analiza danych eksperymentalnych

54
Analiza danych eksperymentalnych Przyczyny niepewności wyników eksperymentu: błędy grube błędy systematyczne błędy przypadkowe Wszystkie wyniki pomiarów, włączając te uzyskane instrumentem o bardzo dużej precyzji i przy wysokiej dbałości eksperymentalnej, nie są dokładne, lecz mają przybliżony charakter.

Upload: razi

Post on 15-Jan-2016

60 views

Category:

Documents


0 download

DESCRIPTION

Analiza danych eksperymentalnych. Wszystkie wyniki pomiarów, włączając te uzyskane instrumentem o bardzo dużej precyzji i przy wysokiej dbałości eksperymentalnej, nie są dokładne, lecz mają przybliżony charakter. Przyczyny niepewności wyników eksperymentu: błędy grube błędy systematyczne - PowerPoint PPT Presentation

TRANSCRIPT

Page 1: Analiza danych eksperymentalnych

Analiza danych eksperymentalnych

Przyczyny niepewności wyników eksperymentu:

• błędy grube

• błędy systematyczne

• błędy przypadkowe

Wszystkie wyniki pomiarów, włączając te uzyskane instrumentem

o bardzo dużej precyzji i przy wysokiej dbałości eksperymentalnej,

nie są dokładne, lecz mają przybliżony charakter.

Page 2: Analiza danych eksperymentalnych

Błąd gruby

• wynika z niedbałości lub ewidentnej pomyłki eksperymentatora, wyraźnej niesprawności sprzętu albo nieoczekiwanego zaburzenia układu pomiarowego

• objawia się istnieniem jednego wyniku znacząco odstającego od pozostałych, uzyskanych w danej serii pomiarów

• wynik pomiaru obarczony błędem grubym jest zazwyczaj łatwo zauważalny i należy go odrzucić.

Page 3: Analiza danych eksperymentalnych

23,3 ppm; 24,5 ppm; 27,9 ppm ; 33,5 ppm; 0,02 ppm

ppm = g/g

W wątpliwych sytuacjach trzeba stosować czasami skomplikowane testy statystyczne !!!!

xi – wyniki pomiarów (oznaczone symbolem )

x0 – wartość prawdziwabłąd gruby

BŁĘDY „GRUBE” ODRZUCAMY

Błędy grube

Page 4: Analiza danych eksperymentalnych

Błąd systematyczny

• błąd polegający na stałym lub zmiennym, systematycznym odchyleniu wyniku pomiaru od rzeczywistej wartości wielkości mierzonej

• przesunięcie wyniku następuje zwykle w tę sama stronę

• metody statystyczne nie mają tu zastosowania.

Page 5: Analiza danych eksperymentalnych

niedoskonałość przyrządów pomiarowych błędne wyskalowanie, niewyzerowanie błąd paralaksy w analityce – złe wzorce nieuwzględnienie zmiany warunków pomiaru do warunków skalowania (inne warunki pomiaru próbki i wzorca)

Oddziaływania systematyczne:

Page 6: Analiza danych eksperymentalnych

xi – wyniki pomiarów (oznaczone symbolem )

x0 – wartość prawdziwa

Z błędem systematycznym mamy do czynienia, gdy przy powtarzaniu pomiaru występuje ta sama różnica między wartościami zmierzonymi a wartością rzeczywistą, natomiast rozrzut wyników poszczególnych pomiarów jest mały. Błędy te są powodowane oddziaływaniami systematycznymi

Błędy (niepewności) systematyczne

Page 7: Analiza danych eksperymentalnych

Błędy przypadkowe

powstaje na skutek działania czynników losowychjest miarą rozrzutu otrzymywanych wyników wokół wartości najbardziej prawdopodobnej.błędu przypadkowego w zasadzie nie da się wyeliminować a także nie da się go oszacować przed dokonaniem pomiarustaramy się tak zaprojektować i przeprowadzić pomiar, aby wartość błędu przypadkowego była jak najmniejszapo zakończeniu pomiaru dokonujemy oceny wielkości błędu losowego przy użyciu narzędzi statystycznych.

Page 8: Analiza danych eksperymentalnych

niedokładność odczytu (niedokładna ocena części działki miernika, niezbyt staranne wyznaczenie optimum ostrości obrazu w pomiarach optycznych) fluktuacja warunków pomiaru (temperatura, ciśnienie, wilgotność, napięcie w sieci elektrycznej) obecność źródeł zakłócających; nieokreśloność mierzonej wielkości; niedoskonałość zmysłów obserwatora;

Oddziaływania przypadkowe:

Page 9: Analiza danych eksperymentalnych

xi – wyniki pomiarów (oznaczone symbolem )

x0 – wartość prawdziwa

Błąd przypadkowy spowodowany jest losowym odchyleniem wyniku pomiaru od wartości rzeczywistej. Fluktuacje czasowe i przestrzenne wielkości nie mierzonej. Charakter losowy. Źródłem błędów przypadkowych są tzw. oddziaływania przypadkowe:

Błędy (niepewności) przypadkowe

Page 10: Analiza danych eksperymentalnych

„„Dane należy torturować tak Dane należy torturować tak długo, aż zaczną zeznawać”długo, aż zaczną zeznawać”**

* - Napotkane w sieci internetowej

Page 11: Analiza danych eksperymentalnych

WIELKOŚCI MIERZONE

W pomiarach bezpośrednich W pomiarach pośrednich

Pomiar kilku wielkości x1,x2,…xn

Obliczenie wielkości pośredniej zgodnie ze wzorem funkcyjnym:

y=f(x1,x2,…xn)Na przykład pomiar okresu drgańi długości wahadła matematycznego. Obliczenie wartości przyspieszeniaziemskiego g.

Pomiar jednej wielkości (np. pomiar masy ciała, pomiar temperatury, itd.

Page 12: Analiza danych eksperymentalnych

2

2

T

l4g

g

l2T

l, T – wielkości wejściowe, zmierzone w pomiarach bezpośrednich, mają swoje niepewności

Czy wzór powyższy jest słuszny w każdych warunkach?Jak policzyć niepewność g?

Pomiar wielkości T nie wpływa na pomiarwielkości l (wielkości nieskorelowane)

Page 13: Analiza danych eksperymentalnych

Zgodnie z Przewodnikiem niepewnościklasyfikujemy na dwie kategorie

w zależności od metody ich obliczania:

TYPU A TYPU B

Page 14: Analiza danych eksperymentalnych

BŁĄD NIEPEWNOŚĆ

Omyłka, uchyb, błąd*), niepewność

SYNONIMY?

* - Asystent zwraca się do studentki:

A z jakim błędem wyznaczyła Pani grubość próbki?

Studentka:

No, wie Pan! Ja nie robię błędów

Anegdota (podobno autentyczna). Przeczytane w pracy:

Marek W.Gutowski: Wykład wprowadzający do zajęć na I Pracowni Fizycznej

Page 15: Analiza danych eksperymentalnych

METODA TYPU ABłędy (niepewności) przypadkowe

Metoda szacowania niepewności, która opiera się na obliczeniach statystycznych(statystyczna analiza serii pomiarów – n 4)

Page 16: Analiza danych eksperymentalnych

Najczęściej pomiar jednokrotny

METODA TYPU BBłędy (niepewności) systematyczne

Metoda szacowania niepewności, która Wykorzystuje inne metody niż statystyczne: doświadczenie eksperymentatora porównanie z wcześniej wykonywanymi podobnymi pomiarami certyfikat producenta wykorzystywanych w pomiarach przyrządów analiza materiału wzorcowego (odniesienia)

Page 17: Analiza danych eksperymentalnych

OCENA NIEPEWNOŚCI TYPU A W POMIARACH BEZPOŚREDNICH

n

x

x

n

1ii

n

1i

2ix xx

1n

1S)x(u

1. Wykonujemy serię (skończoną) pomiarów2. Wielkością najbardziej prawdopodobną

jest średnia arytmetyczna :

3. Niepewność standardowa pojedynczego pomiaru u(x) (tzw. odchylenie standardowe pojedynczego

pomiaru Sx)

Page 18: Analiza danych eksperymentalnych

Eksperymentatora bardziej interesuje niepewność wyniku czyli wartości średniej

Niepewność standardowa średniej:

1nn

xx

n

SSxu

n

1i

2i

xx

Page 19: Analiza danych eksperymentalnych
Page 20: Analiza danych eksperymentalnych

OCENA NIEPEWNOŚCI TYPU A W POMIARACH POŚREDNICH

)x,...x,x(fy K21

K21 x,...x,x)x(u),...x(u),x(u K21

x1, x2,…,xK – wielkości wejściowe nieskorelowane, każde określone w pomiarach bezpośrednich. Znamy: oraz niepewności standardowe średnich:

PYTANIE 1. Jak obliczyć wielkość y ?

PYTANIE 2. Jak obliczyć niepewność standardową wielkości y ?

(*)

Page 21: Analiza danych eksperymentalnych

K21 x,...,x,xfy

1x

2x

Kx

y

1.

Schemat przenoszenia wielkości wejściowych

Page 22: Analiza danych eksperymentalnych

2. Niepewność y nazywa się złożoną niepewnością standardową (ang. combined standard uncertainty)

K

1ii

2

2

ic )x(u

x

f)y(u

)x(u 1

)x(u 2

)x(u K

)y(uc

Schemat przenoszenia niepewności wielkości wejściowych

Page 23: Analiza danych eksperymentalnych

Metoda szacowania niepewności wykorzystująca inne metody niż statystyczne: wcześniejsze doświadczenie eksperymentatora specyfikacja producenta odnośnie używanegow pomiarach przyrządu (klasa przyrządu) z kalibracji (wcześniej wykonanej) badania na materiale odniesienia (chemia analityczna)

Najczęściej jeden lub dwa pomiary

METODA TYPU B

Page 24: Analiza danych eksperymentalnych

100

pomiaru zakresKxk

Parametry metrologiczne aparatury:Klasa przyrządu K (dana przez producenta)Niepewność pomiaru wynikająca z klasy przyrządu kx:

Dla woltomierza klasy 0,2 na zakresie 50 Vpopełniamy „błąd” kx = 0,1 V

Page 25: Analiza danych eksperymentalnych

Rozdzielczość przyrządu :

Dla pomiarów długości:1 mm dla linijki ; 0,1 mm dla suwmiarki;0,01 mm dla śruby mikrometrycznej

Dla pomiarów temperatury:0,1 °C dla termometru lekarskiego;10 °C dla termometru „zaokiennego”

Dla mierników wychyłowych – „odstęp” pomiędzy kreskami (ew. połowa)

Page 26: Analiza danych eksperymentalnych

xxx kdg

Rozdzielczość przyrządu:

Dla mierników analogowych - zmiana ostatniej cyfry np. 5,23 V ( niepewność 0,01 V)Niepewność wynikająca z rozdzielczości aparatury d

Maksymalna (graniczna) niepewnośćpomiaru szacowana metodą typu B wynosi:

Page 27: Analiza danych eksperymentalnych

OCENA NIEPEWNOŚCI TYPU B W POMIARACH POŚREDNICH

x1

y

x2

xK

K21 x,...,x,xfy

x1, x2, …,xK – wielkości pomiarów jednokrotnych

Page 28: Analiza danych eksperymentalnych

Maksymalna (graniczna) niepewność pomiaru g(y)może być oszacowana tzw. metodą różniczki zupełnej

gx1

gx2

gxK

g(y)ig

K

1i ig x

x

fy

UWAGA: Metoda „różniczki zupełnej” prowadzi do zawyżonych wyników niepewności (zwłaszcza dla K> 3)

Page 29: Analiza danych eksperymentalnych
Page 30: Analiza danych eksperymentalnych

A w jaki sposób obliczyć niepewność wielkości, która uzależniona jest od oddziaływań systematycznych iprzypadkowych ?

2B

2Ac uu)x(u Standardowa niepewność

całkowita

Page 31: Analiza danych eksperymentalnych

PAMIĘTAJ !!! Do obliczania wielkości pośrednich i niepewności używaj wielkości niezaokrąglonych

Page 32: Analiza danych eksperymentalnych
Page 33: Analiza danych eksperymentalnych

Przedstawianie błędów pomiarowych i zaokrąglanie wyników

W ogólnym przypadku wynik pomiaru przedstawiamy w postaci: XR = XM ± ΔXgdzie: XR - wartość rzeczywista wielkości mierzonej,

XM - wartość uzyskana w wyniku pomiaru,

ΔX - niepewność lub błąd pomiaru.  Powyższy zapis oznacza, że:- najlepszym przybliżeniem wartości mierzonej jest według eksperymentatora liczba XM ;

- z rozsądnym prawdopodobieństwem szukana wartość znajduje się gdzieś pomiędzy Xm - ΔX i Xm + ΔX.

Page 34: Analiza danych eksperymentalnych

Przedstawianie błędów pomiarowych i zaokrąglanie wyników II

Błąd pomiaru ΔX jest wielkością oszacowaną. Nie ma więc sensu podawać wszystkich cyfr, które otrzymujemy z obliczeń. Obliczone wartości Xm i ΔX podajemy zaokrąglone.

Oznacza to, że przybliżamy wartości otrzymane z obliczeń.  Cyframi znaczącymi danej liczby różnej od zera nazywamy wszystkie jej cyfry z wyjątkiem występujących na początku zer. Do cyfr znaczących zalicza się również zera końcowe, jeśli są one wynikiem obliczeń, a nie zaokrągleń. Oznacza to, że pierwsza liczba znacząca musi być różna od zera, natomiast druga, trzecia i dalsze mogą być zerami.

Page 35: Analiza danych eksperymentalnych

Przedstawianie błędów pomiarowych i zaokrąglanie wyników III

Przy zaokrąglaniu wyniku pomiaru stosowane są powszechnie przyjęte zasady zaokrągleń : liczbę kończącą się cyframi 0-4 zaokrąglamy w dół, a 5 - 9 w górę .

Oszacowane błędy zaokrąglamy zawsze w górę, ponieważ w żadnym przypadku nie wolno pomniejszać błędów. Zawsze lepiej podać zawyżoną wartość błędu niż go niedoszacować .

Obliczenia wykonujemy zawsze z większą liczbą cyfr, niż chcemy podać wynik. Zaokrągleń dokonujemy dopiero po zakończeniu obliczeń.Błędy pomiarów zaokrąglane są do pierwszej cyfry znaczącej (wyjątek: 1, 2). Ostatnia cyfra znacząca w każdym wyniku pomiaru powinna stać na tym samym miejscu dziesiętnym, co błąd pomiaru.

Page 36: Analiza danych eksperymentalnych

DLACZEGO MUSIMY ZAOKRĄGLAĆ DLACZEGO MUSIMY ZAOKRĄGLAĆ BŁĘDY I WYNIKI KOŃCOWEBŁĘDY I WYNIKI KOŃCOWE::

PRZYKŁAD:PRZYKŁAD:

Pewien eksperymentator wykonał kilkaset Pewien eksperymentator wykonał kilkaset pomiarów grubości włosa i uzyskał wynik:pomiarów grubości włosa i uzyskał wynik:

100,543100,543667877872234134111 5,800 5,8002234134177894894443 3 mm

rozmiar atomurozmiar atomurozmiar jądrarozmiar jądra

rozmiar kwarkarozmiar kwarka

Page 37: Analiza danych eksperymentalnych

Liczbę cyfr znaczących danego wyniku znajdujemy licząc zlewa na prawo cyfry: od pierwszej cyfry niezerowej.

ZAPAMIĘTAJ POJĘCIE: CYFRA ZNACZĄCA!

0,12501 - 5 cyfr znaczących

0,012501 - 5 cyfr znaczących

0,0125010 - 6 cyfr znaczących

Page 38: Analiza danych eksperymentalnych

PRZEPIS „KUCHENNY” ZAOKRĄGLANIA :

1. Zaokrąglanie zaczynasz od niepewności

ZAWSZE W GÓRĘ DO JEDNEGO LUB DWÓCH MIEJSC ZNACZĄCYCH

Do jednego miejsca znaczącego, gdyna skutek zaokrąglenia błąd ten nie

zwiększy się nie więcej niż o 10%

Page 39: Analiza danych eksperymentalnych

0,12501 może być tylko 0,2 lub 0,13

Którą wybieramy?

Sprawdzamy:

(0,2 – 0,12501)/0,12501=0,5998 ( blisko 60%)

Zatem niepewność = 0,13

Page 40: Analiza danych eksperymentalnych

1. Wynik pomiaru musi być przedstawiony o kilka miejsc dziesiętnych dalej niż niepewność np. 123,37602

0,13

2. Patrzymy na cyfrę:

3. W zależności od wartości tej cyfry postępujemy

według następujących zasad: Jeśli jest to 0,1,2,3 lub 4 to zaokrąglamy w dół

tzn. gdyby wynik był 123,37 489 to dostaniemy

123,37 0,13

Page 41: Analiza danych eksperymentalnych

Jeśli jest to 6,7,8 lub 9 to zaokrąglamy wgórę tzn. dla wyniku 123,37 602 zostanie:

123,38 0,13

Również zaokrąglamy w górę jeśli jest to 5, apo niej następują jakiekolwiek cyfry różne odzera

W sytuacji np. wyniku 123,3750000001

lub 123,3753210023

zaokrąglamy do 123,38 0,13

Page 42: Analiza danych eksperymentalnych

ZAPAMIĘTAJ !ZAPAMIĘTAJ !

PRAWIDŁOWO ZAOKRĄGLONE:PRAWIDŁOWO ZAOKRĄGLONE:

WARTOŚĆ WIELKOŚCI FIZYCZNEJ WARTOŚĆ WIELKOŚCI FIZYCZNEJ I JEJ NIEPEWNOŚĆ MAJĄ TAKĄ I JEJ NIEPEWNOŚĆ MAJĄ TAKĄ SAMĄ ILOŚĆ MIEJSC SAMĄ ILOŚĆ MIEJSC DZIESIĘTNYCH !DZIESIĘTNYCH !

Page 43: Analiza danych eksperymentalnych

NIE !!!

R = 123, 35602 0,12501

TAK !!!!

R = 123,36 0,13

Page 44: Analiza danych eksperymentalnych

PRAWIDŁOWO: 36,35 0,04 0C

2,5 0,4 kg

3,7110-2 0,02 10-2

m

NIEPRAWIDŁOWO: 36,35 0,04

2,51 0,4 kg

3,7110-2 0,023 10-2

m

12,34567 0,22643 Bq

Page 45: Analiza danych eksperymentalnych
Page 46: Analiza danych eksperymentalnych
Page 47: Analiza danych eksperymentalnych
Page 48: Analiza danych eksperymentalnych
Page 49: Analiza danych eksperymentalnych
Page 50: Analiza danych eksperymentalnych
Page 51: Analiza danych eksperymentalnych
Page 52: Analiza danych eksperymentalnych

PRECYZJA PRECYZJA

A DOKŁADNOŚĆ ?A DOKŁADNOŚĆ ?

Page 53: Analiza danych eksperymentalnych

STRZELAMY DO TARCZY

Nieprecyzyjnie i niedokładnie Precyzyjnie ale niedokładnie

Nieprecyzyjnie ale dokładnie Precyzyjnie i dokładnie

Page 54: Analiza danych eksperymentalnych