8ewria sfalmatwn 2010users.auth.gr/paloura/8ewria sfalmatwn_2010_2pgs.pdf · 7 i 1 a x i 7 1 x...
TRANSCRIPT
Ε. Κ. Παλούρα 2010
Page 1 of 33
Εισαγωγή στη θεωρία σφαλμάτων
Πείραμα
Συστηματική παρατήρηση & μέτρηση φυσικών φαινομένων
Επαλήθευση απλών νόμων
Εκπαίδευση
στον υπολογισμό της «καλύτερης» τιμής μίας μέτρησης
και των σφαλμάτων.
στην κατασκευή γραφικών παραστάσεων
στην συγγραφή αναφοράς/εργασίας που περιγράφει το
πείραμα, τα αποτελέσματα και τα συμπεράσματα
συνοπτικά & περιεκτικά.
Η επιτυχία του πειράματος προϋποθέτει
Ακριβή & λεπτομερή προγραμματισμό του πειράματος
ΜΕΛΕΤΗ ΣΤΟ ΣΠΙΤΙ ΠΡΙΝ ΑΠΟ ΤΟ ΠΕΙΡΑΜΑ
Προσεκτική καταγραφή της πειραματικής διαδικασίας &
των αποτελεσμάτων ΣΕ ΤΕΤΡΑΔΙΟ, χωρίς επεξεργασία &
εξομάλυνση
Καλή συνεργασία μεταξύ των μελών της ομάδος.
Ε. Κ. Παλούρα 2010
Page 2 of 33
Εισαγωγή στη θεωρία σφαλμάτων
Μαθηματικός ορισμός του σφάλματος : σφάλμα=x-X όπου x &
X είναι η μετρούμενη και η πραγματική τιμή αντίστοιχα.
Υπάρχουν 3 ειδών σφάλματα
Λάθη παρατηρητή
παράλλαξη
ρύθμιση του μηδενός στα όργανα
επιλογή ακατάλληλης κλίμακας ευαισθησίας
Τυχαία σφάλματα
προκαλούνται από άγνωστες και απρόβλεπτες
αστάθειες του πειραματικού συστήματος (π.χ.
μεταβολές θερμοκρασίας, τάσης δικτύου κλπ)
προκαλούν διασπορά στις μετρήσεις
αναιρούνται με επανάληψη των μετρήσεων ή/και
την κατάλληλη επεξεργασία των δεδομένων
N
xx i
i
Συστηματικά σφάλματα
προκαλούνται από κακή ρύθμιση οργάνων ή/και λανθασμένη
πειραματική διαδικασία
Ε. Κ. Παλούρα 2010
Page 3 of 33
μετατοπίζουν όλες τις μετρήσεις κατά το ίδιο Δx.
δύσκολα εντοπίζονται
Επίδραση των σφαλμάτων στις μετρήσεις
Τα τυχαία σφάλματα προκαλούν διασπορά
στις μετρήσεις
Τα συστηματικά σφάλματα, απουσία
τυχαίων, μετατοπίζουν κατά την ίδια
ποσότητα όλες τις μετρήσεις
Ο συνδυασμός συστηματικών & τυχαίων
σφαλμάτων προκαλεί διασπορά γύρω από
την μέση τιμή.
Πραγματική τιμή
Ε. Κ. Παλούρα 2010
Page 4 of 33
Παράδειγμα-Τυχαία σφάλματα
Πείραμα μέτρησης ροής (Q) Η2O σε t=4sec.
Αποτελέσματα α/α 1 2 3 4 5
V(cm3) 436.5 437.5 435.9 436.2 436.9
3i cm6.4365QQ
Διασπορά αποτελεσμάτων: 8.02
QQ minmax
Αποτέλεσμα: 3cm 8.06.4368.0Q
Πηγές σφαλμάτων
στο συγκεκριμένο
πείραμα:
σφάλματα στη χρονομέτρηση
σφάλματα στην ογκομέτρηση
μεταβολές πίεσης στο δίκτυο
Μία μέτρηση χαρακτηρίζεται από την ακρίβεια (precision) και
την ευστοχία /ορθότητά της (accuracy).
Μία μέτρηση είναι εύστοχη/ορθή (accurate) όταν είναι
απαλλαγμένη από συστηματικά σφάλματα δίνει αποτέλεσμα
κοντά στην πραγματική τιμή
Μία μέτρηση είναι ακριβής (precise) όταν οι μετρήσεις είναι
απαλλαγμένες από τυχαία σφάλματα
Ε. Κ. Παλούρα 2010
Page 5 of 33
εύστοχη μέτρηση : απαλλαγμένη από συστηματικά
σφάλματα δίνει αποτέλεσμα κοντά στην πραγματική
τιμή
ακριβής μέτρηση : οι μετρήσεις είναι απαλλαγμένες από
τυχαία σφάλματα
Τα πειραματικά αποτελέσματα παρουσιάζονται μαζί με
το σφάλμα που τα χαρακτηρίζει
Παράδειγμα : μέτρηση περιόδου εκκρεμούς από 2 φοιτητές :
Τ1=2,04±0,03 sec
T2=1.94±0.08 sec
Τα αποτελέσματα συμφωνούν ή όχι??
Ποια μέτρηση είναι πιο ακριβής??
Σημαντικά ψηφία
Όλα τα μη-μηδενικά ψηφία είναι σημαντικά, π.χ. ο
αριθμός 123,45 έχει 5 σημαντικά ψηφία.
Ε. Κ. Παλούρα 2010
Page 6 of 33
Τα μηδενικά που υπάρχουν μεταξύ μη-μηδενικών ψηφίων
είναι σημαντικά, π.χ. ο αριθμός 101,12 έχει 5 σημαντικά
ψηφία.
Τα μηδενικά που προηγούνται μη-μηδενικών ψηφίων δεν
είναι σημαντικά, π.χ. ο αριθμός 0.00012 έχει 2 σημαντικά
ψηφία: 1 & 2
Τα μηδενικά που έπονται του δεκαδικού κόμμα είναι
σημαντικά, π.χ. το 12.2300 έχει 6 σημαντικά ψηφία: 1, 2, 2,
3, 0 και 0. Αυτή η σύμβαση δηλώνει ότι η μέτρηση έχει
ακρίβεια 4 δεκαδικών.
Σε αριθμούς που δεν έχουν το κόμμα δεν είναι σαφές το
πόσα ψηφία είναι σημαντικά. Π.χ. ο αριθμός 1300 έχει 4
σημαντικά ή είναι στρογγυλευμένος στην πλησιέστερη
εκατοντάδα? Αντίθετα ο αριθμός 1300. Έχει 4 σημαντικά.
Παράδειγμα : Στρογγύλεμα σε 2 σημαντικά
12 300 12 000
13 13
0.00123 0.0012
0.1 0.10
0.02084 0.021
0.0125 0.012 (ή 0.013).
Ε. Κ. Παλούρα 2010
Page 7 of 33
Επιγραμματικά :
Σημαντικά είναι όλα τα ψηφία που διαβάζουμε από την κλίμακα
ενός οργάνου συν ένας αριθμός κατ’ εκτίμηση ψηφίων. Δηλαδή
το πλήθος των σημαντικών ψηφίων εξαρτάται από την ακρίβεια
του οργάνου.
Το τελευταίο σημαντικό ψηφίο στην τιμή μίας μέτρησης πρέπει
να είναι της ίδιας τάξης μεγέθους (ή στην ίδια δεκαδική θέση) με
την αβεβαιότητα μίας μέτρησης.
Παράδειγμα
x=9.82 0,02385 m X x=9,82 0,02 m
υ=6051,78 30 m/s X υ=6050 30 m/s
Ζυγαριά ακριβείας 0,1gr 23.343 gr 23.3 gr
Η τιμή αντίστασης 450,010% 45045 Ω.
Πρόσθεση & αφαίρεση: το αποτέλεσμα έχει τόση ακρίβεια όση ο
προσθετέος με τη μικρότερη ακρίβεια.
Παράδειγμα:
123.56+12.351=135.911=135.91
123.56-12.3=11.26=111.26=111.3
Πολλαπλασιασμός & διαίρεση: ο αριθμός των σημαντικών
ψηφίων μετά το αποτέλεσμα των πράξεων ισούται προς αυτόν του
τελεστέου με τα λιγότερα σημαντικά ψηφία.
Ε. Κ. Παλούρα 2010
Page 8 of 33
Παράδειγμα:
12 ms10x5.40.4512.5
2.2345tdv
m1026.67.625m66.62552.305.20tvd 2xxx
Αβεβαιότητα ή σφάλμα μίας μέτρησης: είναι η διαφορά μεταξύ
της σωστής τιμής και της τιμής που μετρούμε και εξαρτάται από τη
φύση του υπό μέτρηση μεγέθους.
Παραδείγματα
Μέτρηση μήκους με χάρακα που έχει υποδιαιρέσεις mm:
σφάλμα 0,5mm
Μέτρηση γωνίας με μοιρογνωμόνιο που έχει υποδιαιρέσεις σε
μοίρες: σφάλμα 0,5ο
Μέτρηση χρόνου με χρονόμετρο (χειροκίνητη λειτουργία):
σύνηθες σφάλμα 0,25s.
Μέτρηση ηλεκτρικών μεγεθών με αναλογικά ηλεκτρικά όργανα:
σύνηθες σφάλμα 3% της κλίμακας (μέγεθος που αντιστοιχεί σε
πλήρη απόκλιση της βελόνας).
Ε. Κ. Παλούρα 2010
Page 9 of 33
Σχετικό ή κλασματικό σφάλμα:
xx
Επί τοις εκατό σφάλμα : 100x
x
Παράγοντας βάρους των αποτελεσμάτων.
Εστω ότι εχουμε 2 σειρές μετρήσεων:
Σειρά Α x1, x2, x3, x4, x5, x6, x7
7
1iiA x
71x
Σειρά Β: x8, x9, x10
10
8iiB x
31x
Ζητούμε τον μέσο όρο των αποτελεσμάτων των 2 σειρών
μετρήσεων:
10
1iix
101x ή BA x
103x
107x
αλλά BA xx21x
Ο Ax που προκύπτει από σύνολο 7 μετρήσεων έχει «μεγαλύτερο
βάρος» από τον Bx που προκύπτει από μόνον 3 μετρήσεις.
Ε. Κ. Παλούρα 2010
Page 10 of 33
Διάδοση / συνδυασμός σφαλμάτων
Το πρόβλημα: υπολογισμός του Z=Z(A,B,C…) από τις τιμές των
πρωτογενών μεγεθών που μετρούμε, δηλ. των Α, Β, C κλπ.
Πως υπολογίζουμε το σφάλμα ΔΖ από τα ΔΑ, ΔΒ, ΔC
κλπ???
Πως διαδίδονται/συνδυάζονται τα σφάλματα ΔΑ, ΔΒ, ΔC
κλπ ?
Παράδειγμα: υπολογισμός πυκνότητας κύβου όταν μετρούμε
πειραματικά την μάζα & τις διαστάσεις.
μέγεθος σφάλμα x=ABC Δx= 222 C x=AB ή B
Ax 22
xx
x=An
nxx
x=kA Δx=kΔΑ και
xx
x=kAB 22kx x=kAB ή
BAkx
22
xx
x=kAn
nxx
x=ln A
x
x=eA
xx
Ε. Κ. Παλούρα 2010
Page 11 of 33
Γενικές οδηγίες επί των σφαλμάτων
το σφάλμα δίδεται με 1 ή 2 σημαντικά ψηφία
σφάλματα σε διαφορές & αθροίσματα: αγνοήστε τα σφάλματα
που είναι μικρότερα του 1/3 του μεγίστου σφάλματος.
σφάλματα σε γινόμενα & πηλίκα: αγνοήστε τα σχετικά
σφάλματα xx που είναι μικρότερα του 1/3 του μεγίστου
σχετικού σφάλματος.
Ιδιαίτερη προσοχή όταν υπολογίζετε τη δύναμη μετρηθείσης
ποσότητας
Ιδιαίτερη προσοχή όταν μετράτε τη διαφορά περίπου ίσων
μεγεθών.
Υπολογισμός του διαδιδόμενου σφάλματος.
Add)A(ZZ
oA
...B,...)B,A(ZZ 22
22
2
Παράδειγμα 1
nZZA
AnAAnAAZ n
1n1nn
Ε. Κ. Παλούρα 2010
Page 12 of 33
Παράδειγμα 2
Να υπολογίσετε τη διαφορά θ των γωνιών θ1 & θ2 που μετρήθηκαν
πειραματικά και βρέθηκαν ίσες προς: θ1=(73±3)ο, θ2=(65±3)ο,
αντίστοιχα.
Λύση
H θ=θ1-θ2 είναι της μορφής x=A-B 22 x
Επομένως 222
1
θ=(θ1-θ2)±Δθ=(73-65)± 22 33
θ=(8±4)ο
Προσοχή: το σφάλμα ανέχεται στο 50% του τελικού
αποτελέσματος πρέπει οι μετρήσεις να γίνουν με υψηλή ακρίβεια.
Παράδειγμα 3
Να υπολογίσετε το σφάλμα στον υπολογισμό του όγκου κύβου με
ακμή l =(6±0.5)mm
Λύση 33 mm )216( VVlV
Η συνάρτηση είναι της μορφής AAn
xxkAx n
25.065.033
VV
ll
VV ΔV=0,25V=54 mm3
V=(216±54) mm3 ενώ το σφάλμα στην μέτρηση του μήκους
είναι 8% το διαδιδόμενο σφάλμα ανέρχεται στο 25% της
τελικής τιμής!!!!!!!!!!!! χρειάζεται μεγάλη ακρίβεια στις
μετρήσεις
Ε. Κ. Παλούρα 2010
Page 13 of 33
Ιστόγραμμα: γραφική απεικόνιση των αποτελεσμάτων που
δείχνει γραφικά την συχνότητα επανάληψης μίας τιμής.
Πείραμα : μέτρηση της μάζας μεταλλικού ελάσματος 24 φορές με
την ίδια ζυγαριά.
Αποτελέσματα : ποια είναι η επικρατούσα τιμή??
Μέτρηση της μάζας (gr) μεταλλικού ελάσματος
8,150 8.145 8.148 8.145
8.155 8.155 8.156 8.152
8.142 8.143 8.144 8.148
8.150 8.153 8.152 8.150
8.140 8.149 8.146 8.146
8.148 8.145 8.148 8.141
κατανομή : Το σύνολο
των μετρήσεων
Συχνότητα επανάληψης
(f):…
Παρατηρήσεις
Η τιμή με τη μεγαλύτερη συχνότητα επανάληψης είναι η 8,148
Οι τιμές που αποκλίνουν πολύ από αυτή την τιμή έχουν μικρή
συχνότητα επανάληψης.
Ε. Κ. Παλούρα 2010
Page 14 of 33
Κατασκευή ιστογράμματος
1. Βρίσκουμε το εύρος R των τιμών του συνόλου των xi (xmax-xmin)
2. Διαιρούμε το R σε αυθαίρετο /κατάλληλο αριθμό ισομήκων
διαστημάτων Rk : kRR
3. Βρίσκουμε τη συχνότητα επανάληψης fk των τιμών xk σε κάθε
διάστημα Rk : kfN
4. Γραφική παράσταση : xRk, yfk (συχνότητα επανάληψης)
Κανονική ή κωδωνοειδής κατανομή ή καμπύλη Gauss
Αύξηση του πλήθους των μετρήσεων ελάττωση του διαστήματος
R και συνεχής κατανομή τιμών
Η κανονική κατανομή είναι μία συνάρτηση πιθανότητας και
χαρακτηρίζεται από την μέση τιμή & την τυπική απόκλιση.
Βρίσκει πολύ εκτεταμένες εφαρμογές στη στατιστική, τις φυσικές
επιστήμες, την επεξεργασία εικόνας & σήματος & στις επιστήμες
της συμπεριφοράς (π.χ. ψυχολογία).
Ε. Κ. Παλούρα 2010
Page 15 of 33
H κανονική κατανομή δίνει την σχετική συχνότητα εμφάνισης
μίας τιμής xi και δίνεται από τη σχέση:
2
2i
s2xxexp
2s1)x(f όπου s είναι η τυπική απόκλιση.
Ιδιότητες της
Gaussian
συμμετρική γύρω από το x .
έχει μέγιστη τιμή στο x
τα σημεία καμπής εμφανίζονται σε sxx
Η κανονική κατανομή χαρακτηρίζεται από τη μέση τιμή
x και την τυπική απόκλιση s.
N
xx
N
1ii
1N
xxs
N
1i
2i
Η τυπική απόκλιση δίνει την ακρίβεια μίας μέτρησης που
ανήκει στην κατανομή και είναι μέτρο του εύρους της κατανομής
Αυξανομένου του s αυξάνει το εύρος της καμπύλης ή
όσο λιγότερο ακριβείς είναι οι μετρήσεις τόσο αυξάνει το s
και το εύρος της καμπύλης.
Ε. Κ. Παλούρα 2010
Page 16 of 33
Φυσική σημασία του s:
68.30% των μετρήσεων βρίσκονται εντός των ορίων sx
95.5% των μετρήσεων βρίσκονται εντός των ορίων s2x
Μεταβολή της κατανομής με την τυπική απόκλιση του συνόλου των
μετρήσεων
Επίσης ορίζονται:
Η αβεβαιότητα στον μέσο όρο: Nssx που μειώνεται
αργά ( N1 ) αυξανομένου του Ν.
Το αποτέλεσμα παρατίθεται ως : xs2x
Ε. Κ. Παλούρα 2010
Page 17 of 33
Το σχετικό σφάλμα στο μέσο όρο: xsr x
Το ποσοστιαίο σφάλμα: 100xs%r x
Ε. Κ. Παλούρα 2010
Page 18 of 33
Ασύμμετρες κατανομές
Αρνητική ασυμμετρία Θετική ασυμμετρία
Χαρακτηρίζονται από
Τον μέσο όρο (mean)
Την επικρατούσα τιμή (mode) μέγιστη συχνότητα
εμφάνισης
Τον median που χωρίζει την καμπύλη σε 2 ίσα εμβαδά.
Παράδειγμα: Η ασύμμετρη κατανομή βαθμών σε 3 διαφορετικές
τάξεις.
Ε. Κ. Παλούρα 2010
Page 19 of 33
ΓΡΑΦΙΚΕΣ ΠΑΡΑΣΤΑΣΕΙΣ-ΘΕΩΡΙΑ ΕΛΑΧΙΣΤΩΝ ΤΕΤΡΑΓΩΝΩΝ
Για τις γραφικές παραστάσεις και την προσομοίωση των
αποτελεσμάτων προτιμούμε την ευθεία γραμμή διότι:
είναι εύκολος ο έλεγχος των αποκλίσεων από τη γραμμική
συμπεριφορά
είναι εύκολη η προέκταση σε περιοχές τιμών που δεν
μετρήθηκαν
είναι εύκολος ο προσδιορισμός της κλίσης & της τεταγμένης
επί την αρχή.
Εξίσωση ευθείας
10 axay
12
120 xx
yyxya
112
1211 x
xxyyya
Κλίση της ευθείας
Τεταγμένη επί την αρχή
0 1 2 3 4 50
10
20
30
40
50
60
B(x2,y2)
A(x1,y1)
v=10t+5
t(sec)
x(cm)
x
y
0 2 4 6 8 100
1000
2000
3000
4000
5000
yx
A(6,1000)
X
Y
Ε. Κ. Παλούρα 2010
Page 20 of 33
-0,2
0
0,2
0,4
0,6
0,8
1
1,2
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14
t(min)
u (k
m/m
in)
Σχήμα 1: Γραφική παράσταση της ταχύτητας συναρτήσει του χρόνου γιατο κινητό Κ που εκτελεί ομαλά επιταχυνόμενη κίνηση
Παρουσίαση αποτελεσμάτων με τη μορφή γραφικών παραστάσεων
ανεξάρτητη μεταβλητή
ανεξάρτητημεταβλητή
άξονας τετμημένων
άξονας τεταγμένων
Πειραματικό σημείο μεσυντεταγμένες (x,y)
Error bars-γραμμέςσφάλματος
Καμπύλη y=f(x)
Τυπικόσφάλμαστο Μ.Ο.
Η θεωρία ελαχίστων τετραγώνων υπολογίζει την αναλυτική έκφραση της «καλύτερης» (πιο σωστής) ευθείας y=A+Bx που περιγράφει ομάδα δεδομένων (xi,yi).
iiii2
i yxxyxA
iiii yxyxB
Όπου 22 xx
Τα σφάλματα στην τεταγμένη επί την αρχή (σΑ) και την κλίση (σΒ) δίνονται από τις σχέσεις:
yA
2xyB
Το μέτρο της ποιότητας της προσομοίωσης σy (δηλ. του πόσο απέχουν τα πειραματικά σημεία από την ευθεία).
2iiy BxAy
2N1
Ε. Κ. Παλούρα 2010
Page 21 of 33
Χρησιμοποιούμε γραφικές παραστάσεις γιατί:
Η παρουσίαση των αποτελεσμάτων είναι εποπτική
Ευκολότερη διατύπωση του νόμου που διέπει το φαινόμενο
Παράδειγμα
Η έκταση σύρματος Cu συναρτήσει της μάζας που το εκτείνει
m (kg) Δx (mm) m (kg) Δx (mm) 5.0 0.2 32.5 1.7 10.0 0.5 35.0 1.8 15.0 0.8 37.5 1.9 20.0 1.0 40.0 2.0 22.5 1.5 42.5 2.3 25.0 1.3 45.0 2.5 27.5 1.4 47.5 2.8 30.0 1.5 50.0 3.2
32.5 1.7
Ποιος νόμος διέπει το φαινόμενο?
Νόμος του Hook
kxF
Ε. Κ. Παλούρα 2010
Page 22 of 33
Οδηγίες για την κατασκευή γραφικών παραστάσεων.
Ονομασία αξόνων : σύμβολα & μονάδες
Κατάλληλη επιλογή περιοχής τιμών που καλύπτει ο κάθε
άξονας
Ευδιάκριτα σύμβολα
Η «καλύτερη ευθεία» ( ευθεία ελαχίστων τετραγώνων) είναι
ποιοτική και πρέπει να είναι ομαλή
Η ανεξάρτητη μεταβλητή κατά μήκος του άξονα x και η
εξηρτημένη κατά τον y.
Τα σφάλματα πρέπει να σημειώνονται επάνω στο σχήμα.
Ε. Κ. Παλούρα 2010
Page 23 of 33
Ε. Κ. Παλούρα 2010
Page 24 of 33
Ε. Κ. Παλούρα 2010
Page 25 of 33
Ε. Κ. Παλούρα 2010
Page 26 of 33
Μετασχηματισμός αξόνων:
Με κατάλληλη επιλογή της ανεξάρτητης & εξηρτημένης
μεταβλητής μετατροπή καμπύλης σε ευθεία ευκολότερος
έλεγχος αποκλίσεων.
Παραδείγματα
*** Ελεύθερη πτώση: 2o
2 s k
b xa y
***Κίνηση σε κεκλιμένο επίπεδο
sin1 t2 , όπου Α=σταθερά
b x ay
Ε. Κ. Παλούρα 2010
Page 27 of 33
Συναρτήσεις της μορφής
kxe Dy και kx10 Dy ημι-λογαριθμικοί άξονες.
Σχέσεις μετατροπής
kxe Dy x303.2kDlogylog
x a b y
kx10 Dy xkDy loglog
Παράδειγμα χρήσεως αξόνων log-log
X Y 0.058 0.24 0.108 0.62 0.150 1.00 0.228 1.88 5.9 247.7
0.00 2.00 4.00 6.00
0.00
50.00
100.00
150.00
200.00
250.00
0.01 0.10 1.00 10.00X
0
1
10
100
1000
Y
log(Y) = 1.50015 * log(X) + 2.84992logy=Alogx+B
Ε. Κ. Παλούρα 2010
Page 28 of 33
ΠΡΟΣΟΧΗ !!!!!!!!!!!!!! Θεωρία ελαχίστων τετραγώνων εξίσωση της ευθείας που
προσομοιώνει ακριβέστερα τις πειραματικές μας τιμές όταν
μετρούμε συναρτήσεις y=y(x).
Ιστόγραμμα: χρησιμοποιείται όταν έχουμε πολλές μετρήσεις για
ένα και μόνο φυσικό μέγεθος (π.χ. ταχύτητα αντίδρασης, .μήκος
ενός αντικειμένου κλπ). Προσοχή: στα δεδομένα αυτά δεν
μπορούμε να εφαρμόσουμε θεωρία ελαχίστων τετραγώνων.
Ημιλογαριθμικοί & λογαριθμικοί άξονες Επιλέγονται όταν οι
τιμές του x ή/και του y καλύπτουν πολλές τάξεις μεγέθους.. Κάθε
δύναμη του 10 αντιστοιχεί στο ίδιο μήκος του άξονα.
Παράδειγμα x 0.058 0.108 0.150 0.228 5.90
y 0.24 0.62 1.00 1.88 247.7
Ε. Κ. Παλούρα 2010
Page 29 of 33
Χιλιοστομετρικό χαρτί
Ε. Κ. Παλούρα 2010
Page 30 of 33
Λογαριθμικό Χαρτί (log-log)
Ε. Κ. Παλούρα 2010
Page 31 of 33
Ημιλογαριθμικό χαρτί (semi log)
Ε. Κ. Παλούρα 2010
Page 32 of 33
Ε. Κ. Παλούρα 2010
Page 33 of 33
Γραφική παράσταση σε ημιλογαριθμικό χαρτί
4 6 8 10 12 14 16
0.01
0.1
1
10
100
1000 A(x2, logy2)
A(x1, logy
1)
f(kH
z)
V (Volt)
1212
xxylogylogί
Γραφική παράσταση σε λογαριθμικό χαρτί
1 101
10
100
1000
B(logx2, logy2)
A(logx1, logy1)
Y
X
1212
xlogxlogylogylogί