Numerické metody zpracování výsledků

Podobné dokumenty
Aplikovaná matematika I


Náhodné chyby přímých měření

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

Chyby měření 210DPSM

Úvod do teorie měření. Eva Hejnová

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.

ZÁKLADY FYZIKÁLNÍCH MĚŘENÍ FJFI ČVUT V PRAZE. Úloha 5: Měření tíhového zrychlení

MĚŘICÍ METODY 1. PŘEHLED MĚŘICÍCH METOD

Úvod do problematiky měření

Úvod do teorie měření. Eva Hejnová

Fyzikální sekce přírodovědecké fakulty Masarykovy univerzity v Brně FYZIKÁLNÍ PRAKTIKUM. Speciální praktikum z abc

Náhodné (statistické) chyby přímých měření

Fyzikální praktikum FJFI ČVUT v Praze

Laboratorní práce č. 1: Měření délky

MÍRY ZÁVISLOSTI (KORELACE A REGRESE)

GEODETICKÉ VÝPOČTY I.

Aproximace a interpolace

Posouzení přesnosti měření

Chyby nepřímých měření

MATURITNÍ TÉMATA Z MATEMATIKY

Normální (Gaussovo) rozdělení

Úvod do teorie měření. Eva Hejnová

Integrace. Numerické metody 7. května FJFI ČVUT v Praze

Regresní a korelační analýza

I. D i s k r é t n í r o z d ě l e n í

Měření momentu setrvačnosti

p(x) = P (X = x), x R,

Regresní a korelační analýza

Úvod do teorie měření. Eva Hejnová

4. Aplikace matematiky v ekonomii

Figurální čísla, Pascalův trojúhelník, aritmetické posloupnost vyšších řádů

Čas potřebný k prostudování učiva kapitoly: 1,25 hodiny

You created this PDF from an application that is not licensed to print to novapdf printer (

OBECNÉ METODY VYROVNÁNÍ

Stanovení měrného tepla pevných látek

úloh pro ODR jednokrokové metody

1 Řešení soustav lineárních rovnic

a vlastních vektorů Příklad: Stanovte taková čísla λ, pro která má homogenní soustava Av = λv nenulové (A λ i I) v = 0.

Téma 22. Ondřej Nývlt

LINEÁRNÍ REGRESE. Lineární regresní model

4 Numerické derivování a integrace

Aproximace funkcí. Numerické metody 6. května FJFI ČVUT v Praze

Statistická analýza jednorozměrných dat

Kombinatorická minimalizace

VYSOKONAPĚŤOVÉ ZKUŠEBNICTVÍ. #2 Nejistoty měření

2 Přímé a nepřímé měření odporu

0.1 Úvod do lineární algebry

České vysoké učení technické v Praze Fakulta biomedicínského inženýrství

2. Fyzikální kyvadlo (2.2) nebo pro homogenní tělesa. kde r je vzdálenost elementu dm, resp. dv, od osy otáčení, ρ je hustota tělesa, dv je objem

Čebyševovy aproximace

Regrese. používáme tehdy, jestliže je vysvětlující proměnná kontinuální pokud je kategoriální, jde o ANOVA

Obsah. Aplikovaná matematika I. Gottfried Wilhelm Leibniz. Základní vlastnosti a vzorce

Korelační a regresní analýza

Matematické modelování dopravního proudu

0.1 Úvod do lineární algebry

Zákony hromadění chyb.

STATISTICKÉ CHARAKTERISTIKY

5. Interpolace a aproximace funkcí

HYDROSTATICKÝ TLAK. 1. K počítači připojíme pomocí kabelu modul USB.

PRAKTIKUM II Elektřina a magnetismus

Interpolace, aproximace

Téma je podrobně zpracováno ve skriptech [1], kapitola 6, strany

Numerická matematika Písemky

Měření délky, určení objemu tělesa a jeho hustoty

1.1. Metoda kyvů. Tato metoda spočívá v tom, že na obvod kola do vzdálenosti l od osy

Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice

PRAKTIKUM II Elektřina a magnetismus

Praktická statistika. Petr Ponížil Eva Kutálková

0.1 Úvod do matematické analýzy

X = x, y = h(x) Y = y. hodnotám x a jedné hodnotě y. Dostaneme tabulku hodnot pravděpodobnostní

metody jsou proto často jedinou možností jak danou diferenciální rovnicivyřešit.

Posloupnosti a jejich limity

Regresní analýza 1. Regresní analýza

Normální rozložení a odvozená rozložení

Regrese. 28. listopadu Pokud chceme daty proložit vhodnou regresní křivku, musíme obvykle splnit tři úkoly:

1. Měření hodnoty Youngova modulu pružnosti ocelového drátu v tahu a kovové tyče v ohybu

Pohyb tělesa po nakloněné rovině

7. Rozdělení pravděpodobnosti ve statistice

Měření součinitele smykového tření dynamickou metodou

NUMERICKÉ METODY. Problematika num. řešení úloh, chyby, podmíněnost, stabilita algoritmů. Aproximace funkcí.

9. T r a n s f o r m a c e n á h o d n é v e l i č i n y

Časové řady, typy trendových funkcí a odhady trendů

FUNKCE POJEM, VLASTNOSTI, GRAF

Matematika III. 4. října Vysoká škola báňská - Technická univerzita Ostrava. Matematika III

Pojmy z kombinatoriky, pravděpodobnosti, znalosti z kapitoly náhodná veličina, znalost parciálních derivací, dvojného integrálu.

Časové řady, typy trendových funkcí a odhady trendů

Neuronové časové řady (ANN-TS)

VEKTORY. Obrázek 1: Jediný vektor. Souřadnice vektoru jsou jeho průměty do souřadných os x a y u dvojrozměrného vektoru, AB = B A

Úloha č. 2 - Kvantil a typická hodnota. (bodově tříděná data): (intervalově tříděná data): Zadání úlohy: Zadání úlohy:

Statistika. Regresní a korelační analýza Úvod do problému. Roman Biskup

Kartografické stupnice. Přednáška z předmětu Tematická kartografie (KMA/TKA) Otakar Čerba Západočeská univerzita

Aproximace a interpolace

2. Ve spolupráci s asistentem zkontrolujte, zda je torzní kyvadlo horizontálně vyrovnané.

MATICE. a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij]

Rovnoměrné rozdělení

Matematika (KMI/PMATE)

Transkript:

Numerické metody zpracování výsledků Měření fyzikální veličiny provádíme obvykle tak, že měříme hodnoty y jedné fyzikální veličiny při určitých hodnotách x druhé veličiny, na které měřená veličina závisí. Volíme-li hodnoty x 1, x,..., x n nezávisle proměnné tak, že vytváří aritmetickou posloupnost, říkáme, že je měření ekvidistantní. Při ekvidistantním měření jsou rozdíly mezi po sobě následujícími hodnotami x 1, x, x 3,..., x n konstantní. Ekvidistantní měření se dá numericky lépe zpracovat a dává přesnější výsledky než měření neekvidistantní. A protože při fyzikálních měřeních dáváme vždy přednost měřením ekvidistantním, uvedeme si několik metod zpracování výsledků ekvidistantních měření. Zpracování výsledků postupných měření Metoda postupných měření Nejjednodušším příkladem ekvidistantních měření je měření provedené metodou postupných měření. Metoda postupných měření je patrna na měření doby kyvu t kyvadla. Časové údaje t 1, t,..., t n, odečítané na stopkách po každém desátém kyvu, jsou přímo uměrné počtu kyvů. Mohli bychom nyní dále postupovat tak, že dobu tn, to je dobu n kyvů vydělíme počtem kyvů n 1 a dostali bychom aritmeticky průměrnou dobu jednoho kyvu t = t n/n. Nevýhodou takového postupu je, že se využije jen první a poslední měření a vůbec se nevyužijí měření prostřední. Proto postupujeme 1 / 10

tak, že naměřené hodnoty času rozdělíme na dvě (počtem stejné) skupiny a zapíšeme je následujícím způsobem do tabulky : k Naměřené hodnoty Rozdíly členů 1.a. skupiny T k Odchylky od arit. průměru T k (ΔT k ) 1.skupina (k členů).skupina / 10

(k+n členů) 1 t 1 t n+1 T 1 = t n+1 -t 1 ΔT 1 = T-T 1 ΔT 1 t t n+ T = t n+ -t 3 / 10

ΔT = T-T ΔT 3 4 / 10

n t n 5 / 10

t n T n = t n -t ΔT n = T-T n ΔT n Aritmetický průměr T = 1/n.Σ.T k Σ.ΔT k = 0 Σ.ΔT k Doba jednoho kyvu t = T/10.n Každý z rozdílů t n+1 -t1,..., t n -t n 6 / 10

udává n násobnou hodnotu doby deseti kyvů. V průměru takto vypočítaných rozdílů (jejichž počet je n) se rovnoměrně využijí všechna měření, ale žádná z nich se neopakují. Aritmetický průměr těchto rozdílů je Nejpravděpodobnější hodnota doby deseti kyvů t je doba jednoho kyvu je tedy V dalších sloupcích jsou vypočítané odchylky ΔTk rozdílů Tk od aritmetického průměru T a druhé mocniny těchto odchylek ΔTk. Použitím součtu čtverců odchylek určíme pravděpodobnou chybu 7 / 10

Výsledek měření zapíšeme ve tvaru Metoda numerické interpolace Máme-li určit hodnotu y měřené veličiny pro hodnotu argumentu x (x může být např. velikost výchylky měřícího přístroje a nebo jiná veličina, na které veličina y závisí) a když známe jen hodnoty y1 a y pro hodnoty argumentu x1<x a x>x, potom můžeme použít lineární interpolaci vyjádřenou vztahem Lineární interpolaci můžeme použít, když 8 / 10

- veličiny x a y jsou lineárně závislé, - závislost mezi veličinami x a y je vyjádřena křivkou, která se velmi neodchyluje od přímky, - závislost mezi x a y je vyjádřena jakoukoli křivkou, ale interpolace se provádí v tak malých intervalech hodnot x, že v nich můžeme závislot považovat za přímkovou. Dost často se stekáváme se situací, kdy závislot y = f(x) je natolik složitá, že nejsou splněny požadavky pro lineární interpolaci. pro tyto případy byly odvozeny různé interpolační vzorce, např. Newtonův interpolační vzorec, který se používá v případě ekvidistantních měření. Podrobnější popis této metody nalezneme ta těchto stránkách encyklopedie Wikipedia. Metoda nejmenších čtverců Je to nejčastěji používaná vyrovnávací metoda. O vyrovnávání měření hovoříme v těch případech, když z naměřených hodnot, zatížených nahodilými chybami, určujeme nejpravděpodobnější hodnotu výsledku. Protože se při fyzikálních měřeních setkáváme s různými úlohami, různé jsou i vyrovnávací metody, které při zpracování fyzikálních měření používáme. Vyrovnávací metody jsou založeny na metodě nejmenších čtverců, která vychází z předpokladu normálního rozložení nahodilých chyb. První tuto metodu popsal Legendre v roce 1806, podle něhož se též nazývá, a první ji použil Gauss. Podstata metody nejmenších čtverců spočívá v tom, že pro nejpravděpodobnější výsledek (aritmetický průměr) opakovaných stejně přesných měření je součet čtverců odchylek od naměřených hodnot minimální. 9 / 10

Podrobnější popis této metody nalezneme ta těchto stránkách encyklopedie Wikipedia. Převzato z knihy PROCHÁZKOVÁ, E.: Úvod do teorie a praxe fyzikálního měření I. PF JU České Budějovice, 1979. 10 / 10