«Uncertainty of the Uncertainty» Del 5 av 6

Like dokumenter
«Uncertainty of the Uncertainty» Del 4 av 6

Signifikante sifre = alle sikre pluss ett siffer til

Påliteligheten til en stikkprøve

Statistikk og økonomi, våren 2017

«Best Fit»-linje med usikkerhetsintervall (CI)

FØLGER, REKKER OG GJENNOMSNITT

Uncertainty of the Uncertainty? Del 3 av 6

Introduksjon. Hypotesetesting / inferens (kap 3) Populasjon og utvalg. Populasjon og utvalg. Populasjonsvarians

Matematikk for IT. Oblig 7 løsningsforslag. 16. oktober

Forventningsverdi. MAT0100V Sannsynlighetsregning og kombinatorikk

Konfidensintervall. Notat til STK1110. Ørnulf Borgan, Ingrid K. Glad og Anders Rygh Swensen Matematisk institutt, Universitetet i Oslo.

Terminprøve R2 Høsten 2014 Løsning

ECON240 Statistikk og økonometri

Løsningsforslag ST1101/ST6101 kontinuasjonseksamen 2018

KLMED8004 Medisinsk statistikk. Del I, høst Estimering. Tidligere sett på. Eksempel hypertensjon

TMA4245 Statistikk Eksamen mai 2017

211.7% 2.2% 53.0% 160.5% 30.8% 46.8% 17.2% 11.3% 38.7% 0.8%

Kap. 9: Inferens om én populasjon

Kapittel 8: Estimering

OM TAYLOR POLYNOMER. f x K f a x K a. f ' a = lim x/ a. f ' a z

X = 1 5. X i, i=1. som vil være normalfordelt med forventningsverdi E( X) = µ og varians Var( X) = σ 2 /5. En rimelig estimator for variansen er

2.1 Polynomdivisjon. Oppgave 2.10

Ukeoppgaver i BtG207 Statistikk, uke 4 : Binomisk fordeling. 1

Econ 2130 uke 15 (HG) Poissonfordelingen og innføring i estimering

Differensligninger Forelesningsnotat i Diskret matematikk Differensligninger

Avsnitt 8.1 i læreboka Differensligninger

Løsningsforslag for andre obligatoriske oppgave i STK1100 Våren 2007 Av Ingunn Fride Tvete og Ørnulf Borgan

LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4245 STATISTIKK 6.august 2004

ÅMA110 Sannsynlighetsregning med statistikk, våren Kp. 5 Estimering. Målemodellen.

Kap. 9: Inferens om én populasjon. Egenskaper ved t-fordelingen. ST0202 Statistikk for samfunnsvitere. I Kapittel 8 brukte vi observatoren

TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i << >>.

Totalt Antall kandidater oppmeldt 1513 Antall møtt til eksamen 1421 Antall bestått 1128 Antall stryk 247 Antall avbrutt 46 % stryk og avbrutt 21%

Løsning TALM1005 (statistikkdel) juni 2017

TMA4240 Statistikk Høst 2016

2T kapittel 3 Modellering og bevis Utvalgte løsninger oppgavesamlingen

8 (inkludert forsiden og formelsamling) Tegne- og skrivesaker, kalkulator, formelsamling (se vedlagt).

Mer om utvalgsundersøkelser

Oppgaver fra boka: X 2 X n 1

Rente og pengepolitikk. 8. forelesning ECON september 2015

Kap. 9: Inferens om én populasjon

Metoder for politiske meningsmålinger

Bokmål OPPGAVE 1. a) Deriver funksjonene: b) Finn integralene ved regning: c) Løs likningen ved regning, og oppgi svaret som eksakte verdier: + =

S2 kapittel 1 Rekker Løsninger til innlæringsoppgavene

LØSNINGSFORSLAG TILEKSAMEN I FAG TMA4240/TMA4245 STATISTIKK 10. august 2005

Econ 2130 Forelesning uke 11 (HG)

TMA4240 Statistikk Høst 2016

Tid: 3 timer Hjelpemidler: Vanlige skrivesaker, passer, linjal med centimetermål og vinkelmåler er tillatt.

Estimering 1 -Punktestimering

Fagdag 2-3mx

Kommentarer til oppgaver;

Eksamen REA3028 S2, Våren 2011

TMA4240 Statistikk Eksamen desember 2015

Estimering 1 -Punktestimering

Eksamen REA3028 S2, Våren 2010

EKSAMEN Løsningsforslag

Plan for fagdag 3. Plan: Litt om differanse- og summefølger. Sammenhengen a n a 1 n 1 i 1

Introduksjon. Hypotesetesting / inferens (kap 3) Populasjon og utvalg. Populasjon og utvalg. Populasjonsvarians

Algoritmer og datastrukturer Avsnitt Algoritmeanalyse

5 y y! e 5 = = y=0 P (Y < 5) = P (Y 4) = 0.44,

Kapittel 10 fra læreboka Grafer

2. Hypotesetesting i ulike sitausjoner: i. for forventingen, μ, i målemodellen med normalantakelse og kjent varians, σ 2.

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007

Kort repetisjon fra kapittel 4. Oppsummering kapittel ST0202 Statistikk for samfunnsvitere. Betinget sannsynlighet og trediagram

LØSNINGSFORSLAG TIL EKSAMEN STE 6219 Digital signalbehandling

ÅMA110 Sannsynlighetsregning med statistikk, våren Kontinuerlige tilfeldige variable, intro. Kontinuerlige tilfeldige variable, intro.

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007 Kp. 6, del 2

Repetisjon; 9.1, 9.2, 9.3, 9.4, 9.5, og Repetisjon; 9.1, 9.2, 9.3, 9.4, 9.5, og 9.10

Kapittel 7: Noen viktige sannsynlighetsfordelinger

MOT310 Statistiske metoder 1, høsten 2011

Eksamen REA3024 Matematikk R2. Nynorsk/Bokmål

Oversikt over konfidensintervall i Econ 2130

Løsningsforsalg til første sett med obligatoriske oppgaver i STK1110 høsten 2015

Løsning eksamen R1 våren 2010

ÅMA110 Sannsynlighetsregning med statistikk, våren 2008 Kp. 6, del 5

Statistisk behandling av kalibreringsresultatene Del 1. v/ Rune Øverland, Trainor Elsikkerhet AS

Løsningsforslag til eksamen i STK desember 2010

Sentralverdi av dataverdi i et utvalg Vi tenker oss et utvalg med datapar. I vårt eksempel har vi 5 datapar.

Eksamen R2, Våren 2010

Obligatorisk oppgave nr. 3 i Diskret matematikk

Løsningsforslag til prøveeksamen i MAT1110, våren 2012

UNIVERSITETET I OSLO

Løsningsforslag Oppgave 1

ÅMA110 Sannsynlighetsregning med statistikk, våren 2006

Oppgave 1 Hardheten til en bestemt legering er undersøkt med åtte målinger og resultatene ble (i kg/mm 2 ) som i tabellen til høyre.

ÅMA110 Sannsynlighetsregning med statistikk, våren Estimering. Målemodellen. Sannsynlighetsregning med statistikk. Kp. 5 Estimering.

Oppgave 1. (i) Hva er sannsynligheten for at det øverste kortet i bunken er et JA-kort?

Eksempeloppgave REA3028 Matematikk S2 Eksempel på eksamen våren 2015 etter ny ordning. Ny eksamensordning. Del 1: 3 timer (uten hjelpemidler)

UNIVERSITETET I OSLO

Eksamen REA3028 S2, Våren 2010

ÅMA110 Sannsynlighetsregning med statistikk, våren Estimering. Målemodellen. Konfidensintervall, innledning. Kp. 5 Estimering.

Forelesning 4 og 5 Transformasjon, Weibull-, lognormal, beta-, kji-kvadrat -, t-, F- fordeling

3MX 2007/8 - Kapittel 5: 8. januar 5. februar 2008

Algebra R2, Prøve 1 løsning

Løsning eksamen S2 våren 2010

Løsningsforsalg til første sett med obligatoriske oppgaver i STK1110 høsten 2018

S2 kapittel 1 Rekker Løsninger til kapitteltesten i læreboka

TMA4240 Statistikk Høst 2015

LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4240 STATISTIKK 5.august 2004

ARBEIDSHEFTE I MATEMATIKK

Transkript:

«Ucertaity of the Ucertaity» Del 5 av 6 v/rue Øverlad, Traior Elsikkerhet AS Dette er femte del i artikkelserie om «Ucertaity of the Ucertaity». Jeg skal vise deg utledig av «Ucertaity of the Ucertaity»-formele: 2υ = 2( ) [] Dee fier du i ISO «Guide to the Expressio of Ucertaity i Measuremet» seksjo E.4.3 formel (E.7). Mi presetasjo av formel [] bygger på boke til Joh R. Taylor: Error Aalysis. «Ucertaity of the Ucertaity»-formele uttrykker usikkerhete i estimerige av bredde av stadardavviket. Det vil si hvor mage sigifikate sifre skal vi bruke for å agi stadardavviket. Så, hvorledes kommer ma frem til dee 2( ) formele? Hvorda varierer adele av usikkerhete? Variase til et måleoppsett (med < 30 observasjoer) ka kalkuleres slik: s 2 = ( ) (x i x ) 2 [2] Da ( ( ) ) vil ha e kostat verdi år ma har valgt atall [] observasjoer, vil ikke dee brøke variere. I de videre utledige om hvorledes adele av usikkerhete varierer, ka vi derfor se bort fra ( ). ( ) Adele av usikkerhet av s 2 [i likig 2] vil derfor ligge i usikkerhete i deluttrykket (x i x ) 2. Vi oppsummerer dette slik: Usikkerhet i estimatet av [s 2 ] = Usikkerhet i estimatet av [ (x i x ) 2 ]. [3] Side

Geerelt uttrykk for usikkerhet Geerelt, så ka usikkerhete i estimatet av e parameter [q] «quatity» - uttrykkes slik: usikkerhet i estimatet av q = q 2 q 2 [4], hvor q 2 q 2 gjeomsittlig verdi av kvadratet av parametere kvadratet av gjeomsittlig verdi av parametere. Uttrykk for usikkerhet i estimatet Fra [3] har vi at: q = (x i x ) 2 [5] q fier vi ved å kvadrere hver residual (x i x ) og deretter fier summe [ ] av disse. Vi har å: Usikkerhet i estimatet av q= (q ) 2 (q ) 2 [6] Utlede uttrykket (q ) 2 i [6] Vi bestemmer først kjere (q ) i [6]. Fra tidligere [2] har vi s 2 = ( ) (x i x ) 2 [7] som gir: (-) s 2 = (x i x ) 2 (x i x ) 2 = (-) s 2 q = (-) 2 [8] [9] [0] Når vi kvadrerer vestre og høyre side, får vi: (q ) 2 = [(-) 2 ] 2 = (-) 2 4 [] Vi har å utledet det høyre leddet i [6] til å kue skrives (-) 2 4. Side 2

Utlede [(q )]-leddet 2 i [6] Å bestemme [(q )]-leddet 2 i [6] er svært komplisert. Vi starter med å bestemme (q 2 ), for deretter å bestemme gjeomsittsverdie: (q ). 2 Det ka vises at (q 2 ) ka settes samme av tre ledd q 2 = ( )2 i (x i ) 2 (x j ) 2 j - 2 ( ) (x i) 2 2 i x j x k + j k j x 2 j k j j x k m m x m x q 2 = A - B + C [2] [3] For å bestemme gjeomsittsverdie av q 2 må vi addere gjeomsittsverdiee av A, B og C. (q ) 2 = A + B + C Her må ma aalysere leddee A, B og C hver for seg, og vi starter med leddet A. A -leddet i q 2 A = ( )2 i (x i ) 2 (x j ) 2 j [4] Vi studerer først høyreside av uttrykket [4] hvor vi har e dobbelsum [ i (x i ) 2 (x j ) 2 j ]. Dobbelsumme [ ] i A ieholder først [(-)]-termer av i j, som gir (x ) 2 2. Fordi x er ormalt distribuert rudt = 0, har vi at x 2 = 2. Dette gir: [(-)] 2. Dobbelsumme [ ] i A ieholder deretter -termer av i = j, som daer () 2 () 2 = () 4 som gir (x ). 4 E itegrerig viser at x 4 = 3 4. Dette gir: []3 4. Således, sammefatter vi disse to deluttrykkee, får vi dobbelsumme [ ] i A med et gjeomsitt: = (-) 4 + 3 4 = 4 (3 + 2 ) = 4 ( 2 + 2) = (+2) 4 [5] [6] [7] [8] Vi ka å ka skrive [4]: A = ( )2 = ( )2 (+2) 4 = ( )2 2 (+2) 4 [9] [20] [2] [22] Side 3

A B -leddet i q 2 = ( )2 (+2) 4 B = 2 ( ) (x i) 2 2 i j k j x j x k [23] Hver term i summe av B ieholder oddetall i ekspoete av x i (ete x i eller x i 3 ). Da x er ormalt distribuert rudt 0, vil gjeomsittet av ehver oddetallsekspoet være lik 0. Således har vi: B = 0 [24] C -leddet i q 2 C = x jx 2 j k j k m m x m x [25] De høyre side av uttrykket ieholder kvadruppelsumme. Dee ieholder (-)-termer hvor j = m og k =, hver som har gjeomsittet (x 2 ) 2 = 4. De ieholder også (-)-termer hvor j = og k = m, hver som har gjeomsittet 4. Dette gir: (-) 4 + (-) 4 = 2(-) 4 Alle de gjeværede termer ieholder oddetallsekspoet av x, og har gjeomsittet 0. Således, kvadruppelsumme i C har gjeomsittet 2(-) 4 + 0 = 2(-) = 2(-) 4 [26] Dette gir oss: C C = 2 = 2 2( ) 4 = 2( ) 4 [27] [28] [29] Bestemme (q ) 2 Vi ka å sette samme de tre leddee [22], [24] og [29]. (q ) 2 = A + B + C = ( )2 (+2) = ( )2 (+2)+2( ) 4 (q ) 2 = ( 2 ) 4 4 + 0 + 2( ) 4 [30] [3] [32] [33] Side 4

Side 5

Bestemme usikkerhet i q [6] Vi har å bestemt verdiee på leddee (q ) 2 [fra ] og (q ) 2 [fra 33]. Vi får å usikkerhet i estimatet fra [4] q = (q ) 2 {(q ) 2 } [34] = ( 2 ) 4 {( ) 2 4 } = [( 2 ) ( ) 2 ] 4 = [( 2 ) ( 2 2 + )] 4 = [ 2 2 + 2 ] 4 = [2 2] 4 = [2 2] 4 = 2( ) 2 [35] [36] [37] [38] [39] [40] [4] Relativ usikkerhet i q For å bestemme relativ adel av usikkerhete, får vi: Relativ usikkerhet = Usikkerhet i estimatet at q [fra 4] = [fra 0] 2( ) 2 = ( ) 2 = Usikkerhet 2( ) 2 ( )( ) 2 = 2 ( ) [42] [43] [44] [45] [46] Vi ærmer oss målet... (Adel av usikkerhet i estimatet for 2 ) = (adel i usikkerhet i q) Da er kvadratrote av 2, må adel av usikkerhete av være halvparte av q; slik = q = 2 q Side 6

Adel av usikkerhet i estimatet av = Adel av usikkerhet i estimatet av = 2 ( 2 ( ) ) = 2 (2 2)( ) = 2( ) = 2υ 2 (adel av usikkerhet i q) [47] [48] [49] [50] [5] Vi har å kommet til veis ede i utledig av formele som kytter samme «Ucertaity of the Ucertaity», og atall [] observasjoer som igår i e måleserie. Grafisk presetasjo av «Ucertaity of the Ucertaity» 2υ På de horisotale akse har vi atall [] observasjoer i måleserie. På de vertikale akse har vi adele av «Error i the Error». La oss se på tre tilfeller på kurve markert med sorte prikker: = 5 = 50 Kurve har verdie 0,35. Det iebærer at for e måleserie med fem observasjoer, vil usikkerhete i estimerige av stadard usikkerhet utgjøre 35 proset. Presisjoe er 65 proset på stadard usikkerhet. Kurve har verdie 0,. Det iebærer at for e måleserie med femti observasjoer, vil usikkerhete i estimerige av stadard usikkerhet utgjøre 0 proset. Presisjoe er 90 proset på stadard usikkerhet. Vi ser at etter hvert som atall observasjoer øker, øker også presisjoe på Side 7

stadard usikkerhet. = 5000 Kurve har verdie 0,0. Det iebærer at for e måleserie med femtuse observasjoer, vil usikkerhete i estimerige av stadard usikkerhet utgjøre proset. Presisjoe er 99 proset på stadard usikkerhet. Dee tabelle viser 2υ =, det vil si sammehege mellom atall observasjoer [] i e 2( ) måleserie og presisjo på stadard usikkerhet. «Ucertaity of the Kommetarer Atall observasjoer Ucertaity» 2 0,70706782 4 0,4082482905 For e måleserie med fire observasjoer, vil usikkerhete i estimatet av bredde stadardavvik utgjøre 40 proset av verdie av stadardavviket. 8 0,26726249 6 0,82574858 32 0,27000270 64 0,0890870806 52 0,032805624 024 0,022078844 2 048 0,0562886 4 096 0,00498924 For e måleserie med 4096 observasjoer, vil usikkerhete i estimatet av bredde stadardavvik utgjøre, proset av verdie av stadardavviket. 8 92 0,007829769 3 072 0,00953325 262 44 0,00380706 For e måleserie med 26244 observasjoer, vil usikkerhete i estimatet av bredde stadardavvik utgjøre,4 promille av verdie av stadardavviket. 524 288 0,0009765634 048 576 0,0006905343 La oss ta et regeeksempel på «Ucertaity of the Ucertaity»: Hvor mage [] observasjoer treger ma for at adele skal utgjøre e proset? (2 2) = e proset Vi setter opp likige. [52] 2 ( ) (2 2) = 2 2 0000 = 0,0 2 Vi kvadrerer begge sider [53] Vi rydder. [54] 2 2 = 0000 Vi kryssmultipliserer [55] 2 = 0002 Vi rydder [56] = 500 Og, vi har kommet frem til løsige Side 8

[57] Vi treger altså 500 observasjoer i måleserie før adele av «Ucertaity of the Ucertaity» kommer ed i é proset. Med adre ord vi treger flere e 500 observasjoer før vi ka bruke to sigifikate sifre! Og, vi treger flere e femhudretuse observasjoer før vi ka bruke tre sigifikate sifre. Hva hvis sigifikat siffer starter med? Dersom vi skal rapportere med ett sigifikat siffer, og dette starter med, må vi bruke ormale avrudigsregler og su foruft i hehold til GUM seksjo 7.2.6. For eksempel;,4 avrudes til og,5 avrudes til 2. Dette gir relativt store avrudigsfeil (rudt 25 %). Det abefales derfor at år første sigifikate siffer er, ka ma bruke to sigifikate sifre. Eksempel: m er kalkulert til 0,2345. Dee er basert på 500 observasjoer. Stadard usikkerhet rapporteres lik: m = 0,2. Avsluttede talleksempel Vi har følgede måleserie: Observasjo Observasjo 2 Observasjo 3 Observasjo 4 Observasjo 5 5,05 ma 5, ma 4,99 ma 5,3 ma 5,0 ma Vi kalkulerer måleseries gjeomsitt x = [ x i ] = 5,076 ma Vi kalkulerer måleseries stadard usikkerhet s Bessel = (x i x ) 2 ( ) = 0,0563649 ma [58] [59] Vi kalkulerer utvalgets stadard usikkerhet m = Vi rapporter verdiee fra måleserie: s Bessel = 0,0289574 ma [60] x ( m ) 5,08(0,03) ma Side 9

Oppsummerig Jeg viste deg utledige av formele for «Ucertaity of the Ucertaity»: 2υ [6] De viser at for måleserier, som ieholder 5000 eller færre observasjoer, vil adele i «Ucertaity of the Ucertaity» være så høy, at vi ku ka bruke ett sigifikat siffer. Artikkelserie om «Ucertaity of the Ucertaity» avsluttes med Bessel s korreksjo. På gjesy! Med velig hilse Traior Elsikkerhet AS Rue Øverlad Seiorigeiør Tøsberg jui 206 Side 0