Analyse af måledata II
|
|
- Charlotte Steffensen
- 5 år siden
- Visninger:
Transkript
1 Analyse af måledata II Usikkerhedsberegning og grafisk repræsentation af måleusikkerhed Af Michael Brix Pedersen, Birkerød Gymnasium Forfatteren gennemgår grundlæggende begreber om måleusikkerhed på fysiske størrelser fejlophobningsloven i generel form fejlophobningsloven, som den udmønter sig for bestemte, enkle funktionsudtryk grafisk repræsentation af usikkerheder i LoggerPro og Excel
2 Analyse af måledata II af Michael Brix Pedersen Usikkerhedsberegninger 1 og grafisk repræsentation af usikkerheder år man måler en fysisk størrelse Z ønsker man at bestemme en talværdi z for denne. Sammen med en tilhørende enhed giver dette en værdi for den fysiske størrelse med en vis, ønsket nøjagtighed. Afvigelsen fra den sande værdi, som er en ideel, men som regel uopnåelig størrelse, skyldes forskellige målefejl, hvor nogle er tilfældige og andre er systematiske. Tilfældige og systematiske målefejl Tilfældige målefejl varierer i størrelse og fortegn fra måling til måling, mens systematiske fejl ikke ændrer sig fra en måling til den næste. Der vil derfor undertiden være mulighed for at korrigere den målte talværdi for systematiske fejl, men hvis man ikke i stand til at anslå den systematiske fejls størrelse og bestemme dens fortegn, må systematiske fejl behandles på lige fod med tilfældige fejl. år den målte størrelse er korrigeret for kendte, systematiske fejl og usikkerheden på grund af tilfældige fejl er fastlagt, oplyses svaret af målingen som den målte størrelse sammen med den tilhørende usikkerhed. Præcision og nøjagtighed Ved at gentage en måling kan man få afsløret måleresultatets statistiske usikkerhed, den såkaldte præcision (løst sagt: hvor spredt ligger målingerne), men man kan ikke på denne måde få afdækket måleresultatets nøjagtighed (løst sagt: hvor langt er måleresultaterne fra den sande værdi). Man kan illustrere forskellen på præcision og nøjagtighed ved at se på et eksempel hvor der foretages bueskydning mod en skive (se Fig. 1). Resultaterne (a) stammer fra skydning i stille vejr mod skivens centrum, hvor tyngdekraften på pilen systematisk flytter træfpunktet nedad. Præcisionen er stor, men nøjagtigheden lille. I tilfælde (b) ses resultaterne, når der i blæsevejr med uregelmæssig vind fra venstre sigtes mod centrum, og træfpunkterne får en øget vandret spredning, samtidig med at pilen afbøjes mod højre på grund af vinden. I dette tilfælde er både præcision og nøjagtighed er lille. I tilfældet (c) har bueskytten bedst muligt korrigeret sit sigte for både tyngdekraftens og vindens systematiske indvirkning og herved opnået større nøjagtighed end i (b), selv om præcisionen ikke er øget, fordi vinden er uregelmæssig. c a b Figur 1. Bueskydning, der viser forskellen på nøjagtighed og præcision. 1 Dele af denne note bygger på K.A. Mørch: Måletekniske begreber og behandling af måledata,. udgave, Institut for Fysik, DTU (000).
3 To typer af usikkerheder Som nævnt kan man bestemme usikkerheden på en måling ved at gentage målingen flere gange. Fordelen ved gentagelsesmålinger er, at man kan angive svaret som et gennemsnit af målingerne. Gennemsnittet er bedre bestemt end de enkelte målinger hver for sig og desuden opnås, som vi skal se, et estimat for målingernes præcision og dermed usikkerheden. En anden måde til at anslå usikkerheden på en måling er ved at udnytte kendskab til måleudstyrets præcision. Fx kan digitalt måleudstyrs usikkerhed ofte anslås som ±1 på sidste ciffer, uanset hvor mange målinger der udføres. Man kan sige, at instrumentet har en medfødt usikkerhed, som aldrig er nul. Præcis definition af usikkerhed på en måling Usikkerheden på en måling angives som et symmetrisk interval omkring den målte størrelse. Intervallet er defineret ved, at man med 68,3% sandsynlighed må forvente, at den sande værdi ligger i dette interval omkring den målte størrelse, det såkaldte 1σ-interval. Dette kaldes standardusikkerheden. Undertiden arbejder man men k 1σ, hvor k er et helt, positivt tal. σ svarer fx til 95.4% sandsynlighed for, at den sande værdi rammer inden for dette interval omkring den målte værdi. De sjove procenter stammer fra, at de tilfældige målefejl giver anledning til, at målingerne er normalfordelt omkring middelværdien μ med spredning σ. Gentagelsesmålinger: Middelværdi og standardafvigelse Gentagelsesmålinger er målinger, der er udført under tilstræbt ens eksperimentelle vilkår, så de alle kan antages at have samme usikkerhed. Det velkendte gennemsnit af en gentagelsesmålingerne er z = på gentagelsesmålingen er s z = i=1 (z i z ). 1 i=1 z i / og standardafvigelsen s z Med en enkelt måling kan man selvfølgelig ikke definere nogen standardafvigelse, så. At det er faktoren 1, og ikke, der optræder i nævneren skyldes, at der med målingerne er tale om en stikprøve og at den sande middelværdi ikke på forhånd er kendt. Se en nærmere forklaring på denne såkaldte Besselkorrektion. Endelig skal det bemærkes, at den standardafvigelse som opnås fra gentagelsesmålingerne undervurderer den sande spredning lidt. år man benytter den målte spredning (som er en stokastisk variabel) vil man i stedet for en normalfordeling have en Student-t fordeling. år forøges vil Student-t fordelingen nærme sig normalfordelingen og standardafvigelsen på gentagelsesmålingerne vil nærme sig spredningen for normalfordelingen. I praksis vil man ofte kun have tid til at foretage få gentagelsesmålinger, og i tabellen herunder kan man se den faktor t som standardafvigelsen fundet ved gentagelsesmålingerne skal ganges op med for at få et mere korrekt estimat for spredningen og dermed måleusikkerheden: = t = 1,84 1,3 1,0 1,14 1,11 1,09 1,06 1,04 1,01 1,00 Som man kan se er der kun en væsentlig korrektion når antallet af målinger er under 5. Se en nærmere forklaring her: (An Introduction to the Student-t distribution). 3
4 Fejlophobningsloven Antag, at en fysisk størrelse z afhænger af nogle andre fysiske størrelser, u, v og w således, at z = f(u, v, w) hvor f er en kendt funktion. Vi har foretaget målinger af hver af de fysiske størrelser u, v og w, Måleserierne betegnes u i, v i, w i (i = 1, ) og vi kender dermed målte middelværdier u, v og w og usikkerhederne σ u, σ v og σ w på de målte størrelser. Vi kan nu beregne værdierne z i (i = 1,,) og middelværdien af z: z i = f(u i, v i, w i ) z = f(u, v, w ) Fra teorien for funktioner af flere variable vides, at dz = z u så z z du + dv + dw v w z i z z u (u i u ) + z v (v i v ) + z w (w i w ) Her er der med den lodrette streg efter hver partiel afledet en kortfattede notation, som angiver at der er tale om værdien af den partielle afledede i punktet (u, v, w ). u kan standardafvigelsen på z findes, idet standardafvigelsens kvadrat pr. definition er givet ved: σ z = (z i z ) = i=1 ( z u (u i u ) + z v (v i v ) + z w (w i w )) i=1 ( z u ) i=1 (u i u ) + ( z v ) (v i v ) + ( z w ) (w i w ) +(u i u )(v i v ) z u z v + = = σ z u u + σ v z v + σ w z w + σ uv z u z v + hvor σ uv = i=1 (u i u )(v i v ) er den såkaldte kovarians. Denne er nul, hvis u, v og w er ukorrelerede størrelser, der ikke kan påvirke hinanden, hvilket vi vil antage her. Vi får nu det centrale resultat (fejlophobningsloven): (1) σ z = σ u ( z u ) + σ v ( z v ) + σ w ( z w ) = + 4
5 I det følgende skal gives en række eksempler på anvendelser af ophobningsloven i nogle almindeligt forekommende tilfælde, hvor beregningen af værdien af udtrykket (1) bliver ganske nem. Proportionalitet Hvis z = a u, hvor a er en konstant fås ved indsættelse i (1): z z = a, så = a og ( z u u u ) = a og dermed σ z = σ u a, hvormed σ z = a σ u. Usikkerheden bliver dermed ganget op med faktoren a. Addition af en konstant Hvis z = u + a fås z u = 1, så σ z = σ u. Usikkerheden ændres ikke ved at addere en konstant. Linearkombination Hvis z = au + bv + cw, hvor a, b og c er konstanter fås (prøv selv!) σ z = a σ u + b σ v + c σ w, hvoraf fås σ z = a σ u + b σ v + c σ w. Produkt (Eksempel: Rektangel) Et rektangels areal er givet ved A = u w. Usikkerheden på areal vil da ifølge (1) blive: σ A = σ u w + σ w u Kvadratet på den relative usikkerhed på arealet bliver derfor Hvoraf fås det enkle resultat, at så σ A w u A = σ u u w + σ u u w σ A A = σ u u + σ u w σ A A = σ u u + σ W w Er den relative usikkerhed på u og w fx 4% bliver den relative usikkerhed på arealet σ A = A 0,04 + 0,04 = 0,056 = 5,6% Produkt af potenser For z = u b v c, hvor a, b og c er konstanter kan man følge samme ide som ved beregningen i det foregående eksempel og nå frem til den relative usikkerhed på z: z = u abub 1 v c = bz, z = u v acub v c 1 = cz, så fra (1) fås v () σ z z = b ( σ u u ) + c ( σ v v ) 5
6 Ofte støder man på fysiske størrelser givet ved et produkt af potenser af andre fysiske størrelser. Ved hjælp af () er det relativt let at bestemme usikkerheden. Fx er svingningstiden af en masse m forbundet til en fjeder med fjederkonstant k givet ved T = π m. Antag med et lidt søgt eksempel, k at den relative usikkerhed på k er 5% og den relative usikkerhed på m er %. Derved bliver den relative usikkerhed på svingningstiden ( 1 ) 0,0 + ( 1 ) 0,05 = 0,07 =,7%. En anvendelse af det generelle udtryk Undertiden må man gå helt tilbage til (1) for at bestemme usikkerheden på en fysisk størrelse. Et eksempel kunne være følgende anvendelse af gitterformlen nλ = d sin θ n med n = 1, d = (3,0 ± 0,) 10 6 m og θ = 0,199 ± 0,003 rad (bemærk, at der benyttes rad, da sin skal opfattes som en funktion og differentieres). Vi vil gerne bestemme bølgelængden og usikkerheden på bølgelængden. Bølgelængden findes blot ved indsættelse i gitterformlen, og svaret er λ = 5, m. Usikkerheden bestemmes vha (1): σ λ = σ d ( λ d ) + σ n ( λ n ) + σ θ ( λ θ ) = σ d ( Så sin θ n ) + σ θ ( σ λ = m. Svaret bliver derfor λ = (5,9 ± 0,4) 10 7 m. Grafisk repræsentation af usikkerheder d cos θ n ) = 1, m u hvor bestemmelsen af usikkerheden på en fysisk størrelse er på plads, kan det være nyttigt at give en grafisk repræsentation af usikkerheden. Benyttes LoggerPro kan der tilføjes faner, der angiver usikkerheden på målingerne (enten vandret eller lodret eller i begge retninger). Usikkerhederne kan for hver datakolonne angives enten absolut i form af en separat kolonne med usikkerheder eller i form af en fast procentuel usikkerhed eller en fast absolut usikkerhed. Med udgangspunkt i eksemplet ovenfor med fjederen er vist måledata, hvor det er opgivet, at de relative usikkerhed på massen er % og den relative usikkerhed som vist er beregnet til,7%. 6
7 Figur. Eksempel på usikkerhedsfaner i LoggerPro Man kan fastlægge usikkerhederne ved for hver kolonne at vælge Kolonneindstillinger Datasæt [vælg det relevante datasæt] og herefter vælge fanen Indstillinger. På nedenstående Fig. 3 kan man se, hvorledes der enten kan benyttes en fast værdi for usikkerheden, en fast procent eller der kan benyttes en på forhånd indtastet kolonne med usikkerheder for hvert datapunkt. Dette kan selvfølgelig gøres for henholdsvis x- og y- koordinaten hver for sig. Figur 4. Dialogbox i LoggerPro til definering af usikkerhedsfaner. 7
8 I Excel kan også tilføjes usikkerhedsfaner, se nedenstående skærmbillede: Figur 5. Excel med datapunkter med usikkerhedsfaner og dialogbox. Menuerne kan ligge lidt skjult: Hvis man klikker på diagrammet kan man få adgang til ikonen Tilføj diagramelementer hvor et underpunkt er Fejllinjer Flere indstillinger for fejllinjer. u kan man arbejde i menuen i højre side af skærmbilledet. Vær særlig opmærksom på den lille pil ud for Indstilling for fejllinjer, der giver adgang til individuel indstilling af henholdsvis lodrette og vandrette fejllinjer. Der kan som i LoggerPro vælges en fast værdi, en procentværdi, men ikke på nogen nem måde en særligt defineret kolonne. 8
Analyse af måledata I
Analyse af måledata I Faldforsøg undersøgt med LoggerPro Af Michael Brix Pedersen, Birkerød Gymnasium I fysik skal eleverne lære at behandle og repræsentere måledata, som enten er indsamlet ved manuelle
Læs mereLandmålingens fejlteori - Lektion 2. Sandsynlighedsintervaller Estimation af µ Konfidensinterval for µ. Definition: Normalfordelingen
Landmålingens fejlteori Lektion Sandsynlighedsintervaller Estimation af µ Konfidensinterval for µ - rw@math.aau.dk Institut for Matematiske Fag Aalborg Universitet En stokastisk variabel er en variabel,
Læs mereInstitut for Matematiske Fag Aalborg Universitet Specielt: Var(aX) = a 2 VarX 1/40. Lad X α, X β og X γ være stokastiske variable (vinkelmålinger) med
Repetition: Varians af linear kombination Landmålingens fejlteori Lektion 5 Fejlforplantning - rw@math.aau.dk Antag X 1, X,..., X n er uafhængige stokastiske variable, og Y er en linearkombination af X
Læs mereEn sumformel eller to - om interferens
En sumformel eller to - om interferens - fra borgeleo.dk Vi ønsker - af en eller anden grund - at beregne summen og A x = cos(0) + cos(φ) + cos(φ) + + cos ((n 1)φ) A y = sin (0) + sin(φ) + sin(φ) + + sin
Læs mereDefinition: Normalfordelingen. siges at være normalfordelt med middelværdi µ og varians σ 2, hvor µ og σ er reelle tal og σ > 0.
Landmålingens fejlteori Lektion 2 Transformation af stokastiske variable - kkb@math.aau.dk http://people.math.aau.dk/ kkb/undervisning/lf12 Institut for Matematiske Fag Aalborg Universitet Repetition:
Læs mereStudieretningsopgave
Virum Gymnasium Studieretningsopgave Harmoniske svingninger i matematik og fysik Vejledere: Christian Holst Hansen (matematik) og Bodil Dam Heiselberg (fysik) 30-01-2014 Indholdsfortegnelse Indledning...
Læs mereFysik 2 - Den Harmoniske Oscillator
Fysik 2 - Den Harmoniske Oscillator Esben Bork Hansen, Amanda Larssen, Martin Qvistgaard Christensen, Maria Cavallius 5. januar 2009 Indhold 1 Formål 1 2 Forsøget 2 3 Resultater 3 4 Teori 4 4.1 simpel
Læs mereFejlforplantning. Landmålingens fejlteori - Lektion 5 - Fejlforplantning. Repetition: Varians af linear kombination. Eksempel: Vinkelberegning
Fejlforplantning Landmålingens fejlteori Lektion 5 Fejlforplantning - kkb@math.aau.dk http://people.math.aau.dk/ kkb/undervisning/lf13 Landmåling involverer ofte bestemmelse af størrelser som ikke kan
Læs mereOversigt over emner. Punktestimatorer: Centralitet(bias) og efficiens
Oversigt Oversigt over emner 1 Punkt- og intervalestimation Punktestimatorer: Centralitet(bias) og efficiens 2 Konfidensinterval Konfidensinterval for andel Konfidensinterval - normalfordelt stikprøve
Læs mereDen todimensionale normalfordeling
Den todimensionale normalfordeling Definition En todimensional stokastisk variabel X Y siges at være todimensional normalfordelt med parametrene µ µ og når den simultane tæthedsfunktion for X Y kan skrives
Læs mereResidualer i grundforløbet
Erik Vestergaard www.matematikfysik.dk 1 Residualer i grundforløbet I dette lille tillæg til grundforløbet, skal vi kigge på begreberne residualer, residualplot samt residualspredning. Vi vil se, hvad
Læs mereLandmålingens fejlteori - Lektion 2 - Transformation af stokastiske variable
Landmålingens fejlteori Lektion 2 Transformation af stokastiske variable - kkb@math.aau.dk http://people.math.aau.dk/ kkb/undervisning/lf12 Institut for Matematiske Fag Aalborg Universitet 1/31 Repetition:
Læs mere1/41. 2/41 Landmålingens fejlteori - Lektion 1 - Kontinuerte stokastiske variable
Landmålingens fejlteori - lidt om kurset Landmålingens fejlteori Lektion 1 Det matematiske fundament Kontinuerte stokastiske variable - rw@math.aau.dk Institut for Matematiske Fag Aalborg Universitet Kursusholder
Læs mereEt eksempel på en todimensional normalfordeling Anders Milhøj September 2006
Et eksempel på en todimensional normalfordeling Anders Milhøj September 006 I dette notat gennemgås et eksempel, der illustrerer den todimensionale normalfordelings egenskaber. Notatet lægger sig op af
Læs mereC) Perspektiv jeres kommunes resultater vha. jeres svar på spørgsmål b1 og b2.
C) Perspektiv jeres kommunes resultater vha. jeres svar på spørgsmål b1 og b. 5.000 4.800 4.600 4.400 4.00 4.000 3.800 3.600 3.400 3.00 3.000 1.19% 14.9% 7.38% 40.48% 53.57% 66.67% 79.76% 9.86% 010 011
Læs mereDeskriptiv statistik for hf-matc
Deskriptiv statistik for hf-matc 75 50 25 2018 Karsten Juul Deskriptiv statistik for hf-matc Hvad er deskriptiv statistik? 1.1 Hvad er deskriptiv statistik?... 1 1.2 Hvad er grupperede og ugrupperede data?...
Læs mereLandmålingens fejlteori - Lektion 5 - Fejlforplantning
Landmålingens fejlteori Lektion 5 Fejlforplantning - kkb@math.aau.dk Institut for Matematiske Fag Aalborg Universitet 1/30 Fejlforplantning Landmåling involverer ofte bestemmelse af størrelser som ikke
Læs merefor gymnasiet og hf 2017 Karsten Juul
for gymnasiet og hf 75 50 5 017 Karsten Juul Statistik for gymnasiet og hf 017 Karsten Juul 5/11-017 Nyeste version af dette hæfte kan downloades fra http://mat1.dk/noter.htm Hæftet må benyttes i undervisningen
Læs mereLineære sammenhænge, residualplot og regression
Lineære sammenhænge, residualplot og regression Opgave 1: Er der en bagvedliggende lineær sammenhæng? I mange sammenhænge indsamler man data som man ønsker at undersøge og afdække eventuelle sammenhænge
Læs mereStatistik viden eller tilfældighed
MATEMATIK i perspektiv Side 1 af 9 DNA-analyser 1 Sandsynligheden for at en uskyldig anklages Følgende histogram viser, hvordan fragmentlængden for et DNA-område varierer inden for befolkningen. Der indgår
Læs mereKursusindhold: Produkt og marked - matematiske og statistiske metoder. Monte Carlo
Kursusindhold: Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet Sandsynlighedsregning og lagerstyring Normalfordelingen og Monte
Læs mereKursusindhold: Produkt og marked - matematiske og statistiske metoder. Monte Carlo
Kursusindhold: Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet Sandsynlighedsregning og lagerstyring Normalfordelingen og Monte
Læs mereTeoretisk Statistik, 9 marts nb. Det forventes ikke, at alt materialet dækkes d. 9. marts.
Teoretisk Statistik, 9 marts 2005 Empiriske analoger (Kap. 3.7) Normalfordelingen (Kap. 3.12) Opsamling på Kap. 3 nb. Det forventes ikke, at alt materialet dækkes d. 9. marts. 1 Empiriske analoger Betragt
Læs mereEstimation og usikkerhed
Estimation og usikkerhed = estimat af en eller anden ukendt størrelse, τ. ypiske ukendte størrelser Sandsynligheder eoretisk middelværdi eoretisk varians Parametre i statistiske modeller 1 Krav til gode
Læs mereElementær sandsynlighedsregning
Elementær sandsynlighedsregning Sandsynlighedsbegrebet Et udfaldsrum S er mængden af alle de mulige udfald af et eksperiment. En hændelse A er en delmængde af udfaldsrummet S. Den hændelse, der ikke indeholder
Læs mereForelæsning 5: Kapitel 7: Inferens for gennemsnit (One-sample setup)
Kursus 02402 Introduktion til Statistik Forelæsning 5: Kapitel 7: Inferens for gennemsnit (One-sample setup) Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks Tekniske
Læs mereStatistik Lektion 3. Simultan fordelte stokastiske variable Kontinuerte stokastiske variable Normalfordelingen
Statistik Lektion 3 Simultan fordelte stokastiske variable Kontinuerte stokastiske variable Normalfordelingen Repetition En stokastisk variabel er en funktion defineret på S (udfaldsrummet, der antager
Læs mereDeskriptiv statistik for matc i stx og hf
Deskriptiv statistik for matc i stx og hf 75 50 25 2019 Karsten Juul Deskriptiv statistik for matc i stx og hf Hvad er deskriptiv statistik? 1.1 Hvad er deskriptiv statistik?... 1 1.2 Hvad er grupperede
Læs mereMaple. Skærmbilledet. Vi starter med at se lidt nærmere på opstartsbilledet i Maple. Værktøjslinje til indtastningsområdet. Menulinje.
Maple Dette kapitel giver en kort introduktion til hvordan Maple 12 kan benyttes til at løse mange af de opgaver, som man bliver mødt med i matematiktimerne på HHX. Skærmbilledet Vi starter med at se lidt
Læs mereProdukt og marked - matematiske og statistiske metoder
Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet February 19, 2016 1/26 Kursusindhold: Sandsynlighedsregning og lagerstyring
Læs mereAnalyse af en lineær regression med lav R 2 -værdi
Analyse af en lineær regression med lav R 2 -værdi Denne gennemgang omhandler figur 13 i Regn med biologi. Man kan sagtens lave beregninger på egne data. Forsøgsmæssigt kræver det bare en tommestok tapet
Læs mereNormalfordelingen og Stikprøvefordelinger
Normalfordelingen og Stikprøvefordelinger Normalfordelingen Standard Normal Fordelingen Sandsynligheder for Normalfordelingen Transformation af Normalfordelte Stok.Var. Stikprøver og Stikprøvefordelinger
Læs mere3.600 kg og den gennemsnitlige fødselsvægt kg i stikprøven.
PhD-kursus i Basal Biostatistik, efterår 2006 Dag 1, onsdag den 6. september 2006 Eksempel: Sammenhæng mellem moderens alder og fødselsvægt I dag: Introduktion til statistik gennem analyse af en stikprøve
Læs mereLandmålingens fejlteori - Lektion 3. Estimation af σ Dobbeltmålinger Geometrisk nivellement Linearisering
Landmålingens fejlteori Lektion 3 Estimation af σ Dobbeltmålinger Geometrisk nivellement Linearisering - rw@math.aau.dk Institut for Matematiske Fag Aalborg Universitet 1/31 Repetition: Middelværdi og
Læs mereKapitel 12 Variansanalyse
Kapitel 12 Variansanalyse Peter Tibert Stoltze stat@peterstoltzedk Elementær statistik F2011 Version 7 april 2011 1 / 43 Indledning Sammenligning af middelværdien i to grupper indenfor en stikprøve kan
Læs mereLandmålingens fejlteori Lektion 1 Det matematiske fundament Kontinuerte stokastiske variable
Landmålingens fejlteori Lektion 1 Det matematiske fundament Kontinuerte stokastiske variable - rw@math.aau.dk Institut for Matematiske Fag Aalborg Universitet 1/41 Landmålingens fejlteori - lidt om kurset
Læs mereOversigt. Kursus Introduktion til Statistik. Forelæsning 3: Kapitel 5: Kontinuerte fordelinger. Per Bruun Brockhoff.
Kursus 242 Introduktion til Statistik Forelæsning 3: Kapitel 5: Kontinuerte fordelinger Per Bruun Brockhoff DTU Compute, Statistik Bygning 35/324 Danmarks Tekniske Universitet 28 Lyngby Danmark e-mail:
Læs mereStatistiske modeller
Statistiske modeller Statistisk model Datamatrice Variabelmatrice Hændelse Sandsynligheder Data Statistiske modeller indeholder: Variable Hændelser defineret ved mulige variabel værdier Sandsynligheder
Læs mereOpgaver til kapitel 3
Opgaver til kapitel 3 3.1 En løber er interesseret i at undersøge om hendes løbeur er kalibreret korrekt. Hun udmåler derfor en strækning på præcis 1000 m og løber den 16 gange. For hver løbetur noterer
Læs mereSandsynlighed og Statistik
36 Sandsynlighed og Statistik 6.1 Indledning Denne note beskriver de statistiske begreber og formler som man med rimelig sandsynlighed kan komme ud for i eksperimentelle øvelser. Alt er yderst korfattet,
Læs mereAntag X 1, X 2,..., X n er n uafhængige stokastiske variable, hvor Var(X 1 )=σ 2 1,..., Var(X n )=σ 2 n.
Simple fejlforplantningslov Landmålingens fejlteori Lektion 6 Den generelle fejlforplantningslov Antag X, X,, X n er n uafhængige stokastiske variable, hvor Var(X )σ,, Var(X n )σ n Lad Y g(x, X,, X n ),
Læs mereBilag til Statistik i løb : Statistik og Microsoft Excel tastevejledning / af Lars Bo Kristensen
Bilag til Statistik i løb : Statistik og Microsoft Excel tastevejledning / af Lars Bo Kristensen Microsoft Excel har en del standard anvendelsesmuligheder i forhold til den beskrivende statistik og statistisk
Læs mereBilag 6: Bootstrapping
Bilag 6: Bootstrapping Bilaget indeholder en gennemgang af bootstrapping og anvendelsen af bootstrapping til at bestemme den konkurrencepressede front. FORSYNINGSSEKRETARIATET FEBRUAR 2013 INDLEDNING...
Læs mereLandmålingens fejlteori - Repetition - Kontinuerte stokastiske variable - Lektion 3
Landmålingens fejlteori Repetition - Kontinuerte stokastiske variable Lektion 4 - kkb@math.aau.dk http://people.math.aau.dk/ kkb/undervisning/lf10 Institut for Matematiske Fag Aalborg Universitet 29. april
Læs mereForelæsning 3: Kapitel 5: Kontinuerte fordelinger
Kursus 02402 Introduktion til Statistik Forelæsning 3: Kapitel 5: Kontinuerte fordelinger Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks Tekniske Universitet 2800
Læs mereMikro-kursus i statistik 1. del. 24-11-2002 Mikrokursus i biostatistik 1
Mikro-kursus i statistik 1. del 24-11-2002 Mikrokursus i biostatistik 1 Hvad er statistik? Det systematiske studium af tilfældighedernes spil!dyrkes af biostatistikere Anvendes som redskab til vurdering
Læs mereEt firma tuner biler. Antallet af en bils cylindere er givet ved den stokastiske variabel X med massetæthedsfunktionen
STATISTIK Skriftlig evaluering, 3. semester, mandag den 6. januar 004 kl. 9.00-13.00. Alle hjælpemidler er tilladt. Opgaveløsningen forsynes med navn og CPR-nr. OPGAVE 1 Et firma tuner biler. Antallet
Læs mereAnvendt Statistik Lektion 6. Kontingenstabeller χ 2- test [ki-i-anden-test]
Anvendt Statistik Lektion 6 Kontingenstabeller χ 2- test [ki-i-anden-test] Kontingenstabel Formål: Illustrere/finde sammenhænge mellem to kategoriske variable Opbygning: En celle for hver kombination af
Læs mereRepetition. Diskrete stokastiske variable. Kontinuerte stokastiske variable
Normal fordelingen Normal fordelingen Egenskaber ved normalfordelingen Standard normal fordelingen Find sandsynligheder ud fra tabel Transformation af normal fordelte variable Invers transformation Repetition
Læs mereKvadratisk regression
Kvadratisk regression Helle Sørensen Institut for Matematiske Fag Københavns Universitet Juli 2011 I kapitlet om lineær regression blev det vist hvordan man kan modellere en lineær sammenhæng mellem to
Læs mereLandmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl
Landmålingens fejlteori Lektion 4 Vægtet gennemsnit Fordeling af slutfejl - rw@math.aau.dk Institut for Matematiske Fag Aalborg Universitet 1/36 Estimation af varians/spredning Antag X 1,...,X n stokastiske
Læs mereVejledning i at tegne boksplot i Excel 2007
Vejledning i at tegne boksplot i Excel 2007 Indhold Tegning af boksplot. Man kan ikke tegne flere boksplot på samme figur i Excel 2007, men man kan sammenligne to boksplot ved at tegne dem hver for sig
Læs mereNote om Monte Carlo metoden
Note om Monte Carlo metoden Kasper K. Berthelsen Version 1.2 25. marts 2014 1 Introduktion Betegnelsen Monte Carlo dækker over en lang række metoder. Fælles for disse metoder er, at de anvendes til at
Læs merePointen med Differentiation
Pointen med Differentiation Frank Nasser 20. april 2011 c 2008-2011. Dette dokument må kun anvendes til undervisning i klasser som abonnerer på MatBog.dk. Se yderligere betingelser for brug her. Bemærk:
Læs mereDefinition. Definitioner
Definition Landmålingens fejlteori Lektion Diskrete stokastiske variable En reel funktion defineret på et udfaldsrum (med sandsynlighedsfordeling) kaldes en stokastisk variabel. - kkb@math.aau.dk http://people.math.aau.dk/
Læs mereTema. Dagens tema: Indfør centrale statistiske begreber.
Tema Dagens tema: Indfør centrale statistiske begreber. Model og modelkontrol Estimation af parametre. Fordeling. Hypotese og test. Teststørrelse. konfidensintervaller Vi tager udgangspunkt i Ex. 3.1 i
Læs mereKapitel 12 Variansanalyse
Kapitel 12 Variansanalyse Peter Tibert Stoltze stat@peterstoltzedk Elementær statistik F2011 Version 7 april 2011 1 Indledning 2 Ensidet variansanalyse 3 Blokforsøg 4 Vekselvirkning 1 Indledning 2 Ensidet
Læs mere6. SEMESTER Epidemiologi og Biostatistik Opgaver til Uge 1 (fredag)
Institut for Epidemiologi og Socialmedicin Institut for Biostatistik. SEMESTER Epidemiologi og Biostatistik Opgaver til Uge 1 (fredag) Opgave 1 Læs afsnit.1 i An Introduction to Medical Statistics, specielt
Læs mereDeskriptiv statistik. Version 2.1. Noterne er et supplement til Vejen til matematik AB1. Henrik S. Hansen, Sct. Knuds Gymnasium
Deskriptiv (beskrivende) statistik er den disciplin, der trækker de væsentligste oplysninger ud af et ofte uoverskueligt materiale. Det sker f.eks. ved at konstruere forskellige deskriptorer, d.v.s. regnestørrelser,
Læs mereIndhold Grupperede observationer... 1 Ugrupperede observationer... 3 Analyse af normalfordelt observationssæt... 4
BH Test for normalfordeling i WordMat Indhold Grupperede observationer... 1 Ugrupperede observationer... 3 Analyse af normalfordelt observationssæt... 4 Grupperede observationer Vi tager udgangspunkt i
Læs mereBinomial fordeling. n f (x) = p x (1 p) n x. x = 0, 1, 2,...,n = x. x x!(n x)! Eksempler. Middelværdi np og varians np(1 p). 2/
Program: 1. Repetition af vigtige sandsynlighedsfordelinger: binomial, (Poisson,) normal (og χ 2 ). 2. Populationer og stikprøver 3. Opsummering af data vha. deskriptive størrelser og grafer. 1/29 Binomial
Læs mere5.11 Middelværdi og varians Kugler Ydelse for byg [Obligatorisk opgave 2, 2005]... 14
Module 5: Exercises 5.1 ph i blod.......................... 1 5.2 Medikamenters effektivitet............... 2 5.3 Reaktionstid........................ 3 5.4 Alkohol i blodet...................... 3 5.5
Læs mereRapport uge 48: Skråplan
Rapport uge 48: Skråplan Morten A. Medici, Jonatan Selsing og Filip Bojanowski 2. december 2008 Indhold 1 Formål 2 2 Teori 2 2.1 Rullebetingelsen.......................... 2 2.2 Konstant kraftmoment......................
Læs mereAnvendt Statistik Lektion 7. Simpel Lineær Regression
Anvendt Statistik Lektion 7 Simpel Lineær Regression 1 Er der en sammenhæng? Plot af mordraten () mod fattigdomsraten (): Scatterplot Afhænger mordraten af fattigdomsraten? 2 Scatterplot Et scatterplot
Læs mereHvorfor er normalfordelingen så normal?
Hvorfor er normalfordelingen så normal? Søren Højsgaard Institut for Matematiske Fag, Aalborg Universitet October 24, 2018 normalfordelingen så normal? October 24, 2018 1 / 13 Højde af kvinder Histogram
Læs mereProjekt 4.6 Løsning af differentialligninger ved separation af de variable
Projekt 4.6 Løsning af differentialligninger ved separation af de variable Differentialligninger af tpen d hx () hvor hx ()er en kontinuert funktion, er som nævnt blot et stamfunktionsproblem. De løses
Læs mere2 X 2 = Antal mygstik på enpersoniløbetaf1minut
Opgave I I mange statistiske undersøgelser bygger man analysen på anvendelse af normalfordelingen til (eventuelt tilnærmelsesvist) at beskrive den tilfældige variation. Spørgsmål I.1 (1): Forén af følgende
Læs mereKvantitative Metoder 1 - Forår Dagens program
Dagens program Afsnit 6.1 Den standardiserede normalfordeling Normalfordelingen Beskrivelse af normalfordelinger: - Tæthed og fordelingsfunktion - Middelværdi, varians og fraktiler Lineære transformationer
Læs mereenote 2: Kontinuerte fordelinger Introduktion til Statistik Forelæsning 3: Kontinuerte fordelinger Peder Bacher enote 2: Continuous Distributions
Introduktion til Statistik Forelæsning 3: Kontinuerte fordelinger Peder Bacher DTU Compute, Dynamiske Systemer Bygning 33B, Rum 9 Danmarks Tekniske Universitet 28 Lyngby Danmark e-mail: pbac@dtu.dk Efterår
Læs mereKvantitative Metoder 1 - Efterår Dagens program
Dagens program Afsnit 6.1. Ligefordelinger, fra sidst Den standardiserede normalfordeling Normalfordelingen Beskrivelse af normalfordelinger: - Tæthed og fordelingsfunktion - Middelværdi, varians og fraktiler
Læs mereKonfidensintervaller og Hypotesetest
Konfidensintervaller og Hypotesetest Konfidensinterval for andele χ -fordelingen og konfidensinterval for variansen Hypoteseteori Hypotesetest af middelværdi, varians og andele Repetition fra sidst: Konfidensintervaller
Læs mereHvad er meningen? Et forløb om opinionsundersøgelser
Hvad er meningen? Et forløb om opinionsundersøgelser Jette Rygaard Poulsen, Frederikshavn Gymnasium og HF-kursus Hans Vestergaard, Frederikshavn Gymnasium og HF-kursus Søren Lundbye-Christensen, AAU 17-10-2004
Læs mere02402 Vejledende løsninger til hjemmeopgaver og øvelser, Uge 4
02402 Vejledende løsninger til hjemmeopgaver og øvelser, Uge 4 Vejledende løsning 5.46 P (0.010 < error < 0.015) = (0.015 0.010)/0.050 = 0.1 > punif(0.015,-0.025,0.025)-punif(0.01,-0.025,0.025) [1] 0.1
Læs mereGennemsnit og normalfordeling illustreret med terningkast, simulering og SLUMP()
Gennemsnit og normalfordeling illustreret med terningkast, simulering og SLUMP() John Andersen, Læreruddannelsen i Aarhus, VIA Et kast med 10 terninger gav følgende udfald Fig. 1 Result of rolling 10 dices
Læs mereMotivation. Konfidensintervaller og vurdering af usikkerhed på estimerede størrelser
Motivation Konfidensintervaller og vurdering af usikkerhed på estimerede størrelser Rasmus Waagepetersen October 26, 2018 Eksempel: En landmåler får til opgave at måle længden λ fra A til B. Entreprenøren
Læs merefor gymnasiet og hf 2016 Karsten Juul
for gymnasiet og hf 75 50 5 016 Karsten Juul Statistik for gymnasiet og hf Ä 016 Karsten Juul 4/1-016 Nyeste version af dette håfte kan downloades fra http://mat1.dk/noter.htm HÅftet mç benyttes i undervisningen
Læs mereAnvendt Statistik Lektion 2. Sandsynlighedsregning Sandsynlighedsfordelinger Normalfordelingen Stikprøvefordelinger
Anvendt Statistik Lektion 2 Sandsynlighedsregning Sandsynlighedsfordelinger Normalfordelingen Stikprøvefordelinger Sandsynlighed: Opvarmning Udfald Resultatet af et eksperiment kaldes et udfald. Eksempler:
Læs mereLandmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl
Landmålingens fejlteori Lektion 4 Vægtet gennemsnit Fordeling af slutfejl - kkb@math.aau.dk http://people.math.aau.dk/ kkb/undervisning/lf13 Institut for Matematiske Fag Aalborg Universitet 1/1 Vægtet
Læs mereVektorer og lineær regression
Vektorer og lineær regression Peter Harremoës Niels Brock April 03 Planproduktet Vi har set, at man kan gange en vektor med et tal Et oplagt spørgsmål er, om man også kan gange to vektorer med hinanden
Læs mereBernoulli og binomial fordelingerne Kontinuerte stokastiske variable Normalfordelingen
Bernoulli og binomial fordelingerne Kontinuerte stokastiske variable Normalfordelingen Repetition Lov om total sandsynlighed Bayes sætning P( B A) = P(A) = P(AI B) + P(AI P( A B) P( B) P( A B) P( B) +
Læs mereØvelse 1.5: Spændingsdeler med belastning Udført af: Kari Bjerke Sørensen, Hjalte Sylvest Jacobsen og Toke Lynæs Larsen.
Øvelse 1.5: Spændingsdeler med belastning Udført af: Kari jerke Sørensen, Hjalte Sylvest Jacobsen og Toke Lynæs Larsen. Formål: Formålet med denne øvelse er at anvende Ohms lov på en såkaldt spændingsdeler,
Læs mereVektorer og lineær regression. Peter Harremoës Niels Brock
Vektorer og lineær regression Peter Harremoës Niels Brock April 2013 1 Planproduktet Vi har set, at man kan gange en vektor med et tal. Et oplagt spørgsmål er, om man også kan gange to vektorer med hinanden.
Læs mereUniversity of Copenhagen. Notat om statistisk inferens Larsen, Martin Vinæs. Publication date: Document Version Peer-review version
university of copenhagen University of Copenhagen Notat om statistisk inferens Larsen, Martin Vinæs Publication date: 2014 Document Version Peer-review version Citation for published version (APA): Larsen,
Læs mereStikprøver og stikprøve fordelinger. Stikprøver Estimatorer og estimater Stikprøve fordelinger Egenskaber ved estimatorer Frihedsgrader
Stikprøver og stikprøve fordelinger Stikprøver Estimatorer og estimater Stikprøve fordelinger Egenskaber ved estimatorer Frihedsgrader Statistik Statistisk Inferens: Prediktere og forekaste værdier af
Læs mere12 TOLERANCER 1 12 TOLERANCER
12 TOLERANCER 12 TOLERANCER 1 12.1 Tolerancer 2 12.1.1 Betonelementers mål 2 12.1.2 Byggepladsmål 2 12.1.3 Grundlæggende tolerancebegreber 3 12.1.4 Vejledende beregning til valg af toleranceangivelser
Læs mereProjekt 8.3 Hvordan undersøges om et talmateriale normalfordelt?
Projekt 8.3 Hvordan undersøges om et talmateriale normalfordelt? Projektet drejer sig om at udvikle en metode, til at undersøge om et givet talmateriale med rimelighed kan siges at være normalfordelt.
Læs mereBrugervejledning til Graph
Graph (brugervejledning) side 1/17 Steen Toft Jørgensen Brugervejledning til Graph Graph er et gratis program, som ikke fylder meget. Downloades på: www.padowan.dk/graph/. Programmet er lavet af Ivan Johansen,
Læs mereStatistik i GeoGebra
Statistik i GeoGebra Peter Harremoës 13. maj 2015 Jeg vil her beskrive hvordan man kan lave forskellige statistiske analyser ved hjælp af GeoGebra 4.2.60.0. De statistiske analyser svarer til pensum Matematik
Læs mere6. SEMESTER Epidemiologi og Biostatistik Opgaver til Uge 1 (fredag)
Institut for Folkesundhed Afdeling for Biostatistik Afdeling for Epidemiologi. SEMESTER Epidemiologi og Biostatistik Opgaver til Uge 1 (fredag) Opgave 1 Udgangspunktet for de følgende spørgsmål er artiklen:
Læs mereMonte Carlo-metoder til fastlæggelse af måleusikkerhed i forbindelse med flowmåling
Monte Carlo-metoder til fastlæggelse af måleusikkerhed i forbindelse med flowmåling Temadag: Flow og energimåling til forsyningerne, 3. dec. 2013 Morten Karstoft Rasmussen, Kalibrering, Energi og Klima,
Læs mereHøjde af kvinder 2 / 18
Hvorfor er normalfordelingen så normal? og er den nu også det? Søren Højsgaard (updated: 2019-03-17) 1 / 18 Højde af kvinder 2 / 18 Inddeler man i mindre grupper kan man forestille sig at histogrammet
Læs mereLidt om fordelinger, afledt af normalfordelingen
IMM, 2002-10-10 Poul Thyregod Lidt om fordelinger, afledt af normalfordelingen 1 Introduktion I forbindelse med inferens i normalfordelinger optræder forskellige fordelinger, der er afledt af normalfordelingen,
Læs mereVægte motiverende eksempel. Landmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl. Vægtet model. Vægtrelationen
Vægte motiverende eksempel Landmålingens fejlteori Lektion 4 Vægtet gennemsnit Fordeling af slutfejl - kkb@mathaaudk Institut for Matematiske Fag Aalborg Universitet Højdeforskellen mellem punkterne P
Læs mereStatistik. Peter Sørensen: Statistik og sandsynlighed Side 1
Statistik Formålet... 1 Mindsteværdi... 1 Størsteværdi... 1 Ikke grupperede observationer... 2 Median og kvartiler defineres ved ikke grupperede observationer således:... 2 Middeltal defineres ved ikke
Læs mereKursusindhold: X i : tilfældig værdi af ite eksperiment. Antag X i kun antager værdierne 1, 2,..., M.
Kursusindhold: Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet March 1, 2013 Sandsynlighedsregning og lagerstyring Normalfordelingen
Læs mereKræfter og Energi. Nedenstående sammenhæng mellem potentiel energi og kraft er fundamental og anvendes indenfor mange af fysikkens felter.
Kræfter og Energi Jacob Nielsen 1 Nedenstående sammenhæng mellem potentiel energi og kraft er fundamental og anvendes indenfor mange af fysikkens felter. kraften i x-aksens retning hænger sammen med den
Læs mereRegneregler for middelværdier M(X+Y) = M X +M Y. Spredning varians og standardafvigelse. 1 n VAR(X) Y = a + bx VAR(Y) = VAR(a+bX) = b²var(x)
Formelsamlingen 1 Regneregler for middelværdier M(a + bx) a + bm X M(X+Y) M X +M Y Spredning varians og standardafvigelse VAR(X) 1 n n i1 ( X i - M x ) 2 Y a + bx VAR(Y) VAR(a+bX) b²var(x) 2 Kovariansen
Læs mereGPS stiller meget præcise krav til valg af målemetode
GPS stiller meget præcise krav til valg af målemetode 1 Måleteknisk er vi på flere måder i en ny og ændret situation. Det er forhold, som påvirker betydningen af valget af målemetoder. - Der er en stadig
Læs mereI dag. Statistisk analyse af en enkelt stikprøve med kendt varians Sandsynlighedsregning og Statistik (SaSt) Eksempel: kobbertråd
I dag Statistisk analyse af en enkelt stikprøve med kendt varians Sandsynlighedsregning og Statistik SaSt) Helle Sørensen Først lidt om de sidste uger af SaSt. Derefter statistisk analyse af en enkelt
Læs mere