Anyagvizsgálati módszerek Mérési adatok feldolgozása. Anyagvizsgálati módszerek

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

Bevezetés a hipotézisvizsgálatokba

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

Kísérlettervezés alapfogalmak

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

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

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

[Biomatematika 2] Orvosi biometria

Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt

Kísérlettervezés alapfogalmak

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

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

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

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

Korreláció és lineáris regresszió

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

y ij = µ + α i + e ij

Valószínűségszámítás összefoglaló

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

Több valószínűségi változó együttes eloszlása, korreláció

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

Mérési hibák

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

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

STATISZTIKA. ( x) 2. Eloszlásf. 9. gyakorlat. Konfidencia intervallumok. átlag. 45% 40% 35% 30% 25% 20% 15% 10% 5% 0% (cm)

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

Elemi statisztika. >> =weiszd= << december 20. Szerintem nincs sok szükségünk erre... [visszajelzés esetén azt is belerakom] x x = n

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

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

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Mi a modell? Matematikai statisztika. 300 dobás. sűrűségfüggvénye. Egyenletes eloszlás

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

Diagnosztika és előrejelzés

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

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

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

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

Statisztika Elıadások letölthetık a címrıl

Excel segédlet Üzleti statisztika tantárgyhoz

Matematikai geodéziai számítások 6.

Számítógépes döntéstámogatás. Statisztikai elemzés

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

Indikátorok alkalmazása a labordiagnosztikai eljárások minőségbiztosításában

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

A Statisztika alapjai

Matematikai geodéziai számítások 6.

Többváltozós lineáris regressziós modell feltételeinek

Statisztikai következtetések Nemlineáris regresszió Feladatok Vége

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

MÉRÉSI EREDMÉNYEK PONTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI

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

Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása

STATISZTIKAI ALAPOK. Statisztikai alapok_eloszlások_becslések 1

Nemparaméteres próbák

földtudományi BSc (geológus szakirány) Matematikai statisztika elıadás, 2014/ félév 6. elıadás

Adatok statisztikai értékelésének főbb lehetőségei

STATISZTIKAI ALAPOK. Statisztikai alapok_eloszlások_becslések 1

A pont példájának adatai C1 C2 C3 C

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

Hat Szigma Zöldöves Tanfolyam Tematikája

GVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet

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

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Egyszempontos variancia analízis. Statisztika I., 5. alkalom

FIT-jelentés :: Kecskeméti Református Gimnázium 6000 Kecskemét, Szabadság tér 7. OM azonosító: Intézményi jelentés. 10.

GEOSTATISZTIKA. Földtudományi mérnöki MSc, geofizikus-mérnöki szakirány. 2018/2019 I. félév TANTÁRGYI KOMMUNIKÁCIÓS DOSSZIÉ

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

Kontrol kártyák használata a laboratóriumi gyakorlatban

Intézményi jelentés. 10. évfolyam

FIT-jelentés :: Telephelyi jelentés. 6. évfolyam :: Általános iskola

Mérnökgeodéziai hálózatok feldolgozása

Statisztika elméleti összefoglaló

A mérési eredmény megadása

Többváltozós lineáris regressziós modell feltételeinek tesztelése I.

Biostatisztika VIII. Mátyus László. 19 October

BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.

Logisztikus regresszió október 27.

Osztályozás, regresszió. Nagyméretű adathalmazok kezelése Tatai Márton

A mérés problémája a pedagógiában. Dr. Nyéki Lajos 2015

BIOMATEMATIKA ELŐADÁS

Az átlagra vonatkozó megbízhatósági intervallum (konfidencia intervallum)

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

Regressziós vizsgálatok

Dr. Karácsony Zsolt. Miskolci Egyetem november

1/8. Iskolai jelentés. 10.évfolyam matematika

Mérési eredmények adatai, elemzése (országos mérések, kompetenciamérés eredménye öt tanévre visszamenőleg):

egyetemi jegyzet Meskó Balázs

FIT-jelentés :: Bajza József Általános Iskola 1046 Budapest, Bajza u. 2. OM azonosító: Telephely kódja: 001. Telephelyi jelentés

FIT-jelentés :: Csillaghegyi Általános Iskola 1038 Budapest, Dózsa György u. 42. OM azonosító: Intézményi jelentés. 8.

Dr. JUVANCZ ZOLTÁN Óbudai Egyetem Dr. FENYVESI ÉVA CycloLab Kft

Kockázatalapú szabályozó kártyák tervezése, kiválasztása és folyamatra illesztése

biometria III. foglalkozás előadó: Prof. Dr. Rajkó Róbert Hipotézisvizsgálat

Országos kompetenciamérés eredményeinek kiértékelése 6. és 8. évfolyamokon 2012

FIT-jelentés :: Stromfeld Aurél Általános Iskola 1202 Budapest, Mártirok u OM azonosító: Telephely kódja: 001. Telephelyi jelentés

Geokémia gyakorlat. 1. Geokémiai adatok értelmezése: egyszerű statisztikai módszerek. Geológus szakirány (BSc) Dr. Lukács Réka

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

3/29/12. Biomatematika 2. előadás. Biostatisztika = Biometria = Orvosi statisztika. Néhány egyszerű definíció:

[Biomatematika 2] Orvosi biometria

Az értékelés a Móricz Zsigmond Gimnázium 3 gimnáziumi osztályának eredményei alapján készült, 102 tanuló adatai kerültek feldolgozásra.

FIT-jelentés :: Könyves Kálmán Gimnázium 1043 Budapest, Tanoda tér 1. OM azonosító: Intézményi jelentés. 10.

Átírás:

Anyagvizsgálati módszerek Mérési adatok feldolgozása Anyagvizsgálati módszerek Pannon Egyetem Mérnöki Kar Anyagvizsgálati módszerek Statisztika 1/ 22

Mérési eredmények felhasználása Tulajdonságok hierarchikus kapcsolatrendszere Anyagvizsgálati módszerek Statisztika 2/ 22

Analitikai bizonytalanság forrásai Véletlen hiba (szórás, precizitás) oldatkészítés bizonytalansága mintabeviteli eltérések sztochasztikus folyamatok detektor zaj... Rendszeres hiba (pontosság) oldatkészítési hiba kiértékelési tévedés módszertani probléma jelek átfedése... Anyagvizsgálati módszerek Statisztika 3/ 22

Pontosság, precizitás Anyagvizsgálati módszerek Statisztika 4/ 22

Véletlen hiba jellemzése Mért értékek: normális eloszlás 0.40 0.35 0.30 1 σ 2π e 1 2 ( x µ ) 2 σ Gyakoriság, σ 1 0.25 0.20 0.15 0.10 0.05 0.00 µ-3σ µ-2σ µ-σ µ µ+σ µ+2σ µ+3σ Koncentráció várható érték: µ, szórás: σ Anyagvizsgálati módszerek Statisztika 5/ 22

Analitkai eljárás eredménye Mérések átlaga és szórása x = 1 n s = 1 n 1 n x i, i=1 n i=1 lim x = µ n (x i x) 2, lim n s = σ Átlag szórása s x = s n, lim n s x = σ n = σ x Anyagvizsgálati módszerek Statisztika 6/ 22

Analitkai eljárás eredménye Átlag statisztikai eloszlása Normális eloszlás x µ σ x Student-féle t-eloszlás x µ s x Anyagvizsgálati módszerek Statisztika 7/ 22

Analitkai eljárás bizonytalansága Student-féle t-eloszlás Normális eloszlás f (x µ, σ ) = 1 σ 2π e 1 2( x µ σ ) 2 várható érték: µ, szórás: σ t-eloszlás f (x ν, µ, σ ) = Γ ( ) ( ν+1 2 Γ ( ) ν 1 + 1 ( ) ) x µ 2 ν+1 2 2 σ νπ ν σ szabadsági fok: ν, várható érték: µ, szórás: ν ν 2 σ Anyagvizsgálati módszerek Statisztika 8/ 22

Student-féle t-eloszlás analitikai mérések esetén Gyakoriság 0.40 0.35 0.30 0.25 0.20 0.15 2 4 10 0.10 0.05 0.00 µ-3σ x µ-2σ x µ-σ x µ µ+σ x µ+2σ x µ+3σ x Mérések átlaga ν = n 1, σ x = σ n Anyagvizsgálati módszerek Statisztika 9/ 22

Student-féle t-eloszlás mérések számának hatása Gyakoriság 40 35 30 25 20 15 2 4 10 100 10 5 0 5.6 5.8 6.0 6.2 6.4 Mérések átlaga ν = n 1, σ x = σ n Anyagvizsgálati módszerek Statisztika 10/ 22

Student-féle t-eloszlás n = 5 0.40 0.35 0.30 A = 50.0% t = 0.741 Gyakoriság 0.25 0.20 0.15 0.10 0.05 0.00 6 4 2 0 2 4 6 t, (x µ)/σ x Anyagvizsgálati módszerek Statisztika 11/ 22

Student-féle t-eloszlás n = 5 0.40 0.35 0.30 A = 90.0% t = 2.132 Gyakoriság 0.25 0.20 0.15 0.10 0.05 0.00 6 4 2 0 2 4 6 t, (x µ)/σ x Anyagvizsgálati módszerek Statisztika 11/ 22

Student-féle t-eloszlás n = 5 0.40 0.35 0.30 A = 95.0% t = 2.776 Gyakoriság 0.25 0.20 0.15 0.10 0.05 0.00 6 4 2 0 2 4 6 t, (x µ)/σ x Anyagvizsgálati módszerek Statisztika 11/ 22

Mérési eredmények megbízhatósági intervalluma Konfidencia intervallum Eredmény: s x ± t α,n 1 n Anyagvizsgálati módszerek Statisztika 12/ 22

Mérési eredmények megkülönböztetése Gyakoriság 4.0 3.5 3.0 2.5 2.0 1.5 1.0 0.5 0.0 5.0 5.5 6.0 6.5 7.0 Mérési eredmény Anyagvizsgálati módszerek Statisztika 13/ 22

Mérési eredmények megkülönböztetése 6 5 n = 3 Gyakoriság 4 3 2 1 0 5.0 5.5 6.0 6.5 7.0 Mérési eredmények átlaga Anyagvizsgálati módszerek Statisztika 13/ 22

Mérési eredmények megkülönböztetése Gyakoriság 8 6 4 n = 5 2 0 5.0 5.5 6.0 6.5 7.0 Mérési eredmények átlaga Anyagvizsgálati módszerek Statisztika 13/ 22

Mérési eredmények megkülönböztetése 12 10 n = 10 Gyakoriság 8 6 4 2 0 5.0 5.5 6.0 6.5 7.0 Mérési eredmények átlaga Anyagvizsgálati módszerek Statisztika 13/ 22

Mérési eredmények megkülönböztetése Gyakoriság 40 35 30 25 20 15 10 5 n = 100 0 5.0 5.5 6.0 6.5 7.0 Mérési eredmények átlaga Anyagvizsgálati módszerek Statisztika 13/ 22

Mérési eredmények megkülönböztetése Hipotézis vizsgálat Átlag vs. tetszőleges µ Két átlag t n 1 x µ s/ n s = (n 1 1) s 2 1 + (n 2 1) s 2 2 n 1 + n 2 2 t n1 +n 2 2 x 1 x 1 s 1 + 1 n1 n2?? Anyagvizsgálati módszerek Statisztika 14/ 22

Lineáris regresszió Kalibráció et. al Csúcsterület 0 0 x 1 x 2 x 3 x 4 x 5 Koncentráció Anyagvizsgálati módszerek Statisztika 15/ 22

Regressziós egyenes meghatározása y = a x + b a = n (x i x) (y i ȳ) i=1 n (x i x) 2 i=1 b = ȳ a x Anyagvizsgálati módszerek Statisztika 16/ 22

Regressziós egyenes Csúcsterület 0 0 x 1 x 2 x 3 x 4 x 5 Koncentráció Anyagvizsgálati módszerek Statisztika 17/ 22

Regressziós paraméterek bizonytalansága s y/x = (yi ) y i 2 n 2 ( σ k ) s a = s y/x 1 (xi x) 2 1 x 2 s b = s y/x i n (xi x) 2 a ± t n 2 s a és b ± t n 2 s b Anyagvizsgálati módszerek Statisztika 18/ 22

Mérési adatok bizonytalasága s x0 = s y/x a 1 m + 1 n + (x 0 x) 2 (xi x) 2 m = k (lehetőleg) x = x 0 ± t n 2 s x0 Anyagvizsgálati módszerek Statisztika 19/ 22

Mérési adatok bizonytalasága Megbízhatósági szint 50.0% 95.0% 99.0% Csúcsterület 0 0 x 1 x 2 x 3 x 4 x 5 Koncentráció Anyagvizsgálati módszerek Statisztika 20/ 22

Mérési adatok bizonytalasága Ismétlések száma m = 1 3 Csúcsterület 0 0 x 1 x 2 x 3 x 4 x 5 Koncentráció Anyagvizsgálati módszerek Statisztika 21/ 22

Kimutatási határ LoD = 3 s y/x a Csúcsterület 0 0 x 1 x 2 x 3 x 4 x 5 Koncentráció Anyagvizsgálati módszerek Statisztika 22/ 22