PODSTAWY
METROLOGII
Wykład 10
Niepewność pomiarowa
Wprowadzenie
Przy omawianiu błędów wygodnie jest przypomnieć
na wzór terminologii stosowanej w literaturze
zachodniej rozróżnienie pomiędzy pojęciami
dokładność
i
precyzja
.
Wynik pomiaru określamy wówczas jako
dokładny
,
gdy jest on wolny od błędów systematycznych,
natomiast jako
precyzyjny
, gdy jego błąd
przypadkowy jest bardzo mały.
Dokładno
ść
pomiaru
- okre
ś
la, jak bardzo rezultat
pomiaru jest zbli
ż
ony do warto
ś
ci prawdziwej.
Wyniki o du
ż
ej dokładno
ś
ci otrzymuje si
ę
stosuj
ą
c
mierniki i wzorce o małej niepewno
ś
ci wzorcowania
Precyzja pomiaru
- okre
ś
la, jak dobrze został
okre
ś
lony rezultat pomiaru, bez odnoszenia si
ę
do
warto
ś
ci prawdziwej.
Wyniki o du
ż
ej precyzji otrzymuje si
ę
poprzez tak
ą
modyfikacj
ę
warunków pomiaru, aby niepewno
ś
ci
przypadkowe były jak najmniejsze.
Precyzja
Dokładność
Precyzja i dokładność
Precyzja i dokładność z
grubym błędem
.
precyzja
mówi nam coś o jakości działania przyrządu.
dokładność
mówi nam coś o jakości lub poprawności otrzymanego
wyniku.
Dokładność i precyzja
Ka
ż
dy eksperyment, ka
ż
dy pomiar i prawie
ka
ż
da operacja składowa pomiaru daje
wyniki obarczone ró
ż
nymi typami bł
ę
dów
– dlatego podanie wyniku pomiaru bez warto
ś
ci
oszacowanego przedziału niepewno
ś
ci jest
bł
ę
dem
Pomiar
Pomiar
— pewna sekwencja czynno
ś
ci
do
ś
wiadczalnych i obliczeniowych, prowadz
ą
ca do
wyznaczenia liczbowej warto
ś
ci wielko
ś
ci fizycznej.
Pomiar jest zawsze operacj
ą
niedokładn
ą
, to znaczy
estymata warto
ś
ci prawdziwej mezurandu
otrzymana jako wynik pomiaru ró
ż
ni si
ę
na ogół od
warto
ś
ci prawdziwej, równo
ść
estymaty i
estymowanej warto
ś
ci jest zdarzeniem wyj
ą
tkowym,
a fakt jego zaj
ś
cia pozostaje nieznany.
Istot
ą
pomiaru jest jednak to,
ż
e niedokładno
ść
wyniku pomiaru mo
ż
na zawsze oszacowa
ć
, to
znaczy mo
ż
na zawsze okre
ś
li
ć
graniczn
ą
odległo
ść
mi
ę
dzy znanym wynikiem pomiaru a
nieznan
ą
warto
ś
ci
ą
prawdziw
ą
mezurandu.
Szacowanie niedokładno
ś
ci pomiaru jest jedn
ą
z
podstawowych czynno
ś
ci, która powinna by
ć
wykonywana w procesie mierzenia.
Wynik pomiaru
warto
ść
pomiaru
±
bł
ą
d pomiarowy
Błąd pomiaru
Bł
ą
d pomiarowy niepewno
ść
pomiarowa,
dokładno
ść
pomiaru
Bł
ą
d w pomiarach = pomyłka
.
Rodzaje błędów
Rozró
ż
nia si
ę
trzy rodzaje miar
bł
ę
du:
bł
ę
dy prawdziwe,
bł
ę
dy umownie prawdziwe
bł
ę
dy graniczne
Błąd pomiaru
Bezwzgl
ę
dny bł
ą
d pomiaru -
jest ró
ż
nic
ą
miedzy
wynikiem pomiaru a warto
ś
ci
ą
prawdziw
ą
wielko
ś
ci
mierzonej:
X = Xs - Xp ,
gdzie:
Xs — wynik surowy,
Xp — warto
ść
prawdziwa wielko
ś
ci mierzonej.
Ma on jak
ąś
konkretn
ą
warto
ść
, ale niestety nie zawsze jest ona znana,
poniewa
ż
we wzorze definicyjnym wyst
ę
puje nie zawsze znana warto
ść
prawdziwa
.
Bł
ą
d pomiaru jest wska
ź
nikiem stopnia zgodno
ś
ci wyniku pomiaru i
warto
ś
ci prawdziwej.
Wynik surowy
jest to wynik pomiaru przed
korekcj
ą
bł
ę
du systematycznego.
Przy powtarzaniu pomiarów warto
ść
bł
ę
du b
ę
dzie
si
ę
zmieniała, co uwidoczni si
ę
w zmienno
ś
ci,
poniewa
ż
bł
ą
d pomiaru jest wypadkow
ą
dwóch
składowych:
•
bł
ę
du systematycznego
sX,
•
bł
ę
du przypadkowego
pX,
czyli:
X = sX + pX
Podział błędów
Wyniki pomiarów podlegaj
ą
pewnym
prawidłowo
ś
ciom, tzw. rozkładom typowym dla
zmiennej losowej. Z tego wzgl
ę
du bł
ę
dy
dzielimy na:
•
Bł
ę
dy grube
(pomyłki), które nale
ż
y eliminowa
ć
•
Bł
ę
dy systematyczne
, które mo
ż
na ograniczy
ć
udoskonal
ą
j
ą
c pomiar
•
Bł
ę
dy przypadkowe
, które podlegaj
ą
prawom
statystyki i rachunku prawdopodobie
ń
stwa,
wynikaj
ą
z wielu losowych przyczynków i nie
daj
ą
si
ę
wyeliminowa
ć
Błąd systematyczny
Bł
ą
d systematyczny
zdefiniowany jest nast
ę
puj
ą
co:
„Bł
ą
d systematyczny jest ró
ż
nic
ą
mi
ę
dzy warto
ś
ci
ą
ś
redni
ą Χś
r z niesko
ń
czonej liczby wyników
pomiarów tej samej wielko
ś
ci mierzonej,
wykonanych w warunkach powtarzalno
ś
ci, a
warto
ś
ci
ą
prawdziw
ą
wielko
ś
ci mierzonej
Χ
p ":
s
Χ
=
Χś
r −
Χ
p .
Błąd przypadkowy
Bł
ą
d przypadkowy
ma nast
ę
puj
ą
c
ą
definicj
ę
:
„Bł
ą
d przypadkowy jest r
óż
nic
ą
mi
ę
dzy wynikiem
pomiaru X a
ś
redni
ą Χś
r z niesko
ń
czonej liczby
wyników pomiarów tej samej wielko
ś
ci mierzonej,
wykonanych w warunkach powtarzalno
ś
ci"
p
Χ
=
Χ
−
Χś
r .
Krzywe rozkładu błędu
Bł
ą
d systematyczny Bł
ą
d przypadkowy
Rodzaje błędów
Warto
ść
oczekiwana bł
ę
du
przypadkowego jest równa zeru
,
- wła
ś
ciwo
ść
ta nie zawsze jest zgodna z sensem
fizycznym bł
ę
dów przypadkowych.
Całkowity bł
ą
d pomiaru
Χ
= s
Χ
+ p
Χ
.
Wzgl
ę
dny bł
ą
d pomiaru
zdefiniowany jest jako
stosunek bezwzgl
ę
dnego bł
ę
du pomiaru do
warto
ś
ci prawdziwej, czyli:
Poprawka
Je
ż
eli znana jest warto
ść
bł
ę
du systematycznego, to
mo
ż
na go wyeliminowa
ć
z wyniku pomiaru poprzez
wprowadzenie
poprawki
.
Poprawka ma warto
ść
bł
ę
du systematycznego, ale ze
znakiem przeciwnym
:
p(X) = - sX
Poprawka jest warto
ś
ci
ą
dodawan
ą
algebraicznie do surowego wyniku
pomiaru w celu skompensowania bł
ę
du systematycznego.
Wynik pomiaru po korekcji bł
ę
du systematycznego nazywamy wynikiem
poprawionym.
Rodzaje błędów
Podział bł
ę
dów ze wzgl
ę
du na fizyczne przyczyny
powstawania bł
ę
du - wyró
ż
nia si
ę
tu m.in.:
bł
ą
d wzorcowania,
bł
ą
d niestało
ś
ci,
bł
ę
dy kwantowania,
bł
ę
dy próbkowania,
bł
ę
dy zliczania,
itd.
Charakterystyka metrologiczna
( )
(
)
ρ τ
τ
τ
=
−
e
.
0 23
w godzinach
σ
2
1 58
=
.
Rozkład prawdopodobieństwa błędu niestałości
Przebieg błędu niestałości i jego prognoza
Je
ż
eli pomiary pewnej wielko
ś
ci x nara
ż
one s
ą
na
wpływ wielu niewielkich i przypadkowych zaburze
ń
,
to rozkład wyników jest rozkładem normalnym lub
rozkładem Gaussa.
Niepewno
ść
pomiaru
Niepewność możemy określić w rożny spos
ó
b:
-przyjmując model statystyczny,
- posługując się deterministyczną teorią niepewności
maksymalnej.
Międzynarodowa Norma Oceny Niepewności Pomiaru zawarta w
dokumencie
Guide to the Expression of Uncertainty Measurements
opracowanym przez ISO)posługuje się w opisie niepewności
modelem statystycznym.
Podstawowe terminy i definicje
•
warto
ść
oczekiwana
– warto
ść
zgodna ze
zdefiniowana, jest nazywana cz
ę
sto
warto
ś
ci
ą
rzeczywista; jest to warto
ść
, która
mo
ż
e by
ć
uzyskana w wyniku doskonałego
pomiaru;
•
warto
ść
oznaczana
– warto
ść
uzyskana w
wyniku zastosowania danej procedury
analitycznej; wynik pomiaru to najcz
ęś
ciej
ś
rednia arytmetyczna z uzyskanych
warto
ś
ci oznaczanych;
•
dokładno
ść
pomiaru
– stopie
ń
zgodno
ś
ci
pomi
ę
dzy wynikiem pojedynczego pomiaru a
warto
ś
ci
ą
rzeczywista;
•
poprawno
ść
pomiaru
– stopie
ń
zgodno
ś
ci
pomi
ę
dzy wynikiem analizy (
ś
redni
ą
) a
warto
ś
ci
ą
rzeczywist
ą
;
•
precyzja pomiaru
– zgodno
ść
pomi
ę
dzy
uzyskiwanymi niezale
ż
nymi pomiarami;
niepewno
ść
pomiaru
(uncertainty) –
parametr zwi
ą
zany z wynikiem pomiaru, który
okre
ś
la przedział wokół warto
ś
ci
ś
redniej, w
którym mo
ż
e (na zało
ż
onym poziomie
istotno
ś
ci) znale
źć
si
ę
warto
ść
oczekiwana;
standardowa niepewno
ść
pomiaru
(standard uncertainty) –
u(xi)
- niepewno
ść
pomiaru przedstawiona i obliczona jako
odchylenie standardowe;
zło
ż
ona standardowa niepewno
ść
(combined
standard uncertainty) –
uc(y)
– standardowa
niepewno
ść
wyniku
y
pomiaru, której warto
ść
jest
obliczona na podstawie niepewno
ś
ci parametrów
wpływ
ą
j
ą
cych na warto
ść
wyniku analizy z
zastosowaniem prawa propagacji niepewno
ś
ci;
rozszerzona niepewno
ść
(expanded uncertainty)
-
U
– wielko
ść
okre
ś
laj
ą
ca przedział wokół
uzyskanego wyniku analizy, w którym mo
ż
na, na
odpowiednim, przyj
ę
tym poziomie istotno
ś
ci
(prawdopodobie
ń
stwa) oczekiwa
ć
wyst
ą
pienia
warto
ś
ci rzeczywistej;
•
współczynnik rozszerzenia
(coverage factor) –
k
– warto
ść
liczbowa u
ż
yta do wymno
ż
enia
zło
ż
onej standardowej niepewno
ś
ci pomiaru w
celu uzyskania rozszerzonej niepewno
ś
ci,
warto
ść
współczynnika zale
ż
y od przyj
ę
tego
poziomu prawdopodobie
ń
stwa (np.: dla 95 %
wynosi 2) i najcz
ęś
ciej jest wybierana z
przedziału liczb 2-3;
Niepewność
W praktyce nie znamy warto
ś
ci rzeczywistych
wielko
ś
ci mierzonych i szacujemy niepewno
ś
ci
pomiarowe wynikaj
ą
ce ze statystycznych praw
rozrzutu pomiarów
.
Niepewno
ść
pomiaru jest zwi
ą
zanym rezultatem
pomiaru parametrem, charakteryzuj
ą
cym rozrzut
wyników, który mo
ż
na w uzasadniony sposób
przypisa
ć
warto
ś
ci mierzonej.
Niepewno
ść
u
lub
u(x)
(ang. uncertainty)
posiada wymiar, taki sam jak wielko
ść
mierzona
Niepewno
ść
wzgl
ę
dna ur(x)
to stosunek
niepewno
ś
ci (bezwzgl
ę
dnej) do wielko
ś
ci
mierzonej:
Niepewno
ść
wzgl
ę
dna
jest wielko
ś
ci
ą
bezwymiarow
ą
i mo
ż
e by
ć
wyra
ż
ona w %
Niepewność
Istniej
ą
dwie miary niepewno
ś
ci
pomiaru:
niepewno
ść
standardowa u(x)
niepewno
ść
maksymalna
∆
x
Niepewność standardowa
Rezultat pomiaru jest zmienn
ą
losow
ą
x
i
,
której rozrzut wokół warto
ś
ci
ś
redniej
x
charakteryzuje parametr zwany odchyleniem
standardowym
Dokładnej warto
ś
ci odchylenia
standardowego nie znamy. Niepewno
ść
standardowa jest jego niezbyt dokładnym
oszacowaniem (estymatorem, ocen
ą
).
Niepewność maksymalna
Jest miar
ą
deterministyczn
ą
, gdy
ż
zakłada,
ż
e mo
ż
na
okre
ś
li
ć
przedział wielko
ś
ci mierzonej x, w którym na
pewno znajdzie si
ę
wielko
ść
rzeczywista.
W tym przypadku staramy si
ę
okre
ś
li
ć
przedział,
x
o
-
∆
x < x
i
< x
o
+
∆
x
w którym mieszcz
ą
si
ę
wszystkie wyniki pomiaru xi,
aktualnie wykonane i przyszłe.
Zaleca si
ę
obecnie niepewno
ść
maksymaln
ą
specyfikowan
ą
przez producenta zamienia
ć
na
niepewno
ść
standardow
ą
wg wzoru:
Typy oceny niepewności
Typ A
Metody wykorzystuj
ą
ce statystyczn
ą
analiz
ę
serii pomiarów:
•wymaga odpowiednio du
ż
ej liczby powtórze
ń
pomiaru
• ma zastosowanie do bł
ę
dów przypadkowych
Typ B
Opiera si
ę
na naukowym os
ą
dzie eksperymentatora
wykorzystuj
ą
cym wszystkie informacje o pomiarze i
ź
ródłach
jego niepewno
ś
ci
•
stosuje si
ę
gdy statystyczna analiza nie jest mo
ż
liwa
•dla bł
ę
du systematycznego lub dla jednego wyniku pomiaru
Typ A
Seria wyników (próba)
x
1
,x
2
, ….x
n
obarczonych
niepewno
ś
ci
ą
przypadkow
ą
jest du
ż
a
gdy 30<n<100. W
próbie takiej wyniki si
ę
powtarzaj
ą
:
n
k
jest
liczb
ą
pomiarów, w
których wyst
ą
pił wynik
x
k
,
n
k
/n
jest cz
ę
sto
ś
ci
ą
wyst
ę
powania wyniku
Opracowanie serii pomiarów
bezpośrednich dużej próby
Rozkład normalny Gaussa
G
ę
sto
ść
prawdopodobie
ń
stwa wyst
ą
pienia wielko
ś
ci
x lub jej bł
ę
du
∆
x podlega rozkładowi Gaussa
x
0
jest warto
ś
ci
ą
najbardziej prawdopodobn
ą
i mo
ż
e
by
ć
ni
ą ś
rednia arytmetyczna, jest odchyleniem
standardowym, jest wariancj
ą
rozkładu
Pomiar o wi
ę
kszym
σ
charakteryzuje si
ę
wi
ę
kszym rozrzutem wyników wokół warto
ś
ci
ś
redniej a zatem mniejsz
ą
precyzj
ą
Typ B
Dla oceny typu B wykorzysta
ć
mo
ż
na m.in.:
•
dane z pomiarów poprzednich,
• do
ś
wiadczenie i wiedz
ę
na temat przyrz
ą
dów
i obiektów mierzonych,
• informacje producenta przyrz
ą
dów,
• niepewno
ś
ci przypisane danym z literatury.
Gdy informacja o pomiarze i
ź
ródle jego niepewno
ś
ci jest
dobra, dokładno
ść
oceny typu B jest porównywalna z
dokładno
ś
ci
ą
oceny typu A.
Metoda różniczki zupełnej
Dla wielko
ś
ci zło
ż
onej y=f(x
1
,x
2
,...x
n
)
gdy
niepewno
ś
ci maksymalne
∆
x
1
,
∆
x
2
, ...
∆
x
n
s
ą
małe w porównaniu z warto
ś
ciami zmiennych
x
1
,x
2
, ... x
n
niepewno
ść
maksymaln
ą
wielko
ś
ci y wyliczamy z praw rachunku
ró
ż
niczkowego:
Prawo przenoszenia niepewności
Niepewno
ść
standardow
ą
wielko
ś
ci zło
ż
onej
y=f(x
1
,x
2
,...x
n
) obliczamy z tzw.
prawa
przenoszenia niepewno
ś
ci
jako sum
ę
geometryczn
ą
ró
ż
niczek cz
ą
stkowych
Zasady wyznaczania niepewności
pomiaru
Wyznaczanie niepewności pomiaru składa się z
następujących krok
ó
w:
Określenie wielkości mierzonej (wielkość wyjściowa), wielkości
wpływających na wynik pomiaru i jego niepewność (wielkości
wejściowe) oraz zależności pomiędzy wielkościami wejściowymi a
wielkością wyjściową (model pomiaru)
Zebranie informacji o wartościach i niepewności wielkości wejściowych (np.
błędy graniczne przyrząd
ó
w pomiarowych, niepewności wzorc
ó
w lub
materiał
ó
w odniesienia, serie wynik
ó
w powtarzalnych pomiar
ó
w)
Wyrażenie niepewności związanych z wielkościami wejściowymi za pomocą
odchyleń standardowych (niepewności standardowe wielkości
wejściowych). Stosowane są metody: A
–
statystyczne oraz B
–
inne
Przeliczenie standardowych niepewności wielkości wejściowych na
standardowe niepewności składowe wielkości wyjściowej (wyniku
pomiaru) z wykorzystaniem modelu pomiaru i obliczanych
automatycznie pochodnych cząstkowych
Połączenie standardowych niepewności składowych w standardową
niepewność złożoną wyniku pomiaru
Obliczenie niepewności rozszerzonej wyniku pomiaru
Normy
PN-EN ISO 10012:2004
Systemy zarz
ą
dzania
pomiarami. Wymagania dotycz
ą
ce procesów
pomiarowych i wyposa
ż
enia pomiarowego
PN-ISO 497:2002
Przewodnik wyboru ci
ą
gu liczb
normalnych i ci
ą
gów zawieraj
ą
cych kolejne
zaokr
ą
glone warto
ś
ci liczb normalnych
PN-ISO 5725-1:2002
Dokładno
ść
(poprawno
ść
i
precyzja) metod pomiarowych i wyników pomiarów.
Cz
ęść
1: Ogólne zasady i definicje
PN-ISO 5725-2:2002
Dokładno
ść
(poprawno
ść
i
precyzja) metod pomiarowych i wyników pomiarów.
Cz
ęść
2: Podstawowa metoda okre
ś
lania
powtarzalno
ś
ci i odtwarzalno
ś
ci standardowej metody
pomiarowej
Normy
PN-ISO 5725-3:2002
Dokładno
ść
(poprawno
ść
i
precyzja) metod pomiarowych i wyników pomiarów.
Cz
ęść
3: Po
ś
rednie miary precyzji standardowej metody
pomiarowej
PN-ISO 5725-4:2002
Dokładno
ść
(poprawno
ść
i
precyzja) metod pomiarowych i wyników pomiarów.
Cz
ęść
4: Podstawowe metody wyznaczania
poprawno
ś
ci standardowej metody pomiarowej
PN-ISO 5725-5:2002
Dokładno
ść
(poprawno
ść
i
precyzja) metod pomiarowych i wyników pomiarów.
Cz
ęść
5: Alternatywne metody wyznaczania precyzji
standardowej metody pomiarowej
PN-ISO 5725-6:2002
Dokładno
ść
(poprawno
ść
i
precyzja) metod pomiarowych i wyników pomiarów.
Cz
ęść
6: Stosowanie w praktyce warto
ś
ci okre
ś
laj
ą
cych
dokładno
ść
Normy
PN-ISO 7976-1:1994
Tolerancje w budownictwie. Metody
pomiaru budynków i elementów budowlanych. Metody i
przyrz
ą
dy
PN-ISO 11095:2001
Kalibracja liniowa z zastosowaniem
materiałów odniesienia
PN-ISO 11843-1:2003
Zdolno
ść
wykrywania. Cz
ęść
1:
Terminologia
PN-ISO 11843-2:2003
Zdolno
ść
wykrywania. Cz
ęść
2:
Metodologia w przypadku kalibracji liniowej
PN-ISO 11843-3:2007
Zdolno
ść
wykrywania. Cz
ęść
3:
Metodologia okre
ś
lania warto
ś
ci krytycznej zmiennej
odpowiedzi bez u
ż
ycia danych z kalibracji
PN-ISO 11843-4:2007
Zdolno
ść
wykrywania. Cz
ęść
4:
Metodologia porównywania minimalnej warto
ś
ci.
wykrywalnej z warto
ś
ci
ą
podan
ą
PN-71/N-02050
Metrologia. Nazwy i okre
ś
lenia
Przykład 1
Zaokr
ą
gli
ć
liczb
ę
1953,5091 do formatów z ostatni
ą
cyfr
ą
znacz
ą
c
ą
kolejno na miejscach od trzeciego po
przecinku do czwartego przed przecinkiem.
Stosuj
ą
c zasady mamy kolejno:
1953,509; 1953,51; 1953,5; 1954;
Przykład 2
Mierzymy rezystancj
ę
opornika R z rozdzielczo
ś
ci
ą
pozwalaj
ą
c
ą
na otrzymanie wyniku czterocyfrowego,
podanie wyniku w postaci:
R = 29,82 ±0,02385
Ω
-
ź
le!!!
je
ś
li bł
ą
d dx = 0,02385
Ω
, wynik ten powinien by
ć
zaokr
ą
glony do dx = 0,02
Ω
R = 29,82 ±0,02
Ω
- dobrze!!!
Warunek minimum funkcji dwu zmiennych:
Otrzymuje si
ę
układ równa
ń
liniowych dla
niewiadomych a i b
Rozwi
ą
zuj
ą
c ten układ równa
ń
otrzymuje si
ę
wyra
ż
enia na a i b
Z praw statystyki mo
ż
na wyprowadzi
ć
wyra
ż
enia
na odchylenia standardowe obu parametrów
prostej:
Linearyzacja danych
eksperymentalnych
Zaokrąglanie liczb
Zaokr
ą
glanie
jest operacj
ą
zast
ę
powania cyfrowej
reprezentacji x liczby rzeczywistej x& cyfrow
ą
reprezentacj
ą
y tej
ż
e liczby x& , ale o mniejszej
ilo
ś
ci cyfr znacz
ą
cych.
Liczb
ę
x b
ę
dziemy nazywali liczb
ą
zaokr
ą
glan
ą
, a
liczb
ę
y – liczb
ą
zaokr
ą
glon
ą
.
Niech liczba zaokr
ą
glona y ma ostatni
ą
cyfr
ę
znacz
ą
c
ą
na pozycji J, niech dalej liczba
zaokr
ą
glana x jest zapisana w postaci ci
ą
gu cyfr
(dK-1 dK-2 ... dJ+1 dJ , dJ-1 dJ-2 ...)×10J .
Zaokr
ą
glanie normalne
jest okre
ś
lone zale
ż
no
ś
ci
ą
:
gdzie roundJ () – operator zaokr
ą
glania normalnego do
ostatniej cyfry znacz
ą
cej na pozycji J.
Zaokr
ą
glanie w gór
ę
polega na utworzeniu y przez odrzucenie
wszystkich cyfr x po dJ i dodaniu do
ń
10J (je
ż
eli która
ś
z
odrzuconych cyfr jest ró
ż
na od zera) lub pozostawieniu tak
otrzymanej reprezentacji (je
ż
eli wszystkie odrzucone cyfry
s
ą
zerami).
Zaokr
ą
glanie w dół
czyli obcinanie polega na utworzeniu y
przez odrzucenie wszystkich cyfr x po dJ .
Ogólna reguła mo
ż
e wi
ę
c przyj
ąć
nast
ę
puj
ą
c
ą
form
ę
:
Ostatnia cyfra znacz
ą
ca w ka
ż
dym wyniku powinna
by
ć
tego samego rz
ę
du (sta
ć
na tym samym
miejscu dziesi
ę
tnym) co bł
ą
d.
Na przykład:
Wynik
92,81
z bł
ę
dem
0,3
powinien by
ć
zaokr
ą
glony
do
92,8 ±0,3
.
Je
ś
li bł
ą
d równy jest
3
, to ten sam rezultat nale
ż
ałoby
zapisa
ć
jako
93±3
,
je
ś
li za
ś
bł
ą
d wynosi
30
, to zapis powinien by
ć
90 ±30
.
Jest wyj
ą
tek od podanej tu reguły.
Je
ś
li pierwsza cyfra bł
ę
du jest mała (l lub by
ć
mo
ż
e 2),
to mogłoby by
ć
wła
ś
ciwe pozostawienie w
odpowiedzi jeszcze jednej cyfry znacz
ą
cej.
Przykładowo, wynik taki jak:
L = 27,6 ± l cm
jest zupełnie rozs
ą
dny.
jego zaokr
ą
glenie do
28 ± l
powodowałoby utrat
ę
informacji.
PODSUMOWANIE
• Ka
ż
dy pomiar w laboratorium jest obarczony
niepewno
ś
ci
ą
pomiarow
ą
, któr
ą
eksperymentator
musi okre
ś
li
ć
zgodnie z pewnymi zasadami.
• W pierwszej kolejno
ś
ci nale
ż
y przeanalizowa
ć
ź
ródła bł
ę
dów, pami
ę
taj
ą
c, aby wyeliminowa
ć
wyniki obarczone bł
ę
dem grubym. W laboratorium
studenckim bł
ę
dy systematyczne z reguły
przewy
ż
szaj
ą
bł
ę
dy przypadkowe.
•
Wielokrotne powtarzanie pomiarów, gdy dominuje
bł
ą
d systematyczny, nie ma sensu. W takim
przypadku dokonujemy tylko 3-5 pomiarów w
tych warunkach w celu sprawdzenia
powtarzalno
ś
ci.
• Gdy bł
ą
d przypadkowy dominuje w
eksperymencie, nale
ż
y sprawdzi
ć
czy rozkład
wyników mo
ż
e by
ć
opisany funkcj
ą
Gaussa czy
te
ż
nale
ż
y spodziewa
ć
si
ę
innego rozkładu. W
tym celu dokonujemy wielokrotnego (np. 100
razy) pomiaru w tych samych warunkach,
obliczamy
ś
redni
ą
i wariancj
ę
rozkładu, rysujemy
histogram, etc.)
•
Jako miar
ę
niepewno
ś
ci stosujemy raczej
niepewno
ść
standardow
ą
, rzadziej niepewno
ść
maksymaln
ą
.
• W przypadku wielko
ś
ci zło
ż
onej, stosujemy prawo
przenoszenia bł
ę
du. Staramy si
ę
przeprowadzi
ć
analiz
ę
niepewno
ś
ci wielko
ś
ci zło
ż
onej tak, aby
uzyska
ć
informacje dotycz
ą
ce wagi
przyczynków, jakie wnosz
ą
do całkowitej
niepewno
ś
ci pomiary poszczególnych wielko
ś
ci
prostych. W tym celu nale
ż
y analizowa
ć
niepewno
ś
ci wzgl
ę
dne.
•
Wa
ż
nym elementem sprawozdania z przebiegu
eksperymentu (i to nie tylko w laboratorium
studenckim) jest wykres. Wykresy sporz
ą
dzamy
zgodnie z dobrymi zasadami, pami
ę
taj
ą
c o
jednoznacznym opisie.
• Zawsze, gdy to mo
ż
liwe, dokonujemy linearyzacji
danych eksperymentalnych, np. rysuj
ą
c y i ln (x),
lub log y i log x, lub y i 1/x itp. Do tak
przygotowanych danych mo
ż
na zastosowa
ć
metod
ę
regresji liniowej
•
Je
ż
eli znane s
ą
podstawy teoretyczne badanego
zjawiska, na wykresie zamieszczamy krzyw
ą
teoretyczn
ą
(linia ci
ą
gła) na tle wyra
ź
nych
punktów eksperymentalnych (dobieramy
odpowiednie symbole i nanosimy niepewno
ś
ci
eksperymentalne). Mo
ż
emy wcze
ś
niej dokona
ć
dopasowania parametrów przebiegu
teoretycznego w oparciu o znane metody
„dopasowania”
Zasada rysowania wykresów
2. Trzeba nanie
ść
bł
ą
d pomiaru
3. Dobra
ć
zakresy osi współrz
ę
dnych odpowiednio do
zakresu zmienno
ś
ci danych pomiarowych !!!
4. Wła
ś
ciwie opisa
ć
osie współrz
ę
dnych i dobra
ć
skal
ę
, tak aby łatwo mo
ż
na było odczyta
ć
warto
ś
ci
zmierzone.
5. Nie ł
ą
czy
ć
punktów eksperymentalnych lini
ą
łaman
ą
!!! Je
ś
li znany jest przebieg teoretyczny to
dokona
ć
dopasowania teorii do do
ś
wiadczenia
6. Zadba
ć
o aspekt estetyczny wykresu (opis,
zamkni
ę
cie ramk
ą
, itp.)
Metoda najmniejszych kwadratów
Regresja liniowa