Professional Documents
Culture Documents
Podstawy Analizy Niepewności Pomiarowych
Podstawy Analizy Niepewności Pomiarowych
1
Co to jest błąd pomiarowy?
wynik pomiaru wartość prawdziwa
Błąd pomiarowy = xi – x0
a) błąd przypadkowy x
nie skorelowane błędy eksperymentatora,
szumy układu pomiarowego, zakłócenia
b) błąd systematyczny
Systematyczna różnica pomiędzy kolejnymi
x
pomiarami a wartością prawdziwą
c) błąd gruby x
Drastycznie duża różnica pomiędzy pomiarem i wartością
prawdziwą wynikająca np. ze złego odczytu lub zapisu pomiaru
2
Piotr Cyganik 2008
Co to jest błąd pomiarowy?
wynik pomiaru wartość prawdziwa
Błąd pomiarowy = xi – x0
a) błąd przypadkowy x
nie skorelowane błędy eksperymentatora,
szumy układu pomiarowego, zakłócenia
3
Piotr Cyganik 2008
Co to jest błąd pomiarowy?
wynik pomiaru wartość prawdziwa
Błąd pomiarowy = xi – x0
b) błąd systematyczny
Systematyczna różnica pomiędzy kolejnymi
x
pomiarami a wartością prawdziwą
Błąd pomiarowy = xi – x0
c) błąd gruby x
Drastycznie duża różnica pomiędzy pomiarem i wartością
prawdziwą wynikająca np. ze złego odczytu lub zapisu pomiaru
TYP A TYP B
Podejście statystyczne Podejście deterministyczne
6
Piotr Cyganik 2008
Niepewność bezwzględna, względna
i procentowa ?
niepewność bezwzględna
niepewność względna
niepewność procentowa
7
Piotr Cyganik 2008
Typ A: Statystyczna analiza danych pomiarowych
Niepewności przypadkowe opisane są rozkładem prawdopodobieństwa typu
Gaussa (normalnym).
∫ ϕ ( x)dx = 1
krzywej
−∞
x – wartość mierzona
x0 – wartość oczekiwana
σ– odchylenie standardowe
(miara niepewności pojedynczego
pomiaru)
12
Liczba pomiarów
10
4.8 5.0 5.2 5.4 5.6 5.8 6.0 6.2 6.4 6.6 6.8 7.0 7.2
v (m/s)
9
Piotr Cyganik 2008
Typ A: Statystyczna analiza danych pomiarowych
Przykład: analiza 94 wyników (duża statystyka!) pomiaru prędkości
rowerzysty w postaci histogramu
18 dopasowana krzywa Gaussa (nie unormowana)
16
14
A ⎛ ( x − x0 ) 2 ⎞
ϕ ( x) = exp⎜⎜ − ⎟
⎟
12
σ 2π ⎝ 2σ 2 ⎠
Liczba pomiarów
10
8
Estymujemy
6
parametry x0 i σ wprost
4 z dopasowania
4.8 5.0 5.2 5.4 5.6 5.8 6.0 6.2 6.4 6.6 6.8 7.0 7.2
v (m/s)
x0 - σ x0 + σ
x0 wartość oczekiwana 10
Piotr Cyganik 2008
Typ A: Statystyczna analiza danych pomiarowych
Dla mniejszych statystyk (np. 10-30 pomiarów) nie jesteśmy w stanie dopasować rozkładu
Gaussa i uzyskać w ten sposób oszacowanie parametrów x0 i σ.
Możemy jednak zawsze posłużyć się następującymi przybliżeniami tych wartości:
x0
11
Piotr Cyganik 2008
Typ A: Statystyczna analiza danych pomiarowych
Estymatorem niepewności wyniku pomiaru jest odchylenie standardowe
średniej arytmetycznej:
12
Piotr Cyganik 2008
Typ A: Statystyczna analiza danych pomiarowych
Dla bardzo małych serii pomiarowych ≤ 10 odchylenie standardowe średniej
arytmetycznej daje zaniżoną wartość niepewności wyniku:
Ten poziom ufności stosujemy
w analizie pomiarów I prac.
α=0.68
n 28 α=0.95 α=0.99
2 1.837 12.706 63.657
-współczynnik Studenta 3 1.321 4.303 9.926
4 1.197 3.182 5.841
5 1.141 2.776 4.604
- liczba pomiarów
6 1.11 2.58 4.032
7 1.09 2.447 3.707
- poziom ufności 8 1.077 2.365 3.5
prawdopodobieństwo z jakim 9 1.066 2.306 3.355
wyznaczony przedział
10 1.059 2.252 3.25
x − t n ,α S x , x + t n ,α S x
zawiera wartość rzeczywistą mierzonej wielkości
13
Piotr Cyganik 2008
Typ B: Brak możliwości statystycznej analizy danych
Dla błędów systematycznych lub pojedynczych pomiarów możemy
stosować niepewność maksymalną (nazywaną także graniczną)
x
Rozkład Gaussa
x0 − S x x0 + S x
niepewność standardowa
(TYP A)
x0 − ∆x niepewność maksymalna x0 + ∆x
(TYP B)
x
x0
x0 - ∆x x0 + ∆x 14
Piotr Cyganik 2008
Całkowita niepewność pomiarowa (Typ A + Typ B)
S x = Sx
2
+ (∆x )
1 2 ∆x MAX = ∆x + 3S x
3
15
Piotr Cyganik 2008
Pomiar bezpośredni i pośredni
a
b
Prosty przykład:
Pomiar pośredni:
Pomiar bezpośredni: pomiar objętości
pomiar wysokości (c) prostopadłościanu
prostopadłościanu V = abc
16
Piotr Cyganik 2008
Niepewność w pomiarach pośrednich – propagacja
błędów statystycznych.
a Prosty przykład:
a Jaki jest błąd pomiaru objętości V sześcianu
jeśli ustaliliśmy, że błąd pomiaru długości a = x wynosi ∆x?
a
y styczna dy/dx
a x 1200
V y 1000
∆y
y = f(x) = x3 800
V (cm )
3
V = y = f(x) = x3 600
funkcja y = x3
dy 400
∆y = ∆x
dx 200
0 ∆x
0 2 4 6 8 10 x
x (cm) 17
Piotr Cyganik 2008
Niepewność w pomiarach pośrednich – propagacja
błędów statystycznych.
TYP B TYP A
Podejście deterministyczne Podejście statystyczne
y = f ( x1 , x 2 ,...x n ) y = f ( x1 , x 2 ,...x n )
y = f ( x1 , x 2 ,...x n ) y = f ( x1 , x 2 ,...x n )
∂f ∂f ∂f
2 2 2
∆y = ∆x1 + ∆x 2 + ... + ∆x n ⎛ ∂f ⎞ ⎛ ∂f ⎞ ⎛ ∂f ⎞
∂x1 ∂x 2 ∂x n ⎜
Sy = ⎜ ⎟ ⎜
S x1 ⎟ + ⎜ ⎟ ⎜
S x 2 ⎟ + ... + ⎜ S x n ⎟⎟
⎝ ∂x1 ⎠ ⎝ ∂x 2 ⎠ ⎝ ∂x n ⎠
18
Piotr Cyganik 2008
Zapis niepewności
Notatki
Sprawozdanie
Zapis
nieprawidłowy
19
Piotr Cyganik 2008
Porównywanie wyników
warunek zgodności
warunek zgodności
20
Piotr Cyganik 2008
Rysowanie wykresów
Poprawnie Błędnie
21
Piotr Cyganik 2008
Regresja liniowa – dopasowywanie
prostej do zbioru punktów doświadczalnych
Problem:
poprowadzenie prostej y = a·x + b jak najlepiej dopasowanej do zbioru punktów
doświadczalnych (y1x1, y2x2, …,ynxn) i znalezienie parametrów a i b oraz ich
niepewności (Sa i Sb).
Metoda analityczna:
Metoda najmniejszych kwadratów polegająca na takim doborze parametrów a i b aby
zminimalizować sumę kwadratu różnicy pomiędzy odciętą punktu pomiarowego i
odpowiadającym mu punktem dopasowywanej prostej.
n 2
∑ [y − (ax + b )]
i =1
i i = min
n n n
n
n∑ xi y i −∑ xi ∑ y i
n n
n
∑ yi2 − a∑ xi yi − b∑ yi
Sa = ⋅ i =1 i =1 i =1
a= i =1 i =1 i =1
n−2 C
C
n n n
∑ y i −a ∑ xi ∑x 2
i
Współczynnik korelacji
n n n Liczymy używając
b= i =1 i =1
Sb = S a i =1
n∑ xi y i −∑ xi ∑ y i
n n odpowiedniego
r= i =1 i =1 i =1
gdzie CD oprogramowania
2 2
r ≤1
n
⎛ n ⎞ n
⎛ n ⎞
C = n∑ xi2 − ⎜ ∑ xi ⎟ D = n∑ y i2 − ⎜ ∑ y i ⎟ im r bliższe 1 tym
i =1 ⎝ i =1 ⎠ i =1 ⎝ i =1 ⎠
lepsze dopasowanie !
22
Piotr Cyganik 2008
Regresja liniowa – linearyzacja nieliniowych
zależności funkcyjnych.
Przykład:
Zmiana napięcia w czasie w trakcie rozładowywania kondensatora
A.Zięba, Pracownia Fizyczna WFiTJ, 2002
U(t) = U0exp(-t/τ)
20 40 60 t [ms]
y = b + a·x
23
Piotr Cyganik 2008
Kilka praktycznych uwag - podsumowanie:
25
Piotr Cyganik 2008