 1 Úvod 2 3 4 5 Vybraná rozdělení náhodných proměnných normální rozdělení normované normální rozdělení
VícePraktická statistika. Petr Ponížil Eva Kutálková
Praktická statistika Petr Ponížil Eva Kutálková Zápis výsledků měření Předpokládejme, že známe hodnotu napětí U = 238,9 V i její chybu 3,3 V. Hodnotu veličiny zapíšeme na tolik míst, aby až poslední bylo
VíceStřední průmyslová škola elektrotechnická a informačních technologií Brno
Střední průmyslová škola elektrotechnická a informačních technologií Brno Číslo a název projektu: CZ.1.07/1.5.00/34.0521 Investice do vzdělání nesou nejvyšší úrok Autor: Ing. Bohumír Jánoš Tematická sada:
VíceInferenční statistika - úvod. z-skóry normální rozdělení pravděpodobnost rozdělení výběrových průměrů
Inferenční statistika - úvod z-skóry normální rozdělení pravděpodobnost rozdělení výběrových průměrů Pravděpodobnost postupy induktivní statistiky vycházejí z teorie pravděpodobnosti pravděpodobnost, že
VíceStřední průmyslová škola elektrotechnická a informačních technologií Brno
Střední průmyslová škola elektrotechnická a informačních technologií Brno Číslo a název projektu: CZ.1.07/1.5.00/34.0521 Investice do vzdělání nesou nejvyšší úrok Autor: Ing. Bohumír Jánoš Tématická sada:
VíceZáklady teorie pravděpodobnosti
Základy teorie pravděpodobnosti Náhodná veličina Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at)email.cz 12. února 2012 Statistika by Birom Základy teorie
Více1. Ze zadané hustoty krystalu fluoridu lithného určete vzdálenost d hlavních atomových rovin.
1 Pracovní úkoly 1. Ze zadané hustoty krystalu fluoridu lithného určete vzdálenost d hlavních atomových rovin. 2. Proměřte úhlovou závislost intenzity difraktovaného rentgenového záření při pevné orientaci
VíceSTATISTICKÝ SOUBOR. je množina sledovaných objektů - statistických jednotek, které mají z hlediska statistického zkoumání společné vlastnosti
ZÁKLADNÍ STATISTICKÉ POJMY HROMADNÝ JEV Statistika pracuje s tzv. HROMADNÝMI JEVY cílem statistického zpracování dat je podání informace o vlastnostech a zákonitostech hromadných jevů: velkého počtu jedinců
VíceSTATISTICKÉ ZJIŠŤOVÁNÍ
STATISTICKÉ ZJIŠŤOVÁNÍ ÚVOD Základní soubor Všechny ryby v rybníce, všechny holky/kluci na škole Cílem určit charakteristiky, pravděpodobnosti Průměr, rozptyl, pravděpodobnost, že Maruška kápne na toho
VíceCW01 - Teorie měření a regulace
Ústav technologie, mechanizace a řízení staveb CW01 - Teorie měření a regulace ZS 2014/2015 2.p-1a.mt 2014 - Ing. Václav Rada, CSc. Ústav technologie, mechanizace a řízení staveb Teorie měření a regulace
VíceTeorie měření a regulace
Ústav technologie, mechanizace a řízení staveb semmmm Teorie měření a regulace chyby 1 17.SPEC-ch.2. ZS 2015/2016 2015 - Ing. Václav Rada, CSc. CHYBY MĚŘENÍ a co s tím souvisí 1. Speciál informací o chybách
VíceChyby měřidel a metody měření vybraných fyzikálních veličin
Chyby měřidel a metody měření vybraných fyzikálních veličin Jaké měřidlo je vhodné zvolit? Pravidla: Přesnost měřidla má být pětkrát až desetkrát vyšší, než je požadovaná přesnost měření. Např. chceme-li
VíceTestování statistických hypotéz. Ing. Michal Dorda, Ph.D.
Testování statistických hypotéz Ing. Michal Dorda, Ph.D. Testování normality Př. : Při simulaci provozu na křižovatce byla získána data o mezerách mezi přijíždějícími vozidly v [s]. Otestujte na hladině
VíceBiostatistika Cvičení 7
TEST Z TEORIE 1. Střední hodnota pevně zvolené náhodné veličiny je a) náhodná veličina, b) konstanta, c) náhodný jev, d) výběrová charakteristika. 2. Výběrový průměr je a) náhodná veličina, b) konstanta,
Více2 Zpracování naměřených dat. 2.1 Gaussův zákon chyb. 2.2 Náhodná veličina a její rozdělení
2 Zpracování naměřených dat Důležitou součástí každé experimentální práce je statistické zpracování naměřených dat. V této krátké kapitole se budeme věnovat určení intervalů spolehlivosti získaných výsledků
Více10. cvičení z PST. 5. prosince T = (n 1) S2 X. (n 1) s2 x σ 2 q χ 2 (n 1) (1 α 2 ). q χ 2 (n 1) 2. 2 x. (n 1) s. x = 1 6. x i = 457.
0 cvičení z PST 5 prosince 208 0 (intervalový odhad pro rozptyl) Soubor (70, 84, 89, 70, 74, 70) je náhodným výběrem z normálního rozdělení N(µ, σ 2 ) Určete oboustranný symetrický 95% interval spolehlivosti
VíceLIMITNÍ VĚTY DALŠÍ SPOJITÁ ROZDĚLENÍ PR. 8. cvičení
LIMITNÍ VĚTY DALŠÍ SPOJITÁ ROZDĚLENÍ PR. 8. cvičení Způsoby statistického šetření Vyčerpávající šetření prošetření všech jednotek statistického souboru (populace) Výběrové šetření ze základního souboru
VíceDiskrétní náhodná veličina
Lekce Diskrétní náhodná veličina Výsledek náhodného pokusu může být vyjádřen slovně to vede k zavedení pojmu náhodného jevu Výsledek náhodného pokusu můžeme někdy vyjádřit i číselně, což vede k pojmu náhodné
VíceVšechno, co jste chtěli vědět z teorie pravděpodobnosti, z teorie informace a
Všechno, co jste chtěli vědět z teorie pravděpodobnosti, z teorie informace a báli jste se zeptat Jedinečnou funkcí statistiky je, že umožňuje vědci číselně vyjádřit nejistotu v jeho závěrech. (G. W. Snedecor)
VíceChyby nepřímých měření
nepřímé měření: Chyby nepřímých měření chceme určit veličinu z hodnot jiných veličin na základě funkční vztahu máme změřené veličiny pomocí přímých měření (viz. dříve) včetně chyb: x±σ x, y±σ y,... známe
VíceSIGNÁLY A LINEÁRNÍ SYSTÉMY
SIGNÁLY A LINEÁRNÍ SYSTÉMY prof. Ing. Jiří Holčík, CSc. holcik@iba.muni.cz II. SIGNÁLY ZÁKLADNÍ POJMY SIGNÁL - DEFINICE SIGNÁL - DEFINICE Signál je jev fyzikální, chemické, biologické, ekonomické či jiné
VíceInduktivní statistika. z-skóry pravděpodobnost
Induktivní statistika z-skóry pravděpodobnost normální rozdělení Z-skóry umožňují najít a popsat pozici každé hodnoty v rámci rozdělení hodnot a také srovnávání hodnot pocházejících z měření na rozdílných
VíceSimulační modely. Kdy použít simulaci?
Simulační modely Simulace z lat. Simulare (napodobení). Princip simulace spočívá v sestavení modelu reálného systému a provádění opakovaných experimentů s tímto modelem. Simulaci je nutno považovat za
VíceÚvod do zpracování signálů
1 / 25 Úvod do zpracování signálů Karel Horák Rozvrh přednášky: 1. Spojitý a diskrétní signál. 2. Spektrum signálu. 3. Vzorkovací věta. 4. Konvoluce signálů. 5. Korelace signálů. 2 / 25 Úvod do zpracování
VíceFluktuace termodynamických veličin
Kvantová a statistická fyzika (Termodynamika a statistická fyzika Fluktuace termodynamických veličin Fluktuace jsou odchylky hodnot fyzikálních veličin od svých středních (rovnovážných hodnot. Mají původ
VíceMann-Whitney U-test. Znaménkový test. Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek
10. Neparametrické y Mann-Whitney U- Wilcoxonův Znaménkový Shrnutí statistických ů Typ srovnání Nulová hypotéza Parametrický Neparametrický 1 skupina dat vs. etalon Střední hodnota je rovna hodnotě etalonu.
VícePravděpodobnost a statistika (BI-PST) Cvičení č. 4
Pravděpodobnost a statistika (BI-PST) Cvičení č. 4 J. Hrabáková, I. Petr, F. Štampach, D. Vašata Katedra aplikované matematiky Fakulta informačních technologií České vysoké učení technické v Praze ZS 2014/2015
VícePřesnost a chyby měření
Přesnost a chyby měření Výsledek každého měření se poněkud liší od skutečné hodnoty. Rozdíl mezi naměřenou hodnotou M a skutečnou hodnotou S se nazývá chyba měření. V praxi se rozlišují dvě chyby, a to
VíceStanovení akustického výkonu Nejistoty měření. Ing. Miroslav Kučera, Ph.D.
Stanovení akustického výkonu Nejistoty měření Ing. Miroslav Kučera, Ph.D. Využití měření intenzity zvuku pro stanovení akustického výkonu klapek? Výhody: 1) přímé stanovení akustického výkonu zvláště při
VíceAnalytické znaky laboratorní metody Interní kontrola kvality Externí kontrola kvality
Analytické znaky laboratorní metody Interní kontrola kvality Externí kontrola kvality RNDr. Alena Mikušková FN Brno Pracoviště dětské medicíny, OKB amikuskova@fnbrno.cz Analytické znaky laboratorní metody
VíceInovace bakalářského studijního oboru Aplikovaná chemie
http://aplchem.upol.cz CZ.1.07/2.2.00/15.0247 Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky. Základy zpracování dat chemometrie, statistika Doporučenáliteratura
VíceUrčujeme neznámé hodnoty parametru základního souboru. Pomocí výběrové charakteristiky vypočtené z náhodného výběru.
1 Statistické odhady Určujeme neznámé hodnoty parametru základního souboru. Pomocí výběrové charakteristiky vypočtené z náhodného výběru. Odhad lze provést jako: Bodový odhad o Jedna číselná hodnota Intervalový
VíceZákladní statistické modely Statistické vyhodnocování exp. dat M. Čada ~ cada
Základní statistické modely 1 Statistika Matematická statistika se zabývá interpretací získaných náhodných dat. Snažíme se přiřadit statistickému souboru vhodnou distribuční funkci a najít základní číselné
VíceZáklady biostatistiky II. Veřejné zdravotnictví 3.LF UK - II
Základy biostatistiky II Veřejné zdravotnictví 3.LF UK - II Teoretické rozložení-matematické modely rozložení Naměřená data Výběrové rozložení Teoretické rozložení 1 e 2 x 2 Teoretické rozložení-matematické
VíceRovinný průtokoměr. Diplomová práce Ústav mechaniky tekutin a termodynamiky, 2013. Jakub Filipský
Rovinný průtokoměr Diplomová práce Ústav mechaniky tekutin a termodynamiky, 2013 Autor: Vedoucí DP: Jakub Filipský Ing. Jan Čížek, Ph.D. Zadání práce 1. Proveďte rešerši aktuálně používaných způsobů a
Vícepřesnost (reprodukovatelnost) správnost (skutečná hodnota)? Skutečná hodnota použití různých metod
přesnost (reprodukovatelnost) správnost (skutečná hodnota)? Skutečná hodnota použití různých metod Měření Pb v polyethylenu 36 různými laboratořemi 0,47 0 ± 0,02 1 µmol.g -1 tj. 97,4 ± 4,3 µg.g -1 Měření
VíceMATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ
MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ Má-li analytický výsledek objektivně vypovídat o chemickém složení vzorku, musí splňovat určitá kriteria: Mezinárodní metrologický slovník (VIM 3),
VíceNÁHODNÁ ČÍSLA. F(x) = 1 pro x 1. Náhodná čísla lze generovat některým z následujících generátorů náhodných čísel:
NÁHODNÁ ČÍSLA TYPY GENERÁTORŮ, LINEÁRNÍ KONGRUENČNÍ GENERÁTORY, TESTY NÁHODNOSTI, VYUŽITÍ HODNOT NÁHODNÝCH VELIČIN V SIMULACI CO JE TO NÁHODNÉ ČÍSLO? Náhodné číslo definujeme jako nezávislé hodnoty z rovnoměrného
VícePravděpodobnost a statistika, Biostatistika pro kombinované studium. Tutoriál č. 5: Bodové a intervalové odhady, testování hypotéz.
Pravděpodobnost a statistika, Biostatistika pro kombinované studium Letní semestr 2015/2016 Tutoriál č. 5: Bodové a intervalové odhady, testování hypotéz Jan Kracík jan.kracik@vsb.cz Obsah: Výběrová rozdělení
VíceKGG/STG Statistika pro geografy
KGG/STG Statistika pro geografy 5. Odhady parametrů základního souboru Mgr. David Fiedor 16. března 2015 Vztahy mezi výběrovým a základním souborem Osnova 1 Úvod, pojmy Vztahy mezi výběrovým a základním
VíceKATEDRA MATERIÁLOVÉHO INŽENÝRSTVÍ A CHEMIE. Stanovení základních materiálových parametrů
KATEDRA MATERIÁLOVÉHO INŽENÝRSTVÍ A CHEMIE Stanovení základních materiálových parametrů Vzor laboratorního protokolu Titulní strana: název experimentu jména studentů v pracovní skupině datum Protokol:
VíceKMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC
Přednáška 03 Přírodovědecká fakulta Katedra matematiky KMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC jiri.cihlar@ujep.cz Diskrétní rozdělení Důležitá diskrétní rozdělení pravděpodobnosti
VíceSIGNÁLY A LINEÁRNÍ SYSTÉMY
SIGNÁLY A LINEÁRNÍ SYSTÉMY prof. Ing. Jiří Holčík, CSc. holcik@iba.muni.cziba.muni.cz II. SIGNÁLY ZÁKLADNÍ POJMY SIGNÁL - DEFINICE SIGNÁL - DEFINICE Signál je jev fyzikální, chemické, biologické, ekonomické
VíceMěřicí přístroje a měřicí metody
Měřicí přístroje a měřicí metody Základní elektrické veličiny určují kvalitativně i kvantitativně stav elektrických obvodů a objektů. Neelektrické fyzikální veličiny lze převést na elektrické veličiny
VícePřednáška. Další rozdělení SNP. Limitní věty. Speciální typy rozdělení. Další rozdělení SNP Limitní věty Speciální typy rozdělení
VI Přednáška Další rozdělení SNP Limitní věty Speciální typy rozdělení Rovnoměrné rozdělení R(a,b) Příklad Obejít celý areál trvá strážnému 30 minut. Jaká je pravděpodobnost, že u vrátnice budete čekat
Více4. Stanovení teplotního součinitele odporu kovů
4. Stanovení teplotního součinitele odporu kovů 4.. Zadání úlohy. Změřte teplotní součinitel odporu mědi v rozmezí 20 80 C. 2. Změřte teplotní součinitel odporu platiny v rozmezí 20 80 C. 3. Vyneste graf
VíceFyzikální korespondenční seminář MFF UK
Úloha I.S... náhodná 10 bodů; průměr 7,04; řešilo 45 studentů a) Zkuste vlastními slovy popsat, co je to náhodná veličina a jaké má vlastnosti (postačí vlastními slovy objasnit následující pojmy: náhodná
VíceDiskrétní náhodná veličina. November 12, 2008
Diskrétní náhodná veličina November 12, 2008 (Náhodná veličina (náhodná proměnná)) Náhodná veličina (nebo též náhodná proměnná) je veličina X, jejíž hodnota je jednoznačně určena výsledkem náhodného pokusu.
VíceNáhodná proměnná. Náhodná proměnná může mít rozdělení diskrétní (x 1. , x 2. ; x 2. spojité (<x 1
Náhodná proměnná Náhodná proměnná může mít rozdělení diskrétní (x 1, x 2,,x n ) spojité () Poznámky: 1. Fyzikální veličiny jsou zpravidla spojité, ale změřené hodnoty jsou diskrétní. 2. Pokud
VíceNáhodná veličina a rozdělení pravděpodobnosti
3.2 Náhodná veličina a rozdělení pravděpodobnosti Bůh hraje se světem hru v kostky. Jsou to ale falešné kostky. Naším hlavním úkolem je zjistit, podle jakých pravidel byly označeny, a pak toho využít pro
Vícey = 0, ,19716x.
Grafické ověřování a testování vybraných modelů 1 Grafické ověřování empirického rozdělení Při grafické analýze empirického rozdělení vycházíme z empirické distribuční funkce F n (x) příslušné k náhodnému
VíceInženýrská statistika pak představuje soubor postupů a aplikací teoretických principů v oblasti inženýrské činnosti.
Přednáška č. 1 Úvod do statistiky a počtu pravděpodobnosti Statistika Statistika je věda a postup jak rozvíjet lidské znalosti použitím empirických dat. Je založena na matematické statistice, která je
VíceMinikurz aplikované statistiky. Minikurz aplikované statistiky p.1
Minikurz aplikované statistiky Marie Šimečková, Petr Šimeček Minikurz aplikované statistiky p.1 Program kurzu základy statistiky a pravděpodobnosti regrese (klasická, robustní, s náhodnými efekty, ev.
Více7. Rozdělení pravděpodobnosti ve statistice
7. Rozdělení pravděpodobnosti ve statistice Statistika nuda je, má však cenné údaje, neklesejte na mysli, ona nám to vyčíslí Jednou z úloh statistiky je odhad (výpočet) hodnot statistického znaku x i,
VíceStatistická analýza dat v psychologii. Věci, které můžeme přímo pozorovat, jsou téměř vždy pouze vzorky. Alfred North Whitehead
PSY117/454 Statistická analýza dat v psychologii Přednáška 8 Statistické usuzování, odhady Věci, které můžeme přímo pozorovat, jsou téměř vždy pouze vzorky. Alfred North Whitehead Barevná srdíčka kolegyně
VíceJEDNOVÝBĚROVÉ TESTY. Komentované řešení pomocí programu Statistica
JEDNOVÝBĚROVÉ TESTY Komentované řešení pomocí programu Statistica Vstupní data Data umístěná v excelovském souboru překopírujeme do tabulky ve Statistice a pojmenujeme proměnné, viz prezentace k tématu
VíceVyjadřování přesnosti v metrologii
Vyjadřování přesnosti v metrologii Měření soubor činností, jejichž cílem je stanovit hodnotu veličiny. Výsledek měření hodnota získaná měřením přisouzená měřené veličině. Chyba měření výsledek měření mínus
Více