STATYSTYCZNE METODY OPRACOWANIA POMIARÓW I
Transkrypt
STATYSTYCZNE METODY OPRACOWANIA POMIARÓW I
STATYSTYCZNE METODY OPRACOWANIA POMIARÓW I B. Kamys 2014/15 B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 1 / 80 Podstawy teorii prawdopodobie«stwa DEFINICJA: Zbiór zdarze« elementarnych - zbiór takich zdarze«, które sie wzajemnie wykluczaja oraz wyczerpuja wszystkie mo»liwo±ci (tzn. w ka»dym mo»liwym przypadku przynajmniej jedno z nich musi zachodzi¢). DEFINICJA: Zdarzeniem jest dowolny podzbiór zdarze« elementarnych E . DEFINICJA: Zdarzeniem pewnym jest zdarzenie zawieraja ce wszystkie elementy zbioru E (zachodzi zawsze). DEFINICJA: Zdarzeniem niemo»liwym jest zdarzenie nie zawieraja ce »adnego elementu zbioru E tj. zbiór pusty ∅. A B je»eli ka»de A nale»y do B : DEFINICJA: Zdarzenie zawiera sie w zdarzeniu zdarzenie elementarne nale»a ce do zbioru A⊂B B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 2 / 80 Podstawy teorii prawdopodobie«stwa A B A B B A Suma zdarze« A + B DEFINICJA: Zdarzenia i sa równe gdy ⊂ i ⊂ . DEFINICJA: to zdarzenie zawieraja ce te i tylko te zdarzenia elementarne, które nale»a do któregokolwiek ze zdarze« , (suma S logiczna zbiorów zdarze« elementarnych ). A B A B A B DEFINICJA: Ró»nica zdarze« − to zdarzenie zawieraja ce te i tylko te zdarzenia elementarne, które nale»a do zdarzenia a nie nale»a do zdarzenia . A B A B DEFINICJA: Iloczyn zdarze« · to zdarzenie zawierajace te i tylko te zdarzenia elementarne, które nale»a do wszystkich zdarze« , T (tzn. w je zyku zbiorów ). B DEFINICJA: B. Kamys A B Zdarzeniem przeciwnym do A: A nazywamy ró»nice E −A. (Instytut Fizyki UJ) SMOP I 2014/15 A 3 / 80 Podstawy teorii prawdopodobie«stwa INTUICYJNE OKRELENIE: Zdarzenie losowe to takie, o którym zwykle nie mo»emy powiedzie¢ czy zajdzie w danych warunkach czy te» nie zajdzie. DEFINICJA: Zdarzeniem losowym - nazywamy zdarzenie speªniaja ce poni»sze warunki: 1 W zbiorze zdarze« losowych znajduje sie zdarzenie pewne oraz zdarzenie niemo»liwe. A1 , A2 , ... w ilo±ci sko«czonej lub przeliczalnej sa zdarzeniami losowymi to ich iloczyn i ich suma sa równie» zdarzeniami losowymi. Je»eli A1 i A2 sa zdarzeniami losowymi to ich ró»nica 2 Je»eli zdarzenia 3 jest równie» zdarzeniem losowym. B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 4 / 80 Podstawy teorii prawdopodobie«stwa DEFINICJA: Zmienna losowa nazywamy jednoznaczna funkcje rzeczywista ( ) okre±lona na zbiorze E zdarze« elementarnych taka , »e ka»demu przedziaªowi warto±ci funkcji typu (−∞, ) odpowiada zdarzenie losowe. Xe X x DEFINICJA: Zmienna losowa typu skokowego (dyskretnego) to taka, która przyjmuje tylko co najwy»ej przeliczalny zbiór warto±ci. DEFINICJA: Zmienna losowa typu cia gªego - mo»e przyjmowa¢ dowolne warto±ci od minus do plus niesko«czono±ci. B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 5 / 80 Podstawy teorii prawdopodobie«stwa DEFINICJA: Denicja prawdopodobie«stwa Aksjomat 1: Ka»demu zdarzeniu losowemu przyporza dkowana jest jednoznacznie nieujemna liczba rzeczywista zwana prawdopodobie«stwem. Aksjomat 2: Prawdopodobie«stwo zdarzenia pewnego jest równe jedno±ci. Z Aksjomat 3: Je»eli zdarzenie losowe jest suma sko«czonej lub przeliczalnej liczby rozªa cznych zdarze« losowych 1 , 2 ,.. to prawdopodobie«stwo zrealizowania sie zdarzenia jest równe sumie prawdopodobie«stw zdarze« 1 , 2 , .. Z Z Z Z Z A Aksjomat 4: Prawdopodobie«stwo warunkowe zdarzenia pod warunkiem, »e zachodzi zdarzenie ; ( | ) wyra»a sie wzorem: B PA B P (A | B ) = PP(A(B·B) ) Prawdopodobie«stwo to jest nieokre±lone, gdy prawdopodobie«stwo zdarzenia wynosi zero. B B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 6 / 80 Podstawy teorii prawdopodobie«stwa Zdarzenie przeciwne do A Wªasno±ci prawdopodobie«stwa : P (A) = 1 − P (A) Dowód: A + A = E a wiec P (A + A) = P (E) = 1, sie wie c z drugiej strony A i A wykluczaja P (A + A) = P (A) + P (A). Sta d P (A) = P (E) − P (A) czyli P (A) = 1 − P (A) c.b.d.o. Zdarzenie niemo»liwe : P (∅) = 0 Dowód: E i ∅ wykluczaja sie wiec (E + ∅) = (E) + (∅) oraz E + ∅ = E a wiec (E + ∅) = (E), czyli (∅) = 0 P P P P P P c.b.d.o. B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 7 / 80 Podstawy teorii prawdopodobie«stwa Zdarzenie A zawiera sie w B Dowód: : Wªasno±ci prawdopodobie«stwa P (A) ≤ P (B ) P (B ) = P (A + (A · B )) = P (A) + P (A · B ) ≥ P (A) c.b.d.o. Dowolne zdarzenie losowe : 0≤ P (A) ≤ 1 Dowód: Dla ka»dego zdarzenia jest prawdziwe: ∅⊂ A+∅=A=A·E ⊂E a wiec prawdopodobie«stwa zdarze« ∅, 0 ≤ P (A) ≤ 1 A i E speªniaja: c.b.d.o. B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 8 / 80 Podstawy teorii prawdopodobie«stwa Wªasno±ci prawdopodobie«stwa A+B : P (A + B ) = P (A) + P (B ) − P (A · B ) Suma dowolnych zdarze« Dowód: Zarówno + jak i mo»emy zapisa¢ jako sumy rozªa cznych (wykluczaja cych sie ) zdarze«: A B A+B B B = = A + (B − A · B ) oraz A · B + (B − A · B ), stosujemy aksjomat nr 3 denicji prawdopodobie«stwa, P (A + B ) P (B ) odejmujemy stronami: = = P (A) + P (B − A · B ), P (A · B ) + P (B − A · B ) P (A + B ) = P (A) + P (B ) − P (A · B ) c.b.d.o. B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 9 / 80 Podstawy teorii prawdopodobie«stwa Iloczyn zdarze« Wªasno±ci prawdopodobie«stwa A·B : P (A · B ) = P (B ) · P (A | B ) = P (A) · P (B | A) Dowód: Wynika to automatycznie z 4 aksjomatu denicji prawdopodobie«stwa. DEFINICJA: Zdarzenie A jest niezale»ne od B gdy TWIERDZENIE: Je»eli P (A | B ) = P (A). A nie zale»y od B to B nie zale»y od A. Dowód: Korzystamy z dwu wzorów na prawdopodobie«stwo · podanych wy»ej, przy czym w pierwszym z nich uwzgle dniamy, »e jest niezale»ne od . Wówczas z porównania obu wzorów dostajemy ( | ) = ( ). A B A PB A B PB c.b.d.o. B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 10 / 80 Podstawy teorii prawdopodobie«stwa WKW niezale»no±ci: Wªasno±ci prawdopodobie«stwa P (A · B ) = P (A) · P (B ) Dowód: Wynika to automatycznie ze wzoru na prawdopodobie«stwo iloczynu zdarze«. c.b.d.o Formuªa caªkowitego prawdopodobie«stwa: Je»eli istnieje zbiór zdarze« cych sie wzajemnie i wyczerpuja cych 2 , ... wykluczaja wszystkie mo»liwo±ci wówczas prawdopodobie«stwo dowolnego zdarzenia mo»e by¢ zapisane naste puja co: A B P (B ) = P i A1 , P (Ai ) · P (B | Ai ) Dowód: B = B · A (suma rozªacznych zdarze«) a wiec P P (B ) = P (B · A ) a ka»dy skªadnik mo»na zapisa¢ jako P (A ) · P (B | A ). c.b.d.o. P i i i i i B. Kamys (Instytut Fizyki UJ) i SMOP I 2014/15 11 / 80 Ilo±ciowy opis zmiennych losowych Ilo±ciowy opis zmiennych losowych uzyskujemy stosuja c • Dystrybuante (Zwana czesto przez statystyków funkcja rozkªadu) • Rozkªad prawdopodobie«stwa (Tylko dla zmiennych dyskretnych) • Funkcje ge sto±ci prawdopodobie«stwa (Tylko dla zmiennych cia gªych) oraz wielko±ci charakteryzuja ce te powy»ej wymienione twory. DEFINICJA: Dystrybuanta F(x) nazywamy prawdopodobie«stwo tego, »e zmienna losowa przyjmie warto±¢ mniejsza od . ( - to symbol zmiennej losowej a to jej konkretna warto±¢). Oczywi±cie dystrybuanta jest funkcja . X X x F (x ) ≡ P (X B. Kamys (Instytut Fizyki UJ) SMOP I x x < x) 2014/15 12 / 80 Ilo±ciowy opis zmiennych losowych Wªasno±ci dystrybuanty: 1 2 3 4 5 Przykªad: 0 ≤ F (x ) ≤ 1 F (−∞) = 0 F (+∞) = 1 F (x ) jest niemalejaca funkcja F (x ) nie posiada wymiaru Dla rzutu kostka do gry, gdzie jako zmienna losowa przyje to liczbe wyrzuconych punktów: F (x ) = 0 dla = = = = (Instytut Fizyki UJ) x ≤ 2, 2/6 dla 2 < x ≤ 3, 3/6 dla 3 < x ≤ 4, 4/6 dla 4 < x ≤ 5, 5/6 dla 5 < x ≤ 6, 1 dla x > 6 = 1/6 dla 1 < = B. Kamys x ≤ 1, SMOP I 2014/15 13 / 80 Ilo±ciowy opis zmiennych losowych x i DEFINICJA: Rozkªad prawdopodobie«stwa : Je»eli i ( = 1, 2, ...) sa warto±ciami dyskretnej zmiennej losowej to rozkªadem prawdopodobie«stwa nazywamy zespóª prawdopodobie«stw: PP(X = xi ) = pi pi = 1 i Przykªad: Rozkªad prawdopodobie«stwa dla rzutu kostka do gry omawianego powy»ej: i = 1/6 dla = 1, 2..6. p B. Kamys (Instytut Fizyki UJ) SMOP I i 2014/15 14 / 80 Ilo±ciowy opis zmiennych losowych DEFINICJA: Funkcja ge sto±ci prawdopodobie«stwa f(x): f (x )dx ≡ P (x ≤ X ≤ x + dx ) Wªasno±ci funkcji ge sto±ci prawdopodobie«stwa: f (x ) ≥ 0, f (Rx +∞ ) jest unormowana tj. −∞ f (x )dx = 1 dF (x ) 3 f (x ) = dx 4 wymiar f (x ) = wymiar (1/x ) Rozkªad jednostajny na odcinku [a , b ]: 1 2 Przykªad: f (x ) = B. Kamys (Instytut Fizyki UJ) 0 1/(b − a ) 0 SMOP I dla x < a dla a ≤ x ≤ b dla x > b 2014/15 15 / 80 Funkcje zmiennej losowej Funkcja Y zmiennej losowej X: Y = Y (X ) jest równie» zmienna losowa . Dlatego te» mo»na dla niej okre±li¢ dystrybuante , rozkªad prawdopodobie«stwa lub funkcje ge sto±ci prawdopodobie«stwa. Sa one prosto zwia zane z odpowiednimi wielko±ciami dla zmiennej . Nale»y rozpatrzy¢ niezale»nie przypadek, gdy funkcja ( ) jest monotoniczna oraz gdy nie posiada tej wªasnosci. W pierwszym wypadku mo»na jednoznacznie okre±li¢ funkcje odwrotna = ( ) a w drugim caªy przedziaª warto±ci trzeba podzieli¢ na rozªa czne podprzedziaªy, w których funkcja bedzie monotoniczna a wyniki doda¢ (prawdopodobie«stwa rozªa cznych zdarze« sumuja sie). X Y X X B. Kamys (Instytut Fizyki UJ) XY X SMOP I 2014/15 16 / 80 Funkcje zmiennej losowej Dla monotonicznej funkcji Y = Y(X): Dystrybuanta G(y) rosna cej funkcji Y(X) wynosi: G (y ) = F (x (y )) Dowód: Wychodza c z denicji dla Y(X) rosna cej: G (y ) = = = B. Kamys (Instytut Fizyki UJ) SMOP I P (Y < y ) P (X (Y ) < x ) F (x (y )) 2014/15 17 / 80 Funkcje zmiennej losowej Dla monotonicznej funkcji Y = Y(X): Dystrybuanta G(y) maleja cej funkcji Y(X) wynosi: G (y ) = 1 − F (x (y )) − P (x ; y = y (x )) Dowód: Wychodza c z denicji dystrybuanty G (y ) = = = = = B. Kamys (Instytut Fizyki UJ) P (Y < y ) P (X (Y ) > x ) 1 − P (X (Y ) ≤ x ) 1 − P (X (Y ) < x ) − P (X (Y ) = x ) 1 − F (x (y )) − P (x ; Y = y (x )) c .b .d .o . SMOP I 2014/15 18 / 80 Funkcje zmiennej losowej P (yi ) = P (xi ; yi = Y (xi )) bo dla funkcji monotonicznej warto±ci xi sa jednoznacznie zwia zane z wartosciami yi . Rozkªad prawdopodobie«stwa P(y): g (y ) = f (x (y )) | dxdy(y ) | gdzie X (Y ) jest funkcja odwrotna do Y (X ). Z denicji: f (x )dx = P (x ≤ X < x + dx ) a to prawdopodobie«stwo przy jednoznacznym zwia zku miedzy X i Y wynosi P (y ≤ Y < y + dy ) = g (y )dy . Iloraz niesko«czenie maªych przyrostów dy /dx równy jest Funkcja ge sto±ci prawdopodobie«stwa g(y): pochodnej z dokªadno±cia do znaku. A wie c moduª przy pochodnej pojawia sie sta d, »e przy maleja cej funkcji ( ) pochodna be dzie ujemna a iloraz niesko«czenie maªych przyrostów jest zawsze dodatni. Y X B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 19 / 80 Funkcje zmiennej losowej Przykªad dla funkcji monotonicznej: rzeczywiste staªe. Y (X ) = aX + b ; a i b to Rozkªad prawdopodobie«stwa: P (Y Dystrybuanta: = yi ) = P (axi + b = yi ) = P (xi i a > 0 G (y ) = F x = y −a b y −b − P x = y −b dla a < 0 G (y ) = 1 − F x = a a dla Ge sto±¢ prawdopodobie«stwa: B. Kamys b = y− a ). (Instytut Fizyki UJ) g (y ) = |a1| f (x = y −a b ) . SMOP I 2014/15 20 / 80 Funkcje zmiennej losowej Przykªad dla funkcji niemonotonicznej: Y (X ) = X 2 1.) Rozkªad prawdopodobie«stwa wynosi: P (yi ) = P (X 2 = yi ) = P (X 2.) Dystrybuanta wynosi: G (y ) G (y ) G (y ) = = = = √ √ = − y i ) + P (X = + y i ) P (Y < y ) = P (X 2 < y ) P (−√y < X < +√y ) 0 dla y ≤ 0 F (√y ) − F (−√y ) dla y ≥ 0 3.) Rozkªad ge sto±ci prawdopodobie«stwa wynosi: g (y ) g (y ) = = B. Kamys (Instytut Fizyki UJ) dla y < 0 −1 1 √ √ | √ | f ( y ) + √ f (− y ) 2 y 2 y 1 √ √ √ (f ( y ) + f (− y )) dla y ≥ 0 2 y = 0 SMOP I 2014/15 21 / 80 Charakterystyki opisowe W praktycznych zastosowaniach cze sto wystarcza poznanie warto±ci pewnych wielko±ci, które charakteryzuja rozkªad prawdopodobie«stwa zamiast peªnej informacji o rozkªadzie. Oto najcze±ciej stosowane: x DEFINICJA: fraktyl q (zwany równie» kwantylem) jest to taka warto±¢ zmiennej losowej, »e prawdopodobie«stwo znalezienia mniejszych od niej warto±ci wynosi : P (X < xq ) ≡ q F (xq ) = q Najwa»niejsze fraktyle to dolny kwartyl: x0.25 , górny kwartyl: x0.75 oraz mediana: x0.5 . B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 22 / 80 Charakterystyki opisowe DEFINICJA: Moda (zwana równie» warto±cia modalna ) jest to taka warto±¢ zmiennej losowej, dla której rozkªad prawdopodobie«stwa (lub funkcja ge sto±ci prawdopodobie«stwa) przyjmuje maksimum. DEFINICJA: Rozkªady prawdopodobie«stwa posiadaja ce jedna mode zwane sa jednomodalnymi a te, które maja wiecej ni» jedna - wielomodalnymi. DEFINICJA: Warto±¢ oczekiwana, warto±¢ ±rednia lub nadzieja matematyczna. Bedziemy go oznaczali przez E(X) ^ ). (stosuje sie równie» oznaczenie M(X) lub X P E(X ) ≡ R i xi · pi E(X ) ≡ x · f (x ) B. Kamys (Instytut Fizyki UJ) dx SMOP I dla zmiennych dyskretnych, dla zmiennych cia gªych 2014/15 23 / 80 Charakterystyki opisowe E (X ) jest wspóªrzedna punktu, który INTERPRETACJA E(X): byªby ±rodkiem masy rozkªadu prawdopodobie«stwa (lub pola pod funkcja ge sto±ci prawdopodobie«stwa) gdyby prawdopodobie«stwa poszczególnych warto±ci i traktowa¢ jako masy (lub odpowiednio ge sto±¢ prawdodobie«stwa jako zwykªa gesto±¢). x B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 24 / 80 Charakterystyki opisowe E (X ) jest operatorem liniowym a wiec: P P E ( i Ci · Xi ) = i Ci · E (Xi ) WASNOCI E(X) : 1 co w szczególnych przypadkach daje: • E (C ) = C • E (C · X ) = C · E (X ) • E (X1 + X2 ) = E (X1 ) + E (X2 ) niezale»nych Q = E {Xi } 2 Dla zmiennych E Q i Xi X1 , ..., Xn i UWAGA: Warunkiem koniecznym i wystarczaja cym by zmienne byªy niezale»ne jest aby wspólny rozkªad prawdopodobie«stwa faktoryzowaª sie: ( 1 , 2 , .., n ) = 1 ( 1 ) · 2 ( 2 )... n ( n ). f X X B. Kamys (Instytut Fizyki UJ) X f X SMOP I f X f X 2014/15 25 / 80 Charakterystyki opisowe Y Y X Dla funkcji zmiennej X; = ( ) warto±¢ oczekiwana znaleziona przy pomocy rozkªadu zmiennej konieczno±ci szukania rozkªadu ( ): E (Y ) = i y (xi ) · pi , P E (Y ) mo»e by¢ X bez gy R E (Y ) = y (x ) · f (x ) · dx odpowiednio dla zmiennej dyskretnej i dla zmiennej cia gªej. k x DEFINICJA: Momentem rozkªadu rze du wzgle dem punktu 0 , nazywamy naste puja ca wielko±¢: mk (x0 ) ≡ E {(x − x0 )k } czyli R mk (x0 ) ≡ (x − x0 )k · f (x ) · dx P mk (x0 ) ≡ i (xi − x0 )k p (xi ) odpowiednio dla zmiennych cia gªych i dyskretnych. B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 26 / 80 Charakterystyki opisowe Najwa»niejszymi momentami sa te, które liczone sa wzgle dem pocza tku ukªadu wspóªrze dnych tj. 0 = 0 (oznacza sie je zwykle przez k ) oraz momenty liczone wzgle dem 0 = 1 tj. wzgle dem pierwszego momentu liczonego od pocza tku ukªadu wspóªrze dnych. Te ostatnie momenty nazywa sie momentami centralnymi (zwykle oznaczane sa przez µk ). x m x UWAGA: B. Kamys (Instytut Fizyki UJ) m m1 ≡ E (x ); SMOP I µ1 ≡ 0 2014/15 27 / 80 Charakterystyki opisowe DEFINICJA: µ2 , zwany wariancja lub dyspersja . Bedziemy go oznacza¢ przez σ 2 ( ) lub ( ) (stosuje sie równie» oznaczenie ( )). DX X var X DEFINICJA: Pierwiastek z wariancji nazywany jest odchyleniem standardowym i oznaczany σ( ) ale czasami u»ywa sie równie» nazwy dyspersja. X P σ 2 (X ) ≡ R i (xi − E (x ))2 · pi zmienna dyskretna 2 2 σ (X ) ≡ (x − E (x )) · f (x ) · dx zmienna cia gªa B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 28 / 80 Charakterystyki opisowe WASNOCI WARIANCJI: Wariancja mo»e by¢ wyra»ona przez momenty liczone wzgledem pocza tku ukªadu wspóªrzednych: σ 2 (X ) = σ 2 (X ) = m2 − m12 E (X 2 ) − E 2 (X ) DOWÓD: Korzystamy z trzeciej wªasno±ci warto±ci oczekiwanej tj. m2 (E (X )) ≡ = = = E ((X − E (X ))2 ) E (X 2 − 2X · E (X ) + E 2 (X )) E (X 2 ) − 2E (X ) · E (X ) + E 2 (X ) E (X 2 ) − E 2 (X ) c.b.d.o. B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 29 / 80 Charakterystyki opisowe • var (C ) = 0 • var (C · X ) = C 2 · var (X ) bo E (C 2 ) − E 2 (C ) = C 2 − C 2 = 0 c.b.d.o. jest to nastepstwo liniowo±ci E(X), przez która deniowali±my var(X). • var (C1 · X + C2 ) = C12 · var (X ) Przesuni¦cie skali o C2 nie zmienia wariancji a pomno»enie zmiennej przez C1 wprowadza czynnik C12 j.w. • Dla zmiennych niezale»nych B. Kamys (Instytut Fizyki UJ) var ( SMOP I i Ci · Xi ) = P 2 i Ci · var (X ) P 2014/15 30 / 80 Charakterystyki opisowe DOWÓD: Wzór ten ªatwo wyprowadzi¢ przypominaja c denicje wariancji i korzystaja c z trzeciej wªasno±ciwarto±ci oczekiwanej: var (y = 2 i Ci · Xi ) ≡ E (y − E (Y )) P . Po wstawieniu do wzoru oraz podniesieniu do kwadratu otrzymamy sume kwadratów wyra»e« i · ( i − ( i )) oraz iloczyny mieszane tych wyra»e«. C X EX Iloczyny mieszane znikna w chwili gdy podziaªa na nie zewne trzny operator warto±ci oczekiwanej (bo ( − ( )) = ( ) − ( ) = 0). E X EX EX EX Zaªo»enie niezale»no±ci jest potrzebne przy liczeniu warto±ci oczekiwanej z iloczynów mieszanych (wówczas warto±¢ oczekiwana iloczynu równa jest iloczynowi warto±ci oczekiwanych). Suma warto±ci oczekiwanych z kwadratów wyra»e« i · ( i − ( i )) jest wªa±nie poszukiwanym przez nas wyra»eniem. C B. Kamys (Instytut Fizyki UJ) X EX SMOP I 2014/15 31 / 80 Charakterystyki opisowe Interpretacja wariancji wynika z nierówno±ci Czebyszewa, która mo»na zapisa¢ naste puja co: P (| X − E (X ) |≥ a · σ(X )) ≤ a−2 TWIERDZENIE: Prawdopodobie«stwo odchylenia warto±ci zmiennej losowej od warto±ci oczekiwanej E(X) o -krotna warto±¢ odchylenia standardowego jest 1 mniejsze lub równe od a 2 . a Twierdzenie to jest sªuszne dla wszystkich rozkªadów, które posiadaja wariancje (a wiec, co za tym idzie i warto±¢ oczekiwana ). Liczba jest dowolna dodatnia liczba . a B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 32 / 80 Charakterystyki opisowe INTERPRETACJA WARIANCJI: Korzystaja c z nierówno±ci Czebyszewa dochodzimy do wniosku, »e wariancja (lub odchylenie standardowe) jest miara rozrzutu zmiennej losowej dokoªa warto±ci oczekiwanej . Jest to bardzo wa»ny wniosek bo w analizie danych do±wiadczalnych uto»samiamy warto±¢ oczekiwana pomiarów wykonanych w obecno±ci przypadkowych niepewno±ci pomiarowych z warto±cia prawdziwa mierzonej wielko±ci. Wtedy miara przypadkowej niepewno±ci pomiarowej jest odchylenie standardowe bo ono okre±la rozrzut wyników dokoªa warto±ci prawdziwej. B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 33 / 80 Podstawowe poje cia teorii estymacji DEFINICJA: W statystyce sko«czony zespóª do±wiadcze« nazywamy próba a wnioskowanie na podstawie próby o wªasno±ciach niesko«czonego (zwykle) zespoªu wszystkich mo»liwych do±wiadcze« zwanego populacja generalna , nazywamy estymacja . DEFINICJA: Przez próbe prosta rozumiemy ciag niezale»nych do±wiadcze« odnosza cych sie do tej samej populacji generalnej. DEFINICJA: Statystyka nazywamy taka funkcje zmiennych losowych obserwowanych w próbie, która sama jest zmienna losowa . B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 34 / 80 Podstawowe poje cia teorii estymacji T x x x DEFINICJA: Estymatorem n ( 1 , 2 , .. n ; θ) parametru θ lub w skrócie n (θ) nazywamy statystyke o rozkªadzie prawdopodobie«stwa zale»nym od θ . Tu ' 1 , 2 , ..' oznaczaja wyniki pomiarów próby. T x x DEFINICJA: Estymacja punktowa to taka estymacja, która polega na oszacowaniu warto±ci danego parametru θ przez warto±¢ jego estymatora n (θ). T DEFINICJA: Estymacja przedziaªowa polega na szukaniu przedziaªu liczbowego, wewna trz którego z zaªo»onym prawdopodobie«stwem le»y prawdziwa warto±¢ parametru. B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 35 / 80 Podstawowe poje cia teorii estymacji T DEFINICJA: Estymator n (θ), jest zgodny je»eli dla ka»dego > 0 jest speªniony warunek: limn→∞ P (| Tn (θ) − θ |< ) = 1 W takim przypadku u»ywa sie cze sto okre±lenia, »e estymator speªnia prawo wielkich liczb . PRZYKAD: TWIERDZENIE (Bernoulli): Wzgledna cze sto±¢ pojawiania sie zdarzenia w cia gu do±wiadcze« speªnia prawo wielkich liczb czyli jest zgodnym estymatorem prawdopodobie«stwa zdarzenia : ( ). A n A PA limn→∞ P (| nA /n − P (A) |< ) = 1 B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 36 / 80 Podstawowe poje cia teorii estymacji DEFINICJA: Estymator speªniaja cy mocne prawo wielkich liczb to taki, który jest zbie»ny do estymowanego parametru z prawdopodobie«stwem równym jedno±ci: P (limn→∞ Tn (θ) = θ) = 1 PRZYKAD: TWIERDZENIE: F.P.Cantelli udowodniª w 1917 roku, »e wzgle dna cze sto±¢ pozytywnego zako«czenia do±wiadczenia; A / jest zbie»na do prawdopodobie«stwa zdarzenia ; ( ) z prawdopodobie«stwem równym jedno±ci: n n PA A P (limn→∞ (nA /n ) = P (A)) = 1 czyli wzgledna cze sto±¢ speªnia mocne prawo wielkich liczb. B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 37 / 80 Podstawowe poje cia teorii estymacji T DEFINICJA: Estymatorem nieobcia »onym n (θ) parametru θ nazywamy taki estymator, którego warto±¢ oczekiwana równa jest warto±ci estymowanego parametru niezale»nie od rozmiarów próby: E (Tn (θ)) = θ B DEFINICJA: Obcia »eniem estymatora ' n ' nazywamy ró»nice jego warto±ci oczekiwanej i warto±ci estymowanego parametru: Bn = E (Tn (θ)) − θ DEFINICJA: Estymatorem obcia »onym nazywamy taki estymator, którego obcia »enie jest ró»ne od zera. B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 38 / 80 Podstawowe poje cia teorii estymacji DEFINICJA: Estymatorem asymptotycznie nieobcia »onym nazywamy taki estymator obcia »ony, którego obcia »enie zmierza do zera gdy rozmiary próby niesko«czenie rosna : limn→∞ Bn = 0 TWIERDZENIE: Je»eli wariancja estymatora nieobcia »onego lub asymptotycznie nieobcia »onego da »y do zera gdy rozmiary próby rosna nieograniczenie wówczas estymator ten jest zgodny. T h TWIERDZENIE: Je»eli n (θ) jest zgodnym estymatorem θ i je»eli (θ) jest wielomianem lub ilorazem wielomianów to estymator ( n (θ)) jest estymatorem zgodnym dla (θ). hT B. Kamys (Instytut Fizyki UJ) h SMOP I 2014/15 39 / 80 Rozkªad normalny (Gaussa) DEFINICJA: Cia gªa zmienna losowa X, której funkcja ge sto±ci prawdopodobie«stwa ma naste puja ca posta¢: f (X ) = √21π B exp −(X −A)2 2B 2 nazywa sie zmienna o rozkªadzie normalnym Warto±¢ oczekiwana: N (A, B ). E (X ) = A Odchylenie standardowe: σ(X ) = Sta d ªatwo wida¢, »e B N (A, B ) ≡ N (E (X ), σ(X )) Dystrybuanta: rozkªadu normalnego nie wyra»a sie przez funkcje elementarne. B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 40 / 80 Rozkªad normalny (Gaussa) Warto zapamie ta¢ nastepuja ce warto±ci prawdopodobie«stwa znalezienia zmiennej X w danym przedziale: P (E (X ) − σ(X ) < X < E (X ) + σ(X )) P (E (X ) − 2σ(X ) < X < E (X ) + 2σ(X )) P (E (X ) − 3σ(X ) < X < E (X ) + 3σ(X )) B. Kamys (Instytut Fizyki UJ) SMOP I = 0.6827 = 0.9545 = 0.9973 2014/15 41 / 80 Rozkªad normalny (Gaussa) Y UWAGA: Dowolna zmienna o rozkªadzie normalnym mo»na standaryzowa¢ tworzac wielko±¢ o rozkªadzie standardowym normalnym (0, 1): Z N Z = (Y − E (Y ))/σ(Y ). Standaryzacja jest wa»na ze wzgle du na mo»liwo±¢ tablicowania zarówno funkcji gesto±ci prawdopodobie«stwa, jak i dystrybuanty rozkªadu (0, 1) a potem wykorzystania faktu, »e maja c zmienna o rozkªadzie (0, 1) mo»emy stworzy¢ zmienna o rozkªadzie ( , ) przez prosta transformacje: = ∗ + . Y B. Kamys (Instytut Fizyki UJ) Y X B X SMOP I N A N NAB 2014/15 42 / 80 Rozkªad normalny (Gaussa) Centralne Twierdzenie Graniczne (intuicyjne sformuªowanie) Z Zmienna be da ca standaryzowana suma niezale»nych zmiennych losowych bedzie miaªa standardowy rozkªad normalny gdy liczba skªadników w sumie da »y do niesko«czono±ci oraz w sumie nie wyste puja zmienne o wariancjach dominuja cych w stosunku do reszty skªadników. Wªa±nie to twierdzenie powoduje, »e rozkªad normalny jest wyró»nionym rozkªadem - bardzo cze sto stosowanym w statystyce. B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 43 / 80 Podstawy rachunku niepewno±ci pomiarowych Motto: Wynik pomiaru bez podania dokªadno±ci do±wiadczenia (podania niepewno±ci pomiaru) jest bezwarto±ciowy. DEFINICJA: Pomiarem bezpo±rednim nazywamy do±wiadczenie, w którym przy pomocy odpowiednich przyrza dow mierzymy (porównujemy z jednostka ) interesuja ca nas wielko±¢ zyczna . Przykªad: B. Kamys • Pomiar dªugo±ci przedmiotu przy pomocy linijki • Pomiar dªugo±ci odcinka czasu przy pomocy zegara (Instytut Fizyki UJ) SMOP I 2014/15 44 / 80 Podstawy rachunku niepewno±ci pomiarowych DEFINICJA: Pomiarem po±rednim nazywamy do±wiadczenie, w którym wyznaczamy warto±¢ interesuja cej nas wielko±ci zycznej przez pomiar innych wielko±ci zycznych zwia zanych z dana wielko±cia znanym zwia zkiem funkcyjnym. Przykªad: • Pomiar oporu elektrycznego przewodnika: mierzymy spadek napie cia na przewodniku i pra d przez niego pªyna cy a opór wyznaczamy z prawa Ohma: = / . • Pomiar gesto±ci stopu, z którego zbudowany jest prostopadªo±cian: mierzymy bezpo±rednio dªugo±¢ krawedzi , i prostopadªo±cianu i jego mase a ge sto±¢ wyznaczamy ze wzoru: ρ = /( · · ). R U I U R ab c B. Kamys (Instytut Fizyki UJ) SMOP I I m m a b c 2014/15 45 / 80 Podstawy rachunku niepewno±ci pomiarowych e x x DEFINICJA: Bªe dem pomiaru nazywano (tradycyjnie) ró»nice pomie dzy warto±cia uzyskana w do±wiadczeniu a prawdziwa (nieznana ) warto±cia 0 danej wielko±ci: e = x − x0 UWAGA: Zgodnie z Mi¦dzynarodow¡ Norm¡ ISO okre±lenie bª¡d zast¦puje si¦ okre±leniem niepewno±¢ pomiarowa . Niepewno±¢ pomiaru wielko±ci x oznacza si¦ u (x ) . Podziaª niepewno±ci pomiarowych: Niepewno±ci pomiarowe dzielimy na • grube • systematyczne • przypadkowe B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 46 / 80 Podstawy rachunku niepewno±ci pomiarowych DEFINICJA: Niepewno±ci grube to takie, które pojawiaja sie w wyniku pomyªki eksperymentatora (np. odczyt na niewªa±ciwej skali przyrza du) lub w wyniku niesprawno±ci aparatury pomiarowej. Zwykle sa one na tyle du»e, »e mo»na je ªatwo zauwa»y¢. Dla uniknie cia takich niepewno±ci pomiarowych nale»y starannie zorganizowa¢ proces pomiaru i u»ywa¢ do do±wiadcze« tylko wªa±ciwie wytestowanych przyrza dów. B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 47 / 80 Podstawy rachunku niepewno±ci pomiarowych DEFINICJA: Niepewno±ci systematyczne to takie, które podczas wykonywania pomiaru systematycznie przesuwaja wyniki pomiarów w jedna strone w stosunku do prawdziwej warto±ci. Moga mie¢ one ró»ne przyczyny. Najcze±ciej to: • Niewªa±ciwy sposób przeprowadzania pomiaru (np. Bªa d paralaksy) • Stosowanie zªych przyrza dów (np. waga szalkowa o ró»nej dªugo±ci ramion) • Stosowanie nieprzemy±lanej metody (patrz poni»ej) B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 48 / 80 Podstawy rachunku niepewno±ci pomiarowych Przykªad: Przy pomiarze oporu mo»emy zastosowa¢ dwa ró»ne schematy podªa czenia woltomierza i amperomierza: A V Rysunek: Schemat pierwszy: Woltomierz podªa czony równolegle do opornika a szeregowo do nich amperomierz. Systematycznie zawy»amy warto±¢ pra du a wiec zani»amy opór. I A V Rysunek: Schemat drugi: Woltomierz podªa czony równolegle do ukªadu szeregowo poªa czonych opornika i amperomierza. Systematycznie zawy»amy warto±¢ napiecia a wiec zawy»amy opór. U B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 49 / 80 Podstawy rachunku niepewno±ci pomiarowych Niepewno±ci systematyczne sa trudne do zauwa»enia i oszacowania. Dla ich uniknie cia stosuje sie : • staranne przemy±lenie metody pomiaru w poszukiwaniu mo»liwych ¹ródeª niepewno±ci systematycznych i wybór metody, która nie jest nimi obarczona, np. opór w powy»szym przykªadzie mo»na mierzy¢ metoda mostka. • zmiane metody pomiaru , aby wyeliminowa¢ ukryte, niekontrolowane ¹ródªa niepewno±ci systematycznych. Na przykªad, wa»ne staªe zyczne takie jak pre dko±¢ ±wiatªa byªy wielokrotnie mierzone ró»nymi metodami, gªównie po to aby upewni¢ sie , »e uniknieto niepewno±ci systematycznych, c • pomiary wzgledne polegaja ce na tym, »e mierzymy równocze±nie, ta sama metoda dwie wielko±ci - jedna dobrze znana a druga - te , która chcemy zmierzy¢. B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 50 / 80 Podstawy rachunku niepewno±ci pomiarowych DEFINICJA: Niepewno±ci przypadkowe to takie, które zmieniaja sie od pomiaru do pomiaru, powoduja c odchylenia od warto±ci prawdziwej zarówno w dóª jak i w gór¦. Zakªada sie, »e spowodowane sa one przez wiele niezale»nych przyczyn o porównywalnym znaczeniu. Metody statystyki pozwalaja na oszacowanie tego typu efektów zarowno jako±ciowo jak i ilo±ciowo. Nie mówia jednak nic o niepewno±ciach systematycznych czy grubych. Dlatego dalsze rozwa»ania be da dotyczyªy tylko niepewno±ci przypadkowych . B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 51 / 80 Podstawy rachunku niepewno±ci pomiarowych Rozkªad niepewno±ci przypadkowych Rozkªad niepewno±ci przypadkowej u f (u ) = √ to N (0, σ(u )) czyli −u 2 exp 2σ 2 (u) 2π σ(u) 1 bo gdy mamy do czynienia tylko z niepewno±ciami przypadkowymi wówczas: • Sa speªnione zaªo»enia centralnego twierdzenia granicznego a wiec rozkªad niepewno±ci pomiarowych jest rozkªadem normalnym. • Warto±¢ oczekiwana niepewno±ci przypadkowej znika (z zaªo»enia równe prawdopodobie«stwo odchylenia w góre i w dóª w stosunku do prawdziwej warto±ci mierzonej wielko±ci). • Miara wielko±ci niepewno±ci przypadkowej jest odchylenie standardowe rozkªadu niepewno±ci: σ( ). u u B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 52 / 80 Rozkªad pomiarów obarczonych niepewno±ciami Podstawy rachunku niepewno±ci pomiarowych przypadkowymi Rozkªad pomiarów: Pomiary przeprowadzane w obecno±ci jedynie niepewno±ci przypadkowych maja rozkªad ( 0 , σ( )) bo wynik pomiaru jest przesunie ty od prawdziwej warto±ci 0 o niepewno±¢ przypadkow¡ : N x x u u x = x0 + u a transformacja rozkªadu f (u ) do g (x ) daje wzór: 2 g (x ) = √2π1σ(u ) exp −(2σx −2 (xu0)) . B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 x 53 / 80 Rozkªad pomiarów obarczonych niepewno±ciami Podstawy rachunku niepewno±ci pomiarowych przypadkowymi WNIOSKI: Z poni»szych faktów wynika, »e: szukanie prawdziwej warto±ci mierzonej wielko±ci i jej niepewno±ci to estymacja warto±ci oczekiwanej i odchylenia standardowego pomiarów • Warto±¢ prawdziwa mierzonej wielko±ci jest równa warto±ci oczekiwanej pomiarów (je»eli sa tylko niepewno±ci przypadkowe). • Rozrzut pomiarów dokoªa warto±ci prawdziwej jest okre±lony przez odchylenie standardowe σ (u) rozkªadu niepewno±ci przypadkowych. • Miara niepewno±ci pojedynczego pomiaru jest odchylenie standardowe pomiarów. B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 54 / 80 Podstawy rachunku niepewno±ci pomiarowych Estymator Estymator warto±ci oczekiwanej E (x ) to ±rednia arytmetyczna niezale»nych pomiarów wielko±ci x . Bedziemy ja oznacza¢ przez x : P Tn (E (x )) ≡ x = n1 ni=1 xi x • Koªmogorow pokazaª, »e speªnia mocne prawo wielkich liczb a wiec oczywi±cie jest zgodny, x • Estymator jest nieobcia »ony. P P E ( 1 x ) = 1 E (x ) = 1 (n · E (x )) = n i i i i n n E (x ) c.b.d.o. Tu wykorzystano fakt, »e wszystkie warto±ci oczekiwane sa sobie równe E (x ) = E (x ). i • Mo»na pokaza¢, »e estymatorem ( ). Ex B. Kamys (Instytut Fizyki UJ) x jest najbardziej efektywnym SMOP I 2014/15 55 / 80 Podstawy rachunku niepewno±ci pomiarowych Estymator warto±ci oczekiwanej x warto±ci oczekiwanej E (x ) ma rozkªad σ(x ) normalny N E (x ), √n gdzie n jest liczba pomiarów w TWIERDZENIE: Estymator próbie. WNIOSKI: x • Odchylenie standardowe ±redniej arytmetycznej jest √ - krotnie mniejsze od odchylenia standardowego pojedynczego pomiaru. n x • Odchylenie standardowe σ( ) czyli niepewno±¢ pomiarowa ±redniej arytmetycznej u (x̄ ) charakteryzuje dokªadno±¢ wyznaczenia prawdziwej warto±ci x w danym konkretnym pomiarze skªadaja cym sie z n niezale»nych do±wiadcze«. • Aby opisa¢ dokªadno±¢ metody pomiarowej podajemy niepewno±¢ pomiarow¡ pojedynczego pomiaru tj. ( ) ≡ σ( ) . ux B. Kamys (Instytut Fizyki UJ) SMOP I x 2014/15 56 / 80 Podstawy rachunku niepewno±ci pomiarowych Estymator S(x): S (x ) ≡ q 1 n −1 Estymator odchylenia standardowego Pn 2 i =1 (xi − x ) Jest to zgodny, asymptotycznie nieobcia »ony estymator. ZALECA SI STOSOWANIE TEGO ESTYMATORA Estymator s(x): s (x ) ≡ q P n 1 2 i =1 (xi − x ) n Jest to zgodny, asymptotycznie nieobcia »ony i najbardziej efektywny estymator Estymator S(x): S (x ) ≡ q n −1 Γ( 2 n −1 2 ) n Γ( 2 ) · S (x ) Jest to zgodny i nieobcia »ony estymator B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 57 / 80 Podstawy rachunku niepewno±ci pomiarowych Estymator odchylenia standardowego k Sx Sx UWAGA: Wspóªczynnik n o który ró»ni sie ( ) od ( ) jest znacza co ró»ny od 1.0 tylko dla maªych prób i mo»e by¢ w przybli»eniu zasta piony przez wstawienie do wzoru na ( ) zamiast 1/( − 1) czynnika 1/( − 1.45). n B. Kamys (Instytut Fizyki UJ) SX n n kn 3 4 5 6 7 10 15 20 25 50 1.1284 1.0853 1.0640 1.0506 1.0423 1.0280 1.0181 1.0134 1.0104 1.0051 SMOP I q n −1 n −1.45 1.1359 1.0847 1.0615 1.0482 1.0397 1.0260 1.0165 1.0121 1.0095 1.0046 2014/15 58 / 80 Podstawy rachunku niepewno±ci pomiarowych Zapis wyników pomiarów KONWENCJA: Stosuje sie naste puja ca konwencje zapisu wyników, gdzie jako miar¦ niepewno±ci pomiaru podaje si¦ niepewno±¢ standardow¡ ( ) ≡ ). ux S (x̄ • Pozostawia sie tylko dwie cyfry znacza ce standardowej niepewno±ci pomiarowej, np. 0,023. • Wynik pomiaru obliczamy tak aby wyznaczy¢ jedno miejsce dziesie tne dalej ni» miejsce dziesietne, na którym zaokra glono niepewno±¢ pomiarow¡, a naste pnie zaokra glamy do tego samego miejsca dziesie tnego, do którego wyznaczono niepewno±¢ pomiarow¡, np. zamiast 1,9024 bierzemy 1,902. • Wynik wraz z niepewno±ci¡ pomiarow¡ podajemy w ten sposób, »e po wypisaniu wyniku dopisujemy w nawiasie dwie cyfry znacz¡ce reprezentuj¡ce niepewno±¢ pomiaru i podajemy jednostk¦, np. m = 1,902(23) kg lub m = 1,902(0,023) kg B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 59 / 80 Podstawy rachunku niepewno±ci pomiarowych KONWENCJA (c.d.): Zapis wyników pomiarów • Stosuje si¦ równie» zapis: x = (wynik (x ) ± U (x )) jednostka(x ), gdzie U (x ) ≡ k · u (x ) tzw. niepewno±¢ rozszerzona. przyjmuje warto±ci 2 ≤ ≤ 3 przy czym domy±lnie, tzn. je»eli nie podaje si¦ tego jawnie, przyjmuje si¦ = 2. k k k • UWAGA: ten zapis jest identyczny jak zapis stosowany dawniej (przed przyj¦ciem aktualnej konwencji zapisu) ale wtedy podawaªo si¦ standardow¡ niepewno±¢ ( ) zamiast rozszerzonej niepewno±ci ( ) ≡ · ( ). Ux • B. Kamys ux k ux Zapis przykªadowy przytaczanego powy»ej wyniku: masa = (1,902 ± 0.046) kg . (Instytut Fizyki UJ) SMOP I 2014/15 60 / 80 Podstawy rachunku niepewno±ci pomiarowych Zapis wyników pomiarów UWAGA: Zastosowanie konwencji, w której zapisujemy wynik i jego niepewno±¢ w formie: (wynik ± niepewno±¢ pomiaru) mo»e prowadzi¢ do nieporozumienia, gdy nie napiszemy wyra¹nie, »e stosujemy now¡ konwencj¦ i »e jako wspóªczynnik rozszerzenia niepewno±ci bierzemy = 2. k Zaleca si¦ wi¦c stosowanie zapisu, w którym podaje si¦ w nawiasie 2 cyfry znacz¡ce standardowej niepewno±ci pomiarowej. W przeciwnym wypadku nale»y wyra¹nie zaznaczy¢, »e podajemy rozszerzon¡ niepewno±¢ standardow¡ oraz wypisa¢ warto±¢ . k B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 61 / 80 Podstawy rachunku niepewno±ci pomiarowych Zapis wyników pomiarów UWAGA: Poniewa» omawiana metoda szacowania niepewno±ci opiera si¦ o statystyczny rozrzut pomiarów rz¡dzony rozkªadem Gaussa, to • Niepewno±¢ standardowa pomiaru okre±la przedziaª warto±ci mierzonej wielko±ci gdzie z prawdopodobie«stwem ≈ 0.68 znajduje si¦ prawdziwa warto±¢ mierzonej wielko±ci. • Rozszerzona niepewno±¢ z czynnikiem rozszerzenia k=2 okre±la przedziaª, gdzie z prawdopodobie«stwem ≈ 0.95 znajduje si¦ prawdziwa warto±¢. B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 62 / 80 Podstawy rachunku niepewno±ci pomiarowych Zapis wyników pomiarów Metoda A szacowania niepewno±ci pomiarowych to wg normy ISO opisane powy»ej wnioskowanie o niepewno±ci pomiaru z rozrzutu statystycznego wyników pomiaru Metoda B stosuje si¦, gdy nie mo»emy takiego rozrzutu zaobserwowa¢ , np. gdy • Dziaªka skali przyrz¡du pomiarowego jest wi¦ksza od obserwowanego rozrzutu, • Pomiar mo»na wykona¢ tylko jednokrotnie bo, np. towarzyszy mu zniszczenie badanego obiektu, • itp. B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 63 / 80 Podstawy rachunku niepewno±ci pomiarowych W metodzie B: Zapis wyników pomiarów ab x • Szukamy takiego przedziaªu [ , ] warto±ci mierzonej wielko±ci , »e wszystkie warto±ci ∈ [ , ] (np. dªugo±¢ [ , ] to wielko±¢ dziaªki skali przyrz¡du). • Zakªadamy funkcj¦ g¦sto±ci prawdopodobie«stwa zmiennej ; najcz¦±ciej zakªada si¦ jednostajny rozkªad: ( ) = 1/( − ). • Odchylenie standardowe tej wielko±ci bierzemy jako warto±¢ niepewno±ci standardowej, np. dla rozkªadu jednostajnego x ab f x x ab b a √ UWAGA: u (x ) ≡ σ(x ) = (b − a)/(2 3). Poniewa» (b − a )/2 ≡ ∆x , gdzie ∆x to (tradycyjnie) tzw. bª¡d maksymalny wi¦c wtedy standardowa niepewno±¢ √ u (x ) = ∆x / 3. B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 64 / 80 Rozkªad liczby pozytywnie zako«czonych do±wiadcze« TWIERDZENIE: Je»eli prawdopodobie«stwo zrealizowania sie danego zdarzenia losowego w pojedynczym do±wiadczeniu jest równe to liczba zrealizowanych zdarze« w N niezale»nych do±wiadczeniach rzadzona jest rozkªadem Bernoulliego (dwumianowym, binomialnym): p k P (k ) = k !(NN−! k )! pk (1 − p)N −k ; k = 0, 1, ..N atwo mo»na pokaza¢, »e E (k ) = p N ·p σ(k ) = N · p · (1 − p ) B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 65 / 80 Rozkªad liczby pozytywnie zako«czonych do±wiadcze« Graniczny przypadek: cze sto realizowany w zyce atomowej, ja der atomowych i cza stek elementarnych to sytuacja gdy jest bardzo du»e, bardzo maªe a warto±¢ oczekiwana rejestrowanych zdarze« ( ) ≡ · jest staªa. p Przykªad: • • N Ek N p N - liczba radioaktywnych jader w badanej próbce, p - prawdopodobie«stwo rozpadu pojedynczego radioaktywnego ja dra w jednostce czasu, • - liczba rejestrowanych rozpadów w jednostce czasu k Rozkªad Poissona jest wtedy graniczna postacia rozkªadu Bernoulliego: P (k ) = λk ! exp(−λ) k Warto±¢ oczekiwana i odchylenie standardowe wyra»aja sie wzorem: E (k ) = √ λ σ(k ) = λ B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 66 / 80 Rozkªad liczby pozytywnie zako«czonych do±wiadcze« Niepewno±¢ statystyczna k Liczba rejestrowanych w danym okresie czasu zdarze« rza dzonych powy»szymi prawami jest zmienna losowa a wiec prawdziwa liczba zdarze« to E(k) a jej niepewno±¢ to σ (k). Nazywana jest ona niepewno±ci¡ statystyczn¡ (tradycyjnie bª¦dem statystycznym). k ESTYMATOR prawdziwej liczby zdarze« to liczba zarejestrowanych zdarze« podczas pojedynczego pomiaru: Tn (E (k )) = k ESTYMATOR niepewno±ci statystycznej: to √ u (k ) ≡ Tn (σ(k )) = k B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 67 / 80 Rozkªad liczby pozytywnie zako«czonych do±wiadcze« Niepewno±¢ statystyczna POZORNY PARADOKS: Im dªu»ej mierzymy tym niepewno±¢ liczby zarejestrowanych zdarze« jest wie ksza. WYTUMACZENIE: Istotna jest statystyczna niepewno±¢ wzgle dna ( ) a nie bezwzgle dna ( ) : r u k uk ur (k ) ≡ u (k )/k = √1k NOMENKLATURA: Pomiar z maª¡ wzgledn¡ niepewno±ci¡ statystyczn¡ to pomiar z dobra statystyka a z du»¡ wzgledn¡ niepewno±ci¡ statystyczn¡ to pomiar ze zªa statystyka . UWAGA: Nale»y zwraca¢ uwage , »e niepewno±¢ statystyczna ma identyczny wymiar jak liczba zdarze«, tj. wymiar odwrotny do czasu mimo, »e ilo±ciowo jest pierwiastkiem z liczby zdarze«. B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 68 / 80 Rozkªad liczby pozytywnie zako«czonych do±wiadcze« Niepewno±¢ statystyczna W praktyce interesuje nas obok odpowiedzi na pytanie: Ile zdarze« zachodzi w okre±lonym czasie ? równie» odpowied¹ na pytanie: Ile zachodzi zdarze« DANEGO TYPU ? PRZYKAD: Rejestrujemy produkty reakcji ja drowej. Chcemy wiedzie¢ nie tylko ile reakcji zachodzi ale tak»e ile jest produktów posiadaja cych okre±lona energie. PYTANIA: 1 Jakim rozkªadem rza dzona jest liczba zdarze« w ka»dym przedziale ('kanale') energii? 2 Co by sie staªo gdyby±my dodali liczby zdarze« z kilku sa siednich kanaªów (dla poprawienia 'statystyki' liczby zdarze«) ? B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 69 / 80 Rozkªad liczby pozytywnie zako«czonych do±wiadcze« Niepewno±¢ statystyczna Korzystamy z twierdzenia: TWIERDZENIE: Rozkªad prawdopodobie«stwa sumy sko«czonej liczby niezale»nych skªadników, z których ka»dy rza dzony jest rozkªadem Poissona o parametrze λi jest równie» rozkªadem P λi . Poissona ale o nowym parametrze λ = i ODPOWIED na 1 pytanie: Liczba zdarze« w ka»dym kanale jest rza dzona rozkªadem Poissona ale ka»dy z tych rozkªadów ma zwykle ró»ny parametr λi . ODPOWIED na 2 pytanie: Liczba zdarze« w kilku wysumowanych P kanaªach = i i bedzie rzadzona rozkªadem Poissona z parametrem λ, którego estymator jest równy P n (λ ≡ ( )) = i. k T B. Kamys (Instytut Fizyki UJ) Ek k i k SMOP I 2014/15 70 / 80 Pomiary po±rednie X X X X DEFINICJA: Je»eli w do±wiadczeniu mierzymy wielko±ci 1 , 2 , .., naste pnie wyliczamy warto±¢ funkcji Y = Y( 1 , 2 , .., to taka procedure nazywamy pomiarem po±rednim. XN a XN ) ESTYMATOR: Estymatorem E(Y) pomiaru po±redniego jest warto±¢ funkcji Y wyliczona dla argumentów, które sa estymatorami prawdziwych warto±ci 1 , 2 , .. N tzn. dla ±rednich arytmetycznych X1 , X2 , ..., XN : X X X Tn (E (Y (X1 , X2 , ..XN ))) = Y (X 1 , X 2 , ..., X N ) lub inaczej E (Y (X1 , X2 , ..XN )) ≈ Y (X 1 , X 2 , ..., X N ) B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 71 / 80 Pomiary po±rednie Niepewno±¢ pomiaru po±redniego ESTYMATOR: niepewno±ci pomiaru po±redniego, tzw. zªo»ona niepewno±¢ standardowa (tradycyjnie: bªad ±redni kwadratowy ) liczy sie naste puja co (UWAGA: wzory s¡ sªuszne przy zaªo»eniu, »e pomiary 1 , 2 , .., N byªy wykonywane niezale»nie odpowiednio 1 , 2 , .., N razy): X X X n n n σ(Y ) ≈ UWAGA: • s N ∂ Y 2 P i =1 X1 , X2 , ..XN to ró»ne wielko±ci "X ", ∂X i X =X i i · σ 2 (X i ) wielko±ci a nie kolejne pomiary X • Pochodne liczone wzgledem ' i ' to pochodne cza stkowe tzn. liczone przy zaªo»eniu, »e pozostaªe zmienne ' j 6=i ' sa ustalone, • Zamiast wariancji zmiennej σ 2 ( i ) u»ywa sie jej X S X i ) (ni estymatora S Xi )). estymatora tzn. 2( X - krotnie mniejszego od 2( B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 72 / 80 Pomiary po±rednie Bª¡d maksymalny Bªa d maksymalny pomiaru po±redniego to tradycyjne poj¦cie, które stosowano, gdy nie mo»na byªo oszacowa¢ niepewno±ci pomiaru bezpo±redniego z rozrzutu wyników. Liczono go wg poni»szego wzoru, tzn. metoda ró»niczki zupeªnej. ∆(Y ) ≈ N P i =1 | ∂∂XY | · ∆(Xi ) i Tu moduªy pochodnych sa wyliczane dla jednokrotnie zmierzonych wielko±ci i a symbol ∆( i ) oznacza maksymalny bªa d tej wielko±ci mierzonej bezpo±rednio. X B. Kamys (Instytut Fizyki UJ) SMOP I X 2014/15 73 / 80 Pomiary po±rednie Bª¡d maksymalny Zgodnie z now¡ NORM: Nie nale»y u»ywa¢ poj¦cia bª¦du maksymalnego lecz liczy¢ niepewno±¢ pomiaru po±redniego jako zªo»on¡ niepewno±¢ pomiarow¡ wstawiaj¡c zamiast niepewno±ci pomiarów bezpo±rednich otrzymanych "metod¡ A"(tzn. z rozrzutu pomiarów) niepewno±ci oszacowane "metod¡ B". Nale»y tak post¦powa¢ bo: • W odró»nieniu od zªo»onej niepewno±ci standardowej bªa d maksymalny nie ma interpretacji statystycznej. • atwo mo»na pokaza¢ , »e bª¡d maksymalny obliczony metoda ró»niczki zupeªnej jest zawsze wie kszy od zªo»onej niepewno±ci standardowej. B. Kamys (Instytut Fizyki UJ) SMOP I 2014/15 74 / 80 Pomiary po±rednie Regresja liniowa DEFINICJA: Regresja liniowa zmiennej Y wzgle dem zmiennej X to linia prosta = · + z parametrami i dobranymi tak aby minimalizowa¢ sume kwadratów odchyle« wspóªrze dnych ( i , = 1, 2, .. ) zespoªu punktów o wspóªrze dnych ( 1 , 1 ),( 2 , 2 ),... ( n , n ) od tej linii: Y a X b a b y i n n x y x y x y n P Q 2 = (yi − a · xi − b)2 i =1 Zmienna Y nazywana jest zmienna obja±niana a zmienna X zmienna obja±niaja ca . X Y Y X c Y X d UWAGA: Regresja liniowa wzgle dem tj. prosta = · + pokrywa sie z regresja liniowa wzgle dem tj. prosta = · + znaleziona dla tego samego zespoªu punktów do±wiadczalnych tylko wtedy gdy zwia zek pomiedzy i jest funkcyjnym zwia zkiem liniowym (a nie zale»no±cia statystyczna ). Y B. Kamys a X (Instytut Fizyki UJ) b X Y SMOP I 2014/15 75 / 80 Pomiary po±rednie Regresja liniowa Specyczna sytuacja: polegaja ca na tym, »e: X • zmienna obja±niaja ca ma zaniedbywalnie maªe niepewno±ci i jest traktowana jako nielosowa zmienna. • zmienna obja±niana jest zmienna losowa o znanej niepewno±ci standardowej σ( i ) dla punktu o wspóªrz¦dnych ( i , i ). Y y x y Wtedy dostajemy takie estymatory parametrów regresji: n P 1 Tn (a) = i =P n Tn (b) gdzie wi B. Kamys ≡ 1/σ 2 ( yi ), x̄w (Instytut Fizyki UJ) = ≡ wi yi (xi − x̄w ) wi (xi − x̄w )2 i =1 ȳw − Tn (a) · x̄w n X i =1 wi xi / SMOP I n X i =1 wi , ȳw ≡ n X i =1 wi yi / 2014/15 n X i =1 wi 76 / 80 Pomiary po±rednie Regresja liniowa Niepewno±ci standardowe estymatorów parametrów a i b równie» wyra»aja sie analitycznymi wzorami: v u n uX σ (Tn (a )) = 1/t wi (xi − x̄w )2 i =1 v u 1 u σ (Tn (b )) = u n tP i =1 wi + n P i =1 x̄w2 wi (xi − x̄w )2 Niepewno±¢ standardowa warto±ci Y przewidzianej przez linie regresji (zale»na od x): v u u 1 (x − x̄w )2 σ (y (x )) = u + uP n P t n w wi (xi − x̄w )2 i i =1 B. Kamys (Instytut Fizyki UJ) SMOP I i =1 2014/15 77 / 80 Pomiary po±rednie Regresja liniowa Jeszcze prostsza sytuacja: polegaja ca na tym, »e: Y • zmienna obja±niana jest zmienna losowa o identycznej niepewno±ci standardowej σ( ) dla wszystkich punktów. Y Wtedy dostajemy proste, analityczne wzory na estymatory parametrów regresji: Tn (b) Tn (a) W = P P P P ( i xi 2 ) · ( i yi ) − ( i xi ) · ( i x i · yi ) = n·( ≡ n· X i Wska¹nik sumowania B. Kamys (Instytut Fizyki UJ) W P i x i · yi ) − ( i xi ) · ( i y i ) P i xi 2 −( P XW i xi )2 przebiega warto±ci od 1 do SMOP I n. 2014/15 78 / 80 Pomiary po±rednie Regresja liniowa Niepewno±ci standardowe estymatorów parametrów a i b równie» wyra»aja sie analitycznymi wzorami: Tn (σ(b)) Tn (σ(a)) = σ(Y ) · = σ(Y ) · i xi sP r 2 W n W Niepewno±¢ standardowa warto±ci Y przewidzianej przez linie regresji (zale»na od x): Tn (σ(Y (x ))) B. Kamys (Instytut Fizyki UJ) = σ(Y ) · SMOP I s 1 n (x − x )2 +P 2 i (x i − x ) 2014/15 79 / 80 Pomiary po±rednie Regresja liniowa UWAGA: W praktyce opuszcza sie symbol estymatora, zarówno dla parametrów regresji , jak i dla warto±ci przewidzianej przez regresje, tzn. zamiast n ( ) pisze sie po prostu , itd. ale nale»y pamieta¢, »e sa to estymatory. W powy»szych wzorach zastosowano naste puja ce oznaczenia: a b • T a Y a Tn (σ(Y (x ))) to estymator niepewno±ci warto±ci Y (x ) przewidzianej przez regresje , • σ( ) to niepewno±¢ pomiarowa wspóªrzednej i z zaªo»enia taka sama dla wszystkich punktów, • to ±rednia arytmetyczna warto±ci zmiennej kontrolowanej wyliczona ze wspóªrzednych punktów 1 , 2 , ... n , • - to warto±¢ zmiennej kontrolowanej , dla której wyliczamy warto±¢ regresji liniowej ( ) i estymator niepewno±ci regresji liniowej n (σ( ( ))). Y Y x x x x x T B. Kamys (Instytut Fizyki UJ) SMOP I X Y x Y x 2014/15 80 / 80