математического ожидания);
-оценка качественной стороны (оценка меры
разброса).
Оценки точечные, предпочтительнее интервальные.
Большая зависимость от точности знания закона
распределения погрешностей измерений и числа
измерений.
1
- Главная
- Разное
- Дизайн
- Бизнес и предпринимательство
- Аналитика
- Образование
- Развлечения
- Красота и здоровье
- Финансы
- Государство
- Путешествия
- Спорт
- Недвижимость
- Армия
- Графика
- Культурология
- Еда и кулинария
- Лингвистика
- Английский язык
- Астрономия
- Алгебра
- Биология
- География
- Детские презентации
- Информатика
- История
- Литература
- Маркетинг
- Математика
- Медицина
- Менеджмент
- Музыка
- МХК
- Немецкий язык
- ОБЖ
- Обществознание
- Окружающий мир
- Педагогика
- Русский язык
- Технология
- Физика
- Философия
- Химия
- Шаблоны, картинки для презентаций
- Экология
- Экономика
- Юриспруденция
Классическая задача оценивания презентация
Содержание
- 1. Классическая задача оценивания
- 2. Обработка многократно измеренных величин Основные подходы:
- 3. Обработка многократно измеренных величин Классическая задача
- 4. Обработка многократно измеренных величин Оценки качества:
- 5. Обработка многократно измеренных величин Интервальные оценки
- 6. Обработка многократно измеренных величин Построение доверительного
- 7. Обработка многократно измеренных величин Последовательность обработки
- 8. Обработка многократно измеренных величин Неравноточный случай
- 9. Обработка многократно измеренных величин Вычисление при
- 10. Обработка многократно измеренных величин Приведение не
- 11. Обработка многократно измеренных величин Учет разности
- 12. Обработка многократно измеренных величин
- 13. Обработка многократно измеренных величин Стандартное отклонение
- 14. Обработка многократно измеренных величин Вычисление погрешности
Обработка многократно измеренных величин Основные подходы: -Классический случай; -Анализируемый классический случай; -Не классические методы оценивания: -обобщенный метод наименьших квадратов (ОМНК), -робастные (помехоустойчивые) оценки, -параметрические неклассические оценки, - не
Слайд 1Обработка многократно измеренных величин
Избыточные (п–1) измерения:
-контроль;
-неоднозначничть.
Задача оценивания:
-оценка количественной стороны
(оценка
математического ожидания);
-оценка качественной стороны (оценка меры
разброса).
Оценки точечные, предпочтительнее интервальные.
Большая зависимость от точности знания закона
распределения погрешностей измерений и числа
измерений.
математического ожидания);
-оценка качественной стороны (оценка меры
разброса).
Оценки точечные, предпочтительнее интервальные.
Большая зависимость от точности знания закона
распределения погрешностей измерений и числа
измерений.
Слайд 2Обработка многократно измеренных величин
Основные подходы:
-Классический случай;
-Анализируемый классический случай;
-Не классические методы
оценивания:
-обобщенный метод наименьших квадратов (ОМНК),
-робастные (помехоустойчивые) оценки,
-параметрические неклассические оценки,
- не параметрические неклассические оценки,
-адаптивные (индикаторные) оценки.
-обобщенный метод наименьших квадратов (ОМНК),
-робастные (помехоустойчивые) оценки,
-параметрические неклассические оценки,
- не параметрические неклассические оценки,
-адаптивные (индикаторные) оценки.
2
Слайд 3Обработка многократно измеренных величин
Классическая задача оценивания.
Условия.
Оценка МО – СА,
оценка стандарта – СКП (Гаусс,
Бессель). Хьюбер. ЦФ для МНК – квадратичная.
Бессель). Хьюбер. ЦФ для МНК – квадратичная.
3
Слайд 4Обработка многократно измеренных величин
Оценки качества:
k – ч.с.с.
Если необходимо – устранение смещения:
Для формулы Бесселя
Задачи:
Известно МО – задача эталонирования,
Неизвестно МО – задача оценивания.
Если необходимо – устранение смещения:
Для формулы Бесселя
Задачи:
Известно МО – задача эталонирования,
Неизвестно МО – задача оценивания.
4
Слайд 5Обработка многократно измеренных величин
Интервальные оценки основных характеристик:
1. Cтандарт σ известен,
нормально распределена, вероятность
2. Стандарт не известен – все тоже, но s → σ, величина
имеет распределение Стьюдента.
2. Стандарт не известен – все тоже, но s → σ, величина
имеет распределение Стьюдента.
5
Слайд 6Обработка многократно измеренных величин
Построение доверительного интервала для дисперсии σ2
по
выборочной дисперсии s2, полученной по n
измерениям с НЗР погрешностей.
(n⋅s2) /σ2 имеет распределение χ2 с k = n –1 степенями
свободы.
измерениям с НЗР погрешностей.
(n⋅s2) /σ2 имеет распределение χ2 с k = n –1 степенями
свободы.
6
Слайд 7Обработка многократно измеренных величин
Последовательность обработки – точечная, интервальная
Задача эталонирования:
- определение
погрешности;
-выявление мешающих параметров.
правило 3σ – «трех сигм»
Значимая систематика:
-выявление мешающих параметров.
правило 3σ – «трех сигм»
Значимая систематика:
7
Слайд 8Обработка многократно измеренных величин
Неравноточный случай обработки.
Вес как степень доверия
и мера разности условий
измерений. (Р. Коутс, 1700 г).
Произвол k.
Погрешность единицы веса:
измерений. (Р. Коутс, 1700 г).
Произвол k.
Погрешность единицы веса:
8
Слайд 9Обработка многократно измеренных величин
Вычисление при неизвестном стандарте – искаженность
Пример:
Не более
2 значащих цифр: 1.5, 0.27.
9
Слайд 10Обработка многократно измеренных величин
Приведение не равноточных измерений к
равноточным –
домножить на
Погрешность через вес:
Погрешность через вес:
10
Слайд 11Обработка многократно измеренных величин
Учет разности условий многократно измеренной
величины –
среднее весовое.
Получение на основе принципа Лагранжа:
Условие: одинаковы x, одинаковы k → [k] = 1.
Функция Лагранжа:
Получение на основе принципа Лагранжа:
Условие: одинаковы x, одинаковы k → [k] = 1.
Функция Лагранжа:
11
Слайд 13Обработка многократно измеренных величин
Стандартное отклонение (СО) среднего взвешенного
→
Вес СО ср. взвешенного
Те же свойства что и для среднего.
Вес СО ср. взвешенного
Те же свойства что и для среднего.
13
Слайд 14Обработка многократно измеренных величин
Вычисление погрешности единицы веса:
По Гауссу
По Бесселю
14
