Måleusikkerhed i kalibrering Nr. : AB 11 Dato : Side : 1/3

Størrelse: px
Starte visningen fra side:

Download "Måleusikkerhed i kalibrering Nr. : AB 11 Dato : Side : 1/3"

Transkript

1 Side : /3. Anvendelsesområde. Denne akkrediteringsbestemmelse gælder ved DAAK s akkreditering af kalibreringslaboratorier.. Akkrediterede kalibreringslaboratorier skal ved estimering af usikkerhed, rapportering af samme i kalibreringscertifikater samt ved fastlæggelse af laboratoriets måleevne opfylde kriterierne i ILAC s (International Laboratory Accreditation Cooperation) dokument ILAC-P4:/00 ILAC Policy for Uncertainty in Calibration. Relevante afsnit i ILAC-P4:/00 er gengivet i følgende punkter.3 til.5..3 Estimering af måleusikkerhed.3. Estimering af usikkerhed skal opfylde kriterierne i ISO/IEC Guide 98-3: 008 Uncertainty of measurement - Part 3: Guide to the expression of uncertainty in measurement (GUM:995) eller dokumenter, som er i overensstemmelse med denne, og/eller ISO Guide 35: 006 Reference materials - General and statistical principles for certification (for referencematerialer). Dette er opfyldt i den tidligere EAL-R (nu EA 4/0/999/00 Expression of the uncertainty of measurement in calibration) og dele heraf fremgår af annex, som benyttes ved den praktiske estimering af usikkerheder..4 Måleevnen Laboratoriets måleevne (Calibration and Measurement Capability, CMC) fastlægges ved: i. EA Termer ii. Emne/måleudstyr iii. Målestørrelse iv. Måleområde og sekundære parameterområder, hvor relevant; f.eks. frekvensen ved AC spændingsmålinger; v. Ekspanderet måleusikkerhed. vi. Metodeangivelse Laboratoriets måleevne oplyses i måleevneskemaet for det akkrediterede kalibreringslaboratorium, og offentliggøres på www. danak.dk..4. Måleusikkerheden som er omfattet af måleevnen skal udtrykkes som den ekspanderede måleusikkerhed U(CMC) med en dækningssandsynlighed på omkring 95 %. Måleusikkerheden skal opgives i samme enhed som målestørrelsen eller være en relativ opgivelse, f. eks. procent..4.3 Kalibreringslaboratorier skal gennem laboratoriesammenligninger jf. AB3 dokumentere, at de kan levere kalibreringer til kunder, således at måleusikkerhederne er lig med de af måleevnen omfattede måleusikkerheder. Ved fastlæggelse af måleevnen skal laboratorierne være opmærksomme på, at instrumentbidraget fra et ideelt eksisterende emne/måleudstyr inkluderes. (Ved udtrykket et ideelt eksisterende emne/måleudstyr, forstås et emne/måleudstyr, som skal kalibreres, som kan anskaffes af kunden enten på markedet eller på andre måder, uanset om den har en speciel ydelse (stabilitet) eller har en lang kalibreringshistorik.). Der skal inkluderes et rimeligt bidrag til usikkerheden fra repeterbarheden. Hvis bidrag fra reproducerbarheden er tilgængelige medtages de i usikkerheden omfattet af måleevnen.

2 Side : /3.4.4 Der er tilfælde, hvor der ikke eksisterer et ideelt emne/måleudstyr og/eller hvor bidrag til usikkerheden fra emnet/måleudstyret har en signifikant indflydelse på usikkerheden. Hvis sådanne bidrag til usikkerheden fra emne/måleudstyr kan adskilles fra andre bidrag, kan man undlade at medtage bidragene fra emnet/måleudstyret ved bestemmelse af måleevnen. I sådanne tilfælde skal det markeres i måleevneskemaet, at der ikke er inkluderet bidrag fra emnet/måleudstyret..4.5 Kalibreringslaboratorier, der udfører målinger, som fastlægger referenceværdier for referencematerialer, skal for usikkerheden, som er omfattet af måleevnen, generelt inkludere faktorer relateret til måleproceduren, som den ville blive udført på/ved et prøveudtag. Eksempelvis skal typiske matrixeffekter og interferenser tages under overvejelse. Usikkerheden som omfattes af måleevnen vil som regel ikke inkludere bidrag fra ustabilitet eller inhomogenitet af referencematerialet. ote: Usikkerheden omfattet af måleevnen for den målte referenceværdi er ikke nødvendigvis identisk med usikkerheden tilhørende referencematerialer, leveret af en producent af referencematerialer..5 Rapportering af måleusikkerheden i kalibreringscertifikater. Akkrediterede kalibreringslaboratorier skal rapportere måleusikkerheden i overensstemmelse med følgende punkt :.5. I kalibreringscertifikaterne skal måleresultatet anføres på formen y ± U sammen med de tilhørende enheder af målestørrelsen y og den ekspanderede usikkerhed U. Der kan anvendes tabelform til at præsentere måleresultatet og den relative ekspanderede usikkerhed U/ y kan også anføres, hvis relevant. Dækningsfaktoren, k, og dækningssandsynligheden skal anføres på kalibreringscertifikatet. Der skal dertil føjes en forklarende note, som kan have følgende indhold: Den rapporterede ekspanderede usikkerhed er angivet som standardusikkerheden af målingen multipliceret med dækningsfaktoren k, således at dækningssandsynlighed svarer til ca. 95%. ote: For asymmetriske usikkerheder kan andre former for angivelse y ± U være nødvendigt. Det drejer sig også om de tilfælde, hvor usikkerheden er bestemt ved hjælp af Monte Carlo simuleringer (fejlophobningsloven - propagation of distributions) eller ved hjælp af logaritmiske enheder..5. Den numeriske værdi af den ekspanderede usikkerhed skal angives med maks. to betydende cifre. Endvidere gælder følgende: a) Den numeriske værdi af måleresultatet skal i den endelige præsentation være afrundet til mindste betydende ciffer i den ekspanderede usikkerhed for måleresultatet. b) Hvis den ekspanderede usikkerhed angives med ét betydende ciffer, så skal dette altid være rundet op (fx skal 0,3 rundes op til 0,4).

3 Side : 3/3.5.3 Bidrag til usikkerheden anført på kalibreringscertifikatet skal inkludere relevante korttidsbidrag ved udførslen af kalibreringen, og bidrag, som det er rimeligt at tillægge kundens emne. Hvor det er muligt, skal usikkerheden dække de samme bidrag til usikkerheden, som blev medtaget ved fastlæggelse af usikkerheden omfattet af måleevnen, hvor usikkerhedskomponenterne for kundens emne indsættes i stedet for usikkerhedskomponenterne for et ideelt eksisterende måleudstyr. Som følge heraf vil de rapporterede usikkerheder ofte være større end usikkerheden omfattet af måleevnen. Tilfældige bidrag, som ikke er laboratoriet bekendt, f.eks. usikkerhedsbidrag fra transport, bør normalt ikke inkluderes i rapporteringen af usikkerheden. Hvis laboratoriet forventer, at sådanne bidrag vil have en signifikant indflydelses på de usikkerheder, som laboratoriet estimerer ved kalibreringen, så bør kunden informeres i henhold til de generelle afsnit vedrørende tilbud og gennemgang af kontrakter i DS/E ISO/IEC 705:005 Generelle krav til prøvnings- og kalibreringslaboratoriers kompetence..5.4 Som definitionen af måleevnen antyder, så må akkrediterede kalibreringslaboratorier ikke rapportere en mindre ekspanderet usikkerhed end den usikkerhed, der er omfattet af måleevnen, som laboratoriet er akkrediteret til. Annex : Estimering af måleusikkerhed Akkrediteringsbestemmelsen træder i kraft den. december 0. DAAK, den 30. november 0 Jesper Høy Direktør Allan Munck Kvalitetschef

4 Annex Side : /3 IDHOLD... Indledning.... Oversigt over definitioner Evaluering af måleusikkerhed for inputestimater Beregning af outputestimatets standardusikkerhed Ekspanderet måleusikkerhed Angivelse af måleusikkerhed i kalibreringscertifikater Trinvis procedure for beregning af måleusikkerheden Referencer... 3 Bilag A. Bemærkninger til bedømmelse af måleevne (CMC)... 4 B. Ordliste over nogle relevante udtryk... 5 C. Kilder til måleusikkerhed... 8 D. Korrelerede inputstørrelser... 9 E. Dækningsfaktorer udledt af effektive antal frihedsgrader...

5 Annex Side : /3 Uddrag fra EAL-R Estimering af måleusikkerhed Formål Dette annex er baseret på oversættelsen af EAL-R og er uddrag af samme, som i sin tid blev udarbejdet af EAL på basis af WECC Dok Formålet med dokumentet var at harmonisere estimeringen af måleusikkerhed inden for EAL. Dette dokument er i overensstemmelse med Guide to the Expression of Uncertainty in Measurement, (GUM) der er udsendt af 7 internationale organisationer, der beskæftiger sig med standardisering og metrologi.. Indledning. ærværende dokument fastsætter principperne for og kravene til estimering af måleusikkerheden ved kalibrering samt angivelsen af denne usikkerhed i kalibreringscertifikater. Behandlingen er holdt på et generelt niveau for at kunne passe til alle kalibreringsområder. Det kan være nødvendigt at supplere den beskrevne metode med mere specifikke vejledninger på forskellige områder, således at oplysningerne bliver umiddelbart lettere at anvende. Ved udarbejdelse af sådanne supplerende retningslinjer bør de generelle principper skitseret i dette dokument følges, således at harmonisering mellem de forskellige områder sikres.. Behandlingen i dette dokument er i overensstemmelse med Guide to the Expression of Uncertainty in Measurement, der første gang blev udsendt i 993 på vegne af BIPM, IEC, IFCC, ISO, IUPAC, IUPAP og OIML [ref. ]. Men mens [ref. ] fastsætter generelle regler for vurdering og angivelse måleusikkerhed, som man kan følge på de fleste områder inden for fysisk måling, fokuserer nærværende dokument på den metode, der er bedst egnet til måling i kalibreringslaboratorier, og beskriver en utvetydig og harmoniseret måde til evaluering og angivelse af måleusikkerheden. Dokumentet omfatter følgende emner: - Definitioner som ligger til grund for dokumentet, - metoder til estimering af måleusikkerhed for inputstørrelser, - sammenhængen mellem måleusikkerheden på outputstørrelsen og måleusikkerheden på inputstørrelserne, - ekspanderet måleusikkerhed for outputstørrelsen, - angivelse af måleusikkerhed, - trinvis procedure for beregning af måleusikkerhed.

6 Annex Side : 3/3. Oversigt og definitioner. Angivelsen af et måleresultat er kun fuldstændig, hvis den indeholder både den værdi, der er tillagt målestørrelsen, og den måleusikkerhed, der er knyttet til denne værdi. I dette dokument behandles alle fysiske størrelser, der ikke kendes eksakt, som stokastiske variable inklusiv de influensstørrelser, der kan påvirke den målte værdi.. Måleusikkerheden er en parameter som er knyttet til resultatet af en måling og som karakteriserer den spredning af værdierne, som med rimelighed kan tilskrives målestørrelsen [ref. ]. I dette dokument anvendes det korte udtryk usikkerhed i stedet for måleusikkerhed, når der ikke er risiko for misforståelse. Bilag C indeholder en liste over typiske kilder til usikkerhed ved en måling..3 Målestørrelserne er de bestemte størrelser, der skal måles. Ved kalibrering har man normalt kun én målestørrelse eller outputstørrelse Y, der afhænger af et antal inputstørrelser X i (i =,,..., ) ifølge funktionen Y = f(x, X,..., X ) (.) Modelfunktionen f repræsenterer måleproceduren og beregningsmetoden. Den beskriver, hvordan værdier af outputstørrelsen Y fås af værdier af inputstørrelserne X i. I de fleste tilfælde vil det være et analytisk udtryk, men det kan også være en gruppe af sådanne udtryk, som inkluderer korrektioner og korrektionsfaktorer for systematiske effekter, hvorved der fremkommer en mere kompliceret sammenhæng, der ikke kan nedskrives eksplicit som én funktion. Endvidere kan f fastlægges ved forsøg eller blot eksistere som en EDB-algoritme, som skal behandles numerisk - eller f kan være en kombination af alle disse..4 Sættet af inputstørrelser X i kan grupperes i to kategorier alt efter den måde, hvorpå størrelsens værdi og den tilhørende usikkerhed er blevet fastlagt: (a) Størrelser, hvis estimat og tilhørende usikkerhed er direkte fastlagt under den pågældende måling. Disse værdier kan være bestemt ud fra en enkelt observation, gentagne observationer, eller et skøn baseret på erfaring. De kan omfatte bestemmelse af korrektioner til instrumentaflæsninger såvel som korrektioner for influensstørrelser såsom omgivende temperatur, barometertryk eller fugtighed, (b) størrelser, hvis estimat og tilhørende usikkerhed tilføres målingen fra eksterne kilder, f.eks. størrelser knyttet til kalibrerede normaler, certificerede referencematerialer eller referencedata, der er hentet fra håndbøger. Udtryk, der er særlig relevante for hovedtekstens sammenhæng, er skrevet med kursiv, når de første gang optræder i dette dokument. Bilag B indeholder en ordliste med disse udtryk, tilligemed henvisninger til de kildedokumenter, hvorfra definitionerne er taget.

7 Annex Side : 4/3.5 Et estimat af målestørrelsen Y, outputestimatet betegnet y, fås af ligning (.) ved indsættelse af inputestimaterne x i for værdierne af inputstørrelserne X i y = f (x, x,..., x ) (.) Det er underforstået, at inputværdierne er de bedste estimater, som er korrigeret for alle effekter af betydning for modellen. Hvis dette ikke er tilfældet, må de nødvendige korrektioner indføres som særskilte inputstørrelser..6 For en stokastisk variabel benyttes variansen af dens fordeling eller den positive kvadratrod af variansen - kaldet standardafvigelsen - som et mål for spredningen på dens værdier. Den standardusikkerhed, der knytter sig til outputestimatet eller måleresultatet y - betegnet u(y) - er standardafvigelsen for målestørrelsen Y. Den skal fastlægges ud fra estimaterne x i over inputstørrelserne X i og de tilhørende standardusikkerheder u(x i ). Den standardusikkerhed, der er knyttet til et estimat, har samme dimension som estimatet. I visse tilfælde kan den relative standardusikkerhed være velegnet; dette er standardusikkerheden knyttet til et estimat divideret med estimatets numeriske værdi og er derfor dimensionløs. Dette begreb kan ikke benyttes, hvis estimatet er lig nul. 3. Evaluering af måleusikkerhed for inputestimater 3. Generelle betragtninger 3.. Måleusikkerhed knyttet til inputestimaterne vurderes i henhold til enten en "Type A" eller "Type B" evalueringsmetode. Type A evaluering af standardusikkerhed er metoden til vurdering af usikkerhed ved statistisk analyse af en serie observationer. I dette tilfælde er standardusikkerheden den eksperimentelle standardafvigelse af middelværdien, der fremkommet ved en midlingsprocedure eller en passende regressionsanalyse. Type B evaluering af standardusikkerhed er metoden til vurdering af usikkerhed på andre måder end ved statistisk analyse af en serie observationer. I dette tilfælde er vurderingen af standardusikkerheden baseret på andet videnskabeligt grundlag. 3. Type A evaluering af standardusikkerhed 3.. En Type A evaluering af standardusikkerhed kan benyttes, når der er foretaget n uafhængige observationer af en af inputstørrelserne X i under samme målebetingelser. Hvis der er tilstrækkelig opløsning i måleprocessen, vil der være en observerbar spredning eller fordeling af de opnåede værdier. Der findes tilfælde - som man sjældent kommer ud for ved kalibrering - hvor alle de mulige værdier af en størrelse ligger på samme side af en enkelt grænseværdi. Et velkendt tilfælde er den såkaldte cosinus-fejl. Behandlingen af sådanne specialtilfælde er nærmere omtalt i [ref. ].

8 Annex Side : 5/3 3.. Lad os forudsætte, at den flere gange målte inputstørrelse X i er størrelsen Q. Med n statistisk uafhængige observationer (n > ) vil estimatet af størrelsen Q være q, den aritmetiske middelværdi eller gennemsnit af de enkelte observerede værdier q j (j =,,...,n) n q = q j (3.) n j= Måleusikkerheden knyttet til estimatet q, vurderes i henhold til en af følgende metoder: (a) Et estimat over variansen af den underliggende sandsynlighedsfordeling er den eksperimentelle varians s (q) af værdierne q j, der er givet ved s (3.) n n ( q) = ( q j q ) j= Dens (positive) kvadratrod benævnes den eksperimentelle standardafvigelse. Det bedste estimat over variansen af den aritmetiske middelværdi q er den eksperimentelle varians af middelværdien givet ved s ( q) ( q) s = (3.3) n Dens (positive) kvadratrod benævnes den eksperimentelle standardafvigelse af middelværdien. Standardusikkerheden u( q ) knyttet til inputestimatet q er den eksperimentelle standardafvigelse af middelværdien ( ) s( q) u q = (3.4) Advarsel: år antallet n af gentagne målinger er lavt (n < 0), må pålideligheden af en Type A vurdering af standardusikkerhed som udtrykt ved ligning (3.4) tages i betragtning. Hvis antallet af observationer ikke kan forøges, bør man overveje at evaluere standardusikkerheden på en af de andre måder beskrevet i dette dokument. (b) For en måling, der er vel defineret og under statistisk styring, er det ofte muligt at bestemme et kombineret eller kumuleret variansestimat s p, som karakteriserer spredningen bedre end den standardafvigelse, der beregnes ud fra et begrænset antal observationer. Hvis man i et sådant tilfælde fastlægger værdien af inputstørrelsen Q som den aritmetiske middelværdi q af et lille antal n uafhængige observationer, kan variansen af middelværdien estimeres ved s p s ( q) = (3.5) n Standardusikkerheden udledes af denne værdi ved ligning (3.4).

9 Annex Side : 6/3 3.3 Type B evaluering af standardusikkerhed 3.3. En Type B evaluering af standardusikkerhed er en vurdering af usikkerheden knyttet til et estimat x i af en inputstørrelse X i på anden vis end ved en statistisk analyse af en serie observationer. Standardusikkerheden u(x i ) vurderes ved et videnskabeligt skøn baseret på alle tilgængelige oplysninger om den mulige variation af X i. Værdier tilhørende denne kategori kan udledes af - tidligere måledata, - erfaring med eller almindelig viden om relevante materialers og instrumenters opførsel og egenskaber, - fabrikantspecifikationer, - data angivet i kalibrerings- og andre certifikater, samt - usikkerheder knyttet til referencedata taget fra håndbøger Behørig anvendelse af de tilgængelige oplysninger for en Type B evaluering af standardusikkerhed kræver indsigt baseret på erfaring og almindelig viden. Det er en færdighed, der kan læres ved øvelse. En velfunderet Type B evaluering af standardusikkerhed kan være lige så pålidelig som en Type A evaluering af standardusikkerhed - navnlig i en målesituation hvor en Type A evaluering kun er baseret på et relativt lille antal statistisk uafhængige observationer. Der må skelnes mellem følgende tilfælde: (a) (b) (c) år der kun kendes en enkelt værdi af størrelsen X i, f.eks. en enkelt målt værdi, en resulterende værdi fra en tidligere måling, en referenceværdi fra litteraturen, eller en korrektionsværdi, benyttes denne værdi for x i. Standardusikkerheden u(x i ) knyttet til x i skal benyttes, hvor den er givet. Ellers må den beregnes ud fra entydige usikkerhedsdata. Hvis data af denne art ikke forefindes, må usikkerheden vurderes på grundlag af erfaring. år der kan antages en sandsynlighedsfordeling for størrelsen X i, på grundlag af teori eller erfaring, skal fordelingens middelværdi anvendes som estimatet x i, medens kvadratroden af fordelingens varians anvendes som estimat for standardusikkerheden u(x i ). Hvis blot en øvre og nedre grænse a + og a - for værdien af størrelsen X i kan estimeres, (f.eks. fabrikantspecifikationerne for et måleinstrument, et temperaturinterval, en afrundings- eller trunkeringsfejl som følge af automatiseret datareduktion), må der antages en sandsynlighedsfordeling med konstant sandsynlighedstæthed mellem disse grænser (rektangulær sandsynlighedsfordeling) for den mulige variation af inputstørrelsen X i. I henhold til ovenstående tilfælde (b) fører dette til xi = a+ + a ( ) (3.6) for den estimerede værdi og u ( x ) = ( + ) a a i (3.7)

10 Annex Side : 7/3 for kvadratet på standardusikkerheden. Hvis forskellen mellem grænseværdierne benævnes a, giver ligning (3.7) u ( xi ) = a (3.8) 3 Den rektangulære fordeling er en rimelig sandsynlighedsmæssig beskrivelse af ens kendskab til inputstørrelsen X i, når der ikke foreligger andre oplysninger end grænserne for dens variation. Men hvis man ved, at værdier af den pågældende størrelse nær ved midten af variationsintervallet er mere sandsynlige end værdier tæt ved grænserne, kan en trekantfordeling eller en normalfordeling være en bedre model. Hvis på den anden side værdier tæt ved grænserne er mere sandsynlige end værdier nær ved midten, kan en U- formet fordeling være mere passende. 4. Beregning af outputestimatets standardusikkerhed 4. For ukorrelerede inputstørrelser er kvadratet på standardusikkerheden knyttet til outputestimatet y, givet ved 3 u ( y) = ui ( y) (4.) i= Størrelsen u i (y)(i =,,..,) er det bidrag til standardusikkerheden knyttet til outputestimatet y, som hidrører fra standardusikkerheden knyttet til inputestimatet x i u ( y) = c u( x ) (4.) i i i hvor c i er følsomhedskoefficienten knyttet til inputestimatet x i, dvs. den partielle afledede af modelfunktionen f med hensyn til X i, beregnet ved inputestimaterne x i, c i f = x i f = X i X i = x,..., i X = x (4.3) 4. Følsomhedskoefficienten c i beskriver i hvilken udstrækning outputestimatet y påvirkes af variationer i inputestimatet x i. Den kan beregnes ud fra modelfunktionen f ved hjælp af ligning (4.3) eller ved at benytte numeriske metoder, f.eks. ved at beregne ændringen i outputestimatet y forårsaget af en ændring af inputestimatet x i med størrelsen +u(x i ) henholdsvis -u(x i ) og som værdien af c i at tage den deraf følgende forskel i y divideret med u(x i ). Undertiden kan det være 3 Der findes tilfælde - som man sjældent kommer ud for ved kalibrering - hvor modelfunktionen er stærkt ulineær eller nogle af følsomhedskoefficienterne [se ligning (4.) og (4.3)] forsvinder og der må medtages led af højere orden til ligning (4.). Disse særtilfælde er nærmere omtalt i [ref. ].

11 Annex Side : 8/3 mere hensigtsmæssigt at finde ændringen i outputestimatet y ud fra et forsøg ved at gentage målingen ved f.eks. x i ±u(x i ). 4.3 Medens u(x i ) altid er positiv, er bidraget u i (y) i henhold til ligning (4.) enten positivt eller negativt, afhængigt af fortegnet af følsomhedskoefficienten c i. Fortegnet af u i (y) må tages i betragtning, i de tilfælde hvor inputstørrelserne er korrelerede, se ligning (D.4) i Bilag D. 4.4 Hvis modelfunktionen f er en sum eller differens af inputstørrelserne X i, f ( X, X,... X ) = pi Xi (4.4) i= er outputestimatet i henhold til ligning (.) givet ved den tilsvarende sum eller differens af inputestimaterne y = i= p i x i medens følsomhedskoefficienterne er lig med p i og ligning (4.) bliver til (4.5) u ( y) = pi u ( xi ) (4.6) 4.5 Hvis modelfunktionen f er et produkt eller en kvotient af inputstørrelserne X i, i= pi f ( X, X,... X ) = c X (4.7) i er outputestimatet igen det tilsvarende produkt eller kvotient af inputestimaterne i= pi y = c x i i= Følsomhedskoefficienterne er i dette tilfælde lig med p i y/x i og et udtryk analogt med ligning (4.6) fås ud fra ligning (4.), hvis de relative standardusikkerheder w(y)=u(y)/ y og w(x i )=u(x i )/ x i benyttes, (4.8) w ( y) = pi w ( xi ) (4.9) i= 4.6 Hvis to inputstørrelser X i og X k til en vis grad er korrelerede, dvs. hvis de på en eller anden måde er afhængige af hinanden, skal deres kovarians betragtes som et bidrag til usikkerheden. Bilag D gør rede for, hvordan dette skal gøres. Muligheden for at tage korrelationseffekter i betragtning afhænger af kendskabet til måleprocessen og af vurderingen af inputstørrelsernes indbyrdes afhængighed. Generelt skal man være opmærksom på, at undladelse af at tage hensyn til

12 Annex Side : 9/3 korrelationer mellem inputstørrelser kan føre til en fejlagtig vurdering af målestørrelsens standardusikkerhed. 4.7 Kovariansen knyttet til estimaterne af to inputstørrelser X i og X k kan sættes til nul eller behandles som insignifikant, hvis (a) (b) (c) inputstørrelser X i og X k er uafhængige, f.eks. fordi de er observeret gentagne gange, men ikke samtidigt, i forskellige uafhængige forsøg, eller fordi deres værdier på anden vis er estimeret uafhængige af hinanden, eller hvis en af inputstørrelserne X i og X k kan betragtes som værende konstant, eller hvis en undersøgelse ikke giver informationer, der indikerer tilstedeværelsen af korrelation mellem inputstørrelser X i og X k. Undertiden kan man eliminere korrelationer ved et hensigtsmæssigt valg af modelfunktion. 4.8 Usikkerhedsanalysen for en måling - undertiden betegnet målingens usikkerhedsbudget - bør indeholde en liste over alle usikkerhedskilder sammen med de dertil hørende standardusikkerheder samt de anvendte evalueringsmetoder. Ved gentagne målinger skal antallet n af observationer også anføres. For overskuelighedens skyld anbefales det at præsentere de data, der er relevante for denne analyse, i form af en tabel. I tabellen bør der henvises til alle størrelser med et fysisk symbol X i eller en kort identifikator. For hver af disse skal der mindst anføres estimatet x i, den tilhørende standardusikkerhed u(x i ), følsomhedskoefficienten c i, og usikkerhedsbidraget u i (y). Dimensionerne for hver af størrelserne bør også anføres sammen med de numeriske værdier givet i tabellen. 4.9 Et eksempel på en sådan opstilling er vist i Tabel 4., som finder anvendelse i tilfælde af at inputstørrelser er ukorrelerede. Standardusikkerheden knyttet til det måleresultat u(y), som er anført i nederste højre hjørne af tabellen, er den kvadratiske sum af alle usikkerhedsbidrag i yderste højre kolonne. Den grå del af tabellen udfyldes ikke.

13 Annex Side : 0/3 Tabel 4.: Skematisk ordnet opstilling af de størrelser, estimater, standardusikkerheder, følsomhedskoefficienter og usikkerhedsbidrag, der benyttes i usikkerhedsanalysen af en måling. Størrelse X i Estimat x i Standardusikkerhed u(x i ) Følsomhedskoefficient c i Bidrag til standardusikkerhed u i (y) X x u(x ) c u (y) X x u(x ) c u (y) X x u(x ) c u (y) Y Y u(y) 5. Ekspanderet måleusikkerhed 5. Inden for EAL har man besluttet, at kalibreringslaboratorier, der er akkrediteret af medlemmer af EAL, skal anføre en ekspanderet usikkerhed U, der fås ved at multiplicere standardusikkerheden u(y) af outputestimatet y med en dækningsfaktor k, U = ku( y) (5.) I de tilfælde, hvor man kan knytte en normalfordeling (gaussfordeling) til målestørrelsen, og standardusikkerheden knyttet til outputestimatet er tilstrækkeligt pålideligt, skal dækningsfaktoren k = benyttes som standard. Den ekspanderede usikkerhed svarer da til en dækningssandsynlighed på ca. 95 %. Disse betingelser er opfyldt i de fleste tilfælde, som man kommer ud for ved kalibrering. 5. Antagelsen om at outputstørrelsen er normalfordelt er ikke altid let at bekræfte eksperimentelt. I de tilfælde, hvor der er flere (dvs. 3) usikkerhedskomponenter - afledt af fornuftige sandsynlighedsfordelinger f.eks. normalfordelinger eller rektangulære fordelinger af uafhængige størrelser - som giver sammenlignelige bidrag til standardusikkerheden knyttet til outputestimatet, er betingelserne for den centrale grænseværdisætning imidlertid opfyldt og man kan med god tilnærmelse antage, at outputstørrelsen er normalfordelt. 5.3 Pålideligheden af standardusikkerheden knyttet til outputestimatet, er bestemt ved dens effektive antal frihedsgrader (se Bilag E). Pålidelighedskriteriet er imidlertid altid opfyldt, hvis ingen af usikkerhedsbidragene er fremkommet ved en Type A evaluering baseret på mindre end 0 gentagne observationer.

14 Annex Side : /3 5.4 Hvis en af disse betingelser (normalitet eller tilstrækkelig pålidelighed) ikke er opfyldt, kan den som standard anvendte dækningsfaktor k = give en ekspanderet usikkerhed som svarer til en dækningssandsynlighed på mindre end 95 %. I disse tilfælde skal der benyttes andre fremgangsmåder for at sikre, at der angives en ekspanderet usikkerhed, som har samme dækningssandsynlighed som i det normale tilfælde. Det er vigtigt at benytte tilnærmelsesvis samme dækningssandsynlighed, når to måleresultater for samme størrelse skal sammenlignes, f.eks. når man bedømmer resultaterne fra en præstationsprøvning eller bedømmer overholdelsen af en specifikation. 5.5 Selv om man kan forudsætte at outputstørrelsen er normalfordelt, kan det stadig forekomme, at standardusikkerheden knyttet til outputestimatet, ikke er tilstrækkeligt pålideligt. Hvis det i et sådant tilfælde ikke er formålstjenligt at forøge antallet n af gentagne målinger eller at benytte en Type B evaluering i stedet for en upålidelig Type A evaluering, bør man benytte den i Bilag E beskrevne metode. 5.6 For alle tilfælde, hvor det ikke kan forudsættes at outputstørrelsen er normalfordelt, skal der benyttes oplysninger om outputestimatets faktiske sandsynlighedsfordeling for at få en værdi for dækningsfaktoren k, der svarer til en dækningssandsynlighed på ca. 95 %. 6. Angivelse af måleusikkerhed i kalibreringscertifikater 6. Krav til angivelse af måleusikkerhed i kalibrering var tidligere beskrevet i EAL R, men er nu beskrevet i denne akkrediteringsbestemmelses hovedafsnit (pkt..5). 7. Trinvis procedure for beregning af måleusikkerheden 7. Følgende er en vejledning i brug af dette dokument i praksis (jf. de udarbejdede eksempler i særskilte supplerende dokumenter): (a) (b) Udtryk målestørrelsen (outputstørrelsen) Y's afhængighed af inputstørrelserne X i matematisk i henhold til ligning (.). I tilfælde af direkte sammenligning af to normaler kan ligningen være meget enkel, f.eks. Y = X + X. Find og anvend alle signifikante korrektioner. (c) Opstil alle usikkerhedskilder i form af en usikkerhedsanalyse i henhold til afsnit 4. (d) (e) Beregn standardusikkerheden u( q ) for størrelser målt gentagne gange i henhold til underafsnit 3.. Benyt standardusikkerheden for enkeltværdier, f.eks. resulterende værdier af tidligere målinger, korrektionsværdier eller værdier fra litteraturen, hvis den er opgivet eller kan beregnes i henhold til stk (a). Vær opmærksom på den måde, usikkerheden er angivet

15 Annex Side : /3 på. Hvis der ikke er data til rådighed, som standardusikkerheden kan udledes af, anføres en værdi for u(x i ) på grundlag af videnskabelig erfaring. (f) (g) (h) (i) Beregn middelværdien og standardusikkerheden u(x i ) i henhold til stk (b) for de inputstørrelser, hvor sandsynlighedsfordelingen er kendt eller kan antages. Hvis kun de øvre og nedre grænser er givet eller kan estimeres, beregnes middelværdien og standardusikkerheden u(x i ) i henhold til stk (c). Beregn, for hver inputstørrelse X i, bidraget u i (y) til usikkerheden knyttet til outputestimatet fra inputestimatet x i i henhold til ligning (4.) og ligning (4.3), og summér deres kvadrater som beskrevet i ligning (4.) for at få kvadratet på standardusikkerheden u(y) for målestørrelsen. Anvend den i Bilag D beskrevne fremgangsmåde, hvis inputstørrelserne er korrelerede. Beregn den ekspanderede usikkerhed U ved at multiplicere standardusikkerheden u(y) på outputestimatet med en dækningsfaktor k, der er valgt i henhold til afsnit 5. Angiv resultatet af målingen bestående af estimatet y for målestørrelsen, den tilhørende ekspanderede usikkerhed U samt dækningsfaktoren k i kalibreringscertifikatet i henhold til afsnit Referencer [] Guide to the expression of uncertainty in measurement First edition 993, rettet og genoptrykt 995, International Organisation for Standardisation (Genève, Schweiz). Svarer til DS/IF 94- Retningslinjer for at udtrykke måleusikkerhed. [] International vocabulary of basic and general terms in metrology Second Edition 993, International Organisation for Standardisation (Genève, Schweiz). Oversat i DS 344: Metrologi. Terminologi. Grundlæggende generelle begreber. [3] International Standard ISO Statistics - Vocabulary and symbols - Part I: Probability and general statistical terms First Edition 993, International Organisation for Standardisation (Genève, Schweiz). DS 63 udgivet i 980 med titlen: Statistik terminologi og symboler er baseret på ISO 3534 der er udgivet i 977.

16 Annex Side : 3/3 Bilag A Bemærkninger til bedømmelse af måleevne (CMC) Bemærkninger til bedømmelse af BMC (nu CMC) var tidligere beskrevet i EAL R, men er nu beskrevet i denne akkrediteringsbestemmelses hovedafsnit (pkt.4).

17 Annex Side : 4/3 Bilag B Ordliste over nogle relevante udtryk B Aritmetisk middelværdi ([ref. 3] udtryk.6) Summen af værdierne divideret med antallet af værdier B3 Korrelation ([ref. 3] udtryk.3) Sammenhæng eller forholdet mellem to eller flere stokastiske variable inden for en fordeling på to eller flere stokastiske variabler. B4 B5 Korrelationskoefficient (fra [ref. ] afsnit C.3.6) Målet for den relative gensidige afhængighed mellem to stokastiske variable, der er lig med forholdet mellem deres kovarians og den positive kvadratrod af produktet af deres varianser. DS/ISO 3534 Forholdet mellem kovariansen for to stokastiske variable og produktet af deres spredninger. Kovarians (fra [ref. ] afsnit C.3.4) Målet for den gensidige afhængighed mellem to stokastiske variable, der er lig med middelværdien af produktet af to stokastiske variables afvigelser fra deres respektive middelværdier. DS/ISO 3534 Det simultane centrale moment af orden og. B6 Dækningsfaktor ([ref. ] udtryk.3.6) En numerisk faktor, der anvendes som multiplikator af standardusikkerheden for at få en ekspanderet måleusikkerhed. B7 Dækningssandsynlighed (fra [ref. ] udtryk.3.5, ote ) Den (normalt store) brøkdel af den fordeling af værdier, der som resultat af en måling med rimelighed kunne tillægges målestørrelsen. B8 Eksperimentel standardafvigelse ([ref. ] udtryk 3.8) Den positive kvadratrod af den eksperimentelle varians. B9 Ekspanderet usikkerhed ([ref. ] udtryk.3.5) En størrelse, der definerer et interval omkring resultatet af en måling, der kan forventes at omfatte en stor del af den fordeling af værdier, der med rimelighed kunne tillægges målestørrelsen. B0 Eksperimentel varians (fra [ref. ] afsnit 4..)

18 Annex Side : 5/3 Den størrelse, der karakteriserer spredningen af resultaterne af en serie på n observationer af samme målestørrelse og som er givet ved ligning (3.) i teksten. B Inputestimat (fra [ref. ] afsnit 4..4) Estimat af en inputstørrelse, der benyttes ved vurdering af resultatet af en måling. B Inputstørrelse (fra [ref. ] afsnit 4..) En størrelse, som målestørrelsen afhænger af og som tages i betragtning ved vurdering af resultatet af en måling. B3 Målestørrelse ([ref. ] udtryk.6) Bestemt størrelse, der er genstand for måling. B4 Outputestimat (fra [ref. ] afsnit 4..4) Resultatet af en måling beregnet ud fra inputestimaterne ved modelfunktionen. B5 Outputstørrelse (fra [ref. ] afsnit 4..) Den størrelse, der repræsenterer målestørrelsen ved evalueringen af en måling. B6 Kumuleret variansestimat (fra [ref. ] afsnit 4..4) Et estimat over den eksperimentelle varians, der er opnået ved store serier af observationer af samme målestørrelse i veldefinerede målinger under statistisk styring. B7 Sandsynlighedsfordeling ([ref. 3] udtryk.3) En funktion, som giver sandsynligheden for, at en stokastisk variabel antager enhver given værdi eller tilhører enhver given mængde. B8 Stokastisk variabel (fra [ref. 3] udtryk.) En funktion, som kan antage enhver værdi i en mængde af værdier som har tilknyttet en sandsynlighedsfordeling. B9 Relativ standardusikkerhed (fra [ref. ] afsnit 5..6) Standardusikkerheden for en størrelse divideret med estimatet af denne størrelse. B0 Følsomhedskoefficient knyttet til et inputestimat (fra [ref. ] afsnit 5..3) Den differentielle ændring i outputestimatet, der er resultat af en differentiel ændring i et inputestimat, divideret med ændringen i dette inputestimat. B Standardafvigelse (fra [ref. 3] udtryk.3) Den positive kvadratrod af variansen.

19 Annex Side : 6/3 B Standardusikkerhed ([ref. ] udtryk.3.) Måleusikkerheden udtrykt som standardafvigelsen. B3 Type A evalueringsmetode ([ref. ] udtryk.3.) Metode til evaluering af måleusikkerhed ved statistisk analyse af serier af observationer. B4 Type B evalueringsmetode ([ref. ] udtryk.3.3) Metode til evaluering af måleusikkerhed ved andre midler end statistisk analyse af serier af observationer. B5 Måleusikkerhed ([ref. ] udtryk 3.9) Parameter knyttet til måleresultatet, som karakteriserer spredningen af de værdier, som med rimelighed kan tillægges målestørrelsen. B6 Varians (fra [ref. 3] udtryk.) Middelværdien af kvadratet på centrerede stokastisk variabel (en stokastisk variabel med middelværdi 0).

20 Annex Side : 7/3 Kilder til måleusikkerhed Bilag C C Usikkerheden på resultatet af en måling afspejler manglen på fuldstændigt kendskab til værdien af målestørrelsen. Fuldstændigt kendskab kræver en uendelig mængde oplysninger. Fænomener, som bidrager til usikkerheden og derved til det forhold, at resultatet af en måling ikke kan karakteriseres ved en entydig værdi, kaldes usikkerhedskilder. I praksis er der mange mulige usikkerhedskilder ved en måling [ref. ], herunder: (a) (b) (c) (d) (e) (f) (g) (h) (i) (j) utilstrækkelig definition af målestørrelsen, mangelfuld gennemførelse af målestørrelsens definition, Ikke repræsentativ prøveudtagning - den målte prøve repræsenterer ikke den definerede målestørrelse, ikke tilstrækkeligt kendte effekter af miljøforhold eller mangelfulde målinger af disse, personlige forskelle ved aflæsning af analoge instrumenter, begrænset instrumentopløsning eller tærskel for skelnen/opløsning, unøjagtige værdier for målenormaler og referencematerialer, unøjagtige værdier for konstanter og andre parametre, der er hentet fra eksterne kilder og som benyttes i datareduktions-algoritmen, tilnærmelser og antagelser, der er indbygget i målemetoden og -proceduren, variationer i gentagne observationer af målestørrelsen under tilsyneladende identiske betingelser. C Disse kilder er ikke nødvendigvis uafhængige. ogle af kilderne (a) - (i) kan bidrage til (j).

21 Annex Side : 8/3 Korrelerede inputstørrelser Bilag D D Hvis to inputstørrelser X i og X k vides at være korrelerede i en vis grad - dvs. hvis de på en eller anden måde er afhængige af hinanden - skal kovariansen knyttet til de to estimater x i og x k, u( x, x ) = u( x ) u( x ) r( x, x ) ( i k) (D.) i k i k i k betragtes som et yderligere bidrag til usikkerheden. Graden af korrelation karakteriseres ved korrelationskoefficienten r(x i,x k ) (hvor i k og r ). D I tilfælde af n uafhængige par af samtidigt gentagne observationer af to størrelser P og Q er kovariansen knyttet til de aritmetiske middelværdier p og q givet ved s( p, q) = n( n ) n j= ( p p)( q q) j j (D.) og ved substitution kan r beregnes ud fra ligning (D.). D3 For influensstørrelser må enhver grad af korrelation baseres på erfaring. år der er korrelation, skal ligning (4.) erstattes af u ( y) = ci u ( xi ) + cicku( xi, xk ) (D.3) i= i= k= i+ hvor c i og c k er følsomhedskoefficienterne defineret ved ligning (4.3) eller u ( y) = ui ( y) + ui ( y) uk ( y) r( xi, xk ) (D.4) i= i= k= i+ hvor bidraget u i (y) til standardusikkerheden på outputestimatet y, der følger af standardusikkerheden på inputestimatet x i er givet ved ligning (4.). Det bør bemærkes, at resultatet af den anden summation af led i ligning (D.3) eller (D.4) kan få negativt fortegn. D4 I praksis er inputstørrelser ofte korrelerede, fordi den samme fysiske referencenormal, måleinstrument, referencenulpunkt eller endog målemetode med en signifikant usikkerhed benyttes ved evalueringen af deres værdier. Lad os som generelt eksempel antage, at to inputstørrelser X og X, der er estimeret ved x og x, afhænger af sættet af uafhængige variable Q l (l =,,...,L)

22 Annex Side : 9/3 X = g ( Q, Q,..., Q ) X = g ( Q, Q,..., Q ) L L (D.5) skønt nogle af disse variable måske ikke nødvendigvis optræder i begge funktioner. Estimaterne x og x af inputstørrelserne vil til en vis grad være korrelerede, selv om estimaterne q l (l =,,...,L) er ukorrelerede. Så er kovariansen u(x,x ) knyttet til estimaterne x og x givet ved L u( x, x ) = c lclu ( ql ) (D.6) l= hvor c l og c l er følsomhedskoefficienterne afledt af funktionerne g og g i analogi med ligning (4.3). Eftersom kun de led for hvilken følsomhedskoefficienterne ikke er nul bidrager til summen, er kovariansen nul, hvis der ikke er nogen variabel, der er fælles for funktionerne g og g. Korrelationskoefficienten r(x,x ) knyttet til estimaterne x og x bestemmes af ligning (D.6) sammen med ligning (D.). D5 Følgende eksempel viser de korrelationer, der findes mellem værdier, som er tillagt to brugsnormaler, der er kalibreret op mod samme referencenormal. Måleproblem De to normaler X og X sammenlignes med referencenormalen Q s ved hjælp af et målesystem, der er i stand til at bestemme en forskel z i deres værdier med en tilhørende standardusikkerhed u(z). Værdien q s for referencenormalen er kendt med standardusikkerheden u(q s ). Matematisk model Estimaterne x og x afhænger af værdien q s af referencenormalen og de observerede forskelle z og z i henhold til relationerne x = q z s x = q z s (D.7) Standardusikkerheder og kovarianser Estimaterne z, z og q s anses for at være ukorrelerede, fordi de er blevet bestemt ved forskellige målinger. Standardusikkerhederne beregnes ud fra ligning (4.4), og kovariansen knyttet til estimaterne x og x beregnes ud fra ligning (D.6), idet det antages at u(z ) = u(z ) = u(z), u ( x ) = u ( q ) + u ( z) u ( x ) = u ( q ) + u ( z) u ( x, x ) = u ( q ) s s s (D.8)

23 Annex Side : 0/3

24 Annex Side : /3 Korrelationskoefficienten udledt af disse resultater, er u ( qs ) r( x, x ) = u ( q ) + u ( z) s (D.9) Dens værdi går fra 0 til + afhængigt af forholdet mellem standardusikkerhederne u(q s ) og u(z). D6 D7 Eksemplet beskrevet ved ligning (D.5) er et tilfælde, hvor man kan undgå at medtage korrelation i vurderingen af målestørrelsens standardusikkerhed ved et hensigtsmæssigt valg af modelfunktionen. Introduktionen af de uafhængige variable Q l - ved at erstatte de oprindelige variable X og X i modelfunktionen f i henhold til transformationsligningerne (D.5) - giver en ny modelfunktion, der ikke længere indeholder de korrelerede variable X og X. Der forekommer imidlertid tilfælde, hvor korrelation mellem to inputstørrelser X og X ikke kan undgås, f.eks. brug af samme måleinstrument eller samme referencenormal ved fastlæggelsen af inputestimaterne x og x, men hvor transformationsligninger for nye uafhængige variable ikke er til rådighed. Hvis korrelationsgraden desuden ikke kendes nøjagtigt, kan det være nyttigt at bedømme den maksimale indflydelse, denne korrelation kan have, ved en vurdering af den øvre grænse for målestørrelsens standardusikkerhed, som får følgende form - i det tilfælde, hvor der ikke skal tages hensyn til andre korrelationer: ( ) r u ( y) u ( y) + u ( y) + u ( y) (D.0) hvor u r (y) er bidraget til standardusikkerheden fra alle de resterende inputstørrelser, der antages at være ukorrelerede. 4 4 Ligning (D.0) kan let generaliseres til tilfælde af en eller flere grupper med to eller flere korrelerede inputstørrelser. I så fald skal der indsættes en sum for det værst tænkelige tilfælde i ligning (D.0) for hver gruppe af korrelerede størrelser.

25 Annex Side : /3 Bilag E Dækningsfaktorer udledt af effektive antal frihedsgrader E E For at estimere værdien af en dækningsfaktor k svarende til en specificeret dækningssandsynlighed er det nødvendigt, at pålideligheden af standardusikkerheden u(y) af outputestimatet y tages i betragtning. Dvs. at der skal tages hensyn til, hvor godt u(y) estimerer standardafvigelsen knyttet til måleresultatet. For et estimat over standardafvigelsen af en normalfordeling er antallet af frihedsgrader for dette estimat - der afhænger af størrelsen af den stikprøve, det er baseret på - et mål for pålideligheden. På lignende måde er et brugbart mål for pålideligheden af standardafvigelsen knyttet til et outputestimat, dens effektive antal frihedsgrader v eff, hvis tilnærmede værdi fås ved en passende kombination af det effektive antal frihedsgrader af dens forskellige usikkerhedsbidrag u i (y). Fremgangsmåden for beregning af en passende dækningsfaktor k, når betingelserne for den centrale grænseværdisætning er opfyldt, omfatter følgende tre trin: (a) (b) Udled standardusikkerheden knyttet til outputestimatet i henhold til den trinvise procedure anført i afsnit 7. Beregn det effektive antal frihedsgrader v eff af standardusikkerheden u(y) knyttet til outputestimatet y ud fra Welch-Satterthwaite's formel: v eff = 4 u ( y) 4 ui ( y) v i= i (E.) hvor u i (y) (i =,,...,), der er defineret i ligning (4.), er bidragene til standardusikkerheden knyttet til det outputestimat y, hidrørende fra standardusikkerhederne knyttet til inputestimaterne x i, som antages at være gensidigt statistisk uafhængige, og v i er det effektive antal frihedsgrader for standardusikkerhedsbidraget u i (y). For en standardusikkerhed u( q ), der er opnået ved en Type A evaluering som omtalt i afsnit 3., er antallet af frihedsgrader givet ved v i = n -. Det er mere problematisk at sætte antallet af frihedsgrader i relation til en standardusikkerhed u(x i ), som er opnået ved en Type B evaluering. Det er imidlertid almindelig praksis at gennemføre sådanne evalueringer på en måde, der sikrer, at man undgår underestimering. Hvis der f.eks. sættes øvre og nedre grænser a + og a -, vælges de sædvanligvis på en sådan måde, at sandsynligheden for, at den pågældende størrelse ligger uden for disse grænser er meget lille. Under forudsætning af, at denne praksis følges, kan frihedsgraderne for standardusikkerheden u(x i ) på grundlag af en Type B evaluering, tages som v i.

26 Annex Side : 3/3 (c) Dækningsfaktoren k tages fra Tabel E. i dette bilag. Tabellen er baseret på en t-fordeling og giver en dækningssandsynlighed på 95,45 %. Hvis v eff ikke er et heltal, hvad der normalt vil være tilfældet, trunkeres v eff nedad til det nærmeste heltal. Tabel E.: Dækningsfaktorer k for forskellige effektive antal frihedsgrader v eff v eff k

Naturstyrelsens Referencelaboratorium for Kemiske Miljømålinger NOTAT

Naturstyrelsens Referencelaboratorium for Kemiske Miljømålinger NOTAT Naturstyrelsens Referencelaboratorium for Kemiske Miljømålinger NOTAT Til: Brugere af Bekendtgørelse om kvalitetskrav til miljømålinger udført af akkrediterede laboratorier, certificerede personer mv.

Læs mere

07-12-2015. Måleusikkerhed. FVM temadag, 1. oktober 2015, Hotel Koldingfjord

07-12-2015. 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 mere

Analyse af måledata II

Analyse 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 mere

Måleusikkerhed. Laboratoriedag 9. juni 2011

Måleusikkerhed. Laboratoriedag 9. juni 2011 Måleusikkerhed..alle usikkerhedskomponenter af betydning for den foreliggende situation tages i betragtning ved, at der foretages en passende analyse (ISO 17025, pkt 5.4.6.3) Laboratoriedag 9. juni 2011

Læs mere

Kalibreringscertifikat

Kalibreringscertifikat ÌÇkK[Â"ÈqkkÎ Certifikat dato 2017-07-14 Kalibreret af Jesper Allan Sørensen Godkendt af Claus Clemensen 1 (5) KUNDE: SAXE HANSEN A/S WALGERHOLM 17 3500 VÆRLØSE KALIBRERINGSOBJEKT: YDELSE: KALIBRERINGENS

Læs mere

Monte Carlo-metoder til fastlæggelse af måleusikkerhed i forbindelse med flowmåling

Monte 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 mere

Kalibrering i praksis.

Kalibrering i praksis. Kalibrering i praksis Kalibrering i praksis Agenda Onsdag 15/3 14.30-15.15 Kalibrering hvorfor? Hvad er en kalibrering? Torsdag 16/3 11.00-12.00 - Reference / sporbarhed - Måleevne - Præcision og Nøjagtighed

Læs mere

Akkreditering til certificering Nr. : AB 6 UDKAST Dato : Side : 1/5

Akkreditering til certificering Nr. : AB 6 UDKAST Dato : Side : 1/5 Side : 1/5 1. Anvendelsesområde Denne akkrediteringsbestemmelse finder anvendelse ved DANAK s akkreditering af virksomheder i henhold til: a. DS/EN ISO/IEC 17065 Overensstemmelsesvurdering Krav til organer,

Læs mere

Forelæsning 5: Kapitel 7: Inferens for gennemsnit (One-sample setup)

Forelæsning 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 mere

Normalfordelingen og Stikprøvefordelinger

Normalfordelingen og Stikprøvefordelinger Normalfordelingen og Stikprøvefordelinger Normalfordelingen Standard Normal Fordelingen Sandsynligheder for Normalfordelingen Transformation af Normalfordelte Stok.Var. Stikprøver og Stikprøvefordelinger

Læs mere

Kursusindhold: Produkt og marked - matematiske og statistiske metoder. Monte Carlo

Kursusindhold: 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 mere

1 Generelt om dokumentation af usikkerheder

1 Generelt om dokumentation af usikkerheder 1 1 Generelt om dokumentation af usikkerheder Begrundelsen for at følge den standardprocedure, som er beskrevet i det følgende - og som måske ved første øjekast kan virke vel grundig - er, at det har vist

Læs mere

Landmålingens fejlteori - Lektion 2. Sandsynlighedsintervaller Estimation af µ Konfidensinterval for µ. Definition: Normalfordelingen

Landmålingens 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 mere

4 Oversigt over kapitel 4

4 Oversigt over kapitel 4 IMM, 2002-09-14 Poul Thyregod 4 Oversigt over kapitel 4 Introduktion Hidtil har vi beskæftiget os med data. Når data repræsenterer gentagne observationer (i bred forstand) af et fænomen, kan det være bekvemt

Læs mere

Kursusindhold: Produkt og marked - matematiske og statistiske metoder. Monte Carlo

Kursusindhold: 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 mere

Referencelaboratoriet for måling af emissioner til luften

Referencelaboratoriet 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 mere

KRITERIER FOR TILFREDSSTILLENDE PRÆSTATION I

KRITERIER FOR TILFREDSSTILLENDE PRÆSTATION I KRITERIER FOR TILFREDSSTILLENDE PRÆSTATION I PRÆSTATIONSPRØVNING - SAMMENLIGNING MELLEM BKG. 866 OG FORSLAG TIL REVIDERET BEKENDTGØRELSE 1 Baggrund Ved høring af revideret bekendtgørelse om analysekvalitet

Læs mere

Produkt og marked - matematiske og statistiske metoder

Produkt 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 mere

Analysestrategi. Lektion 7 slides kompileret 27. oktober 200315:24 p.1/17

Analysestrategi. Lektion 7 slides kompileret 27. oktober 200315:24 p.1/17 nalysestrategi Vælg statistisk model. Estimere parametre i model. fx. lineær regression Udføre modelkontrol beskriver modellen data tilstrækkelig godt og er modellens antagelser opfyldte fx. vha. residualanalyse

Læs mere

Kalibrering og modtagekontrol. ved Erik Øhlenschlæger

Kalibrering og modtagekontrol. ved Erik Øhlenschlæger Kalibrering og modtagekontrol ved Erik Øhlenschlæger 4.6 Eksterne ydelser og leverancer 4.6.2 Laboratoriet skal sikre, at indkøbte kalibreringer, ikke anvendes, før det er blevet kontrolleret, eller det

Læs mere

Kalibrering og modtagekontrol. ved Erik Øhlenschlæger

Kalibrering og modtagekontrol. ved Erik Øhlenschlæger Kalibrering og modtagekontrol ved Erik Øhlenschlæger 4.6 Eksterne ydelser og leverancer Laboratoriet skal have en beskrevet procedure for valg og indkøb af eksterne ydelser,, der kan påvirke kvaliteten

Læs mere

DANAK s akkrediteringsmærke og henvisning til akkreditering Nr. : AB 2 Dato : xx30 UDKAST 3/ Side : 1/9

DANAK s akkrediteringsmærke og henvisning til akkreditering Nr. : AB 2 Dato : xx30 UDKAST 3/ Side : 1/9 UDKAST 3/6 2013 Side : 1/9 1. Anvendelsesområde 1.1 Akkrediteringsbestemmelsen finder anvendelse på akkrediterede laboratorier, udbydere af præstationsprøvning, laboratorier akkrediteret til certificering

Læs mere

ANALYSEKVALITETSKRAV TIL PARAMETRE DER PT. IKKE ER

ANALYSEKVALITETSKRAV TIL PARAMETRE DER PT. IKKE ER Notat 11.4 dato den /7-011 ANALYSEKVALITETSKRAV TIL PARAMETRE DER PT. IKKE ER DÆKKET AF BKG. NR. 866 1 Bekendtgørelsens bilag 1.10, Kontrol af jord Endeligt forslag til kvalitetskrav for nye parametre

Læs mere

FORSLAG TIL ANALYSEKVALITETSKRAV EFTER NY MODEL FOR

FORSLAG TIL ANALYSEKVALITETSKRAV EFTER NY MODEL FOR Notat 10.8 dato den 15/1-010 FORSLAG TIL ANALYSEKVALITETSKRAV EFTER NY MODEL FOR PARAMETRE DER PT. ER INDEHOLDT I BKG. NR. 866 1 Bekendtgørelsens bilag 1.9, Svømmebassinkontrol Endeligt forslag til bilag

Læs mere

FORSLAG TIL ANALYSEKVALITETSKRAV EFTER NY MODEL FOR

FORSLAG TIL ANALYSEKVALITETSKRAV EFTER NY MODEL FOR FORSLAG TIL ANALYSEKVALITETSKRAV EFTER NY MODEL FOR PARAMETRE DER PT. ER INDEHOT I BKG. NR. 866 Bekendtgørelsens bilag., Spildevandsslam Endeligt forslag til bilag. i bekendtgørelsen ses i bilag A til

Læs mere

Statistiske modeller

Statistiske modeller Statistiske modeller Statistisk model Datamatrice Variabelmatrice Hændelse Sandsynligheder Data Statistiske modeller indeholder: Variable Hændelser defineret ved mulige variabel værdier Sandsynligheder

Læs mere

Løsning til eksaminen d. 14. december 2009

Løsning til eksaminen d. 14. december 2009 DTU Informatik 02402 Introduktion til Statistik 200-2-0 LFF/lff Løsning til eksaminen d. 4. december 2009 Referencer til Probability and Statistics for Engineers er angivet i rækkefølgen [8th edition,

Læs mere

DANAK s akkrediteringsmærke og henvisning til akkreditering Nr. : AB 2 Dato : 2015.xx.yy Udkast til revision af AB 2, juni 2015 Side : 1/9

DANAK s akkrediteringsmærke og henvisning til akkreditering Nr. : AB 2 Dato : 2015.xx.yy Udkast til revision af AB 2, juni 2015 Side : 1/9 Udkast til revision af AB 2, juni 2015 Side : 1/9 1. Anvendelsesområde 1.1 Akkrediteringsbestemmelsen finder anvendelse på akkrediterede laboratorier, udbydere af præstationsprøvning, laboratorier akkrediteret

Læs mere

3.600 kg og den gennemsnitlige fødselsvægt kg i stikprøven.

3.600 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 mere

Løsning til eksamen d.27 Maj 2010

Løsning til eksamen d.27 Maj 2010 DTU informatic 02402 Introduktion til Statistik Løsning til eksamen d.27 Maj 2010 Referencer til Probability and Statistics for Engineers er angivet i rækkefølgen [8th edition, 7th edition]. Opgave I.1

Læs mere

Liste over aktuelle og kommende standarder

Liste over aktuelle og kommende standarder Danske og internationale standarder Statiske metoder 1/11 Liste over aktuelle og kommende standarder Dette dokument indeholder en opdateret liste over alle de danske og internationale standarder på det

Læs mere

Regneregler 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)

Regneregler 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 mere

Lidt om fordelinger, afledt af normalfordelingen

Lidt 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 mere

Institut 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

Institut 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 mere

Definition: Normalfordelingen. siges at være normalfordelt med middelværdi µ og varians σ 2, hvor µ og σ er reelle tal og σ > 0.

Definition: 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 mere

FORSLAG TIL ANALYSEKVALITETSKRAV EFTER NY MODEL FOR

FORSLAG TIL ANALYSEKVALITETSKRAV EFTER NY MODEL FOR Notat 0.0a dato den /7-0 FORSLAG TIL ANALYSEKVALITETSKRAV EFTER NY MODEL FOR PARAMETRE DER PT. ER INDEHOT I BKG. NR. 866 Bekendtgørelsens bilag., Fersk sediment Endeligt forslag til bilag. i bekendtgørelsen

Læs mere

12 TOLERANCER 1 12 TOLERANCER

12 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 mere

Estimation og usikkerhed

Estimation 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 mere

2 X 2 = Antal mygstik på enpersoniløbetaf1minut

2 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 mere

Generel bestemmelse om akkreditering af virksomheder Nr. : AB 1 Dato : xx UDKAST af 3/ Side : 1/6

Generel bestemmelse om akkreditering af virksomheder Nr. : AB 1 Dato : xx UDKAST af 3/ Side : 1/6 UDKAST af 3/6 2013 Side : 1/6 1. Anvendelsesområde 1.1 Denne generelle akkrediteringsbestemmelse finder anvendelse på virksomheder, der ansøger om akkreditering af Den Danske Akkrediterings- og Metrologifond

Læs mere

Deskriptiv statistik. Version 2.1. Noterne er et supplement til Vejen til matematik AB1. Henrik S. Hansen, Sct. Knuds Gymnasium

Deskriptiv 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 mere

look at Calibration

look at Calibration Take a look at Calibration Kalibrering er en samling af handlinger som, under specifikke betingelser, etablerer forholdet mellem værdier fra et måleinstrument eller målesystem, eller værdier fra et referencemateriale

Læs mere

Tema. Dagens tema: Indfør centrale statistiske begreber.

Tema. 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 mere

KALIBRERINGSCERTIFIKAT

KALIBRERINGSCERTIFIKAT Side 1 af 5 KALIBRERINGSCERTIFIKAT Udarbejdet i henhold til Dansk Akkrediterings ovennævnte registringsnummer 1. For: Henrik Tofteng A/S Nyager 6 265 Brøndby 2. er i overensstemmelse med DANAK's retningslinier

Læs mere

Billedbehandling og mønstergenkendelse: Lidt elementær statistik (version 1)

Billedbehandling og mønstergenkendelse: Lidt elementær statistik (version 1) ; C ED 6 > Billedbehandling og mønstergenkendelse Lidt elementær statistik (version 1) Klaus Hansen 24 september 2003 1 Elementære empiriske mål Hvis vi har observationer kan vi udregne gennemsnit og varians

Læs mere

Akkreditering af laboratorier Nr. : AB 3 Dato : Side : 1/9

Akkreditering af laboratorier Nr. : AB 3 Dato : Side : 1/9 Side : 1/9 1. Anvendelsesområde Denne akkrediteringsbestemmelse finder anvendelse ved DANAK s akkreditering af laboratorier i henhold til: a. DS/EN ISO/IEC 17025 Generelle krav til prøvnings- og kalibreringslaboratoriers

Læs mere

FORSLAG TIL ANALYSEKVALITETSKRAV EFTER NY MODEL FOR

FORSLAG TIL ANALYSEKVALITETSKRAV EFTER NY MODEL FOR FORSLAG TIL ANALYSEKVALITETSKRAV EFTER NY MODEL FOR PARAMETRE DER PT. ER INDEHOT I BKG. NR. 866 1 Bekendtgørelsens bilag 1.1, Marint sediment Endeligt forslag til bilag 1.1 i bekendtgørelsen ses i bilag

Læs mere

Løsning eksamen d. 15. december 2008

Løsning eksamen d. 15. december 2008 Informatik - DTU 02402 Introduktion til Statistik 2010-2-01 LFF/lff Løsning eksamen d. 15. december 2008 Referencer til Probability and Statistics for Engineers er angivet i rækkefølgen [8th edition, 7th

Læs mere

Landmålingens fejlteori - Lektion 2 - Transformation af stokastiske variable

Landmålingens 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 mere

Statistik Lektion 3. Simultan fordelte stokastiske variable Kontinuerte stokastiske variable Normalfordelingen

Statistik 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 mere

Vektorer og lineær regression

Vektorer 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 mere

1/41. 2/41 Landmålingens fejlteori - Lektion 1 - Kontinuerte stokastiske variable

1/41. 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 mere

Vektorer og lineær regression. Peter Harremoës Niels Brock

Vektorer 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 mere

5.11 Middelværdi og varians Kugler Ydelse for byg [Obligatorisk opgave 2, 2005]... 14

5.11 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 mere

Supplement til kapitel 4 Om sandsynlighedsmodeller for flere stokastiske variable

Supplement til kapitel 4 Om sandsynlighedsmodeller for flere stokastiske variable IMM, 00--6 Poul Thyregod Supplement til kapitel 4 Om sandsynlighedsmodeller for flere stokastiske variable Todimensionale stokastiske variable Lærebogens afsnit 4 introducerede sandsynlighedsmodeller formuleret

Læs mere

GPS stiller meget præcise krav til valg af målemetode

GPS 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 mere

look at Calibration

look at Calibration Take a look at Calibration Kalibrering er en samling af handlinger som, under specifikke betingelser, etablerer forholdet mellem værdier fra et måleinstrument eller målesystem, eller værdier fra et referencemateriale

Læs mere

Kapitel 13 Reliabilitet og enighed

Kapitel 13 Reliabilitet og enighed Kapitel 13 Reliabilitet og enighed Peter Tibert Stoltze stat@peterstoltze.dk Elementær statistik F2011 Version 11. april 2011 1 / 23 Indledning En observation er sammensat af en sand værdi og en målefejl

Læs mere

Fokus på Forsyning. Datagrundlag og metode

Fokus på Forsyning. Datagrundlag og metode Fokus på Forsyning I notatet gennemgås datagrundlaget for brancheanalysen af forsyningssektoren sammen med variable, regressionsmodellen og tilhørende tests. Slutteligt sammenfattes analysens resultater

Læs mere

Eksempel Multipel regressions model Den generelle model Estimation Multipel R-i-anden F-test for effekt af prædiktorer Test for vekselvirkning

Eksempel Multipel regressions model Den generelle model Estimation Multipel R-i-anden F-test for effekt af prædiktorer Test for vekselvirkning 1 Multipel regressions model Eksempel Multipel regressions model Den generelle model Estimation Multipel R-i-anden F-test for effekt af prædiktorer Test for vekselvirkning PSE (I17) ASTA - 11. lektion

Læs mere

Naturstyrelsens Referencelaboratorium for Kemiske Miljømålinger NOTAT

Naturstyrelsens Referencelaboratorium for Kemiske Miljømålinger NOTAT Naturstyrelsens Referencelaboratorium for Kemiske Miljømålinger NOTAT Til: Brugere af Bekendtgørelse om kvalitetskrav til miljømålinger Dato: 15. november 2012 Emne: Tydeliggørelse af emner i bekendtgørelse

Læs mere

Elementær sandsynlighedsregning

Elementær 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 mere

Bilag 6: Bootstrapping

Bilag 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 mere

Stikprøver 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 Stikprøver og stikprøve fordelinger Stikprøver Estimatorer og estimater Stikprøve fordelinger Egenskaber ved estimatorer Frihedsgrader Statistik Statistisk Inferens: Prediktere og forekaste værdier af

Læs mere

INTRODUKTION TIL USIKKERHEDSBUDGETTER

INTRODUKTION TIL USIKKERHEDSBUDGETTER INTRODUKTION TIL USIKKERHEDSBUDGETTER UNDERVISNINGSELEMENT # A3 UNDERVISNING I MÅLETEKNIK UNDERVISNINGSELEMENT # A3 INTRODUKTION TIL USIKKERHEDSBUDGETTER David Balslev-Harder, Sabrina R. Johansen & Morten

Læs mere

Rettevejledning til eksamen i Kvantitative metoder 1, 2. årsprøve 2. januar 2007

Rettevejledning til eksamen i Kvantitative metoder 1, 2. årsprøve 2. januar 2007 Rettevejledning til eksamen i Kvantitative metoder 1,. årsprøve. januar 007 I rettevejledningen henvises der til Berry and Lindgren "Statistics Theory and methods"(b&l) hvis ikke andet er nævnt. Opgave

Læs mere

Gennemsnit og normalfordeling illustreret med terningkast, simulering og SLUMP()

Gennemsnit 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 mere

Sandsynlighedsfordelinger for kontinuerte data på interval/ratioskala

Sandsynlighedsfordelinger for kontinuerte data på interval/ratioskala 3 5% 5% 5% 0 3 4 5 6 7 8 9 0 Statistik for biologer 005-6, modul 5: Normalfordelingen opstår når mange forskellige faktorer uafhængigt af hinanden bidrager med additiv variation til. F.eks. Højde af rekrutter

Læs mere

Statistik Lektion 1. Introduktion Grundlæggende statistiske begreber Deskriptiv statistik

Statistik 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 mere

Udmøntning af principper for fastlæggelse af krav til analysekvalitet

Udmøntning af principper for fastlæggelse af krav til analysekvalitet Udmøntning af principper for fastlæggelse af krav til analysekvalitet 1. Formål Formålet med notat er at beskrive hvilke kvalitetsparametre, laboratorierne skal anvende til dokumentation af analysekvalitet,

Læs mere

MÅLEUSIKKERHED MIKROBIOLOGI

MÅLEUSIKKERHED MIKROBIOLOGI MÅLEUSIKKERHED MIKROBIOLOGI KIRSTEN KIRKEBY QA SUPERVISOR LABORATORIUM DANISH CROWN HERNING Mikrobiologisk usikkerhed Den ekspanderede kombinerede usikkerhed U 2 x uc,abs.(log cfu/g) Den tilfældige analytiske

Læs mere

Et eksempel på en todimensional normalfordeling Anders Milhøj September 2006

Et 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 mere

Sandsynlighed og Statistik

Sandsynlighed 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 mere

FORSLAG TIL ANALYSEKVALITETSKRAV EFTER NY MODEL FOR

FORSLAG TIL ANALYSEKVALITETSKRAV EFTER NY MODEL FOR Notat 10.9 dato den 18/4-011 FORSLAG TIL ANALYSEKVALITETSKRAV EFTER NY MODEL FOR PARAMETRE DER PT. ER INDEHOLDT I BKG. NR. 866 1 Bekendtgørelsens bilag 1.10, Kontrol af jord Endeligt forslag til bilag

Læs mere

Usikkerhedsbegrebet - fra idé til virkelighed

Usikkerhedsbegrebet - fra idé til virkelighed Usikkerhedsbegrebet - fra idé til virkelighed 1 af Per Bennich PB Metrology Consulting 1 Indledning Usikkerhed er i dag et velkendt begreb i forbindelse med måling og måleresultater. GUM (DS/ENV 13005

Læs mere

Rapport. Undersøgelse af Dantale DVD i forhold til CD. Udført for Erik Kjærbøl, Bispebjerg hospital og Jens Jørgen Rasmussen, Slagelse sygehus

Rapport. Undersøgelse af Dantale DVD i forhold til CD. Udført for Erik Kjærbøl, Bispebjerg hospital og Jens Jørgen Rasmussen, Slagelse sygehus Rapport Undersøgelse af Dantale DVD i forhold til CD Udført for Erik Kjærbøl, Bispebjerg hospital og Jens Jørgen Rasmussen, Slagelse sygehus 2003-08-19 DELTA Dansk Elektronik, Lys & Akustik Teknisk-Audiologisk

Læs mere

Mikro-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 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 mere

Statistik vejledende læreplan og læringsmål, foråret 2015 SmartLearning

Statistik vejledende læreplan og læringsmål, foråret 2015 SmartLearning Side 1 af 6 Statistik vejledende læreplan og læringsmål, foråret 2015 SmartLearning Litteratur: Kenneth Hansen & Charlotte Koldsø: Statistik I økonomisk perspektiv, Hans Reitzels Forlag 2012, 2. udgave,

Læs mere

Tema. Model og modelkontrol ( Fx. en normalfordelt obs. række m. kendt varians) Estimation af parametre. Fordeling. Hypotese og test. Teststørrelse.

Tema. Model og modelkontrol ( Fx. en normalfordelt obs. række m. kendt varians) Estimation af parametre. Fordeling. Hypotese og test. Teststørrelse. Tema Model og modelkontrol ( Fx. en normalfordelt obs. række m. kendt varians) Estimation af parametre. Fordeling. (Fx. x. µ) Hypotese og test. Teststørrelse. (Fx. H 0 : µ = µ 0 ) konfidensintervaller

Læs mere

I 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) 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

Landmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl

Landmålingens 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 mere

Uge 43 I Teoretisk Statistik, 21. oktober Forudsigelser

Uge 43 I Teoretisk Statistik, 21. oktober Forudsigelser Uge 43 I Teoretisk Statistik,. oktober 3 Simpel lineær regressionsanalyse Forudsigelser Fortolkning af regressionsmodellen Ekstreme observationer Transformationer Sammenligning af to regressionslinier

Læs mere

Vi kalder nu antal prøverør blandt de 20, hvor der ikke ses vækst for X.

Vi kalder nu antal prøverør blandt de 20, hvor der ikke ses vækst for X. Opgave I I en undersøgelse af et potentielt antibiotikum har man dyrket en kultur af en bestemt mikroorganisme og tilført prøver af organismen til 20 prøverør med et vækstmedium og samtidig har man tilført

Læs mere

Epidemiologi og Biostatistik

Epidemiologi og Biostatistik Kapitel 1, Kliniske målinger Epidemiologi og Biostatistik Introduktion til skilder (varianskomponenter) måleusikkerhed sammenligning af målemetoder Mogens Erlandsen, Institut for Biostatistik Uge, torsdag

Læs mere

Økonometri 1. Den simple regressionsmodel 11. september Økonometri 1: F2

Økonometri 1. Den simple regressionsmodel 11. september Økonometri 1: F2 Økonometri 1 Den simple regressionsmodel 11. september 2006 Dagens program Den simple regressionsmodel SLR : Én forklarende variabel (Wooldridge kap. 2.1-2.4) Motivation for gennemgangen af SLR Definition

Læs mere

FORSLAG TIL ANALYSEKVALITETSKRAV EFTER NY MODEL FOR

FORSLAG TIL ANALYSEKVALITETSKRAV EFTER NY MODEL FOR FORSLAG TIL ANALYSEKVALITETSKRAV EFTER NY MODEL FOR PARAMETRE DER PT. ER INDEHOLDT I BKG. NR. 866 1 Bekendtgørelsens bilag 1.8, Spildevand, renset og urenset Endeligt forslag til bilag 1.8 i bekendtgørelsen

Læs mere

a) Har måleresultaterne for de 2 laboranter samme varians? b) Tyder resultaterne på, at nogen af laboranterne måler med en systematisk fejl?

a) Har måleresultaterne for de 2 laboranter samme varians? b) Tyder resultaterne på, at nogen af laboranterne måler med en systematisk fejl? Module 6: Exercises 6.1 To laboranter....................... 2 6.2 Nicotamid i piller..................... 3 6.3 Karakterer......................... 5 6.4 Blodtryk hos kvinder................... 6 6.5

Læs mere

Fagplan for statistik, efteråret 2015

Fagplan for statistik, efteråret 2015 Side 1 af 7 M Fagplan for statistik, efteråret 20 Litteratur Kenneth Hansen & Charlotte Koldsø (HK): Statistik I økonomisk perspektiv, Hans Reitzels Forlag 2012, 2. udgave, ISBN 9788741256047 HypoStat

Læs mere

FORSLAG TIL ANALYSEKVALITETSKRAV EFTER NY MODEL FOR

FORSLAG TIL ANALYSEKVALITETSKRAV EFTER NY MODEL FOR FORSLAG TIL ANALYSEKVALITETSKRAV EFTER NY MODEL FOR PARAMETRE DER PT. ER INDEHOT I BKG. NR. 866 Bekendtgørelsens bilag.4, Overvågning af jordvand, drænvand m.m. Endeligt forslag til bilag.4 i bekendtgørelsen

Læs mere

Projektopgave Observationer af stjerneskælv

Projektopgave 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 mere

Kvantitative Metoder 1 - Forår 2007

Kvantitative Metoder 1 - Forår 2007 Dagens program Kapitel 8.7, 8.8 og 8.10 Momenter af gennemsnit og andele kap. 8.7 Eksempel med simulationer Den centrale grænseværdisætning (Central Limit Theorem) kap. 8.8 Simulationer Normalfordelte

Læs mere

ANALYSEKVALITETSKRAV TIL PARAMETRE DER PT. IKKE ER

ANALYSEKVALITETSKRAV TIL PARAMETRE DER PT. IKKE ER ANALYSEKVALITETSKRAV TIL PARAMETRE DER PT. IKKE ER DÆKKET AF BKG. NR. 866 1 Bekendtgørelsens bilag 1.13, Spildevandsslam Endeligt forslag til kvalitetskrav for nye parametre i bilag 1.13 i bekendtgørelsen

Læs mere

En Introduktion til SAS. Kapitel 5.

En Introduktion til SAS. Kapitel 5. En Introduktion til SAS. Kapitel 5. Inge Henningsen Afdeling for Statistik og Operationsanalyse Københavns Universitet Marts 2005 6. udgave Kapitel 5 T-test og PROC UNIVARIATE 5.1 Indledning Dette kapitel

Læs mere

www.bennich.dk Alle har hørt om usikkerhedsbudgetter: En formelt opstillet dokumentation for en estimeret usikkerhed!

www.bennich.dk Alle har hørt om usikkerhedsbudgetter: En formelt opstillet dokumentation for en estimeret usikkerhed! 1. Indledning Alle ved i dag hvad usikkerhed er: En kvalitetsangivelse for en talværdi! Usikkerheder kan ikke regnes ud, de kan kun estimeres! Usikkerheden betegnes med U. Alle har hørt om usikkerhedsbudgetter:

Læs mere

USIKKERHEDSBUDGETTER

USIKKERHEDSBUDGETTER UIKKERHEDBUDGETTER MED HOVEDET UNDER ARMEN? REGNER VI MÅLEUIKKERHEDEN UD PÅ DET, OM VI EGENTLIG HAR BRUG FOR AT VIDE? KAN OFTWARE HJÆLPE O MED AT GØRE DE RIGTIGE TING? KAN OFTWARE KABE TØRRE LØNOMHED I

Læs mere

Fejlforplantning. Landmålingens fejlteori - Lektion 5 - Fejlforplantning. Repetition: Varians af linear kombination. Eksempel: Vinkelberegning

Fejlforplantning. 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 mere

Oversigt over emner. Punktestimatorer: Centralitet(bias) og efficiens

Oversigt 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 mere

1. Intoduktion. Undervisningsnoter til Øvelse i Paneldata

1. Intoduktion. Undervisningsnoter til Øvelse i Paneldata 1 Intoduktion Før man springer ud i en øvelse om paneldata og panelmodeller, kan det selvfølgelig være rart at have en fornemmelse af, hvorfor de er så vigtige i moderne mikro-økonometri, og hvorfor de

Læs mere

Konfidensintervaller og Hypotesetest

Konfidensintervaller 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 mere

Program. Statistik og Sandsynlighedsregning. Eksempler. Sandsynlighedstæthed og sandsynlighedsmål

Program. Statistik og Sandsynlighedsregning. Eksempler. Sandsynlighedstæthed og sandsynlighedsmål Program Statistik og Sandsynlighedsregning Sandsynlighedstætheder og kontinuerte fordelinger på R Varians og middelværdi Normalfordelingen Susanne Ditlevsen Uge 48, tirsdag Tætheder og fordelingsfunktioner

Læs mere