Tekst spakowany aby zmniejszyć liczbę stron druku
Transkrypt
Tekst spakowany aby zmniejszyć liczbę stron druku
B.Kamys; Notatki do wykªadu SMOP-I 2014/15 1 Statystyczne Metody Opracowania Pomiarów I B. Kamys; Instytut Fizyki UJ Spis tre±ci 1 Elementy teorii prawdopodobie«stwa 2 1.1 Denicje podstawowych poj¦¢ . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.2 Wªasno±ci prawdopodobie«stwa . . . . . . . . . . . . . . . . . . . . . . . . . . 3 2 Podstawowe poj¦cia teorii estymacji 5 3 Ilo±ciowy opis zmiennych losowych 7 4 Funkcje zmiennej losowej 9 5 Charakterystyki rozkªadu prawdopodobie«stwa 11 6 Rozkªad normalny (Gaussa) 15 7 Podstawy rachunku niepewno±ci pomiarowych 17 7.1 Rozkªad pomiarów . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 7.2 Estymator warto±ci oczekiwanej . . . . . . . . . . . . . . . . . . . . . . . . . . 22 7.3 Estymator odchylenia standardowego . . . . . . . . . . . . . . . . . . . . . . . 23 7.4 Zapis wyników pomiarów . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 7.5 Rozkªad liczby pozytywnie zako«czonych do±wiadcze« . . . . . . . . . . . . . . 26 7.6 Niepewno±¢ statystyczna . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 7.7 Pomiary po±rednie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 7.7.1 Estymator E(Y) dla pomiaru po±redniego Y . . . . . . . . . . . . . . . . 29 7.7.2 Niepewno±¢ pomiaru po±redniego . . . . . . . . . . . . . . . . . . . . . 29 7.7.3 Bª¡d maksymalny . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 8 Regresja liniowa 31 9 Indeks 34 B.Kamys; Notatki do wykªadu SMOP-I 2014/15 1 1.1 2 ELEMENTY TEORII PRAWDOPODOBIESTWA DEFINICJE PODSTAWOWYCH POJ DEFINICJA: Zbiór zdarze« elementarnych - zbiór takich zdarze«, które sie wzajemnie wykluczaj a oraz wyczerpuj a 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 zawierajace wszystkie elementy zbioru E (zachodzi zawsze). DEFINICJA: Zdarzeniem niemo»liwym jest zdarzenie nie zawierajace »adnego elementu zbioru E tj. zbiór pusty Ø. DEFINICJA: Zdarzenie A zawiera sie w zdarzeniu B je»eli ka»de zdarzenie elementarne nale» ace do zbioru A nale»y do B: 'A ⊂ B' DEFINICJA: Zdarzenia A i B sa równe gdy A ⊂ B i B ⊂ A. DEFINICJA: Suma zdarze« A+B to zdarzenie zawieraj ace te i tylko te zdarzenia elementarne, które nale» a do któregokolwiek S S ze zdarze« A, B,... (suma logiczna zbiorów zdarze« elementarnych 'A B ..'). DEFINICJA: Ró»nica zdarze« A-B to zdarzenie zawieraj ace te i tylko te zdarzenia elementarne, które nale» a do zdarzenia A a nie nale» a do zdarzenia B. DEFINICJA: Iloczyn zdarze« A.B to zdarzenie zawieraj ace te i tylko te zdarzenia elementarne, które nale» a do wszystkich T zdarze« A, B (tzn. w j ezyku zbiorów 'A B'). DEFINICJA: Zdarzeniem przeciwnym do A: A nazywamy ró»nice 'E -A' DEFINICJA: Zdarzeniem losowym - nazywamy zdarzenie speªniajace poni»sze warunki: 1. W zbiorze zdarze« losowych znajduje si e zdarzenie pewne oraz zdarzenie niemo»- liwe. 2. Je»eli zdarzenia A1 , A2 ,... w ilo±ci sko«czonej lub przeliczalnej s a zdarzeniami losowymi to ich iloczyn i ich suma s a równie» zdarzeniami losowymi. B.Kamys; Notatki do wykªadu SMOP-I 2014/15 3 3. Je»eli A1 i A2 s a zdarzeniami losowymi to ich ró»nica jest równie» zdarzeniem losowym. INTUICYJNE OKRELENIE: Zdarzenie losowe to takie, o którym nie mo»emy powiedzie¢ czy zajdzie w danych warunkach czy te» nie zajdzie. DEFINICJA: Zmienna losowa nazywamy jednoznaczna funkcje rzeczywista X(e) okre±lon a na zbiorze E zdarze« elementarnych tak a, »e ka»demu przedziaªowi warto±ci funkcji X typu (-∞,x) odpowiada zdarzenie losowe. DEFINICJA: Zmienna losowa typu skokowego (dyskretnego) to taka, która przyjmuje tylko co najwy»ej przeliczalny zbiór warto±ci. Zmienna losowa typu ci agªego - mo»e przyjmowa¢ dowolne warto±ci od minus do plus niesko«czono±ci. DEFINICJA: Denicja prawdopodobie«stwa Aksjomat 1: Ka»demu zdarzeniu losowemu przyporzadkowana jest jednoznacznie nieujemna liczba rzeczywista zwana prawdopodobie«stwem. Aksjomat 2: Prawdopodobie«stwo zdarzenia pewnego jest równe jedno±ci. Aksjomat 3: Je»eli zdarzenie losowe Z jest suma sko«czonej lub przeliczalnej liczby rozªacznych zdarze« losowych Z1 ,Z2 ,.. to prawdopodobie«stwo zrealizowania sie zdarzenia Z jest równe sumie prawdopodobie«stw zdarze« Z1 ,Z2 , .. Aksjomat 4: Prawdopodobie«stwo warunkowe zdarzenia A pod warunkiem, »e zachodzi zdarzenie B; 'P(A|B)' wyra»a si e wzorem: P(A|B) = P (A.B) P (B) Prawdopodobie«stwo to jest nieokre±lone, gdy prawdopodobie«stwo zdarzenia B wynosi zero. 1.2 WASNOCI PRAWDOPODOBIESTWA 1.) Zdarzenie przeciwne do A : P(A) = 1 - P(A) Dowód: A+A = E a wiec P(A+A) = P(E ) = 1, z drugiej strony A i A wykluczaj a sie wiec P(A+A) = P(A) + P(A). St ad P(A) = P( E ) - P(A) czyli P(A) = 1 - P(A) c.b.d.o. B.Kamys; Notatki do wykªadu SMOP-I 2014/15 4 2.) Zdarzenie niemo»liwe : P(Ø) = 0 Dowód: E i Ø wykluczaja sie wiec P(E +Ø)=P(E )+P(Ø) oraz E +Ø=E a wiec P(E +Ø)=P(E ), czyli P(Ø) = 0 c.b.d.o. 3.) Zdarzenie A zawiera si ewB : P(A) ≤ P(B) Dowód: P(B) = P(A+(A.B)) = P(A)+P(A.B) ≥ P(A) c.b.d.o. 4.) Dowolne zdarzenie losowe : 0 ≤ P(A) ≤ 1 Dowód: Dla ka»dego zdarzenia jest prawdziwe: Ø ⊂ A+Ø = A = A.E ⊂ E a wiec prawdopodobie«stwa zdarze« Ø,A i E speªniaj a: 0 ≤ P(A) ≤ 1 c.b.d.o. 5.) Suma dowolnych zdarze« A+B : P(A+B) = P(A) + P(B) - P(A.B) Dowód: Zarówno A+B jak i B mo»emy zapisa¢ jako sumy rozª acznych (wykluczaj acych si e) zdarze«: A+B = A + (B − A.B) oraz B = A.B + (B − A.B), stosujemy aksjomat nr 3 denicji prawdopodobie«stwa, P (A + B) = P (A) + P (B − A.B), P (B) = P (A.B) + P (B − A.B) odejmujemy stronami: P(A+B) = P(A) + P(B) - P(A.B) c.b.d.o. 6.) Iloczyn zdarze« 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. B.Kamys; Notatki do wykªadu SMOP-I 2014/15 5 DEFINICJA: Zdarzenie A jest niezale»ne od B gdy P(A|B) = P(A). 7.) Je»eli A nie zale»y od B to B nie zale»y od A. Dowód: Korzystamy z dwu wzorów na prawdopodobie«stwo A.B podanych wy»ej, przy czym w pierwszym z nich uwzgl edniamy, »e A jest niezale»ne od B. Wówczas z porównania obu wzorów dostajemy P(B|A) = P(B). c.b.d.o. 8.) WKW niezale»nosci: P(A.B) = P(A).P(B) Dowód: Wynika to automatycznie ze wzoru na prawdopodobie«stwo iloczynu zdarze«. c.b.d.o 9.) Formuªa 'caªkowitego prawdopodobie«stwa': Je»eli istnieje zbiór zdarze« A1 , A2 ... wykluczaj acych si e wzajemnie i wyczerpuj acych wszystkie mo»liwo±ci wówczas prawdopodobie«stwo dowolnego zdarzenia B mo»e by¢ zapisane nast epuj aco: P(B) = P | Ai ) i P (Ai ).P (B Dowód: B= P i B.Ai (suma rozª acznych zdarze«) a wiec P(B) = P i P(B.Ai ) a ka»dy skªadnik mo»na zapisa¢ jako P(Ai ).P(B|Ai ). c.b.d.o. 2 PODSTAWOWE POJCIA 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»- a. liwych do±wiadcze« zwanego populacj a generaln a , nazywamy estymacj DEFINICJA: Przez próbe prosta rozumiemy ciag niezale»nych do±wiadcze« odnoszacych si e do tej samej populacji generalnej. DEFINICJA: Statystyka nazywamy taka funkcje zmiennych losowych obserwowanych w próbie, która sama jest zmienn a losow a. DEFINICJA: Estymatorem Tn (x1 , x2 , ..xn ; θ) parametru θ lub w skrócie Tn (θ ) nazywamy statystyk e o rozkªadzie prawdopodobie«stwa zale»nym od θ . Tu x1 , x2 , .. oznaczaj a wyniki pomiarów próby a przez rozkªad prawdopodobie«stwa rozumiemy przyporz adkowanie B.Kamys; Notatki do wykªadu SMOP-I 2014/15 6 prawdopodobie«stw ró»nym warto±ciom statystyki Tn . DEFINICJA: Estymacja punktowa to taka estymacja, która polega na oszacowaniu warto±ci danego parametru θ przez warto±¢ jego estymatora. DEFINICJA: Estymacja przedziaªowa polega na szukaniu przedziaªu liczbowego, wewnatrz którego z zaªo»onym prawdopodobie«stwem le»y prawdziwa warto±¢ parametru. DEFINICJA: Estymator Tn (θ ), jest zgodny je»eli dla ka»dego > 0 jest speªniony warunek: limn→∞ P (| Tn (θ) − θ |< ) = 1 W takim przypadku u»ywa si e cz esto okre±lenia, »e estymator speªnia prawo wielkich liczb . PRZYKAD: TWIERDZENIE (Bernoulli): Wzgl edna cz esto±¢ pojawiania si e zdarzenia 'A' w ci agu 'n' do±wiadcze« speªnia prawo wielkich liczb czyli jest zgodnym estymatorem prawdopodobie«stwa zdarzenia A: P(A). limn→∞ P( | nA /n - P(A) |< ) = 1 DEFINICJA: Estymator speªniaj acy 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 wzgledna czesto±¢ pozytywnego zako«czenia do±wiadczenia; nA /n jest zbie»na do prawdopodobie«stwa zdarzenia A; P(A) z prawdopodobie«stwem równym jedno±ci: P( limn→∞ (nA /n) = P(A) ) = 1 czyli wzgl edna cz esto±¢ speªnia mocne prawo wielkich liczb. B.Kamys; Notatki do wykªadu SMOP-I 2014/15 3 7 ILOCIOWY OPIS ZMIENNYCH LOSOWYCH Ilo±ciowy opis zmiennych losowych uzyskujemy stosuj ac • Dystrybuante (Zwana czesto przez statystyków funkcja rozkªadu) • Rozkªad prawdopodobie«stwa (Tylko dla zmiennych dyskretnych) • Funkcje gesto±ci prawdopodobie«stwa (Tylko dla zmiennych ciagªych) oraz wielko±ci charakteryzuj ace te powy»ej wymienione twory. DEFINICJA: Dystrybuanta F(x) nazywamy prawdopodobie«stwo tego, »e zmienna losowa X przyjmie warto±¢ mniejsz a od x. ('X' - to symbol zmiennej losowej a 'x' to jej konkretna warto±¢). Oczywi±cie dystrybuanta jest funkcj a x. F(x) ≡ P( X < x ) Wªasno±ci dystrybuanty: 1. 0 ≤ F(x) ≤ 1 2. F(-∞) = 0 3. F(+∞) = 1 4. F(x) jest niemalej ac a funkcj a 5. F(x) nie posiada wymiaru Przykªad: Dla rzutu kostk a do gry, gdzie jako zmienn a losow a przyj eto liczb e wyrzuconych punktów: F (x) = 0 dla x ≤ 1, = 1/6 dla 1 < 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 B.Kamys; Notatki do wykªadu SMOP-I 2014/15 8 DEFINICJA: Rozkªad prawdopodobie«stwa : Je»eli xi (i=1,2,...) sa warto±ciami dyskretnej zmiennej losowej to rozkªadem prawdopodobie«stwa nazywamy zespóª prawdopodobie«stw: P(X=xi ) = pi , P i pi = 1 Przykªad: Rozkªad prawdopodobie«stwa dla rzutu kostk a do gry omawianego powy»ej: pi = 1/6 dla i = 1,2 .. 6. DEFINICJA: Funkcja gesto±ci prawdopodobie«stwa f(x) f(x)dx ≡ P(x ≤ X < x+dx) Wªasno±ci funkcji g¦sto±ci prawdopodobie«stwa: 1. f(x) ≥ 0, 2. f(x) jest unormowana tj. R +∞ −∞ f (x)dx = 1 dF (x) 3. f(x)= dx 4. Wymiar f(x) = wymiar (1/x) Przykªad: Rozkªad jednorodny w przedziale [a,b]: f (x) = 0 dla x < a = 1/(b − a) dla a ≤ x ≤ b = 0 dla b < x B.Kamys; Notatki do wykªadu SMOP-I 2014/15 4 9 FUNKCJE ZMIENNEJ LOSOWEJ Funkcja Y zmiennej losowej X: Y = Y(X) jest równie» zmienn a losow a. Dlatego te» mo»na dla niej okre±li¢ dystrybuant e, rozkªad prawdopodobie«stwa lub funkcj e g esto±ci prawdopodobie«stwa. S a one prosto zwi azane z odpowiednimi wielko±ciami dla zmiennej X. Nale»y rozpatrzy¢ niezale»nie przypadek, gdy funkcja Y(X) jest monotoniczna oraz gdy nie posiada tej wªasnosci. a) Funkcja Y = Y(X) jest monotoniczna. Mo»na wówczas jednoznacznie okre±li¢ funkcj e odwrotn a X=X(Y). 1. Dystrybuanta funkcji Y(X): G(y) Y(X) jest rosn aca : G(y) = F(x(y)) Y(X) jest malej aca : G(y) = 1 - F(x(y)) - P(x;y=y(x) Dowód: Wychodz ac z denicji dla Y(X) rosn acej: G(y) = P (Y < y) = P (X(Y ) < x) = F (x(y)) dla Y(X) malej acej: G(y) = 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. 2. Rozkªad prawdopodobie«stwa P(y): P(yi ) = P(xi ;yi =Y(xi )) B.Kamys; Notatki do wykªadu SMOP-I 2014/15 10 3. Funkcja g esto±ci prawdopodobie«stwa g(y): g(y) = f(x(y)) | dx(y) dy | gdzie X(Y) jest funkcj a odwrotn a do Y(X). Z denicji: f(x) dx = P(x ≤ X < x+dx) a to prawdopodobie«stwo przy jednoznacznym zwi azku mi edzy X i Y wynosi P(y ≤ Y < y+dy)=g(y) dy. Znak moduªu przy pochodnej pojawia si e st ad, »e przy malej acej funkcji Y(X) pochodna b edzie ujemna co powodowaªoby, »e g(y) byªaby ujemna a zgodnie z denicj a musi by¢ nieujemna. Przykªad dla funkcji monotonicznej: Y(X) = a X + b; a i b to rzeczywiste staªe 1. Rozkªad prawdopodobie«stwa: P(Y=yi ) = P(a xi + b =yi ) = P(xi = yi −b ) a 2. Dystrybuanta: y−b ), a y−b F(x= a ) dla a > 0, G(y) = F(x = dla a < 0, G(y)=1 - y−b - P(x= a ) 3. G esto±¢ prawdopodobie«stwa: y−b 1 g(y)= |a| f(x= a ) b.) Funkcja Y(X) nie jest monotoniczna . Wówczas dzielimy obszar zmienno±ci X na przedziaªy, w których Y(X) jest monotoniczna i powtarzamy powy»sze rozwa»ania sumuj ac przyczynki od rozª acznych przedziaªów. B.Kamys; Notatki do wykªadu SMOP-I 2014/15 11 Przykªad dla funkcji niemonotonicznej: Y(X)=X2 1. Rozkªad prawdopodobie«stwa: P(yi ) = P(X2 =yi ) = P(X=- √ √ yi )+P(X=+ yi ) 2. Dystrybuanta: G(y) = P(Y <y) = P(X2 < y) = P(- √ √ y < X < + y) G(y) = 0 dla y ≤ 0 √ √ G(y) = F ( y) − F (− y) dla y ≥ 0 3. Rozkªad g esto±ci prawdopodobie«stwa: g(y) = 0 dla y < 0 −1 1 √ √ g(y) = | √ | f ( y) + √ f (− y) 2 y 2 y 1 √ √ = √ (f ( y) + f (− y)) dla y ≥ 0 2 y 5 CHARAKTERYSTYKI ROZKADU PRAWDOPODOBIESTWA W praktycznych zastosowaniach cz esto wystarcza poznanie warto±ci pewnych wielko±ci, które charakteryzuj a rozkªad prawdopodobie«stwa zamiast peªnej informacji o rozkªadzie. Oto najcz¦±ciej stosowane: DEFINICJA: fraktyl xq (zwany równie» kwantylem) jest to warto±¢ zmiennej losowej, dla której dystrybuanta przyjmuje warto±¢ 'q'. F(xq ) = q Najwa»niejsze fraktyle to dolny kwartyl: x0.25 , górny kwartyl: x0.75 oraz mediana: x0.5 . B.Kamys; Notatki do wykªadu SMOP-I 2014/15 12 DEFINICJA: Moda (zwana równie» warto±cia modalna jest to taka warto±¢ zmiennej losowej, dla której rozkªad prawdopodobie«stwa (lub funkcja g esto±ci prawdopodobie«stwa) przyjmuje maksimum. DEFINICJA: Rozkªady prawdopodobie«stwa posiadajace jedna mode zwane sa a wi ecej ni» jedn a - wielomodalnymi. jednomodalnymi a te, które maj DEFINICJA: Momentem rozkªadu rzedu 'k' wzgledem punktu x0 , nazywamy nastepuj ac a wielko±¢: (x - x0 )k f(x) dx P mk (x0 ) ≡ i (xi -x0 )k p(xi ) mk (x0 ) ≡ R dla zmiennych ci agªych i dyskretnych odpowiednio. Najwa»niejszymi momentami s a te, które liczone s a wzgl edem pocz atku ukªadu wspóªrz ednych tj. x0 =0 - (b edziemy je oznaczali przez ' mk ' ) oraz momenty liczone wzgl edem X0 = m1 tj. wzgl edem pierwszego momentu wzgl edem pocz atku ukªadu wspóªrz ednych. Te ostatnie momenty edziemy je oznacza¢ przez ' µk '). nazywa si e momentami centralnymi (b DEFINICJA: m1 zwany warto±cia oczekiwana, warto±cia ±rednia lub nadzieja matematyczna. B edziemy go oznaczali przez E(X) (stosuje si e równie» oznaczenie M(X) lub X̂ ). E(X) ≡ P E(X) ≡ R pi xi dla zmiennych dyskretnych, f(x) x dx dla zmiennych ci agªych i Je»eli powy»sza caªka (lub suma) sa bezwzgl ednie zbie»ne to mówimy, »e istnieje warto±¢ oczekiwana. W przeciwnym wypadku (nawet je»eli caªka jest zbie»na) mówimy, »e warto±¢ oczekiwana nie istnieje ! Interpretacja E(X): E(X) jest wspóªrz edn a punktu, który byªby ±rodkiem masy rozkªadu prawdopodobie«stwa (lub pola pod funkcj a g esto±ci prawdopodobie«stwa) gdyby prawdopodobie«stwa poszczególnych warto±ci "xi "traktowa¢ jako masy (lub odpowiednio g¦sto±¢ prawdodobie«stwa jako zwykª a g esto±¢). B.Kamys; Notatki do wykªadu SMOP-I 2014/15 13 Wªasno±ci E(X): E(X) jest operatorem liniowym a wi ec: 1. E( P i Ci Xi ) = P i Ci E(Xi ) Co w szczególnych przypadkach daje: (a) E(C)=C (b) E(CX)=C.E(X) (c) E(X1 + X2 )=E(X1 )+E(X2 ) 2. Dla zmiennych niezale»nych X1 , ... , Xn E(Πi Xi ) = Πi E(Xi ) UWAGA: Warunkiem koniecznym i wystarczajacym by zmienne byªy niezale»ne jest aby wspólny rozkªad prawdopodobie«stwa faktoryzowaª si e: f(X1 ,X2 ,..,Xn ) = f1 (X1 ) . f2 (X2 ) ... f3 (Xn ). Rozkªady wielu zmiennych losowych omówimy pó¹niej. 3. Dla funkcji zmiennej X; Y=Y(X) warto±¢ oczekiwana E(Y) mo»e by¢ znaleziona przy pomocy rozkªadu zmiennej X bez konieczno±ci szukania rozkªadu f(y): R P E(Y) = i y(xi ) pi , E(Y) = y(x) f(x) dx dla zmiennej dyskretnej i dla zmiennej ci agªej odpowiednio. Korzystaj ac z tej wªasno±ci zauwa»amy natychmiast, »e dowolny moment mk (x0 ) mo»e by¢ potraktowany jako warto±¢ oczekiwana funkcji Y(X)=(X-x0 )k : mk (x0 ) ≡ R dx f(x) (x-x0 )k = E((x-x0 )k ) DEFINICJA: µ2 , zwany wariancja lub dyspersja B edziemy go oznacza¢ przez ' σ 2 (X) ' lub ' var(X) ' (stosuje si e równie» oznaczenie ' D(X) '). Pierwiastek z wariancji nazywany jest odchyleniem standardowymi oznaczany ' σ (X)' ale czasami u»ywa si e równie» nazwy ' dyspersja '. σ 2 (X) ≡ P σ 2 (X) R ≡ i pi (xi - E(x))2 f(x)(x-E(x))2 dx zmienna dyskretna zmienna ci agªa B.Kamys; Notatki do wykªadu SMOP-I 2014/15 14 Wªasno±ci wariancji: 1. Wariancja mo»e by¢ wyra»ona przez momenty liczone wzgl edem pocz atku ukªadu wspóªrzednych: σ 2 (X) = m2 − m21 σ 2 (X) = 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. Posªugujac si e tym przedstawieniem wariancji dostajemy natychmiast nast epuj ace wªasno±ci: (a) var(C)=0 . bo E(C2 )-E2 (C)=C2 -C2 =0 c.b.d.o. (b) var(CX)=C2 var(X) jest to nast epstwo liniowo±ci E(X), przez któr a deniowali±my var(X). (c) var(C1 X+C2 ) = C2 var(X) 2. Dla zmiennych niezale»nych P P var( i Ci Xi ) = i C2 i var(X) Wzór ten ªatwo wyprowadzi¢ korzystaj ac z 3 wªasno±ci warto±ci oczekiwanej: P var(y= i Ci Xi ) ≡ E((y − E(Y ))2 ). Po wstawieniu do wzoru oraz podniesieniu do kwadratu otrzymamy sum e kwadratów wyra»e« ' Ci (Xi - E(Xi )) ' oraz iloczyny mieszane tych wyra»e«. Iloczyny mieszane znikn a w chwili gdy podziaªa na nie zewn etrzny operator warto±ci oczekiwanej (poniewa» E(X-E(X))=E(X)-E(X)=0). 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« 'Ci (Xi -E(Xi ))' jest wªa±nie oczekiwanym przez nas wyra»eniem. B.Kamys; Notatki do wykªadu SMOP-I 2014/15 15 Interpretacja wariancji wynika z nierówno±ci Czebyszewa, któr a mo»na zapisa¢ nast epuj aco: P( | X-E(X) | ≥ a.σ (X)) ≤ a−2 TWIERDZENIE: Prawdopodobie«stwo odchylenia warto±ci zmiennej losowej od warto±ci oczekiwanej E(X) o 'a' -krotn a warto±¢ odchylenia standardowego jest mniejsze lub równe od a12 . Twierdzenie to jest sªuszne dla wszystkich rozkªadów, które posiadaj a wariancje (a wiec, co za tym idzie i warto±¢ oczekiwan a). Liczba ' a ' jest dowoln a dodatni a rzeczywist a liczb a. Interpretacja wariancji Korzystaj ac z powy»szego twierdzenia dochodzimy do wniosku, »e wariancja (lub odchylenie standardowe) jest miar a rozrzutu zmiennej losowej dokoªa warto±ci oczekiwanej. Jest to bardzo wa»ny wniosek bo w analizie danych do±wiadczalnych uto»samiamy warto±¢ oczekiwan a pomiarów wykonanych w obecno±ci bªedów przypadkowych z warto±ci a prawdziw a mierzonej wielko±ci. Wtedy miar a bª edu przypadkowego jest odchylenie standardowe bo ono okre±la rozrzut wyników dokoªa warto±ci prawdziwej. 6 ROZKAD NORMALNY (Gaussa) DEFINICJA: Ci agªa zmienna losowa X, której funkcja g esto±ci prawdopodobie«stwa ma nast epuj ac a posta¢: f (X) = √ 1 2π B nazywa si e zmienn a o rozkªadzie normalnym N(A,B). Wªasno±ci rozkªadu normalnego f(X) ≡ N(A,B): Warto±¢ oczekiwana: E(X) = A Odchylenie standardowe: σ (X) = B 2 ) exp( −(X−A) 2B 2 B.Kamys; Notatki do wykªadu SMOP-I 2014/15 16 St ad ªatwo wida¢, »e N(A,B) ≡ N( E(X),σ (X) ) Dystrybuanta rozkªadu normalnego nie wyra»a sie przez funkcje elementarne. Warto zapami eta¢ nast epuj ace warto±ci prawdopodobie«stwa znalezienia zmiennej X w danym przedziale: P( E(X) - σ (X) ≤ X < E(X) + σ (X) ) = 0.6827 P( E(X) - 2σ (X) ≤ X < E(X) + 2σ (X) ) = 0.9545 P( E(X) - 3σ (X) ≤ X < E(X) + 3σ (X) ) = 0.9973 Uwaga: Dowoln a zmienn a Y o rozkªadzie normalnym mo»na standaryzowa¢ tworz ac wielko±¢ Z o rozkªadzie 'standardowym normalnym' N(0,1): Z = (Y - E(Y))/σ (Y). Standaryzacja jest wa»na ze wzgl edu na mo»liwo±¢ tablicowania zarówno funkcji g esto±ci prawdopodobie«stwa, jak i dystrybuanty rozkªadu N(0,1) a potem wykorzystania faktu, »e maj ac zmienn a X o rozkªadzie N(0,1) mo»emy stworzy¢ zmienn a Y o rozkªadzie N(A,B) przez prost a transformacj e: Y = B*X+A . Co wi¦cej, przez standaryzacj¦ sprowadzamy wszystkie warto±ci oryginalnej zmiennej do obszaru w pobli»u zera a jednostk¡ jest odchylenie standardowe. Dzi¦ki temu mo»na porównywa¢ rozkªady wielko±ci ró»ni¡ce si¦ znacznie poªo»eniem centrum i skal¡ warto±ci. Centralne Twierdzenie Graniczne (Intuicyjne sformuªowanie) Zmienna Z bed aca standaryzowan a sum a niezale»nych zmiennych losowych bedzie miaªa standardowy rozkªad normalny gdy liczba skªadników w sumie d a»y do niesko«czono±ci oraz w sumie nie wystepuj a zmienne o wariancjach dominuj acych w stosunku do reszty skªadników. Wªa±nie to twierdzenie powoduje, »e rozkªad normalny jest wyró»nionym rozkªadem - bardzo cz¦sto stosowanym w statystyce. B.Kamys; Notatki do wykªadu SMOP-I 2014/15 7 17 PODSTAWY RACHUNKU NIEPEWNOCI POMIAROWYCH Wynik pomiaru bez podania dokªadno±ci do±wiadczenia (niepewno±ci pomiaru) jest bezwarto±ciowy. DEFINICJA: Pomiarem bezpo±rednim nazywamy do±wiadczenie, w którym przy pomocy odpowiednich przyrz adow mierzymy (porównujemy z jednostk a) interesuj ac a nas wielko±¢ zyczn a. Przykªad: • Pomiar dªugo±ci przedmiotu przy pomocy linijki • Pomiar dªugo±ci odcinka czasu przy pomocy zegara DEFINICJA: Pomiarem po±rednim nazywamy do±wiadczenie, w którym wyznaczamy warto±¢ interesuj acej nas wielko±ci zycznej przez pomiar innych wielko±ci zycznych zwi azanych z dan a wielko±ci a znanym zwi azkiem funkcyjnym. Przykªad: • Pomiar oporu elektrycznego przewodnika: mierzymy spadek napi ecia 'U' na przewodniku i pr ad 'I' przez niego pªyn acy a opór 'R' wyznaczamy z prawa Ohma: R=U/I. • Pomiar g esto±ci stopu, z którego zbudowany jest prostopadªo±cian: mierzymy bezpo±rednio dªugo±¢ kraw edzi 'a','b' i 'c' prostopadªo±cianu i jego mas e 'm' a g esto±¢ wyznaczamy ze wzoru: ρ = m/(a . b . c). e pomi edzy warto±ci a DEFINICJA: Tradycyjnie bªedem pomiaru 'e' nazywano ró»nic 'X' uzyskan a w do±wiadczeniu a prawdziw a (nieznan a) warto±ci a 'X0 ' danej wielko±ci: e = X-X0 Bª edy dzielono na grube, systematyczne i przypadkowe B.Kamys; Notatki do wykªadu SMOP-I 2014/15 18 Zgodnie z NORM ISO (Mi¦dzynarodowej Organizacji Normalizacyjnej) wprowadzon¡ w 1995 roku nale»y unika¢ sªowa bª¡d zast¦puj¡c go sªowami niepewno±ci pomiarowe. Bª¡d nale»y zarezerwowa¢ tylko dla pomyªek eksperymentatora (tj. do bª¦dów grubych) lub niewªa±ciwej metody pomiarowej (tj. do bª¦dów systematycznych) - patrz poni»ej. Norma zaleca u»ywanie symbolu u(x) dla niepewno±ci pomiaru zmiennej x. Symbol ten pochodzi od angielskiego sªowa uncertainty ≡ niepewno±¢. DEFINICJA: Bªedy grube to bª edy, które pojawiaj a si e w wyniku pomyªki eksperymentatora (np. odczyt na niewªa±ciwej skali przyrz adu) lub w wyniku niesprawno±ci aparatury pomiarowej. Zwykle s a one na tyle du»e, »e mo»na je ªatwo zauwa»y¢. Dla unikniecia tych bªedów nale»y starannie zorganizowa¢ proces pomiaru i u»ywa¢ do do±wiadcze« tylko wªa±ciwie wytestowanych przyrz adów. DEFINICJA: Bªedy systematyczne to takie, które podczas wykonywania pomiaru systematycznie przesuwaj a wyniki pomiarów w jedn a stron e w stosunku do prawdziwej warto±ci. Przykªad: Przy pomiarze oporu mo»emy zastosowa¢ dwa ró»ne schematy podªaczenia woltomierza i amperomierza: 1. Woltomierz podª aczony równolegle do oporu a szeregowo do nich amperomierz. Wówczas spadek napi ecia mierzony jest rzeczywi±cie na oporniku ale pr ad mierzony przez amperomierz odpowiada nie samemu pr adowi pªyn acemu przez przewodnik lecz sumie pr adów - opornika i woltomierza. Systematycznie zawy»amy warto±¢ pr adu 'I' co w przypadku gdy opór woltomierza nie jest wielokrotnie wi ekszy od oporu przewodnika mo»e prowadzi¢ do znacz acego bª edu. A V 2. Woltomierz podª aczony jest równolegle do ukªadu szeregowo poª aczonego opornika i amperomierza. Wówczas woltomierz mierzy spadek napi ecia na przewodniku oraz na amperomierzu równocze±nie. Systematycznie zawy»amy napi ecie 'U' co w przypadku gdy opór wewn etrzny amperomierza nie jest wielokrotnie mniejszy od oporu przewodnika mo»e prowadzi¢ do znacz acego bª¦du. B.Kamys; Notatki do wykªadu SMOP-I 2014/15 19 A V Bªedy systematyczne s a trudne do zauwa»enia i oszacowania. Dla ich unikni ecia stosuje si e: • staranne przemy±lenie metody pomiaru w poszukiwaniu mo»liwych ¹ródeª bª edów systematycznych i rezygnacja z metod, które prowadz a do takich bª edów, • zmian e metody pomiaru np. opór w powy»szym przykªadzie mo»na mierzy¢ me- tod a mostka, która nie wprowadza takich systematycznych bª edów jak omówione najprostsze schematy pomiaru. Wa»ne staªe zyczne takie jak pr edko±¢ ±wiatªa 'c' byªy wielokrotnie mierzone ró»nymi metodami, gªównie po to by upewni¢ si e, »e unikni eto bª edów systematycznych, • unikanie oczywistych ¹ródeª bª edu jak np. "bª ad paralaksy"polegaj acy na od- czytaniu skali nie patrz ac na ni a z kierunku prostopadªego, • pomiary wzgl edne polegaj ace na tym, »e mierzymy równocze±nie, t a sam a me- tod a dwie wielko±ci - jedn a dobrze znan a a drug a - t e, któr a chcemy zmierzy¢. Odnosz ac wynik pomiaru nieznanej wielko±ci do wyniku pomiaru znanej wielko±ci zwykle mo»emy wyeliminowa¢ bª edy systematyczne. DEFINICJA: Przypadkowe niepewno±ci pomiarowe (zwane tradycyjnie bª¦dami przy- padkowymi ) to niepewno±ci, które zmieniaj a si e od pomiaru do pomiaru, powoduj ac odchylenia od warto±ci prawdziwej zarówno w dóª jak i w gór¦. Zakªada si e, »e spowodowane s a one przez wiele niezale»nych przyczyn o porównywalnym znaczeniu. Metody statystyki pozwalaj a na oszacowanie tego typu niepewno±ci zarówno jako±ciowo jak i ilo±ciowo. Nie mówi a jednak nic o bª edach systematycznych czy grubych. Dlatego dalsze rozwa»ania dotyczy¢ b¦d¡ tylko niepewno±ci przypadkowych. Je»eli mamy do czynienia tylko z niepewno±ciami przypadkowymi to s a speªnione zaªo»enia centralnego twierdzenia granicznego a wi ec: Rozkªad niepewno±ci przypadkowej u to rozkªad N(0,σ (u)). B.Kamys; Notatki do wykªadu SMOP-I 2014/15 f (u) = 7.1 √ 1 2π σ(u) 20 2 exp( 2σ−u 2 (u) ) ROZKAD POMIARÓW Poniewa» warto±¢ oczekiwana niepewno±ci przypadkowej jest z denicji równa zero i rozrzut niepewno±ci dokoªa warto±ci oczekiwanej niepewno±ci jest okre±lony przez odchylenie standardowe σ(u) a wynik pomiaru 'X ' ró»ni si e od niepewno±ci pomiarowej 'u' tylko przesuni eciem skali wspóªrz ednych o 'X0 ' (warto±¢ prawdziw a mierzonej wielko±ci) to rozkªad warto±ci mierzonej 'X ' jest rozkªadem Gaussa N (X0 , σ(u)): f (X) = √ 2 1 0) ). exp( −(X−X 2σ 2 (u) 2π σ(u) WANE WNIOSKI: • Warto±¢ prawdziwa mierzonej wielko±ci jest równa warto±ci oczekiwanej pomia- rów (je»eli s a tylko niepewno±ci przypadkowe) . • Rozrzut pomiarów dokoªa warto±ci prawdziwej jest okre±lony przez odchylenie standardowe σ (e) rozkªadu niepewno±ci przypadkowych . • Miar a niepewno±ci pojedynczego pomiaru jest odchylenie standardowe pomia- rów. Z powy»szych faktów wynika, »e: Szukanie prawdziwej warto±ci mierzonej wielko±ci i jej niepewno±ci to estymacja warto±ci oczekiwanej i odchylenia standardowego pomiarów DEFINICJA: Estymatorem nieobcia»onym Tn (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.Kamys; Notatki do wykªadu SMOP-I 2014/15 21 DEFINICJA: Obcia»eniem estymatora 'Bn ' nazywamy ró»nic e jego warto±ci oczekiwanej i warto±ci estymowanego parametru: Bn = E(Tn (θ )) - θ DEFINICJA: Estymatorem obcia»onym nazywamy taki estymator, którego obci a»enie jest ró»ne od zera. DEFINICJA: Estymatorem asymptotycznie nieobcia»onym nazywamy taki estymator obci a»ony, którego obci a»enie zmierza do zera gdy rozmiary próby niesko«czenie rosn a: limn→∞ Bn = 0 TWIERDZENIE: Je»eli wariancja estymatora nieobci a»onego lub asymptotycznie nieobci a»onego d a»y do zera gdy rozmiary próby rosn a nieograniczenie wówczas estymator ten jest zgodny. TWIERDZENIE: Je»eli Tn (θ ) jest zgodnym estymatorem θ i je»eli h(θ ) jest wielomianem lub ilorazem wielomianów to estymator h(Tn (θ )) jest estymatorem zgodnym dla h(θ ). DEFINICJA: (2) (k) Je»eli mamy zbiór estymatorów tego samego parametru θ : T(1) n (θ ),Tn (θ ), ... Tn (θ ), a wówczas ten spo±ród nich nazywany jest najbardziej efektywnym, który ma najmniejsz wariancj e. OD 'DOBREGO' ESTYMATORA A DAMY ABY: • speªniaª mocne prawo wielkich liczb lub byª zgodny • O ile to mo»liwe chcemy by byª: Nieobci a»ony, Najbardziej efektywny. B.Kamys; Notatki do wykªadu SMOP-I 2014/15 7.2 22 ESTYMATOR WARTOCI OCZEKIWANEJ Jako estymator warto±ci oczekiwanej Tn (E(X)) przyjmuje si e ±redni a arytmetyczn a niezale»nych pomiarów wielko±ci X. B edziemy j a oznacza¢ przez X : 1 Tn (E(X)) ≡ X = n Pn i=1 Xi Estymator ten posiada optymalne wªasno±ci: 1. Koªmogorow pokazaª, »e X speªnia mocne prawo wielkich liczb a wi ec oczywi±cie jest zgodny, a»ony. 2. Estymator X jest nieobci 1 E( n P i Xi ) = 1 n P i E(Xi ) = 1 n (n.E(X)) = E(X) c.b.d.o. Tu wykorzystano fakt, »e wszystkie warto±ci oczekiwane s a równe E(Xi )=E(X). 3. Mo»na pokaza¢, »e X jest najbardziej efektywnym estymatorem E(X). TWIERDZENIE: σ(X) Estymator X warto±ci oczekiwanej E(X) ma rozkªad normalny N(E(X), √n ) gdzie 'n' jest liczb a pomiarów w próbie. WNIOSKI: 1. Odchylenie standardowe ±redniej arytmetycznej X jest √ n - krotnie mniejsze od odchylenia standardowego pojedynczego pomiaru. 2. Odchylenie standardowe σ (X ) czyli standardowa niepewno±¢ pomiaru ±redniej arytmetycznej u(X̄) (wg tradycyjnej nomenklatury bª ad ±redni kwadratowy ±redniej arytmetycznej ) charakteryzuje dokªadno±¢ wyznaczenia prawdziwej warto±ci X w danym pomiarze skªadaj acym si e z n niezale»nych do±wiadcze«. 3. Aby charakteryzowa¢ dokªadno±¢ metody pomiarowej nale»y jako miar e dokªadno±ci poda¢ standardow¡ niepewno±¢ pojedynczego pomiaru u(X) ≡ σ(X) (wg tradycyjnej nomenklatury - bª¡d pojedynczego pomiaru ) . 4. W granicach wyznaczonych przez σ (X) powinno le»e¢ 68.27% wszystkich pomiarów a nie wszystkie pomiary. B.Kamys; Notatki do wykªadu SMOP-I 2014/15 7.3 23 ESTYMATOR ODCHYLENIA STANDARDOWEGO (1) S(X) ≡ q 1 n−1 Pn i=1 (Xi − X)2 Jest to zgodny, asymptotycznie nieobci a»ony estymator. UWAGA: zaleca si¦ u»ywa¢ tego estymatora odchylenia standardowego. (2) s(X) ≡ q 1 n Pn i=1 (Xi − X)2 Jest to zgodny, asymptotycznie nieobci a»ony i najbardziej efektywny estymator (3) S(X) ≡ kn S(X) gdzie kn = q n−1 n−1 Γ( 2 ) 2 Γ( n ) 2 Jest to zgodny i nieobci a»ony estymator σ (X). Wspóªczynnik "kn "mo»na zast api¢ z niezªym przybli»eniem przez wstawienie do wzoru na S(X) zamiast 1/(n-1) czynnika 1/(n-1.45). Poni»ej podajemy w tabelce przykªadowe warto±ci wspóªczynnika kn dla ró»nych 'n': q n kn 3 1.1284 1.1359 4 1.0853 1.0847 5 1.0640 1.0615 6 1.0506 1.0482 7 1.0423 1.0397 10 1.0280 1.0260 15 1.0181 1.0165 20 1.0134 1.0121 25 1.0104 1.0095 50 1.0051 1.0046 n−1 n−1.45 B.Kamys; Notatki do wykªadu SMOP-I 2014/15 7.4 24 ZAPIS WYNIKÓW POMIARÓW Poniewa» z do±wiadczenia nie uzyskujemy prawdziwej warto±ci oczekiwanej E(X) oraz odchylenia standardowego σ (X) a tylko ich estymatory wi ec nie podaje si e ich warto±ci z peªn a (uzyskan a z oblicze«) liczb a cyfr znacz acych. KONWENCJA: Stosuje si e nast epuj ac a konwencje zapisu wyników, gdzie jako miar¦ niepewno±ci pomiaru podaje si¦ niepewno±¢ standardow¡ u(x) ≡ S(x). • Pozostawia si e tylko dwie cyfry znacz ace standardowej nie- pewno±ci pomiarowej, np. 0,023. • Wynik pomiaru obliczamy tak aby wyznaczy¢ jedno miejsce dziesi etne dalej ni» miejsce dziesi etne, na którym zaokr aglono niepewno±¢ pomiarow¡, a nast epnie zaokr aglamy do tego samego miejsca dziesi etnego, 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 INNA FORMA ZAPISU: Stosuje si¦ równie» zapis: x = (wynik(x) ± U (x)) jednostka(x) , gdzie U (x) ≡ k · u(x) • tzw. niepewno±¢ rozszerzona. Wspóªczynnik rozszerzenia k przyjmuje warto±ci 2 ≤ k ≤ 3 przy czym domy±lnie, tzn. je»eli nie podaje si¦ tego jawnie, przyjmuje si¦ k = 2. • UWAGA: ten zapis jest identyczny jak zapis stosowany dawniej (przed przyj¦- ciem aktualnej konwencji zapisu) ale wtedy podawaªo si¦ standardow¡ niepewno±¢ u(x) zamiast rozszerzonej niepewno±ci U (x) ≡ k · u(x). B.Kamys; Notatki do wykªadu SMOP-I 2014/15 25 Zapis przykªadowy przytaczanego powy»ej wyniku: • masa = (1,902 ± 0.046) kg . UWAGA: Zastosowanie formy zapisu: (wynik ± niepewno±¢ pomiaru) mo»e prowadzi¢ do nieporozumienia, gdy nie napiszemy wyra¹nie, »e stosujemy now¡ konwencj¦ i »e jako wspóªczynnik rozszerzenia niepewno±ci bierzemy k = 2. 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. 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±¢. Norma ISO okre±lania niepewno±ci pomiarowych proponuje zastosowanie dwu metod do tego celu: Metoda A szacowania niepewno±ci pomiarowych to 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 roz- rzutu, • Pomiar mo»na wykona¢ tylko jednokrotnie bo, np. towarzyszy mu znisz- czenie badanego obiektu, itp. B.Kamys; Notatki do wykªadu SMOP-I 2014/15 26 W metodzie B: post¦pujemy nast¦puj¡co: • Szukamy takiego przedziaªu [a, b] warto±ci mierzonej wielko±ci x, »e wszyst- kie warto±ci x ∈ [a, b] (np. dªugo±¢ [a, b] to wielko±¢ dziaªki skali przyrz¡du). • Zakªadamy funkcj¦ g¦sto±ci prawdopodobie«stwa zmiennej x; najcz¦±ciej zakªada si¦ jednostajny rozkªad: f (x) = 1/(b − a). • Odchylenie standardowe tej wielko±ci bierzemy jako warto±¢ niepewno±ci standardowej, np. dla rozkªadu jednostajnego √ u(x) ≡ σ(x) = (b − a)/(2 3). UWAGA: Poniewa» (b − a)/2 ≡ ∆x, gdzie ∆x to (tradycyjnie) tzw. bª¡d maksymalny wi¦c wtedy standardowa niepewno±¢ √ u(x) = ∆x/ 3. 7.5 ROZKAD LICZBY POZYTYWNIE ZAKOCZONYCH DOWIADCZE TWIERDZENIE: Je»eli prawdopodobie«stwo zrealizowania si e danego zdarzenia losowego w pojedynczym do±wiadczeniu jest równe 'p' to liczba 'k' zrealizowanych zdarze« w 'N ' niezale»nych do±wiadczeniach rz adzona jest rozkªadem Bernoulliego ( dwumianowym, binomialnym): P (k) = N! pk (1 k!(N −k)! − p)N −k ; k = 0, 1, ..N atwo mo»na pokaza¢, »e E(k) = N · p σ(k) = p N · p · (1 − p) W zyce cz esto zdarza si e sytuacja gdy 'N ' jest bardzo du»e, 'p' bardzo maªe a warto±¢ oczekiwana rejestrowanych zdarze« E(k) ≡ N · p jest staªa. np. N - liczba radioaktywnych j ader w badanej próbce, p - prawdopodobie«stwo rozpadu pojedynczego radioaktywnego j adra w jednostce czasu, k - liczba rejestrowanych rozpadów w jednostce czasu B.Kamys; Notatki do wykªadu SMOP-I 2014/15 27 W takiej sytuacji rozkªad Bernoulliego przechodzi w rozkªad Poissona: P (k) = λk exp(−λ) k! Warto±¢ oczekiwana i odchylenie standardowe wyra»aj a si e wzorem: E(k) = λ √ σ(k) = λ Mo»na pokaza¢, »e dla dla N ⇒ ∞ rozkªad Bernoulliego i rozkªad Poissona d a» a √ p do rozkªadu normalnego N(N.p, N.p.(1 − p)) i N(λ, λ) odpowiednio. 7.6 NIEPEWNO STATYSTYCZNA Liczba rejestrowanych w danym okresie czasu zdarze« 'k' rz adzonych powy»szymi prawami jest zmienn a losow a a wi ec prawdziwa liczba zdarze« to E(k) a jej niepewno±¢ to σ(k). T¦ niepewno±¢ nazywana jest niepewno±ci¡ statystyczn¡ (tradycyjnie bª¦dem statystycznym ). ESTYMATOR prawdziwej liczby zdarze« i jej niepewno±ci statystycznej. Jako estymator prawdziwej liczby zdarze« przyjmuje si e liczb e k zarejestrowanych zdarze« podczas pojedynczego pomiaru: Tn (E(k)) = k a jako estymator niepewno±ci statystycznej pierwiastek z tej liczby: √ Tn (σ(k)) = k POZORNY PARADOKS: Im dªu»ej mierzymy tym statystyczna niepewno±¢ liczby zarejestrowanych zdarze« jest wi eksza. WYTUMACZENIE: Istotna jest statystyczna niepewno±¢ wzgl edna a nie bezwzgl edna: σ(k) Tn ( E(k) )= √1 k . B.Kamys; Notatki do wykªadu SMOP-I 2014/15 28 NOMENKLATURA: Pomiar z maª¡ statystyczn¡ niepewno±ci¡ wzgl edn¡ to pomiar z DOBRA a z du»¡ statystyczn¡ niepewno±ci¡ wzgl¦dn¡ to pomiar ze ZA STATYSTYKA . W praktyce do opisu rejestracji liczby zdarze« stosujemy rozkªad Poissona. Interesuje nas jednak nie tylko odpowied¹ na pytanie: 'Ile zdarze« zachodzi w okre±lonym czasie ?' ale równie» odpowied¹ na inne pytanie: 'Ile zachodzi zdarze« DANEGO TYPU ?' PRZYKAD: Rejestrujemy produkty reakcji j adrowej. Chcemy wiedzie¢ nie tylko ile reakcji zachodzi ale tak»e ile jest produktów posiadaj acych okre±lon a energi e. PYTANIA: 1. Jakim rozkªadem rz adzona jest liczba zdarze« w ka»dym przedziale (kanale) energii? 2. Co by si e staªo gdyby±my dodali liczby zdarze« z kilku s asiednich kanaªów (dla poprawienia statystyki liczby zdarze«) ? ODPOWIEDZI: ad 1 Liczba zdarze« w ka»dym kanale jest rz adzona rozkªadem Poissona ale ka»dy z tych rozkªadów ma zwykle ró»ny parametr λ. ad 2 Korzystaj ac z poni»szego twierdzenia: TWIERDZENIE Rozkªad prawdopodobie«stwa sumy sko«czonej liczby niezale»nych skªadników, z których ka»dy rz adzony jest rozkªadem Poissona o parametrze λi jest równie» rozkªadem Poissona ale o nowym parametrze λ = P λi . i stwierdzamy, »e liczba zdarze« w kilku wysumowanych kanaªach k = P i ki b edzie dalej rz adzona rozkªadem Poissona z parametrem λ, którego estymator jest równy Tn (E(k)) = P i ki . B.Kamys; Notatki do wykªadu SMOP-I 2014/15 7.7 29 POMIARY POREDNIE Je»eli w do±wiadczeniu mierzymy wielko±ci X1 , X2 , .. XN a nast epnie wyliczamy warto±¢ funkcji Y = Y(X1 , X2 , .. XN ) to tak a procedur e nazywamy pomiarem po±rednim. 7.7.1 ESTYMATOR E(Y) POMIARU POREDNIEGO Y Estymatorem E(Y) jest warto±¢ funkcji Y wyliczona dla argumentów, które s a estymatorami X1 , X2 , .. XN tzn. dla ±rednich arytmetycznych X1 , X2 , ..., XN : Tn (E(Y(X1 , X2 , ..XN ))) = Y(X1 , X2 , ..., XN ) lub inaczej E(Y(X1 , X2 , ..XN )) ≈ Y(X1 , X2 , ..., XN ) 7.7.2 NIEPEWNO POMIARU POREDNIEGO Przy zaªo»eniu, »e pomiary X1 , X2 , .. XN byªy wykonywane niezale»nie odpowiednio n1 , n2 , .. nN razy, niepewno±¢ pomiaru po±redniego nazywana wg NORMY ISO niepewno±ci¡ zªo»on¡ (tradycyjnie bª¦dem ±rednim kwadratowym ) oszacowuje si e nast epuj aco: s N P ∂Y 2 ) σ(Y ) ≈ ( ∂X i i Xi =Xi · σ 2 (X i ) UWAGA: 1. X1 , X2 , .. XN to ró»ne wielko±ci a nie kolejne pomiary wielko±ci "X", 2. Pochodne liczone wzgl edem 'Xi ' to pochodne cz astkowe tzn. liczone przy zaªo»eniu, »e pozostaªe zmienne 'X' s a ustalone, 3. Zamiast wariancji zmiennej σ 2 (X i ) u»ywa si e jej estymatora tzn. S2 (X i ) Nkrotnie mniejszego od estymatora S2 (Xi ). Je»eli pomiary wielko±ci mierzonych bezpo±rednio byªy wykonywane jednokrotnie to nie mo»emy oszacowa¢ σ(X̄) z rozrzutu (tj. metod¡ A wg NORMY ISO) lecz stosujemy metod¦ B oszacowania niepewno±ci standardowej pomiaru bezpo±redniego opisan¡ powy»ej. B.Kamys; Notatki do wykªadu SMOP-I 2014/15 7.7.3 30 BA D MAKSYMALNY Bª¡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 ∂Y | ∂X | · ∆(Xi ) i i Tu moduªy pochodnych s a wyliczane dla jednokrotnie zmierzonych wielko±ci Xi a symbol ∆(Xi ) oznacza maksymalny bª ad tej wielko±ci mierzonej bezpo±rednio. Zgodnie z NORM ISO : Nie nale»y u»ywa¢ poj¦cia bª¦du maksymalnego pomiaru po±redniego lecz liczy¢ niepewno±¢ pomiaru po±redniego jako zªo»on¡ niepewno±¢ pomiarow¡ wstawiaj¡c zamiast niepewno±ci pomiarów bezpo±rednich otrzyma- nych "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 bª ad maksymalny nie ma interpretacji statystycznej. • atwo mo»na pokaza¢ , »e bª¡d maksymalny obliczony metod a ró»niczki zupeªnej jest zawsze wiekszy od zªo»onej niepewno±ci standardowej. B.Kamys; Notatki do wykªadu SMOP-I 2014/15 8 31 REGRESJA LINIOWA DEFINICJA Regresja liniowa zmiennej Y wzgledem zmiennej X to linia prosta Y = a · X + b, której parametry a i b dobiera si¦ tak aby minimalizowa¢ sum e kwadratów odchyle« wspóªrz ednych (Yi , i = 1, 2, ..n) zespoªu 'n' punktów o wspóªrz ednych (X1 , Y1 ),(X2 , Y2 ),... (Xn , Yn ) od linii. UWAGA Regresja liniowa X wzgl edem Y tj. prosta X = c · Y + d pokrywa si e z regresj a liniow a Y wzgl edem X tj. prost a Y = a · X + b znalezion a dla tego samego zespoªu punktów do±wiadczalnych tylko wtedy gdy zwi azek pomi edzy X i Y jest funkcyjnym zwi azkiem liniowym (a nie zale»no±ci a statystyczn a). Rozwa»ymy tu specyczn a sytuacj e polegaj ac a na tym, »e: • zmienna X ma zaniedbywalnie maªe niepewno±ci pomiarowe (mówimy wtedy, »e 'X jest zmienn a kontrolowan a') • zmienna obja±niana Y jest zmienn a losow a o znanej niepewno±ci standardowej σ(yi ) dla ka»dego punktu o wspóªrz¦dnych (xi , yi ). Wtedy dostajemy nast¦puj¡ce estymatory parametrów regresji: n P Tn (a) = wi yi (xi − x̄w ) i=1 n P wi (xi − x̄w )2 i=1 Tn (b) = ȳw − Tn (a) · x̄w gdzie n P 2 wi ≡ 1/σ (yi ), x̄w ≡ n P wi xi i=1 n P i=1 , wi ȳw ≡ wi yi i=1 n P i=1 wi B.Kamys; Notatki do wykªadu SMOP-I 2014/15 32 Niepewno±ci standardowe estymatorów parametrów a i b równie» wyra»aj a si e analitycznymi wzorami: σ (Tn (a)) = v u n uX 1/t wi (xi − x̄w )2 i=1 σ (Tn (b)) = v u 1 u u n tP wi + P n i=1 x̄2w wi (xi − x̄w )2 i=1 Niepewno±¢ standardowa warto±ci Y przewidzianej przez lini e regresji (zale»na od x): v u u 1 σ (y (x)) = u uP t n wi (x − x̄w )2 + P n i=1 wi (xi − x̄w )2 i=1 Mo»emy spotka¢ si¦ z jeszcze prostsz¡ sytuacj¡ polegaj¡c¡ na tym, »e: • Zmienna X jest zmienn¡ kontrolowan¡ a niepewno±¢ standardowa zmiennej Y jest taka sama dla wszystkich punktów i wynosi σ(Y ). Wtedy dostajemy proste, analityczne wzory na estymatory parametrów regresji: Tn (b) = Tn (a) = W ( P i Xi 2 ) · ( n·( ≡ n· P i Yi ) − ( i Xi · Yi ) − ( P X i Xi2 −( X P W P i i Xi ) · ( Xi ) · ( P P i i Xi · Yi ) Yi ) W Xi )2 i Wska¹nik sumowania i przebiega warto±ci od 1 do n. B.Kamys; Notatki do wykªadu SMOP-I 2014/15 33 Niepewno±ci standardowe estymatorów parametrów a i b równie» wyra»aj a si e analitycznymi wzorami: sP i u(b) ≡ Tn (σ(b)) = σ(Y ) · r u(a) ≡ Tn (σ(a)) = σ(Y ) · Xi2 W n W Mo»emy równie» poda¢ wzór na niepewno±¢ standardow¡ warto±ci Y przewidzianej przez lini e regresji (zale»n¡ od X): u(Y (X)) ≡ Tn (σ(Y (X))) = v u u1 (X − X)2 σ(Y ) · t + P (Xi − X)2 n i Symbol X oznacza tu ±redni¡ arytmetyczn¡. • Tn (σ(Y (X))) to estymator niepewno±ci standardowej warto±ci Y (X) przewi- dzianej przez regresj e, • σ(Y ) to niepewno±c pomiaru wspóªrz ednej Yi (z zaªo»enia taka sama dla wszyst- kich punktów). Gdy jej nie znamy wpisujemy tu (i do wzorów na niepewno±ci parametrów a i b) estymator Tn (σ(Y )), ednych • X to ±rednia arytmetyczna warto±ci zmiennej kontrolowanej wyliczona ze wspóªrz punktów X1 ,X2 ,... Xn , • X - to warto±¢ zmiennej kontrolowanej X , dla której wyliczamy warto±¢ regresji liniowej Y (X) oraz estymator niepewno±ci regresji liniowej Y (X) dla tej warto±ci argumentu X . B.Kamys; Notatki do wykªadu SMOP-I 2014/15 9 34 INDEKS - Bª¡d denicja 17, gruby 18, maksymalny 30, przypadkowy 19, systematyczny 18, statystyczny 27, - Centralne twierdzenie graniczne 16 - Dystrybuanta zmiennej losowej funkcji zmiennej losowej - Estymacja punktowa przedziaªowa 7, 9, 6, 6 - Estymator asymptotycznie nieobci¡»ony 21, standardowej niepewno±ci pojedynczego pomiaru 24, standardowej niepewno±ci pomiaru po±redniego 29, standardowej niepewno±ci parametrów regresji liniowej 32, standardowej niepewno±ci regresji liniowej 33, standardowej niepewno±ci ±redniej arytmetycznej 22, niepewno±ci statystycznej 27, najbardziej efektywny 21, nieobci¡»ony 20, obci¡»ony 21, odchylenia standardowego 23, prawdopodobie«stwa 6, speªniaj¡cy mocne prawo wielkich liczb 6, warto±ci oczekiwanej zgodny (speªniaj¡cy prawo wielkich liczb) - Kwantyl (fraktyl) dolny kwartyl 11, górny kwartyl 11, mediana 11 22, 6, B.Kamys; Notatki do wykªadu SMOP-I 2014/15 35 - Moda 12 - Moment 12 - Niepewno±¢ pomiarowa metoda A wyznaczania 25, metoda B wyznaczania 25, rozszerzona 24, rozszerzona - zapis 24, standardowa pomiaru bezpo±redniego 20, standardowa pomiaru po±redniego (niepewno±¢ zªo»ona) 29, standardowa - zapis 24, statystyczna 27, statystyczna - wzgl¦dna 27, - Prawdopodobie«stwo denicja 3, estymator 6, g¦sto±¢ 8, rozkªad 8, wªasno±ci 3, - Regresja liniowa 31 - Rozkªad Bernoulliego (dwumianowy, binomialny) 26, Gaussa (normalny) 15, Poissona 27, - Statystyka 5 - Warto±¢ oczekiwana (nadzieja matematyczna, warto±¢ ±rednia) 12 - Wariancja (dyspersja, kwadrat odchylenia standardowego) 13 - Wspóªczynnik rozszerzenia (niepewno±ci pomiarowej), 24 - Zapis wyników, 24 B.Kamys; Notatki do wykªadu SMOP-I 2014/15 - Zdarzenia 2 elementarne 36 2, iloczyn zdarze« 2, losowe 2, 3, niemo»liwe 2, niezale»ne 5, pewne 2, przeciwne 2, ró»nica zdarze« 2, suma zdarze« 2, - Zmienna losowa 3, losowa skokowa 3 SZANOWNY CZYTELNIKU ! • Notatki, które czytasz nie maj¡ zast¡pi¢ wykªadu SMOP-I, co najlepiej wi- da¢ po tym, »e prawie nie zawieraj¡ komentarzy. S¡dz¦ jednak, »e mog¡ by¢ po»yteczne dla tych, którzy chc¡ znale¹¢ w jednym miejscu podstawowe denicje i wzory niezb¦dne do analizy statystycznej danych na poziomie Pierwszej Pracowni Fizycznej. Mog¡ równie» stanowi¢ wst¦p do nauki bardziej zaawansowanych metod statystycznych - wykªadanych w ramach wykªadu SMOP-II. • Mam nadziej¦, ªek. »e w tych notatkach jest stosunkowo maªo pomy- Jednak»e wielokrotnie przekonaªem si¦, »e bª¦dów nie robi¡ tylko ci co nic nie robi¡ a wi¦c z pewno±ci¡ znajd¡ si¦ tu bª¦dy. B¦d¦ wdzi¦czny za powiadomienie mnie o tych bª¦dach oraz za wszelkie uwagi, które pomog¡ poprawi¢ te notatki oraz jako±¢ wykªadu na nich opartego. (B. Kamys; [email protected])