ÚLOHA 1. EXPONENCIÁLNÍ MODEL...2 ÚLOHA 2. MOCNINNÝ MODEL...7

Podobné dokumenty
Semestrální práce. 3.3 Tvorba nelineárních regresních modelů v analýze dat

Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie

UNIVERZITA PARDUBICE

Kalibrace a limity její přesnosti

SEMESTRÁLNÍ PRÁCE. Leptání plasmou. Ing. Pavel Bouchalík

Semestrální práce. 2. semestr

Tvorba nelineárních regresních modelů v analýze dat

Plánování experimentu

Tvorba nelineárních regresních modelů v analýze dat

Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium Management systému jakosti

Tvorba modelu sorpce a desorpce 85 Sr na krystalických horninách za dynamických podmínek metodou nelineární regrese

Kalibrace a limity její přesnosti

Úloha 1: Lineární kalibrace

Lineární regrese. Komentované řešení pomocí MS Excel

Tvorba nelineárních regresních

Univerzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie

Kalibrace a limity její přesnosti

Stanovení manganu a míry přesnosti kalibrace ( Lineární kalibrace )

KALIBRACE A LIMITY JEJÍ PŘESNOSTI. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie

Statistická analýza. jednorozměrných dat

SOLVER UŽIVATELSKÁ PŘÍRUČKA. Kamil Šamaj, František Vižďa Univerzita obrany, Brno, 2008 Výzkumný záměr MO0 FVT

Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1

Zadání Vypracujte písemně s využitím paketu ADSTAT a vyřešte 3 příklady. Příklady postavte z dat vašeho pracoviště nebo nalezněte v literatuře. Každý

Univerzita Pardubice SEMESTRÁLNÍ PRÁCE. Tvorba nelineárních regresních modelů v analýze dat. 2015/2016 RNDr. Mgr. Leona Svobodová, Ph.D.

UNIVERZITA PARDUBICE

Kalibrace a limity její přesnosti

Korelační a regresní analýza

Úloha 1. Napište matici pro případ lineárního regresního spline vyjádřeného přes useknuté

Fakulta chemicko technologická Katedra analytické chemie licenční studium Management systému jakosti Kalibrace a limity její přesnosti

6. Lineární regresní modely

Tvorba nelineárních regresních modelů v analýze dat

KALIBRACE A LIMITY JEJÍ PŘESNOSTI 2015

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie

6. Lineární regresní modely

10. Předpovídání - aplikace regresní úlohy

UNIVERZITA PARDUBICE

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, Pardubice

6. Lineární regresní modely

Analýza časových řad. John Watters: Jak se stát milionářem.

Inovace bakalářského studijního oboru Aplikovaná chemie

MĚŘENÍ STATISTICKÝCH ZÁVISLOSTÍ

4EK211 Základy ekonometrie

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

UNIVERZITA PARDUBICE

Plánování experimentu

4EK211 Základy ekonometrie

UNIVERZITA PARDUBICE FAKULTA CHEMICKO-TECHNOLOGICKÁ

Aproximace a vyhlazování křivek

Závislost obsahu lipoproteinu v krevním séru na třech faktorech ( Lineární regresní modely )

VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky

Regresní a korelační analýza

TVORBA LINEÁRNÍCH REGRESNÍCH MODELŮ PŘI ANALÝZE DAT. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie

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

Diagnostika regrese pomocí grafu 7krát jinak

6. Lineární regresní modely

Regresní a korelační analýza

Analýza rozptylu ANOVA

Regresní analýza 1. Regresní analýza

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, Pardubice

2.2 Kalibrace a limity její p esnosti

ANOVA. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie

POSTUP PRO MOBILNÍ SKUPINY POSTUP 7 METODIKA ODHADU AKTIVITY RADIONUKLIDŮ V OBJEMNÝCH VZORCÍCH V TERÉNNÍCH PODMÍNKÁCH. Postup 7

Tvorba grafů v programu ORIGIN

JEDNOVÝBĚROVÉ TESTY. Komentované řešení pomocí programu Statistica

INDUKTIVNÍ STATISTIKA

SEMESTRÁLNÍ PRÁCE UNIVERZITA PARDUBICE. Fakulta chemicko - technologická Katedra analytické chemie

Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium chemometrie

4. Zpracování číselných dat

Regresní a korelační analýza

PRAVDĚPODOBNOST A STATISTIKA

1. Příklad U automobilu byla měřena spotřeba benzínu v závislosti na rychlosti:

Předpoklad o normalitě rozdělení je zamítnut, protože hodnota testovacího kritéria χ exp je vyšší než tabulkový 2

Měření zrychlení volného pádu

Regresní analýza. Eva Jarošová

2011 (datový soubor life expectancy CR.txt). Budeme predikovat vývoj očekávané doby dožití pomocí

http: //meloun.upce.cz,

VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky SMAD

SEMESTRÁLNÍ PRÁCE X. Aproximace křivek Numerické vyhlazování

LINEÁRNÍ REGRESE Komentované řešení pomocí programu Statistica

1. Číselné posloupnosti - Definice posloupnosti, základní vlastnosti, operace s posloupnostmi, limita posloupnosti, vlastnosti limit posloupností,

Univerzita Pardubice SEMESTRÁLNÍ PRÁCE. Tvorba lineárních regresních modelů. 2015/2016 RNDr. Mgr. Leona Svobodová, Ph.D.

RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr.

MATEMATIKA III V PŘÍKLADECH

UNIVERZITA PARDUBICE. 4.4 Aproximace křivek a vyhlazování křivek

Univerzita Pardubice SEMESTRÁLNÍ PRÁCE. Tvorba grafů v grafickém editoru ORIGIN. 2015/2016 RNDr. Mgr. Leona Svobodová, Ph.D.

3.5 Ověření frekvenční závislosti kapacitance a induktance

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.

Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie STATISTICKÉ ZPRACOVÁNÍ EXPERIMENTÁLNÍCH DAT

Měření závislosti statistických dat

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz

Úloha E301 Čistota vody v řece testem BSK 5 ( Statistická analýza jednorozměrných dat )

Příloha č. 1 Grafy a protokoly výstupy z adstatu

UNIVERZITA PARDUBICE

KALIBRACE. Definice kalibrace: mezinárodní metrologický slovník (VIM 3)

otec syn

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

Korelace. Komentované řešení pomocí MS Excel

Ilustrační příklad odhadu LRM v SW Gretl

Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium Management systému jakosti

vzorek vzorek

Transkript:

OBSAH ÚLOHA 1. EXPONENCIÁLNÍ MODEL...2 ÚLOHA 2. MOCNINNÝ MODEL...7

Úloha 1. Exponenciální model Zadání: Použijte exponenciální model pro stanovení počáteční hodnoty aktivity radionuklidu Ag 110m. Aktivita byla měřena 7x v rozmezí od 300 7200 s. Porovnejte výsledky získané programy QC.Expert, NCSS a ORIGIN. Data: Nezávisle proměnná představuje čas v sekundách, závisle proměnná aktivitu v becquerelech. T (s) A (Bq) 300 1.8588E+07 600 1.3598E+07 1200 7.0365E+06 1800 3.5556E+06 3600 4.9936E+05 5400 6.8670E+04 7200 9.2550E+03 Program: QC. Expert, NCSS, ORIGIN, ADSTAT, Excel Řešení: Po ozařování monitoru Ag v zóně reaktoru byla měřena 7x aktivita radionuklidu Ag 110m. Pokles aktivity závisí na poločase rozpadu a na původní aktivitě podle vztahu A = A 0 e (- T). Pomocí exponenciálního modelu je možné určit počáteční aktivitu A 0 a rozpadovou konstantu. Budeme řešit úlohu se dvěma parametry. Na závěr porovnáme spočítanou hodnotu s tabulkovou hodnotou. Poločas rozpadu pro Ag 110m je 10.48 minut a tedy s. Pro stanovení nelineárního regresního modelu a určení parametrů modelu byly použity následující programy: QC.Expert V tabulce jsou uvedeny odhady parametrů, dolní a horní meze spočítané programem QC.Expert. Na obr. 1-3 jsou diagnostické grafy. Z tabulky je patrné, že rozpadová konstanta s leží v konfidenčním intervalu <0.00106, 0.00111> s parametru q. Intervalový odhad počáteční aktivity radionuklidu Ag 110m je <2.54 10 7, 2.625 10 7 > Bq.

A q 2.585E+07 1.555E+05 2.545E+07 2.625E+07 q 1.086E-03 9.996E-06 1.061E-03 1.112E-03 Koeficient determinace R 2 : 0.99995 Obr. 1 Regresní křivka Obr.2 Graf rezidui Obr. 3 Graf vlivných bodů. NCSS V tabulce jsou uvedeny odhady parametrů, dolní a horní meze spočítané programem NCSS. Na obr. 4 jsou diagnostické grafy. Z tabulky je patrné, že rozpadová konstanta s leží v konfidenčním intervalu <0.00106, 0.00111> s parametru q. Intervalový odhad počáteční aktivity radionuklidu Ag 110m je <2.55 10 7, 2.63 10 7 > Bq. A n 2.585E+07 1.546E+05 2.546E+07 2.625E+07 n 1.086E-03 9.856E-06 1.061E-03 1.112E-03 Koeficient determinace R 2 : 0.99989

Residuals Residuals Residuals vs Predicted Residuals vs Predictor 150000.0 150000.0 75000.0 75000.0 0.0 0.0-75000.0-75000.0 150000.0 0.0 000000.0 000000.0 000000.0 000000.0 Predicted 150000.0 0.0 2000.0 4000.0 6000.0 8000.0 C1 Obr.4: Diagnostické grafy pro nelineární regresní analýzu používané v programu NCSS. ORIGIN 7 V tabulce jsou uvedeny odhady parametrů, dolní a horní meze spočítané programem ORIGIN 7. Na obr. 5 je grafický výstup programu ORIGIN 7. Z tabulky je patrné, že rozpadová konstanta s leží v konfidenčním intervalu <0.00106, 0.00112> s parametru q. Intervalový odhad počáteční aktivity radionuklidu Ag 110m je <2.55 10 7, 2.63 10 7 > Bq. A n 2.585E+07 1.555E+05 2.545E+07 2.625E+07 n 1.090E-03 9.996E-06 1.060E-03 1.120E-03 Koeficient determinace R 2 : 0.9999

Aktivita (Bq) Data: Data1_B 2.0x10 7 Model: Exp2PMod1 Equation: y = a*exp(b*x) Weighting: y No weighting 1.5x10 7 Chi^2/DoF = 6518631380.20251 R^2 = 0.9999 1.0x10 7 a 25852820.24995 ±155523.77309 b -0.00109 ±9.9959E-6 5.0x10 6 0.0 0 1000 2000 3000 4000 5000 6000 7000 8000 Doba (s) Obr. 5: Grafický výstup programu ORIGIN 7. ADSTAT V tabulce jsou uvedeny odhady parametrů, dolní a horní meze spočítané programem ADSTAT. Z tabulky je patrné, že rozpadová konstanta s leží v konfidenčním intervalu <0.00102, 0.00115> s parametru q. Intervalový odhad počáteční aktivity radionuklidu Ag 110m je <2.48 10 7, 2.63 10 7 > Bq. A n 2.552E+07 1.869E+05 2.479E+07 2.625E+07 n 1.068E-03 1.311E-05 1.021E-03 1.115E-03 Koeficient determinace R 2 : 0.9998 Excel V programu Excel je možné pro jednoduché modely použít spojnici trendu a získat bodové odhady parametrů. Na obr. 6 je výsledek proložení.

Aktivita (Bq) Ag 2.0E+07 1.5E+07 y = 2.617967E+07e -1.102402E-03x R 2 = 9.999863E-01 1.0E+07 5.0E+06 0.0E+00 0 2000 4000 6000 8000 Čas (s) Obr. 6: Bodové odhady parametrů pomocí spojnice trendů programu Excel. Srovnání: V následující tabulce je uveden přehled programů a odpovídající koeficienty determinace. QC.Expert ADSTAT NSCC ORIGIN Excel Koef. determinace 0.9999 0.9998 0.9999 0.9999 0.9999 Závěr: Pro stanovení dvou parametrů nelineárního regresního modelu by bylo třeba získat více měření, ale i v případě 7 měření se ukazuje, že výsledky jsou správné. Intervalové odhady pro rozpadovou konstantu zahrnují tabulkovou hodnotu konstanty. Odhady spočítané všemi uvedenými programy se liší velmi málo. Využijeme-li výsledky z QC.Expertu, je intervalový odhad počáteční aktivity radionuklidu Ag 110m <2.55 10 7, 2.63 10 7 > Bq.

Úloha 2. Mocninný model Zadání: Při transportu radioaktivního materiálu je třeba znát příkon dávkového ekvivalentu ze vzdálenosti 1 metru. Nedostatek místa způsobil, že byl příkon dávkového ekvivalentu měřen pouze ze vzdálenosti 50 cm a pro kontrolu i ve vzdálenostech 10, 20, 30 a 40. Z naměřených hodnot určete příkon dávkového ekvivalentu ve vzdálenosti 1 m a ověřte závislost příkonu na vzdálenosti. Data: Nezávisle proměnná představuje vzdálenost v cm, závisle proměnná příkon dávkového ekvivalentu v msv/h. Vzdálenost (cm) Příkon dávkového ekvivalentu (msv/h) 50 8.71 40 15.90 30 29.40 20 53.70 10 203.00 Program: QC. Expert, NCSS, ORIGIN, ADSTAT, Excel Řešení: Příkon dávkového ekvivalentu klesá s druhou mocninou vzdálenosti a tedy platí: P0 Pd, k = 2, k d kde P 0 je příkon dávkového ekvivalentu na povrchu aktivního materiálu, P d je příkon ve vzdálenosti d. V našem případě budeme hledat dva parametry P 0 a hodnotu mocniny k. Budeli pro odhad parametru k platit, že hodnota 2 leží v intervalu spolehlivosti, tak zároveň ověříme, že příkon klesá s druhou mocninou vzdálenosti. QC.Expert V tabulce jsou uvedeny odhady obou parametrů, dolní a horní meze spočítané programem QC.Expert. Na obr. 1-3 jsou diagnostické grafy. Z tabulky je patrné, že hodnota mocniny 2 leží v konfidenčním intervalu <1.72, 2.005> parametru k. Intervalový odhad příkonu dávkového ekvivalentu na povrchu P 0 je <9.73 10 3, 1.98 10 4 >.

P 0 1.477E+04 1.584E+03 9.729E+03 1.981E+04 k 1.862 0.045 1.720 2.005 Koeficient determinace R 2 : 0.9997 Obr. 1 Regresní křivka Obr.2 Graf rezidui Obr. 3 Graf vlivných bodů. NCSS V tabulce jsou uvedeny odhady obou parametrů, dolní a horní meze spočítané programem NCSS. Na obr. 4 jsou diagnostické grafy. Z tabulky je patrné, že hodnota mocniny 2 leží v konfidenčním intervalu <1.72, 2.002> parametru k. Intervalový odhad příkonu dávkového ekvivalentu na povrchu P 0 je <9.78 10 3, 1.98 10 4 >. P 0 1.477E+04 1.568E+03 9.779E+03 1.976E+04 k 1.862 0.044 1.722 2.002 Koeficient determinace R 2 : 0.9994

Residuals Residuals Residuals vs Predicted Residuals vs Predictor 4.0 4.0 2.3 2.3 0.5 0.5-1.3-1.3-3.0-3.0 0.0 62.5 125.0 187.5 250.0 10.0 20.0 30.0 40.0 50.0 Predicted C1 Obr.4: Diagnostické grafy pro nelineární regresní analýzu používané v programu NCSS. ORIGIN 7 V tabulce jsou uvedeny odhady obou parametrů, dolní a horní meze spočítané programem ORIGIN 7. Na obr. 5 je graf měřených hodnot proložený nelineárním modelem. Z tabulky je patrné, že hodnota mocniny 2 leží v konfidenčním intervalu <1.72, 2.006> parametru k. Intervalový odhad příkonu dávkového ekvivalentu na povrchu P 0 je <9.73 10 3, 1.98 10 4 >. P 0 1.477E+04 1.582E+03 9.728E+03 1.982E+04 k 1.862 0.045 1.719 2.006 Koeficient determinace R 2 : 0.9994

P 200 150 100 50 P Data: Data1_P Model: Allometric1 Equation: y = a*x^b Weighting: y No weighting Chi^2/DoF = 5.60786 R^2 = 0.99935 a 14769.14415 ±1583.93126 b -1.86226 ±0.04486 0 10 20 30 40 50 d Obr. 5: Grafický výstup programu ORIGIN 7. ADSTAT V tabulce jsou uvedeny odhady obou parametrů, dolní a horní meze spočítané programem ADSTAT. Z tabulky je patrné, že hodnota mocniny 2 leží v konfidenčním intervalu <1.72, 2.006> parametru k. Intervalový odhad příkonu dávkového ekvivalentu na povrchu P 0 je <9.73 10 3, 1.98 10 4 >. P 0 1.477E+04 1.584E+03 9.728E+03 1.982E+04 k 1.862 0.045 1.720 2.006 Koeficient determinace R 2 : 0.9997 Excel V programu Excel je možné pro jednoduché modely použít spojnici trendu a získat bodové odhady parametrů. Na obr. 6 je výsledek proložení.

Příkon dávkového ekvivalentu (msv/h) 2.5E+02 Dávkový ekvivalent 2.0E+02 Mocninná regrese 1.5E+02 y = 1.646E+04x -1.898E+00 R 2 = 9.938E-01 1.0E+02 5.0E+01 0.0E+00 0 10 20 30 40 50 60 vzdálenost (cm) Obr. 6: Bodové odhady parametrů pomocí spojnice trendů programu Excel. Srovnání: V následující tabulce je uveden přehled programů a odpovídající koeficienty determinace. QC.Expert ADSTAT NSCC ORIGIN Excel Koef. determinace 0.9997 0.9997 0.9994 0.9994 0.9938 Závěr: K určení dvou parametrů by bylo třeba provést více měření. V daném případě už samotné určení vzdáleností 10, 20,, 50 cm je zatíženo chybou. V praxi postup sloužil pouze k určení příkonu dávkového ekvivalentu ve vzdálenosti 1 metru. Spočítaná hodnota příkonu dávkového ekvivalentu ve vzdálenosti 1 m je 1.477 0.16 msv/h. Při této analýze byl stanoven i druhý parametr regresního modelu a to mocnina. Intervalové odhady pro mocninu zahrnují předpokládanou hodnotu 2 a tedy daly správné výsledky. Využijeme-li výsledky z QC.Expertu, je intervalový odhad příkonu dávkového ekvivalentu na povrchu <9.73 10 3, 1.98 10 4 > msv/h a intervalový odhad mocniny <1.72, 2.005>.