PODSTAWOWE WZORY W CZCI I

Zapis (rozdzia 2)

(zmierzona warto x) = x

n p

+ 8x.

(s. 28)

Sx
Niepewno wzgldna

(s. 41)
i-^npl

Przenoszenie niepewnoci (rozdzia 3)

Jeeli mierzymy szereg wielkoci x,... ,w z niewielkimi niepewnociami 8x,...8w, a nastp
nie korzystamy ze zmierzonych wartoci, aby obliczy pewn wielko q, to niepewnoci
x,...,w pocigaj za sob powstanie niepewnoci q, ktr mona wyznaczy na podstawie
nastpujcych regu:
Jeeli q ma posta sumy i rnicy, q = x+ ... +z (u+ ... +w), to
Sx + ... +

8Z

SM

+ ... +5w

(s. 58)

(jest to zarazem grne ograniczenie niepewnoci 8q);

5

9 j

(x) + . + (5z) + (S) + ... + (5w)

(s. 70)

(dla bdw niezalenych i przypadkowych).

Jeeli q ma posta iloczynu i ilorazu, q =
8x

~ 1*1

"'

x z
, to
Sz

Su

|z|

|u|

8w
"'

(s. 62)

|w|

(jest to zarazem grne ograniczenie niepewnoci 8q);

8^
\q\

(s. 71)
(dla bdw niezalenych i przypadkowych).

Jeeli q = Bx, gdzie B nie jest obarczone niepewnoci, to

8<j = |B|Sx.

(s. 63)

Jeeli q jest funkcj jednej zmiennej q (x), to

dx

8x.

(s. 75)

Jeeli q jest funkcj potgow, q = x", to

ii

|n|-

.\-

(s. 77)

l4l
Jeeli g jest funkcj wielu zmiennych x , . . . , z , to
(s. 87)
(dla bdw niezalenych i przypadkowych).

Definicje poj statystycznych (rozdzia 4)

Jeeli x ,...,x
zdefiniowa
1

s wynikami N niezalenych pomiarw pewnej wielkoci x, to moemy

N

1
x = Y X, = rednia;

a =
x

J-j^-jZ&i-*)

(s. 99)

(s. 101)

= odchylenie standardowe;

o\p = 7=r = odchylenie standardowe redniej.

(s. 104)

Rozkad normalny (rozdzia 5)

Dla dowolnego rozkadu granicznego f(x) zmiennej cigej x:
f(x) dx = prawdopodobiestwo, e dowolny pomiar da wynik w przedziale
pomidzy x a x + dx;

(s. 122)

\f(x) Ax = prawdopodobiestwo, e dowolny pomiar da wynik w przedziale

a

pomidzy x = a a x = b;

(s. 121)

a)

J f(x)dx

= 1 jest warunkiem normalizacji.

(s. 122)

- oo

Rozkad normalny opisany jest funkcj

/,.(*) = l -^*^\
e

(s. 128)

gdzie
X =
=
=
IT =
=

rodek rozkadu
warto prawdziwa x
rednia duej liczby pomiarw,
szeroko rozkadu
odchylenie standardowe dla duej liczby pomiarw.

Prawdopodobiestwo, e zmierzona warto znajdzie si w promieniu t odchyle standar

dowych od X wynosi
1
' _
P(w promieniu ta) = - = J e
d z = funkcja bdu;
2

/2

w szczeglnoci
P(w promieniu la) = 68%.

(s. 132)

John R. Taylor

WSTP
do ANALIZY
BDU
POMIAROWEGO
Z angielskiego tumaczyli:

Adam Babiski
Rafa Boek

Wydawnictwo Naukowe PWN

Warszawa 1995

Dane oryginau:
John R. Taylor
An Introduction to Error
Analysis
The Study of Uncertainties in Physical Measurements
Oxford University Press

Copyright 1982 by University Science Books

Okadk i strony tytuowe projektowaa

Romana

Freudenreich-Slubowska

Redaktor
Anna

Bogdanienko

Redaktor techniczny
Beata

Stelgowska

Tytu dotowany przez Ministra Edukacji Narodowej

Copyright for the Polish edition by

Wydawnictwo Naukowe P W N Sp. z o.o.
Warszawa 1995

ISBN 83-01-11820-2

Zdjcie na okadce przedstawia wypadek na dworcu Montparnasse, 22 padziernika 1845 r.

(ND 2896 Paris), opublikowane za zgod ROGER-VIOLLET, 6, rue de Seine
75006 Paris. NO-VIOLLET
A

B-ko G?G

BIBLIOTEKA GOWNA
POLITECHNIKI GDASKIEJ
II

210128-00-00/01

SPIS TRECI

Przedmowa

CZ I
Rozdzia 1. W s t p n e r o z w a a n i a o r a c h u n k u b d w
1.1.
1.2.
1.3.
1.4.
1.5.
1.6.

Bdy czyli niepewnoci

Nieuchronno niepewnoci
Znaczenie poznania niepewnoci
Dalsze przykady
Oszacowanie niepewnoci przy odczycie skali
Szacowanie niepewnoci pomiarw wielokrotnych

Rozdzia 2. J a k p r z e d s t a w i a niepewnoci p o m i a r o w e i j a k z nich

korzysta
2.1. Najlepsze przyblienie + niepewno
2.2. Cyfry znaczce
2.3. Rozbieno
2.4. Porwnanie wartoci zmierzonych i wartoci uznanych
2.5. Porwnanie dwu wartoci zmierzonych
2.6. Graficzne sprawdzanie proporcjonalnoci
2.7. Niepewnoci wzgldne
2.8. Cyfry znaczce i niepewnoci wzgldne
2.9. Mnoenie dwu wartoci zmierzonych
Zadania

15
15
16
17
19
21
24

27
27
29
31
32
34
37
41
43
44
47
5

Rozdzia 3. Przenoszenie niepewnoci

53

3.1. Niepewnoci w pomiarach bezporednich

3.2. Sumy i rnice; iloczyny i ilorazy
3.3. Niezalene niepewnoci w sumie
3.4. Wicej o niepewnociach niezalenych
3.5. Dowolna funkcja jednej zmiennej
3.6. Przenoszenie bdw krok po kroku
3.7. Przykady
3.8. Przykad bardziej skomplikowany
3.9. Oglna regua przenoszenia bdw
Zadania

Rozdzia 4. Analiza statystyczna niepewnoci p r z y p a d k o w y c h

54
57
66
70
73
77
78
81
84
88

...

95

4.1. Bdy przypadkowe i systematyczne

4.2. rednia i odchylenie standardowe
4.3. Odchylenie standardowe jako niepewno pojedynczego pomiaru . . .
4.4. Odchylenie standardowe redniej
4.5. Przykady
4.6. Bdy systematyczne
Zadania

96
98
102
104
106
108
111

Rozdzia 5. R o z k a d n o r m a l n y

114

5.1. Histogramy i rozkady

115
5.2. Rozkady graniczne
120
5.3. Rozkad normalny
124
5.4. Odchylenie standardowe jako granica przedziau 68-procentowej ufnoci 131
5.5. Uzasadnienie wyboru redniej jako najlepszego przyblienia
134
5.6. Uzasadnienie reguy kwadratowego przenoszenia bdw
138
5.7. Odchylenie standardowe redniej
145
5.8. Ufno
147
Zadania
151

CZ II
Rozdzia 6. O d r z u c a n i e d a n y c h

159

6.1. Problem odrzucania danych

6.2. Kryterium Chauveneta

159
161

6.3. Przykad
Zadania

Rozdzia 7. rednie w a o n e
7.1. Zagadnienie czenia osobnych pomiarw
7.2. rednia waona
7.3. Przykad
Zadania

Rozdzia 8. M e t o d a najmniejszych k w a d r a t w
8.1. Punkty pomiarowe, ktre powinny ukada si na prostej
8.2. Obliczenie staych A i B
8.3. Niepewno pomiarw y
8.4. Niepewno staych A i B
8.5. Przykad
8.6. Dopasowanie innych krzywych metod najmniejszych kwadratw
Zadania

Rozdzia 9. K o w a r i a n c j a i korelacja
9.1. Przegld zasad przenoszenia bdw
9.2. Kowariancja a przenoszenie bdw
9.3. Wspczynnik korelacji liniowej
9.4. Ilociowe znaczenie wspczynnika r
9.5. Przykady
Zadania

Rozdzia 10. R o z k a d d w u m i a n o w y
10.1. Rozkady wynikw dowiadczalnych
10.2. Prawdopodobiestwo w rzutach komi
10.3. Definicja rozkadu dwumianowego
10.4. Wasnoci rozkadu dwumianowego
10.5. Rozkad Gaussa dla niepewnoci przypadkowych
10.6. Zastosowania: testowanie hipotez
Zadania

163
164

166
166
167
170
170

172
172
174
176
178
179
. . 182
188

193
193
195
199
203
205
206

209
209
210
212
215
219
221
226

Rozdzia 11. R o z k a d P o i s s o n a

230

11.1. Definicja rozkadu Poissona

11.2. Wasnoci rozkadu Poissona
11.3. Przykady
Zadania

Rozdzia 12. Test x

230
232
236
238

zgodnoci r o z k a d w

242

242
247
252
255
258
263

12.1. Wprowadzenie do testu j

12.2. Oglna definicja testu y
12.3. Stopnie swobody i zredukowany test x
12.4. Prawdopodobiestwa zwizane z testem y
12.5. Przykady
Zadania
2

D o d a t e k A. F u n k c j a bdu, I

269

D o d a t e k B. F u n k c j a bdu, II
D o d a t e k C. P r a w d o p o d o b i e s t w a dla w s p c z y n n i k w korelacji
2

D o d a t e k D . P r a w d o p o d o b i e s t w a dla testu x
Bibliografia
Odpowiedzi do wybranych zada
Skorowidz

Mojej onie

PRZEDMOWA

Wszystkie pomiary, jakkolwiek staranne i naukowe, s naraone na wy

stpowanie rnych niepewnoci. Rachunek bdw polega na badaniu
i okrelaniu rozmiaru tych niepewnoci, a jego dwa podstawowe zadania to
uwiadomienie eksperymentatorowi, jak due s niepewnoci, i wskazanie
sposobu ich zmniejszenia, gdy jest to niezbdne. Analizowanie niepewnoci,
nazywanych take bdami", jest niezwykle istotnym etapem kadego z eks
perymentw naukowych i dlatego rachunek bdw stanowi wany element
programu studiw w ramach kadej zwizanej z eksperymentem specjalno
ci. Rachunek bdw ma du szans sta si jednym z najciekawszych
punktw programu. Wyzwanie w postaci szacowania niepewnoci i ograni
czania ich do poziomu pozwalajcego wyciga rzeczowe wnioski moe
zmieni nudny i wykonywany bezmylnie cig pomiarw w prawdziwie
interesujce wiczenie.
Niniejsza ksika stanowi wprowadzenie do rachunku bdw i jest prze
znaczona do wykorzystania w ramach kursu fizyki dowiadczalnej dla studen
tw pierwszego i drugiego roku politechnik oraz wydziaw przyrodniczych
uniwersytetw. Nie twierdz oczywicie, e rachunek bdw jest najwaniej
szym (to znaczy jedynym wanym) elementem takiego kursu, ale przekonaem
si, e czstokro jest to element lekcewaony i zaniedbywany. W wielu
przypadkach nauka" rachunku bdw sprowadza si do wrczenia kilku
zapenionych notatkami kartek ze spor liczb wzorw i oczekiwania, e
student sam da sobie z tym rad. W rezultacie rachunek bdw staje si nic
nie znaczc procedur, ktra polega na dodania kilku linijek z obliczeniami
w kocowej czci sprawozdania z wykonania wiczenia, z tego tylko powodu,
e takie byo polecenie asystenta.

Napisaem t ksik z przekonaniem, e kady student, nawet ten, ktry

nigdy nie spotka si z zagadnieniem, powinien mie szans poznania, czym
jest rachunek bdw, dlaczego jest interesujcy i wany oraz jak wykorzysta
jego podstawowe metody przy sporzdzaniu sprawozda laboratoryjnych.
Cz I ksiki (zawierajca rozdziay od 1 do 5) prbuje wypeni to zadanie,
opierajc si na przykadach wielu dowiadcze spotykanych w ramach
wstpnej pracowni fizycznej. Student, ktry zdoa opanowa zawarty tam
materia, powinien zna i rozumie wikszo zagadnie rachunku bdw,
jakie moe spotka wykonujc wiczenia objte programem wstpnej pra
cowni fizycznej: przenoszenie bdw, posugiwanie si najprostszymi elemen
tami statystyki i ich uzasadnienie na podstawie rozkadu normalnego.
Cz II zawiera wybr pewnych bardziej zoonych zagadnie: dopasowy
wanie metod najmniejszych kwadratw, test x i inne. Nie wchodz one
jawnie w zakres wstpnej pracowni fizycznej, chocia spora grupa studentw
moe si niektrymi z nich zainteresowa. Cz z tych zagadnie okae si
niezbdna w ramach dalszych zaj na pracowni fizycznej i gwnie z tego
powodu zdecydowaem si je przedstawi.
Jestem w peni wiadomy, e wszdzie powica si rachunkowi bdw
zbyt mao czasu w ramach zaj na pracowni fizycznej. W University of
Colorado prowadzimy godzinny wykad w czasie pierwszych szeciu tygodni
zaj na wstpnej pracowni fizycznej. Wykady te poczone z pracami domo
wymi, na ktre skadaj si zadania zamieszczone na kocu kadego z roz
dziaw, obejmuj w peni tematyk rozdziaw od 1 do 4 i skrtowo rozdzia
5. Daje to studentom praktyczn wiedz na temat przenoszenia bdw
i elementarnej statystyki jak rwnie pewne pojcie o znajdujcym si u pod
staw teorii rozkadzie normalnym. Z opinii wyraanych przez cz studentw
wynika, e wykady stanowiy zbyteczny luksus, przynajmniej dla niektrych
studentw, ktrzy byli w stanie opanowa materia na podstawie lektury
skryptu i wykonujc zalecane zadania. Gboko wierz, e ksik mona
czyta bez jakiejkolwiek pomocy ze strony wykadowcy.
2

Cz II ksiki mona przedstawi w ramach kilku wykadw przeprowa

dzonych w pierwszych tygodniach zaj na pracowni fizycznej przeznaczonej
dla studentw drugiego roku (podobnie jak i poprzednio wzbogaconych
odpowiedni liczb zada). Ale jeszcze w wikszym stopniu ni cz I jest ona
przeznaczona do samodzielnego czytania przez studentw w chwili uzale
nionej od ich wasnych potrzeb i zainteresowa. Kady z siedmiu rozdziaw
skadajcych si na cz II jest niemal zupenie niezaleny od pozostaych
wanie po to, by zachci do takiej lektury.
N a kocu kadego z rozdziaw przedstawiem stosowny zestaw zada;
Czytelnik powinien rozwiza niektre z nich, aby w peni opanowa omawia-

10

ne zagadnienia. Wikszo oblicze dotyczcych bdw jest cakiem prosta.

Student, ktry wykonuje wiele skomplikowanych rachunkw czy to w zadaniach,
czy w sprawozdaniach, prawie na pewno robi co w sposb niepotrzebnie
zoony. Chcc umoliwi wykadowcom i studentom wybr, przedstawiem
znacznie wicej zada ni przecitny Czytelnik sprbuje rozwiza. Czytelnik,
ktry rozwie jedn trzeci spord nich, nie powinien mie dalszych kopotw.
Wewntrzne strony okadki zawieraj streszczenie najwaniejszych wzo
rw. Mam nadziej, e bdzie to stanowio pomoc zarwno w trakcie czytania
ksiki jak i pniej. Streszczenia maj ukad rozdziaw i, jak wierz, mog
peni funkcj krtkich podsumowa, do ktrych mona zajrze po prze
czytaniu kadego rozdziau.
W samym tekcie pewna liczba stwierdze rwna i regu postpowania
zostaa wyrniona poprzez cieniowanie ta. Ten sposb wyrnienia jest
zarezerwowany dla ostatecznej (czyli takiej, ktra ju pniej nie ulegnie
zmianom) postaci wanych stwierdze. Czytelnik powinien zapamita te
stwierdzenia i wanie w tym celu zostay one wyrnione.
Poziom znajomoci matematyki, ktry jest wymagany od Czytelnika,
wzrasta nieznacznie w kolejnych fragmentach. W pierwszych dwch rozdzia
ach wymagana jest tylko algebra; rozdzia 3 wymaga obliczania pochodnych
(i pochodnych czstkowych w paragrafie 3.9, ktry jednak mona pomin);
w rozdziale 5 niezbdna jest umiejtno cakowania i znajomo funkcji
wykadniczej. W czci II zakadam, e Czytelnik jest dobrze obeznany ze
wszystkimi wymienionymi pojciami.
Ksika zawiera liczne przykady dowiadcze z zakresu fizyki, ale zro
zumienie ich teoretycznych podstaw nie jest niezbdne. Ponadto wikszo
przykadw zaczerpnito z elementarnej mechaniki i optyki, aby zwikszy
szans, e Czytelnik pozna ju odpowiedni dzia fizyki. Student, ktry od
czuwa tak potrzeb, moe znale podstawy teoretyczne, zagldajc do
indeksu dowolnego podrcznika fizyki oglnej.
Rachunek bdw jest tematem, wok ktrego toczy si wiele sporw,
i aden z moliwych sposobw prowadzenia wykadu nie jest w stanie
zadowoli wszystkich. W moim osobistym przekonaniu zawsze wtedy, gdy
konieczny jest wybr pomidzy atwoci zrozumienia a rygorystycznym
formalizmem, wykadowca fizyki powinien wybiera pierwsz moliwo. N a
przykad, w budzcej kontrowersje kwestii, czy niepewnoci naley dodawa
w postaci pierwiastka z sumy kwadratw czy bezporednio, zdecydowaem si
omwi najpierw dodawanie bezporednie, poniewa student atwiej zrozumie
argumenty, ktre do niego prowadz.
W cigu ostatnich kilkunastu lat, w studenckich pracowniach zaszy
dramatyczne zmiany zwizane z pojawieniem si kalkulatorw. Spowodowao

11

to wprawdzie kilka niezbyt szczliwych nastpstw - najatwiej zauway

okropny nawyk podawania absurdalnej liczby cyfr nie znaczcych tylko
dlatego, e znalazy si na wywietlaczu kalkulatora - ale prawie w kadym
przypadku, a szczeglnie w rachunku bdw pojawienie si kalkulatora
przynioso ogromne korzyci. Kalkulator pozwala obliczy w kilka sekund
wartoci rednich i odchyle standardowych, ktrych znalezienie trwaoby
inaczej godzinami. Czyni take zbdnymi wiele tablic, poniewa mona obec
nie szybciej obliczy warto funkcji, takiej jak funkcja Gaussa, ni znale
wynik w tablicach. Staraem si wykorzysta to wspaniae narzdzie wszdzie,
gdzie tylko byo to moliwe.
Z przyjemnoci chciaem podzikowa wielu osobom za ich pomocne
uwagi i sugestie. Wydanie skryptowe niniejszej ksiki byo wykorzystywane
w wielu uczelniach i wdziczny jestem zarwno studentom, jak i moim
kolegom wykadowcom za ich krytycyzm. Szczeglnie pomocne okazay si
uwagi poczynione przez Johna Morrisona i Davida Nesbitta z University of
Colorado, profesorw Pratta i Schroedera z Michigan State University, profe
sora Shugarta z University of California w Berkeley oraz profesora Semona
z Bates College. Diane Casparian, Linda Frueh i Connie Gurule przygotowy
way maszynopisy starannie i bardzo szybko. Bez mojej teciowej, Frances
Kretschmann, korekty nigdy nie byyby ukoczone na czas. Wszystkim wy
mienionym osobom jestem wdziczny za ich pomoc; chocia przede wszystkim
chciaem podzikowa mojej onie, ktrej cierpliwa i nieustanna praca redak
torska w nieoceniony sposb ulepszya t ksik.
J. R Taylor
1 listopada 1981
Boulder, Colorado

Cz I
1. Wstpne rozwaania o rachunku bdw
2. Jak przedstawia niepewnoci pomiarowe i jak z nich
korzysta
3. Przenoszenie niepewnoci
4. Analiza statystyczna niepewnoci przypadkowych
5. Rozkad normalny

Cz I powicona jest wprowadzeniu podstawowych poj rachunku

bdw, niezbdnych w ramach typowych zaj na wstpnej pracowni
fizycznej przeznaczonej dla studentw pierwszego roku. Pierwsze dwa
rozdziay odpowiadaj na pytania, czym jest rachunek bdw, dlaczego
jest on wany i w jaki sposb naley go wczy w sprawozdanie
z wykonanego wiczenia. W rozdziale 3 mowa jest o przenoszeniu
(propagacji) bdw, w przypadku gdy dane pochodzce z pierwotnych
pomiarw s wykorzystywane w obliczeniach i zachodzi konieczno
wyznaczenia niepewnoci wyniku kocowego. Rozdziay 4 i 5 zawieraj
wprowadzenie do metod statystycznych, umoliwiajcych oszacowanie
tak zwanych niepewnoci przypadkowych.

R O Z D Z I A

WSTPNE ROZWAANIA O RACHUNKU BDW

Zadaniem rachunku bdw jest analiza i ocena niepewnoci pomiarowych.

Jak wykazuje praktyka, aden z pomiarw, niezalenie od woonej we
starannoci, nie daje cakowicie dokadnego wyniku. W sytuacji gdy konstruk
cja i stosowalno nauk przyrodniczych oparte s na wynikach pomiarw,
podstawowe znaczenie ma moliwo okrelania odpowiadajcych im niepew
noci i ograniczania ich do minimalnego poziomu.
W tym rozdziale podamy przykady nieskomplikowanych pomiarw, ktre
wyka nieuchronno wystpowania niepewnoci eksperymentalnych i uzasa
dni podstawowe znaczenie wiedzy na temat ich wielkoci. W dalszym cigu
wyjanimy, w jaki sposb (przynajmniej w najprostszych przypadkach) mona
realistycznie oszacowa rozmiary niepewnoci eksperymentalnych, posugujc
si metodami niewiele bardziej zoonymi od tych, ktre podsuwa zdrowy
rozsdek.

1.1. Bdy czyli niepewnoci

W naukach przyrodniczych bd" nie jest synonimem pomyki" lub gafy".
Bd" wystpujcy w pomiarze naukowym oznacza niemoliw do uniknicia
niepewno nierozerwalnie zwizan z istot pomiaru. W tym sensie bdy nie
oznaczaj pomyek; nie sposb unikn ich zachowujc wiksz staranno.
Wszystko co mona osign, to spowodowa, by byy moliwie najmniejsze,
i znale sposb na oszacowanie ich wielkoci. Wikszo podrcznikw
wprowadza pewne szczeglne definicje bdu". Kilka z nich rozwaymy nieco

15

pniej. Teraz bdziemy uywa sowa bd" wycznie w znaczeniu niepew

noci", traktujc obydwa wyrazy w sposb cakowicie wymienny.

1.2. Nieuchronno niepewnoci

Aby lepiej zrozumie zjawisko nieuchronnego wystpowania niepewnoci,
wystarczy przyjrze si nieco staranniej dowolnemu z wykonywanych na
co dzie pomiarw. Zastanwmy si nad postpowaniem stolarza, ktry
musi zmierzy wysoko framugi, chcc dopasowa do niej drzwi. Pierw
szym, zgrubnym pomiarem moe by rzut oka na framug, ktry pozwoli
oszacowa jej wysoko na 210 cm. Taki pomiar" wie si oczywicie ze
spor niepewnoci. Indagowany stolarz prawdopodobnie wyrazi t niepew
no, przyznajc, e wysoko framugi rwnie dobrze moe wynosi 205 jak
i 215 cm.
Jeeli stolarz bdzie potrzebowa bardziej dokadnego pomiaru, moe
skorzysta z tamy mierniczej i stwierdzi, e wysoko framugi wynosi 211,3
cm. Nie ulega wtpliwoci, e ten pomiar jest bardziej precyzyjny od pierwo
tnego szacunku, ale oczywicie wci obarczony pewn niedokadnoci, gdy
nie mona odpowiedzie, czy wysoko framugi wynosi dokadnie 211,3000 cm
czy moe 211,3001 cm.
Jest wiele przyczyn obecnej wci niepewnoci. Kilka z nich rozwaymy
w dalszym cigu naszego wykadu. S wrd nich takie, ktre stolarz mgby
atwo wyeliminowa czynic w tym kierunku pewne starania. Naley do nich
ze owietlenie utrudniajce waciwy odczyt tamy; ten problem mona
rozwiza zwikszajc po prostu owietlenie.
Z drugiej strony pewne rda niepewnoci s cile zwizane z samym
zjawiskiem pomiaru i niemoliwe jest ich cakowite usunicie. Wyobramy
sobie, e dziaki na tamie uywanej przez stolarza rozmieszczone s w od
stpach plcentymetrowych. Z du doz prawdopodobiestwa mona przy
j, e grna krawd drzwi nie pokryje si z adn z kresek oznaczajcych
odcinki pcentymetrowe, skd wniosek, e stolarz bdzie musia sam okreli,
w ktrym miejscu pomidzy dwiema kreskami znajduje si krawd. Nawet
gdyby pokrya si ona z odpowiedni dziak, to i tak szeroko oznacze na
tamie jest zbliona do milimetra; tak wic stolarz musiaby poda pooenie
krawdzi w obrbie kreski. W kadym z przypadkw musi on podj si
okrelenia pooenia krawdzi drzwi wzgldem oznacze znajdujcych si na
tamie, co zawsze spowoduje pojawienie si pewnej niepewnoci w podanym
przez niego wyniku.

16

Kupujc lepsz tam z gstsz, bardziej precyzyjn podziak, stolarz

moe zmniejszy t niepewno, ale nigdy nie bdzie w stanie cakowicie jej
wyeliminowa. Jeeli popadby w obsesj na punkcie zmierzenia wysokoci
framugi drzwi z najwiksz moliw dokadnoci, na jak pozwala stan
techniki, mgby zakupi kosztowny interferometr laserowy. Ale nawet do
kadno interferometru laserowego jest ograniczona do odlegoci porwny
walnych z dugoci fali wietlnej (okoo 0 , 5 - 1 0 " metra). Stolarz, wykonujc
pomiary z fantastyczn wprost dokadnoci, w dalszym cigu nie znaby
dokadnej wysokoci framugi.
6

Co wicej, zwikszajc coraz to bardziej precyzj, napotkaby problem o pod

stawowym znaczeniu. Przekonaby si, e wysoko framugi zmienia si od
miejsca do miejsca. Nawet w jednym i tym samym miejscu wysoko moe ulega
zmianom wskutek waha temperatury i wilgotnoci powietrza, a nawet przypad
kowego starcia cienkiej warstwy brudu. Innymi sowy stolarz odkryby, e nie
istnieje co takiego, jak cile okrelona wysoko framugi. Tego rodzaju problem
nosi miano zagadnienia definicji (wysoko framugi nie naley do dobrze zdefinio
wanych wielkoci) i odgrywa istotn rol w wielu pomiarach naukowych.
Obserwacje stolarza ilustruj pewn powszechnie uznawan prawd. ad
nej z wielkoci fizycznych (dugo, czas, temperatura itd.) nie mona zmierzy
z absolutn dokadnoci. Postpujc z naleyt uwag, moemy zmniejsza
wystpujce niepewnoci, a stan si one bardzo mae, ale cakowite ich
usunicie nie jest moliwe.
W wykonywanych na co dzie pomiarach z reguy nie przejmujemy si
analiz bdw. Wl wielu sytuacjach niepewnoci nie s wcale interesujce.
Jeeli mwimy, e odlego z domu do szkoy wynosi 3 kilometry, to (w
wikszoci przypadkw) nie jest istotne, czy oznacza to co pomidzy 2,5 a
3,5 kilometra" czy moe co pomidzy 2,99 a 3,01 kilometra". Czsto niepew
noci s wane, ale uwzgldniamy je podwiadomie, nie prowadzc w tym celu
jawnych rozwaa. Stolarz przystpujc do dopasowywania drzwi powinien
zna ich wysoko z dokadnoci zblion lub wiksz ni 1 mm. Dopki
jednak niepewno pozostaje na tym poziomie, dopty drzwi (praktycznie pod
kadym wzgldem) bdzie mona uzna za idealnie dopasowane, co zakoczy
zainteresowanie stolarza rachunkiem bdw.

1.3. Znaczenie poznania niepewnoci

Przykad stolarza mierzcego wysoko framugi drzwi pokaza istnienie cisego
zwizku niepewnoci z pomiarami. Rozwaymy teraz inny przykad, ktry
wyraniej zilustruje podstawowe znaczenie wiedzy o rozmiarach niepewnoci.

17

Wyobramy sobie, e stajemy wobec zadania podobnego do tego, ktregi

rozwizanie przypisuje si Archimedesowi. Poproszono nas, abymy stwier
dzili, czy korona jest wykonana, tak jak si twierdzi, z 18-karatowego zota cz
moe z mniej cennego stopu. Naladujc Archimedesa, postanawiamy zbada
gsto materiau, z ktrego wykonano koron, wiedzc, e gstoci 18-karato
wego zota i podejrzanego stopu wynosz
Pztota

= 15,5 g/cm

i
Pstopu

= 13,8 g/cm .

Jeeli potrafilibymy zmierzy gsto />

korony, daoby to moliwo
(zgodnie z pomysem Archimedesa) przekonania si, czy korona rzeczywici
wykonana jest ze zota, przez porwnanie p
z gstociami p
i p
.
Przypumy, e wykonanie pomiarw gstoci powierzylimy dwm eks
pertom. Pierwszy z nich, nazwijmy go A, szybko przeprowadzi pomiar p
i w swoim sprawozdaniu napisa, e zgodnie z jego najlepsz wiedz p
wynosi 15, a niemal z cakowit pewnoci zawiera si w przedziale od 13,5 di
16,5 g/cm . Pomiary prowadzone przez eksperta B trway nieco du
a w swoim sprawozdaniu poda on wynik 13,9 z zakresem prawdopodobie
stwa od 13,7 do 14,1 g/cm . Rezultaty uzyskane przez ekspertw zawier
tabela 1.1.
korony

k o r o n y

zota

s t o p u

k o r o i

k o r o i

Tabela 1.1.
Otrzymany wynik
Warto oczekiwana p
Zakres prawdopodobiestwa p
korony

korony

Gsto korony (w g/cm )

Ekspert A

Ekspert B

15
od 13,5 do 16,5

13,9
od 13,7 do 14,1

Zapoznawszy si z wynikami zawartymi w tabeli, stwierdzimy najpierw,

pomimo znacznie wikszej dokadnoci osignitej przez eksperta B, pomiar
wykonane przez A s prawdopodobnie take poprawne. Kady z eksperymer
tatorw okreli przedzia wartoci, w ktrym zgodnie z jego ocen zawiera si
p
. Przedziay te przekrywaj si; jest wic moliwe (a nawet cakier
prawdopodobne), e obydwa zestawy wynikw s poprawne.
W toku dalszych rozwaa zauwaymy, e dua niepewno zwizan
z pomiarami eksperta A czyni je cakowicie bezuytecznymi. Zarwno gsto
k o r o n y

18

18-karatowego zota, jak i gsto stopu le w podanym przez niego przedziale

od 13,5 do 16,5 g/cm . Nie jest wic moliwe wycignicie jakiegokolwiek
wniosku z pomiarw eksperta A. Przeciwnie, pomiary B wykazuj jasno, e
korona nie zostaa wykonana z 18-karatowego zota; gsto podejrzewanego
przez nas stopu, 13,8 g/cm , ley zdecydownie wewntrz przedziau okrelonego
przez eksperta B (od 13,7 do 14,1 g/cm ), podczas gdy gsto 18-karatowego
zota, ktra wynosi 15,5 g/cm , znajduje si z dala od granic przedziau. Jest
oczywiste, e o ile pomiary maj pozwoli na wycignicie pewnych wnioskw,
zwizane z nimi niepewnoci nie powinny by zbyt due. Jednake nie jest wcale
niezbdne, aby byy one kracowo mae. Pod tym wzgldem przedstawiony
przez nas przykad jest typowy dla wielu pomiarw naukowych, w ktrych
niepewnoci powinny by wystarczajco mae (z reguy kilka procent mierzonej
wielkoci), ale dalsze zwikszanie dokadnoci mija si z celem.
3

Poniewa nasza decyzja opiera si na wypowiedzianym przez eksperta

B stwierdzeniu, e p
zawiera si w przedziale pomidzy 13,7 i 14,1 g/cm ,
jest niezwykle wane, aby ekspert B poda przekonujce uzasadnienie swojego
stwierdzenia. Innymi sowy, kady eksperymentator musi uzasadni granice
ustalonego przez siebie zakresu prawdopodobiestwa. Tego wymagania nie
dostrzegaj czsto pocztkujcy studenci, ktrzy podaj, e niepewno wyno
si po prostu 1 milimetr, 2 sekundy itd., pomijajc jakiekolwiek uzasadnienie.
Bez krtkiego wyjanienia sposobu szacowania niepewnoci takie stwierdzenia
s nieomal bezuyteczne.
3

k o r o n y

N a koniec najwaniejsza uwaga na temat pomiarw wykonanych przez

zaangaowanych przez nas ekspertw; podobnie jak wikszo pomiarw
naukowych, byyby one bezuyteczne, gdyby nie podano wraz z nimi wiarygo
dnego oszacowania niepewnoci. Zauwamy, e majc do dyspozycji wiado
moci zawarte w grnym wierszu tabeli 1.1, nie tylko nie bylibymy w stanie
rozstrzygn o prawdziwoci korony, ale co gorsza moglibymy zosta wpro
wadzeni w bd, poniewa wynik podany przez eksperta A (15) pozwala
sdzi, e korona jest prawdziwa.

1.4. Dalsze przykady

Przykady podane w poprzednich paragrafach zostay wybrane, poniewa
dobrze ilustruj pewne podstawowe elementy rachunku bdw. Same w sobie
nie maj zbyt wielkiej wagi, a Czytelnik moe uzna je za nieco wydumane.
Nietrudno jednak znale przykady o znaczeniu podstawowym dla kadej
z dziedzin bada podstawowych i stosowanych.

19

Zacznijmy od nauk stosowanych; projektant elektrowni jdrowej musi

zna wasnoci wszystkich materiaw i paliw, ktre zamierza wykorzysta.
Wytwrca kalkulatorw musi zna dane techniczne rnych podzespow
elektronicznych. W kadym z przypadkw kto wczeniej musi zmierzy
dane parametry, a po zakoczeniu pomiarw oszacowa ich wiarygodno,
co wymaga zastosowania rachunku bdw. Inynierowie zajmujcy si zagad
nieniami bezpieczestwa w transporcie lotniczym, kolejowym czy samochodo
wym musz mie na uwadze niepewnoci zwizane z czasem reakcji obsugi
rodkw lokomocji, drogami hamowania i ca mas innych zmiennych; kade
niedopatrzenie w prowadzonym rachunku bdw moe doprowadzi do
powanych wypadkw, jak ten pokazany na okadce ksiki. Nawet w dziedzi
nie mniej zwizanej z nauk, jak jest produkcja odziey, rachunek bdw
w postaci kontroli jakoci odgrywa istotn rol.
W badaniach podstawowych rola rachunku bdw jest jeszcze wiksza. Po
przedstawieniu nowej teorii naley skonfrontowa j z teori starsz, wykorzy
stujc jeden lub kilka eksperymentw, w stosunku do ktrych nowa i stara
teoria przewiduj rne wyniki. W zasadzie naleaoby ograniczy si do
przeprowadzenia dowiadczenia i pozwoli wynikom rozstrzygn pomidzy
rywalizujcymi teoriami. W praktyce sytuacj komplikuj nieuniknione niepe
wnoci eksperymentalne. Naley je uwanie analizowa i dy do zmniej
szenia ich roli a do chwili, gdy eksperyment bdzie w stanie jednoznacznie
wskaza na waciw teori. Oznacza to, e wyniki pomiarw musz by
zgodne z przewidywaniami jednej z teorii, a sprzeczne ze wszystkimi, znanymi
teoriami konkurencyjnymi. Jest oczywiste, e powodzenie takiej procedury
zaley w sposb krytyczny od zrozumienia przez badacza rachunku bdw
i zdolnoci do przekonania o tym fakcie innych.
Znanym przykadem testowania teorii naukowej, ktre opierao si na
opisanych zasadach, jest pomiar ugicia promieni wietlnych przechodzcych
w pobliu Soca. Po ogoszeniu w 1916 r. oglnej teorii wzgldnoci Einstein
przewidzia, e wiato docierajce od gwiazd, przechodzc w pobliu Soca
zostanie ugite o kt a = 1,8". Najprostsza z klasycznych teorii przewidywaa
brak ugicia (a = 0), a bardziej zoona, klasyczna analiza przepowiadaa (jak
zreszt wykaza to sam Einstein w 1911 r.) ugicie o kt a = 0,9". W zasadzie
wystarczao jedynie przeprowadzi obserwacje gwiazd pokrywajcych si z kra
wdzi tarczy sonecznej i zmierzy kt ugicia a. Jeeli w wyniku otrzymano by
a. = 1,8", oglna teoria wzgldnoci zwyciyaby (przynajmniej w odniesieniu
do tego zjawiska); gdyby jednak a byo rwne 0 lub 0,9", wwczas oglna teoria
wzgldnoci byaby faszywa, a jedna z klasycznych teorii prawdziwa.
W rzeczywistoci pomiary ugicia promieni wietlnych przez Soce s
niezwykle trudne i moliwe do wykonania jedynie podczas zamienia Soca.

20

Pomimo wszystko, zostay one przeprowadzone w 1919 r. przez Dysona,

Eddingtona i Davidsona, ktrzy podali wynik a. = 2,0" z przedziaem 9 5 %
wiarygodnoci od 1,7" do 2,3". Wynik ten w sposb oczywisty by zgodny
z ogln teori wzgldnoci i sprzeczny z przewidywaniami teorii klasycznych.
Stanowi wic silny argument na rzecz stworzonej przez Einsteina oglnej
teorii wzgldnoci.
W tamtym czasie by to wynik kontrowersyjny. Wielu badaczy podej
rzewao, e niepewnoci oszacowano z niedomiarem i tym samym cae do
wiadczenie nie byo rozstrzygajce. Kolejne eksperymenty zmierzay do po
twierdzenia przewidywa Einsteina i broniy stanowiska Dysona, Eddingtona
i Davidsona. W tym miejscu warto podkreli, e cay problem opiera si na
zdolnoci eksperymentatorw do wiarygodnego oszacowania niepewnoci
i przekonania pozostaych, e zostao to uczynione.
1

Student odbywajcy zajcia w ramach pierwszej pracowni fizycznej nie

bdzie mia okazji do wykonywania dowiadcze rozstrzygajcych o praw
dziwoci nowych teorii. Z drugiej jednak strony wiele z dowiadcze zostao
pomylanych jako testy teorii ju uznanych. Na przykad, prawo powszech
nego cienia Newtona przewiduje, e wszystkie ciaa spadaj ze staym
przyspieszeniem g (w odpowiednich warunkach) i zadaniem studenta jest
przeprowadzenie dowiadcze w celu ustalenia, czy jest to przewidywanie
prawdziwe. N a pierwszy rzut oka, dowiadczenia tego typu mog wydawa si
sztuczne i bezcelowe, poniewa te same teorie ju wielokrotnie sprawdzono
i to z dokadnoci niemoliw do osignicia w pracowniach dydaktycznych.
Pomimo to, jeeli student rozumie zasadnicze znaczenie rachunku bdw
i gotw jest podj wyzwanie polegajce na moliwie dokadnym przeprowa
dzeniu testw z wykorzystaniem dostpnych przyrzdw, wspomniane do
wiadczenia mog sta si niezwykle interesujce i ksztacce.

1.5. Oszacowanie niepewnoci przy odczycie skali

Jak dotd rozwaalimy pewne przykady ilustrujce, dlaczego kady pomiar
obarczony jest niepewnoci i dlaczego istotna jest wiedza o jej wielkoci.
Z drugiej strony nie rozwaalimy jeszcze, jak skutecznie obliczy wielko
niepewnoci. W istocie takie oszacowanie moe by bardzo skomplikowane
1

Ten uproszczony opis dowiadczenia zosta oparty na oryginalnej pracy Dysona, Eddin
gtona i Davidsona Philos. Trans. R. Soc, 220A, 291 (1920). Dokonaem zamiany prawdopodobnego
bdu, jaki wystpuje w oryginalnej pracy, na przedzia 9 5 % wiarygodnoci. cise znaczenie
takiego przedziau wiarygodnoci zostanie zdefiniowane w rozdziale 5.

21

i bdzie ono gwnym tematem dalszej czci tej ksiki. N a szczcie istniej
pewne proste pomiary, dla ktrych mona dokona rozsdnej oceny niepew
noci, czsto posugujc si jedynie zdrowym rozsdkiem. W tym miejscu
i w paragrafie 1.6 podamy dwa przykady takich nieskomplikowanych pomia
rw. Ich zrozumienie pozwoli Czytelnikowi rozpocz stosowanie rachunku
bdw w jego eksperymentach i stworzy podstawy naszych dalszych roz
waa.
milimetry

10

20

30

40

50

Rysunek 1.1. Pomiar dugoci za pomoc miarki

wolty

Rysunek 1.2. Odczyt napicia

Pierwszym przykadem jest pomiar wykorzystujcy skal z podzialk, jak

miarka na rys. 1.1 czy woltomierz na rys. 1.2. Aby zmierzy dugo owka
przedstawionego na rys. 1.1, musimy najpierw umieci jego koniec naprzeciw
pocztku skali, a nastpnie zdecydowa, ktremu miejscu miarki odpowiada
czubek owka. Aby zmierzy napicie na skali przedstawionej na rys. 1.2,
musimy zdecydowa, jakie miejsce na skali woltomierza pokazuje jego wska
zwka. Jeli zaoymy, e miarka i woltomierz s wiarygodne, to w obu
przypadkach gwnym problemem jest decyzja, gdzie w stosunku do podziaki
na skali ley pewien punkt. (Oczywicie, gdy istnieje jakakolwiek wtpliwo,
e miarka i woltomierz nie s wiarygodne, wwczas bdziemy zmuszeni wzi
ten fakt pod uwag.)
Znaczniki podziaki na rys. 1.1 le cakiem blisko siebie (s odlege
o 1 mm). Eksperymentator mgby sensownie uzna, e pokazana dugo jest

bez wtpienia blisza wartoci 36 mm ni 35 czy 37 mm oraz e bardziej

precyzyjny odczyt nie jest moliwy. Sformuowaby zatem nastpujcy wnio
sek:
najlepsze oszacowanie dugoci = 36 mm,
(1.1)
prawdopodobny zakres od 35,5 do 36,5 mm
i powiedziaby, e zmierzy dugo z dokadnoci do najbliszej dziaki
milimetrowej.
Taki typ konkluzji - e pewna wielko jest blisza jednej z dziaek skali
ni kadej innej - jest dosy powszechny. Z tego powodu wielu naukowcw
stosuje konwencj, e przez wyraenie / = 36 mm bez adnego zastrzeenia
rozumie si, i / jest blisze 36 mm ni 35 mm czy 37 mm, czyli e
/ = 36 mm
znaczy
35,5 mm < Z ^ 36,5 mm.
W ten sam sposb odpowied x = 1,27, bez podania niepewnoci, powin
na by rozumiana jako stwierdzenie, e x ley pomidzy 1,265 i 1,275.
W niniejszej ksice nie bdziemy stosowa tej konwencji, podajc zawsze
niepewno pomiarow explicite. Niemniej jednak wane jest, aby Czytelnik
t konwencj rozumia i wiedzia, jak j stosowa w odniesieniu do dowolnej
liczby, dla ktrej nie podano niepewnoci. Jej znajomo jest szczeglnie
istotna w dobie kalkulatorw o wielocyfrowych wywietlaczach. Jeli student
lepo przepisuje ze swojego kalkulatora liczb, tak jak 123,456, bez dodania
jakiegokolwiek zastrzeenia, to patrzcy na t warto ma prawo wierzy
w jej sze cyfr znaczcych. W rzeczywistoci jest to bardzo mao praw
dopodobne.
Podziaka na woltomierzu pokazanym na rys. 1.2 jest rzadsza ni ta na
miarce. W tym przypadku wikszo obserwatorw zgodzi si, e mona
zrobi wicej ni po prostu okreli, ktra dziaka jest najbliej wskazwki.
Poniewa odstp jest wikszy, mona realistycznie oceni, gdzie pomidzy
dwiema dziakami znajduje si wskazwka. Tak wic rozsdne podsumowanie
pomiaru napicia mogoby brzmie:
najlepsze oszacowanie napicia = 5,3 wolta,
(1.2)
prawdopodobny zakres od 5,2 do 5,4 wolta.

23
i

Proces oceny pooenia punktu pomidzy dziakami na skali zwany jest

interpolacj. Jest to wana technika, ktr mona udoskonala przez stosowa
nie w praktyce.
Inni obserwatorzy mogliby si nie zgodzi z ostron ocen podan
w rwnaniach (1.1) i (1.2). W szczeglnoci mogliby rwnie dobrze zdecydo
wa, e na rys 1.1 moliwa byaby interpolacja dugoci i jej pomiar z mniejsz
niepewnoci ni dana w rwnaniu (1.1). Niemniej jednak niewielu zaprze
czyoby, e rwnania (1.1) oraz (1.2) s rozsdnymi oszacowaniami wielkoci,
o jakich mowa, i ich prawdopodobnej niepewnoci. Tak wic widzimy, e
kiedy jedynym problemem jest zlokalizowanie punktu na skali z podziak,
wwczas przybliona ocena niepewnoci jest cakiem prosta.

1.6. Szacowanie niepewnoci pomiarw wielokrotnych

Wiele pomiarw obarczonych jest niepewnoci, ktr o wiele trudniej oceni
ni t zwizan z podziak skali pomiarowej. Kiedy, na przykad, uywamy
stopera do pomiaru czasu, gwnym rdem niepewnoci nie jest trudno
w okreleniu pooenia wskazwki, ale raczej nasz nieznany czas reakcji na
pocztek i koniec pomiaru. Bdy takiego rodzaju mog by czasem wiarygod
nie ocenione, jeli pomiar mona powtarza wiele razy. Przypumy na
przykad, e dokonalimy pojedynczego pomiaru okresu dugiego wahada
i otrzymalimy rezultat 2,3 sekundy. Po jednym pomiarze nie potrafimy
powiedzie zbyt wiele o niepewnoci pomiaru. Jeli jednak powtrzylimy
pomiar i otrzymalimy wynik 2,4 sekundy, moemy natychmiast stwierdzi, e
bd pomiarowy jest prawdopodobnie rzdu 0,1 sekundy. Jeli sekwencja
czterech pomiarw daje rezultaty (w sekundach):
2,3; 2,4; 2,5; 2,4,

(1.3]

moemy zacz wykonywa pewne zupenie sensowne oszacowania.

Po pierwsze, naturalne jest zaoenie, e najlepszym przyblieniem okresu
jest warto rednia, 2,4 sekundy.
Po wtre, cakiem bezpieczne wydaje si przyjcie, e waciwy okres mie
si gdzie pomidzy wartoci najmniejsz 2,3 oraz najwiksz 2,5. W ter
sposb moemy stwierdzi, e:
2

W rozdziale 5 udowodnimy, e najlepsze oszacowanie oparte na wynikach wielu pomiarw

pewnej wielkoci jest prawie zawsze redni z wynikw pomiarw.

24

najlepsze przyblienie = rednia = 2,4 sekundy,

(1.4)

prawdopodobny zakres od 2,3 do 2,5 sekundy.

Ilekro moemy wielokrotnie powtrzy ten sam pomiar, tylekro rozrzut
otrzymanych wynikw daje cenn wskazwk na temat jego niepewnoci
pomiarowej. W rozdziaach 4 i 5 przedyskutujemy statystyczne metody obrb
ki takich wielokrotnych pomiarw. W odpowiednich warunkach metody te
daj bardziej dokadne oszacowanie bdu ni to, ktre okrelilimy w rw
naniu (1.4), posugujc si jedynie zdrowym rozsdkiem. Odpowiednia analiza
statystyczna danych ma rwnie walor obiektywnej oceny bdu pomiarowe
go, niezalenej od indywidualnej opinii obserwatora . Mimo to przyblienie
(1.4) stanowi prosty i rozsdny wynik dajcy si wysnu z czterech pomiarw
(1.3).
3

Nie zawsze mona jednak polega na tym, e wielokrotne pomiary, jak

(1.3), ujawniaj niepewno pomiaru. Po pierwsze, musimy by pewni, e
wielko, jak mierzymy, jest za kadym razem rzeczywicie t sam wielko
ci. Przypumy na przykad, e mierzymy wytrzymao na rozerwanie dwch
rzekomo identycznych drutw przez ich przerywanie (czasem nie mona zrobi
tego wicej ni raz na kadym drucie). Jeli dostajemy dwa rne wyniki,
rnica ta moe sugerowa niepewno naszych pomiarw lub oznacza, i
druty nie byy naprawd identyczne. Swoj drog rnica midzy takimi
dwoma wynikami nie rzuca adnego wiata na kwesti wiarygodnoci naszych
pomiarw.
Wielokrotne pomiary nie zawsze ujawniaj bd pomiarowy nawet ww
czas, gdy moemy by pewni, e za kadym razem mierzymy t sam wielko.
Przypumy na przykad, e zegar, ktry da wynik (1.3), spieszy si stale 5%.
Wwczas wszystkie czasy zmierzone za jego pomoc bd o 5% za dugie
i dowolna liczba powtrze tego pomiaru (tym samym stoperem) nie ujawni
tego faktu. Bdy tego rodzaju, ktrymi obarczone s w taki sam sposb
wszystkie pomiary, nazywamy bdami systematycznymi i, jak przedyskutuje
my w rozdziale 4, potrafi by trudne do wykrycia. W naszym przykadzie
rozwizaniem byoby sprawdzenie naszego stopera za pomoc innego, bardziej
wiarygodnego. Oglniej, powinno by jasne, e jeli s powody, aby wtpi

Waciwa obrbka statystyczna daje take zwykle mniejszy bd ni cay zakres od najmniej
szej do najwikszej zaobserwowanej wartoci. Tak wic, patrzc na cztery czasy (1.3), osdzilimy,
e okres jest prawdopodobnie" gdzie pomidzy 2,3 s a 2,4 s; metody statystyczne z rozdziaw
4 i 5 pozwalaj nam stwierdzi, e z 70% ufnoci okres ten ley w mniejszym zakresie, od 2,36 s
do 2,44 s.

25

w wiarygodno jakiegokolwiek urzdzenia pomiarowego (zegara, tamy mier

niczej, woltomierza), powinno si sprbowa je sprawdzi za pomoc innego,
o ktrym wiadomo, e jest bardziej wiarygodne.
Przykady dyskutowane w tym i poprzednim paragrafie pokazuj, e bdy
pomiarowe mona czasem atwo oszacowa. Z drugiej jednak strony jest wiele
pomiarw, ktrych bdy nie s tak proste do oceny. Tak wic ostatecznie
bdziemy potrzebowa bardziej precyzyjnych wartoci bdu pomiarowego,
ni mog nam da proste - wanie przedyskutowane - szacunki. Zagadnienia
te zajm nas poczwszy od rozdziau 3. W rozdziale 2 zaoymy, e wiemy, jak
ocenia bd wszystkich wielkoci, ktre mierzymy, tak wic moemy przedys
kutowa, jak najlepiej podawa bdy pomiarowe i jak z nich korzysta przy
wyciganiu wnioskw z eksperymentu.

R O Z D Z I A

JAK PRZEDSTAWIA NIEPEWNOCI POMIAROWE

I JAK Z NICH KORZYSTA

Mamy ju jakie wyobraenie o tym, jak istotne s niepewnoci pomiarowe

i skd si one bior. Wiemy take, jak w niektrych nieskomplikowanych
sytuacjach mona je szacowa. W niniejszym rozdziale przedstawimy niektre
podstawowe pojcia i reguy z dziedziny rachunku bdw oraz damy par
przykadw ich zastosowania w kilku dowiadczeniach, typowych dla pra
cowni wstpnej. Naszym gwnym celem jest zapoznanie Czytelnika z pod
stawowym sownictwem z dziedziny rachunku bdw i ze sposobami jego
wykorzystania w trakcie wicze na pracowni. Nastpnie, poczwszy od
rozdziau 3, bdziemy gotowi, aby pozna, jak w praktyce oblicza niepewno
ci eksperymentalne.
W paragrafach od 2.1 do 2.3 zdefiniujemy niektre podstawowe pojcia
rachunku bdw i przedyskutujemy pewne oglne reguy prezentacji niepew
noci. W paragrafach od 2.4 do 2.6 rozwaa bdziemy, jak zastosowa owe
pojcia w kilku typowych dowiadczeniach na wstpnej pracowni fizycznej.
Wreszcie w paragrafach od 2.7 do 2.9 wprowadzimy jeszcze jedn podstawow
definicj - niepewnoci wzgldnej i przedyskutujemy jej znaczenie.

2.1. Najlepsze przyblienie + niepewno

Zobaczylimy ju, e waciwym sposobem prezentacji wynikw dowiadcze
jest podawanie najlepszego przyblienia wielkoci mierzonej oraz zakresu,
w ktrym owa wielko ley. N a przykad wynik pomiaru czasu, o ktrym
bya mowa w paragrafie 1.6, wyglda nastpujco:

27

-\

najlepsze przyblienie czasu = 2,4 s,

(2.1
prawdopodobny zakres od 2,3 s do 2,5 s.
W tym przypadku, tak jak we wszystkich naszych przykadach, najlepsz
przyblienie, 2,4 s, ley porodku szacowanego zakresu wartoci prawdopo
dobnych od 2,3 s do 2,5 s. Fakt ten wydaje si cakiem naturalny i odnosi si
do prawie wszystkich pomiarw. Umoliwia on wyraanie wynikw pomiaro
wych w bardzo zwartej formie. Na przykad wynik pomiaru czasu, tak ja
w przykadzie (2.1), zwykle zapisywany jest nastpujco:
(2.:

mierzona warto czasu = 2,4 + 0,1 s.

Rwnanie to jest dokadnie rwnowane dwm stwierdzeniom (2.1).

W oglnoci wynik jakiegokolwiek pomiaru wielkoci x podawany jes
w nastpujcy sposb:

(warto zmierzona x) = x

n p

(2.;

+ 8x.

Stwierdzenie to oznacza, po pierwsze, e najlepszym przyblieniem warto

mierzonej jest wedug eksperymentatora liczba x , i po wtre, e z rozsdny
prawdopodobiestwem szukana wielko znajduje si gdzie pomid;
x Sx i x + Sx. Liczba Sx zwana jest niepewnoci lub bdem pomiaru
Wygodnie jest zawsze definiowa 8x jako wielko dodatni, tak aby x + c
byo zawsze najwiksz prawdopodobn wartoci wielkoci mierzom
a x 8x byo jej wartoci najmniejsz.
n p

n p

n p

n p

n p

Celowo nie sprecyzowalimy znaczenia zakresu od x 8x do x + c

Czasami potrafimy wyrazi to bardziej dokadnie. W tak prostym dowiadcze
jak pomiar wysokoci futryny atwo mona okreli zakres od x 8x <
x + Sx, w ktrym na pewno mieci si szukana warto. Niestety w wikszo:
pomiarw naukowych bardzo trudno sformuowa taki wniosek. W szczegln
ci, jeli pragniemy by zupenie pewni, e mierzona wielko ley pomid
x 8x i x + 8x, musimy wybra zwykle tak warto 8x, e staje si o
cakiem bezuyteczna. Aby tego unikn, wybieramy czasami tak warto <
eby powiedzmy w 70% by pewnym, e szukana wielko jest gdzie mic
x 8x i x + 8x. Jasne jest jednak, e nie moemy tego zrobi bez szczego\
znajomoci praw statystyki, rzdzcych procesem pomiaru. Powrcimy do te
zagadnienia w rozdziale 4. Na razie zadowlmy si zdefiniowaniem niepewno
Sx jako takiej, dla ktrej z rozsdnym prawdopodobiestem" mona powiedzi
e mierzona przez nas wielko ley gdzie pomidzy x 8x i x + 8x.
n p

n p

n p

n p

n p

n p

n p

n p

n p

28
*

n p

2.2. Cyfry znaczce

Warto podkreli pewne podstawowe zasady podawania niepewnoci pomia
rowych. Po pierwsze, poniewa 8x jest szacunkow niepewnoci, zatem nie
powinno si jej podawa ze zbyt wielk dokadnoci. Jeli mierzymy przy
spieszenie ziemskie g, byoby absurdem podawanie odpowiedzi w postaci:
2

(zmierzone g) = 9,82 + 0,02385 m / s .

(2.4)

Trudno sobie wyobrazi, aby niepewno pomiarowa moga by znana z do

kadnoci czterech cyfr znaczcych. Przy bardzo dokadnych pomiarach
mona czasem podawa niepewnoci z dwiema cyframi znaczcymi, jednak na
potrzeby pracowni wstpnej moemy przyj nastpujc regu :
1

Regua podawania niepewnoci

N a pracowni wstpnej niepewnoci eksperymentalne
powinny by zwykle zaokrglane do jednej cyfry znaczcej.

(2.5)

Tak wic, jeli z jakich rachunkw otrzymujemy niepewno 8g = 0,02385 m/s ,

wynik ten powinien by zaokrglony do dg = 0,02 m/s , rezultat pomiaru za
naley przepisa w postaci
2

(zmierzone g) = 9,82 + 0,02 m / s .

(2.6)

Wan praktyczn konsekwencj tej reguy jest fakt, i wielokro obliczenia

bdw mona wykonywa w pamici, bez pomocy kalkulatora czy nawet
owka i papieru.
Od reguy (2.5) jest tylko jeden istotny wyjtek. Ot jeli pierwsz cyfr
znaczc niepewnoci 8x jest 1, to lepiej zachowa w 8x dwie cyfry znaczce
zamiast jednej. Przypumy na przykad, e nasze obliczenia daj niepewno
bx = 0,14. Zaokrglenie tej wartoci do 8x = 0,1 prowadzioby do 40%
zmniejszenia niepewnoci, mona zatem dowodzi, e mniej mylce byoby
pozostawienie dwch cyfr znaczcych, czyli Sx = 0,14. Ten sam argument
mona by ewentualnie zastosowa, kiedy pierwsz cyfr znaczc jest 2, nie
dziaa ona jednak dla cyfr wikszych.

Dla wygody Czytelnika reguy te bd numerowane tak jak rwnania. Niektre z nich bd

zawieray rwnania, inne za nie.

29

Kiedy ju ocenilimy niepewno pomiaru, naleaoby si zastanowi, kti

z cyfr wartoci zmierzonej s znaczce. Wynik zapisany jako
zmierzona prdko = 6051,78 + 30 m/s

(2.'

jest wprost niedorzeczny. Niepewno 30 oznacza, e cyfra na trzecim miejsc

liczby 6051,78 (a wic 5) mogaby by w rzeczywistoci rwna 2 lub 8. Jasr
jest zatem, e ostatnie cyfry 1, 7 oraz 8 nie maj zupenie znaczenia i powinri
znikn po zaokrgleniu. Poprawny zapis wyniku (2.7) powinien zatem w;
glda nastpujco:
zmierzona prdko = 6050 + 30 m/s.

{2..

Oglna regua moe przyj nastpujc form:

Regua podawania odpowiedzi

Ostatnia cyfra znaczca w kadym wyniku powinna
zwykle by tego samego rzdu (sta na tym samym
miejscu dziesitnym) co niepewno

(2.

N a przykad wynik 92,81 z niepewnoci 0,3 powinien by zaokrglony do

92,8 + 0,3.
Jeli niepewno rwna jest 3, to ten sam rezultat naleaoby zapisa jako
93 3 ,
jeli za niepewno wynosi 30, to odpowied powinna brzmie
90 3 0 .
Liczby uywane w obliczeniach powinny mie jednak generalnie jed,
cyfr znaczc wicej ni te podawane ostatecznie. Zmniejsza to niedokadn
ci wprowadzane podczas zaokrglania liczb. Kocowy wynik powinien b
zaokrglony tak, aby usun t dodatkow (i nieznaczc) cyfr.
2

Jest jeszcze jeden wyjtek od reguy (2.9). Jeli pierwsza cyfra niepewnoci jest mala (1 1
by moe 2), to mogoby by waciwe pozostawienie w odpowiedzi jeszcze jednej cyfry znaczi
Przykadowo, wynik taki jak
zmierzona dugo = 27,6 + 1 cm
jest zupenie rozsdny. W tym przypadku naleaoby si zgodzi, e jego zaokrglenie do 28
powodowaoby utrat informacji.

30

Zwrmy uwag, e wymiar niepewnoci jakiejkolwiek mierzonej wielkoci

est taki sam jak wymiar owej wielkoci. Zapis, w ktrym jednostki (m/s , c m
itd.) pojawiaj si tylko na kocu wyniku (po najlepszym przyblieniu i niepe
wnoci, tak jak w rwnaniach (2.6) i (2.7)), bdzie zatem bardziej czytelny
: ekonomiczny. W ten sam sposb, jeli mierzona warto jest tak dua bd
maa, e wymaga zastosowania zapisu wykadniczego (tj. uycia formy 3 10
zamiast 3000), to prociej i czytelniej jest poda odpowied i niepewno w tej
samej formie. Przykadowo wynik
2

zmierzony adunek = (1,61 0 , 0 5 ) - 1 0 "

19

jest o wiele prostszy do odczytania i zrozumienia, ni gdyby by zapisany

w nastpujcej postaci:

1 9

2 1

zmierzony adunek = 1,61 1 0 " + 5 1 0 " C .

2.3. Rozbieno
Zanim zapytamy, jak uywa niepewnoci w sprawozdaniach na pracowni,
naley wprowadzi i zdefiniowa kilka wanych poj. Po pierwsze, jeli dwa
pomiary tej samej wielkoci nie zgadzaj si ze sob, mwimy o rozbienoci.
Liczbowo zdefiniujemy rozbieno pomidzy wynikami dwch pomiarw
jako ich rnic
rozbieno = rnica pomidzy dwoma wynikami
pomiarw tej samej wielkoci.

Istotne jest rozrnienie sytuacji, gdy rozbieno jest lub nie jest znaczca.
Jeli dwch studentw mierzy ten sam opr i dostaje wyniki odpowiednio
40 + 5 omw
i
42 + 8 omw,
to rozbieno 2 omw jest mniejsza ni ich niepewno pomiarowa, tak wic
wida, e pomiary s spjne. Powiedzielibymy, i w tym przypadku rozbieno
nie jest znaczca. Z drugiej strony, jeli otrzymane wyniki wynosiyby

31

35 + 2 omw
i
45 + 1 omw,
to oba pomiary byyby w oczywisty sposb niespjne, a rozbieno 10 omv
byaby znaczca. W takim przypadku naleaoby nieco uwagi powici
zbadaniu rde tej rozbienoci.
N a pracowni wstpnej mierzy si czsto wielkoci, ktre byy przedten
wielokrotnie precyzyjnie mierzone (jak prdko wiata c, czy adunek elek
tronu e) i ktrych bardzo dokadne wartoci uznane mona znale w podrcz
nikach. Wartoci te, bdc wynikami pomiarw, nie s oczywicie pozbawion
niepewnoci. Niemniej jednak w wielu przypadkach warto uznana jes
o wiele bardziej dokadna, ni mogaby by wyznaczona przez samego studen
ta. Przykadowo aktualnie uznana warto prdkoci wiata c rwna jest
(uznana warto c) = 299 792 458 + 1 m/s.

(2.11

Jak tego oczekiwalimy, warto ta jest obarczona niepewnoci, cho niepewno

ta jest - jak na warunki wikszoci pracowni studenckich - ekstremalnie maa.
Chocia istnieje wiele eksperymentw, polegajcych na pomiarze wielko
ktrej warto akceptowana jest znana, jest take pewna, bardzo niewielka, klas
dowiadcze o znanej prawdziwej odpowiedzi. W rzeczywistoci prawdziwa wai
to wielkoci mierzonej prawie nigdy nie jest znana dokadnie i prawd mwi
jest ona trudna do zdefiniowania. Mimo to, czasem korzystnie jest dyskutowa
rnic pomidzy pewn wartoci mierzon i odpowiedni wartoci prawdziw;
niektrzy autorzy za rnic t nazywaj bdem prawdziwym.
3

2.4. Porwnanie wartoci zmierzonych i wartoci uznanych

Przeprowadzanie dowiadczenia, z ktrego nie wycigaoby si pewnego wni<
sku jest mao celowe. Tylko bardzo niewiele eksperymentw daje gwn
jakociowe wyniki. Jest tak w przypadku obserwacji wzorw interferencyjnyc
3

Nie zawsze tak jest. Jeli kto na przykad szuka w tablicach wspczynika zaamania wia:
dla szka, znajdzie wartoci z zakresu od 1,5 do 1,9. Odpowiadaj one rnym rodzajom szk
Jeli w dowiadczeniu mamy zmierzy wspczynnik zaamania szka o nieznanym skadz
warto uznana" bdzie tylko bardzo zgrubnie wskazywa na wielko szukanego wyniku.
Poniewa Czytelnik mgby mie pewne kopoty z wymyleniem takiego eksperymen
podamy jeden przykad. Jeli mierzy si stosunek dugoci obwodu koa do jego rednicy,
prawdziwym wynikiem jest dokadnie %. Jest jasne, e dowiadczenia tego typu s nieco wyduma:
4

32

Tworzonych przez fale na powierzchni wody czy te badania barwy wiata

przechodzcego przez pewien ukad optyczny. Olbrzymia wikszo dowiad
cze prowadzi do wynikw ilociowych, a wic do ustalenia pewnych liczb.
Naley podkreli, e podanie pojedynczej wartoci zmierzonej wcale nie jest
interesujce. Fakt, e gsto pewnego metalu zostaa okrelona jako
9.3 + 0,2g/cm , czy te, e pd wzka wynosi 0,051+0,004 kg m/s, same
w sobie nie maj znaczenia. Formuowany wniosek musi zawiera porw
nanie dwu lub wicej liczb: wyniku pomiaru z wartoci uznan, wyniku
pomiaru z wartoci przewidywan teoretycznie, czy te wynikw wielu
pomiarw, aby sprawdzi ich zwizek z pewnym prawem fizycznym. W trak
cie dokonywania porwna du rol odgrywa rachunek bdw. W tym
i w nastpnych dwch paragrafach omwimy trzy typowe dowiadczenia,
ktre zilustruj, jak oszacowane niepewnoci s wykorzystywane do for
muowania wnioskw.
3

Najprostszym typem dowiadczenia jest pomiar wielkoci, ktrej uznan

warto znamy. Jak ju powiedzielimy, jest to nieco sztuczny eksperyment,
szczeglnie w ramach pracowni wstpnej. W takim dowiadczniu mierzy si
pewn wielko, ocenia jej niepewno pomiarow, a nastpnie porwnuje si
je z wartoci uznan. Tak wic dowiadczenie polegajce na pomiarze
prdkoci dwiku w powietrzu (w warunkach normalnych) mogoby dopro
wadzi do stwierdzenia, e
zmierzona prdko = 329 + 5 m/s,

(2.12)

uznana warto prdkoci = 331 m/s.

(2.13)

podczas gdy

Prawdopodobnie student skomentowaby ten wynik liczbowy stwierdzeniem,

e uznana warto prdkoci mieci si w zakresie oszacowanym na podstawie
pomiaru, zatem jego wynik mona uzna za zadowalajcy. Wyczerpywaoby
to opis jego dowiadczenia.
Niepewno 8x oznacza tyle, e waciwa warto x prawdopodobnie"
zawiera si w zakresie od x Sx do x + Sx. Jest jednak moliwe, e warto
ta ley nieco poza tym zakresem. Tak wic wynik eksperymentu mona by
uzna za zadowalajcy nawet wwczas, gdyby warto uznana leaa odrobin
poza oszacowanym zakresem wartoci zmierzonej. Przykadowo zmierzon
warto 325 + 5 m/s mona by przyj jako zgodn z wartoci uznan 331
m/s. Z drugiej strony, jeli warto uznana jest sporo poza oszacowanym
zakresem (czyli rozbieno jest duo wiksza ni podwojona niepewno), to
istniej uzasadnione obawy, aby sdzi, e co si nie udao. Tak wic
niefortunny eksperymentator, ktry znalaz
n p

n p

33

zmierzon prdko = 345 2 m/s,

(2.14

uznana warto = 331 m/s,

(2.15

w sytuacji gdy

bdzie musia szukajc rde omyki, sprawdzi swoje pomiary i obliczenia.

Niestety tropienie wasnego bdu potrafi by zajciem do nudnym, gdy
istnieje wiele moliwych przyczyn jego powstania. Mg on wystpi n
poziomie pomiaru lub oblicze, ktre doprowadziy do wartoci 345 m/i
Niewaciwie moga zosta oszacowana niepewno pomiarowa. (Wyni
345 + 1 0 m/s mona by ju zaakceptowa.) Wynik pomiaru mg wreszcie by
porwnywany z niewaciw wartoci uznan. N a przykad warto 331 m,
jest tablicow prdkoci dwiku w warunkach normalnych. Oznacza t
temperatur 0C i cinienie 760 mm Hg. Istnieje wic moliwo, e pomi
(2.14) nie zosta przeprowadzony w takiej temperaturze. Istotnie, jeli pomi;
wykonano w 20C (a wic w normalnej temperaturze pokojowej), to waciw
warto uznana prdkoci dwiku byaby rwna 343 m/s i wynik pomiai
byby w zupenoci zadowalajcy.
W kocu (i by moe najprawdopodobniej) rozbieno taka, jak ta pomid;
rezultatami (2.14) i (2.15), moe wskazywa na pewne nie wykryte rdo bd
systematycznych (jak stale pnicy si zegar z rozdziau 1). Wykrycie takii
systematycznych bdw (bdw, ktre konsekwentnie wpywaj na wyni
w taki sam sposb) bdzie wymaga uwanego sprawdzenia kalibracji wszystki
instrumentw i dokadnego przegldu wszystkich stosowanych procedur.

2.5. Porwnanie dwu wartoci zmierzonych

W wielu dowiadczeniach mierzy si dwie wartoci, ktre zgodnie z teo:
powinny by sobie rwne. Zasada zachowania pdu, na przykad, mwi,
cakowity pd ukadu izolowanego jest stay. Aby to sprawdzi, moglibyi
przeprowadzi seri eksperymentw, w ktrych zderzayby si dwa w:
poruszajce si bez tarcia na torze powietrznym. Moglibymy mierzy c
kowity pd wzkw przed zderzeniem (p) oraz ich pd po zderzeniu (
i sprawdza, czy z dokadnoci do niepewnoci pomiarowej p = p'. Dla jed
pary pomiarw nasz wynik mgby wyglda nastpujco:
pd pocztkowy p = 1,49 + 0,04 kg-m/s
oraz
pd kocowy p' = 1,56 + 0,06 kg-m/s.

34

W tym przypadku zakresy, w ktrych prawdopodobnie mieszcz si wartoci

p (od 1,45 do 1,53) i p' (od 1,50 do 1,62), przekrywaj si. Tak wic ten wynik
pomiaru jest zgodny z zasad zachowania pdu. Z drugiej strony, jeli dwa
prawdopodobne zakresy nie byyby nawet bliskie przekrycia, to nasz wynik
byby niezgodny z zasad zachowania pdu. W takim przypadku musieliby
my szuka bdu w naszym pomiarze lub obliczeniach, moliwych bdw
systematycznych bd zbada moliwo wpywu si zewntrznych (siy ciko
ci lub tarcia) na zmian pdu naszego ukadu.
Przypumy, e powtarzamy pomiary wielokrotnie. W jaki sposb naj
lepiej przedstawi wyniki? Po pierwsze, prawie zawsze najlepiej notowa
wyniki szeregu podobnych pomiarw w tabeli, a nie jako osobne zapisy. Po
drugie, czsto niepewno pomiarowa nie zmienia si zbytnio od pomiaru do
pomiaru. Moemy przykadowo uzna, e we wszystkich pomiarach poczt
kowego pdu p niepewno pomiarowa rwna jest
m 0,04 kg m/s, w po
miarach za pdu kocowego p' niepewno rwna jest 8p' 0,06 kg-m/s.
Jeli tak zrobimy, to dobr metod prezentacji wynikw byaby tabela 2.1.
Dla kadej pary pomiarw, prawdopodobny zakres wartoci p przekrywa si
(lub jest bliski przekrycia) z zakresem wartoci p'. Jeli bdzie to prawd dla
wszystkich pomiarw, moemy nasze wyniki uzna za zgodne z zasad
zachowania pdu.
Tabela 2.1. Zmierzone pdy (wszystkie w kg-m/s)
Pd pocztkowy p
(wszystkie 0,04)

Pd kocowy p'
(wszystkie 0,06)

1,49
2,10
1,16
itd.

1,56
2,12
1,05
itd.

Po chwili namysu moemy nasze wyniki zaprezentowa tak, aby uczyni

ten wniosek jeszcze bardziej czytelnym. W naszym przykadzie zasada za
chowania pdu wymaga, aby rnica pp' bya rwna zeru. Jeli dodamy do
tabeli kolumn pokazujc pp', to wszystkie pozycje w tej kolumnie powin
ny mie wartoci w pobliu zera. Jedyn trudnoci jest konieczno wy
znaczenia niepewnoci rnicy p p'. Mona to jednak z atwoci uczyni.
Przypumy, e wykonalimy pomiary
(mierzona warto p) = p o p
n p

oraz
(mierzona warto p') =

p' dp'.
np

35

Wartoci p i p' s naszymi najlepszymi przyblieniami p i p'. Tak wi

najlepszym przyblieniem rnicy pp' jest p p' Aby znale niepewno
wartoci pp', musimy zdecydowa si, jaka jest najwiksza i najmniejsz
moliwa warto pp'. Najwiksza moliwa warto p p' byaby osignite
gdyby p miao sw najwiksz prawdopodobn warto p + bp, a p' miai
warto najmniejsz, czyli p ' bp'. Zatem najwiksza moliwa warto p ;
rwna jest:
n p

nv

np

nv

np

np

najwiksza moliwa warto = (p p' ) + ( bp + bp').

np

np

(2.16

Podobnie najmniejsza moliwa warto powstaje wtedy, kiedy p jest najmniej

sze (pn bp), a p' najwiksze (p' + bp'). Daje to
P

np

najmniejsz moliw warto = ( p p'n ) {bp + bp').

n p

(2.11

Wic wyniki (2.16) i (2.17) widzimy, e niepewno rnicy pp' jest sum
bp + bp' pierwotnych niepewnoci. Na przykad jeli
p = 1,49 + 0,04 kg-m/s
oraz
p' = 1,56 + 0,06 kg-m/s
to
p-p'

= - 0 , 0 7 + 0,1 kg-m/s.

Moemy teraz do tabeli 2.1 doda jeszcze, jedn kolumn z wrtosciarc

(V ~ v'\ tworzc tym samym tabel 2.2. Teraz na pierwszy rzut oka wida, cz
nasze wyniki s spjne z zasad zachowania pdu. Mona to sprawdzi
patrzc, czy liczby w ostatniej kolumnie s w przyblieniu rwne zeru (czy
czy s mniejsze lub porwnywalne z niepewnoci 0,1). Inn metod osij
nicia takiego samego efektu byoby umieszczenie w tabeli stosunkw p'/\
ktre musiayby by zgodne z wartoci p'/p = 1. ( W tym przypadku musiel
bymy umie obliczy niepewno ilorazu p'/p, z czym zapoznamy si w ro;
dziale 3).
Tabela 2.2. Zmierzone pdy (wszystkie w kg m/s)

36

Pd pocztkowy p
(wszystkie +0,04)

Pd kocowy p'
(wszystkie 0,06)

Rnica p p'
(wszystkie 0,1)

1,49
2,10
1,16
itd.

1,56
2,12
1,05
itd.

-0,07
-0,02
0,11
itd.

Nasze rozwaania o niepewnoci p p' stosuj si w oczywisty sposb do

rnicy dowolnych wartoci zmierzonych. Moemy zatem ustali nastpujc
: g o l n regu:

Niepewno rnicy
Jeli wielkoci x i y s zmierzone z niepewnociami 5x
i by, i jeli zmierzone wartoci x i y uywane s do
wyznaczenia rnicy <p= X-fiy, to niepewno wartoci
q rwna jest sumie niepewnoci x i y:
bq w 8x + by.

Lylimy znaku przyblionej rwnoci, aby uwypukli dwa problemy. Po

pierwsze, nie mamy jeszcze precyzyjnej definicji niepewnoci o jakich mowa;
ryoby zatem absurdalne stwierdzenie, e bq jest dokadnie rwne bx + by. Po
rrugie, jak zobaczymy w paragrafie 3.4, niepewno bq jest czsto nieco
mniejsza ni okrelona w rwnaniu (2.18); lepszym jej przyblieniem jest
pierwiastek z sumy kwadratw bx i by (patrz rwnanie (3.13)). Tak wic znak
" w regule (2.18) ma suy jako przypomnienie, e pniej zastpimy j
innym, lepszym przyblieniem.
Wynik (2.18) jest pierwszym z szeregu regu dotyczcych przenoszenia
rdu. Kiedy obliczamy wielko q, uywajc do tego mierzonych wartoci
x i y, musimy wiedzie, w jaki sposb niepewnoci x i y przenosz si" na
niepewno wartoci q. Pen dyskusj zagadnienia przenoszenia bdu przed
stawimy w rozdziale 3.

2.6. Graficzne sprawdzanie proporcjonalnoci

Wiele praw fizycznych zakada, e jedna wielko powinna by proporcjonalna
i : innej. Prawo Hooke'a mwi, e wyduenie spryny jest proporcjonalne do
-iieigajcej j siy; druga zasada dynamiki Newtona gosi, e przyspieszenie
rria jest proporcjonalne do dziaajcej na siy; to tylko dwa spord
niezliczonej liczby przykadw. Wiele dowiadcze na pracowni wstpnej
:iprojektowano po to, aby sprawdzi tego rodzaju proporcjonalnoci.
Jeeli pewna wielko y jest proporcjonaln do innej wielkoci x, to
iresem zalenoci y(x) jest linia prosta przechodzca przez pocztek ukadu
morzdnych. Tak wic proporcjonalno y do x mona sprawdzi rysujc
-ykres zmierzonych wartoci y jako funkcj zmierzonych wartoci x i badajc,

37

czy punkty te le na prostej przechodzcej przez pocztek ukadu wsprzd

nych. Poniewa lini prost daje si bez trudu rozpozna, tak wic jest to atwj
i skuteczny sposb potwierdzania proporcjonalnoci.
Chcc zilustrowa sposb takiego uycia wykresu, wyobramy sobie do
wiadczenie sprawdzajce prawo Hooke'a. Prawo to zwykle zapisywane w po
staci F = kx gosi, e wyduenie spryny x jest proporcjonalne do siy F
ktra j rozciga, x = F/k, gdzie k jest wspczynnikiem sprystoci. Prostyn
sposobem sprawdzenia tej zalenoci jest zawieszanie obcinikw o rnycl
masach m. W takim przypadku sia F jest ciarem mg obcinika: tak wi<
wyduenie spryny powinno by rwne
(2.19
Wyduenie powinno by proporcjonalne do masy obcinika m, a wykre
zalenoci x od m powinien by prost przechodzc przez pocztek ukadi
wsprzdnych.
Jeli mierzymy x dla rnych obcinikw m i zaznaczamy punkt;
0 wsprzdnych rwnych zmierzonym wartociom x i m, jest bardzo ma<
prawdopodobne, e bd one leay dokadnie na prostej. Przypumy n;
przykad, e mierzymy wyduenie spryny dla omiu rnych obciei
1 dostajemy wyniki zebrane w tabeli 2.3. Punkty o wsprzdnych odpowiada
jcych tym wartociom przedstawiono s na rys. 2.la, gdzie pokazano tak
prost przecinajc pocztek ukadu wsprzdznych i przechodzc stosun
kowo blisko wszystkich omiu punktw. Jak powinnimy si tego spodziewa
nasze punkty nie le dokadnie na adnej prostej. Problem polega na tym, cz
jest to wynik niepewnoci pomiarowych (na co mamy nadziej), naszej omyk
czy te moe faktu, e wyduenie x nie jest proporcjonalne do m. Aby ti
rozstrzygn, musimy wzi pod uwag nasze niepewnoci.
Tabela 2.3. Obcienie i wyduenie
Obcienie m (g)
(8m zaniedbywalne)
Wyduenie x (cm)
(wszystkie 0,3)

200

300

400

500

600

700

800

900

1,1

1,5

1,9

2,8

3,4

3,5

4,6

5,4

Jak zwykle wartoci zmierzone: wyduenia x i masy m s obarczon

pewnymi niepewnociami. Dla prostoty zamy na pocztek, e uyte masy s
znane bardzo dokadnie, tak wic niepewno m jest pomijalnie maa. Przypi
my take, e wszystkie pomiary x maj niepewno okoo 0,3 cm ( ja
pokazuje to tabela 2.3). N a przykad po zawieszeniu obcinika o masie 200

38

jej wyduenie prawdopodobnie bdzie rwne 1,1 0,3 cm. Zatem nasz pierw
szy punkt pomiarowy ley na linii pionowej m = 200 g, gdzie pomidzy
x = 0,8 i x = 1,4 cm. Pokazano to na rys. 2.1b, gdzie zaznaczylimy pionow
kresk granic bdu, ktra dla kadego punktu wskazuje zakres, w jakim
prawdopodobnie mieci si warto zmierzona. Oczywicie powinnimy ocze
kiwa, e moliwe bdzie przeprowadzenie linii prostej przecinajcej pocztek
ukadu wsprzdnych, ktra przechodzi przez wszystkie zaznaczone granice
bdw lub ley blisko nich. N a rysunku 2.1b jest taka prosta, zatem moemy
stwierdzi, e dane, na podstawie ktrych narysowano pokazany tu wykres, s
zgodne z zaoeniem, i x jest proporcjonalne do m.

Rysunek 2.1. Trzy wykresy zalenoci wyduenia spryny od obcienia m. a) Dane z tabeli 2.3
bez oznaczonych granic bdu, b) Te same dane z granicami bdu wskazujcymi na niepewnoci
wyznaczenia x. (Przyjto, e niepewnoci wyznaczenia m s zaniedbywalne.) Przedstawione dane
; zgodne ze spodziewan proporcjonalnoci x do m. c) Inny zestaw wynikw, ktry nie zgadza
si z zaoeniem o proporcjonalnoci x do m

39

Jak wynika z rwnania (2.19), tangens kta nachylenia prostej, bdcej wy

kresem funkcji x(m) jest rwny g/k. Mierzc nachylenie prostej z rys. 2.Ib,
moemy zatem znale wspczynnik sprystoci k. Rysujc proste o najwik
szym i najmniejszym nachyleniu, ktre w miar dobrze pasuj do zaznaczonych
punktw, moglibymy take okreli niepewno wartoci k (patrz zadanie 2.8).
Jeli najlepiej dopasowana prosta omija du cz zaznaczonych granic
bdw lub mija jakkolwiek z nich w duej odlegoci (w porwnaniu
z granic bdu), oznacza to, e wyniki nasze s niespjne z twierdzeniem
o proporcjonalnoci x do m. Sytuacj tak ilustruje rysunek 2.1c. N a pod
stawie wynikw tam przedstawionych musielibymy powtrnie sprawdzi
nasze dowiadczenie i rachunki (wczajc obliczenia niepewnoci), i rozway,
czy istnieje jaka przyczyna, dla ktrej x nie jest proporcjonalne do m.
Jak dotd przyjmowalimy, e niepewno wyznaczenia masy (zaznaczanej
na osi odcitych) jest pomijalnie maa, niepewnociami za obarczone s
jedynie pomiary x, co pokazuj pionowe kreski granic bdw. Jeli zarwno
x jak i m obarczone s liczcymi si niepewnociami, jest wiele sposobw, aby
to pokaza. Najprostszym jest narysowanie dla kadego punktu zarwnc
pionowej, jak i poziomej kreski o dugoci odpowiadajcej danej niepewnoci.
Pokazano to na rys. 2.2. Kady krzyyk na przedstawionym tam wykresie
odpowiada jednemu pomiarowi x oraz m i oznacza, e x prawdopodobnie ley
w granicach wyznaczonych przez rami pionowe, m za znajduje si wewntrz
przedziau oznaczonego przez rami poziome.

Rysunek 2.2. Pomiary x i m z niepewnociami mona przedstawi rysujc dla kadego punkti
krzyyk pokazujcy granic bdu dla x i dla m

Kiedy spodziewamy si, e jedna wielko fizyczna jest proporcjonalna dc

pewnej potgi innej wielkoci, wwczas powstaje nieco bardziej skomplikowa
na sytuacja. Wemy pod uwag drog x przebyt przez ciao w czasie
t podczas swobodnego spadku. Droga ta rwna x = j.gt jest proporcjonalm
do kwadratu czasu t. Jeli narysujemy wykres zalenoci x od t, to punkt]
dowiadczalne bd lee na paraboli. Jednak trudno na oko oceni, czy zbii
punktw ley na paraboli ( lub na innej krzywej poza prost). O wiele lepie
2

40

zauway, e jeli xoct ,

to wykres zalenoci x od t powinien by lini
prost przechodzc przez pocztek ukadu wsprzdnych. Taki wykres
umoliwi nam sprawdzenie, czy nasze dane le na prostej czy te nie,
dokadnie w taki sam sposb jak w poprzednim przypadku. Podobnie, gdy
x jest proporcjonalne do funkcji wykadniczej e (gdzie A jest pewn sta),
wtedy lini prost powinien by wykres zalenoci ln(x) od t. Taki wykres
pozwoli nam atwo sprawdzi czy x oc e . (Omwimy t spraw dokadniej
v rozdziale 8.)
At

At

Istniej te inne ni graficzne metody sprawdzania proporcjonalnoci

dwch wielkoci. N a przykad jeli x ~ m, to stosunek x/m powinien by stay.
Do tabeli z wartociami x i m mona by doda po prostu jeszcze jedn
kolumn lub wiersz, pokazujc stosunki x/m. atwo w taki sposb sprawdzi,
czy stosunki te s stae w granicach ich szacowanych niepewnoci. Ponadto
mona odpowiednio zaprogramowa kalkulator, ktry natychmiast sprawdzi,
czy do danego zbioru punktw daje si dopasowa lini prost. Jednak nawet
wtedy, kiedy uywamy jakich innych metod sprawdzenia proporcjonalnoci
x do m, warto dodatkowo narysowa wykres. Wykresy, jak te przedstawione
na rysunkach 2.1b i c, jasno pokazuj, w jakim stopniu pomiary weryfikuj
nasze przewidywania, rysowanie za takich wykresw pomaga w zrozumieniu
dowiadczenia i praw fizycznych rzdzcych badanymi zjawiskami.

2.7. Niepewnoci wzgldne

Niepewno 8x w pomiarze,
(zmierzona warto x) = x 5 x ,
n p

wskazuje na wiarygodno lub dokadno pomiaru. Jednak niepewno 5x

sama w sobie nie mwi wszystkiego. Niepewno jednego centymetra na
dystansie jednego kilometra sugeruje niezwykle precyzyjny pomiar, podczas
gdy niepewno jednego centymetra na dystansie trzech centymetrw wskazy
waaby na bardzo grube przyblienie. Jest jasne, e o jakoci pomiaru nie
decyduje sama tylko niepewno 8x, ale take stosunek 5x do x . Prowadzi to
nas do pojcia niepewnoci wzgldnej
np

niepewno wzgldna =

(2.20)

41
-

(Niepewno wzgldna zwana jest take dokadnoci.) W powyszej definicji

symbol | x | oznacza warto bezwzgldn x .
W odrnieniu od niepewnoci wzgldnej sam niepewno pomiarow 8x
nazywa si niekiedy niepewnoci bezwzgldn.
W wikszoci powanych eksperymentw niepewno 5x jest duo mniej
sza ni zmierzona warto x . Poniewa niepewno wzgldna 5 x / | x | jest
zwykle ma liczb, wic czsto jest wygodnie pomnoy j przez 100 i wyrazi
jako niepewno procentow. N a przykad pomiar
5

n p

n p

n p

n p

dugo / = 5 0 + 1 cm

(2.21)

ma niepewno wzgldn
5 / 1

i niepewno procentow rwn 2%. Tak wic wynik (2.21) mgby by

przedstawiony w postaci
dugo l = 50 c m + 2 % .
Zauwamy, e o ile niepewno bezwzgldna U ma takie same jednostki jak l
0 tyle niepewno wzgldna 8 / / | / | jest wielkoci niemianowan i nie mi
adnych jednostek. Zapamitanie tej rnicy pomoe Czytelnikowi unikn<
powszechnego bdu mylenia niepewnoci wzgldnej z niepewnoci bezwzgl
dn.
Niepewno wzgldna jest przyblion wskazwk jakoci pomiaru, be:
wzgldu na warto wielkoci mierzonej. Niepewnoci wzgldne rzdu 10% s;
zwykle charakterystyczne dla zgrubnych pomiarw. (Zgrubny pomiar 10 cn
mgby mie niepewno 1 cm, zgrubny pomiar 10 km mgby mie niepew
no 1 km.) Niepewnoci wzgldne 1 czy 2 procent charakteryzuj pomiar
do dokadne. Takie wanie niepewnoci s zwykle najlepszymi, na jaki
mona liczy w wielu eksperymentach na wstpnej pracowni fizycznej. Niepe
wnoci wzgldne duo mniejsze ni 1% s zwykle trudne do osignici
np

1 rzadkie na pracowni wstpnej.

Warto bezwzgldna \x\ liczby x jest rwna x dla x dodatniego i x dla x ujemneg
Uylimy w definicji (2.20) wartoci bezwzgldnej, aby by pewnym, e niepewno wzgldr
podobnie jak sama niepewno Sx, bdzie zawsze dodatnia. W praktyce zwykle postpuje si t
aby wartoci zmierzone byy dodatnie i w takim przypadku znak wartoci bezwzgldnej w defini
(2.20) moe by pominity.

42

Oczywicie podzia ten ma wielce przybliony charakter. Kilku bardzo

prostych pomiarw mona dokona bez wikszych kopotw z niepewnoci
wzgldn 0,1% czy nawet mniej. Majc do dyspozycji dobr tam miernicz,
moemy zmierzy odlego 1 m z niepewnoci 1 mm, czyli 0,1%. Dobry
stoper pozwoli na pomiar jednej godziny z niepewnoci mniejsz ni jedna
sekunda, czyli 0,03%. Z drugiej jednak strony, w przypadku wielu trudnych do
zmierzenia wielkoci, niepewno 10% byaby traktowana jako duy ekspery
mentalny sukces. Tak wic dua niepewno procentowa nie znaczy, e pomiar
jest bezwartociowy z naukowego punktu widzenia. W rzeczywistoci wiele
istotnych pomiarw w historii fizyki byo obarczonych niepewnociami rzdu
10%. Z pewnoci na pracowni wstpnej wiele mona si nauczy, korzystajc
z urzdze, ktrych minimalne niepewnoci s rzdu kilku procent.

2.8. Cyfry znaczce i niepewnoci wzgldne

Pojcie niepewnoci wzgldnej jest cile zwizane ze znanym pojciem cyfry
znaczcej. W istocie, liczba cyfr znaczcych danej wielkoci jest przyblionym
wskanikiem jej niepewnoci wzgldnej. Wemy na przykad dwie liczby
510

0,51,

z ktrych obie zostay podane z dokadnoci do dwu cyfr znaczcych.

Poniewa 510 (z dwiema cyframi znaczcymi) oznacza
510 + 5

lub

510+1%,

0,51 za oznacza
0,51 + 0,005

lub

0,51 + 1%,

widzimy, e obie s obarczone niepewnoci 1%. Innymi sowy stwierdzenie,

e liczby 510 i 0,51 maj dwie cyfry znaczce jest rwnowane zdaniu, i obie
maj niepewno rwn 1%. W ten sam sposb 510 z trzema cyframi
znaczcymi miaoby niepewno 0 , 1 % i tak dalej.
Niestety ten uyteczny zwizek jest jedynie przybliony. Liczba 110, poda
na z dwiema cyframi znaczcymi, znaczy
110 + 5

lub

110 + 5%,

podczas gdy 910 ( dalej z dwiema cyframi znaczcymi) oznacza

910 + 5

lub

910 + 0,5%.

43

Widzimy, e niepewno wzgldna zwizana z dwiema cyframi znaczcymi

zmienia si od 0,5% do 5% w zalenoci od pierwszej cyfry danej liczby.
W tabeli 2.4 podsumowano powysze spostrzeenia.
Tabela 2.4. Przybliony zwizek pomidzy cyframi znaczcymi i niepewnoci wzgldn
Odpowiednia niepewno wzgldna

Liczba cyfr
znaczcych

1
2
3

zawiera si w zakresie

lub rwna si w przyblieniu

5%-50%
0,5%-5%
0,05%-0,5%

10%
1%
0,1%

2.9. Mnoenie dwu wartoci zmierzonych

Kiedy zaczynamy mnoy przez siebie wartoci zmierzone, wwczas ujaw
nia si by moe najbardziej znaczca cecha niepewnoci wzgldnych. Na
przykad, aby znale pd ciaa, musielibymy zmierzy jego mas m i prd
ko v, a nastpnie pomnoy te wielkoci, by dosta p = mv. Zarwno m jak
i v s obarczone niepewnociami pomiarowymi, ktre bdziemy musieli osza
cowa. Powstaje pytanie, jak znale niepewno p, wynikajc z niepewno:
pomiarowych m i v.
Najpierw przepiszmy dla wygody standardowy wynik
(zmierzona warto x) = x

n p

+ 8x

w jzyku niepewnoci wzgldnej, a wic jako

(zmierzona warto x) = x ( 1 + - ).
n p

(2.22

K p i /

Na przykad jeli niepewno wzgldna rwna jest 3 % , to z rwnania (2.27

widzimy, e
(zmierzona warto x) = x

nv

I1+

Taka niepewno oznacza, e x prawdopodobnie ley w zakresie pomidzy x,

razy 0,97 i x razy 1,03;
n p

0 , 9 7 - x < x ^ 1,03-x .
n p

44

np

Znalelimy tym samym prosty sposb traktowania wartoci, ktre chcemy

mnoy.
Powrmy do naszego zadania obliczenia p = mv, jeli m i v zostay
zmierzone jako
(zmierzona warto m) = m

n p

(1 + 7 - r ]

(2.23)

Nnpl/

oraz
8v

(
(zmierzona warto v) = v \

1 + - .

ap

(2.24)

K p i /

Poniewa m oraz v s najlepszymi przyblieniami m i v, zatem najlepszym

przyblieniem p = mv jest
P n = ( najlepsze przyblienie p) =
mv.
n p

up

np

np

Najwiksze prawdopodobne wartoci m i v dane s w rwnaniach (2.23) i (2.24)

ze znakiem + ". Tak wic najwiksza prawdopodobna warto p mv rwna
jest
(najwiksza warto p) m

np

v ( 1 + ~-/\ ( 1 + 7-7 Y
D

Nnpl/ V

(2.25)

Kpi/

Najmniejsza prawdopodobna warto p dana jest przez podobne wyraenie

z dwoma znakami ". Teraz moemy wymnoy wyraenia w obu nawia
sach w rwnaniu (2.25)
8m \ /
\m \J
np

bv \

8m

8v

5m

Ifnpl/

Nnpl

|Unpl

\m \

dv
\V \

np

np

Poniewa obie niepewnoci wzgldne 8 m / | m | oraz 5j/|t> | s maymi licz

bami (by moe kilka procent), wic ich iloczyn jest bardzo may. Moemy
zatem zaniedba ostatni skadnik sumy w rwnaniu (2.26). Wracajc do (2.25),
znajdujemy
np

(najwiksza warto p) = m

n p

np

np

/.
Sm
I1+

8v
+:

Najmniejsza prawdopodobna warto dana bdzie przez podobne wyraenie

z dwoma znakami ". Tak wic nasz pomiar m i v prowadzi do wartoci
p mv danej przez
(warto p) = m

n p

np

8m
;

8v
:+ ;

45

Porwnujc to z ogln postaci

(warto p) = p l 1 +
np

IPnpl/

widzimy, e najlepszym przyblieniem wartoci p jest m (o czym ju

wiedzielimy) oraz e niepewno wzgldna p jest sum niepewnoci wzgldnych
m iv
bp
bm
bv
n p

IPnpl

|m |

np

n p

n p

Kp|

Jeli na przykad przeprowadzilibymy nastpujce pomiary m i v:

m = 0,53 + 0,01 kg
oraz
v = 9,1 + 0,3 m/s,
to najlepsze przyblienie p = mv rwne jest
Pn = m
P

np

np

= (0,53)-(9,1) = 4,82 kg-m/s.

Aby obliczy niepewno p, najpierw obliczylibymy niepewnoci wzgldne

*L_
m

M _ 0,02

np

0,53

= 2%

oraz

^. = M = o,03 =

3%.

9,1

fnp

Niepewno wzgldna p jest wic rwna sumie

= 2 % + 3 % = 5%.
Pnp

Jeli chcemy zna bezwzgldn warto niepewnoci p, musimy pomnoy

przez p :
n p

5p =

n p

= 0,05 4,82 = 0,241.

Pnp

Po zaokrgleniu bp i p

n p

otrzymujemy ostateczny wynik

(warto p) = 4,8 + 0,2 kg m/s.

46

Powysze rozwaania stosuj si do dowolnego iloczynu dwch wartoci

zmierzonych. Moemy zatem odkry drug ogln regu przenoszenia b
dw. Jeli mierzymy dwie wielkoci i tworzymy ich iloczyn, to niepewnoci
pierwotnych dwch wartoci przenosz si" powodujc powstanie niepewno
ci ich iloczynu. Niepewno ta okrelona jest nastpujc regu:

Niepewno iloczynu
Jeli x i y zmierzono z maymi niepewnociami wzgld
nymi 8 x / j x | i S y / | y | oraz jeli zmierzonych wartoci
x i y uyto do obliczenia ich iloczynu q = xy, to niepew
no wzgldna q jest sum niepewnoci wzgldnych x i y
8q
8x
Sy
np

np

knpl

|x |
n p

|j

n p

W rwnaniu (2.27) uylimy znaku przyblionej rwnoci ", gdy podobnie

jak w przypadku reguy dla niepewnoci rnicy zamienimy pniej rwnanie
(2.27) na inne, bardziej precyzyjne. Warto take podkreli dwie inne cechy tej
reguy. Po pierwsze, obliczenia prowadzce do wyniku (2.27) wymagaj, aby
obie niepewnoci wzgldne x i y byy na tyle mae, ebymy mogli zaniedba
ich iloczyn. W praktyce jest to niemal regu, tak wic zawsze bdziemy to
zakada. Niemniej jednak powinnimy pamita, e jeli niepewnoci wzgld
ne nie s o wiele mniejsze ni 1, to regua (2.27) przestaje by prawdziwa. Po
drugie, rwnanie (2.27) znosi wymiarowo, bo nawet gdy x i y maj rne
wymiary, wtedy niepewnoci wzgldne s niemianowane .
W fizyce stale mnoymy przez siebie rne liczby; tak wic regua (2.27)
bdzie z pewnoci wanym narzdziem w rachunku bdw. N a razie naszym
gwnym celem jest podkrelenie, e niepewno dowolnego iloczynu q = xy
wyraa si najprociej przez niepewnoci wzgldne, tak jak w rwnaniu (2.27).

Zadania
Uwaga: Gwiazdka przy zadaniu oznacza, e szkic rozwizania lub odpowied
znajduje si na kocu ksiki.
2.1 (paragraf 2.1). W rozdziale 1 ciela przedstawia wynik swojego pomiaru
wysokoci futryny, podajc swoje najlepsze przyblienie 210 cm i wierzc, e
wysoko mieci si gdzie pomidzy 205 cm i 215 cm. Przepisz ten wynik

47

w standardowej postaci x + 5x. Zrb to samo z wynikami pomiarw przed

stawionymi w rwnaniach (1.1), (1.2) i (1.4).
n p

* 2.2 (paragraf 2.2). Przepisz nastpujce odpowiedzi w najbardziej czytel

nej formie z odpowiedni liczb cyfr znaczcych:
(Sj) zmierzona wysoko = 5,03 + 0,04329 metra;
(Ib])zmierzony czas = 19,5432 1 s;
/y zmierzony adunek = 3,21 1 0 " + . 2 , 6 , 7 - 1 0 " kulomba;
<d> zmierzona dugo fali = 0,000000563 + 0,00000007 metra;
e) zmierzony pd = 3,267; 10 + 42 g-cm/s.
19

20

( p a r a g r a f 2.3).
a) Student piciokrotnie mierzy gsto cieczy i otrzymuje wyniki (wszyst
kie w g/cm ): 1,8; 2,0; 2,0; 1,9; 1,8. Co mgby zasugerowa jako najlepsze
przyblienie i niepewno na podstawie tego pomiaru?
b) Powiedziano mu, e warto uznana rwna jest 1,85 g/cm . Jaka jest
rozbieno pomidzy jego najlepszym przyblieniem i wartoci uznan? Czy
mylisz, e jest ona znaczca?
3

2.4 (paragraf 2.5). Aby zmierzy czas dziesiciu obrotw stolika obro
towego, uyto zegarka. Czas ten okrelono odejmujc czasy pocztku i koca
pomiaru. Jaka jest niepewno czasu dla dziesiciu obrotw, jeli czasy
pocztkowy i kocowy okrelone zostay z niepewnoci + 1 s kady?
f 2.5 (paragraf 2.5). W tabeli 2.5 przedstawiono wartoci pocztkowego
i kocowego momentu pdu (L i L') pewnego obracajcego si ukadu,
otrzymane przez studenta w dowiadczeniu sprawdzajcym zasad zachowa
nia momentu pdu. Dodaj do tabeli 2.5 jeszcze jedn kolumn, umieszczajc
w niej rnic L L' i jej niepewno. Czy wyniki studenta s zgodne z zasad
zachowania momentu pdu?

Tabela 2.5. Momenty pdu (w kg m /s)

Pocztkowy moment pdu L

Kocowy moment pdu L'

3,0 + 0,3

2,7 + 0,6

7,4+0,5
A4,3 + l
25 + 2
322
37 + 2

48

8,0+1
16,5 + 1
24 + 2
31+2
41+2

2.6 (paragraf 2.5). W dowiadczeniu mierzone s masy M i m, wzka

i przyczepy. Otrzymany rezultat podany jest w standardowej postaci
M + 8 M oraz m 5 m . Jakie jest najlepsze przyblienie cakowitej masy
M + ml Biorc pod uwag najwiksze i najmniejsze prawdopodobne wartoci
cakowitej masy, poka, e niepewno wyznaczenia masy cakowitej rwna
jest sumie 5M i Sm. Przedstaw jasno swoje argumenty, nie ograniczajc si
jedynie do napisania odpowiedzi.
n p

np

2.7 (paragraf 2.6). Korzystajc z danych z zadania 2.5, narysuj wykres

zalenoci kocowego momentu pdu L'od pocztkowego momentu pdu L.
Zamie na nim pionowe i poziome kreski granic bdu. (Jak zwykle w przy
padku wykonywania takich wykresw, oznacz odpowiednio osie swojego
wykresu oraz jednostki na nich. Uyj papieru z waciw podziak. Dobierz
skal tak, aby Twj rysunek zaj rozsdn cz papieru, pozostawiajc
jednak na nim pocztek ukadu wsprzdnych.) N a jakiej krzywej wedug
Ciebie powinny ukada si punkty eksperymentalne? Czy z dokadnoci do
niepewnoci pomiarowych punkty te le na spodziewanej krzywej?
* 2.8 (paragraf 2.7). Jeli rzucimy z prdkoci v kamie pionowo do gry,
powinien si on wznie na wysoko h, speniajc rwnanie o = 2gh.
W szczeglnoci v powinno by proporcjonalne do h. Student zmierzy o
i h dla siedmiu rnych rzutw, aby to sprawdzi. Wyniki przedstawione s
w tabeli 2.6.
2

Tabela 2.6. Wysokoci i prdkoci

Wysoko h (w metrach)
(wszystkie 0,05)

Kwadrat prdkoci
v (w m / s )
2

0,4
0,8
1,4
2,0
2,6
3,4
3,8

73
17 + 3
25 + 3
38 + 4
45 + 5
625
72 + 6

a) Wykonaj wykres zalenoci o od h, zaznaczajc pionowe i poziome

granice bdu. (Jak zwykle oznacz o dpowiednio osie wykresu, uyj papieru
milimetrowego i rozsdnie wybierz skal.) Czy Twj wykres jest zgodny
z przewidywan zalenoci v cc KI
2

49

b) Tangens kta nachylenia Twojego wykresu powinien by rwny 2g. Aby

go znale, narysuj najlepsz wedug Ciebie prost, przechodzc przez po
cztek ukadu wsprzdnych i punkty eksperymentalne, i zmierz jej nachyle
nie. Aby znale niepewno wyznaczenia tego nachylenia, narysuj proste
o najwikszym i najmniejszym nachyleniu, ktre wedug Ciebie rozsdnie
pasuj do otrzymanych punktw dowiadczalnych. Nachylenia tych prostych
dadz najwiksz i najmniejsz prawdopodobn warto naszego nachylenia.
Czy Twj wynik jest zgodny z wartoci uznan 2g = 19,6 m / s ?
2

(paragraf 2.6).
a) Student postanowi w dowiadczeniu z wahadem matematycznym
sprawdzi, czy okres Tjest niezaleny od amplitudy A (zdefiniowanej jako
najwikszy kt wychylenia wahada). Otrzyma wyniki przedstawione w tabeli
2.7. Narysuj wykres zalenoci T od A. (Uwanie dobierz skal swojego
wykresu. Jeli masz jakie wtpliwoci, narysuj dwa wykresy, jeden zawieraj
cy pocztek ukadu wsprzdnych T=0, A = 0 i drugi, zawierajcy tylko
wartoci T pomidzy 1,9 s i 2,2 s.) Czy student moe stwierdzi, e okres
wahada jest niezaleny od amplitudy?
Tabela 2.7. Amplituda i okres wahada matematycznego
Amplituda A (stopnie)

Okres T(s)

5+2
17 + 2
25 + 2
40 + 4
53 + 4
67 + 6

1,932 + 0,005
1,94+0,01
1,96+0,01
2,01+0,01
2,04 + 0,01
2,12+0,02

b) Przedyskutuj, w jaki sposb wnioski z punktu (a) mogyby si zmieni,

jeli zmierzony okres Tby obarczony niepewnoci 0,3 s.
2 . 1 0 (paragraf 2.7). Oblicz niepewnoci procentowe dla piciu pomiarw
wymienionych w zadaniu 2.2. (Nie zapomnij o zaokrgleniu wyniku dc
odpowiedniej liczby cyfr znaczcych.)
2.11 (paragraf 2.7). Linijka ma dziaki co 1 mm, suwmiarka za co 0,1 mm
Przypumy, e chcesz zmierzy dugo 2 cm z dokadnoci 1%. Czy moess
to zrobi uywajc linijki? Czy jest to moliwe za pomoc suwmiarki?
(*2A^. (paragraf 2.7). Aby znale przyspieszenie wzka, student zmierzy
jego pocztkow i kocow prdko o i v , a nastpnie obliczy ich rnica
p

50

D D . Wyniki jego dowiadczenia dla dwch prb przedstawione s w tabeli

2.8 (wszystkie prdkoci podano w cm/s). Wszystkie jego pomiary miay
niepewno 1%.
K

Tabela 2.8. Pocztkowe i kocowe prdkoci

Pierwsza prba
Druga prba

14,0
19,0

18,0
19,6

a) Oblicz niepewno bezwzgldn dla wszystkich czterech pomiarw,

znajd rnic v v , a take jej niepewno dla obu prb.
b) Znajd niepewno procentow dla kadej z dwch wartoci (o o ).
(Twoje odpowiedzi, szczeglnie w przypadku drugiej prby, poka katastro
falne skutki mierzenia maych liczb bdcych rnic liczb o wiele wikszych.)
k

2.13 (paragraf 2.8).

a) Kalkulator wywietla wynik 123,123. Jaka jest niepewno wzgldna
i bezwzgldna tego wyniku, jeli student zdecydowa, e ma on tylko trzy cyfry
znaczce?
b) To samo pytanie dla liczby 0,123123.
c) To samo pytanie dla liczby 321,321.
d) Czy niepewnoci wzgldne w powyszych przykadach mieszcz si
w zakresie przewidywanym dla trzech cyfr znaczcych?
/ f 2 j ) (paragraf 2.9).
a) Student mierzy dwie wielkoci a i b, otrzymujc wyniki a = 11,5 0,2 cm
i b = 25,4 0,2 cm. Nastpnie oblicza iloczyn q = ab. Znajd jego odpowied,
podajc zarwno niepewno bezwzgldn jak i niepewno procentow.
b) Powtrz punkt (a) dla pomiarw a = 1 0 l c m i > = 27,2 0,1 s.
c) Powtrz punkt (a) dla pomiarw a = 3,0 m 8 % i b = 4,0 k g 2 % .
^ 2 a | (paragraf 2.9).
a) Student zmierzy dwie liczby x i y.
x=10l,

y = 201.

Jakie jest jego najlepsze przyblienie ich iloczynu q = xyl Wykorzystujc

najwiksze prawdopodobne wartoci x i y (11 i 21), oblicz najwiksz praw
dopodobn wielko q. Podobnie znajd najmniejsz prawdopodobn warto
q i na jej podstawie okrel zakres, w ktrym najprawdopodobniej mieci si q.
Porwnaj swj wynik z wynikiem danym przez regu (2.27).

51

b) Zrb to samo z pomiarami

x = 108,

y = 20 + 15.

Pamitaj, regu (2.27) znaleziono przy zaoeniu, e niepewnoci wzgldne

s duo mniejsze od 1.
2.16 (paragraf 2.9). Pewna dobrze znana zasada" mwi, e kiedy mnoy
my przez siebie dwie liczby, wwczas ich iloczyn bdzie wiarygodny, jeli
zaokrgli si go do takiej liczby cyfr znaczcych, jak mia mniej dokadny
czynnik.
a) Sprawd przyblion stosowalno powyszej zasady, stosujc regu
(2.27) i fakt, e liczba cyfr znaczcych odpowiada mniej wicej niepewnoci
wzgldnej. (W szczeglnoci rozpatrz przypadek, gdy mniej precyzyjna liczba
ma dwie cyfry znaczce.)
b) Poka na przykadzie, e odpowied moe by nieco mniej precyzyjna,
ni sugeruje to dobrze znana zasada". (Jest to szczeglnie istotne, jeli
mnoymy przez siebie wiele liczb.)

R O Z D Z I A

PRZENOSZENIE NIEPEWNOCI

Wikszoci wielkoci fizycznych nie da si okreli na podstawie bezpored

niego pomiaru. Wyznacza si je natomiast w dwch oddzielnych krokach. N a
pocztku wykonuje si pomiar jednej lub kilku wielkoci x, y,
ktre mona
zmierzy bezporednio i ktre pozwalaj obliczy wielko szukan. Nastp
nie, korzystajc ze zmierzonych wartoci x, y,
oblicza si interesujc nas
wielko. Przykadowo, aby znale powierzchni prostokta, trzeba zmierzy
dugoci jego bokw l oraz h, i obliczy jego powierzchni A, gdy A = Ih.
Podobnie najbardziej oczywistym sposobem znalezienia prdkoci v jakiego
ciaa jest pomiar odlegoci d, jak ciao to przebyo w czasie t i obliczenie
prdkoci v jako v = d/t. Czytelnik, ktry spdzi troch czasu na pierwszej
pracowni, bez trudu wymyli wicej przykadw. W istocie, po chwili za
stanowienia stwierdzimy, e prawie wszystkie interesujce dowiadczenia ska
daj si z dwch etapw, bezporedniego pomiaru i nastpujcych po nim
oblicze.
Kiedy pomiar dzieli si na dwa etapy, wwczas ocena niepewnoci rwnie
przebiega dwuetapowo. Po pierwsze naley oceni niepewnoci wielkoci
mierzonych bezporednio, nastpnie za stwierdzi, w jaki sposb owe niepew
noci przenosz si" w trakcie oblicze na niepewno ostatecznego wyniku.
To przenoszenie bdw" jest gwnym tematem niniejszego rozdziau.
1

W rozdziale 4 przedyskutujemy inny sposb, w jaki mona czasami oszacowa niepewno

wyniku kocowego. Jeli wszystkie pomiary mona przeprowadza wielokrotnie i jeli jest si pewnym,
e wszystkie niepewnoci maj przypadkowy charakter, to niepewno naszego wyniku mona oceni
badajc rozrzut wynikw. Jednak, nawet gdy mona zastosowa tak metod, jest ona zwykle
stosowana do sprawdzenia rezultatw procedury dwustopniowej, o ktrej mowa w tym rozdziale.

53

Omwilimy ju kilka przykadw przenoszenia bdw w rozdziale 2.

W paragrafie 2.5 rozwaalimy, co si dzieje, kiedy dwie wartoci zmierzone
x i y uywane s do wyznaczenia rnicy q = x y. Stwierdzilimy, e niepew
no q jest po prostu sum 8q ss 8x + by niepewnoci x i y. W paragrafie 2.9
mwilimy o iloczynie q = xy, w zadaniu 2.6 za bya mowa o sumie q = x + y.
W paragrafie 3.2 dokonamy przegldu tych przypadkw. W dalszej czci
niniejszego rozdziau przedyskutujemy bardziej oglne przypadki przenoszenia
niepewnoci i przedstawimy kilka przykadw.
Zanim podejmiemy temat przenoszenia niepewnoci, omwimy krtko
w paragrafie 3.1 zasady szacowania niepewnoci wielkoci mierzonych bezpo
rednio. Przypomnimy metody omawiane w rozdziale 1, a nastpnie omwimy
kilka dalszych przykadw oceny bdu w pomiarach bezporednich.
Poczwszy od paragrafu 3.2 zajmiemy si zagadnieniem przenoszenia
bdw. Stwierdzimy, e prawie wszystkie problemy z dziedziny przenoszenia
bdu mona rozwiza stosujc jedynie trzy proste reguy. Sformuujemy
take jedn bardziej skomplikowan zasad, ktra obejmuje wszystkie przy
padki i z ktrej mona wyprowadzi owe trzy prostsze reguy.
Ten rozdzia jest jednym z duszych. Czytelnik moe jednak pomin
ostatnie dwa paragrafy bez obawy o utrat wtku.

3.1. Niepewnoci w pomiarach bezporednich

Prawie wszystkie bezporednie pomiary wymagaj odczytu skali (na miarce,
zegarze czy na przykad woltomierzu) lub odczytu liczby ze wskanika cyf
rowego (na zegarze cyfrowym bd woltomierzu). Niektre problemy zwizane
z odczytem skali omwiono w paragrafie 1.5. Czasami gwnym rdem
niepewnoci jest odczyt skali i konieczno interpolacji pomidzy podziakami
miarki. W takich sytuacjach atwo dokona rozsdnego oszacowania niepewno
ci. Jeli na przykad trzeba zmierzy pewn dobrze zdefiniowan dugo / za
pomoc miarki o podziace milimetrowej, uzasadniona byaby decyzja o poda
niu wyniku z dokadnoci do najbliszej podziaki milimetrowej. W takim
przypadku niepewno 8/ byaby rwna 8 / = 0,5 mm. Jeli podzialka byaby
rzadsza (na przykad co 2 mm), to uzasadnione byoby odczytanie skali
z dokadnoci na przykad jednej pitej odlegoci pomidzy kolejnymi znacz
nikami podziaki. W kadym przypadku jasne jest, e niepewnoci zwizane
z odczytem skali mog by oszacowane cakiem prosto i realistycznie.
Niestety czsto wystpuj inne rda niepewnoci, o wiele bardziej istotne
ni problemy z odczytem skali. Podczas pomiaru odlegoci pomidzy dwoma

54

: _nktami gwnym problemem moe by decyzja, gdzie naprawd znajduj si

irjyjjz^/y.
Wemy flajoizykhd dowiadczenie z optyki, w ktrym
chcemy
lerzy odlego q od rodka soczewki do pewnego obrazu, jak na rys. 3.1.
W praktyce soczewki maj zwykle kilka milimetrw gruboci, a wic znalezierodka bdzie trudne; jeli za soczewka jest oprawiona, jak to zwykle
- ;.-.va. zadanie to staje si jeszcze trudniejsze. Dalej, powstay obraz moe
dawa si ostry na przestrzeni kilku milimetrw. Nawet gdy zestaw zmon:: wany jest na awie optycznej z zaznaczon podziak milimetrow, niepewn wyznaczenia odlegoci powstaego obrazu od soczewki moe by rzdu
centymetra. Poniewa niepewno ta powstaje ze wzgldu na nieprecyzyjne
krelenie dwch punktw, taki rodzaj problemu nazywamy zagadnieniem
definicji.

obraz powstay
na ekranie

Rysunek 3.1. Na ekranie umieszczonym po lewej stronie powstaje zogniskowany przez soczewk
obraz arwki, ktra znajduje si po prawej stronie

Przypadek ten ilustruje powane niebezpieczestwo powstajce przy szaco

waniu niepewnoci. Jeli patrzy si tylko na skal, zapominajc o innych
rdach niepewnoci, mona w znaczny sposb zaniy szacowan niepewno.
W istocie, najbardziej powszechny bd pocztkujcego studenta polega na
przeoczeniu pewnych rde bdu, co prowadzi do niedoszacowania cakowitej
niepewnoci, czsto o rzd wielkoci lub wicej. Jednak rwnie wane jest, aby
nie przeszacowa niepewnoci. Przesadnie ostrony eksperymentator szafujcy
niepewnociami we wszystkich pomiarach moe unikn kopotliwych niespj
noci, lecz przez to uczyni swj pomiar mao uytecznym dla kogokolwiek. Jest
jasne, e ideaem byoby znalezienie wszystkich moliwych przyczyn powstawa
nia niepewnoci i waciwa ocena ich wpywu na ostateczny wynik; nie jest to
zwykle tak skomplikowane, jak mona byoby przypuszcza.
Odczyt wskanika cyfrowego jest prostszy ni odczyt konwencjonalnej
skali. Pokazuje on tylko cyfry znaczce, chyba e jest uszkodzony. Jeli na
55

zegarze cyfrowym, pokazujcym sekundy z dwoma cyframi po przecinku,

odczytujemy czas t = 8,03 s, oznacza to, e (w najgorszym razie)
t = 8,03 + 0,01 s.
W zalenoci od konstrukcji zegara niepewno ta moe by o poow
mniejsza. Tak wic 8,03 moe oznacza 8,03 + 0,005.
Wskanik cyfrowy, bardziej nawet ni konwencjonalna miarka, moe
dawa mylne wraenie dokadnoci. Wyobramy sobie na przykad uycie
stopera ze wskanikiem cyfrowym do pomiaru czasu spadku na maszynie
Atwooda lub w podobnym ukadzie. Jeli stoper pokazujcy trzy miejsca
po przecinku daje wynik 8,036, mogoby si wydawa, e czas spadku
rwny jest
t = 8,036 + 0,001 s.

(3.1)

Jednak ostrony student, powtarzajcy dowiadczenie w identycznych, o ile to

tylko moliwe warunkach, stwierdzi, e nastpny pomiar czasu daje wynik
t = 8,113 s.
Jednym z moliwych wyjanienie tej rozbienoci s niepewnoci w procedu
rze startowej zmieniajce warunki pocztkowe i co za tym idzie zmierzony
czas spadku. W kadym razie jest jednak jasne, e dokadno deklarowana
w odpowiedzi (3.1) jest podejrzanie dobra. Sdzc z dwch wykonanych dotd
pomiarw, mona byoby sformuowa bardziej realistyczny wynik
t = 8,07 + 0,05 s.
Ten przykad prowadzi nas do innego zagadnienia dyskutowanego w roz
dziale 1. Jeeli tylko jaki pomiar moe by powtarzany, to powinien zosta
przeprowadzony wielokrotnie. Rozrzut wynikw jest czsto dobr wskazwk
co do niepewnoci, ich rednia za jest z reguy bardziej wiarygodna ni kady
z poszczeglnych wynikw. W rozdziaach 4 i 5 omwimy metody obrbki
statystycznej wielokrotnych pomiarw. Teraz chcemy jedynie podkreli, e
jeli dowiadczenie jest powtarzalne, to powinno by powtrzone, zarwno
w celu osignicia bardziej wiarygodnej odpowiedzi (poprzez urednianie) jak
te, co moe nawet waniejsze, aby otrzyma jak ocen niepewnoci. Nie
stety, jak ju wspominalimy w rozdziale 1, powtarzanie pomiaru nie zawsze
ujawni niepewnoci. Jeli pomiar podlega pewnemu bdowi systematycznemu,
ktry przesuwa wszystkie wyniki w t sam stron (jak pnicy si zegar), to
rozrzut wynikw nie bdzie odbiciem tego bdu systematycznego. Wyelimino56

wanie takiego bdu systematycznego wymaga uwanego sprawdzenia kalib

racji i stosowanych procedur.
Jest jeszcze jeden, zupenie inny rodzaj pomiarw, w ktrych mona
prosto oceni niepewno. Istniej dowiadczenia polegajce na zliczaniu
zdarze zachodzcych w sposb przypadkowy, lecz ze cile okrelonym
rednim prawdopodobiestwem. Przykadowo w prbce materiau promie
niotwrczego kade pojedyncze jdro rozpada si w przypadkowym momen
cie, lecz istnieje okrelone rednie prawdopodobiestwo, z jakim moemy
spodziewa si obserwacji rozpadu w caej prbce. Moemy prbowa
mierzy t redni warto, obserwujc, ile rozpadw nastpio w okre
lonym przedziale czasu, na przykad w cigu minuty. (Mona to zrobi
uywajc na przykad licznika Geigera, ktry mierzy naadowane czstki
powstajce na skutek rozpadu jdra). Przypumy, e stwierdzilimy v roz
padw w cigu jednej minuty. Poniewa poszczeglne rozpady zachodz
w przypadkowych momentach, nie moemy by pewni, czy v rzeczywicie jest
waciw redni liczb rozpadw, jakiej spodziewalibymy si w cigu jednej
minuty. Trzeba zapyta, w jakim stopniu v jest wiarygodne jako miara
spodziewanej liczby zdarze.
Teori pomiarw zwizanych z tego rodzaju zliczeniami przedyskutujemy
w rozdziale 11, ale odpowied na nasze pytanie jest na tyle prosta, e moemy
j przedstawi ju teraz. Jeli liczymy zdarzenia zachodzce w pewnym
przedziale czasu T i dostajemy odpowied v, to nasz wynik jako miara
spodziewanej redniej liczby zdarze w czasie T m a niepewno W. Tak wic
nasz wynik ( oparty na tej jednej obserwacji) powinien brzmie
(rednia liczba zdarze w czasie T) = v fv.
s

(3.2)

N a przykad jeli w prbce promieniotwrczego uranu zliczamy 15 rozpadw

w cigu minuty, to moglibymy stwierdzi, e rednio w naszej prbce
zachodzi 15 + ^ 1 5 czy te 1 5 4 rozpadw na minut.

3.2. Sumy i rnice; iloczyny i ilorazy

D o koca tego rozdziau bdziemy zakada, e zmierzylimy jedn lub wicej
wielkoci x, y, ... z odpowiadajcymi im niepewnociami 8x, by,
i chcemy
teraz uy zmierzonych wartoci x, y, ... do obliczenia szukanej wielkoci q.
Obliczenie q jest zwykle proste; zagadnienie, jakim chcemy si teraz zaj,
polega na zbadaniu, jak niepewnoci 8x, 8 j , ... przenosz si w rachunkach,
prowadzc do niepewnoci Sq wartoci kocowej q.
57

Sumy i rnice
W rozdziale 2 mwilimy co si dzieje, kiedy mierzy si dwie wielkoci x oraz
y i oblicza si ich sum x + y lub rnic x y. Aby oceni niepewno
zarwno sumy jak i rnicy, musielimy tylko zdecydowa, jakie s ich
najwiksze i najmniejsze prawdopodobne wartoci. Najwiksza i najmniejsza
prawdopodobna warto x jest rwna x + Sx, a odpowiednie wartoci y s
rwne y 5 y . Std najwiksza prawdopodobna warto x + y rwna jest
n p

n p

x p + J V + ( 5 x + 8y),
n

warto najmniejsza za
^ n + ^ n p - ( 5 x + 5y).
P

Tak wic najlepszym przyblieniem q = x + y jest

^np

-^np + J^np?

niepewnoci za
6q Sx + 8u.

(3.3)

Podobny argument (czy potrafisz go powtrzy?) pokazuje, e niepewno

rnicy x y dana jest tym samym wzorem (3.3). Tak wic niepewno
zarwno sumy x + y, jak i rnicy x y jest sum 8x + 8y niepewnoci x i y.
Jeli mamy doda lub odj kilka liczb x,
w, to wielokrotnie stosujc
rwnanie (3.3) otrzymujemy nastpujc regu.

Niepewno sumy i rnicy

Jeli kilka wielkoci x,
w zostao zmierzonych z niepewnociami 8 x , 8 w , zmierzone za wartoci s uy
wane do obliczenia
q = x + ... +z(u+

... +w),

to niepewno obliczonej wartoci q jest sum

8<j w 8 x +

... + S Z + SM+ ...

+8w,

wszystkich pierwotnych niepewnoci.

Innymi sowy, kiedy dodaje si lub odejmuje pewn liczb wielkoci, niepew
noci tych wielkoci zawsze si dodaj. Jak poprzednio, uylimy znaku &, aby
przypomnie, e wkrtce poprawimy t regu.

58

Przykad
Omwimy teraz prosty przykad zastosowania reguy (3.4). Przypumy, e
eksperymentator miesza ciecze z dwch zlewek. Uprzednio zway zarwno
pene, jak i puste zlewki i otrzyma nastpujce wyniki:
M

= masa pierwszej zlewki z zawartoci = 540 + 10 g;

m = masa pustej pierwszej zlewki

= 7 2 + 1 g;

= 940 + 20 g;

= masa drugiej zlewki z zawartoci

m = masa pustej drugiej zlewki

2

= 9 7 + 1 g.

Nastpnie znajduje cakowit mas zmieszanych cieczy jako

M = M -m +M -m
l

= (540 - 7 2 + 9 4 0 - 9 7 ) g = 1311 g.

Zgodnie z regu (3.4) niepewno tego wyniku jest sum wszystkich czterech
niepewnoci,
SM bM + 8m + 5 M + 8m = (10 + 1 + 20 + 1) g = 32 g.
1

Tak wic jego ostateczna

brzmie:

odpowied (waciwie zaokrglona)

powinna

cakowita masa cieczy = 1310 + 30 g.

Warto zauway, e o wiele mniejsze niepewnoci wyznaczenia masy
pustych zlewek wprowadzaj zaniedbywalny wkad w ostateczn niepewno.
Jest to wany efekt, ktry omwimy pniej. W miar nabywania dowiad
czenia Czytelnik moe si nauczy z gry rozpoznawa, ktre z niepewnoci s
zaniedbywalne i mog by od pocztku pominite. Czsto pomaga to wielce
uproci obliczanie niepewnoci.

Iloczyny i ilorazy
W paragrafie 2.9 omawialimy niepewno iloczynu q = xy dwch zmierzo
nych wielkoci. Przekonalimy si, e jeli niepewnoci wzgldne s mae, to
niepewno wzgldna q = xy jest sum niepewnoci wzgldnych x i y. Zamiast
wyprowadzenia tego wyniku, omwimy tutaj podobny przypadek ilorazu
q = x/y. Jak zobaczymy, niepewno ilorazu dana jest t sam regu co
w przypadku iloczynu; to znaczy, e niepewno wzgldna q = x/y jest rwna
sumie niepewnoci wzgldnych x i y.
59

Poniewa niepewnoci iloczynw i ilorazw najlepiej wyraa przez niepew

noci wzgldne, wygodnie jest wprowadzi zapis skrcony, z ktrego bdziemy
pniej korzysta. Przypomnijmy, e jeli mierzymy pewn wielko x
(zmierzona warto x) = x

n p

+ 8x,

to niepewno wzgldna x zdefiniowana jest jako

Sx

(niepewno wzgldna x) =

l*npl

(Warto bezwzgldna w mianowniku upewnia nas, e niepewno wzgldna

jest zawsze dodatnia, nawet gdy x jest ujemne.) Poniewa niezrcznie jest
pisa i czyta symbol 8 x / | x | , odtd bdziemy go skraca, pomijajc dolny
wskanik np", i pisa
n p

np

(niepewno wzgldna x) =
|x|
Wynik pomiaru jakiejkolwiek wielkoci x mona wyrazi przez jego niepe
wno wzgldn 8x/|x| jako
(warto x) = x ( l + 8x/|x|).
n p

Tak wic warto q = x/y mona zapisa jako

,
,
*np l8x/|x|
(warto ) =

y
l8y/|y|
t

n p

Naszym zadaniem jest teraz znalezienie ekstremalnych prawdopodobnych

wartoci drugiego czynnika tego iloczynu. Przykadowo, czynnik ten jest
najwikszy, jeli licznik ma najwiksz warto l + 8x/|x|, mianownik za
warto najmniejsz 1 5y/|y|. Zatem najwiksza prawdopodobna warto
q = x/y rwna jest
(najwiksza warto q) = y
n p

.
l-5y/|y|

(3.5)

Ostatni czynnik w wyraeniu (3.5) ma form (l + a)/(l b), gdzie a i b s

mae ( tj. duo mniejsze ni 1). Mona je uproci stosujc dwa przyblienia.
Po pierwsze, poniewa b jest mae, wic zgodnie z twierdzeniem o dwumianie
Newtona
2

60

Twierdzenie o dwumianie Newtona pozwala wyrazi 1/(1 -b)

w postaci nieskoczonego

Niepewno iloczynu i ilorazu

Jeli pewne wielkoci x,
w s mierzone z maymi
niepewnociami Sx,
Sw, zmierzone za wartoci uy
wane s do obliczenia
x z

1=

u w
to niepewno wzgldna obliczonej wartoci jest sum
So
\q\

Sx
\x\

Sz
\z\

Su
\u\

8w
j w|

niepewnoci wzgldnych x,

(3.

w.

Krtko mwic, kiedy mnoy si lub dzieli pewne wielkoci, wtedy niepewnoci
wzgldne dodaj si.

Przykad
Zdarza si, e trzeba wyznaczy dugo / niedostpnego przedmiotu (na
przykad wysoko duego drzewa). Mierzy si wwczas trzy inne odlegoci l
l , / . N a ich podstawie oblicza si
u

i =

hk

Przypumy, e przeprowadzamy taki eksperyment i otrzymujemy wyniki

( w metrach):
/ = 60,0 + 0,5,

l = 1,65 + 0,05,

/ = 3,0 + 0,15.
3

Najlepsze przyblienie l rwne jest

/

np

60 1,65
^
= ^
= 33 m.

Zgodnie z regu (3.8) niepewno wzgldna tego wyniku jest sum niepewno
ci wzgldnych l l , / , ktre s rwne 1%, 3 % , 5%. Tak wic
u

8/

62

8/,

8/,

8/.

a nasza ostateczna odpowied brzmi

l = 33 + 3 m.

Iloczyn wartoci zmierzonej i staej liczby

N a osobn wzmiank zasuguj dwa wane szczeglne przypadki reguy (3.8).
Po pierwsze, przypumy, e mierzymy wielko x, a nastpnie uywamy jej
do obliczenia iloczynu q = Bx, przy czym B nie jest obarczona niepewnoci.
Przykadowo moemy zmierzy rednic koa d i obliczy jego obwd,
c = %d; lub moemy zmierzy grubo T stu identycznych kartek papieru,
a nastpnie obliczy grubo pojedynczej kartki jako t = (1/100)' T. Zgodnie
z regu (3.8) niepewno wzgldna q = Bx jest sum niepewnoci B i x.
Poniewa 8 5 = 0, wic
5q
\q\

8x
\x\'

Po pomnoeniu przez \q\ = \Bx\ znajdujemy 6q = \B\bx i otrzymujemy na

stpujc uyteczn regu:

Iloczyn wielkoci zmierzonej i dokadnej liczby

Jeli wielko x zostaa zmierzona z niepewnoci Sx
i uywana jest do obliczenia iloczynu
q = Bx,
gdzie B nie ma adnej niepewnoci, to niepewno
q rwna jest dokadnie iloczynowi | B | i niepewnoci x,
bq = \B\bx.

(3.9)

Regua ta jest szczeglnie uyteczna, kiedy mamy zmierzy co co jest

niewygodnie mae, ale moe by dostpne w wikszej iloci, jak grubo kartki
papieru czy okres szybko wirujcego koa. Jeli na przykad zmierzymy
grubo Tstu kartek papieru i otrzymamy wynik
grubo 100 kartek papieru = T= 3,3 + 0,2 cm,
63

to natychmiast dochodzimy do wniosku, e grubo pojedynczej kartki t rw

na jest
grubo pojedynczej kartki = t =

T= 0,033 + 0,002 cm.

Zauwamy, e technika ta (mierzenie gruboci wielu identycznych kartek

i dzielenie jej przez ich liczb) upraszcza istotnie pomiar, ktry w innym razie
wymagaby cakiem skomplikowanej aparatury. Daje ona take nadzwyczajnie
mae niepewnoci. Trzeba oczywicie by pewnym, e wszystkie kartki maj
jednakow grubo.

Wyraenia potgowe
Drugi szczeglny przypadek reguy (3.8) dotyczy obliczenia potgi pewnej
zmierzonej wielkoci. N a przykad moglibymy zmierzy prdko ciaa
v i nastpnie obliczy jej kwadrat w celu znalezienia energii kinetycznej
{ m c . Poniewa v to po prostu w , zatem jak wynika z reguy (3.8)
niepewno wzgldna v jest podwojon niepewnoci wzgldn v. Z reguy
(3.8) wynika jasno, e oglna regua dotyczca jakiegokolwiek wyraenia
potgowego brzmi nastpujco:
2

Niepewno wyraenia potgowego

Jeli wielko x, zmierzona z niepewnoci 5x, jest
uywana do obliczenia wyraenia potgowego
q=

x,

to niepewno wzgldna q jest n razy wiksza ni niepe

wno x, tj.
=

rr
TTq
x

10

- )

Sposb, w jaki wyprowadzilimy t regu, wymaga, aby n byo dodatni

liczb cakowit. W rzeczywistoci jednak regua ta jest suszna dla dowolnego
wykadnika n. (Porwnajmy ten wynik z rwnaniem (3.26).)
64

Przykad
Przypumy, e student chce znale przyspieszenie ziemskie g, mierzc czas t,
w jakim kamie spada z wysokoci h. Po wykonaniu kilku pomiarw tego
czasu stwierdzi, e
t = 1,6 + 0,1 s,
a zmierzona wysoko h rwna jest
h = 13,9 + 0,1 m.
2

Poniewa h okrelone jest przez powszechnie znan zaleno h = ^ -gt ,

2

student moe znale g jako

2h

2-13,9 m
(1,6 s)

= 10,9 m / s .
Niepewno tego wyniku mona obliczy dziki poznanym wanie regu
om. Aby to zrobi, musimy zna niepewno wzgldn wyznaczenia kadego
z czynnikw w wyraeniu g = 2h/t , uywanym do obliczenia g. Czynnik
2 nie jest obarczony niepewnoci. Niepewnoci wzgldne h i t rwne s
odpowiednio
2

8^

0,1

i
5 f

6 30/

'
2

Zgodnie z regu (3.10) niepewno wzgldna t jest dwa razy wiksza ni

niepewno wzgldna t. Zatem stosujc regu (3.8) dla iloczynw i ilorazw do
wzoru g = 2h/t , znajdujemy niepewno wzgldn
2

= + 2 = 0 , 7 % + 2 (6,3%) = 13,3%
g
h
t

(3.11)

65

oraz niepewno bezwzgldn

2

8g = (10,9 m / s ) -

13,3
= 1,44 m / s .
100
2

Ostateczny wynik (po odpowiednim zaokrgleniu) bdzie wic wynosi

2

g = 10,9 + 1,5 m / s .
Ten przykad pokazuje, jak proste potrafi by czasem oszacowanie niepew
noci. Pokazuje on rwnie, w jaki sposb analiza bdu oprcz informacji
o jego rozmiarze mwi take co naley zrobi, aby go zredukowa. W naszym
przykadzie jasno wynika z rwnania (3.11), e najwikszy wkad do niepewno
ci pochodzi z pomiaru czasu. Jeli chcemy precyzyjniej wyznaczy g, musimy
poprawi pomiar czasu t. Wszelkie wysiki woone w dokadniejsze wyznacze
nie h bd jedynie strat czasu.

3.3. Niezalene niepewnoci w sumie

Reguy, ktre dotd poznalimy, mona zwile podsumowa: kiedy zmierzone
wielkoci s dodawane lub odejmowane, wwczas dodaj si niepewnoci
bezwzgldne; jeli za zmierzone wartoci mnoy si lub dzieli, to dodaj si
niepewnoci wzgldne. W tym i w nastpnym paragrafie przedyskutujemy,
dlaczego pod pewnymi warunkami niepewnoci obliczone zgodnie z tymi
reguami mog by bez potrzeby zawyone. W szczeglnoci, okae si, e jeli
pierwotne niepewnoci s niezalene i przypadkowe, to mona dokona bar
dziej realistycznej (i niszej) oceny niepewnoci kocowej. W takim przypadku
jest ona okrelona przez podobne reguy, w ktrych jednak cakowit niepew
no oblicza si jako pierwiastek z sumy kwadratw niepewnoci (lub niepew
noci wzgldnych). Wkrtce omwimy dokadnie t metod.
Zamy najpierw, e obliczamy sum
x i y zmierzonych w standardowy sposb
(zmierzona warto x) = x

q = x +y

n p

dwch

wielkoci

+ 8x,

i podobnie dla y. Argumenty stosowane w poprzednim paragrafie byy na

stpujce. Po pierwsze, najlepsze przyblienie q = x + y jest oczywicie rwne
<Zn = x + y . Po drugie, poniewa najwiksze prawdopodobne wartoci
x i y rwne s x + 8x oraz y + Sy, wic najwiksza prawdopodobna warto
q rwna jest
P

np

np

n p

n p

ap

66

+y

np

+ dx + 5y.

(3.12)

Podobnie najmniejsza prawdopodobna warto q dana jest przez

Xn +y -S.x-5}>.
P

n p

Stwierdzilimy zatem, e warto q ley prawdopodobnie pomidzy tymi

dwoma wartociami i, e niepewno 8y rwna jest
5q Sx + Sy.
Aby zobaczy, w jaki sposb wzr ten prowadzi do zbyt wysokiego
oszacowania bq, zastanwmy si, w jaki sposb q mogoby by rwne
najwikszej wartoci ze wzoru (3.12). Oczywicie mogoby si tak sta,
gdybymy oszacowali x za nisko o ca warto 8x i niedoszacowali y o ca
warto 5y. I oczywicie jest cakiem nieprawdopodobne, by mogo si tak
zdarzy. Jeli x i y mierzone s niezalenie, nasze niepewnoci za maj
charakter przypadkowy, istnieje 50% szans, eby niedoszacowaniu x towarzy
szyo przeszacowanie y i odwrotnie. Zatem w sposb oczywisty prawdopodo
biestwo, e niedoszacujemy zarwno x jak i y o cae wartoci Sx i 8y jest
zupenie mae. Tak wic warto 8q 8x + Sy przeszacowuje nasz prawdopo
dobny bd.
Co zatem stanowi lepsze przyblienie 85? Zaley to od tego, co dokadnie
rozumiemy pod pojciem niepewnoci (tj. co mamy na myli mwic, e
q mieci si prawdopodobnie" gdzie pomidzy q bq i q + 8q). Zaley to
take od tego, jakie prawa statystyczne rzdz bdami w naszym pomiarze.
W rozdziale 5 omwimy rozkad normalny (Gaussa), ktry opisuje pomiary
podlegajce niepewnociom przypadkowym. Zobaczymy, e jeli pomiary
x i y zostay wykonane niezalenie i obydwa z nich podlegaj rozkadowi
normalnemu, to niepewno q = x + y dana jest przez
np

nv

(3.13)
Tak wic regua okrelona rwnaniem (3.13) moe by sformuowana
w nastpujcy sposb: jeli pomiary x i y s niezalene i s obarczone jedynie
bdami przypadkowymi, to niepewno S<j obliczonej wartoci q = x + y jest
pierwiastkiem z sumy kwadratw niepewnoci 8x i Sy.
3

W angielskim oryginale procedura ta nazywana jest adding in quadrature lub quadratic sum.
W jzyku polskim nie istnieje odpowiednik tego wyraenia. W ksice tej bdziemy j nazywa
metod kwadratow przenoszenia bdw lub po prostu pierwiastkiem z sumy kwadratw (przyp.
tum.).

67

Wane jest porwnanie nowego wyraenia (3.13) na niepewno sumy

q = x + y z wyraeniem starym
5q^8x

+ 8y.

(3.14)

Po pierwsze nowa warto (3.13) jest zawsze mniejsza ni stara (3.14), co

mona zobaczy korzystajc z prostego argumentu geometrycznego. Dla
dowolnych dwch liczb dodatnich a i b liczby a, b i Ja + b s dugociami
trzech bokw trjkta prostoktnego (rys. 3.2). Poniewa dugo dowolnego
boku trjkta jest zawsze mniejsza ni suma dugoci pozostaych dwch
bokw, wic sja + b < a + b i std warto (3.13) jest zawsze mniejsza ni
warto (3.14).
2

Rysunek 3.2. Poniewa dugo kadego boku trjkta jest mniejsza suma dugoci pozostaych
2

dwch bokw, wic zawsze jest prawd, e y/a

+b

< a+ b

Poniewa wyraenie (3.13) daje zawsze mniejsz warto niepewnoci sumy

q = x + y ni wyraenie (3.14), powinno si zawsze stosowa wyraenie (3.13),
jeli tylko mona je zastosowa. Jednak nie zawsze mona to zrobi. atwo
wymyli pomiar, w ktrym wyraenie to si nie stosuje.
Zamy na przykad, e q = x + y jest sum dwch dugoci x i y zmierzo
nych t sam stalow tam miernicz. Przypumy dalej, e gwnym rd
em niepewnoci jest nasza obawa, e tam t zaprojektowano do uytku
w innej temperaturze ni temperatura, w ktrej my z niej korzystamy. Jeli nie
znamy tej temperatury (i nie mamy wiarygodnego wzorca dugoci), to musimy
uzna, e nasza tama moe by dusza lub krtsza ni jej wykalibrowana
dugo i jej odczyt moe dawa warto mniejsz lub wiksz ni prawdziwa
dugo. Niepewno t mona atwo uwzgldni . Jednak problem polega na
4

Przypumy na przykad, e wspczynnik rozszerzalnoci tamy wynosi a 1 0 " na

stopie i uznalimy, e rnica pomidzy temperatur, w jakiej zostaa wykalibrowana, i tem
peratur naszego pomiaru prawdopodobnie nie jest wiksza ni 10C. Tak wic najprawdopodob
niej jej prawdziwa dugo nie rni si wicej ni 1 0 ~ czy 0,01% od dugoci pokazywanej.
Oznacza to, e niepewno naszego pomiaru rwna jest 0,01%.
4

68

tym, e jeli tama jest dusza, to niedoszacujemy zarwno x jak i y, jeli za

tama jest krtsza, to przeszacujemy zarwno x jak i y. Zatem brak moliwoci
znoszenia si niepewnoci, ktra usprawiedliwia zastosowanie do obliczenia
niepewnoci q = x + y reguy kwadratowego przenoszenia bdw.
Sprawdzimy pniej (w rozdziale 9), e niepewno q = x + y na pewno nie
jest wiksza ni zwyka suma Sx + 8y, bez wzgldu na to czy nasze bdy byy
niezalene i przypadkowe, czy te nie:
5 q ^ 5 x + 5y.

(3.15)

Oznacza to, e nasze stare wyraenie (3.14) na bq jest faktycznie grn

granic, ktra dotyczy wszystkich przypadkw. Jeli mamy jakikolwiek
powd, eby podejrzewa, e bdy x i y nie s niezalene i przypadkowe (jak
w przypadku stalowej tamy mierniczej), to uycie w celu okrelenia ?>q
reguy kwadratowego przenoszenia bdu (3.13) nie jest uzasadnione. Z dru
giej strony ograniczenie (3.15) gwarantuje, e ?>q z pewnoci nie jest wiksze
ni 5x + 5y i najbezpieczniejszym trybem postpowania bdzie uycie starej
reguy
5

8q

8x + 8y.

Czsto nie ma istotnej rnicy, czy stosuje si regu kwadratowego czy

liniowego przenoszenia bdw. Zamy na przykad, e x i y s dugociami
zmierzonymi z niepewnoci 8x = 8y = 2 mm. Jeli jestemy pewni, e niepew
noci te s niezalene i przypadkowe, to moemy oceni bd sumy x + y jako
pierwiastek z sumy kwadratw,
^ / ( 8 x ) + (8y) = y/4 + 4 mm = 2,8 mm K 3 mm,
2

ale jeli podejrzewamy, e niepewnoci te mog nie by niezalene, to musimy

uy zwykej sumy
8x + 8y

x (2 + 2) mm

= 4 mm.

W wielu eksperymentach ocena niepewnoci jest na tyle zgrubna, e rnica

midzy tymi dwiema odpowiedziami (3 mm i 4 mm) jest bez znaczenia.
Z drugiej strony, czasami pierwiastek z sumy kwadratw jest znaczco mniej
szy ni zwyka suma. Tak wic, do zaskakujco, pierwiastek z sumy kwad-

W dalszym cigu posugiwa si bdziemy terminem metody liniowego przenoszenia

bdw (przyp.

tum.).

69

ratw jest czasem prostszy do policzenia ni zwyka suma. Przykady takiego

efektu poznamy w nastpnym paragrafie.

3.4. Wicej o niepewnociach niezalenych

W poprzednim paragrafie dyskutowalimy, w jaki sposb niezalene, przypad
kowe niepewnoci dwch wielkoci x i y przenosz si na niepewno sumy
x + y. Zobaczylimy, e dla takiego rodzaju niepewnoci obydwa bdy powin
ny by dodawane zgodnie z regu kwadratowego przenoszenia bdw.
W naturalny sposb mona rozway analogiczne zagadnienie dla rnic,
iloczynw i ilorazw. Mona pokaza, jak to udowodnimy wkrtce, e
modyfikacja naszych poprzednich regu (3.4) i (3.8) polega tylko na zamianie
sumy bdw (lub bdw wzgldnych) na pierwiastek z sumy kwadratw.
Nastpnie udowodnimy, e stare wyraenia (3.4) i (3.8) s w istocie grnymi
ograniczeniami, ktre s suszne bez wzgldu na to, czy niepewnoci s
niezalene i przypadkowe czy te nie. Ostateczne wersje naszych regu bd
wic brzmie nastpujco:

Niepewno sumy i rnicy

Zamy, e kilka wielkoci x, ...,w zmierzono z niepewnociami 8x,
8w, zmierzonych za wartoci uyto do
obliczenia
q = x+ ... +z (w+ ... +w).
Jeli wiadomo, e niepewnoci x,
w s niezalene
i przypadkowe, to niepewno obliczonej wartoci q jest
pierwiastkiem z sumy kwadratw:
2

bq = V(8x) + ... + (5z) + (Su) + ... + (Sw)

(3.16)

niepewnoci pocztkowych. W adnym przypadku bq

nie jest jednak wiksze ni zwyka ich suma
Sq < 8 x + ... + 8 z + 8 u + ... +8w.

70

(3.17)

Niepewno iloczynu i ilorazu

Przypumy, e pewne wielkoci x , w mierzone z niepewnociami wzgldnymi 8x, ...,Sw uywane s do ob
liczenia ilorazu
x z
q=
.
u w
Jeli niepewnoci x,..., w s niezalene i przypadkowe, to
niepewno wzgldna obliczonej wartoci q jest pierwia
stkiem z sumy kwadratw pocztkowych wartoci nie
pewnoci wzgldnych

4i~VV*/"v / \ J "\

(3

18)

/ ''

W kadym przypadku niepewno ta nie jest wiksza

ni ich zwyka suma
8q

Sx

8z

Su

Sw

\q\

\x\

Zauwamy, e nie uzasadnialimy jeszcze reguy kwadratowego przeno

szenia bdw dla niepewnoci niezalenych i przypadkowych. Dowiedlimy
tylko, e jeli rne niepewnoci s niezalene i przypadkowe, to jest dua
:^nsa na czciowe zniesienie si bdw, i e ostateczna niepewno powin
na by mniejsza ni zwyka suma skadowych niepewnoci (lub niepewnoci
zgldnych); pierwiastek z sumy kwadratw ma t wasno. Waciwe
.zasadnienie uycia tej reguy przedstawimy w rozdziale 5. Wyprowadzenie
: granicze (3.17) i (3.19) zostanie przedstawione w rozdziale 9.

Przykad
Jak ju mwilimy, czasami nie ma wikszej rnicy, czy obliczamy niepewno
ci uywajc pierwiastka z sumy kwadratw czy te zwykej sumy. Z drugiej
strony, czsto istnieje zasadnicza rnica i, do zaskakujco, pierwiastek
z sumy kwadratw jest czsto o wiele prostszy do obliczenia. Aby zobaczy,
jak to si moe dzia, rozwamy nastpujcy przypadek.

71

Zamy, e chcemy znale sprawno silnika elektrycznego na prd stay,

uywajc go do podnoszenia masy m na wysoko h. Praca wykonana przez
silnik bdzie rwna mgh, energia elektryczna za dostarczona silnikowi rwna
jest Vit, gdzie V jest napiciem, I - prdem, t - czasem pracy silnika.
Sprawno rwna jest wic
praca wykonana przez silnik
sprawno n - energia dostarczona silnikowi
mgh
Vit '
Zamy, e m, h, Vi I mog by zmierzone z dokadnoci 1%,
(niepewno wzgldna m, h, Vi I) 1%,
czas t za ma niepewno 5%,
(niepewno wzgldna t) = 5%.
(Oczywicie g znane jest z zaniedbywaln niepewnoci.) Jeli teraz obliczymy
niepewno n, to zgodnie z nasz star regu (niepewnoci wzgldne dodaj
si") otrzymamy niepewno
8w

bm

bh

bV

SI

bt

+ + + +

m
h
V
I
t
= (1 + 1 + 1 + 1 + 5)% = 9 % .

Z drugiej strony, jeli ufamy, e rne niepewnoci s niezalene i przypad

kowe, moemy obliczy bn/n, korzystajc z reguy kwadratowego przenoszenia
bdw, i otrzyma

br

IfbrnV
2

bhY
2

fbVV
2

fblV

fbt\

= /l + l + l + l + 5 %
2

= / 2 9 ~ % ss 5%.
x

Wyranie wida, e regua kwadratowego przenoszenia bdw prowadzi do

znaczco mniejszej oceny 8^. Co wicej, wida, e z dokadnoci jednej cyfry
znaczcej niepewnoci m, h, Vii
nie daj adnego wkadu do niepewnoci
n obliczonej w ten sposb, a wic z dokadnoci do jednej cyfry znaczcej
stwierdzilimy (w tym przykadzie), e
bn
n

72

bt
t

atwo zrozumie to uderzajce uproszczenie. Kiedy stosuje si regu kwad

ratowego przenoszenia bdw, wwczas liczby najpierw podnosi si do
kwadratu, a nastpnie sumuje. Podnoszenie do kwadratu wyolbrzymia znacze
nie duych liczb. W ten sposb, jeli jedna liczba jest 5 razy wiksza ni kada
inna (jak w naszym przykadzie), to jej kwadrat jest 25 razy wikszy ni kady
inny i zwykle moemy pozostae kwadraty cakowicie zaniedba.
Przykad ten pokazuje, jak zwykle lepiej i czsto atwiej sumowa bdy,
stosujc regu kwadratowego przenoszenia bdw. Pokazuje on take, w ja
kiego rodzaju zadaniach bdy s niezalene i uprawnione jest stosowanie tej
reguy. (Na razie przyjmujemy zaoenie, e bdy s przypadkowe. Omwimy
to trudniejsze zagadnienie w rozdziale 4.) Pi zmierzonych wielkoci (m, h, V,
I i t) to rne wielkoci fizyczne, majce rne jednostki i mierzone cakowicie
rnymi sposobami. Zupenie nieprzekonujce jest, e rda bdu jakiejkol
wiek z tych wielkoci s skorelowane ze rdami bdu ktrejkolwiek z pozo
staych. Zatem uzasadnione jest traktowanie bdw jako niezalenych i ob
liczanie pierwiastka z sumy kwadratw.

3.5. Dowolna funkcja jednej zmiennej

Wiemy ju jak niepewnoci, zarwno niezalene jak i zalene, przenosz si na
sumy, rnice, iloczyny i ilorazy. Jednak wiele rachunkw wymaga bardziej
skomplikowanych operacji, jak obliczenie sinusa, kosinusa czy pierwiastka
kwadratowego, i bdziemy musieli wiedzie, jak w tych przypadkach przeno
sz si niepewnoci.
Jako przykad wyobramy sobie zadanie polegajce na znalezieniu wsp
czynnika zaamania wiata n szka poprzez pomiar granicznego kta zaama
nia 9. Z elementarnej optyki wiadomo, e n = l/sin 9. Jeli zmierzymy kt 9,
atwo obliczymy wspczynnik zaamania n. Musimy jednak potem zdecydo
wa, jaka niepewno 8n rezultatu n = l/sin 0 wynika z niepewnoci 59
naszego pomiaru 8.
Oglniej, zamy, e zmierzylimy wielko x w standardowej formie
x + Sx i chcemy obliczy warto pewnej znanej funkcji q(x), jak np.
q(x) = l/sinx lub q(x) = v x Jednym z prostszych sposobw wyobraenia
sobie takiego rachunku jest narysowanie wykresu q(x) jak na rys. 3.3. Najlep
sze przyblienie q(x) rwne jest oczywicie q = q(x ). (Wartoci x i q
zaznaczone s na rys. 3.3 grubymi liniami.)
Aby okreli niepewno <5q, zastosujemy nasze zwyke rozumowanie.
Najwiksza prawdopodobna warto x rwna jest x + 8x; korzystajc z wy
kresu, znajdziemy natychmiast najwiksz prawdopodobn warto q, oznan p

np

ap

n p

np

n p

73

Rysunek 3.3. Wykres funkcji q(x). Jeli x zostao zmierzone jako x 8 x , to najlepszym
przyblieniem wartoci funkcji q(x) jest q = q(x ). Najwiksza i najmniejsza prawdopodobna
warto funkcji q(x) odpowiada wartociom x rwnym odpowiednio x + 8x
n p

np

np

n p

czon jako <j . Podobnie moemy zaznaczy najmniejsz prawdopodobn

warto q , jak pokazano na rysunku. Jeli niepewno 8x jest maa (jak
zawsze zakadamy), to interesujca nas cz wykresu funkcji jest w przy
blieniu prost i atwo przekona si, e q i q
s jednakowo oddalone od
q . Niepewno Sq mona zatem odczyta z wykresu jako jedn z tych
odlegoci. W ten sposb moemy zapisa q w standardowej formie
q Sq.
Zdarza si, e niepewnoci bywaj okrelane z wykresu w sposb opisany
powyej. (Na przykad w zadaniu 3.10.) Zwykle jednak funkcja q(x) znana jest
explicite - na przykad q(x) = sinx lub q(x) = ^fx - i niepewno moe by
obliczona analitycznie. Z rysunku 3.3 jasno wynika, e
max

min

miB

max

nv

ap

8<Z = <z(x + 5x) -<j(x ).

np

np

(3.20)

Jednoczenie jedno z podstawowych twierdze analizy matematycznej mwi,

e dla dowolnej funkcji q(x) i dostatecznie maego przedziau u
dq
q(x + u)q(x) = u.
dx
Zatem, pod warunkiem, e niepewno 8x jest maa (jak to zawsze zakadali
my), moemy przepisa rnic (3.20) w postaci
Sq = ^-dx.

74

(3.21)

<?max

8?

bx

Rysunek 3.4. Jeli funkcja q(x) jest malejca, to najwiksza prawdopodobna warto q od
powiada najmniejszej wartoci x i odwrotnie

Oznacza to, e aby znale niepewno 8q, wystarczy tylko obliczy pochodn
dq/dx i pomnoy j przez niepewno 8x.
Rwnanie (3.21) nie jest ostateczn postaci naszej reguy. Zostao wy
prowadzone dla funkcji z rys. 3.3, ktrej pochodna jest dodatnia. N a rysunku
3.4 przedstawiono funkcj o ujemnej pochodnej. W takim przypadku najwik
sza prawdopodobna warto <? odpowiada w oczywisty sposb minimalnej
wartoci x Sx zmiennej x, tak wic
max

np

(3.22)
Poniewa dq/dx jest ujemne, moemy zapisa dq/dx jako |dq/dx| i otrzyma
nastpujc ogln regu:

Niepewno wartoci dowolnej funkcji

jednej zmiennej
Jeli x jest mierzone z niepewnoci 8x i wykorzys
tywane do obliczenia wartoci funkcji q(x), to niepew
no 8q jest rwna
&q
8q =
8x.

(3.23)

75

Rozwamy prosty przykad zastosowania tej reguy. Przypumy, e znaleli

my kt 9 jako
9 = 20 + 3,
i chcemy obliczy cos6>. Naszym najlepszym przyblieniem cos 9 jest oczywicie
cos 20 = 0,94 i zgodnie z rwnaniem (3.23) niepewno rwna jest
8(cos0) =

dcos0

80 = | sin #186* (w radianach).

d9

(3.24)

Zaznaczylimy, e 80 musi by wyraone w radianach, poniewa pochodna cos (9

rwna jest sin0 tylko wtedy, gdy 9 wyraone jest w radianach. Tak wic
przepiszemy 80 = 3 jako 80 = 0,05 rad; wwczas z rwnania (3.24) otrzymujemy
S(cos0) = (sin20)-0,05 = 0,34-0,05 = 0,02.
Zatem ostateczna odpowied brzmi:
cos0 = 0,94 + 0,02.
Jako drugi przykad zastosowania reguy (3.23) obliczymy ponownie
(i uoglnimy) wynik otrzymany w paragrafie 3.2. Przypumy, e mierzymy
wielko x, a nastpnie obliczamy jej potg q(x) = x" (gdzie n jest dowoln
znan okrelon liczb dodatni lub ujemn). Zgodnie z rwnaniem (3.23)
ostateczna niepewno q rwna jest
8q =

8q
Sx

Sx = I nx" 18x.

Jeli podzielimy obie strony tego rwnania przez \q \ = \x"\, stwierdzimy, e

8q

8x

(3.25)

co oznacza, e niepewno wzgldna q = x" jest | n | razy wiksza ni niepew

no x. Jest to wynik identyczny z regu (3.10), znalezion wczeniej. Jednak
wynik ten jest bardziej oglny, poniewa n moe by teraz dowoln liczb. N a
przykad jeli n = \ , to q = .Jx

i
8q

1 8x

co oznacza, e niepewno / x jest poow niepewnoci x. Podobnie niepew

no wzgldna l/x = x jest taka sama jak niepewno samego x.
N

_ 1

76

Wynik (3.25) jest tylko szczeglnym przypadkiem reguy (3.23). Jednak jest
on dostatecznie istotny, aby zasugiwa na osobne wyraenie nastpujcej
oglnej reguy:

Niepewno wyraenia potgowego

Jeli x jest mierzone z niepewnoci 5x i wykorzys
tywane do obliczenia potgi q = x" (gdzie n jest ustalon
znan liczb), to niepewno wzgldna jest \n\ razy
wiksza ni niepewno x,
= \n\.
\q\
\x\

(3.26)

3.6. Przenoszenie bdw krok po kroku

Mamy obecnie wystarczajce narzdzia, aby poradzi sobie z prawie wszyst
kimi zagadnieniami z dziedziny przenoszenia bdw. Dowolne obliczenia
mog by podzielone na sekwencje krokw, z ktrych kady zawiera bdzie
tylko jedn z nastpujcych operacji: 1) dodawanie i odejmowanie, 2) mnoe
nie i dzielenie, 3) obliczenie wartoci funkcji jednej zmiennej jak x", sinx, e* lub
lnx. N a przykad obliczajc
q = x(y znu)

(3.27)

ze zmierzonych wartoci x, y, z i u, robimy to w nastpujcych krokach:

liczymy warto funkcji sin u, nastpnie iloczyn z i sin u, dalej rnic y i z sina,
i ostatecznie iloczyn x i (y zsinu).
Wiemy jak niepewnoci przenosz si w kadej z operacji. Jeeli wszystkie
brane pod uwag wielkoci s niezalene, moemy obliczy niepew
no wyniku kocowego, przechodzc krokami od niepewnoci wartoci
zmierzonych. N a przykad jeli wielkoci x, y, z i u w rwnaniu (3.27) zostay
zmierzone z niepewnociami SX,...,SM, moglibymy obliczy niepewno
6

W paragrafie 3.9 przedyskutujemy, dlaczego taka procedura krokowa nie daje czasami
zadowalajcych wynikw, kiedy poszczeglne wielkoci nie s niezalene, jak w przypadku
funkcji q = x(y xsiny), gdzie x i y pojawiaj si dwa razy. W takim przypadku obliczenie
niepewnoci 5q metod krokow moe prowadzi czasami do przeszacowania niepewnoci 5<j.

77

 w nastpujcy sposb: najpierw znajdujemy niepewno wartoci funkcji

sinw; znajc j, znajdujemy niepewno iloczynu z sin w, nastpnie niepewno
rnicy y z sin u; wreszcie znajdujemy cakowit niepewno iloczynu (3.27).
Zanim omwimy kilka przykadw tej krokowej metody obliczania b
dw, podkrelmy dwa oglne fakty. Po pierwsze, niepewnoci sum i rnic
zawieraj niepewnoci bezwzgldne (jak 8x), podczas gdy niepewnoci iloczy
nw i ilorazw zawieraj niepewnoci wzgldne (jak 5x/|x|), zatem nasze
obliczenia, jak zobaczymy, wymagaj sprawnoci w przechodzeniu od niepew
noci bezwzgldnych do niepewnoci wzgldnych i odwrotnie.
Po drugie, wane uproszczenie wszystkich tych oblicze (jak wielokrotnie
podkrelalimy) tkwi w tym, e rzadko potrzebna jest znajomo niepewnoci
z dokadnoci wiksz ni jedna cyfra znaczca. Tak wic wikszo rachunkw
mona szybko przeprowadzi w pamici, wiele za mniejszych niepewnoci mona
cakowicie zaniedba. W typowym dowiadczeniu, ktre skada si z kilku prb,
dla pierwszej z nich mona przeprowadzi szczegowy rachunek, uwzgldniajc
wszystkie niepewnoci. Kiedy si to uczyni, czsto okazuje si, e wszystkie wyniki
s na tyle podobne, e nie potrzeba dodatkowych oblicze, lub w najgorszym
razie rachunki z pierwszej prby wystarczy odrobin zmodyfikowa.

3.7. Przykady
W tym i w nastpnym paragrafie omwimy szczegowo trzy przykady
oblicze, z jakimi mona mie do czynienia na pracowni wstpnej. aden
z tych przykadw nie jest szczeglnie zoony i w istocie niewiele rzeczywis
tych zada jest bardziej skomplikowanych ni te, o ktrych bdzie tutaj mowa.

Pomiar przyspieszenia ziemskiego g za pomoc wahada

matematycznego
Jako pierwszy przykad rozwamy pomiar przyspieszenia ziemskiego g przy
wykorzystaniu wahada matematycznego. Okres takiego wahada jest dany
powszechnie znanym wzorem T= 2ny/l/g, gdzie / jest dugoci wahada. Tak
wic jeli / i Ts zmierzone, moemy obliczy g jako
2

g = 4n l/T .

(3.28)

Rwnanie powysze przedstawia g jako iloczyn lub iloraz trzech czynnikw

4TZ , l i T . Jeli poszczeglne niepewnoci s niezalene i przypadkowe, to
2

78

niepewno wzgldna naszego wyniku bdzie rwna pierwiastkowi z sumy

kwadratw niepewnoci wzgldnych tych czynnikw. Czynnik 4n nie ma
niepewnoci, niepewno T za jest dwa razy wiksza ni niepewno T
2

HT )
T

ST

~T'

Zatem niepewno wzgldna naszego wyniku g bdzie rwna

Przypumy, e zmierzylimy okres T dla danej dugoci l i otrzymalimy

ustpujce wyniki :
/ = 92,95 + 0,1 cm,
T= 1,936 + 0,004 s.
7

Najlepsze przyblienie g atwo obliczy, korzystajc z rwnania (3.28),

ako
2

48 -(92,95 cm)
(1,936 s)

979 cm/s

Aby znale niepewno g, korzystajc z rwnania (3.29), musimy zna niepew

noci wzgldne / i T. atwo je obliczy (w pamici) jako
5/
y = 0,1%

ST
= 0,2%.

?o podstawieniu do rwnania (3.29) znajdujemy

2

= V ( 0 , l ) + (2-0,2) % = 0,4%,
9
; : daje
2

Sg = 0,004 979 cm/s = 4 cm/s .

Zatem nasza ostateczna odpowied brzmi
2

= 979 + 4 cm/s .

Mimo e na pierwszy rzut oka niepewno S T = 0,004 s moe wydawa si nierealistycznie

~ aa, moe by ona atwo osignita przez pomiar wielu okresw. Jeli potrafimy mierzy czas
: dokadnoci 0,1 s, co jest z pewnoci moliwe za pomoc stopera, to pomiar czasu trwania 25
- ahni pozwala znale Tz dokadnoci 0,004 s.

79

Jeli dowiadczenie to zostanie teraz powtrzone (jak powinna by po

wtarzana wikszo dowiadcze) z innymi wartociami parametrw, nie
bdzie konieczne ponowne obliczenie niepewnoci ze wszystkimi szczegami.
Po chwili zastanowienia mona prosto zapisa rne wartoci /, T i g oraz
odpowiadajce im wartoci bdw w jednej tabelce (patrz zadanie 3.13).

Wyznaczenie wspczynnika zaamania wiata za pomoc

prawa Snelliusa
Jeli promie wiata przechodzi z powietrza do szka, to kty padania (a)
i zaamania (/?), zdefiniowane na rys. 3.5, wi si ze sob prawem Snelliusa,

powietrze
szko

Rysunek 3.5. Kty padania a i i zaamania /? przy przejciu promienia wietlnego z powietrza do
szka

sina = mm.fi, gdzie n jest wspczynnikiem zaamania szka. Tak wic, jeli
zmierzy si kty a oraz fi, mona obliczy wspczynnik zaamania n ze wzoru
n = sin a/sin fi.

(3.30)

Niepewno tego wyniku jest prosta do obliczenia. Poniewa n jest ilorazem

sina i sin/?, zatem niepewno wzgldna n bdzie rwna pierwiastkowi z sumy
kwadratw niepewnoci wzgldnych sina i sin fi
5 sin a
n

sina

8 sin/?
sin/?

(3.31)

Aby znale niepewno wzgldn wartoci funkcji sinus dowolnego kta0,

zauwamy, e
8sin0

80

d sin 9

de

09 = | cos 6*| 80 (w radianach).

Zatem niepewno wzgldna rwna jest

~wr = |ctg0|80 ( w radianach).

I sin 01

(3.32)

Przypumy, e mierzymy teraz kt fi dla kilku wartoci a i otrzymujemy

wyniki przedstawione w pierwszych dwch kolumnach tabeli 3.1 (ze wszyst
kimi niepewnociami ocenionymi na 1 , czyli 0,02 radiana). atwo obliczy
: = sina/sin/?, co przedstawiono w nastpnych trzech kolumnach; nastpnie
pokazano niepewnoci wzgldne sina i sin fi obliczone zgodnie z rwnaniem
3.32) i wreszcie n znalezione z rwnania (3.31).
;

Tabela 3.1. Wyznaczenie wspczynnika zaamania wiata

a (stopnie)

fi (stopnie)

wszystkie + 1

wszystkie + 1

20
40

13
23,5

sin a

0,342
0,643

sin /J

0,225
0,399

1,52
1,61

8 sin a

8 sin/?

Sn

| sin a |

| sinll

5%
2%

8%
4%

9%
5%

Przed wykonaniem szeregu pomiarw, jak te przedstawione w tabeli 3.1,

naley zastanowi si, w jaki sposb najlepiej zapisa dane i obliczenia.
Uporzdkowany ukad tabeli, jak w tabeli 3.1, uatwia zapisywanie danych
i zmniejsza ryzyko popenienia omyki w rachunkach. atwiej jest take
Czytelnikowi ledzi tok oblicze i sprawdza je.

3.8. Przykad bardziej skomplikowany

Dwa przedstawione wanie przykady s typowe dla wielu dowiadcze na
pracowni wstpnej. Jednak s te eksperymenty wymagajce bardziej skom
plikowanych oblicze. Jako przykad omwimy pomiar przyspieszenia wzka
zjedajcego po rwni pochyej.
8

Czytelnik moe pomin ten paragraf bez obawy o utrat wtku lub mgby powrci do
niego w zwizku z zadaniem 3.15.

81

Przyspieszenie wzka na rwni pochyej

Wemy pod uwag wzek zjedajcy z rwni pochyej o nachyleniu 9 jak na
rys. 3.6. Spodziewane przyspieszenie rwne jest g sin0 i jeli zmierzymy 9, to
bez trudu obliczymy spodziewane przyspieszenie wzka i niepewno tego
przyspieszenia (zadanie 3.15). Prawdziwe przyspieszenie a moemy znale
mierzc czasy przejazdu wzka naprzeciw dwch fotokomrek, jak pokazano
na rys. 3.6. Jeli wzek ma dugo / i przejeda naprzeciw pierwszej fotofotokomrka 1

Rysunek 3.6. Wzek zjedajcy z rwni pochyej o nachyleniu 9. Obie fotokomrki podczone
s do stoperw mierzcych czas, w jakim wzek przejeda przed fotokomrk

komrki w czasie t jego prdko rwna jest v = l/t W taki sam sposb
v = l/t . (Dokadnie rzecz biorc, prdkoci te s rednimi prdkociami,
z jakimi wzek przejeda naprzeciw obu fotokomrek. Jeli tylko / jest mae,
rnica pomidzy prdkoci redni a prdkoci chwilow nie jest istotna.)
Jeli odlego pomidzy fotokomrkami jest rwna s, to z dobrze znanego
rwnania v = u + 2 as wynika
u

(3.33)
Uywajc tego wzoru i zmierzonych wartoci /, s, t i t , mona atwo znale
obserwowane przyspieszenie i jego niepewno.
Zbir danych uzyskanych w tym dowiadczeniu (liczby w nawiasie s
odpowiednimi niepewnociami procentowymi, jak to Czytelnik atwo moe
sprawdzi) wyglda nastpujco:
1

l = 5,0 0,05 cm (1%),

s = 100,0 + 0,2 cm (0,2%),
t, = 0,054 + 0,001 s (2%),
t = 0,031+0,001 s (3%).
2

82

(3.34)

Na ich podstawie moemy natychmiast obliczy pierwszy czynnik we wzorze

(3.33) l /2s = 0,125 cm. Poniewa niepewnoci wzgldne / i s s rwne 1%
i 0,2%, wic niepewno l /2s rwna jest
2

y ( 2 - l ) + (0,2) % = 2 % .
(Zwrmy uwag, e niepewno wyznaczenia s nie wnosi zauwaalnego
wkadu i moe zosta zaniedbana.) Zatem
2

/ / 2 s = 0,125 cm + 2%.

(3.35)

Obliczenie drugiego czynnika we wzorze (3.33) i jego niepewnoci prze

prowadzimy krokami. Poniewa niepewno wzgldna t jest rwna 2 % , wic
niepewno wzgldna l / t jest rwna 4 % . Zatem, poniewa t = 0,054 s,

l / t = 343 + 14 s~ .
2

Obliczona w ten sam sposb niepewno wzgldna l/r rwna jest 6% i

l/f

= 1041 + 62 s " .

Odejmujc te wyniki (i obliczajc pierwiastek z sumy kwadratw ich niepew

noci), znajdujemy
2

- 1 - 1 = 698 + 64 s~ (9%).

(3.36)

Ostatecznie, zgodnie ze wzorem (3.33) szukane przyspieszenie jest iloczy

nem wartoci (3.35) i (3.36). Mnoc je (i obliczajc pierwiastek z sumy
kwadratw ich niepewnoci wzgldnych), otrzymujemy
2

a = (0,125 c m 2 % ) '(698 s " + 9%) = 87,3 c m / s + 9%

lub
2

a = 87 + 8 cm/s .

(3.37)

Wynik ten moglibymy teraz porwna ze spodziewanym przyspieszeniem

gsinO, jeli oczywicie zostao ono policzone.
Uwane przestudiowanie rachunkw prowadzcych do wyniku (3.37) nasu
wa kilka interesujcych uwag. Po pierwsze, dwuprocentowa niepewno czyn
nika Z /2s cakowicie ginie w porwnaniu z dziewicioma procentami niepew
noci rnicy (l/f ) (l/t ). Jeli do nastpnych prb potrzebne s kolejne
rachunki, to niepewnoci / i s mog by cakowicie zaniedbane ( szybki
rachunek w pamici udowadnia, e nadal nie s istotne).
2

83

Drug ciekaw cech naszych oblicze jest sposb, w jaki dwu- i trzyprocentowe niepewnoci t i t rosn, kiedy oblicza si l / t i l / t oraz rnic
( l / t ) ( l / t ) , dajc w efekcie 9% niepewnoci ostatecznego wyniku. Wzrost
ten czciowo wynika z podnoszenia do kwadratu i czciowo z odejmowania
duych liczb. Moglibymy sobie wyobrazi rozszerzenie naszego dowiadcze
nia o sprawdzenie staoci a. Pocztkowe popchnicie wzka spowodowaoby
wzrost obu prdkoci v i v . Jelibymy tak uczynili, to czasy t i t byyby
jeszcze mniejsze, a efekt wanie opisany dawaby jeszcze gorsze wyniki (patrz
zadanie 3.15).
2

3.9. Oglna regua przenoszenia bdw

Jak dotd ustalilimy trzy gwne reguy przenoszenia bdw: dla sum
i rnic, dla iloczynw i ilorazw, oraz dla dowolnej funkcji jednej zmiennej.
W ostatnich trzech paragrafach zobaczylimy, w jaki sposb obliczenie skom
plikowanej funkcji moe by nierzadko podzielone na kroki, niepewno za
wyznaczenia wartoci tej funkcji obliczona krok po kroku za pomoc naszych
trzech podstawowych regu.
W tym kocowym paragrafie przedstawimy jedn ogln regu, z ktrej
mona wyprowadzi wszystkie trzy omwione przez nas wczeniej. Regua ta
pozwala na rozwizanie wszystkich zagadnie z dziedziny przenoszenia b
dw. Mimo e jest ona zwykle do niewygodna w uyciu, jest uyteczna
z teoretycznego punktu widzenia. Poza tym s problemy, w ktrych lepiej jest
od razu zastosowa ow ogln regu, zamiast oblicza niepewnoci w kolej
nych krokach, jak to omawialimy w ostatnich trzech paragrafach.
Aby zilustrowa, jakiego typu zagadnienia lepiej rozwizywa metod
jednego kroku, przypumy, e zmierzylimy trzy wielkoci x, y, z i chcemy
obliczy warto funkcji
x

y,
q =
x+z

r(3.38)
j*s\

w ktrej jedna zmienna pojawia si wicej ni jeden raz (jak x w naszym

przypadku). Jeli liczylibymy niepewno bq W krokach, to najpierw obliczyli
bymy niepewnoci dwch sum x + y oraz x + z, potem za niepewno ich

Czytelnik moe odoy przeczytanie tego paragrafu bez istotnej utraty cigoci. Z przed
stawionego tu materiau nie bdziemy korzysta a do paragrafu 5.6.

84

ilorazu. Postpujc w ten sposb, pominlibymy cakowicie moliwo, e

bd licznika spowodowany niepewnoci x moe znie (do pewnego stopnia)
bd mianownika wywoany niepewnoci x. Aby zrozumie, w jaki sposb
moe to nastpi, przypumy, e x, y i z s dodatnie i zobaczmy co si stanie,
jeli nasz pomiar x obarczony jest niepewnoci. Jeli przeszacujemy x, to
przeszacujemy zarwno x + y, jak i x + z, zatem kiedy policzymy (x + y)/(x + z),
owe przeszacowania znios si (w duym stopniu). Podobnie niedoszacowanie
x prowadzi do niedoszacowania zarwno x + y, jak i x + z, co take si zniesie,
kiedy obliczymy ich iloraz. W kadym wypadku niepewno x ma znacznie
mniejszy wpyw na niepewno ilorazu (x + y)/(x + z) ni wynikaoby to z ob
licze prowadzonych krok po kroku.
Zawsze gdy w funkcji ta sama wielko wystpuje wicej ni raz, jak
w przykadzie (3.38), wwczas niektre z niepewnoci mog si znosi (efekt
ten zwany jest czasem kompensacj bdu). Moe si wwczas zdarzy, e
obliczenia krok po kroku spowoduj przeszacowanie ostatecznej niepewnoci.
Jedynym sposobem, aby tego unikn jest obliczenie niepewnoci w jednym
kroku, korzystajc z metody, ktr teraz omwimy.
Zamy najpierw, e mierzymy dwie wielkoci x oraz y i liczymy warto
pewnej funkcji = q(x, y). Funkcja ta moe by tak prosta jak = x + y lub
odrobin bardziej skomplikowana jak q = ( x + y)sin(xy). Dla funkcji jednej
zmiennej q(x) udowodnilimy, e jeli najlepsze przyblienie x jest rwne x ,
to najlepsze przyblienie q{x) jest rwne q{x ). Nastpnie udowodnilimy, e
ekstremalne (tj. najmniejsza i najwiksza) prawdopodobne wartoci x rwne s
x + 5x, i e odpowiadajce im ekstremalne wartoci q rwne s
10

np

nv

n p

<Z(x 5x).
np

(3.39)

Wreszcie, skorzystalimy z przyblienia

dq
q(x + u) x q(x) + ~ u
dx

(3.40)

(dla dowolnego maego przyrostu u), aby przepisa ekstremalne prawdopodob

ne wartoci (3.39) jako
dq
8x.
(3.41)
<?(*np)
dx

1 0

Funkcje, w ktrej wielokrotnie wystpuje jedna zmienna, mona czasem przepisa w innej
formie, gdzie ju tak nie bdzie. Na przykad, q = xy xz mona przepisa jako q = x(y z). W tej
drugiej postaci niepewno hq moe zosta obliczona krok po kroku bez obawy o przeszacowanie
ostatecznego wyniku.

85

(Warto bezwzgldna pozwala na uwzgldnienie sytuacji, gdy dq/dx jest

ujemne.) Wynik (3.41) oznacza, e bq |dq/dx|5x.
Kiedy q jest funkcj dwch zmiennych q(x, y), argument jest bardzo
podobny. Jeli x i y s najlepszymi przyblieniami x i y , to spodziewamy
si, e najlepsze przyblienie q rwne jest, jak zwykle,
n p

n p

<Znp =

q{Xnp,

ynp)-

Aby oszacowa niepewno tego wyniku, musimy uoglni przyblienie (3.40)

na funkcje dwch zmiennych. Wymaganym uoglnieniem jest
q(x + u, y + v)Kq(x,y)

+ ^-u
dx

+ -^-v,
dy

(3.42)

gdzie u i v s dowolnymi maymi przyrostami x i y , a dq/8x i dq/dy s tak

zwanymi pochodnymi czstkowymi q wzgldem x i y. Oznacza to, e dq/dx jest
wynikiem rniczkowania q wzgldem x, przy ustalonym y , a dq/dy to wynik
rniczkowania q wzgldem y przy ustalonym x (dalsza dyskusja pochodnych
czstkowych przedstawiona bdzie w zadaniach 3.16 i 3.17).
Ekstremalne prawdopodobne wartoci x i y s rwne x + 8x oraz
y n p 8 y - Jeli wstawimy je do rwnania (3.42) i wemiemy pod uwag, e dq/dx
i dq/dy mog by dodatnie lub ujemne, znajdziemy ekstremalne wartoci q
n p

8q_
<(x , y )
np

n p

dx

bx +

dq

Sy

Oznacza to, e niepewno q(x,y) rwna jest

bq

dq
8x

5x +

dq
dy

by.

(3.43)

Zanim omwimy rne uoglnienia tej nowej reguy, warto zastosowa j do

przeliczenia znanych nam ju przykadw. Przypumy na przykad, e
q(x,y) = x + y,

(3.44)

a wic, e q jest po prostu sum x i y. Obie pochodne czstkowe rwne s 1,

dq
dx

dq
dy

1,

(3.45)

5x + by.

(3.46)

i zgodnie z rwnaniem (3.43)

bq

86

Jest to dokadnie znana nam regua, mwica, e niepewno sumy x + y

rwna jest sumie niepewnoci x i y.
Dokadnie tak samo, jeli q jest iloczynem q = xy, mona sprawdzi, e
z rwnania (3.43) wynika znany nam rezultat, e niepewno wzgldna q jest
sum niepewnoci wzgldnych x i y ( patrz zadanie 3.18).
Regu (3.43) mona uoglni w rny sposb. Czytelnik nie powinien by
zaskoczony dowiadujc si, e jeli niepewnoci 8x i 5y s niezalene i przypad
kowe, to suma (3.43) zastpowana jest przez pierwiastek z sumy kwadratw. Jeli
funkcja q zaley od wicej ni dwch zmiennych, to po prostu dodajemy kolejne
wyraenie odpowiadajce kadej nastpnej zmiennej. Prowadzi to do nastpujcej
oglnej reguy (ktrej dokadne uzasadnienie pojawi si w rozdziaach 5 i 9):

Niepewno wartoci funkcji wielu zmiennych

Zamy, e x,
z zmierzone z niepewnociami 5x,
5z su do obliczenia wartoci funkcji q(x,
z). Jeli
niepewnoci wyznaczenia x , z s niezalene i przypa
dkowe, to niepewno wyznaczenia wartoci funkcji
q rwna jest

(3.47)
W adnym jednak wypadku nie jest wiksza ni zwyka
suma
Sq ^

dq_
8x+ ... +
5z.
dx
dz

(3.48)

Najbardziej uyteczn cech tej oglnej reguy jest moliwo wyprowa

dzenia z niej wszystkich poprzednio poznanych regu przenoszenia bdu
i patrz zadanie 3.18). Bezporednie jej uycie jest zwykle do nieporczne
i prociej jest, jeli to moliwe, korzysta z naszych poprzednio ustalonych
regu, obliczajc bd krok po kroku. Jednak jeli w funkcji q(x,
z) jaka
zmienna pojawia si wicej ni jeden raz, to moe wystpi efekt kompensacji
bdw. Wwczas obliczenia w procedurze krokowej mog prowadzi do zbyt
wysokiego szacowania niepewnoci kocowej i lepiej jest bezporednio ob
liczy niepewno Sq, korzystajc z rwnania (3.47) lub (3.48).

87

Zadania
Uwaga: Gwiazdka przy zadaniu oznacza, e szkic rozwizania lub odpowied
znajduje si na kocu ksiki.
*3.1y(paragraf 3.1). Dwch studentw ma zmierzy prawdopodobiestwo,
z jakim z pewnej prbki promieniotwrczej emitowane s czstki a. Student
A zaobserwowa 32 rozpady a w cigu dwch minut, student B za - 786
rozpady a. w cigu jednej godziny. (Okres poowicznego rozpadu prbki jest
na tyle dugi, e prdko rozpadu nie zmienia si w czasie pomiaru.)
a) Wykorzystaj rwnanie (3.2) do obliczenia niepewnoci wyniku studenta
A, ktry zarejestrowa 32 czstki w cigu 2 minut.
b) Jaka jest niepewno wyniku studenta B, ktry zaobserwowa 786
czstek w cigu godziny?
c) Aby znale prdko rozpadu, kady ze studentw dzieli swj wynik
przez czas trwania pomiaru (w minutach). Jakie s wyniki i ich niepewnoci
otrzymane przez obu studentw? (Pomimo e niepewno pomiaru studenta
B jest wiksza ni niepewno pomiaru studenta A, to jednak niepewno
prdkoci rozpadu okrelonej przez studenta B jest o wiele mniejsza ni
niepewno prdkoci znalezionej przez studenta A. Tak wic liczc rozpady
przez duszy czas, otrzymuje si bardziej dokadn warto prdkoci roz
padu. Jest zatem dokadnie tak, jak mona byoby si tego spodziewa.)
3.2 (paragraf 3.2). Student przeprowadza nastpujce pomiary:
a =
b =
c =
t =
m=

5 + 1 cm;
18 + 2 cm;
1 2 + 1 cm;
3,0 + 0,5 s;
18 + 1 g.

Wykorzystujc reguy (3.4) i (3.8), oblicz nastpujce wielkoci, ich niepewnoci

i niepewnoci wzgldne: a + b + c, a + b c, ct, 4 a, b/2 ( gdzie 4 i 2 nie s
obarczone adn niepewnoci) oraz mb/1.
^ T T t p a r a g r a f 3.2). Wykorzystujc reguy (3.4) i (3.8), wykonaj nastpujce
obliczenia:
a) (5 + l) + (8 + 2 ) - ( 1 0 + 4);
b) (5 + l)-(8 + 2);
c) ( 1 0 l ) / ( 2 0 2 ) ;
d) 2 n ( 1 0 + l ) .
W punkcie (d) liczby 2 i n nie s obarczone adn niepewnoci.
88

j^/p(paragraf 3.2). Majc dobry stoper i odrobin dowiadczenia, mona

mierzy czas w zakresie od sekundy do wielu minut z niepewnoci rzdu 0,1 s.
Przypumy, e chcemy zmierzy okres % wahada, jeli T 0,5 s. Jeli zmierzy
my czas trwania jednej oscylacji, to niepewno okresu bdzie rwna okoo
20%, ale jeli zmierzymy czas trwania wielu kolejnych oscylacji, to potrafimy
zrobi to bardziej dokadnie. Ilustruj to nastpujce pytania:
a) Jaki jest wynik pomiaru T, jego niepewno i niepewno wzgldna, jeli
mierzymy czas trwania piciu kolejnych wahni i otrzymujemy wynik
2,4 + 0,1 s? [Pamitaj o regule (3.9).]
b) Podobne pytanie dla pomiaru czasu trwania 20 oscylacji i wyniku
9,4 + 0,1 s.
c) Czy niepewno wyznaczenia z moe by w niekoczono poprawiana
przez zwikszanie liczby obserwowanych oscylacji?
2

3.5 (paragraf 3.2). Jakie s wartoci t , l/t i l / t

znalezione t = 8,0 + 0,5 s?

i ich niepewnoci, jeli

(paragraf 3.2). Turysta zwiedzajcy redniowieczny zamek chcia

zmierzy gboko studni, rzucajc do niej kamie i mierzc czas upadku.
Zmierzony przez niego czas rwny by t = 3,0 + 0,5 s. Co moe on powiedzie
na temat gbokoci studni?
3.7 (paragraf 3.2). Twierdzenie o dwumianie Newtona mwi, e dla dowol
nej liczby n i dowolnego x, takiego e |x| < 1,
n . v
1,
,
( l + x ) = l+nx

2 , n(n-l)(n-2)
x
. ,
x + ...
1-2
1-2-3
a) Poka, e jeli n jest dodatni liczb cakowit, szereg powyszy ma
skoczon liczb wyrazw. Przepisz go w jawnej postaci dla przypadku n = 2
i n = 3.
b) Napisz szereg dwumianowy dla przypadku n = 1. Otrzymasz wtedy
rozwinicie 1/(1+x) na szereg nieskoczony. Dla maego x pozostawienie
pierwszych dwch wyrazw tego szeregu daje dostatecznie dobre przyblienie,
3

1/(1+x) l - x ,
jak pokazano w rwnaniu (3.6). Oblicz wartoci obydwu wyrae dla x = 0,5;
0,1; 0,01, a take dla kadego z x oblicz, o ile procent (1 x) rni si od
1/(1+x).
(paragraf 3.3). Student zmierzy cztery dugoci:
a = 50 + 5, fo = 3 0 3 ,

c = 40 + l,

= 7,8 + 0,3
89

(wszystkie w centymetrach) i obliczy trzy sumy a + b, a + c, a + d. Znajd

niepewnoci wynikw przy zaoeniu, e bdy zmierzonych wielkoci mog nie
by niezalene (dodawanie bdw" jak w regule (3.14)), a take jeli wiadomo,
e niepewnoci s niezalene i przypadkowe (pierwiastek z sumy kwadratw
bdw" jak w regule (3.13)). W ktrym przypadku mona cakowicie zaniedba
niepewno wyznaczenia drugiego skadnika sumy (b, c, czy d), jeli zaoymy,
e chcemy zna niepewnoci z dokadnoci jednej cyfry znaczcej?
3.9 (paragraf 3.4). Rozwi zadanie 3.2, zakadajc, e wszystkie niepewno
ci s niezalene i przypadkowe, tj. obliczajc pierwiastek z sumy kwadratw
niepewnoci tak jak w reguach (3.16) i (3.18).
11

iSTlt^ (paragraf 3.5). Istnieje wiele sposobw okrelania energii czstek

elementarnych w fizyce jdrowej. Jednym z nich jest mierzenie, w jaki sposb
czstka pochaniana jest przez przeszkod, tak jak kawaek oowiu. Wynik
porwnuje si z publikowanymi wykresami zalenoci wspczynnika absorp
cji od energii czstki. Rysunek 3.7 przedstawia wykres pochaniania fotonw

>

U [cm /g]

Rysunek 3.7. Wykres zalenoci wspczynnika absorpcji 1 promieniowania 7 w oowiu od

energii fotonw E

1 1

Obliczanie pierwiastka z sumy kwadratw czsto mona wykona z wystarczajc dokad

noci w pamici. Warto zwrci uwag, e przy przeliczaniu wsprzdnych prostoktnych na
biegunowe za pomoc kalkulatora dla dowolnego x i y otrzymujemy natychmiast warto
2

s/'x +y .

90

przez ow. N a osi pionowej przedstawiona jest energia fotonw E w MeV (w

milionach elektronowoltw), na osi poziomej za odpowiedni wspczynnik
absorpcji fi w cm /g. (Dokadna definicja tego wspczynnika nie jest dla nas
teraz istotna; fi jest po prostu wygodn miar zatrzymywania fotonw przez
ow.) Z tego wykresu natychmiast mona odczyta energi fotonu, jeli tylko
znany jest odpowiedni wspczynnik absorpcji \x.
a) Student bada wizk fotonw (wszystkie o tej samej energii) i stwierdza,
e wspczynnik absorpcji tej wizki w oowiu rwny jest n = 0,10 + 0,01 cm /g.
Korzystajc z wykresu, znajd energi fotonw E i jej niepewno 8E. ( Moesz
uzna za pomocne narysowanie na wykresie linii czcych niektre punkty,
tak jak na rys. 3.3.)
b) Jakie wnioski wycignby student, gdyby \i = 0,22 + 0,01 cm /g?
I
,/^_* 3.11 (paragraf 3.5).
a) Zmierzony kt 6 rwny by 125 + 2, a warto ta zostaa wykorzystana
do obliczenia sin0. Korzystajc z reguy (3.23), oblicz sin0 i jego niepewno.
b) Jeli a zostao zmierzone jako a + 8a, a warto ta uywana jest do
obliczenia wartoci funkcji f(a) = e" , to jaka jest warto f
i 8 / ? Jeli
a = 3,0 + 0,1, jaka jest warto e" i niepewno tej wartoci?
Powtrz punkt (b) dla funkcji / ( a ) = ln a.
2

n p

np

3.12 (paragraf 3.6). Oblicz nastpujce wielkoci w krokach, jak opisano to

w paragrafie 3.6. (Zakadamy, e wszystkie bdy s niezalene i przypadkowe.)
a) (12 + 1)-[(25 3 ) - ( 1 0 + 1)];
3

b) ^ 1 6 + 4 + ( 3 , 0 + 0,1) (2,0 +0,1);

c) (20 + 2 ) e - - - .
( 1

0 0

1 )

3.13 (paragraf 3.7). Rozwa dyskusj wahada matematycznego z paragrafu

3.7. W rzeczywistym eksperymencie powinno zmierzy si okres T d l a wielu
rnych dugoci / i std otrzyma dla porwnania rne wartoci g. Po chwili
namysu mona wygodnie uj wszystkie dane i obliczenia w pojedyncz
tabel, tak jak tabela 3.2. Wykorzystujc tabel 3.2 (by moe zaproponujesz

Tabela 3.2. Wyznaczenie przyspieszenia ziemskiego g za pomoc wahada matematycznego

/(cm)
wszystkie +0,1

T(s)
wszystkie 0,001

9 (cm/s )

93,8

1,944

980

70,3
45,7
21,2

1,681
1,358
0,922

bl/l

ST/T

89/0

wynik

(%)

(%)

(%)

0 + 8g

0,1

0,05

0,14

980+1,4

91

inn jej posta), oblicz przyspieszenie ziemskie g i jego niepewno 8g dla

czterech par przedstawionych danych. Skomentuj zmian Sg przy zmniej
szaniu/. (Odpowiedzi podane w pierwszym wierszu pozwol ci sprawdzi
twoj metod oblicze.)
^IJT^paragraf 3.7). Rozwa pomiar wspczynnika zaamania szka z paragrafuTf.7. Uywajc tabeli podobnej do tabeli 3.1, oblicz wspczynnik
zaamania wiata n i jego niepewnoci dla danych z tabeli 3.3. Skomentuj
zmian niepewnoci. (Wszystkie kty s mierzone w stopniach; a jest ktem
padania, fi - ktem zaamania.)

Tabela 3.3. Dane do wyznaczenia wspczynnika zaamania (w stopniach)

a (wszystkie 1 )
fi (wszystkie 1 )

10
6

20
13

30
19

50
29

70
38

3.15 (paragraf 3.8). Rozwa dowiadczenie z paragrafu 3.8, w ktrym

wzek zjeda z rwni pochyej o nachyleniu 9.
a) Jeli kka tego wzka s gadkie i lekkie, to spodziewane przyspieszenie
rwne jest asin*. Jeli 9 zostao zmierzone jako 9 = 5,4 + 0,1, jakie bdzie
spodziewane przyspieszenie i jego niepewno?
b) Jeli eksperyment jest powtarzany z innymi warunkami pocztkowymi
(silniejsze pchnicie na szczycie rwni), to jak zwykle dane i wszystkie rachunki
mog zosta zapisane w jednej tabeli, takiej jak tabela 3.4. Z rwnania (3.33)
na przyspieszenie (przyjmujc tak sam jak poprzednio warto l /2s =
= 0,125 c m + 2%) oblicz a i 8a. Czy wyniki potwierdzaj spodziewan stao
a i spodziewan warto g sin 9 z punktu (a)? Czy w celu sprawdzenia staoci
a dla jeszcze wikszych prdkoci warto byoby mocniej popycha wzek?
Wyjanij to.
2

Tabela 3.4. Wyznaczanie przyspieszenia a wzka na rwni*

h (s)

h (s)

wszystkie +0,001

wszystkie +0,001

~\

(cm/s )

0,054 + 2 %
0,038
0,025

0,031 3 %
0,027
0,020

343 + 14

1040 + 52

698 + 64

878

* W pierwszym wierszu przedstawiono dane uyte w paragrafie 3.8. W dwch pierwszych kolumnach
przedstawiono zmierzone czasy t i t . Ich niepewno rwna jest 0,001 s, co mona natychmiast przeliczy na
niepewno wzgldn dla kadego pomiaru.
l

92

*3.16 (paragraf 3.9). Pochodna czstkowa dq/dx funkcji q(x, y) otrzymywa

na jest poprzez rniczkowanie q wzgldem x przy staym y. Napisz pochodne
czstkowe dq/dx i dq/dy dla nastpujcych funkcji:
a) q(x, y) = x + y,
b) q(x, y) = xy,
c) q{x, y) = x y .
2

'^^7^(paragraf 3.9). Kluczowe przyblienie wykorzystywane w paragrafie

3.9 wr"e warto funkcji q w punkcie (x + u, y + v) z wartoci w ssiednim
punkcie (x, y):
dq
dq
q(x + u, y + v)x q(x, y) + u + -v,
x
oy

(3.49)

gdy u i v s mae. Sprawd bezporednim rachunkiem poprawno tego

przyblienia dla trzech funkcji z zadania 3.16. Dla kadej z podanych funkcji
oblicz obie strony rwnania (3.49) i poka, e s one w przyblieniu sobie
rwne, jeli tylko u i v s mae. Na przykad jeli q(x, y) = xy, lewa strona
rwnania (3.49) rwna jest
(x + u)(y + v) = xy + uy + xv + uv.
Prawa strona rwnania (3.49), jak pokaesz, bdzie rwna
xy + yu + xv.
Jeli u i v s mae, to uv moe by zaniedbane w pierwszym wyraeniu i oba
wyraenia bd w przyblieniu rwne.
3.18 (paragraf 3.9).
a) Napisz pochodne czstkowe dq/dx i dq/dy dla funkcji q(x, y) = xy.
Przypumy, e mierzymy x i y z niepewnociami 5x i by, a nastpnie liczymy
q{x, y). Znajd niepewno bq, wykorzystujc oglne reguy (3.47) i (3.48)
zarwno dla przypadku, gdy 8x i 8y s przypadkowe i niezalene, jak i wtedy,
gdy takie nie s. Podziel wynik przez \q\ = \ xy\ i poka, e odtwarzasz proste
reguy (3.18) i (3.19) na niepewno wzgldn iloczynu.
b) Powtrz punkt (a) dla funkcji q(x, y) = x"y , gdzie n i m s znanymi,
ustalonymi liczbami.
c) Co stanie si z rwnaniami (3.47) i (3.48), jeli q(x) bdzie zalee tylko
od jednej zmiennej?
m

*3.19 (paragraf 3.9). Jeli mierzymy trzy niezalene wielkoci x, y, z i na

stpnie obliczamy warto funkcji q = (x + y)/(x + z), to - jak to omwilimy
93

w paragrafie 3.9 - krokowa procedura obliczenia niepewnoci q moe prowa

dzi do zbyt wysokiego oszacowania niepewnoci 6q.
a) Przypumy, e zmierzone wartoci rwne s x = 20 + 1 , y = 2, z = 0,
a take dla uproszczenia zamy, e niepewnoci 8y i 8z s zaniedbywalne.
Oblicz poprawnie niepewno 8q, korzystajc z reguy (3.47), i porwnaj wynik
z otrzymanym drog obliczania 8q krok po kroku.
b) Zrb to samo dla wartoci x = 2 0 + 1 , y = 40, z = 0. Wyjanij rnice
pomidzy punktami (a) i (b).

R O Z D Z I A

ANALIZA STATYSTYCZNA NIEPEWNOCI

PRZYPADKOWYCH

Stwierdzilimy, e jedn z najlepszych metod oceny wiarygodnoci pomiaru

jest jego wielokrotne powtarzanie i badanie otrzymanych wynikw. W tym
i nastpnym rozdziale opiszemy metody statystyczne suce do takiej analizy
pomiaru.
Nie wszystkie rodzaje niepewnoci pomiarowych, jak wspominalimy, mo
g by oceniane za pomoc statystycznej analizy wynikw wielokrotnych
pomiarw. Z tego powodu niepewnoci pomiarowe dziel si na dwie grupy:
niepewnoci przypadkowe, ktre mog by poddawane obrbce statystycznej
i niepewnoci systematyczne, ktre takiej obrbce si nie poddaj. Rnica
midzy nimi opisana jest w paragrafie 4.1. Pozosta cz tego rozdziau
powicimy niepewnociom przypadkowym. W paragrafie 4.2 wprowadzimy
bez formalnego uzasadnienia dwie istotne definicje odnoszce si do serii
pomiarw x ...,x
tej samej wielkoci x. Po pierwsze, zdefiniujemy redni
x wartoci x ...,x .
W stosownych warunkach rednia jest najlepszym przy
blieniem x opartym na zmierzonych wartociach x ...,x .
Nastpnie zdefi
niujemy odchylenie standardowe wartoci x ,...,x .
Jest ono oznaczane przez
a i charakteryzuje redni niepewno pojedynczych zmierzonych wartoci
x ...,x .
W paragrafie 4.3 podamy przykad zastosowania odchylenia stan
dardowego.
W paragrafie 4.4 wprowadzimy wane pojcie odchylenia
standardo
wego redniej. Oznaczane jest przez a- i charakteryzuje niepewno re
dniej x jako najlepszego przyblienia x. W paragrafie 4.5 podamy kilka
przykadw zastosowania odchylenia standardowego redniej. Wreszcie
w paragrafie 4.6 powrcimy do kopotliwego zagadnienia bdw systematy
cznych.
v

95

Nigdzie w tym rozdziale nie prbujemy w peni uzasadnia opisywanych

metod. Naszym gwnym celem jest wprowadzenie podstawowych wzorw
i omwienie sposobw ich uycia. Waciwe uzasadnienie, oparte na wanym
pojciu rozkadu normalnego, zostanie przedstawione w rozdziale 5.

4.1. Bdy przypadkowe i systematyczne

Niepewnoci dowiadczalne, ktre mog by ujawnione poprzez wielokrotne
powtarzanie pomiaru, nazywamy bdami przypadkowymi, te za, ktre nie
dadz si w ten sposb ujawni, nazywamy bdami systematycznymi. Aby
zilustrowa t rnic, rozwamy kilka przykadw. Przypumy na pocztek,
e mierzymy okres jednostajnie obracajcego si stolika obrotowego. Jednym
ze rde bdu bdzie czas naszej reakcji przy wczaniu i wyczaniu stopera.
Gdyby by on zawsze identyczny, wtedy obydwa opnienia nawzajem by si
znosiy. W praktyce jednak czas naszej reakcji bdzie si zmienia. Moemy
bardziej opnia wczanie stopera, co prowadzioby do niedoszacowania
okresu, lub bardziej opnia jego zatrzymanie, co z kolei powodowaoby
przeszacowanie okresu. Poniewa obydwa zdarzenia s jednakowo prawdopo
dobne, wic cakowity efekt ma przypadkowy charakter. Jeli wielokrotnie
powtarzamy nasz pomiar, czasami szacujemy wynik zbyt wysoko, a czasami
zbyt nisko. Tak wic zmienno czasu reakcji ujawni si jako zmienno
znalezionych odpowiedzi. Analizujc metodami statystycznymi rozrzut tych
wynikw, moemy dosta bardzo wiarygodne oszacowanie tego rodzaju bdu.
Z drugiej strony, jeli nasz stoper systematycznie si pni, to wszystkie
zmierzone czasy bd oszacowane zbyt nisko i powtarzanie pomiaru (tym
samym stoperem) nigdy nie ujawni tego rda bdu. Taki rodzaj bdu
zwany jest systematycznym, poniewa zawsze przesuwa nasze wyniki w t
sam stron. (Jeli stoper si pni, to zawsze szacujemy wynik zbyt nisko,
jeli za si spieszy, to zawsze szacujemy go za wysoko.) Bdw systematycz
nych nie mona wykry stosujc metody statystyczne, jakie obecnie bdzie
my rozwaa.
Jako drugi przykad na pojawienie si bdw przypadkowych i systematy
cznych rozwamy pomiar pewnej dobrze okrelonej dugoci za pomoc
miarki. Jednym ze rde niepewnoci bdzie potrzeba interpolacji pomidzy
kreskami podziaki na miarce - ta niepewno bdzie prawdopodobnie przy
padkowa. (Prawdopodobnie w trakcie interpolacji oszacownie zbyt niskie, jak
i zbyt wysokie zdarzy si moe jednakowo czsto.) Istnieje jednak niebez
pieczestwo, e nasza miarka zostaa znieksztacona i takie rdo niepewnoci
96

najpewniej ma systematyczny charakter. (Jeli miarka jest rozcignita, nasz

wynik zawsze bdzie zbyt may, jeli jest skurczona, zawsze dostaniemy zbyt
duy rezultat.)
Prawie wszystkie pomiary, tak samo jak w powyszych przykadach,
obarczone s niepewnociami zarwno przypadkowymi, jak i systematycz
nymi. Czytelnik powinien bez problemu poda wicej takich przykadw.
W szczeglnoci warto zwrci uwag, e najpowszechniejszymi rdami
niepewnoci przypadkowych s drobne bdy popeniane przez obserwatora
przy odczycie wyniku (jak podczas interpolacji), niewielkie zakcenia w funk
cjonowaniu przyrzdw (powodowane np. przez drgania mechaniczne), zagad
nienia definicji i wiele innych. Najbardziej by moe oczywistym powodem
powstawania niepewnoci systematycznych jest za kalibracja instrumentu
pomiarowego jak w przypadku pnicego si stopera, rozcignitej miarki
czy niewaciwie wyzerowanego miernika.
Rozrnienie pomidzy bdami przypadkowymi i systematycznymi nie
zawsze jest bardzo wyrane. Jeli na przykad przesuwasz gow przed skal
typowego miernika (jak w przypadku zwykego zegara), zmienia si warto,
jak z niego odczytujesz. Efekt ten, znany jako paralaksa, oznacza, e wskaza
nie miernika jest waciwe tylko wtedy, gdy odczytujemy je bdc dokadnie
naprzeciw skali. Ale nawet bdc uwanym obserwatorem, nie jeste w stanie
zawsze umieci swojego oka dokadnie naprzeciw skali miernika. W konsek
wencji twj pomiar zawsze bdzie obarczony niewielk niepewnoci spowo
dowan przez paralaks i niepewno ta bdzie prawdopodobnie przypad
kowa. Z drugiej strony nieuwany eksperymentator umieszczajcy miernik
z jednej strony swojego stanowiska i zapominajcy o paralaksie wprowadzi do
wszystkich swoich odczytw bd systematyczny. Tak wic ten sam efekt
paralaksy moe powodowa raz niepewnoci przypadkowe, a raz niepewnoci
systematyczne.
Analiza bdw przypadkowych rni si cakowicie od obrbki bdw
systematycznych. Metody statystyczne opisane w nastpnych paragrafach daj
wiarygodn ocen niepewnoci przypadkowych i, jak zobaczymy, poprzez
zastosowanie dobrze zdefiniowanej procedury umoliwiaj ich redukcj.
Z drugiej strony niepewnoci systematyczne s trudne do oszacowania, a na
wet do wykrycia. Dowiadczony eksperymentator musi nauczy si przewidy
wania moliwych rde bdw systematycznych i upewniania, e bdy
systematyczne s duo mniejsze ni wymagana precyzja pomiaru. Takie
postpowanie mogoby polega na przykad na sprawdzeniu miernikw za
r>omoc pewnych ustalonych standardw i ich skorygowaniu, czy te, jeli to
niezbdne, na kupieniu nowych. Niestety na pierwszej pracowni kontrola tego
rodzaju rzadko jest moliwa, tak wic opracowanie bdw systematycznych

97

jest czsto do nieporadne. Ten problem omwimy w paragrafie 4.6. N a razie

bdziemy mwi o dowiadczeniach, w ktrych wszystkie rda bdw
systematycznych s zidentyfikowane, a same bdy duo mniejsze ni wymaga
na precyzja.

4.2. rednia i odchylenie standardowe

Przypumy, e mamy zmierzy pewn wielko x. Wykrylimy przy tym
wszystkie rda niepewnoci systematycznych i zredukowalimy je do zaniedbywalnego poziomu. Poniewa wszystkie pozostae rda niepewnoci s
przypadkowe, powinnimy umie je wykry powtarzajc pomiar wielokrotnie.
Moglibymy przykadowo piciokrotnie wykona pomiar, otrzymujc nast
pujce wyniki:
71, 72, 72, 73, 71

(4.1)

(gdzie dla wygody pominlimy jednostki).

Pierwsze pytanie, jakie stawiamy, brzmi nastpujco: Jeli znamy zmierzo
ne wartoci (4.1), to jakie jest najlepsze przyblienie x wartoci x. Wydaje si
uzasadnione, e najlepszym przyblieniem bdzie rednia x piciu znalezionych
wartoci. W rozdziale 5 udowodnimy, e zwykle tak jest. Tak wic
ap

np

71 + 7 2 + 72 + 73 + 71
~

= 71,8,

(4.2)
1

przy czym drugi wiersz jest po prostu definicj redniej x danych liczb .
Oglniej, przypumy, e przeprowadzilimy N pomiarw wielkoci
x (wszystkie tym samym urzdzeniem i w identyczny sposb) i znalelimy
N wartoci:
x^

x,)Xjf.

(4-3)

W czasach kalkulatorw kieszonkowych warto by moe zwrci uwag, e rednia jak

w rwnaniu (4.2) moe by szybko obliczona w pamici. Poniewa wszystkie liczby maj siedem
diziesitek, tak samo musi by ze redni. Pozostaje zatem obliczy redni z liczb 1, 2, 2, 3, 1
stojcych na miejscu jednoci. Ich rednia to oczywicie = 1,8 i nasza odpowied to x = 71,8.

98

Zwykle najlepszym przyblieniem x jest rednia x ,...,x .

1

Oznacza to, e

= x,

np

(4.4)

gdzie

N
(4.5)

N '

W ostatnim wierszu wprowadzilimy uyteczn notacj skrcon, zgodnie

z ktr
w

X x = ^x
i= 1
i
i

= ^x
j

= x + x +...+

x;

drugie i trzecie wyraenie s czsto spotykanymi skrtami, ktrych bdziemy

uywa, gdy nie bdzie niebezpieczestwa pomyki.
Pojcie redniej jest prawie na pewno dobrze znane wikszoci czytelnikw.
Z nastpnym terminem - odchyleniem standardowym - pewnie ju tak nie jest.
Odchylenie standardowe pomiarw x x ,...,x
jest miar redniej niepewnoci
pomiarw x , x ,...,x
i dochodzi si do niego w nastpujcy sposb.
Zakadajc, e rednia x jest najlepszym przyblieniem wielkoci x, natural
ne jest rozwaenie rnicy x x d . Rnica ta zwana czsto odchyleniem
wartoci x od x mwi nam, o ile wynik i-tego pomiaru rni si od redniej x.
Jeli odchylenia d = x x s bardzo mae, to wszystkie wyniki naszych
pomiarw s skupione i przypuszczalnie bardzo dokadne. Jeli jakie od
chylenie jest due, to w oczywisty sposb znaczy, e nasze pomiary nie s tak
precyzyjne.
Aby upewni si, e dobrze rozumiemy koncepcj odchylenia, policzmy
odchylenia dla piciu wynikw pomiarw (4.1). Rezultaty takich oblicze
mona przedstawi w tabeli, takiej jak tabela 4.1. Zwrmy uwag, e po
szczeglne odchylenia s (oczywicie) rnej wielkoci; d jest mae, jeli wynik
i-tego pomiaru x niewiele rni si od x, jeli za wynik x jest daleki od x, to
d jest due. Zwrmy uwag, e niektre d s dodatnie, a niektre ujemne,
poniewa niektre z naszych wynikw x musz by wiksze od redniej x,
a inne musz by mniejsze.
Aby oszacowa redni wiarygodno pomiarw x x , . . . , x , moglibymy
w naturalny sposb uredni odchylenia d . Niestety rzut oka na tabel 4.1
t

99

mwi nam, e rednie odchylenie rwne jest zeru. W istocie bdzie tak dla
dowolnego zestawu danych pomiarowych x l s x2,...,xJV, poniewa definicja
redniej x zapewnia, e d = x x jest czasem dodatnie, a czasem ujemne
dokadnie w taki sposb, aby rednia d bya rwna zeru (patrz zadanie 4.3).
Zatem jest jasne, e rednia odchyle nie jest dobrym wskanikiem wiarygod
noci pomiarw x
x ,...,x .
i

Tabela 4.1. Obliczanie odchyle

Odchylenie d = x x

Numer pomiaru i

Warto zmierzona x

1
2
3
4
5

71
72
72
73
71

-0,8
0,2
0,2

3c = 71,8

d = 0,0

1,2
-0,8

Najlepszym sposobem ominicia tego kopotu jest podniesienie do kwad

ratu wszystkich odchyle, co stworzy zbir liczb dodatnich, a nastpnie
znalezienie ich redniej . Jeli nastpnie obliczymy pierwiastek z tej redniej, to
otrzymamy warto w takich samych jednostkach jak x. Liczba ta zwana jest
odchyleniem standardowym (dyspersj) x x ,...,x
i oznaczana jest symbo
lem a
2

Zgodnie z t definicj odchylenie standardowe mona opisa jako pierwiastek

ze redniego kwadratowego odchylenienia pomiarw x , x ,...,x .
Okazuje si,
e jest ono uyteczn wielkoci charakteryzujc wiarygodno pomiarw.
(Wkrtce dodamy, e definicja (4.6) jest czasami modyfikowana przez zamian
N w mianowniku na N 1.)
^
Aby obliczy odchylenie standardowe a zdefiniowane w rwnaniu (4.6),
musimy obliczy odchylenia d , podnie je do kwadratu, obliczy redni tych
1

Innym rozwizaniem byoby obliczenie redniej z wartoci bezwzgldnych \d \, jednak

okazuje si, e rednia d jest bardziej uyteczna. rednia
zwana jest czasem (mylco) rednim
t

odchyleniem (ang. average

100

deviation).

kwadratw i znale pierwiastek tej redniej. Dla piciu pomiarw z tabeli 4.1
moemy obliczy o , jak to pokazano w tabeli 4.2.
x

Tabela 4.2.

Obliczanie odchyle standardowych

Numer pomiaru i

Warto zmierzona x

Odchylenie d = x x

d]

1
2
3
4
5

71
72
72
73
71

-0,8
0,2
0,2

0,64
0,04
0,04
1,44
0,64

1,2
-0,8

5c = 71,8

YA] = 2,80

Dodajc wartoci d\ z czwartej kolumny tabeli 4.2 i dzielc t sum

przez 5, otrzymujemy wielko o (czsto nazywan wariancj pomiarw),
x

^ = ^

^ = 0,56.

(4.7)

Obliczajc jej pierwiastek, otrzymujemy odchylenie standardowe

a 0,7.

(4.8)

Tak wic rednia niepewno wynikw piciu pomiarw 71, 72, 72, 73, 71
rwna jest okoo 0,7.
Niestety istnieje take inna definicja odchylenia standardowego. Pewne
argumenty teoretyczne przemawiaj za zamian czynnika N w mianowniku
wyraenia (4.6) na N 1 i za zdefiniowaniem odchylenia standardowego a
pomiarw x x , x
jako
x

Nie bdziemy prbowa udowadnia, e definicja a (4.9) jest lepsza ni

definicja (4.6), ograniczajc si jedynie do stwierdzenia, e nowa zmodyfiko
wana" definicja daje odrobin wiksz warto ni definicja (4.6) i e koryguje
x

101

to tendencj niedoceniania niepewnoci pomiarw x x ,...,x

szczeglnie dla
maej liczby pomiarw N. Tendencj t mona zauway rozwaajc eks
tremalny (i absurdalny) przypadek N = 1 (a wic tylko jednego pomiaru).
W takim wypadku rednia x rwna jest naszemu jedynemu wynikowi x
i jedyne odchylenie automatycznie rwne jest zeru. Definicja (4.6) daje zatem
bezsensowny wynik o = 0. Z drugiej strony, z definicji (4.9) dostaniemy
wynik 0/0, to znaczy e a jest nieokrelone, co dokadnie odzwierciedla nasz
cakowit niewiedz na temat niepewnoci pojedynczego pomiaru .
Rnica pomidzy odchyleniami standardowymi policzonymi za pomoc
definicji (4.6) i (4.9) jest liczbowo prawie zawsze nieznaczca. W kadym
przypadku powinno si powtarza pomiar wielokrotnie (co najmniej pi razy,
a lepiej jeszcze wicej). Nawet jeli przeprowadzamy tylko pi pomiarw
(N = 5), rnica pomidzy ^ / N " = 2,2 i y/Nl
= 2 nie jest dla wikszoci
zastosowa znaczca. N a przykad jeli przeliczymy odchylenie standardowe
znalezione w rwnaniu (4.8), uywajc poprawionej" definicji (4.9), otrzyma
my a = 0,8 zamiast 0,7, co nie stanowi istotnej rnicy. Niemniej Czytelnik
powinien wiedzie o istnieniu obu tych definicji. Prawdopodobnie najlepiej
zawsze korzysta z bardziej ostronej (tj. dajcej wikszy wynik) definicji (4.9),
jednak w kadym przypadku opis dowiadczenia powinien zawiera informa
cj, ktra z definicji zostaa wykorzystana. Dziki temu, czytajc taki opis,
mona sprawdzi przedstawione w nim obliczenia.
u

4.3. Odchylenie standardowe jako niepewno pojedynczego pomiaru

Powiedzielimy, e odchylenie standardowe a charakteryzuje redni niepew
no wynikw pomiarw x , x ,...,x ,
na podstawie ktrych zostaa obliczo
na. Uzasadnimy to w rozdziale 5, dowodzc bardziej precyzyjne stwierdzenie.
Jeli nasze pomiary podlegayby rozkadowi normalnemu i jeli powtarzaliby
my pomiary x bardzo wiele razy (zawsze w tym samym ukadzie pomiaro
wym), to okoo 70 procent naszych wynikw byoby oddalone od x o mniej
ni a , czyli 7 0 % naszych wynikw leaoby w zakresie x + a .
x

W angielskim oryginale odchylenie standardowe zdefiniowane rwnaniem (4.6) zwane jest

population

standard

deviation,

a definiowane rwnaniem (4.9) sample standard

deviation.

W literatu

rze polskiej spotyka si czasami okrelenia odpowiednio: odchylenie standardowe duej i maej
prby (przyp.
4

tum).

Jak zobaczymy, dokadn wartoci jest 68,27... %, ale jasne jest, e zbyt precyzyjnie
podawanie wielkoci tego rodzaju jest bezsensowne.

102

Moemy wyrazi ten wynik innymi sowy. Przypumy, jak poprzednio, e

otrzymalimy wyniki x x , ...,x i obliczylimy x oraz a . Jeli przeprowadzi
my teraz nastpny pomiar (w tym samym ukadzie eksperymentalnym), istnieje
70% prawdopodobiestwa, e wynik tego pomiaru bdzie si rni od
x o mniej ni a . Jeli liczba pomiarw N jest bardzo dua, to x powinno by
bardzo wiarygodnym przyblieniem waciwej wartoci x. Tak wic moemy
powiedzie, e istnieje 70% prawdopodobiestwa, e pojedynczy pomiar (w tym
samym ukadzie eksperymentalnym) bdzie si rni od waciwej wartoci
x o mniej ni a . W oczywisty sposb a znaczy dokadnie to samo, co
rozumielimy w poprzednich rozdziaach pod pojciem niepewnoci" . Jeli
przeprowadzimy w tym ukadzie eksperymentalnym pomiar wartoci x, to za
niepewno zwizan z tym pomiarem mona przyj 5x = a i w wyniku
takiego wyboru mamy 70% ufnoci, e wynik naszego pomiaru rni si od
waciwej wartoci o mniej ni bx.
1:

Aby zilustrowa zastosowanie tych koncepcji, przypumy, e dostalimy

pudeko pene podobnych spryn i mamy zmierzy ich wspczynniki sprys
toci k. Moglibymy mierzy te stae, obciajc kad spryn i mierzc jej
wyduenie lub prociej, zawieszajc t sam mas na kadej ze spryn
i mierzc okres jej drga. Jakkolwiek bymy wybrali metod, musimy zna k
i niepewno 5/c dla kadej spryny. Jednak wielokrotne powtarzanie pomia
rw dla kadej ze spryn byoby beznadziejnym marnowaniem czasu. Za
miast tego rozumujemy w sposb nastpujcy: jeli kilka (powiedzmy 10 czy
20) razy mierzymy k dla pierwszej spryny, to rednia tych pomiarw
powinna da nam dobre przyblienie k dla tej spryny. Co bardziej istotne,
odchylenie standardowe a tych 10 czy 20 pomiarw daje nam oszacowanie
niepewnoci wyznaczenia k nasz metod. Jeli wszystkie spryny s w miar
podobne i uywamy do ich pomiaru tej samej metody, uzasadnione jest
oczekiwanie w kadym pomiarze takiej samej niepewnoci . Tak wic dla
kadej nastpnej spryny wystarczy wykona tylko jeden pomiar i natych
miast stwierdzi, e niepewno S/c rwna jest odchyleniu standardowemu
obliczonemu dla pierwszej spryny, a co za tym idzie, nasz wynik z 70%
ufnoci rni si od prawdziwej wartoci o mniej ni a .
k

Aby zilustrowa liczbowo t koncepcj, wyobramy sobie, e przeprowa

dzilimy 10 pomiarw pierwszej spryny i otrzymalimy nastpujce zmierzo
ne wartoci k (w niutonach/metr):
86, 85, 84, 89, 86, 88, 88, 85, 83, 85.

(4.10)

Jeli niektre spryny rni si bardzo od tej pierwszej, to niepewno przy ich badaniu
moe by inna. Tak wic, jeli spryny rni si znacznie, musielibymy sprawdzi nasz
niepewno, przeprowadzajc wielokrotne pomiary na kadej z kilku rnicych si spryn.

103

Moemy z nich natychmiast obliczy k = 85,9 N/m, a take, korzystajc

z definicji (4.9),
a = 1,9 N / m

. (4-11)

2 N/m.

(4.12)

Tak wic niepewno kadego pojedynczego pomiaru k jest rwna okoo

2 N/m. Jeli teraz przeprowadzimy pojedynczy pomiar dla drugiej spryny
i dostaniemy w wyniku k = 71 N/m, to bez zbdnych ceregieli moemy przyj
5fc = a = 2 N / m i stwierdzi, e z 70% prawdopodobiestwem k ley w za
kresie
k

k drugiej spryny = 71 + 2 N/m.

(4.13)

4.4. Odchylenie standardowe redniej

Jeli x x , . . . , x s wynikami JV pomiarw tej samej wielkoci x, to jak
stwierdzilimy, najlepszym przyblieniem wartoci x jest ich rednia x. Zoba
czylimy take, e odchylenie standarowe
charakteryzuje redni niepew
no kadego z wynikw x x ,...,x .
Jednak odpowied x = x jest funkcj
wszystkich N pomiarw i s wszelkie dane, aby przypuszcza, e jest ona
bardziej wiarygodna ni kady z poszczeglnych wynikw. W rozdziale 5 udo
wodnimy, e jest tak w istocie, niepewno ostatecznego wyniku x = x
okazuje si rwna odchyleniu standardowemu a podzielonemu przez
y/N.
Wielko ta zwana jest odchyleniem standardowym redniej i jest oznaczana
symbolem a1?

np

np

(4.14)

(Inne nazwy tej wielkoci to bd standardowy lub bd standardowy redniej).

Zatem opierajc si na wynikach iV pomiarw x x ,...,x ,
moemy sfor
muowa ostateczny wynik pomiaru x jako
l 5

(warto x) = x 8x,
np

104

gdzie x = x, rednia warto x , x ,...,x ,

dowym redniej
np

a 5x jest odchyleniem standar

5x = d- = a,//iV.

(4.15)

Jako przykad rozwamy dziesi wartoci podanych w przykadzie (4.10).

Byo to dziesi wynikw pomiarw wspczynnika sprystoci k pojedynczej
spryny. Jak ju stwierdzilimy, rednia tych wartoci rwna jest
k = 85,9 N/m, odchylenie standardowe a = 1,9 N/m. Tak wic odchylenie
standardowe redniej rwne jest:
k

oi = <j l yi0 = 0,6 N/m,

(4.16)

a nasza ostateczna odpowied oparta na wynikach tych dziesiciu pomiarw

mwi, e wspczynnik sprystoci tej spryny rwny jest

k = 85,9 + 0,6 N/m.

(4.17)

Kiedy podajemy odpowied tak jak ta, istotne jest jasne stwierdzenie, e
podajemy redni i odchylenie standardowe redniej. Dziki temu czytajcy
ten rezultat bdzie w stanie oceni jego znaczenie.
Wan cech odchylenia standardowego redniej a- = a /^J~N jest
yfN~ w mianowniku. Odchylenie standardowe a odpowiada redniej niepe
wnoci wyniku kadego z pomiarw x , x ,...,x .
Jeli przeprowadzalibymy
wicej pomiarw (uywajc tej samej techniki), to odchylenie standardowe a
nie zmienioby si w istotny sposb. Z drugiej strony odchylenie standar
dowe redniej Ox/x/n~
zmniejszaoby si powoli ze wzrostem N. Dokadnie
tego oczekujemy. Jeli przeprowadzimy wicej pomiarw przed obliczeniem
redniej, to wierzymy w naturalny sposb, e ostateczny wynik bdzie
bardziej wiarygodny i wanie to gwarantuje mianownik >/iV~ w rwnaniu
(4.15). Dziki temu dostajemy jasn metod poprawiania precyzji naszych
pomiarw.
x

Niestety czynnik ^/A^ ronie do wolno ze wzrostem N. N a przykad

jeli chcielibymy poprawi nasz dokadno o czynnik 10, zwikszajc
jedynie liczb pomiarw N, to musielibymy zwikszy N o czynnik 100,
co jest delikatnie mwic do zniechcajc perspektyw. Co wicej, w tym
momencie zaniedbujemy bdy systematyczne, a te nie zmniejszaj si przy
wzrocie liczby pomiarw. Tak wic w praktyce, jeli chcemy w istotny
sposb zwikszy precyzj swoich pomiarw, powinnimy raczej zmo
dyfikowa technik dowiadczaln, ni polega jedynie na wzrocie liczby
pomiarw.

105

4.5. Przykady
Jako pierwsze proste zastosowanie pojcia odchylenia standardowego redniej
wyobramy sobie bardzo dokadny pomiar powierzchni A prostoktnej pytki
o bokach rwnych okoo 2,5 x 5 cm. Po pierwsze, znajdujemy najbardziej
odpowiedni przyrzd, ktrym moe by na przykad suwmiarka, a nastpnie
wykonujemy kilka pomiarw dugoci / i szerokoci b tej pytki. Aby uwzgld
ni nieregularnoci bokw, przeprowadzamy nasz pomiar w kilku rnych
miejscach, aby za uwzgldni drobne defekty naszego instrumentu, korzys
tamy z kilku suwmiarek (jeli to oczywicie moliwe). Moglibymy przeprowa
dzi po 10 pomiarw zarwno /, jak i b, i otrzyma wyniki przedstawione
w tabeli 4.3.
Tabela 4.3.

Dugo i szeroko pytki ( w milimetrach)

Wartoci zmierzone
/ 24,25; 24,26;
24,25; 24,22;
b 50,36; 50,35;
50,32; 50,39;

24,22;
24,26;
50,41;
50,38;

24,28; 24,24;
24,23; 24,24
50,37; 50,36;
50,36; 50,38

rednia

OS

os

1 = 24,245

a, = 0,019

aj = 0,006

b = 50,368

ff - 0 , 0 2 4

a- = 0,008
b

Korzystajc z dziesiciu znalezionych wartoci /, moemy szybko obliczy

redni /, odchylenie standardowe a i odchylenie standardowe redniej <TJ, jak
to wida w kolumnach oznaczonych: rednia, OS i OS. W taki sam sposb
obliczamy b, o i a . Przed przystpieniem do dalszych rachunkw powinni
my sprawdzi, czy otrzymane rezultaty s rozsdne. N a przykad przypusz
czamy, e dwa odchylenia standardowe a i a s rednimi niepewnociami
pomiarw / i b. Poniewa Z i b zostay zmierzone dokadnie w taki sam sposb,
byoby do zaskakujce, gdyby a i a znacznie si midzy sob rniy lub
byy istotnie rne od wartoci niepewnoci pomiarowej, jak uwaamy za
sensown.
Przekonawszy si, e nasze dotychczasowe wyniki s rozsdne, moemy
natychmiast dokoczy rachunki. Najlepsze przyblienie dugoci jest rwne
redniej 1, niepewno za tego wyniku rwna jest c tak wic ostateczna
warto / to
l

l = 24,245 0,006 mm (lub 0,025%).

(Liczba w nawiasie oznacza niepewno wzgldn.) Podobnie warto b rwna
jest
b = 50,368 + 0,008 mm (lub 0,016%).

Ostatecznie nasze najlepsze przyblienie powierzchni A = Ib jest iloczynem

tych. vjatVo?.cv x Tuepe^mc&C - ^ T ^ A S d-as. ptisz, cktwiastek z sumy kwad
ratw niepewnoci wzgldnych / i b (zakadamy, e bdy s niezalene):
A = (24,245 mm0,025%)-(50,368 mm0,016%)
2

= 1221,17 m m 0 , 0 3 %
2

= 1221,20,4 m m .

(4.18)

Aby doj do wyniku (4.18), obliczylimy rednie I i b, kad z niepewno

ci rwn odchyleniu standardowemu redniej. Nastpnie obliczylimy powie
rzchni A jako iloczyn 'l i b oraz znalelimy niepewno, korzystajc z reguy
przenoszenia bdw. Moglibymy postpi inaczej. Moglibymy, na przykad,
pomnoy pierwsz zmierzon warto / przez pierwsz zmierzon warto b,
aby otrzyma pierwsz warto A. Kontunuujc tak procedur, moglibymy
otrzyma dziesi wartoci A, a nastpnie podda te wyniki analizie statystycz
nej, obliczajc A, a i wreszcie aj. Jednak jeli bdy l i b s niezalene
i przypadkowe oraz jeeli dokonalimy wystarczajco duo pomiarw, proce
dura taka (mona to pokaza) doprowadzi nas do tego samego wyniku co
poprzednio.
W drugim przykadzie rozwaymy sytuacj, kiedy nie mona w prosty
sposb zastosowa analizy statystycznej do bezporedniego pomiaru, a daje si
j przeprowadzi w odniesieniu do ostatecznego wyniku. Przypumy, e
chcemy zmierzy wspczynnik sprystoci k spryny, znajdujc okres drga
masy m zawieszonej na jej kocu. Z elementarnej mechaniki dobrze wiadomo,
e okres taki rwny jest T= 2n y/m/k. Tak wic, mierzc T i m, moemy
znale k jako
A

fc = 4 7 i m / T .

(4.19)

Najprostszym sposobem znalezienia k jest wykorzystanie dokadnie znanej

masy m i przeprowadzenie kilku starannych pomiarw T. Jednak z wielu
powodw bardziej interesujca moe by znajomo okresu T dla wielu
rnych mas m. (W ten sposb moglibymy na przykad sprawdzi, e

Jest pewien brak logiki w tej drugiej procedurze. Nie ma przecie szczeglnego powodu
wiza pierwszego pomiaru l z pierwszym pomiarem b. W istocie moglibymy zmierzy l osiem
razy, b za 12 razy i wtedy nie udaoby si pogrupowa tych wynikw w pary. Wida zatem, e
pierwsza omwiona przez nas procedura jest logicznie bardziej uzasadniona.

107

T oc y/m, jak rwnie znale k.) Moglibymy zatem otrzyma zestaw

wynikw, takich jak w pierwszych dwch wierszach tabeli 4.4.

Tabela 4.4.
masa m (kg)
okres T(s)
k = 4TC

m/T

0,513
1,24
13,17

0,581
1,33
12,97

Pomiary wspczynnika sprystoci k

0,634
1,36
itd.

0,691
1,44

0,752
1,50

0,834
1,59

0,901
1,65

0,950
1,69

Urednianie rnych mas z pierwszego wiersza jest w oczywisty sposb

pozbawione sensu (podobnie jest z czasami z drugiego wiersza). Pojawiajce
si tam liczby nie s wynikami rnych pomiarw tej samej wielkoci. Porw
nujc rne wartoci m, nie dowiemy si take niczego o niepewnoci naszego
pomiaru. Z drugiej strony, moemy powiza kad warto m z odpowiadaj
cym jej okresem T i obliczy k, jak w ostatnim wierszu tabeli 4.4. Wszystkie
wyniki pomiarw k z dolnego wiersza s wynikami pomiarw tej samej
wielkoci i jako takie podlegaj analizie statystycznej. W szczeglnoci naszym
najlepszym przyblieniem k jest rednia k = 13,16 N/m, niepewnoci za jest
odchylenie standardowe redniej a = 0,06 N / m (patrz zadanie 4.12). Zatem
ostateczn odpowiedzi opart na danych z tabeli 4.4 jest
k

wspczynnik sprystoci k = 13,16 + 0,06 N/m.

(4.20)

Jeli dysponujemy wiarygodnymi oszacowaniami niepewnoci naszych

pierwotnych pomiarw m i T, moemy take oszacowa niepewno k za
pomoc wzorw na przenoszenie bdw, wychodzc od wartoci Sm i ST.
W takim wypadku warto byoby porwna ostateczne wartoci niepewnoci k
otrzymane tymi dwoma metodami.

4.6. Bdy systematyczne

W kilku poprzednich paragrafach przyjmowalimy jako pewnik, e wszystkie
bdy systematyczne zostay przed rozpoczciem pomiarw zredukowane do
zaniedbywalnego poziomu. W tym miejscu znowu dopucimy przykr mo
liwo istnienia znaczcego bdu systematycznego. W omwionym wanie
przykadzie moglimy way mas m na nieodpowiednio wyskalowanej wadze
lub mierzy czas T spieszcym si lub pnicym stoperem. aden z tych
bdw systematycznych nie ujawni si poprzez porwnanie naszych rnych
108

wynikw pomiaru wspczynnika k. W wyniku tego odchylenie standardowe

redniej a moe by traktowane jako 8/c
- przypadkowy skadnik niepew
noci 8/c, ale z pewnoci nie jest ono rwne cakowitej niepewnoci 8/c.
Naszym zadaniem jest podjcie decyzji, jak oszacowa skadnik systematyczny
5k , i dalej jak powiza 5/c i S/c , aby otrzyma cakowit niepewno 8/c.
Nie istnieje prosta teoria mwica co robi z bdami systematycznymi.
W istocie jedyna teoria bdu systematycznego mwi, e musi on by rozpo
znany i zredukowany do poziomu duo niszego ni wymagana precyzja.
Jednak na pierwszej pracowni czsto niemoliwe jest sprawdzenie miernika
przez porwnanie go z innym, lepszym, a jeszcze mniej prawdopodobny jest
zakup nowego. Z tego powodu niektre pracownie ustaliy zasad, e z braku
bardziej szczegowej informacji powinno si zakada pewn skoczon
warto niepewnoci systematycznej. Mona by zdecydowa na przykad, e
wszystkie stopery maj do 0,5% niepewnoci systematycznej, wszystkie wagi
do 1%, wszystkie woltomierze i amperomierze do 3 % itd.
k

sys

przyp

przyp

sys

Isnieje wiele moliwych sposobw postpowania z reguami tego rodzaju.

adnego z nich tak naprawd nie mona cile uzasadni. Opiszemy tutaj
tylko jedno z moliwych podej do tego problemu. W ostatnim przykadzie
z paragrafu 4.5 wspczynnik sprystoci k = 4 n m / T zosta obliczony na
podstawie wielu zmierzonych wartoci m i odpowiadajcych im wartoci T.
Jak to ju wzmiankowalimy, analiza statystyczna rnych wynikw k wyraa
skadnik przypadkowy 8/c jako
2

8/c

przyp

= a- = 0,06 N/m.

(4.21)

Przypumy teraz, e powiedziano nam, e waga uywana do pomiaru m i sto

per wykorzystany do pomiaru Tmaj niepewnoci odpowiednio do 1% i do
0,5%. Skadnik systematyczny 8/c moemy zatem znale metod przenoszenia
bdw. Trzeba tylko jeszcze zapyta, czy doda oba bdy bezporednio czy
te obliczy pierwiastek z sumy ich kwadratw. Poniewa bdy m i T s
z pewnoci niezalene i moliwe jest czciowe ich zniesienie, uzasadnione jest
prawdopodobnie obliczenie pierwiastka z sumy kwadratw
7

To, czy powinnimy uy zwykej sumy, czy te obliczy pierwiastek z sumy kwadratw,
zaley tak naprawd od tego, co mamy na myli mwic, e waga ma do 1% niepewnoci
systematycznej". Jeli to oznacza, e bd jest z pewnoci nie wikszy ni 1% (i podobnie dla
stopera), to waciwe jest bezporednie dodawanie i 5fc jest z pewnoci mniejsze ni 2 % .
Z drugiej strony moe si zdarzy, e badanie wszystkich wag w laboratorium pokazao, e ich
niepewnoci podlegaj rozkadowi normalnemu i 70% z nich ma bd mniejszy ni 1% (tak samo
dla stoperw). W takim przypadku moemy obliczy pierwiastek z sumy kwadratw jak we
wzorze (4.22), gdzie 70% ufnoci ma swoje zwyke znaczenie.
sys

109

(4.22)

= 1,4%

(4.23)

i std
Sfc = (13,16 N/m)-0,014
sys

= 0,18 N/m.

(4.24)

Poniewa oszacowalimy ju zarwno przypadkowy, jak i systematyczny

skadnik 8/c, zostao nam jedynie powizanie ich w celu obliczenia samego S/t.
Mona argumentowa, e w tym celu powinno si obliczy pierwiastek z sumy
ich kwadratw:
5/c = V(5fe

przyp

) + (S/c )

(4.25)

sys

= /(0,06) + (0,18) 0,2 N/m.

x

(4.26)

W tym przykadzie niepewnoci systematyczne cakowicie przesaniaj niepew

noci przypadkowe.
Wyraenie (4.25) nie moe by w rzeczywistoci cile uzasadnione. Nie jest
take jasne, jak bardzo istotny jest wynik, nie moemy prawdopodobnie
zapewni, e z 70% ufnoci prawdziwy wynik ley w zakresie k + bk. Niemniej
jednak wyraenie to co najmniej daje nam uzasadnione oszacowanie ca
kowitej niepewnoci w przypadku, gdy nasza aparatura obarczona jest niemo
liwym do wyeliminowania bdem systematycznym. W szczeglnoci wynik
(4.25) jest realistyczny i pouczajcy pod jednym istotnym wzgldem. Zobaczyli
my w paragrafie 4.4, e odchylenie standardowe redniej a dy do zera przy
zwikszaniu liczby pomiarw N. Wynik ten sugerowa, e cierpliwie przeprowa
dzajc ogromn liczb eksperymentw, mona bez ulepszania urzdze czy
techniki pomiarowej zredukowa niepewno do zera. Teraz widzimy, e w rze
czywistoci tak nie jest. Zwikszajc N, redukujemy w sposb nieograniczony
skadnik przypadkowy 5/c = a . Jednak kady instrument pomiarowy wnosi
pewn niepewno systematyczn, ktra nie zmniejsza si przy wzrocie N.
Z wyraenia (4.25) jasno wynika, e poniewa ju teraz S/c jest mniejsze ni
8/c , wic zysk z dalszej redukcji 8/c bdzie niewielki. W szczeglnoci nigdy
cakowita niepewno 8/c nie bdzie mniejsza ni 8/c . Potwierdza to fakt, ktry
sugerowalimy ju poprzednio. W praktyce, aby osign du redukcj niepew
noci, niezbdne jest modyfikowanie zarwno techniki pomiarowej, jak
k

przyp

przyp

sys

przyp

sys

110

i aparatury. Jedynie w taki sposb moemy zmniejszy w pojedynczym

eksperymencie zarwno bdy systematyczne, jak i przypadkowe.

Zadania
Uwaga: Gwiazdka przy zadaniu oznacza, e szkic rozwizania lub odpowied
znajduje si na kocu ksiki.
* 4 . 1 (paragraf 4.2). Student piciokrotnie mierzy wielko x, otrzymujc
nastpujce wyniki:
5, 7, 9, 7, 8.
Oblicz redni x i odchylenie standardowe a . (Wykonaj sam te obliczenia, nie
posugujc si odpowiednimi funkcjami Twojego kalkulatora. Podaj, z ktrej
definicji a skorzystae.)
x

4.2 (paragraf 4.2). Oblicz redni i odchylenie standardowe dziesiciu

wartoci przedstawionych w (4.10). (Odpowied podana jest w tekcie, jednak
jest istotne, aby sam przeprowadzi te rachunki. Wybierz waciw posta
prezentacji swych wynikw, jedn z moliwoci jest tabela, taka jak tabela 4.2.)
f4^3\ (paragraf 4.2). rednia x z J V wartoci x x
zdefiniowana jest jako
ich suma podzielona przez N, czyli x = (^X;)/N. Odchylenie x jest rnic
.i = x x. Udowodnij bezporednim rachunkiem, e rednia odchyle
d1,...,dN automatycznie rwna jest zeru.
Jeli nie jeste przyzwyczajony do notacji skrconej, mogoby Ci pomc
rozwizanie tego zadania dwiema metodami, raz z jej zastosowaniem, a raz
bez. Przepisz sum X(x x) jako (x x) + (x x)+ ... +(x x) i odpowie
dnio pogrupuj skadniki.
v

(|^4^)(paragraf 4.2). Aby obliczy odchylenie standardowe a z N pomia

rw x" ,...,x
potrzebna jest suma ^ ( x x) . Sprawd, e t sum mona
przepisa jako

- x ) ] = CZ(x ) ]-iVx .
i

(4.27)

Bdzie to dobre wiczenie w stosowaniu notacji skrconej. Wynik jest bardzo

uyteczny w praktyce i jest stosowany do obliczania a przez wszystkie
:alkulatory.)
x

4.5 (paragraf 4.2). Przelicz odchylenie standardowe z zadania 4.1, wyko

rzystujc rwnanie (4.27).
111

4.6 (paragraf 4.3). Student trzy razy zmierzy okres wahada, otrzymujc
wyniki 1,6; 1,8; 1,7 (wszystkie w sekundach). Jaka jest rednia i odchylenie
standardowe? (Skorzystaj z definicji (4.9) odchylenia standardowego a .) Jakie
jest prawdopodobiestwo, e jeli student przeprowadzi czwarty pomiar, to
jego wynik bdzie lea poza zakresem 1,6 s ... 1,8 s? (Oczywicie liczby s tak
dobrane, aby dobrze wyszo". W rozdziale 5 zobaczymy, jak rozwizywa
tego typu zadania, nawet jeli liczby nie s tak dobrane.)
t

!(paragraf 4.3).
a^Dblicz redni t i odchylenie standardowe a nastpujcych 30 pomiarw
czasu t (wszystkie w sekundach). Bdziesz potrzebowa kalkulatora, ale oszcz
dzisz sobie naciskania wielu klawiszy, jeli zauwaysz, e jedynie ostatnie dwie
cyfry wymagaj redniowania, i przed obliczeniami przesuniesz przecinek o dwa
miejsca w prawo. Jeli Twj kalkulator nie oblicza automatycznie odchylenia
standardowego, powiniene pewnie skorzysta ze wzoru (4.27).
t

( g l | ( 8 , 1 4 ; 8,12; 8,16; 8,18; 8,10; 8,18; 8,18; 8,18; 8,24;

8,16; 8,14; 8,17;; 8,18; 8,21; 8,12; 8,12;'@;(|,06; 8,10;
8,12; 8,10; 8,14; 8,09; 8,16; 8,16;'8,21; 8,14; 8,16; 8,13;
b) Stwierdzilimy, e po wielu pomiarach moemy si spodziewa, e 70%
wszystkich wartoci ley w promieniu a od t (to znaczy, e ley w zakresie
ta ).
W rozdziale 5 pokaemy, e mona oczekiwa, i 9 5 % wszystkich
wartoci ley w promieniu 2a od t (to znaczy, e ley w zakresie
t2a ).
Sprawd dla wynikw z punktu (a), ile wartoci spodziewaby si znale poza
zakresem ta l Ile wartoci rzeczywicie jest poza tym zakresem? Odpowiedz
na te same pytania dla zakresu t2a .
t

4.8 (paragraf 4.4). Oblicz odchylenie standardowe redniej piciu pomia

rw z zadania 4.1. Jaki powinien by ostateczny wynik podany przez studenta
(wraz z niepewnoci)?
* 4 . 9 (paragraf 4.4). Opierajc si na 30 wynikach z zadania 4.7, podaj
swoje najlepsze przyblienie mierzonego czasu i jego niepewno, zakadajc,
e wszystkie niepewnoci maj charakter przypadkowy.
4.10 (paragraf 4.4). Po wielokrotnym pomiarze prdkoci dwiku u stu
dent stwierdza, e odchylenie standardowe a w jego pomiarach rwne jest
a = 10 m/s. Jeli zaoymy, e wszystkie bdy s przypadkowe, student moe
poprzez wystarczajco du liczb pomiarw i ich urednianie osign dowo
ln wymagan dokadno swego pomiaru. Ile pomiarw trzeba wykona,
eby ostateczna niepewno bya rwna 3 m/s? A ile jeli chcemy mie tylko
+ 0,5 m/s niepewnoci?
u

112

R O Z D Z I A

ROZKAD NORMALNY

W tym rozdziale bdziemy kontynuowa rozwaania powicone analizie

statystycznej powtarzanych wielokrotnie pomiarw. W rozdziale 4 wprowadzi
limy tak wane pojcia, jak rednia, odchylenie standardowe i odchylenie
standardowe redniej; poznalimy ich znaczenie oraz cz zastosowa. Obec
nie uzupenimy teoretyczne podstawy wspomnianych poj statystycznych
oraz udowodnimy niektre ze stwierdze podanych uprzednio bez dowodu.
Podstawowym zagadnieniem zwizanym z analiz powtarzanych wielokro
tnie pomiarw jest znalezienie sposobu posugiwania si licznym zbiorem
wynikw. Jedn z dogodnych metod jest wykorzystanie rozkadu lub histo
gramu zgodnie z recept podan w paragrafie 5.1. W paragrafie 5.2 wprowa
dzimy pojcie rozkadu granicznego, czyli rozkadu wynikw, ktry wystpiby
w przypadku nieskoczonej liczby pomiarw. W paragrafie 5.3 zdefiniujemy
rozkad normalny, nazywany te rozkadem Gaussa, ktry jest rozkadem
granicznym wynikw dowolnego pomiaru naraonego na wiele maych i przy
padkowych bdw.
Zrozumiawszy podstawy matematyczne rozkadu normalnego, z atwoci
udowodnimy szereg wanych stwierdze. W paragrafie 5.4 wykaemy, e
zgodnie z tym co podalimy ju w rozdziale 4, okoo 70 procent wszystkich
pomiarw (tej samej wielkoci i wykonanych t sam technik) powinno lee
nie dalej ni jedno odchylenie standardowe od wartoci prawdziwej. W para
grafie 5.5 udowodnimy stwierdzenie, ktrym posugujemy si poczwszy od
rozdziau 1, mwice, e najlepszym przyblieniem x pewnej wielkoci x,
jakie mona poda na podstawie N zmierzonych wartoci x ,x ,...,x ,
jest
rednia arytmetyczna x = Y^^JN. W paragrafie 5.6 uzasadnimy zastosowanie
pierwiastka z sumy kwadratw przy przenoszeniu bdw niezalenych i przynp

114

padkowych. W paragrafie 5.7 udowodnimy, e niepewno wartoci redniej x,

uznawanej za najlepsze oszacowanie x, jest dana przez odchylenie standar
dowe redniej a = aJ^/W, jak wspomniano ju w rozdziale 4. N a koniec,
w paragrafie 5.8, zastanowimy si, w jaki sposb okreli liczbowo poziom
x

ufnoci

w wyniki

eksperymentalne.

Rachunki w tym rozdziale s nieco bardziej zoone od stosowanych

dotychczas. Jednake Czytelnik, ktry z uwag przeledzi rozwaania n a temat
rozkadu normalnego w paragrafo 5 3 ^Yowxy^c, 0&o\a&fc mTfjSJfla
czenia, o ile bdzie to niezbdne), powinien bez wikszych trudnoci nada
za tokiem wykadu.

5.1. Histogramy i rozkady

Powinno by oczywiste, e powana analiza statystyczna eksperymentu wyma
ga wykonania wielu pomiarw. Tym samym pierwszym zadaniem jest opraco
wanie metod rejestrowania i prezentowania duej liczby zmierzonych wartoci.
Zamy, e dziesiciokrotnie powtarzamy pomiar pewnej dugoci x. Moe to
by odlego pomidzy soczewk a utworzonym przez ni obrazem. Niech
przykadowymi wynikami bd (w centymetrach)
26, 24, 26, 28, 23, 24, 25, 24, 26, 25.

(5.1)

Liczby zapisane w tej formie nie daj zbyt bogatej informacji. Gdyby przyszo
nam zapisa jeszcze wicej wynikw w ten sam sposb, powstaby zagmat
wany gszcz liczb. Niewtpliwie naleaoby co udoskonali.
N a pocztek moemy uporzdkowa rosnco liczby (5.1),
23, 24, 24, 24, 25, 25, 26, 26, 26, 28.

(5.2)

Nastpnie zamiast trzy razy pisa 24, 24, 24, moemy po prostu zanotowa, e
warto 24 wystpia trzykrotnie. Mwic krtko, dobrze jest wymieni rne
uzyskane wartoci x cznie z liczb okrelajc, ile razy wystpia dana
warto, tak jak w tabeli 5.1. Wprowadzilimy w tym miejscu notacj
x (k = 1,2,...) dla oznaczenia rnych otrzymanych wartoci: x = 23,
x = 24, x = 25 itd. oraz n (k = 1,2,...) dla oznaczenia liczebnoci powtrze
odpowiednich wartoci x : n = 1, n = 3 itd.
k

Tabela 5.1
Rne wartoci x
Krotnoci ich wystpowania n
k

23
1

24
3

25
2

26
3

27
0

28
1

115

Zapisujc wyniki pomiarw tak jak w tabeli 5.1, moemy przepisa

definicj redniej x w nieco bardziej wygodnej postaci. Z pierwotnej definicji
wiemy, e
Z *
x

=
(5-3)
23 + 24 + 24 + 24 + 2 5 + ... + 2 8
10

Jest to dokadnie to samo co

23 + (24-3) + (25-2)+ ... + 2 8
x =

10

lub w oglnym przypadku

_k

(5.4)

W pierwotnym wzorze (5.3) sumujemy po wszystkich wykonanych pomiarach;

we wzorze (5.4) sumujemy po wszystkich rnych wartociach, mnoc kad
z nich przez jej liczebno. Jest oczywiste, e obydwie sumy s identyczne, ale
posta (5.4) jest wygodniejsza w uyciu w przypadku duej liczby pomiarw.
Suma w postaci (5.4) jest czasami nazywana sum waon, gdy kada
z wartoci x jest waona przez jej liczebno n . Zauwamy na przyszo, e
dodajc wszystkie liczebnoci n , uzyskamy cakowit liczb przeprowadzo
nych pomiarw N. To jest
k

= N.

(5.5)

(W przypadku tabeli 5.1 rwnanie to stwierdza, e suma wszystkich liczb

w dolnym wierszu jest rwna 10.)
Wnioski z poprzednich dwch akapitw mona sformuowa w sposb,
ktry czsto bywa wygodniejszy. Zamiast mwi, e wynik x = 24 zosta
uzyskany trzykrotnie, moemy powiedzie, e x = 24 uzyskano w spord
wszystkich pomiarw. Innymi sowy zamiast uywa n , liczebnoci wyniku x ,
wprowadzamy czsto
k

(5.6)

116

ktra mwi, jaka cz spord oglnej liczby pomiarw N daa wynik x .

Mwimy, e czsto F okrela rozkad wynikw, poniewa opisuje, w jaki
sposb wyniki pomiarw rozkaday si pomidzy rne moliwe wartoci.
Korzystajc z czstoci F , moemy zapisa wzr (5.4) na redni x w zwi
zej formie
k

= H k kF

( -7)

k
Oznacza to, e rednia x jest sum waon rnych wartoci x z wagami
: Krelonymi przez czstoci F ich wystpowania.
Rwnanie (5.5) pociga za sob
k

1^=1.

(5-8)

k
Jeeli dodamy do siebie czstoci F wszystkich moliwych wartoci x ,
usimy otrzyma w wyniku 1. Dowolny zbir liczb, ktrych suma jest rwna
1 nazywamy znormalizowanym i dlatego relacja (5.8) nosi miano warunku
mnalizacji.
Rozkad wynikw pomiarw mona przedstawi graficznie za pomoc
-.ogromu, tak jak na rysunku 5.1. Jest nim wykres zalenoci F od x , przy
:rvm poszczeglne zmierzone wartoci x s zaznaczone na osi poziomej,
k

0,3 0,2 0

1
0

22

1
23

1
24

1
25

1
26

1
27

1
28

- s u n e k 5.1. Histogram dziesiciu pomiarw dugoci x. O pionowa przedstawia czstoci F

wystpowania poszczeglnych wartoci x

117

a odpowiadajce im czstoci wystpowania wartoci x s reprezentowane

przez wysoko pionowego supka narysowanego nad x . (Mona rwnie
rysowa wykres zalenoci n od x , ale dla naszych celw wykres zalenoci
F od x jest bardziej odpowiedni.) Dane prezentowane za pomoc histo
gramw s szybko i atwo przyswajalne, czego wiadomi s autorzy artykuw
prasowych.
Histogram podobny do tego, ktry znajduje si na rysunku 5.1, moemy
nazwa histogramem supkowym, poniewa rozkad wynikw jest przedstawio
ny za pomoc pionowego supka bezporednio nad wartoci x . Ten rodzaj
histogramw jest stosowany zawsze wtedy, gdy wartoci x s rwno oddalone
i przyjmuj wartoci cakowite. (Na przykad oceny uzyskane przez studentw
z egzaminu s z reguy liczbami cakowitymi i bardzo dobrze nadaj si do
przedstawienia za pomoc histogramu supkowego.) Jednake z reguy pomia
ry nie daj przejrzystego zbioru wartoci cakowitych, poniewa wikszo
wielkoci fizycznych zmienia si w sposb cigy. Jest niemal pewne, e zamiast
dziesiciu dugoci danych rwnaniem (5.1) otrzymamy wyniki podobne do
k

26,4; 23,9; 25,1; 24,6; 22,7; 23,8; 25,1; 23,9; 25,3; 25,4.

(5.9)

Histogram supkowy wykonany na podstawie podanego zbioru wartoci

miaby posta dziesiciu supkw o tej samej wysokoci i nie byby zbyt bogaty
w tre. Otrzymawszy wyniki, takie jak te z rwnania (5.9), najlepiej jest
podzieli zakres wartoci na przedziay, czyli komrki", i policzy ile wyni
kw przypada na kad z komrek". N a przykad, moglibymy zlicza
wyniki pomidzy x = 22 a x = 23, pomidzy x = 23 a x = 24 itd. Rezultat
takiego zliczania przedstawia tabela 5.2. (Jeeli zdarzy si, e warto ley
dokadnie na granicy pomidzy dwiema komrkami, naley zdecydowa, do
ktrej z nich j zaliczy. Prostym i rozsdnym sposobem jest przypisanie
1

Tabela 5.2
Przedzia
Liczba pomiarw w przedziale

22-23
1

23-24
3

24-25
1

25-26
4

26-27
1

27-28
0

Wyniki z tabeli 5.2 mona przedstawi za pomoc histogramu komr

kowego, tak jak na rysunku 5.2. Na tym wykresie czsto dla danego
1

Zakres wartoci, czyli rnica pomidzy najwiksz i najmniejsz wartoci jest nazywana

rozstpem (przyp. tum,).

118

fk

0,4
0,3
0,2
0,1
22

25

26

szeroko
przedziau A

27

28

Rysunek 5.2. Histogram komrkowy przedstawiajcy czstoci pomiarw w komrkach"

22-23, 23-24 itd. Powierzchnia prostokta, ktrego podstaw jest rozpito komrki reprezen
tuje czsto pomiarw w danej komrce. Pole zacieniowanego prostokta wynosi 0,3, co oznacza,
e 3/10 wszystkich pomiarw znajduje si w przedziale pomidzy 23 i 24

przedziau jest reprezentowana przez powierzchni prostokta wykrelonego

nad odpowiedni komrk. W ten sposb zacieniowany prostokt odpowia
dajcy przedziaowi od x = 23 do x = 24 ma powierzchni 0,3 1 = 0,3, wska
zujc, e ~ spord wszystkich pomiarw ley w obrbie danej komrki. N a
og szeroko fc-tej komrki oznaczamy przez A . (Zazwyczaj wszystkie
szerokoci s rwne, chocia nie jest to konieczne). Wysoko f prostokta
wykrelonego nad przedziaem jest tak dobrana, eby powierzchnia
fA
speniaa warunek
k

fA
k

= czsto pomiarw w fc-tej przegrdce.

Innymi sowy, w przypadku histogramu komrkowego pole powierzchni f A

fc-tego prostokta ma to samo znaczenie co wysoko F fe-tego supka
w histogramie supkowym.
Przy dobieraniu szerokoci komrek A dla potrzeb histogramu niezbdna
jest pewna ostrono. Jeeli komrki bd zbyt szerokie, to wszystkie (lub
prawie wszystkie) odczyty znajd si w jednej komrce i histogram bdzie mia
mao interesujc posta pojedynczego prostokta. Jeeli z kolei komrki bd
zbyt wskie, to tylko niewielka ich cz bdzie zawiera wicej ni jeden odczyt
i histogram przyjmie posta szeregu wskich prostoktw, z ktrych wikszo
bdzie miaa t sam wysoko. Jak wida, szeroko komrki musi by tak
dobrana, by kada z komrek miecia w sobie po kilka odczytw. Tym samym,
jeeli liczba pomiarw N jest niewielka, naley wybiera relatywnie szerokie
przedziay; w miar jak N bdzie wzrasta, naley t szeroko zmniejsza.
k

119

5.2. Rozkady graniczne

W wikszoci przypadkw zwikszanie liczby pomiarw powoduje, e histo
gram przyjmuje pewien prosty, okrelony ksztat. Wida to wyranie na
rysunkach 5.3 i 5.4, ktre przedstawiaj wyniki 100 i 1000 pomiarw tej samej
A

0,4 0,3 _
0,2 -

0,1 22

23

24

25

26

27

28

Rysunek 5.3. Histogram przedstawiajcy wyniki 100 pomiarw wielkoci tej samej co na ry
sunku 5.2

wielkoci co na rysunku 5.2. Po stu pomiarach histogram przybra ksztat

pojedynczego, z grubsza symetrycznego piku. Dysponujc tysicem pomiarw
moglimy dwukrotnie zmniejszy szeroko przedziaw, dziki czemu histo
gram sta si do gadki i regularny. Trzy kolejne wykresy ilustruj wan
/i

22

23

24

25

26

27

28

R y s u n e k 5.4. Histogram przedstawiajcy wyniki 1000 pomiarw wielkoci tej samej co na

rysunku 5.3. Lini przerywan zaznaczono rozkad graniczny

wasno wikszoci pomiarw. W miar jak liczba wykonanych pomiarw

dy do nieskoczonoci, ich rozkad zblia si do pewnej okrelonej cigej
krzywej. Otrzymana w ten sposb ciga krzywa nosi nazw rozkadu granicz-

120

nego . Rozkad graniczny dla pomiarw przedstawionych na rysunkach od 5.2

do 5.4 przyjmuje posta symetrycznej i przypominajcej ksztatem dzwon
krzywej, ktr naoono na histogram - rysunek 5.4.
Naley podkreli, e rozkad graniczny jest konstrukcj, teoretyczn,
ktrej nie mona nigdy dokadnie wyznaczy. Im wicej pomiarw wykonuje
my, tym bardziej histogram zblia si do rozkadu granicznego. Ale tylko
wykonujc nieskoczenie wiele pomiarw i wybierajc nieskoczenie wskie
przedziay, moglibymy naprawd osign sam rozkad graniczny. Pomimo
to, istniej przekonujce dowody, e dla niemal wszystkich pomiarw istnieje
pewien rozkad graniczny, do ktrego histogramy zbliaj si coraz bardziej
wraz ze wzrostem liczby pomiarw.
Rozkad graniczny, taki jak gadka krzywa na rysunku 5.4, okrela funkcj,
ktr oznaczymy f(x). Znaczenie tej funkcji ilustruje rysunek 5.5. W miar jak
wykonujemy coraz wicej pomiarw pewnej wielkoci x, nasz histogram stanie

Rysunek 5.5. Rozkad graniczny f(x). a) Po wykonaniu wielu pomiarw, czsto w przedziale od
x do x + dx odpowiada powierzchni wskiego paska f(x) dx. b) Czsto pomiarw w przedziale
od x = a do x b odpowiada powierzchni zacieniowango obszaru

si w kocu nieodrnialny od granicznej krzywej f(x). Tym samym czsto

pomiarw w dowolnie maym przedziale od x do x + dx bdzie rwna
powierzchni f(x) dx paska zacieniowanego na rysunku 5.5a
f(x)dx

= czsto pomiarw w przedziale od x do x + dx.

(5.10)

Oglniej, czsto pomiarw w przedziale pomidzy dwiema dowolnymi war

tociami a i b, rwna jest polu powierzchni pod wykresem pomidzy x a
i x = b (rysunek 5.5b). Wspomniana powierzchnia rwna jest cace okrelonej
z funkcji f(x). Otrzymalimy wany wynik, ktry mwi, e
b

\f{x)dx

= czsto pomiarw w przedziale od x = a do x = b.

(5.11)

Rozkad graniczny jest take nazywany rozkadem asymptotycznym.

121

Niezmiernie wane jest zrozumienie sensu stwierdze zawartych we wzorach

(5.10) i (5.11). Obydwa podaj czsto pomiarw w pewnym przedziale po
wykonaniu bardzo duej liczby pomiarw. Innym, bardzo wygodnym sposobem
wyraenia tej. samej treci jest stwierdzenie, e f(x)dx wyraa prawdopodobiest
wo, e pojedynczy pomiar wielkoci x da wynik zawarty pomidzy x a x + dx,

f{x)dx

= prawdopodobiestwo, e wynik dowolnego

pomiaru
znajdzie si w przedziale od x do x + dx.

(5.12)

Podobnie caka j f(x)dx

informuje o prawdopodobiestwie uzyskania w do

wolnym pomiarze wyniku z przedziau od x = a do x = b. Doszlimy do

nastpujcego wanego wniosku: Jeeli znalibymy rozkad graniczny f(x) dla
pomiarw pewnej wielkoci x realizowanych przy uyciu okrelonych przy
rzdw, to znalibymy prawdopodobiestwo uzyskania wyniku w dowolnym
przedziale a ^ x ^ b.
Poniewa cakowite prawdopodobiestwo uzyskania wyniku o jakiejkol
wiek wartoci pomidzy o o i + o o jest rwne 1, rozkad graniczny f(x) musi
spenia warunek

+ =0

J f(x)dx

= 1.

analogi

warunku normalizacji sum (5.8),

Ta tosamo jest naturaln

Y k
F

t a

1 k

i?

funkcji f(x)

(5.13)

speniajcej (5.13) mwimy, e jest znor-

malizowana.
Czytelnik moe by zaskoczony granicami cakowania + o o w cace (5.13).
Nie oznacza to wcale, e spodziewamy si wynikw z caego zakresu od c o
do + o o . Wprost przeciwnie. W kadym rzeczywistym eksperymencie wyniki
rozkadaj si wewntrz pewnego, niewielkiego przedziau. N a przykad, wyni
ki wszystkich pomiarw na rysunku 5.4 le pomidzy X = 21 a x = 29. Nawet
po przeprowadzeniu nieskoczenie wielu pomiarw czsto wynikw poza
przedziaem od x = 21 do x = 29 bdzie w zupenoci zaniedbywalna. Innymi
1

122

sowy funkcja f(x) jest faktycznie rwna zeru na zewntrz wspomnianego

przedziau i nie ma znaczenia, czy we wzorze (5.13) bdziemy cakowa od
O O do + 0 0 czy te od 21 do 29. Poniewa z reguy nie wiemy, gdzie le
waciwe skoczone granice cakowania, wygodniej jest przyj je jako rw
ne +
Jeeli rozwaane pomiary zostay wykonane z du precyzj, to wszystkie
wyniki znajd si w pobliu wartoci rzeczywistej x; tak wic histogram i tym
samym rozkad graniczny bd tworzyy wski pik, tak jak krzywa narysowa
na lini cig na rysunku 5.6. Jeeli precyzja pomiarw jest niewielka, to
uzyskane wyniki s rozoone w szerokim zakresie, czemu odpowiada szeroka
i niska krzywa, jak ta narysowana lini przerywan na rysunku 5.6.
C O .

' I

R y s u n e k 5.6. Dwa przykadowe rozkady graniczne. Pierwszy odpowiada pomiarom o duej

dokadnoci, drugi pomiarom o maej dokadnoci

Rozkad graniczny f(x) pomiarw pewnej wielkoci x zrealizowanych

w okrelonym ukadzie pomiarowym mwi, w jaki sposb p o wielokrotnym
powtrzeniu pomiarw byyby rozoone wyniki. Tym samym, jeeli znaliby
my funkcj f{x), moglibymy obliczy redni x, ktra zostaaby uzyskana
w wyniku wielu pomiarw. Przekonalimy si ju, patrz rwnanie (5.7), e
rednia dowolnej liczby pomiarw jest sum po wszystkich rnych uzys
kanych wartociach wzitych z wagami okrelonymi przez czstoci pomiarw
x = ZF x .
k

(5.14)

W obecnym przypadku dysponujemy olbrzymi liczb pomiarw opisanych

przez rozkad f(x). Jeeli zakres wynikw podzielimy na niewielkie przedziay
x do x + dx , to czstoci wynikw w kadym z przedziaw bd rwne
k

123

F = f(x )dx ,
a w granicy, gdy wielko przedziaw dy do zera, rwnanie
(5.14) przyjmie posta
k

+ oo

x = j

xf(x)dx.

(5.15)

Pamitajmy, e podany wanie wzr wyraa oczekiwan warto redniej

x po wykonaniu nieskoczenie wielu pomiarw.
W podobny sposb moemy obliczy odchylenie standardowe a uzyskane
w wyniku duej liczby pomiarw. Poniewa interesuje nas granica N -* o o , nie
ma znaczenia, ktr z definicji a wykorzystamy, pierwotn - wyraon
rwnaniem (4.6) - czy ulepszon" ze wzoru (4.9), gdzie N zastpilimy przez
N L W kadym z przypadkw, przy ]V->GO, a jest redni kwadratw
odchyle (x x) . Wykorzystujc t sam argumentacj co w przypadku
wzoru (5.15), otrzymujemy dla duej liczby pomiarw
x

<j = |
x

(x-x) f(x)dx.

(5.16)

oo

5.3. Rozkad normalny

Rnym pomiarom odpowiadaj rne rozkady graniczne. Nie wszystkie
spord nich maj ksztat symetrycznej krzywej dzwonowej, o ktrej wspo
mnielimy w paragrafie 5.2. (Na przykad rozkad dwumianowy i rozkad
Poissona, ktrym powicimy rozdziay 1 0 i 1 1 , nie s zazwyczaj symetryczne.)
Pomimo to dla olbrzymiej grupy pomiarw opisem rozkadu granicznego jest
symetryczna krzywa dzwonowa. W rozdziale 1 0 udowodnimy, e w sytuacji
gdy wynik pomiaru jest naraony na wpyw wielu rde niewielkich i przypa
dkowych bdw, a bdy systematyczne s zaniedbywalne, uzyskiwane warto
ci bd ukada si na krzywej dzwonowej wyrodkowanej wok wartoci
prawdziwej zmiennej x, podobnie jak na rysunku 5.7. Do koca niniejszego
rozdziau ograniczymy nasze zainteresowania wycznie do pomiarw wyka
zujcych t wasno.
Jeeli w trakcie pomiarw istotn rol odgrywaj bdy systematyczne, nie
naley spodziewa si, e rozkad graniczny bdzie wyrodkowany wok

124

Rysunek 5.7. Rozkad graniczny odpowiadajcy pomiarom naraonym na wystpienie wielu

maych i przypadkowych zaburze. Rozkad przybra ksztat krzywej dzwonowej, wyrodkowanej
wok wartoci prawdziwej x

wartoci prawdziwej. Bdy przypadkowe z rwnym prawdopodobiestwem

zaniaj i zawyaj otrzymywane wartoci. Jeeli wszystkie bdy s przypad
kowe, to po wielu pomiarach powinnimy uzyska tyle samo wynikw poniej
jak i powyej wartoci prawdziwej i rozkad graniczny bdzie wyrodkowany
wok wartoci prawdziwej. Bdy systematyczne (takie jak rozcignita tama
miernicza lub pnicy si zegar) przesuwaj wszystkie mierzone wartoci
w jednym kierunku i powoduj, e rodek rozkadu oddala si od wartoci
prawdziwej. W tym rozdziale bdziemy zakada, e rozkad jest wyrod
kowany wok wartoci prawdziwej. Zaoenie to jest rwnowane stwier
dzeniu, e wszystkie bdy systematyczne zostay ograniczone do zaniedbywalnego poziomu.
Obecnie musimy powici troch czasu pytaniu, ktrego do tej pory
skrztnie unikalimy: Co to jest warto prawdziwa" wielkoci fizycznej? To
trudne pytanie, na ktre brak zadowalajcej, prostej odpowiedzi. Poniewa
oczywiste jest, e aden pomiar nie pozwala okreli wartoci prawdziwej
jakiejkolwiek zmiennej cigej (takiej jak dugo, czas itp.), nie jest wcale jasne,
czy taka warto istnieje. Pomimo to, wygodnie jest przyj, e kada wielko
fizyczna ma warto prawdziw i takie wanie zaoenie przyjmiemy.
Mona wyobraa sobie warto prawdziw pewnej wielkoci jako t
warto, do ktrej zbliamy si coraz bardziej, wykonujc coraz wicej pomia
rw z coraz wiksz dokadnoci. W takim obrazie warto prawdziwa"
stanowi idealizacj podobn do pozbawionego wymiarw matematycznego
punktu czy linii nie majcej szerokoci i tak jak kady z tych obiektw jest
pojciem niezwykle uytecznym. Czsto wartoci prawdziwe mierzonych wiel
koci x,y,... bdziemy oznacza przez odpowiadajce im wielkie litery X, Y,...
Jeeli pomiary wielkoci x s zalene od wielu drobnych bdw przypad
kowych, a bdy systematyczne s zaniedbywalne, to odpowiadajcy im roz
kad bdzie mia ksztat symetrycznej krzywej dzwonowej, wyrodkowanej
wok wielkoci prawdziwej X.

125

Funkcja matematyczna, ktra opisuje krzyw dzwonow nosi nazw funk

cji rozkadu normalnego lub funkcji Gaussa i ma posta
3

e~*

2/2<12

(5.17)

gdzie a jest ustalon wielkoci, ktr bdziemy nazywa szerokoci rozkadu.

Czytelnik powinien uwanie zapozna si z wasnociami tej funkcji.
Gdy x 0, funkcja Gaussa (5.17) przyjmuje warto jeden. Funkcja jest
symetryczna wzgldem x = 0, poniewa jej wartoci s identyczne dla x i x.
W miar jak x oddala si od zera w jednym z kierunkw, warto x /2a
wzrasta: szybciej, jeeli <r jest mae, i wolniej, jeeli a jest due. Tym samym
w miar oddalania si x od pocztku ukadu, warto funkcji (5.17) maleje do
zera. Typowy ksztat funkcji Gaussa (5.17) jest widoczny na rysunku 5.8.
Jednoczenie rysunek ten wyjania sens nazwy szeroko rozkadu" przypisa
nej parametrowi a, poniewa dzwon jest szerszy dla duych wartoci a i w
szy dla maych wartoci a.
2

1-^

maa warto a

\/

1
1
1

/ dua warto a

\ ^

\
s

R y s u n e k 5.8. Funkcja Gaussa (5.17) ma ksztat dzwonowy i jest wyrodkowana wok x = 0.

Krzywa jest szeroka, jeeli parametr a ma du warto, i wska, jeeli cr ma ma warto

Funkcja Gaussa (5.17) opisuje krzyw dzwonow wyrodkowan wo

k x = 0. Chcc uzyska krzyw wyrodkowan wzgldem dowolne
go punktu x = X, naley we wzorze (5.17) zastpi x przez x X. I tak
funkcja

ma maksimum w punkcie x X i maleje symetrycznie po obydwu stronach

x = X, co wida na rysunku 5.9.

Funkcja Gaussa jest niekiedy nazywana funkcj gaussowsk (lub krtko gaussem"),
normaln funkcj gstoci lub normaln funkcj bdu. Ostatnia z podanych nazw nie jest zbyt
szczliwa, poniewa jest ona take stosowana do caki z funkcji Gaussa (porwnaj paragraf 5.4).

126

x= X

R y s u n e k 5 . 9 . Funkcja Gaussa (5.18) ma ksztat dzwonowy i jest wyrodkowana wok x = X

Funkcja (5.18) nie daje wci ostatecznego opisu rozkadu granicznego,

gdy kady rozkad musi by znormalizowany, czyli spenia warunek

1 f(x)dx

(5.19)

= l.

Zmierzajc w tym kierunku, zapiszmy funkcj w postaci

f(x) =

Ne-^- > ^ .

(5.20)

(Mnoenie przez czynnik N nie powoduje zmiany ksztatu, ani nie przesuwa
maksimum z x = X). Warto wspczynnika normalizacji" musimy tak do
bra, by funkcja f(x) bya znormalizowana zgodnie z warunkiem (5.19).
Wymaga to wykonania kilku elementarnych przeksztace caek, ktre cz
ciowo opiszemy:
J f(x)dx

x X)2/2a

= J

Ne-( - >dx.

(5.21)

Chcc uproci cakowanie, wygodnie jest dokona zamiany zmiennych, przyj

mujc x X = y (w tym przypadku dx = dy). W ten sposb otrzymujemy
N J

-J> /2<T

dy.

(5.22)

Nastpnie dokonujemy podstawienia y/a = z (w tym przypadku dy = cdz), co

prowadzi do
Na J

e"

z 2 / 2

dz.

(5.23)

Caka, ktr otrzymalimy jest jedn ze standardowych caek spotykanych

w fizyce matematycznej. Mona j atwo obliczy, ale szczegy nie s dla nas

127

szczeglnie ksztacce; ograniczymy si wic do podania wyniku

+ GO

j e"

z 2 / 2

d z = ^2% .

(5.24)

00

Wstawiajc ten wynik do rwna (5.21) i (5.23), stwierdzamy, e

+ co

J f(x)dx

Nosili.

CO

Poniewa caka musi by rwna jednoci, dobieramy sta normalizacji N r

/

wn N l/(ffy 2n").
Dochodzimy do wniosku, e poprawnie znormalizowana funkcja opisujca
rozkad Gaussa (czyli rozkad normalny) dana jest wzorem

fj

x x)

= L -i*-xW.

(5.25)

=rS

a\/27t

Zauwamy, e wprowadzilimy indeksy X i a, ktre wskazuj na rodek

i szeroko rozkadu. Funkcja f , ( )
opisuje rozkad graniczny wynikw
pomiarw wielkoci x, ktrej warto prawdziwa jest rwna X, pod warun
kiem, e pomiary s naraone jedynie na wpyw bdw przypadkowych.
O dowolnych pomiarach, ktrych rozkadem granicznym jest funkcja Gaussa
(5.25), mwimy, e maj one rozkad normalny.
Zastanowimy si krtko nad znaczeniem szerokoci rozkadu a. Wiemy
ju, e maa warto a oznacza rozkad o ostrym maksimum, odpowiadajcy
pomiarom o duej dokadnoci; dua warto a daje rozkad o rozmytym
maksimum i oznacza ma dokadno pomiarw. N a rysunku 5.10 przed
stawilimy dwa przykady rozkadu Gaussa o rnych pooeniach rodka
X i szerokoci a. Warto zwrci uwag na rol wspczynnika a wystpujce
go w mianowniku wzoru (5.25), ktry zapewnia, e wszemu (mniejsze a)
rozkadowi towarzyszy automatycznie wiksza warto w maksimum, co
x

x a

Wyprowadzenie mona znale na przykad w podrczniku: Hugh D. Young Statistical

Treatment of Experimental Data (McGraw-Hill, 1962) Dodatek D. [Innym podrcznikiem, w kt
rym podano sposb obliczenia caki, jest: R.P. Feynman, R.B. Leighton, M. Sands Feynmana
wykady

128

z fizyki

(PWN,

1974), t. I, cz. 2, 40-4, s. 226) - przyp.

tum.']

: : zostaje w zgodzie z daniem, aby cakowite pole powierzchni pod krzyw

byo rwne 1.

R y s u n e k 5.10. Dwa przykady rozkadu normalnego (Gaussa)

W paragrafie 5.2 przekonalimy si, e znajomo rozkadu granicznego

rJJa pewnej serii pomiarw pozwala obliczy oczekiwan warto redniej x dla
aardzo duej liczby powtrze. Zgodnie ze wzorem (5.15) spodziewmy si, e
rednia dla dugiej serii pomiarowej jest rwna
+ CO

x =

j* x / ( x ) d x .

(5.26)

CO

Jeeli rozkadem granicznym jest rozkad Gaussa f , ( )

wyrodkowany
wok wartoci prawdziwej X, cak t potrafimy obliczy. Zanim przy
stpimy do rachunkw, zauwamy, e jest niemal oczywiste, e warto
rednia x dla duej liczby pomiarw bdzie rwna X, poniewa syme
tria funkcji Gaussa oznacza, e taka sama cz wynikw znajdzie si w tej
samej odlegoci powyej i poniej X. Tak wic rednia powinna by rw
na X.
Cak (5.26) w przypadku rozkadu Gaussa obliczamy nastpujco:
x a

+ 0O

* =

fx,o(x)dx

00

i
= - =

<Ty/2ll

+00
J xe- *-* /
(

)2

(5.27)
2ff2

dx.

-00

Dokonujc zamiany zmiennych y = x X, otrzymujemy

x = y + X. Caka (5.27) rozpada si wic na dwa skadniki

dx = dy

oraz

129

f 00

+ 00
2a2

-^ dy

+ X J e-^

ye

- co

co

\
/2ff2

dj;).

(5.28)
/

Pierwsza z caek jest rwna zeru, poniewa przyczynek od dowolnego punktu

y znosi si z przyczynkiem pochodzcym od punktu y. Druga z caek to po
prostu caka normalizacji, ktr spotkalimy ju we wzorze (5.22) i ktrej
warto wynosi G^/IJK. Uwzgldniajc czynnik O ^ / I K obecny w mianowniku,
otrzymujemy odpowied zgodn z wczeniejszymi przewidywaniami, e dla
duej liczby pomiarw
x = X.

(5.29)
t o

Innymi sowy, jeeli wyniki pomiarw podlegaj rozkadowi Gaussa f {x),

warto przecitna obliczona na podstawie bardzo dugiej serii pomiarw jest
rwna wartoci prawdziwej, wok ktrej funkcja Gaussa jest wyrodkowana.
Wynik zapisany w rwnaniu (5.29) byby zupenie cisy jedynie wtedy, gdy
pomiar zostaby powtrzony nieskoczenie wiele razy. Praktyczna korzy
wynikajca z otrzymanego rezultatu polega na stwierdzeniu, e w wyniku
duej (chocia skoczonej) liczby powtrze uzyskana rednia bdzie bliska X.
Inn interesujc wielkoci, ktr warto obliczy, jest odchylenie standar
dowe a dla dugiej serii pomiarw. Zgodnie z definicj (5.16) jest ono dane
wzorem
Xt

+ C0
2

a = J (x-x) f Jx)dx.
2

(5.30i

- CO

Cak t mona atwo obliczy. Zastpujemy x przez X, dokonujemy pod

stawie x X = y oraz y/a = z i na koniec cakujemy przez czci uzyskujc
wynik (patrz zadanie 5.6)
2

al = a ,

(5.31

wany dla duej liczby pomiarw. Innymi sowy, szeroko a funkcji Gauss;
J
dokadnie rwna odchyleniu standardowemu, ktre otrzymujem;
powtarzajc wielokrotnie pomiar. Stanowi to oczywicie przyczyn wykorzys
tania litery a do oznaczenia szerokoci rozkadu i wyjania, dlaczego a jes
czsto nazywana odchyleniem standardowym rozkadu Gaussa
f ,A )nake, cile mwic, a jest wartoci odchylenia standardowego, ktr<
spodziewalibymy si dla nieskoczenie wielu pomiarw. Jeeli pomiar x pc
wtarzamy skoczon liczb razy (powiedzmy 1 0 lub 20), to odchylenie stai
dardowe, jakie obserwujemy, powinno by jedynie w przyblieniu rwne
i nie ma powodw sdzi, e bdzie ono dokadnie rwne a. W paragrafie 5
x

fx,A )

E S T

130

zastanowimy si, co mona powiedzie na temat redniej i odchylenia standar

dowego w przypadku realnej, skoczonej liczby pomiarw.

5.4. Odchylenie standardowe

jako granica przedziau 68-procentowej ufnoci
Rozkad graniczny f(x) pomiarw pewnej wielkoci x zawiera informacj
o prawdopodobiestwie uzyskania dowolnej okrelonej wartoci x. W szcze
glnoci caka
}f(x)dx
a

wyraa prawdopodobiestwo, e wynik pojedynczego pomiaru ley w prze

dziale a ^ x < b. Jeeli rozkadem granicznym jest funkcja Gaussa f , (x),
to
warto odpowiedniej caki potrafimy obliczy. W szczeglnoci, moemy
: becnie znale prawdopodobiestwo (o ktrym mwilimy w rozdziale 4), e
wynik pojedynczego pomiaru ley w promieniu jednego standardowego od
pylenia o od wartoci prawdziwej X. To prawdopodobiestwo jest rwne
x a

X + o-

P(w promieniu <r) =

J f (x)dx

(5.32)

Xa

= ^=/jV<*-*> /
2

2<r2

d;c.

(5.33)

Tika ta jest zaznaczona na rysunku 5.11. Mona j uproci w znany nam ju

sposb, wprowadzajc podstawienie (x X)/a = z, ktre pociga za sob

X-c

X+cr

:unek 5.11. Zacieniowany obszar, ktrego granice znajduj si w Xa, wyraa prawdopodoaenstwo otrzymania wyniku pomiaru w promieniu jednego odchylenia standardowego od
wartoci prawdziwej X

131

dx = adz oraz zmian granic cakowania do z = + 1 . Caka przyjmuje wic

posta
1
+ i
P(w promieniu er) = -== ) e
y/ln
-1

z 2 / 2

dz.

(5.34)

Zanim zbadamy wasnoci caki (5.34), podkrelimy tylko, e rwnie dob

rze moglibymy szuka prawdopodobiestwa uzyskania wyniku w promieniu
2a lub l,5er od X. Mwic oglnie, moglibymy obliczy P (w promieniu ter),
co oznacza prawdopodobiestwo uzyskania wyniku w promieniu ta od X",
gdzie t jest dowoln dodatni liczb. Takie prawdopodobiestwo jest rwne
polu zaznaczonemu na rysunku 5.12, a obliczenia identyczne jak w przypadku
(5.34) prowadz do caki (porwnaj zadanie 5.7)

Rysunek 5.12. Zacieniowany obszar, ktrego granice znajduj si w Xta, wyraa prawdopodo
biestwo uzyskania pomiaru z wynikiem w promieniu t odchyle standardowych od wartoci
prawdziwej X

P(w promieniu ta) = j = | e

y/In
-

z 2 / 2

dz.

(5.35)

Caka (5.35) jest jedn ze standardowych caek fizyki matematycznej i jest

czsto nazywana funkcj bdu, i oznaczana jako erf(f), lub te normaln cak
bdu. Nie mona obliczy jej analitycznie, ale warto mona atwo znale
korzystajc z kalkulatora. Jej wykres w zalenoci od zmiennej t wraz z poda
nymi kilkoma wartociami zawiera rysunek 5.13. Tabel wartoci funkcji bdu
mona znale w dodatku A, znajdujcym si na kocu ksiki. (Patrz take
dodatek B, ktry dotyczy innych, ale cile z ni zwizanych caek.)
Korzystajc z rysunku 5.13, moemy przekona si, e prawdopodobiest
wo uzyskania wyniku w promieniu jednego odchylenia standardowego od
wartoci prawdziwej wynosi 68 procent, tak jak podalimy w rozdziale 4 (w
ktrym okrelono je jako bliskie 70 procent"). Jeeli podamy odchylenie
standardowe jako niepewno pomiarow (tj. napiszemy x = x 5 x , przyjn p

132

99,7%

100%

99,9%

V
1
1
1
/

95,4%

1
1

f\

'

i
i
1
1

0,674

0,25

p [%]

20

1
1
i
l

i
2

0,5 0,75

1,0

1,25

1,5

1,75

38

68

79

87

92

55

2,0

4 (

2,5

3,0

3,5

4,0

95,4 98,8 99,7 99,95 99,99

Rysunek 5.13. Prawdopodobiestwo P(w promieniu ta), e pomiar wielkoci x da wynik

promieniu t odchyle standardowych od wartoci prawdziwej X. Funkcja ta jest najczciej
nazywana

funkcj

bdu erf(t) lub normaln

cak

bdu

~ujc 5x = a), moemy by w 68 procentach przekonani, e znajdujemy si

w promieniu a od prawdziwego wyniku.
Z rysunku 5.13 wynika te, e prawdopodobiestwo P (w promieniu ta)
szybko zblia si do 100 procent ze wzrostem t. Prawdopodobiestwo, e
wynik pomiaru znajdzie si w promieniu 2a jest rwne 95,4 procent; od
powiednia warto dla 3a wynosi 99,7 procent. Inaczej mona wyrazi to tak:
prawdopodobiestwo uzyskania wyniku na zewntrz otoczenia wartoci praw
dziwej o promieniu jednego odchylenia standardowego jest znaczce (32
procent), na zewntrz otoczenia o promieniu 2cr jest ju znacznie mniejsze (4,6
procent), a otrzymanie wyniku na zewntrz otoczenia o promieniu 3a jest ju
bardzo mao prawdopodobne (0,3 procent).
Nie ma oczywicie nic szczeglnego w liczbie 68 procent; przypadkowo
wyraa ona wiarygodno zwizan z odchyleniem standardowym a. Wielko
ci alternatywn do odchylenia standardowego jest tak zwany bd praw
dopodobny B.P., zdefiniowany jako odlego, dla ktrej prawdopodobiestwo
otrzymania wyniku w granicach X + B.P. wynosi 50 procent. N a podstawie
rysunku 5.13 mona si przekona, e (dla pomiarw opisywanych rozkadem
normalnym) bd prawdopodobny wynosi
B.P. w 0,67o\

133

Niektrzy eksperymentatorzy jako miar swoich niepewnoci pomiarowych

podaj bd prawdopodobny. Pomimo to, odchylenie standardowe a, dziki
swoim prostym wasnociom, jest najczciej uywan miar niepewnoci.

5.5. Uzasadnienie wyboru redniej

jako najlepszego przyblienia
W poprzednich trzech paragrafach zajmowalimy si rozkadem granicznym
f(x), czyli takim rozkadem, ktry byby rezultatem nieskoczonie wielu
pomiarw wielkoci x. Znajc f(x) potrafilibymy obliczy redni x oraz
odchylenie standardowe a dla nieskoczenie dugiej serii pomiarw i (przynaj
mniej w przypadku rozkadu normalnego) poznalibymy warto prawdziw
X. Niestety, nigdy nie znamy rozkadu granicznego. W praktyce dysponujemy
pewnym skoczonym zbiorem zmierzonych wartoci (liczy on 5, 10, a by
moe 50 elementw),
X, X

, , Xjy,

a naszym zadaniem jest znalezienie najlepszych przyblie dla X i a na

podstawie tych N zmierzonych wartoci.
Jeeli wyniki pomiarw podlegayby rozkadowi normalnemu f , ( )
i
"
libymy wartoci parametrw X i a, moglibymy obliczy prawdopodobiest
wa uzyskania wartoci x ,x ,...,x
ktre faktycznie otrzymalimy. Prawdo
podobiestwo otrzymania wyniku w pobliu x , mieszczcego si w maym
przedziale d x jest rwne
x

z n a

x a

1 ;

P(x w przedziale od x do x +dx )

1

( x

= ^-=Q~ ^

W praktyce nie interesuje nas wielko przedziau d x

stosujemy wic zapis skrcony
( x

P(x )oc-e- 'a

1

X ) 2 / 2 f f 2

X ) 2 l 2

, 2

' dx .
i

(ani czynnik

(5.36)

y/2n);

(5.37)

Bdziemy si powoywa na wzr (5.37), mwic o prawdopodobiestwie

uzyskania wartoci x , chocia - wyraajc si cile - jest to prawdopodo
biestwo otrzymania wyniku w maym przedziale w pobliu x jak zapisali
my to w rwnaniu (5.36).
x

l 5

134

Prawdopodobiestwo uzyskania kolejnego wyniku x jest rwne

2

P(x )oc-e- ^-*

) 2 / 2 f f

(5.38)

: podobnie dla wszystkich pozostaych prawdopodobiestw koczc na

P{x )oc
N

e^-*> /

2ff2

(5.39)

Rwnania (5.37)(5.39) informuj o prawdopodobiestwie uzyskania kadego

z wynikw x ,x ,...,x ,
obliczonym przy zaoeniu, e rozkadem granicznym
jest f , ( )Prawdopodobiestwo, e otrzymamy cay zbir N wartoci jest
iloczynem poszczeglnych prawdopodobiestw ,
1

x a

x , A

1 ' - '

n )

p x

( i)-P( 2)---P( n)>

czyli
x

P J
x

,...,x )^j^c-^- ^\

(5.40)

Du wag ma zrozumienie znaczenia rnych wielkoci wystpujcych we

wzorze (5.40). Wartoci x ,x ,...,x
s rzeczywistymi wynikami N pomiarw;
tak wic x ,x ,...,x
s to znane, ustalone liczby. Wielko P
{x ,...,x )
jest prawdopodobiestwem uzyskania N wynikw x ,x ,...,x ,
obliczonym
przy zaoeniu pewnych wartoci X i er, wartoci prawdziwej x i szerokoci
rozkadu. Liczby X i er nie s znane; chcemy znale najbardziej wiarygodne
wartoci X i er, opierajc si na znanych wynikach pomiarw
x ,x ,...,x .
Prawdopodobiestwo (5.40) wyposaylimy w indeksy X i a, , chcc podkre
li, e jego warto zaley od (nieznanych) parametrw X i a.
x

Poniewa rzeczywiste wartoci X i er nie s znane, moglibymy wyobrazi

sobie, e zgadujemy wartoci X' oraz er' i korzystamy z nich obliczajc
prawdopodobiestwo P - (x ,...,x ).
Jeeli z kolei odgadlibymy nowe licz
by X" oraz er" i stwierdzili, e odpowiadajca im warto prawdopodobiestX

Korzystamy ze znanej reguy, ktra mwi, e prawdopodobiestwo wystpienia kilku

niezalenych zdarze jest okrelone przez iloczyn poszczeglnych prawdopodobiestw. N a przy

kad, prawdopodobiestwo otrzymania ora" przy rzucie monet wynosi , a prawdopodobie
stwo wyrzucenia szstki" w rzucie kostk do gry jest rwne . Tym samym prawdopodobiestwo
otrzymania w rzucie ora" i szstki" wynosi

135

wa P " (x ,...,x )
jest wiksza ni obliczona poprzednio, to w naturalny
sposb przyjlibymy, e X" i a" s lepszym przyblieniem X i er. Postpujc
w ten sposb, moglibymy prowadzi polowanie na takie liczby X i <x, ktre
zapewniayby jak najwiksz warto P (x ,...,x ),
i przyj ich wartoci
jako najlepsze przyblienia dla X i a.
Zaproponowan procedur szukania najlepszych przyblie X i a statys
tycy nazywaj zasad najwikszego prawdopodobiestwa. Mona j streci
nastpujco.
Znajc N zmierzonych wartoci x ,x ,...,x ,
za najlepsze przy6/izenia
X i er przyjmiemy te liczby, ktre dadz najwiksze prawdopodobiestwo
otrzymania x ,x ,...,x .
To znaczy, najlepszymi przyblieniami dla X i o s
liczby, ktre zapewniaj najwiksz warto prawdopodobiestwa danego
w tym przypadku wzorem
x

Xa

P , {x...,x )o:^z-^-x^\
x a

(5.41)

Posugujc si t zasad mona z atwoci znale najlepsze przyblienie

wartoci prawdziwej X. Jest oczywiste, e prawdopodobiestwo (5.41) osiga
maksimum wtedy, gdy wykadnik jest najmniejszy. Tak wic najbardziej wiary
godnym oszacowaniem X jest taka warto X, dla ktrej
2

(xt-X) /o

(5.42)

i= 1

ma warto minimaln. Chcc znale minimum, obliczamy pochodn wzgl

dem X, a nastpnie przyrwnujemy j do zera i otrzymujemy
(x-X)

= 0,

i=l

czyli
X = =jj'

(najlepsze przyblienie).

(5.43)

Oznacza to, e najlepszym przyblieniem wartoci prawdziwej X jest rednia

z N pomiarw, x = 'x /N, wynik, ktry bez dowodu przyjmowalimy za
prawdziwy poczwszy od rozdziau 1.
Znalezienia najlepszego przyblienia dla szerokoci rozkadu granicznego
a jest zadaniem nieco trudniejszym, poniewa prawdopodobiestwo (5.41) jest
bardziej zoon funkcj a. Musimy obliczy pochodn (5.41) wzgldem a
i

136

i przyrwna j do zera. (Szczegowe rachunki pozostawiamy Czytelnikowi;

patrz zadanie 5.10.) W ten sposb otrzymujemy warto a, ktra zapewnia
maksimum prawdopodobiestwa (5.41) i jest najlepszym przyblieniem a

a =

/ ( i X)

(najlepsze przyblienie).

(5.44)

i= i

Warto prawdziwa X jest nieznana. Tak wic w praktyce jestemy zmuszeni

zastpi warto prawdziw X ze wzoru (5.44) jej najlepszym przyblieniem
czyli redni x. Prowadzi to do wyraenia

(5.45)

Mwic inaczej, naszym najlepszym przyblieniem szerokoci rozkadu grani::nego a jest odchylenie standardowe dla N zmierzonych wartoci
x ,x ,...,x ,
tak jak zdefiniowalimy we wzorze (4.6).
Czytelnik moe si dziwi, dlaczego wynik (5.45) jest identyczny z pierwo:r. definicj odchylenia standardowego (4.6) z mianownikiem N, a nie z definir ..poprawion", w ktrej mianownik jest rwny N l. W rzeczywistoci
rrzechodzc od najlepszego przyblienia (5.44) do wyraenia (5.45) pominli
my pewien istotny szczeg. Najlepsze przyblienie (5.44) zawiera warto
rrawdziw X, podczas gdy w (5.45) zastpilimy X przez x (nasze najlepsze
rrzyblienie dla X). Obydwie te liczby nie s sobie na og rwne i mona
o si przekona, e warto wyraenia (5.45) jest zawsze mniejsza lub co
-i;wyej rwna wartoci (5.44) . Tym samym, przechodzc od (5.44) do (5.45),
- -. doszacowalimy szerokoci a. Oszacowanie rnicy, o ktr (5.45) jest
~-.iejsze od (5.44), jest cakiem proste, ale nie bdziemy si teraz tym a
rn :wa. W wyniku otrzymalibymy, e najlepszym przyblieniem a nie jest
wyraenie (5.45), ale jego iloczyn przez czynnik rwny okoo
.V 1). Ostateczny wniosek mwi, e najlepszym przyblieniem szeroko. - jest poprawione" odchylenie standardowe zmierzonych wartoci
t

(najlepsze przyblienie).

(5.46)

Jeeli spojrzymy na (5.44) jak na funkcj zmiennej X, zauwaymy, e (jak niedawno

.". ismy) jej minimum wystpuje w punkcie x = X. Tym samym (5.45) jest zawsze mniejsze
tur : : * n e (5.44).

137

Nadszed chyba waciwy moment, aby zatrzyma si na chwil i przyjrze

do skomplikowanej konstrukcji, ktr do tej pory wznielimy. Po pierwsze,
jeeli pomiary wielkoci x s naraone na wystpowanie jedynie bdw
przypadkowych, to ich rozkad graniczny powinien by opisany przez funkcj
Gaussa f , (x),
wyrodkowan wok wartoci prawdziwej X i majc szero
ko a. Szeroko a okrela granice przedziau 68-procentowej ufnoci, co
znaczy, e istnieje 68-procentowe prawdopodobiestwo otrzymania wyniku
pomiaru w odlegoci nie wikszej ni a od wartoci prawdziwej X. W prak
tyce zarwno X jak i a nie s znane. Zamiast tego dysponujemy zbiorem
N zmierzonych wartoci x ,x ,...,x ,
gdzie N jest ograniczone jedynie przez
czas i cierpliwo eksperymentatora. Opierajc si na N posiadanych wyni
kach pomiarw, moemy znale najlepsze przyblienie wartoci prawdziwej
X, ktrym - jak wykazalimy - jest rednia x xJN oraz najlepsze
przyblienie szerokoci a, ktrym jest odchylenie standardowe a pomiarw
x ,x ,...,x
zdefiniowane we wzorze (5.46). W paragrafie 5.7 zastanowimy si
nad kwesti wiarygodnoci redniej x jako najlepszego oszacowania X; w po
dobny sposb moglibymy rozwaa wiarygodno a jako najlepszego osza
cowania <7, ale nie bdziemy si tym zajmowa.
x a

Wszystkie wyniki z ostatnich dwch paragrafw opieraj si na za

oeniu, e nasze pomiary podlegaj rozkadowi normalnemu . Chocia
jest to rozsdne zaoenie, to jednak w praktyce trudno je sprawdzi,
a w niektrych przypadkach moe okaza si nie cakiem prawdziwe. Pa
mitajc o tym, powinnimy podkreli, e nawet wtedy, gdy rozkad pomia
rw nie jest rozkadem normalnym, prawie zawsze jest on w przyblieniu
rozkadem normalnym i mona bezpiecznie korzysta z wynikw przedsta
wionych w niniejszym rozdziale, uwaajc je przynajmniej za dobre przy
blienia.
7

5.6. Uzasadnienie reguy

kwadratowego przenoszenia bdw
Nadszed czas, aby powrci do zagadnienia, ktre poruszylimy w rozdziale 3,
jakim jest przenoszenie bdw. Stwierdzilimy wwczas, pomijajc formalny
dowd, e w przypadku gdy bdy s przypadkowe i wzajemnie niezalene,
mona je dodawa w kwadratach, opierajc si na pewnych standardowych
zasadach, podanych dla szczeglnych przypadkw w rwnaniach (3.16) i (3.18)

138

A take, e bdy systematyczne zostay zredukowane do zaniedbywalnego poziomu.

oraz w formie oglnej w (3.47). Jestemy obecnie przygotowani do udowod

nienia reguy kwadratowego przenoszenia bdw.
Problem przenoszenia bdw pojawia si, gdy mierzymy jedn lub kilka
wielkoci x,...,z, wszystkie obarczone niepewnociami, a nastpnie korzystamy
ze zmierzonych wartoci obliczajc pewn wielko q(x, ...,z). Podstawowym
zagadnieniem jest okrelenie niepewnoci zwizanej z obliczon wartoci q.
Jeeli wielkoci x,...,z
s obarczone jedynie bdami przypadkowymi, to
podlegaj rozkadom normalnym z szerokociami a ,...,a ,
ktre przyjmuje
my jako niepewnoci zwizane z pojedynczymi pomiarami odpowiednich
wielkoci. Pytanie, na ktre mamy udzieli odpowiedzi, brzmi nastpujco: Co
mona powiedzie o rozkadzie wartoci q, jeeli znane s rozkady dla x,...,z?
A w szczeglnoci, jaka bdzie szeroko rozkadu wartoci q?
8

Suma zmierzonej wielkoci i staej

Zacznijmy od rozwaenia dwch bardzo prostych przypadkw szczeglnych.
Na pocztek wyobramy sobie, e wykonalimy pomiary pewnej wielkoci x,
a nastpnie chcemy obliczy wielko
q = x + A,

(5.47)

gdzie A jest pewn sta pozbawion niepewnoci (na przykad A = 1 lub rc).
Zamy, e pomiary x podlegaj rozkadowi normalnemu wok wartoci

(zmierzone)

= x + A
1

(obliczone)

Rysunek 5.14. Jeeli zmierzone wartoci x podlegaj rozkadowi normalnemu ze rodkiem

w x = X i szerokoci <r , to obliczone wartoci = x + A (gdzie A jest znan sta) bd podlega
rozkadowi normalnemu ze rodkiem w q = X + A i t sam szerokoci a
x

W przypadku gdy zajmujemy si rnymi mierzonymi wielkociami x,...,z,

korzystamy
z indeksw x , . . . , z w celu rozrnienia szerokoci odpowiadajcych im rozkadw granicznych.
I tak a oznacza szeroko rozkadu Gaussa f , (x)
opisujcego pomiary x itd.
x

139

prawdziwej X z szerokoci a , tak jak na rysunku 5.14a. Prawdopodobiest

wo uzyskania dowolnej wartoci x (w maym przedziale dx) jest rwne
f Jx)dx,
czyli
x

Xi

2CT

(prawdopodobiestwo uzyskania wartoci x) cc -(*-x) / *.

(5.48)

Naszym zadaniem jest okrelenie prawdopodobiestwa uzyskania dowolnej

wartoci q zdefiniowanej w rwnaniu (5.47). Z rwnania (5.47) wynika wprost,
e x = q A i tym samym
(prawdopodobiestwo uzyskania wartoci q) = (prawdopodobiestwo uzyska
nia x = q A).
Drugie z prawdopodobiestw dane jest wzorem (5.48), a wic
(prawdopodobiestwo uzyskania wartoci q)

cc

e-K?-- )-^] / ^

= -[-(x+^)] /2o2

(5.49)
Wynik (5.49) dowodzi, e rozkad obliczonych wartoci q jest rozkadem
normalnym wyrodkowanym wok wartoci X + A, ktrego szeroko jest rw
na a , tak jak przedstawia to wykres 5.14b. W szczeglnoci niepewno q ma t
sam warto (rwn a ) co niepewno x zgodnie z przewidywaniami regu
(3.16).
x

Iloczyn zmierzonej wielkoci i staej

Wemy teraz inny prosty przykad. Zamy, e przeprowadzilimy pomiar
wielkoci x, a nastpnie obliczamy wielko
q = Bx,
gdzie B jest pewn sta (jak na przykad B = 2 lub B = n). Jeeli pomiary
x opisane s przez rozkad normalny, to rozumujc dokadnie tak samo jak
w poprzednim przypadku stwierdzamy, e
(prawdopodobiestwo uzyskania wartoci q) cc (prawdopodobiestwo uzyskania
x = q/B)
9

ocexp

-(^-xJJ2a
2

x
2

= exp[-(q-5X) /2B o- ].
9

(5.50)

Obecnie skorzystalimy z innego oznaczenia exp(z) funkcji wykadniczej, exp(z) = e . W sytuacji

gdy wykadnik z staje si bardziej zoony, zapis exp" jest wygodniejszy.

140

/N

s z e r o k o a~

BX

q=Bx

Rysunek 5.15. Jeeli zmierzone wartoci x podlegaj rozkadowi normalnemu ze rodkiem

w x = X i szerokoci a , to obliczone wartoci = Bx (gdzie B jest znan sta) bd podlega
rozkadowi normalnemu ze rodkiem w BX i szerokoci Ba
x

Innymi sowy wartoci q = Bx s opisane rozkadem normalnym wyrod

kowanym wok q = Bx i z szerokoci Ba , zgodnie z rysunkiem 5.15.
W szczeglnoci niepewno q = Bx rni si B razy od niepewnoci x,
zgodnie z przewidywaniami regu (3.18).
x

Suma dwch zmierzonych wielkoci

Jako pierwszy nietrywialny przykad przenoszenia bdw rozpatrzymy sum
x+y dwch niezalenych, mierzonych wielkoci x i y. Zaoymy, e pomiary
x i y podlegaj rozkadom normalnym wok wartoci prawdziwych X i Y, ich
szerokoci s odpowiednio rwne a i a , tak jak na rysunkach 5.16
x

X+

x + y

Rysunek 5.16. Jeeli pomiary x i y s wzajemnie niezalene i podlegaj rozkadom normalnym ze

irodkami w X oraz F i szerokociami o oraz a , to obliczone wartoci x + y bd podlega
rozkadowi normalnemu ze rodkiem w X+ 7 i szerokoci yjal + a*
x

141

drugiego ze skadnikw po prawej stronie rwnania (5.54), gdy nie jest on dla
nas interesujcy.
Jeeli podstawimy (5.55) do (5.53), zastpujc jednoczenie A przez a oraz
B przez er , otrzymamy
2

(x+y)
2{ol + o )

P{x,y) cc exp

(5.56)

Wzr ten wyraa w rwnym stopniu prawdopodobiestwo uzyskania dowol

nych wartoci x i y, jak i dowolnych wartoci x + y oraz z. Moemy wic
przepisa (5.56) w postaci
"

P{x + y,z) oc exp

(x+y)

exp

2(0 + 0 y).
2

z'
2_

(5.57)

Na koniec, chcielibymy pozna prawdopodobiestwo uzyskania pewnej

wartoci x + y niezalenie od wartoci z. Moemy to osign sumujc, a raczej
cakujc (5.57) po wszystkich moliwych wartociach z, tj.
P(x + y) =

| P(x + y,z)dz.

(5.58)

Cakujc wystpujcy w (5.57) czynnik exp( z /2), otrzymamy ~J2% i przeko

namy si, e
2

P(x + y) cc exp

(x+y)
2( - + - ) .
2

(5.59)

To dowodzi, e wartoci x + y podlegaj rozkadowi normalnemu z szeroko-

'al + al , jak przewidywalimy.

Nasz dowd jest peny, o ile wartoci prawdziwe x i y s rwne zeru,
X = 7 = 0 . Jeeli X i Y s rne od zera, moemy postpi tak: Po pierwsze,
zapiszmy
sci

x + y = (x-X)

+ (y-Y)

(X+Y).

(5.60)

Pierwsze dwa skadniki s wyrodkowane wok zera, a ich szerokoci wyno

sz a i a zgodnie z (5.49). Suma dwch pierwszych skadnikw podlega wic
rozkadowi normalnemu o szerokoci y/al + af. Trzeci czon w rwnaniu
(5.60) jest liczb sta. Zatem, na mocy (5.49), przesuwa on rodek rozkadu do
(X+ Y), nie zmieniajc przy tym jego szerokoci. Innymi sowy wartoci (x + y)
zapisane tak jak w rwnoci (5.60) podlegaj rozkadowi normalnemu wok
(X+ Y) z szerokoci Jo\ + u . Jest to wynik, do ktrego dylimy.
x

143

Przypadek oglny
Udowodniwszy regu przenoszenia bdw dla sumy x + y, zaskakujco atwo
damy sobie rad z przypadkiem oglnym. Zamy, e mierzymy dwie wzaje
mnie niezalene wielkoci x i y podlegajce rozkadowi normalnemu, a nastp
nie obliczamy pewn wielko q(x,y), ktra jest funkcj x i y. Rozkad
wartoci q(x,y) mona znale bez trudu, korzystajc z uzyskanych wczeniej
wynikw.
Po pierwsze, szerokoci a i o (niepewnoci x i y) musz by niewielkie.
Oznacza to, e bd nas interesowa wartoci x bliskie X, wartoci y bliskie
Yoraz, e bdziemy mogli skorzysta z przyblienia (3.42) i zapisa
x

q(x,y) * q(X, Y)+(^^(x-X)+(^J^(y-

Y).

(5.61)

Przyblienie to jest uzasadnione, poniewa ze znaczc czstoci wystpuj

tylko te wartoci x i y, ktre s bliskie X i Y. Obydwie pochodne czstkowe
wystpuj z indeksami X, Y, ktre maj podkreli, e obliczono je w punkcie
X, Yi s liczbami staymi.
Przyblienie (5.61) pozwala wyrazi wielko q(x,y) w postaci sumy
trzech skadnikw. Pierwszy czon q{X, Y) jest liczb sta; jego rola ograni
cza si do przesunicia obliczanego rozkadu. Drugi czon jest iloczynem
staej dq/dx przez czynnik (x X), ktrego rozkad ma szeroko cr ; rozkad
wartoci drugiego z czonw jest wyrodkowany wok zera, a jego szeroko
wynosi
x

dq
dx

Cv

Podobnie rozkad wartoci trzeciego z czonw jest wyrodkowany wok

zera, a jego szeroko rozkadu wynosi
8q
dyj

'

Zbierajc wszystkie trzy czony i korzystajc z wczeniej ustalonych regu,

dochodzimy do wniosku, e wartoci q(x,y) podlegaj rozkadowi normal
nemu wok wartoci prawdziwej q(X, Y) z szerokoci dan przez

dx

144

\ 8y

Jeeli uznamy odchylenia standardowe a i a za niepewnoci x i y, to

wyraenie (5.62) stanie si identyczne z regu (3.47) przenoszenia bdw
przypadkowych dla funkcji dwch zmiennych q(x,y). Jeeli wielko q jest
zalena od kilku zmiennych q(x,y,...,z),
to przedstawion przed chwil ar
gumentacj mona z atwoci uoglni na przypadek funkcji wielu zmiennych
tak jak we wzorze (3.47). Poniewa wszystkie reguy (zwizane z przenosze
niem niepewnoci przypadkowych) wynikaj ze wzoru (3.47), mona uzna je
za udowodnione.
x

5.7. Odchylenie standardowe redniej

Musimy jeszcze udowodni jedno z wanych, podanych w rozdziale 4 stwier
dze. Dotyczy ono odchylenia standardowego redniej c . Wykazalimy ju (w
paragrafie 5.5), e w przypadku gdy wykonujemy N pomiarw
x ...,x
wielkoci x (podlegajcej rozkadowi normalnemu), najlepszym przyblieniem
wartoci prawdziwej X jest rednia
W rozdziale 4 stwierdzilimy,
e niepewno zwizana z tym przyblieniem jest rwna odchyleniu standar
dowemu redniej
x

i;

% = oJy/N

(5.63)

Jestemy ju gotowi, aby to udowodni. Dowd jest na tyle krtki, e trzeba

go ledzi z najwysz uwag.
Przyjlimy, e wyniki pomiarw x s opisane przez rozkad normalny
z wartoci prawdziw X i szerokoci a . Chcielibymy teraz okreli wiary
godno redniej N pomiarw. W tym celu wyobraamy sobie, e wielokrotnie
powtarzamy seri N pomiarw, to znaczy e przeprowadzamy cay cig
dowiadcze, z ktrych kade polega na wykonaniu N pomiarw, i obliczeniu
na ich podstawie redniej. Chcemy znale rozkad, ktremu podlega zbir
otrzymanych wartoci redniej N pomiarw. Okazuje si, e nie jest to trudne.
W kadym z eksperymentw mierzymy N wielkoci x ,...,x ,
a nastpnie
obliczamy warto funkcji
x

x =

(5.64)

Obliczona wielko x jest prost funkcj zmierzonych wielkoci x ,...,x ,

tak
wic mona atwo znale rozkad wartoci x, korzystajc z regu przenoszenia
bdw. Jedyn niezwyk cech funkcji (5.64) jest to, e wszystkie pomiary
1

145

x ,...,x
s pomiarami tej samej wielkoci z t sam wartoci prawdziw
X i t sam szerokoci a .
1

Zauwamy najpierw, e kada, ze mierzonych wielkoci x ,...,x

podlega
rozkadowi normalnemu, a wic tak samo jest w przypadku funkcji x danej
wzorem (5.64). Po drugie, warto prawdziwa kadej z wielkoci x ,...,x
jest
rwna X; tak wic warto prawdziwa funkcji x zdefiniowanej wzorem (5.64)
jest rwna
1

X+

...

+X

X.

Pokazalimy, e rozkad wartoci rednich x obliczonych na podstawie N po

miarw w kadym z wielu wykonanych eksperymentw bdzie rozkadem
normalnym z wartoci prawdziw X. Jedyne pytanie (w rzeczywistoci naj
waniejsze), ktre pozostaje w dalszym cigu bez odpowiedzi, dotyczy szeroko
ci rozkadu wynikw. Zgodnie ze wzorem (5.62) zapisanym dla N zmiennych
szeroko ta wynosi
dx

dx

(5.65)

Poniewa x , . . . , x s wynikami pomiarw tej samej wielkoci x, odpowiada

jce im szerokoci s identyczne i rwne o ,
1

<7

...

= o.
x

Z definicji (5.64) wynika take, e wszystkie pochodne czstkowe we wzorze

(5.65) s sobie rwne:
dx

5 x 1
<3x.

dx

l v '

Tym samym (5.65) sprowadza si do

NN

co chcielimy udowodni.
Wynik (5.66) osignlimy

146

N
(5.66.

tak szybko, e warto na chwil zatrzyma si

i zastanowi nad jego znaczeniem. Wyobraalimy sobie du liczb eks

perymentw, z ktrych kady polega na wykonaniu N pomiarw wielkoci
x i obliczeniu na podstawie N uzyskanych w ten sposb wynikw redniej x.
Pokazalimy, e otrzymane w wyniku wielokrotnego powtarzania takiego
eksperymentu wartoci redniej bd podlega rozkadowi normalnemu z war
toci prawdziw X i szerokoci a = oJyfN, tak jak przedstawiono to na
rysunku 5.17 dla N = 10. Szeroko o\j wyznacza granice 68-procentowego
x

x
Rysunek 5.17. Pojedyncze pomiary wielkoci x podlegaj rozkadowi normalnemu wok
X z szerokoci a (krzywa przerywana). Jeeli korzystajc z tych samych przyrzdw wielokrot
nie okrelimy redni 10 pomiarw, to wartoci x bd opisane przez rozkad normalny wok
X z szerokoci <7 = <r /^/ N (krzywa ciga)
x

przedziau ufnoci w wynik naszego eksperymentu. Jeeli jednokrotnie wy

znaczymy redni na podstawie N pomiarw, to moemy by w 68 procentach
przekonani, e uzyskany wynik znajduje si w odlegoci nie wikszej ni a? d
wartoci prawdziwej X. Dokadnie to chcemy wyrazi przez niepewno red
niej. Wyjania to take powd, dla ktrego niepewno ta nosi nazw od
chylenia standardowego redniej.
Tym prostym i eleganckim dowodem zakoczylimy uzasadnianie wszyst
kich podanych wczeniej regu dotyczcych niepewnoci przypadkowych.

5.8. Ufno
Moemy teraz powrci do dwch pyta, ktre po raz pierwszy sformuowali
my w rozdziale 2, nie udzielajc wwczas penej odpowiedzi. Po pierwsze, co
rozumiemy przez znane nam ju stwierdzenie, e jestemy nieomal przekona
ni", e pewna zmierzona wielko ley w przedziale x 8 x ? Lub oglniej, jak
ilociowo wyrazi nasz ufno w wyniki eksperymentu?
n p

147

Odpowied na pierwsze pytanie powinna by teraz oczywista. Jeeli kilka

krotnie powtarzamy pomiar wielkoci x (co zazwyczaj czynimy), najlepszym
przyblieniem wartoci x jest rednia x, a odchylenie standardowe redniej m
stanowi najlepsz miar niepewnoci. Nasz wynik podalibymy w postaci
(warto x) = x + o ,
x

co znaczyoby, e n a podstawie wykonanych pomiarw spodziewamy si, e 6 ?

procent spord dalszych pomiarw x, wykonanych z tak sam precyzj
znajdzie si w przedziale x + a .
Istniej rne inne sposoby okrelenia niepewnoci. N a przykad moglibys
my poda wynik w postaci
x

(warto x) =

x2a ,
x

okrelajc przedzia, w ktrym w naszym przekonaniu powinno znale si 9:

procent spord wykonanych podobnie pomiarw. Jak wida, zasadniczyn
elementem podawanego wyniku pomiaru jest okrelenie jego zakresu (czyi
niepewnoci) oraz poziomu ufnoci zwizanej z tym zakresem. Najczcie
podaje si odchylenie standardowe wyniku, okrelajcego granice przedzia".
68-procentowej ufnoci.
Jak podkrelalimy w rozdziale 2, prawie wszystkie wycigane na poci
stawie eksperymentw wnioski sprowadzaj si do porwnania dwch lul
wicej liczb. Dysponujc sformuowan przez nas teori statystyczn, po
trafimy ju ilociowo okreli znaczenie wielu takich porwna. Obecnii
zajmiemy si jednym z rodzajw eksperymentu, polegajcym na wyznaczeni;
pewnej wielkoci i porwnaniu otrzymanego wyniku ze znan, przewidywa
n wartoci. Zauwamy, e ten oglny przypadek odpowiada wielu wanyn
eksperymentom. N a przykad w dowiadczeniu, ktrego celem jest spraw
dzenie zasady zachowania pdu, moemy zmierzy pd pocztkowy i ko
cowy, p i p', by nastpnie zbada czy p = p' (w granicach niepewnoci), al
rwnie dobrze moemy porwna obliczon rnic (pp') z przewidywa
nym wynikiem czyli zerem. Mwic oglnie, zawsze wtedy, gdy chcem
porwna ze sob wyniki dwch pomiarw, ktre jak sdzimy powinny by
rwne, moemy obliczy ich rnic, a nastpnie porwna j z przewidywa
nym wynikiem, ktrym jest zero. D o tej samej grupy naley take dowoln
eksperyment polegajcy na zmierzeniu wielkoci (takiej jak przyspieszeni
ziemskie g), ktrej dokadna, oglnie przyjta warto jest znana. W tyi
przypadku rol przewidywanej wartoci spenia warto akceptowana mk
rzonej wielkoci.
Zamy, e student wykona pomiary pewnej wielkoci x (na przyka

148

rnicy dwch pdw, ktra, jak sdzimy, jest rwna zeru) i poda wynik
w postaci
(warto x) = x + o",
np

gdzie a oznacza odchylenie standardowe wyniku (ktre jest odchyleniem

standardowym redniej, jeeli x jest redni obliczon na podstawie kilku
pomiarw). Nastpnie postanawia on porwna otrzymany wynik z przewidy
wan wartoci x
.
W rozdziale 2 twierdzilimy, e jeeli rnica | x x
| jest mniejsza (lub
niewiele wiksza) ni a, to zgodno wynikw jest zadowalajca, ale jeeli
|x x
| znaczco przewysza a, to wyniki nie s zgodne. Wspomniane
kryterium jest samo w sobie prawdziwe, ale nie daje ilociowej miary zgodno
ci lub niezgodnoci wynikw. Nie wyznacza take granicy akceptacji wyni
kw. Czy rozbieno rzdu l,5o" jest jeszcze moliwa do przyjcia? A co z 2cr?
Potrafimy odpowiedzie na wymienione pytania, zaoywszy, e wyniki
otrzymane przez studenta podlegaj rozkadowi normalnemu (co jest rozsd
nym zaoeniem). Zaczniemy od sformuowania dwch roboczych hipotez
odnonie do rozkadu:
a) rozkad jest wyrodkowany wok wartoci przewidywanej x
,
b) szeroko rozkadu jest rwna podanemu przez studenta przyblieniu a.
Hipoteza (a) wyraa oczywicie oczekiwania studenta. Sprowadza si do
zaoenia, e wszystkie bdy systematyczne zostay ograniczone do zaniedbywalnego poziomu (tak, e rozkad jest wyrodkowany wok wartoci
prawdziwej) oraz e warto prawdziwa jest rzeczywicie rwna x
(czyli
powody przewidywania wyniku x
s suszne). Hipoteza (b) stanowi przy
blienie, poniewa er jest w rzeczywistoci oszacowaniem odchylenia standar
dowego, ale jest to dobre przyblienie, jeeli liczba przeprowadzonych pomia
rw, ktra posuya do obliczenia a, jest d u a . Podsumowujc, nasze dwie
hipotezy sprowadzaj si do zaoenia, e metody postpowania oraz ob
liczenia wykonane przez studenta byy zasadniczo poprawne.
np

przew

np

np

przew

przew

przew

przew

przew

10

1 0

Zamierzamy okreli wiarygodno uzyskanego w pomiarach x

przez porwnanie
x x
| z er, naszym oszacowaniem szerokoci odpowiedniego rozkadu normalnego. Liczba
pomiarw, ktre posuyy do obliczenia a, byaby niewielka, wwczas nasze oszacowanie
mogoby by niezbyt pewne i odpowiadajce mu poziomy wiarygodnoci byyby mao precyzyjne
aczkolwiek wci stanowiyby uyteczny, zgrubny wskanik). W przypadku, w ktrym dys
ponujemy niewielk liczb pomiarw, dokadne okrelenie granic przedziaw wiarygodnoci
wymaga posuenia si tak zwanym rozkadem Studenta", ktry uwzgldnia moliwe zmiany
"v naszym oszacowaniu szerokoci a. Patrz H.L. Alder i E.B. Roessler, Introduction to Probability
.md Statistics (W.H. Freeman, wyd. 6, 1977) rozdzia 10. [Podrcznikiem dostpnym w jzyku
eolskim jest na przykad: H. Szydowski (red.) Teoria pomiarw (PWN, 1981), 6.3 - przyp. tum.]
n?

np

p r z e w

149

Musimy obecnie zdecydowa, czy podana przez studenta warto x bya

t, ktrej spodziewalimy si przyjwszy, e nasze hipotezy s suszne. Jeeli
odpowied brzmi tak, to nie ma adnego powodu, aby wtpi w hipotezy
i wszystko jest w porzdku; jeeli odpowied jest negatywna, to naley
zakwestionowa suszno hipotez, a student powinien zbada moliwo
wystpienia w pomiarach lub obliczeniach grubych bdw lub niezauwao
nych bdw systematycznych, a take suszno przewidywanego wyniku
np

^przew

Najpierw obliczymy rnic | x x

np

t =

| X n p

przew

| , a nastpnie

X p r z e w l

(5.67)

czyli rnic pomidzy x i x

w jednostkach odchylenia standardowego.
Nastpnie korzystajc z tablicy normalnych caek bdu, znajdujcej si w do
datku A, moemy okreli prawdopodobiestwo (przymujc suszno hipotez)
uzyskania wyniku rnicego si od x
o t lub wicej odchyle standar
dowych. To znaczy
np

przew

przew

P(poza ta) = 1 P(w promieniu ta).

(5.68)

Jeeli prawdopodobiestwo to jest due, to moemy uzna, e rnica

|x x
| ma rozsdn warto, a wynik x jest moliwy do przyjcia; jeeli
prawdopodobiestwo (5.68) jest podejrzanie mae", to wystpujc rozbie
no musimy UZNA ZA ZNACZC (CZYLI NIEMOLIW DO PRZYJCIA),
student musi stwierdzi, gdzie tkwi bd.
Przyjmijmy, e rnica | x x
| jest rwna jednemu odchyleniu stan
dardowemu. Prawdopodobiestwo, e rozbieno wynikw jest rwna lub
wiksza od tej wartoci to znane nam ju 32 procent. Jest oczywiste, e
wystpienie takiej rozbienoci jest cakiem prawdopodobne, a wic i mao
istotne. Wprost przeciwnie, prawdopodobiestwo P(poza 3cr) wynosi zaledwie
0,3 procent, a wic - o ile nasze hipotezy s prawdziwe - uzyskanie rozbieno
ci 3cr jest mao prawdopodobne. Mwic inaczej, jeeli student uzyskuje
rozbieno 3cr, to jest mao prawdopodobne, aby wysunite hipotezy byy
prawdziwe.
Granice dzielce wyniki na moliwe i niemoliwe do przyjcia s zalene
od poziomu, od ktrego poczwszy rozbieno bdziemy uznawa za nie
prawdopodobnie du. Okrelenie tego poziomu naley do eksperymentatora.
Jednake wielu spord nich uznaje 5 procent jako dobr granic tego co
mona nazwa do nieprawdopodobnym". Jeeli uznamy ten wybr, to
rozbieno rwna 2o znajdzie si prawie na granicy nieprzyjmowalnoci,
np

przew

np

np

150

przew

A PECHOWY

poniewa P(poza 2a) 4,6 procent. cile biorc na podstawie tablic zamiesz
czonych w dodatku A mona doj do wniosku, e kada rozbieno wiksza
od l,96c7 jest nie do przyjcia przy zaoonym 5-procentowym poziomie
prawdopodobiestwa. Po zmniejszeniu tego poziomu do 2 procent niemoliwe
do przyjcia byyby rozbienoci wiksze od 2,32<r itd.
Jak wida, w dalszym cigu nie mamy oczywistej granicy okrelajcej, czy
otrzymany wynik x naley przyj czy nie. Jednake teoria oparta na
rozkadzie normalnym wyposaya nas w jasn, ilociow miar wiarygodnoci
jakiegokolwiek konkretnego wyniku. I to jest maksimum tego, na co moglimy
liczy.
Istniej oczywicie bardziej zoone eksperymenty, dla ktrych analiza
wynikw jest odpowiednio bardziej skomplikowana. Jednak omawiajc nasz
prosty przykad zdoalimy przedstawi wikszo elementarnych zasad. Czy
telnik, ktry chciaby zapozna si z dalszymi przykadami, znajdzie je w czci
II niniejszej ksiki.
n p

Zadania
Uwaga: Gwiazdka przy zadaniu oznacza, e szkic rozwizania lub odpowied
znajduje si w na kocu ksiki.
Ci*5Jt\(paragraf 5.1). Student wykonuje pomiary momentw pdu L i L
wirujcego ukadu przed i po wprowadzeniu dodatkowej masy. W celu
sprawdzenia zasady zachowania momentu pdu oblicza rnic L L (spo
dziewajc si uzyska wynik rwny 0). Pomiar powtarza 50 razy, a uzyskane
wyniki (wyraone w pewnych nie okrelonych jednostkach) zapisuje w prze
dziaach, tak jak pokazano w tabeli 5.3, po 5, 10 i 50 powtrzeniach. Narysuj
histogram kolumnowy dla kadego z przypadkw. (Zwr uwag, aby tak
dobra skal swoich histogramw, by powierzchnie kadego z prostoktw
reprezentoway liczb wynikw w odpowiednich przedziaach.)
p

Tabela 5.3.
Przedzia
Liczba po

od - 9 od - 7 od - 5 od - 3 od - 1
do 1
do 7 do 5 do - 3 do - 1

5 prbach
10 prbach
50 prbach

0
0
1

2
2
7

1
1
3

0
2
8

od 1
do 3

od 3
do 5

od 5
do 7

od 7
do 9

0
1
9

1
1
6

0
0
4

0
0
2

1
3
10

0,1
x

dfit>

0 *

151
i

o,

 ?5Jl
(paragraf 5.2). Rozkad graniczny wynikw pewnego hipotetycznego
pomiaru ma posta

f(x) = C
0

dla pc| < a,

w pozostaych przypadkach.

a) Korzystajc z warunku normalizacji (5.13), oblicz wielko staej

C w zalenoci od parametru a.
b) Naszkicuj rozkad graniczny. Jakie jest znaczenie staej dl
c) Korzystajc z rwna (5.15) i (5.16), znajd redni x i odchylenie
standardowe dla duej liczby pomiarw.
5.3 (paragraf 5.3). Korzystajc z papieru milimetrowego i odpowiednio
dobierajc skale na osiach, wykonaj precyzyjne wykresy rozkadu Gaussa
2

-(x-Xf/2a

a.
dla X = 2, ( j = l oraz X = 3, a = 0,3. Posu si kalkulatorem w celu ob
liczenia wartoci funkcji f , ( )Jeeli kalkulator ma podwjn pami umo
liwiajc jednoczesne przechowywanie wartoci a^/ln oraz 2a , pozwoli to
na szybsze wykonanie oblicze. Jeeli bdziesz pamita, e funkcja jest
symetryczna wzgldem x = X, zmniejszy to dwukrotnie ilo niezbdnych
rachunkw. Dla porwnania narysuj obydwie funkcje na tym samym wy
kresie.
x

x a

"^5_.4_j|jparagraf 5.3). Jeeli jeszcze tego nie zrobie, narysuj trzeci histogram
z zadania 5.1. Student z zadania 5.1 stwierdza, e uzyskany przez niego
rozkad wynikw jest zgodny z rozkadem Gaussa f , i )
wyrodkowanym
w X 0 i z szerokoci a = 3,4. Narysuj ten rozkad na tym samym wykresie
co Twj histogram. (Przeczytaj wskazwki do zadania 5.3. Zauwa, e nie
dysponujesz sposobem ilociowego sprawdzenia dopasowania; moesz jedynie
zadowoli si wzrokow ocen, czy funkcja Gaussa rzeczywicie pasuje do
histogramu.)
x

x a

5.5 (paragraf 5.3). Szeroko rozkadu Gaussa jest charakteryzowana przez

parametr a. Innym parametrem majcym przejrzyst interpretacj geometrycz
n jest szeroko powkowa (ang. full width at half maximum - FWHM). Jest to
odlego pomidzy dwoma punktami x, w ktrych warto f ( )
rwna jest
poowie wartoci w maksimum, tak jak na rysunku 5.18. Udowodnij, e
x

x<a

szeroko powkowa = 2o\/21n2 = 2,35er.

152

Rysunek 5.18. Szeroko powkowa krzywej

Jznacza to, e punkty odpowiadajce polowie wysokoci rozkadu pooone

fi w X + \,\la lub w zgrubnym przyblieniu Xa.
*5.6 (paragraf 5.3). Podaj szczegowe przeksztacenia prowadzce od
wzoru (5.30) do (5.31) i wykazujce, e odchylenie standardowe a dla bardzo
zuej liczby pomiarw opisywanych przez rozkad normalny rwne jest
szerokoci tego rozkadu, a, a = a.
x

5.7 (paragraf 5.4). Jeeli wyniki pomiarw pewnej wielkoci x opisywane

= a przez rozkad Gaussa f , (x),
to prawdopodobiestwo uzyskania wyniku
ezacego pomidzy X ta a X + ta wynosi
x a

X + t<7

P(w promieniu ta) =

J' f

(x)dx.

ff

X~ta

Udowodnij, wskazujc wszystkie niezbdne zamiany zmiennych, e

1
J
P(w promieniu ta) = j = \ e
y/2n
-t

2 2 / 2

dz.

(5.69)

Po kadej zamianie zmiennych zbadaj uwanie, co dzieje si z granicami

zakowania. Caka (5.69) jest czsto nazywana funkcj bdu i oznaczana erf(t)
_b normaln cak bdu.
t53))(paragraf 5.4). Student wykonuje wielokrotne pomiary pewnej wielko
ci y, a nastpnie w wyniku oblicze uzyskuje redni y = 23 i odchylenie
zandardowe a 1. Jak cz uzyskanych wynikw spodziewaby si zna_ez pomidzy
a) 22 i 24?
b) 22,5 i 23,5?
c) 21 i 25?
y

153

d) 21 i 23?
e) 24 i 25?
f) W jakich granicach (rwnoodlegych w obydwie strony od redniej |
spodziewaby si znale 50 procent wszystkich wynikw ?
Dane niezbdne do udzielenia odpowiedzi na wszystkie postawione pyta
nia znajdziesz na rysunku 5.13. Bardziej szczegowych informacji o praw
dopodobiestwach tego rodzaju szukaj w dodatkach A i B.
5.9 (paragraf 5.4). Staranne badania wykazuj, e wzrost mczyzn w pew
nym kraju podlega rozkadowi normalnemu ze redni h = 175 cm i od
chyleniem standardowym a = 5 cm. Losowo wybrano grup liczc 1000
mczyzn. Ilu spord nich, wedug twoich oczekiwa, powinno mie wzrost
a) pomidzy 170 cm a 180 cm?
b) wikszy ni 180 cm?
c) wikszy ni 190 cm?
d) pomidzy 165 cm a 170 cm?
^^10^(paragraf 5.5). Zamy, e dysponujemy N pomiarami
x ,...,x
pewnejwielkoci x i jestemy przekonani, e rozkadem granicznym jest
funkcja Gaussa f , ( )>
P y czym wartoci X oraz o s nieznane. Zasada
najwikszego prawdopodobiestwa gosi, e najlepsz ocen szerokoci jest ta
warto a, dla ktrej prawdopodobiestwo P (x ,...,x )
wystpienia zmie
rzonych wartoci x ,...,x
jest najwiksze. Oblicz pochodn
P (x ,...,x )
po a ze wzoru (5.41) i wyka, e maksimum wystpuje wtedy, gdy a jest dane
wzorem (5.44). Jak wynika z dyskusji nastpujcej po wzorze (5.44), otrzymany
wynik oznacza, e najlepszym przyblieniem a jest odchylenie standardowe
N uzyskanych wartoci
x ,...,x .
1

r z

x a

Xa

Xi0

5.11 (paragraf 5.6). Sprawd tosamo (5.54) wykorzystan w trakcie

uzasadniania reguy kwadratowego przenoszenia bdw przypadkowych.
( ^ ! i ^ X p a r a g r a f 5.7). O t o wyniki czterdziestu pomiarw czasu
t ,...,t .
w ktrym kamie spada z pewnego okna na ziemi (wszystkie czasy w setnych
czciach sekundy)
1

40

86(72:17^77 60
73 &
72 79 65 66 70; 74 84 7 8 0 @
r a) pblicz odchylenie standardowe o dla wynikw czterdziestu pomiarw.
bjTJblicz rednie 7 , . . . , ? czterech pomiarw dla kadej z kolumn. W ten
sposb mona wyobrazi sobie dane jako wyniki dziesiciu eksperymentw.
t

154

10

 .mrych w kadym otrzymano redni czterech czasw. Znajc odpowied na

lianie (a), zastanw si, jakiej wartoci odchylenia standardowego spodzieliby si dla dziesiciu rednich t ,...,t l
Ile ono wynosi?
:) Narysuj histogramy dla czterdziestu pojedynczych pomiarw
t ,...,t
mz dla dziesiciu rednich t ,...,t .
Dla obydwu wykresw przyjmij te same
me oraz przedziay, tak by mona byo atwo porwna histogramy. Granice
z t dziaw mona wybra na rne sposoby, z ktrych prawdopodobnie
^prostszy polega na przyjciu redniej wszystkich czterdziestu pomiarw
*_90) jako jednej z granic, a odchylenia standardowego dziesiciu rednich
. . r jako szerokoci przedziaw.
1

10

10

10

*5.13^(paragraf 5.8). Student starannie powtarza pomiary przyspieszenia

emskiego g i otrzymuje wynik kocowy 9,5 m / s z odchyleniem standarvym 0,1. Jeeli jego pomiary byyby opisane przez rozkad normalny
frodkowany wok powszechnie przyjtej wartoci 9,8 i z szerokoci 0,1,
;. nosioby prawdopodobiestwo uzyskania wyniku, ktry rni si tak
-rdzo (lub bardziej) od 9,8 jak ten otrzymany przez studenta? Zakadajc, e
ment nie popeni rzeczywistych bdw, czy uwaasz za prawdopodobne, e
ego pomiarach wystpiy jakie niezauwaone bdy systematyczne?
2

5.14 (paragraf 5.8). Dwch studentw wykonuje pomiary tej samej wartoi uzyskuje wyniki kocowe x = 13 1 oraz x = 15 + 1, przy czym jako
trewnoci podano odchylenia standardowe.
i Przyjmujc, e wszystkie bdy s niezalene i przypadkowe, odpowiedz,
t -wnosi rnica x x i jaka jest jej niepewno?
b) Zakadajc, e wszystkie wielkoci podlegaj rozkadom normalnym,
: r : wiedz, jakie byoby prawdopodobiestwo uzyskania tak duej rozbieno=k ta, ktr uzyskali studenci? Czy uwaasz tak rozbieno za znaczc
- roziomie 5 procent)?
A

*5.15) (paragraf 5.8). Eksperymentator postanawia sprawdzi zasad zainia energii w przypadku pewnej reakcji jdrowej i mierzy wartoci
t:i pocztkowej i kocowej, uzyskujc odpowiednio = 75 + 3 MeV oraz
= 60 + 9 MeV, przy czym jako obydwie niepewnoci pomiarowe podano
:mylenia stndardowe_wynjkw. Czy stwierdzona rozbieno jest znaczca
z. - zziomie 5 procent)? Postaraj si jasno uzasadni swoje rozumowanie.
p

z ktrych w kadym otrzymano redni czterech czasw. Znajc odpowied na

pytanie (a), zastanw si, jakiej wartoci odchylenia standardowego spodzie
waby si dla dziesiciu rednich ? , . . . , ? ? Ile ono wynosi?
c) Narysuj histogramy dla czterdziestu pojedynczych pomiarw J , . . . , t
oraz dla dziesiciu rednich 7 . . . , 7 . Dla obydwu wykresw przyjmij te same
skale oraz przedziay, tak by mona byo atwo porwna histogramy. Granice
przedziaw mona wybra na rne sposoby, z ktrych prawdopodobnie
najprostszy polega na przyjciu redniej wszystkich czterdziestu pomiarw
(72,90) jako jednej z granic, a odchylenia standardowego dziesiciu rednich
t jako szerokoci przedziaw.
1

10

l5

40

10

10

^ l T ) ( p a r a g r a f 5.8). Student starannie powtarza pomiary przyspieszenia

ziemskiego g i otrzymuje wynik kocowy 9,5 m / s z odchyleniem standar
dowym 0,1. Jeeli jego pomiary byyby opisane przez rozkad normalny
wyrodkowany wok powszechnie przyjtej wartoci 9,8 i z szerokoci 0,1,
ile wynosioby prawdopodobiestwo uzyskania wyniku, ktry rni si tak
bardzo (ub bardziej) od 9,8 jak ten otrzymany przez studenta? Zakadajc, e
student nie popeni rzeczywistych bdw, czy uwaasz za prawdopodobne, e
w jego pomiarach wystpiy jakie niezauwaone bdy systematyczne?
2

5.14 (paragraf 5.8). Dwch studentw wykonuje pomiary tej samej warto
ci x i uzyskuje wyniki kocowe x = 13 + 1 oraz x = 15 + 1 , przy czym jako
niepewnoci podano odchylenia standardowe.
a) Przyjmujc, e wszystkie bdy s niezalene i przypadkowe, odpowiedz,
ile wynosi rnica x x i jaka jest jej niepewno?
b) Zakadajc, e wszystkie wielkoci podlegaj rozkadom normalnym,
odpowiedz, jakie byoby prawdopodobiestwo uzyskania tak duej rozbieno
ci jak ta, ktr uzyskali studenci? Czy uwaasz tak rozbieno za znaczc
na poziomie 5 procent)?
A

fsTl^ (paragraf 5.8). Eksperymentator postanawia sprawdzi zasad za

chowania energii w przypadku pewnej reakcji jdrowej i mierzy wartoci
energii pocztkowej i kocowej, uzyskujc odpowiednio E = 75 + 3 MeV oraz
Et = 6 0 + 9 MeV, przy czym jako obydwie niepewnoci pomiarowe podano
sdchylenia standardowe wynikw. Czy stwierdzona rozbieno jest znaczca
na poziomie 5 procent)? Postaraj si jasno uzasadni swoje rozumowanie.
p

Cz II
6.
7.
8.
9.
10.
11.
12.

Odrzucanie danych
rednie waone
Metoda najmniejszych kwadratw
Kowariancja i korelacja
Rozkad dwumianowy
Rozkad Poissona
Test x zgodnoci rozkadw
2

Jeli przeczytae i zrozumiae rozdzia 5, jeste ju gotowy do prze

studiowania zagadnie bardziej zaawansowanych, co powinno Ci przyj
nadspodziewanie atwo. W siedmiu rozdziaach drugiej czci zaprezen
towano siedem takich zagadnie. Niektre z nich s zastosowaniami
rozwinitych ju przez nas metod statystycznych, inne stanowi ich
rozszerzenie. Wszystkie s istotne i powany student prdzej czy pniej
bdzie si musia ich nauczy. Z drugiej strony niekoniecznie trzeba je
wszystkie pozna od razu. Z tego powodu zostay one przedstawione
w krtkich niezalenych rozdziaach, ktre mona studiowa w dowol
nym porzdku w zalenoci od wasnych potrzeb i zainteresowa.

R O Z D Z I A

ODRZUCANIE DANYCH

W rozdziale tym przedyskutujemy kopotliwe pytanie, czy odrzuca wyniki

pomiarw, jeli - jak si wydaje - s one efektem pomyki.

6.1. Problem odrzucania danych

Zdarza si czasami, e jeden z wynikw serii pomiarowej wyranie odbiega od
pozostaych. W takim przypadku eksperymentator musi zadecydowa, czy
anomalny wynik jest rezultatem jakiej pomyki i powinien zosta odrzucony,
czy te jest wynikiem wiarygodnym, ktry powinien by wykorzystany na
rwni z innymi. Wyobramy sobie na przykad, e wykonalimy sze pomia
rw okresu drga wahada i otrzymalimy wyniki (wszystkie w sekundach)
3,8; 3,5; 3,9; 3,9; 3,4; 1,8.

(6.1)

W tym przypadku warto 1,8 wyranie rni si od wszystkich pozostaych

i musimy zdecydowa, co z tym zrobi.
Wiemy z rozdziau 5, e uznany za suszny wynik pomiaru moe rni si
znacznie od innych wynikw pomiaru tej samej wielkoci. Mimo to rozbie
no tak dua jak ta w ostatnim pomiarze ze zbioru (6.1) jest bardzo mao
prawdopodobna. Jestemy zatem skonni podejrzewa, e pomiar czasu 1,8 s by
wynikiem jakiej niewykrytej omyki lub te zosta spowodowany inn zewn
trzn przyczyn. By moe po prostu le odczytalimy ostatni wynik. Moe
wanie podczas ostatniego pomiaru nasz elektroniczny stoper na skutek
chwilowego braku zasilania zatrzyma si na moment.

159

Jeli prowadzimy szczegowe notatki, potrafimy czasami ustali rdo

takiego anomalnego wyniku. N a przykad moglibymy z nich odczyta, e do
ostatniego pomiaru ze zbioru (6.1) uylimy innego stopera. Sprawdzajc go
nastpnie, moglibymy ustali, e stale si pni. W tym przypadku anomal
ny wynik powinien by natychmiast odrzucony.
Niestety zwykle niemoliwe jest ustalenie zewntrznej przyczyny po
wstania anomalnego wyniku. Musimy zatem zdecydowa si na odrzucenie
(bd pozostawienie) wyniku, opierajc si jedynie na samych rezultatach
pomiarw. D o realizacji tego celu przyda si nasza znajomo rozkadu
Gaussa.
Odrzucanie danych pomiarowych jest zagadnieniem kontrowersyj
nym i wrd ekspertw nie ma jednomylnoci na ten temat. Jest to przy
tym take wane zagadnienie. W naszym przykadzie fakt odrzucenia podej
rzanej wartoci 1,8 s ma znaczny wpyw na najlepsze przyblienie okresu
drga wahada. rednia wszystkich szeciu pomiarw rwna jest 3,4 s.
podczas gdy rednia pierwszych piciu wynikw, 3,7 s, rni si od niej
znacznie.
Poza tym decyzja o odrzuceniu danych jest subiektywna i naukowiec,
ktry j podejmuje moe si atwo narazi na zarzut nacigania" swoich
wynikw. Sytuacj pogarsza fakt, e taki anomalny wynik moe by odzwier
ciedleniem jakiego wanego efektu. Faktycznie, wiele wanych odkry nau
kowych objawio si po raz pierwszy jako wynik raco rny od pozo
staych, ktry wyglda na pomyk. Odrzucajc wynik 1,8 s w przykadzie
(6.1), moglibymy tym samym odrzuci najciekawsz cz danych.
Tak naprawd jedynym rzetelnym sposobem postpowania w obliczu
danych jak te z przykadu (6.1) jest powtarzanie pomiaru wiele, wiele ra
zy. Jeli anomalny rezultat pojawi si znowu, to przypuszczalnie bdzie
my umieli wyledzi jego przyczyn w postaci czy to omyki, czy te
prawdziwego efektu fizycznego. Jeli za w cigu powiedzmy 100 pomia
rw nie pojawi si on powtrnie, to nasz ostateczny wynik nie bdzie isto
tnie zalea od tego, czy wemiemy pod uwag zaobserwowan anomali czy
te nie.
Niemniej jednak stukrotne powtarzanie pomiaru za kadym razem,
gdy pojawi si wynik wygldajcy podejrzanie, jest czsto niemoliwe do
realizacji (szczeglnie na pierwszej pracowni). Potrzebujemy zatem pewnego
kryterium odrzucania podejrzanego wyniku. Istniej rne takie kryteria,
niektre cakiem skomplikowane. Kryterium, ktre teraz opiszemy, zwane
jest kryterium Chauveneta i stanowi proste i ksztacce zastosowanie roz
kadu Gaussa.

160

6.2. Kryterium Chauveneta

? zwrmy do szeciu wynikw z przykadu (6.1):
3,8; 3,5; 3,9; 3,9; 3,4; 1,8.
Jeli zaoymy chwilowo, e wszystkie s waciwymi wynikami pomiarw
ielkoci x, to moemy obliczy redni
x = 3,4 s

(6.2)

a = 0,8 s.

(6.3)

i odchylenie standardowe
x

Moemy teraz okreli ilociowo, jak dalece anomalny jest podejrzany wy

nik 1,8. Rni si on od redniej 3,4 o 1,6, czyli o dwa odchylenia standardowe.
Jeli zaoymy, e wyniki pomiarw podlegaj rozkadowi Gaussa wyrod
kowanemu wok wartoci (6.2), o szerokoci danej przez warto (6.3), to
moemy obliczy prawdopodobiestwo otrzymania wyniku, ktry co najmniej
o tyle rni si od wartoci redniej. Zgodnie z wykresem przedstawionym na
rys. 5.13 rwne jest ono:
*P(poza 2 ( 7 J = 1 P(wewntrz 2a )
= 1-0,95
= 0,05.
x

Innymi sowy, zakadajc, e wartoci (6.2) i (6.3), odpowiednio x i a , s

waciwe, spodziewalibymy si, e spord 20 pomiarw tylko jeden da wynik
rnicy si od redniej co najmniej tyle, ile podejrzana warto 1,8 s. Jeli
przeprowadzilibymy 20 lub wicej pomiarw, to waciwie powinnimy si
spodziewa otrzymania jednego czy dwch wynikw takich jak owe 1,8 s i nie
byoby wwczas powodu, aby je odrzuca. Jednak dokonalimy tylko szeciu
pomiarw, zatem prawdopodobiestwo otrzymania wyniku tak zego jak 1,8
byoby faktycznie rwne
x

0,05 6 = 0,3.
To oznacza, e w szeciu eksperymentach powinnimy oczekiwa (przecitnie)
tylko 1/3 pomiaru dajcego tak zy wynik jak 1,8 s.
Ten wynik dostarcza nam szukanej przez nas ilociowej miary braku
sensownoci" podejrzanego wyniku. Jeli zdecydujemy si traktowa 1/3 eks
perymentu jako absurdalnie mao prawdopodobne", to stwierdzimy, e war-

161

to 1,8 s nie jest uzasadnionym wynikiem pomiaru i powinna zosta od

rzucona.
Decyzja, gdzie wyznaczy granice absurdalnego nieprawdopodobiestwa",
zaley od eksperymentatora. Kryterium Chauveneta, jak to si zwykle podaje,
mwi, e jeli liczba pomiarw dajcych co najmniej tak ze wyniki jak
warto podejrzana jest mniejsza ni 1, to podejrzany wynik powinien zosta
odrzucony. Oczywicie wybr wartoci - jest arbitralny, ale jest take rozsdny
i mona go broni.
Moemy teraz atwo uoglni zastosowanie kryterium Chauveneta. Przy
pumy, e wykonalimy N pomiarw
,

x ,...,x
1

tej samej wielkoci x. Obliczamy x i a , korzystajc ze wszystkich N wynikw.

Jeli jeden z wynikw (nazwijmy go x ) rni si od x tak bardzo, e wyglda
to podejrzanie, to najpierw obliczamy
x

pod

x
_ -^pod

,-x
A

^-^T'

(6.4)

a wic liczb okrelajc, o ile odchyle standardowych x

rni si od x.
Nastpnie znajdujemy (z rys. 5.13 lub bardziej kompletnej tabeli w dodatku A)
prawdopodobiestwo P(poza t a ),
e waciwy wynik pomiaru bdzie si
rni od x o t
lub wicej odchyle standardowych. Wreszcie mnoymy je
przez N - cakowit liczb wykonanych pomiarw, aby otrzyma
n(gorszych ni x ) = JVP(poza
t a ).
p o d

poA

pod

pod

poi

Warto n okrela spodziewan liczb pomiarw dajcych wyniki co najmniej

tak ze jak x

p o d

. Jeli n jest mniejsze ni i, to x

pod

nie spenia kryterium

Chauveneta i zostaje odrzucone.

Naturalnie, po odrzuceniu kadego wyniku, ktry nie spenia kryterium
Chauveneta, przelicza si x i a , korzystajc z pozostaych danych. Nowa
warto o bdzie mniejsza ni warto pocztkowa i moe si zdarzy, e
z nowym a nastpne pomiary nie speni kryterium Chauveneta. Jednak
wikszo autorytetw zgadza si, e po obliczeniu nowych wartoci x i a
kryterium Chauveneta nie powinno by stosowane powtrnie.
Wielu naukowcw ma poczucie, e odrzucenie danych pomiarowych nigdy
nie jest usprawiedliwione, chyba e istnieje zewntrzny dowd na niepoprawno kwestionowanych wynikw. Bardziej umiarkowane stanowisko gosi, e
x

162

iryterium Chauveneta powinno by wykorzystywane do zidentyfikowania da

nych, ktre naley co najmniej wzi pod uwag jako kandydatw do od
rzucenia. Uwany student powinien zatem wykona podwjne obliczenia, raz
maczajc kwestionowane wyniki, a raz bez nich. Dziki temu bdzie on w stanie
itwierdzi, jak dalece podejrzane wyniki wpywaj na ostateczny rezultat.

6.3. Przykad
Student wykonuje dziesi pomiarw dugoci x i otrzymuje
wyniki (wszystkie w mm):

nastpujce

46, 48, 44, 38, 45, 47, 58, 44, 45, 43.
Zwracajc uwag, e warto 58 wydaje si raco dua, sprawdza swoje
notatki, ale nie znajduje dowodu, e wynik ten by rezultatem omyki. Stosuje
zatem kryterium Chauveneta. Jaki bdzie jego wniosek?
Uznajc prowizorycznie wszystkie dziesi wynikw, student oblicza
x = 45,8

a = 5,1.
x

Rnica pomidzy podejrzan wartoci x

= 58, a redni x = 45,8 wynosi
12,2, czyli 2,4 odchylenia standardowego, tj.
p o d

pod~

58 45,8

5,1

W tabeli z dodatku A student sprawdza, i prawdopodobiestwo, e wynik

pomiaru bdzie si rni od x o 2,4 a lub wicej jest rwne
x

P(poza 2,4<J ) = 1 - P ( wewntrz 2,4crJ

X

= 1-

0,984

= 0,016.
W dziesiciu pomiarach mgby si zatem spodziewa otrzymania 0,16 jed
nego wyniku rwnie zego jak jego podejrzany rezultat. Poniewa jest to mniej,
ni wynosi granica 1 ustalona przez kryterium Chauveneta, wic powinien co
najmniej rozway moliwo odrzucenia podejrzanego wyniku.
Nastpn podejrzan wartoci jest 38, odlege o 1,5 odchylenia standar
dowego od redniej x. Podobne obliczenia pokazuj, e spord dziesiciu

163

pomiarw mgby si on spodziewa 1,3 wyniku, rwnie zego jak ten, tak
wic ten rezultat jest cakowicie akceptowalny. Jeli student zdecyduje si na
odrzucenie wyniku 58, to musi jeszcze raz obliczy x i a , co daje nastpujcy
wynik:
x = 44,4 i a = 2,9.
x

Jak mona byo si tego spodziewa, nowa rednia zmienia si odrobin,

odchylenie standardowe za znacznie zmalao.

Zadania
Uwaga: Gwiazdka przy zadaniu oznacza, e szkic rozwizania lub odpowied
znajduje si na kocu ksiki.
6.1 (paragraf 6.2). Zapalona eksperymentatorka wykonaa 50 pomiarw cie
pa Q, wydzielonego w pewnym procesie. Znalezione przez ni rednia i od
chylenie standardowe byy rwne Q = 4,8 i a 0,4; obie wartoci w kaloriach.
a) Zakadajc, e jej pomiary podlegaj rozkadowi normalnemu, znajd
prawdopodobiestwo, e pojedynczy pomiar rniby si od redniej o 0,8 cal
lub wicej. Ilu wynikw, rnicych si od redniej o wicej ni 0,8 cal
powinna si spodziewa wrd swoich pomiarw? Czy studentka stosujca
kryterium Chauveneta odrzuciaby wynik 4,0 cal?
b) Czy odrzuciaby wynik 6,0 cal?
Q

\^~6^T^paragraf 6.2). Student zmierzy dziesi razy napicie i otrzyma

nastpujce wyniki:
0,86; 0,83; 0,87; 0,84; 0,82; 0,95; 0,83; 0,85; 0,89; 0,88.
a) Oblicz redni V i odchylenie standardowe o> tych wynikw.
b) Czy student powinien odrzuci wynik 0,95 wolta, jeli zdecydowa si
skorzysta z kryterium Chauveneta? Przedstaw jasno swoj argumentacj.
N^TT^paragraf 6.2). Studentka przeprowadzia 14 pomiarw okresu drga
oscylatora tumionego, otrzymujc wyniki (w dziesitych czciach sekundy):
7, 3, 9, 3, 6, 9, 8, 7, 8, 12, 5, 9, 9, 3.
Czujc, e wynik 12 jest podejrzanie wysoki, zdecydowaa si zastosowa
kryterium Chauveneta. Czy odrzuci ona podejrzany wynik? Ilu wynikw
rwnie odlegych od redniej jak 12 powinna si ona spodziewa?

164

6.4 (paragraf 6.2). Kryterium Chauveneta definiuje granice, poza ktrymi

wynik pomiaru jest traktowany jako moliwy do odrzucenia. Jeli dokonuje
my dziesiciu pomiarw i jeden z nich rni si od redniej o wicej ni okoo
dwch odchyle standardowych (w obu kierunkach), to pomiar moe by
odrzucony. Dla 20 pomiarw odpowiednie granice to okoo 2,2 odchyle
standardowych. Wykonaj tabel ukazujc granic odrzucalnoci" dla 5, 10,
15, 20, 20, 50, 100, 200 i 1000 pomiarw. (Skorzystaj z tabeli funkcji bdu
v dodatku A.)

oM
- 0:00
DOOOOO

X
1

0>O te
0 , 0 0 / ! t>5!

R O Z D Z I A

REDNIE WAONE

W tym rozdziale zajmujemy si zagadnieniem czenia dwch lub wicej

niezalenych pomiarw pojedynczej wielkoci fizycznej. Stwierdzimy, e naj
lepsze przyblienie takiej wielkoci, oparte na wynikach wielu pomiarw, jest
odpowiedni redni waon tych wynikw.

7.1. Zagadnienie czenia osobnych pomiarw

Zdarza si czsto, e wielko fizyczna jest mierzona wiele razy, by moe
w wielu rnych laboratoriach, i powstaje problem, w jaki sposb powiza te
wyniki, aby otrzyma jedno najlepsze przyblienie. Przypumy na przykad,
e dwch studentw A i B mierzy uwanie wielko x i otrzymuje nastpujce
wyniki:
student A :

x = x a

student B:

x =x a.

(7.1)

i
B

(7.2)

Kady z tych wynikw sam jest wynikiem wielu pomiarw, a wic x jest
redni wszystkich pomiarw studenta A , <J za jest odchyleniem standar
dowym redniej (podobnie dla x i a ). Powstaje pytanie, jak najlepiej
poczy x i x w celu otrzymania jednego najlepszego przyblienia x.
Zanim odpowiemy na to pytanie, zauwamy, e jeli rozbieno \x x
pomidzy dwoma wynikami pomiarw jest duo wiksza ni obie niepewnoci
a i < 7 , to powinnimy podejrzewa, e w co najmniej jednym z pomiarw co;
A

166

Bl

r s : nie tak. W tej sytuacji powiedzielibymy, e wyniki s sprzeczne i powin

nimy zbada uwanie oba pomiary, eby stwierdzi, czy ktry z nich (lub
: ba) nie jest obarczony niezauwaonym bdem systematycznym.
Zamy jednak, e dwa wyniki pomiarw (7.1) i (7.2) s zgodne, czyli e
:: zbieno \x x \ nie jest istotnie wiksza ni odchylenia a \a .
Sensowne
est zatem pytanie, jakie jest najlepsze przyblienie x prawdziwej wartoci
X opartej na tych dwch wynikach? W pierwszej chwili chciaoby si uy
>:edniej (x + x )/2. Jednak chwila zastanowienia powinna doprowadzi do
wniosku, e jeli obie niepewnoci a i a s rne, to wynik powinien by inny.
Zwyka rednia (x + x )/2 obu pomiarom przyznaje jednakow warto, pod
czas gdy pomiar bardziej dokadny powinien by w jaki sposb faworyzowany.
A

np

7.2. rednia waona

Moemy w prosty sposb rozwiza nasz problem, korzystajc z zasady
najwikszego prawdopodobiestwa, tak jak to zrobilimy w paragrafie 5.5.
Jeli zaoymy, e wyniki obu pomiarw podlegaj rozkadowi Gaussa i ozna
czymy nieznan prawdziw warto x przez X, to prawdopodobiestwo, e
student A otrzyma wynik x jest rwne
A

P (x )KJ- -^-W<
x

( 7 3 )

prawdopodobiestwo za otrzymania wyniku x przez studenta B:

B

(x

X)2/2a

P (x )cce- -
x

(7.4)

Umieszczajc indeks X, wskazujemy explicite, e prawdopodobiestwa te

zale od nieznanej wartoci waciwej. (Zale one take od odpowiednich
szerokoci <J i o , ale tego nie zaznaczylimy.)
Prawdopodobiestwo, e student A znajdzie warto x , a student B - wa
rto x , jest po prostu iloczynem prawdopodobiestw (7.3) i (7.4). Ze znanych
powodw iloczyn ten bdzie funkcj wykadnicz z wykadnikiem bdcym
sum wykadnikw funkcji (7.3) i (7.4). Przepiszemy ten wynik w postaci
A

P (x ,
X

x ) = P (x )P (x )
B

2 2

cc-^e-* ' ,

(7.5)

167

gdzie wprowadzilimy wygodne oznaczenie j

c m

kwadrat)

Ta wana wielko jest sum kwadratw odchyle od Z w dwch pomiarach

podzielonych przez odpowiadajce im niepewnoci. Jest ona czasem zwa;
sum kwadratw".
Zasada najwikszego prawdopodobiestwa zakada, dokadnie tak jak pc
przednio, e najlepsze przyblienie nieznanej prawdziwej wartoci X ma tak
warto, eby prawdopodobiestwo wystpienia faktycznie zaobserwowanyc
wartoci x i x byo najwiksze. Oznacza to, e najlepsze przyblienie X jewartoci, dla ktrej prawdopodobiestwo (7.5) jest najwiksze, czy te, co je;
rwnowane, eby wykadnik y by najmniejszy. (Poniewa maksymalizacj
prawdopodobiestwa pociga za sob minimalizacj sumy kwadratw" /
wic ta metoda przybliania X zwana jest czasem metod najmniejszyc
kwadratw".) Tak wic, aby znale najlepsze przyblienie, rniczkujemy p
prostu wyraenie (7.6) wzgldem X i przyrwnujemy pochodn do zera
A

Rozwizanie tego rwnania wzgldem X daje najlepsze przyblienie x , kti

- jak atwo sprawdzi - rwne jest
np

Ten dosy skomplikowany wynik uczynimy bardziej przejrzystym, jeli zdel

niujemy wagi statystyczne:
1
W

~ 2

OA

1
W

B = ~ 2 -

Podstawiajc je do rwnania (7.7), otrzymamy

_ wx
A

+ wx
w + w

Jeli pierwotne wyniki pomiarw s jednakowo dokadne (a = a i sn

w = w \ to nasz wynik upraszcza si do zwykej redniej (x + x )/2. W og<
noci wynik (7.9) jest redni waon. (Wzr ten jest podobny do wzo
A

168

gdzie wprowadzilimy wygodne oznaczenie y (chi kwadrat)

(7.6)
Ta wana wielko jest sum kwadratw odchyle od X w dwch pomiarach,
podzielonych przez odpowiadajce im niepewnoci. Jest ona czasem zwana
sum kwadratw".
Zasada najwikszego prawdopodobiestwa zakada, dokadnie tak jak po
przednio, e najlepsze przyblienie nieznanej prawdziwej wartoci X ma tak
warto, eby prawdopodobiestwo wystpienia faktycznie zaobserwowanych
wartoci x i x byo najwiksze. Oznacza to, e najlepsze przyblienie X jest
wartoci, dla ktrej prawdopodobiestwo (7.5) jest najwiksze, czy te, co jest
rwnowane, eby wykadnik x by najmniejszy. (Poniewa maksymalizacja
prawdopodobiestwa pociga za sob minimalizacj sumy kwadratw" % ,
wic ta metoda przybliania X zwana jest czasem metod najmniejszych
kwadratw".) Tak wic, aby znale najlepsze przyblienie, rniczkujemy po
prostu wyraenie (7.6) wzgldem X i przyrwnujemy pochodn do zera
A

'2 -

I
1

2 2^

O A

= 0.

Rozwizanie tego rwnania wzgldem X daje najlepsze przyblienie x , ktre

- jak atwo sprawdzi - rwne jest
np

O A

B / /

BJ

Ten dosy skomplikowany wynik uczynimy bardziej przejrzystym, jeli zdefi

niujemy wagi statystyczne:

~T

B = ~ 2 -

Ga

( - )

Podstawiajc je do rwnania (7.7), otrzymamy

w + w
A

Jeli pierwotne wyniki pomiarw s jednakowo dokadne (a = a i std

w = w ), to nasz wynik upraszcza si do zwykej redniej {x + x )/2. W ogl
noci wynik (7.9) jest redni waon. (Wzr ten jest podobny do wzoru
A

168

opisujcego rodek cikoci ukadu dwch cia o masach w i w umiesz

czonych w punktach o wsprzdnych odpowiednio x i x .) W tym przypad
ku wagami" s odwrotnoci kwadratw niepewnoci pomiarw, jak we
wzorze (7.8). Jeli pomiar A jest bardziej dokadny ni B, to o <a
i std
w >w ; tak wic najlepsze przyblienie x jest blisze wartoci x ni x
dokadnie tak jak to by powinno.
Nasza analiza moe by uoglniona na przypadek wielu pomiarw tej samej
wielkoci. Przypumy, e wykonalimy JV oddzielnych pomiarw wielkoci x
A

n p

z odpowiadajcymi im niepewnociami:
a . Korzystajc z tych samych
jak poprzednio argumentw, znajdujemy najlepsze przyblienie oparte na
wynikach tych pomiarw, ktre jest redni waon
N

(7.10)

I*;
przy czym wagi w s odwrotnociami kwadratw odpowiednich niepewnoci,
t

w =l/af,
(7.11)
dla i = 1, 2,..., N.
Poniewa waga w =l/af, zwizana z kadym pomiarem, zawiera kwadrat
odpowiedniej niepewnoci a , wic kady z pomiarw, ktry jest o wiele mniej
dokadny ni pozostae, wnosi o wiele mniejszy wkad do ostatecznego wyniku
(7.10) ni inne. N a przykad jeli jeden z pomiarw jest cztery razy mniej
dokadny ni inne, to jego waga jest 16 razy mniejsza ni waga innych po
miarw. Wynik taki w wielu zastosowaniach mgby by po prostu pominity.
Poniewa ostateczny wynik (7.10) okrelajcy x jest prost funkcj
pierwotnych zmierzonych wartoci x ,...,
x , wic atwo obliczy wynik
korzystajc z regu przenoszenia bdu. W zadaniu 7.5 proponujemy Czytel
nikowi sprawdzenie, e niepewno najlepszego przyblienia x , okrelona
wzorem (7.10), rwna jest
t

n p

np

1/2

% =(!>)" >

12

(- )

i-l

gdzie w = l/a f jak zwykle.

;

169

7.3. Przykad
Trzech studentw zmierzyo kilka razy opr i otrzymao nastpujce trzy
wyniki (w omach):
(opr R zmierzony przez pierwszego studenta) = 11 1;
(opr R zmierzony przez drugiego studenta) = 12 + 1 ;
(opr R zmierzony przez trzeciego studenta) = 10 + 3;
Jakie jest najlepsze przyblienie oporu R oparte na przedstawionych wyni
kach?
Trzy niepewnoci a a i a s rwne 1, 1 i 3. Odpowiednie wagi w = l/er?
s zatem rwne:
v

w = 1,
1

w = 1,
2

w = 1/9.
3

Tak wic zgodnie z rwnaniem (7.10) najlepsze przyblienie jest rwne

2> i?
;

_ (Ml) + (M2)+(i-10)

l+ i+i
9

= 11,42 omw.
Niepewno tego wyniku jest dana przez wyraenie (7.12) jako

n p

= (Z^)"

1/2

= (l + l + ? ) "

1 / 2

= 0>69.

Zatem ostateczny wynik wynosi

i? = 11,4 0 , 7 oma.
Interesujce jest zbadanie, jaki wynik dostalibymy ignorujc zupenie trzy
razy mniej dokadny i tym samym dziewi razy mniej istotny wynik trzeciego
studenta. Prosty rachunek daje nam wynik P = 11,50 (w porwnaniu z 11,4)
z niepewnoci 0,71 (w porwnaniu z 0,69). Jest jasne, e trzeci rezultat nie ma
istotnego wpywu na ostateczny wynik.
n p

Zadania
Uwaga: Gwiazdka przy zadaniu oznacza, e szkic rozwizania lub odpowied
znajduje si na kocu ksiki.

170

*/7j) (paragraf 7.2).

ai Dwa pomiary prdkoci dwiku w day wyniki 3 3 4 + 1 i 336 + 2 (oba
ni s). Czy uwaasz je za spjne? Jeli tak, to znajd najlepsze przyblienie
. _ ego niepewno.
b) Powtrz cz (a) dla wynikw 3 3 4 + 1 i 336 + 5. Czy warto jest bra
: uwag drugi z wynikw ?
( paragraf 7.2). Dwch studentw zmierzyo rnymi metodami opr.
Kady z nich wykona 10 pomiarw i obliczy redni oraz jej odchylenie
:cndardowe, otrzymujc nastpujce wyniki:
^7j2

Student A: R = 72 8 omw;
Student B: R = 78 + 5 omw.
a) Jakie jest najlepsze przyblienie R i jego niepewno po wziciu pod
_wag obu wynikw?
b) Ile pomiarw powinien wykona student A (tak sam technik), aby
ego wynik mia tak sam wag jak wynik studenta B.
7 . 3 (paragraf 7.2). Znajd najlepsze przyblienie i jego niepewno na
podstawie nastpujcych czterech wynikw pomiarw tej samej wielkoci:
1,4 + 0,5;

1,2 + 0,2;

1,0 + 0,25;

1,3 + 0,2.

7 . 4 (paragraf 7.2). Przypumy, e N pomiarw tej samej wielkoci x obar

czonych jest tak sam niepewnoci. Udowodnij, e w takiej sytuacji rednia
waona okrelona wzorem (7.10) sprowadza si do zwykej redniej
x=(YjXi)/N,
a wyraenie (7.12) opisujce niepewno redukuje si do znanego
wzoru na odchylenie standardowe redniej.
* 7 . 5 (paragraf 7.2). Jeli dane jest N wynikw pomiarw x . . . , x
jednej
wielkoci x, obarczonych niepewnociami odpowiednio tr ,..., a , to najlepsze
przyblienie wartoci x opisywane wyraeniem (7.10) rwne jest
n p (Z i i)/(X i)
wagami w = l / a . Wyraenie to definiuje x
jako
funkcj x^,...,
x . Korzystajc ze wzoru (3.47) na przenoszenie bdu, poka, e
niepewno x dana jest wzorem (7.12) jako
u

vv

n p

n p

1/a

* -<2>r -

R O Z D Z I A

METODA NAJMNIEJSZYCH KWADRATW

W omawianych dotychczas metodach statystycznej analizy danych skupiali

my si wycznie na wielokrotnych pomiarach tej samej wielkoci. Robiliim
tak nie dlatego, e analiza wielokrotnych pomiarw jednej wielkoci jesi
najbardziej interesujcym zagadnieniem statystyki, ale poniewa naley dobrze
zrozumie ten problem zanim zajmiemy si innymi, bardziej oglnymi zagad
nieniami. Jestemy wreszcie gotowi do przedyskutowania pierwszego (bardzc
wanego) spord takich zagadnie.

8.1. Punkty pomiarowe, ktre powinny ukada si na prostej

Jeden z najbardziej powszechnych i interesujcych typw dowiadcze pole
ga na pomiarze wielu wartoci dwch rnych wielkoci fizycznych w celi
zbadania matematycznej formuy opisujcej zwizek pomidzy tymi wielko
ciami. N a przykad mona byoby upuszcza kamie z wielu rnych wyso
koci h ,...,
h i mierzy odpowiadajce im czasy spadku t ,..., t , a b
sprawdzi, czy wysokoci i czasy zwizane s ze sob oczekiwan relacj
t

Prawdopodobnie najwaniej szymii dowiadczeniami tego typu s U

w ktrych oczekiwana relacja jest liniowa i ten przypadek rozwaymy n
pocztku. N a przykad jeli wierzymy, e ciao spada ze staym przyspiesz
niem g, to jego prdko v powinna by liniow funkcj czasu t,
v = v + gt.
0

172

Jglniej, bdziemy rozwaa dowolne dwie wielkoci fizyczne x i y, o ktrych

sdzimy, e s powizane relacj liniow postaci
y = A + Bx,

(8.1)

gdzie A i B s staymi. Niestety istnieje wiele sposobw zapisu funkcji liniowej,

szczeglnoci naley uwaa, aby rwnania (8.1) nie pomyli z rwnie
popularn form y = ax + b.
Jeli dwie zmienne y i x s liniowo zalene jak w rwnaniu (8.1), to wykres
zalenoci y od x powinien by prost o nachyleniu B, przecinajc o
. w punkcie y = A. Gdybymy zmierzyli N rnych wartoci x ,...,
x oraz
odpowiadajce im wartoci y ...,
y i jeli nasze pomiary nie byyby obar
czone niepewnociami, to kady z punktw (x , y ) leaby dokadnie na
prostej y = A + Bx, jak na rys. 8.la. W praktyce niepewnoci istniej i moemy
najwyej oczekiwa, e odlego kadego z punktw {x , y ) od prostej bdzie
rozsdna w porwnaniu z niepewnociami, tak jak to pokazano na rys. 8.Ib.
1

Rysunek 8.1. a) Jeli dwie zmienne x i y s zwizane relacj liniow jak w rwnaniu (8.1) i jeli nie
byoby niepewnoci eksperymentalnych, to wszystkie punkty pomiarowe {x ,y ) leayby dokadnie
na prostej y = A + Bx. b) W praktyce zawsze istniej niepewnoci pomiarowe, ktre mona
przedstawi w postaci kresek granic bdw, i mona si jedynie spodziewa, e punkty
{x ,y )
bd leay w rozsdnej odlegoci od prostej. W tym przypadku zaznaczono, i tylko y jest
obarczone znaczc niepewnoci
i

Kiedy wykonujemy seri pomiarw opisanego wanie typu, pojawiaj si

dwa pytania. Po pierwsze, jeli przyjmujemy jako pewnik, e y ix s zwizane
relacj liniow, to interesujcym zagadnieniem jest znalezienie linii prostej
y = A + Bx, ktra jest najlepiej dopasowana do wynikw pomiarw. Jest to
rwnowane znalezieniu najlepszego przyblienia staych A i B opartego na
danych
y j , . . . , (x , y ). Do takiego problemu mona podej stosujc
metod graficzn, ktr pokrtce omwiono w paragrafie 2.6. Mona go take
rozwiza metod analityczn, stosujc zasad najwikszego prawdopodobieN

173

stwa. Ta analityczna metoda znajdowania linii prostej, ktra najlepiej pasowa

aby do szeregu punktw dowiadczalnych, zwana jest metod regresji liniowej
lub metod najmniejszych kwadratw . Metoda ta jest gwnym tematem tego
rozdziau.
Mona postawi drugie pytanie, czy zmierzone wartoci (x y ),...,(x ,
y)
rzeczywicie potwierdzaj nasze oczekiwania co do liniowej zalenoci y od xl
Moemy zatem najpierw znale prost, ktra najlepiej pasuje do danych,
jednak potem musimy wymyle jaki sposb na zmierzenie, jak dobrze ta
prosta pasuje do danych. Tym drugim zagadnieniem zajmiemy si w rozdziale 9.
1

8.2. Obliczenie staych A i B

Powrmy teraz do znajdowania prostej y = A + Bx, ktra najlepiej pasuje do
zbioru punktw pomiarowych (x , y j , . . . , {x , y ). Dla uatwienia dyskusji
zaoymy, e aczkolwiek nasze pomiary y s obarczone pewn niepewnoci,
to niepewno w pomiarach x jest zaniedbywalna. Czsto jest to sensowne
zaoenie, gdy niejednokrotnie niepewnoci jednej zmiennej s o wiele wiksze
ni niepewnoci drugiej i te ostatnie mona bezpiecznie zignorowa. Dalej
zaoymy, e niepewnoci wszystkich wartoci y maj tak sam wielko. (W
wielu dowiadczeniach takie zaoenie jest rwnie rozsdne, jeli za niepew
noci s rne, to nasz analiz mona uoglni poprzez nadanie pomiarom
odpowiednich wag; porwnaj zad. 8.4.) Bardziej szczegowo, zakadamy, e
kady wynik y podlega rozkadowi Gaussa z tak sam dla wszystkich
pomiarw szerokoci o .
1

Jeli znalibymy stae A i B, to dla dowolnej wartoci x (ktra - jak to

zaoylimy - nie ma niepewnoci) moglibymy obliczy prawdziw warto
odpowiedniego y
t

(prawdziwa warto y ) = A + Bx .
t

(8.2)

Wynik pomiaru y podlega rozkadowi normalnemu wyrodkowanemu wok

swojej wartoci prawdziwej z szerokoci o . Tak wic prawdopodobiestwo
otrzymania zmierzonej wartoci y jest rwne
i

PAM*

W,

(8.3)

W literaturze polskiej spotka mona take okrelenia metoda wyrwnawcza i metoda

Gaussa (przyp.

174

e~

tum.).

gdzie indeksy A i B wskazuj, e prawdopobiestwo to zaley od (nieznanych)

wartoci A i B. Prawdopodobiestwo otrzymania kompletnego zbioru wyni
kw y ...,
y jest iloczynem
u

^ , b ( J i . - . 3 ' j v )

-P^b(3'i)

PA,B(y )

2 2

Ke-" ' ,

(8.4)

<7y
gdzie wykadnik dany jest wzorem

f - i <=!.
i=l

,5)

W znany ju sposb najlepsze przyblienia nieznanych staych A i B oparte

na danych pomiarach to takie wartoci A i B, dla ktrych prawdopodobiestv
JVbO i>-"> ^Af) J e s t najwiksze, lub dla ktrych suma kwadratw y
z rwnania (8.5) jest najmniejsza (std nazwa metody najmniejszych kwad
ratw). Aby znale te wartoci, rniczkujemy j wzgldem A oraz B i przy-rwnujemy pochodne do zera:
;

dv

= (-2/a )( -A-B )
yi

= 0

Xi

dv

= ( - 2 / d , ) ^ [y-A-Bx )

= 0.

(8.6)

(8.7)

ownania te mona przepisa w postaci rwna na A i B:

AN+BY x
i

AZx

+ BZ xf
i

= Y.yi

8 8

(-)

= Y xy.
d

(8.9)

Ddtd pomija bdziemy granice i= 1 do N wystpujce przy znaku sumowa

na YJ-) S one znane jako rwnania normalne, ich rozwizanie za daje nam
isjlepsze przyblienia staych A i B, otrzymane metod najmniejszych kwads:w:

175

B =

AT(I*tt)-(I> )(I>'.-)

(8.11)

gdzie wprowadzilimy wygodne oznaczenie

(8.12)

A=N(Y xf)-(lx f.
J

Wyniki (8.10) i (8.11) daj najlepsze przyblienie wspczynnikw A i B linii

prostej y = A + Bx, oparte na wynikach pomiarw (x , y ) , ( x , y ). O tej
prostej mwi si, e jest dopasowana metod najmniejszych kwadratw lub e
jest prost regresji zmiennych y i x. Naturalne jest teraz postawienie pytania
o niepewno naszych przyblie A i B. Okazuje si, e zanim bdziemy umieli
na nie odpowiedzie, musimy omwi problem niepewnoci <r pierwotnych
pomiarw y ,..., y i ten temat wanie podejmiemy.
t

8.3. Niepewno pomiarw j

W trakcie pomiarw wartoci y ,...,
y stworzylimy sobie przypuszczalnie
pewne wyobraenie o ich niepewnoci. Niemniej jednak wana jest umiejt
no obliczania niepewnoci na podstawie analizy samych wynikw pomiaro
wych. Trzeba pamita, e wartoci y ,...,y
nie s wynikami N pomiarw tej
samej wielkoci. (Mog to by na przykad czasy spadku kamienia z N r
nych wysokoci.) Zatem nie bdziemy mogli wnioskowa niczego na temat
rzetelnoci pomiarw na podstawie rozrzutu otrzymanych wynikw.
Mimo to moemy atwo oszacowa niepewno a wartoci y ,...,
y.
Wynik pomiaru kadego y podlega (jak to zakadalimy) rozkadowi normal
nemu ze rodkiem w wartoci prawdziwej A + Bx i o szerokoci a . Tak wic
odchylenia y A Bx podlegaj rozkadom normalnym, wyrodkowanym
wok wartoci 0 i z t sam szerokoci a . Sugeruje to natychmiast, e dobre
przyblienie a byoby dane przez sum kwadratw o znanej postaci
t

N Y(y-A-Bx ) .
2

176

(8.13)

W istocie wynik ten mona potwierdzi stosujc zasad najwikszego praw: r odobiestwa. Jak zwykle, najlepszym przyblieniem badanego parametru
Maj a ) jest taka liczba, dla ktrej prawdopodobiestwo (8.4) zaobserwowa
na wartoci y ,...,
y jest najwiksze. Tym najlepszym przyblieniem, jak to
a:wo sprawdzi rniczkujc rwnanie (8.4) wzgldem a i przyrwnujc
z : chodn do zera, jest dokadnie wynik (8.13).
Niestety, jak mona byo podejrzewa, przyblienie a dane rwnaniem
S.13) niezupenie rozwizuje nasz problem. Liczby Ai B w rwnaniu (8.13) s
meznanymi, prawdziwymi wartociami staych A i B. W praktyce musimy je
zastpi naszymi najlepszymi przyblieniami A i B, danymi rwnaniami (8.10)
i (8.11). Podstawienie to nieco zmniejsza warto wyraenia (8.13). Mona
pokaza, e redukcja ta jest kompensowana, jeli N z mianownika zastpimy
rrzez N 2. Tak wic ostateczna warto niepewnoci pomiarw y . . . , y to
x

l5

* =

(8.14)

Y(y-A-Bx ) ,
2

N-2

gdzie A i B dane s rwnaniami (8.10) i (8.11). Jeli mamy ju niezalene

oszacowanie niepewnoci pomiarw y . . . , y , to powinno by ono porw
nywalne z wartoci obliczon ze wzoru (8.14).
Nie prbowalimy uzasadnia czynnika N 2 w rwnaniu (8.14), moemy
jednak doda par sw komentarza. Po pierwsze, jeli tylko N jest w miar
due, to rnica pomidzy N i N 2 jest i tak nieistotna. Po drugie, sens
obecnoci czynnika N 2 staje si jasny, jeli rozwaymy przypadek pomiaru
jedynie dwch par danych (x , y ) i (x , y ). Majc dwa rne punkty,
zawsze moemy znale prost dokadnie przez nie przechodzc. Metoda
najmniejszych kwadratw da nam parametry tej prostej. Jednak majc
jedynie dwa punkty dowiadczalne, nie jestemy prawdopodobnie w stanie
powiedzie niczego o rzetelnoci naszego pomiaru. Poniewa oba punkty
le dokadnie na dopasowanej prostej, oba skadniki sumy z rwna (8.13)
i (8.14) s rwne zeru. Tak wic wzr (8.13) (z N = 2 w mianowniku) daby
absurdalny wynik a = 0, podczas gdy wzr (8.14), z N 2 = 0 w mianowniku
daje o = 0/0, w sposb waciwy wskazuje, e o po dwch pomiarach
pozostaje nieokrelone.
l5

Obecno czynnika (N 2) we wzorze (8.14) przypomina (Nl), ktre

pojawio si we wzorze (5.46) na odchylenie standardowe N pomiarw jednej
wielkoci x. W tamtym przypadku przeprowadzalimy N pomiarw x ,...,
x
1

177

tej samej wielkoci x. Zanim moglimy obliczy a , musielimy uy naszych

danych do wyznaczenia redniej x. W pewnym sensie pozostawio to tylko
N l niezalenych wartoci zmierzonych; tak wic mwimy, e po obliczeniu
x pozostaje nam tylko (N l) stopni swobody. Teraz przeprowadzilimy N po
miarw, ale przed obliczeniem a musielimy obliczy dwie wielkoci A i B.
Zostaje nam zatem tylko (N 2) stopni swobody. W oglnoci definiujemy
liczb stopni swobody na dowolnym etapie oblicze statystycznych jako liczb
niezalenych pomiarw minus liczba parametrw obliczonych z tych pomia
rw. Mona pokaza (chocia nie zrobimy tego teraz), e w mianowniku
wzorw, takich jak (8.14) i (5.46), powinna pojawi si liczba stopni swobody,
a nie liczba pomiarw. Wyjania to, dlaczego wzr (8.14) zawiera czynnik
(N 2), wzr (5.46) za czynnik (N 1).
x

8.4. Niepewno staych A i 13

Po znalezieniu niepewnoci a zmierzonych wartoci y ...,y
, moemy atwo
powrci do naszych przyblie staych A oraz B i znale ich niepewnoci.
Najwaniejsze, e przyblienia A i B dane rwnaniami (8.10) i (8.11) s dobrze
okrelonymi funkcjami zmierzonych wartoci y . . . , y . Tak wic niepewnoci
A i B mona obliczy metodami przenoszenia bdw, korzystajc z niepewno
ci y y
. Pozostawiamy Czytelnikowi sprawdzenie (zadanie 8.8), e
y

l5

c = o Y* IA
2

(8.15)

(8.16)

a = N<r /A,
B

gdzie A dane jest jak zwykle rwnaniem (8.12).

przez T . Musimy przy tym obliczy sumy Z^!> Z-P?' Z^> Z^;^- Wiele
kalkulatorw potrafi automatycznie znale wszystkie te sumy, jednak nawet
bez ich pomocy atwo damy sobie z tym rad, jeli dane bd waciwie
zorganizowane. Korzystajc z wynikw przedstawionych w tabeli 8.1, ob
liczamy
t

425

Z^ = >
P

= 37 125,

ZT, =
T

Y Pi i

260,

= 25 810,

A = 5000,
2

gdzie A = N(Z-Pi ) (Z-f;) - Zawsze gdy musimy odejmowa due liczby,

wane jest zachowanie duej liczby cyfr znaczcych. Majc potrzebne nam
sumy, moemy niezwocznie obliczy najlepsze przyblienia staych A i B:
2

_ (Pr)(ir,)-(J',)(i',i;) _
A

2 6 3 > 3 5

i
B

NiYPjTd-iZPMiy

zl

W ten sposb otrzymalimy najlepsze przyblienie temperatury zera bezwzgl

dnego uzyskane przez studenta: A 263C.
Znajc stae A i B, moemy nastpnie obliczy wartoci A + BP , temperatu
ry oczekiwanej" na podstawie najlepszego dopasowania wynikw prost
T='A + BP. Wyniki takiego rachunku przedstawione s w ostatniej kolumnie
tabeli i wszystkie pasuj sensownie do temperatur zmierzonych. Moemy teraz
obliczy rnice midzy liczbami w ostatnich dwu kolumnach tabeli i znale
t

* T = ^Y(T -A-BP )

=44,6,

co daje odchylenie standardowe

<r = 6,7.
T

Zgadza si to z ocen studenta, ktry oszacowa niepewno pomiaru tem

peratury na kilka stopni".
Korzystajc ze wzoru (8.15) moemy wreszcie obliczy niepewno wy
znaczenia A

180

przez T . Musimy przy tym obliczy sumy Z^!> Z-P?' Z^> Z^;^- Wiele
kalkulatorw potrafi automatycznie znale wszystkie te sumy, jednak nawet
bez ich pomocy atwo damy sobie z tym rad, jeli dane bd waciwie
zorganizowane. Korzystajc z wynikw przedstawionych w tabeli 8.1, ob
liczamy
t

425

Z^ = >
P

= 37 125,

ZT, =
T

Y Pi i

260,

= 25 810,

A = 5000,
2

gdzie A = N(Z-Pi ) (Z-f;) - Zawsze gdy musimy odejmowa due liczby,

wane jest zachowanie duej liczby cyfr znaczcych. Majc potrzebne nam
sumy, moemy niezwocznie obliczy najlepsze przyblienia staych A i B:
2

_ (Pr)(ir,)-(J',)(i',i;) _
A

2 6 3 > 3 5

i
B

NiYPjTd-iZPMiy

zl

W ten sposb otrzymalimy najlepsze przyblienie temperatury zera bezwzgl

dnego uzyskane przez studenta: A 263C.
Znajc stae A i B, moemy nastpnie obliczy wartoci A + BP , temperatu
ry oczekiwanej" na podstawie najlepszego dopasowania wynikw prost
T='A + BP. Wyniki takiego rachunku przedstawione s w ostatniej kolumnie
tabeli i wszystkie pasuj sensownie do temperatur zmierzonych. Moemy teraz
obliczy rnice midzy liczbami w ostatnich dwu kolumnach tabeli i znale
t

* T = ^Y(T -A-BP )

=44,6,

co daje odchylenie standardowe

<r = 6,7.
T

Zgadza si to z ocen studenta, ktry oszacowa niepewno pomiaru tem

peratury na kilka stopni".
Korzystajc ze wzoru (8.15) moemy wreszcie obliczy niepewno wy
znaczenia A

180

(T = <T AY,P)/A
A

=331

= 18.

Zatem ostateczny wynik studenta, odpowiednio zaokrglony powinien by:

temperatura zera bezwzgldnego, A = 26020C,
DC w zadowalajcy sposb zgadza si z akceptowan wartoci 273C.
Jak czsto w takich przypadkach, wyniki powysze staj si bardziej
czytelne, jeli naniesiemy je na wykres, jak na rys. 8.2. Pi punktw dowiad
czalnych z niepewnociami temperatury + 7C pokazano w prawym grnym
rogu. Najlepiej dopasowana prosta przechodzi przez cztery kreski granic
: edw, pit za mija ona w niewielkiej odlegoci.

Rysunek 8.2. Wykres zalenoci temperatury T od cinienia P gazu utrzymywanego w staej

objtoci (przemiana izochoryczna). Granice bdw maj wielko jednego odchylenia standar
dowego a po obu stronach kadego z piciu punktw pomiarowych, a narysowan prost
znaleziono metod najmniejszych kwadratw. Temperatur zera bezwzgldnego znaleziono przez
ekstrapolacj prostej do punktu jej przecicia z osi temperatury T
T

Aby znale warto zera bezwzgldnego, prost t przeduono poza wszys

tkie punkty pomiarowe, a do przecicia z osi T. Taki proces ekstrapolacji
(przeduania krzywej poza obszar punktw, ktre j wyznaczaj) wprowadza,

181

jak to jasno wynika z rysunku, due niepewnoci. Bardzo maa zmiana

nachylenia prostej bdzie powodowa ogromne zmiany w pooeniu jej punk
tu przecicia z odleg osi T. Zatem kada niepewno danych dowiadczal
nych w ogromnym stopniu si zwiksza, jeli przeprowadzamy ekstrapolacj
na dowoln odlego. Wyjania to, dlaczego niepewno wartoci zera bez
wzgldnego ( + 18C) jest o tyle wiksza ni niepewnoci pierwotnych pomia
rw temperatury ( + 7C).

8.6. Dopasowanie innych krzywych

metod najmniejszych kwadratw
Jak dotd w tym rozdziale rozwaalimy pomiary dwch zmiennych, spe
niajcych relacj liniow y = A + Bx, a take dyskutowalimy obliczanie sta
ych A i B. Ten wany problem jest szczeglnym przypadkiem szerokiej klasy
zagadnie dopasowania krzywych, z ktrych wiele mona rozwiza w podob
ny sposb.

Dopasowanie wielomianu
Zdarza si czsto, e spodziewamy si, i jedna zmienna y daje si wyrazi
przez wielomian drugiej zmiennej x,
2

y = A + Bx + Cx + ... +Hx .

(8.19)

N a przykad, oczekujemy, e wysoko, na jakiej znajduje si spadajce ciao,

bdzie kwadratow funkcj czasu t,
v

y = y + o -\
0

gt >

gdzie y i v s odpowiednio pocztkow wysokoci i prdkoci, g za jest

przyspieszeniem ziemskim. Majc dany zbir punktw dowiadczalnych, mo
emy znale najlepsze przyblienia staych A, B,..., H ze wzoru (8.19),
posugujc si argumentami analogicznymi do przedstawionych w paragrafie
8.2. Przedstawimy teraz szkic takiego rozumowania.
Zamy dla uproszczenia, e wielomian (8.19) jest funkcj kwadratow
0

y = A+Bx + Cx .

(8.20)

(Zainteresowany Czytelnik z atwoci rozszerzy ponisz analiz na przypa

dek oglny.) Zakadamy, jak poprzednio, e mamy zbir punktw pomiaro-

182

rych (x , y ), i= 1,..., N i niepewnoci wszystkich wartoci y s jednakowe,

[ wszystkie wartoci x s dokadnie znane. Dla kadego x odpowiednia prawrziwa warto y dana jest wzorem (8.20), z A, B, C, ktrych na razie nie znamy.
Zakadamy, e pomiary y podlegaj rozkadom normalnym. Kady z tych
rozkadw wyrodkowany jest na odpowiedniej wartoci prawdziwej i kady ma
z sam szeroko a . Pozwala nam to obliczy prawdopodobiestwo otrzymania
raobserwowanych przez nas wartoci dowiadczalnych y ...,
y w znanej postaci
{

2 2

P( ,...,y )oce^ ' ,

yi

(8.21)

gdzie teraz
2 2

*
X = I

{y-A-Bx-Cx )
r

(8-22)

ff2

i - i

W przypadku liniowym odpowiada to rwnaniu (8.5)). Najlepsze przyblienia

4. i C to te, dla ktrych wartoci P(y ...,
y ) s najwiksze, czyli j jest
najmniejsze. Rniczkujc j wzgldem A, B i C i przyrwnujc do zera
otrzymane pochodne, otrzymujemy (Czytelnik powinien to sprawdzi):
2

AN + B ^ +
A ^
AYxf

C ^ f ^ ^

+ B^f

+ C^f

+ BYx?

+ CYxf

t ty ,

(8-23)

Y* yi-

Dla dowolnego zbioru punktw pomiarowych (x y ) mona ten ukad

rwna (znany jako ukad rwna normalnych) rozwiza i otrzyma najlepsze
przyblienia A, B i C. Rwnanie y = A+Bx + Cx , ze staymi obliczonymi
powysz metod, nazywamy funkcj kwadratow dopasowan metod naj
mniejszych kwadratw lub krzyw regresji wielomianowej danych pomiarw.
Metod regresji wielomianowej mona atwo uoglni na przypadek wielo
mianu dowolnego stopnia, mimo e dla wielomianw wyszych stopni od
powiednie rwnania normalne staj si bardzo nieporczne. W zasadzie
podobn metod mona zastosowa do dowolnej funkcji y=f(x), ktra zaley
od wielu nieznanych parametrw A, B,... Niestety rwnania normalne, okre
lajce najlepsze przyblienia wartoci A, B,..., mog by trudne lub wrcz
niemoliwe do rozwizania. Jest jednak jedna dua klasa zagadnie, ktre
zawsze mog by rozwizane. Chodzi o problemy, w ktrych funkcja y=f(x)
zaley liniowo od parametrw A, B,... Do funkcji takich nale oczywicie
wszystkie wielomiany - jasne jest, e wielomian taki jak (8.19) zaley liniowo
od swych wspczynnikw A, B,..., jednak dotyczy to take wielu innych
u

183

funkcji. N a przykad, w niektrych problemach spodziewamy si, e y jest

sum funkcji trygonometrycznych, jak
y = .4 sin x + 5 cos x.

(8.24 <

Dla tej funkcji, a take w rzeczywistoci dla dowolnej funkcji liniowej parame
trw A, B,... rwnania normalne wyznaczajce najlepsze przyblienia A, B...
tworz ukad rwna liniowych, ktry zawsze mona rozwiza ( porwna'
zad. 8.12 i 8.13).

Funkcje wykadnicze
Jedn z najwaniejszych funkcji w fizyce jest funkcja wykadnicza
Bx

y = Ae ,

(8.25

gdzie A i B s staymi. Natenie promieniowania I maleje wykadniczo po

przejciu przez orodek pochaniajcy odlegoci x, zgodnie ze wzorem:

I=I c-",
0

gdzie I jest nateniem pocztkowym, fi za charakteryzuje absorpcj mate

riau pochaniajcego. adunek pozostay na rozadowywanym kondensatorze
maleje wykadniczo z czasem:
0

A l

Q = e e- ,
0

przy czym Q jest adunkiem pocztkowym, a X = l/(RC), gdzie R jest

oporem, a C - pojemnoci.
Jeli stae A i B w rwnaniu (8.25) s nieznane, naturalne jest poszukiwanie
ich przyblie na podstawie pomiarw x i y. Niestety bezporednie zastosowa
nie naszych poprzednich argumentw prowadzi do rwna na A i B, ktre nie
dadz si atwo rozwiza. Jednak istnieje moliwo transformacji nieliniowe
go zwizku (8.25) pomidzy y i x na relacj liniow, do ktrej moemy
zastosowa metod najmniejszych kwadratw.
W celu otrzymania wymaganej linearyzacji" logarytmujemy po prostu
rwnanie (8.25) i otrzymujemy
0

lny = ln.4-r-.Bx.

(8.26)

Widzimy, e mimo i y nie jest liniow funkcj x, to lny ju jest. Przekszta

cenie nieliniowego zwizku (8.25) w relacj liniow (8.26) jest przydatne take
w wielu innych sytuacjach, poza metod najmniejszych kwadratw. Jeli

184

nr remy sprawdzi relacj (8.25) graficznie, to narysowanie wykresu zalenoci

: i x da nam krzyw, o ktrej na pierwszy rzut oka niewiele da si
: : .-.edzie. Z drugiej strony, wykres zalenoci lny od x (lub wykres zalenoc: '.og y od x) powinien da prost, ktr atwo zidentyfikowa. (Tego typu
- :res szczeglnie atwo zrobi na papierze plogarytmicznym", na ktrym
r ; r . a o ma podziak logarytmiczn. Papier taki pozwala wykreli logy
-eaporednio, nawet go nie obliczajc.)
Przydatno rwnania liniowego (8.26) w metodzie najmniejszych kwadrarow jest natychmiast widoczna. Jeli wierzymy, e y i x powinny spenia
:_.eno y = Ae , to zmienne z = lny i x powinny spenia zaleno (8.26),
rzyli
Bx

z = \nA + Bx.

(8.27)

Icli mamy seri punktw dowiadczalnych {x , y ), to dla kadego y moemy

obliczy z = ln y . Wtedy punkty (x z ) powinny lee na prostej (8.27).
Prosta ta moe by dopasowana metod najmniejszych kwadratw, co daje
najlepsze przyblienia staych lm4 (skd znajdujemy A) i B.
t

Przykad
Wiele populacji (ludzi, bakterii, jder promieniotwrczych itp.) ma tendencj
do zmieniania si wykadniczo w czasie. Jeli populacja taka maleje wykad
niczo, moemy napisa
z

N = N e~" ,

(8.28)

gdzie T jest zwane rednim czasem ycia (jest to cile powizane z okresem
poowicznego zaniku t , w istocie t
0,693 T). Biolog podejrzewajcy, e
populacja bakterii maleje wykadniczo jak w rwnaniu (8.28), bada j w trzech
kolejnych dniach, otrzymujc wyniki jak w pierwszych dwch kolumnach
:abeli 8.2. Jakie jest jego najlepsze przyblienie redniego czasu ycia T oparte
na przedstawionych wynikach?
1/2

1/2

Tabela 8.2. Populacja bakterii

Czas t (dni)

Populacja N

z,- = ln JV

0
1
2

153 000
137000
128 000

11,94
11,83
11,76

185

Jeli N zmienia si zgodnie z rwnaniem (8.28), to zmienna z = ln N po

winna zalee liniowo od t:
= lnJV = ln J V - - .

(8.29)

Nasz biolog oblicza zatem trzy wartoci z = ln JV,- (i = 0, 1, 2) przedstawione

w trzeciej kolumnie tabeli 8.2. Korzystajc z tych liczb, dopasowuje on prost
(8.29), stosujc metod najmniejszych kwadratw, i znajduje najlepsze przy
blienie wspczynnikw rniV i ( 1/T),
;

ln JV = 11,93

- 1

(-1/r) = -0,089 d n i .

Druga z tych liczb implikuje, e najlepsze przyblienie redniego czasu ycia

rwne jest
x

= 11,2 dni.

Metoda wanie opisana jest sympatycznie prosta (szczeglnie przy uyciu

kalkulatora automatycznie obliczajcego regresj liniow) i jest czsto stoso
wana. Pomimo to metoda ta nie wydaje si cakiem logiczna. Nasze obliczenia
prowadzce do dopasowania prostej y = A + Bx oparte byy na zaoeniu, e
zmierzone wartoci y ...,
y obarczone byy jednakowymi niepewnociami.
W tym przypadku przeprowadzamy nasze dopasowanie, korzystajc ze zmien
nej z = ln y. Jeli zatem zmierzone wartoci y byy jednakowo niepewne, to
wartoci z, = ln y ju takie nie s. Faktycznie, z prostego wzoru na przenosze
nie bdu wynika, e
v

dz
a, = dy c = X
y

(8.30)

Tak wic jeli a jest takie samo dla wszystkich pomiarw, to o zmienia si (a.
ronie ze zmniejszaniem si y). W oczywisty sposb zmienna z = ln y nie
spenia wymaganego zaoenia staej niepewnoci dla wszystkich pomiarw,
nawet jeli y to zaoenie spenia.
atwo jest obej t trudno. Mona zmodyfikowa metod najmniejszych
kwadratw, uwzgldniajc rne niepewnoci poszczeglnych pomiarw pod
warunkiem, e niepewnoci te s znane. (Metoda najmniejszych kwadratw
uwzgldniajca wagi statystyczne naszkicowana zostaa w zadaniu 8.4.) Jeli
wiemy, e pomiary y ,...,y
rzeczywicie s obarczone jednakowymi niepew
nociami, to rwnanie (8.30) mwi nam, jak zmieniaj si niepewnoci wartoci
z . . . , Zjy i do rwnania z = ln A + Bx moemy zastosowa metod waonych
najmniejszych kwadratw.
y

l5

186

W praktyce czsto nie mona by pewnym, e niepewnoci

y ...,y
rzeczywicie s jednakowe, tak wic mona argumentowa, e rwnie dobrze
mona zaoy rwno wszystkich niepewnoci z
z
i skorzysta z naj
prostszej wersji metody najmniejszych kwadratw. Czsto niepewnoci niewie
le si rni i to, z ktrej metody skorzystamy, nie ma istotnego wpywu na
wyniki (tak byo w opisanym powyej przykadzie). W kadym przypadku
bezporednie zastosowanie zwykej (bez wag) metody najmniejszych kwad
ratw jest jednoznacznym, prostym sposobem znajdowania sensownych (jeli
nie najlepszych) przyblie staych A i B w rwnaniu y = Ae i dlatego jest
w tym celu czsto uywana.
u

Bx

Regresja wielokrotna
Do tej pory omawialimy tylko obserwacje dwch zmiennych, x i y, i ich
zwizek. W wielu realnych zagadnieniach trzeba jednak rozwaa wicej ni
dwie zmienne. N a przykad badajc cinienie gazu P, stwierdza si, e zaley
ono od objtoci F o r a z temperatury T i analizuje si t zaleno. Najprost
szym przykadem takiego problemu jest przypadek, kiedy jedna zmienna
z zaley liniowo od dwch innych zmiennych x i y:
z = A + Bx + Cy.

(8.31)

Problem ten mona rozwiza przez bardzo naturalne uoglnienie metody

najmniejszych kwadratw dla przypadku dwch zmiennych. Jeli dysponuje
my seri pomiarw (x , y , z ) , i = 1,..., N (przy czym z maj takie same
niepewnoci, x i y za s znane dokadnie), to moemy zastosowa zasad
najwikszego prawdopodobiestwa, dokadnie tak samo jak w paragrafie 8.2,
aby pokaza, e najlepsze przyblienia staych A, B, C wyznaczone s przez
rwnania normalne postaci
t

A ^

+ B^f

+C ^ y ^ ^ u

(8.32)

Rwnania te mona rozwiza wzgldem A, B i C, aby otrzyma najlepsze

dopasowanie funkcji (8.31). Metoda ta zwana jest regresj wielokrotn (wielo
krotn", poniewa mamy do czynienia z wicej ni dwiema zmiennymi), ale nie
bdziemy jej szerzej omawia w tym miejscu.
187

Zadania
Uwaga: Gwiazdka przy zadaniu oznacza, e szkic rozwizania lub odpowied
znajduje si na kocu ksiki.
(paragraf 8.2). Korzystajc z metody najmniejszych kwadratw,
znajd prost y = A + Bx, ktra najlepiej pasuje do czterech punktw (1, 12);
(2, 13); (3, 18); (4, 19). Nanie na wykres punkty i prost.
8.2 (paragraf 8.2). Aby znale wspczynnik sprystoci k spryny,
studentka obciya spryn rnymi masami m i zmierzya odpowiednie
dugoci /. Jej wyniki zestawione s w tabeli 8.3. Poniewa sia mg rwna jest
k(l l ), gdzie l jest dugoci spryny zawieszonej swobodnie, wic powy
sze dane powinny pasowa do prostej / = l + {g/k) m. Dopasuj prost do tych
danych, stosujc metod najmniejszych kwadratw. Znajd najlepsze przy
blienia dugoci l i wspczynnika sprystoci k.
0

Tabela 8.3
obcienie m (g)
dugo/(cm)

200
5,1

300
5,5

400
5,9

500
6,8

600
7,4

700
7,5

800
8,6

900
9,4

^8^3Jparagraf 8.2). Zamy, e x i y speniaj relacj y = Bx; tj. le na

prostej~przechodzcej przez pocztek ukadu wsprzdnych. Zamy take,
e mamy N par punktw (x , y ) z zaniedbywalnymi niepewnociami x i rw
nymi sobie niepewnociami y. Korzystajc z argumentw jak te z paragrafu
8.2, udowodnij, e najlepsze przyblienie B rwne jest
t

1J874, (paragraf 8.2). Przypumy, e znalelimy N par wartoci (x ; , y i

dwch zmiennych x oraz y i zakadamy, e speniaj one relacj liniow
y = A + Bx. Przypumy, e pomiary x s obarczone zaniedbywaln niepew
noci, niepewnoci za y maj rne wartoci a (to znaczy niepewno y,
rwna jest a niepewno y rwna jest a itd.). Przyjrzyj si wyprowadzeniu
metody najmniejszych kwadratw z paragrafu 8.2 i uoglnij j na przypadek
niejednakowych niepewnoci y . Poka, e najlepsze przyblienia A i B rwne s:
t

A
i

188

= [(Zw x, )(Xw y )-(X>v x )(Zw .x y .)]/zl

2

(8.331

= [(Zw .)(Iw x ; )-(Z x )(Zw y )]/zl,

;

(8.34)

^=(Zw )(Zw x )-(Xw x ) .

(8.35)

i3

Wi

^gami w = 1/(7? oraz

;

i-;:od najmniejszych kwadratw uwzgldniajc wagi statystyczne pomiarw

- : zna stosowa tylko wtedy, gdy niepewnoci a (lub co najmniej ich wzgld: 7 wielkoci) s znane. Najczciej spotykamy si z tak sytuacj w przypadku
::miarw zlicze, takich jak np. zliczanie rozpadw promieniotwrczych. Jak
i

: powiedziano w paragrafie 3.1 (i zostanie udowodnione w rozdziale 11),

niepewno odpowiadajca dowolnej liczbie zlicze v rwna jest

y/v.

8.5 (paragraf 8.2). Zamy, e wiemy, i y jest liniow funkcj x, to znaczy

= A + Bx, i przypumy, e mamy trzy pary pomiarw (x, y) : (1; 2 + 0,5), (2;
=0,5), (3; 2 1 , 5 ) , dla ktrych niepewnoci x s zaniedbywalne. Korzystajc
: metody najmniejszych kwadratw, uwzgldniajcej wagi statystyczne pomia::w (rwnania (8.33) do (8.35)), oblicz A i B. Porwnaj swoje wyniki z tymi,
ktre otrzymaby zaniedbujc zmienno niepewnoci, tj. uywajc rwna
>.10)-{8-12), nie uwzgldniajcych wag statystycznych pomiarw. Nanie na
< ykres dane i obie proste oraz sprbuj zrozumie rnice.
vj*8^ (paragraf 8.4). Badajc ruch pocigu poruszajcego si przypuszczalnie
ze sraa prdkoci, mierzymy czas, w jakim mija on okrelone cztery punkty
swojej trasy. Pooenie tych punktw i znalezione czasy przedstawiono w tabeli
S.4. Dopasowujc prost d = d + vt metod najmniejszych kwadratw, znajd
najlepsze przyblienie prdkoci pocigu v. Jaka jest niepewno vi
0

Tabela 8.4
pooenie (km)
czas(s)

0
17,6

tooo w
40,4

20&O*
67,7

3(9t5<?

~ -

90,1

8.7 (paragraf 8.4). Student mierzy cinienie gazu P w piciu rnych

temperaturach T, utrzymujc sta jego objto V. Jego wyniki przedstawiono
w tabeli 8.5. Wyniki te powinny pasowa do rwnania liniowego o postaci
T= A + BP, gdzie A jest temperatur zera bezwzgldnego (z uznan wartoci
273C, o czym bya mowa w paragrafie 8.5). Znajd najlepsze dopasowanie
danych studenta i std wyznacz najlepsze przyblienie temperatury zera
bezwzgldnego oraz jej niepewno.

189

Tabela 8.5
cinienie P, (mm Hg)
temperatura 7] (C)

79

82

85

88

90

17

30

37

52

*8.8 (paragraf 8.4).

a) Skorzystaj z zasady najwikszego prawdopodobiestwa w sposb na
szkicowany w dyskusji rwnania (8.13), aby pokaza, e rwnanie (8.13)
okrela niepewno a wartoci y w serii pomiarw (x y ),(x ,
y ),
0 ktrych przypuszcza si, e le na prostej.
b) Skorzystaj z regu przenoszenia bdw, aby pokaza, e niepewnoci a
1 a parametrw dopasowania linii prostej y = A + Bx dane s rwnaniami
(8.15) i (8.16).
y

*8.9 (paragraf 8.4). Metoda najmniejszych kwadratw, stosowana do zbio

ru punktw (x , y j , . . . , (x , y ) nie traktuje zmiennych x i y jednakowo.
W szczeglnoci parametry dopasowania prostej y = A + Bx obliczane s przy
zaoeniu jednakowej niepewnoci y ...,
y i zaniedbywalnej niepewnoci
x ...,
x . Jeli byoby odwrotnie, to x i y musiayby si zamieni rolami
i pasowa do prostej x = A' + B'y. Obie proste y = A + Bx i x = A' + B'y
byyby identyczne, gdyby N punktw leao dokadnie na prostej, ale w ogl
noci bd si one odrobin rni. Dopasuj prost x = A' + B'y do danych
z zadania 8.1 (zakadajc jednakow niepewno x i zaniedbywaln niepew
no y ). Znajd A' i B' oraz ich niepewnoci o , i a ,. Jakie byyby wartoci A'
i B' obliczone na podstawie wynikw zadania 8.1? Porwnaj proste otrzymane
tymi dwiema metodami. Czy rnica jest znaczca?

8.10 (paragraf 8.6). Rozwa dopasowanie wielomianu y = A + Bx + Cx do

zbioru punktw (x , y ), i = 1,..., N. Skorzystaj z zasady najwikszego praw
dopodobiestwa, aby pokaza, e najlepsze przyblienia staych A, B, C dane
s rwnaniem (8.23). Postpuj zgodnie ze wskazwkami przedstawionymi
w tekcie pomidzy rwnaniami (8.20) i (8.23).
;

*8.11 (paragraf 8.6). Jednym ze sposobw mierzenia przyspieszenia swobo

dnie spadajcego ciaa jest pomiar wysokoci y , na ktrej si znajduje
w jednakowych odstpach czasu (korzystajc na przykad z fotografii wieloekspozycyjnej). Przyspieszenie to mona znale dopasowujc do wynikw do
wiadczenia funkcj kwadratow, jakiej si spodziewamy:
t

y=

yo+v t-\gt .
Q

(8.36)

Skorzystaj z rwna (8.23), aby znale najlepsze przyblienie trzech wsp-

190

rznikw rwnania (8.36) i std najlepsze przyblienie g na podstawie

nkw przedstawionych w tabeli 8.6.
Tabela 8.6
: dziesite czci s)
nkoc/i(cm)

2
131

1
113

0
89

1
51

2
7

Zwr uwag, e pocztek pomiaru czasu moemy ustali dowolnie. Mog:y si wydawa, e bardziej naturalne byoby przyjcie t = 0, 1,..., 4. Jednak,
-; zwizujc zadanie, stwierdzisz, e zdefiniowanie czasu tak, aby punkty
- : miarowe byy rozoone symetrycznie wok zera, powoduje, e znika okoo
o liczonych sum. Fakt ten istotnie upraszcza rachunki. Taki trik mona
m;:osowa zawsze, gdy wartoci zmiennej niezalenej s rwnoodlege.
8.12 (paragraf 8.6). Przypumy, e spodziewamy si, i y jest postaci
= Af(x) + Bg(x), gdzie A i B s nieznanymi parametrami, / i g za s ustainymi, znanymi funkcjami x ( j a k / = x i g = x l u b / = cos x i g = sin x). Ko stajc z zasady najwikszego prawdopodobiestwa poka, e najlepsze przyzzenia A i B na podstawie danych (x , y ), i 1,..., N, musz spenia relacje:
2

^I[/(x,)] +al/(x,)

g{x )
t

Zyt

f(p^i),

(8.37)
2

AZf(x )g(x )+BZLg(x )-]

i

=Zy a(x ).

*8.13 (paragraf 8.6). Wysoko y, na jakiej znajduje si ciarek drgajcy

l a pionowej sprynie, powinna by opisywana wzorem

y = A cos cot + B sin cot.

Studentka zmierzya z zaniedbywaln niepewnoci czsto OJ = 10 rad/s.
Korzystajc z fotografii wieloekspozycyjnej znalaza take y w piciu rwno
odlegych chwilach, tak jak to przedstawiono w tabeli 8.7.
Tabela 8.7
: (dziesite czci s)
y(cm)

4
3

2
-16

0
6

2
9

4
-8

Skorzystaj z rwnania (8.37), aby znale najlepsze przyblienia A i B.

Narysuj punkty i swoj najlepiej dopasowan krzyw. (Jeli najpierw narysu-

191

jesz punkty pomiarowe, bdziesz mia moliwo stwierdzenia, jak trudno

byoby wybra najlepsze dopasowanie bez metody najmniejszych kwadratw.)
Czy uznaby, e dane zadowalajco pasuj do spodziewanej zalenoci, jeli
studentka ocenia niepewnoci zmierzonych wartoci y na par centymet
rw"?
ra zachoSzcych w prbce radioaktywnej maleje wykadniczo w miar rozpadu
jder:
R = i? e

_ t / I

gdzie t jest rednim czasem ycia jdra promieniotwrczego. Student obser

wujcy przez trzy godziny pewien rozpad promieniotwrczy zanotowa wyniki
przedstawione w tabeli 8.8. Znajd najlepsze przyblienie redniego czasu ycia
T, dopasowujc do jego wynikw prost mR = ln R t/x. Skorzystaj z meto
dy najmniejszych kwadratw.
0

Tabela 8.8
czas t (godziny)
szybko zliczania R
(jednostki umowne)

13,8

7,9

6,1

2,9

R O Z D Z I A

KOWARIANCJA I KORELACJA

K : lejny rozdzia powicimy wprowadzeniu wanego pojcia kowariancji.

Kowariancja pojawia si w naturalny sposb w trakcie rozwaa na temat
rrzenoszenia bdw i dlatego zajmiemy si ni w paragrafie 9.2, poprze
dzonym krtkim przegldem zasad przenoszenia bdw znajdujcym si
w paragrafie 9.1. W paragrafie 9.3 na podstawie kowariancji zdefiniuje
my wspczynnik korelacji liniowej dla N punktw pomiarowych
i.x , y ), ...,(x , y ). Wspczynnik ten, oznaczany jako r, jest miar zgodnoci
pomidzy punktami pomiarowymi
y ) a lini prost opisan rwnaniem
y = A + Bx. Jego znaczenie omwimy w paragrafach 9.4 i 9.5.
1

9.1. Przegld zasad przenoszenia bdw

W tym i nastpnym paragrafie raz jeszcze powrcimy do wanego zagad
nienia, jakim jest przenoszenie bdw. Po raz pierwszy zajlimy si przeno
szeniem bdw w rozdziale 3, w ktrym udao si nam sformuowa szereg
wnioskw. Wyobraalimy sobie, e mierzymy dwie wielkoci x i y z zamiarem
obliczenia wartoci pewnej ich funkcji q(x, y), jak na przykad q = x + y czy
j = x sin y. (W rzeczywistoci rozwaalimy wtedy funkcj q(x, ...,z) o dowol
nej liczbie zmiennych x,...,z; obecnie dla uproszczenia ograniczymy si tylko
do dwch zmiennych.) Proste rozumowanie przekonao nas, e niepewno q
est dana wzorem
2

6q

cq_
8q_
8x +
by.
dy
8x

(9.1)

193

Po raz pierwszy wyprowadzilimy t zaleno dla przypadkw szczeglnych

jak suma, rnica, iloczyn i iloraz. Na przykad, jeeli <gr jest sum q = x + y, to
(9.1) sprowadza si do znanej postaci oq sa 8x + 8y. Wynik oglny otrzymali
my w rwnaniu (3.43).
Nastpnie zauwaylimy, e wyraenie (9.1) czsto prowadzi do nadmiernej
wartoci ?>q, poniewa moliwe jest czciowe znoszenie si bdw x i y.
Opuszczajc dowd stwierdzilimy, e dla niezalenych i przypadkowych
bdw x i y lepszym oszacowaniem niepewnoci obliczanej wartoci q(x, y)
jest wyraenie
(9.2)

Powiedzielimy take, ponownie pomijajc dowd, e bez wzgldu na niezale

no i przypadkowo bdw, prostsze wyraenie (9.1) zawsze daje grne
ograniczenie wartoci bq; oznacza to, e niepewno bq nigdy nie jest wiksza
od obliczonej na podstawie wzoru (9.1).
W rozdziale 5 podalimy poprawn definicj oraz dowd wyraenia (9.2).
N a pocztku przekonalimy si, e dobr miar niepewnoci pomiaru 8x jest
odchylenie standardowe a , w szczeglnoci zobaczylimy, e jeeli pomiary
wielkoci x podlegaj rozkadowi normalnemu, to moemy mie 68 procent
ufnoci, e zmierzona warto ley w promieniu a od wartoci prawdziwej. Po
drugie, stwierdzilimy, e jeeli pomiary x i y opisane s przez niezalene
rozkady normalne z odchyleniami standardowymi a i a , to wartoci q(x, y)
rwnie podlegaj rozkadowi normalnemu z odchyleniem standardowym
x

(9.3)
Rezultat ten uzasadnia nasze stwierdzenie zapisane w wyraeniu (9.2).
W paragrafie 9.2 wyprowadzimy dokadny wzr na niepewno wielko
ci q, ktry ma zastosowanie bez wzgldu na to, czy wielkoci x i y podlegaj
rozkadom normalnym i czy ich niepewnoci s niezalene. W szczeglnoci
pokaemy, e wyraenie (9.1) zawsze prowadzi do grnego ograniczenia
niepewnoci dq.
Zanim wyprowadzimy te zalenoci, przyjrzyjmy si definicji odchylenia
standardowego. Odchylenie standardowe a dla JV pomiarw zostao pierwot
nie zdefiniowane rwnaniem
x

N
2

l(x-x) ;= i

194

(9.4

Jeeli pomiary x podlegaj rozkadowi normalnemu, to w granicy dla duych

wartoci N definicja (9.4) jest rwnowana definicji a jako parametru szeroko
ci, ktry wystpuje w funkcji Gaussa
x

-(x-X) /lal

opisujcej rozkad wynikw x. Poniewa bdziemy obecnie dopuszcza mo

liwo, e niepewnoci x nie speniaj rozkadu normalnego, nie bdziemy
mogli korzysta z drugiej definicji. Jednake moemy i bdziemy definiowa a
za pomoc rwnania (9.4). Niezalenie od tego, czy rozkad bdw jest
rozkadem normalnym, ta definicja o daje wiarygodn miar przypadkowych
niepewnoci wystpujcych w pomiarach x. (Podobnie jak w rozdziale 5,
zaoymy, e wszystkie bdy systematyczne s znane i zostay zredukowane
do zaniedbywalnego poziomu, a pozostae bdy s przypadkowe.)
x

Pozostaje zwyka dowolno w kwestii wyboru definicji o w postaci (9.4)

lub w jej poprawionej" formie, w ktrej mianownik N zosta zastpiony przez
{N l). N a szczcie prowadzone dalej rozwaania stosuj si do obydwu
definicji, o ile konsekwentnie stosujemy jedn albo drug. Dla wygody bdzie
my posugiwa si definicj (9.4) z N w mianowniku.
x

9.2. Kowariancja a przenoszenie bdw

Zamy, e w celu okrelenia wartoci funkcji q(x, y) kilkukrotnie powtrzyli
my pomiary dwch wielkoci x i y, uzyskujc N par danych (x ,y ),
(x ,y ).
N a podstawie N pomiarw x ,...,x
obliczylimy w zwyky sposb
redni x oraz odchylenie standardowe u ; podobnie na podstawie
y ,...,y
obliczylimy y oraz o . Nastpnie, majc N par danych, moemy obliczy
N wartoci funkcji bdcej przedmiotem zainteresowania
1

q.i = <fatJi),

(i =

i,...,N).

Znajc q ...,q ,
obliczamy ich redni q, ktra jak sdzimy jest najlepszym
przyblieniem wartoci q, oraz odchylenie standardowe o , ktre jest nasz
miar przypadkowych niepewnoci wartoci q .
Jak zwykle, przyjmiemy zaoenie, e niepewnoci pomiarowe s niewielkie,
a wic wszystkie wyniki x ,...,x
s bliskie x, a y ...,y
bliskie y. Pozwala to
skorzysta z przyblienia
u

195

_ _
^

dq
_
~dx ( ~ ^
Xi

dq
_
~dy~( ~ ^

yi

(9.5)

W wyraeniu tym pochodne czstkowe dq/dx oraz dq/dy obliczamy w punk

cie x = x, y = y i dlatego s one identyczne dla wszystkich i = 1,... TY. W tym
przyblieniu wyraenie na redni przyjmuje posta
1

1
N

dq
q(x,y)+-^-(x -x)
ox

dq
_
{y -y)
dy
i

Zapisalimy redni q w postaci sumy trzech czonw. Pierwszy z nich to po

prostu q(x, y), podczas gdy pozostae dwa s rwne zeru. (Wynika to
chociaby z definicji redniej, ktra mwi, e
0-) W ten sposb
osignlimy wynik o godnej podkrelenia prostocie
=

q = q(x, y).

(9.6)

Oznacza to, e chcc znale redni q, powinnimy obliczy warto funkcji

q(x,y) w punkcie x = x, y = y.
Odchylenie standardowe dla N wartoci q ,...,q
jest dane przez
1

1
2

l(q-q) Podstawiajc do (9.5) oraz (9.6), stwierdzamy, e

1
= iV

dq
dx

+2

196

^-(x -x)
;

-(y -y)
;

dq 3q 1

TY

ZC^-^H^-y)-

3x dy TY

ZO^-y)

(9.7)

Sumy w pierwszych dwch wyrazach s dokadnie takie same, jak w definic

jach odchyle standardowych a i a . Sumy z ostatniego czonu nie spotkali
my nigdy wczeniej. Nosi ona nazw kowariancji x i y, i jest oznaczana przez
x

xy

= ^Z(x -x)(y -y).

i

(9-8)

Po uwzgldnieniu tej definicji rwnanie (9.7) na odchylenie standardowe a

przyjmuje posta

.2

Wzr ten pozwala obliczy odchylenie standardowe a bez wzgldu na niezale

no pomiarw x i y oraz bez powoywania si na ich normalny rozkad.
Jeeli pomiary x i y s niezalene, to - jak mona si atwo przekona - dla
duej ich liczby kowariancja a powinna dy do zera. Niezalenie od wartoci
y , wielko x xz rwnym prawdopodobiestwem wystpowayby ze znakiem
plus jak i minus. Tak wic po wielu pomiarach skadniki dodatnie i ujemne
w sumie (9.8) powinny si w przyblieniu rwnoway; dla nieskoczenie wielu
pomiarw czynnik 1/JV gwarantuje zbieno a do zera. (Dla skoczonej liczby
pomiarw kowariancja a nie bdzie dokadnie zerem, chocia jej warto
powinna by maa, o ile bdy x i y s rzeczywicie niezalene i przypadkowe.)
Gdy a jest rwne zeru, rwnanie (9.9) sprowadza si do

xy

xy

xy

(9.10)
co jest znanym nam wynikiem dla niezalenych i przypadkowych niepewnoci.
1

Nazwa kowariancja dla <j (w przypadku dwch zmiennych x, y) nawizuje do nazwy

wariancja uywanej dla a (w przypadku jednej zmiennej x). W celu jeszcze wyraniejszego
podkrelenia istniejcej analogii, kowariancja (9.8) jest czasami oznaczana przez a , co nie jest
najszczliwszym wyborem, poniewa zdarza si, e kowariancja przyjmuje wartoci ujemne.
Zalet podanej definicji jest to, e <j ma wymiar xy, podobnie jak a ma wymiar x.
xy

xy

xy

197

Jeeli pomiary x i y nie s niezalene, to nie ma powodu, aby kowarian

cja a bya rwna zeru. atwo wyobrazi sobie sytuacj, w ktrej dodatnim
odchyleniom x bd zawsze towarzyszy dodatnie odchylenia y i na odwrt.
Tym samym liczby (x x) i (y y) bd zawsze tego samego znaku (obydwie
dodatnie lub obydwie ujemne), a wic ich iloczyn bdzie zawsze dodatni.
Poniewa wszystkie skadniki sumy (9.8) s nieujemne, a nie bdzie znika
nawet w granicy, gdy liczba pomiarw bdzie dy do nieskoczonoci.
Gdy kowariancja a jest rna od zera (nawet dla nieskoczenie wielu
pomiarw), mwimy o istnieniu korelacji pomidzy bdami x i y. W tym
przypadku niepewno a wielkoci q(x,y) dana wzorem (9.9) nie jest rwna tej,
ktr otrzymalibymy stosujc wzr (9.10) suszny dla bdw przypadkowych
i niezalenych.
xy

xy

Korzystajc ze wzoru (9.9), otrzymujemy zawsze obowizujce grne ogra

niczenie wartoci a . W ramach prostego wiczenia z algebry (zadanie 9.1)
mona wykaza, e kowariancja o spenia tak zwan nierwno Schwarza
q

(T

\ xy\

(9.11)

G a .
x

Podstawiajc (9.11) do wyraenia (9.9) na niepewno a , przekonamy si, e

q

'V

rl + 2

dy
8q

dx

o +
x

dq dq
dx dy a a
x

dq
dy o

czyli

c
dx

cq
Ty

(9.12)

Za pomoc otrzymanego przed chwil wyniku ustalilimy dokadnie sens

podanego na pocztku prostego wyraenia
5<?

u
cq
oy
5x +
ex
dy

(9.13)

okrelajcego niepewno 8q. Jeeli uznamy odchylenie standardowe a za

nasz miar niepewnoci zwizanej z wielkoci q, to z (9.12) wynika, e
wyraenie (9.13) rzeczywicie okrela grn granic niepewnoci. Bez wzgldu

198

na to, czy bdy x i y s niezalene i czy podlegaj rozkadowi normalnemu,

niepewno q nigdy nie bdzie wiksza ni prawa strona wyraenia (9.13).
Jeeli pomiary x i y s skorelowane tak, e \a \ = o a , co zgodnie z (9.11) jest
najwiksz moliw wartoci, niepewno q moe by tak dua, jak dopusz
cza to wzr (9.13), ale w adnym przypadku nie moe by wiksza.
Rola kowariancji a w przedstawionym opisie jest w istocie czysto teorety
czna; w rzeczywistoci pojcie kowariancji jest do rzadko wykorzystywane
przy okazji okrelania niepewnoci wielkoci zoonych (przynajmniej w ra
mach pierwszej pracowni fizycznej). W dalszym cigu omwimy zagadnienia,
dla ktrych kowariancja ma podstawowe i praktyczne znaczenie.
xy

xy

9.3. Wspczynnik korelacji liniowej

Pojcie kowariancji a wprowadzone w paragrafie 9.2 pozwala odpowiedzie
na postawione w rozdziale 8 pytanie: w jakim stopniu zbir wynikw pomia
rw (x ,y ),...,(x ,y )
dwch zmiennych uzasadnia hipotez o liniowym zwi
zku pomidzy wielkociami x i y.
Zamy, e otrzymalimy N par wartoci (x ,y ),...,(x ,y )
dwch zmien
nych, ktre - jak podejrzewamy - wie zaleno liniowa w postaci
xy

y = A + Bx.
Naley pamita, e liczby x ,...,x
nie oznaczaj ju wynikw pomiarw
jednej okrelonej wartoci tak jak w dwch poprzednich paragrafach; przeciw
nie, stanowi one cig N rnych wartoci pewnej zmiennej (na przykad, N
rnych wysokoci, z ktrych upuszczamy kamie). Ta sama uwaga odnosi si
take do
y ,...,y .
Posugujc si metod najmniejszych kwadratw, potrafimy wyznaczy
wspczynniki A i B prostej, ktra jest najlepszym dopasowaniem do punktw
(x,,V|),...,(x ,y ). Jeeli dysponujemy wiarygodnym oszacowaniem niepewno
ci poszczeglnych pomiarw, moemy sprawdzi, czy punkty pomiarowe le
wystarczajco blisko prostej (wziwszy pod uwag niepewnoci). Jeeli tak, to
pomiary uzasadniaj przypuszczenie, e x i y czy zaleno liniowa.
Niestety, w wielu dowiadczeniach trudno z gry poda wiarygodne osza
cowanie niepewnoci i do rozstrzygnicia o liniowym zwizku pomidzy
dwiema zmiennymi musz wystarczy same dane. W szczeglnoci istnieje
pewien rodzaj eksperymentu, w ktrym nie mona z gry okreli, jak dua jest
niepewno. Jest on czciej spotykany w naukach spoecznych ni w fizyce
i najlepiej objani go posugujc si przykadem.
1

199

Zamy, e wykadowca zamierzajc przekona swoich suchaczy o po

zytywnych skutkach, jakie na wyniki egzaminu ma wykonywanie pracy
domowej, rejestruje oceny uzyskane z prac domowych oraz egzaminw,
a nastpnie przedstawia je w postaci zbioru punktw na wykresie, tak jak na
rysunku 9.1. Oceny uzyskane z prac domowych zaznaczono na osi poziomej,
a oceny uzyskane na egzaminie - na osi pionowej. Kady z punktw (x ,y )
zawiera uzyskan przez studenta ocen z pracy domowej x oraz ocen
z egzaminu y . Wykadowca chciaby wykaza istnienie korelacji pomidzy
wysokimi notami z prac domowych i egzaminw, i na odwrt (wykonany
przez wykadowc wykres przemawia na korzy tej hipotezy). W opisanym
eksperymencie brak niepewnoci w okrelaniu poszczeglnych punktw;
oceny kadego ze studentw s dokadnie znane. Niepewno tkwi raczej
w ustaleniu stopnia korelacji pomidzy ocenami, a o tym trzeba zdecydowa
na podstawie danych.
i

y
1 0 0

50

50

100

wynik prac domowych

Rysunek 9.1. Wykres przedstawiajcy zwizek pomidzy ocenami z pracy domowej i egzaminu.
Kady z dziesiciu punktw (x , y ) informuje o ocenie, jak student uzyska z pracy domowej x
i egzaminu y
t

Oczywicie zmienne x i y (niezalenie od ich natury) mog czy zaleno

ci bardziej zoone ni liniowa, y = A + Bx. Wiele praw fizyki prowadzi do
zalenoci kwadratowych w postaci y = A + Bx + Cx . My jednak ograniczy
my si do rozwaenia najprostszego przypadku, ktry polega na zbadaniu, czy
otrzymany zbir punktw uzasadnia hipotez o istnieniu liniowej relacji
y = A + Bx.
2

200

Stopie, w jakim punkty ( x , y ) , . . . , ( x , y ) przemawiaj za liniowym

zwizkiem pomidzy x i y, wyraa wspczynnik korelacji liniowej lub krcej
wspczynnik korelacji
1

r=

(9.14)
aa
x

gdzie kowariancja a oraz odchylenia standardowe a i a s zdefiniowane

rwnaniami (9.8) i (9.4). Stosujc wspomniane definicje, moemy zapisa
wspczynnik korelacji w postaci
xy

X(x,--x)(y,.-y)
r = -j=
Z(x - x ) X ( y - y )

(9.15)

1/2

Jak si niebawem przekonamy, liczba r okrela stopie zgodnoci punktw

(x ,y ) z lini prost. Zakresem jej moliwych wartoci jest przedzia od
1 do 1. Jeeli r jest bliskie + 1 , to punkty s rozoone wzdu pewnej
prostej; jeeli r jest bliskie 0, to punkty s nieskorelowane i nie wyznaczaj
prostej.
Aby udowodni podane stwierdzenia, zauwamy najpierw, e nierwno
Schwarza (9.11), \a \ s% o a , pociga za sob warunek |r| < 1, czyli
i

xy

-1 <r

1.

Nastpnie zamy, e wszystkie punkty (x ,y ) le dokadnie na prostej

y = A + Bx. W takim razie dla kadego i mamy y = A + Bx , a co za tym idzie
take y = A + Bx. Odejmujc stronami dwa ostatnie rwnania, widzimy, e
dla kadego i
i

y.-y

B(x -x).
i

Wstawiajc te zalenoci do rwnania (9.15), stwierdzamy, e

Zauwamy jednak, e obecnie ich znaczenie jest nieco odmienne. Na przykad

x ,...,x
w paragrafie 9.2 oznaczay pomiar jednej liczby i w przypadku gdy pomiary te byy dokadne,
warto a bya maa. Obecnie x , . . . , x oznaczaj pomiary rnych wartoci zmiennej i nawet gdy
pomiary s precyzyjne, nie ma podstaw, aby sdzi, e a bdzie niewielkie. Zauwamy ponadto,
e niektrzy autorzy posuguj si liczb r , nazywan wspczynnikiem
determinacji.
1

JV

201

1/2
2

X(x -x) B X(x -x)

1

)B\

= 1.

(9.16)

Innymi sowy, jeeli punkty (x ,y ),...,(x ,y ) ukadaj si dokadnie na

prostej, to r = + 1 ; znak r zaley od nachylenia prostej (r = 1 dla dodatniego
B oraz r = 1 dla B ujemnego). Nawet wtedy, gdy zmienne x i y naprawd
wie zaleno liniowa, nie spodziewamy si wcale, aby nasze punkty do
wiadczalne ukaday si dokadnie na linii prostej. Tak wic nie oczekujemy,
aby r byo dokadnie rwne + 1 . Z drugiej strony, spodziewamy si, e
warto r bdzie bliska + 1 , o ile wierzymy, e x i y wie zaleno liniowa.
Przyjmijmy teraz przeciwne zaoenie i wyobramy sobie, e zmienne
x i y s niezalene. Dla dowolnej wartoci y , x z rwnym prawdopodobie
stwem moe by wiksze i mniejsze od x. W ten sposb skadniki sumy
1

JV

JV

^ {x,-x)(y -y)
I

obecnej w liczniku wyraenia na r (9.15) z jednakow czstotliwoci wy

stpuj z plusem i minusem, podczas gdy mianownik wyraenia jest stale
dodatni. Tak wic w granicy, gdy liczba wykonanych pomiarw N dy do
nieskoczonoci, wspczynnik korelacji zblia si do zera. W przy
padku skoczonej liczby punktw pomiarowych, nie spodziewamy si, e r
bdzie dokadnie rwne zeru; ale oczekujemy, e jego warto bdzie niewielka
(o ile obydwie zmienne s rzeczywicie wzajemnie niezalene).
Jeeli dwie zmienne daj, w granicy nieskoczenie wielu pomiarw, kowa
riancj a rwn zeru (a wic i r = 0), to mwimy, e te zmienne s
nieskorelowane. Jeeli dla skoczonej liczby pomiarw warto wspczynnika
korelacji r = a /a a
jest niewielka, to fakt ten przemawia za hipotez
o braku korelacji pomidzy zmiennymi x i y.
Jako przykad niech posu oceny z egzaminw i zada domowych
przedstawione na rysunku 9.1. Ich zbiorcze zestawienie zawiera tabela 9.1.
Proste obliczenia (zadanie 9.4) wykazuj, e wspczynnik korelacji obydwu
ocen jest rwny r = 0,8. Wykadowca uznaje, e jest to warto przekonujco
bliska" 1, i moe w nastpnym roku oznajmi studentom, e wane jest
wykonywanie zada domowych, poniewa istnieje wyrana korelacja pomi
dzy uzyskanymi z nich ocenami a wynikami egzaminu.
xy

xy

Jeeli prosta przebiegaaby dokadnie poziomo, to B = 0, co w rwnaniu (9.16) dawaoby

r = 0/0, a wic wielko nieoznaczon. Na szczcie w praktyce ten szczeglny przypadek nie jest
istotny, poniewa odpowiada staej, niezalenej od x, wartoci y .

202

Tabela 9.1.
-ient i
:

domowa x

f^rnin y

Oceny uzyskane przez studentw

2

10

90

60

45

100

15

23

52

30

71

88

90

71

65

100

45

60

75

85

100

80

Jeeli wykadowca stwierdziby, e wspczynnik korelacji r jest bliski zera,

nalazby si w kopotliwej sytuacji przekonawszy si, e zadania domowe
-.zostaj bez wpywu na wyniki egzaminu. Odkrycie, e r jest bliskie 1,
byoby dla wykadowcy jeszcze bardziej niepokojce, gdy oznaczaoby, e
r.nieje korelacja negatywna (anty korelacja) pomidzy ocenami z zada domo-ych i egzaminu; innymi sowy studenci sumiennie odrabiajcy prace domowe
wypadaj sabo podczas egzaminu.

9.4. Ilociowe znaczenie wspczynnika r

Z przedstawionego przykadu wynika jasno, e wci nie mamy penej od
powiedzi na pocztkowe pytanie o poparcie, jakiego punkty pomiarowe
.izielaj hipotezie o liniowej korelacji pomidzy zmiennymi x i y. Nasz
; kadowca uzyskawszy wspczynnik korelacji r = 0,8 stwierdzi, e jest on
przekonujco bliski" 1. Ale w jaki sposb obiektywnie zdecydowa, co to
znaczy przekonujco blisko 1"? Czy warto r = 0,6 byaby przekonujco
rliska 1? A r = 0,4? Odpowiemy na te pytania, posugujc si nastpujcym
: szumowaniem.
Zamy, e dwie zmienne s nieskorelowane; to znaczy w granicy niesko: zenie wielu pomiarw wspczynnik korelacji byby rwny zeru. Dla skoizonej liczby pomiarw jest bardzo mao prawdopodobne, e r bdzie dokad
nie rwne zeru. cile biorc, mona obliczy prawdopodobiestwo uzys
kania r wikszego od pewnej okrelonej wartoci. Niech
P (\r\ > r )
N

: znacz prawdopodobiestwo uzyskania na podstawie N pomiarw nieskore:wanych zmiennych x i y wspczynnika r wikszego od okrelonej warto>ci r . N a przykad, moglibymy obliczy prawdopodobiestwo
4

Poniewa o istnieniu korelacji wiadczy r bliskie +1 lub 1, bdziemy rozwaa praw: .-podobiestwo otrzymania bezwzgldnej wartoci \r\ 5= r .
0

203

P {\r\>0,S)
N

uzyskania w rezultacie N pomiarw nieskorelowanych zmiennych x i y wsp

czynnika korelacji przynajmniej tak duego, jak ten uzyskany przez naszego
wykadowc 0,8. Obliczenie tego prawdopodobiestwa jest do skomplikowa
ne i nie bdziemy go w tym miejscu przytacza. Wyniki dla kilku charakterys
tycznych wartoci parametrw s przedstawione w tabeli 9.2, a bardziej
dokadne zestawienie mona znale w dodatku C.

Tabela 9.2. Prawdopodobiestwo P (\r\ > r), e wyniki N pomiarw dwu nieskorelowanych
zmiennych x i y dayby wspczynnik korelacji \r\ > r . Podane wartoci wyraaj prawdopodo
biestwo procentowe, puste miejsca oznaczaj wartoci mniejsze ni 0,05 procent
N

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

1,0

3
6
10
20
50

100
100
100
100
100

94
85
78
67
49

87
70
58
40
16

81
56
40
20
3

74
43
25
8
0,4

67
31
14
2

59
21
7
0,5

51 .
12
2
0,1

41
6
0,5

29
1
-

0
0
0
0
0

Mimo e nie podalimy metody obliczania prawdopodobiestw z tabeli

9.2, jestemy w stanie zrozumie ich oglne zachowanie, jak rwnie od
powiednio je wykorzysta. Skrajna lewa kolumna zawiera liczb pai
danych N. (W naszym przykadzie wykadowca zanotowa oceny dziesiciu
studentw; tak wic N = 10.) Liczby w kolejnych kolumnach wyraaj praw
dopodobiestwo, e TV pomiarw nieskorelowanych zmiennych da wspczyn
nik r nie mniejszy ni ten w nagwku danej kolumny. I tak prawdopodobie
stwo, e dziesi par nieskorelowanych liczb da wspczynnik \r\ ^ 0,8 wynos
zaledwie 0,5 procent, co nie jest du wartoci. Nasz wykadowca moe wii
powiedzie, e jest mao prawdopodobne, aby nieskorelowane oceny da;
wspczynnik korelacji nie mniejszy ni 0,8, ktry to w rzeczywistoci uzyska]
Innymi sowy, jest wielce prawdopodobne, e oceny z zada domowych i eg
zaminu s ze sob skorelowane.
Pewne fakty zwizane z tabel 9.2 wymagaj komentarza. Wszystkie liczb
w kolumnie r = 0 s rwne 100 procent, poniewa warto \r\ jest zawsz
nieujemna; tak wic prawdopodobiestwo otrzymania \r\ 5= 0 wynosi zawsz
100 procent. Podobnie ostatnia z kolumn zawiera zera, poniewa prawdopc
0

204

; riestwo otrzymania \r\ ^ 1 wynosi O. Liczby w rodkowych kolumnach

rrrnieniaj si wraz z liczb punktw danych N, co atwo zrozumie. Jeeli
konamy zaledwie trzy pomiary, szansa otrzymania na ich podstawie wsp.:; unika korelacji \r\ ^ 0,5 jest cakiem dua (mwic cile 67 procent); ale
tzeii przeprowadzimy 20 pomiarw i obydwie wielkoci s naprawd nie : relowane, szansa otrzymania \r\ ^ 0,5 jest oczywicie bardzo maa
2 procent).
Znajc prawdopodobiestwa z tabeli 9.2 (lub jej bardziej kompletnego
spowiednika w dodatku C), mamy najpeniejsz odpowied na pytanie,
jakim stopniu N par wartoci (x ,y ) przemawia za istnieniem liniowego
zwizku pomidzy x i y. Najpierw na podstawie punktw pomiarowych
: zliczamy wspczynnik korelacji r (indeks o stanowi skrt od otrzymany").
Nastpnie, korzystajc z jednej ze wspomnianych tabel, moemy znale
prawdopodobiestwo P (\r\^\r \),
e N nieskorelowanych par da wspczyn
nik korelacji nie mniejszy ni otrzymany r . Jeeli prawdopodobiestwo to jest
wystarczajco mae", to wnioskujemy, e jest bardzo mao prawdopodobne,
aby zmienne x i y byy ze sob nieskorelowane, a wic jest bardzo praw
dopodobne, e s one skorelowane.
i

Pozostaje wci okrelenie granicy, poniej ktrej prawdopodobiestwo

jest wystarczajco mae". Jednym z powszechniejszych wyborw jest uzna
wanie wspczynnika korelacji r za istotny", jeeli prawdopodobiestwo
uzyskania wspczynnika r takiego, e \r\ U \r \ dla nieskorelowanych zmien
nych jest mniejsze ni 5 procent. Korelacja jest czasami okrelana jako
..wysoce istotna", jeeli odpowiednie prawdopodobiestwo jest mniejsze od
1 procenta. Niezalenie od dokonanego wyboru, nie dostaniemy jednoznacz
nej odpowiedzi, czy zmienne s skorelowane czy nie; zamiast tego dys
ponujemy ilociow miar okrelajc, jak mao prawdopodobne jest to, e
nie s one skorelowane.
0

9.5. Przykady
Zamy, e wykonujemy pomiary trzech par wartoci (x ,y ) i stwierdzamy, e
wspczynnik korelacji wynosi 0,7 ub ( 0,7). Czy przemawia to za hipotez
o liniowym zwizku pomidzy zmiennymi x i y?
i

Wprawdzie niemoliwe jest uzyskanie \r\ > 1, to jednak moliwe jest \r\ = 1. Jednake r jest
zmienn cig i prawdopodobiestwo otrzymania \r\ rwnego dokadnie jednoci jest rwne zeru.
Tym samym P (\r\ > 1) = 0.
N

205

Korzystajc z tabeli 9.2, moemy przekona si, e nawet w przypadku

cakowitego braku korelacji pomidzy zmiennymi x i y istnieje 51-procentowe
prawdopodobiestwo otrzymania \r\ ^ 0,7 dla N = 3. Innymi sowy, jest ca
kiem moliwe, e x i y s nieskorelowane; tak wic nie dysponujemy adnym
przekonujcym dowodem istnienia korelacji. Nawet uzyskanie wspczynnika
korelacji rwnego 0,9 nie jest wystarczajce, poniewa prawdopodobiestwo
otrzymania \r\ ^ 0,9 dla trzech pomiarw wynosi 0,29.
Jeeli wspczynnik korelacji 0,7 otrzymano by na podstawie szeciu par
danych, sytuacja byaby nieco lepsza, ale wci nie wystarczajco dobra. Dla
N = 6 prawdopodobiestwo otrzymania \r\ ^ 0,7 w przypadku nieskorelowanych zmiennych wynosi 12 procent. Nie jest to jeszcze wystarczajco mao, aby
wykluczy moliwo braku korelacji pomidzy x i y.
Przeciwnie, jeeli po wykonaniu 20 pomiarw stwierdzilibymy, e wsp
czynnik korelacji jest rwny 0,7, to mielibymy powany argument przemawia
jcy za istnieniem korelacji, gdy dla N = 20 prawdopodobiestwo uzyskania
|r| 5= 0,7 dla dwch nieskorelowanych zmiennych wynosi zaledwie 0,1 procent.
Jest to z pewnoci sytuacja mao prawdopodobna i mona by z przekona
niem twierdzi, e korelacja zostaa wykazana. W szczeglnoci jest to przypa
dek wysoce istotny", poniewa odpowiednie prawdopodobiestwo jest mniej
sze ni 1 procent.

Zadania
Uwaga: Gwiazdka przy zadaniu oznacza, e szkic rozwizania lub odpowied
znajduje si na kocu ksiki.
*9.1 (paragraf 9.2). Wyka, e kowariancja zdefiniowana w (9.8) spenia
nierwno Schwarza (9.11)
\a \ < a a
xy

(9.17)

Wskazwka: Przyjmij, e t jest dowoln liczb, a nastpnie rozwa funkcj

<t) =

Zl{x-x) + t{y-y)V

> 0.

(9.18)

Poniewa funkcja A(t) jest nieujemna dla dowolnej wartoci t, moesz znale
jej minimum A \ , przyrwnujc pochodn dA/dt do zera. Otrzymana war
to w minimum A i
jest wiksza lub rwna zeru. Poka, e
A
= o -{a la )
i wyprowad std (9.17).
m n

m n

min

206

9.2 (paragraf 9.2).

a) Wyobra sobie seri N pomiarw dwch ustalonych dugoci x i y.
:-zaprowadzonych w celu znalezienia wartoci pewnej funkcji q(x,y). Za. e w pomiarach uyto rnych tam, ale kad z par {x ,y ) zmierzono
rrzry uyciu tej samej tamy; to znaczy par (x ,y )
zmierzono jedn tam.
T - : e (x ,y ) inn itd. Przyjmujc, e gwnym rdem bdw jest skurczenie
ix jednych tam, a rozcignicie innych wyka, e kowariancja o powinna
zzze warto dodatni.
i

xy

b) Rozpatrujc t sam sytuacj, poka, e a o o , co oznacza, e o

:s:ga maksymaln warto dozwolon przez nierwno Schwarza (9.17).
'''skazwka: Przyjmij, e i-ta tama skurczya si o czynnik <x (gdzie a jest
buskie 1); w tej sytuacji dugo rwna w rzeczywistoci X zostanie zmierzona
_ko x = oc X. Jak wida, istniej okolicznoci, w ktrych kowariancji nie
zzona zaniedba.
xy

xy

(paragraf 9.3).
a) Udowodnij tosamo

Zx y -Nxy.

(X;-x)(y -y) =

b) N a tej podstawie poka, e wspczynnik

w (9.15) mona zapisa w postaci

"

f -

Y,x',-Nx'

korelacji

\ ~] 1/2

zdefiniowany

<9)

y?-iVy

Wzr ten pozwala czsto wygodniej znale wspczynnik korelacji r, unikajc

:bliczania indywidualnych odchyle x x oraz y y.
i

9.4 (paragraf 9.4).

a) Sprawd, e wspczynnik korelacji r dla dziesiciu par ocen przed
stawionych w tabeli 9.1 wynosi r 0,8.
b) Posugujc si tablic prawdopodobiestw z dodatku C, znajd praw
dopodobiestwo uzyskania wspczynnika korelacji \r\ ^ 0,8, jeeli obydwie
zceny nie byyby ze sob skorelowane.
paragraf 9.4). W zjawisku fotoelektrycznym energia kinetyczna K
emitowanych elektronw jest, jak si sdzi, liniow funkcj czstotliwoci/
ziytego wiata,
K = hf-</>,

207

gdzie h i 0 s staymi. W celu sprawdzenia tej zalenoci studentka mierzy K

dla N rnych wartoci / i oblicza wspczynnik korelacji na podstawie
uzyskanych przez siebie wynikw.
a) Czy zyskaa ona argument na poparcie liniowego zwizku (9.20), wyko
nujc pi pomiarw (TV = 5) i otrzymujc r = 0,7?
b) A w przypadku N = 20 i r = 0,5?
paragraf 9.4).
a) Zaznacz na wykresie pi nastpujcych par liczb bdcych wynikami
pomiarw:
x = 1 2 3 4 5
y= 4 4 3 2 1
Oblicz ich wspczynnik korelacji r. Prostszy ze sposobw polega na wykorzy
staniu wzoru (9.19). Czy dane wykazuj istotn korelacj? Niezbdn tabel
prawdobiestw mona znale w dodatku C.
b) Powtrz punkt (a) dla nastpujcych danych:
x = 1 2 3 4 5
y= 3 1 2 2 1
9.7 (paragraf 9.4). Psycholog, badajcy zwizek pomidzy inteligencj
ojcw i synw, okrela wspczynnik inteligencji IQ dziesiciu par ojcw
i synw, uzyskuje wyniki przedstawione w tabeli 9.3, gdzie x to IQ ojca, y to
IQ syna. Czy przedstawione dane przemawiaj za istnieniem korelacji pomi
dzy inteligencj ojcw i synw?
i

Tabela 9.3
Xi

74
76

83
103

85
99

96
109

98
111

100
107

106
91

107
101

120
120

124
119

R O Z D Z I A

10

ROZKAD DWUMIANOWY

Do tej pory zajmowalimy si jedynie rozkadem Gaussa zwanym te roz

kadem normalnym. Teraz poznamy dwa inne rwnie wane przykady roz
kadw: rozkad dwumianowy (w tym rozdziale) i rozkad Poissona (w roz
dziale 11).

10.1. Rozkady wynikw dowiadczalnych

W rozdziale 5 wprowadzilimy pojcie rozkadu, czyli funkcji opisujcej wzgl
dne czstoci wszystkich moliwych wynikw wielokrotnie powtarzanego po
miaru. N a przykad, moglibymy N razy zmierzy okres drga wahada T,
otrzymujc rozkad rnych uzyskanych wartoci T. Moglibymy take zbada
wzrost h w grupie N obywateli Stanw Zjednoczonych, otrzymujc rozkad
wzrostu h.
Nastpnie wprowadzilimy pojcie rozkadu granicznego, czyli takiego roz
kadu, ktry powstaby, gdyby liczba powtrze pomiaru N staa si bardzo
dua. Rozkad graniczny mona postrzega jako prawdopodobiestwo wyst
pienia w pojedynczym pomiarze dowolnego spord moliwych wynikw:
prawdopodobiestwo, e pojedynczy pomiar okresu da pewn okrelon
warto T lub prawdopodobiestwo, e wzrost dowolnie wybranego obywate
la Stanw Zjednoczonych bdzie rwny h. Z tego powodu rozkad graniczny
jest czasami nazywany rozkadem prawdopodobiestwa.
Spord wielu moliwych rozkadw granicznych interesowalimy si do
tej pory jedynie rozkadem normalnym, zwanym take rozkadem Gaussa,

209

poniewa opisywa on rozkad wynikw pomiaru naraonego na wpyw wielu

rde przypadkowych i drobnych bdw. Jako taki rozkad Gaussa jest dla
fizykw najwaniejszym rozkadem granicznym i w peni zasuguje na uwag,
ktr mu dotychczas powicilimy. Pomimo to istniej i inne rozkady
niezmiernie wane zarwno z przyczyn teoretycznych, jak i praktycznych,
i dwoma spord nich zajmiemy si w tym i nastpnym rozdziale.
Obecnie skupimy uwag na rozkadzie dwumianowym. Rozkad ten nie ma
szczeglnego znaczenia praktycznego dla fizyka eksperymentatora. Jednake
dziki swojej prostocie stanowi doskonay punkt wyjcia do wyjanienia wielu
oglnych wasnoci rozkadw, a jego znaczenie teoretyczne polega na mo
liwoci wyprowadzenia ze tak wanego rozkadu Gaussa.

10.2. Prawdopodobiestwo w rzutach komi

Podstawy rozkadu dwumianowego najatwiej wyjani posugujc si przyka
dem. Zamy, e nasz eksperyment" bdzie polega na rzucie trzema komi
i okreleniu liczby otrzymanych szstek. Moliwe wyniki to 0, 1, 2 lub
3 szstki. Jeeli powtrzymy taki eksperyment bardzo wiele razy, znajdziemy
rozkad graniczny, ktry bdzie informowa o prawdopodobiestwie, e w po
jedynczym rzucie (trzema komi) otrzymamy v szstek, gdzie v = 0, 1, 2 lub 3.
Eksperyment jest na tyle prosty, e mona atwo obliczy prawdopodo
biestwa wystpienia kadego z wynikw. Zauwamy najpierw, e prawdopo
dobiestwo otrzymania szstki w rzucie jedn koci, jeeli koci nie zostay
sfaszowane, wynosi \. Wrmy teraz do rzutu trzema komi i zastanwmy
si, jakie bdzie prawdopodobiestwo jednoczesnego wystpienia trzech szs
tek (v = 3). Poniewa prawdopodobiestwa otrzymania szstki dla poszczegl
nych koci wynosz \ i s wzajemnie niezalene, prawdopodobiestwo wy
rzucenia trzech szstek jest rwne
P(3 szstki dla 3 koci) =
Obliczenie prawdopodobiestwa wyrzucenia dwch szstek (v = 2) jest
nieco trudniejsze, poniewa wynik ten mona osign rnymi sposobami.
Pierwsza i druga ko moe wskazywa szstk, a trzecia nie (6, 6, nie 6), albo
szstki mog by na pierwszej i trzeciej koci, a na drugiej nie (6, nie 6, 6) itd.
Nasze rozumowanie podzielimy na dwa etapy. Najpierw zastanowimy si,
jakie jest prawdopodobiestwo wystpienia dwch szstek w dowolnym okre-

210

lonym porzdku (np. 6, 6, nie 6). Prawdopodobiestwo, e pierwsza ko

bdzie wskazywa szstk wynosi i. Tak samo dla drugiej koci. Odwrotnie,
prawdopodobiestwo niewystpienia szstki na trzeciej z koci jest rwne
g. Tym samym prawdopodobiestwo otrzymania dwch szstek w okrelonej
kolejnoci wynosi

P(6, 6, nie 6) =

Prawdopodobiestwo uzyskania dwch szstek w jakiejkolwiek innej kolejno

ci jest dokadnie takie samo. N a koniec zauwamy, e istniej trzy rne
iposoby otrzymania dwch szstek: (6, 6, nie 6), (6, nie 6, 6) oraz (nie 6, 6, 6).
W ten sposb cakowite prawdopodobiestwo uzyskania dwch szstek (w
dowolnej kolejnoci) jest rwne

(10.1)

P(2 szstki dla 3 koci) = 3

6,9%.

Podobne obliczenia daj prawdopodobiestwo 34,7% w przypadku wy

stpienia jednej szstki dla rzutu trzema komi oraz 57,9% w przypadku
braku szstek. Wyniki przeprowadzonych przez nas rachunkw moemy
przedstawi rysujc rozkad prawdopodobiestwa liczby szstek dla rzutu
:rzema komi, rysunek 10.1. Jest to przykad rozkadu dwumianowego,
ktrego ogln posta teraz przedstawimy.

57,9 %
50
34,7 %
1

6,9 %
0,5 %

.-.sunek 10.1. Prawdopodobiestwo wystpienia w rzucie trzema komi v szstek. Jest ono
opisane przez rozkad dwumianowy b (v), gdzie n = 3 i p = 1/6
p

211

10.3. Definicja rozkadu dwumianowego

Zanim zajmiemy si ogln postaci rozkadu dwumianowego, musimy wpro
wadzi niezbdn terminologi. Po pierwsze wyobramy sobie, e przeprowa
dzamy n niezalenych prb, takich jak rzut n komi, gra w ora i reszk za
pomoc n monet czy te sprawdzenie n ganic. Kada z prb moe da rne
wyniki; dla rzutu koci liczba oczek jest zawarta pomidzy 1 i 6, moneta
moe upa orem lub reszk do gry, ganica moe zadziaa lub nie. Wynik,
ktrym w danym momencie jestemy zainteresowani, nazywamy sukcesem.
Takim sukcesem" moe by otrzymanie szstki, ora lub zadziaanie ganicy.
Prawdopodobiestwo odniesienia sukcesu w dowolnej prbie oznaczymy
przez p, podczas gdy q = 1 p bdzie wyraao prawdopodobiestwo pora
ki" (tzn. innego wyniku ni ten, ktrym jestemy zainteresowani). Tak wic
l

p = i w przypadku wyrzucenia szstki, p = - dla wylosowania ora, podczas

gdy p rwne 95 procent rozsdnie okrela szans zadziaania pewnego typu
ganicy.
Pamitajc o wszystkich podanych definicjach, moemy zapyta si o pra
wdopodobiestwo wystpienia v sukcesw w n prbach. Obliczenia, ktre
przeprowadzimy, wyka, e szukane prawdopodobiestwo jest dane przez tak
zwany rozkad dwumianowy
P(v sukcesw w n prbach) =

b (v)
np

1-2 v
W symbolu b (v) litera b oznacza rozkad dwumianowy (ang. binomial
- dwumianowy), a indeksy n i p przypominaj, e rozkad jest zaleny od
liczby prb n oraz od prawdopodobiestwa p odniesienia sukcesu w pojedyn
czej prbie.
Rozkad (10.2) jest zwany dwumianowym ze wzgldu na cisy zwizek
z powszechnie znanym rozwiniciem dwumianowym. W szczeglnoci uamek
p

we wzorze (10.2) nosi nazw symbolu Newtona i jest oznaczany przez

/n\
\v /

n(n 1) (w v + 1)
=

l-2-v
n\
v! (n v)!'

212

(10.3)

(10.4)

 j czym skorzystalimy z definicji silni,

n\ = 1 -2 n.
;roczynniki dwumianowe wystpuj w rozwiniciu dwumianowym
n

{p + q)" = p + np"- q+

... +q"

(10.5)

(" W ktre jest suszne dla dowolnych liczb p i q oraz dodatniej i cakowitej liczby
patrz zadanie 10.4).
Korzystajc z notacji wprowadzonej we wzorze (10.3), moemy zapisa
:: zkad dwumianowy w bardziej zwizej postaci

P(v sukcesw w n prbach) =

b (v)
np

' >y-\
v

(10.6)

gdzie p, jak zwykle, oznacza prawdopodobiestwo wystpienia sukcesu w poedynczej prbie, a q = 1 p.

Wzr (10.6) mona otrzyma prowadzc rozumowanie podobne do tego,
ktre znamy z podanego w paragrafie 10.1 przykadu z komi,

P (2 szstki dla 3 koci) = 3 (^J

f-0

(10.7)

Rzeczywicie, podstawiajc v = 2, n = 3, p = g, a q = do wzoru (10.6),

otrzymamy wynik identyczny z (10.7). Co wicej, znaczenie poszczeglnych
czynnikw w obydwu wzorach jest dokadnie takie samo. Czynnik p wyraa
prawdopodobiestwo uzyskania wycznie sukcesw w v prbach, q ~ jest
prawdopodobiestwem wystpienia samych poraek w pozostaych n v.
y

Wspczynnik dwumianowy ^j,

jak atwo mona wykaza, wyraa liczb

moliwych sposobw osignicia v sukcesw w n prbach. To dowodzi, e

213

rozkad dwumianowy (10.6) opisuje dokadnie to prawdopodobiestwo, ktre

go szukalimy.

Przykad
Zamy, e gramy w ora i reszk jednoczenie czterema monetami (n = 4)
i liczymy v otrzymanych orw. Jakie s prawdopodobiestwa uzyskania
rnych moliwych wartoci v = 0, 1, 2, 3, 4?
Poniewa prawdopodobiestwo uzyskania ora w pojedynczym rzucie
wynosi p =

prawdopodobiestwo, ktrego szukamy, jest dane przez rozkad

dwumianowy b (v) z n = 4 oraz p = q = \,

p

P(v orw w 4 rzutach) =

Poszczeglne wartoci, ktre z atwoci mona obliczy (patrz zadanie 10.5),

tworz rozkad przedstawiony na rysunku 10.2.

^50

37,5%
25%

o
"O
oB
o
1

25%

6,25%

6,25 %

R y s u n e k 10.2. Rozkad dwumianowy b (v) z n = 4 i p = 1/2. Rozkad ten opisuje prawdopodo

biestwo wystpienia w rzucie czterema monetami v orw
p

Jak wida, najbardziej prawdopodobn liczb orw jest v = 2, czego

mona by oczekiwa. W tym przypadku prawdopodobiestwa s rozoone
symetrycznie wzgldem najbardziej prawdopodobnej wartoci. Oznacza to, e
prawdopodobiestwo uzyskania trzech orw jest takie samo jak jednego
a prawdopodobiestwo uzyskania czterech takie samo jak adnego. Jak sij
przekonamy, wspomniana symetria wystpuje jedynie wtedy, gdy p = \.

214

10.4. Wasnoci rozkadu dwumianowego

Rozkad dwumianowy b (v) informuje o prawdopodobiestwie osignicia
..sukcesw" w n prbach, jeeli p jest prawdopodobiestwem odniesienia
rakcesu w pojedynczej prbie. W sytuacji gdy wielokrotnie powtarzamy cay
eksperyment (skadajcy si z n prb), naturalne jest pytanie o przecitn
:;zb sukcesw v. Wyraa si ona wzorem
v=

(10.8)

vKJv),

v= 0

i jak atwo policzy (zadanie 10.8) jest rwna

v = np.

(10.9)

Oznacza to, e jeeli powtrzymy wielokrotnie seri skadajc si z n prb, to

przecitna liczba odniesionych sukcesw bdzie iloczynem prawdopodobiest
wa sukcesu w pojedynczej prbie (p) i dugoci serii n, tak jak naleaoby si
spodziewa. Podobnie mona obliczy standardowe odchylenie <r liczby suk
cesw (zadanie 10.10). W wyniku otrzymujemy
v

ffv

= V/>(i-P).

(10.10)

Gdy p = j (jak w przypadku gry w ora i reszk), przecitna liczba od

noszonych sukcesw jest rwna n/2. Ponadto, dla p = \ atwo wykaza, e

Wv) =W-v)

(io-ii)

(zadanie 10.11). Oznacza to, e dla p = - rozkad dwumianowy jest symetrycz

ny wzgldem wartoci przecitnej n/2, co zauwaylimy ju wczeniej na
rysunku 10.2.
1

W przypadku oglnym, gdy p^ -,

rozkad dwumianowy b

(v) nie jest

symetryczny. Na przykad, wykres na rysunku 10.1 jest jawnie niesymetryczny,

gdy najbardziej prawdopodobn liczb sukcesw jest v = 0, a prawdopodo-

215

biestwa dla v = 1, 2 i 3 malej monotonicznie. Take przecitna liczba

sukcesw (v = 0,5) nie pokrywa si z najbardziej prawdopodobn liczb
sukcesw (v = 0).
Interesujce jest porwnanie rozkadu dwumianowego b (v) z bardziej
nam znanym rozkadem Gaussa f
(x). Najwiksza by moe rnica polega
na tym, e w eksperymencie opisywanym przez pierwszy z nich wyniki maj
posta dyskretn v = 0, 1, 2,..., n, a w drugim - cig, tak jak mierzona
wielko x. Rozkad Gaussa ma posta symetrycznego piku wycentrowanego
na wartoci przecitnej x = X, co oznacza, e warto przecitna X jest
jednoczenie wartoci najbardziej prawdopodobn (to znaczy tak, dla ktrej
f , {x) osiga maksimum). Jak si ju przekonalimy, rozkad dwumianowy
np

X a

x a

jest symetryczny tylko wtedy, gdy p = \, a warto przecitna z reguy nie

pokrywa si z wartoci najbardziej prawdopodobn.

Przyblienie rozkadu dwumianowego rozkadem Gaussa

Niezalenie od wszystkich rnic istnieje pewien wany zwizek pomidzy
rozkadem dwumianowym a rozkadem Gaussa. Jeeli wemiemy rozkad
dwumianowy b (v) dla dowolnej ustalonej wartoci p, to dla bardzo duych
n, dobrym przyblieniem b (v) jest rozkad Gaussa f
(x) z t sam warto
ci przecitn i odchyleniem standardowym; to znaczy
np

np

K ()
P

X(T

fx, ( )

d l a

bardzo duych n),

(10.12)

gdzie
X = np

a = y/np(l-p).

(10.13)

Do wzoru (10.12) bdziemy odnosi si jako do przyblienia rozkadu

dwumianowego rozkadem Gaussa. Nie udowodnimy go teraz , ale wyczer
pujco zilustrujemy jego prawdziwo za pomoc rysunku 10.3, ktry pokazu
je ksztat rozkadu dwumianowego z p = \ dla trzech coraz to wikszych
wartoci n(n = 3, 12, 48). N a kady z rozkadw dwumianowych naoono
2

Sowo dyskretne

znaczy tyle co oddzielone od siebie" i jest przeciwiestwem sowa cige.

Dowody mona znale w podrcznikach: Stuart L. Meyer, Data Analysis for Scientists and
Engineers (John Wiley, 1975), s. 226 i Hugh D. Young, Statistical Treatment of Experimental Date:
(McGraw-Hill, 1962), dodatek C. [W literaturze polskiej wspomniany dowd mona znale na
przykad w ksice pod va. H. Szydowskiego Teoria pomiarw (PWN, 1981), paragraf 4.2
- [przyp.

216

tum)'].

rozkad Gaussa o tej samej wartoci przecitnej i odchyleniu standardowym.

W przypadku trzech prb (n = 3) rozkad dwumianowy jest wyranie rny od
rdpowiadajcego mu rozkadu Gaussa. W szczeglnoci rozkad dwumianowy
est wyranie asymetryczny, podczas gdy krzywa Gaussa jest oczywicie
iealnie symetryczna wzgldem swojej wartoci przecitnej. Gdy n = 12, asy
metria rozkadu dwumianowego jest znacznie mniej wyrana i obydwa roz
kady s do zblione do siebie. Gdy n = 48, rnica pomidzy obydwoma
rozkadami jest tak niewielka, e nieomal niewidoczna w skali rysunku 10.3c.

b)

=12

20

o
O
CL
O

10

C)

n = 48

10 -

I
2

o
4

12

16

20

Rysunek 10.3. Rozkady dwumianowe dla p = 1/4 i n = 3, 12, 48. Krzywa ciga na kadym
z rysunkw odpowiada funkcji Gaussa z tymi samymi wartociami redniej i odchylenia standar
dowego

Moliwo przyblienia rozkadu dwumianowego dla duych wartoci

n rozkadem Gaussa jest w praktyce niezmiernie uyteczna. Obliczenia warto
ci rozkadu dwumianowego dla n wikszych od 20 staj si kopotliwe,

217

podczas gdy warto funkcji Gaussa jest zawsze atwa do znalezienia, niezale
nie od wartoci X i er. Jako przykad obliczymy prawdopodobiestwa 23-krotnego wystpienia ora w 36 rzutach monet. Jest ono dane przez rozkad
dwumianowy b (v),
poniewa prawdopodobiestwo otrzymania ora
36A/2

w pojedynczym rzucie wynosi p = \ . Zatem

P(23 ory w 36 rzutach) = b

36>1/2

(23)

(10.14)
3

36! / O
23113! 2 . '

co, jak wykazuj do mudne obliczenia , jest rwne

P(23 ory) = 3,36%.
Z drugiej strony, znajc warto przecitn dla rozkadu np = 18 i odchylenie
standardowe a = yjnpilp) = 3, moemy przybliy wyraenie (10.14) przez
funkcj G a u s s a / (23) i po wykonaniu prostych rachunkw otrzymamy
1 8

P(23 o r y ) w /

18>3

= 3,32%.

W niemal wszystkich przypadkach otrzymany wynik mona uzna za dosko

nae przyblienie.
Uyteczno przyblienia rozkadem Gaussa jest jeszcze bardziej oczywista,
gdy szukamy prawdopodobiestw dla wielu zdarze. N a przykad prawdopo
dobiestwo uzyskania co najmniej 23 orw w 36 rzutach jest dane przez sum
P(23 lub wicej orw) = P(23 ory)+ P(24 ory)+ ... + P ( 3 6 orw),
ktrej obliczenie jest niezwykle mudne. Jeeli jednak skorzystamy z przy
blienia rozkadu dwumianowego przez rozkad Gaussa, to odpowiednie
prawdopodobiestwo bdzie atwe do obliczenia. Poniewa w przypadku
rozkadu Gaussa v jest zmienn cig, prawdopodobiestwo uzyskania
v = 23, 24,... mona najdokadniej obliczy jako prawdopodobiestwo
P (v$s22,5) uzyskania v>22,5. Zauwamy, e v = 22,5 to 1,5 odchylenia
standardowego powyej wartoci przecitnej 18. (Przypomijmy, e u = 3; tak
wic 4,5 = 1,5<7). Prawdopodobiestwo otrzymania wyniku lecego wyej niz
Gauss

Niektre kalkulatory s wyposaone w funkcj silnia n\ i dziki temu obliczenie warte;,

wyraenia (10.15) jest atwe. Jednake w wikszoci takich kalkulatorw dla n > 7 0 wystpu
przepenienie, co sprawia, e wbudowana funkcja staje si bezuyteczna.

218

l,5a ponad wartoci przecitn rwne jest zaznaczonemu na rysunku 10.4

polu powierzchni pod wykresem funkcji Gaussa. Mona je atwo znale
posugujc si tablic z dodatku B:
P(23 ory lub w i c e j ) * P

Gauss

(v>X + l

= 6,7%.

Rezultat ten dobrze zgadza si z wynikiem dokadnym (dwie cyfry znaczce),

ktry wynosi 6,6%.

U-l,5ffJRysunek 10.4. Prawdopodobiestwo wystpienia wyniku wikszego co najmniej o l,5er od

redniej, rwne jest powierzchni zacieniowanego obszaru pod wykresem krzywej Gaussa

10.5. Rozkad Gaussa dla niepewnoci przypadkowych

rozdziale 5 stwierdzilimy, e wyniki pomiaru naraonego na dziaanie
iielu maych i przypadkowych bdw podlegaj rozkadowi normalnemu.
I becnie potrafimy udowodni ten fakt, posugujc si prostym modelem dla
r : miar w speniajcych wymienione warunki.
Zamy, e mierzymy wielko x, ktrej prawdziwa warto wynosi X.
-przyjmiemy, e wystpujce bdy systematyczne s moliwe do zaniedbania, ale
mieje n niezalenych rde bdw przypadkowych (takich jak skutki paralakczasw reakcji i tym podobnych). Chcc uproci rozwaania, zaoymy te,
szystkie wspomniane rda wprowadzaj bdy o pewnej ustalonej wielko- :', Oznacza to, e kade ze rde powoduje zawyenie albo zanienie wyniku
E, oraz e obydwie te moliwoci wystpuj z jednakowym prawdopodobiest. . - . p = \. N a przykad, w sytuacji gdy warto prawdziwa wynosi X i wy-aruje tylko jedno rdo bdw, wwczas moliwymi do uzyskania wynikami
9 . x = Xs oraz x = X + e, obydwa jednakowo prawdopodobne. Jeeliby
s- mapoway dwa rda bdw, pomiar mgby da w wyniku x = X 2i
z:zA obydwa bdy wystpiyby ze znakiem minus), x =X (jeden bd z mir._err_ a drugi z plusem) lub x =X + 2s (jeeli obydwa bdy byyby doda.mr
rrienione moliwoci przedstawione s na rysunkach 10.5a i b.
V przypadku oglnym, gdy wystpuje n rde bdw, otrzymany -yrr_x
raby przybiera wartoci od x = X ns do x = X + ns. W o k r e i o c y n .

przypadku, gdy n rde wprowadza bdy dodatnie, a (n v) ujemne, uzys

kany wynik bdzie mia warto

x = X + ve (n v)s

(10.16)

= X + (2v-n)s.
Prawdopodobiestwo otrzymania tego wyniku dane jest przez rozkad dwu
mianowy
P(v bdw dodatnich) = &

M/2

(v).

(10.17)

Tym samym moliwe wartoci s rozoone symetrycznie wzgldem wartoci

prawdziwej X, z prawdopodobiestwami okrelonymi przez funkcj dwumia
now (10.17). Rysunek 10.5 ilustruje przypadki dla n = 1, 2 i 32.

a)

b)

C)

n=2

= 32

=1
o
-o
o
o
1
o , X - e X X

+ e

X - 2e

X + 2e

X -

X + lOe

lOe

Rysunek 10.5. Rozkad pomiarw naraonych na wpyw n przypadkowych zaburze o wielkoci

s, dla n 1, 2, 32. Krzywe cige na rysunkach (b) i (c) odpowiadaj rozkadowi Gaussa z tym
samym rodkiem i szerokoci. (Skale osi pionowych na wszystkich trzech rysunkach s rne.)

Obecnie twierdzimy, e jeeli liczba rde bdw n jest dua, a po

szczeglne bdy s niewielkie, to wyniki pomiarw opisane s rozkadem
normalnym. W trosce o ciso zauwamy, e odchylenie standardowe roz-j
kadu dwumianowego jest rwne cr = -Jnp(\ p) =
n/4. Tym samym
zgodnie z rwnaniem (10.16) odchylenie standardowe pomiarw x jest rwne
a = 2sa = fi s/n. Zgodnie z zaoeniami przejdmy do granicy z rc->x
i ->0, zachowujc jednoczenie sta warto a = s^fn. Osigamy w ten
sposb dwa skutki. Po pierwsze, zgodnie z tym co powiedzielimy w poprzed
nim paragrafie, rozkad dwumianowy przechodzi w rozkad Gaussa ze rod
kiem w X i szerokoci a . Ilustruj to wyranie rysunki 10.5b i c, na ktryca
przedstawiono take odpowiednie funkcje Gaussa. Po drugie, w miar jak
e-0, moliwe wartoci pomiarw zbliaj si do siebie (co rwnie wida na
rysunku 10.5), tak e rozkad dyskretny przechodzi w rozkad cigy, jakim jes
oczekiwany rozkad Gaussa.

-J

220

10.6. Zastosowania: testowanie hipotez

t-dzc jaki powinien by rozkad wynikw dowiadczenia, moemy zapyta
zaobserwowane wyniki s rozoone tak, jak si tego spodziewalimy,
.zce temu testy rozkadu odgrywaj olbrzymi rol w naukach fizycznych,
rszcze wiksz w biologii i socjologii. Jeden z wanych i oglnych testw
test x bdzie tematem rozdziau 12. Obecnie podamy dwa przykady
: 5:szych testw, ktre mona stosowa w pewnych zagadnieniach zwiza
a :h z rozkadem dwumianowym.
2

r udanie nowego smaru do nart

oramy sobie, e producent smarw do nart twierdzi, e opracowa
asnie nowy gatunek smaru, ktry znacznie bardziej ni poprzednio zmniejzi tarcie nart o nieg. Chcc zweryfikowa to twierdzenie, moglibymy wzi
___esi par nart i pokry badanym smarem po jednej narcie z kadej pary.
-zepnie moglibymy porwna szybkoci osigane przez pokryt i niepota smarem nart z kadej pary, pozwalajc im zsuwa si po odpowiednim
krytym niegiem stoku.
Jeeli w kadej parze pokryta smarem narta okazayby si szybsza, dys: rtowalibymy silnym argumentem, e nowy smar jest rzeczywicie skuteczny,
niestety, rzadko otrzymujemy tak jednoznaczny rezultat; nawet jeeli si to
zarza, chcielibymy mie pewn ilociow miar wagi takiego dowodu,
asimy wic odpowiedzie na dwa nasuwajce si pytania. Po pierwsze, jak
rciowo wyrazi dowd skutecznoci (lub nieskutecznoci) smaru? Po drugie,
dzie umieci granic podziau? Czy jeeli w dziewiciu przypadkach narty
okryte smarem oka si szybsze, bdzie to wynik rozstrzygajcy? A jeeli
ed one szybsze w omiu przypadkach? A w siedmiu?
Dokadnie takie same pytania pojawiaj si w caej gamie podobnych
s t w statystycznych. Badajc skuteczno nawozu, porwnywalibymy tem: wzrostu rolin nawoonych i nienawoonych. Chcc przewidzie, ktry
kandydatw wygra wybory, wylosowalibymy prbk wyborcw i porwnali
zzby zwolennikw kadego z kandydatw.
Aby odpowiedzie na postawione pytania, musimy precyzyjnie okreli,
rago oczekujemy po naszych prbach. W przyjtej terminologii nazywa si to
formuowaniem hipotezy statystycznej. W przykadzie ze smarem do nart
ajprostsz hipotez jest hipoteza zerowa, ktra gosi, e stosowanie nowego
maru pozostaje bez znaczenia. Przyjmujc t hipotez, naley obliczy praw-

221

dopodobiestwa rnych moliwych wynikw testu, a nastpnie oceni zna

czenie konkretnego wyniku.
Zamy, e przyjlimy hipotez, wedug ktrej nowy smar nie wpywa na
zachowanie nart. W kadej parze narta smarowana i niesmarowana z rwnym
prawdopodobiestwem mogaby okaza si szybsza; oznacza to, e prawdopo
dobiestwo wygrania wycigu przez nart pokryt smarem jest rwne p = \.
Prawdopodobiestwo, e narty pokryte smarem wygraj v wycigw jest
okrelone przez rozkad dwumianowy
P(v wygranych w 10 wycigach) =

b (v)
101/2

10!

/1^

1 (

v!(10-v)!V2

(10.18)

Zgodnie ze wzorem (10.18) prawdopodobiestwo, e nasmarowane narty

wygraj we wszystkich dziesiciu wycigach wynosi
P(10 wygranych w 10 wycigach) = \ J

0,1%.

(10.19)

Oznacza to, e w razie prawdziwoci hipotezy zerowej jest mao prawdopodob

ne, by pokryte smarem narty wygray we wszystkich dziesiciu wycigach.
Odwrotnie, jeeli nasmarowane narty rzeczywicie wygraj we wszystkich
wycigach, jest mao prawdopodobne, by hipoteza zerowa bya prawdziwa.
cile biorc, prawdopodobiestwo (10.19) jest na tyle mae, e argument na
korzy smaru trzeba by uzna za wielce istotny", co krtko wyjanimy.
Zamy na razie, e nasmarowane narty wygray osiem z dziesiciu
wycigw. Moemy obliczy prawdopodobiestwo dla omiu lub wicej wy
granych
P(8 lub wicej wygranych w 10 wycigach) = P(8 wygranych)
+ P(9 wygranych)+ P (10 wygranych) 5 , 5 % .

(10.20)

Prawdopodobiestwo wygrania przez nasmarowane narty co najmniej omiu

wycigw jest cigle niewielkie, chocia ju nie tak mae jak w przypadku
wszystkich dziesiciu wycigw.
Chcc zdecydowa, jaki wniosek wycign z omiu wygranych, powinni
my zauway, e istniej dokadnie dwie moliwoci: albo
a) przyjta hipoteza zerowa jest prawdziwa (smarowanie jest bez znacze
nia), ale przypadkowo nastpio mao prawdopodobne zdarzenie (nasmarowa
ne narty wygray osiem prb);
albo

222

bl przyjta hipoteza zerowa jest faszywa, a smar jest naprawd skuteczny.

e-stach statystycznych istnieje zasada wybierania pewnego okrelonego
d: podobiestwa (np. 5 procent) jako granicy, poniej ktrej wystpienie
ir.-.ia jest uznawane za nieprawdopodobne. Jeeli prawdopodobiestwo
rzeczywistego wyniku (w naszym przypadku co najmniej osiem wygranych)
na: duje si poniej tej granicy, to wybieramy wariant (b), odrzucajc hipotez
:erdzajc, e eksperyment by istotny.
Z reguy wynik uznaje si za istotny, o ile jego prawdopodobiestwo jest
rriiejsze ni 5 procent oraz za bardzo istotny", jeeli jego prawdopodobiests : jest mniejsze ni 1 procent. Poniewa prawdopodobiestwo (10.20) wynosi
5 procent, nie wystarcza to, aby w sposb istotny" stwierdzi, e smar jest
tuteczny. Z drugiej strony, jak wiemy, prawdopodobiestwo dziesiciu wyrranych jest rwne 0,1 procent. Poniewa jest ono mniejsze ni 1 procent,
erny stwierdzi, e dziesi wygranych stanowi bardzo istotny" dowd
.atecznoci smaru.
*

Postpowanie oglne
Metody z opisanego wanie przykadu maj zastosowanie dla dowolnej serii
i podobnych ale niezalenych prb, z ktrych kada ma te same dwa moliwe
wyniki, sukces" i porak". Naley zacz od sformuowania hipotezy, co
v tym przypadku sprowadza si do podania prawdopodobiestwa sukcesu
r w dowolnej prbie. Przyjta warto p okrela spodziewan przecitn liczb
sukcesw v = np w n prbach. Jeeli zmierzona liczba sukcesw v w n pr
bach jest zbliona do np, to brak jest argumentw przeciwko przyjtej
hipotezie. (Jeeli nasmarowane narty wygrayby pi spord dziesiciu wy
cigw, nie byoby powodw, aby przypuszcza, e smarowanie ma jakiekol
wiek znaczenie.) Jeeli v jest wyranie wiksze od np, to obliczamy (opierajc
si na przyjtej hipotezie) prawdopodobiestwo uzyskania co najmniej v suk
cesw. Jeeli to prawdopodobiestwo jest mniejsze od wybranego przez nas
..poziomu istotnoci" (np. 5% lub 1%), to twierdzimy, e otrzymany
5

By moe warto podkeli du prostot testu, ktry wanie opisalimy. Moglimy mierzy
rne dodatkowe parametry, takie jak czas uzyskany przez kad z nart, maksymalne szybkoci
poszczeglnych nart i tym podobne. Zamiast tego, ograniczylimy si do stwierdzenia, ktra z nart
wygraa wycig. Testy, ktre nie posuguj si dodatkowymi parametrami nazywane s testami
nieparametrycznymi.
Ich przewaga polega na duej prostocie i szerokim zakresie zastosowa.
5

Jak zwykle v = np jest redni liczb sukcesw spodziewan w przypadku wielokrotnego

powtarzania serii n prb.

223

wynik jest nieprawdopodobnie may (o ile przyjta hipoteza jest prawdziwa)

i tym samym hipoteza powinna zosta odrzucona. W ten sam sposb po
stpujemy, jeeli otrzymana liczba sukcesw jest wyranie mniejsza od np.
Argumentacja jest podobna poza tym, e powinnimy obliczy prawdopodo
biestwo uzyskania co najwyej v sukcesw.
Zgodnie z tym, czego powinnimy si spodziewa, taka procedura nie daje
jednoznacznej odpowiedzi, czy przyjta hipoteza jest na pewno prawdziwa czy
na pewno faszywa. To co dostajemy to pewna liczbowa miara zasadnoci
uzyskanych wynikw w wietle przyjtej hipotezy; tak wic jestemy w stanie
przyj pewne obiektywne chocia dowolne kryteria odrzucenia hipotezy. Gdy
eksperymentator formuuje wniosek na podstawie podobnego rozumowania,
jest wane, aby wyranie okreli kryteria, ktrymi si posuy, oraz obliczon
warto prawdopodobiestwa, co pozwoli przyszemu Czytelnikowi oceni
zasadno wycignitych wnioskw.
6

Prognozy przedwyborcze
Jako drugi przykad posu nam wybory, w ktrych uczestnicz dwaj kan
dydaci, A i B. Zamy, e kandydat A gosi, jakoby szeroko zakrojone
badania wykazay, e popiera go 60 procent caego elektoratu. Wyobramy
sobie take, e kandydat B zwraca si z prob o sprawdzenie tego twierdzenia
(oczywicie z nadziej, e odsetek wyborcw popierajcych A okae si
wyranie mniejszy od 60 procent).
W tym przypadku hipoteza statystyczna stwierdza, e 60 procent elek
toratu opowiada si za kandydatem A; tak wic prawdopodobiestwo, e
przypadkowo wybrany wyborca bdzie zwolennikiem A wynosi p = 0,6. Ma
jc wiadomo, e nie jestemy w stanie dotrze do wszystkich wyborcw,
starannie dobieramy losow prbk liczc 600 osb i pytamy o ich sympatie.
Jeeli 60 procent rzeczywicie popiera kandydata A, to spodziewana liczba
jego zwolennikw w naszej prbce powinna wynosi np = 600 0,6 = 360. Czy
znajdujc 330 zwolennikw A moemy twierdzi, e w sposb przekonujcy
zakwestionowalimy hipotez o 60-procentowym poparciu dla Al
Szukajc odpowiedzi na to pytanie, zauwamy, e (zgodnie z przyjt
hipotez) prawdopodobiestwo popierania A przez v wyborcw dane jesi
rozkadem dwumianowym

Jak za chwil pokaemy, w niektrych eksperymentach waciwym prawdopodobiestwer

jest dwukracowe" prawdopodobiestwo uzyskania wartoci v odbiegajcej w dowolnym kierunk
od np o warto rwn lub wiksz od wartoci faktycznie uzyskanej.

224

P(v wyborcw popiera A) = b (v),

n<p

(10.21)

gizie n = 600 i p = 0,6. Poniewa n ma tak du warto, z dobrym skutkiem

rrona zastpi rozkad dwumianowy rozkadem Gaussa ze rodkiem
np = 360 i z odchyleniem standardowym a = ^Jnp(lp) = 12
v

P(v wyborcw popiera 4 )

=/

3 6 0

,i2( )-

(10.22)

Przecitna liczba zwolennikw A wynosi 360. Tak wic faktyczna liczba

rvolennikw A w naszej prbce (to znaczy 330) jest o 30 mniejsza od
rrzewidywanej. Poniewa odchylenie standardowe wynosi 12, uzyskany przez
nas wynik znajduje si w odlegoci 2,5 odchylenia standardowego poniej
spodziewanej przecitnej. Prawdopodobiestwo uzyskania takiego lub jeszcze
rrrniejszego wyniku (na podstawie tablicy znajdujcej si w dodatku B) jest
rawne 0,6 procent . Otrzymany wynik naley uzna za bardzo istotny" i na
roziomie 1 procent moemy bez wahania odrzuci hipotez jakoby A by
popierany przez 60 procent elektoratu.
7

Ten przykad ilustruje dwie oglne cechy testw tego rodzaju. Po pierwsze,
r.wierdziwszy, e 330 wyborcw opowiada si za A (czyli o 30 mniej ni bymy
si spodziewali), obliczylimy prawdopodobiestwo, e liczba zwolennikw
A wyniesie 330 lub mniej. Na pocztku mona by zastanawia si nad
prawdopodobiestwem, e liczba zwolennikw A wynosi dokadnie v = 330.
Jednake ma ono ma warto (0,15 procent); nawet prawdopodobiestwo
: trzymania najbardziej prawdopodobnego wyniku (v = 360) ma niewielk
warto (3,3 procent). Szukajc waciwej miary, mwicej jak dalece nie
spodziewany jest wynik v = 330, postanowilimy wzi pod uwag wszystkie
Tsyniki nie wiksze od 330.
Otrzymany wynik v = 330 by o 30 mniejszy od wyniku przewidywanego
= 360. Prawdopodobiestwo wyniku mniejszego co najmniej o 30 od przedtnej jest czasami okrelane jako prawdopodobiestwo jednostronne", po
niewa odpowiada powierzchni pod jednym z kracw krzywej rozkadu, tak
jak na rysunku 10.6a. W niektrych testach waciwym prawdopodobiest
wem jest prawdopodobiestwo dwustronne" odpowiadajce wynikom r
nicym si od wartoci przecitnej co najmniej o 30 w obydwie strony; na
rysunku 10.6b jest to prawdopodobiestwo uzyskania v ^ 3 3 0 ub 0 390.
Wybr w tecie statystycznym prawdopodobiestwa jedno- lub dwustronnego
7

Mwic cile, powinnimy obliczy prawdopodobiestwo dla v < 330,5, poniewa w roz
kadzie Gaussa zmienna v ma charakter cigy. Jest 2,46 a poniej redniej; tak wic poprawna
warto prawdopodobiestwa wynosi 0,7 procent, ale tak maa rnica nie ma adnego wpywu
na wniosek kocowy.

225

zaley od rozpatrywanej alternatywy hipotezy pierwotnej. W opisanym przy

kadzie chcielimy wykaza, e kandydata A popiera mniej ni 60 procent
wyborcw; tak wic waciwe byo prawdopodobiestwo jednostronne. Jeeli
zamierzalibymy udowodni, e cz elektoratu popierajca A rni si od 6 0
procent (w ktrkolwiek stron), to waciwe byoby prawdopodobiestwo
dwustronne. W praktyce wybr waciwego prawdopodobiestwa jest zwykle
do prosty. W kadym przypadku eksperymentator powinien wyranie okre
li, ktrego prawdopodobiestwa uywa, jaki poziom istotnoci wybra i jak
warto prawdopodobiestwa otrzyma. Majc te informacje przyszy Czytel
nik bdzie w stanie oceni znaczenie, jakie ma dla niego podany wynik.

a)

b)

R y s u n e k 10.6. a) Jednostronne prawdopodobiestwo wystpienia wyniku mniejszego co najmniej

o 30 od redniej, b) Dwustronne prawdopodobiestwo wystpienia wyniku rnicego si co
najmniej o 30 od redniej. (Skala nie jest zachowana.)

Zadania
Uwaga: Gwiazdka przy zadaniu oznacza, e szkic rozwizania lub odpowied
znajduje si na kocu ksiki.
10.1 (paragraf 10.2). Przeanalizuj opisane w paragrafie 10.2 dowiadczenie
polegajce na rzucaniu trzema komi. Znajd prowdopodobiestwa niewystpienia adnej szstki oraz wyrzucenia jednej szstki. Sprawd wartoci
wszystkich czterech prawdopodobiestw przedstawionych na rysunku 10.1.
*10.2 (paragraf 10.2).
a) Oblicz prawdopodobiestwa P(v szstek w dwch rzutach) dla wszyst
kich moliwych wartoci v w rzucie dwiema komi. Przedstaw je w postaci
histogramu.
b) Wykonaj to samo polecenie dla rzutu czterema komi.
10.3 (paragraf 10.3).
a) Oblicz 5!, 6!, 251/23!.
b) Posugujc si zwizkiem n\ = (n + l)!/(n+1), poka, e 0! powinnc
zosta zdefiniowane jako rwne 1.

226

c) Poka, e wspczynniki dwumianowe zdefiniowane w rwnaniu (10.3)

s rwne
/ n\
n\
\ v J
v!(n v)! '
*10.4 (paragraf 10.3). Oblicz wspczynniki dwumianowe

dla v = 0, 1,

2, 3 oraz ^ \ dla v = 0 , 4 . Nastpnie zapisz rozwinicie dwumianowe (10.5)

wyraenia (p + q)" dla n = 3 i n = 4.
10.5 (paragraf 10.3).
a) Oblicz i przedstaw w postaci histogramu funkcj rozkadu dwumiano
wego b

(v) dla n=A,p

= \i wszystkich moliwych wartoci v.

b) Powtrz cz (a) dla n = 4 i p = $.

*10.6 (paragraf 10.3). Do szpitala przyjto czterech pacjentw cierpicych
na chorob, w ktrej miertelno wynosi 80 procent. Korzystajc z wynikw
zadania 10.5b, znajd prawdopodobiestwa nastpujcych zdarze:
a) aden z pacjentw nie przeyje,
b) przeyje dokadnie jeden pacjent,
c) przeyje co najmniej dwch pacjentw.
*10.7 (paragraf 10.3). Znajd prawdopodobiestwa otrzymania v szstek
w rzucie picioma komi dla v = 0, 1,..., 5.
10.8 (paragraf 10.4). Udowodnij, e rednia liczba sukcesw
n

^= Z

K ()
P

dla rozkadu dwumianowego wynosi np.

Istnieje szereg sposobw wykonania tego zadania, z ktrych najprostszy
mona streci nastpujco: Wypisz rozwinicie dwumianowe (10.5) dla
(p + q) . Poniewa jest ono prawdziwe dla dowolnych wartoci p i q, moesz
obliczy jego pochodn wzgldem p. Jeeli przyjmiesz teraz p + q = 1 i po
mnoysz stronami przez p, otrzymasz podany wynik.
n

*10.9 (paragraf 10.4). Odchylenie standardowe dowolnego rozkadu /(v)

jest zdefiniowane jako
2

<Xv =

( V ~ V )
2

Udowodnij, e jest to rwnowane v (v) .

227

*10.10 (paragraf 10.4). Wykorzystaj wynik zadania (10.9), aby wykaza, e

dla rozkadu dwumianowego bnp(v)
Cv =

np{\-p).

(Skorzystaj z metody opisanej w zadaniu 10.8, dwukrotnie rniczkujc wzgl

dem p.)
10.11 (paragraf 10.4). Udowodnij, e dla p = \ rozkad dwumianowy
spenia zaleno

Ki (v)
/2

n , i / 2 (

) ;

co znaczy, e rozkad jest symetryczny wzgldem v = n/2.

10.12 (paragraf 10.4). Przyblienie rozkadu dwumianowego rozkadem
Gaussa jest doskonae dla wielkich n, ale i nadspodziewanie dobre dla maych
n (szczeglnie jeeli p jest bliskie j). W celu zilustrowania tego faktu, oblicz
^4,1/2 ( ) ( d ^
= 0, 1,..., 4) w sposb cisy oraz posugujc si rozkadem
Gaussa. Porwnaj otrzymane wyniki.
v

*10.13 (paragraf 10.4). Korzystajc z przyblienia rozkadu dwumianowe

go rozkadem Gaussa, znajd prawdopodobiestwo 15-krotnego wystpienia
ora w 25 rzutach monet. Oblicz to samo prawdopodobiestwo w sposb
cisy i porwnaj wyniki.
*10.14 (paragraf 10.4). Korzystajc z przyblienia rozkadu dwumianowe
go rozkadem Gaussa, znajd prawdopodobiestwo co najmniej 18-krotnego
wystpienia ora w 25 rzutach monet. (Obliczajc prawdopodobiestwo
okrelone rozkadem Gaussa, naley znale prawdopodobiestwo dla
v>17,5.) Porwnaj wynik z wartoci dokadn, ktra wynosi 2,16 procent.
10.15 (paragraf 10.6). Zamy, e podczas testw smaru do nart opisa
nych w paragrafie 10.6, nasmarowane narty wygray dziewi z dziesiciu prb.
Zakadajc, e smarowanie pozostaje bez znaczenia, oblicz prawdopodobiest
wo wystpienia przynajmniej dziewiciu wygranych. Czy dziewi wygranych
stanowi istotny dowd (poziom 5 procent), e smar jest skuteczny? Czy dowd
jest bardzo istotny" (poziom 1 procent)?
*10.16 (paragraf 10.6). Chcc zbada skuteczno nowego nawozu, ogrod
nik wybra 14 par podobnych rolin i podda po jednej rolinie z kadej pary
dziaaniu nawozu. Po dwch miesicach 12 spord nawoonych rolin byo
w lepszej kondycji ni ich nienawoeni partnerzy (pozostae dwie roliny byy

228

w gorszym stanie). Zakadajc, e nowy nawz naprawd nie odgrywa roli,

oblicz prawdopodobiestwo czysto przypadkowego uzyskania co najmniej 12
sukcesw. Czy dwanacie sukcesw stanowi istotny dowd (poziom 5 procent),
e nowy nawz jest skuteczny? Czy jest to dowd bardzo istotny" (poziom
1 procent)?
10.17 (paragraf 10.6). Wiadomo, e 25 procent pewnego gatunku nasion
zazwyczaj kiekuje. W celu zbadania nowego stymulatora kiekowania" wysiano-100 nasion i poddano je jego dziaaniu. Czy mona wycign wniosek
Ina poziomie 5 procent istotnoci), e stymulator jest skuteczny, o ile wykiekoway 32 nasiona?
*10.18 (paragraf 10.6). W jednej ze szk 420 spord 600 uczniw zdaje
standardowy test matematyczny, ktrego oglnokrajowy wspczynnik zdawalnoci wynosi 60 procent. Okrel, ilu uczniw tej szkoy powinno wedug
Ciebie zda test, zakadajc, e nie wykazuj oni szczeglnych uzdolnie
w tym kierunku. Jakie jest prawdopodobiestwo, e test zda przynajmniej 420
uczniw? Czy szkoa ma podstawy do stwierdzenia, e jej uczniowie s
szczeglnie dobrze przygotowani do zdawania tego testu?

R O Z D Z I A

11

ROZKAD POISSONA

W rozdziale tym zapoznamy si z trzecim przykadem rozkadu granicznego

rozkadem Poissona. Opisuje on wyniki eksperymentw polegajcych na
zliczaniu zdarze wystpujcych losowo, ale z okrelon przecitn czsto
tliwoci. Rozkad Poissona odgrywa szczegln rol w fizyce atomowej
i jdrowej, gdzie rejestruje si przypadki rozpadu nietrwaych atomw i jder.

11.1. Definicja rozkadu Poissona

Aby pozna przykad rozkadu Poissona, wyobramy sobie, e dysponujemy
prbk pewnej substancji promieniotwrczej. Posugujc si licznikiem Geigera
zliczamy v elektronw wyemitowanych w wyniku rozpadu promieniotwrczego
w przecigu jednej minuty. Jeeli licznik jest sprawny, to nie bdzie wystpowaa
niepewno zwizana z okreleniem liczby v. Pomimo to, powtarzajc dowiad
czenie, nieomal na pewno bdziemy otrzymywa rne wartoci v. Zmiany
liczby v nie s wyrazem niedokadnoci w procesie zliczania, lecz stanowi
nieodczn cech zjawiska rozpadu promieniotwrczego.
Kade jdro promieniotwrcze ma okrelone prawdopodobiestwo roz
padu w dowolnym jednominutowym okresie. Znajc to prawdopodobiestwo
oraz liczb jder znajdujcych si w naszej prbce, moglibymy obliczy
oczekiwan redni liczb rozpadw w przecigu jednej minuty. Jednake
rozpad kadego jdra zachodzi w przypadkowym momencie i w dowolnym
jednominutowym okresie liczba aktw rozpadu moe si rni od oczekiwa
nej redniej liczby.

230

Nasuwa si pytanie: Jaki rozkad liczby zlicze v w okresie jednominuto

wym powinnimy otrzyma powtarzajc pomiar wielokrotnie (wymieniajc
prbk, jeeli zuyje si ona w sposb zauwaalny)? Jeeli zapoznalicie si
z rozdziaem 10, zauwaycie, e waciwym rozkadem jest rozkad dwumiano
wy. Jeeli mamy n jder i prawdopodobiestwo rozpadu kadego z nich
wynosi p, to prawdopodobiestwo v rozpadw jest po prostu prawdopodo
biestwem v sukcesw" w n prbach", czyli b {v). Jednake w eksperymen
tach, ktrymi zajmujemy si obecnie, wystpuje pewne istotne uproszczenie.
Liczba prb" (czyli jder) jest olbrzymia (n ~ 1 0 ) , a prawdopodobiestwo
sukcesu" (czyli rozpadu) jest niewielkie (czsto zblione do p ~ 1 0 ~ ) .
W tych warunkach (due n i mae p) rozkad dwumianowy, jak mona
pokaza, jest nierozrnialny od pewnej prostszej funkcji zwanej rozkadem
Poissona. W szczeglnoci mona wykaza, e
np

20

20

P(v zlicze w dowolnym okrelonym czasie) = p (v),

/

(H-l)

przy czym rozkad Poissona, p(v), jest dany wzorem

(11.2)

P(v)

W przedstawionej definicji \i jest pewnym dodatnim parametrem (u > 0),

ktry, jak si wkrtce przekonamy, jest oczekiwan redni liczb zlicze
w wybranym przedziale czasu, a v! oznacza funkcj silnia (0! = 1).
Nie bdziemy w tej ksice zajmowa si wyprowadzeniem rozkadu
Poissona (11.2), ale ograniczymy si do stwierdzenia, e jest to waciwy
rozkad w odniesieniu do eksperymentw, ktrymi obecnie si zajmujemy.
Chcc pozna znaczenie parametru a we wzorze (11.2), wystarczy, abymy
obliczyli redni liczb zlicze v, ktr spodziewalibymy si otrzyma w przy
padku wielokrotnego powtarzania dowiadczenia. Szukana rednia jest rwna
1

CO

CO

. .V

v= Ivp(v)= I v e - * ^ : .
v=0

v=0

(11.3)

"

Wyprowadzenie mona na przykad znale w nastpujcych podrcznikach: Hugh D.

Young, Statistical

Treatment

Analysis for Scientists

of Experimental

and Engineers

tum.) Siegmund Brandt Metody

Data (McGraw-Hill, 1962) 8, Stuart L. Meyer, Data

(John Wiley, 1975), s. 207 lub (w jzyku polskim -

statystyczne

i obliczeniowe

analizy

danych

przyp.

(PWN, 1976), 5.4.

231

Pierwszy skadnik sumy mona pomin (poniewa jest on rwny 0), a v/v!
mona zastpi przez l/(v 1)!. Jeeli przed znak sumy wycigniemy wsplny
czynnik pe~^, otrzymamy

Suma nieskoczonego szeregu

daje funkcj wykadnicz e'*. Tym samym czynnik wykadniczy e ' ' we wzorze
(11.4) ulega redukcji z sum szeregu i otrzymujemy prosty wynik w postaci

v=

(11.6)

fi.

Oznacza to, e parametr p charakteryzujcy rozkad Poissona p^iy) jest

redni liczb zlicze dla wielokrotnie powtarzanego eksperymentu.

11.2. Wasnoci rozkadu Poissona

Rysunek 11.1 przedstawia rozkad Poissona dla p. = 0,8 oraz p = 3. Na
rysunku 11.la, odpowiadajcym przypadkowi p = 0,8, widzimy, e najbardziej
prawdopodobne wartoci zlicze to v = 0 i 1 (przy czym prawdopodobiestwo
v = 0 jest nieco wiksze), chocia prawdopodobiestwa uzyskania v = 2 lub
3 maj take znaczce wartoci. N a rysunku 11.Ib, odpowiadajcym p = 3,

a)

b)

50

i
a

20

fi =0,!

=3

0>

o
-a
o
P.
o
a

10

I
&

_L

0
0

Rysunek 11.1. Przykady rozkadu Poissona odpowiadajce rednim liczbom zlicze ^ = 0,8 i 3

232

najbardziej prawdopodobne wartoci zlicze to 2 i 3, z zakresem znaczcych

prawdopodobiestw pomidzy v = 0 a v = 7. N a obydwu rysunkach rozkady
s wyranie asymetryczne.
Jeeli bdziemy rozwaa eksperyment z wiksz przecitn liczb zlicze,
np. 1 = 9, tak jak przestawiono na rysunku 11.2, rozkad stanie si bardziej
symetryczny wzgldem wartoci redniej. W rzeczywistoci mona udowodni,
e w miar jak fi - co, rozkad Poissona staje si coraz bardziej symetryczny
i zblia si do rozkadu Gaussa z tymi samymi wartociami redniej i od
chylenia standardowego. N a rysunku 11.2 krzywa przerywana odpowiada
rozkadowi Gaussa z wartoci redni 9 i z takim samym odchyleniem
standardowym. Jak wida, nawet wtedy, gdy \i jest rwne zaledwie 9, rozkad
Poissona jest bardzo bliski odpowiedniego rozkadu Gaussa, przy czym
niewielka rozbieno jest zwizana z pozostajc asymetri rozkadu Poisso
na. Postaramy si pokrtce wykaza, e moliwo zastpowania rozkadu
Poissona odpowiednim rozkadem Gaussa dla duych wartoci \i jest niezwyk
le uyteczna.
2

N
10

5.

/
O'-

u=9

ja
o
-a
o

--,

- 'i*****L
10

l^b*L-**

15

Rysunek 11.2. Rozkad Poissona dla p. 9. Krzywa przerywana odpowiada rozkadowi Gaussa
z tym samym rodkiem i odchyleniem standardowym

Nastpn interesujc wasno rozkadu Poissona dostrzeemy obliczajc

odchylenie standardowe a . Jak wiemy z rozdziau 4, c jest redni kwad
ratw odchyle (v v) . Tak wic
2

lub (korzystajc z wyniku zadania 10.9)

<T? =
2

7-(V) .
2

(11.7)

Patrz Stuart L. Meyer, op. cit., s. 227.

233

Poprzednio obliczylimy, e v jest rwne fi. Podobne

v = f i + fi (patrz zadanie 11.6). Tak wic er = fi, czyli
2

obliczenia

daj

fi.

(11.8)

Oznacza to, e rozkad Poissona ze redni liczb zlicze fi ma odchylenie

standardowe yfpi.
Wynik (11.8) jest w praktyce niezwykle uyteczny. Jeeli jednokrotnie
przeprowadzimy eksperyment polegajcy na zliczaniu i otrzymamy wynik v, to
atwo si przekona (korzystajc z zasady najwikszego prawdopodobiestwa
- tak jak w zadaniu 11.9), e najlepsze przyblienie oczekiwanej redniej liczby
zlicze fi jest a = v. Ze wzoru (11.8) bezporednio wynika, e najlepszym
przyblieniem odchylenia standardowego jest po prostu
. Innymi sowy,
jeeli przeprowadzimy pomiar liczby zdarze w pewnym przedziale czasu,
uzyskujc wynik v, to moemy poda ostateczn odpowied na pytanie
o spodziewan przecitn liczb zlicze w danym przedziale czasu w postaci
nv

vV^-

(11-9)

Ten sam wynik zosta podany bez dowodu w rwnaniu (3.2). Jeeli prowadzili
bymy zliczanie przez duszy czas, otrzymalibymy wiksz warto v. W myl
(11.9) oznaczaoby to wiksz niepewno y/v . Jednake niepewno wzgld
na, okrelona jako
niepewno wzgldna =
zmniejszaaby si wraz z wyduaniem czasu zliczania.
Interesujce wnioski wynikaj z porwnania ze sob rozkadw Poissona
i Gaussa. Po pierwsze, podczas gdy rozkad Gaussa f
(x) jest cigy,
poniewa x jest zmienn cig, rozkad Poissona jest dyskretny (podobnie jak
rozkad dwumianowy), poniewa v = 0, 1, 2,... Po drugie, rozkad Gaussa
fx a ( ) J
okrelony przez dwa parametry, warto redniej X oraz sze
roko a, podczas gdy rozkad Poissona p (v) jest zdefiniowany przez poje
dynczy parametr fi, gdy, jak si wanie przekonalimy, szeroko er rozkadu
Poissona jest automatycznie okrelona przez warto redni fi (to znaczy
a = s/fJ.). N a koniec wreszcie, jeeli bdziemy zajmowa si rozkadem PoisXa

e s t

/(

234

sona, ktrego przecitna liczba zlicze p jest dua, to dyskretny charakter

v staje si coraz mniej istotny i, tak jak ju wspomnielimy w zwizku
z rysunkiem 11.2, rozkad Poissona (podobnie jak dwumianowy) jest dobrze
przybliany przez rozkad Gaussa f , (x)
t sam redni i szerokoci. To
znaczy
z

x a

P,(v)*/i,,(x)

(dla duych p),

(11.10)

gdzie
X = u

oraz

a =

Przyblienie (11.10) nosi nazw przyblienia gaussowskiego rozkadu Poissona.

Jest ono analogiczne do odpowiedniego przyblienia rozkadu dwumianowego
(omawianego w paragrafie 10.4) i jest uyteczne w tych samych warunkach, czyli
wtedy, gdy wystpujce parametry przyjmuj due wartoci. By lepiej to zilust
rowa, wyobramy sobie, e chcemy obliczy rozkad Poissona dla p = 64.
Prawdopodobiestwo uzyskania, na przykad, 72 zlicze jest dane wzorem
P(72 zliczenia) =

Pt54

(72) = e

- 6 4

-^-,

(11.11)

ktry po mudnych obliczeniach prowadzi do wyniku

P(72 zliczenia) = 2,9%.
Jednake w myl wzoru (11.10) prawdopodobiestwo (11.11) mona z du
dokadnoci przybliy przez
P(72 zliczenia) 764,8(72),
ktre to, jak atwo obliczy, prowadzi do wyniku
P(72 zliczenia) w 3,0%.
Jeeli chcielibymy wprost obliczy prawdopodobiestwo uzyskania co
najmniej 72 zlicze w opisanym eksperymencie, to niezwykle mudne oblicze
nia dayby wynik
P ( v ^ 7 2 ) = p (72) + r> (73)+...
= 17,3%.
64

64

Korzystajc z przyblienia (11.10), wystarczy, abymy obliczyli prawdopodo

biestwo otrzymania v ^ 71,5 (poniewa w rozkadzie Gaussa zmienna v jest

235

ciga). Skoro 71,5 jest o 7,5, czyli o 0,94<r wiksze od redniej, szukane
prawdopodobiestwo, ktre mona od razu znale posugujc si tablic
z dodatku B, wynosi
P(v ^ 72) P,G a u s s

(v

>

71,5)

G a u s s (v > X + 0,94cr)
= 17,4%,
co w wikszoci przypadkw mona uzna za doskonae przyblienie.

11.3. Przykady
Jak ju podkrelalimy, rozkad Poissona ma zastosowanie do wynikw,
eksperymentu polegajcego na zliczaniu zdarze wystpujcych losowo, ale
z okrelon przecitn czstotliwoci. W ramach zaj na pierwszej pracowni
fizycznej dwoma najczciej spotykanymi wiczeniami tego rodzaju jest zlicza
nie rozpadw jder promieniotwrczych oraz zliczanie czstek tworzcych
promieniowanie kosmiczne.
Kolejnym wanym przykadem jest eksperyment polegajcy na bada
niu oczekiwanego rozkadu granicznego, ktrym moe by rozkad Gau
ssa, rozkad dwumianowy lub sam rozkad Poissona. Kady z rozkadw
granicznych zawiera informacj na temat oczekiwanej liczby zdarze pew
nego rodzaju w wielokrotnie powtarzanych eksperymentach. (Na przykad
rozkad Gaussa f , ( )
okrela, jaka cz wynikw pomiarw wielkoci
x powinna si znale w przedziale pomidzy x = a i x b). W praktyce
otrzymywana liczba rzadko kiedy zgadza si z wartoci oczekiwan. Za
miast tego wykazuje ona fluktuacje zgodne z rozkadem Poissona. W szcze
glnoci, jeeli oczekiwana liczba zdarze pewnego typu wynosi n, mona
oczekiwa, e otrzymywane liczby zdarze bd rni si od n o wielko
rzdu y/n.
x

x a

W wielu przypadkach rozsdnie jest oczekiwa, e rozkad wynikw bdzie

w przyblieniu zgodny z rozkadem Poissona. Liczba jaj skadanych w cigu
godziny na farmie drobiarskiej oraz dobowa liczba urodze w szpitalu powin
ny przynajmniej w przyblieniu spenia rozkad Poissona (chocia naleaoby
si take spodziewa pewnych okresowych waha). Chcc sprawdzi to zaoe
nie, naleaoby rejestrowa dane w przecigu wielu ustalonych okresw
Przedstawiajc uzyskane wyniki na wykresie i porwnujc je z rozkadem
Poissona, mona naocznie przekona si o zgodnoci obydwu rozkadw
W celu bardziej wymiernego porwnania, naleaoby posuy si testem yopisanym w rozdziale 12.

236

Rejestracja promieniowania kosmicznego

Jako konkretny przykad zastosowania rozkadu Poissona wemy ekspery
ment polegajcy na obserwacji promieniowania kosmicznego. Promieniowa
nie" to stanowi w rzeczywistoci czstki naadowane, takie jak protony
i czstki a, wnikajce do atmosfery ziemskiej z przestrzeni kosmicznej. Nie
ktre z nich docieraj a do powierzchni Ziemi i mog by rejestrowane
v laboratorium (na przykad przy uyciu licznika Geigera). W zagadnieniu,
ktre przedstawimy, skorzystamy z faktu, e liczba czstek docierajcych do
ianej powierzchni w okrelonym czasie powinna podlega rozkadowi Pois
sona.
Student A zapewnia, e zmierzy liczb czstek promieniowania kosmicz
nego docierajcych do licznika Geigera w cigu minuty. Utrzymuje on, e
pomiary przeprowadzi starannie, wielokrotnie je powtarzajc i stwierdzi, e
przecitnie w cigu minuty do licznika dociera dziewi czstek, z zaniedbywaln" niepewnoci. Aby sprawdzi ten wynik, student B mierzy liczb
:zstek docierajcych do licznika w cigu minuty i otrzymuje wynik 12. Czy
podwaa to wiarygodno wyniku studenta A mwicego, e oczekiwana
czstotliwo wynosi dziewi?
Studentka C, chcc wykona jeszcze dokadniejszy test, zlicza czstki
docierajce w cigu dziesiciu minut. N a podstawie wynikw studenta A spo
dziewa si otrzyma w wyniku 90, ale w rzeczywistoci otrzymuje 120. Czy ten
fakt podaje w wtpliwo wyniki studenta Al
Przyjrzyjmy si najpierw wynikowi studenta B. Jeeli A nie myli si, to
spodziewana rednia liczba zlicze jest rwna 9. Poniewa zliczenia powinny
spenia rozkad Poissona, odchylenie standardowe wynosi y/9 = 3. Wynik
studenta B, czyli 12, ley wic w odlegoci zaledwie jednego standardowego
odchylenia od wartoci redniej 9. Nie jest to oczywicie wystarczajca roz
bieno, by zakwestionowa wynik A. Dokadniej, spodziewajc si, e praw
dopodobiestwo dowolnego wyniku v jest dane przez pg(v), moemy obliczy
cakowite prawdopodobiestwo uzyskania wyniku rnicego si od 9 nie
mniej ni o 3. Jak si okazuje, wynosi ono 40% (patrz zadanie 11.11). Jest
aczywiste, e wynik B nie jest wcale zaskakujcy i A nie ma podstaw, aby si
niepokoi.
Wynik studentki C stanowi zupenie inny problem. Jeeli A ma racj, to
C powinna otrzyma 90 zlicze w cigu 10 minut. Poniewa, jak sdzimy,
mamy do czynienia z rozkadem Poissona, odchylenie standardowe powinno
wynosi y/90 = 9,5. Tak wic wynik C jest oddalony o przeszo trzy od
chylenia standardowe od wartoci przewidywanej przez A, rwnej 90. Przy tak
duych liczbach rozkad Poissona praktycznie nie rni si od rozkadu

237

Gaussa, tak wic od razu moemy skorzysta z tablicy znajdujcej si w dodat

ku A i stwierdzi, e prawdopodobiestwo uzyskania liczby zlicze rnicej si
od redniej co najmniej o trzy odchylenia standardowe wynosi 0,3%. Oznacza
to, e jeeli student A nie myli si, to zaobserwowanie 120 zlicze przez C jest
bardzo mao prawdopodobne. Odwracajc problem, moemy stwierdzi, e
niemal na pewno gdzie tkwi bd. By moe A nie wykona pomiarw z tak
dokadnoci, jak to utrzymywa. By moe licznik A lub C ile dziaa wprowa
dzajc do jednego z tych pomiarw bd systematyczny. By moe wreszcie
A przeprowadzi swoje pomiary w okresie, w ktrym natenie strumienia
promieniowania kosmicznego byo naprawd mniejsze ni zazwyczaj.

Zadania
Uwaga: Gwiazdka przy zadaniu oznacza, e szkic rozwizania lub odpowiedz
znajduje si na kocu ksiki.
* 11.1 (paragraf 11.1).
a) Oblicz rozkad Poissona p (v) dla p = 0,5 i v = 0, 1,
wykonaj histogram p^(v) w zalenoci od v.
b) Powtrz polecenie (a) dla p = 1.
c) Powtrz polecenie (a) dla p = 2.
M

6, a nastpnie

1 1 . 2 (paragraf 11.1).
a) Rozkad Poissona, podobnie jak wszystkie inne rozkady, musi spenia
warunek normalizacji",
GO

p(V) = i.

v = 0

Warunek ten gwarantuje, e cakowite prawdopodobiestwo zaobserwowania

wszystkich moliwych wartoci v musi by 1. Udowodnij ten warunek. [Pa
mitaj, e rozwinicie e^ w nieskoczony szereg dane jest wzorem (11.5).]
b) Rniczkujc (11.12) wzgldem p, a nastpnie mnoc przez p, poda
inny dowd zalenoci v = p zapisanej w rwnaniu (11.6).
11.3 (paragraf 11.1). Waciciel fermy drobiarskiej stwierdzi w przeciga
28 dni, e pomidzy 10:00 a 10:30 przed poudniem stado kur skada przeci:nie 2,5 jaja. Zakadajc, e liczba skadanych jaj spenia rozkad Poissona ze
redni p = 2,5, oblicz w ilu dniach kury nie zoyy adnego jaja pomidz;.
10 a 10:30. W ilu dniach spodziewaby si zoenia co najwyej dwch jaj"
W ilu co najmniej trzech?

238

20

* 11.4 (paragraf 11.1). Pewna prbka promieniotwrcza zawiera 1,5-10

jder, z ktrych kade rozpada si z prawdopodobiestwem p = 10" w cza
sie jednej minuty.
a) Jaka jest oczekiwana rednia liczba rozpadw p, zachodzcych w prb
ce w cigu jednej minuty?
b) Oblicz prawdopodobiestwo p^(v) zaobserwowania v rozpadw w ci
gu jednej minuty dla v = 0, 1, 2, 3.
c) Jakie jest prawdopodobiestwo zaobserwowania co najmniej czterech
rozpadw w cigu jednej minuty?
2 0

* 11.5 (paragraf 11.1). Oczekiwana liczba rozpadw w cigu jednej minuty

dla pewnej prbki promieniotwrczej wynosi 3. Student bada liczb rozpadw
dla 100 niezalenych jednominutowych okresw, uzyskujc wyniki zawarte
w tabeli 11.1.
a) Wykonaj histogram tych wynikw, rysujc f (czsto pomiarw,
w ktrych uzyskano v) jako funkcj v.
b) N a tym samym wykresie przedstaw oczekiwany rozkad pi{v). Czy dane
pasuj do oczekiwanego rozkadu?
v

Tabela 11.1
liczba rozpadw v
krotno obserwacji

0
19

1
23

3
21

4
14

5
12

6
3

8
1

9
0

11.6 (paragraf 11.2).

a) Wyka, e rednia v dla rozkadu Poissona p^(v) jest rwna
v = p + p. [Najprostszym tego sposobem jest dwukrotne zrniczkowanie
tosamoci (11.12) wzgldem p.]
b) Nastpnie udowodnij, e odchylenie standardowe v, wynosi a = y/p
[Skorzystaj z tosamoci (11.7).]
2

*11.7 (paragraf 11.2). Oblicz redni v i odchylenie standardowe a dla

danych z zadania 11.5. Porwnaj uzyskane wyniki z oczekiwanymi warto
ciami 3 i y/J.
v

11.8 (paragraf 11.2). Wiadomo, e przecitna czstotliwo rozpadw

jder w pewnej prbce wynosi z grubsza 20 na minut. Jak dugo musiaby
trwa pomiar, jeeli chciaby zmierzy t czstotliwo z dokadnoci do
4%?

239

* 11.9 (paragraf 11.2).

a) Wyobramy sobie, e zliczamy czstki promieniowania kosmicznego
docierajce do licznika w cigu jednej minuty i uzyskujemy wynik v .
Zakadajc, e liczba czstek spenia rozkad Poissona p^(v), gdzie p jest
nieznan oczekiwan redni liczb zlicze, zapisz prawdopodobiestwo
uzyskania otrzymanego wyniku v . Skorzystaj z zasady najwikszego praw
dopodobiestwa, aby udowodni, e najlepszym przyblieniem p jest
0

/Unp = v .
0

(Pamitaj, e najlepszym przyblieniem p jest warto, dla ktrej prawdopodo

biestwo uzyskania zaobserwowanej liczby zlicze v jest najwiksze.)
b) Wyobramy sobie, e wykonujemy N niezalenych pomiarw
v ,...,v ;
uzasadnij w podobny sposb, e w tym przypadku ^ jest redni
0

fl

n p

1
J

* 1=1

* 11.10 (paragraf 11.2). Oczekiwania rednia liczba zlicze w pewnym

eksperymencie wynosi p = 16.
a) Korzystajc z przyblienia rozkadem Gaussa (11.10), oszacuj prawdo
podobiestwo uzyskania dziesiciu zlicze. Porwnaj to oszacowanie z wyni
kiem dokadnym pi6(10).
b) Korzystajc z przyblienia rozkadem Gaussa, oszacuj prawdo
podobiestwo uzyskania co najwyej dziesiciu zlicze. [Pamitaj, eby
uwzgldni fakt cigoci rozkadu Gaussa, obliczajc P a a s s ( v < 10,5). Szuka
ne prawdopodobiestwo mona znale korzystajc z tablicy znajdujcej si
w dodatku B . ] Oblicz dokadny wynik i porwnaj go z otrzymanym przy
blieniem.
Zauwa, e nawet w przypadku tak maych wartoci jak p = 16, przy
blienie gaussowskie daje cakiem dobre wyniki, zaoszczdzajc - przynaj
mniej w punkcie (b) - wielu uciliwoci zwizanych ze cisymi obliczeniam:
U

* 11.11 (paragraf 11.3).

a) Oblicz prawdopodobiestwa p<>(v) uzyskania v zlicze dla v = 7, 8, 9, K
oraz 11 w dowiadczeniu, w ktrym oczekiwana rednia liczba zlicze wyno
si 9.
b) Oblicz nastpnie prawdopodobiestwo uzyskania liczby zlicze rni
cej si od redniej 9 co najmniej o 3. Czy otrzymanie 12 zlicze wywoao:;
podejrzenia, e oczekiwana rednia liczba zlicze jest w rzeczywistoci rna
od 9?

240

11.12 (paragraf 11.3). Studentka, posugujc si licznikem Geigera, mierzy

aktywno rda promieniotwrczego. Umieszcza rdo w pobliu licznika,
ktry rejestruje 1600 zlicze w cigu 10 minut. Po usuniciu rda stwierdza,
e licznik zlicza w dalszym cigu, chocia ze zmniejszon czstotliwoci. Fakt
dalszego zliczenia tumaczy jako wynik obecnoci promieniowania ta, takiego
jak promieniowanie kosmiczne czy radioaktywne skaenie laboratorium.
W celu okrelenia natenia tego promieniowania pozostawia licznik na
dziesi minut i uzyskuje wynik 400 zlicze.
a) Ile wynosz niepewnoci obydwu wynikw zliczania?
b) Oblicz obydwie czstotliwoci zlicze, wyraone w zliczeniach na minu
t, oraz ich niepewnoci.
c) Oblicz rnic obydwu wynikw z czci (b) w celu okrelenia czstot
liwoci zlicze zwizanych ze rdem oraz jej niepewno.

R O Z D Z I A

12

TEST i ZGODNOCI ROZKADW

Zdobylimy ju bogate dowiadczenie w posugiwaniu si rozkadami granicz

nymi. Pod tym pojciem rozumiemy funkcje, ktre opisuj oczekiwany roz
kad wynikw wielokrotnie powtarzanego eksperymentu. Istnieje wiele r
nych rozkadw granicznych, waciwych duej liczbie moliwych eksperymen
tw. W rnych dziaach fizyki najczciej s spotykane trzy, omwione juz
przez nas, rozkady: rozkad Gaussa (czyli normalny), rozkad dwumianowy
i rozkad Poissona.
W ostatnim rozdziale zastanowimy si, w jaki sposb stwierdzi czy
wyniki przeprowadzonego eksperymentu podlegaj przewidywanemu rozka
dowi granicznemu. W tym celu wyobramy sobie, e wykonujemy pewien
eksperyment, dla ktrego znamy, jak sdzimy, oczekiwany rozkad wynikw
Zamy ponadto, e powtarzamy eksperyment kilkakrotnie, notujc otrzy
mane wyniki. Postawione pytanie brzmi: Jak sprawdzi, czy otrzymany
rozkad jest zgodny z oczekiwanym rozkadem teoretycznym? Przekonamy
si, e na to pytanie mona odpowiedzie posugujc si prost metod
zwan testem chi-kwadrat, czyli y .
2

12.1. Wprowadzenie do testu /

Zacznijmy od przedstawienia konkretnego przykadu. Zamy, e przeprowa

dzilimy 40 pomiarw x ,...,
x
zasigu x pociskw wystrzeliwanych z pew
nego dziaka i otrzymalimy wyniki zebrane w tabeli 12.1. Zamy ponadto,
e mamy podstawy przypuszcza, i pomiary powinny podlega rozkadowi
1

242

40

Gaussa f (x),
co jest z pewnoci naturalnym zaoeniem. W eksperymen
tach tego typu rodek rozkadu X i jego szeroko a nie s zazwyczaj znane
z gry. Naszym pierwszym krokiem jest wic obliczenie na podstawie posiada
nych 40 wynikw najlepszych przyblie wymienionych wielkoci:
Xa

40

(najlepsze przyblienie X) = x = Z x / 40
t

= 730,1 cm

(12.1)

oraz
(najlepsze przyblienie a)

/Zfc-x)

39
46,8 cm.

(12.2)

Tabela 12.1. Zmierzone wartoci x (w cm)

731
739
678
698

772
780
748
770

771
709
689
754

681
676
810
830

722
760
805
725

688
748
778
710

653
672
764
738

757
687
753
638

733
766
709
787

742
645
675
712

Moemy ju zapyta, czy faktyczny rozkad wynikw x , . . . , x

jest
zgodny z hipotez, mwic, e pomiary podlegaj rozkadowi Gaussa
f (x), dla ktrego wartoci X i a wyznaczylimy. Aby udzieli odpowiedzi,
naley obliczy, jaki powinien by rozkad 40 wynikw w przypadku susz
noci naszej hipotezy, a nastpnie porwna go z rozkadem otrzymanym
w dowiadczeniu. Pierwsza trudno wynika z cigoci zmiennej x; nie
mona mwi o oczekiwanej liczbie pomiarw rwnych pewnej okrelonej
wartoci x. Zamiast tego powinnimy rozwaa ich liczb zawart w pewnym
przedziale a<x<b.
Oznacza to, e musimy podzieli rozstp zmierzonych
wartoci na przedziay. Dysponujc 40 zmierzonymi wartociami, mogliby
my wybra granice w X - a. X i X + a, tworzc cztery przedziay tak jak
w tabeli 12.2.
Nieco pniej omwimy kryteria wyboru przedziaw. Musz by one tak
dobrane, aby wszystkie przedziay zawieray po kilka zmierzonych wartoci x .
Liczb przedziaw bdziemy na og oznacza przez n; tak wic dla czterech
przedziaw mamy n = 4.
Podzieliwszy rozstp na przedziay, moemy sprecyzowa nasze pytanie.
Na pocztek powinnimy policzy, ile pomiarw dao wynik w A-tym prze1

4 0

Xa

243

Tabela 12.2. Jeden z moliwych wyborw przedziaw w przypadku danych z tabeli 12.1.
Ostatni wiersz zawiera liczby wynikw zaliczonych do kadego z przedziaw
Numer przedziau k
Wartoci x zaliczane
do przedziau

1
x<X

2
a

Xo<x<X

X<x<X

+ <i

X +

a<x

czyli
x< 683,3

czyli
683,3 <x< 730,1

czyli
730,1 < x < 7 7 6 , 9

czyli
776,9 <x

10

16

Liczba wynikw 0
w przedziale

dziale. Otrzyman liczb bdziemy oznacza przez O . Dla danych z naszego

przykadu otrzymane liczby 0 , 0 , 0 , 0 wypisane zostay w dolnym
wierszu tabeli 12.2. Nastpnie, przyjmujc, e pomiary podlegaj rozkadowi
normalnemu (z wyznaczonymi wartociami X i er), moemy obliczy oczekiwa
n liczb pomiarw E w fe-tym przedziale. N a koniec wreszcie musimy
okreli, w jakim stopniu otrzymane w eksperymencie liczby O zgadzaj si
z oczekiwanymi liczbami E .
k

Obliczenie oczekiwanych liczb pomiarw E nie jest skomplikowane. Pra

wdopodobiestwo, e dowolny pomiar znajdzie si w przedziale a<x<b jest
rwne polu powierzchni pod wykresem funkcji Gaussa pomidzy x = a i x = b.
W naszym przykadzie prawdopodobiestwa P P , P , P znalezienia si
wyniku w jednym z czterech przedziaw odpowiadaj czterem wycinkom
powierzchni zaznaczonym na rysunku 12.1. Dwa rwne sobie obszary P i P
k

l s

Pi

Pl

X-a

X+a

Rysunek 12.1. Prawdopodobiestwa P , . . . , P otrzymania wyniku nalecego do jednej z czte

rech komrek. fe = l , . . . , 4 odpowiadaj powierzchniom czterech zaznaczonych obszarw pec
wykresem funkcji Gaussa
1

odpowiadaj cznie, jak wiadomo, 68 procentom; tak wic prawdopodobies

two otrzymania wyniku w obrbie jednego z dwch rodkowych przedziale wynosi 34 procent; to znaczy P = P3 = 0,34. Dwa zewntrzne obszary skaca2

Jeeli zmierzona warto ley dokadnie na granicy pomidzy przedziaami, mona p n

sa po poowie pomiaru do kadego z przedziaw.

244

j si na pozostae 32 procent; tak wic P = P = 0,16. Obliczenie ocze

kiwanych liczb E sprowadza sie do prostego mnoenia przez cako
wit liczb pomiarw, N = 40. Oczekiwane przez nas liczby pomiarw
w poszczeglnych przedziaach zawiera tabela 12.3. Fakt, e liczby E nie
s cakowite, przypomina nam, e liczba oczekiwana" nie jest wartoci,
ktr naprawd spodziewamy si otrzyma w dowiadczeniu; jest to raczej
warto przecitna, jakiej spodziewalibymy si powtarzajc wielokrotnie
eksperyment.
1

Tabela 12.3. Oczekiwane E i otrzymane O liczby wynikw w przedziaach dla 40 pomiarw

z tabeli 12.1
k

16%

34%

34%

16%

6,4
8

13,6
10

13,6
16

6,4
6

Przedzia k
Prawdopodobiestwo P
Oczekiwana liczba zdarze
k

E =NP
k

Faktyczna liczba zdarze O

Nasze zadanie polega obecnie na sformuowaniu wniosku, w jakim stopniu

oczekiwane liczby E odpowiadaj liczbom otrzymanym w dowiadczeniu O
dolny wiersz tabeli 12.3). Nie naley oczywicie spodziewa si wystpienia
idealnej zgodnoci pomidzy E i O w przypadku skoczonej liczby pomia
rw. Z drugiej strony, o ile nasza hipoteza, e pomiary odlegaj rozkadowi
Gaussa, jest suszna, to w pewnym sensie rnice
k

O -E
k

(12.3)

powinny by niewielkie. Odwrotnie, jeeli okazaoby si, e odchylenia O E

> due, to podejrzewalibymy, e hipoteza nie jest prawdziwa.
Chcc sprecyzowa stwierdzenie, e odchylenie O E jest mae" lub
.due", powinnimy okreli, jakiej wartoci O E spodziewalibymy si,
gdyby pomiary rzeczywicie podlegay rozkadowi Gaussa. Na szczcie nie
est to trudne zadanie. Jeeli wyobrazimy sobie wielokrotne powtarzanie caej
serii czterdziestu pomiarw, to liczb wynikw w fc-tym przedziale O mona
Taktowa jako wynik eksperymentu polegajcego na zliczaniu, czyli takiego,
a ki opisalimy w rozdziale 11. Uzyskiwane w poszczeglnych powtrzeniach
artoci O powinny mie redni E i - jak bymy si spodziewali - powinny
k

"-ktuowa wok E z odchyleniem standardowym rzdu ypE .

k

Tak wic

245

liczbami, ktre powinnimy porwnywa s odchylenie O E i oczekiwana

K

warto jego fluktuacji SJE/.

Przedstawione rozumowanie prowadzi nas do zbadania stosunku
(12.4i

Dla czci przedziaw k powyszy stosunek bdzie przyjmowa wartoci

dodatnie, a dla innych ujemne; dla niektrych k moe on by znaczco wikszy
od jednoci, ale dla wikszoci powinien by rzdu jednoci lub mniejszy.
W celu zbadania hipotezy (czy pomiary podlegaj rozkadowi Gaussa) natura
ln metod postpowania jest obliczenie dla kadego k kwadratu wielkoci
(12.4), a nastpnie przeprowadzenie sumowania po wszystkich przedziaach
k = 1 , . . . , n (w naszym przypadku n =4). Procedura ta okrela liczb znan
jako chi kwadrat,
n

(O -E )

x = I
2

(12.5i

Powinno by oczywiste, e liczba x jest wiarygodn miar zgodnoci pomi

dzy otrzymanym i oczekiwanym rozkadem. Jeeli y = 0, zgodno jest
doskonaa; oznacza to, e O = E dla wszystkich przedziaw k, co jest
zdarzeniem wprost nieprawdopodobnym. N a og, poszczeglne skadniki
sumy (12.5), ktrych jest n, powinny by zblione do 1. Tak wic, jeeli
1

X ^n
2

(y rzdu n lub mniejsze), otrzymany i oczekiwany rozkad s zgodne w stop

niu, w jakim mona si byo tego spodziewa. Innymi sowy, jeeli x ^ n, nie
mamy podstaw, aby wtpi, e pomiary podlegay rozkadowi, ktrego si
spodziewalimy. Z drugiej strony, jeeli
2

X n
2

(x znacznie wiksze od liczby przedziaw), otrzymane i oczekiwane liczby

rni si wyranie i nie ma powodw, aby sdzi, e wyniki pomiarw
podlegaj przewidywanemu rozkadowi.
Wystpujce w naszym przykadzie liczby zebrano w tabeli 12.4, a proste
obliczenia z ich wykorzystaniem daj

246

^
k=l
(1,6)

(O -E )
E
^k
(-3,6)
k

= 6,4

13,6

, (2,4) , ( - 0 , 4 )
+
- H
13,6
6,4
2

(12.6)

= 1,80.

Tabela 12.4. Obliczenie % dla danych z tabeli 12.1

Numer przedziau k

Przedzia

x<X-a

X -<7<X<X

3
X<x<X+a

a<x

Oczekiwana liczba zdarze

6,4

13,6

13,6

10
-3,6

16

6,4

Faktyczna liczba zdarze

1,6

O ~E
k

2,4

6
-0,4

Poniewa warto y wynoszca 1,80 jest mniejsza od liczby skadnikw sumy

(rwnej 4), brak nam podstaw, aby wtpi w hipotez, ktra mwi, e wyniki
pomiarw podlegaj rozkadowi normalnemu.

12.2. Oglna definicja testu f

Nasza uwaga skupiaa si dotychczas na konkretnym przykadzie: 40 pomia
rach cigej zmiennej x, oznaczajcej zasig pocisku wystrzeliwanego z pew
nego dziaka. Zdefiniowalimy wielko x i przekonalimy si, e stanowi ona
przynajmniej zgrubn miar zgodnoci pomidzy rozkadem wyznaczonym
eksperymentalnie a rozkadem Gaussa, ktry zgodnie z oczekiwaniami spo
dziewalimy si otrzyma. Obecnie wykaemy, e w ten sam sposb liczb y
mona zdefiniowa i wykorzysta w przypadku wielu innych dowiadcze.
Rozwamy dowolny eksperyment polegajcy na pomiarze wielkoci x,
w ktrego przypadku istniej powody, aby spodziewa si wystpienia pew
nego okrelonego rozkadu wynikw. Wyobramy sobie, e pomiary powt
rzylimy wielokrotnie (JV razy), i podzieliwszy rozstp zmiennej x na n prze
dziaw k = 1 , . . . n, zliczamy wyniki O , ktre znalazy si w /c-tym przedziale.
Zakadajc, e pomiary rzeczywicie podlegaj przewidywanemu rozkadowi,
2

247

obliczamy oczekiwane liczby pomiarw E przypadajce na fc-ty przedzia.

W kocu obliczamy j dokadnie w ten sam sposb, jak we wzorze (12.5)
k

(O -E f
k

(12.7)

4=1

Przyblione znaczenie j jest w zawsze takie samo jak w poprzednim przy

kadzie. To znaczy, jeeli j <,n,
zgodno pomidzy przewidywanym i wy
znaczonym eksperymentalnie rozkadem jest zadowalajca; jeeli % y>n, wy
stpuje istotna rozbieno.
Sposb wyboru przedziaw, ktre su do obliczenia x zaley w pewnej
mierze od charakteru eksperymentu, z ktrym mamy do czynienia. W szcze
glnoci zaley on od tego, czy mierzona wielko x jest ciga czy dyskretna.
Kolejno omwimy obydwa te przypadki.
2

Pomiary zmiennej cigej

Przykad omwiony w paragrafie 12.1 odnosi si do cigej zmiennej x i nie
wiele mona doda ponad to, co zostao ju powiedziane. Jedynym rozkadem
granicznym, jakim zajmowalimy si dotychczas w zwizku ze zmienn cig,
jest rozkad Gaussa, ale mona oczywicie spodziewa si otrzymania wielu
innych rozkadw. N a przykad, w licznych eksperymentach w fizyce atomo
wej i jdrowej, oczekiwany rozkad mierzonej wielkoci x (najczciej energii)
jest rozkadem Lorentza

f{x)

*(x-X)

>

gdzie X i y s pewnym staymi.

Niezalenie od oczekiwanego rozkadu f(x), cakowite pole powierzchni
pod wykresem f(x) w zalenoci od x jest rwne 1, a prawdopodobiestwo
otrzymania wyniku pomidzy x = a i x = b jest po prostu polem wycinka
powierzchni pomidzy a i b,
b

P(a<x<b)

248

= \f(x)

dx.

Tak wic, jeeli k-ty przedzia znajduje si pomidzy x = a i x = a ,

oczekiwana liczba wynikw w fe-tym przedziale (po wykonaniu N pomiarw)
k

k+1

wynosi
E =

N-P(a <x<a )

k+1

(12.8)

Nff(x)dx.

W paragrafie 12.4, w ktrym zajmiemy si ilociowym wykorzystaniem

testu x > zobaczymy, e oczekiwana liczba E nie powinna by zbyt maa.
Chocia nie istnieje cile okrelone dolne ograniczenie, warto E nie powin
na by mniejsza ni 5,
2

(12.9)

E >5.
k

Wynika std, e musimy tak dobra granice przedziaw, aby E okrelone

rwnaniem (12.8) speniao podany warunek. Przekonamy si take, e sama
liczba przedziaw nie powinna by zbyt maa. W przykadzie z paragrafu 12.1,
w ktrym przewidywanym rozkadem jest rozkad Gaussa o nieznanym z gry
rodku X i szerokoci a, test x nie bdzie funkcjonowa (jak si przekonamy),
jeeli liczba przedziaw bdzie mniejsza ni 4; oznacza to, e we wspomnia
nym przykadzie musia by speniony warunek
k

(12.10)

O 4.
2

czc ze sob warunki (12.9) oraz (12.10), widzimy, e testu % nie mona
z poytkiem stosowa w odniesieniu do podobnych eksperymentw, jeeli
liczba wszystkich posiadanych wynikw jest mniejsza od 20.

Pomiary zmiennej dyskretnej

Zamy teraz, e mierzymy wielko dyskretn, tak jak znana nam ju liczba
szstek w wielokrotnych rzutach komi. W praktyce, najczciej spotykanym
rodzajem zmiennej dyskretnej jest liczba cakowita (taka jak liczba szstek).
Zmienn dyskretn bdziemy oznacza przez v zamiast x (ktrego to symbolu
uywamy dla zmiennej cigej). W przypadku rzutu picioma komi v moe
przyjmowa nastpujce wartoci v = 0, 1,..., 5 i nie zachodzi potrzeba
dzielenia ich na przedziay. Wystarczy policzy, ile razy otrzymalimy kady
z szeciu moliwych wynikw. Mona to wyrazi inaczej, mwic, e dokonali
my podziau na sze przedziaw, z ktrych kady zawiera jeden moliwy
wynik.

249

Pomimo to, czsto korzystnie jest zebra kilka rnych wartoci tak, aby
tworzyy jeden przedzia. Rozwamy nastpujcy przykad. Oczekiwa}
w przypadku 200 powtrze rzutu picioma komi (patrz prawdopodobie
stwa obliczone w zadaniu 10.7) rozkad wynikw jest przedstawiony w pierw
szej kolumnie tabeli 12.5. Widzimy, e przewidywane liczby rzutw dajcych
cztery lub pi szstek s odpowiednio rwne 0,6 i 0,03 - obydwie liczby
wyranie mniejsze od wymaganych w przypadku testu x piciu zdarze
w kadym przedziale. Trudno t mona atwo pokona gromadzc w jed
nym przedziale zdarzenia odpowiadajce v = 3, 4 i 5. W ten sposb otrzymali
my cztery przedziay, k = 1, 2, 3, 4, ktre zostay opisane wraz z oczekiwany
mi wartociami E w ostatnich dwch kolumnach tabeli 12.5.
2

Tabela 12.5. Oczekiwane krotnoci wystpowania v szstek (v = 0, 1,..., 5) dla 200 rzutw
picioma komi

Wynik

Brak szstki
Jedna szstka
Dwie
Trzy
Cztery
Pi

Oczekiwana
liczba
zdarze

Numer przedziau
k

Oczekiwana liczba
zdarze
w przedziale E
k

80,4
80,4
32,2
6,4
0,6
0,03

1
2
3

80,4
80,4
32,2

7,0

Dokonawszy wyboru przedziaw w opisany przed chwil sposb, mog

libymy policzy zdarzenia O , ktre znalazy si w kadym z nich. Nastpnie
moglibymy obliczy warto x i sprawdzi, czy uzyskany i oczekiwany
rozkad s ze sob zgodne. Wiemy, e w tym eksperymencie oczekiwanym
rozkadem jest rozkad dwumianowy b
( v ) pod warunkiem, e koci nie s
k

5>1/6

obcione (tak, e p jest naprawd rwne 5). Tak wic w tym przypadku test
rozkadu stanowi w gruncie rzeczy sprawdzian, czy koci s dobre czy
obcione.
W kadym eksperymencie odnoszcym si do zmiennej dyskretnej mona
wybra przedziay tak, by zawieray po jednej z moliwych wartoci, za
kadajc, e oczekiwana liczba zdarze dla kadego z przedziaw jest przynaj
mniej rwna wymaganej liczbie 5. W przeciwnym razie naley utworzy
wikszy przedzia obejmujcy kilka rnych wynikw tak, aby uzyska do
stateczn liczb oczekiwanych zdarze.

250

Inne formy testu x

Notacj x stosowalimy ju we wczeniejszych fragmentach ksiki, w przypa

dku rwna (7.6) i (8.5); moga by te zastosowana w odniesieniu do sumy
kwadratw w (5.42). We wszystkich wymienionych przypadkach y jest sum
kwadratw w oglnej postaci
2

" / warto zmierzona warto oczekiwana

i \
odchylenie standardowe

(12.11)

We wszystkich tych przypadkach j jest miar zgodnoci pomidzy zmierzo

nymi a oczekiwanymi wartociami pewnej zmiennej. Jeeli zgodno jest
dobra, j J
przyblieniu rwne n; jeeli zgodno jest za, % jest znacznie
wiksze od n.
Niestety, % moemy wykorzystywa do badania zgodnoci, o ile znamy
wartoci oczekiwane i odchylenie standardowe i - co za tym idzie - potrafimy
obliczy wartoci (12.11). Najczciej spotykanym przypadkiem, w ktrym
wielkoci te znane s z wystarczajc dokadnoci, jest rodzaj testu opisany
w tym rozdziale; jest to test rozkadu z wartociami E danymi przez rozkad
i odchyleniem standardowym danym przez *J E . Pomimo to test x
bardzo szerokie zastosowanie. Przypomnijmy, na przykad, zagadnienie oma
wiane w rozdziale 8, pomiary dwu zmiennych x i y, gdzie y jest, jak
przypuszczamy, pewn okrelon funkcj x,
2

e s t

i jak na przykad y = A + Bx). Zamy, e dysponujemy N parami wynikw

ix,-, y ), przy czym niepewno x jest moliwa do zaniedbania, a niepewnoci y
s rwne a . W tym przypadku rol oczekiwanej wartoci y spenia warto
funkcji f(x ), a wic moglibymy zbada, jak dobrze y odpowiada funkcji f(x),
obliczajc
t

* - c ( -

" r )

Wszystkie poczynione uprzednio uwagi odnoszce si do oczekiwanej wartoci

- maj zastosowanie do tej liczby, podobnie jak moliwe jest wykorzystanie
:estw ilociowych opisanych w nastpnych paragrafach. Nie bdziemy zajmo
wa si obecnie tym wanym zastosowaniem, poniewa jest rzadkoci, aby na
poziomie wstpnej pracowni fizycznej niepewnoci a byy znane z wystarczajc
: : kadnoci, ale zainteresowanych odsyamy do zadania 12.14.
t

251

12.3. Stopnie swobody i zredukowany test x

Wykazalimy, e potrafimy zbada zgodno pomidzy zmierzonym i oczeki

wanym rozkadem, obliczajc % i porwnujc wynik z liczb przedziaw,
pomidzy ktre podzielono dane. Okazuje si, e nieco lepszym rozwizaniem
jest porwnanie x ^
liczb przedziaw n, ale z liczb stopni swobody,
oznaczan przez d. Pojcie stopni swobody poruszylimy ju krtko w para
grafie 8.3. Obecnie zajmiemy si nim bardziej szczegowo.
Mwic oglnie, liczba stopni swobody d w obliczeniach statystycznych
jest zdefiniowana jako liczba danych pochodzcych z pomiaru, pomniejszona
o liczb parametrw wyznaczanych na ich podstawie i wykorzystywanych
w obliczeniach. W zagadnieniach, ktre omawiamy w tym rozdziale, danymi
s liczby pomiarw O w kadym z n przedziaw k = 1 , . . . , n. Tym samym
liczba danych pomiarowych to po prostu n, czyli liczba przedziaw. Tak wic.
w zagadnieniach rozwaanych obecnie
2

d = n c,
gdzie n jest liczb przedziaw, a c - liczb parametrw, ktre trzeba
wyznaczy na podstawie danych, aby z kolei znale oczekiwane wartoci E .
Liczba c jest czsto nazywana liczb wizw, co postaramy si krtko
wyjani.
Liczba wizw c zmienia si w zalenoci od rozwaanego zagadnienia
Zajmijmy si najpierw dowiadczeniem polegajcym na rzucaniu kom:
opisanym w paragrafie 12.2. Jeeli rzucamy picioma komi i sprawdzam;,
hipotez, e koci nie s obcione, to oczekiwany rozkad liczby szstek jes:
rozkadem dwumianowym fc (v), gdzie v = 0,..., 5 jest liczb szstek w do
wolnym rzucie. Obydwa parametry wspomnianej funkcji - liczba koci, piec
oraz prawdopodobiestwo wyrzucenia szstki, 1/6 - s znane z gry i me
musimy oblicza ich na podstawie danych pomiarowych. Obliczajc oczekiwa
n liczb zdarze dla konkretnego v, musimy pomnoy prawdopodobiestw :
wynikajce z rozkadu dwumianowego przez czn liczb rzutw JV r
naszym przykadzie N = 200). Ten parametr jest zaleny od danych. Mwi:
konkretnie, N jest sum liczb O ,
k

51/6

AT= 0 , .

(12.12

k=l

Tak wic, obliczajc oczekiwane wyniki naszego eksperymentu, musimy zna

le dokadnie jeden parametr (N ) na podstawie danych. Liczba wizw jes:
zatem rwna

252

c=l,
a liczba stopni swobody
d

= nl.

W tabeli 12.5 wyniki rzutw komi zostay zebrane w czterech przedziaach

[n = 4); tak wic w tym eksperymencie wystpoway trzy stopnie swobody.
Rwnanie (12.12) dobrze ilustruje dziwne nazewnictwo, takie jak wizy"
i stopnie swobody". Gdy liczba N zostaa ju okrelona, mona uzna, e
rwnanie (12.12) nakada wizy" na wartoci 0 . . . , 0 . Mwic cilej,
wskutek wizu (12.12) tylko n l spord wartoci 0 . . . , 0 jest niezalenych.
Na przykad, pierwszych nl liczb 0 . . . , O _ mogoby przyjmowa dowol
ne wartoci (z pewnego zakresu), ale ostatnia liczba O byaby w zupenoci
okrelona przez rwnanie (12.12). W tym sensie, tylko n l spord danych
ma swobod przyjmowania niezalenych wartoci; tak wic mwimy, e istnieje
tylko nl niezalenych stopni swobody.
W pierwszym przykadzie z niniejszego rozdziau zasig x pocisku by
mierzony 40 razy (N = 40). Wyniki zostay zebrane w czterech przedziaach
i n = 4) i porwnane z tymi, ktrych moglibymy oczekiwa na podstawie
rozkadu Gaussa f
(x). W tym przypadku byy trzy wizy i tym samym tylko
jeden stopie swobody,
U

1 ;

L T

Xa

d = n c = 4 3 = 1.
Pierwszy z wizw odpowiada rwnaniu (12.12); cakowita liczba pomiarw
jest sum liczby pomiarw O w poszczeglnych przedziaach. Ale tym razem
wystpuj dwa dalsze wizy, poniewa nie znamy z gry parametrw
X i a oczekiwanego rozkadu Gaussa f (x).
Znaczy to, e zanim moglimy
obliczy oczekiwane wartoci E , musielimy wyznaczy X i a, wykorzystujc
w tym celu dane. Tak wic wystpiy cznie trzy wizy i w tym przykadzie
k

Xjtf

d = n-3.

(12.13)

Przypadkowo uzyskalimy wytumaczenie, dlaczego w tym przykadzie musia

y pojawi si przynajmniej cztery przedziay. Przekonamy si, e liczba stopni
swobody musi by w kadym przypadku wiksza lub rwna jednoci; z rw
nania (12.13) wynika, e musielimy wybra n ^ 4 .
W omawianych obecnie przykadach zawsze bdziemy mieli do czynienia
z przynajmniej jednym wizem (JV = Y,Qk> wynikajcym si z cakowitej liczby
pomiarw), ale w niektrych przypadkach wystpi jeden lub dwa dodatkowe
wizy. Tak wic liczba stopni swobody, d, bdzie si zmienia od n 1 do n 3

253

(w omawianych przez nas przykadach). Gdy n jest due, rnica pomidzy

n i d jest zupenie nieistotna, ale gdy n jest niewielkie (co si niestety czsto
zdarza), pojawia si oczywicie wyrana rozbieno.
Wyposaeni w pojcie stopni swobody, moemy ucili test x - Mona
wykaza (czego jednak nie zrobimy), e oczekiwana warto % jest rwna
dokadnie liczbie stopni swobody d,
2

(12.14)

(oczekiwana przecitna warto x ) = d.

To wane rwnanie nie oznacza wcale, e naprawd spodziewamy si, e x = d

na podstawie dowolnej serii pomiarw. Wyraa natomiast przekonanie, e
gdybymy powtrzyli ca seri pomiarw nieskoczenie wiele razy, kado
razowo obliczajc x , wtedy rednia wyznaczonych wartoci x byaby rwna d.
Pomimo to, nawet w przypadku jednego zbioru danych porwnanie x i d sta
nowi miar zgodnoci. W szczeglnoci jeeli przewidywany przez nas rozkad
okaza si waciwym rozkadem, to jest mao prawdopodobne, aby % byo
wyranie wiksze od d. Odwracajc problem, jeeli stwierdzilibymy, e x d,
to byaby podstawa, aby twierdzi, e przewidywany rozkad nie by waciwy.
Nie udowodnilimy wyniku zapisanego w rwnaniu (12.14), ale moemy si
przekona, e niektre wynikajce z niego wnioski brzmi rozsdnie. Na
przykad, korzystajc z zalenoci d = n c, mona zapisa rwnanie (12.14)
w postaci
2

2y>

(12.15)

(oczekiwana przecitna warto x ) = n c.

2

Oznacza to, e dla dowolnego n oczekiwana warto x jest mniejsza, gdy

c jest wiksze (to znaczy wtedy, gdy obliczamy wicej parametrw na pod
stawie danych). Dokadnie tego powinnimy si byli spodziewa. W przy
kadzie z paragrafu 12.1 wykorzystalimy dane, wyznaczajc rodek X i szero
ko a oczekiwanego rozkadu f (x)Poniewa X i a zostay tak dobrane,
aby jak najlepiej odpowiada danym, spodziewalibymy si cokolwiek lepszej
zgodnoci pomidzy wyznaczonym i oczekiwanym rozkadem; tak wic dwa
dodatkowe wizy powinny doprowadzi do zmniejszenia wartoci x - Jest to
dokadnie wniosek z rwnania (12.15).
Rwnanie (12.14) sugeruje nam nieco wygodniejsz posta testu x - Wpro
wadzimy zredukowany test chi kwadrat (czyli chi kwadrat dzielone przez liczb
stopni swobody), ktry bdziemy oznacza przez x i definiowa jako
x<a

f = X /d.

254

(12.16

Poniewa oczekiwana warto x J

e s t

rwna d, widzimy, e

(oczekiwana przecitna warto # ) = 1.

(12.17)

Tak wic, niezalenie od liczby stopni swobody wnioski wynikajce z naszego

testu mona sformuowa nastpujco: Jeeli uzyskamy warto x zblion do
1 lub mniejsz, to nie mamy podstaw, aby kwestionowa wybr oczekiwanego
rozkadu; jeeli uzyskamy warto x znacznie wiksz od jednoci, to jest
mao prawdopodobne, aby przewidywany rozkad by waciwy.
2

12.4. Prawdopodobiestwa zwizane z testem j

Nasz test zgodnoci danych pomiarowych z ich oczekiwanym rozkadem jest

w dalszym cigu do prymitywny. Potrzebujemy teraz ilociowej miary zgod
noci. W szczeglnoci chcemy pewnych wskazwek, gdzie umieci granic
pomidzy zgodnoci a niezgodnoci. N a przykad, w eksperymencie z para
grafu 12.1 wykonalimy 40 pomiarw pewnego zasigu x, ktrego rozkad, jak
sdzimy, powinien by rozkadem Gaussa. Zebralimy otrzymane dane w czte
rech przedziaach i stwierdzilimy, e % = 1,80. Ze wzgldu na istnienie trzech
wizw mamy tylko jeden stopie swobody (d = 1); tak wic zredukowana
warto chi kwadrat, % = i Id, jest take rwna 1,80
2

= 1,80.

Pozostaje pytanie: Czy warto y 1,80 jest na tyle wiksza od jednoci, aby
wykluczy przewidywany rozkad Gaussa?
Starajc si odpowiedzie na to pytanie, przyjmijmy, e wyniki pomiarw
podlegay przewidywanemu rozkadowi (w naszym przykadzie rozkadowi
Gaussa). Korzystajc z tego zaoenia, moemy obliczy prawdopodobiestwo
uzyskania co najmniej tak duej wartoci % , jak uzyskany przez nas wynik
1,80. Jak si wkrtce przekonamy, prawdopodobiestwo to jest rwne
2

P(X >1,80)18%.
Oznacza to, e w razie gdyby nasze wyniki podlegay przewidywanemu
rozkadowi, istniaoby 18-procentowe prawdopodobiestwo otrzymania war
toci x wikszej lub rwnej od 1,80, czyli wyniku faktycznie uzyskanego.
2

255

Innymi sowy, w przedstawionym eksperymencie warto % sigajca 1,80 nie

jest wcale niewiarygodna; tak wic nie ma podstaw (wynikajcych z przed
stawionego rozumowania), aby odrzuci przewidywany rozkad.
Przyjta przez nas oglna metoda postpowania powinna ju by cakiem
jasna. Po wykonaniu dowolnej serii pomiarw obliczamy zredukowan war
to chi kwadrat, ktr odtd bdziemy oznacza przez xl (gdzie indeks o"
oznacza otrzymane", poniewa xl jest rzeczywicie wartoci otrzyman).
Nastpnie, zakadajc, e pomiary podlegaj przewidywanemu rozkadowi,
obliczamy prawdopodobiestwo
2

P(?>~X o)

(12.18)

uzyskania wartoci x wikszej lub rwnej od xl, czyli wartoci faktycznie

uzyskanej. Jeeli prawdopodobiestwo to jest znaczne, to warto
xl powinna by zaakceptowana i nie bdzie podstaw do odrzucenia przewi
dywanego rozkadu. Jeeli prawdopodobiestwo to jest niewielkie, to war
to x zbliona do otrzymanego wyniku xl jest bardzo mao prawdopodob
na ( jeeli pomiary podlegayby przewidywanemu przez nas rozkadowi)
i tym samym jest bardzo mao prawdopodobne, aby przewidywany rozkad
by waciwy.
2

Jak zawsze w przypadku testw statystycznych, niezbdne jest okrelenie

granicy pomidzy prawdopodobiestwem, ktre jest rozsdne", a ktre nie.
Dwie wane liczby zostay ju wymienione w zwizku z zagadnieniem korela
cji. Przyjmujc granic 5 procent, powiedzielibymy, e otrzymana warto
xl wykazuje istotn rozbieno", o ile
2

P(x >X o)<5%,

i odrzucilibymy przewidywany rozkad na poziomie 5 procent istotnoci".
Jeeli przyjlibymy 1 procent jako granic, moglibymy okreli rozbieno
jako bardzo istotn", gdyby P (% ^ xl) < 1 procent, i odrzuci przewidywany
rozkad na poziomie 1 procenta istotnoci".
Jakkolwiek liczb wybralibymy jako granic warunkujc odrzucenie,
liczba ta powinna by podana do wiadomoci. Jeszcze wiksze znaczenie ma
przytoczenie prawdopodobiestwa P(x ^xl\
tak by Czytelnik mg oceni
zwizan z nim wiarygodno.
2

Obliczanie prawdopodobiestwa P(x ^X.l) jest zbyt zoone, aby opisa

je w tej ksice. Jednak odpowiednie wartoci mona z atwoci stabelaryzowa, czego przykadem jest tabela 12.6 lub dokadniejsze tablice zamieszczone
w dodatku D. Okazuje si, e prawdopodobiestwo uzyskania okrelonej
wartoci x zaley od liczby stopni swobody. Dlatego bdziemy zapisywa
2

256

c o

odpowiednie prawdopodobiestwo w postaci P (x. ^xl),

jego zaleno od d.

podkreli

Tabela 12.6. Procentowe prawdopodobiestwo P (x ^X )

uzyskania wartoci x nie mniejszej
od konkretnej wartoci
przy zaoeniu, e pomiary naprawd podlegaj zakadanemu roz
kadowi. Puste miejsca wskazuj na prawdopodobiestwa mniejsze od 0,05 procent
d

xl
d

0,25

0,5

0,75

1,0

1,25

1,5

1,75

1
2
3
5
10
15

100
100
100
100
100
100

62
78
86
94
99
100

48
61
68
78
89
94

39
47
52
59
68
73

32
37
39
42
44
45

26
29
29
28
25
23

22
22
21
19
13
10

19
17
15
12
6
4

16
14
11
8
3
1

8
5
3
1

5
2
0,7
0,1

3
0,7
0,2
-

1
0,2
-

0,1

Zazwyczaj przy obliczaniu prawdopodobiestwa P (x ^X.l)

otrzymane
liczby pomiarw w przedziaach O s traktowane jak zmienne cige roz
oone wok ich wartoci oczekiwanych E zgodnie z rozkadem Gaussa.
W zagadnieniach, ktre obecnie rozwaamy, O jest zmienn dyskretn pod
legajc rozkadowi Poissona. Zaoywszy, e wszystkie liczby s wystar
czajco due, dyskretna natura O nie jest istotna i rozkad Poissona jest
dobrze przybliany przez rozkad Gaussa. W tej sytuacji mona z powodze
niem skorzysta ze stablicowanych wartoci prawdopodobiestwa
P (x ^X.l)Dlatego wanie powiedzielimy, e przedziay musz by tak wybrane, aby
oczekiwane liczby pomiarw E w kadym z przedziaw byy wystarczajco
due (przynajmniej 5). Z tej samej przyczyny liczba przedziaw nie powinna
by zbyt maa.
d

Pamitajc o wymienionych zastrzeeniach, podamy teraz w tabeli 12.6

prawdopodobiestwa P {x ^xl)
obliczone dla kilku charakterystycznych war
toci d i xl- Liczby w lewej kolumnie okrelaj sze wybranych liczb stopni
swobody (d=l, 2, 3, 5, 10, 15). Nagwki pozostaych kolumn zawieraj
moliwe wartoci xl- Kada komrka tabeli zawiera procentow warto
2

Uzasadnialimy, e pomiar liczby O sprowadza si do eksperymentu polegajcego na

zliczaniu i dlatego O powinna podlega rozkadowi Poissona. Jeeli przedzia k jest zbyt szeroki,
przedstawione uzasadnienie jest nie cakiem poprawne, poniewa prawdopodobiestwo zaliczenia
pomiaru do przedziau k nie jest znacznie mniejsze od 1 (co jest jednym z warunkw rozkadu
Poissona wymienionych w paragrafie 11.1); tak wic naley zapewni rozsdn liczb przedziaw.
k

257

prawdopodobiestwa P (x ^xl)
w zalenoci od d i xl- I tak, w przypadku
dziesiciu stopni swobody (d = 10), prawdopodobiestwo uzyskania
x ^2
wynosi 3 procent,
d

P (X >2)

= 3%.

10

Tak wic, gdybymy uzyskali zredukowan warto chi kwadrat rwn

2 w dowiadczeniu z dziesicioma stopniami swobody, moglibymy wycign
wniosek, e otrzymane wyniki istotnie" rni si od przewidywanego roz
kadu i odrzuci przewidywany rozkad na poziomie 5 procent istotnoci
(chocia nie na poziomie 1 procenta).
Wszystkie prawdopodobiestwa w drugiej kolumnie tabeli 12.6 wynosz
100 procent, poniewa zawsze mona mie pewno, e x ^ 0 . W miar jak
xl wzrasta, prawdopodobiestwo otrzymania x ^X.l maleje w tempie zale
nym od d. I tak, dla dwch stopni swobody (d = 2), P ( x ^ l ) wynosi 37
procent, podczas gdy dla d = 15, P ( x ^ 1) jest rwne 45 procent. Zauwamy,
e P (x ^
1) jest zawsze znaczne (cile mwic przynajmniej 32 procent); tak
wic warto xl rwna lub mniejsza 1 jest zawsze wiarygodna i nigdy nie
pociga za sob koniecznoci odrzucenia przewidywanego rozkadu.
2

Najmniejsza warto xl, ktra wymaga zakwestionowania przewidywane

go rozkadu zaley od d, W przypadku jednego stopnia swobody, xl moe
doj do 4, zanim rozbieno stanie si istotna" (na poziomie 5 procent). Dla
dwch stopni swobody odpowiednia granica wynosi xl = 3; dla d=5 jest
blisza 2 (cile xl 2,2) i tak dalej.
Wyposaeni w prawdopodobiestwa z tabeli 12.6 (lub dodatku D) jestemy
w stanie przypisa ilociowe znaczenie wartoci xl pochodzcej z konkretnego
eksperymentu. W paragrafie 12.5 przedstawimy kilka przykadw.

12.5. Przykady
Przykad podany w paragrafie 12.1 zosta ju wnikliwie przeanalizowany.
W tym paragrafie zapoznamy si z trzema kolejnymi przykadami ilustrujcy
mi zastosowanie testu x 2

Inny przykad rozkadu Gaussa

Przykad z paragrafu 12.1 dotyczy pomiarw, ktrych wyniki, jak przypusz
czalimy, powinny podlega rozkadowi normalnemu. Rozkad Gaussa jest

258

spotykany w praktyce na tyle czsto, e przedstawimy krtko kolejny przykad

z nim zwizany. Zamy, e antropolog interesuje si wzrostem mieszkacw
pewnej wyspy. Sdzi on, e wzrost dorosych mczyzn powinien podlega
rozkadowi normalnemu i dokonuje pomiaru wzrostu w prbie skadajcej si
z 200 mczyzn. N a podstawie tych pomiarw oblicza redni i odchylenie
standardowe, uznajc otrzymane liczby za najlepsze przyblienie rodka
X i szerokoci a przewidywanego rozkadu normalnego
Nastpnie
x<a
wybiera osiem przedziaw opisanych w dwch kolumnach po lewej stronie
tabeli 12.7 i grupuje w nich otrzymane wyniki, czego rezultat przedstawia
kolumna trzecia.

f (x).

Tabela 12.7. Pomiary wzrostu 200 dorosych mczyzn

Numer przedziau k

Wzrost

Wyznaczona liczba

Oczekiwana liczba

zdarze O

zdarze E
13,4

mniej ni X - 1,5 a

14

29

18,3

pomidzy X - 1,5 a a X - a
pomidzy X - a a X - 0,5 a

30

30,0

pomidzy X - 0,5 a a X

27

38,3

pomidzy X a X + 0,5 a

28

38,3

pomidzy X + 0,5 a a X + a

31

30,0

pomidzy X + a a

28

18,3

powyej X+1,5 <r

13

13,4

X+l,5a

Nasz antropolog chce nastpnie przekona si, czy wyniki te zgodnie

z przewidywaniami podlegaj rozkadowi normalnemu / ( x ) . Z t myl
oblicza on najpierw prawdopodobiestwo P zaliczenia dowolnego mczyzny
do /c-tego przedziau (przyjmujc, e prawdziwy jest rozkad normalny). Wyra
a si ono cak z funkcji
obliczon w granicach odpowiedniego
Xt
przedziau, a konkretn warto mona atwo znale za pomoc tablicy caek
znajdujcej si w dodatku B. Oczekiwana liczba mczyzn E w kadym
z przedziaw jest iloczynem prawdopodobiestwa P i cznej liczby zmierzo
nych mczyzn (200). Liczby te znajduj si w ostatniej kolumnie tabeli 12.7.
Xi(T

f {x)

W celu znalezienia oczekiwanych wartoci E antropolog musia skorzysta

z trzech parametrw uprzednio wyznaczonych na podstawie danych (ca
kowita liczebno prby oraz obliczone wartoci X i a). Tak wic przy omiu
przedziaach i trzech wizach liczba stopni swobody wynosi d = 8 3 = 5.
Proste obliczenia przeprowadzone z wykorzystaniem tabeli 12.7 dadz zredu
kowan warto chi kwadrat
k

259

d h

Poniewa otrzymana warto jest wyranie wiksza od 1, od razu nasuwa to

przypuszczenie, e wzrost wyspiarzy nie podlega rozkadowi normalnemu.
Mwic dokadniej, z tabeli 12.6 wynika, e gdyby wzrost wyspiarzy podlega
oczekiwanemu rozkadowi, wtedy prawdopodobiestwo P (% ^ 3,5) otrzyma
nia x rwnego lub wikszego od 3,5 wynosioby okoo 0,5. Jakkolwiek by na
to patrze, jest to mao prawdopodobne i dochodzimy do wniosku, e nie
wyglda na to, aby wzrost mieszkacw wyspy podlega rozkadowi normal
nemu. W szczeglnoci, na poziomie 1 procenta (czyli wysokiej istotnoci),
moemy odrzuci hipotez o normalnym rozkadzie wzrostu.
2

Jeszcze raz o rzucaniu komi

W paragrafie 12.2 omawialimy eksperyment polegajcy na notowaniu liczby
szstek w kolejnych rzutach picioma komi. Zamy, e wykonalimy 200
rzutw i zebralimy wyniki w przedziaach w opisany wczeniej sposb.
Zakadajc, e koci nie s obcione, moemy obliczy - postpujc tak jak
poprzednio - oczekiwane liczby E . Podano je w trzeciej kolumnie tabeli 12.8.
k

Tabela 12.8. Rozkad liczby szstek w 200 rzutach 5 komi

Numer
przedziau k
1
2
3
4

Zdarzenia zaliczane
do przedziau
brak
jedna
dwie
3 , 4 lub

Oczekiwana liczba
zdarze E

Faktyczna liczba
zdarze O

80,4
80,4
32,2
7,0

60
88
39
13

szstek
szstka
szstki
5 szstek

W przeprowadzonym naprawd eksperymencie pi koci byo rzucanych

200 razy. Wyniki zanotowane dla kadego z przedziaw zawiera ostatnia
kolumna tabeli 12.8. Chcc zbada zgodno pomidzy uzyskanym a oczeki
wanym rozkadem, zauwaamy, e wystpuj trzy stopnie swobody (cztery
przedziay minus jeden wi) i obliczamy

260

k=l

^k

Korzystajc z tabeli 12.6, widzimy, e dla trzech stopni swobody prawdopodo

biestwo wystpienia % , co najmniej tak duego jak stwierdzona warto,
wynosi okoo 0,7 procent, o ile koci nie byy obcione. Dochodzimy do
wniosku, e prawie na pewno koci nie byy dobre. Porwnanie liczb E i O
z tabeli 12.8 sugeruje, e przynajmniej jedna z koci bya obciona na korzy
szstki.
2

Przykad rozkadu Poissona

z

Jako ostatni przykad zastosowania testu % omwimy eksperyment, w ktrym

spodziewamy si wystpienia rozkadu Poissona. Zamy, e posuylimy si
licznikiem Geigera w celu zbadania liczby czstek promieniowania kosmicz
nego docierajcych do pewnego obszaru. Przyjmijmy ponadto, e zliczenia
prowadzilimy w 100 oddzielnych jednominutowych okresach, a otrzymane
wyniki znalazy si w dwch pierwszych kolumnach tabeli 12.9.

Tabela 12.9. Liczba czstek promieniowania kosmicznego zarejestrowanych w 100 oddzielnych

jednominutowych przedziaach
Zliczenia v w
cigu 1 minuty
Zero
Jedno
Dwa
Trzy
Cztery
Pi
Sze
Siedem
Osiem lub wicej
Razem

Liczba zdarze

Numer przedziau
k

7
17
29
20
16
8

Liczba zdarze Oczekiwana liczba

zdarze E
w przedziale k, O
k

1
2
3
4
5

17
29
20
16

7.5
19,4
25,2
21,7
14,1

11

12,1

0 J
100

Rzut oka na liczby znajdujce si w drugiej kolumnie przemawia za

zebraniem wszystkich przypadkw, dla ktrych v ^ 5 w jednym przedziale.
Dokonany podzia na sze przedziaw (k = 1,..., 6) ilustruje kolumna trze
cia, a odpowiadajce poszczeglnym przedziaom liczby zdarze O znajduj
si w kolumnie czwartej.
Hipoteza, ktr chcemy zbada, mwi, e zmienna v podlega rozkadowi
Poissona p(v). Poniewa nie znamy oczekiwanej redniej liczby zlicze fi,
k

261

musimy zacz od wyznaczenia redniej dla stu okresw zliczania. Jak si

atwo przekona, jest ona rwna v = 2,59, co jest najlepszym przyblieniem dla
fi. Korzystajc z wyniku \i = 2,59, jestemy w stanie obliczy prawdopodobie
stwo p (v) wystpienia konkretnej liczby zlicze v, a std wartoci oczekiwa
nych E , ktre to zebrano w ostatniej kolumnie tabeli.
W trakcie obliczania wartoci E skorzystalimy z dwch parametrw
wyznaczonych na podstawie danych pomiarowych: cakowitej liczby zbada
nych okresw (100) i wyznaczonej wartoci ju(/i = 2,59). (Przypomnijmy, e
rozkad Poissona jest jednoznacznie okrelony przez warto \ i i dlatego nie
musimy oblicza odchylenia standardowego a. cile mwic a =
a wic
znajomo n daje automatycznie warto a). Istniej zatem dwa wizy, ktre
przy szeciu przedziaach daj cztery stopnie swobody, d = 4.
k

Proste obliczenia z wykorzystaniem danych z dwch ostatnich kolumn

tabeli 12.9 daj zredukowan warto chi kwadrat

k=l

^k

Poniewa otrzymana warto jest mniejsza od jednoci, moemy natychmiast

stwierdzi, e zgodno otrzymanych danych z rozkadem Poissona jest
w peni zadowalajca. Mwic cilej, z tablicy zamieszczonej w dodatku
D wynika, e wystpienie wartoci x rwnej 0,35 jest bardzo prawdopodob
ne; w rzeczywistoci P ( # ^ 0 , 3 5 ) ? 8 5 procent. Tak wic nasz eksperyment
nie daje adnych podstaw, aby wtpi, e waciwym rozkadem jest rozkad
Poissona.
2

Warto x = 0,35 , ktr otrzymalimy w eksperymencie, jest wyranie

mniejsza ni 1, wskazujc, e otrzymane wyniki bardzo dobrze zgadzaj si
z rozkadem Poissona. Jednak, nawet tak maa warto x nie jest silniejszym
argumentem, e dane podlegaj przewidywanemu rozkadowi, ni na przykad
warto x = 1- Jeeli wyniki naprawd podlegaj przewidywanemu rozkado
wi, a my wielokrotnie powtarzalibymy ca seri pomiarw, to powinnimy
spodziewa si wielu rnych wartoci x fluktuujcych wok wartoci prze
citnej rwnej 1. Tak wic, jeeli wyniki pomiarw s opisywane przez
przewidywany rozkad, otrzymana warto x 0,35 jest jedn z moliwych
wartoci z szerokiego zakresu okrelonego przez przypadkowe fluktuacje
wok wartoci redniej. W adnym razie nie nadaje to dodatkowego znacze
nia naszemu wnioskowi, e pomiary podlegaj przewidywanemu rozkadowi.
2

Jeeli Czytelnicy przeledzili przedstawione trzy przykady, nie powinni

mie trudnoci z zastosowaniem testu x
jakichkolwiek dowiadczeniach,
ktre mona napotka w ramach pierwszej pracowni fizycznej. Kolejne przy2

262

kady mona znale w zamieszczonych dalej zadaniach. Czytelnicy powinni

sprawdzi, czy zrozumieli na czym polega test y , rozwizujc przynajmniej
niektre z nich.
1

Zadania
Uwaga: Gwiazdka przy zadaniu oznacza, e szkic rozwizania lub odpowied
znajduje na kocu ksiki.
*12.1 (paragraf 12.1). Kady ze studentw nalecych do pidziesicioosobowej grupy otrzyma kawaek tego samego (jak przynajmniej powiedzia
no) metalu z zadaniem wyznaczenia jego gstoci. Na podstawie 50 wynikw
obliczono redni J> oraz odchylenie standardowe o , a nastpnie postanowio
no sprawdzi, czy wyniki podlegaj rozkadowi normalnemu. W tym celu
pomiary zebrano w czterech przedziaach, ktrych granice znajduj si
w ~p(T , p, p + <?p, czego rezultat znajduje si w tabeli 12.10.
p

Tabela 12.10
Przedzia k

1
2
3
4

Wartoci p zaliczane
do przedziau

Liczba zdarze
w przedziale, O

mniejsze od p ff
pomidzy p <r i p
pomidzy p i "p-\-o
wiksze od p~ + o

12
13
11
14

Zakadajc, e pomiary podlegaj rozkadowi normalnemu ze rodkiem

w p i o szerokoci o , oblicz oczekiwane liczby pomiarw E dla kadego
z przedziaw. N a tej podstawie oblicz j . Czy pomiary podlegaj rozkadowi
normalnemu?
k

12.2 (paragraf 12.1). W zadaniu 4.7 podano wyniki 30 pomiarw czasu t,

ktrych rednia rwna jest t = 8,15 s, a odchylenie standardowe o = 0,04 s.
Pogrupuj dane w cztery przedziay, ktrych granice znajduj si w to , t,
t + a , a nastpnie policz zdarzenia O znajdujce si w kadym z przedziaw
k = 1, 2, 3, 4. Zakadajc, e pomiary podlegaj rozkadowi normalnemu ze
rodkiem w t i o szerokoci o , podaj oczekiwane liczby zdarze E dla
kadego z przedziaw. Oblicz warto j . Czy istniej przesanki, aby podej
rzewa, e pomiary nie podlegaj rozkadowi normalnemu?
t

263

12.3 (paragraf 12.2). Gracz postanawia sprawdzi ko, rzucajc ni 240

razy. Kady rzut moe da jeden z szeciu moliwych wynikw (k = 1, 2 , 6 ,
gdzie k jest liczb oczek). Otrzymane wyniki rzutw zawiera tabela 12.11. Ile
wynosi oczekiwana liczba zdarze E , przy zaoeniu, e ko nie jest ob
ciona? Traktujc kady z moliwych wynikw jako osobny przedzia, oblicz
X . Czy mona podejrzewa, e ko jest obciona?
k

Tabela 12.11

Liczba oczek k
Liczba zdarze O

1
20

2
46

3
35

4
45

5
42

6
52

*12.4 (paragraf 12.2). W 400 rzutach trzema komi notowano liczb

szstek, a otrzymane wyniki przedstawiono w tabeli 12.12. Zakadajc, e
koci s dobre, oblicz oczekiwane liczby zdarze dla kadego z trzech prze
dziaw. (Niezbdne wartoci prawdopodobiestwa dane s przez rozkad
dwumianowy omwiony w paragrafie 10.2.) Oblicz y . Czy istniej powody,
aby podejrzewa, e koci s obcione?
2

Tabela 12.12

Wynik
Brak szstek
Jedna szstka
Dwie lub trzy szstki

Przedzia k

Liczba zdarze O

1
2
3

217
148
35

*12.5 (paragraf 12.3).

a) W przypadku kadego z zada od 12.1 do 12.4 podaj liczb wizw
c i liczb stopni swobody d.
b) Zamy, e w zadaniu 12.1 przyjta warto gstoci p bya znana,
a my postanowilimy zbada hipotez mwic, e wyniki podlegaj roz
kadowi normalnemu ze rodkiem w p . Ile wizw i ile stopni swobody
wystpuje w takim przypadku?
p

*12.6 (paragraf 12.4). Dla danych z zadania 12.1 oblicz zredukowan

warto x . Ile wynosi prawdopodobiestwo otrzymania co najmniej tak duej
wartoci y , w przypadku gdy pomiary podlegay rozkadowi normalnemu?
2

264

Czy mona odrzuci hipotez o normalnym rozkadzie pomiarw na poziomie

5 procent istotnoci? A na poziomie 1 procenta? (Niezbdne wartoci praw
dopodobiestw znajduj si w dodatku D.)
12.7 (paragraf 12.4). Czy w sytuacji z zadania 12.4 mona odrzuci hipotez
o normalnym rozkadzie na poziomie 5 procent lub 1 procenta istotnoci?
(Niezbdne wartoci prawdopodobiestw znajduj si w dodatku D.)
*12.8 (paragraf 12.5). Dla 360 rzutw par koci notowano czn liczb
otrzymanych oczek. Moliwe do otrzymania wartoci i odpowiadajce im liczby
zdarze zawiera tabela 12.13. Oblicz prawdopodobiestwa dla kadej z wartoci
sumy, a nastpnie odpowiadajce im oczekiwane liczby zdarze (zakadajc, e
koci s dobre). Oblicz y , d oraz y = X /d- Ile wynosi prawdopodobiestwo
wystpienia wartoci y nie mniejszej od faktycznie uzyskanej, przy zaoeniu, e
koci byy dobre? Czy mona odrzuci na poziomie 5 procent istotnoci
hipotez, e koci byy dobre? A na poziomie 1 procenta? (Niezbdne wartoci
prawdopodobiestw znajduj si w dodatku D.)
2

Tabela 12.13
czna liczba oczek
Liczba zdarze

2
6

3
14

4
23

5
35

6
57

7
50

8
44

9
49

10
39

11
27

12
16

12.9 (paragraf 12.5). W zadaniu 12.3 oblicz warto y . Czy mona, na

poziomie 5 procent istotnoci, wycign wniosek, e koci byy obcione?
A na poziomie 1 procenta? (Niezbdne wartoci prawdopodobiestw znajduj
si w dodatku D.)
2

*12.10 (paragraf 12.5) Ile wynosi warto y w zadaniu 12.4? Ile wynosi
prawdopodobiestwo wystpienia wartoci y nie mniejszej od faktycznie
uzyskanej, przy zaoeniu, e koci byy dobre? Wyjanij, czy otrzymano
dowd przemawiajcy za tym, e koci byy obcione? (Niezbdne wartoci
prawdopodobiestw znajduj si w dodatku D.)
2

12.11 (paragraf 12.5). Oblicz y dla danych z zadania 11.5, zakadajc, e

wyniki powinny podlega rozkadowi Poissona ze redni liczb zlicze \i = 3.
(Zbierz wszystkie zdarzenia, dla ktrych v > 6 w jednym przedziale). Z iloma
stopniami swobody mamy w tym przypadku do czynienia? (Pamitaj, e
/i byo dane z gry, a nie obliczane na podstawie danych.) Ile wynosi y ? Czy
dane s zgodne z przewidywanym rozkadem Poissona ? (Niezbdne wartoci
prawdopodobiestw znajduj si w dodatku D.)
2

265

*12.12 (paragraf 12.5).

a) Kry opinia, e w pewnej promieniotwrczej prbce zachodz przecit
nie dwa rozpady na minut. Chcc to sprawdzi, pewien student mierzy liczby
rozpadw w 40 oddzielnych jednominutowych okresach i uzyskuje rezultaty
przedstawione w tabeli 12.14. Jakich wynikw mgby si spodziewa student,
gdyby liczba rozpadw podlegaa rozkadowi Poissona? (Zbierz wszystkie
przypadki odpowiadajce v ^ 3 w jednym przedziale.) Oblicz y , d oraz
y = y /d. (Nie zapomnij, e p nie byo obliczone na podstawie danych.) Czy
odrzuciby, na poziomie 5 procent istotnoci, hipotez, e rozpady w prbce
podlegaj rozkadowi Poissona z p. = 2?
2

b) Student stwierdza, e prawdziwa warto redniej jego pomiarw wyno

si v = 1,35 i na tej podstawie postanawia sprawdzi, czy dane odpowiadaj
rozkadowi Poissona z p = 1,35. Jakie s w tym przypadku wartoci d i y l
Czy dane s zgodne z now hipotez?
2

Tabela 12.14
Liczba
rozpadw v
Liczba
zdarze

5 lub wicej

11

12

11

*12.13 (Paragraf 12.5). W rozdziale 10 omawialimy test zgodnoci z roz

kadem dwumianowym. Rozwaalimy wtedy n prb, kada z dwoma mo
liwymi wynikami, sukcesem (o prawdopodobiestwie p) i porak (o praw
dopodobiestwie 1 p). Nastpnie badalimy, czy zaobserwowana liczba suk
cesw v jest zgodna z zaoon wartoci p. Dopki liczby s odpowiednio
due, moemy zbada to samo zagadnienie za pomoc testu y z dwoma
przedziaami - k = 1 dla sukcesw i k = 2 dla poraek - i jednym stopniem
swobody. W przedstawionych dalej sytuacjach skorzystaj z obydwu metod
i porwnaj wyniki. W przypadku duych liczb przekonasz si, e zgodno jest
doskonaa; w przypadku mniejszych liczb, nie jest ona wprawdzie tak wy
mienita, ale wci wystarczajco dobra, aby warto y bya uyteczna.
2

a) Producent zup jest przekonany, e w wytwarzanym przez siebie rosole

z kurczaka moe zastosowa inny rodzaj makaronu bez wpywu na powodze
nie zupy. Chcc sprawdzi t hipotez, produkuje 16 puszek zupy z nowym
rodzajem makaronu, oznaczonych symbolem X " , oraz 16 puszek zawieraj
cych stary rodzaj makaronu, oznaczonych jako Y". Nastpnie wysya po
jednej puszce z kadego rodzaju do 16 jurorw, proszc ich o wskazanie

266

smaczniejszego produktu. W przypadku gdyby hipoteza producenta bya

prawdziwa, mgby on spodziewa si, e omiu jurorw wyej oceni puszki X.
a pozostaych omiu puszki Y. W rzeczywistoci liczba jurorw, ktrzy wyej
ocenili puszki X wynosi v = 11. Oblicz y
prawdopodobiestwo uzys
kania nie mniejszej jego wartoci. Czy przeprowadzony test wskazuje na
istotn rnic pomidzy obydwoma rodzajami makaronu? Nastpnie oblicz
dokadnie, korzystajc z rozkadu dwumianowego, odpowiednie prawdopodo
biestwo i porwnaj obydwa wyniki. Zauwa, e test y uwzgldnia odchyle
nia wystpujce w obydwu kierunkach. Tak wic dla porwnania powiniene
obliczy dwustronne" prawdopodobiestwo dla wartoci v odbiegajcych od
omiu przynajmniej o trzy w obydwu kierunkach, to jest dla v = 11, 12,..., 16
i v = 5, 4,..., 1.
2

o r a z

b) Powtrz cz (a) w przypadku nastpnego testu, w ktrym producent

przygotowuje 400 puszek kadego rodzaju, a liczba jurorw, ktrzy wybrali
puszki X, wynosi 225. (Obliczajc prawdopodobiestwa dane rozkadem
Poissona, skorzystaj z przyblienia go rozkadem Gaussa.)
c) W czci (a) liczby byy na tyle mae, e test y mia jedynie przybliony
charakter. (Uzyskane na jego podstawie prawdopodobiestwo wynioso 14
procent wobec poprawnej wartoci 21,0 procent.) W przypadku gdy liczba
stopni swobody jest rwna 1, moemy nieco ulepszy test y , korzystajc
z poprawionego x " zdefiniowanego jako
2

(\O -E \-\

poprawione y = X
k=l

Oblicz poprawione y dla danych z czci (a) i poka, e posuenie si t

wartoci (zamiast zwykego y ) w tablicy w dodatku D daje lepsze przy
blienie.
2

12.14 (paragraf 12.5). Test y mona wykorzysta do zbadania zgodnoci

zbioru wynikw pomiarw (x , y ) dwch zmiennych z przewidywan zaleno
ci y =f(x), przy zaoeniu, e niepewnoci znane s z dobr dokadnoci.
Zamy, e oczekujemy liniowego zwizku pomidzy y i x
i

y=f(x)

= A + Bx.

Nie uzasadnilimy
posugiwania si poprawionym testem x , ale przedstawiony przykad
wykazuje jego skuteczno. Szczegy mona znale w: H.L. Alderi, E.B. Roessler, Introduction to
Probability

and Statistics

(Freeman, 1977) s. 263.

267

(Na przykad, y moe oznacza dugo metalowego prta, a x jego tem

peratur.) Zamy, e z przewidywa teoretycznych wynikaj wartoci A = 50
i B = 6 oraz e pi pomiarw x i y dao wyniki przedstawione w tabeli 12.15.
Podana niepewno y jest jego odchyleniem standardowym; to znaczy wszyst
kie pi pomiarw y ma to samo odchylenie standardowe a = 4. Wykonaj
tabel zmierzonych i oczekiwanych wartoci y i oblicz % wedug wzoru
2

Tabela 12.15
x (niepewno do zaniedbania)
y (wszystkie 4 )

1
60

2
56

3
71

4
66

5
86

Poniewa adne parametry nie byy obliczane na podstawie danych, brak jest
wizw, a liczba stopni swobody wynosi 5. Oblicz y i skorzystaj z tablicy
w dodatku D, aby znale prawdopodobiestwo wystpienia wartoci y nie
mniejszej od faktycznie uzyskanej, zakadajc, e y spenia zaleno (12.19).
Czy odrzuciby, na poziomie 5 procent, przewidywany zwizek (12.19) ? (Jeeli
Stae A i B nie byy znane z gry, mona by obliczy je na podstawie danych,
korzystajc z metody najmniejszych kwadratw. Nastpnie mona postpi
jak poprzednio, ale przy trzech stopniach swobody.)
2

DODATEK

FUNKCJA BDU, I

Jeeli pomiary pewnej zmiennej cigej x s naraone na wpyw wielu niewiel

kich i przypadkowych zaburze, to oczekiwany rozkad wynikw jest roz
kadem normalnym, czyli rozkadem Gaussa
e

/*,,(*) = ^ " *

_ X ) 2 / 2 f f 2

'

gdzie X oznacza warto prawdziw x, a a - odchylenie standardowe.

b

Caka funkcji opisujcej rozkad normalny,

f (x)dx, nosi nazw funkcji

x
a

bdu i okrela prawdopodobiestwo, e warto pomiaru znajdzie si w prze

dziale pomidzy x = a i x = b
b

P{a^x^b)

lf (x)dx.
x<a

Tablica A zawiera wartoci caek dla a X ta i b = X + ta. Daje to praw

dopodobiestwo otrzymania wyniku w promieniu t odchyle standardowych
od wartoci prawdziwej X
P(w promieniu ta) = P(X ta < x ^ X + ta)
X + ta

= J fx,Ax)dx
X-ta

= L=
J2%

z 2

}e- ' dz.

-t

269

Tablica A . Prawdopodobiestwo
(w procentach), P(w promieniu ter)
X + ta

I /

X i ( I

( x ) d x wyraone jako

X-ta

funkcja parametru t
t

0,00

0,01

0,02

0,03

0,04

0,05

0,06

0,07

0,08

0,09

0,0
0,1
0,2
0,3
0,4

0,00
7,97
15,85
23,58
31,08

0,80
8,76
16,63
24,34
31,82

1,60
9,55
17,41
25,10
32,55

2,39
10,34
18,19
25,86
33,28

3,19
11,13
18,97
26,61
34,01

3,99
11,92
19,74
27,37
34,73

4,78
12,71
20,51
28,12
35,45

5,58
13,50
21,28
28,86
36,16

6,38
14,28
22,05
29,61
36,88

7,17
15,07
22,82
30,35
37,59

0,5
0,6
0,7
0,8
0,9

38,29
45,15
51,61
57,63
63,19

38,99
45,81
52,23
58,21
63,72

36,69
46,47
52,85
58,78
64,24

40,39
47,13
53,46
59,35
64,76

41,08
47,78
54,07
59,91
65,28

41,77
48,43
54,67
60,47
65,79

42,45
49,07
55,27
61,02
66,29

43,13
49,71
55,87
61,57
66,80

43,81
50,35
56,46
62,11
67,29

44,48
50,98
57,05
62,65
67,78

1,0
1.1
1,2
1,3
1,4

68,27
72,87
76,99
80,64
83,85

68,75
73,30
77,37
80,98
84,15

69,23
73,73
77,75
81,32
84,44

69,70
74,15
78,13
81,65
84,73

70,17
74,57
78,50
81,98
85,01

70,63
74,99
78,87
82,30
85,29

71,09
75,40
79,23
82,62
85,57

71,54
75,80
79,59
82,93
85,84

71,99
76,20
79,95
83,24
86,11

72,43
76,60
80,29
83,55
86,38

1,5
1,6
1,7
1,8
1,9

86,64
89,04
91,09
92,81
94,26

86,90
89,26
91,27
92,97
94,39

87,15
89,48
91,46
93,12
94,51

87,40
89,69
91,64
93,28
94,64

87,64
89,90
91,81
93,42
94,76

87,89
90,11
91,99
93,57
94,88

88,12
90,31
92,16
93,71
95,00

88,36
90,51
92,33
93,85
95,12

88,59
90,70
92,49
93,99
95,23

88,82
90,90
92,65
94,12
95,34

2,0

95,45
96,43
97,22
97,86
98,36

95,56.
96,51
97,29
97,91
98,40

95,66
96,60
97,36
97,97
98,45

95,76
96,68
97,43
98,02
98,49

95,86
96,76
97,49
98,07
98,53

95,96
96,84
97,56
98,12
98,57

96,06
96,92
97,62
98,17
98,61

96,15
97,00
97,68
98,22
98,65

96,25
97,07
97,74
98,27
98,69

96,34
97,15
97,80
98,32
98,72

98,76
99,07

98,79
99,09
99,33
99,50
99,64

98,83
99,12
99,35
99,52
99,65

98,86
99,15
99,37
99,53
99,66

98,89
99,17
99,39
99,55
99,67

98,92
99,20
99,40
99,56
99,68

98,95
99,22
99,42
99,58
99,69

98,98
99,24
99,44
99,59
99,70

99,01
99,26
99,46
99,60
99,71

99,04
99,29
99,47
99,61
99,72

2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9

99,31
99,49
99,63

3,0
3,5
4,0
4,5
5,0

99,73
99,95
99,994
99,9993
99,99994

270

Funkcja ta jest czasem oznaczana przez erf (t), chocia notacja ta jest take
stosowana w odniesieniu do nieco innej funkcji.
Prawdopodobiestwo, e wynik pomiaru znajdzie si poza wymienionym
przedziaem mona znale stosujc odejmowanie:
P(poza ta) 100% P(w promieniu ta).
Wicej informacji Czytelnik znajdzie w paragrafie 5.4 i dodatku B.

DODATEK

FUNKCJA BDU, II

W pewnych obliczeniach dogodn postaci funkcji bdu jest

= --L}e-*7Mz.
\/2n

(Caka ta jest oczywicie rwna poowie caki, ktra zostaa stabelaryzowana

w dodatku A.) Prawdopodobiestwo P ( a ^ x < b ) , e pomiar znajdzie si
w przedziale a x ^b, mona wyznaczy na podstawie Q(t), wykonujc
jedno odejmowanie lub dodawanie. N a przykad,

P(X + a < x ^ X + 2a) = Q ( 2 ) - Q ( l )

Podobnie
P(X-2a

< x < x + f 7 ) = Q(2) + Q(l).

X-2a

X+a

Prawdopodobiestwo, e wynik pomiaru bdzie wikszy od pewnej wartoci

X + ta jest po prostu rwne 0,5 Q{t). N a przykad,

P{x> X + a) = 5 0 % - g ( l ) .
X

272

X+a

Tablica B. Prawdopodobiestwo
X + ta

(w procentach), Q(t)=

f (x)dx
Xa

wyraone jako funkcja parametru t

t

0,00

0,01

0,02

0,03

0,04

0,05

0,06

0,07

0,08

0,09

0,0
0,1
0,2
0,3
0,4

0,00
3,98
7,93
11,79
15,54

0,40
4,38
8,32
12,17
15,91

0,80
4,78
8,71
12,55
16,28

1,20
5,17
9,10
12,93
16,64

1,60
5,57
9,48
13,31
17,00

1,99
5,96
9,87
13,68
17,36

2,39
6,36
10,26
14,06
17,72

2,79
6,75
10,64
14,43
18,08

3,19
7,14
11,03
14,80
18,44

3,59
7,53
11,41
15,17
18,79

0,5
0,6
0,7
0,8
0,9

19,15
22,57
25,80
28,81
31,59

19,50
22,91
26,11
29,10
31,86

19,85
23,24
26,42
29,39
32,12

20,19
23,57
26,73
29,67
32,38

20,54
23,89
27,04
29,95
32,64

20,88
24,22
27,34
30,23
32,89

21,23
24,54
27,64
30,51
33,15

21,57
24,86
27,94
30,78
33,40

21,90
25,17
28,23
31,06
33,65

22,24
25,49
28,52
31,33
33,89

1,0

34,3>
36,43
38,49
40,32
41,92

34,38
36,65
38,69
40,49
42,07

34,61
36,86
38,88
40,66
42,22

34,85
37,08
39,07
40,82
42,36

35,08
37,29
39,25
40,99
42,51

35,31
37,49
39,44
41,15
42,65

35,54
37,70
39,62
41,31
42,79

35,77
37,90
39,80
41,47
42,92

35,99
38,10
39,97
41,62
43,06

36,21
38,30
40,15
41,77
43,19

43,32
44,52
45,54
46,41
47,13

43,45
44,63
45,64
46,49
47,19

43,57
44,74
45,73
46,56
47,26

43,70
44,84
45,82
46,64
47,32

43,82
44,95
45,91
46,71
47,38

43,94
45,05
45,99
46,78
47,44

44,06
45,15
46,08
46,86
47,50

44,18
45,25
46,16
46,93
47,56

44,29
45,35
46,25
46,99
47,61

44,41
45,45
46,33
47,06
47,67

2,3
2,4

47,72
48,21
48,61
48,93
49,18

47,78
48,26
48,64
48,96
49,20

47,83
48,30
48,68
48,98
49,22

47,88
48,34
48,71
49,01
49,25

47,93
48,38
48,75
49,04
49,27

47,98
48,42
48,78
49,06
49,29

48,03
48,46
48,81
49,09
49,31

48,08
48,50
48,84
49,11
49,32

48,12
48,54
48,87
49,13
49,34

48,17
48,57
48,90
49,16
49,36

2,5
2,6
2,7
2,8
2,9

49,38
49,53
49,65
49,74
49,81

49,40
49,55
49,66
49,75
49,82

49,41
49,56
49,67
49,76
49,82

49,43
49,57
49,68
49,77
49,83

49,45
49,59
49,69
49,77
49,84

49,46
49,60
49,70
49,78
49,84

49,48
49,61
49,71
49,79
49,85

49,49
49,62
49,72
49,79
49,85

49,51
49,63
49,73
49,80
49,86

49,52
49,64
49,74
49,81
49,86

3,0
3,5
4,0
4,5
5,0

49,87
49,98
49,997
49,9997
49,99997

1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2,0
2,1
2,2

273

DODATEK

PRAWDOPODOBIESTWO
DLA WSPCZYNNIKW KORELACJI

Stopie zgodnoci N punktw ( x j ^ ) , . . . , (x , y ) z lini prost jest wyraony

przez wspczynnik korelacji liniowej
ls

E(^-^)(yj-y)
2

X(x -x) X(^-y)

1 / 2

ktry zawsze zawiera si w przedziale - l < r < l , Wartoci r bliskie + 1

wskazuj na wysoki stopie korelacji liniowej; wartoci zblione do 0 wskazuj
na niewielk korelacj lub jej brak.
Bardziej ilociow miar zgodnoci mona znale korzystajc z tablicy C.
Dla dowolnej okrelonej wartoci r , P (\r\^ \r \) oznacza prawdopodobie
stwo, e N zmierzonych wartoci dwch nieskorelowanych zmiennych da
wspczynnik korelacji r rwny co najmniej r . Tak wic, jeeli otrzymamy
wspczynnik r , dla ktrego Pjv(|r| ^ \r \) jest niewielkie, to jest mao praw
dopodobne, e badane zmienne s nieskorelowane; korelacja zostaa w ten
sposb wykazana. W szczeglnoci, jeeli P (\r\)^\r \)^5%,
to korelacja
okrelana jest mianem istotnej; jeeli prawdopodobiestwo jest mniejsze od
1 procenta, to korelacja jest okrelona jako wysoce istotna.
Na przykad, prawdopodobiestwo, e 20 pomiarw (N 20) dwch
nieskorelowanych zmiennych da |r|^0,5 jest zgodnie z tablic rwne 2,5
procent. Tak wic, jeeli 20 pomiarw daoby \r\ = 0,5, dysponowalibymy
istotnym dowodem istnienia korelacji liniowej pomidzy badanymi zmiennymi.
Wicej informacji na ten temat mona znale w paragrafach od 9.3 do 9.5.
Wartoci zawarte w tablicy C obliczono przy uyciu caki
0

274

P (\r\>K\)=
N

1 ) / 2 ]

"W

Jn

r[(JV-2)/2] irj

Patrz, na przyklad, E.M. Pugh, G.H. Winslow, The Analysis of Physical

Measurements (Addison-Wesley, 1966), paragraf 12-8.
Tablica C. Prawdopodobiestwo (w procentach) P Qr\ > r) otrzymania ma podstawie N pomia
rw dwch nieskorelowanych zmiennych wspczynnika korelacji \r\^r , wyraone jako funkcja
N i r . (Puste miejsca oznaczaj wartoci prawdopodobiestwa mniejsze od 0,05 procent.)
N

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

3
4
5

100
100
100

94
90
87

87
80
75

81
70
62

74
60
50

67
50
39

59
40
28

51
30
19

41
20
10

29
10
3,7

0
0
0

6
7
8
9
10

100
100
100
100
100

85
83
81
80
78

70
67
63
61
58

56
51
47
43
40

43
37
33
29
25

31
25
21
17
14

21
15
12
8,8
6,7

12
8,0
5,3
3,6
2,4

5,6
3,1
1,7
1,0
0,5

1,4
0,6
0,2
0,1

0
0
0
0
0

11
12
13
14
15

100
100
100
100
100

77
76
75
73
72

56
53
51
49
47

37
34
32
30
28

22
20
18
16
14

12
9,8
8,2
6,9
5,8

5,1
3,9
3,0
2,3
1,8

1,6
1,1
0,8
0,5
0,4

0,3
0,2
0,1
0,1

16
17
18
19
20

100
100
100
100
100

71
70
69
68
67

46
44
43
41
40

26
24
23
21
20

12
11
10
9,0
8,1

4,9
4,1
3,5
2,9
2,5

1,4
1,1
0,8
0,7
0,5

25
30
35
40
45

100
100
100
100
100

63
60
57
54
51

34
29
25
22
19

15
11
8,0
6,0
4,5

4,8
2,9
1,7
1,1
0,6

1,1
0,5
0,2
0,1

0,15

0,2

0,05

0,1

0,3
0,2
0,1
0,1
0,1

0,2
-

0,25

0,3

0,35

0,4

0,45

50
60
70

100
100
100

73
70
68

49
45
41

30
25
22

16
13
9,7

8,0
5,4
3,7

3,4
2,0
1,2

1,3
0,6
0,3

0,4
0,2
0,1

0,1

80
90
100

100
100
100

66
64
62

38
35
32

18
16
14

7,5
5,9
4,6

2,5
1,7
1,2

0,7
0,4
0,2

0,1
0,1

0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

275

DODATEK

PRAWDOPODOBIESTWO DLA TESTU i

Jeeli seria pomiarw zostaa podzielona pomidzy przedziay k = l,...n, to

liczb pomiarw zaliczonych do przedziau k mona oznaczy przez O .
Oczekiwan liczb pomiarw (na podstawie zaoonego lub przewidywanego
rozkadu) w przedziale k oznaczamy przez E . Stopie zgodnoci pomidzy
stwierdzonym dowiadczeniem i zaoonym rozkadem jest okrelony przez
zredukowan warto \ zdefiniowan jako
k

(O -E )

gdzie d jest liczb stopni swobody, d = n c, a c jest liczb wizw (patrz

paragraf 12.3). Oczekiwana przecitna warto 2 jest rwna 1. Jeeli x
> to
otrzymane w dowiadczeniu wyniki nie zgadzaj si z przewidywanym roz
kadem; jeeli x < 1, to zgodno jest zadowalajca.
Powyszemu testowi mona nada ilociowy charakter, korzystajc z pra
wdopodobiestw zawartych w tablicy D. \
oznacza warto x otrzyman
w dowiadczeniu, dla ktrego liczba stopni swobody wynosi d. Wielko
Pd(% ^ xl) wyraa prawdopodobiestwo uzyskania x rwnej co najmniej
wyznaczonej dowiadczalnie wartoci x , o ile pomiary naprawd podlegaj
zakadanemu rozkadowi. Tak wic, jeeli P (x ^ xl)
du warto,
wyznaczony i przewidywany rozkad s ze sob zgodne; jeeli wspomniana
wielko jest maa, to najprawdopodobniej wystpuje pomidzy nimi rozbie
no. W szczeglnoci, jeeli warto P (y ^xl)
J
mniejsza ni 5 procent,
mwimy, e niezgodno jest istotna i odrzucamy przewidywany rozkad na
poziomie 5 procent. Jeeli jest ona mniejsza od 1 procenta, niezgodno jest
2

2 > > 1

276

e s t

Tablica D . Prawdopodobiestwo (w procentach) P (x

5= X ) otrzymania w dowiadczeniu
o d stopniach swobody wartoci x > X , wyraone jako funkcja d i x - (Puste miejsca oznaczaj
wartoci prawdopodobiestwa mniejsze od 0,05 procent.)
d

V
d

1
2
3
4
5

0,5

1,0

1,5

2,0

100
100
100
100
100

48
61
68
74
78

32
37
39
41
42

22
22
21
20
19

0,4 0,6

0,2

1
2
3
4
5

100
100
100
100
100

65
82
90
94
96

6
7
8
9
10

100
100
100
100
100

11
12
13
14
15

53
67
75
81
85

2,5

3,0

3,5

4,0

4,5

5,0

5,5

6,0

8,0

10,0

16
14
11
9,2
7,5

11
8,2
5,8
4,0
2,9

8,3
5,0
2,9
1,7
1,0

6,1
3,0
1,5
0,7
0,4

4,6

3,4

1,8
0,7
0,3
0,1

1,1
0,4

2,5
0,7
0,2
0,1

1,9
0,4

1,4
0,2
-

0,5
-

0,2
-

0,8

1,0

1,2

1,4

1,6

1,8

2,0

2,2

2,4

44
55
61
66
70

37
45
49
52
55

32
37
39
41
42

27
30
31
31
31

24
25
24
23
22

21
20
19
17
16

98
99
99
99
100

88 73
90 76
92 78
94 80
95 82

57
59
60
62
63

42
43
43
44
44

30
30
29
29
29

21
20
19
18
17

14
13
12
11
10

100
100
100
100
100

100
100
100
100
100

96
96
97
98
98

83
84
86
87
88

64
65
66
67
68

44
45
45
45
45

28
28
27
27
26

16
16
15
14
14

9,1
8,4
7,7

16
17
18
19
20

100
100
100
100
100

100
100
100
100
100

98 89
99 90
99 90
99 91
99 92

69
70
70
71
72

45
45
46
46
46

26
25
25
25
24

13
12
12
11
11

22
24
26
28
30

100
100
100
100
100

100
100
100
100
100

73
74
75
76
77

46
46
46
46
47

23
23
22
21
21

10
9,2
8,5
7,8
7,2

99
100
100
100
100

93
94
95
95
96

0,1
-

18
17
14
13
11

2,6

2,8

3,0

14
12
16
11
14
11
9,1 7,4
11
8,6 6,6 5,0
9,2 6,6 4,8 3,4
7,5
5,1 3,5 2,3

9,4
6,1
3,8
2,4
1,6

8,3
5,0
2,9

1,0
0,7
0,4
0,3
0,2

0,6
0,4
0,2

0,1
0,1
0,1

0,1
-

9,5
8,2
7,2
6,3
5,5

5,1
4,2
3,5
2,9

4,8
4,2
3,7
3,3
2,9

6,0
5,5
5,1
4,7
4,3

2,5
2,2
2,0

3,7
3,2
2,7
2,3
2,0

1,2
0,9
0,7
0,6
0,5

7,1
6,5

1,7
1,5

0,1

6,2

4,0
3,1
2,4

2,5

1,6

1,9
1,5

1,9
1,4
1,0
0,8

1,1
0,8
0,5
0,4

2,4
2,0
1,7
1,4
1,2

1,2
0,9
0,7
0,6
0,5

0,6
0,4
0,3
0,2
0,2

0,3
0,2

1,0
0,8
0,7
0,6
0,5

0,4
0,3
0,2
0,2
0,1

0,1
0,1
0,1

0,4
0,3
0,2

0,1
0,1
-

0,1
0,1

0,1
0,1
0,1

1,7
1,0

0,1
0,1

0,1
-

211

okrelana jako wysoce istotna, a przewidywany rozkad zostaje odrzucony na

poziomie 1 procenta.
Zamy, na przykad, e w wyniku eksperymentu, w ktrym liczba stopni
wynosi 6 (d = 6), otrzymalimy zredukowan warto chi kwadrat rwn
2,6 (tj. x
2,6). Zgodnie z tablic D, prawdopodobiestwo uzyskania
X ^ 2,6 wynosi 1,6 procent, o ile pomiary podlegaj przewidywanemu roz
kadowi. Tak wic na poziomie 5 procent (chocia niezupenie na poziomie
1 procenta) naleaoby odrzuci przewidywany rozkad. Wicej informacji na
wspomniany temat mona znale w rozdziale 12.
Wartoci z tablicy D zostay wyznaczone na podstawie caki
2

00

Patrz, na przykad, E.M. Pugh, G.H. Winslow, The Anaysis

Measurements (Addison-Wesley, 1966), paragraf 12-5.

oj Physical

BIBLIOGRAFIA

Poniej zamieciem list ksiek, ktre moim zdaniem s uyteczne. Zostay one uoone
wedug stopnia zaawansowania i szerokoci obejmowanej tematyki.
Piknym i jasnym wprowadzeniem do metod statystycznych, nie posugujcym sie rachunkiem
cakowym jest ksika Olivera L. Lacy'ego, Statistical Methods in Experimentation (MacMillan,
1953).
Nieco bardziej zaawansowana, ale rwnie jasna i nie opierajca si rachunku cakowym jest
ksika Henry L. Aldera i Edwarda L. Roesslera, Introduction to Probability and Statistics
(Freeman, 1977).
Trzy kolejne podrczniki reprezentuj poziom zbliony do mojej ksiki oraz omawiaj
w duej mierze te same tematy:
D. C. Baird, Experimentation; An Introduction to Measurement Theory and Experiment Design
(Prentice Hall, 1962);
N. C. Barford, Experimental Measurements; Precision, Error and Truth (Addison-Wesley, 1967);
Hugh D. Young, Statistical Treatment of Experimental Data (McGraw-Hill, 1962).
Rozwinicie kolejnych tematw i liczne wyprowadzenia mona znale w nastpujcych
bardziej zaawansowanych podrcznikach:
Philip R. Bevington, Data Reduction and Error Analysis for the Physical Sciences
(McGraw-Hill, 1969);
Stuart L. Meyer, Data Analysis for Scientists and Engineers (John Wiley, 1975);
Emerson M. Pugh i George H. Winslow, The Analysis of Physical Measurements (Addison-Wesley, 1966).

H. Abramowicz, Jak analizowa wyniki pomiarw, PWN, Warszawa 1992.

S. Brandt, Metody statystyczne i obliczeniowe analizy danych, PWN, Warszawa 1976.
W. T. Eadie i in., Metody statystyczne w fizyce dowiadczalnej, P W N , Warszawa 1989.
G. L. Squires, Praktyczna fizyka, PWN, Warszawa 1992.
H. Szydowski, Pracownia fizyczna, wyd. VII popr., PWN, Warszawa 1994.
Teoria pomiarw, praca zb. pod red. H. Szydowskiego, PWN, Warszawa 1981.

279

ODPOWIEDZI DO WYBRANYCH

ZADA

Uwaga o cyfrach znaczcych: N a skutek stosownia rnych procedur zaokrg

lenia mog powstawa mae rnice w najmniej znaczcych cyfrach, jednak
zwykle nie s one wane. W zadaniach z rozdziaw 2 i 3 niepewnoci podane
poniej obliczono najprostszymi metodami przy zaokrglaniu do jednej cyfry
znaczcej po kadym etapie oblicze. W kilku przypadkach, gdzie bardziej
zoone procedury daj inny wynik, dokadna odpowied, zaokrglona od
powiednio na kocu rachunkw, przedstawiona jest w nawiasach. W przypad
ku zada z rozdziaw 4-12 wszystkie wyniki otrzymano za pomoc kal
kulatora (z dziesicioma cyframi na wywietlaczu), a nastpnie zaokrglono.

Rozdzia 2
2.2

(a) 5,03+0,04 metra, (b) Jest silny argument na pozostawienie dodatkowej

Zcyfry znaczcej i zapisanie wyniku w postaci 19,5 + 1 s. (c) (3,2+0,3) 1 0 "
culomba. (d) (0,56 + 0,07)-10" metra, (e) (3,27 + 0,04) 10 g-cm/s.
(a) Jedynym sensownym wynikiem na tym etapie jest 1,9 + 0,1 g/cm .
Rozbieno rwna jest 0,05 g/cm i nie jest znaczca.
Kolumna zmiany momentu pdu (L L') powinna wyglda nastpuj
co: 0,3 + 0,9; - 0 , 6 + 1 , 5 ; - 2 , 2 + 2 (co mona zaokrgli do - 2 2 ) ; 1 4 ;
1 4 ; 4 + 4. Rnica (L L') powinna teoretycznie by rwna zeru. We
wszystkich przypadkach z wyjtkiem jednego warto zmierzona jest
mniejsza ni niepewno. W tym jedynym za ( 2,2 + 2) jest niewiele
wiksza. Mona zatem stwierdzi, e wartoci zmierzone s zgodne z war
toci oczekiwan rwn zeru.
1 9

2.3

2.5

280

Rysunek 0 2 . 8

2.8

(a) Poniewa istnieje prosta (jak na rys. 02.8), ktra przechodzi przez
pocztek ukadu wsprzdnych i przez wszystkie granice bdw, wic
dane s zgodne z przewidywan zalenoci v cc h.
(b) Nachylenie prostej, bdcej wynikiem najlepszego dopasowania
18,4; Najwiksza warto nachylenia prostej bdcej jeszcze sensow
nym dopasowaniem 20,4; warto najmniejsza 16,4. Tak wic na
chylenie prostej, bdcej najlepszym dopasowaniem do punktw pomia
rowych, rwne jest 18,4 + 2 m / s (lub ewentualnie 18 + 2) i zgadza si ze
spodziewan wartoci 19,6 m / s . Powstaje pytanie, czy powinno si
wymaga, eby tak krelone proste przechodziy przez pocztek ukadu
wsprzdnych czy te nie? Odpowied zaley od szczegw dowiad
czenia. W naszym przypadku proste mog omija zero i std tak dua
niepewno.
2

2.9

(a) Z rysunku 02.9(a), ktry obejmuje pocztek ukadu wsprzdnych,

nie sposb stwierdzi, czy T zmienia si w zalenoci od A. Zmienno
T o d A ujawnia si natychmiast na rysunku 02.9(b), na ktrym skala na
osi rzdnych jest znacznie zwikszona. Oczywicie dobr odpowiedniej
skali wykresu musi zalee od rozwaanego problemu.
(b) Jeli na obu rysunkach zaznaczono by granice bdw 0,3 s (w gr
i w d), to w oczywisty sposb nie byoby powodw do stwierdzenia, e
Tzmienia si wraz z A.
2 . 1 2 (a) Rnice prdkoci v v s rwne 4,0 + 0,3 cm/s i 0,6 + 0,4 cm/s.
(b) Niepewnoci wzgldne tych wynikw to odpowiednio 8 procent i 70
procent.
k

281

2 . 1 4 Wynik

Niepewno
2

(a) 292 c m
(b) 270 cm s
(c) 12 kg-m

procentowa

Niepewno

bezwzgldna

3%
10%
10%

9 c m (lub dokadnie" 7)
30 cm s
1 kg-m

2.15 (a) q

= 10-20 = 200;
(najwiksza prawdopodobna warto ) = 11-21 = 231;
(najmniejsza prawdopodobna warto q) = 9 19 = 171.
Zasada wyraona rwnaniem (2.27) daje wynik = 200 3 0 , co dobrze
si zgadza.
(b) (najwiksza prawdopodobna warto) = 18-35 = 630;
(najmniejsza prawdopodobna warto) = 2-5 = 10.
Regua (2.27) daje q = 200 + 300 (tj. <? = 500; <j = - 1 0 0 ) . Powodem
tak ogromnej niezgodnoci jest fakt, e regu (2.27) stosuje si tylko
wtedy, gdy niepewnoci wzgldne s mae w porwnaniu z jednoci.
Warunek ten (zwykle speniany w praktyce) nie jest speniony w naszym
przypadku.
np

max

min

Rozdzia 3
3.1 (a) 32 + , / 3 2 3 2 + 6. (b) 786 + 7 786 * 7 9 0 + 30. (c) 16 + 3 dla A,
13,1+0,5 dla B. Zauwa, e odpowiedzi studentw A i B s zgodne, ale
odpowied B jest obarczona mniejsz niepewnoci.

282

3.3 (a) 3 7 . (b) 40 + 20. (c) 0,5 + 0,1. (d) 63 + 6.

3.4 (a) 0,48 + 0,02 s (lub 4%). (b) 0,470 + 0,005 s (lub 1%). (c) Nie. Po pierwsze
wahado w kocu si zatrzyma, chyba e jest utrzymywane w ruchu.
Jednak nawet jeli wahado jest utrzymywane w ruchu, istotne stan si
inne czynniki, ktre zniwecz nasze starania osignicia coraz wikszej
dokadnoci. N a przykad jeli mierzymy czas przez wiele godzin, czyn
nikiem ograniczajcym moe sta si dokadno stopera, okres Z za
moe zmienia si na skutek zmiany temperatury, wilgotnoci itd.
3.6 Gboko 4 0 + 1 0 metrw. (Bardziej dokadne rachunki daj 4 4 + 1 5 , co
mona byoby zostawi bez zaokrglenia.)
3.8
suma bdw"
pierwiastek z sumy kwadratw"
a+b
a+c
a+d

80 + 8
90 + 6
58 + 5

80 + 6
90 + 5
58 + 5

3.10 (a) 0,70 + 0,05 MeV. (b) 0,40 + 0,01 MeV.

3.11 (a) sin 8 = 0,82 + 0,02. (Nie zapomnij, e kiedy korzystamy ze wzoru
5 (sin B) = | cos 9150, wtedy 50 musi by wyraone w radianach)
( b ) / = e - , 5 / = / 5fl, e = 2 0 2 .
(c) / = l n a , 5 / = 5o/a , Ina = 1,10 + 0,03.
a

n p

n p

np

np

np

3.14 n= 1,66 + 20%; 1,52 + 9%; 1,54 + 6%; 1,58 + 3 % ; 1,53 + 2%. W miar
wzrostu wielkoci kta warto bn/n zmniejsza si. Jest tak gwnie
dlatego, e niepewno bezwzgldna jest staa; tak wic, gdy kty s due,
niepewnoci wzgldne malej.
3.16 (a) 1 i 1. (b) y i x. (c) 2xy i 3x y .
3

3.17 (c) Lewa strona rwnania

= (x + u) (y + v) = (x + 2xu + u )(y +
+ 3y v + 3yv + v ) = x y + 2xy u + 3x y v + (skadniki zawierajce u ,
uv, v i wysze potgi).
Prawa strona rwnania = x y + 2xy u + 3x y v.
Tak wic, jeli u i v s mae, to (Lewa strona rwnania)(Prawa strona
rwnania).
3.19 (a) Poprawny wynik to bq = 0,005, ale metoda obliczenia niepewnoci
krok po kroku daje rezultat dq = 0,1. (b) 8q = 0,1 obliczone oboma
sposobami. W punkcie (a) liczby s takie, e may bd w x zmienia x + y
i x + z w prawie takim samym stosunku i znosi si to w ilorazie
(x + y)/(x + z); obliczenia krok po kroku ignoruj tak moliwo.
W punkcie (b) bd x zwiksza x + y, ale zmniejsza x + z i na odwrt,
zatem bd wyznaczenia q nie znosi si.
2

283

Rozdzia 4
4.1

x = 7,2; <J = 1,5 z definicji (4.9) lub 1,3 z definicji (4.6).

4.3

d = ( 1 / A 0 E 4 = ( W E f o - * ) = ( 1 / W ) z > i - ( W ) W * = x-x = 0. Je
li ktry z kolejnych krokw nie jest jasny, przepisz sumy w jawnej
postaci, tj.
= d +d + ... +d itd.

Y {X-X)

4.4

= Y (xj-2x x

+ x)

= Y x -2xY x

= Y,x i-2xNx
2

Nx
2

+ Nx

Y x -Nx .
2

(Jeli masz jakie wadliwoci, przepisz jeszcze raz sumy w jawnej postaci.)
4.7 (a) t = 8,149 s, a = -0p9 s. (b) Poza la spodziewamy si 30%, czyli
9 pomiarw, dostalimy za 8. Poza 1 2a spodziewamy si 5%, czyli 1,5
pomiaru, a otrzymalimy 2.
4.9 (Ostateczny wynik t) = ~to- = 8,149 + 0,007 s.
4.11 A = 1221,2 m m , c r = 0,3 m m . Bardzo dobrze zgadza si to z warto
ci 1221,2 + 0,4 m m podan w tekcie.
4.13 (a) 3 3 6 + 1 5 m/s. Systematyczna niepewno 1% wyznaczenia/jest za
niedbywania w porwnaniu z 4,5% niepewnoci X. (b) 336 + 11 m/s.
W tym przypadku dominuje niepewno systematyczna.
t

Rozdzia 5
5.1 Przyjrzyj si rysunkowi 0 5 . 1 . Krzywa przerywana na rysunku 05.1(c)
przedstawia rozkad Gaussa z zadania 5.4.
5.2 (a) C = l/(2a). (b) Wszystkie wartoci pomidzy a i a wystpuj z rw
nym prawdopodobiestwem; brak jest wynikw na zewntrz przedziau
od a do a. (c) x = 0, a = a / ^ / 3 .
5.4 Patrz rozwizanie zadania 5.1.
5.6 Cak J z e " d z mona zapisa w postaci J u d u , stosujc podstawienia
u = z i v = e " . Cakujc przez czci, otrzymamy czon [ M D ] " , ktry
w naszym przypadku jest rwny zeru.
5.8 (a) 68%. (b) 38%. (c) 9 5 % . (d) 48%. (e) 14%. (f) 22,3
23,7.
5.10 Zwrcie uwag, aby poprawnie zrniczkowa P; w wyniku powinnicie
otrzyma
x

z 2 / 2

z 2 / 2

dP/da = G

284

(N +

3)

Y (x-X) -Na
2

exp

-Y (x-X) /2a
2

P osiga maksimum, gdy dP/da = 0, co prowadzi do poszukiwanego

wyniku.
b)

a)

0,2

0,2

N=5
7Y= 10

i_

_1

-9

-7 -5

(ip-ik)
I

c)

i_

- 3 -1
1
(ip-ik)_

fk.

0,2

>.

N=50

/ r*
(

-1

-9

-5

-3

-1

(Ip-Ik)

Rysunek 0 5 . 1

5.12 (a) er = 7,04. (b) t = 74,25; t 67,75 itd. Jeeli przez t oznaczymy
redni dowolnej grupy czterech pomiarw, to spodziewamy si, e
<T = <T /y/~4 = 3,52; w rzeczywistoci odchylenie standardowe dla dziesi
ciu rednich jest rwne 3,56. (c) Patrz rysunek 05.12.
t

/
10 rednich z grupy
4 pomiarw

0,4
0,3

40 pojedynczych
pomiarw

0,2
0,1
0

12 9u

SLeT0

^^

rze

P dziau = er? = 3,56

Rysunek 05.12

285

5.13 Wynik uzyskany przez studenta (9,5) rni si od przewidywanego

pooenia rodka rozkadu (9,8) o 0,3, co stanowi trzy odchylenia
standardowe. Prawdopodobiestwo otrzymania wyniku oddalonego
o co najmniej trzy odchylenia standardowe od rodka rozkadu jest
rwne P (poza 3cr) = 0,3 procent. Jest to tak mao prawdopodobne, e
naley podejrzewa, i pomiary nie podlegaj rozkadowi normalnemu
wok 9,8 z a = 0,1; tzn. albo student popeni gruby bd, albo
w dowiadczeniu wystpuje pewien bd systematyczny.
5.15 E = 1 5 M e V , z odchyleniem standardowym rwnym 9,5 MeV.
Jeeli pomiary podlegayby rozkadowi normalnemu ze rodkiem
w E E = 0 i cr = 9,5 MeV, to wynik pomiaru rniby si od
wartoci prawdziwej o 15/9,5, czyli 1,6 odchylenia standardowego.
Poniewa P(poza l,6<r) = 11 procent, wynik jest wiarygodny i nie ma
powodu, aby wtpi w zasad zachowania energii.
k

Rozdzia 6
6.2 (a) V = 0,862 wolta, a = 0,039 wolta, (b) Student odrzuci ten wynik.
Rezultat 0,95 rni si od V o 0,088 lub 2,3 a. Poniewa P(poza 2,3 a)
= 2,1 procent, wic w dziesiciu pomiarach spodziewalibymy si jedynie
0,21 pomiarw rnicych si o tyle lub wicej od wartoci V. Zgodnie
z kryterium Chauveneta wynik ten naley odrzuci.
6.3 Studentka nie odrzuci wyniku 12. W przypadku jej dowiadczenia
T = 7,00 i Oj = 2,72; tak wic 12 rni si od T o 5, czyli o 1,84.
Poniewa P (poza 1,84 a) = 6,6 procent, wic w 14 pomiarach spodziewa
libymy si 0,92 pomiaru, ktry rniby si o tyle lub wicej od T.
v

Rozdzia 7
7.1 (a) Przedstawione dwa pomiary s spjne i najlepsze przyblienie oparte
na nim jest rwne 334,4 + 0,9 m/s. (b) Te wyniki take s spjne (moe
nawet bardziej). W tym przypadku najlepsze przyblienie rwne jest
334,08 + 0,98, co pewnie zostaoby zaokrglone do 334 + 1 m/s. Jest
oczywiste, e drugi wynik jest obarczony na tyle du niepewnoci
w porwnaniu z pierwszym, e nie warto bra go pod uwag.
7.2 (a) 76 + 4 omy. (b) okoo 26 pomiarw.

286

7.5 Zgodnie z rwnanie (3.47),

k..) =(^s) '

Wystpujca tu pochodna rwna jest 3x /3x; = wjC^wA. Jeli nie widzisz
tego natychmiast, przepisz sum ^ w x jako w x + w x + ...
a na
N
N
stpnie zrniczkuj j wzgldem x x itd. Zatem
np

l 5

(a

c z

K ) = VE
P

+w x ,

) =

V(w a\.) ,
;

(yV-)

i' poniewa

<7

= ,/wj".

Rozdzia 8
8.1 ^4 = 9,00; B = 2,60. Dopasowaniem jest linia prosta przedstawiona na rys.
0 8 . 1 . (Linia przerywana wie si z zadaniem 8.9.)

Rysunek 0 8 . 1

8.3 Argumentacja przebiega podobnie do przedstawionej przy wyprowadza

niu rwnania (8.12) z rwnania (8.2). Jedyn istotn rnic jest to, e cay
czas A = 0. Tak wic P(y ,...,y )
ocexp( % /2) jak we wzorze (8.4),
2

287

8.4

gdzie % dane jest wzorem (8.5), w ktrym A = 0. Po zrniczkowaniu

wzgldem B dostajemy wzr (8.7) (gdzie take A = 0), wreszcie roz
x
;
X ?
wizaniem jest B = (X .3 i)/(E ' )Podobnie jak w zadaniu 8.3, wyprowadzenie przebiega podobnie jak
wyprowadzenie wzoru (8.12) ze wzoru (8.2). Tak jak w rwnaniu (8.4),
Piy^...,
y )ccexp( x /2), ale poniewa pomiary obarczone s rnymi
niepewnociami, wic x = Z > (
^ ~~B i) - (Pamitaj, e w = l/c?.)
Nastpne kroki s takie same jak poprzednio.
u = 41 + 1 m/s.
(a) Musisz znale warto er, dla ktrej P ( y , . . . , y ) w rwnaniu (8.4)
jest najwiksze. Pochodna dP/da rwna jest
2

8.6
8.8

-(N

3)|-

__

2 ^

przyrwnujc j do zera, otrzymujemy szukan warto <x.

(b) Stae A i B s okrelonymi funkcjami x
x
i y y . Poniewa
x znane s bez niepewnoci, wic regua przenoszenia bdw (3.47) daje
na przykad
x

Po podstawieniu dA/dy = [(E* ) i

* dokonaniu kilku
prostych przeksztace otrzymujemy wzr (8.15). Podobny rachunek daje a .
8.9 A' = - 2 , 9 + 1,2; B' = 0,35 + 0,08. Korzystajc z wartoci A i B znalezio
nych w zadaniu 8.1, moglibymy obliczy A'= 3,5 i B' = 0,38, co
w granicach niepewnoci eksperymentalnej odpowiada nowym warto
ciom. Tak wic, mimo e obie metody prowadz do innych prostych
(patrz rys. 08.1), to rnica nie jest w rzeczywistoci znaczca.
8.11 Najlepsze przyblienie g = 9,4 m/s .
8.13 A = 5,5 cm, B = 11,1 cm.
8.14 T = 2,0 godziny.
x

Rozdzia 9
9.1

Obliczenia s najprostsze, jeeli zauway si, e funkcja A (t) to po prostu

A(t)

9.3

(a)

= al + 2t(T

XY

2t <T .
2

= ^ ^ - ^ - y ^ + ^ y )
= (Y x y )-x(^y )-y(Y x )
=
(l x y )-Nxy).
i

288

+ Nx y

9.5 (a) P l i r > : . - = .

jest cakiem pra'
korelacja liniowa. W
nego" argumentu na korzy zwizki
(b) P ( | r | 5=0,5) = 2 procent. Pome
cent, jest to istotny" argument za zwizkiem Smarnym
9.6 (a) r = - 0 , 9 7 . Poniewa P (\r\5=0,97) * 1.2.
cja. (b) r = - 0 , 5 7 . Poniewa P (\r)\ 50,57) * 31 procei
to o korelacji.
5

20

b)

a)
y
4 3
2
1

J
1

J
1

5 x

I
4

L
5 x

Rysunek 0 9 . 6

Rozdzia 10
10.2 (a) Dla dwch rzutw prawdopodobiestwo otrzymania 0, 1 lub 2 sz
stek wynosz odpowiednio 69,44; 27,78 i 2,78 procent, (b) Dla czterech
rzutw prawdopodobiestwa otrzymania 0, 1,..., 4 szstek s odpowie
dnio rwne 48,23; 38,58; 11,57; 1,54 i 0,08 procent.
3
3

10.4 (p + q) =

pV-

= <? + 3 M + 3p g + p .

v= 0

10.6

Szansa przeycia dla dowolnego pacjenta wynosi p = 0,2, tak wic

P(przeyje v pacjentw) = 64,0,2 (v). (a) 4 1 % . (b) 4 1 % . (c) 18%.
10.7 4 0 , 2 % , 4 0 , 2 % , 16,1%, 3 , 2 % , 0,32%, 0,01%.
10.9

a = (v-v) = X/(v)(v-v) =
2

/(v)(v -2vv
2

+ v )

= CL/(v)v ]-2vX/(v)v +v /( ) =7 - v .
2

Zauwamy, e zastpujc sumy cakami, moemy udowodni analogicz

ny zwizek dla rozkadu cigego, takiego jak rozkad Gaussa.

289

=X("jpV

10.10 Dla dowolnych p i q, (p + q)"

- Wykonujc dwukrotne

rniczkowanie wzgldem p, dostajemy

2

n(n-l)(p

+ qT-

v 2

Zv(v-l)(^jp - q -\

Mnoc przez p i podstawiajc q = lp, otrzymujemy

2

=X(v -v)fc, (v) = 7 - v .

n(n-l)p

Poniewa v = np, oznacza to, e v = n(n l)p + np. Podstawiajc do

rwnania wyprowadzonego w zadaniu 10.9 a = v v (gdzie v = np),
dochodzimy do szukanego wyniku.
9,68 procent (dla przyblienia rozkadem Gaussa) i 9,74 procent (bez
stosowania przyblienia).
P(v^l8)P
(v5l7,5) = P
( v 5 v + 2cr) = 2,28 procent.
P(v5=12) = 0,65 procent (jeeli stosowanie nawozu pozostaje bez zna
czenia). Tak wic 12 sukcesw" daje wynik istotny" i wysoce istot
ny".
Spodziewamy si, e egzamin zda 360 uczniw. P(zda co najmniej
420)P (v5=360-l-5cr) = 0,00003 procent daje wysoce istotny wynik.
2

10.13
10.14
10.16

10.18

G a u s s

G a u s s

Gauss

Rozdzia 11
11.1
11.2

(a) Dla v = 0, 1,..., 6, p ( v ) = 60,7; 30,3; 7,6; 1,3; 0,2; 0,02; 0,001
procent.
(a) Z p (v) = e->Z pVv\=e-e
= l.
(b) Rniczkujc rwnanie (11.12) wzgldem p, otrzymujemy
1/2

ll

fl

v 1

Y e~ (vn - -p )/v\
J

= 0

lub, korzystajc ponownie z rwnania (11.12)

v_1

Xve-^ /v! = 1.
11.4

290

Mnoc przez p, otrzymujemy vp^(v) = p, co daje poszukiwany wynik,

(a) p = (liczba jder) -p = 1,5. (b) Prawdopodobiestwa zaobserwo
wania v rozpadw, gdzie v = 0 , 1 , 2, 3, s odpowiednio rwne 22,3; 33,5;
25,1 i 12,6 procent, (c) P ( v ^ 4 ) = 6,5 procent.

11.5

Pionowe kreski na rysunku O l 1.5 reprezentuj wyznaczony w dowiad

czeniu rozkad. Ksztat przewidywanego rozkadu Poissona p (v) zosta
zaznaczony lini cig. Zgodno obydwu rozkadw jest dobra.
3

oczekiwany
rozkad Poissona P3(v)

10 v

R y s u n e k O l 1.5

11.7

v = 2,84, <r = 1,70. Liczby te dobrze zgadzaj si z przewidywanymi

11.9

Prawdopodobiestwo
zarejestrowania
v
zlicze jest
rwne
Pp( o)
W o " Warto p, dla ktrej prawdopodobiestwo to osi
ga maksimum, mona znale obliczajc pochodn wzgldem p i przy
rwnujc wynik do zera. Wspomniana pochodna ma posta

M )/v !
0

i jest rwna zeru, gdy p = v .

11.10 (a) 3,2 procent (dla przyblienia rozkadem Gaussa), 3,4 procent (bez
stosowania przyblienia), (b) 8,5 procent (dla przyblienia rozkadem
Gaussa), 7,7 procent (bez stosowania przyblienia).
11.11 (a) p (l) = 11,7 procent itd. (b) P ( v < 6 ) + P ( v ^ 12) = 40,3 procent. Za
rejestrowanie 12 zlicze nie jest wcale zaskakujce; tak wic nie ma
powodw, by wtpi, e p = 9.
0

Rozdzia 12
2

12.1 Oczekiwane liczby = 7,9; 17,1; 17,1; 7,9 i j = 10; zmierzone dane zupe
nie nie odpowiadaj rozkadowi normalnemu.
12.4 Oczekiwane liczby = 231,5; 138,9; 29,6; j = 2,5; dla trzech przedziaw
1

291

X = 2,5 jest rozsdnym wynikiem i nie ma powodw, aby wtpi

w dobr jako koci.
12.5 (a) W zadaniach 12.1 i 12.2 c = 3 i d = 1; w zadaniu 12.3 c = 1 i d = 5;
w zadaniu 12.4 c = 1 i d = 2. (b) W przypadku gdy p byo znane
z gry, c = 2 i d = 2.
12.6 Poniewa d = 1, % = X = 10; ^ i ( X ^ 1 0 ) 0>2 procent; Moemy za
tem odrzuci rozkad normalny zarwno na poziomie 5 procent, jak
i 1 procenta.
12.8 Prawdopodobiestwa otrzymania wynikw 2, 3,..., 12 s rwne 1/36,
2/36,..., 6/36,..., 1/36. Oczekiwane liczby odpowiednich zdarze E
wynosz 10, 20,..., 60,..., 10. x = 19,8, d = 10 i ^ = 1,98.
P ( x 5 1 , 9 8 ) 3,2. N a poziomie 5 procent moglibymy przypuszcza,
e koci s sfaszowane, ale nie na poziomie 1 procenta.
12.10 x = 1>2. P iX ^ 1,2)30 procent. Poniewa x > l , 2 j e s t cakiem praw
dopodobne, nie ma powodw, aby wtpi w jako koci.
12.12 (a) E(v = 0) = 5,4;
E(v = 1) = (v = 2) = 10,8;
( v ^ 3 ) = 13,0.
X = 9,7; d = 3 i x = 3,2. P (% 5=3,2) 2 , 5 procent; na poziomie 5 pro
cent odrzucilibymy rozkad Poissona z p = 2. (b) i = 2 i 2 = 0,3; co
oznacza, e dane s zgodne z rozkadem Poissona z p = 1,35.
12.13 (a) x 2,25; P ( % 5 2 , 2 5 ) 1 4 procent, a wic brak istotnej rnicy.
P (v 511) + P (v ^ 5) = 21,0 procent.
(b) x = 6,25; P J * 5 6,25) 1 , 2 procent; P (v> 224,5) + P ( v ^ 175,5) =
= 1,4 procent. N a poziomie 5 procent wystpuje istotna rnica.
(c) Poprawiony ^ = 1,56. P (x 51,56)21,2
procent, co pozostaje
w doskonaej zgodnoci z wynikiem dokadnym 21,0 procent.
p

10

SKOROWIDZ
(przygotowa Adam Babiski)

[ W skorowidzu ujte s zagadnienia i pojcia pojawiajce si w ksice oraz niektre

najbardziej istotne przykady ich zastosowa.]
x

fx.A )

funkcja Gaussa patrz rozkad normalny

A
I symbol Newtona 212
n\, silnia patrz silnia
X , chi kwadrat patrz chi kwadrat, test chi
kwadrat
x , najlepsze przyblienie x, 28
a , kowariancja xi y patrz kowariancja
a-, odchylenie standardowe patrz odchylenie
standardowe
a , odchylenie standardowe redniej patrz od
chylenie standardowe redniej
p^ (v), rozkad Poissona patrz rozkad Poissona
znak sumy 99
a, szeroko rozkadu normalnego
patrz
rozkad normalny
2

xy

antykorelacja patrz korelacja negatywna

bd 15-16, 28, patrz te niepewno
- prawdopodobny 133-134
- prawdziwy 32
- przypadkowy 96-98, 109-111
- standardowy patrz odchylenie standardowe
redniej
redniej patrz odchylenie standardowe re
dniej
- systematyczny 25-26, 56-57, 96-98, 108-111

- redniej 104, patrz te odchylenie standardo

we redniej
Chauveneta
kryterium
patrz
kryterium
Chauveneta
chi kwadrat,
167, 175, 246, 248, 251, patrz
te test chi kwadrat, x
, X , jako miara zgodnoci rozkadw
246-147
> Z , poprawione, 267
zredukowane, % 254, 276
cyfry znaczce 29-31
a niepewno wzgldna 43-44
w iloczynie 52
2

dodawanie wartoci zmierzonych patrz przeno

szenie niepewnoci, suma wartoci zmie
rzonych
dokadno 42, patrz te niepewno wzgldna
dwumian Newtona 60-61, 89, 213, 227
dyspersja patrz odchylenie standardowe
dzielenie wartoci zmierzonych patrz prze
noszenie
niepewnoci,
iloraz
wartoci
zmierzonych
ekstrapolacja 181-182
erf(t) patrz funkcja bdu
funkcja bdu 132-133, 153, 269-273

293

funkcja Gaussa 128, patrz

malny

te rozkad nor

F W H M patrz szeroko powkowa

gsto zota 18-19
graficzna metoda wyznaczania niepewnoci
patrz przenoszenie niepewnoci, metoda gra
ficzna
graficzne sprawdzanie proporcjonalnoci 37-41
granice bdw 39
- - na wykresie 39-40, 49, 173
graniczny kt zaamania 73, patrz te wsp
czynnik zaamania wiata
hipoteza bardzo istotna (1%) 223, 256
- istotna (5%) 223, 256
- statystyczna 221
- , testowanie patrz testowanie hipotez
- zerowa 221
histogram 117
- komrkowy 118-119
- supkowy 118
Hooke'a prawo patrz wspczynnik sprysto
ci
iloczyn wartoci zmierzonej i staej liczby patrz
przenoszenie niepewnoci, iloczyn wartoci
zmierzonej i staej liczby
zmierzonych patrz przenoszenie niepewno
ci, iloczyn wartoci zmierzonych
iloraz wartoci zmierzonych patrz przenoszenie
niepewnoci, iloraz wartoci zmierzonych
interpolacja 24
komrka patrz przedzia
kompensacja bdu 67-69, 85
korelacja 198, patrz te wspczynnik korelacji
- istotna 205
- negatywna (antykorelacja) 203
- wspczynnika inteligencji IQ 208
kowariancja 197
- a przenoszenie bdw 195-199
- a wspczynnik korelacji 201
kryterium Chauveneta 161-165
krzywa dzwonowa 124-126, patrz te rozkad
normalny
liczebno 116
linearyzacja 184
metoda Gaussa patrz
kwadratw

294

metoda

najmniejszych

- najmniejszych kwadratw 168-192

, dopasowanie funkcji
wykadniczej
184-186
, - linii prostej 174-182
, - wielomianu 182-184
uwzgldniajca wagi statystyczne 186,
188-189
- regresji liniowej 174, patrz te metoda naj
mniejszych kwadratw
- wyrwnawcza 174, patrz te metoda naj
mniejszych kwadratw
mnoenie wartoci zmierzonej i staej liczby
patrz przenoszenie niepewnoci, iloczyn war
toci zmierzonej i staej liczby
zmierzonych patrz przenoszenie niepewno
ci, iloczyn wartoci zmierzonych
najwiksze prawdopodobiestwo patrz zasada
najwikszego prawdopodobiestwa
niepewnoci niezalene patrz przenoszenie nie
pewnoci niezalenych
- w pomiarach bezporednich 54-57
niepewno 28
- bezwzgldna 42
- odczytu skali 21-24
- pomiarw wielokrotnych 24-26
- procentowa 42, patrz te niepewno wzgldna
- przypadkowa patrz bd przypadkowy
- systematyczna patrz bd systematyczny
- redniej patrz odchylenie standardowe red
niej
waonej 169, 171
- w zliczaniu zdarze losowych patrz zliczanie
zdarze losowych
- wartoci funkcji jednej zmiennej patrz prze
noszenie niepewnoci, funkcja jednej zmien
nej
wielu zmiennych patrz przenoszenie nie
pewnoci, funkcja wielu zmiennych
- wyraenia potgowego patrz przenoszenie
niepewnoci, wyraenie potgowe
- wzgldna 41-44
a cyfry znaczce 30-31, 43-44
, iloczyn dwu wartoci zmierzonych 44-47
- , znaczenie 25, 148
nierwno Schwarza 198, 206
normalizacja patrz warunek normalizacji
normalna caka bdu patrz funkcja bdu
odchylenie 99-100, patrz te odchylenie stan
dardowe
odchylenie standardowe 100-102, 111

, definicja 100
, - poprawiona" 101-102
duej prby 102, patrz te odchylenie stan
dardowe
jako granica 68% ufnoci 131-134
jako niepewno pojedynczego pomiaru
102-104
malej prby 102, patrz te odchylenie stan
dardowe
rozkadu 137
dwumianowego patrz
rozkad dwu
mianowy, odchylenie standardowe
granicznego patrz rozkad graniczny,
odchylenie standardowe
normalnego patrz rozkad normalny,
odchylenie standardowe
Poissona patrz rozkad Poissona, od
chylenie standardowe
- - redniej 104-105
, uzasadnienie 145-147
- rednie 100, 111
odejmowanie wartoci zmierzonych patrz prze
noszenie niepewnoci, rnica wartoci zmie
rzonych
odrzucanie danych 159-165
oglna teoria wzgldnoci, potwierdzenie
20-21
OS 106, patrz te odchylenie standardowe
OS 196, patrz te odchylenie standardowe
redniej
paralaksa 97
pierwiastek kwadratowy z wartoci zmierzonej
patrz przenoszenie niepewnoci, pierwiastek
kwadratowy
pochodna 74
- czstkowa 86, 93
pole powierzchni prostokta 106-107, 113
porwnanie dwu wartoci zmierzonych 34-37,
147-151
- wartoci zmierzonych i akceptowanych
32-34, 147-151
poziom istotnoci 223, patrz te hipoteza
prawdopodobiestwo dwustronne 225-226
- jednostronne 225-226
prdko dwiku 33-34, 112-113
promieniowanie kosmiczne 237-238, patrz te
zliczanie zdarze losowych
proporcjonalno 37, patrz te graficzne spraw
dzanie proporcjonalnoci
prosta regresji 176, patrz te metoda najmniej
szych kwadratw

przedzia 118-119, 243-244. 248-249. 257

- ufnoci 148
przemiana izochoryczna gazu doskonaeg
179-182, 189
przenoszenie bdw patrz przenoszenie niepe
wnoci
- niepewnoci 53-94, 193-199
a kowariancja 195-199
, bdy niezalene 66-73
- , dowd reguy oglnej 144-145
, funkcja jednej zmiennej 73-77
, - wielu zmiennych 85-87, 144-145
, grna granica 198
, iloczyn wartoci zmierzonej i staej liczby
63-64
- - , - - zmierzonych 44-47, 59-63, 70-71
, iloraz wartoci zmierzonych 59-63, 65-66.
70-71
krok po kroku 77-78
, metoda graficzna 73-76, 90-91
, - kwadratowa 66-73
,
, uzasadnienie 138-145
, - liniowa 66-73
niezalenych, 66-73
- - , oglna regua 84-87, 144-145
, pierwiastek kwadratowy z wielkoci zmie
rzonej 76
, rnica wartoci zmierzonych 35-37, 48,
50-51, 58-59, 70
, suma wartoci zmierzonej i staej liczby
139-141
- - , - - zmierzonych 49, 58-59, 70, 141-143
, wyraenie potgowe 64-66, 76-77
przypadkowy skadnik bdu patrz bd przy
padkowy
przyspieszenie wzka na rwni pochyej 50-51,
82-84, 92
- ziemskie g 40-41, 49-50, 78-80, 91-92,
190-191
regresja liniowa 174, patrz te metoda naj
mniejszych kwadratw
- wielokrotna 187, patrz te metoda najmniej
szych kwadratw
- wielomianowa 182-184, patrz te metoda
najmniejszych kwadratw
rozbieno 31-32
- znaczca i nieznaczca 149-151
rozkad 117
- dwumianowy, definicja 212-213
rozkad dwumianowy, odchylenie standardowe
215

295

rozkad dwumianowy, porwnanie z rozka

dem normalnym 216-219
,
Poissona 231-232
, symetryczny ksztat dla p = - 215, 228
, rednia 215, 227
, - liczba sukcesw 227
- Gaussa patrz rozkad normalny
- graniczny (asymptotyczny) 120-121, 209
jako prawdopodobiestwo 121-122
, normalizacja 122
, odchylenie standardowe 124
, rednia 123-124
- , Lorentza 248
- normalny 124-131
, definicja 128
jako rozkad dla niepewnoci przypadko
wych, dowd 219-220
, normalizacja 127-128
, odchylenie standardowe 130-131
,
redniej 145-147
, porwnanie z rozkadem dwumianowym
216-219
- - , - - Poissona 232, 234-236
, szeroko rozkadu 126
- - , rednia 129-130
- - , test chi-kwadrat 243-247, 258-260
- Poissona 230-241
, definicja 231
, normalizacja 238
, odchylenie standardowe 233-234
, porwnanie z rozkadem dwumianowym
231-232
,
normalnym 232, 234236
, przybliona symetria dla duych p, 233
, rednia 231-232
- prawdopodobiestwo 209, patrz te rozkad
graniczny
- Studenta 149
rozkady dyskretne 216
rozstp 118
rwnanie normalne 175, 183, 187
rnica wartoci zmierzonych patrz przenosze
nie niepewnoci, rnica wartoci zmie
rzonych
rzuty komi 210-211, 226
- - a test chi-kwadrat 249-250, 260-261,
264-265
- monet 214, 218, 228
silnia, n\ 213
Snelliusa prawo patrz wspczynnik zaamania
wiata

296

sprzeczno wynikw 167

stopnie swobody 178, 252-255
Studenta rozkad patrz rozkad Studenta
suma wartoci zmierzonej i staej liczby patrz
przenoszenie niepewnoci, suma wartoci
zmierzonej i staej liczby
zmierzonych patrz przenoszenie niepewno
ci, suma wartoci zmierzonych
- waona 116
systematyczny skadnik bdu patrz bd sys
tematyczny
szeroko powkowa krzywej 152-153
rednia 98-99
- jako najlepsze przyblienie 98-99, 134-138
- rozkadu dwumianowego patrz rozkad dwu
mianowy, rednia
granicznego patrz rozkad graniczny, red
nia
normalnego patrz rozkad normalny, red
nia
Poissona patrz rozkad Poissona, rednia
- waona 167-172
, definicja 169
, niepewno patrz niepewno redniej
waonej
rednie odchylenie kwadratowe 100, patrz te
odchylenie standardowe
temperatura zera bezwzgldnego 179
test chi kwadrat 242-268
dla rozkadu normalnego 243-247
dla rozkadu Poissona 261-262, 266
dla rzutw komi 249-250, 252-253,
260-261, 265
poprawiony 267
, prawdopodobiestwo zwizane z tes
tem 257, 276-278
testowanie hipotez, postpowanie
oglne
223-224
, prognozy przedwyborcze 224-226
, smar do nart, 221-223, 228
testy nieparametryczne 223
ufno 147-151
waga statystyczna 168
wahado matematyczne 78-80, 91-92
wariancja 101, patrz te odchylenie standardo
we
warto bezwzgldna 42
- prawdziwa 32, 125

- rednia patrz rednia

- uznana 32-34
warunek normalizacji 117, 122
wizy 252-254
wskanik cyfrowy 55-56
wspczynnik absorpcji i energia fotonw
90-91
- determinacji patrz wspczynnik korelacji
- korelacji 201
liniowej patrz wspczynnik korelacji
, prawdopodobiestwa 204-205, 274-275
- rozszerzalnoci cieplnej 68
- sprysto k, 37^10, 103-105, 107-108, 188
- zaamania wiata 73, 80-81, 92

zagadnienie definicji 17, 55

zasada najwikszego prawdopodobiestwa 136
w dopasowywaniu krzywych metod
najmniejszych kwadratw 175, 190
w metodzie najmniejszych kwadratw
175, 190
w obliczaniu redniej waonej 168
zastosowana do rozkadu Poissona 240
zgodno wynikw dwu pomiarw 167
zjawisko fotoelektryczne 207-208
zliczenia zdarze losowych 57, 88, 230-231,
234, 237-241, 261-262, patrz te rozkad Poi
ssona
znaczca rozbieno 150-151
znaczce cyfry patrz cyfry znaczce

WYDAWNICTWO NAUKOWE PWN

00-251 Warszawa, ul. Miodowa 10 tel. (22) 26 22 91 tlx 81 37 63 pwn pi fax (22) 26 71 63

Niezaleny
miesicznik
informatyczny

Polska
wersja
amerykaskiego

PC Magazine

P i p o w o d w , aby c z y t a PC M a g a z i n e Po P o l s k u :
zamieszcza informacje o nowociach i trendach w rozwoju komputerw
i oprogramowania
publikuje recenzje polskiego i zachodniego oprogramowania i ksiek
zawiera porady i wskazwki
O zamieszcza publikacje, byskotliwe felietony i gorce tematy
@ ogtasza wyniki testw sprztu komputerowego i oprogramowania
Pismo mona naby w punktach sprzeday prasy i w ksigarniach PWN.
PCM PP w prenumeracie to dodatkowo:
staa cena
taniej ni w sprzeday detalicznej
pewno posiadania kadego numeru

Zapraszamy - zosta naszym staym czytelnikiem!

PC Magazine Po Polsku
00-251 Warszawa; ul. Miodowa 10; tel. (02) 635 70 69 w. 250
Wydawca: Wydawnictwo Naukowe PWN Spka z o.o.

Wydawnictwo Naukowe PWN, Spka z o.<

Wydanie I.
Ark. drukarskich 18,75.
Skad Phototext, Warszawa.
Druk ukoczono w sierpniu 1995 r.
Drukarnia Wydawnictw Naukowych S.A.
d, ul. wirki 2

PODSTAWOWE WZORY W CZCI II

rednie waone (rozdzia 7)

Jeeli x ,...,x
s wynikami pomiarw pewnej wielkoci x, a ich niepewnoci
znane, to najlepszym przyblieniem wartoci x jest
1

a ,...,(r
1

(s. 169)

gdzie Wj = 1/(7?.

Dopasowanie linii prostej metod najmniejszych kwadratw (rozdzia '<

Jeeli (x y ),.,.,(x ,
y ) s wyznaczonymi w dowiadczeniu parami punktw, to wsp
czynniki w rwnaniu y = A + Bx opisujcym prost najlepiej dopasowan do N punktw
dane s przez
u

^=[(i*. )(Ey.)-(5>)
5 = [iv(Ex y )-(& )(Ey )]A
;

^ = *(l*. )-(l>i) .

(8.176)

Kowariancja i korelacja (rozdzia 9)

Kowariancja cr^ dla JV par ( x

1 (

y ) , . . . , ( x , y ) okrelona jest przez

t

" , = jj-I,(.x -t)(y,-yi.

x

(s. 197)

Wspczynnik korelacji liniowej jest zdefiniowany jako

Cr,.

Y(x,x)(y y)
LEfa-*) !(>,->) J '
i

Wartoci r zblione do 1 lub 1 wskazuj na wystpowanie wyranej korelacji liniowej;

wartoci bliskie 0 wskazuj na sab korelacj lub jej brak. (Tablica prawdopodobiestw
odpowiadajcych rnym wartociom r znajduje si w dodatku C.)

Rozkad dwumianowy (rozdzia 10)

Jeeli prawdopodobiestwo sukcesu" w jednej prbie wynosi p, to prawdopodobiestwo
wystpienia v sukcesw w n prbach dane jest przez
P(v sukcesw w n prbach) - b

(v) -

n\

v!(n v)!

p (1

p)"

(s. 213)

Dla wielu kolejnych serii skadajcych si z n prb kada rednia liczba sukcesw
okrelona jest przez
v = np,
a odchylenie standardowe
"v = J

(s. 215)

np(l-p).

Rozkad Poissona (rozdzia 11)

W przypadku zliczania rozpadw promieniotwrczych (lub innych zdarze wystpujcych
losowo) prawdopodobiestwo zarejestrowania v zlicze (w pewnym okrelonym przedziale
czasu) dane jest wzorem
u"

P (v zlicze) = p (v) = e ' " ,

v!

(s. 231)

gdzie p, oznacza oczekiwan przecitn liczb zlicze w rozwaanym przedziale czasu,

v = p.

(dla wielu-eksperymentw).

(s. 232)

Odchylenie standardowe wynosi

a =
v

vV-

(s- 234)

Chi kwadrat (rozdzia 12)

Wyniki dowolnego, powtarzanego wielokrotnie pomiaru mog by pogrupowane w prze
dziaach, k= l,....,n. Niech O oznacza liczb otrzymanych
w dowiadczeniu
wynikw
i zaliczonych do przedziau k. Podobnie, przez E oznaczymy oczekiwan liczb wynikw
w fc-tym przedziale, obliczon na podstawie pewnego przewidywanego rozkadu (Gaussa,
dwumianowego, Poissona itd.). Zdefiniujemy chi kwadrat jako
k

X =

(O -E f/E
k

(s. 248)

oraz zredukowan warto chi kwadrat jako

2

(s. 254)

X = X /d,

gdzie d jest liczb stopni swobody.

2

Jeeli x \ , to brak zgodnoci pomidzy O oraz E i dlatego odrzucamy przewidy

wany rozkad. Jeeli x < l , 1 zgodno jest zadowalajca i rozkad wyznaczony oraz
przewidywany pokrywaj si ze sob. (Tablica prawdopodobiestw zwizanych z / znajduje si w dodatku D.)
k