Mérési hibák Méréstechnika VM, GM, MM 1

Save this PDF as:

Méret: px
Mutatás kezdődik a ... oldaltól:

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

Átírás

1 Mérési hibák

2 Mérés jel- és rendszerelméleti modellje Mérési hibák/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/3

4 Mérési hibák minden mérés hibával terhelt! okai megfigyelés, mérés körülményei mérőeszköz tulajdonságai külső zavarok Mérési hibák/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/5

6 Hibaforrások adatfeldolgozás problémái programhibák adatbeviteli, -tárolási hibák hardware hibák konverziós hibák Mérési hibák/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/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/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/9

10 Hibafüggvények Hibafüggvények abszolút hiba H i H i = x m i x 0 azaz a mért érték és a pontos érték különbsége relatív hiba h i h i = (H i / x 0 ) 100 azaz az abszolút hiba és a pontos érték százalékos aránya Mérési hibák/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/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 Mérési hibák/12

13 Hibafüggvények gond: a helyes értéket általában nem ismerjük ezért helyette a mért értékhez viszonyítjuk a műszerkönyvben megadott abszolút hibát például, ha az előző esetben 352 o C volt a mérés eredménye, akkor a relatív hiba: o 2 C h i = 0. 1% % = % o 352 C ugyanakkor, ha a helyes érték 350 o C volt, akkor az abszolút hiba H i = 2 o C Mérési hibák/13

14 Hibatípusok Hibatípusok osztályzása dinamikus hiba statikus hiba véletlenszerű hiba véletlen hiba kiugró hiba nagyságrendi eltérés rendszeres (módszeres) hiba Mérési hibák/14

15 Dinamikus hiba Dinamikus hiba a mérés a műszer tranziens állapotában történik x j x j x m x m τ t v =4.5τ τ Mérési hibák/15

16 Statikus hiba Statikus hiba mérés a műszer beállása után történik típusai: véletlenszerű hibák rendszeres hibák Mérési hibák/16

17 Véletlenszerű hibák véletlenszerű hibák jellemzői konkrét értéke előre nem megadható, azaz nem lehet korrigálni megadása konfidencia intervallummal csökkentése párhuzamos méréssel típusai: véletlen hibák, kiugró hibák, rendkívüli hibák Mérési hibák/17

18 Véletlen hibák irányított mérés mellett is előfordul hiba forrása alapvetően a zaj statisztikai jellemzés normális eloszlás nulla várható érték adott szórás jellemzés a szórása alapján Mérési hibák/18

19 Véletlen hibák elméleti szórás ahol σ = ( m µ ) µ a keresett paraméter ideális értéke 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 2 Mérési hibák/19

20 Mérési hibák/20 Véletlen hibák tapasztalati szórás ahol m i a mérések átlaga n a mérések száma, de n véges érték a becslés egyszerűsített képlete: ( ) = = = = 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

21 Véletlen hibák relatív szórás (százalékos relatív szórás) s rel = m s 100 ahol m a középérték középérték szórása s m = s n ahol n a mérések száma középérték relatív szórása s mrel = m s n 100 Mérési hibák/21

22 Véletlen hibák a szórás értéke az adott mérési eljárásra, műszerre jellemző a pontosság a mérések számával általában nő véletlen hibák esetében a tapasztalati szórást előírt, általában 2%-os értéken belül tartjuk az optimális mérési szám meghatározható Mérési hibák/22

23 Kiugró hibák az irányított mérés feltételei nem teljesülnek a hiba várható értéke nem feltétlenül nulla meghatározás hihetőség vizsgálattal értéke ± 3 6 σ Mérési hibák/23

24 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/24

25 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/25

26 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/26

27 Rendszeres hibák mindig egy irányba hat torzítja a mérési eredményt okai mérőeszköz minta (mintavétel, minta előkészítése) mérés kiértékelés (számítási eljárás, kiértékelő görbe) külső körülmények hatásai Mérési hibák/27

28 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/28

29 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/29

30 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/30

31 Rendszeres hibák ha meredekség eltér a 45 o -tól vagy a tengelymetszet nem az origóban van rendszeres hiba legyen az m i mért érték és a µ i0 valódi érték közötti összefüggés: ahol m i = α + β µ i0 + ε α a rendszeres hiba állandó része β - 1 a rendszeres hiba arányos része ε véletlen hiba Mérési hibák/31

32 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/32

33 Rendszeres hibák kimutatása rejtett mérőeszköz hibák felderítése 1. helyettesítő módszer a pontatlanságot okozó paraméter hatását kompenzáljuk az etalon mellett még egy mérési segédeszköz és további feltételezések kellenek 2. felcserélési (Gauss-) módszer ugyanaz a mérés, de a bizonytalanságot okozó paraméter hatását megfordítjuk több ismeretlen esetén több mérés kell! Mérési hibák/33

34 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/34

35 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 (H max ) a konvencionális értékhez (x k ) vonatkoztatott aránya nem haladhatja meg a pontossági osztályra előírt értéket Mérési hibák/35

36 Pontossági osztályok jelölése: számmal vagy betűvel - osztályjel szabványos osztályok: 0,1; 0,2; 0,5; 1,0; 1,5; 2,5; 4,0; 5,0 laboratóriumi műszer: 0,1; 0,2 laboratóriumi üzemi műszer 0,5 üzemi műszer 1,0; 1,5; 2,5; 5,0 Mérési hibák/36

37 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/37

38 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/38

39 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/39

40 Pontossági osztályok legkisebb értelmesen mérhető mennyiség: a műszer abszolút hibakorlátjával mérhető érték ez alatt a relatív hibakorlát 100%-nál is nagyobb lehet Mérési hibák/40

41 Pontossági osztályok Mérési tartomány tervezése Mérési hibák/41

42 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/42

43 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/43

44 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/44

45 Műszerek jellemzése Kalibrálás Kalibrálás Azon műveletek összessége, amelyekkel meghatározott feltételek mellett megállapítható az összefüggés egy mérőeszköz (-rendszer) értékmutatása, illetve egy mértéknek vagy anyagmintának tulajdonított érték és a mérendő mennyiség etalonnal reprodukált megfelelő értéke között. elsődlegesen: megfelelő értékmutatás és korrekció meghatározás másodlagosan: metrológiai jellemzők (pl. környezeti hatás) Mérési hibák/45

46 Műszerek jellemzése Kalibrálás hitelesítés a jog eszközei által szabályozott (hatósági) tevékenység a mérőeszközöket csak az OMH hitelesítheti hitelesíteni a jogszabály által meghatározott mérőeszközöket kell a hitelesítésnek jellemzően előfeltétele a mérőeszköztípusra vonatkozó hitelesítési engedély megléte kalibrálás nem hatósági tevékenység mérőeszközöket bárki kalibrálhat kalibrálni bármely eszközt lehet, ha a visszavezetettségét igazolni szükséges a kalibrálásnak nincs engedélyezési előfeltétele Mérési hibák/46

47 Műszerek jellemzése Kalibrálás a (sikeres) hitelesítést tanúsító jel (hitelesítési bélyeg, plomba stb.) és/vagy hitelesítési bizonyítvány tanúsítja a hitelesítési bizonyítvány hatósági dokumentum és meghatározott időtartamig érvényes a hitelesítést jogszabályban előírt időközönként meg kell ismételni a kalibrálás eredményeként kalibrálási bizonyítvány készül a kalibrálási bizonyítvány nem hatósági dokumentum és nincs érvénytartama a kalibrálás megújításáról a tulajdonos saját hatáskörében és saját felelősségére dönt Mérési hibák/47

48 Etalonok Mérték, mérőeszköz, anyagminta vagy mérőrendszer, melynek az a rendeltetése, hogy egy mennyiség egységét, illetve egy vagy több ismert értékét definiálja, megvalósítsa, fenntartsa vagy reprodukálja és referenciaként szolgáljon. példák: l kg-os tömegetalon; 100 Ω-os normálellenállás; etalon ampermérő; cézium frekvencia etalon; standard hidrogén elektród; bizonylatolt koncentrációjú, emberi szérumban oldott kortizont tartalmazó anyagminta. Mérési hibák/48

49 Etalonok nemzetközi etalon - nemzetközi megállapodással elfogadott etalon országos etalon - nemzeti határozattal elismert etalon elsődleges etalon - a legjobb metrológiai minőségűnek kijelölt vagy széles körben elismert etalon, amelynek az értéke elfogadható az ugyanannak a mennyiségnek más etalonjaira való hivatkozás nélkül. Az elsődleges etalon fogalma mind az alap-, mind a származtatott mennyiségekre alkalmazható. Mérési hibák/49

50 Etalonok másodlagos etalon - az értékét elsődleges etalonnal való összehasonlítás révén határozzák meg. referenciaetalon - adott helyen rendelkezésre álló etalonok közül a legjobb metrológiai minőségű, amelyre ott a méréseket visszavezetik Mérési hibák/50

51 Mérési hibák - eredet szerint csoportosítás eredet szerint: műszerhibák mérőeszköz (értékmutatásának) hibája legnagyobb megengedett hiba ellenőrzőponti hiba hiba előírt értékmutatásnál nullahiba alaphiba - referenciafeltételek mellett meghatározott hiba torzítás - mérőeszköz rendszeres hibája torzításmentesség (mérőeszközé) ismétlőképesség (mérőeszközé) Mérési hibák/51

52 Mérési hibák - eredet szerint etalonhibák etalon fenntartása rendszeres ellenőrzés megfelelő tárolás gondos használat környezeti hatások hőmérséklet páratartalom légsebesség rezgés sugárzás Mérési hibák/52

53 Mérési hibák - eredet szerint beépítés hibái példa Mérési hibák/53

Mérési hibák 2006.10.04. 1

Mérési hibák 2006.10.04. 1 Mérési hibák 2006.10.04. 1 Mérés jel- és rendszerelméleti modellje Mérési hibák_labor/2 Mérési hibák mérési hiba: a meghatározandó értékre a mérés során kapott eredmény és ideális értéke közötti különbség

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

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

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

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

BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.

BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011. BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011. 1 Mérési hibák súlya és szerepe a mérési eredményben A mérési hibák csoportosítása A hiba rendűsége Mérési bizonytalanság Standard és kiterjesztett

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

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

etalon etalon (folytatás) Az etalonok és a kalibrálás általános és alapvető metrológiai fogalmai és definíciói

etalon etalon (folytatás) Az etalonok és a kalibrálás általános és alapvető metrológiai fogalmai és definíciói Etalonok, kalibrálás, rekalibrálás, visszavezethetőség, referencia eljárások Az etalonok és a kalibrálás általános és alapvető metrológiai fogalmai és definíciói etalon Mérték, mérőeszköz, anyagminta vagy

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

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

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

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

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

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

Előadások (1.) ÓE BGK Galla Jánosné, 2011.

Előadások (1.) ÓE BGK Galla Jánosné, 2011. Előadások (1.) 2011. 1 Metrológiai alapfogalmak Mérési módszerek Mérési folyamat Mértékegységek Etalonok 2 Metrológiai alapfogalmak 3 A mérendő (mérhető) mennyiség előírt hibahatárokon belüli meghatározása

Részletesebben

2011. ÓE BGK Galla Jánosné,

2011. ÓE BGK Galla Jánosné, 2011. 1 A mérési folyamatok irányítása Mérésirányítási rendszer (a mérés szabályozási rendszere) A mérési folyamat megvalósítása, metrológiai megerősítés (konfirmálás) Igazolás (verifikálás) 2 A mérési

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 8 VIII. REGREssZIÓ 1. A REGREssZIÓs EGYENEs Két valószínűségi változó kapcsolatának leírására az eddigiek alapján vagy egy numerikus

Részletesebben

ÉRZÉKELŐK ÉS BEAVATKOZÓK I. 3. MÉRÉSFELDOLGOZÁS

ÉRZÉKELŐK ÉS BEAVATKOZÓK I. 3. MÉRÉSFELDOLGOZÁS ÉRZÉKELŐK ÉS BEAVATKOZÓK I. 3. MÉRÉSFELDOLGOZÁS Dr. Soumelidis Alexandros 2018.10.04. BME KÖZLEKEDÉSMÉRNÖKI ÉS JÁRMŰMÉRNÖKI KAR 32708-2/2017/INTFIN SZÁMÚ EMMI ÁLTAL TÁMOGATOTT TANANYAG Mérés-feldolgozás

Részletesebben

Nagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem

Nagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem agy számok törvényei Statisztikai mintavétel Várható érték becslése Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem A mérés mint statisztikai mintavétel A méréssel az eloszlásfüggvénnyel

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

BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.

BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011. BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011. 1 Mérési adatok feldolgozása A mérési eredmény megadása A mérés dokumentálása A vállalati mérőeszközök nyilvántartása 2 A mérés célja: egy

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

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás ELŐADÁS ÁTTEKINTÉSE STATISZTIKA 9. Előadás Binomiális eloszlás Egyenletes eloszlás Háromszög eloszlás Normális eloszlás Standard normális eloszlás Normális eloszlás mint modell 2/62 Matematikai statisztika

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

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

Mintavétel fogalmai STATISZTIKA, BIOMETRIA. Mintavételi hiba. Statisztikai adatgyűjtés. Nem véletlenen alapuló kiválasztás

Mintavétel fogalmai STATISZTIKA, BIOMETRIA. Mintavételi hiba. Statisztikai adatgyűjtés. Nem véletlenen alapuló kiválasztás STATISZTIKA, BIOMETRIA. Előadás Mintavétel, mintavételi technikák, adatbázis Mintavétel fogalmai A mintavételt meg kell tervezni A sokaság elemei: X, X X N, lehet véges és végtelen Mintaelemek: x, x x

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

Kísérlettervezés alapfogalmak

Kísérlettervezés alapfogalmak Kísérlettervezés alapfogalmak Rendszermodellezés Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Kísérlettervezés Cél: a modell paraméterezése a valóság alapján

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

y ij = µ + α i + e ij

y ij = µ + α i + e ij Elmélet STATISZTIKA 3. Előadás Variancia-analízis Lineáris modellek A magyarázat a függő változó teljes heterogenitásának két részre bontását jelenti. A teljes heterogenitás egyik része az, amelynek okai

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

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

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

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

Hipotézis STATISZTIKA. Kétmintás hipotézisek. Munkahipotézis (H a ) Tematika. Tudományos hipotézis. 1. Előadás. Hipotézisvizsgálatok

Hipotézis STATISZTIKA. Kétmintás hipotézisek. Munkahipotézis (H a ) Tematika. Tudományos hipotézis. 1. Előadás. Hipotézisvizsgálatok STATISZTIKA 1. Előadás Hipotézisvizsgálatok Tematika 1. Hipotézis vizsgálatok 2. t-próbák 3. Variancia-analízis 4. A variancia-analízis validálása, erőfüggvény 5. Korreláció számítás 6. Kétváltozós lineáris

Részletesebben

[Biomatematika 2] Orvosi biometria

[Biomatematika 2] Orvosi biometria [Biomatematika 2] Orvosi biometria Bódis Emőke 2016. 04. 25. J J 9 Korrelációanalízis Regresszióanalízis: hogyan változik egy vizsgált változó értéke egy másik változó változásának függvényében. Korrelációs

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

Kísérlettervezés alapfogalmak

Kísérlettervezés alapfogalmak Kísérlettervezés alapfogalmak Rendszermodellezés Budapest University of Technology and Economics Fault Tolerant Systems Research Group Budapest University of Technology and Economics Department of Measurement

Részletesebben

Tartalomjegyzék I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE

Tartalomjegyzék I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE Tartalomjegyzék 5 Tartalomjegyzék Előszó I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE 1. fejezet: Kontrollált kísérletek 21 1. A Salk-oltás kipróbálása 21 2. A porta-cava sönt 25 3. Történeti kontrollok 27 4. Összefoglalás

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

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

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

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

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

Matematikai geodéziai számítások 6.

Matematikai geodéziai számítások 6. Nyugat-magyarországi Egyetem Geoinformatikai Kara Dr. Bácsatyai László Matematikai geodéziai számítások 6. MGS6 modul Lineáris regresszió számítás elektronikus távmérőkre SZÉKESFEHÉRVÁR 2010 Jelen szellemi

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

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

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

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

ANYAGTECHNOLÓGIA. Kalibrálási idő meghatározása kontrollkártyás módszerrel I. Szemán József jszeman@freemail.hu. A mérésről

ANYAGTECHNOLÓGIA. Kalibrálási idő meghatározása kontrollkártyás módszerrel I. Szemán József jszeman@freemail.hu. A mérésről ANYAGTECHNOLÓGIA Kalibrálási idő meghatározása kontrollkártyás módszerrel I. Szemán József jszeman@freemail.hu Determination of calibration intervals using control chart method I. The MSZ EN ISO 9001:

Részletesebben

STATISZTIKAI PROBLÉMÁK A

STATISZTIKAI PROBLÉMÁK A STATISZTIKAI PROBLÉMÁK A HULLÁMTÉR REPRODUKCIÓ TERÜLETÉN 2012. május 3., Budapest Firtha Gergely PhD hallgató, Akusztikai Laboratórium BME Híradástechnikai Tanszék firtha@hit.bme.hu Tartalom A hangtér

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

Áramköri elemek mérése ipari módszerekkel

Áramköri elemek mérése ipari módszerekkel 3. aboratóriumi gyakorlat Áramköri elemek mérése ipari módszerekkel. dolgozat célja oltmérők, ampermérők használata áramköri elemek mérésénél, mérési hibák megállapítása és azok függősége a használt mérőműszerek

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

Többváltozós lineáris regressziós modell feltételeinek tesztelése I.

Többváltozós lineáris regressziós modell feltételeinek tesztelése I. Többváltozós lineáris regressziós modell feltételeinek tesztelése I. - A hibatagra vonatkozó feltételek tesztelése - Kvantitatív statisztikai módszerek Petrovics Petra Többváltozós lineáris regressziós

Részletesebben

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus. Valószín ségelméleti és matematikai statisztikai alapfogalmak összefoglalása (Kemény Sándor - Deák András: Mérések tervezése és eredményeik értékelése, kivonat) Véletlen jelenség: okok rendszere hozza

Részletesebben

Hipotézis, sejtés STATISZTIKA. Kétmintás hipotézisek. Tudományos hipotézis. Munkahipotézis (H a ) Nullhipotézis (H 0 ) 11. Előadás

Hipotézis, sejtés STATISZTIKA. Kétmintás hipotézisek. Tudományos hipotézis. Munkahipotézis (H a ) Nullhipotézis (H 0 ) 11. Előadás STATISZTIKA Hipotézis, sejtés 11. Előadás Hipotézisvizsgálatok, nem paraméteres próbák Tudományos hipotézis Nullhipotézis felállítása (H 0 ): Kétmintás hipotézisek Munkahipotézis (H a ) Nullhipotézis (H

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

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

Gépipari minőségellenőr Gépipari minőségellenőr

Gépipari minőségellenőr Gépipari minőségellenőr A 10/2007 (II. 27.) SzMM rendelettel módosított 1/2006 (II. 17.) OM rendelet Országos Képzési Jegyzékről és az Országos Képzési Jegyzékbe történő felvétel és törlés eljárási rendjéről alapján. Szakképesítés,

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

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

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

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

Nehézségi gyorsulás mérése megfordítható ingával

Nehézségi gyorsulás mérése megfordítható ingával Nehézségi gyorsulás mérése megfordítható ingával (Mérési jegyzőkönyv) Hagymási Imre 2007. április 21. (hétfő délelőtti csoport) 1. A mérés elmélete A nehézségi gyorsulás mérésének egy klasszikus módja

Részletesebben

Calibrare necesse est

Calibrare necesse est Calibrare necesse est VIRÁG Gábor KGO 40 konferencia Földmérési és Távérzékelési Intézet Kozmikus Geodéziai Obszervatórium Kalibrálás: azoknak a műveleteknek az összessége, amelyekkel - meghatározott feltételek

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

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

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

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

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

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

BIOMATEMATIKA ELŐADÁS

BIOMATEMATIKA ELŐADÁS BIOMATEMATIKA ELŐADÁS 3. Hibaszámítás, lineáris regresszió Debreceni Egyetem, 2015 Dr. Bérczes Attila, Bertók Csanád A diasor tartalma 1 Hibaszámítás Hibák fajtái, definíciók Abszolút, relatív, öröklött

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

4/24/12. Regresszióanalízis. Legkisebb négyzetek elve. Regresszióanalízis

4/24/12. Regresszióanalízis. Legkisebb négyzetek elve. Regresszióanalízis 1. feladat Regresszióanalízis. Legkisebb négyzetek elve 2. feladat Az iskola egy évfolyamába tartozó diákok átlagéletkora 15,8 év, standard deviációja 0,6 év. A 625 fős évfolyamból hány diák fiatalabb

Részletesebben

Mérés szerepe a mérnöki tudományokban Mértékegységrendszerek. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem

Mérés szerepe a mérnöki tudományokban Mértékegységrendszerek. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem Mérés szerepe a mérnöki tudományokban Mértékegységrendszerek Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem Alapinformációk a tantárgyról a tárgy oktatója: Dr. Berta Miklós Fizika és

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

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

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

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

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

Statisztika I. 12. előadás. Előadó: Dr. Ertsey Imre

Statisztika I. 12. előadás. Előadó: Dr. Ertsey Imre Statisztika I. 1. előadás Előadó: Dr. Ertsey Imre Regresszió analízis A korrelációs együttható megmutatja a kapcsolat irányát és szorosságát. A kapcsolat vizsgálata során a gyakorlatban ennél messzebb

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

Orvosi aktivitásmérők kalibrációinak tapasztalatai

Orvosi aktivitásmérők kalibrációinak tapasztalatai Orvosi aktivitásmérők kalibrációinak tapasztalatai Szűcs László 1, Nagyné Szilágyi Zsófia 1, Laczkó Balázs 2 1 Magyar Kereskedelmi Engedélyezési Hivatal 1124 Budapest, Németvölgyi út 37-39. 2 A Magyar

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

Statisztika I. 9. előadás. Előadó: Dr. Ertsey Imre

Statisztika I. 9. előadás. Előadó: Dr. Ertsey Imre Statisztika I. 9. előadás Előadó: Dr. Ertsey Imre Statisztikai hipotézis vizsgálatok elsősorban a biometriában alkalmazzák, újabban reprezentatív jellegű ökonómiai vizsgálatoknál, üzemi szinten élelmiszeripari

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

Biomatematika 2 Orvosi biometria

Biomatematika 2 Orvosi biometria Biomatematika 2 Orvosi biometria 2017.02.05. Orvosi biometria (orvosi biostatisztika) Statisztika: tömegjelenségeket számadatokkal leíró tudomány. A statisztika elkészítésének menete: tanulmányok (kísérletek)

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

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

Zaj és rezgésvédelem NGB_KM015_ tanév tavasz Zajmérés. Bedő Anett egyetemi tanársegéd SZE, MTK, BGÉKI, Környezetmérnöki tanszék

Zaj és rezgésvédelem NGB_KM015_ tanév tavasz Zajmérés. Bedő Anett egyetemi tanársegéd SZE, MTK, BGÉKI, Környezetmérnöki tanszék Zaj és rezgésvédelem NGB_KM015_1 2017 2018. tanév tavasz Zajmérés Bedő Anett egyetemi tanársegéd SZE, MTK, BGÉKI, Környezetmérnöki tanszék Előadás, gyakorlat Zajmérés-elmélet Zajmérés-gyakorlat 25/2004.

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

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

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