STATISZTIKAI PROBLÉMÁK A

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

Hipotéziselmélet - paraméteres próbák. eloszlások. Matematikai statisztika Gazdaságinformatikus MSc szeptember 10. 1/58

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

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

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

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

Kísérlettervezés alapfogalmak

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Leíró és matematikai statisztika el adásnapló Matematika alapszak, matematikai elemz szakirány 2016/2017. tavaszi félév

Mérési hibák

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

Normális eloszlás paramétereire vonatkozó próbák

A mérési eredmény megadása

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

Hipotézis vizsgálatok

Teremakusztikai méréstechnika

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

2013 ŐSZ. 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét!

Biomatematika 15. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

KÖVETKEZTETŐ STATISZTIKA

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

Többváltozós lineáris regressziós modell feltételeinek tesztelése I.

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

Többváltozós lineáris regressziós modell feltételeinek

BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.

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

Least Squares becslés

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

Kísérlettervezés alapfogalmak

Statisztikai alapismeretek (folytatás) 4. elıadás (7-8. lecke) Becslések, Hipotézis vizsgálat

Számítógépes döntéstámogatás. Statisztikai elemzés

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

Statisztikai következtetések Nemlineáris regresszió Feladatok Vége

egyetemi jegyzet Meskó Balázs

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

Akusztikai tervezés a geometriai akusztika módszereivel

Populációbecslés és monitoring. Eloszlások és alapstatisztikák

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

Kutatási eredmények a hangtér-reprodukció általános elméletében és alkalmazásuk mozgó forrásokra 1

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok.

MÉRÉSI EREDMÉNYEK PONTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI

[Biomatematika 2] Orvosi biometria

Bevezetés a hipotézisvizsgálatokba

Statisztika Elıadások letölthetık a címrıl

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok.

Normális eloszlás tesztje

Nemparaméteres próbák

A maximum likelihood becslésről

Kabos: Statisztika II. ROC elemzések Szenzitivitás és specificitás a jelfeldolgozás. és ilyenkor riaszt. Máskor nem.

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

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

A leíró statisztikák

Hipotézisvizsgálat az Excel adatelemző eljárásaival. Dr. Nyéki Lajos 2018

Valószínűségi változók. Várható érték és szórás

Hipotézis vizsgálatok

Dr. Karácsony Zsolt. Miskolci Egyetem november

Két diszkrét változó függetlenségének vizsgálata, illeszkedésvizsgálat

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

y ij = µ + α i + e ij

GVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet

A valószínűségszámítás elemei

Kettőnél több csoport vizsgálata. Makara B. Gábor

Matematikai statisztika c. tárgy oktatásának célja és tematikája

Statisztika I. 10. előadás. Előadó: Dr. Ertsey Imre

A Statisztika alapjai

Loss Distribution Approach

Kiválasztás. A változó szerint. Rangok. Nem-paraméteres eljárások. Rang: Egy valamilyen szabály szerint felállított sorban elfoglalt hely.

BIOMETRIA (H 0 ) 5. Előad. zisvizsgálatok. Hipotézisvizsg. Nullhipotézis

[Biomatematika 2] Orvosi biometria. Visegrády Balázs

Kiváltott agyi jelek informatikai feldolgozása Statisztika - Gyakorlat Kiss Gábor IB.157.

Megoldások. ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4; 2, 3) normális eloszlású P (ξ

Biomatematika 13. Varianciaanaĺızis (ANOVA)

STATISZTIKA. Egymintás u-próba. H 0 : Kefir zsírtartalma 3% Próbafüggvény, alfa=0,05. Egymintás u-próba vagy z-próba

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

Oszcillátor tervezés kétkapu leírófüggvényekkel

Abszolút folytonos valószín ségi változó (4. el adás)

Több valószínűségi változó együttes eloszlása, korreláció

V. Gyakorisági táblázatok elemzése

Statisztikai alapok. Leíró statisztika Lineáris módszerek a statisztikában

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

Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt

Kettőnél több csoport vizsgálata. Makara B. Gábor MTA Kísérleti Orvostudományi Kutatóintézet

Véletlenszám generátorok és tesztelésük HORVÁTH BÁLINT

A konfidencia intervallum képlete: x± t( α /2, df )

Biometria az orvosi gyakorlatban. Regresszió Túlélésanalízis

Biometria gyakorló feladatok BsC hallgatók számára

Adatok statisztikai értékelésének főbb lehetőségei

A HANGSZEREK FIZIKÁJA

Valószínűségszámítás összefoglaló

Egymintás próbák. Alapkérdés: populáció <paramétere/tulajdonsága> megegyezik-e egy referencia paraméter értékkel/tulajdonsággal?

Biomatematika 2 Orvosi biometria

Elméleti összefoglaló a Sztochasztika alapjai kurzushoz

Biometria, haladó biostatisztika EA+GY biometub17vm Szerda 8:00-9:00, 9:00-11:00 Déli Tömb 0-804, Lóczy Lajos terem

Korreláció és lineáris regresszió

e (t µ) 2 f (t) = 1 F (t) = 1 Normális eloszlás negyedik centrális momentuma:

ANOVA,MANOVA. Márkus László március 30. Márkus László ANOVA,MANOVA március / 26

Mikroszkóp vizsgálata Folyadék törésmutatójának mérése

Átírás:

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 reprodukció célja Két alapvető hangtér reprodukciós módszer ismertetése: Wave Field Synthesis alapjai Spectral Division Method alapjai Itt be nem mutatott módszerek is léteznek(mimo, Ambisonics) A forrás iránykarakterisztikák meghatározása A reprodukció során felmerülő statisztikai problémák bemutatása (2 felvetett, de még nem kidolgozott megoldással) 2

Hangtér reprodukció feladata Célunk: a megfigyelési síkban az alkalmazott források eredő hangtere legyen egy előírt hangtérrel megegyező Ez általában egy virtuális forrás, vagy forráseloszlás hangtere, amelyet a szintézis síkjában reprodukálunk. Másodlagos források (most végtelen vonal mentén) Virtuális forrás Szintézis síkja 3

Wave Field Synthesis Hangtér előállítása a Huygenselv alapján, a Raylegh-integrál közvetlen alkalmazásával Analitikus megoldás alapja: P Q virtuális monopólus e (, r) Q(, r) r (, r) cos jk 2 y ref y jkr ref dx, y e jk r r Monopólus tere x y ref Az ún. dimenziószámbeli egyeztetetlenség miatt a szintézis egy megfigyelői vonal mentén, a referenciavonalon lesz csak amplitúdópontos Erre optimalizálunk y 4

Spectral Division Method Nem külön technika, inkább a probléma más megfogalmazása P( x, yref ) Q( x ) G( x x0, yref ) dx0 ~ P( k x, y ref ) ~ Q( k x Q( x) G( x, y 0 ref ~ ) G( k x, y ref Ritkán számítható analitikusan, numerikusan számítva referencia megoldás lehet WFS-hez WFS-el ellentétben nem tartalmaz távoltéri közelítéseket ) ~ P( k, ) 1 x yref Q( x) ~ G( k, y ) Bizonyítható, hogy a távoltérben a WFS-el azonos eredményre vezet x ref ) Ötvözhető/keverhető a két technika 5

Sugárzási iránykarakterisztika Egy kiterjedt sugárzó sugárzási karakterisztikáját a vízszintes síkban a sugárzó vonalmenti erőeloszlás-függvénye határozza meg: Fouriertranszformáltja közvetlenül meghatározza az iránykarakterisztikát F(x) x Pl. Dinamikus hangszóró: Távoltérben Bessel-függvény karakterisztikájú irányított monopólus Bessel-fv.: az ábrán látható eloszlásfüggvény Fourier--transzformáltja 6

A gyakorlati megvalósítás problémái A leíró egyenletekből látható, hogy a vezérlőfüggvények származtatásánál monopólus másodlagos forráselemeket feltételeztünk Megmutatható, hogy a másodlagos és virtuális forrás iránykarakterisztikák felcserélhetőek dinamikus hangszórókkal ugyanilyen virtuális forrás terét szintetizálnánk (ez még nem lenne baj, korrigálható) Probléma: Hangszórók paraméterei még azonos típusok esetén is jelentősen eltérnek egymástól Érzékenység szórása Iránykarakterisztika szórása 7

Statisztikai problémák Érzékenység leírása: egyszerűbb Modell: érzékenység az adatlapon megadott várható értékű, ismeretlen szórású normális eloszlású val. változó Paraméter becslés segítségével becsülhető a szórás (pl. empirikus szórásnégyzet alapján), ezt a szimulációs környezetbe belevéve az erősítésbeli eltérések hatása objektíven vizsgálható Egyedi mérésekkel az erősítés változtatásával korrigálható is Iránykarakterisztikák: nehezebben leírhatók, nagyfrekvencián jellemzően jóval nagyobb szórású valószínűségi vektor-változóval lehetne leírni, ráadásul a szintézis során is jelentősebb problémát okoz 8

Statisztikai problémák Cél: az összes hangszóró (néha többszáz) kimérése nélkül megfelelő statisztikai leíró mennyiséget találni a kérdésre: Egy adott hangszórótípus esetén mennyire hasonlóak az iránykarakterisztikák Ezután szimulációkon keresztül lehet vizsgálni az egyes szórások hatását, vagy szubjektív, meghallgatási tesztek alapján vizsgálhatjuk, mekkora paraméter szórás okoz hallható hibát, mekkora forráskülönbözőséget tud az emberi fül tolerálni Több hangszóró típusra ezután az eredmények kiértékelésével optimálisan dönthetünk, egy bizonyos reprodukciós minőség biztosításához milyen hangszóró típus választása szükséges Ha korrigálni akarjuk a monopólustól eltérő iránykarakterisztikát, érdemes meghatározni a tényleges iránykarakterisztikának a várható értékét pont-, vagy intervallumbecsléssel 9

Felvetett megoldás a problémára 1. Egyik felvetett megoldás: az alkalmazott forráselemekből vett minta iránykarakterisztikáját megmérni x szögfelbontással, N-szer (pl. forgódobon N fordulat) x-enként N adat Homogenitásvizsgálattal meghatározhatjuk, hogy adott konfidenciaszinten N adat azonos eloszlásból származik-e, minden egyes mérési pozícióra, így egy irányfüggő homogenitásvizsgálatot elvégezve Kolmogorov-Szmirnov próba Szögfüggő próbastatisztika A megoldással esetleg vizsgálható az is, mely térszögben való torzulás okoz kisebb, illetve nagyobb hibát Meghatározható minden szögre átlag próbastatisztika, amely a kritikus érték alatt jellemezné a hasonlóságot. Probléma: jól csak hangszórópárok kapcsolatát írná le, az esetleges átlagolás már jelentősen torzíthat 10

Felvetett megoldás a problémára 2. Felvetett megoldás egy mérésre elemenként: Tételezzük fel, hogy két hangszóró iránykarakterisztikái hasonlóak, lineáris kapcsolat van köztük: D1 ( ) ad2 ( ) b Ha valóban van lineáris kapcsolat köztük, akkor hasonlóak, az amplitúdó különbség ( a) korrigálható Legyen a nullhipotézisünk H 0 : a 0 Míg az ellenhipotézisünk H1 : a 0 Az F-próba alkalmazható annak ellenőrzésére, hogy egy regressziós modell mennyire helytálló, azaz van-e lineáris kapcsolat a nullhipotézis tesztelhető F-próbával Gond van, ha teljesül a nullhipotézis, a hangszórók iránykarakterisztikái függetlenek 11

Kérdések? KÖSZÖNÖM A FIGYELMET! 12