Elektriske sensorer og præcision Materialesamling
|
|
- Bo Johannsen
- 3 år siden
- Visninger:
Transkript
1 Elektriske sensorer og præcision Materialesamling Der er i dag rigtig mange produkter, der skal kunne måle og registrere forskellige parametre, som f.eks. temperaturer, lys eller bevægelse. Som forbrugere har vi en forventning om, at produkter som termometre, termostater, GPS, hastighedsmålere m.v., som vi køber, kan måle tilstrækkelig præcist. En række virksomheder i Danmark arbejder med at udvikle og producere avanceret måleudstyr. En del af måleudstyret bliver efterfølgende indbygget i maskiner og apparatur, og tilstrækkelig præcision af sensorerne er afgørende for kvaliteten af udstyret. En af de teknologier, der anvendes i avanceret måleudstyr, er elektriske sensorer. En sensor er et apparat, som giver respons på en fysisk stimulans/påvirkning og giver et signal som resultat heraf. Langt de fleste sensorer giver et elektrisk signal fra sig, når de "rammer" et objekt. Elektriske sensorer benyttes bl.a. til at måle spændingsforskelle i forskellige medier. De måledata, der registreres, kan efterfølgende analyseres eksempelvis ved hjælp af en computer. I dette undervisningsforløb til fysik i gymnasiet skal I arbejde med simple elektriske kredsløb, få en forståelse af elektriske sensorer og selv arbejde med måleudstyr og præcision af målinger samt databehandling. Som et led i undervisningsforløbet skal I besøge en virksomhed, der arbejder med at udvikle avanceret måleudstyr.
2 Modul 1 Lektie til Modul 1 Kilde: Hele lektien til modul 1 er med tilladelse klippet fra Metrologi.dk (Sabrina Rostgaard Johannsen og Morten Hannibal Madsen, A1 Introduktion til målinger). Indledning Målinger har altid haft en central rolle i vores samfund og er en fast del af vores dagligdag. Forestil dig en hverdag uden målinger. Du vil ikke kunne planlægge din dag uden et ur. Broer vil styrte sammen, da de er bygget upræcist. Fly vil styrte ned, fordi man ikke ved, hvornår brændstoftanken er tom. Læger vil ikke kunne fastslå sygdomme ud fra en blodprøve. Helt tilbage til det gamle Egypten har betydningen af målinger været kendt. Bygningen af de store pyramider var ikke mulig uden at sikre, at alle målte ens. Egypterne anvendte Faraos arm som reference for alle deres målinger, se figur 1. Hver bygherre havde en træstok med præcis denne længde. Ved fuldmåne skulle deres træstokke kontrolmåles, og havde den en forkert længde, fik bygherren hugget hænderne af. Læren om målinger og målemetoder hedder metrologi. Det kommer af det græske ord metros, der betyder at måle. Figur 1: I det antikke Egypten blev Faraos arm benyttet som længde reference med betegnelsen "cubit"
3 Målinger Målinger har til formål at bestemme talværdien af en målestørrelse. En målestørrelse kan f.eks. være længde, elektrisk spænding eller temperatur. Resultatet af målinger består af en talværdi og en måleenhed. Målinger kræver altid en reference at sammenligne med. Spørgsmålet "hvem er højest i klassen?" kan besvares på 2 måder: 1) Ved at sammenligne højden af alle elever ryg mod ryg. Her anvendes 1 person som reference for de andre målinger. 2) Eller ved at anvende et målebånd og aflæse højden af hver enkelt elev på målebåndet. I dette tilfælde er målebåndet en reference (figur 2). Figur 2: Et målebånd kan bruges som reference For at sammenligne målingerne af elevernes højde med andre elever, som befinder sig udenfor lokalet, kræver det, at målebåndet har en velkendt længde. I dette tilfælde vil en reference til meteren være det mest hensigtsmæssige at anvende. En god måling beskriver den målte størrelse korrekt. I vurderingen af, om en måling er god, benyttes to begreber: Præcision og nøjagtighed. Figur 3 illustrerer de 2 begreber præcision og nøjagtighed ved hjælp af en skydeskive. Præcision er graden af overensstemmelse mellem gentagne målinger foretaget under samme betingelser. Præcision kan også udtrykkes som spredningen af målingerne. På skydeskiven rammer skytten samme sted med alle sine skud, men ikke nødvendigvis i midten.
4 Nøjagtighed er angivelsen af hvor høj grad af overensstemmelse der er mellem målingerne og den sande værdi. Den sande værdi er værdien af målestørrelsen, når den er perfekt bestemt. Den sande værdi vil aldrig være mulig at opnå, da der altid vil være målefejl. På skydeskiven rammer skytten tæt på midten, men der er lidt større spredning i skuddene. På (C) rammer skytten både nøjagtigt, idet han rammer nær midten og præcist, idet skuddene ligger samme sted. Hvis to produkter skal bygges sammen til ét, kræver det, at de passer sammen. Tænk f.eks. på legoklodser. Her er det vigtigt, at klodserne passer sammen ellers mister legoklodserne deres funktion. Eller tænk på, at pakninger i en motor skal passe i størrelsen, så der ikke kommer olielækage. I tilfældet med legoklodserne er det vigtigt, at afstanden mellem knopperne på toppen af en klods er placeret, de passer med hullerne i bunden af en anden legoklods. Dette kræver, at man ofte foretager kvalitetskontrol af de producerede emner. Passer knopper og huller ikke sammen, er man nødt til at stoppe produktionen og finde fejlen. Meget nøjagtige og præcise målinger kan garantere, at to produkter vil passe sammen, men det er en meget dyr løsning. I stedet kan man anvende tolerancer til at styre funktionen af det færdige produkt. Eksempel på tolerance: Hvis der f.eks. er 1 cm at give af, når de to produkter skal bygges sammen, er der ingen grund til at opmåle dem med 1 mm præcision. I stedet kan man indføre en tolerance for, hvor meget produkternes mål må afvige, før de ikke længere kan samles. Man går derved lidt på kompromis med præcisionen, fordi den ikke har afgørende betydning for produktets egenskaber og sparer tid og penge. Måleenheder Resultatet af en måling angives som en talværdi med en tilhørende måleenhed. Enheden volt (V) bruges til at angive spændingen i f.eks. stikkontakter, som i Danmark er 230 V. Uden en måleenhed siger resultatet af en måling ikke noget. Det er derfor vigtigt altid at angive enheder, når man har foretaget en måling.
5 Der findes et væld af måleenheder. Historisk set har man benyttet mange forskellige måleenheder til at opmåle den samme målestørrelse, f.eks. kan længde både angives i fod, meter eller sømil. I slutningen af 1700-tallet havde mange byer deres egne måleenheder, og man mener, at der blev anvendt over forskellige enheder alene i Frankrig. For at ensrette måleenhederne internationalt indførte man et fælles system: SI-enhederne. SI dækker over den franske betegnelse Systéme International d Unités. På dansk Det Internationale Enhedssystem. SI-Systemet indeholder syv grundenheder, som fremgår af Tabel 1. Grundenhederne er tilstrækkelige til at beskrive alle målinger hvis de kombineres. De nye kombinationsenheder kaldes afledte enheder (f.eks. angives hastighed i meter pr. sekund). Eksempler på nogle af de mest anvendte afledte enheder kan ses i Tabel 2, og flere på Bemærk, at selv om enhederne er blevet standardiserede, benytter man stadig ved nogle målestørrelser andre enheder end dem, der er defineret i SI-systemet. I Europa benyttes celsius ( C), og i USA benyttes fahrenheit ( F) til at angive temperatur. Sejlere anvender knob til at beskrive hastighed og sømil til afstande. Man skal derfor stadig være opmærksom på, hvilke enheder der benyttes, når man udveksler produkter eller erfaringer på tværs af fag og lande. Tabel 1: De 7 grundenheder i SI-systemet.
6 Tabel 2: Eksempler på nogle af de mest anvendte afledte målestørrelser.
7 Modul 1 - Arbejdsark (Eleverne bruger ca. 15 min. på at arbejde med arket) 1) Skriv en ting, der måles i meter og forklar, hvorfor det er upraktisk at bruge mm eller km til målingen. 2) Skriv en ting, der måles i centimeter og forklar, hvorfor det er upraktisk at bruge mm, meter eller km til målingen. 3) Skriv en ting, der måles i kilometer og forklar, hvorfor det er upraktisk at bruge mm eller meter til målingen. 4) Skriv en ting, som måles i gram og en, som måles i kilo og forklar, hvorfor det er rimelige enheder til at måle i.
8 Modul 1 - Øvelse Til denne øvelse skal du bruge en tændstikæske og en lineal. NAVN: Mål siderne af tændstikæsken, så præcist I kan. Resultatet skal angives med 2 decimaler: Længde Bredde Højde Når I har målt, skal I sammenligne jeres resultater med sidemandens. Hvordan beregner man volumen af en kasse? Volumen = Beregn Volumen af jeres tændstikæske: Tændstikæskens volumen = Brug en vægt til at bestemme vægten af jeres tændstikæske: Tændstikæskens vægt = Aflever arket til læreren, når I er færdige.
9 Modul 2 Lektie til Modul 2 Måling af fysiske størrelser i sport - tid og længde Den mest grundlæggende fysiske størrelse i mange sportsdiscipliner er tiden. Selv om tiden ikke er afgørende i selve konkurrencen, anvendes den til at sammenligne præstationerne. Der tales om olympiske rekorder og verdensrekorder i eksempelvis 100 m løb. Tid måles typisk med et elektronisk stopur, der aktiveres af et startsignal og stopper, når idrætsudøveren passerer en mållinje. Tid kan også måles ud fra en fotooptagelse ved mållinjen, et målfoto, som vist i Figur 1. 22,3 22,4 23,1 23,2 23,3 23,4 23,5 23,6 23,7 23,8 Figur 1. Billedet viser et målfoto af et 200 m-løb fra DM inde i Odense Målfoto af løb optages ved, at en film glider forbi en smal spalte anbragt ved målstregen. Efterhånden som løbere passerer målstregen, bliver der dannet et billede af hver løber. Samtidig registreres tiden nederst på billedet. Den eksakte tid, hvor løberens bryst passerer målstregen, bestemmes ved aflæsning på billedet (foto Claus Andersen, Målfoto.dk). Opgave 1 Se på målfotoet i figur 1. Hvilken tid blev løber nr. 1 noteret for? Hvilken tid blev løber nr. 3 noteret for? Hvilken gennemsnitsfart, v, løb løber nr. et med?
10 Hvor præcist kan du aflæse tiden? Hvorfor bruger man ikke en person med et stopur? Opgave 2 Tidtagning i svømmekonkurrencer foregår ved, at uret stoppes, når svømmeren rammer en plade for enden af banen. Figur. 2: Foto fra I svømmefinalen i 400 m medley ved OL i München i 1972 vandt svenskeren Gunnar Larsson med tiden 4 min 31,981 s foran amerikaneren Tim McKee, der blev noteret for tiden 4 min 31,983 s. Svømmefinalen blev altså afgjort med en tidsforskel på kun 2 tusindedele af ét sekund, altså t = 0,002 s! Efter dette OL måles tiden ikke længere i tusindedele, men kun i hundrededele af sekunder. 1. Hvilken gennemsnitsfart, vgs, svømmede Gunnar Larsson med i OL-finalen i 400 m medley? Hvor langt svømmer han i løbet af t = 0,002 s, hvis han også til sidst svømmer med denne gennemsnitsfart? 2. Giv et bud på hvor nøjagtigt man kan bygge et 50 m svømmebassin og kommentér beslutningen om efter OL i München at stoppe med at afgøre svømme-konkurrencer på tusindedele af sekunder (husk, at det er 400 m, de har svømmet).
11 Modul 2 Ark til databehandling af data fra tændstikæskerne Læreren deler data fra måling af tændstikæsker i forrige time. Data vil fremgå som eksemplet nedenfor: Længde i cm Bredde i cm Højde i cm Volumen i ml Vægt i g Beregn nu for jeres egne data middelværdien og spredningen for længden, bredden og højden af en tændstikæske. Er der stor forskel på spredningen i de 3 måleserier? Hvad siger spredningen noget om? (Elevers evne til at måle med en lineal, at linealer er forskellige eller variation i størrelse af tændstikæsker ). Hvordan kan man afgøre, hvad spredningen afhænger af? Hvad ville spredningen sige noget om, hvis alle elever målte på den sammen tændstikæske med den samme lineal? Beregn nu middelværdi og spredning på jeres egne måledata af vægt. Hvad skyldes variationen her, og er der nogen outliers? (Se evt. i jeres matematikbog efter en definition på outliers, hvis I er i tvivl).
12 Modul 2 - Arbejdsark Det at kunne måle er en vigtig egenskab i det samfund, vi lever i. Uanset om det drejer sig om at måle længden på en vejstrækning, varigheden af et telefonopkald, patientens blodtryk, vægten af piller, størrelsen af døre eller bæreevnen af bjælker, så har vi alle en forhåbning om, at det er afmålt korrekt. Men hvad vil det sige, at en måling er korrekt? Hvor præcis skal en måling være? Når man måler, er der to ting, som skaber måleusikkerhed, på det man måler. Det ene er systematiske fejl, som afhænger af, om udstyret er kalibreret rigtigt. Det andet er tilfældige usikkerheder som f.eks. den sidste decimal på termometeret eller aflæsningen på linealen. Hvis man måler noget til at være 14 mm langt, er den rigtige beskrivelse nok, at den ligger mellem 13,5-14,5 mm, og når termometeret viser 37,4 grader, er det mellem 37,35-37,45 grader, det måler. Man kan spørge sig selv, hvorfor det er vigtigt. Her kan man forestille sig, hvor upraktisk det ville være, hvis en patient hos lægen fik målt sin temperatur med et termometer, der kun kunne måle i hele grader. Det ville betyde, at 38 grader var mellem 37,5 38,5 grader. Denne præcision er ikke god nok, for ved 37,5 grader er man rask, mens man har feber ved 38,5 grader. Vurder, hvor præcist du mener følgende bør måles: 1. Vægten af en hovedpinepille? 2. Temperaturen af en steg i ovnen? 3. Tiden til et 100 m-løb? 4. Vægten af melet til brød? 5. Din vægt? 6. Længden af et undervisningsmodul? Hvor præcist tror du, at følgende ting vejer/måler derhjemme: 1. Din badevægt? 2. Dit øre-termometer? 3. Stegetermometeret? 4. Køkkenvægten? 5. El-måleren? Det er vigtigt at kalibrere sine målinger, så at man ved, at man måler ud fra et korrekt nulpunkt.
13 Måleusikkerhed Som tidligere forklaret, siger nøjagtighed noget om, i hvor høj grad data ligger omkring den rigtige værdi. Spredningen siger noget om, hvor stor afvigelsen er i de enkelte målinger. Lav en beskrivelse af, hvad der sker i følgende situationer, og hvad man måler: 1. Man måler temperaturen af en kop kaffe med temperaturen 60 grader med et termometer med lille spredning og høj nøjagtighed. Hvilke målinger kunne man forvente? 2. Man måler temperaturen af en kop kaffe med temperaturen 60 grader med et termometer med lille spredning og lav nøjagtighed. Hvilke målinger kunne man forvente? 3. Men måler temperaturen af en kop kaffe med temperaturen 60 grader med et termometer med stor spredning og høj nøjagtighed. Hvilke målinger kunne man forvente? 4. Man vejer vægten af 1 kg mel med en vægt, der har lille spredning og høj nøjagtighed. Hvilke resultater kan man forvente? 5. Man vejer vægten af 1 kg mel med en vægt, der har lille spredning og lav nøjagtighed. Hvilke resultater kan man forvente? 6. Man vejer vægten af 1 kg mel med en vægt, der har stor spredning og høj nøjagtighed. Hvilke resultater kan man forvente?
14 Modul 3 Modul 3 Arbejdsark Gå til Indsæt screenshots af kredsløbet til hver af opgaverne nedenfor og brug det til at tegne på. 1. Lav et kredsløb, hvor der er en pære, der lyser. Mål spændingsfaldet over pæren. Mål strømmen med et amperemeter. Beregn effekten og modstanden af pæren. 2. Lav et kredsløb, hvor der er 2 modstande, som sidder i serie. Mål spændingsfaldet over de enkelte modstande med et voltmeter. Mål strømmen med amperemeteret. Beregn effekten og modstanden af de enkelte modstande. 3. Ændr kredsløbet fra opgave 2, så at de 2 modstande nu er forskellige og mål spændingsfaldet. Hvad sker der? (Modstanden kan ændres ved at højreklikke på modstanden). 4. Beregn spændingsfaldet over 10.0 Ω-modstanden i nedenstående kredsløb:
15 Modul 3 Øvelse 1 Øvelse med simple modstande Hver gruppe tager et multimeter, 4 ledninger, 4 krokodillenæb og nogle modstande. Nu monteres ledningerne, og de forskellige modstande måles. Herefter laves en seriekobling af 2 modstande. Den samlede modstand måles, og modstandene måles hver for sig. Derefter kigger man på farvekoden, for at se hvordan det passer. Figur 3: Farvekodeaflæser til modstande (med tilladelse fra Elextra
16 Modul 4 og 5 Lektie til modul 4 og 5 Kilde: Lektien til modul 4 og 5 er med tilladelse klippet fra Metrologi.dk (David Balslev-Harder, Sabrina Rostgaard Johannsen og Morten H. Madsen: A2 Introduktion til usikkerhedsbudgetter). 1 Indledning Formålet med en måling er at bestemme værdien af en målestørrelse. F.eks. hvad en klase bananer vejer (målestørrelsen er her masse). Desværre er ingen måling perfekt bestemt, og der vil altid være en måleusikkerhed på den fundne værdi. Der er mange kilder, som bidrager til usikkerheden på en måling. Det kan f.eks. være kilder som: Det anvendte instrument, som har stor betydning. F.eks. vil det oftest være mere præcist at opmåle et måleemne med en skydelære fremfor med en lineal. En operatør, altså personen som udfører målingen, som glemmer at følge en eksakt procedure. Omgivelserne såsom temperatur og tryk, hvilket også har indflydelse på målinger. Det kan være vanskeligt at holde styr på alle disse forskellige kilder til usikkerheden på en måling. [ ] 1.2 :Verdens hurtigste løber? Hvem er verdens hurtigste løber? Det er umiddelbart et simpelt spørgsmål, men det er på mange måder upræcist. Er det den hurtigste løber blandt mennesker eller dyr, der spørges efter? På hvilken distance ønsker man at finde den hurtigste løber? Er det personen med den højeste tophastighed? Eller er det personen med den hurtigste gennemsnits-hastighed over distancen? Og muligvis mange flere spørgsmål. Det er en forudsætning at have et velbestemt spørgsmål, for at den rette metode og det rette måleudstyr kan vælges til at udføre en måling, som kan besvare spørgsmålet. F.eks. hjælper det ikke at have verdens bedste ur, hvis det er massen af et lod, man skal måle. Så vil det nok være bedre at have en god vægt, men hvor godt skal udstyret være? Ja, det afhænger ligeledes af, hvad man prøver at besvare. Spørgsmålet om verdens hurtigste løber, vil vi vælge at præcisere til: Hvilken mand er verdens hurtigste løber på en 100 m strækning? Siden 2009 vil de fleste nok svare Usain Bolt. Her smadrede han alle tidligere verdensrekorder ved at løbe 100 m på 9,58 sekunder. I 1983 opstod der dog en spøjs situation. Her kunne to løbere samtidig sige, at de var verdens hurtigste på 100 m. Ved at kigge nærmere på tidsmålingerne af de to løbere, vil vi undersøge, hvordan denne situation kunne opstå. I 1964 begyndte man at indføre elektronisk tidtagning for de korte løbedistancer. Med elektronisk tidtagning kan man automatisk synkronisere startskud og målfoto. Herved blev det muligt at udføre mere nøjagtige målinger. De fleste løb fortsatte dog med manuelle målinger indtil På figur 1 er en graf, som viser, hvordan verdensrekorden i 100 meter sprint har udviklet sig de sidste hundrede år.
17 Grafen viser også overgangen fra manuelle tidsmålinger (grøn kurve) til elektroniske tidsmålinger (blå kurve). Ved overgangen er den nye rekord langsommere (dårligere) end den gamle verdensrekord. Figur 4: Udviklingen i verdensrekorder for mænds 100 m sprint. Længst til højre den stående verdensrekord af Usain Bolt på 9,58 sek. fra For at finde ud af, hvem der er hurtigst, skal man kigge på usikkerhederne på målingerne. Et udsnit af tider med tilhørende usikkerhed er vist i Tabel 2. De tilsvarende tider og usikkerheder er ligeledes illustreret i grafen på Figur 2. Ved de manuelle målinger er usikkerheden ± 0,05 sekunder. Den målte tid er derfor enten 0,05 sekunder for lav eller 0,05 sekunder for høj. Med de elektroniske målinger er usikkerheden ±0,005 sekunder, altså 10 gange lavere eller med andre ord 10 gange bedre end de manuelle målinger. Williams verdensrekord fra 1976 skal læses, som at han har løbet de 100 m på mellem 9,85 sekunder og 9,95 sekunder. Dette kaldes for usikkerhedsintervallet. Tilsvarende skal Hines tid fra 1968 læses som en tid mellem 9,945 sekunder og 9,955 sekunder. For at afgøre, hvem af de 2 der er hurtigst, sammenlignes de langsomste tider fra usikkerhedsintervallerne. Det vil sige 9,95 sekunder og 9,955 sekunder. Da Williams langsomste tid på 9,95 sekunder er mindre end Hines langsomste tid på 9,955 sekunder, så overgik verdensrekorden til Williams i 1976.
18 Løber År Tid (s) Metode A. Harry ,0 ± 0,005 Manuel J. Hines ,95 ± 0,005 Elektronisk S. Williams ,9 ± 0,005 Manuel C. Smith ,93 ± 0,005 Elektronisk D. Bailey ,84 ± 0,005 Elektronisk U. Bolt ,58 ± 0,005 Elektronisk Tabel 3: Udsnit af 100 m verdensrekorder for mænd. Angivet er hvilken metode der blev anvendt til tidtagningen. Figur 5: Udsnit af 100 m verdensrekorder for mænd. Angivet er løbetiden (grøn cirkel) med tilhørende usikkerhed (lodrette sorte streg med vandrette ende-streger kaldes også for en usikkerhedsbjælke). Dette kan også ses ved at sammenligne toppen af usikkerhedsbjælken på de 2 målinger på figur 2. Usikkerhedsbjælkens top på Hines tidsmåling ligger højere end Williams. I 1983 løb Smith derimod på 9,93 sekunder. Den langsomste tid i Smiths usikkerhedsinterval er her 9,935 sekunder. Dette blev dermed den nye verdensrekord, da den slog Williams langsomste tid på 9,95 sekunder. Men fordi Williams tid blev målt med et større usikkerhedsinterval, kunne han potentielt set have løbet på tiden 9,85 sekunder. Denne tid ville således ikke være slået af Smiths hurtigste tid på 9,925 sekunder. Derfor kan man ikke sige med sikkerhed, om Williams tid var hurtigere end Smiths, da målingen fra 1976 ikke var præcis nok. Williams kunne således have beholdt sin verdensrekord helt til 1996, før man med sikkerhed kunne sige, at den var slået. De forbedrede målinger, som brugen af elektronisk tidtagning har medført, har gjort det meget lettere at vurdere, om der er sat en ny verdensrekord. Som det fremgår af udviklingen af 100 m - rekorderne, er kendskabet til og vurdering af en målings usikkerhed helt afgørende for, hvordan vi kan tolke et spørgsmål, som ellers kan virke ligetil. Var Smith hurtigere eller langsommere end Williams? Svaret er: Det ved vi ikke, for usikkerheden på Williams måling var simpelthen for stor.
19 Med introduktionen af den elektroniske tidsmåling opstod en ny situation, hvor det var meget nemmere at skelne løbetiderne. Om det bliver nødvendigt at introducere endnu bedre tidsmålinger i fremtiden er ikke sikkert, for der er også andre parametre som vindmodstand og luftfugtighed osv., som påvirker den enkelte løbers tider. [ ] 2 Modelfunktion og usikkerheder Har du målt en temperatur, er det sandsynligt, at du måler lidt for højt eller lidt for lavt i forhold til den sande værdi. Den usikkerhed, som temperaturmålingen er behæftet med, kan stamme fra flere usikkerhedskilder. [ ] 2.2: Estimering af måleresultat ved gennemsnit og spredning Der skelnes mellem 2 måder at bestemme størrelsen af en måleusikkerhed. Type A: Ved brug af gentagne målinger benyttes statistik til at bestemme usikkerheden. Type B: Øvrige metoder end type A anvendes til at bestemme usikkerheden. F.eks. kan erfaring fra tidligere målinger anvendes, eller der kan være fysiske forhold, som begrænser usikkerheden. Type A er den primære metode til at bestemme størrelsen af en målings usikkerhed. Mangel på tid, ressourcer og penge kan dog gøre det nødvendigt at bestemme størrelsen ved brug af type B. I det følgende vil vi give den mest typiske fremgang ved brug af type A, anvendt i et eksempel, hvor temperaturen af et vandbad måles med et elektronisk termometer. På figur 5 ses en varmeplade, der bruges til at styre temperaturen af en olie, som er hældt op i et målebæger. Temperaturen i oliebadet måles med et elektronisk termometer. Aflæsningerne fra termometeret bliver logget på en computer og indtegnet på en graf, som er fremhævet til højre. De individuelle loggede aflæsninger fra termometeret er vist som blå punkter på grafen. Figur 5: Fra venstre: Et elektronisk termometer måler temperaturen i et oliebad. De målte temperaturer bliver opsamlet med en computer. De aflæste temperaturer vises på en graf.
20 Tidspunkterne for de individuelle aflæsninger er uden betydning for de følgende udregninger. På grafen kan man se, at målepunkterne holder sig inden for intervallet fra 23 C til 24 C, så allerede her har vi et overslag (et estimat) for målingen som værende 23,5 C ± 0,5 C. Det bedste estimat for målingens værdi og måleusikkerhed fås dog ved at anvende de aflæste talværdier fra termometeret og udregne gennemsnit og spredning ud fra disse. På grafen er resultatet af dette angivet ved det sorte punkt med usikkerhedsbjælken (yderst til højre), som angiver middelværdi og spredning. I næste afsnit vil vi se på, hvordan man generelt udregner middelværdi, spredning og standardusikkerhed Et sæt af måleværdier Et antal aflæsninger qi er blevet foretaget for en målestørrelse q (en temperatur, en vægt eller en højde), og opskrives {q1, q2, q3,, qn} hvor n er det samlede antal aflæsninger af målestørrelsen q. Hver qi er en talværdi med enhed, og i er en indeksering (nummerering) af aflæsningerne. Den 1. måling benævnes q1 og den 2. q2 osv. Nummereringen løber op til den sidste måling som kaldes n. Så n er det samlede antal målinger, som er foretaget. Hvis der samlet er taget 5 målinger, er n = 5. Målestørrelsen q kunne f.eks. være temperaturen af oliebadet i figur 5. 5 aflæste temperaturer kunne så være skrevet op i en liste: {23,54 C, 23,27 C, 23,37 C, 23,41 C, 23,39 C} Gennemsnit af måleværdier (middelværdi) Gennemsnittet q for aflæsningerne udregnes ved formlen i boks 3. For de 5 målinger af temperaturen bliver dette: Bemærk, at selvom et instrument angiver måleværdien med et endeligt antal decimaler, f.eks. som i dette tilfælde 0,01, så kan gennemsnittet godt have flere decimaler.
21 2.2.3: Standardafvigelse for måleværdier Standardafvigelsen s(q) udregnes for at få en ide om, hvor tæt de enkelte målinger ligger på gennemsnittet. Formlen som benyttes til at bestemme standardafvigelsen ses i boks 4. Differenserne qi q sætter tal på forskellen mellem den enkelte aflæsning qi og gennemsnittet q. Tager man gennemsnittet af disse differenser får man 0, så dette er ikke et godt tal for spredningen af værdierne. For at komme ud over dette problem kvadreres differenserne (dvs. opløftes i 2 (qi q ) 2 ). Nu kan gennemsnittet af de kvadrerede differenser udregnes, og denne vil være forskellig fra 0, medmindre alle aflæsningerne er nøjagtig magen til gennemsnittet. Gennemsnittet af de kvadrerede differenser har enheden ( C)², så for at enheden på spredningen passer til enheden på middelværdien, er man nødt til at tage kvadratroden. Bemærk, at der ikke divideres med antallet af aflæsninger n, men med n-1. Rationalet er, at middelværdien også bliver udregnet fra datasættet og derfor skal usikkerheden lige gøres lidt større. Det betyder også, at man mindst skal have 2 aflæsninger for at kunne udregne en standardafvigelse. For de 5 temperaturaflæsninger fås spredningen som angivet nedenfor: [ ] Hvad betyder spredning? I de fleste eksperimenter skal 95 pct. af de målte værdier ligge inden for 2 gange spredningen af målingen. Så i tilfældet fra figur 3 er 2 gange spredningen = C = C. Det betyder, at 95 pct. af målingerne burde ligge i intervallet 23,396 C ± C. Antagelsen, om at 95 pct. af de målte værdier ligger inden for 2 gange spredningen, gælder, hvis data er normalfordelte.
22 Modul 4 og 5 Øvelse I denne øvelse skal du undersøge, hvordan en temperaturfølsom elektrisk modstand (termistor) kan bruges som en temperatursensor (et termometer). Øvelsen består af 3 dele. 1. del: Hvor man undersøger modstanden som funktion af temperaturen for en termistor. 2. del: Hvor man undersøger et kredsløb med termistoren for at finde en tilnærmelsesvist lineær sammenhæng mellem spændingsforskellen over resistoren og temperaturen. 3. del: Termometrene fra 2. del sammenlignes, og der estimeres en spredning. 1. del: I 1. del skal du undersøge sammenhængen mellem temperatur og modstand for en NTCmodstand. NTC-modstanden (NTC Negative Temperature Coefficient) er en termistor, hvor modstanden falder som funktion af temperaturen (i modsætning til en PTC-modstand, hvor temperaturen stiger som funktion af temperaturen). På billedet herunder ses til venstre en NTC-modstand og til højre kredsløbssymbolet for modstanden. Tilslut NTC-modstanden til et ohm-meter med et krokodillenæb og mål modstanden. Tag nu fat om NTC-modstanden med 2 fingre og observer, hvad der sker med modstanden. Nedsænk derefter NTC-modstanden i en kop varmt vand og mål modstanden. Hvad sker der med modstanden af NTC, når temperaturen stiger?
23 2. del: I 2. del tilsluttes NTC-modstanden i serie med en kendt modstand og en spændingskilde. Kredsløbsdiagrammet er vist herunder. Når temperaturen af NTC modstanden stiger, hvad sker der så med modstanden? Når modstanden falder, hvad sker der så med spændingsfaldet over NTC-modstanden? Nu vil vi bruge et dataopsamlingsprogram til at opsamle både temperaturen og spændingsforskellen. Vi gentager forsøget, hvor vi nedsænker termometeret og NTC-modstanden i varmt vand. Temperaturen og spændingsforskellen måles, mens temperaturen af vandet falder. Spændingsforskellen opskrives som funktion af temperaturen. Der opstilles en lineær model for spændingsforskellen som funktion af temperaturen.
24 3. del: Nu går grupperne fra klassen sammen og bruger deres NTC-modstand og model til at måle temperaturen af det samme kar med vand samtidig og bestemme spredningen af deres målinger. Hvad er spredningen på jeres målinger?
25 Modul 4 og 5 Arbejdsark Opgave 1 I Game of Thrones sæson 1 er der varierende længde på de 10 afsnit. Beregn middelværdien og spredningen af længden af afsnittene. 62 min. 56 min. 58 min. 56 min. 55 min. 53 min. 58 min. 59 min. 57 min. 53 min. Opgave 2 En tomatdyrker reklamerer med, at 95 pct. af hans tomater har en diameter på mm. Kom med et bud på middelværdien og spredningen. Opgave 3 På et gartneri bestemmes vægten af nogle agurker. Beregn middelværdi og spredning. 403 g. 427g. 380g. 320 g. 430 g. 442g. 390 g. 371 g. Beskriv de agurker, som kommer fra gartneriet med ord (Husk tommelfingerreglen om, at 95 pct.af data ligger inden for 2 gange spredningen). Opgave 4 Man tester 8 forskellige termometre på den samme patient og måler følgende temperaturer: Beregn middelværdi og spredning. Kig på den sidste værdi og kom med en kommentar (målefejl/ i stykker/ outlier/ menneskelig fejl..). Hvis man fjerner det sidste målepunkt, hvad er middelværdien og spredningen så af de resterende 7 punkter? Kom med et argument for, at det kan være rimeligt, at se bort fra den sidste måling.
26 Opgave 5 Dette er en opgave, I skal lave i grupper. Tag ca. 6 termometre og brug dem til samtidig at bestemme temperaturen af en kop vand. Hvad er temperaturen, og hvad beregner I spredningen til at være? Modul 6 Forberedelse til virksomhedsbesøg og slutopgave.
27 Modul 7 og 8 Afsluttende opgave efter virksomhedsbesøg Beskriv hvad virksomheden laver, og hvilke fysik-emner man skal vide noget om for at forstå deres produkt eller produkter. Hvis I har lavet målinger på virksomheden og fået data med hjem: 1) Lav en kort beskrivelse af den analyse, I har lavet. 2) Forklar, hvilke fysiske størrelser I har målt på. 3) Forklar, hvad de målte data kan sige noget om (f.eks. vandindholdet i mælk, vægten af agurker eller længden af skruer). 4) Kom med et bud på, hvilke usikkerheder der er på jeres målinger. 5) Prøv at vurdere, hvor usikker den fysiske størrelse er. 6) Hvis det er muligt, så bestem middelværdi og spredning på hele klassens resultater. 7) Giv ud fra spredningen et bud på 95 %-konfidensintervallet. 8) Lav en grafisk afbildning af måleresultaterne. 9) Diskuter resultaterne i grupper og lav en præsentation af resultaterne f.eks. i PowerPoint. Hvis ikke I har lavet målinger på virksomheden og genereret meningsfulde data: Hvis I ikke har lavet målinger på virksomheden, kan I i stedet bruge vedlagte datasæt fra virksomheden *FOSS i Hillerød (bilag 1). *FOSS udvikler innovative analyseinstrumenter til den globale fødevareindustri og landbrugssektor og bidrager til bæredygtig anvendelse af råvarer, bedre fødevarekvalitet og sikkerhed. Instrumenterne måler indholdet i fødevarer som f.eks. indholdet af protein og fedt i mælkeprodukter eller sukkerindholdet i druer, mængden af fugt i korn, eller om køer får det rigtige foder og er raske. FOSS leverer løsninger til verdens 100 største fødevarekoncerner. Målingerne i regnearket i bilag 1 beskriver vandindholdet i skummetmælkspulver. Datasæt 1: Består af 235 datapunkter målt på skummetmælkspulver, som er produceret med ønske om et vandindhold på 4 pct. Datasæt 2: Består af 186 datapunkter. Metoden er den samme, men det ønskede vandindhold er ukendt. Løs følgende opgaver: 1) Beregn medianen, middelværdien og spredningen for datasæt 1. 2) Lav en kort beskrivelse af data, hvor I bruger ordene median, spredning og middelværdi. 3) Giv ud fra spredningen et bud på 95 pct.-konfidensintervallet. 4) Forklar, hvad jeres beskrivelse af data siger noget om i virkeligheden. 5) Er der nogle outliers i data? 6) Beregn medianen, middelværdien og spredningen for datasæt 2.
28 7) Kom med et bud på vandindholdet i det skummetmælkspulver, der er brugt til datasæt 2. 8) Lav en grafisk afbildning af måleresultaterne. 9) Diskuter resultaterne i grupper og lav en præsentation af resultaterne f.eks. i PowerPoint.
INTRODUKTION TIL USIKKERHEDSBUDGETTER
INTRODUKTION TIL USIKKERHEDSBUDGETTER UNDERVISNINGSELEMENT # A3 UNDERVISNING I MÅLETEKNIK UNDERVISNINGSELEMENT # A3 INTRODUKTION TIL USIKKERHEDSBUDGETTER David Balslev-Harder, Sabrina R. Johansen & Morten
Læs mereOhms lov. Formål. Princip. Apparatur. Brug af multimetre. Vi undersøger sammenhængen mellem spænding og strøm for en metaltråd.
Ohms lov Nummer 136050 Emne Ellære Version 2017-02-14 / HS Type Elevøvelse Foreslås til 7-8, (gymc) p. 1/5 Formål Vi undersøger sammenhængen mellem spænding og strøm for en metaltråd. Princip Et stykke
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 mereFysikrapport Kogepladen. Gruppe Nr. 232 Udarbejdet af Nicolai & Martin
Fysikrapport Kogepladen Gruppe Nr. 232 Udarbejdet af Nicolai & Martin 1 Indholdsfortegnelse Formål 3 Teori 3 Materialer 4 Fremgangsmåde 4 Måleresultater 4 Databehandling 5 Usikkerheder 5 Fejlkilder 5 Diskussion
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 mereAnalyse af måledata II
Analyse af måledata II Usikkerhedsberegning og grafisk repræsentation af måleusikkerhed Af Michael Brix Pedersen, Birkerød Gymnasium Forfatteren gennemgår grundlæggende begreber om måleusikkerhed på fysiske
Læs mereSkråplan. Esben Bork Hansen Amanda Larssen Martin Sven Qvistgaard Christensen. 2. december 2008
Skråplan Esben Bork Hansen Amanda Larssen Martin Sven Qvistgaard Christensen 2. december 2008 1 Indhold 1 Formål 3 2 Forsøg 3 2.1 materialer............................... 3 2.2 Opstilling...............................
Læs mereLineære sammenhænge. Udgave 2. 2009 Karsten Juul
Lineære sammenhænge Udgave 2 y = 0,5x 2,5 2009 Karsten Juul Dette hæfte er en fortsættelse af hæftet "Variabelsammenhænge, 2. udgave 2009". Indhold 1. Lineære sammenhænge, ligning og graf... 1 2. Lineær
Læs mere1. Installere Logger Pro
Programmet Logger Pro er et computerprogram, der kan bruges til at opsamle og behandle data i de naturvidenskabelige fag, herunder fysik. 1. Installere Logger Pro Første gang du installerer Logger Pro
Læs mere2 Erik Vestergaard www.matematikfysik.dk
Erik Vestergaard www.matematikfysik.dk Erik Vestergaard www.matematikfysik.dk 3 Lineære funktioner En vigtig type funktioner at studere er de såkaldte lineære funktioner. Vi skal udlede en række egenskaber
Læs mereStart pä matematik. for gymnasiet og hf. 2010 (2012) Karsten Juul
Start pä matematik for gymnasiet og hf 2010 (2012) Karsten Juul Til eleven Brug blyant og viskelåder när du skriver og tegner i håftet, sä du fär et håfte der er egnet til jåvnligt at slä op i under dit
Læs mereFysikrapport Joules lov. Gruppe Nr. 232 Udarbejdet af Nicolai og Martin
Fysikrapport Joules lov Gruppe Nr. 232 Udarbejdet af Nicolai og Martin 1 Indholdsfortegnelse Formål 3 Teori 3 Materialer 4 Fremgangsmåde 4-5 Måleresultater 5 Databehandling 5-6 Usikkerheder 6 Fejlkilder
Læs mereDæmpet harmonisk oscillator
FY01 Obligatorisk laboratorieøvelse Dæmpet harmonisk oscillator Hold E: Hold: D1 Jacob Christiansen Afleveringsdato: 4. april 003 Morten Olesen Andreas Lyder Indholdsfortegnelse Indholdsfortegnelse 1 Formål...3
Læs mereExcel tutorial om lineær regression
Excel tutorial om lineær regression I denne tutorial skal du lære at foretage lineær regression i Microsoft Excel 2007. Det forudsættes, at læseren har været igennem det indledende om lineære funktioner.
Læs mereMatematik og Fysik for Daves elever
TEC FREDERIKSBERG www.studymentor.dk Matematik og Fysik for Daves elever MATEMATIK... 2 1. Simple isoleringer (+ og -)... 3 2. Simple isoleringer ( og )... 4 3. Isolering af ubekendt (alle former)... 6
Læs mereGruppemedlemmer gruppe 232: Forsøg udført d. 6/ Joule s lov
Joule s lov 1 Formål I dette eksperiment vil vi eftervise Joules lov. Teori P = Watt / effekt R = Modstand /resistor Ω I = Ampere / spænding (A) Tid = Delta tid / samlet tid m = Massen c =Specifik varmekapacitet
Læs mereAnalyse 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 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 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 mereImpuls og kinetisk energi
Impuls og kinetisk energi Peter Hoberg, Anton Bundgård, and Peter Kongstad Hold Mix 1 (Dated: 7. oktober 2015) 201405192@post.au.dk 201407987@post.au.dk 201407911@post.au.dk 2 I. INDLEDNING I denne øvelse
Læs mereTak for kaffe! 17-10-2004 Tak for kaffe! Side 1 af 16
Tak for kaffe! Jette Rygaard Poulsen, Frederikshavn Gymnasium og HF-kursus Hans Vestergaard, Frederikshavn Gymnasium og HF-kursus Søren Lundbye-Christensen, AAU 17-10-2004 Tak for kaffe! Side 1 af 16 Tak
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 mereErik Vestergaard 1. Opgaver. i Lineære. funktioner. og modeller
Erik Vestergaard www.matematikfsik.dk Opgaver i Lineære funktioner og modeller Erik Vestergaard www.matematikfsik.dk Erik Vestergaard, Haderslev. www.matematikfsik.dk Teknik. Aflæse forskrift fra graf...
Læs mereEksponentielle sammenhænge
Eksponentielle sammenhænge Udgave 009 Karsten Juul Dette hæfte er en fortsættelse af hæftet "Lineære sammenhænge, udgave 009" Indhold 1 Eksponentielle sammenhænge, ligning og graf 1 Procent 7 3 Hvad fortæller
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 mereNOGLE OPGAVER OM ELEKTRICITET
NOGLE OPGAVER OM ELEKTRICITET I det følgende er der 12 opgaver om elektriske kredsløb, og du skal nok bruge 1 time til at besvare dem. I nogle af opgaverne er der forskellige svarmuligheder der hver er
Læs mereResonans 'modes' på en streng
Resonans 'modes' på en streng Indhold Elektrodynamik Lab 2 Rapport Fysik 6, EL Bo Frederiksen (bo@fys.ku.dk) Stanislav V. Landa (stas@fys.ku.dk) John Niclasen (niclasen@fys.ku.dk) 1. Formål 2. Teori 3.
Læs mereMODUL 5 ELLÆRE: INTRONOTE. 1 Basisbegreber
1 Basisbegreber ellæren er de mest grundlæggende størrelser strøm, spænding og resistans Strøm er ladningsbevægelse, og som det fremgår af bogen, er strømmens retning modsat de bevægende elektroners retning
Læs mereRøntgenøvelser på SVS
Røntgenøvelser på SVS Øvelsesvejledning Endelig vil du se hvordan radiograferne kan styre kvaliteten af billedet ved hjælp af mængden af stråling og energien af strålingen. Ved CT-scanneren vil du kunne
Læs mereModelkontrol i Faktor Modeller
Modelkontrol i Faktor Modeller Julie Lyng Forman Københavns Universitet Afdeling for Anvendt Matematik og Statistik Statistik for Biokemikere 2003 For at konklusionerne på en ensidet, flersidet eller hierarkisk
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 mereØvelses journal til ELA Lab øvelse 4: Superposition
Øvelses journal til ELA Lab øvelse 4: Navn: Thomas Duerlund Jensen, Jacob Christiansen, Kristian Krøier Øvelsesdato: 8/10-2002 Side 1 af 5 Formål: Eksperimentelt at eftervise superpositionsprincippet og
Læs mereModellering af elektroniske komponenter
Modellering af elektroniske komponenter Formålet er at give studerende indblik i hvordan matematik som fag kan bruges i forbindelse med at modellere fysiske fænomener. Herunder anvendelse af Grafregner(TI-89)
Læs mereApparatur: 1 EV3 startkasse, målebånd, sort bred lærredstape, oplader, kan benyttes som passer, kridt, plader til at lave bakker med, niveauborde.
Lego Mindstorms Education EV3 Projektarbejde med Lego Mindstorms version EV3. til Windows 7og 8 og Mac Apparatur: 1 EV3 startkasse, målebånd, sort bred lærredstape, oplader, kan benyttes som passer, kridt,
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 mereDaniells element Louise Regitze Skotte Andersen
Louise Regitze Skotte Andersen Fysikrapport. Morten Stoklund Larsen - Lærer K l a s s e 1. 4 G r u p p e m e d l e m m e r : N i k i F r i b e r t A n d r e a s D a h l 2 2-0 5-2 0 0 8 2 Indhold Indledning...
Læs mere07-12-2015. Måleusikkerhed. FVM temadag, 1. oktober 2015, Hotel Koldingfjord
Måleusikkerhed FVM temadag, 1. oktober 2015, Hotel Koldingfjord 1 Baggrund Teknologisk Institut Selvejende, almennyttigt, non-profit GTS-institut 1000+ medarbejdere fordelt på MANGE forskellige områder
Læs mereØVEHÆFTE FOR MATEMATIK C LINEÆR SAMMENHÆNG
ØVEHÆFTE FOR MATEMATIK C LINEÆR SAMMENHÆNG INDHOLDSFORTEGNELSE 1 Formelsamling... side 2 2 Grundlæggende færdigheder... side 3 2a Finde konstanterne a og b i en formel... side 3 2b Indsætte x-værdi og
Læs mereBenjamin Franklin Prøv ikke at gentage forsøget! hvor er den passerede ladning i tiden, og enheden 1A =
E3 Elektricitet 1. Grundlæggende Benjamin Franklin Prøv ikke at gentage forsøget! I E1 og E2 har vi set på ladning (som måles i Coulomb C), strømstyrke I (som måles i Ampere A), energien pr. ladning, også
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 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 meregrupper(kvalitativ exposure) Variation indenfor og mellem grupper F-test for ingen effekt AnovaTabel Beregning af p-værdi i F-fordelingen
1 Ensidet variansanalyse(kvantitativt outcome) - sammenligning af flere grupper(kvalitativ exposure) Variation indenfor og mellem grupper F-test for ingen effekt AnovaTabel Beregning af p-værdi i F-fordelingen
Læs mereProjektopgave Observationer af stjerneskælv
Projektopgave Observationer af stjerneskælv Af: Mathias Brønd Christensen (20073504), Kristian Jerslev (20072494), Kristian Mads Egeris Nielsen (20072868) Indhold Formål...3 Teori...3 Hvorfor opstår der
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 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 mereMaterialer: Strømforsyningen Ledninger. 2 fatninger med pære. 1 multimeter. Forsøg del 1: Serieforbindelsen. Serie forbindelse
Formål: Vi skal undersøge de egenskaber de 2 former for elektriske forbindelser har specielt med hensyn til strømstyrken (Ampere) og spændingen (Volt). Forsøg del 1: Serieforbindelsen Materialer: Strømforsyningen
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 mere1 Ensidet variansanalyse(kvantitativt outcome) - sammenligning af flere grupper(kvalitativ
Indhold 1 Ensidet variansanalyse(kvantitativt outcome) - sammenligning af flere grupper(kvalitativ exposure) 2 1.1 Variation indenfor og mellem grupper.......................... 2 1.2 F-test for ingen
Læs mereEl-Teknik A. Rasmus Kibsgaard Riehn-Kristensen & Jonas Pedersen. Klasse 3.4
El-Teknik A Rasmus Kibsgaard Riehn-Kristensen & Jonas Pedersen Klasse 3.4 12-08-2011 Strømstyrke i kredsløbet. Til at måle strømstyrken vil jeg bruge Ohms lov. I kredsløbet kender vi resistansen og spændingen.
Læs merefortsætte høj retning mellem mindre over større
cirka (ca) omtrent overslag fortsætte stoppe gentage gentage det samme igen mønster glat ru kantet høj lav bakke lav høj regel formel lov retning højre nedad finde rundt rod orden nøjagtig præcis cirka
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 mereMini SRP. Afkøling. Klasse 2.4. Navn: Jacob Pihlkjær Hjortshøj, Jonatan Geysner Hvidberg og Kevin Høst Husted
Mini SRP Afkøling Klasse 2.4 Navn: Jacob Pihlkjær Lærere: Jørn Christian Bendtsen og Karl G Bjarnason Roskilde Tekniske Gymnasium SO Matematik A og Informations teknologi B Dato 31/3/2014 Forord Under
Læs mereLærervejledning. Lærervejledning til el-kørekortet. El-kørekortet er et lille undervisningsforløb beregnet til natur/teknikundervisningen
Lærervejledning EVU El- og Vvs-branchens Uddannelsessekretariat 2007 Højnæsvej 71, 2610 Rødovre, tlf. 3672 6400, fax 3672 6433 www.evu.nu, e-mail: mail@sekretariat.evu.nu Lærervejledning El-kørekortet
Læs mereStatistik Lektion 1. Introduktion Grundlæggende statistiske begreber Deskriptiv statistik
Statistik Lektion 1 Introduktion Grundlæggende statistiske begreber Deskriptiv statistik Introduktion Kursusholder: Kasper K. Berthelsen Opbygning: Kurset består af 5 blokke En blok består af: To normale
Læs mereVariabel- sammenhænge
Variabel- sammenhænge 2008 Karsten Juul Dette hæfte kan bruges som start på undervisningen i variabelsammenhænge for st og hf. Indhold 1. Hvordan viser en tabel sammenhængen mellem to variable?... 1 2.
Læs mereRENTES REGNING SIMULATION LANDMÅLING MÅLSCORE I HÅNDBO . K R I S T I A N S E N KUGLE G Y L D E N D A L
SIMULATION 4 2 RENTES REGNING F I NMED N H REGNEARK. K R I S T I A N S E N KUGLE 5 LANDMÅLING 3 MÅLSCORE I HÅNDBO G Y L D E N D A L Faglige mål: Anvende simple geometriske modeller og løse simple geometriske
Læs mereOpdrift i vand og luft
Fysikøvelse Erik Vestergaard www.matematikfysik.dk Opdrift i vand og luft Formål I denne øvelse skal vi studere begrebet opdrift, som har en version i både en væske og i en gas. Vi skal lave et lille forsøg,
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 mereKapitel 2 Tal og variable
Tal og variable Uden tal ingen matematik - matematik handler om tal og anvendelse af tal. Matematik beskæftiger sig ikke udelukkende med konkrete problemer fra andre fag, og de konkrete tal fra andre fagområder
Læs mereRutschebanen - Fart og matematik med Havens mest populære forlystelse
Opgaveark Forlystelser: Medbring: Målebånd Da har rund fødselsdag i år, synes vi, den skulle have en opgave helt for sig selv. Det første spørgsmål er derfor også: Hvor gammel bliver i år?. Nu skal I prøve
Læs mereHvilke geometriske figurer kender I?
A Hvilke geometriske figurer kender I? Fortæl hinanden hvad de forskellige geometriske figurer på væggen hedder og hvordan I kan kende dem. Kig jer omkring udenfor og find eksempler på: Fx: bordpladen
Læs mereUafhængig og afhængig variabel
Uddrag fra http://www.emu.dk/gym/fag/ma/undervisningsforloeb/hf-mat-c/introduktion.doc ved Hans Vestergaard, Morten Overgaard Nielsen, Peter Trautner Brander Variable og sammenhænge... 1 Uafhængig og afhængig
Læs mereLysets hastighed. Navn: Rami Kaddoura Klasse: 1.4 Fag: Matematik A Skole: Roskilde tekniske gymnasium, Htx Dato: 14.12.2009
Lysets hastighed Navn: Rami Kaddoura Klasse: 1.4 Fag: Matematik A Skole: Roskilde tekniske gymnasium, Htx Dato: 14.1.009 Indholdsfortegnelse 1. Opgaveanalyse... 3. Beregnelse af lysets hastighed... 4 3.
Læs mereDynamik. 1. Kræfter i ligevægt. Overvejelser over kræfter i ligevægt er meget vigtige i den moderne fysik.
M4 Dynamik 1. Kræfter i ligevægt Overvejelser over kræfter i ligevægt er meget vigtige i den moderne fysik. Fx har nøglen til forståelsen af hvad der foregår i det indre af en stjerne været betragtninger
Læs mereRegning med enheder. Måleenheder... 11 Kg-priser... 13 Tid og hastighed... 15 Valuta... 17. Regning med enheder Side 10
Regning med enheder Måleenheder... 11 Kg-priser... 13 Tid og hastighed... 15 Valuta... 17 Regning med enheder Side 10 Måleenheder Du skal kende de vigtigste måleenheder for vægt, rumfang og længde. Vægt
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 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 mereMads Peter, Niels Erik, Kenni og Søren Bo 06-09-2013
EUC SYD HTX 1.B Projekt kroppen Fysik Mads Peter, Niels Erik, Kenni og Søren Bo 06-09-2013 Indhold Indledning/formål... 2 Forventninger... 2 Forsøget... 2 Svedekassen... 2 Fremgangsforløb... 2 Materialer...
Læs mereØVELSER // SVAR Statistik, Logistikøkonom Konfidensintervaller for én middelværdi og én andel
! ØVELSER // SVAR Statistik, Logistikøkonom Konfidensintervaller for én middelværdi og én andel Opgave 1 Når populationens varians er kendt En virksomhed har udviklet en proces til at producere mursten,
Læs mereBRUGSANVISNING BY0011 H610 CAL
BRUGSANVISNING BY0011 CAL H610 FUNKTIONSOVERSIGT Gang reserve indikation Overopladning sikkerheds funktion Utilstrækkelig opladnings advarsels funktion (to-sekunders interval bevægelse) Energibesparende
Læs mereE l - Fagets Uddannelsesnævn
E l - Fagets Uddannelsesnævn El-kørekort Lærervejledning El-kørekortet er et lille undervisningsforløb beregnet til natur/teknik første fase. Ved at arbejde med elementær el-lære er det vores håb, at eleverne
Læs mereVarme fødder i Grønland Ingeniørens udfordring. Navn: Klasse: Skole:
Varme fødder i Grønland Ingeniørens udfordring Navn: Klasse: Skole: 1 Varme fødder i Grønland Ingeniørens udfordring Varme fødder i Grønland kan være en udfordring. Men du skal nu lære, hvordan du kan
Læs mereinspirerende undervisning
laver inspirerende undervisning om energi og miljø TEMA: Solenergi Elevvejledning BAGGRUND Klodens klima påvirkes når man afbrænder fossile brændsler. Hele verden er derfor optaget af at finde nye muligheder
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 mereAt vurdere om NitFom kan anvendes på slagtelinjen til prædiktion af slagtekroppes fedtkvalitet.
Rapport Fedtkvalitet i moderne svineproduktion NitFom til måling af fedtkvalitet i svineslagtekroppe Chris Claudi-Magnussen, DMRI og Mette Christensen, Carometec 23. maj 2014 Projektnr. 2001474 CCM Indledning
Læs mereDifferential- ligninger
Differential- ligninger Et oplæg 2007 Karsten Juul Dette hæfte er tænkt brugt som et oplæg der kan gennemgås før man går i gang med en lærebogs fremstilling af emnet differentialligninger Læreren skal
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 mereEl-Fagets Uddannelsesnævn
El-Fagets Uddannelsesnævn El-kørekort Lærervejledning El-kørekortet er et lille undervisningsforløb beregnet til natur/teknik første fase. Ved at arbejde med elementær el-lære er det vores håb, at eleverne
Læs mereCoulombs lov. Esben Pape Selsing, Martin Sparre og Kristoffer Stensbo-Smidt Niels Bohr Institutet F = 1 4πε 0
Coulombs lov Esben Pape Selsing, Martin Sparre og Kristoffer Stensbo-Smidt Niels Bohr Institutet 14-05-2007 1 Indledning 1.1 Formål Formålet er, at eftervise Coulombs lov; F = 1 4πε 0 qq r 2 ˆr, hvor F
Læs merePotensfunktioner samt proportional og omvent proportional. for hf Karsten Juul
Potensfunktioner samt proportional og omvent proportional for hf 2018 Karsten Juul Potensfunktion 1. Oplæg til forskrift for potensfunktion...1 2. Forskrift for potensfunktion...2 3. Udregn x eller y i
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 mereBoksforsøg nr. 115 Effekten af at fodre på papir én gang dagligt de første tre dage efter indsættelse 2010
Boksforsøg nr. 115 Effekten af at fodre på papir én gang dagligt de første tre dage efter indsættelse 2010 vfl.dk 1 Boksforsøg nr. 115 Effekten af at fodre på papir én gang dagligt de første tre dage efter
Læs mereTrafikmodellering* Claus Michelsen & Jan Alexis Nielsen. Syddansk Universitet
* Trafikmodellering* Claus Michelsen & Jan Alexis Nielsen Syddansk Universitet * Inspireret af Swetz, F. & Hartzler, J. S. (eds) 1991, Yellow Traffic Lights, in Mathematical Modeling in the Secondary School
Læs mere1 Regressionsproblemet 2
Indhold 1 Regressionsproblemet 2 2 Simpel lineær regression 3 2.1 Mindste kvadraters tilpasning.............................. 3 2.2 Prædiktion og residualer................................. 5 2.3 Estimation
Læs mereKulstofnanorør - småt gør stærk Side 20-23 i hæftet
Kulstofnanorør - småt gør stærk Side 20-23 i hæftet SMÅ FORSØG OG OPGAVER Lineal-lyd 1 Lineal-lyd 2 En lineal holdes med den ene hånd fast ud over en bordkant. Med den anden anslås linealen. Det sker ved
Læs mere30-s rejse-sætte-sig (RSS)-testen måler, hvor mange gange man kan rejse sig fra en stol på 30 sekunder.
Manual 30-sekunder rejse-sætte-sig-test (RSS) Visuel demonstration af testen findes på: www.regionh.dk/rehabilitering Beskrivelse af testen 30-s rejse-sætte-sig (RSS)-testen måler, hvor mange gange man
Læs mere4. VAND I JORDEN RUNDT/LANDFAKTA
Opgaver til Agent Footprint 4. til 6. klasse Nedenstående findes en oversigt over alle opgaver til materialet Agent Footprint primært tiltænkt elever på mellemtrinnet. Opgaverne er samlet under to temaer:
Læs mereLøsninger til udvalgte opgaver i opgavehæftet
V3. Marstal solvarmeanlæg a) Den samlede effekt, som solfangeren tilføres er Solskinstiden omregnet til sekunder er Den tilførte energi er så: Kun af denne er nyttiggjort, så den nyttiggjorte energi udgør
Læs mereMindste kvadraters tilpasning Prædiktion og residualer Estimation af betinget standardafvigelse Test for uafhængighed Konfidensinterval for hældning
1 Regressionsproblemet 2 Simpel lineær regression Mindste kvadraters tilpasning Prædiktion og residualer Estimation af betinget standardafvigelse Test for uafhængighed Konfidensinterval for hældning 3
Læs mereHØJERE FORBEREDELSESEKSAMEN MAJ 2009 MATEMATIK B-NIVEAU. Mandag den 11. maj Kl HFE091-MAB
HØJERE FORBEREDELSESEKSAMEN MAJ 2009 MATEMATIK B-NIVEAU Mandag den 11. maj 2009 Kl. 09.00 13.00 HFE091-MAB Opgavesættet er delt i to dele. Delprøven uden hjælpemidler består af opgave 1-5 med i alt 5 spørgsmål.
Læs mereADFÆRDS - OG BEVÆGELSESMØNSTRE MIDDELALDERFESTIVAL D AUGUST. Nøgletal på personbevægelser målt under Middelalderfestivallen.
ADFÆRDS - OG BEVÆGELSESMØNSTRE MIDDELALDERFESTIVAL D. 24. 25. AUGUST Nøgletal på personbevægelser målt under Middelalderfestivallen. ADFÆRDS - OG BEVÆGELSESMØNSTRE MIDDELALDERFESTIVAL 2018 INDHOLD FORMÅL
Læs mereArbejdet på kuglens massemidtpunkt, langs x-aksen, er lig med den resulterende kraft gange strækningen:
Forsøgsopstilling: En kugle ligger mellem to skinner, og ruller ned af den. Vi måler ved hjælp af sensorer kuglens hastighed og tid ved forskellige afstand på rampen. Vi måler kuglens radius (R), radius
Læs mereNV fysik og informatik - Temperaturmåling med NTC.
NV fysik og informatik - Temperaturmåling med NTC. CASE temperaturmelder - eleverne arbejder med temperatursensorerne der kan vise en ude-temperatur og vække en person hvis det er varmt. Nøglepunkter fra
Læs mereReferencelaboratoriet for måling af emissioner til luften
Referencelaboratoriet for måling af emissioner til luften Rapport nr.: 77 Titel Hvordan skal forekomsten af outliers på lugtmålinger vurderes? Undertitel - Forfatter(e) Arne Oxbøl Arbejdet udført, år 2015
Læs mereAktiviteter med. Tænk dig om. Æsken indeholder 20 dobbeltsidede kort med forskellige opstillinger / opgaver.
Aktiviteter med Tænk dig om Æsken indeholder 20 dobbeltsidede kort med forskellige opstillinger / opgaver. De 20 plastklodser er fordelt på 2 lilla terninger 2 grønne terninger med lilla prikker 2 orange
Læs mereBerlin eksempel på opgavebesvarelse i Word m/mathematics
Berlin eksempel på opgavebesvarelse i Word m/mathematics 1.1 Gennemsnitsfarten findes ved at dividere den kørte strækning med den forbrugte tid i decimaltal. I regnearket bliver formlen =A24/D24. Resultatet
Læs mereLØNSPREDNINGSOPGØRELSER NU TILGÆNGELIG I LOPAKS
LØNSPREDNINGSOPGØRELSER NU TILGÆNGELIG I LOPAKS INDHOLD 2 Formål 2 LOPAKS 3 Begreber 6 Eksempler 6. december 2010 LOPAKS er nu udvidet med en ny tabel, der giver mulighed for at opgøre lønspredning på
Læs mereMaskinel køretøjsklassifikation ud fra mønstergenkendelse. Udarbejdet: Christian Overgård Hansen 28. september 2004
Notat Sag: Titel: Maskinel køretøjsklassifikation ud fra mønstergenkendelse Analyse af antalstællinger Notatnr. 11-7 Rev.: Til: Bjarne Bach Nielsen, Allan Christensen Udarbejdet: Christian Overgård Hansen.
Læs mereGaslovene. SH ver. 1.2. 1 Hvad er en gas? 2 1.1 Fysiske størrelser... 2 1.2 Gasligninger... 3
Gaslovene SH ver. 1.2 Indhold 1 Hvad er en gas? 2 1.1 Fysiske størrelser................... 2 1.2 Gasligninger...................... 3 2 Forsøgene 3 2.1 Boyle Mariottes lov.................. 4 2.1.1 Konklusioner.................
Læs mereVarme fødder i Grønland Ingeniørens udfordring. Navn: Klasse: Skole:
Varme fødder i Grønland Ingeniørens udfordring Navn: Klasse: Skole: 1 Varme fødder i Grønland Ingeniørens udfordring Varme fødder i Grønland kan være en udfordring. Men du skal nu lære, hvordan du kan
Læs mere