Mérési hibák

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Mérési hibák 2006.10.04. 1"

Átírás

1 Mérési hibák

2 Mérés jel- és rendszerelméleti modellje Mérési hibák_labor/2

3 Mérési hibák mérési hiba: a meghatározandó értékre a mérés során kapott eredmény és ideális értéke közötti különbség általánosított mérési hiba: a valóságos és az ideális mérési eredmények közötti távolság (az adott szimbólum halmazon értelmezve) Mérési hibák_labor/3

4 Mérési hibák minden mérés hibával terhelt elsődleges okai megfigyelés, mérés körülményei mérőeszköz tulajdonságai külső zavarok Mérési hibák_labor/4

5 Hibaforrások általánosan nehéz megadni, az adott mérési területre jellemző mintavétel, előkészítés, egyes komponensek hatása méréshez felhasznált segédanyagok mérőeszköz állapota, pontossága alkalmazott mérési módszer, matematikai modell pontossága mérést végző személy szubjektivitása, hozzáértése, gondossága Mérési hibák_labor/5

6 Hibaforrások adatfeldolgozás problémái programhibák adatbeviteli, -tárolási hibák hardware hibák konverziós hibák Mérési hibák_labor/6

7 Irányított mérőrendszer kísérletek rögzített körülmények között történő elvégzése zavaróhatások kiküszöbölés állandó értéken tartás figyelembe vétel párhuzamos mérések mérési eredmények feldolgozása a matematikai statisztika módszereivel kísérlet minden adatának rögzítése Mérési hibák_labor/7

8 Irányított mérőrendszer ha teljesíthetőek ezek a feltételek, akkor a mérési eredmények azonos (normális) eloszlásúak lesznek a szórás kicsi torzítatlanság ha nem nagyobb szórás torzítottság Mérési hibák_labor/8

9 Mérési hibák Mérési hibák csoportosítása leírásuk hibafüggvények (abszolút hiba, relatív hiba) jellegük hibatípusok (dinamikus, statikus,.) eredetük (műszerhiba, etalonhiba, környezeti hiba, mérési módszer hibája) Mérési hibák_labor/9

10 Hibafüggvények Hibafüggvények abszolút hiba H i H i = x m i µ 0 azaz az i-dik mért érték (x m ) és a pontos érték i (µ 0 ) különbsége relatív hiba h i h i = (H i / µ 0 ) 100 azaz az abszolút hiba (H i ) és a pontos érték (µ 0 ) százalékos aránya Mérési hibák_labor/10

11 Hibafüggvények műszer pontosságának megadása: digitális kijelzésű műszer esetén ±0.5% ±5digit relatív hiba a teljes tartományban abszolút hiba analóg kijelzésű műszer esetén abszolút hiba az osztásközre vonatkoztatva Mérési hibák_labor/11

12 Hibafüggvények Példa digitális kijelzőjű hőérzékelő tartomány: o C pontosság: ±0.1% ±2digit mérendő hőmérséklet: 350 o C mérés relatív hibája: o 2 C h i = 0. 1% % = o 350 C 0. 67% Mérési hibák_labor/12

13 Hibafüggvények gond: a helyes értéket általában nem ismerjük ezért helyette a mért értékhez viszonyítjuk a műszerkönyvben megadott abszolút hibát Mérési hibák_labor/13

14 Hibatípusok Hibatípusok szerinti osztályzás dinamikus hiba statikus hiba véletlenszerű hiba véletlen hiba kiugró hiba nagyságrendi eltérés rendszeres (módszeres) hiba Mérési hibák_labor/14

15 Dinamikus hiba Dinamikus hiba a mérés a műszer tranziens állapotában történik Mérési hibák_labor/15

16 Statikus hiba Statikus hiba véletlenszerű hibák és rendszeres hibák mérés a műszer beállása után történik véletlenszerű hibák konkrét értéke előre nem megadható, azaz nem lehet korrigálni megadása konfidencia intervallummal csökkentése párhuzamos méréssel véletlen hibák, kiugró hibák, rendkívüli hibák Mérési hibák_labor/16

17 Véletlen hibák irányított mérés mellett is előfordul hiba forrása alapvetően a zaj normális eloszlású, nulla várható értékkel és adott szórással jellemzés a szórása alapján Mérési hibák_labor/17

18 Véletlen hibák elméleti szórás ahol σ = ( m ) µ 0 a keresett paraméter ideális értéke m i az i-dik párhuzamos mérés eredménye n a mérések száma, de n n i= 1 i n azaz az elméleti szórás meghatározásához elvileg ismerni kellene a meghatározandó értéket és igen nagy számú mérést kellene végeznünk ez csak speciális esetben lehetséges µ 0 2 Mérési hibák_labor/18

19 Mérési hibák_labor/19 Véletlen hibák tapasztalati szórás ahol m a mérések átlaga m i az i-dik párhuzamos mérés eredménye n a mérések száma, de n véges érték a becslés egyszerűsített képletei: ( ) = = = = n i i n i i m n m ; n m m s = = = = = n m n m n m s n i i n m n i i n i i

20 Véletlen hibák relatív szórás (százalékos relatív szórás) s rel = m s 100 középérték szórása s s m = n középérték relatív szórása s mrel = m s n 100 Mérési hibák_labor/20

21 Véletlen hibák a szórás értéke az adott mérési eljárásra, műszerre jellemző a pontosság a mérések számával nő véletlen hibák esetében a tapasztalati szórást előírt, általában 2%-os értéken belül tartjuk az optimális mérési szám meghatározható Mérési hibák_labor/21

22 Kiugró hibák az irányított mérés feltételei nem teljesülnek a hiba várható értéke nem feltétlenül nulla meghatározás hihetőség vizsgálattal értéke ± 3 6 σ Mérési hibák_labor/22

23 Rendkívüli hibák több nagyságrendű eltérés várható érték, szórás nem becsülhető nem irányított mérés, de a kiugró hibához képest nagyobb gond felderítéséhez alapos vizsgálat: mérési jegyzőkönyvek, bizonylatok Mérési hibák_labor/23

24 Rendszeres hibák módszeres hiba, systematic error hatása: a mérési eredmények várható értéke (átlaga) nem egyezik meg a valódi eredménnyel: = xm µ 0 0 ahol a mérési eredmények átlaga xm µ 0 a mért változó valódi értéke Mérési hibák_labor/24

25 Rendszeres hibák helyes mérés: nincs vagy csak minimális a rendszeres hiba pontos mérés: csak véletlen hiba van és az is csak elfogadható mértékű lövészet példa Mérési hibák_labor/25

26 Rendszeres hibák mindig egy irányba hat torzítja a mérési eredményt okai mérő eszköz minta (mintavétel, minta előkészítése) mérés kiértékelés (számítási eljárás, kiértékelő görbe) külső körülmények hatásai Mérési hibák_labor/26

27 Rendszeres hibák Rendszeres hiba felkutatása hiába pontos a mérés (kicsi a tapasztalati szórás), a rendszeres hiba ettől független, nincs összefüggés a kettő között a pontatlan mérés azaz nagy tapasztalati szórás viszont nehezíti rendszeres hiba felkutatását Mérési hibák_labor/27

28 Rendszeres hibák például 1%-os tapasztalati szórás mellett 99%-os valószínűséggel kell meghatározni a középérték eltérését a valódi értéktől: n = 2 n = 3 n = 4 t s n = 63, 7 9, 80 5, = 45, 04 = 5, 72 = 2, 9 Mérési hibák_labor/28

29 Rendszeres hibák rendszeres hiba kimutatása a mérést etalon segítségével végezzük el a mérési eredményeket a valódi érték függvényében ábrázoljuk ha nincs rendszeres hiba, akkor 45 o os meredekségű egyenest kell kapni, mely az origóban metszi a tengelyeket (a véletlen hibák miatt lineáris regresszióval illeszteni kell a pontokra az egyenest) Mérési hibák_labor/29

30 Rendszeres hibák ha meredekség eltér a 45 o -tól vagy a tengelymetszet nem az origóban van rendszeres hiba legyen az m i mérési eredmény és a µ 0 i valódi érték közötti összefüggés: ahol m i = α + β µ 0 i + ε α a rendszeres hiba állandó része β - 1 a rendszeres hiba arányos része ε véletlen hiba Mérési hibák_labor/30

31 Rendszeres hibák következő esetek lehetségesek: állandó rendszeres hiba arányos rendszeres hiba állandó és arányos rendszeres hiba ha nem áll rendelkezésre etalon vagy nem lehetséges etalonnal mérni, akkor több különböző módon kell megmérni ugyanazt a mennyiséget Mérési hibák_labor/31

32 Pontossági osztályok Pontosság A mérőeszköznek az a tulajdonsága, hogy a mérendő mennyiség valódi értékéhez közeli értékmutatást vagy választ szolgáltat. Egy adott mérendő mennyiség mért értékei a mérendő mennyiség helyes értékeitől egy előre megadott értéknél kevesebbel térnek el. Pontossági osztályok Mérési hibák_labor/32

33 Pontossági osztályok Pontossági minősítések: x k konvencionális (megállapodás szerinti) értékre vonatkoztatott relatív hiba (h p ) Pontossági osztályba sorolás: h p H x max k jelentése: a műszer abszolút hibájának a konvencionális értékhez vonatkoztatott aránya nem haladhatja meg a pontossági osztályra előírt értéket Mérési hibák_labor/33

34 Pontossági osztályok jelölése: számmal vagy betűvel szabványos osztályok: 0,1; 0,2; 0,6; 1,0; 1,6; 2,5; 4,0; 5,0 Mérési hibák_labor/34

35 Pontossági osztályok konvencionális érték: a műszer végkitérésben mért értéke (felső méréshatára) helyes érték (etalon) alkalmazása: pontossági osztály és a konvencionális érték ismeretében meghatározható, hogy mekkora lehet a műszertől származó abszolút és relatív hiba abszolút hibakorlát, relatív hibakorlát Mérési hibák_labor/35

36 Pontossági osztályok abszolút hibakorlát H max = h p x v független a mért értéktől: legyen a pontossági osztály: 1% méréshatár: 0-10A abszolút hibakorlát 0.1A (a végkitérésre vonatkoztatva) azaz bármekkora mérésnek maximum ekkora lehet az abszolút hibája Mérési hibák_labor/36

37 Pontossági osztályok relatív hibakorlát h = max h p x x v m nagysága függ a mért értéktől legyen a pontossági osztály: 1% méréshatár: 0 10 A mérendő érték: 1 A relatív hibakorlát 10% mérendő érték: 5 A relatív hibakorlát 2% Mérési hibák_labor/37

38 Pontossági osztályok legkisebb értelmesen mérhető mennyiség: a műszer abszolút hibakorlátjával mérhető érték ez alatt a relatív hibakorlát 100%-nál is nagyobb lehet Mérési hibák_labor/38

39 Pontossági osztályok számított mennyiségek hibakorlátja: ha a a számítás összeadás/kivonás, akkor a közvetlenül mért értékek abszolút hibakorlátja összeadódik ha a a számítás szorzás/osztás, akkor a közvetlenül mért mennyiségek relatív hibakorlátja összeadódik Mérési hibák_labor/39

40 Pontossági osztályok a hibakorlátok megadásának menete: műszerek pontossági osztálya, a méréshatár és az éppen mérték alapján meghatározzuk a közvetlenül mért értékek abszolút vagy relatív hibakorlátját a számítás jellege alapján megállapítjuk a számított eredmény abszolút vagy relatív hibakorlátját a számított mennyiség és a meghatározott hibakorlát alapján meghatározzuk a másik hibakorlátot Mérési hibák_labor/40

41 Pontossági osztályok példa ellenállás meghatározása feszültség- és áramerősség-méréssel feszültségmérő relatív hibakorlátja h Umax = 8% áramerősség-mérő relatív hibakorlátja h Imax = 3% ellenállásmérés relatív hibakorlátja h Rmax = h Umax + h Imax = 11% legyen U = 20V, I = 4A R = U/I = 5Ω ellenállásmérés abszolút hibakorlátja H max = h Rmax R = 0,55 Ω Mérési hibák_labor/41

Mérési hibák. 2008.03.03. Méréstechnika VM, GM, MM 1

Mérési hibák. 2008.03.03. Méréstechnika VM, GM, MM 1 Mérési hibák 2008.03.03. 1 Mérés jel- és rendszerelméleti modellje Mérési hibák/2 Mérési hibák mérési hiba: a meghatározandó értékre a mérés során kapott eredmény és ideális értéke közötti különbség általánosított

Részletesebben

Méréstechnika GM, VI BSc 1

Méréstechnika GM, VI BSc 1 Mérési hibák 1 Mérés jel- és rendszerelméleti modellje Mérési hibák/2 Mérési hibák mérési hiba: a meghatározandó értékre a mérés során kapott eredmény és ideális értéke közötti különbség általánosított

Részletesebben

Mérési hibák Méréselmélet PE MIK MI, VI BSc 1

Mérési hibák Méréselmélet PE MIK MI, VI BSc 1 Mérési hibák 2008.03.10. Méréselmélet PE MIK MI, VI BSc 1 Mérés jel- és rendszerelméleti modellje Mérési hibák/2 Mérési hibák mérési hiba: a meghatározandó értékre a mérés során kapott eredmény és ideális

Részletesebben

Műszerek tulajdonságai

Műszerek tulajdonságai Műszerek tulajdonságai 1 Kiválasztási szempontok Műszerek kiválasztásának általános szempontjai mérendő paraméter alkalmazható mérési elv mérendő érték, mérési tartomány környezeti tényezők érzékelő mérete

Részletesebben

Méréselmélet és mérőrendszerek 2. ELŐADÁS (1. RÉSZ)

Méréselmélet és mérőrendszerek 2. ELŐADÁS (1. RÉSZ) Méréselmélet és mérőrendszerek 2. ELŐADÁS (1. RÉSZ) KÉSZÍTETTE: DR. FÜVESI VIKTOR 2016. 10. Mai témáink o A hiba fogalma o Méréshatár és mérési tartomány M é r é s i h i b a o A hiba megadása o A hiba

Részletesebben

Méréselmélet és mérőrendszerek

Méréselmélet és mérőrendszerek Méréselmélet és mérőrendszerek 6. ELŐADÁS KÉSZÍTETTE: DR. FÜVESI VIKTOR 2016. 10. Mai témáink o A hiba fogalma o Méréshatár és mérési tartomány M é r é s i h i b a o A hiba megadása o A hiba eredete o

Részletesebben

A mérés. A mérés célja a mérendő mennyiség valódi értékének meghatározása. Ez a valóságban azt jelenti, hogy erre kell

A mérés. A mérés célja a mérendő mennyiség valódi értékének meghatározása. Ez a valóságban azt jelenti, hogy erre kell A mérés A mérés célja a mérendő mennyiség valódi értékének meghatározása. Ez a valóságban azt jelenti, hogy erre kell törekedni, minél közelebb kerülni a mérés során a valós mennyiség megismeréséhez. Mérési

Részletesebben

MÉRÉSI EREDMÉNYEK PONTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI

MÉRÉSI EREDMÉNYEK PONTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI MÉRÉSI EREDMÉYEK POTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI. A mérési eredmény megadása A mérés során kapott értékek eltérnek a mérendő fizikai mennyiség valódi értékétől. Alapvetően kétféle mérési hibát különböztetünk

Részletesebben

Méréselmélet MI BSc 1

Méréselmélet MI BSc 1 Mérés és s modellezés 2008.02.15. 1 Méréselmélet - bevezetés a mérnöki problémamegoldás menete 1. A probléma kitűzése 2. A hipotézis felállítása 3. Kísérlettervezés 4. Megfigyelések elvégzése 5. Adatok

Részletesebben

A mérések általános és alapvető metrológiai fogalmai és definíciói. Mérések, mérési eredmények, mérési bizonytalanság. mérés. mérési elv

A mérések általános és alapvető metrológiai fogalmai és definíciói. Mérések, mérési eredmények, mérési bizonytalanság. mérés. mérési elv Mérések, mérési eredmények, mérési bizonytalanság A mérések általános és alapvető metrológiai fogalmai és definíciói mérés Műveletek összessége, amelyek célja egy mennyiség értékének meghatározása. mérési

Részletesebben

Mérés és modellezés 1

Mérés és modellezés 1 Mérés és modellezés 1 Mérés és modellezés A mérnöki tevékenység alapeleme a mérés. A mérés célja valamely jelenség megismerése, vizsgálata. A mérés tervszerűen végzett tevékenység: azaz rögzíteni kell

Részletesebben

Mérés és modellezés Méréstechnika VM, GM, MM 1

Mérés és modellezés Méréstechnika VM, GM, MM 1 Mérés és modellezés 2008.02.04. 1 Mérés és modellezés A mérnöki tevékenység alapeleme a mérés. A mérés célja valamely jelenség megismerése, vizsgálata. A mérés tervszerűen végzett tevékenység: azaz rögzíteni

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 4 IV. MINTA, ALAPsTATIsZTIKÁK 1. MATEMATIKAI statisztika A matematikai statisztika alapfeladatát nagy általánosságban a következőképpen

Részletesebben

Mérési struktúrák

Mérési struktúrák Mérési struktúrák 2007.02.19. 1 Mérési struktúrák A mérés művelete: a mérendő jellemző és a szimbólum halmaz közötti leképezés megvalósítása jel- és rendszerelméleti aspektus mérési folyamat: a leképezést

Részletesebben

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1 Statisztika - bevezetés 00.04.05. Méréselmélet PE MIK MI_BSc VI_BSc Bevezetés Véletlen jelenség fogalma jelenséget okok bizonyos rendszere hozza létre ha mindegyik figyelembe vehető egyértelmű leírás általában

Részletesebben

Gyártástechnológia alapjai Méréstechnika rész. Előadások (2.) 2011.

Gyártástechnológia alapjai Méréstechnika rész. Előadások (2.) 2011. Gyártástechnológia alapjai Méréstechnika rész Előadások (2.) 2011. 1 Méréstechnika előadás 2. 1. Mérési hibák 2. A hiba rendszáma 3. A mérési bizonytalanság 2 Mérési folyamat A mérési folyamat négy fő

Részletesebben

6. Előadás. Vereb György, DE OEC BSI, október 12.

6. Előadás. Vereb György, DE OEC BSI, október 12. 6. Előadás Visszatekintés: a normális eloszlás Becslés, mintavételezés Reprezentatív minta A statisztika, mint változó Paraméter és Statisztika Torzítatlan becslés A mintaközép eloszlása - centrális határeloszlás

Részletesebben

A mérési eredmény megadása

A mérési eredmény megadása A mérési eredmény megadása A mérés során kapott értékek eltérnek a mérendő fizikai mennyiség valódi értékétől. Alapvetően kétféle mérési hibát különböztetünk meg: a determinisztikus és a véletlenszerű

Részletesebben

Milyen elvi mérési és számítási módszerrel lehet a Thevenin helyettesítő kép elemeit meghatározni?

Milyen elvi mérési és számítási módszerrel lehet a Thevenin helyettesítő kép elemeit meghatározni? 1. mérés Definiálja a korrekciót! Definiálja a mérés eredményét metrológiailag helyes formában! Definiálja a relatív formában megadott mérési hibát! Definiálja a rendszeres hibát! Definiálja a véletlen

Részletesebben

Matematikai geodéziai számítások 6.

Matematikai geodéziai számítások 6. Matematikai geodéziai számítások 6. Lineáris regresszió számítás elektronikus távmérőkre Dr. Bácsatyai, László Matematikai geodéziai számítások 6.: Lineáris regresszió számítás elektronikus távmérőkre

Részletesebben

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió SZDT-08 p. 1/31 Biometria az orvosi gyakorlatban Korrelációszámítás, regresszió Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Korrelációszámítás

Részletesebben

ORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések!

ORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések! ORVOSI STATISZTIKA Az orvos statsztka helye Élettan Anatóma Kéma Lehet kérdés?? Statsztka! Az orvos döntéseket hoz! Mkor jó egy döntés? Mennyre helyes egy döntés? Mekkora a tévedés lehetősége? Példa: test

Részletesebben

STATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése

STATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése 4. A modell érvényességének ellenőrzése STATISZTIKA 4. Előadás Variancia-analízis Lineáris modellek 1. Függetlenség 2. Normális eloszlás 3. Azonos varianciák A maradék független a kezelés és blokk hatástól

Részletesebben

[Biomatematika 2] Orvosi biometria

[Biomatematika 2] Orvosi biometria [Biomatematika 2] Orvosi biometria 2016.02.29. A statisztika típusai Leíró jellegű statisztika: összegzi egy adathalmaz jellemzőit. A középértéket jelemzi (medián, módus, átlag) Az adatok változékonyságát

Részletesebben

Statisztikai következtetések Nemlineáris regresszió Feladatok Vége

Statisztikai következtetések Nemlineáris regresszió Feladatok Vége [GVMGS11MNC] Gazdaságstatisztika 10. előadás: 9. Regressziószámítás II. Kóczy Á. László koczy.laszlo@kgk.uni-obuda.hu Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet A standard lineáris modell

Részletesebben

Méréstechnika II. Mérési jegyzőkönyvek FSZ képzésben részt vevők részére. Hosszméréstechnikai és Minőségügyi Labor Mérési jegyzőkönyv

Méréstechnika II. Mérési jegyzőkönyvek FSZ képzésben részt vevők részére. Hosszméréstechnikai és Minőségügyi Labor Mérési jegyzőkönyv Méréstechnika II. ek FSZ képzésben részt vevők részére Összeállította: Horváthné Drégelyi-Kiss Ágota Kis Ferenc Lektorálta: Galla Jánosné 009 Tartalomjegyzék. gyakorlat Mérőhasábok, mérési eredmény megadása.

Részletesebben

Mérés és adatgyűjtés

Mérés és adatgyűjtés Mérés és adatgyűjtés 4. óra - levelező Mingesz Róbert Szegedi Tudományegyetem 2011. március 18. MA lev - 4. óra Verzió: 1.3 Utolsó frissítés: 2011. május 15. 1/51 Tartalom I 1 A/D konverterek alkalmazása

Részletesebben

biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás

biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás Kísérlettervezés - biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás A matematikai-statisztika feladata tapasztalati adatok feldolgozásával segítséget nyújtani

Részletesebben

Peltier-elemek vizsgálata

Peltier-elemek vizsgálata Peltier-elemek vizsgálata Mérés helyszíne: Vegyész labor Mérés időpontja: 2012.02.20. 17:00-20:00 Mérés végrehatói: Budai Csaba Sánta Botond I. Seebeck együttható közvetlen kimérése Az adott P-N átmenetre

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 9 IX. ROBUsZTUs statisztika 1. ROBUsZTUssÁG Az eddig kidolgozott módszerek főleg olyanok voltak, amelyek valamilyen értelemben optimálisak,

Részletesebben

Statisztika I. 8. előadás. Előadó: Dr. Ertsey Imre

Statisztika I. 8. előadás. Előadó: Dr. Ertsey Imre Statisztika I. 8. előadás Előadó: Dr. Ertsey Imre Minták alapján történő értékelések A statisztika foglalkozik. a tömegjelenségek vizsgálatával Bizonyos esetekben lehetetlen illetve célszerűtlen a teljes

Részletesebben

Elektronikus fekete doboz vizsgálata

Elektronikus fekete doboz vizsgálata Elektronikus fekete doboz vizsgálata 1. Feladatok a) Munkahelyén egy elektronikus fekete dobozt talál, amely egy nem szabványos egyenáramú áramforrást, egy kondenzátort és egy ellenállást tartalmaz. Méréssel

Részletesebben

Több valószínűségi változó együttes eloszlása, korreláció

Több valószínűségi változó együttes eloszlása, korreláció Tartalomjegzék Előszó... 6 I. Valószínűségelméleti és matematikai statisztikai alapok... 8 1. A szükséges valószínűségelméleti és matematikai statisztikai alapismeretek összefoglalása... 8 1.1. Alapfogalmak...

Részletesebben

Populációbecslések és monitoring

Populációbecslések és monitoring Populációbecslések és monitoring A becslés szerepe az ökológiában és a vadgazdálkodásban. A becslési módszerek csoportosítása. Teljes számlálás. Statisztikai alapfogalmak. Fontos lehet tudnunk, hogy hány

Részletesebben

Minden mérésre vonatkozó minimumkérdések

Minden mérésre vonatkozó minimumkérdések Minden mérésre vonatkozó minimumkérdések 1) Definiálja a rendszeres hibát 2) Definiálja a véletlen hibát 3) Definiálja az abszolút hibát 4) Definiálja a relatív hibát 5) Hogyan lehet az abszolút-, és a

Részletesebben

ÁGAZATI SZAKMAI ÉRETTSÉGI VIZSGA VEGYIPAR ISMERETEK EMELT SZINTŰ GYAKORLATI VIZSGA MINTAFELADATOK ÉS ÉRTÉKELÉSÜK

ÁGAZATI SZAKMAI ÉRETTSÉGI VIZSGA VEGYIPAR ISMERETEK EMELT SZINTŰ GYAKORLATI VIZSGA MINTAFELADATOK ÉS ÉRTÉKELÉSÜK 06. OKTÓBER VEGYIPAR ISMERETEK EMELT SZINTŰ GYAKORLATI VIZSGA MINTAFELADATOK ÉS ÉRTÉKELÉSÜK 06. OKTÓBER. tétel Anyagvizsgálatok gyakorlat I. Viszkozitás mérése Höppler-féle viszkoziméterrel A mérés megkezdése

Részletesebben

Villamos jelek mintavételezése, feldolgozása. LabVIEW 7.1

Villamos jelek mintavételezése, feldolgozása. LabVIEW 7.1 Villamos jelek mintavételezése, feldolgozása (ellenállás mérés LabVIEW támogatással) LabVIEW 7.1 előadás Dr. Iványi Miklósné, egyetemi tanár LabVIEW-7.1 KONF-5_2/1 Ellenállás mérés és adatbeolvasás Rn

Részletesebben

Ellenállásmérés Ohm törvénye alapján

Ellenállásmérés Ohm törvénye alapján Ellenállásmérés Ohm törvénye alapján A mérés elmélete Egy fémes vezetőn átfolyó áram I erőssége egyenesen arányos a vezető végpontjai közt mérhető U feszültséggel: ahol a G arányossági tényező az elektromos

Részletesebben

Matematikai alapok és valószínőségszámítás. Középértékek és szóródási mutatók

Matematikai alapok és valószínőségszámítás. Középértékek és szóródási mutatók Matematikai alapok és valószínőségszámítás Középértékek és szóródási mutatók Középértékek A leíró statisztikák talán leggyakrabban használt csoportját a középértékek jelentik. Legkönnyebben mint az adathalmaz

Részletesebben

Kontrol kártyák használata a laboratóriumi gyakorlatban

Kontrol kártyák használata a laboratóriumi gyakorlatban Kontrol kártyák használata a laboratóriumi gyakorlatban Rikker Tamás tudományos igazgató WESSLING Közhasznú Nonprofit Kft. 2013. január 17. Kis történelem 1920-as években, a Bell Laboratórium telefonjainak

Részletesebben

y ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell

y ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell Példa STATISZTIKA Egy gazdálkodó k kukorica hibrid termesztése között választhat. Jelöljük a fajtákat A, B, C, D-vel. Döntsük el, hogy a hibridek termesztése esetén azonos terméseredményre számíthatunk-e.

Részletesebben

MÉRÉSTECHNIKA. BME Energetikai Gépek és Rendszerek Tanszék Fazekas Miklós (1) márc. 1

MÉRÉSTECHNIKA. BME Energetikai Gépek és Rendszerek Tanszék Fazekas Miklós (1) márc. 1 MÉRÉSTECHNIKA BME Energetikai Gépek és Rendszerek Tanszék Fazekas Miklós (1) 463 26 14 16 márc. 1 Méréstechnikai alapfogalmak CÉL Mennyiségek mérése Fizikai mennyiség Hosszúság L = 2 m Mennyiségi minőségi

Részletesebben

KÍSÉRLET, MÉRÉS, MŰSZERES MÉRÉS

KÍSÉRLET, MÉRÉS, MŰSZERES MÉRÉS KÍSÉRLET, MÉRÉS, MŰSZERES MÉRÉS Kísérlet, mérés, modellalkotás Modell: olyan fizikai vagy szellemi (tudati) alkotás, amely egy adott jelenség lefolyását vagy egy rendszer viselkedését részben vagy egészen

Részletesebben

Ohm törvénye. A mérés célkitűzései: Ohm törvényének igazolása mérésekkel.

Ohm törvénye. A mérés célkitűzései: Ohm törvényének igazolása mérésekkel. A mérés célkitűzései: Ohm törvényének igazolása mérésekkel. Eszközszükséglet: Elektromos áramkör készlet (kapcsolótábla, áramköri elemek) Digitális multiméter Vezetékek, krokodilcsipeszek Tanulói tápegység

Részletesebben

Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása

Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása Matematikai alapok és valószínőségszámítás Statisztikai becslés Statisztikák eloszlása Mintavétel A statisztikában a cél, hogy az érdeklõdés tárgyát képezõ populáció bizonyos paramétereit a populációból

Részletesebben

Többváltozós lineáris regressziós modell feltételeinek

Többváltozós lineáris regressziós modell feltételeinek Többváltozós lineáris regressziós modell feltételeinek tesztelése I. - A hibatagra vonatkozó feltételek tesztelése - Petrovics Petra Doktorandusz Többváltozós lineáris regressziós modell x 1, x 2,, x p

Részletesebben

Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt

Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt Galbács Gábor KIUGRÓ ADATOK KISZŰRÉSE STATISZTIKAI TESZTEKKEL Dixon Q-tesztje Gyakori feladat az analitikai kémiában, hogy kiugrónak

Részletesebben

1. Metrológiai alapfogalmak. 2. Egységrendszerek. 2.0 verzió

1. Metrológiai alapfogalmak. 2. Egységrendszerek. 2.0 verzió Mérés és adatgyűjtés - Kérdések 2.0 verzió Megjegyzés: ezek a kérdések a felkészülést szolgálják, nem ezek lesznek a vizsgán. Ha valaki a felkészülése alapján önállóan válaszolni tud ezekre a kérdésekre,

Részletesebben

Jelek és rendszerek 1. 10/9/2011 Dr. Buchman Attila Informatikai Rendszerek és Hálózatok Tanszék

Jelek és rendszerek 1. 10/9/2011 Dr. Buchman Attila Informatikai Rendszerek és Hálózatok Tanszék Jelek és rendszerek 1 10/9/2011 Dr. Buchman Attila Informatikai Rendszerek és Hálózatok Tanszék 1 Ajánlott irodalom: FODOR GYÖRGY : JELEK ÉS RENDSZEREK EGYETEMI TANKÖNYV Műegyetemi Kiadó, Budapest, 2006

Részletesebben

Minőségirányítási rendszerek 9. előadás

Minőségirányítási rendszerek 9. előadás Minőségirányítási rendszerek 9. előadás 013.05.03. MÉRŐESZKÖZÖK MÉRÉSTECHNIKAI TULAJDONSÁGAI Mérőeszköz rendszeres hibája (Systematic Error of Measurement) alatt ugyanannak az értéknek megismételhetőségi

Részletesebben

KÖVETKEZTETŐ STATISZTIKA

KÖVETKEZTETŐ STATISZTIKA ÁVF GM szak 2010 ősz KÖVETKEZTETŐ STATISZTIKA A MINTAVÉTEL BECSLÉS A sokasági átlag becslése 2010 ősz Utoljára módosítva: 2010-09-07 ÁVF Oktató: Lipécz György 1 A becslés alapfeladata Pl. Hányan láttak

Részletesebben

Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg

Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg LMeasurement.tex, March, 00 Mérés Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg a mérendő mennyiségben egy másik, a mérendővel egynemű, önkényesen egységnek választott

Részletesebben

Alap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( )

Alap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( ) Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel: 463-6-80 Fa: 463-30-9 http://www.vizgep.bme.hu Alap-ötlet:

Részletesebben

Villamos jelek mintavételezése, feldolgozása. LabVIEW előadás

Villamos jelek mintavételezése, feldolgozása. LabVIEW előadás Villamos jelek mintavételezése, feldolgozása (ellenállás mérés LabVIEW támogatással) LabVIEW 7.1 2. előadás Dr. Iványi Miklósné, egyetemi tanár LabVIEW-7.1 EA-2/1 Ellenállás mérés és adatbeolvasás Rn ismert

Részletesebben

Adatok statisztikai értékelésének főbb lehetőségei

Adatok statisztikai értékelésének főbb lehetőségei Adatok statisztikai értékelésének főbb lehetőségei 1. a. Egy- vagy kétváltozós eset b. Többváltozós eset 2. a. Becslési problémák, hipotézis vizsgálat b. Mintázatelemzés 3. Szint: a. Egyedi b. Populáció

Részletesebben

LINEÁRIS REGRESSZIÓ (I. MODELL) ÉS KORRELÁCIÓ FELADATOK

LINEÁRIS REGRESSZIÓ (I. MODELL) ÉS KORRELÁCIÓ FELADATOK LINEÁRIS REGRESSZIÓ (I. MODELL) ÉS KORRELÁCIÓ FELADATOK 2004 november 29. 1.) Lisztbogarak súlyvesztése 9 lisztbogár-csapat súlyát megmérték, (mindegyik 25 bogárból állt, mert egyenként túl kis súlyúak

Részletesebben

1. előadás. Lineáris algebra numerikus módszerei. Hibaszámítás Számábrázolás Kerekítés, levágás Klasszikus hibaanalízis Abszolút hiba Relatív hiba

1. előadás. Lineáris algebra numerikus módszerei. Hibaszámítás Számábrázolás Kerekítés, levágás Klasszikus hibaanalízis Abszolút hiba Relatív hiba Hibaforrások Hiba A feladatok megoldása során különféle hibaforrásokkal találkozunk: Modellhiba, amikor a valóságnak egy közelítését használjuk a feladat matematikai alakjának felírásához. (Pl. egy fizikai

Részletesebben

STATISZTIKA. András hármas. Éva ötös. Nóri négyes. 5 4,5 4 3,5 3 2,5 2 1,5 ANNA BÉLA CILI 0,5 MAGY. MAT. TÖRT. KÉM.

STATISZTIKA. András hármas. Éva ötös. Nóri négyes. 5 4,5 4 3,5 3 2,5 2 1,5 ANNA BÉLA CILI 0,5 MAGY. MAT. TÖRT. KÉM. STATISZTIKA 5 4,5 4 3,5 3 2,5 2 1,5 1 0,5 0 MAGY. MAT. TÖRT. KÉM. ANNA BÉLA CILI András hármas. Béla Az átlag 3,5! kettes. Éva ötös. Nóri négyes. 1 mérés: dolgokhoz valamely szabály alapján szám rendelése

Részletesebben

Digitális jelfeldolgozás

Digitális jelfeldolgozás Digitális jelfeldolgozás Kvantálás Magyar Attila Pannon Egyetem Műszaki Informatikai Kar Villamosmérnöki és Információs Rendszerek Tanszék magyar.attila@virt.uni-pannon.hu 2010. szeptember 15. Áttekintés

Részletesebben

Gyakorló feladatok. Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László

Gyakorló feladatok. Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László Gyakorló feladatok Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László I/. A vizsgaidőszak második napján a hallgatók %-ának az E épületben, %-ának a D épületben,

Részletesebben

[Biomatematika 2] Orvosi biometria

[Biomatematika 2] Orvosi biometria [Biomatematika 2] Orvosi biometria 2016.02.08. Orvosi biometria (orvosi biostatisztika) Statisztika: tömegjelenségeket számadatokkal leíró tudomány. A statisztika elkészítésének menete: tanulmányok (kísérletek)

Részletesebben

Bevezető Mi a statisztika? Mérés Csoportosítás

Bevezető Mi a statisztika? Mérés Csoportosítás Gazdaságstatisztika 1. előadás Kóczy Á. László Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet Oktatók Előadó Kóczy Á. László (koczy.laszlo@kgk.bmf.hu) Fogadóóra: szerda 11:30 11:55, TA125 Gyakorlatvezető

Részletesebben

Méréstechnikai alapfogalmak

Méréstechnikai alapfogalmak Méréstechnikai alapfogalmak 1 Áttekintés Tulajdonság, mennyiség Mérés célja, feladata Metrológia fogalma Mérıeszközök Mérési hibák Mérımőszerek metrológiai jellemzıi Nemzetközi mértékegységrendszer Munka

Részletesebben

1. Gauss-eloszlás, természetes szórás

1. Gauss-eloszlás, természetes szórás 1. Gauss-eloszlás, természetes szórás A Gauss-eloszlásnak megfelelő függvény: amely egy σ szélességű, µ középpontú, 1-re normált (azaz a teljes görbe alatti terület 1) görbét ír le. A természetben a centrális

Részletesebben

A valószínűségszámítás elemei

A valószínűségszámítás elemei A valószínűségszámítás elemei Kísérletsorozatban az esemény relatív gyakorisága: k/n, ahol k az esemény bekövetkezésének abszolút gyakorisága, n a kísérletek száma. Pl. Jelenség: kockadobás Megfigyelés:

Részletesebben

STATISZTIKA I. Változékonyság (szóródás) A szóródás mutatószámai. Terjedelem. Forgalom terjedelem. Excel függvények. Függvénykategória: Statisztikai

STATISZTIKA I. Változékonyság (szóródás) A szóródás mutatószámai. Terjedelem. Forgalom terjedelem. Excel függvények. Függvénykategória: Statisztikai Változékonyság (szóródás) STATISZTIKA I. 5. Előadás Szóródási mutatók A középértékek a sokaság elemeinek értéknagyságbeli különbségeit eltakarhatják. A változékonyság az azonos tulajdonságú, de eltérő

Részletesebben

MÉRÉSI JEGYZŐKÖNYV. A mérés megnevezése: Potenciométerek, huzalellenállások és ellenállás-hőmérők felépítésének és működésének gyakorlati vizsgálata

MÉRÉSI JEGYZŐKÖNYV. A mérés megnevezése: Potenciométerek, huzalellenállások és ellenállás-hőmérők felépítésének és működésének gyakorlati vizsgálata MÉRÉSI JEGYZŐKÖNYV A mérés megnevezése: Potenciométerek, huzalellenállások és ellenállás-hőmérők felépítésének és működésének gyakorlati vizsgálata A mérés helye: Irinyi János Szakközépiskola és Kollégium

Részletesebben

I. BESZÁLLÍTÓI TELJESÍTMÉNYEK ÉRTÉKELÉSE

I. BESZÁLLÍTÓI TELJESÍTMÉNYEK ÉRTÉKELÉSE I. BESZÁLLÍTÓI TELJESÍTMÉNYEK ÉRTÉKELÉSE Komplex termékek gyártására jellemző, hogy egy-egy termékbe akár több ezer alkatrész is beépül. Ilyenkor az alkatrészek általában sok különböző beszállítótól érkeznek,

Részletesebben

Kalibrálás és mérési bizonytalanság. Drégelyi-Kiss Ágota I

Kalibrálás és mérési bizonytalanság. Drégelyi-Kiss Ágota I Kalibrálás és mérési bizonytalanság Drégelyi-Kiss Ágota I. 120. dregelyi.agota@bgk.uni-obuda.hu Kalibrálás Azoknak a mőveleteknek az összessége, amelyekkel meghatározott feltételek mellett megállapítható

Részletesebben

MUNKAANYAG. Juhász Róbert. Méréstechnika alapjai. A követelménymodul megnevezése: Elektronikai áramkörök tervezése, dokumentálása

MUNKAANYAG. Juhász Róbert. Méréstechnika alapjai. A követelménymodul megnevezése: Elektronikai áramkörök tervezése, dokumentálása Juhász Róbert Méréstechnika alapjai A követelménymodul megnevezése: Elektronikai áramkörök tervezése, dokumentálása A követelménymodul száma: 0917-06 A tartalomelem azonosító száma és célcsoportja: SzT-021-50

Részletesebben

Mérés és adatgyűjtés

Mérés és adatgyűjtés Mérés és adatgyűjtés 5. óra - levelező Mingesz Róbert Szegedi Tudományegyetem 2011. március 18. MA lev - 5. óra Verzió: 1.1 Utolsó frissítés: 2011. április 12. 1/20 Tartalom I 1 Demók 2 Digitális multiméterek

Részletesebben

Matematikai geodéziai számítások 10.

Matematikai geodéziai számítások 10. Matematikai geodéziai számítások 10. Hibaellipszis, talpponti görbe és közepes ponthiba Dr. Bácsatyai, László Matematikai geodéziai számítások 10.: Hibaellipszis, talpponti görbe és Dr. Bácsatyai, László

Részletesebben

A mérés problémája a pedagógiában. Dr. Nyéki Lajos 2015

A mérés problémája a pedagógiában. Dr. Nyéki Lajos 2015 A mérés problémája a pedagógiában Dr. Nyéki Lajos 2015 A mérés fogalma Mérésen olyan tevékenységet értünk, amelynek eredményeként a vizsgált jelenség számszerűen jellemezhetővé, más hasonló jelenségekkel

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 10 X. SZIMULÁCIÓ 1. VÉLETLEN számok A véletlen számok fontos szerepet játszanak a véletlen helyzetek generálásában (pénzérme, dobókocka,

Részletesebben

E1 laboratóriumi mérés Fizikai Tanszék

E1 laboratóriumi mérés Fizikai Tanszék E1 laboratóriumi mérés Fizikai Tanszék Konduktív ellenállás és fémszálas izzó feszültségáram karakterisztikája 1. A mérés célja, elve Az izzólámpa fajlagos ellenállása működés közben nagy mértékben függ

Részletesebben

Piri Dávid. Mérőállomás célkövető üzemmódjának pontossági vizsgálata

Piri Dávid. Mérőállomás célkövető üzemmódjának pontossági vizsgálata Piri Dávid Mérőállomás célkövető üzemmódjának pontossági vizsgálata Feladat ismertetése Mozgásvizsgálat robot mérőállomásokkal Automatikus irányzás Célkövetés Pozíció folyamatos rögzítése Célkövető üzemmód

Részletesebben

Módszertani Intézeti Tanszéki Osztály. A megoldás részletes mellékszámítások hiányában nem értékelhető!

Módszertani Intézeti Tanszéki Osztály. A megoldás részletes mellékszámítások hiányában nem értékelhető! BGF KKK Módszertani Intézeti Tanszéki Osztály Budapest, 2012.. Név:... Neptun kód:... Érdemjegy:..... STATISZTIKA II. VIZSGADOLGOZAT Feladatok 1. 2. 3. 4. 5. 6. Összesen Szerezhető pontszám 21 20 7 22

Részletesebben

2. Rugalmas állandók mérése jegyzőkönyv javított. Zsigmond Anna Fizika Bsc II. Mérés dátuma: Leadás dátuma:

2. Rugalmas állandók mérése jegyzőkönyv javított. Zsigmond Anna Fizika Bsc II. Mérés dátuma: Leadás dátuma: 2. Rugalmas állandók mérése jegyzőkönyv javított Zsigmond Anna Fizika Bsc II. Mérés dátuma: 2008. 09. 17. Leadás dátuma: 2008. 10. 08. 1 1. Mérések ismertetése Az első részben egy téglalap keresztmetszetű

Részletesebben

Andó Mátyás Felületi érdesség matyi.misi.eu. Felületi érdesség. 1. ábra. Felületi érdességi jelek

Andó Mátyás Felületi érdesség matyi.misi.eu. Felületi érdesség. 1. ábra. Felületi érdességi jelek 1. Felületi érdesség használata Felületi érdesség A műszaki rajzokon a geometria méretek tűrése mellett a felületeket is jellemzik. A felületek jellemzésére leginkább a felületi érdességet használják.

Részletesebben

Statisztika I. 11. előadás. Előadó: Dr. Ertsey Imre

Statisztika I. 11. előadás. Előadó: Dr. Ertsey Imre Statisztika I. 11. előadás Előadó: Dr. Ertsey Imre Összefüggés vizsgálatok A társadalmi gazdasági élet jelenségei kölcsönhatásban állnak, összefüggnek egymással. Statisztika alapvető feladata: - tényszerűségek

Részletesebben

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉP SZINT Függvények

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉP SZINT Függvények MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉP SZINT Függvények A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek

Részletesebben

ELLENÁLLÁSMÉRÉS. A mérés célja. Biztonságtechnikai útmutató. Mérési módszerek ANALÓG UNIVERZÁLIS MŰSZER (MULTIMÉTER) ELLENÁLLÁSMÉRŐ MÓDBAN.

ELLENÁLLÁSMÉRÉS. A mérés célja. Biztonságtechnikai útmutató. Mérési módszerek ANALÓG UNIVERZÁLIS MŰSZER (MULTIMÉTER) ELLENÁLLÁSMÉRŐ MÓDBAN. ELLENÁLLÁSMÉRÉS A mérés célja Az egyenáramú hidakkal, az ellenállásmérő műszerekkel, az ellenállásmérő módban is használható univerzális műszerekkel végzett ellenállásmérés módszereinek, alkalmazási sajátosságainak

Részletesebben

JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ

JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ Fizika középszint ÉRETTSÉGI VIZSGA 2005. november 5. FIZIKA KÖZÉPSZINTŰ ÍRÁSBELI ÉRETTSÉGI VIZSGA JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ OKTATÁSI MINISZTÉRIUM A dolgozatokat az útmutató utasításai szerint, jól követhetően

Részletesebben

Kabos: Statisztika II. t-próba 9.1. Ha ismert a doboz szórása de nem ismerjük a

Kabos: Statisztika II. t-próba 9.1. Ha ismert a doboz szórása de nem ismerjük a Kabos: Statisztika II. t-próba 9.1 Egymintás z-próba Ha ismert a doboz szórása de nem ismerjük a doboz várhatóértékét, akkor a H 0 : a doboz várhatóértéke = egy rögzített érték hipotézisről úgy döntünk,

Részletesebben

Fázisátalakulások vizsgálata

Fázisátalakulások vizsgálata Klasszikus Fizika Laboratórium VI.mérés Fázisátalakulások vizsgálata Mérést végezte: Vanó Lilla VALTAAT.ELTE Mérés időpontja: 2012.10.18.. 1. Mérés leírása A mérés során egy adott minta viselkedését vizsgáljuk

Részletesebben

Zárt mágneskörű induktív átalakítók

Zárt mágneskörű induktív átalakítók árt mágneskörű induktív átalakítók zárt mágneskörű átalakítók felépítésükből következően kis elmozdulások mérésére használhatók megfelelő érzékenységgel. zárt mágneskörű induktív átalakítók mágnesköre

Részletesebben

JELENTKEZÉSI ŰRLAP orvostechnikai eszközök felülvizsgálatára 4/2009. (III. 17.) EüM rendelet 27. -a és 13. Melléklete szerint

JELENTKEZÉSI ŰRLAP orvostechnikai eszközök felülvizsgálatára 4/2009. (III. 17.) EüM rendelet 27. -a és 13. Melléklete szerint Címzett: Egészségügyi Engedélyezési és Közigazgatási Hivatal ORVOSTECHNIKAI FŐOSZTÁLY H-1051 Budapest, Zrínyi u. 3. Budapest, 1380 Pf. 1188. JELENTKEZÉSI ŰRLAP orvostechnikai eszközök felülvizsgálatára

Részletesebben

Indikátorok alkalmazása a labordiagnosztikai eljárások minőségbiztosításában

Indikátorok alkalmazása a labordiagnosztikai eljárások minőségbiztosításában Indikátorok alkalmazása a labordiagnosztikai eljárások minőségbiztosításában Minőségi indikátorok az analitikai szakaszban Dr. Kocsis Ibolya Semmelweis Egyetem Laboratóriumi Medicina Intézet Központi Laboratórium

Részletesebben

[Biomatematika 2] Orvosi biometria

[Biomatematika 2] Orvosi biometria [Biomatematika 2] Orvosi biometria 2016.02.15. Esemény Egy kísérlet vagy megfigyelés (vagy mérés) lehetséges eredményeinek összessége (halmaza) alkotja az eseményteret. Esemény: az eseménytér részhalmazai.

Részletesebben

A maximum likelihood becslésről

A maximum likelihood becslésről A maximum likelihood becslésről Definíció Parametrikus becsléssel foglalkozunk. Adott egy modell, mellyel elképzeléseink szerint jól leírható a meghatározni kívánt rendszer. (A modell típusának és rendszámának

Részletesebben

Gyártástechnológia alapjai Méréstechnika rész 2011.

Gyártástechnológia alapjai Méréstechnika rész 2011. Gyártástechnológia alapjai Méréstechnika rész 2011. 1 Kalibrálás 2 Kalibrálás A visszavezethetőség alapvető eszköze. Azoknak a műveleteknek az összessége, amelyekkel meghatározott feltételek mellett megállapítható

Részletesebben

[GVMGS11MNC] Gazdaságstatisztika

[GVMGS11MNC] Gazdaságstatisztika [GVMGS11MNC] Gazdaságstatisztika 1. előadás Kóczy Á. László koczy.laszlo@kgk.uni-obuda.hu Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet Óbudai Egyetem Oktatók Előadó Kóczy Á. László (koczy.laszlo@kgk.uni-obuda.hu)

Részletesebben

NYOMÁS ÉS NYOMÁSKÜLÖNBSÉG MÉRÉS. Mérési feladatok

NYOMÁS ÉS NYOMÁSKÜLÖNBSÉG MÉRÉS. Mérési feladatok Hidrodinamikai Rendszerek Tanszék Készítette:... kurzus Elfogadva: Dátum:...év...hó...nap NYOMÁS ÉS NYOMÁSKÜLÖNBSÉG MÉRÉS Mérési feladatok 1. Csővezetékben áramló levegő nyomásveszteségének mérése U-csöves

Részletesebben

2. rész PC alapú mérőrendszer esetén hogyan történhet az adatok kezelése? Írjon pár 2-2 jellemző is az egyes esetekhez.

2. rész PC alapú mérőrendszer esetén hogyan történhet az adatok kezelése? Írjon pár 2-2 jellemző is az egyes esetekhez. Méréselmélet és mérőrendszerek (levelező) Kérdések - 2. előadás 1. rész Írja fel a hiba fogalmát és hogyan számítjuk ki? Hogyan számítjuk ki a relatív hibát? Mit tud a rendszeres hibákról és mi az okozója

Részletesebben

1. Adatok kiértékelése. 2. A feltételek megvizsgálása. 3. A hipotézis megfogalmazása

1. Adatok kiértékelése. 2. A feltételek megvizsgálása. 3. A hipotézis megfogalmazása HIPOTÉZIS VIZSGÁLAT A hipotézis feltételezés egy vagy több populációról. (pl. egy gyógyszer az esetek 90%-ában hatásos; egy kezelés jelentősen megnöveli a rákos betegek túlélését). A hipotézis vizsgálat

Részletesebben

JELENTKEZÉSI ŰRLAP orvostechnikai eszközök felülvizsgálatára 4/2009. (III. 17.) EüM rendelet 17. -a és 13. Melléklete szerint

JELENTKEZÉSI ŰRLAP orvostechnikai eszközök felülvizsgálatára 4/2009. (III. 17.) EüM rendelet 17. -a és 13. Melléklete szerint Címzett: Egészségügyi Nyilvántartási és Képzési Központ ORVOSTECHNIKAI FŐOSZTÁLY H-1054 Budapest, Zrínyi u. 3. 1380 Budapest, Pf. 1188. JELENTKEZÉSI ŰRLAP orvostechnikai eszközök felülvizsgálatára 4/2009.

Részletesebben

Mérési jegyzőkönyv a 5. mérés A/D és D/A átalakító vizsgálata című laboratóriumi gyakorlatról

Mérési jegyzőkönyv a 5. mérés A/D és D/A átalakító vizsgálata című laboratóriumi gyakorlatról Mérési jegyzőkönyv a 5. mérés A/D és D/A átalakító vizsgálata című laboratóriumi gyakorlatról A mérés helyszíne: A mérés időpontja: A mérést végezték: A mérést vezető oktató neve: A jegyzőkönyvet tartalmazó

Részletesebben

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1.

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1. Statisztika I. 4. előadás Mintavétel http://uni-obuda.hu/users/koczyl/statisztika1.htm Kóczy Á. László KGK-VMI koczy.laszlo@kgk.uni-obuda.hu Sokaság és minta Alap- és mintasokaság A mintasokaság az a részsokaság,

Részletesebben

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Függvények

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Függvények MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Függvények A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek

Részletesebben