Mˇ eˇren ı ˇ cetnost ı (Poissonovo rozdˇ elen ı) 1 / 56

Podobné dokumenty
Zpracování experimentu I

VYSOKONAPĚŤOVÉ ZKUŠEBNICTVÍ. #2 Nejistoty měření

EXPERIMENTÁLNÍ MECHANIKA 2 Přednáška 5 - Chyby a nejistoty měření. Jan Krystek

Úvod do problematiky měření

Posouzení přesnosti měření

Charakterizují kvantitativně vlastnosti předmětů a jevů.

Literatura Elektrická měření - Přístroje a metody, Metrologie Elektrotechnická měření - měřící přístroje

Chyby měření 210DPSM

Úvod do teorie měření. Eva Hejnová

Chyby a neurčitosti měření

Teorie měření a regulace

Úvod do teorie měření. Eva Hejnová

Úloha 5: Spektrometrie záření α

Dobývání znalostí. Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze

Úvod do teorie měření. Eva Hejnová

CW01 - Teorie měření a regulace

Úvod do teorie měření. Eva Hejnová

3/8.4 PRAKTICKÉ APLIKACE PŘI POUŽÍVÁNÍ NEJISTOT

Náhodné chyby přímých měření

Technický experiment, příprava, provedení, hodnocení výsledků

Náhodné (statistické) chyby přímých měření

Teorie měření a regulace

Fyzikální praktikum...

Postup pro kalibraci vyměřené zkušební dráhy pro stanovení konstanty vozidla W a účinného obvodu pneumatik (dále jen dráhy )

1. Změřte závislost indukčnosti cívky na procházejícím proudu pro tyto případy:

Chyby měřidel a metody měření vybraných fyzikálních veličin

T- MaR. Ústav technologie, mechanizace a řízení staveb. Teorie měření a regulace. Podmínky názvy. 1.c-pod. ZS 2015/ Ing. Václav Rada, CSc.

Čas potřebný k prostudování učiva kapitoly: 1,25 hodiny

Zákony hromadění chyb.

E(X) = np D(X) = np(1 p) 1 2p np(1 p) (n + 1)p 1 ˆx (n + 1)p. A 3 (X) =

Teorie měření a regulace

KATEDRA MATERIÁLOVÉHO INŽENÝRSTVÍ A CHEMIE. GUM: Vyjádření nejistot měření

Test z teorie VÝBĚROVÉ CHARAKTERISTIKY A INTERVALOVÉ ODHADY

Výběrové charakteristiky a jejich rozdělení

Chyby měřidel a metody měření vybraných fyzikálních veličin

Vybraná rozdělení náhodné veličiny

Test z teorie VÝBĚROVÉ CHARAKTERISTIKY A INTERVALOVÉ ODHADY

Střední od 1Ω do 10 6 Ω Velké od 10 6 Ω do Ω

Manuální, technická a elektrozručnost

Laboratorní práce č. 1: Měření délky

ÚVOD. Rozdělení slouží: K přesnému popisu pravděpodobnostního chování NV Střední hodnota, rozptyl, korelace atd.

KGG/STG Statistika pro geografy

Praktická statistika. Petr Ponížil Eva Kutálková

Střední průmyslová škola elektrotechnická a informačních technologií Brno

Inferenční statistika - úvod. z-skóry normální rozdělení pravděpodobnost rozdělení výběrových průměrů

Střední průmyslová škola elektrotechnická a informačních technologií Brno

Základy teorie pravděpodobnosti

1. Ze zadané hustoty krystalu fluoridu lithného určete vzdálenost d hlavních atomových rovin.

STATISTICKÝ SOUBOR. je množina sledovaných objektů - statistických jednotek, které mají z hlediska statistického zkoumání společné vlastnosti

STATISTICKÉ ZJIŠŤOVÁNÍ

CW01 - Teorie měření a regulace

Teorie měření a regulace

Chyby měřidel a metody měření vybraných fyzikálních veličin

Testování statistických hypotéz. Ing. Michal Dorda, Ph.D.

Biostatistika Cvičení 7

2 Zpracování naměřených dat. 2.1 Gaussův zákon chyb. 2.2 Náhodná veličina a její rozdělení

10. 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.

LIMITNÍ VĚTY DALŠÍ SPOJITÁ ROZDĚLENÍ PR. 8. cvičení

Diskrétní náhodná veličina

Všechno, co jste chtěli vědět z teorie pravděpodobnosti, z teorie informace a

Chyby nepřímých měření

SIGNÁLY A LINEÁRNÍ SYSTÉMY

Induktivní statistika. z-skóry pravděpodobnost

Simulační modely. Kdy použít simulaci?

Úvod do zpracování signálů

Fluktuace termodynamických veličin

Mann-Whitney U-test. Znaménkový test. Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek

Pravděpodobnost a statistika (BI-PST) Cvičení č. 4

Přesnost a chyby měření

Stanovení akustického výkonu Nejistoty měření. Ing. Miroslav Kučera, Ph.D.

Analytické znaky laboratorní metody Interní kontrola kvality Externí kontrola kvality

Inovace bakalářského studijního oboru Aplikovaná chemie

Určujeme neznámé hodnoty parametru základního souboru. Pomocí výběrové charakteristiky vypočtené z náhodného výběru.

Základní statistické modely Statistické vyhodnocování exp. dat M. Čada ~ cada

Základy biostatistiky II. Veřejné zdravotnictví 3.LF UK - II

Rovinný průtokoměr. Diplomová práce Ústav mechaniky tekutin a termodynamiky, Jakub Filipský

přesnost (reprodukovatelnost) správnost (skutečná hodnota)? Skutečná hodnota použití různých metod

MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ

NÁHODNÁ ČÍSLA. F(x) = 1 pro x 1. Náhodná čísla lze generovat některým z následujících generátorů náhodných čísel:

Pravděpodobnost a statistika, Biostatistika pro kombinované studium. Tutoriál č. 5: Bodové a intervalové odhady, testování hypotéz.

KGG/STG Statistika pro geografy

KATEDRA MATERIÁLOVÉHO INŽENÝRSTVÍ A CHEMIE. Stanovení základních materiálových parametrů

KMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC

SIGNÁLY A LINEÁRNÍ SYSTÉMY

Měřicí přístroje a měřicí metody

Přednáška. Další rozdělení SNP. Limitní věty. Speciální typy rozdělení. Další rozdělení SNP Limitní věty Speciální typy rozdělení

4. Stanovení teplotního součinitele odporu kovů

Fyzikální korespondenční seminář MFF UK

Diskrétní náhodná veličina. November 12, 2008

Náhodná proměnná. Náhodná proměnná může mít rozdělení diskrétní (x 1. , x 2. ; x 2. spojité (<x 1

Náhodná veličina a rozdělení pravděpodobnosti

y = 0, ,19716x.

Inženýrská statistika pak představuje soubor postupů a aplikací teoretických principů v oblasti inženýrské činnosti.

Minikurz aplikované statistiky. Minikurz aplikované statistiky p.1

7. Rozdělení pravděpodobnosti ve statistice

Statistická analýza dat v psychologii. Věci, které můžeme přímo pozorovat, jsou téměř vždy pouze vzorky. Alfred North Whitehead

JEDNOVÝBĚROVÉ TESTY. Komentované řešení pomocí programu Statistica

Vyjadřování přesnosti v metrologii

Transkript:

Měření četností (Poissonovo rozdělení) 1 / 56

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

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

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

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

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

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

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

Měření aktivity zdroje 9 / 56

Měření aktivity zdroje 10 / 56

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.

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

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.

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

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.

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.

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 ± 1.2 2 (stat) ± 0.8 2 (sys) Ω Zobrazujeme také odděleně. Často se zobrazují odděleně systematické chyby z různých zdrojů.

Zobrazení systematických chyb

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.

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...

Charakteristiky přístrojů

Nežádoucí jevy - zdroje systematických chyb

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.

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 0.0020 % of reading + 0.0006 % 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