260 likes | 471 Views
Mérési pontosság (hőmérő). Pontossága: -80…+20 °C → ±(0,176-0,0028 * hőmérséklet) °C +20…+60 °C → ±(0,064+0,0028 * hőmérséklet) °C. Analóg hőmérő. Elektromos analóg hőmérő. Amplitúdókvantálás A/D. Mérési hibák. hiszterézis kvantálás kalibrációs függvény. A statisztika feladata.
E N D
Mérési pontosság (hőmérő) Pontossága: -80…+20 °C → ±(0,176-0,0028 * hőmérséklet) °C +20…+60 °C → ±(0,064+0,0028 * hőmérséklet) °C
Mérési hibák • hiszterézis • kvantálás • kalibrációs függvény
A statisztika feladata • Mennyire hihetők a kísérletek, megfigyelések megállapításai? • Mennyiben játszik szerepet a véletlen? • Minta alapján becslés, válasz valószínűségi állítás formájában • Aktív statisztika (megfigyelések, mérések tervezése, kísérlettervezés)
Statisztikai módszerek • Sztochasztika • Valószínűségszámítás • Megfigyelések értékelése • Bizonytalanság okainak felderítése • Döntéshozatal
Valószínűségek • Véletlen esemény: előfordulása bizonytalan (se nem biztos, se nem lehetetlen) • P(E) bekövetkezési valószínűség (0,00-1,00) • Relatív gyakoriság (%)
Függetlenség • Komplementer (kiegészítő) esemény • Feltételes valószínűség • Sztochasztikus függetlenség
Ismérv, alapsokaság, minta • Kvantitatív és kvalitatív ismérvek • Összes lehetséges előfordulás = alapsokaság • Mintavétel: olcsó, gyors, egzakt
Véletlen mintavétel, szisztematikus hiba • Minden elem egymástól függetlenül és azonos valószínűséggel kerül a mintába (véletlen számok) • Előnye: a belőle származtatott statisztikai mutatók csak a véletlen eltérést mutatják az alapsokaság mutatójához képest • Szelekció • Reprezentativitás
Paraméter • Minta adataiból az alapsokaság adatira következtetünk • Az alapsokaság jellemző értékeit paraméternek nevezzük (görög betűvel jelöljük) • A minta középértékből alapsokaság középértékére következtetünk • Megbízhatósági intervallum • Statisztikai próba
Véletlen minta előállítása • Véletlen szám generátor • Pszeudó véletlen szám generátor • Rnd() függvény • Excel Vél() függvénye • VÉL()*(b-a)+a
Mintavételi eljárások • N=1500 és 3000 között • Egynemű (homogén) alapsokaság mintái • Nem egynemű (heterogén) alapsokaság mintái • Csoportba rendezett (csomók) • Nem rendezett csoportba (rétegképzés) • Blokk képzés (homogén csoportok kialakítása
Statisztikai becslés • Valamely paraméter ismeretlen (feltételezett) tényleges értékének közelítő megadása egy statisztikai függvénnyel. Elvileg bármelyik statisztikai függvény tekinthető becslésnek, valójában csak azokat használjuk, amelyeknek megvannak a jó becslés legfontosabb tulajdonságai
A jó becslés kritériumai • Torzítatlanság (várható érték) • Pontosság (szórás) • Konzisztencia
Torzítatlan és konzisztens becslés • Olyan becslés, amelynek várható értéke az igazi paraméter (torzítatlan) • Olyan becslés, amely a minta n elemszámának növekedésével (n ) a paraméter igazi értékéhez konvergál sztochasztikusan (erős konzisztencia esetén 1 valószínűséggel)
Centrális mutatók • Átlag (várható érték) • Medián (középső adat, gyakran helyettesíti a számtani közepet) • Módusz (leggyakrabban előforduló elem)
Szóródási mutatók • Helyzeti: • Maximum (standardizált értéke) • Minimum (standardizált értéke) • Terjedelem (max.-min.) • Kvartilisek (negyedelők) • Interkvartilis (Q3-Q1)/2 • Számított: • Szórás • Variancia • Az átlag standard hibája • A medián standard hibája
Paraméteres eljárások 2. SZÓRÁS