Sensorer, effektorer och fysik. Analys av mätdata

Relevanta dokument
Sensorer och elektronik. 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?

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

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

F15 ENKEL LINJÄR REGRESSION (NCT )

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

REGRESSIONSANALYS S0001M

Korrelationens betydelse vid GUM-analyser

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

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

Föreläsning G04 Surveymetodik 732G19 Utredningskunskap I

Orderkvantiteter vid begränsningar av antal order per år

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

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

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

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

Normalfördelningar (Blom Kapitel 8)

Tentamen i Sannolikhetsteori III 13 januari 2000

Grundläggande matematisk statistik

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

Något om beskrivande statistik

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

4.2.3 Normalfördelningen

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

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

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

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

Formelblad Sannolikhetsteori 1

θx θ 1 om 0 x 1 f(x) = 0 annars

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

TENTAMEN I MATEMATISK STATISTIK

Introduktion till statistik för statsvetare

SAMMANFATTNING TAMS79 Matematisk statistik, grundkurs

Centrala gränsvärdessatsen

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

TENTAMEN I MATEMATISK STATISTIK Datum: 13 mars 08

Slumpvariabler (Stokastiska variabler)

S0005M V18, Föreläsning 10

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

Föreläsning G70 Statistik A

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

TENTAMEN Datum: 16 okt 09

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

101. och sista termen 1

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

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

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

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

F7 PP kap 4.1, linjära överbestämda ekvationssystem

Orderkvantiteter i kanbansystem

Fyra typer av förstärkare

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

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

a) Beräkna E (W ). (2 p)

F10 ESTIMATION (NCT )

Sannolikhetslära statistisk inferens F10 ESTIMATION (NCT )

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

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

5. Linjer och plan Linjer 48 5 LINJER OCH PLAN

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

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

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 Exempel, del II

TENTAMEN I MATEMATISK STATISTIK. Statistik för lärare, 5 poäng

2. Konfidensintervall för skillnaden mellan två proportioner.

Borel-Cantellis sats och stora talens lag

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

Tentamen i Matematisk statistik för V2 den 28 maj 2010

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

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

Lösningsförslag till tentamen i 732G71 Statistik B,

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

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

TAMS79: Föreläsning 9 Approximationer och stokastiska processer

Att testa normalitet och heteroskedasticitet i en linjär regressionsmodell

Uppgifter 3: Talföljder och induktionsbevis

Föreläsning G70 Statistik A

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

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

Höftledsdysplasi hos dansk-svensk gårdshund - Exempel på tavlan

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

Lösningar och kommentarer till uppgifter i 1.1

c n x n, där c 0, c 1, c 2,... är givna (reella eller n=0 c n x n n=0 absolutkonvergent om x < R divergent om x > R n n lim = 1 R.

Elektromagnetisk strålning. Spektrofotometri. Absorbans / Emission. Elektromagnetiskt spektrum

Trigonometriska polynom

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

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 4 (del 2)

Enkel linjär regression

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

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

Sannolikheten. met. A 3 = {2, 4, 6 }, 1 av 11

Genomsnittligt sökdjup i binära sökträd

Transkript:

Sesorer, effektorer och fysk Aalys av mätdata

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

Mätfel Alla mätgar är behäftade med e vss osäkerhet på grud av mätfel.

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.

Typer av mätfel Grova fel Systematska fel: påverkar oggrahete Slumpmässga fel: påverkar precsoe frekves systematskt fel sat värde slumpmässga fel mätvärde

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 f ( ) 1 ep ( µ ) = 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 σ saolkhet 1-α att zα / < µ < + zα / σ / µ µ z < z 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 R R ( w ) + ( w ) +... + ( w ) 1 = 1/

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 Systematska fel ädras te om mätförhålladea är desamma. 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. 5. Beräka osäkerhete pga slumpmässga och systematska fel resultatet mha Gauss formel. 6. Beräka de totala mätosäkerhete. ( B P ) 1/ w = +