Sensorer och elektronik. Analys av mätdata

Relevanta dokument
Sensorer, effektorer och fysik. Analys av mätdata

4.2.3 Normalfördelningen

Formler och tabeller i statistik

Föreläsningsanteckningar till Linjär Regression

Väntevärde, standardavvikelse och varians Ett statistiskt material kan sammanfattas med medelvärde och standardavvikelse (varians), och s.

Lycka till och trevlig sommar!

Väntevärde för stokastiska variabler (Blom Kapitel 6 och 7)

FÖRSÖKSPLANERING. och utvärdering av försöksresultat med den matematiska statistikens metoder. av Jarl Ahlbeck

b) Om du nu hade oturen att du köpt en trasig dator, vad är sannolikheten att den skulle ha tillverkats i Litauen?

F15 ENKEL LINJÄR REGRESSION (NCT )

Repetition DMI, m.m. Några begrepp. egenskap d. egenskap1

SOS HT Punktskattningar. Skattning från stickprovet. 2. Intuitiva skattningar. 3. Skattning som slumpvariabel. slump.

Korrelationens betydelse vid GUM-analyser

Föreläsning G04 Surveymetodik 732G19 Utredningskunskap I

REGRESSIONSANALYS S0001M

F9 Hypotesprövning. Statistikens grunder 2 dagtid. p-värden. Övning 1 från F8

En utvärdering av två olika sätt att skatta fördelningen till stickprovsmedelvärden från olikfördelade data - normalapproximation kontra resampling

Parametriska metoder. Icke-parametriska metoder. parametriska test. Icke-parametriska test. Location Shift. Vilket test ersätts med vilket?

SAMMANFATTNING AV KURS 602 STATISTIK (Newbold kapitel [7], 8, 9, 10, 13, 14)

Normalfördelningar (Blom Kapitel 8)

Medelvärde. Repetition. Median. Standardavvikelse. Frekvens. Normerat värde. z = x x

= α. β = α = ( ) D (β )= = 0 + β. = α 0 + β. E (β )=β. V (β )= σ2. β N β, = σ2

Orderkvantiteter vid begränsningar av antal order per år

D 45. Orderkvantiteter i kanbansystem. 1 Kanbansystem med två kort. Handbok i materialstyrning - Del D Bestämning av orderkvantiteter

Tentamen STA A15 delkurs 1 (10 poäng): Sannolikhetslära och statistisk slutledning 3 november, 2005 kl

Något om beskrivande statistik

4.2.3 Normalfördelningen

Grundläggande matematisk statistik

För att skatta väntevärdet för en fördelning är det lämpligt att använda Medelvärdet. E(ξ) =... = µ

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 4 (del 1)

Tentamen i Sannolikhetsteori III 13 januari 2000

Introduktion till statistik för statsvetare

Normalfördelningens betydelse. Sannolikhet och statistik. Täthetsfunktion, väntevärde och varians för N (µ, σ)

Armin Halilovic: EXTRA ÖVNINGAR. ) De Moivres formel ==================================================== 2 = 1

Formelblad Sannolikhetsteori 1

Fyra typer av förstärkare

θx θ 1 om 0 x 1 f(x) = 0 annars

Intervallskattning. c 2005 Eric Järpe Högskolan i Halmstad. Antag att vi har ett stickprov x 1,..., x n på X som vi vet är N(µ, σ) men vi vet ej

Centrala gränsvärdessatsen

TENTAMEN I MATEMATISK STATISTIK

Skattning / Inferens. Sannolikhet och statistik. Skattning / Inferens. Vad är det som skattas?

Antalet sätt att välja ut r objekt bland n stycken med hänsyn till ordning är np r = n(n 1) (n r + 1).

Föreläsning G70 Statistik A

SAMMANFATTNING TAMS79 Matematisk statistik, grundkurs

TENTAMEN I MATEMATISK STATISTIK Datum: 13 mars 08

S0005M V18, Föreläsning 10

(a) Skissa täthets-/frekvensfunktionen och fördelningsfunktionen för X. Glöm inte att ange värden på axlarna.

101. och sista termen 1

Minsta kvadrat-metoden, MK. Maximum likelihood-metoden, ML. Medelfel. E(X i ) = µ i (θ) MK-skattningen av θ fås genom att minimera

En kvalitetskontroll - Snustillverkaren Fiedler & Lundgren kvalitetstestas Av: Andreas Timglas

Slumpvariabler (Stokastiska variabler)

F3 Lite till om tidsserier. Statistikens grunder 2 dagtid. Sammansatta index 4. Deflatering HT Laspeyres index: Paasche index: Index.

TENTAMEN Datum: 16 okt 09

F4 Matematikrep. Summatecken. Summatecken, forts. Summatecken, forts. Summatecknet. Potensräkning. Logaritmer. Kombinatorik

Föreläsning G70 Statistik A

Tentamen i Matematisk statistik för V2 den 28 maj 2010

Orderkvantiteter i kanbansystem

Fördelningen för populationen som stickprovet togs ifrån är känd så nära som på ett antal parametrar, t.ex: N med okända

Föreläsning G70, 732G01 Statistik A. Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin

Högskoleutbildad 0,90*0,70=0,63 0,80*0,30=0,24 0,87 Ej högskoleutbildad 0,07 0,06 0,13 0,70 0,30 1,00

Höftledsdysplasi hos dansk-svensk gårdshund - Exempel på tavlan

2. Konfidensintervall för skillnaden mellan två proportioner.

a) Beräkna E (W ). (2 p)

Viktigt! Glöm inte att skriva Tentamenskod på alla blad du lämnar in.

F10 ESTIMATION (NCT )

F7 PP kap 4.1, linjära överbestämda ekvationssystem

Uppsala Universitet Matematiska institutionen Matematisk Statistik. Formel- och tabellsamling. Sannolikhetsteori och Statistik

Statistisk analys. Vilka slutsatser kan dras om populationen med resultatet i stickprovet som grund? Hur säkra uttalande kan göras om resultatet?

TENTAMEN I MATEMATISK STATISTIK. Statistik för lärare, 5 poäng

x 1 x 2 x 3 x 4 x 5 x 6 HL Z x x x

Sannolikhetslära statistisk inferens F10 ESTIMATION (NCT )

1. (a) Eftersom X och Y har samma fördelning så har de även samma väntevärde och standardavvikelse. E(X 2 ) = k

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del II

b) Bestäm det genomsnittliga antalet testade enheter, E (X), samt även D (X). (5 p)

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Exempel, del II

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 5 juni 2004, kl

================================================

Lycka till! I(X i t) 1 om A 0 annars I(A) =

Borel-Cantellis sats och stora talens lag

Att testa normalitet och heteroskedasticitet i en linjär regressionsmodell

Elektromagnetisk strålning. Spektrofotometri. Absorbans / Emission. Elektromagnetiskt spektrum

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del II

Genomsnittligt sökdjup i binära sökträd

5. Linjer och plan Linjer 48 5 LINJER OCH PLAN

Trigonometriska polynom

Linjär Algebra (lp 1, 2016) Lösningar till skrivuppgiften Julia Brandes

TAMS79: Föreläsning 9 Approximationer och stokastiska processer

Z-Testet. Idè. Repetition normalfördelning. rdelning. Testvariabel z

Lösningsförslag till tentamen i 732G71 Statistik B,

Centrala Gränsvärdessatsen:

Föreläsning G70, 732G01 Statistik A. Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin

Kap. 1. Gaser Ideala gaser. Ideal gas: För en ideal gas gäller: Allmänna gaslagen. kraft yta

SANNOLIKHETER. Exempel. ( Tärningskast) Vi har sex möjliga utfall 1, 2, 3, 4, 5 och 6. Därför är utfallsrummet Ω = {1, 2, 3, 4, 5,6}.

Avd. Matematisk statistik

Stat. teori gk, ht 2006, JW F13 HYPOTESPRÖVNING (NCT ) Ordlista till NCT

Tillåtna hjälpmedel: Eget handskrivet formelblad (A4), utdelad tabellsamling, miniräknare med tömt minne Studenterna får behålla tentamensuppgifterna

Övningstentamen i MA2018 Tillämpad Matematik III-Statistik, 3.5hp

Uppgifter 3: Talföljder och induktionsbevis

f(x i ) Vi söker arean av det gråfärgade området ovan. Området begränsas i x-led av de två x-värdena där kurvan y = x 2 2x skär y = 0, d.v.s.

TENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF1004 TEN kl

Transkript:

Sesorer och elektrok Aalys av mätdata

Iehåll Mätfel Några begrepp om saolkhetslära Läges- och sprdgsmått Kofdestervall Ljär regresso Mätosäkerhetsaalys

Mätfel Alla mätresultat är behäftade med e vss osäkerhet på grud av mätfel. Mätfelet är skllade mella det uppmätta värdet och det saa värdet.

Noggrahet och precso God oggrahet ebär att mätvärdea lgger ära det saa värdet. Precso är ett mått på hur stor sprdge mella mätvärdea är. Ju större sprdg, desto sämre precso.

Systematska och slumpmässga mätfel Systematska fel påverkar oggrahete. Slumpmässga fel påverkar precsoe. frekves systematskt fel sat värde slumpmässga fel mätvärde

Systematska fel Orsaker tll systematska fel Kalbrergsfel Belastgsfel: mätge påverkar mätobjektet Mätsystemet ka påverkas av adra varabler ä de uppmätta. Eempel: e töjgsgvare påverkas av temperature.

Slumpmässga fel Slumpmässga varabler orsakas av varabler som te ka kotrolleras uder mätprocesse. Eempelvs ka elektrok ka vara käslg för temperaturädrgar. Om temperature te kotrolleras kommer då det uppmätta värdet att fluktuera då temperature fluktuerar. Adra orsaker tll slumpmässga fel ka vara brus resstorer eller störgar pga. yttre elektromagetska fält.

Begrepp om saolkhetslära Utfall: resultat av ett slumpmässgt försök Utfallsrum (Ω): mägde av alla utfall Hädelse: e mägd av utfall Saolkhete P(A) för e hädelse A är ett tal som uppfyller: 1. 0 P( A) 1. P( Ω) = 1 3. P ( A B) = P( A) + P( B) om A och B är oförelga

Området om rektagel eda markerar utfallsrummet Ω. Hädelsera A och B är oförelga. A B

Om A och B te är oförelga P( A B) = P( A) + P( B) P( A B) A A B B

Slumpmässg varabel E slumpmässg (stokastsk) varabel är e fukto deferad på ett utfallsrum. Eempel: E fukto som avbldar utfallet etta på talet 1, tvåa på talet osv. vd tärgskast är e slumpmässg varabel. Dea varabel atar ågot av värdea 1,,3,4,5 eller 6 med saolkhetera 1/6.

Frekvesfukto Saolkhete att e slumpmässg varabel X skall lgga ett tervall mella a och b ges av frekvesfuktoe f (probablty desty fucto) P ( a < X < b) = f ( ) d Frekvesfuktoe är cke egatv samt ormerad f ( ) d = 1 b a

Vätevärde, varas och stadardavvkelse Vätevärdet E(X) av e slumpmässg varabel X ges av Varase ges av Stadardavvkelse ges av E ( X ) = f ( ) d ( ) ) X E( X ) = ( E( X )) V ( X ) = E f ( ) d σ = V (X )

Normalfördelge Frekvesfuktoe för e ormalfördelad slumpmässg varabel med vätevärde µ och stadardavvkelse σ ges av 1 ( µ ) f ( ) ep = σ π σ

Cetrala gräsvärdessatse Medelvärdet av stycke slumpmässga lka fördelade varabler med vätevärde µ och varas σ är appromatvt ormalfördelat med vätevärde µ och varas σ /. Appromatoe blr bättre ju större är.

Lägesmått och sprdgsmått E skattg av vätevärdet är 1 stckprovsmedelvärdet = E skattg av varase (stckprovsvaras) 1 då vätevärdet µ är kät är s = ( µ ) Om vätevärdet te är kät uta v aväder oss av e skattg av vätevärdet så ges stckprovsvarase av 1 s = ( ) = 1 1 = 1

Kofdestervall Ett tervall som täcker över vätevärdet med saolkhete 1-α kallas ett kofdestervall för vätevärdet på kofdesvå 1-α.

Eempel på kofdestervall Atag att v har gjort mätgar av e ormalfördelad varabel med käd stadardavvkelse σ. Ma ka vsa att z = är e ormalfördelad varabel med vätevärde oll och stadardavvkelse 1. Alltså gäller med saolkhet 1-α att α / < eller aorluda uttryckt gäller med σ saolkhet 1-α att z < µ < z α / + α / σ / µ µ z < z σ / σ α /

Saolkhete att z lgger mella - och α/ är 1-α. Om f(z) är frekvesfuktoe för e ormalfördelad varabel med vätevärde 0 och varas 1 så gäller det att z z α/ z α / f ( z) dz = α

Kofdestervall (forts) Om ma te käer stadardavvkelse aväder ma skattge s samt att t = är t-fördelad med -1 frhetsgrader. Ett kofdestervall för vätevärdet på kofdesvå 1-α är då s / µ s tα / < µ < + tα/ s

Ljär regresso Atag att v har stycke par av datapukter (, y ) och att v vll apassa e rät lje y = a+ b tll dessa pukter. Atag att avvkelsera frå de räta lje är slumpmässga och ormalfördelade. Mmera summa av de kvadratska avvkelsera frå de räta lje Q = ( a + b y ) = 1

+ + + + + + + + y y=a+b ( )( ) ( ) = y y a ( )( ) ( ) = y y b

Korrelatoskoeffcet Ett värde på 1 svarar mot att alla pukter lgger på e rät lje med postv lutg och ett värde på 1 svarar mot att alla pukter lgger på e rät lje med egatv lutg. ( )( ) ( ) ( ) / 1 1 1 1 = = = = y y y y y r

Apassg av cke-ljära fuktoer b Om v vll apassa e fukto y = ae tll mätdata är det eklast att logartmera bägge sdor ly=la b och seda aväda ljär regresso. Om v vll apassa e fukto y = a+ b/ tll mätpuktera ( y ) är det eklast att sätta och seda apassa lje y = a+ b tll puktera (, y ), =1/

Komberad mätosäkerhet Atag att v gör e mätg där resultatet R beror av resultate av mätgar av st varabler, dvs. R = f ( 1,,..., ) Varje varabel är behäftad med e mätosäkerhet w. Mätosäkerhete för hela mätges resultat ges av Gauss formel w R R 1 1/ 1 R R ( w ) + ( w ) +... + ( w ) =

Osäkerhet pga. slumpmässga fel Ett mått på osäkerhete hos e estaka mätg pga. slumpmässga fel (precso lmt) är halva bredde av ett kofdestervall, som ges av t- fördelge P = ts, där t beror på kofdesvå och atalet frhetsgrader (- 1).

Osäkerhet pga. systematska fel Mätosäkerhete pga systematska fel (bas lmt) beskrvs av halva bredde B av ett tervall som täcker det saa värdet med e vss saolkhet (coverage).

Kombato av slumpmässga och systematska mätosäkerheter De totala mätosäkerhete pga. systematska och slumpmässga fel ges av ( B P ) 1/ w = +

Felkategorer I ett mätsystem fs det ofta måga felkällor. De olka fele brukar delas upp tre kategorer: Kalbrergsfel: osäkerhet stadarder, osäkerhet och slumpmässghet kalbrerge Datasamlgsfel: slumpmässg varato av de uppmätta varabel, belastgsfel, fel A/D omvadlare, slumpmässga fel vsareheter. Datareduktosfel: fel apassgar och ljärsergar, dervergar av mätdata.

Mätosäkerhetsaalys 1. Idetfera de oberoede varablera och defera sambadet mella testresultatet och dessa oberoede varabler.. Gör e lsta över alla felkällor för varje uppmätt varabel. Dela de esklda fele kategorera kalbrergsfel, datasamlgsfel samt datareduktosfel. 3. Uppskatta de esklda fele var för sg. I detta steg uppskattas osäkerhetera pga slumpmässga och systematska fel (precso lmt och bas lmt)

Mätosäkerhetsaalys (forts.) 4. Beräka mätosäkerhetera pga slumpmässga och systematska fel för varje varabel steg 1 mha RSS-formel. ts P S S B B m m = = = = = 1/ 1 1/ 1

Mätosäkerhetsaalys (forts.) 5. Beräka osäkerhete pga slumpmässga och systematska fel resultatet mha Gauss formel. 6. Beräka de totala mätosäkerhete. ( B P ) 1/ w = +