Podstawy metr wykł10

background image

PODSTAWY

METROLOGII

Wykład 10

Niepewność pomiarowa

background image

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.

background image

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.

background image

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.

background image

Dokładność i precyzja

background image

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

ę

dem

background image

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.

background image



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.

background image

Wynik pomiaru

warto

ść

pomiaru

±

ą

d pomiarowy

background image

Błąd pomiaru

ą

d pomiarowy niepewno

ść

pomiarowa,

dokładno

ść

pomiaru

ą

d w pomiarach = pomyłka

.

background image

Rodzaje błędów

Rozró

ż

nia si

ę

trzy rodzaje miar

ę

du:



ę

dy prawdziwe,



ę

dy umownie prawdziwe



ę

dy graniczne

background image

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

.

ą

d pomiaru jest wska

ź

nikiem stopnia zgodno

ś

ci wyniku pomiaru i

warto

ś

ci prawdziwej.

background image

Wynik surowy

jest to wynik pomiaru przed

korekcj

ą

ę

du systematycznego.

Przy powtarzaniu pomiarów warto

ść

ę

du b

ę

dzie

si

ę

zmieniała, co uwidoczni si

ę

w zmienno

ś

ci,

poniewa

ż

ą

d pomiaru jest wypadkow

ą

dwóch

składowych:

ę

du systematycznego

sX,

ę

du przypadkowego

pX,

czyli:

X = sX + pX

background image

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:

ę

dy grube

(pomyłki), które nale

ż

y eliminowa

ć

ę

dy systematyczne

, które mo

ż

na ograniczy

ć

udoskonal

ą

j

ą

c pomiar

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

background image

Błąd systematyczny

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 .

background image

Błąd przypadkowy

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 .

background image

Krzywe rozkładu błędu

ą

d systematyczny Bł

ą

d przypadkowy

background image
background image

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.

background image

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:

background image

Poprawka

Je

ż

eli znana jest warto

ść

ę

du systematycznego, to

mo

ż

na go wyeliminowa

ć

z wyniku pomiaru poprzez

wprowadzenie

poprawki

.

Poprawka ma warto

ść

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.

background image

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.:



ą

d wzorcowania,



ą

d niestało

ś

ci,



ę

dy kwantowania,



ę

dy próbkowania,



ę

dy zliczania,



itd.

background image

Charakterystyka metrologiczna

( )

(

)

ρ τ

τ

τ

=

e

.

0 23

w godzinach

σ

2

1 58

=

.

Rozkład prawdopodobieństwa błędu niestałości

background image

Przebieg błędu niestałości i jego prognoza

background image

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.

background image

Niepewno

ść

pomiaru

background image
background image

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.

background image

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;

background image

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;

background image



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;

background image



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;

background image

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;

background image

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.

background image



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 %

background image

Niepewność

Istniej

ą

dwie miary niepewno

ś

ci

pomiaru:



niepewno

ść

standardowa u(x)



niepewno

ść

maksymalna

x

background image

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

).

background image

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:

background image

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

background image

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

background image

Opracowanie serii pomiarów

bezpośrednich dużej próby

background image

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

background image
background image



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

background image

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.

background image

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

ż

niczkowego:

background image

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

ż

niczek cz

ą

stkowych

background image

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

background image

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

background image

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

background image

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

background image

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

-

ź

le!!!

je

ś

li bł

ą

d dx = 0,02385

, wynik ten powinien by

ć

zaokr

ą

glony do dx = 0,02

R = 29,82 ±0,02

- dobrze!!!

background image

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

background image

Z praw statystyki mo

ż

na wyprowadzi

ć

wyra

ż

enia

na odchylenia standardowe obu parametrów
prostej:

background image

Linearyzacja danych

eksperymentalnych

background image

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 .

background image

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 .

background image

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

ą

d wynosi

30

, to zapis powinien by

ć

90 ±30

.

background image

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.

background image

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

ę

dy przypadkowe.

background image

Wielokrotne powtarzanie pomiarów, gdy dominuje

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.)

background image

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.

background image

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

background image

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”

background image

Zasada rysowania wykresów

background image

2. Trzeba nanie

ść

ą

d pomiaru

background image

3. Dobra

ć

zakresy osi współrz

ę

dnych odpowiednio do

zakresu zmienno

ś

ci danych pomiarowych !!!

background image

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.

background image

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

background image

6. Zadba

ć

o aspekt estetyczny wykresu (opis,

zamkni

ę

cie ramk

ą

, itp.)

background image
background image

Metoda najmniejszych kwadratów

Regresja liniowa


Wyszukiwarka

Podobne podstrony:
Podstawy metr wykł10 2008
Podstawy metr wykł 7 2010 WMP1
Podstawy metr wykł05
Podstawy metr wykł 5 2010 niepewnosc bledy
Podstawy metr wykł11 2008
Podstawy metr wykł1 2008
Podstawy metr wykł14
Podstawy metr wykł01
Podstawy metr wykł6 2008
Podstawy metr wykł13 2008 Gwinty, koła zębate
Podstawy metr wykl1
Podstawy metr wykł13 2008
Podstawy metr wykł 6 2010 sprzet pom

więcej podobnych podstron