(2.1) = = (2.2) (2.3)

Rozměr: px
Začít zobrazení ze stránky:

Download "(2.1) = = (2.2) (2.3)"

Transkript

1 . NEJISTOTY MĚŘENÍ. PŘESNOST A CHYBY MĚŘENÍ A PŘÍSTROJŮ V prax ejso žádá měřeí, žádá měřcí metoda a žádý přístroj absoltě přesé. Nejrůzější egatví vlvy, které se v reálém měřcím proces vyskytjí, se projeví odchylko mez aměřeo a sktečo hodoto sledovaé velčy. Výsledek měřeí se tak vždy pohybje v jstém toleračím pol kolem sktečé hodoty, ale téměř kdy eastává deálí ztotožěí obo hodot. Přblížeí se k lové velkost odchylky vytváří velké potíže realzace etaloů. Výsledý rozdíl mez oběma hodotam je ěkdy tvoře velm složto kombací dílčích faktorů. Dosd bylo zvykem př vyhodocováí soborů aměřeých hodot pracovat s chybam. Nově je vyhodocováí prováděo prostředctvím vyjádřeí ejstot měřeí. Přpomeňme s yí strčě základy teore chyb, aby je bylo možé lépe porovat s ovo kocepcí ejstot, která kocepc chyb ahrazje. Chyby se vyjadřjí v absoltích ebo relatvích hodotách. Podle jejch působeí lze chyby rozdělt a systematcké, áhodé a hrbé. Podle svého zdroje se rozděljí a chyby přístroje, metody, pozorováí a vyhodoceí. Jako chyba absoltí y se ozačje rozdíl mez hodoto aměřeo y m a sktečo x s. Podělíme-l absoltí chyb sktečo hodoto, dostaeme poměré vyjádřeí chyby, tj. chyb relatví δ x. Platí tedy = y x (.) y m s y x y m s δ y = = (.) xs xs Systematcké chyby jso př stálých podmíkách také stálé co do velkost zaméka a svým působeím systematcky ovlvňjí výsledek měřeí. Ke staoveí jejch velkost postačí zpravdla vztah (.). Z hledska žvatele měřcí techky jso systematcké chyby sympatcké tím, že je lze z velké část rčt a jejch vlv je možé zmešt, apř. pomocí korekcí, kompezací apod. Takto se zpravdla podaří odstrat podstato část jejch egatvího vlv a měřeí, ale zůstae ještě zbytek, který lze ozačt jako evyločeé (evylčtelé) systematcké chyby. Právě toto je jeda z oblastí, ktero mohem lépe posthje ový kocept ejstot měřeí. Náhodé chyby působí zcela ahodle, jso těžko předvídatelé a elze je vyločt. Př opakováí měřeí se měí jejch velkost zaméko, jak odpovídá předpokládaém záko rozděleí. Pro rčeí jejch velkost se vychází z opakovaých měřeí s požtím statstckých metod, odpovídajících patřčém pravděpodobostím model, reprezetovaém zákoem rozděleí příslšé áhodé chyby. V prax velm často jde o rozděleí ormálí Gassovo, které se požívá ve většě aplkací. Výsledek měřeí, staoveý ze sobor opakovaých měřeí realzovaých za stejých podmíek, je reprezetová artmetckým průměrem získaým př opakováích z hodot y, y, y, y, tj. y = y (.3) = Náhodo chyb v klascké teor chyb ejčastěj zastpje směrodatá odchylka výběrového sobor s, méě často směrodatá odchylka artmetckého průměr s x, získaé ze vztahů

2 s = = y = = ( y y) (.4) ( y y) s = s y = = (.5) ( ) Obě směrodaté odchylky patřčým způsobem blíže charakterzjí chováí áhodých chyb. Hrbé chyby jso z předchozího pohled zcela evyzpytatelé. Měřeí zatížeé hrbo chybo zehodotí celý expermet, a proto aměřeé hodoty, které výrazě vybočjí z řady, což bývá velm často projevem tohoto drh chyby, se vyločí z dalšího zpracováí. Omezt rzko jejch výskyt lze důsledým dodržováím příslšých měřcích postpů, podmíek měřeí a pozorostí obslhy. Výsledá chyba měřeí je vyjadřováa jako sočet systematcké a áhodé složky, což lze zapsat a její maxmálí hodot je možé odhadot jako x = e + ε (.6) = ( y y ) s (.7) y max s + kde e = y y s systematcká složka ε = s, popř. ε = s áhodá složka Sočtel rozšířeí směrodaté odchylky sovsí s pravděpodobostí pokrytí terval a typem rozděleí. Dvojka Gassova rozděleí příslší často žívaé 95% pravděpodobost. Přesost přístroje je defováa jako schopost dávat za staoveých podmíek pravo hodot měřeé velčy. Pravo hodoto měřeé velčy přtom rozmíme hodot, která charakterzje velč dokoale defovao za podmíek exstjících v okamžk jejího zjštěí. Chyby přístrojů jso způsobey edokoalostm požtých měřcích prostředků, které moho vzkat ve výrobě, motáž, popř. opotřebeím. Svo rol sehrává změa charakterstk a parametrů přístroje v čase (stártí). Třída přesost T p měřcího přístroje vyjadřje maxmálí relatví chyb přístroje vztažeo a rozpětí přístroje y Tp = max.00 (.8) yma ym kde y maxmálí přípstá absoltí chyba přístroje, y max - y m měřcí rozpětí přístroje. Vypočteá třída přesost se zaokrohlla směrem ahor a ejblžší hodot praveé řady R5, tedy: 4 -,5 -,6 -,0-0,6-0,4-0,5-0,6-0, - atd. Dalším zdrojem chyb je evhodá stalace ebo ložeí (staveí) přístroje a pracovím místě, stole apod. Chyby metody mají svůj původ v edokoalost, č zjedodšeí požté měřcí metody.

3 Chyby pozorováí, ebo spíše pozorovatele, jso do měřeí vášey jako chyby osobí, zapříčěé bď edokoalostí smyslů pozorovatele, ebo jeho esostředěostí. Chyby, mající svůj původ ve vyhodoceí, jso časté jako výpočtové, vzkající v důsledk aplkováí přblžých vztahů, zjedodšeí, ale také požtím learzace, terpolace, extrapolace, zaokrohlováí, edostatečým vyčísleím kostat apod.. NEJISTOTY MĚŘENÍ. POPIS NEJISTOT MĚŘENÍ Nejstoty měřeí se staovjí př vyhodocováí měřeí ve výzkm a techcké prax a to př:. expermetálím ověřováí fyzkálích zákoů a rčováí hodot fyzkálích kostat,. defčích měřeích, reprodkc jedotek fyzkálích a techckých velč a vyhodocováí metrologckých vlastostí prmárích etaloů, 3. kalbrac sekdárích etaloů a pracovích (provozích) měřdel, 4. typových zkoškách měřdel a vyhodocováí jejch techckých a metrologckých vlastostí, 5. vyhodocováí přesých měřeí v oblast zkšebctví a kotroly jakost výrobků, 6. úředích měřeích ve smysl zákoa o metrolog, 7. ostatích přesých a závazých měřeích v techcké prax, apř. přejímacích a garačích zkoškách, měřeí možství látek a eergí v hospodářském styk, měřeí složeí a vlastostí materálů apod. Nejstota měřeí charakterzje rozsah aměřeých hodot okolo výsledk měřeí, který lze zdůvoděě přřadt k hodotě měřeé velčy. Nejstota měřeí se týká eje výsledk měřeí, ale měřcích přístrojů, hodot požtých kostat, korekcí apod., a kterých ejstota výsledk měřeí závsí. Základem rčováí ejstot měřeí je statstcký přístp. Předpokládá se rčté rozděleí pravděpodobost, které popsje, jak se může dávaá hodota odchylovat od sktečé hodoty, resp. pravděpodobost, s jako se v terval daém ejstoto může acházet sktečá hodota. Míro ejstoty měřeí je směrodatá odchylka dávaé velčy. Takto vyjádřeá ejstota se ozačje jako stadardí ejstota - a představje rozsah hodot okolo aměřeé hodoty. Stadardí ejstoty se dělí a stadardí ejstoty typ A a typ B. Udávají se bď samostatě bez zaméka, ebo za hodoto výsledk se zamékem ±. Stadardí ejstoty typ A - A jso způsobováy áhodým chybam, jejchž příčy se považjí všeobecě za ezámé. Staovjí se z opakovaých měřeí stejé hodoty měřeé velčy za stejých podmíek. Tyto ejstoty se stopajícím počtem opakovaých měřeí se zmešjí. Přtom se předpokládá exstece áhodých chyb s ormálím rozděleím. Stadardí ejstoty typ B - B jso způsobováy zámým a odhadtelým příčam vzk. Jejch detfkac a základí hodoceí provádí expermetátor. Jejch rčováí ebývá vždy jedodché. U složtých měřcích zařízeích a př zvýšeém požadavk a přesost, msí se provést podrobý rozbor chyb, což vyžadje začé zkšeost. Tyto ejstoty vycházejí z růzých zdrojů a výsledá ejstota typ B je dáa jejch smací - přtom ezávsí a počt opakovaých měřeí. Kombovaá stadardí ejstota - C je smací ejstot typ A a B. Hodotí-l se výsledek měřeí toto ejstoto, eí třeba rozlšovat ejstoty typ A a B. Kombovaá stadardí ejstota dává terval, ve kterém se s poměrě velko pravděpodobostí může vyskytovat sktečá hodota měřeé velčy. V prax se dává této ejstotě předost. Rozšířeá stadardí ejstota U se zavádí v případě, že je třeba zajstt ještě větší pravděpodobost správého výsledk měřeí. Získá se tak, že se kombovaá stadardí ejstota C vyásobí sočtelem k =. Př zjšťováí jedotlvých stadardích ejstot se postpje podle toho, zda se jedá o přímé ebo epřímé měřeí jedé ebo více velč. Př výpočtech se hodoty koefcetů a ejstot zaokrohljí a tř platé číslce. Udávaá výsledá ejstota se zaokrohlje a dvě platé číslce. 3

4 . Zdroje ejstot Jako zdroje ejstot lze ozačt veškeré jevy, které ějakým způsobem moho ovlvt erčtost jedozačého staoveí výsledk měřeí, a tím vzdaljí aměřeo hodot od hodoty sktečé. Začo rol zde sehrává také sktečost, zda jde o měřcí metody přímé ebo epřímé. Na ejstoty působí výběr měřcích přístrojů aalogových ebo číslcových, požtí růzých fltrů, vzorkovačů a dalších prostředků v celé trase přeos a úpravy měřcího sgál. K ejstotám velm výrazě přspívají ršvé vlvy prostředí v tom ejšrším slova smysl. Vyjmeovat zde veškeré možé zdroje ejstot elze, takže se poksme vést alespoň ty, které se vyskytjí ejčastěj:. edokoalá č eúplá defce měřeé velčy ebo její realzace,. evhodý výběr přístroje (rozlšovací schopost aj.) 3. evhodý (ereprezetatví) výběr vzorků měřeí, 4. evhodý postp př měřeí 5. zjedodšeí (zaokrohleí) kostat a převzatých hodot, 6. learzace, aproxmace, terpolace aebo extrapolace př vyhodoceí, 7. ezámé ebo ekompezovaé vlvy prostředí, 8. edodržeí shodých podmíek př opakovaých měřeích, 9. sbjektví vlvy obslhy, 0. epřesost etaloů a referečích materálů Některé ze zdrojů se projevjí výhradě, č výrazěj v ejstotách vyhodocovaých ejstoto typ A, jé př požtí ejstoty typ B. Mohé zdroje ale moho být příčo obo skp ejstot, a zde právě číhá ejvětší ebezpečí v podobě opometí jedé ze složek, což může mít velm výrazý zkresljící úček... STANDARDNÍ NEJISTOTA A - PŘÍMÉ MĚŘENÍ JEDNÉ VELIČINY Odhad údaje y měřeé velčy je dá výběrovým průměrem y z -aměřeých hodot y podle vztah y y = = Odhad rozptyl aměřeých hodot, ozačovaý jako výběrový rozptyl s (y ) se rčí ze vztah (.9) s ( y ) = = ( y y) (.0) Odmoco výběrového rozptyl se získá výběrová směrodatá odchylka s(y ), která charakterzje rozptyl aměřeých hodot kolem výběrového průměr y. Rozptyl výběrových průměrů s ( y) se rčí ze vztah s s ( y ) ( y) = (.) Směrodatá odchylka výběrových průměrů s( y ) je zvolea za stadardí ejstot typ A, tedy 4

5 A s( y) = = ( y y).( ) (.) Pokd je počet opakovaých měřeí meší ež deset a eí možé čt kvalfkovaý odhad a základě zkšeost, rčí se korgovaá ejstota Ak ze vztah Ak = k. s( y), (.3) kde k koefcet závslý a počt opakovaých měřeích, jak je vedeo v tab... Tab..: Hodoty korekčích koefcetů pro růzé počty opakovaých měřeí k,,,3,3,4,7,3 7,0.. STANDARDNÍ NEJISTOTA B - PŘÍMÉ MĚŘENÍ JEDNÉ VELIČINY Postp př zjšťováí stadardí ejstoty typ B je ásledjící: Vytypjí se možé zdroje ejstot Z j ; jso jm apř. edokoalé měřcí přístroje, požté měřcí metody, epřesé hodoty kostat, způsob vyhodocováí a ěkdy malé zkšeost pracovíků v laboratoř. Odhade se rozsah odchylek ± Z max od jmeovté hodoty tak, aby jeho překročeí bylo málo pravděpodobé. Dále se odhade, jakém rozděleí pravděpodobost odpovídají odchylky Z v terval ± Z max a rčí ejstoty z ze vztah z = Z max /m. Hodota m závsí a drh rozděleí: m = pro ormálí, m =,73 pro rovoměré a m =,45 pro trojúhelíkové rozděleí. Určí se stadardí ejstoty z těchto zdrojů (apř. převzetím hodot ejstot z techcké dokmetace jako jso certfkáty, kalbračí lsty, techcké ormy, údaje výrobců, techcké tablky apod.) a přepočítají a složky ejstoty měřeé velčy - zj,. Výsledá stadardí ejstota typ B se vypočítá ze vztah B = m zj j= (.4)..3 KOMBINOVANÁ STANDARDNÍ NEJISTOTA C - PŘÍMÉ MĚŘENÍ Tato ejstota se rčí ze vztah ( ) = + C A B (.5)..4 STANDARDNÍ NEJISTOTA A - NEPŘÍMÉ MĚŘENÍ Když je zjšťováa výsledá hodota velčy V epřímým měřeím, tz.že se přímo měří velčy X j a parametry P h, které velč vyjadřjí vztahem V = f(xj, P h ) (.6) 5

6 je výsledkem měřeí hodota v = F( x j, ph), kde x j jso výběrové průměry jedotlvých měřeých velč a p h jso hodoty parametrů P h. Velkost stadardí ejstoty A se rčí ze vztah m sy ( ) = A. sx ( ) + A. A. sx ( ) (.7) A xj j xj xk j j= j= kde A xj a A xk převodové koefcety aktálích hodot x a p. m..5 STANDARDNÍ NEJISTOTA B - NEPŘÍMÉ MĚŘENÍ Základí postp je stejý jako př přímém měřeí..3 UDÁVÁNÍ NEJISTOT Údaje o ejstotách msí obsahovat formlace a záps výsledých hodot, způsob výpočt a té formace o prameech. Výpočet ejstot je eodděltelo částí zpracováí výsledků měřeí. Nejstoty msí být specfkováy. Př dáváí rozšířeé ejstoty msí být vede požtý koefcet rozšířeí (k), popř. odpovídající kofdečí pravděpodobost. Lze dávat jak absoltí, tak relatví ejstoty, popř. oboje. Hodoty ejstot se zásadě zaokrohljí a dvě platá místa a to předostě ahor. Je třeba také vádět odkazy a požté ormatví dokmety. Některé tyto dokmety přímo předepsjí áležtost a formlace př dáváí výsledků měřeí včetě ejstot. Do certfkátů o kalbrac se vádí výsledek měřeí s rozšířeo ejstoto ve formě (y ± U) s ásledjícím dodatkem: Uvedeá ejstota představje dvě směrodaté odchylky. Směrodatá odchylka byla vypočtea z ejstoty měřcího etalo, kalbračích metod, vějších vlvů, krátkodobého vlv kalbrovaého objekt....4 PŘÍKLADY VÝPOČTU NEJISTOT PŘÍKLAD : (Kalbrace odporového símače teploty) Staovte ejstoty A, B, C a U př kalbrac přesého odporového símače teploty s platovým měřcím odporem Pt 00 př teplotě 50 C v olejové láz. Stadardí ejstota A byla rčea z devít měřeí hodot měřcího odpor R t př staoveé teplotě - vz Tab.. 6

7 Tab.. Naměřeé hodoty R t (Ω) R t (mω) R t (mω ) 57, , , , , , , , ,36 + = 9 = 45,835 = 0 = 78 Výběrový průměr R t z aměřeých hodot odpor símače R t se rčí ze vztah (.9): R t 9 Rt 45, 835 = = = 57, 35 Ω 9 9 a stadardí ejstota A ze vztah (.): a převedeo a teplot A 9 R t 78 = = = 04, mω A =,83 mk Protože bylo aměřeo poze devět hodot, je třeba korgovat ejstot koefcetem z tab.., který je rove k =,: Ak = k. A =,.,04 =,49 mω, resp. Ak = 3,38 mk. Stadardí ejstota B je vášea do měřeí změam fyzkálích podmíek, jako apř. kolísáím teploty lázě, apájecího apětí apod. Zdroj ejstot Z j a jejch stadardí ejstoty z j pro vedeý příklad jso:. Měřcí most - maxmálí odchylka mω, tj. 5 mk;. Napájecí zařízeí tj. vlv měřcího prod - maxmálí odchylka 300 mk; 3. Vlv odvod tepla símačem - maxmálí odchylka 50 mk; 4. Vlv teplotího gradet v láz - maxmálí odchylka 00 mk; 5. Přepíač měřcích míst - maxmálí odchylka 00 mk; 6. Nejstota ověřeí etaloového símače 50 mω, tj. 30 mk. Stadardí ejstota B se rčí ze vztah B = m j= zj m Vzhledem k važovaém rovoměrém rozděleí pravděpodobost se volí m = 3 =,73. Potřebé hodoty pro výpočty jso vedey v ásledjící tablce Tab..3. 7

8 Tab..3 Hodoty pro výpočet ejstot j z j (mk) zj (mk) zj (mk ) 5,89 8, , 3000, ,87 83, , , , , , ,00 m = ,4 5344,76 Stadardí ejstota typ B bde rova b = 5344,76 = 30,53 mk. Kombovaá stadardí ejstota C se vypočítá ze vztah (.4): = + = 3, , 53 = 5355, 09 = 30, 554 mk C A B Rozšířeá stadardí ejstota U se vypočte ze vztah U = k. C =. 30,554 = 46, mk. Rekaptlace: Stadardí ejstota typ A... A = 3,3 mk Stadardí ejstota typ B... B = 30,53 mk Kombovaá stadardí ejstota... C = 30,55 mk Rozšířeá stadardí ejstota...u = 46, mk. PŘÍKLAD : (Měřeí prosté teploty) Pro jedodchost se předpokládá měřeí teploty apř. v místost, a to běžým skleěým lhovým teploměrem, a který epůsobí jé ež pro daý případ zaedbatelé egatví vlvy (vlv vyčívajícího vláka, sáláí, proměá teplota okolí, změy proděí v místost apod.). Přesost teploměr je zadáa jako chyba odečítáí o velkost jedoho dílk stpce, tj. ± C. Přesost je zde zadáa klascky prostředctvím chyby, tedy kolv jako ejstota, jak by bylo vhodější č jak lze předpokládat, že bde v příštích letech vyžadováo. Aby byla zachováa ázorost celé aalýzy ejstot podle pops v předchozích dílech cykl, může teplota měřea opakovaě a ěkolka místech tak, aby bylo možé staovt průměro teplot v místost. Předpokladem takového expermet ovšem je, že teplotí pole v měřeém prostor je dostatečě homogeí. Je-l tato podmíka splěa a eí důvod važovat ještě ějaké další přídavé korekce, je postp apř. ásledjící. Opakovaým měřeím, př dostatečé době stáleí údaje teploměr (aby evzkla přídavá dyamcká chyba), se získá potřebých deset aměřeých hodot (tab. ). Odhadem průměré teploty t je artmetcký průměr ze všech deset aměřeých hodot: t = 4,5 C. Stadardí ejstota typ A je reprezetováa směrodato odchylko sobor aměřeých hodot od artmetckého průměr: A ( t) = ( ) = ( t t ) = 0,70 C Stadardí ejstota typ B má př daém zjedodšeí jedý zdroj, kterým je chyba odečítáí s hodoto ± C. Za oprávěého předpoklad rovoměrého pravoúhlého rozděleí platí 8

9 B ( t) = = 0, 578 C 3 Stadardí ejstota kombovaá se získá sločeím obo složek ( t) = ( t) + ( t) = 0,70 + 0,578 = 0, 638 C C A B Tab..4 Naměřeé hodoty teploty v místost Číslo měřeí Údaj teploměr t ( C) Výsledek měřeí s zasloží zcela jstě prezetac pomocí ejstoty rozšířeé s koefcetem rozšířeí k r = (sktečá průměrá teplota se achází v terval ejstoty s as 95% pravděpodobostí), takže záps abde formy t = (4,50 ±,8) C (př zaokrohleí a dvě platá místa). Zejméa s ohledem a přjatá zjedodšeí vyžadje teto příklad ěkolk pozámek:. Jde o postp e právě obvyklý. Jedak se předpokládá poměrě esado dosažtelá (a prokazatelá) homogeta teplotího pole, jedak je takto jedodchých úloh dost eobvyklé měřeí tolkrát opakovat. V prax byl počet opakováí spíše meší a př aalýze by se s výhodo vyžlo zkšeostí z dřívějších měřeí.. Výzamým problémem př měřeí teploty je dyamka. Teploměry, zvláště zde važovaý skleěý, se vyzačjí relatvě velko časovo kostato, takže je ebezpečí vzk že je ebezpečí vzk přídavé dyamcké chyby. Této složce chyby př měřeí se lze vyhot, ale je třeba dloho čekat a stáleí údaje měřdla, přčemž se doba měřeí prodlžje, často eúměrě. 3. Př kalbrac teploměr by bylo eje třeba zvážt dodržeí podmíek kalbrace, ale př kolísáí teploty okolího prostředí zahrot do aalýzy změy způsobeé změo rozměrů kapláry a stpce teploměr v závslost a teplotě, stejě jako vlv změ sočtele objemové roztažost lh a sočtelů délkové roztažost stpce a skla kapláry s teploto. PŘÍKLAD : (Měřeí rozdíl teplot) Opět se předpokládá požtí běžého skleěého lhového teploměr, tetokrát apř. k měřeí teploty vody v systém horkovodího vytápěí. Nejjedodšším případem může být požtí teploměr ve stokovém provedeí, o kterém lze předpokládat, že byl dostatečě přesě kalbrová právě pro poořeí celého stok. Opět se evažjí žádé ezaedbatelé egatví vlvy a měřeí. Přesost teploměr je ale jž zadáa ve formě rozšířeé ejstoty U(t) =, C pro k r = platé po celé délce stpce teploměr. Jde tedy o případ ejstoty kostatí v celém měřcím rozsah přístroje. Dále se předpokládá, že daý teploměr bde požt v prostředí s parametry evyžadjícím přídavé korekce a zahrtí odchylek parametrů prostředí do zdrojů ejstot. Je-l takový teploměr požt pro měřeí teploty vody v potrbí tak,že je pomoře právě celo délko svého stok, jak odpovídalo podmíkám, v chž byl kalbrová (a byla staovea jeho výsledá rozšířeá ejstota), lze předpokládat, že každá aměřeá hodota, tedy jedotlvé měřeí, bde staovea s dao hodoto rozšířeé ejstoty U(t) =, C, popř. kombovaé ejstoty stadardí C (t)=0,60 C=c. Až potd se jedá o stac zcela běžo. Jsté komplkace moho astat, je-l daý teploměr požt k měřeí rozdíl teplot, což je ejčastěj měřeí apř. a jakýchkolv výměících tepla. Je-l úkolem staovt ejstot rozdíl dvo teplot t rozd =t -t, celá stace se komplkje tostí zahrot kovaračí vlvy. Je totž té brát v úvah maxmálí korelac obo aměřeých hodot s chybo přístroje př sočtel korelace r=. Jestlže se bde měřt každá z teplot jým teploměrem (zpravdla 9

10 z téže dodávky od jedoho výrobce), emsí být chyba obo teploměrů zcela stejá. Protože v tomto případě kovarace způsobeá společo chybo zmešje výsledo ejstot, lze předpokládat, že společá část chyby je lová (požje se lová hodota kovarace), aby edošlo k vylepšeí výsledé ejstoty.v případě sočt teplot by bylo třeba aopak važovat celo chyb obo teploměrů jako stejo, protože kovarace zvětšje výsledo ejstot a výsledek by tetokrát byl adlepše jejím zaedbáím (vz také dále). Pro výsledo ejstot rozdíl teplot teoretcky platí: C ( trozd ) = ( t) + ( t ) ( t) ( t ) Kovarace je važováa v terval hodot 0 až c. Aby edošlo k eoprávěém adlepšeí výsledé ejstoty, dosadí se v tomto specálím případě do sočového čle ( t) ( t ) hodota kovarace 0, a kolv c. Výsledá ejstota tedy je C ( trozd ) = c + c 0 = 0,36 + 0,36 = 0,7 = 0, 85 C a př sočtel rozšířeí k r = bde rozšířeá ejstota U(t rozd )=,70 C. Je-l tedy apř. vstpí teplota t =(65±,) C a výstpí t =(58±,) C, je výsledý rozdíl teplot t rozd =(7±,7) C. Také příklad měřeí rozdíl teplot s zasloží ěkolk pozámek:. Podobě jako př měřeí rozdíl by měla být volea kovarace rová 0 př rčováí ejstoty podíl dvo teplot. Naopak pro sočet ebo soč by ze stejého důvod (aby edošlo k adlepšeí výsledé ejstoty) měla být volea hodota kovarace a horí hrac terval, tj. c.. Jestlže se vyskyte sočet (soč) dvo teplot podle předchozí pozámky, celá stace se změí tak, že za jak stejých podmíek pro sočet teplot t =(5±,) C a t =(8,5±,) C abde výsledá stadardí kombovaá ejstota hodoty: C ( tsočt ) = c + c + c = 0,36 + 0,36 + 0,36 =,08 =, 04 C Hodota kovarace je tetokrát požta všde a horí hrac terval (předpoklad společé chyby se volí v případě požtí dvo teploměrů, které spojje apř. společý výrobce a typ). Zaedbáí ebo zmešeí kovarace by mohlo eopodstatěě adlepšt výsledo ejstot. Výsledý sočet obo teplot s tervalem rozšířeé ejstoty (pro k r =) je t sočt =(43,5±,08) C. 3. Protože se jedá o jedodchý případ rozdíl (sočt), jso sočtele ctlvost jedotlvých ejstot rovy (A =). Kdyby byl fkčí vztah představová složtější rovcí, msela by aalýza zahrot tyto sočtele. 4. Aalogcky by mohla stace vypadat př požtí apř. elektrckého odporového teploměr v omezeém rozsah běžých teplot. Ale zde by zřejmě byla hodota ejstoty vázáa a jo hodot kostaty pro kladé a a jo pro záporé teploty. Jestlže by byl odporový teploměr požt pro měřeí v šrším rozsah, mohla by se vyskytot já forma zadáí ejstoty. 0

Nejistoty měření. Aritmetický průměr. Odhad směrodatné odchylky výběrového průměru = nejistota typu A

Nejistoty měření. Aritmetický průměr. Odhad směrodatné odchylky výběrového průměru = nejistota typu A Nejstoty měřeí Pro každé přesé měřeí potřebujeme formac s jakou přesostí bylo měřeí provedeo. Nejstota měřeí vyjadřuje terval ve kterém se achází skutečá hodota měřeé velčy s určtou pravděpodobostí. Nejstota

Více

Chyby přímých měření. Úvod

Chyby přímých měření. Úvod Chyby přímých měřeí Úvod Př zjšťováí velkost sledovaé velčy dochází k růzým chybám, které ovlvňují celkový výsledek. V pra eestuje žádá metoda měřeí a měřcí zařízeí, které by bylo absolutě přesé, což zameá,

Více

P1: Úvod do experimentálních metod

P1: Úvod do experimentálních metod P1: Úvod do epermetálích metod Chyby a ejstoty měřeí - Každé měřeí je zatížeo určtou epřesostí, která je způsobea ejrůzějším egatvím vlvy, vyskytujícím se v procesu měřeí. - Výsledek měřeí se díky tomu

Více

VY_52_INOVACE_J 05 01

VY_52_INOVACE_J 05 01 Název a adresa školy: Středí škola průmyslová a umělecká, Opava, příspěvková orgazace, Praskova 399/8, Opava, 74601 Název operačího programu: OP Vzděláváí pro kokureceschopost, oblast podpory 1.5 Regstračí

Více

3. Hodnocení přesnosti měření a vytyčování. Odchylky a tolerance ve výstavbě.

3. Hodnocení přesnosti měření a vytyčování. Odchylky a tolerance ve výstavbě. 3. Hodoceí přesost měřeí a vytyčováí. Odchylky a tolerace ve výstavbě. 3.1 Úvod o měřeí obecě 3.2 Chyby měřeí a jejch děleí 3.2.1 Omyly a hrubé chyby 3.2.2 Systematcké chyby 3.2.3 Náhodé chyby 3.3 Výpočet

Více

[ jednotky ] Chyby měření

[ jednotky ] Chyby měření Chyby měřeí Provedeme-l určté měřeí za stejých podmíek vícekrát, jedotlvá měřeí se mohou odlšovat (z důvodu koečé rozlšovací schopost měř. přístrojů, áhodých vlvů apod.). Chyba měřeí: e = x x x...přesá

Více

1. Základy měření neelektrických veličin

1. Základy měření neelektrických veličin . Základ měřeí eelektrckých velč.. Měřcí řetězec Měřcí řetězec (měřcí soustava) je soubor měřcích čleů (jedotek) účelě uspořádaých tak, ab blo ožě splt požadovaý úkol měřeí, tj. získat formac o velkost

Více

Spolehlivost a diagnostika

Spolehlivost a diagnostika Spolehlvost a dagostka Složté systémy a jejch spolehlvost: Co je spolehlvost? Vlv spolehlvost kompoetů systému Návrh systému z hledska spolehlvost Aplkace - žvotě důležté systémy - vojeské aplkace Teore

Více

veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou

veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou 1 Zápis číselých hodot a ejistoty měřeí Zápis číselých hodot Naměřeé hodoty zapisujeme jako číselý údaj s určitým koečým počtem číslic. Očekáváme, že všechy zapsaé číslice jsou správé a vyjadřují tak i

Více

Český metrologický institut

Český metrologický institut Český metrologický istitt METROLOGICKÝ PŘEDPIS MP 016 MĚŘIDLA TLAKU V PNEUMATIKÁCH SILNIČNÍCH MOTOROVÝCH VOZIDEL POSTUP ZKOUŠENÍ PŘI OVĚŘOVÁNÍ Vydáí: srpe 01 Teto předpis esmí být dále rozmožová za účelem

Více

Odhady parametrů základního. Ing. Michal Dorda, Ph.D.

Odhady parametrů základního. Ing. Michal Dorda, Ph.D. Odhady parametrů základího souboru Úvodí pozámky Základí soubor můžeme popsat jeho parametry, apř. středí hodota μ, rozptyl atd. Př praktckých úlohách ovšem zpravdla elze vyšetřt celou populac, provádíme

Více

Generování dvojrozměrných rozdělení pomocí copulí

Generování dvojrozměrných rozdělení pomocí copulí Pravděpodobost a matematcká statstka eerováí dvojrozměrých rozděleí pomocí copulí umbelova copule PRAHA 005 Vpracoval: JAN ZÁRUBA OBSAH: CÍL PRÁCE TEORIE Metoda verzí trasformace O copulích Sklarova věta

Více

LABORATORNÍ CVIČENÍ Z FYZIKY. Měření objemu tuhých těles přímou metodou

LABORATORNÍ CVIČENÍ Z FYZIKY. Měření objemu tuhých těles přímou metodou ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE KATEDRA FYZIKY LABORATORNÍ CVIČENÍ Z FYZIKY Jméo: Petr Česák Datum měřeí:.3.000 Studjí rok: 999-000, Ročík: Datum odevzdáí: 6.3.000 Studjí skupa: 5 Laboratorí skupa:

Více

Přednáška č. 2 náhodné veličiny

Přednáška č. 2 náhodné veličiny Předáša č. áhodé velčy Pozámy záladím pojmům z počtu pravděpodobost Pozáma 1: Př výpočtu pravděpodobost áhodého jevu dle lascé defce je uté věovat pozorost způsobu formulace vybraého jevu. V ásledující

Více

Národní informační středisko pro podporu jakosti

Národní informační středisko pro podporu jakosti Národí iformačí středisko pro podpor jakosti Kozltačí středisko statistických metod při NIS-PJ Výpočet koeficietů reglačích diagramů pro obecé riziko Ig. Václav Chmelík, CSc Ústav strojíreské techologie,

Více

9. Měření závislostí ve statistice. 9.1. Pevná a volná závislost

9. Měření závislostí ve statistice. 9.1. Pevná a volná závislost Dráha [m] 9. Měřeí závslostí ve statstce Měřeí závslostí ve statstce se zývá především zkoumáím vzájemé závslost statstckých zaků vícerozměrých souborů. Závslost přtom mohou být apříklad pevé, volé, jedostraé,

Více

OVMT Přesnost měření a teorie chyb

OVMT Přesnost měření a teorie chyb Přesost měřeí a teorie chyb Základí pojmy Naměřeé údaje ejsou ikdy absolutě přesé, protože skutečé podmíky pro měřeí se odlišují od ideálích. Při každém měřeí vzikají odchylky od správých hodot chyby.

Více

Tento odhad má rozptyl ( ) σ 2 /, kde σ 2 je rozptyl souboru, ze kterého výběr pochází. Má-li každý prvek i. σ 2 ( i. ( i

Tento odhad má rozptyl ( ) σ 2 /, kde σ 2 je rozptyl souboru, ze kterého výběr pochází. Má-li každý prvek i. σ 2 ( i. ( i : ometové míry polohy zahrují růzé druhy průměrů pomocí kterých můžeme charakterzovat cetrálí tedec dat ometové míry polohy jsou jedoduché číselé charakterstky které se vyčíslují ze všech prvků výběru

Více

IV. NEJISTOTY MENÍ A ZPRACOVÁNÍ VÝSLEDK

IV. NEJISTOTY MENÍ A ZPRACOVÁNÍ VÝSLEDK IV. NEJISTOTY MENÍ A ZPRACOVÁNÍ VÝSLEDK Meí patí mez základí zpsoby získáváí kvattatvích formací o stav sledovaé vely. 4. Chyby meí Nedokoalost metod meí, ašch smysl, omezeá pesost mcích pístroj, promé

Více

Metody zkoumání závislosti numerických proměnných

Metody zkoumání závislosti numerických proměnných Metody zkoumáí závslost umerckých proměých závslost pevá (fukčí) změě jedoho zaku jedozačě odpovídá změa druhého zaku (podle ějakého fukčího vztahu) (matematka, fyzka... statstcká (volá) změám jedé velčy

Více

a další charakteristikou je četnost výběrového souboru n.

a další charakteristikou je četnost výběrového souboru n. Předáška č. 8 Testováí rozptylu, testy relatví četost, testy dobré shody, test ezávslost kvaltatvích zaků Testy rozptylu Testy se používají k ověřeí hypotézy o určté velkost rozptylu a k ověřeí vztahu

Více

T e c h n i c k á z p r á v a. Pokyn pro vyhodnocení nejistoty měření výsledků kvantitativních zkoušek. Technická zpráva č.

T e c h n i c k á z p r á v a. Pokyn pro vyhodnocení nejistoty měření výsledků kvantitativních zkoušek. Technická zpráva č. Evropská federace árodích asocací měřcích, zkušebích a aalytckých laboratoří Techcká zpráva č. /006 Srpe 006 Poky pro vyhodoceí ejstoty měřeí výsledků kvattatvích zkoušek T e c h c k á z p r á v a EUROLAB

Více

Vliv měřicí techniky na kvalitu regulace

Vliv měřicí techniky na kvalitu regulace Proceedgs of Iteratoal Scetfc Coferece of FME Sesso 4: Automato Cotrol ad Appled Iformatcs Paper 43 Vlv měřcí techky a kvaltu regulace VDOLEČEK, Fratšek & SOUKUP, Karel Ig., CSc., Ústav automatzace a formatky,

Více

Testování statistických hypotéz

Testování statistických hypotéz Testováí statstckých hypotéz - Testováí hypotéz je postup, sloužící k ověřeí předpokladů o ZS (hypotéz a základě výběrových dat (tj. hodot z výběrového souboru. - ypotéza = určtý předpoklad o základím

Více

11. Časové řady. 11.1. Pojem a klasifikace časových řad

11. Časové řady. 11.1. Pojem a klasifikace časových řad . Časové řad.. Pojem a klasfkace časových řad Specfckým statstckým dat jsou časové řad pomocí chž můžeme zkoumat damku jevů v čase. Časovou řadou (damcká řada, vývojová řada) rozumíme v čase uspořádaé

Více

Odhady parametrů 1. Odhady parametrů

Odhady parametrů 1. Odhady parametrů Odhady parametrů 1 Odhady parametrů Na statistický soubor (x 1,..., x, který dostaeme statistickým šetřeím, se můžeme dívat jako a výběrový soubor získaý realizací áhodého výběru z áhodé veličiy X. Obdobě:

Více

, jsou naměřené a vypočtené hodnoty závisle

, jsou naměřené a vypočtené hodnoty závisle Měřeí závslostí. Průběh závslost spojtá křvka s jedoduchou rovcí ( jedoduchým průběhem), s malým počtem parametrů, která v rozmezí aměřeých hodot vsthuje průběh závslost, určeí kokrétího tpu křvk (přímka,

Více

Téma 6: Indexy a diference

Téma 6: Indexy a diference dexy a dferece Téma 6: dexy a dferece ředáška 9 dvdálí dexy a dferece Základí ojmy Vedle elemetárího statstckého zracováí dat se hromadé jevy aalyzjí tzv. srováváím růzých kazatelů. Statstcký kazatel -

Více

Ilustrativní příklad ke zkoušce z B_PS_A léto 2014.

Ilustrativní příklad ke zkoušce z B_PS_A léto 2014. Ilustratví příklad ke zkoušce z B_PS_A léto 0. Jsou dáa data výběrového souboru výšky že vz IS/ Učebí materály/ Témata 8, M. Kvaszová. č. výška č. výška 89 5 90 7 57 8 5 58 5 8 9 58 0 8 0 8 8 9 8 8 95

Více

Základní požadavky a pravidla měření

Základní požadavky a pravidla měření Základí požadavky a pravidla měřeí Základí požadavky pro správé měřeí jsou: bezpečost práce teoretické a praktické zalosti získaé přípravou a měřeí přesost a spolehlivost měřeí optimálí orgaizace průběhu

Více

1.1 Rozdělení pravděpodobnosti dvousložkového náhodného vektoru

1.1 Rozdělení pravděpodobnosti dvousložkového náhodného vektoru Lekce Normálí rozděleí v rově V této lekc se udeme věovat měřeí korelačí závslost dvojce áhodých velč (dvousložkového áhodého vektoru) Vcházet udeme z ormálího rozděleí pravděpodoost áhodého vektoru v

Více

Experimentální identifikace regulovaných soustav

Experimentální identifikace regulovaných soustav Expermetálí etfkace reglovaých sostav Cílem je zhotoveí matematckého moel a záklaě formací získaých měřeím. Požívá se možství meto. Výběr metoy je ůležtý, protože a ěm závsí přesost áhraího moel. Záklaím

Více

Pevnost a životnost - Hru III 1. PEVNOST a ŽIVOTNOST. Hru III. Milan Růžička, Josef Jurenka, Zbyněk Hrubý.

Pevnost a životnost - Hru III 1. PEVNOST a ŽIVOTNOST. Hru III. Milan Růžička, Josef Jurenka, Zbyněk Hrubý. evost a životost - Hr III EVNOT a ŽIVOTNOT Hr III Mila Růžička, Josef Jreka, Zbyěk Hrbý zbyek.hrby@fs.cvt.cz evost a životost - Hr III tatistické metody vyhodocováí dat evost a životost - Hr III 3 tatistické

Více

Zhodnocení přesnosti měření

Zhodnocení přesnosti měření Zhodoceí přesosti měřeí 1. Chyby měřeí Měřeím emůžeme ikdy zjistit skutečou (pravou) hodotu s měřeé veličiy. To je způsobeo edokoalostí metod měřeí, měřicích přístrojů, lidských smyslů i proměých podmíek

Více

Odhady parametrů základního souboru. Ing. Michal Dorda, Ph.D.

Odhady parametrů základního souboru. Ing. Michal Dorda, Ph.D. Odhady parametrů základího souboru Ig. Mchal Dorda, Ph.D. Úvodí pozámky Základí soubor můžeme popsat jeho parametry, apř. středí hodota μ, rozptyl σ atd. Př praktckých úlohách ovšem zpravdla elze vyšetřt

Více

6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna.

6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna. 6 Itervalové odhady parametrů základího souboru V předchozích kapitolách jsme se zabývali ejprve základím zpracováím experimetálích dat: grafické zobrazeí dat, výpočty výběrových charakteristik kapitola

Více

5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC

5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC 5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC V této kaptole se dozvíte: jak je defováa fukce přrozeá odmoca v kompleím oboru a jaké má vlastost včetě odlšostí od odmocy v reálém

Více

Mendelova univerzita v Brně Statistika projekt

Mendelova univerzita v Brně Statistika projekt Medelova uverzta v Brě Statstka projekt Vypracoval: Marek Hučík Obsah 1. Úvod... 3. Skupové tříděí... 3 o Data:... 3 o Počet hodot:... 3 o Varačí rozpětí:... 3 o Počet tříd:... 4 o Šířka tervalu:... 4

Více

Statistika. Jednotlivé prvky této množiny se nazývají prvky statistického souboru (statistické jednotky).

Statistika. Jednotlivé prvky této množiny se nazývají prvky statistického souboru (statistické jednotky). Statstka. Základí pojmy Statstcký soubo - daá koečá, epázdá moža M předmětů pozoováí, majících jsté společé vlastost (událost, věc,.) Jedotlvé pvky této možy se azývají pvky statstckého soubou (statstcké

Více

8 NELINEÁRNÍ REGRESNÍ MODELY

8 NELINEÁRNÍ REGRESNÍ MODELY 8 NELINEÁRNÍ REGRESNÍ MODELY 8 Tvorba eleárího regresího modelu Postup tvorby eleárího regresího modelu se dá rozčlet do těchto kroků: Návrh regresího modelu Obvykle se jako eleárí regresí model používá

Více

USTÁLENÉ PROUDĚNÍ V OTEVŘENÝCH KORYTECH

USTÁLENÉ PROUDĚNÍ V OTEVŘENÝCH KORYTECH USTÁLENÉ POUDĚNÍ V OTEVŘENÝCH KOYTECH ovoměré prouděí Charakterstka:. Hloubka vod v kortě, průtočá plocha a průřezová rchlost jsou v každém příčém řezu kostatí.. Čára eerge, vodí hlada a do korta jsou

Více

Přednáška č. 10 Analýza rozptylu při jednoduchém třídění

Přednáška č. 10 Analýza rozptylu při jednoduchém třídění Předáška č. 0 Aalýza roztylu ř jedoduchém tříděí Aalýza roztylu je statstcká metoda, kterou se osuzuje romělvost oakovaých realzací áhodého okusu tj. romělvost áhodé velčy. Náhodá velča vzká za relatvě

Více

4.2 Elementární statistické zpracování. 4.2.1 Rozdělení četností

4.2 Elementární statistické zpracování. 4.2.1 Rozdělení četností 4.2 Elemetárí statstcké zpracováí Výsledkem statstckého zjšťováí (. etapa statstcké čost) jsou euspořádaá, epřehledá data. Proto 2. etapa statstcké čost zpracováí, začíá většou jejch utříděím, zpřehleděím.

Více

12. N á h o d n ý v ý b ě r

12. N á h o d n ý v ý b ě r 12. N á h o d ý v ý b ě r Při sledováí a studiu vlastostí áhodých výsledků pozáme charakter rozděleí z toho, že opakovaý áhodý pokus ám dává za stejých podmíek růzé výsledky. Ty odpovídají hodotám jedotlivých

Více

ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU)

ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU) ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU) Základy teorie pravděpodobosti měřeí chyba měřeí Provádíme kvalifikovaý odhad áhodá systematická výsledek ejistota výsledku Základy teorie pravděpodobosti

Více

Geodézie 3 (154GD3) Téma č. 9: Hodnocení a rozbory přesnosti výškových měření.

Geodézie 3 (154GD3) Téma č. 9: Hodnocení a rozbory přesnosti výškových měření. Geodéze 3 (54GD3) Téma č. 9: Úvod o měřeí obecě. V geodéz měříme především déky, úhy, a dáe také apř. čas, vekost síy tíže apod. Výsedek měřeí je charakterzová čísem, závsým též a vobě jedotek. Ze zkušeost

Více

Přednášky část 7 Statistické metody vyhodnocování dat

Přednášky část 7 Statistické metody vyhodnocování dat DŽ ředášky část 7 tatistické metody vyhodocováí dat Mila Růžička mechaika.fs.cvt.cz mila.rzicka@fs.cvt.cz DŽ tatistické metody vyhodocováí dat Jak velké rozptyly lze očekávat mezi dosažeými pevostmi ebo

Více

VYSOCE PŘESNÉ METODY OBRÁBĚNÍ

VYSOCE PŘESNÉ METODY OBRÁBĚNÍ VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta strojího ižeýrství Ústav strojíreské techologie ISBN 978-80-214-4352-5 VYSOCE PŘESNÉ METODY OBRÁBĚNÍ doc. Ig. Jaroslav PROKOP, CSc. 1 1 Fakulta strojího ižeýrství,

Více

1. Základy měření neelektrických veličin

1. Základy měření neelektrických veličin . Základy měřeí eelektrických veliči.. Měřicí řetězec Měřicí řetězec (měřicí soustava) je soubor měřicích čleů (jedotek) účelě uspořádaých tak, aby bylo ožě split požadovaý úkol měřeí, tj. získat iformaci

Více

Doc. Ing. Dagmar Blatná, CSc.

Doc. Ing. Dagmar Blatná, CSc. PRAVDĚPODOBNOST A STATISTIKA Doc. Ig. Dagmar Blatá, CSc. Statsta statstcé údaje o hromadých jevech čost, terá vede zísáí statstcých údajů a jejch zpracováí teore statsty - věda o stavu, vztazích a vývoj

Více

Úvod do korelační a regresní analýzy

Úvod do korelační a regresní analýzy Úvod do korelačí a regresí aalýz Bude ás zajímat, jak těsě spolu souvsí dva sledovaé jev Příklad: vztah mez rchlostí auta a brzdou dráhou vztah mez věkem žáka a rchlostí v běhu a 60 m vztah mez spotřebou

Více

Dynamická pevnost a životnost Statistika

Dynamická pevnost a životnost Statistika DŽ statistika Dyamická pevost a životost tatistika Mila Růžička, Josef Jreka, Zbyěk Hrbý mechaika.fs.cvt.cz zbyek.hrby@fs.cvt.cz DŽ statistika tatistické metody vyhodocováí dat DŽ statistika 3 tatistické

Více

Náhodný výběr 1. Náhodný výběr

Náhodný výběr 1. Náhodný výběr Náhodý výběr 1 Náhodý výběr Matematická statistika poskytuje metody pro popis veliči áhodého charakteru pomocí jejich pozorovaých hodot, přesěji řečeo jde o určeí důležitých vlastostí rozděleí pravděpodobosti

Více

Ilustrativní příklad ke zkoušce z B_PS_A léto 2013.

Ilustrativní příklad ke zkoušce z B_PS_A léto 2013. Ilustratví příklad ke zkoušce z B_PS_A léto 0. Jsou dáa data výběrového souboru výšky že vz IS/ Učebí materály/ Témata 8, M. Kvaszová. č. výška č. výška 89 5 90 7 57 8 5 58 5 8 9 58 0 8 0 8 8 9 8 8 95

Více

Chyby měření: 1. hrubé chyby - nepozornost, omyl, únava pozorovatele... - významně převyšuje rozptyl náhodné chyby 2. systematické chyby - chybné

Chyby měření: 1. hrubé chyby - nepozornost, omyl, únava pozorovatele... - významně převyšuje rozptyl náhodné chyby 2. systematické chyby - chybné CHYBY MĚŘENÍ Opakovaé měřeí téže fyzkáí večy evede vždy k přesě stejým výsedkům. Této skutečost bychom se evyhu, kdybychom měřeí provádě s ejvětší důkadostí a precsostí aopak, čím ctvější a přesější jsou

Více

jsou varianty znaku) b) při intervalovém třídění (hodnoty x

jsou varianty znaku) b) při intervalovém třídění (hodnoty x Výběr z eřeštelých příkladů ze zkouškových testů Jde o výběr z tpů příkladů, jejchž úspěšost řešeí u zkoušek se blíží ule. Itervalové versus bodové tříděí V tabulce je uvedeo rozděleí četostí a) př bodovém

Více

STATISTIKA. Statistika se těší pochybnému vyznamenání tím, že je nejvíce nepochopeným vědním oborem. H. Levinson

STATISTIKA. Statistika se těší pochybnému vyznamenání tím, že je nejvíce nepochopeným vědním oborem. H. Levinson STATISTIKA Statistika se těší pochybému vyzameáí tím, že je ejvíce epochopeým vědím oborem. H. Leviso Charakterizace statistického souboru Statistický soubor Prvek souboru Zak prvku kvatitativí teplota,

Více

Optimalizace portfolia

Optimalizace portfolia Optmalzace portfola ÚVOD Problémy vestováí prostředctvím ákupu ceých papírů sou klasckým tématem matematcké ekoome. Celkový výos z portfola má v době rozhodováí o vestcích povahu áhodé velčy, eíž rozložeí

Více

1. Měření ve fyzice, soustava jednotek SI

1. Měření ve fyzice, soustava jednotek SI 1. Měřeí ve fyzice, soustava jedotek SI Fyzika je vědí obor, který zkoumá zákoitosti přírodích jevů. Pozámka: Získáváí pozatků ve fyzice: 1. pozorováí - sledováí určitého jevu v jeho přirozeých podmíkách,

Více

Téma 2 Přímková a rovinná soustava sil

Téma 2 Přímková a rovinná soustava sil Stavebí statka,.ročík bakalářského studa Téma 2 Přímková a rová soustava sl Přímková soustava sl ový svazek sl Statcký momet síly k bodu a dvojce sl v rově Obecá rová soustava sl ová soustava rovoběžých

Více

Odhady parametrů polohy a rozptýlení pro často se vyskytující rozdělení dat v laboratoři se vyčíslují podle následujících vztahů:

Odhady parametrů polohy a rozptýlení pro často se vyskytující rozdělení dat v laboratoři se vyčíslují podle následujících vztahů: Odhady parametrů polohy a rozptýleí pro často se vyskytující rozděleí dat v laboratoři se vyčíslují podle ásledujících vztahů: a : Laplaceovo (oboustraé expoeciálí rozděleí se vyskytuje v případech, kdy

Více

Test dobré shody se používá nejčastěji pro ověřování těchto hypotéz:

Test dobré shody se používá nejčastěji pro ověřování těchto hypotéz: Ig. Marta Ltschmaová Statstka I., cvčeí 1 TESTOVÁNÍ NEPARAMETRICKÝCH HYPOTÉZ Dosud jsme se zabýval testováím parametrcký hypotéz, což jsou hypotézy o parametrech rozděleí (populace). Statstckým hypotézám

Více

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ KATEDRA SPECIÁLNÍ GEODÉZIE DIPLOMOVÁ PRÁCE

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ KATEDRA SPECIÁLNÍ GEODÉZIE DIPLOMOVÁ PRÁCE ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ KATEDRA SPECIÁLNÍ GEODÉZIE DIPLOMOVÁ PRÁCE Praha 8 Pavel Třasák ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ KATEDRA SPECIÁLNÍ GEODÉZIE DIPLOMOVÁ

Více

ZPRACOVÁNÍ VÝSLEDKŮ MĚŘENÍ

ZPRACOVÁNÍ VÝSLEDKŮ MĚŘENÍ ZPRACOVÁNÍ VÝSLEDKŮ MĚŘENÍ 1. CHYBY MĚŘENÍ Nedokoalost metod měřeí, přístroů ldských smslů a emožost regstrace a kotrol všech podmíek, které určuí stav měřeého obektu způsobuí, že měřeím emůžeme zstt skutečou

Více

Nejistoty v mìøení III: nejistoty nepøímých mìøení

Nejistoty v mìøení III: nejistoty nepøímých mìøení Nestoty v ìøeí III: estoty epøíých ìøeí MÌØIÍ TEHNIK V èácích [] a [] by podá pøehed soèasých ázorù a probeatk estot v ìøeí obecì a pøedstave zpùsob výpoèt estot pø éì ároèých pøíých ìøeích. Teto tøetí

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA PRAVDĚPODOBNOT A TATITIKA Přpomeutí pojmů,, P m θ, R θ R - pravděpodobostí prostor - parametrcký prostor - parametrcká fukce,, T - áhodý vektor defovaý a pravděpodobostím prostoru,, P θ s hustotou f x,

Více

APLIKOVANÁ STATISTIKA

APLIKOVANÁ STATISTIKA VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ FAKULTA MANAGEMENTU A EKONOMIKY VE ZLÍNĚ APLIKOVANÁ STATISTIKA FRANTIŠEK PAVELKA PETR KLÍMEK ZLÍN 000 Recezoval: Haa Lošťáková Fratšek Pavelka, Petr Klímek, 000 ISBN 80 4

Více

UPLATNĚNÍ ZKOUŠEK PŘI PROHLÍDKÁCH MOSTŮ

UPLATNĚNÍ ZKOUŠEK PŘI PROHLÍDKÁCH MOSTŮ 3..- 4.. 2009 DIVYP Bro, s.r.o., Filipova, 635 00 Bro, http://www.divypbro.cz UPLATNĚNÍ ZKOUŠEK PŘI PROHLÍDKÁCH MOSTŮ autoři: prof. Ig. Mila Holický, PhD., DrSc., Ig. Karel Jug, Ph.D., doc. Ig. Jaa Marková,

Více

Úvod do zpracování měření

Úvod do zpracování měření Úvod do zpracováí měřeí Teore chb Opakujeme-l měřeí téže fzkálí velč za stejých podmíek ěkolkrát za sebou, dostáváme zpravdla růzé hodot. Měřeé velčě přísluší však jedá správá hodota. Každou odchlku aměřeé

Více

odhady parametrů. Jednostranné a oboustranné odhady. Intervalový odhad střední hodnoty, rozptylu, relativní četnosti.

odhady parametrů. Jednostranné a oboustranné odhady. Intervalový odhad střední hodnoty, rozptylu, relativní četnosti. 10 Cvičeí 10 Statistický soubor. Náhodý výběr a výběrové statistiky aritmetický průměr, geometrický průměr, výběrový rozptyl,...). Bodové odhady parametrů. Itervalové odhady parametrů. Jedostraé a oboustraé

Více

L A B O R A T O R N Í C V I Č E N Í Z F Y Z I K Y

L A B O R A T O R N Í C V I Č E N Í Z F Y Z I K Y ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE KATED RA F YZIKY L A B O R A T O R N Í C V I Č E N Í Z F Y Z I K Y Jméo TUREČEK Daiel Datum měřeí 8.11.2006 Stud. rok 2006/2007 Ročík 2. Datum odevzdáí 15.11.2006 Stud.

Více

Úvod do teorie měření

Úvod do teorie měření Uverzta Jaa Evagelsty Purkyě v Ústí ad Labem Přírodovědecká fakulta Úvod do teore měřeí Prof. Chlář emář 0 Průměr, rozptyl a směrodatá odchylka X = X = ( X X ) = = = Výpočty pomocí vzorců a pomocí statstckých

Více

Náhodné jevy, jevové pole, pravděpodobnost

Náhodné jevy, jevové pole, pravděpodobnost S Náhodé jevy pravděpodobost Náhodé jevy jevové pole pravděpodobost Lbor Žák S Náhodé jevy pravděpodobost Lbor Žák Základí pojmy Expermet česky též vědecký pokus je soubor jedáí a pozorováí jehož účelem

Více

Ing. Pavel Hánek, Ph.D. Náčrt

Ing. Pavel Hánek, Ph.D. Náčrt Ig. Pavel Háek, Ph.D. haek00@zf.jcu.cz jedoduché metody pro měřeí polohopisu ortogoálí metoda měří se staičeí a kolmice, pravý úhel se realizuje s využitím petagou, délky se měří pásmem kostrukčí oměré

Více

Deskriptivní statistika 1

Deskriptivní statistika 1 Deskriptiví statistika 1 1 Tyto materiály byly vytvořey za pomoci gratu FRVŠ číslo 1145/2004. Základí charakteristiky souboru Pro lepší představu používáme k popisu vlastostí zkoumaého jevu určité charakteristiky

Více

ÚVOD DO PRAKTICKÉ FYZIKY I

ÚVOD DO PRAKTICKÉ FYZIKY I JIŘÍ ENGLICH ÚVOD DO PRAKTICKÉ FYZIKY I ZPRACOVÁNÍ VÝSLEDKŮ MĚŘENÍ Jede z epermetů, které změly vývoj fyzky v mulém století. V roce 9 prof. H. Kamerlgh Oes ve své laboratoř v Leydeu měřl teplotí závslost

Více

Lineární regrese ( ) 2

Lineární regrese ( ) 2 Leárí regrese Častým úolem je staoveí vzájemé závslost dvou (č více) fzálích velč a její matematcé vjádřeí. K tomuto účelu se používají růzé regresí metod, pomocí chž hledáme vhodou fuc f (), apromující

Více

AMC/IEM J - HMOTNOST A VYVÁŽENÍ

AMC/IEM J - HMOTNOST A VYVÁŽENÍ ČÁST JAR-OPS 3 AMC/IEM J - HMOTNOST A VYVÁŽENÍ ACJ OPS 3.605 Hodoty hmotostí Viz JAR-OPS 3.605 V souladu s ICAO Ae 5 a s meziárodí soustavou jedotek SI, skutečé a omezující hmotosti vrtulíků, užitečé zatížeí

Více

1 Měření závislosti statistických znaků. 1.1 Dvourozměrný statistický soubor

1 Měření závislosti statistických znaků. 1.1 Dvourozměrný statistický soubor 1 Měřeí závlot tattckých zaků 1.1 Dvourozměrý tattcký oubor Př aalýze ekoomckých kutečotí á čato ezajímají jedotlvé velč jako takové, ale vztah mez m. Ptáme e, jak záví poptávka a ceě produktu, plat zamětaců

Více

Možnosti vyjádření přesnosti měření II: použití v praxi

Možnosti vyjádření přesnosti měření II: použití v praxi Možosti vyjádřeí přesosti měřeí II: požití v praxi Sočasý stav měřicí techiky dovolje provádět fyzikálí měřeí téměř každém. Omezeí v tomto směr představje schopost aměřeé údaje vyhodotit, iterpretovat

Více

Pravděpodobnostní modely

Pravděpodobnostní modely Pravděpodobostí modely Meu: QCEpert Pravděpodobostí modely Modul hledá metodou maimálí věrohodosti (MLE Maimum Likelihood Estimate) statistický model (rozděleí) který ejlépe popisuje data. Je přitom k

Více

11. Popisná statistika

11. Popisná statistika . Popsá statstka.. Pozámka: Př statstckém zkoumáí ás zajímají hromadé jevy a procesy, u kterých zkoumáme zákotost, které se projevují u velkého počtu prvků. Prvky zkoumáí azýváme statstcké jedotky. Př

Více

PRAVDĚPODOBNOST A STATISTIKA. Neparametrické testy hypotéz čast 2

PRAVDĚPODOBNOST A STATISTIKA. Neparametrické testy hypotéz čast 2 SP3 Neparametrcké testy hypotéz PRAVDĚPODOBNOST A STATISTIKA Neparametrcké testy hypotéz čast Lbor Žák SP3 Neparametrcké testy hypotéz Lbor Žák Neparametrcké testy hypotéz - úvod Neparametrcké testy statstckých

Více

7 LIMITNÍ VĚTY. Čas ke studiu kapitoly: 70 minut. Cíl:

7 LIMITNÍ VĚTY. Čas ke studiu kapitoly: 70 minut. Cíl: 7 LIMITNÍ VĚTY Čas ke studu kaptoly: 70 mut Cíl: o prostudováí tohoto odstavce budete umět formulovat a používat lmtí věty aproxmovat já rozděleí rozděleím ormálím - 96 - Výklad: V této kaptole adefujeme

Více

Výukový modul III.2 Inovace a zkvalitnění výuky prostřednictvím ICT

Výukový modul III.2 Inovace a zkvalitnění výuky prostřednictvím ICT Základy práce s tabulkou Výukový modul III. Iovace a zkvaltěí výuky prostředctvím IC éma III..3 echcká měřeí v MS Excel Pracoví lst 5 Měřeí teploty. Ig. Jří Chobot VY_3_INOVACE_33_5 Aotace Iovace a zkvaltěí

Více

Univerzita Karlova v Praze Pedagogická fakulta

Univerzita Karlova v Praze Pedagogická fakulta Uverzta Karlova v Praze Pedagogcká fakulta SEMINÁRNÍ PRÁCE Z OBECNÉ ALGEBRY DĚLITELNOST CELÝCH ČÍSEL V SOUSTAVÁCH O RŮZNÝCH ZÁKLADECH / Cfrk C. Zadáí: Najděte pět krtérí pro děltelost v jých soustavách

Více

Interpolační křivky. Interpolace pomocí spline křivky. f 1. f 2. f n. x... x 2

Interpolační křivky. Interpolace pomocí spline křivky. f 1. f 2. f n. x... x 2 Iterpolace pomocí sple křvky dáo: bodů v rově úkol: alézt takovou křvku, která daým body prochází y f f 2 f 0 f x0 x... x 2 x x Iterpolace pomocí sple křvky evýhodou polyomálí terpolace změa ěkterého z

Více

Statistika - vícerozměrné metody

Statistika - vícerozměrné metody Statstka - vícerozměré metody Mgr. Mart Sebera, Ph.D. Katedra kezologe Masarykova uverzta Fakulta sportovích studí Bro 0 Obsah Obsah... Sezam obrázků... 4 Sezam tabulek... 4 Úvod... 6 Pojmy... 7 Náhodé

Více

Odhady a testy hypotéz o regresních přímkách

Odhady a testy hypotéz o regresních přímkách Lekce 3 Odhad a tet hpotéz o regreích přímkách Ve druhé lekc jme kotruoval kofdečí terval a formuloval tet hpotéz o korelačím koefcetu Korelačí koefcet je metrckou charaktertkou tezt závlot, u které ezáleží

Více

III. METODY MĚŘENÍ A ZPRACOVÁNÍ MĚŘENÍ

III. METODY MĚŘENÍ A ZPRACOVÁNÍ MĚŘENÍ III. METODY MĚŘENÍ A ZPRACOVÁNÍ MĚŘENÍ Způsob, jímž se provádí fzkálí měřeí, závsí jedak a povaze měřeé velč, jedak a tom, ze kterých vztahů pro měřeou velču vjdeme a jakých přístrojů použjeme. Všech měřcí

Více

2 STEJNORODOST BETONU KONSTRUKCE

2 STEJNORODOST BETONU KONSTRUKCE STEJNORODOST BETONU KONSTRUKCE Cíl kapitoly a časová áročost studia V této kapitole se sezámíte s možostmi hodoceí stejorodosti betou železobetoové kostrukce a prakticky provedete jede z možých způsobů

Více

Intervalový odhad. nazveme levostranným intervalem pro odhad parametru Θ. Statistiku. , kde číslo α je blízké nule, nazveme horním

Intervalový odhad. nazveme levostranným intervalem pro odhad parametru Θ. Statistiku. , kde číslo α je blízké nule, nazveme horním Lekce Itervalový odhad Itervalový odhad je jedou ze stadardích statistických techik Cílem je sestrojit iterval (kofidečí iterval, iterval spolehlivosti, který s vysokou a avíc předem daou pravděpodobostí

Více

1 POPISNÁ STATISTIKA V PROGRAMU MS EXCEL

1 POPISNÁ STATISTIKA V PROGRAMU MS EXCEL Elea Mielcová, Radmila Stoklasová a Jaroslav Ramík; Statistické programy POPISNÁ STATISTIKA V PROGRAMU MS EXCEL RYCHLÝ NÁHLED KAPITOLY Žádý výzkum se v deší době evyhe statistickému zpracováí dat. Je jedo,

Více

Popisná statistika - zavedení pojmů. 1 Jednorozměrný statistický soubor s kvantitativním znakem

Popisná statistika - zavedení pojmů. 1 Jednorozměrný statistický soubor s kvantitativním znakem Popisá statistika - zavedeí pojmů Popisá statistika - zavedeí pojmů Soubor idividuálích údajů o objektech azýváme základí soubor ebo také populace. Zkoumaé objekty jsou tzv. statistické jedotky a sledujeme

Více

Téma 11 Prostorová soustava sil

Téma 11 Prostorová soustava sil Stavebí statka,.ročík bakalářského studa Téma Prostorová soustava sl Prostorový svazek sl Statcký momet síly a dvojce sl v prostoru Obecá prostorová soustava sl Prostorová soustava rovoběžých sl Katedra

Více

8. Zákony velkých čísel

8. Zákony velkých čísel 8 Zákoy velkých čísel V této část budeme studovat velm často užívaá tvrzeí o součtech posloupost áhodých velč Nedříve budeme vyšetřovat tvrzeí azývaá souhrě ako slabé zákoy velkých čísel Veškeré úvahy

Více

S1P Popisná statistika. Popisná statistika. Libor Žák

S1P Popisná statistika. Popisná statistika. Libor Žák SP Popsá statstka Popsá statstka Lbor Žák SP Popsá statstka Lbor Žák Základí zdroje : skrpta Mateatka IV - doc. RNDr. Z. Karpíšek, CSc. ateatka o le - http://athole.fe.vutbr.cz/ Základ ateatcké statstk

Více

Nejistoty měření v metrologii

Nejistoty měření v metrologii Nejstoty měřeí v metrolog Jří ltký, Vladmír ajzík, la elou Katedra tetlích materálů, Tetlí fakulta, Techcká uversta v Lberc, Lberec Katedra aalytcké cheme, Uversta Pardubce, Pardubce otto: The oly relevat

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA SP Záko velkých čísel, cetrálí lmtí věta PRAVDĚPODOBNOST A STATISTIKA Lbor Žák SP Záko velkých čísel, cetrálí lmtí věta Lbor Žák Kovergece podle pravděpodobost Posloupost áhodých proměých,,,, koverguje

Více

Metodický postup pro určení úspor primární energie

Metodický postup pro určení úspor primární energie Metodický postup pro určeí úspor primárí eergie Parí protitlaká turbía ORGRZ, a.s., DIVIZ PLNÉ CHNIKY A CHMI HUDCOVA 76, 657 97 BRNO, POŠ. PŘIHR. 97, BRNO 2 z.č. Obsah abulka hodot vstupujících do výpočtu...3

Více