Porovnání GUM a metody Monte Carlo

Podobné dokumenty
Monte Carlo metody Josef Pelikán CGG MFF UK Praha.

MODELOVÁNÍ A SIMULACE

Výpočet nejistot metodou Monte carlo


Simulační metody hromadné obsluhy

u (x i ) U i 1 2U i +U i+1 h 2. Na hranicích oblasti jsou uzlové hodnoty dány okrajovými podmínkami bud přímo

Počítačová grafika III Monte Carlo integrování Přímé osvětlení. Jaroslav Křivánek, MFF UK

Čísla přiřazená elementárním jevům tvoří obor hodnot M proměnné, kterou nazýváme náhodná veličina (označujeme X, Y, Z,...)

Matematika I A ukázkový test 1 pro 2018/2019

Obsah. Příloha (celkový počet stran přílohy 13) Závěrečná zpráva o výsledcích experimentu shodnosti ZČB 2013/2

ina ina Diskrétn tní náhodná veličina může nabývat pouze spočetně mnoha hodnot (počet aut v náhodně vybraná domácnost, výsledek hodu kostkou)

Jihočeská univerzita v Českých Budějovicích. Pedagogická fakulta Katedra fyziky. Bakalářská práce

3 Základní modely reaktorů

4. Na obrázku je rozdělovací funkce (hustota pravděpodobnosti) náhodné veličiny X. Jakou hodnotu musí mít parametr k?

6. Demonstrační simulační projekt generátory vstupních proudů simulačního modelu

Stanovení nejistot výsledků zkoušky přesnosti/kalibrace vodorovných a svislých lineárních délkoměrů. Štěpánková, M.; Pročková, D.; Landsmann, M.

Vícekriteriální rozhodování. Typy kritérií

Numerická matematika A

REGRESNÍ ANALÝZA. 13. cvičení

Neparametrické metody

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ

Sborník vědeckých prací Vysoké školy báňské - Technické univerzity Ostrava číslo 1, rok 2007, ročník VII, řada stavební článek č.???

Aplikace simulačních metod ve spolehlivosti

Teorie efektivních trhů (E.Fama (1965))

3 VYBRANÉ MODELY NÁHODNÝCH VELIČIN. 3.1 Náhodná veličina

TEORIE NETKANÝCH TEXTILIÍ. Isingův model pro studium smáčení vlákenných systémů Počítačová simulace 8.přednáška

Využití logistické regrese pro hodnocení omaku

Validace analytické metody

V mnoha pípadech, kdy známe rozdlení náhodné veliiny X, potebujeme urit rozdlení náhodné veliiny Y, která je funkcí X, tzn. Y = h(x).

MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ

PRAVDĚPODOBNOST A STATISTIKA

POUŽITÍ METODY PERT PŘI ŘÍZENÍ PROJEKTŮ

FERGUSONOVA KUBIKA. ( u) ( ) ( ) X s X s. Kubický spline C 2 má dva stupně volnosti Q 1 Q 2

Regresní a korelační analýza

SÍŤOVÁ ANALÝZA. Základní pojmy síťové analýzy. u,. Sjednocením množin { u, u,..., 2. nazýváme grafem G.

HUDEBNÍ EFEKT DISTORTION VYUŽÍVAJÍCÍ ZPRACOVÁNÍ PŘÍRŮSTKŮ SIGNÁLŮ ČASOVĚ

Téma 5: Parametrická rozdělení pravděpodobnosti spojité náhodné veličiny


Metamodeling. Moderní metody optimalizace 1

Dopravní plánování a modelování (11 DOPM )

Literatura: Kapitola 5 ze skript Karel Rektorys: Matematika 43, ČVUT, Praha, Text přednášky na webové stránce přednášejícího.

Reálné opce. Typy reálných opcí. Výpočet hodnoty opce. příklady použití základních reálných opcí

Matematika IV, Numerické metody

STANOVENÍ SPOLEHLIVOSTI GEOTECHNICKÝCH KONSTRUKCÍ. J. Pruška, T. Parák

Simulace. Simulace dat. Parametry

Odhad stavu matematického modelu křižovatek


Numerická matematika 1. t = D u. x 2 (1) tato rovnice určuje chování funkce u(t, x), která závisí na dvou proměnných. První

Úloha syntézy čtyřčlenného rovinného mechanismu

Náhodným vektorem rozumíme sloupcový vektor složený z náhodných veličin X = (X 1, X 2,

6 LINEÁRNÍ REGRESNÍ MODELY

Jednosložkové soustavy

ANALÝZA VZTAHU DVOU SPOJITÝCH VELIČIN

Systém rizikové analýzy při sta4ckém návrhu podzemního díla. Jan Pruška

Zpracování fyzikálních měření. Studijní text pro fyzikální praktikum

LABORATORNÍ PŘÍSTROJE A POSTUPY

9 PŘEDNÁŠKA 9: Heisenbergovy relace neurčitosti, důsledky. Tunelový jev. Shrnutí probrané látky, příprava na zkoušku.

NEJISTOTA MĚŘENÍ. David MILDE, 2014 DEFINICE

Pružnost a plasticita II

Zápočtová písemka z Matematiky III (BA04) skupina A

Osově namáhaný prut základní veličiny

4 Parametry jízdy kolejových vozidel

Otto DVOŘÁK 1 NEJISTOTA STANOVENÍ TEPLOTY VZNÍCENÍ HOŘLAVÝCH PLYNŮ A PAR PARABOLICKOU METODOU PODLE ČSN EN 14522

í I Průchod a rozptyl záření gama ve vrstvách materiálu Prof. Ing. J. Šeda, DrSc. KDAIZ - PJPI

Jiří Militky Škály měření Nepřímá měření Teorie měření Kalibrace

Obsah. Příloha (celkový počet stran přílohy 8) Závěrečná zpráva o výsledcích experimentu shodnosti ZZP 2015/1

Shluková analýza dat a stanovení počtu shluků

Josef Pelikán, 1 / 51

ŘEŠENÍ PROBLÉMU LOKALIZACE A ALOKACE LOGISTICKÝCH OBJEKTŮ POMOCÍ PROGRAMOVÉHO SYSTÉMU MATLAB. Vladimír Hanta 1, Ivan Gros 2


ČVUT FEL. X16FIM Finanční Management. Semestrální projekt. Téma: Optimalizace zásobování teplem. Vypracoval: Marek Handl

Jiří Militký KTM, Technická universita v Liberci, LIBEREC, Česká Republika Milan Meloun, KACH, Universita Pardubice, Česká Republika

SPOLEHLIVOST KONSTRUKCÍ & TEORIE SPOLEHLIVOSTI část 5: Aproximační techniky

Přemysl Žiška, Pravoslav Martinek. Katedra teorie obvodů, ČVUT Praha, Česká republika. Abstrakt

1. Určení vlnové délka světla pomocí difrakční mřížky

VALIDACE GEOCHEMICKÝCH MODELŮ POROVNÁNÍM VÝSLEDKŮ TEORETICKÝCH VÝPOČTŮ S VÝSLEDKY MINERALOGICKÝCH A CHEMICKÝCH ZKOUŠEK.

Cvičení 3. Posudek únosnosti ohýbaného prutu. Software FREET Simulace metodou Monte Carlo Simulace metodou LHS

Korelační energie. Celkovou elektronovou energii molekuly lze experimentálně určit ze vztahu. E vib. = E at. = 39,856, E d

Metoda konečných prvků. Robert Zemčík

Maticová exponenciála a jiné maticové funkce

Regresní lineární model symboly


Příklady ke čtvrtému testu - Pravděpodobnost

Pružnost a plasticita II

TEORIE NETKANÝCH TEXTILIÍ. Isingův model pro studium smáčení vlákenných systémů Počítačová simulace


VÝVOJ SOFTWARU NA PLÁNOVÁNÍ PŘESNOSTI PROSTOROVÝCH SÍTÍ PRECISPLANNER 3D. Martin Štroner 1

Pravděpodobnost, náhoda, kostky

Motivace příklad použití lokace radarového echa Význam korelace Popis náhodných signálů číselné charakteristiky

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

Regresní a korelační analýza

VÝPOČET NEJISTOT METODOU MONTE CARLO

KATEDRA MATERIÁLOVÉHO INŽENÝRSTVÍ A CHEMIE. Stanovení základních materiálových parametrů

ODR metody Runge-Kutta

Solventnost II. Standardní vzorec pro výpočet solventnostního kapitálového požadavku. Iva Justová

Transformace dat a počítačově intenzivní metody

SIMULACE A ŘÍZENÍ PNEUMATICKÉHO SERVOPOHONU POMOCÍ PROGRAMU MATLAB SIMULINK. Petr NOSKIEVIČ Petr JÁNIŠ

Filip Klouda. nepolygonální hranice v nespojité Galerkinově

SPOLEHLIVOST KONSTRUKCÍ & TEORIE SPOLEHLIVOSTI část 4: FReET úvod

-i- [ gr + (g + 7 tg a) cos2 a] ŕ2

Transkript:

Porovnání GUM a metody Monte Carlo Ing. Tomáš Hajduk Nejstota měření Parametr přřazený k výsledku měření Vymezuje nterval, o němž se s určtou úrovní pravděpodobnost předpokládá, že v něm leží skutečná hodnota měřené velčny Y = y ± U 28.3.2017 Strana 2 1

GUM uncertanty framework (EA-4/02) Metoda Monte Carlo 28.3.2017 Strana 3 Metoda Monte Carlo Třída algortmů pro smulac systémů Stochastcké systémy používající pseudonáhodná čísla Šroké využtí Smulace expermentů Počítání určtých ntegrálů Řešení dferencálních rovnc Velce jednoduchá základní myšlenka 28.3.2017 Strana 4 2

MCM vstupy model Y = f(x) přdělení PDF g X (ξ) pro vstupní velčny X počet opakování M Monte Carlovy metody pravděpodobnost pokrytí p MCM šíření: hodnoty přdělených PDF pro vstupní velčny a vyhodnocení model pro tyto hodnoty prmární MCM výstup: dstrbuční funkce pro výstupní velčnu M vektorů x 1,,x M získaných z g X (ξ) M hodnot modelu y r = f(x r ), r = 1,,M dskrétní podoba G dstrbuční funkce pro výstupní velčnu Y MCM shrnutí odhad y z Y a přdružené standardní nejstoty u(y) nterval pokrytí [y low,y hgh ] pro Y 28.3.2017 Strana 5 model měření Y = f(x 1,,X N ) odhady x 1,,x N velčn X 1,,X N standardní nejstoty u(x 1 ), u(x N ) stupně volnost n 1,,n N pravděpodobnost pokrytí p parcální dervace modelu ctlvostní koefcenty c 1,,c N odhad y = f(x 1,,x N ) funkce Y standardní nejstota u(y) efektvní stupně volnost rozšířená nejstota U koefcent krytí k 28.3.2017 nterval pokrytí y ± U pro Y Strana 6 3

Měření plochy obdélníku S = a b a 0, b 0 da op, db op da cal, db cal výsledky měření stran obdélníku [mm] chyba opakovatelnost [mm] chyba kalbrace měřdla [mm] měření obou stran obdélníku pomocí stejného měřdla da cal = db cal korelované vstupní velčny 28.3.2017 Strana 7 Měření plochy obdélníku S = a b a 0 = 30 mm u op (a) = 0,4 mm u cal = 1 mm b 0 = 40 mm u op (b) = 0,5 mm 28.3.2017 Strana 8 4

Měření plochy obdélníku (GUM) Měření strany a (opakovatelnost): odhad: nejstota: Měření strany a (kalbrace): odhad: nejstota: 30 mm 0,4 mm 0 mm 1 mm 28.3.2017 Strana 9 Měření plochy obdélníku (GUM) Měření strany b (opakovatelnost): odhad: nejstota: Měření strany b (kalbrace): odhad: nejstota: 40 mm 0,5 mm 0 mm 1 mm 28.3.2017 Strana 10 5

6 28.3.2017 Strana 11 Měření plochy obdélníku (GUM) Ctlvostní koefcenty: S = a b 28.3.2017 Strana 12 Měření plochy obdélníku (GUM) Výpočet standardní nejstoty (bez korelace): Výpočet standardní nejstoty (s korelací): N c x u c y u 1 2 N N j j j j j c x x r x u x u c c x u c y u 1 1 ; 2 ;

Měření plochy obdélníku (GUM) Výpočet plochy S (bez korelace): měření strany a: nejstota: ctlvostní koefcent: měření strany b: nejstota: ctlvostní koefcent: 30 mm 1,08 mm 40 mm 40 mm 1,12 mm 30 mm 28.3.2017 Strana 13 Měření plochy obdélníku (GUM) Výpočet plochy S (s korelací): měření strany a: nejstota: ctlvostní koefcent: měření strany b: nejstota: ctlvostní koefcent: 30 mm 1,08 mm 40 mm 40 mm 1,12 mm 30 mm korelační koefcent: 0,84 28.3.2017 Strana 14 7

Měření plochy obdélníku (GUM) Výpočet plochy S (bez korelace): u(s) = 54,6 mm 2 S = (1200,0 109,2) mm 2 Výpočet plochy S (s korelací): u(s) = 73,5 mm 2 S = (1200,0 147,0) mm 2 28.3.2017 Strana 15 Měření plochy obdélníku S = a b 28.3.2017 Strana 16 8

Měření plochy obdélníku S a corr b corr [mm 2 ] [mm] [mm] 28.3.2017 Strana 17 Měření plochy obdélníku S a corr b corr [mm 2 ] [mm] [mm] 942.06 26.20 35.95 28.3.2017 Strana 18 9

Měření plochy obdélníku S a corr b corr [mm 2 ] [mm] [mm] 942.06 26.20 35.95 1184.79 29.43 40.25 28.3.2017 Strana 19 Měření plochy obdélníku S a corr b corr [mm 2 ] [mm] [mm] 942.06 26.20 35.95 1184.79 29.43 40.25 1175.72 29.78 39.47 28.3.2017 Strana 20 10

Měření plochy obdélníku S a corr b corr [mm 2 ] [mm] [mm] 942.06 26.20 35.95 1184.79 29.43 40.25 1175.72 29.78 39.47 1177.27 29.29 40.19 1165.32 29.88 39.00 28.3.2017 Strana 21 Měření plochy obdélníku S a corr b corr [mm 2 ] [mm] [mm] 942.06 26.20 35.95 1184.79 29.43 40.25 1175.72 29.78 39.47 1177.27 29.29 40.19 1165.32 29.88 39.00 1168.51 29.23 39.98 1215.38 30.52 39.82 1241.12 30.83 40.26 1313.61 31.85 41.25 1120.26 28.83 38.85 28.3.2017 Strana 22 11

Měření plochy obdélníku S a corr b corr [mm 2 ] [mm] [mm] 942.06 26.20 35.95 1184.79 29.43 40.25 1175.72 29.78 39.47 1177.27 29.29 40.19 1165.32 29.88 39.00 1168.51 29.23 39.98 1215.38 30.52 39.82 1241.12 30.83 40.26 1313.61 31.85 41.25 1120.26 28.83 38.85......... 28.3.2017 Strana 23 Měření plochy obdélníku (MCM) 28.3.2017 Strana 24 12

Měření plochy obdélníku (MCM) 28.3.2017 Strana 25 Měření plochy obdélníku (MCM) 28.3.2017 Strana 26 13

Měření plochy obdélníku (MCM) 28.3.2017 Strana 27 Měření plochy obdélníku (MCM) b [mm] a [mm] 28.3.2017 Strana 28 14

Měření plochy obdélníku (MCM) b [mm] a [mm] 28.3.2017 Strana 29 Měření plochy obdélníku (MCM) P [-] S [mm 2 ] 28.3.2017 Strana 30 15

Měření plochy obdélníku (GUM) Odhad výstupní velčny: Přdružená standardní nejstota: 28.3.2017 Strana 31 Měření plochy obdélníku (MCM) P [-] 0,506 1200,4 S [mm 2 ] 28.3.2017 Strana 32 16

Měření plochy obdélníku (GUM) Určení ntervalu pokrytí: 28.3.2017 Strana 33 Měření plochy obdélníku (GUM) r S [-] [mm 2 ] 1 608.64 2 921.00 3 926.99 4 942.06 5 945.15.... 625 1058.2.... 24375 1347.4.... 24999 1600.0 25000 1608.9 28.3.2017 Strana 34 17

Měření plochy obdélníku (MCM) P [-] 0,506 0,025 1058,2 1200,4 S [mm 2 ] 28.3.2017 Strana 35 Měření plochy obdélníku (MCM) P [-] 0,975 0,506 0,025 1058,2 1200,4 1347,4 S [mm 2 ] 28.3.2017 Strana 36 18

Měření plochy obdélníku (MCM) Výpočet plochy S (s korelací): S = 1200,4 mm 2 u(s) = 73,4 mm 2 S - = 1058,2 mm 2 S + = 1347,4 mm 2 U - = S - S - = 142,2 mm 2 U + = S + - S = 147,0 mm 2 28.3.2017 Strana 37 Měření plochy obdélníku Výpočet plochy S (bez korelace): S GUM = 1200,0 mm 2 [-109,2 ; 109,2] 95% S MCM = 1199,3 mm 2 [-105,0 ; 109,1] 95% Výpočet plochy S (s korelací): S GUM = 1200,0 mm 2 [-147,0 ; 147,0] 95% S MCM = 1200,4 mm 2 [-142,2 ; 147,0] 95% 28.3.2017 Strana 38 19

model měření Y = f(x 1,,X N ) rozdělení pravděpodobnost pro X počet vzorků M metody Monte Carlo pravděpodobnost pokrytí p M souborů hodnot velčn X 1,,X N s příslušným rozdělením pravděpodobnost M hodnot měřené velčny korespondujících se soubory hodnot odhad y pro Y a přdružená standardní nejstota u(y) setříděné hodnoty funkce měřené velčny: dskrétní reprezentace rozdělovací funkce pro Y nterval krytí pro Y 28.3.2017 Strana 39 Děkuj za pozornost 20