BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.

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

Kalibrálás és mérési bizonytalanság. Drégelyi-Kiss Ágota I

Munkavédelmi mérnökasszisztens Galla Jánosné, 2012.

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

Mérési hibák

BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.

MÉRÉSI EREDMÉNYEK PONTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI

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

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

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

[Biomatematika 2] Orvosi biometria

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

Matematikai geodéziai számítások 6.

Méréselmélet és mérőrendszerek 2. ELŐADÁS (1. RÉSZ)

Matematikai geodéziai számítások 6.

Méréselmélet és mérőrendszerek

Előadások (1.) Galla Jánosné

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Mérési bizonytalanság becslése (vizsgálólaboratóriumok munkája során)

TESTLab KALIBRÁLÓ ÉS VIZSGÁLÓ LABORATÓRIUM AKKREDITÁLÁS

A mérési eredmény megadása

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

A leíró statisztikák

Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása

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

Populációbecslések és monitoring

Kísérlettervezés alapfogalmak

Kísérlettervezés alapfogalmak

Populációbecslések és monitoring

Matematikai alapok és valószínőségszámítás. Középértékek és szóródási mutatók

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

Mérési hibák Méréstechnika VM, GM, MM 1

A mérési bizonytalanság

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

Kontrol kártyák használata a laboratóriumi gyakorlatban

Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

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

4. A mérések pontosságának megítélése

Gyártástechnológia alapjai Méréstechnika rész 2011.

Anyagvizsgálati módszerek Mérési adatok feldolgozása. Anyagvizsgálati módszerek

Tartalomjegyzék I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE

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

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

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

Indikátorok alkalmazása a labordiagnosztikai eljárások minőségbiztosításában

y ij = µ + α i + e ij

[Biomatematika 2] Orvosi biometria

A kálium-permanganát és az oxálsav közötti reakció vizsgálata 9a. mérés B4.9

Statisztikai következtetések Nemlineáris regresszió Feladatok Vége

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

ÉRZÉKELŐK ÉS BEAVATKOZÓK I. 3. MÉRÉSFELDOLGOZÁS

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

Biostatisztika VIII. Mátyus László. 19 October

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

Irányításelmélet és technika II.

Kutatásmódszertan és prezentációkészítés

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

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió

Regressziós vizsgálatok

STATISZTIKA. A Föld pályája a Nap körül. Philosophiae Naturalis Principia Mathematica (A természetfilozófia matematikai alapelvei, 1687)

Matematikai geodéziai számítások 10.

Több valószínűségi változó együttes eloszlása, korreláció

Mérési struktúrák

MÉRÉSTECHNIKA. Előadások (2.) Galla Jánosné

Hipotézis vizsgálatok

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

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

A valószínűségszámítás elemei

A maximum likelihood becslésről

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

Méréselmélet MI BSc 1

Minden mérésre vonatkozó minimumkérdések

A Statisztika alapjai

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

Kockázatok és mérési bizonytalanság kezelése a termelésmenedzsment területén

SZÁMÍTÓGÉPES ADATFELDOLGOZÁS

Kockázatalapú változó paraméterű szabályozó kártya kidolgozása a mérési bizonytalanság figyelembevételével

A sokaság elemei közül a leggyakrabban előforduló érték. diszkrét folytonos

[Biomatematika 2] Orvosi biometria

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

Biomatematika 2 Orvosi biometria

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

Hibaterjedési elemzés (Measurement uncertainty) EURACHEM/CITAC Guide

STATISZTIKAI PROBLÉMÁK A

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

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

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

Többváltozós lineáris regressziós modell feltételeinek tesztelése I.

Minőségirányítási rendszerek 9. előadás

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

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

Többváltozós lineáris regressziós modell feltételeinek

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

Teljesítményparaméterek az akkreditálás és a hatósági eljárás során

Hanthy László Tel.:

KÖVETKEZTETŐ STATISZTIKA

[Biomatematika 2] Orvosi biometria

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

Átírás:

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 mérési bizonytalanság GUM módszer Hibaterjedés 2

A mérési eredmény mindig tartalmaz hibát a mérési eredmény bizonytalan A mérési eredmények mindegyikét meghamisítja egy nem tökéletes mérési módszer mérőberendezés vagy etalon a környezet behatásai a mérést végző személy szubjektív adottságai és általunk nem ismert, de jelenlévő véletlen hatás eltérés = valódi érték - mért érték A valódi értéket nem ismerhetjük meg, csak törekszünk annak legjobb becslésére a helyes érték meghatározására 3

helyes érték = a valódi érték közelítése a mérendő mennyiség valódi értékének legjobb becslése értékét megkapjuk a rendszeres hibáktól mentes, kielégítően nagyszámú mérési sorozat eredményéből is A becslés az elméleti jellemzők adott eljárással, módszerrel történő közelítése (korlátozott pontosságú meghatározása) az ismert véges számú és véges pontosságú adatból A mérendő mennyiség helyes értékét mérő vagy reprodukáló eszköz az etalon A helyes értéket megtestesítheti például egy mérték (a mérték egy méretet testesít meg) 4

A mérési hiba a mérési eredmény és a mérendő mennyiség valódi értékének különbsége H i = x i x h ahol: H i - a mérési hiba x i - a mért érték, x h - a helyes érték A valódi érték meghatározhatatlan, emiatt a helyes értéket kell használni A helyes érték bizonytalansága kicsi, kisebb, mint az ellenőrizendő mérőeszközé. A helyes érték megállapítása a mérés során fellépő konkrét hibák és a mérési bizonytalanság nagyságának meghatározása miatt szükséges. 5

A mérési hibák csoportosíthatók: eredetük szerint a modellalkotás a mérési eljárás (elv és módszer) a mérés kivitelezésének (mód, mérőeszköz, mérő személy), hibái jellegük szerint durva rendszeres véletlen hibák 6

A mérési hibák csoportosíthatók: a megjelenítés formája szerint abszolút hiba H absz = x - x v, relatív hiba H rel = [(x - x v ) : x v ]. 100 % redukált hiba ahol: x a mért érték x v a valódi érték a valódi érték százalékában H red = [(x x v ) : (x max x min )]. 100 %; ahol x max x min a mérési tartomány Megj.: a valódi érték soha nem ismert, így a hiba sem, tehát csak becslés adható meg P y U y y U 0, 95 valódi 7

Mérési hibák (jellegük szerint) Durva hiba Oka: figyelmetlenség, a mérőeszköz hibás működése, pontatlan modell A hiba eredetét fel kell tárni, ki kell küszöbölni! Rendszeres hiba állandó marad az ismételt mérések során, vagy előre meghatározható módon változik Oka: ismert, de lehet ismeretlen is Jellemzői: vagy előjele és nagysága ismert az egész méréstartományban, vagy ha nem, akkor véletlen hibaként kezeljük a mérési eredményt a rendszeres hibák torzítják, meghamisítják 8

9

Véletlen hiba véletlenszerűen változik a mérendő mennyiség ismételt mérése során a hibaokok időben és térben véletlenszerűen jelentkeznek a véletlen hiba valószínűségi változó Pl.: surlódási hibák, környezeti hatások, zajok, a mérendő mennyiség változásai a mérési eredményt a véletlen hibák bizonytalanná teszik 10

A hiba megszüntetésének módja Durva hiba: a kiugró érték kizárása Rendszeres hiba: meghatározható hiba esetében: korrekció (ismertek a mérőeszköz korrekciós adatai - algebrai összegzés) nem ismertek: hibaterjedés számítás és kalibrálás Véletlen hiba: ismételt mérésekkel ismerhető fel, statisztikai módszerekkel vehető figyelembe (átlag, szórás, konfidencia, várható érték, hibastatisztika, hibaösszegzés: négyzetes középérték) 11

h = F ( ) = s. tg A függvényt sorbafejtve: 1 3 2 5 h = F = s + + +... 3 15 A hatványsor első érvényes tagját figyelembe véve: h = s. 1 +. A hiba elsőrendű A hiba rendszáma (nagyságrendje) mindig a (csonka) hatványsorban szereplő legkisebb kitevőjű tag kitevőjével egyenlő, függetlenül attól, hogy a hiba pontos értékéhez hány tagot veszünk figyelembe 12

A mérési eredmény bizonytalanságát befolyásoló tényezők 13

Azonos körülmények között végzett mérések eredményei kisebb nagyobb mértékben eltérnek egymástól. Kérdés, hogy melyiket lehet elfogadni? A mérési bizonytalanság az eredmény minőségére vonatkozó számszerű jelzés, a mérési eredmény megbízhatóságát jellemzi. Enélkül az eredményeket nem lehet összehasonlítani sem egymással, sem a referencia értékkel (melyet szabvány vagy szerződés rögzít) A mérési bizonytalanság a mérés eredményéhez csatolt olyan paraméter, amely a mérendő mennyiségnek indokoltan tulajdonítható értékek szóródását jellemzi. Pl.: paraméter lehet a szórás vagy annak többszöröse A mérési hiba és a mérési bizonytalanság nem azonos fogalom 14

A mérési bizonytalanság sokféle, pontosan nem ismert véletlen hatás következménye. Értékének meghatározása ezeknek a mennyiségének a becslése. Pontosan nem tudni, hogy mennyi a mérendő mennyiség valódi értéke, azt határozzuk meg csak, hogy adott valószínűséggel esik az U bizonytalansági határokon belül. Megismételt mérésnél a mérendő mennyiséget jellemző legjobb becsült érték (helyes érték) az átlag, amely a rendszeres hibákat már nem tartalmazza. U - a kiterjesztett mérési bizonytalanság. 15

A mérési bizonytalanság hatása a tűréshatárokon 16

A mért érték a bizonytalansággal a tűréshatáron belül van 17

A mért érték a bizonytalansággal a tűréshatáron kívül van 18

A mért érték a tűréshatár közelében helyezkedik el 19

GUM (Guide to the Expression of Uncertainty in Measurement) Útmutató a mérési bizonytalanság kifejezéséhez Alapdokumentum, mely általános szabályokat ajánl a mérési bizonytalanság kifejezésére és értékelésére. Széles körben alkalmazható, a kalibráló laboratóriumok, kutatások területén éppúgy használható, mint a legegyszerűbb méréseknél. Jelölések: n a mérések száma u(x A ) i a standard mérési bizonytalanság értéke A módszerrel u(x B ) i a standard mérési bizonytalanság értéke B módszerrel u c (y) az eredő standard bizonytalanság U a kiterjesztett mérési bizonytalanság k kiterjesztési tényező 20

1 2 3 4 Az ellenőrzési/mérési folyamat elemzése. A bizonytalansági összetevők megnevezése. A standard mérési bizonytalanság meghatározása Az A és/vagy B módszerrel. Az eredő standard bizonytalanság meghatározása A kiterjesztett mérési bizonytalanság meghatározása u 1, 2, 3,.n u(x A ) i u(x B ) i i n 2 c (y) = u(x i) = 1 U = k. u c (y) 21

GUM ajánlás a bizonytalanságok meghatározásához: A-típusú és B-típusú értékelés A -típusú kiértékelés a mérési sorozat statisztikai elemzésével történik A standard bizonytalanság a mérési eredmény bizonytalansága szórásként kifejezve Azonos feltételek mellett, azonos mintán végzett mérések eredményei egymástól különböznek és az átlag érték körül helyezkednek el. Feltételezve, hogy az eloszlás normális, a szórás az n számú mérési eredményből becsülhető Ezt nevezik standard bizonytalanságnak 22

B -típusú kiértékelés a bizonytalanság kiértékelésének az észlelési sorozatok statisztikai elemzésétől eltérő, más módszere Megjegyzés: A B -típusú összetevők jellemzésére szintén a becsült szórást s(x i ), alkalmazzák, melynek egy un. érzékenységi együtthatóval megszorzott értéke a B-típusú standard bizonytalanság: u(x i ) = c i. s(x i ), ahol c i az érzékenységi együttható Az érzékenységi együttható megmutatja, hogy az adott bemeneti mennyiség változására mennyire érzékenyen válaszol a kimeneti mennyiség. 23

Az eredő standard bizonytalanság számítása A standard bizonytalanságokból számítható négyzetes összegzéssel Az eredő standard bizonytalanság a mérés eredményének standard bizonytalansága, ha ez az eredmény egy vagy több más mennyiség értékéből van előállítva u i n 2 c (y) = u(x i) = 1 A kiterjesztett bizonytalanság, a mérési eredmény környezetében olyan tartomány, amelyben feltehetően a mérendő mennyiségnek tulajdonítható értékek eloszlásának meghatározott része benne van (pl. k = 2 kiterjesztési tényezővel 95%) U = k. u c (y) Mérési eredmény megadás Y = X U 24