rachunek bledow
Transkrypt
rachunek bledow
Rachunek błędów BŁĄD występujący w pomiarze naukowym oznacza niemożliwą do uniknięcia NIEPEWNOŚĆ nierozerwalnie związaną z istotą pomiaru Terminów błąd i niepewność możemy używać w sposób wymienny Błąd nie oznacza pomyłki i nie można go uniknąć wykonując pomiar z większą starannością To co możemy osiągnąć, to: spowodować aby błąd był jak najmniejszy zaleźć sposób na oszacowanie jego wielkości Jedną z najlepszych metod oceny wiarygodności pomiaru jest jego wielokrotne powtarzanie i analizowanie otrzymanych wyników. Niepewności doświadczalne, które mogą być ujawnione poprzez wielokrotne powtarzanie pomiaru, nazywamy błędami przypadkowymi a te, które nie dadzą się w ten sposób ujawnić, nazywamy błędami systematycznymi. Przykładowe źródła niepewności przypadkowych: drobne błędy popełniane przez obserwatora przy odczycie wyniku, niewielkie zakłócenia w funkcjonowaniu przyrządów a niepewności systematycznych: zła kalibracja instrumentu pomiarowego Wiarygodną ocenę niepewności przypadkowych dają metody statystyczne. Niepewności systematyczne są trudne do oszacowania, a nawet do wykrycia. Eksperymentator musi nauczyć się przewidywania możliwych źródeł błędów systematycznych i upewniania, że błędy systematyczne są dużo mniejsze niż wymagana precyzja pomiaru. 1 Średnia i odchylenie standardowe Wykonaliśmy n razy pomiar wielkości x (wszystkie tym samym urządzeniem i w idenyczny sposób). Otrzymaliśmy wyniki x1, x2,…, xn . Najlepszym przybliżeniem wielkości x jest średnia n znalezionych wartości 1 n x xi n i 1 Odchylenie standardowe pomiarów x1, x2,…, xn jest miarą średniej niepewności pomiarów x1, x2,…, xn . Dlaczego? Skoro x jest najlepszym przybliżeniem wielkości x, to naturalne jest rozważenie różnicy xi x di . Różnica ta mówi nam o ile wynik i-tego pomiaru różni się od średniej x . Jeśli wszystkie odchylenia di xi x są bardzo małe, to wszystkie wyniki naszych pomiarów są skupione i przypuszczalnie bardzo dokładne. Jeśli jakieś odchylenie d i jest duże, to znaczy, że nasze pomiary nie są tak precyzyjne. Niektóre d i są dodatnie a inne ujemne ponieważ niektóre z naszych wyników xi muszą być większe od średniej x , a inne muszą być mniejsze. Aby oszacować średnią wiarygodność pomiarów x1, x2,…, xn , moglibyśmy uśrednić odchylenia d i ale średnie odchylenie d równe jest zeru (!). Zatem średnia d nie jest dobrym wskaźnikiem wiarygodności pomiarów x1, x2,…, xn . Najlepszym sposobem ominięcia tego kłopotu jest podniesienie do kwadratu wszystkich odchyleń i uśrednienie 2 otrzymanych liczb dodatnich d i . Następnie obliczamy pierwiastek z tej średniej, otrzymując wartość w takich samych jednostkach jak x. Liczba ta zwana jest odchyleniem standardowym x1, x2,…, xn i oznaczamy symbolem s x 1 n 1 n 2 sx (d i ) ( xi x) 2 n i1 n i1 Istnieje też inna definicja odchylenia standardowego. Pewne argumenty teoretyczne przemawiają za zamianą czynnika n w mianowniku powyższego wyrażenia na n-1 i za zdefiniowaniem odchylenia standardowego s x pomiarów x1, x2,…, xn jako 2 ~s x 1 n 1 n 2 (d i ) ( xi x) 2 n 1 i1 n 1 i1 Liczbowo różnica pomiędzy odchyleniami standardowymi obliczonymi zgodnie z tymi dwoma wzorami jest prawie zawsze nieznacząca. Odchylenie standardowe jako niepewność pojedynczego pomiaru Odchylenie standardowe s x charakteryzuje średnią niepewność wyników pomiarów x1, x2,…, xn na podstawie których zostało obliczone. Jeśli nasze pomiary podlegałyby rozkładowi normalnemu i jeśli powtarzalibyśmy pomiary x bardzo wiele razy, to około 70% naszych wyników byłoby oddalone od x o mniej niż s x , czyli 70% naszych wyników leżałoby w zakresie x s x . Inaczej: Przypuśćmy, że otrzymaliśmy wyniki x1, x2,…, xn oraz obliczyliśmy x i s x . Jeśli przeprowadzimy teraz następny pomiar (w tym samym układzie eksperymentalnym), istnieje 70% prawdopodobieństwa, że wynik tego pomiaru będzie się różnił od x o mniej niż s x . Zatem za niepewność związaną z tym pomiarem można przyjąć s x . Odchylenie standardowe średniej Jeśli x1, x2,…, xn są wynikami n pomiarów tej samej wielkości x, to najlepszym przybliżeniem wartości x jest ich średnia x a średnią niepewność każdego z wyników charakteryzuje odchylenie standardowe s x . Jaka jest niepewność x ? 3 Okazuje się, że niepewność średniej jest mniejsza niż niepewność każdego z wyników i jest równa odchyleniu standardowemu s x podzielonemu przez n . Wielkość ta zwana jest odchyleniem standardowym średniej lub błędem standardowym średniej, i jest oznaczana s x sx s n Błąd dowolnej funkcji Załóżmy, że mierzymy dwie wzajemnie niezależne wielkości x i y podlegające rozkładowi normalnemu, a następnie obliczamy pewną wielkość f(x,y), która jest funkcją x i y. Jakiemu rozkładowi podlega funkcja f(x,y) ? f f f ( x, y ) f ( x, y ) ( x x) ( y y ) x x , y y x , y liczba stała pochodne cząstkowe obliczamy w punkcie x, y i są one liczbami stałymi Człon pierwszy f ( x, y) - jego rola ogranicza się do przesunięcia obliczanego rozkładu f ( x x) jest iloczynem stałej przez czynnik ( x x) , którego rozkład ma Człon drugi x szerokość s x . Rozkład drugiego członu jest wyśrodkowany wokół zera a jego szerokość f s x wynosi x Człon trzeci – jego rozkład jest wyśrodkowany wokół zera a jego szerokość wynosi f s y y 4 Zatem wartości f(x,y) podlegają rozkładowi normalnemu wokół wartości f ( x, y) z szerokością daną przez 2 f f sf s x s y x y 2 Niepewność wartości funkcji wielu zmiennych 2 f f sf sx sz x z 2 i nie jest ona większa niż zwykła suma sf f f sx sz x z Czasem wygodnie jest obliczać niepewność wartości funkcji tym drugim wzorem. Problem odrzucania danych Zdarza się, że jeden z wyników serii pomiarowej wyraźnie odbiega od pozostałych. W takim przypadku eksperymentator musi zdecydować, czy anomalny wynik jest rezultatem jakiejś pomyłki i powinien zostać odrzucony, czy też jest wynikiem wiarygodnym, który powinien być wykorzystany na równi z innymi. Przede wszystkim staramy się ustalić zewnętrzną przyczynę powstania anomalnego wyniku. Często jest to niemożliwe. Musimy zatem zdecydować się na odrzucenie (bądź pozostawienie) wyniku opierając się jedynie na samych rezultatach pomiarów. Odrzucenie danych pomiarowych jest zagadnieniem kontrowersyjnym i wśród ekspertów nie ma jednomyślności na ten temat. Decyzja o odrzuceniu danych jest subiektywna i eksperymentator, który ją podejmuje może się łatwo narazić na zarzut „naciągania” wyników. Co gorzej taki anomalny wynik może być odzwierciedleniem jakiegoś ważnego efektu (odkrycie naukowe ?!). 5 Jedynym rzetelnym sposobem postępowania jest powtarzanie pomiaru wiele razy. Jeśli anomalny wynik pojawi się znowu, to przypuszczalnie będziemy umieli wyśledzić jego przyczynę w postaci czy to omyłki, czy też prawdziwego efektu fizycznego. Jeśli zaś w ciągu przykładowo 100 pomiarów nie pojawi się on powtórnie, to nasz ostateczny wynik nie będzie istotnie zależał od tego, czy weźmiemy pod uwagę zaobserwowaną anomalię czy też nie. Czasami wielokrotne powtarzanie pomiaru nie jest możliwe. Potrzebne są więc pewne kryteria odrzucania podejrzanego wyniku. Jednym z nich jest … Kryterium Chauveneta Wykorzystuje ono rozkład Gaussa. Przypuśćmy, że wykonaliśmy n pomiarów x1, x2,…, xn tej samej wielkości x. obliczamy x i s x , korzystając ze wszystkich n wyników jeśli jeden z wyników xpod różni się od x tak bardzo, że wygląda to podejrzanie to obliczamy t pod x pod x sx a więc liczbę określającą o ile odchyle standardowych xpod różni się od x obliczamy prawdopodobieństwo P(poza t pod s x ) , że właściwy wynik pomiaru będzie się różnił od x o t pod lub więcej odchyleń standardowych P(poza t pod s x ) mnożymy przez liczbę pomiarów n otrzymując spodziewaną liczbę pomiarów Npod dających wyniki co najmniej tak złe jak xpod jeśli Npod < 1/2, to xpod nie spełnia kryterium Chauveneta i zostaje odrzucone po odrzuceniu wyniku, który nie spełnia kryterium Chauveneta, przelicza się x i s x , korzystając z pozostałych danych nowa wartość s x będzie mniejsza niż wartość początkowa i może się zdarzyć, że z nowym s x następne pomiary nie spełnią kryterium Chauveneta. Większość 6 autorytetów zgadza się, że po obliczeniu nowych wartości x i s x kryterium Chauveneta nie powinno być stosowane powtórnie. Średnie ważone Zdarza się często, że wielkość fizyczna jest mierzona wiele razy, być może w wielu różnych laboratoriach, i powstaje problem, w jaki sposób powiązać te wyniki, aby otrzymać jedno najlepsze przybliżenie. Przypuśćmy, że dwóch studentów A i B mierzy uważnie wielkość x i otrzymuje następujące wyniki Student A: x x A s A Student B: x xB sB Są to wyniki wielu pomiarów, a więc xA jest średnią wszystkich pomiarów studenta A, zaś sA jest odchyleniem standardowym średniej (podobnie dla xB i sB). Jak połączyć xA i xB aby otrzymać najlepsze przybliżenie x ? Załóżmy, że różnica |xA – xB| nie jest istotnie większa niż odchylenia sA i sB (tzn. wyniki są zgodne). Jeśli sA jest różne niż sB, to zwykła średnia arytmetyczna (xA +xB)/2 nie jest dobrym przybliżeniem bo pomiar bardziej dokładny powinien być w jakiś sposób faworyzowany. Załóżmy, że wyniki obu pomiarów podlegają rozkładowi Gaussa i oznaczmy nieznaną prawdziwą wartość x przez m. Prawdopodobieństwo, że student A otrzyma wynik xA jest równe ( x A m) 2 1 P( x A ) exp sA 2s A2 podobnie prawdopodobieństwo, że student B otrzyma wynik xB ( xB m) 2 1 P( xB ) exp sB 2s B2 Prawdopodobieństwo, że student A znajdzie wartość xA a student B wartość xB jest iloczynem tych prawdopodobieństw P( x A , x B ) P( x A ) P( x B ) gdzie 7 2 1 exp sAs B 2 2 2 x m xB m A s s A B Zastosujmy zasadę największego prawdopodobieństwa. Zakłada ona, że najlepsze 2 przybliżenie nieznanej prawdziwej wartości ma taka wartość, żeby P( x A , xB ) było 2 2 największe, tzn. żeby wykładnik był najmniejszy. Różniczkujemy więc po m i przyrównujemy pochodną do zera x m x m 2 A 2 2 B 2 0 sA sB Stąd najlepsze przybliżenie m jest równe xA x B2 2 s sB m A 1 1 2 2 sA sB Zdefiniujmy wagi statystyczne wA 1 2 sA i wB 1 2 sB Podstawiając je do poprzedniego równania otrzymujemy m wA x A wB xB wA wB Jest to średnia ważona Jeśli s A sB , to średnia ważona upraszcza się do średniej arytmetycznej. Jeśli pomiar A jest bardziej dokładny niż B, to s A s B czyli wA wB a najlepsze przybliżenie m jest bliższe wartości x A niż x B . Uogólnienie na przypadek N pomiarów tej samej wielkości x x1 s1 , x2 s2 ,, xN sN Średnia ważona N m w x i 1 N i i w i i 1 przy czym wagi wi są odwrotnościami kwadratów odpowiednich niepewności 8 wi 1 2 si dla i = 1, 2,…, N. Każdy z pomiarów, który jest o wiele mniej dokładny niż pozostałe, wnosi o wiele mniejszy wkład do ostatecznego wyniku niż inne. Niepewność najlepszego przybliżenia m jest równa sm 1 N w i 1 i Zadanie 1 Student wykonuje wielokrotnie pomiary pewnej wielkości y, a następnie w wyniku obliczeń uzyskuje średnią y = 23 i odchylenie standardowe s y = 1. Jaką część uzyskanych wyników spodziewałbyś się znaleźć pomiędzy (a) 22 i 24, (b) 22,5 i 23,5, (c) 21 i 25, (d) 21 i 23, (e) 24 i 25, (f) W jakich granicach (równoodległych w obydwie strony od średniej) spodziewałbyś się zaleźć 50 procent wszystkich wyników? Zadanie 2 Staranne badania wykazują, że wzrost mężczyzn w Polsce podlega rozkładowi normalnemu ze średnią h = 175 cm i odchyleniem standardowym s = 5 cm. Losowo wybrano grupę liczącą 1000 mężczyzn. Ilu spośród nich, powinno mieć wzrost (a) pomiędzy 170 a 180 cm (b) większy niż 180 cm (c) większy niż 190 cm (d) Pomiędzy 165 cm a 170 cm ? 9 Zadanie 3 Student pięciokrotnie mierzy pewna wielkość x, otrzymując następujące wyniki 5, 7, 9, 7, 8 Oblicz średnią x i odchylenie standardowe s x . Podaj z której definicji s x korzystałeś. Zadanie 4 Mierzymy powierzchnię A prostokątnej płytki o bokach równych około 2,5 x 5 cm. Aby uwzględnić nieregularność boków, przeprowadzamy nasz pomiar w kilku różnych miejscach. Przeprowadzamy po 10 pomiarów długości l i szerokości b tej płytki otrzymując następujące wyniki: l: 24.25 , 24.26 , 24.22 , 24.28 , 24.24 , 24.25 , 24.22 , 24.26 , 24.23 , 24.24 b: 50.36 , 50.35 , 50.41 , 50.37 , 50.36 , 50.32 , 50.39 , 50.38 , 50,36 , 50.38 Obliczyć średnią, odchylenie standardowe i odchylenie standardowe średniej. Oblicz najlepsze przybliżenie powierzchni A = l b oraz jego niepewność. Zadanie 5 Student wykonuje 10 pomiarów i otrzymuje następujące wyniki: 46, 48, 44, 38, 45, 47, 58, 44, 45, 43 Zwracając uwagę, że wartość 58 wydaje się rażąco duża, sprawdza swoje notatki, ale nie znajduje dowodu na to, że wynik ten był rezultatem omyłki. Stosuje zatem kryterium Chauveneta. Jaki będzie jego wniosek? Zadanie 6 Student zmierzył 10 razy napięcie i otrzymał następujące wyniki: 0,86 , 0,83 , 0,87 , 0,84 , 0,82 , 0,95 , 0,83 , 0,85 , 0,89 , 0,88 Oblicz średnią V i odchylenie standardowe sV tych wyników Czy student powinien odrzucić wynik 0,5 wolta, jeśli zdecydował się skorzystać z kryterium Chauveneta? Przedstaw jasno swoją argumentację. Zadanie 7 Studentka przeprowadziła 14 pomiarów okresu drgań oscylatora tłumionego, otrzymując wyniki: 7, 3, 9, 3, 6, 9, 8, 7, 8, 12, 5, 9, 9, 3 10 Czując, że wynik 12 jest podejrzanie wysoki, zdecydowała się zastosować kryterium Chauveneta. Czy odrzuci ona podejrzany wynik? Ilu wyników równie odległych od średniej jak 12 powinna się ona spodziewać? Zadanie 8 Trzech studentów zmierzyło kilka razy opór i otrzymało następujące trzy wyniki (w omach): Pierwszy student: opór R = 11 ± 1 Drugi student: opór R = 12 ± 1 Trzeci student: opór R = 10 ± 3 Jakie jest najlepsze przybliżenie oporu R oparte na powyższych wynikach? Jaki wynik uzyskalibyśmy ignorując wynik trzeciego studenta? Zadanie 9 (a) Dwa pomiary prędkości dźwięku u dały wyniki 334 ± 1 i 336 ± 2 (w m/s). Czy uważasz je za spójne? Jeśli tak, to znajdź najlepsze przybliżenie u i jego niepewność. (b) Powtórz część (a) dla wyników 334 ± 1 i 336 ± 5. Czy warto jest brać pod uwagę drugi z wyników? Zadanie 10 Dwóch studentów zmierzyło różnymi metodami opór. Każdy z nich wykonał 10 pomiarów i obliczył średnią oraz jej odchylenie standardowe, otrzymując następujące wyniki: Student A: R = 72 ± 8 omów Student B: R = 78 ± 5 omów (a) Jakie jest najlepsze przybliżenie R i jego niepewność po wzięciu pod uwagę obu wyników? (b) Ile pomiarów powinien wykonać student A (taka samą techniką), aby jego wynik miał taką samą wagę jak wynik studenta B? Zadanie 11 Znajdź najlepsze przybliżenie i jego niepewność na podstawie następujących czterech wyników pomiarów tej samej wielkości: 1,4 ± 0,5 , 1,2 ± 0,2 , 1,0 ± 0,25 , 1,3 ± 0,2 11