Új szakkifejezések a metrológiában

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Új szakkifejezések a metrológiában"

Átírás

1 Összeállította: Bánkuti László Új szakkifejezések a metrológiában A metrológiai munkák zavartalan és összehangolt végzését mind az országon belül, mind a nemzetközi együttműködésben három alapvető dokumentum biztosítja. Ezek a dokumentumok: a Nemzetközi Mértékegység-rendszert, az SI-t ismertető kiadvány [1], a Metrológia alapvető és általános fogalmainak nemzetközi értelmező szótára [2] és a Mérési bizonytalanság kifejezéséről szóló ISO Útmutató [3]. A két utóbbi dokumentum angol elnevezése alapján elfogadott rövid nevét, a szótár esetében a "VIM"-et, az útmutató esetében a "GUM"-ot, a hazai szakmai körökben is jól ismerik. E három dokumentum mindegyike szorosan kapcsolódik a másik kettőhöz. Fontosságukat és a metrológiában betöltött alapvető szerepüket egyrészt tartalmuknak köszönhetik, másrészt annak, hogy a metrológia gyors fejlődése ellenére hosszú ideig változatlanok maradtak Jelenleg a Metrológiai Útmutatók Vegyes Bizottsága (Joint Committee for Guides in Metrology, JCGM) keretében két nemzetközi szakértői munkacsoport dolgozik a VIM illetve a GUM korszerűsítésén. Bár ez a tény látszólag ellentmond a két dokumentum változatlanságára vonatkozó fenti megállapításnak, ez csak a látszat. A VIM 3. kiadása előkészítésének munkálatai már több éve folyamatban vannak, és a GUM tervezett kiegészítéseinek végleges megszövegezése is csak a nem túl távoli jövőben várható. A Nemzetközi Mértékegység-rendszer - az SI - alapváltozata már 45 évvel ezelőtt megszületett, használata hazánkban is gyorsan elterjedt és egységei törvényessé váltak. A "mértékegység" szakkifejezést már csak a Nemzetközi Mértékegység-rendszer hivatalos elnevezésében őrizzük meg, és helyette, ha nem okoz félreértést, a rövidebb "egység" szót használjuk. A korábbi elnevezés magyarázata az volt, hogy az egyes, mértéknek nevezett mérőeszközök (például az űrmérték, a hosszmérték) skálajeleihez rendelték hozzá az adott mennyiségértékeket, azaz a mértékegységeket. Az egységek világméretű összhangjának megteremtése igen nagy jelentőségű volt nem csupán a műszaki tudományok és a műszaki fejlődés, hanem a nemzetközi kereskedelem szempontjából is. A metrológiai nemzetközi együttműködésben a Nemzetközi Mértékegység-rendszer úgy működik, mint egy közös nyelv, amellyel a mérhető mennyiségek tulajdonságai és a mérési eredmények mindenki számára egyértelműen kifejezhetők. Az SI "nyelvét" ma már csaknem az egész világon beszélik. Még ahol megőrződtek is bizonyos

2 nemzeti egységek, ott is biztonságos előírások, szabványok vannak az egységek konvertálásnak nevezett átszámítására. Kicsit más a helyzet a metrológiai terminológiát - magyarul: a szakszókincset - illetően. Kényes egyensúlyt kell teremteni és fenntartani a mindennapi nyelvhasználatban születő vagy régóta elterjedten használt szakkifejezések és egyes szakértők nyelvújítási törekvései között. A nemzetközi szótár szavait és azok értelmezését mindenekelőtt meg kell ismertetni, és el kell fogadtatni a szakmai közvéleménnyel. Míg néhány egység használatát jogszabállyal lehet (sőt kell!) törvényessé, tehát kötelezővé tenni, addig a szakkifejezések, egy élő nyelv szavai lévén, sokszor szabadon burjánzanak. A mérési bizonytalanság kifejezésének nemzetközi egyeztetése több mint negyedszázada kezdődött a Nemzetközi Súly- és Mértékügyi Bizottság INC -1 (1980) Ajánlásával. A GUM nulladik, Bevezetés című fejezetének 0.7 pontja ismerteti az ajánlás eredeti szövegét. Az 1993-ban kiadott GUM 2. fejezete a mérési bizonytalansággal kapcsolatos, új fogalom-meghatározásokat tartalmazott, és ezzel megkezdődött a VIM és a GUM összefonódása. A GUM-ot kidolgozó szakértők törekvése, hogy új szakkifejezéseket alkossanak, a VIM 3. kiadásának kidolgozására is megtermékenyítően hatott. Ma ott tartunk, hogy a VIM korszerűsítési munkálatai során figyelembe kell venni, sőt változtatás nélkül át kell venni a GUM-ban alkalmazott szakkifejezéseket. Ez az álláspont alapjában véve helyes, de egyes esetekben vitatható következményekre vezet. Tekintsük át röviden azokat a szakkifejezéseket és meghatározásokat, amelyeket a GUM honosított meg a műszaki nyelvben. Ezek: - (mérési) bizonytalanság - standard bizonytalanság - A-típusú értékelés (bizonytalanságé) - B-típusú értékelés (bizonytalanságé) - eredő standard bizonytalanság - kiterjesztett bizonytalanság - kiterjesztési tényező. Zárójelben feltüntetjük az egyes szakkifejezések angol nyelvű megfelelőit is, mivel egyes szakkifejezések magyar változatát még nem lehet hivatalos fordításnak tekinteni. Ugyancsak közöljük ezeknek az angol műszaki nyelvben elterjedt rövidítéseit is, tekintettel arra, hogy ezeknek sincs még minden esetben elfogadott magyar megfelelője.

3 Mérési bizonytalanság (measurement uncertainty) A mérési bizonytalanság a mérési eredményhez társított paraméter, amely a mérendő mennyiségnek indokoltan tulajdonítható értékek szóródását jellemzi. A GUM szerzői úgy vélték, hogy ez a ma is érvényes meghatározás kellőképpen "operatív", mert a mérési eredményre és annak értékelt bizonytalanságára összpontosít, és nincs ellentmondásban a bizonytalanság szakkifejezés korábbi meghatározásaival. Ilyen korábbi meghatározások, amelyek a VIM első, 1984-es kiadásában olvashatók, a következők: "a mérendő mennyiség méréssel kapott, becsült értéke lehetséges hibájának a mértéke" vagy "becslés, amely jellemzi azt az értéktartományt, amelyben a mérendő mennyiség valódi értéke benne fekszik". Ma a VIM első kiadásából idézett mindkét értelmezés vitathatónak tűnik. Az első azért, mert összemossa a hiba és a bizonytalanság fogalmát, ahelyett, hogy szétválasztaná, megkülönböztetné azokat. A "mértéke" szó jelentése sem elég világos. A GUM-ban megfogalmazott álláspont szerint pontos határvonalat kell húzni a mérési hiba és a mérési bizonytalanság között, ezért nem helyes úgy fogalmazni, hogy a bizonytalanság a hiba mértéke. A második értelmezés azért vitatható, mert ha a valódi értéket méréssel nem lehet tökéletesen pontosan meghatározni, akkor olyan tartományt sem lehet (pontosan) megadni, amelyben a valódi érték biztosan megtalálható. A jelenleg érvényes mérési bizonytalanság szakkifejezés meghatározásában gondot okozott a paraméter kulcsszó értelmezése, mert nem volt világos, hogy eloszlás-paraméterről van szó. A mérési bizonytalanság a rendelkezésre álló információ alapján a mérendő mennyiségnek tulajdonított értékek feltételezett eloszlásának a szórása. A kérdést részletesebben a [4] irodalom tárgyalja. Standard bizonytalanság (standard uncertainty) A standard bizonytalanság, definíciója szerint, a szórás formájában kifejezett bizonytalanság. Figyeljünk fel arra, hogy a standard jelző szerepel a tapasztalati szórás angol nyelvű megfelelőjében, a standard deviation-ban is. A standard szó tehát feltehetően nem "szabványost" jelent, hanem a két szakkifejezésnek az angol nyelvben kifejezett kapcsolatára utal. Ez az oka annak, hogy a magyar változatban megőriztük a standard bizonytalanság kifejezést. A-típusú értékelés és B-típusú értékelés (Type A and Type B evaluation) Az A-típusú értékelés a bizonytalanság értékelésének az észlelési sorozatok statisztikai elemzésén alapuló módszere. A B-típusú értékelés a bizonytalanság

4 értékelésének az észlelési sorozatok statisztikai elemzésétől eltérő, más módszere. Az "A-típusú értékelés" és a "B típusú értékelés" elnevezés nyelvi kényszermegoldás volt a bizonytalanság statisztikai módszerekkel illetve más módszerekkel történő értékelésének megjelölésére, amit a GUM szerzői feltehetően ideiglenesnek szántak. (Tudvalevő azonban, hogy az ideiglenes dolgok a legmaradandóbbak.) Az elnevezés kérdésében a szakértők szavazással döntöttek, és a végül elfogadott megoldás mellett felmerült még a legtöbb szavazatot kapott statisztikai - nem statisztikai, valamint az becsült várható, a becsült feltételezett és a becsült saccolt jelzőpáros is. A számított becsült változat nem kapott támogató szavazatot, mert a matematikai statisztikában a számított értéket nevezik becsült -nek. Ma van olyan vélemény, hogy a bizonytalanság becslése is kerülendő szakkifejezés, mert a statisztikában becsülni csak a paraméterek értékét lehet, helyesebb tehát a bizonytalanság értékeléséről beszélni. Ezen az alapon viszont kérdéses, hogy helyes-e a mérési bizonytalanság meghatározásában kulcsszóként a paraméter szót szerepeltetni. Eredő standard bizonytalanság (combined standard uncertainty) Az eredő standard bizonytalanság a mérési modell bemenő mennyiségei mérési eredményeiből kapott standard mérési bizonytalanság. Az angol eredeti változatban ez a szakkifejezés nem "eredő", hanem "kombinált" mérési bizonytalanság. Mivel a kombinálás a matematika más területén (a kombinatorikában) alkalmazott művelet elnevezéseként már foglalt, és mivel a kombinálás alatt itt a bizonytalanság-összetevők úgynevezett statisztikai összegzését értjük, az elfogadott magyar változatot - az "eredő" jelzőt - találónak lehet minősíteni, mert az angolul kombinálásnak nevezett összegzés ugyanolyan művelet, mint amilyennel a vektorok összetevőiből az eredő vektort képezzük. Kiterjesztett bizonytalanság, kiterjesztési tényező (expanded uncertainty, coverage factor) A kiterjesztett bizonytalanság az eredő standard mérési bizonytalanság és egy egynél nagyobb szorzótényező szorzata. A kiterjesztett mérési bizonytalanságot az INC-1 (1980) Ajánlás 5. bekezdésében összbizonytalanságnak, az IEC dokumentumokban pedig egyszerűen bizonytalanságnak nevezik. A meghatározásban szereplő szorzótényező szakkifejezés a kiterjesztési tényezőre vonatkozik. A kiterjesztési tényező tehát egynél nagyobb szám, amellyel az eredő standard mérési bizonytalanságot megszorozva adódik a kiterjesztett mérési

5 bizonytalanság. A kiterjesztési tényezőt rendszerint k-val jelölik (Lásd még a GUM pontját). A kiterjesztett bizonytalanság és a kiterjesztési tényező magyar nyelvi változatok is jó megoldásnak tekinthetők, különösen akkor, ha azokat a VIM bővítésére szánt, új szakkifejezések ismeretében vizsgáljuk. Az új szakkifejezésekkel a GUM készülőben levő kiegészítéseiben fogunk találkozni, de - jóllehet pontos meghatározásuk nélkül - már a GUM jelenleg érvényes, 1993-as kiadásában is előfordulnak. Ismerkedjünk meg az új fogalommeghatározásokkal: - megbízhatósági tartomány - megbízhatósági valószínűség - eloszlásfüggvény - valószínűség-sűrűségfüggvény - megbízhatósági tartomány hosszúsága - bizonytalanságterjedés szabálya - Monte Carlo módszer - eloszlások terjedése Megbízhatósági tartomány (coverage interval) A megbízhatósági tartomány azoknak a mennyiségértékeknek a tartománya, amelyek a mérésből nyert és a rendelkezésre álló egyéb megfelelő információ alapján tulajdoníthatók a mérendő mennyiségnek, és amelyekhez hozzá társítható annak az előírt valószínűsége, hogy a valódi mennyiségértékek benne vannak ebben a tartományban, vagy azzal összhangban vannak. Az adott megbízhatósági valószínűséghez tartozó megbízhatósági tartománynak nem kell szükségszerűen szimmetrikusnak lennie a mért mennyiségértékre. Ezt a tartományt nem szabad konfidencia-intervallumnak nevezni. A megbízhatósági tartomány kizárólag a GUM-ban és kizárólag metrológiai célra használt szakkifejezés. Már az INC-1 (1980) Ajánlást megerősítő 1 (CI-1986) Ajánlás is azt javasolta, hogy a mérési bizonytalanságot eredő standard bizonytalanság formájában fejezzék ki. Bizonyos kereskedelmi, ipari és törvényes alkalmazások azonban - például amelyeknél az egészségvédelem és a biztonság kerül előtérbe - igénylik azt, hogy a mérési eredmény körül egy olyan tartomány legyen kijelölhető, amely a mérendő mennyiségnek tulajdonítható értékek jelentős hányadát magába foglalja. Ennek a tartománynak a neve a GUM-ban: kiterjesztett bizonytalanság.

6 A statisztikából jól ismert a konfidencia-intervallum és a konfidenciaszint fogalma. Ezek a szakkifejezések az U kiterjesztett bizonytalanság által meghatározott tartományra csak bizonyos feltételek teljesülése esetén alkalmazhatók. E feltételek egyike az, hogy a bizonytalanság valamennyi összetevőjének A-típusú értékelésből kell származnia. Ez a feltétel abból következik, hogy konfidencia-intervallumot csak véletlen hatásból eredő valószínűségi változó valamely paraméterére lehet illeszteni. Ismerni kell a valószínűségi változó eloszlásának típusát ahhoz, hogy a konfidenciaintervallum meghatározható legyen, és hogy ahhoz konfidenciaszintet tudjunk hozzárendelni. Minthogy a mérési eredményekben rendszeres hatásokból eredő hibák is jelentkeznek, ezért nem lehet azok gyakoriságra alapozott eloszlásáról beszélni. Így került be a GUM szakszókincsébe a konfidencia-intervallum helyett a megbízhatósági tartomány, a konfidenciaszint helyett pedig a megbízhatósági valószínűség: Megbízhatósági valószínűség (coverage probability) A megbízhatósági valószínűség a megbízhatósági tartományhoz társított valószínűség. A megbízhatósági valószínűséget gyakran "megbízhatósági szintnek" (level of confidence) nevezik (lásd a GUM-ot). A megbízhatósági tartomány és a megbízhatósági valószínűség szakkifejezések eredeti angol változatában a coverage szót olvashatjuk, amit magyarra kiterjedésnek, terjedelemnek fordíthatnánk. Ezekben a szakkifejezésekben azonban ez a szó jelzőként szerepel, és akár fedési-nek is lehetne fordítani, hiszen arról a tartományról van szó, amely a mérendő mennyiségnek tulajdonítható értékek nagy hányadát lefedi. Ezt az okfejtést támasztja alá, hogy az angolban a coverage egyik jelentése a terület, amire a biztosítás kiterjed" vagyis "amit a biztosítás lefed". Az új szakkifejezések közé, legalább is átmenetileg, bekerült az eloszlásfüggvény és a valószínűség-sűrűségfüggvény is. Ezeket a szakkifejezéseket a metrológia a statisztikából veszi át, ezért nem egészen indokolt ezekről, mint új metrológiai kifejezésekről beszélni. Mindkét szakkifejezés meghatározását megtalálhatjuk az ISO megfelelő nemzetközi szabványában is. Itt azért célszerű szerepeltetni ezeket, mert a metrológiai alkalmazásuk sajátosságait feltáró értelmezésekkel egészülnek ki. Eloszlásfüggvény (distribution function) Az F(x) eloszlásfüggvény minden x értékre megadja annak a valószínűségét, hogy az X valószínűségi változó kisebb x-nél, vagy azzal egyenlő. Az

7 eloszlásfüggvény értékkészlete a (-, x) tartomány. Az eloszlásfüggvény teljes mértékben leírja a véletlen változó valószínűség-eloszlását. Egyváltozós eloszlás esetében az eloszlásfüggvény: F(x) = P(X x), ami annak az eseménynek a valószínűségét adja meg, hogy az X véletlen változó x-nél kisebb vagy azzal egyenlő értéket vesz fel. A többváltozós eloszlás eloszlásfüggvénye megadja annak a valószínűségét, hogy a többváltozós eloszlás mindegyik véletlen változója kisebb egy előírt értéknél vagy azzal egyenlő. Az eloszlásfüggvény F(x1, x2,...,xn) = P(X1 x1, X2 x2,...,xn xn) formában van megadva. Az eloszlásfüggvény nem csökkenő (ISO/DIS , 2.7). A metrológiában, pontosabban szólva a bizonytalanság értékelésében, az eloszlásfüggvénynél előnyösebben, vagy legalább is gyakrabban alkalmazható az x valószínűségi változó valószínűség-sűrűségfüggvénye. Valószínűség-sűrűségfüggvény (probability density function, pdf) A valószínűség-sűrűségfüggvény nem-negatív függvény, amelynek a - -től x-ig vett integrálja megadja a folytonos eloszlás x-nél kiszámított eloszlásfüggvényét. (ISO/DIS , 2.26). Ha az F(x) eloszlásfüggvény folytonosan differenciálható, akkor azokban az x pontokban, amelyekben a derivált létezik, a valószínűség-sűrűségfüggvény f(x) = df(x)/dx. A folytonos valószínűségi változó f(x) valószínűség-sűrűségfüggvénye a következő feltételeknek tesz eleget: 1) egyértékű, nem-negatív valós szám minden valós x értékre; 2) az egységre normalizált, azaz integrálja a [, + ] tartományban 1-gyel egyenlő; 3) annak a valószínűsége, hogy x bármely két valós a és b érték közé esik, az f(x)-nek az [a, b] tartományra vett határozott integráljával egyenlő, ahol a<b. A szakirodalomban hol a valószínűség-sűrűségfüggvénnyel definiálják az eloszlásfüggvényt, hol fordítva. A valószínűség-sűrűségfüggvény bevezetésével az x folytonos véletlen változó eloszlásfüggvénye a sűrűségfüggvény -től x-ig vett határozott integráljával egyenlő. A valószínűség-sűrűségfüggvények használata a metrológiában a bayesi statisztika tételeinek alkalmazását jelenti. Az X mennyiség ismeretlen értékéhez társított valószínűség-sűrűségfüggvény kvantitatív módon fejezi ki az X mennyiségre vonatkozó ismeretállapotot, azaz a mennyiségnek tulajdonítható

8 különféle értékekre vonatkozóan meghatározza az információra alapozott hit mértékét. Az információ általában nyers statisztikai adatokat, mérési eredményeket vagy más alkalmas elméleti megállapításokat tartalmaz. Ahhoz, hogy az X mennyiség ismeretlen értékéhez az ismételt mérések alapján társított valószínűség-sűrűségfüggvényt előállítsuk, a Bayes tétel alkalmazható. Ha a rendszeres hatásokról kellő információ áll rendelkezésre, akkor a megfelelő valószínűség-sűrűségfüggvény tulajdonításához a maximális entrópia elvét lehet alkalmazni. Megbízhatósági tartomány hosszúsága (length of a coverage interval) A megbízhatósági tartomány hosszúsága a megbízhatósági tartomány legnagyobb és legkisebb értéke közötti különbség abszolút értéke. Bizonytalanság-terjedés szabálya (law of propagation of uncertainty, LPU) A bizonytalanságterjedés szabálya a hibaterjedés törvényének mintájára született meg, és a GUM-ban látott először napvilágot. Mindkét összefüggés angol elnevezésében a törvény (law) szó olvasható, de a bizonytalanságterjedés esetében helyesebb a "szabály" szót használnunk, mert - a hibaterjedés törvényétől eltérően - érvényessége a valószínűség-számítás eszközeivel nem bizonyítható. A bizonytalanság-terjedés szabálya matematikai kifejezés, amely leírja az összefüggést a kimenő mennyiség u(y) standard bizonytalansága és azoknak a bemenő mennyiségeknek az u(xi) standard bizonytalanságai között, amelyektől a kimenő mennyiség függ. A matematikai kifejezés az f modellfüggvénynek a kimenő mennyiségek szerinti magasabb rendű parciális deriváltjait is tartalmazhatja. Míg első rendig terjedő közelítés esetében a parciális deriváltak függetlenek az egyes bemenő mennyiségeknek tulajdonított eloszlástól, addig ez az állítás általában nem érvényes a magasabb parciális deriváltakat tartalmazó modellfüggvényekre. A bizonytalanságterjedés szabálya a bemenő mennyiségek legjobb becsléseit és az azokhoz társított standard bizonytalanságokat használja fel. Ugyancsak felhasználja a legjobb becslés-párokhoz társított kovarianciákat. A legjobb becslések, a standard bizonytalanságok, a kovarianciák és a szabadságfokok gyakran a bemenő mennyiségekről elérhető információ összegzésével kaphatók meg.

9 A GUM-ban tárgyalt, metrológiai céllal végzett matematikai-statisztikai vizsgálatokban gyakran van szükség arra, hogy meghatározzuk a mintaelemek valamilyen függvényének a valószínűség-eloszlását. A nagyszámú megfigyelési eredményről mint sztochasztikus változókról feltételezzük, hogy adott eloszlásfüggvénnyel rendelkeznek. A GUM a bemenő mennyiségek eloszlását kívánja becsülni, illetve azt vizsgálja, hogy ezekből hogyan alakul ki a kimenő mennyiség eloszlásfüggvénye. Monte-Carlo módszer (Monte Carlo Method, MCM) A Monte Carlo módszer a GUM 1. Kiegészítésének tervezetében jelenik meg néven nevezve, mint az eloszlások terjedéséhez alkalmazható gyakorlati eljárás. A Monte Carlo módszer számos matematikai feladat megoldására alkalmas módszer, amely a valószínűség-eloszlásokból statisztikai mintavételezést hajt végre. A szakkifejezésnek ez az értelmezése véleményünk szerint kissé szűkszavú, és ebben a formában nem világítja meg kellőképpen, hogy miért kell vagy miért célszerű ezt a módszert a metrológiában alkalmazni. A Monte Carlo módszer tetszőleges számú bemenő mennyiséget és egyetlen kimenő mennyiséget tartalmazó modellekre alkalmazható. Általában olyan nemlineáris modellekre ad gyakorlati megoldást, amelyeknél a bemenő mennyiségek legjobb becsléseinek nagy a bizonytalansága, vagy olyan lineáris és nemlineáris modellekre, ahol egy vagy több bemenő mennyiségnek aszimmetrikus valószínűség-eloszlása van. Eloszlások terjedése (propagation of distributions) Az eloszlások terjedése matematikai módszer, amelyet a kimenő mennyiség valószínűség-sűrűségfüggvényének a meghatározására alkalmaznak azoknak a bemenő mennyiségeknek a valószínűség-sűrűségfüggvényeiből, amelyektől a kimenő mennyiség függ. A GUM-ban alkalmazott megközelítés a bemenő mennyiségek legjobb becsléseivel (a várható értékekkel), a hozzájuk csatolt standard bizonytalanságokkal (és ha alkalmas, akkor a hozzájuk társított szabadságfokokkal) operál annak érdekében, hogy meghatározza a kimenő mennyiség legjobb becslését, az ahhoz társított standard bizonytalanságot és a kimenő mennyiségek értékének egy előírt megbízhatósági valószínűségnek megfelelő megbízhatósági tartományát. A GUM 1. Kiegészítésében alkalmazott fenti közelítésmód kiindulópontja az, hogy az elérhető információt a bemenő mennyiség értékek valószínűség-sűrűségfüggvényei révén határozzák meg.

10 Az eloszlások terjedése a kimenő mennyiség értékére mindig olyan valószínűség-sűrűségfüggvényt ad, amely konzisztens a bemenő mennyiség értékek valószínűség-sűrűségfüggvényeivel. A kimenő mennyiségnek ez a valószínűség-sűrűségfüggvénye az erre a mennyiségre vonatkozó ismeretet írja le, ami a bemenő mennyiségeknek tulajdonított valószínűségsűrűségfüggvények ismeretén alapul. A valószínűség-sűrűségfüggvény arra is felhasználható, hogy a kimenő mennyiség értékére előírt megbízhatósági valószínűségnek megfelelő megbízhatósági tartományt megkapjuk. A VIM 3. kiadásának tervezetében találkozhatunk néhány további új szakkifejezéssel: Bizonytalanság-lista (uncertainty budget) A bizonytalanság-lista az adott mérési eredmény bizonytalanságára vonatkozó megállapítás, amely tartalmazza a bizonytalanság-összetevőket, azok kiszámításának és kombinálásának módját. A bizonytalanság listának tartalmaznia kell a mérésfüggvényt, a mérésfüggvényben előforduló mennyiségek becsléseit és bizonytalanságait, a kovarianciákat, az alkalmazott valószínűség-sűrűségfüggvényeket, a szabadságfokokat, a mérési bizonytalanság értékelésének típusát, és valamelyik kiterjesztési tényezőt. Célul kitűzött mérési bizonytalanság (target measurement uncertainty, target uncertainty) Ugyancsak új szakkifejezés a célul kitűzött mérési bizonytalanság vagy megcélzott bizonytalanság, ami a mérési eredmények szándékolt felhasználásának megfelelően, mint cél vagy optimum van meghatározva. Korábban a metrológusok részéről bizonyos mértékű elutasítás volt tapasztalható egyes, az ISO szabványokban alkalmazott szakkifejezésekkel szemben. Így például lényeges különbség volt az ISO és az OIML szótárában található hitelesítés értelmezésében. A VIM most átveszi az ISO által megfogalmazott meghatározást, és megjegyzések beiktatásával teszi a szakkifejezést a metrológiában is alkalmazhatóvá: Hitelesítés (verification) A hitelesítés objektív bizonyíték nyújtása arról, hogy a tétel, mindenfajta mérési bizonytalanságot figyelembe véve, teljesíti az előírt követelményeket. A tétel lehet például egy folyamat, egy mérési eljárás, egy anyag vagy egy

11 mérőrendszer. Az előírt követelmények lehetnek például teljesített gyártói előírások. A törvényes metrológiában a hitelesítés felöleli a vizsgálatot, a jelölést és/vagy a mérőeszköz hitelesítési bizonyítványának a kiadását. A hitelesítés nem tévesztendő össze a kalibrálással és a validálással. Érvényesítés (validálás) (validation) A validálás magyarul: érvényesítés vagy érvényesitő ellenőrzés, ami annak a hitelesítése, hogy az előírt követelmények megfelelnek az adott használatnak. Egy mérési eljárás például, amelyet rendszeresen a vízben levő nitrogén részarányának a mérésére használnak, érvényesíthető, azaz validálható az emberi vérmintában levő nitrogénkoncentráció mérésére is. Mérési eredmények metrológiai összehasonlíthatósága (metrological comparability of measurement results) A mérési eredmények metrológiai összehasonlíthatósága a mérési eredményeknek az a tulajdonsága, amely lehetővé teszi azt, hogy egybevethetők legyenek, mert ugyanarra a metrológiai referenciára vannak visszavezetve. A metrológiai összehasonlíthatósághoz nem szükséges az, hogy akár a mérendő mennyiségek, akár az azokhoz társított mérési bizonytalanságok azonos nagyságrendűek legyenek. Például: a Föld és a Hold közötti távolság és a Párizs és London közötti távolság mérési eredményei összehasonlíthatók, ha (mint az rendszerint fennáll) mindkét távolság metrológiailag ugyanarra az egységre, például a méterre van visszavezetve. Mérési eredmények metrológiai konzisztenciája (metrological consistency of measurement results) A mérési eredmények metrológiai konzisztenciája (összhangja) egy olyan mennyiség bármely mérési eredmény párja által teljesített tulajdonság, amelyre a mért mennyiségértékek különbségének abszolút értéke kisebb, mint a különbség standard mérési bizonytalanságának egy megadott többszöröse. Mérésfüggvény (measurement function) A mérési modell helyett várható a mérésfüggvény szakkifejezés használata. Ez a függvény kifejezi az egy vagy több mérendő mennyiség és más mennyiség vagy mennyiségek közötti matematikai összefüggést, amelyeket mérni kell vagy más módon meghatározni ahhoz, hogy a mért mennyiségérték kiszámítható legyen.

12 Mérésfüggvény bemeneti mennyisége (input quantity to a measurement function) A mérésfüggvény bemeneti mennyisége az a mennyiség, amit mérni kell vagy más módon kell meghatározni ahhoz, hogy a mérendő mennyiség, mint a mérésfüggvény kimeneti mennyisége, meghatározható legyen. Az eddigieken kívül vannak olyan új szakkifejezések is, amelyek sorsa ma még bizonytalan. Az új szavakra a metrológiában szükség van azért is, hogy kiküszöbölhetők legyenek a metrológusok és a statisztikusok közötti félreértések. A statisztikusok kevésbé ismerik a metrológia problémáit, mint a metrológusok a statisztikát. A mérési bizonytalanság értékelése, bizonyos szempontokból, idegen a statisztika elméletétől. A GUM a lehetőségek határain belül igyekszik áthidalni a két terület közötti különbségeket. Ez a rövid ismertetés is azzal a céllal készült, hogy tájékoztasson a metrológiában meghonosodó új szakkifejezések jelentéséről, és megkönnyítse azok értelmezését és befogadását a hazai műszaki szaknyelvbe. Kapcsolódó irodalmi források: [1] Systeme International d unités [2] International Vocabulary of Basic and General terms in Metrology [3] Guide to the expression of uncertainty in measurement (1995) [4] Bánkuti László: A mérési bizonytalanságról. MMK 63. szám (1999) [5] W. Bich: Estimation and uncertainty in metrology

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

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 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

A kockázat fogalma. A kockázat fogalma. Fejezetek a környezeti kockázatok menedzsmentjéből 2 Bezegh András

A kockázat fogalma. A kockázat fogalma. Fejezetek a környezeti kockázatok menedzsmentjéből 2 Bezegh András Fejezetek a környezeti kockázatok menedzsmentjéből 2 Bezegh András A kockázat fogalma A kockázat (def:) annak kifejezése, hogy valami nem kívánt hatással lesz a valaki/k értékeire, célkitűzésekre. A kockázat

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

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

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

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

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

Valószínűségi változók. Várható érték és szórás

Valószínűségi változók. Várható érték és szórás Matematikai statisztika gyakorlat Valószínűségi változók. Várható érték és szórás Valószínűségi változók 2016. március 7-11. 1 / 13 Valószínűségi változók Legyen a (Ω, A, P) valószínűségi mező. Egy X :

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 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

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

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 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

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

A leíró statisztikák

A leíró statisztikák A leíró statisztikák A leíró statisztikák fogalma, haszna Gyakori igény az, hogy egy adathalmazt elemei egyenkénti felsorolása helyett néhány jellemző tulajdonságának megadásával jellemezzünk. Ezeket az

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

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

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 3 III. VÉLETLEN VEKTOROK 1. A KÉTDIMENZIÓs VÉLETLEN VEKTOR Definíció: Az leképezést (kétdimenziós) véletlen vektornak nevezzük, ha Definíció:

Részletesebben

Matematikai geodéziai számítások 5.

Matematikai geodéziai számítások 5. Matematikai geodéziai számítások 5 Hibaterjedési feladatok Dr Bácsatyai László Matematikai geodéziai számítások 5: Hibaterjedési feladatok Dr Bácsatyai László Lektor: Dr Benedek Judit Ez a modul a TÁMOP

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

Mérési bizonytalanság becslése (vizsgálólaboratóriumok munkája során)

Mérési bizonytalanság becslése (vizsgálólaboratóriumok munkája során) III. Roncsolásmentes Anyagvizsgáló Konferencia és Kiállítás Eger, 2003. április 7-11. Szóbeli előadás kézirat Előadó: Pintér László tudományos osztályvezető, Építésügyi Minőségellenőrző Innovációs Kht.

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

A mérési bizonytalanság

A mérési bizonytalanság NEMZETI AKKREDITÁLÓ TESTÜLET Nemzeti Akkreditálási Rendszer A mérési bizonytalanság meghatározása kalibrálásnál NAR-EA-4/0 1. kiadás 003. január EA Európai Akkreditálási Együttmûködés EA-4-0 Referencia

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

(Independence, dependence, random variables)

(Independence, dependence, random variables) Két valószínűségi változó együttes vizsgálata Feltételes eloszlások Két diszkrét változó együttes eloszlása a lehetséges értékpárok és a hozzájuk tartozó valószínűségek (táblázat) Példa: Egy urna 3 fehér,

Részletesebben

Matematika A3 Valószínűségszámítás, 5. gyakorlat 2013/14. tavaszi félév

Matematika A3 Valószínűségszámítás, 5. gyakorlat 2013/14. tavaszi félév Matematika A3 Valószínűségszámítás, 5. gyakorlat 013/14. tavaszi félév 1. Folytonos eloszlások Eloszlásfüggvény és sűrűségfüggvény Egy valószínűségi változó, illetve egy eloszlás eloszlásfüggvényének egy

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

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

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

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

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

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

A VIM3. Kialakulása és magyar változata október Kiss József

A VIM3. Kialakulása és magyar változata október Kiss József A VIM3 Kialakulása és magyar változata 2017. október Kiss József ALAPOK Az értelmező szótár a mérésekkel kapcsolatos ismeretterülettel, és annak alkalmazásaival foglalkozik. A szótár Mennyiségek és egységek

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

6. Függvények. Legyen függvény és nem üreshalmaz. A függvényt az f K-ra való kiterjesztésének

6. Függvények. Legyen függvény és nem üreshalmaz. A függvényt az f K-ra való kiterjesztésének 6. Függvények I. Elméleti összefoglaló A függvény fogalma, értelmezési tartomány, képhalmaz, értékkészlet Legyen az A és B halmaz egyike sem üreshalmaz. Ha az A halmaz minden egyes eleméhez hozzárendeljük

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

Diverzifikáció Markowitz-modell MAD modell CAPM modell 2017/ Szegedi Tudományegyetem Informatikai Intézet

Diverzifikáció Markowitz-modell MAD modell CAPM modell 2017/ Szegedi Tudományegyetem Informatikai Intézet Operációkutatás I. 2017/2018-2. Szegedi Tudományegyetem Informatikai Intézet Számítógépes Optimalizálás Tanszék 11. Előadás Portfólió probléma Portfólió probléma Portfólió probléma Adott részvények (kötvények,tevékenységek,

Részletesebben

Matematikai geodéziai számítások 5.

Matematikai geodéziai számítások 5. Nyugat-magyarországi Egyetem Geoinformatikai Kara Dr Bácsatyai László Matematikai geodéziai számítások 5 MGS5 modul Hibaterjedési feladatok SZÉKESFEHÉRVÁR 2010 Jelen szellemi terméket a szerzői jogról

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

Készítette: Fegyverneki Sándor

Készítette: Fegyverneki Sándor VALÓSZÍNŰSÉGSZÁMÍTÁS Összefoglaló segédlet Készítette: Fegyverneki Sándor Miskolci Egyetem, 2001. i JELÖLÉSEK: N a természetes számok halmaza (pozitív egészek) R a valós számok halmaza R 2 {(x, y) x, y

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

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

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

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

Segítség az outputok értelmezéséhez

Segítség az outputok értelmezéséhez Tanulni: 10.1-10.3, 10.5, 11.10. Hf: A honlapra feltett falco_exp.zip-ben lévő exploratív elemzések áttanulmányozása, érdekességek, észrevételek kigyűjtése. Segítség az outputok értelmezéséhez Leiro: Leíró

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

KÖZELÍTŐ INFERENCIA II.

KÖZELÍTŐ INFERENCIA II. STATISZTIKAI TANULÁS AZ IDEGRENDSZERBEN KÖZELÍTŐ INFERENCIA II. MONTE CARLO MÓDSZEREK ISMÉTLÉS Egy valószínűségi modellben a következtetéseinket a látensek vagy a paraméterek fölötti poszterior írja le.

Részletesebben

A Föld középpontja felé szabadon eső test sebessége növekszik, azaz, a

A Föld középpontja felé szabadon eső test sebessége növekszik, azaz, a a Matematika mérnököknek I. című tárgyhoz Függvények. Függvények A Föld középpontja felé szabadon eső test sebessége növekszik, azaz, a szabadon eső test sebessége az idő függvénye. Konstans hőmérsékleten

Részletesebben

Való szí nű sé gi va ltózó, sű rű sé gfű ggvé ny, élószla sfű ggvé ny

Való szí nű sé gi va ltózó, sű rű sé gfű ggvé ny, élószla sfű ggvé ny Való szí nű sé gi va ltózó, sű rű sé gfű ggvé ny, élószla sfű ggvé ny Szűk elméleti összefoglaló Valószínűségi változó: egy függvény, ami az eseményteret a valós számok halmazára tudja vetíteni. A val.

Részletesebben

Normális eloszlás tesztje

Normális eloszlás tesztje Valószínűség, pontbecslés, konfidenciaintervallum Normális eloszlás tesztje Kolmogorov-Szmirnov vagy Wilk-Shapiro próba. R-funkció: shapiro.test(vektor) balra ferde eloszlás jobbra ferde eloszlás balra

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

Regressziós vizsgálatok

Regressziós vizsgálatok Regressziós vizsgálatok Regresszió (regression) Általános jelentése: visszaesés, hanyatlás, visszafelé mozgás, visszavezetés. Orvosi területen: visszafejlődés, involúció. A betegség tünetei, vagy maga

Részletesebben

Biomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

Biomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 12. Regresszió- és korrelációanaĺızis Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision

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

Tanulási cél Szorzatfüggvényekre vonatkozó integrálási technikák megismerése és különböző típusokra való alkalmazása. 5), akkor

Tanulási cél Szorzatfüggvényekre vonatkozó integrálási technikák megismerése és különböző típusokra való alkalmazása. 5), akkor Integrálszámítás Integrálási szabályok Tanulási cél Szorzatfüggvényekre vonatkozó integrálási technikák megismerése és különböző típusokra való alkalmazása Motivációs feladat Valószínűség-számításnál találkozhatunk

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

A következő feladat célja az, hogy egyszerű módon konstruáljunk Poisson folyamatokat.

A következő feladat célja az, hogy egyszerű módon konstruáljunk Poisson folyamatokat. Poisson folyamatok, exponenciális eloszlások Azt mondjuk, hogy a ξ valószínűségi változó Poisson eloszlású λ, 0 < λ

Részletesebben

Mi az adat? Az adat elemi ismeret. Az adatokból információkat

Mi az adat? Az adat elemi ismeret. Az adatokból információkat Mi az adat? Az adat elemi ismeret. Tények, fogalmak olyan megjelenési formája, amely alkalmas emberi eszközökkel történő értelmezésre, feldolgozásra, továbbításra. Az adatokból gondolkodás vagy gépi feldolgozás

Részletesebben

Gauss-Jordan módszer Legkisebb négyzetek módszere, egyenes LNM, polinom LNM, függvény. Lineáris algebra numerikus módszerei

Gauss-Jordan módszer Legkisebb négyzetek módszere, egyenes LNM, polinom LNM, függvény. Lineáris algebra numerikus módszerei A Gauss-Jordan elimináció, mátrixinvertálás Gauss-Jordan módszer Ugyanazzal a technikával, mint ahogy a k-adik oszlopban az a kk alatti elemeket kinulláztuk, a fölötte lévő elemeket is zérussá lehet tenni.

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

KÖZELÍTŐ INFERENCIA II.

KÖZELÍTŐ INFERENCIA II. STATISZTIKAI TANULÁS AZ IDEGRENDSZERBEN KÖZELÍTŐ INFERENCIA II. MONTE CARLO MÓDSZEREK ISMÉTLÉS Egy valószínűségi modellben a következtetéseinket a látensek vagy a paraméterek fölötti poszterior írja le.

Részletesebben

Megjelent a Nemzetközi Metrológiai Értelmező Szótár (VIM) harmadik kiadása

Megjelent a Nemzetközi Metrológiai Értelmező Szótár (VIM) harmadik kiadása Megjelent a Nemzetközi Metrológiai Értelmező Szótár (VIM) harmadik kiadása Ez a cikk a VI. Magyar Minőség Héten, Budapesten, 2007. november 5-én elhangzott előadásom anyagára épül. A szótár azóta megjelent,

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

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

TESTLab KALIBRÁLÓ ÉS VIZSGÁLÓ LABORATÓRIUM AKKREDITÁLÁS

TESTLab KALIBRÁLÓ ÉS VIZSGÁLÓ LABORATÓRIUM AKKREDITÁLÁS TESTLab KALIBRÁLÓ ÉS VIZSGÁLÓ LABORATÓRIUM AKKREDITÁLÁS ACCREDITATION OF TESTLab CALIBRATION AND EXAMINATION LABORATORY XXXVIII. Sugárvédelmi Továbbképző Tanfolyam - 2013 - Hajdúszoboszló Eredet Laboratóriumi

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

Az ILAC alapelvei a kalibrálás

Az ILAC alapelvei a kalibrálás NEMZETI AKKREDITÁLÓ TESTÜLET Nemzeti Akkreditálási Rendszer Az ILAC alapelvei a kalibrálás bizonytalanságáról NAR-ILAC-P14:12/2010 1. kiadás 2011. november Copyright ILAC 2010 Az ILAC támogatja kiadványainak

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

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

Jármőtervezés és vizsgálat I. VALÓSZÍNŐSÉGSZÁMÍTÁSI ALAPFOGALMAK Dr. Márialigeti János

Jármőtervezés és vizsgálat I. VALÓSZÍNŐSÉGSZÁMÍTÁSI ALAPFOGALMAK Dr. Márialigeti János BUDAPESTI MŐSZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM KÖZLEKEDÉSMÉRNÖKI KAR JÁRMŐELEMEK ÉS HAJTÁSOK TANSZÉK Jármőtervezés és vizsgálat I. VALÓSZÍNŐSÉGSZÁMÍTÁSI ALAPFOGALMAK Dr. Márialigeti János Budapest 2008

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

x, x R, x rögzített esetén esemény. : ( ) x Valószínűségi Változó: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel:

x, x R, x rögzített esetén esemény. : ( ) x Valószínűségi Változó: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel: Valószínűségi változó általános fogalma: A : R leképezést valószínűségi változónak nevezzük, ha : ( ) x, x R, x rögzített esetén esemény.

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

BIOMATEMATIKA ELŐADÁS

BIOMATEMATIKA ELŐADÁS BIOMATEMATIKA ELŐADÁS 9. Együttes eloszlás, kovarianca, nevezetes eloszlások Debreceni Egyetem, 2015 Dr. Bérczes Attila, Bertók Csanád A diasor tartalma 1 Bevezetés, definíciók Együttes eloszlás Függetlenség

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

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

Regresszió. Csorba János. Nagyméretű adathalmazok kezelése március 31.

Regresszió. Csorba János. Nagyméretű adathalmazok kezelése március 31. Regresszió Csorba János Nagyméretű adathalmazok kezelése 2010. március 31. A feladat X magyarázó attribútumok halmaza Y magyarázandó attribútumok) Kérdés: f : X -> Y a kapcsolat pár tanítópontban ismert

Részletesebben

Differenciálegyenletek numerikus megoldása

Differenciálegyenletek numerikus megoldása a Matematika mérnököknek II. című tárgyhoz Differenciálegyenletek numerikus megoldása Fokozatos közeĺıtés módszere (1) (2) x (t) = f (t, x(t)), x I, x(ξ) = η. Az (1)-(2) kezdeti érték probléma ekvivalens

Részletesebben

Többváltozós, valós értékű függvények

Többváltozós, valós értékű függvények Többváltozós függvények Többváltozós, valós értékű függvények Többváltozós függvények Definíció: többváltozós függvények Azokat a függvényeket, melyeknek az értelmezési tartománya R n egy részhalmaza,

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

Követelmény a 7. évfolyamon félévkor matematikából

Követelmény a 7. évfolyamon félévkor matematikából Követelmény a 7. évfolyamon félévkor matematikából Gondolkodási és megismerési módszerek Elemek halmazba rendezése több szempont alapján. Halmazok ábrázolása. A nyelv logikai elemeinek helyes használata.

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

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

Kétváltozós függvények differenciálszámítása

Kétváltozós függvények differenciálszámítása Kétváltozós függvények differenciálszámítása 13. előadás Farkas István DE ATC Gazdaságelemzési és Statisztikai Tanszék Kétváltozós függvények p. 1/1 Definíció, szemléltetés Definíció. Az f : R R R függvényt

Részletesebben

Sorozatok határértéke SOROZAT FOGALMA, MEGADÁSA, ÁBRÁZOLÁSA; KORLÁTOS ÉS MONOTON SOROZATOK

Sorozatok határértéke SOROZAT FOGALMA, MEGADÁSA, ÁBRÁZOLÁSA; KORLÁTOS ÉS MONOTON SOROZATOK Sorozatok határértéke SOROZAT FOGALMA, MEGADÁSA, ÁBRÁZOLÁSA; KORLÁTOS ÉS MONOTON SOROZATOK Sorozat fogalma Definíció: Számsorozaton olyan függvényt értünk, amelynek értelmezési tartománya a pozitív egész

Részletesebben

Matematikai alapok és valószínőségszámítás. Valószínőségi eloszlások Binomiális eloszlás

Matematikai alapok és valószínőségszámítás. Valószínőségi eloszlások Binomiális eloszlás Matematikai alapok és valószínőségszámítás Valószínőségi eloszlások Binomiális eloszlás Bevezetés A tudományos életben megfigyeléseket teszünk, kísérleteket végzünk. Ezek többféle különbözı eredményre

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

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

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

Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév

Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév 1. A várható érték és a szórás transzformációja 1. Ha egy valószínűségi változóhoz hozzáadunk ötöt, mínusz ötöt, egy b konstanst,

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

Egyszerű programozási tételek

Egyszerű programozási tételek Egyszerű programozási tételek 2. előadás Sergyán Szabolcs sergyan.szabolcs@nik.uni-obuda.hu Óbudai Egyetem Neumann János Informatikai Kar 2011. szeptember 15. Sergyán (OE NIK) AAO 02 2011. szeptember 15.

Részletesebben

A Statisztika alapjai

A Statisztika alapjai A Statisztika alapjai BME A3c Magyar Róbert 2016.05.12. Mi az a Statisztika? A statisztika a valóság számszerű információinak megfigyelésére, összegzésére, elemzésére és modellezésére irányuló gyakorlati

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

4. előadás. Kiegyenlítő számítások MSc 2018/19 1 / 41

4. előadás. Kiegyenlítő számítások MSc 2018/19 1 / 41 4. előadás Kiegyenlítő számítások MSc 2018/19 1 / 41 Áttekintés Extrém érték elmélet Monte Carlo eljárások 2 / 41 Extrém érték elmélet Bevezetés Alapvető módszerek (GEV és POT) Extrém érték eloszlások

Részletesebben

First Prev Next Last Go Back Full Screen Close Quit

First Prev Next Last Go Back Full Screen Close Quit Többváltozós függvények (2) First Prev Next Last Go Back Full Screen Close Quit 1. Egyváltozós függvények esetén a differenciálhatóságból következett a folytonosság. Fontos tudni, hogy abból, hogy egy

Részletesebben

NEMZETI TESTÜLET. Nemzeti Akkreditálási Rendszer. EA Útmutató mennyiségi vizsgálatok bizonytalanságának kifejezéséhez NAR-EA-4/16. 1.

NEMZETI TESTÜLET. Nemzeti Akkreditálási Rendszer. EA Útmutató mennyiségi vizsgálatok bizonytalanságának kifejezéséhez NAR-EA-4/16. 1. NEMZETI AKKREDITÁLÓ TESTÜLET Nemzeti Akkreditálási Rendszer EA Útmutató mennyiségi vizsgálatok bizonytalanságának kifejezéséhez NAR-EA-4/16 1. kiadás 2004. szeptember EA-4/16 EA útmutató a mennyiségi vizsgálatok

Részletesebben