Upload
others
View
25
Download
1
Embed Size (px)
Citation preview
Obrada rezultata merenja
Milan Bjelica
Decembar 2012.
Dakle,. . .
I Naucili smo kako se koriste instrumenti,
I Izvršili smo merenja,
I Ostaje još da obradimo rezultate i izradimo izveštaj.
Cemu služi izveštaj?
I Opisuje metodologiju merenja
I Pregledno daje rezultate merenja
I Na osnovu njih daje zakljucak
I Ima pravnu snagu
Šta radimo s rezultatima?
I Prikažemo ih tabelarno i graficki
I Podvrgnemo statistickoj obradi
I Uporedimo saglasnost s normama
Statisticka obrada
skup rezultata = uzorak
obim uzorka = broj merenja
Na uzorku nalazimo min i max vrednost - ocigledno kako;
ocenjujemo matematicko ocekivanje, varijansu,standardnu devijaciju, kvantile, koeficijent korelacije. . .
izvršavamo statisticke testove
Mini podsetnik: V & S
I statisticki eksperiment
I slucajna promenljiva
I histogram
I funkcija gustine verovatnoce
I funkcija raspodele
Histogram
500
020-2
1000
4
0.2
0.1
0321
0.4
0.3
0-1-2
CDF
0.6
0.4
0.2
032
1
0.8
10-1-2
OK, nazad na merenja
Ocena matematickog ocekivanja:
µ =X1 + X2 + · · ·+ Xn
n
Ocena varijanse
kad matematicko ocekivanje nije poznato:
s2 =1
n − 1
n∑k=1
(Xk − µ)2 =1
n − 1
n∑k=1
X 2k −
nn − 1
µ2
kad je poznato matematicko ocekivanje:
s20 =
1n
n∑k=1
(Xk − µ)2
Intervali poverenja
Def: Dvostrani IP za parametar θ s nivoom poverenja1− α je interval [Y1,Y2], za koji važi
P (θ ∈ [Y1,Y2]) = 1− α.
Konkretno,. . .
P(µ ∈
[µ− ε1−α/2
σ√n, µ+ ε1−α/2
σ√n
])= 1− α
Pretp:(1) poznata varijansa,(2) rezultati merenja cine nezavisan uzorak iz normalneraspodele
Za n > 30, dobra aproksimacija i za raspodele koje nisunormalne
Šta kad σ2 nije poznato?
I umesto tacne vrednosti σ, treba staviti ocenu sI εu je kvantil reda u iz Studentove raspodele sa n − 1
stepenom slobode, t(n − 1) (za n > 30, svodi se nanormalnu)
Dvostrani IP za varijansu
P(σ2 ∈
[(n − 1)s2
ε1−α/2,(n − 1)s2
εα/2
])= 1− α,
Pretp: rezultati merenja cine nezavisan uzorak iznormalne raspodele
εu – kvantil reda u raspodele χ2(n − 1)
Šta dalje?
Završili smo deskriptivnu statistiku, sad cemotestirati hipoteze
Radimo testove???
Dokazivanje u statistici nije egzaktno, vec se izvoditestiranjem hipoteza.
Suprotno tvrdenje (ili neutralno ili postojece stanje)uzimamo za nultu hipotezu, H0, dok samo tvrdenje kojedokazujemo uzimamo za hipotezu H1.
Cilj testa: ispitati ima li dokaza protiv H0, u korist H1.
Treba definisati statistiku testa, X i skup njenih vrednostiza koje se odbacuje nulta hipoteza.
Moguca su dva ishoda. . .
(a) vrednost statistike testa unutar oblasti odbacivanja→odbacujemo H0, a prihvatamo H1
(b) vrednost statistike testa van oblasti odbacivanja→nema dokaza protiv H0
. . . i dve vrste greške:
(1) greška prve vrste: odbaci se H0, iako je tacna
(2) greška druge vrste: H0 se ne odbaci, iako je tacna H1
Još malo definicija
Maksimalna vrednost greške prve vrste naziva se nivoomznacajnosti testa (najcešce 0,1; 0,05; 0,025 ili 0,01)
Što je manji nz, utoliko je za isti obim uzorka i za istustatistiku testa teže odbaciti H0.
Smanjivanjem nz, povecava se verovatnoca greške drugevrste.
Pearsonov (χ2) test
I najcešce korišcen statisticki test
I svodi se na poredenje empirijskog histograma spretpostavljenim
Testiranje hipoteza o raspodeli
Cilj: utvrditi da li se empirijska funkcija raspodele uzorka,F , podudara s nekom zadatom funkcijom raspodele, F0.
A1 A2 A3 ArAr–1a1 a2 a3 ar–1ar–2 ar = +∞a0 = – ∞
Kako radi ovaj test?
A1 A2 A3 ArAr–1a1 a2 a3 ar–1ar–2 ar = +∞a0 = – ∞
Verovatnoca da se i-ti element uzorka nalazi u intervaluAj :
pj = P (Xi ∈ Aj) = F (aj)− F (aj−1)
Kada bi važila pretpostavljena raspodela, ovaverovatnoca bi bila
pj0 = F0(aj)− F0(aj−1)
Hipoteze
H0 : p1 = p10,p2 = p20, . . . ,pr = pr0
H1 : (p1,p2, . . . ,pr ) 6= (p10,p20, . . . ,pr0)
Statistika testa
χ2 =r∑
j=1
(Nj − npj0)2
npj0=∑ (stvarno− ocekivano)2
ocekivano
n – obim uzorka
Nj – broj elemenata uzorka koji se nalaze u j-tom intervalu
Odlucivanje
Nulta hipoteza se odbacuje s nivoom znacajnosti α ako isamo ako je
χ2 > ε1−α
ε1−α – kvantil reda 1− α raspodele χ2(r − 1)
Testiranje nezavisnosti
Npr: Neka se u svakom od n eksperimenata istovremenorealizuju dva ishoda. Da li su oni nezavisni?
Tablica kontingencije
B1 B2 · · · Bk ukupnoA1 f11 f12 · · · f1k a1
A2 f21 f22 · · · f2k a2...
...... . . . ...
...Av fv1 fv2 · · · fvk av
ukupno b1 b2 · · · bk n
Statistika testa
χ2 =v∑
i=1
k∑j=1
(nfij − aibj)2
naibj
Odlucivanje
Nulta hipoteza (o nezavisnosti dogadaja) se odbacuje snivoom znacajnosti α ako i samo ako je statistika testaveca od kvantila reda 1− α raspodele χ2((v − 1)(k − 1)).
Test Kolmogorova i Smirnova
Dok hi kvadrat test poredi histograme, K-S poredi funkcijeraspodele.
Hipoteze
H0 : F = F0
H1 : F 6= F0
Statistika testa
λ =√
n supx∈R|Fn(x)− F0(x)|
Odlucivanje
Nulta hipoteza se odbacuje s nivoom znacajnosti α ako isamo ako je
λ > c
c – kvantil reda 1− α K -raspodele Kolmogorova
OK, dosta je bilo racunanja
Kako predstaviti rezultate merenja?
I samo tabelarno (gde?)
I samo graficki (kako i gde?)
I na oba nacina
Anscombe
x y10 8,048 6,95
13 7,589 8,81
11 8,3314 9,966 7,244 4,26
12 10,847 4,825 5,68
x y10 9,148 8,14
13 8,749 8,77
11 9,2614 8,106 6,134 3,10
12 9,137 7,265 4,74
x y10 7,468 6,77
13 12,749 7,11
11 7,8114 8,846 6,084 5,39
12 8,157 6,425 5,73
x y8 6,588 5,768 7,718 8,848 8,478 7,048 5,25
19 12,508 5,568 7,918 6,89
Skoro identicne statistike
Ocekivanje x : 9
Varijansa x : 11
Ocekivanje y : 7,50
Varijansa y : 4,122 ili 4,127
Koeficijent korelacije x i y : 0,816
Regresiona prava: y = 3,00 + 0,500x
Kada nacrtamo
Primeri grafika: histogram
10
0321
5
0
X
-1-2-3
Histogram
Primeri grafika: empirijska CDF
0.5
0420
X
-2
1
-4
Empirijska funkcija raspodele
Primeri grafika: boks-dijagram
2
1
0
-1
-2
2-3
3
1.510.50
Boks-dijagram
Primeri grafika: rezultati i model
Klasican primer: Charles Joseph Minard (1)
Klasican primer: Charles Joseph Minard (2)
Klasican primer: Dr. Snow
Manipulisanje graficima (1)
Manipulisanje graficima (2)
Manipulisanje graficima (3)
Na kraju: propisi
Nejonizujuca zracenja: ispod 12,4 eV
Granica NF/VF: 10 kHz; 35 kV
VF: merenja na 2 godine
NF: merenja na 4 godine
Ko može da meri (pred zakonom)?
I pravno lice sa sedištem u RS
I 2 zaposlena VSS - MS, ili BS + 3 god
I akreditacija
Šta treba da sadrži izveštaj?
I opšte podatke
I opšte podatke o licima
I podatke o opremi
I podatke o merenjima
I podatke o izveštavanju