Промахи Результат, сильно отличаются от тренда? Можно отбросить! В некоторых случаях…. I U Можно отбросить! В некоторых случаях…. Разработан ряд статистических.

Презентация:



Advertisements
Похожие презентации
Случайные и систематические погрешности при измерениях и расчетах.
Advertisements

Случайные погрешности результатов измерений Обработка результатов измерений (продолжение)
Определение. Случайная величина имеет нормальное распределение вероятностей с параметрами и 2, если ее плотность распределения задается формулой:
Лекция 5 Метод максимального правдоподобия. ММП позволяет получить по крайней мере асимптотически несмещенные и эффективные оценки параметров распределения.
Грубые погрешности и методы их устранения
Метод максимального правдоподобия ММП позволяет получить по крайней мере асимптотически несмещенные и эффективные оценки параметров распределения, которые.
Проверка статистических гипотез 1.Формулировка задачи. Термины и определения. 2.Схема проверки статистической гипотезы. 3.Мощность критерия. 4.Проверка.
Выполнила: Паросова О. ГИП Гистограмма Закон (плотность) распределения случайной величины Нормальный закон распределения Функция Лапласа Основные.
Количественные характеристики случайных переменных Математическое ожидание (среднее значение) Математическое ожидание (среднее значение) Дисперсия и среднее.
Основы корреляционного и регрессионного анализа. План лекции: 1.Способы изучения корреляционных зависимостей. 2.Определение коэффициента парной линейной.
Гетероскедастичность Лекция. 2 Цели лекции Природа проблемы гетероскедастичности Последствия гетероскедастичности Средства обнаружения гетероскедастичности.
Гетероскедастичность Лекция. 2 Цели лекции Природа проблемы гетероскедастичности Последствия гетероскедастичности Средства обнаружения гетероскедастичности.
Лабораторная работа 6 Обработка результатов эксперимента в MathCad.
Курс математической статистики Лекционный материал Преподаватель – В.Н. Бондаренко.
Прогнозирование ARMA- МОДЕЛЕЙ ВРЕМЕННЫХ РЯДОВ С «ПРОПУСКАМИ» БГУ, ФПМИ, МАГИСТРАНТ Лобач Сергей Викторович.
Лекция 7 Постникова Ольга Алексеевна1 Тема. Элементы теории корреляции
Тема 6. Принципы обработки данных Содержание 1 Обработка результатов измерений 2 Прямые многократные измерения. Методика обработки результатов 3 Однократные.
Статистическая проверка статистических гипотез.. Нулевая гипотеза - выдвинутая гипотеза. Конкурирующая гипотеза - - гипотеза, которая противоречит нулевой.
В задачу регрессионного анализа входит исследование остаточных величин. Исследование остаточных величин.
Погрешности при измерении Алфёрова Екатерина Александровна к.ф.-м.н., доцент кафедры «Технология машиностроения»
Транксрипт:

Промахи Результат, сильно отличаются от тренда? Можно отбросить! В некоторых случаях…. I U Можно отбросить! В некоторых случаях…. Разработан ряд статистических тестов В каких?

Тест по ГОСТ –73 для выборки из нормальной ГС критерий Романовского Имеется n значений {x i }. n

Уровень значимости β T = f(P,n) Вероятность P Число измерений n Проверяются крайние члены. Если β β T, то результат отбрасывают и далее рассматривают выборку объёмом (n – 1).

Критерий 3σ Считается, что результат, возникший с вероятностью P малореален. Сомнительный результат xi отбрасывается, если Среднее и дисперсия вычисляются без учёта x i.

Критерий Шовине При n < 10 Промах при выполнении неравенств: при n = 3 при n = 6 при n = 8 при n = 10

Косвенные измерения Измерение плотности тела. Измерение электрической мощности. – взвешивание – определение объёма В общем случае:

Закон распространения погрешности. Обоснование – разложение функции n переменных в ряд Тейлора

Объединяя результат с законом сложения дисперсии. Величины Δx i взаимно независимы. Полученные результаты положены в основу МИ

Косвенные измерения Два случая: линейная зависимость A от x нелинейная зависимость

Определение результата косвенного измерения 1. Результат косвенного измерения 2. СКО результата

3. Границы НСП 4. Для p = 0.95 k = 1.1 Пренебрегают случайной погрешностью Пренебрегают систематической погрешностью тогда

В случае нелинейной зависимости Замечания к алгоритму: 1.Предполагается, что распределение погрешностей не противоречит нормальному. 2.Отсутствие корреляции между аргументами должно проверяться. 3.При линеаризации f(x) необходимо убедится в малости остаточных членов разложения

Оценка погрешностей однократных измерений Можно пренебречь случайной составляющей погрешности. Для прямых измерений: Результат в виде: X ± Θ(p) Алгоритм отражён в МИ ГСИ