Случайные и систематические погрешности при измерениях и расчетах.

Презентация:



Advertisements
Похожие презентации
АНАЛИЗ ДАННЫХ НА КОМПЬЮТЕРЕ. Регрессионный анализ.
Advertisements

Определение. Случайная величина имеет нормальное распределение вероятностей с параметрами и 2, если ее плотность распределения задается формулой:
«Линейная регрессия и корреляция: смысл и оценка параметров»
КЛАССИЧЕСКИЙ РЕГРЕССИОННЫЙ АНАЛИЗ. ОБЩАЯ ЛИНЕЙНАЯ МОДЕЛЬ.
Свойства коэффициентов регрессии и проверка гипотез.
В задачу регрессионного анализа входит исследование остаточных величин. Исследование остаточных величин.
Лабораторная работа 6 Обработка результатов эксперимента в MathCad.
Расчет оптимальной численности выборки. Статистическое наблюдение сплошное Обследование всех единиц изучаемой совокупности не сплошное Обследование части.
Лекция 2 Часть I: Многомерное нормальное распределение, его свойства; условные распределения Часть II: Парная линейная регрессия, основные положения.
Статистические гипотезы Лекция 2.
1 Новая математическая модель линейной регрессии между двумя физическими величинами с учетом их случайных погрешностей Щелканов Николай Николаевич г. Томск.
Обработка и представление результатов измерений. Оценка случайной погрешности измерений Полученные при непосредственном измерении величины неизбежно содержат.
Количественные характеристики случайных переменных Математическое ожидание (среднее значение) Математическое ожидание (среднее значение) Дисперсия и среднее.
Свойства коэффициентов регрессии и проверка гипотез.
Ошибки измерений и их обработка. Распределение измеряемой величины Измеряемая величина группируется около среднего X. Ширина кривой характеризует степень.
Оптимальное планирование эксперимента. Цель планирования эксперимента нахождение таких условий и правил проведения опытов при которых удается получить.
3.2 МНОЖЕСТВЕННЫЙ РЕГРЕССИОННЫЙ АНАЛИЗ ИДЕЯ х1х1 хPхP Y β 1,…,β Р МОДЕЛЬ ЛИНЕЙНА ОТНОСИТЕЛЬНО ИССЛЕДУЕТСЯ.
Регрессионный анализ. Основная особенность регрессионного анализа: при его помощи можно получить конкретные сведения о том, какую форму и характер имеет.
Лекция 6 Линейная регрессия. Простая линейная регрессия.
Проверка гипотез на примере уравнения регрессии Проверка гипотез и соответствующие статистические выводы являются одними из центральных задач математической.
Транксрипт:

Случайные и систематические погрешности при измерениях и расчетах

Погрешности Случайные Систематические (выявляются на основе статистической обработки многократных измерений) (должны быть выявлены и уменьшены до такой степени, пока не станут намного меньше требуемой точности)

Нормальное распределение: Среднее значение Стандартное отклонение Доверительный интервал

Проблема отбрасывания данных. Критерий Шовене Ожидаемое число результатов, которые не входят в 95% интервал доверия: Пример: Общий случай:

Проблема объединения результатов разных измерений. Взвешенное среднее

Косвенные измерения

Особенности связи между случайными величинами

Регрессионный анализ. Условия применения метода 1. Массив отклика объекта y для каждого определенного набора факторов воздействия x I имеет нормальное распределение 2. Дисперсии для каждого массива откликов y g равны, то есть опыт воспроизводится при разных наблюдениях (для разных векторов x) с одинаковой точностью 3. Результаты наблюдения отклика y g и их ошибки независимы для различных опытов 4. Независимые от отклика факторы воздействия x I определяются в эксперименте без ошибок

Пример. Линейная регрессия min max

Пример. Линейная регрессия Погрешность в определении y i : Погрешность в определении A и B:

Проверка выбранной модели на адекватность. Критерий Фишера С вероятностью 1-α можно утверждать, что рассматриваемое уравнение адекватно описывает экспериментальные данные Остаточная дисперсия: характеризует величину среднего разброса экспериментальных точек относительно линии регресси n – число опытов, k - факторов Общая дисперсия: характеризует случайную ошибку для всей выборки