Professional Documents
Culture Documents
Zapis (rozdzia 2)
(zmierzona warto x) = x
n p
+ 8x.
(s. 28)
Sx
Niepewno wzgldna
(s. 41)
i-^npl
8Z
SM
+ ... +5w
(s. 58)
9 j
(s. 70)
~ 1*1
"'
x z
, to
Sz
Su
|z|
|u|
8w
"'
(s. 62)
|w|
(s. 71)
(dla bdw niezalenych i przypadkowych).
(s. 63)
8x.
(s. 75)
ii
|n|-
.\-
(s. 77)
l4l
Jeeli g jest funkcj wielu zmiennych x , . . . , z , to
(s. 87)
(dla bdw niezalenych i przypadkowych).
1
x = Y X, = rednia;
a =
x
J-j^-jZ&i-*)
(s. 99)
(s. 101)
= odchylenie standardowe;
(s. 104)
(s. 122)
pomidzy x = a a x = b;
(s. 121)
a)
J f(x)dx
(s. 122)
- oo
/,.(*) = l -^*^\
e
(s. 128)
gdzie
X =
=
=
IT =
=
rodek rozkadu
warto prawdziwa x
rednia duej liczby pomiarw,
szeroko rozkadu
odchylenie standardowe dla duej liczby pomiarw.
/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
Dane oryginau:
John R. Taylor
An Introduction to Error
Analysis
The Study of Uncertainties in Physical Measurements
Oxford University Press
Freudenreich-Slubowska
Redaktor
Anna
Bogdanienko
Redaktor techniczny
Beata
Stelgowska
ISBN 83-01-11820-2
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.
15
15
16
17
19
21
24
27
27
29
31
32
34
37
41
43
44
47
5
53
54
57
66
70
73
77
78
81
84
88
...
95
96
98
102
104
106
108
111
Rozdzia 5. R o z k a d n o r m a l n y
114
CZ II
Rozdzia 6. O d r z u c a n i e d a n y c h
159
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
230
232
236
238
zgodnoci r o z k a d w
242
242
247
252
255
258
263
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
10
11
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
R O Z D Z I A
15
16
17
= 15,5 g/cm
i
Pstopu
= 13,8 g/cm .
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
Ekspert B
15
od 13,5 do 16,5
13,9
od 13,7 do 14,1
18
k o r o n y
19
20
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
wolty
23
i
(1.3]
24
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
R O Z D Z I A
27
-\
(warto zmierzona x) = x
n p
(2.;
+ 8x.
n p
n p
n p
n p
n p
n p
n p
n p
n p
n p
n p
n p
28
*
n p
(2.4)
(2.5)
(2.6)
Dla wygody Czytelnika reguy te bd numerowane tak jak rwnania. Niektre z nich bd
29
(2.'
{2..
(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
19
1 9
2 1
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
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
(2.12)
(2.13)
podczas gdy
n p
33
(2.14
(2.15
w sytuacji gdy
34
Pd kocowy p'
(wszystkie 0,06)
1,49
2,10
1,16
itd.
1,56
2,12
1,05
itd.
oraz
(mierzona warto p') =
p' dp'.
np
35
nv
np
nv
np
np
np
(2.16
np
(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.
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.
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.
37
200
300
400
500
600
700
800
900
1,1
1,5
1,9
2,8
3,4
3,5
4,6
5,4
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
Rysunek 2.2. Pomiary x i m z niepewnociami mona przedstawi rysujc dla kadego punkti
krzyyk pokazujcy granic bdu dla x i dla m
40
At
niepewno wzgldna =
(2.20)
41
-
n p
n p
n p
n p
dugo / = 5 0 + 1 cm
(2.21)
ma niepewno wzgldn
5 / 1
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
0,51,
lub
510+1%,
0,51 za oznacza
0,51 + 0,005
lub
0,51 + 1%,
lub
110 + 5%,
lub
910 + 0,5%.
43
Liczba cyfr
znaczcych
1
2
3
zawiera si w zakresie
5%-50%
0,5%-5%
0,05%-0,5%
10%
1%
0,1%
n p
+ 8x
(2.22
K p i /
nv
I1+
0 , 9 7 - x < x ^ 1,03-x .
n p
44
np
n p
(1 + 7 - r ]
(2.23)
Nnpl/
oraz
8v
(
(zmierzona warto v) = v \
1 + - .
ap
(2.24)
K p i /
up
np
np
np
v ( 1 + ~-/\ ( 1 + 7-7 Y
D
Nnpl/ V
(2.25)
Kpi/
bv \
8m
8v
5m
Ifnpl/
Nnpl
|Unpl
\m \
dv
\V \
np
np
(najwiksza warto p) = m
n p
np
np
/.
Sm
I1+
8v
+:
n p
np
8m
;
8v
:+ ;
45
IPnpl/
IPnpl
|m |
np
n p
n p
Kp|
np
np
M _ 0,02
np
0,53
= 2%
oraz
^. = M = o,03 =
3%.
9,1
fnp
5p =
n p
Pnp
Po zaokrgleniu bp i p
n p
46
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
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
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?
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
np
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
49
(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
50
Pierwsza prba
Druga prba
14,0
19,0
18,0
19,6
y = 201.
51
y = 20 + 15.
R O Z D Z I A
PRZENOSZENIE NIEPEWNOCI
53
54
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
(3.1)
(3.2)
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
-^np + J^np?
niepewnoci za
6q Sx + 8u.
(3.3)
... +w),
+8w,
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
= 7 2 + 1 g;
= 940 + 20 g;
= 9 7 + 1 g.
= (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
powinna
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
n p
+ 8x,
(niepewno wzgldna x) =
l*npl
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
y
l8y/|y|
t
n p
.
l-5y/|y|
(3.5)
60
w postaci nieskoczonego
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
l = 1,65 + 0,05,
/ = 3,0 + 0,15.
3
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/.
8x
\x\'
(3.9)
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
x,
rr
TTq
x
10
- )
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
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
= + 2 = 0 , 7 % + 2 (6,3%) = 13,3%
g
h
t
(3.11)
65
8g = (10,9 m / s ) -
13,3
= 1,44 m / s .
100
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.
q = x +y
n p
dwch
wielkoci
+ 8x,
np
np
n p
n p
ap
66
+y
np
+ dx + 5y.
(3.12)
n p
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
+ 8y.
(3.14)
Rysunek 3.2. Poniewa dugo kadego boku trjkta jest mniejsza suma dugoci pozostaych
2
+b
< a+ b
68
(3.15)
8q
8x + 8y.
x (2 + 2) mm
= 4 mm.
bdw (przyp.
tum.).
69
(3.16)
70
(3.17)
4i~VV*/"v / \ J "\
(3
18)
/ ''
Sx
8z
Su
Sw
\q\
\x\
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
bm
bh
bV
SI
bt
+ + + +
m
h
V
I
t
= (1 + 1 + 1 + 1 + 5)% = 9 % .
br
IfbrnV
2
bhY
2
fbVV
2
fblV
fbt\
= /l + l + l + l + 5 %
2
= / 2 9 ~ % ss 5%.
x
72
bt
t
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
min
miB
max
nv
ap
np
(3.20)
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:
(3.23)
75
dcos0
d9
(3.24)
8q
Sx
Sx = I nx" 18x.
8x
(3.25)
i
8q
1 8x
_ 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:
(3.26)
(3.27)
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
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.
g = 4n l/T .
(3.28)
78
HT )
T
ST
~T'
48 -(92,95 cm)
(1,936 s)
979 cm/s
ST
= 0,2%.
= V ( 0 , l ) + (2-0,2) % = 0,4%,
9
; : daje
2
= 979 + 4 cm/s .
79
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)
sina
8 sin/?
sin/?
(3.31)
80
d sin 9
de
(3.32)
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%
Czytelnik moe pomin ten paragraf bez obawy o utrat wtku lub mgby powrci do
niego w zwizku z zadaniem 3.15.
81
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
82
(3.34)
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)
l / t = 343 + 14 s~ .
2
= 1041 + 62 s " .
- 1 - 1 = 698 + 64 s~ (9%).
(3.36)
a = 87 + 8 cm/s .
(3.37)
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
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\
Czytelnik moe odoy przeczytanie tego paragrafu bez istotnej utraty cigoci. Z przed
stawionego tu materiau nie bdziemy korzysta a do paragrafu 5.6.
84
np
nv
n p
<Z(x 5x).
np
(3.39)
(3.40)
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
n p
<Znp =
q{Xnp,
ynp)-
+ ^-u
dx
+ -^-v,
dy
(3.42)
8q_
<(x , y )
np
n p
dx
bx +
dq
Sy
dq
8x
5x +
dq
dy
by.
(3.43)
(3.44)
dq
dy
1,
(3.45)
5x + by.
(3.46)
86
(3.47)
W adnym jednak wypadku nie jest wiksza ni zwyka
suma
Sq ^
dq_
8x+ ... +
5z.
dx
dz
(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.
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
>
U [cm /g]
1 1
s/'x +y .
90
n p
np
0 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
10
6
20
13
30
19
50
29
70
38
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
(3.49)
R O Z D Z I A
95
97
(4.1)
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)
98
Oznacza to, e
= x,
np
(4.4)
gdzie
N
(4.5)
N '
X x = ^x
i= 1
i
i
= ^x
j
= x + x +...+
x;
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
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
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.
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
^ = ^
^ = 0,56.
(4.7)
(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
101
population
standard
deviation,
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
(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
. (4-11)
2 N/m.
(4.12)
(4.13)
np
np
(4.14)
(warto x) = x 8x,
np
104
5x = d- = a,//iV.
(4.15)
(4.16)
(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
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.
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
= 1221,17 m m 0 , 0 3 %
2
= 1221,20,4 m m .
(4.18)
fc = 4 7 i m / T .
(4.19)
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
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
0,691
1,44
0,752
1,50
0,834
1,59
0,901
1,65
0,950
1,69
(4.20)
sys
przyp
przyp
sys
8/c
przyp
= a- = 0,06 N/m.
(4.21)
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)
przyp
) + (S/c )
(4.25)
sys
(4.26)
przyp
przyp
sys
przyp
sys
110
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
- x ) ] = CZ(x ) ]-iVx .
i
(4.27)
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
112
R O Z D Z I A
ROZKAD NORMALNY
114
ufnoci
w wyniki
eksperymentalne.
(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
=
(5-3)
23 + 24 + 24 + 24 + 2 5 + ... + 2 8
10
10
_k
(5.4)
= N.
(5.5)
(5.6)
116
= 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
117
26,4; 23,9; 25,1; 24,6; 22,7; 23,8; 25,1; 23,9; 25,3; 25,4.
(5.9)
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
Zakres wartoci, czyli rnica pomidzy najwiksz i najmniejsz wartoci jest nazywana
118
fk
0,4
0,3
0,2
0,1
22
25
26
szeroko
przedziau A
27
28
fA
k
119
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
22
23
24
25
26
27
28
120
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
(5.10)
\f{x)dx
(5.11)
121
f{x)dx
(5.12)
+ =0
J f(x)dx
= 1.
analogi
t a
1 k
i?
funkcji f(x)
(5.13)
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
' I
(5.14)
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)
<j = |
x
(x-x) f(x)dx.
(5.16)
oo
124
125
e~*
2/2<12
(5.17)
1-^
maa warto a
\/
1
1
1
/ dua warto a
\ ^
\
s
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
1 f(x)dx
(5.19)
= l.
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)
-J> /2<T
dy.
(5.22)
e"
z 2 / 2
dz.
(5.23)
127
+ GO
j e"
z 2 / 2
d z = ^2% .
(5.24)
00
J f(x)dx
Nosili.
CO
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
x a
128
z fizyki
(PWN,
tum.']
x =
j* x / ( x ) d x .
(5.26)
CO
+ 0O
* =
fx,o(x)dx
00
i
= - =
<Ty/2ll
+00
J xe- *-* /
(
)2
(5.27)
2ff2
dx.
-00
dx = dy
oraz
129
f 00
+ 00
2a2
-^ dy
+ X J e-^
ye
- co
co
\
/2ff2
dj;).
(5.28)
/
(5.29)
t o
+ C0
2
a = J (x-x) f Jx)dx.
2
(5.30i
- CO
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
X + o-
J f (x)dx
(5.32)
Xa
= ^=/jV<*-*> /
2
2<r2
d;c.
(5.33)
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
z 2 / 2
dz.
(5.34)
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
z 2 / 2
dz.
(5.35)
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
funkcj
cak
bdu
133
, , Xjy,
z n a
x a
1 ;
( x
= ^-=Q~ ^
X ) 2 / 2 f f 2
X ) 2 l 2
, 2
' dx .
i
(ani czynnik
(5.36)
y/2n);
(5.37)
l 5
134
) 2 / 2 f f
(5.38)
e^-*> /
2ff2
(5.39)
x a
x , A
1 ' - '
n )
p x
czyli
x
P J
x
,...,x )^j^c-^- ^\
(5.40)
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)
(xt-X) /o
(5.42)
i= 1
= 0,
i=l
czyli
X = =jj'
(najlepsze przyblienie).
(5.43)
136
a =
/ ( i X)
(najlepsze przyblienie).
(5.44)
i= i
(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)
137
138
(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)
139
Xi
2CT
(5.48)
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
ocexp
-(^-xJJ2a
2
x
2
= exp[-(q-5X) /2B o- ].
9
(5.50)
140
/N
s z e r o k o a~
BX
q=Bx
X+
x + y
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)
(x+y)
exp
2(0 + 0 y).
2
z'
2_
(5.57)
| P(x + y,z)dz.
(5.58)
P(x + y) cc exp
(x+y)
2( - + - ) .
2
(5.59)
x + y = (x-X)
+ (y-Y)
(X+Y).
(5.60)
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
Y).
(5.61)
dq
dx
Cv
'
dx
144
\ 8y
i;
% = oJy/N
(5.63)
x =
(5.64)
145
x ,...,x
s pomiarami tej samej wielkoci z t sam wartoci prawdziw
X i t sam szerokoci a .
1
X+
...
+X
X.
dx
(5.65)
<7
...
= o.
x
5 x 1
<3x.
dx
l v '
NN
co chcielimy udowodni.
Wynik (5.66) osignlimy
146
N
(5.66.
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
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
(warto x) =
x2a ,
x
148
rnicy dwch pdw, ktra, jak sdzimy, jest rwna zeru) i poda wynik
w postaci
(warto x) = x + o",
np
przew
np
np
przew
przew
przew
przew
przew
10
1 0
np
p r z e w
149
^przew
t =
| X n p
przew
| , a nastpnie
X p r z e w l
(5.67)
przew
przew
(5.68)
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
-(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
x<a
152
X + t<7
J' f
(x)dx.
ff
X~ta
2 2 / 2
dz.
(5.69)
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
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
10
10
10
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
10
l5
40
10
10
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
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
R O Z D Z I A
ODRZUCANIE DANYCH
(6.1)
159
160
(6.2)
a = 0,8 s.
(6.3)
i odchylenie standardowe
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
x ,...,x
1
pod
x
_ -^pod
,-x
A
^-^T'
(6.4)
poA
pod
pod
poi
p o d
pod
162
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
pod~
58 45,8
5,1
= 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
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
164
oM
- 0:00
DOOOOO
X
1
0>O te
0 , 0 0 / ! t>5!
R O Z D Z I A
REDNIE WAONE
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
np
P (x )KJ- -^-W<
x
( 7 3 )
(x
X)2/2a
P (x )cce- -
x
(7.4)
P (x ,
X
x ) = P (x )P (x )
B
2 2
cc-^e-* ' ,
(7.5)
167
c m
kwadrat)
~ 2
OA
1
W
B = ~ 2 -
+ wx
w + w
168
(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.
O A
B / /
BJ
~T
B = ~ 2 -
Ga
( - )
168
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
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
_ (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.
Zadania
Uwaga: Gwiazdka przy zadaniu oznacza, e szkic rozwizania lub odpowied
znajduje si na kocu ksiki.
170
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.
vv
n p
n p
1/a
* -<2>r -
R O Z D Z I A
172
(8.1)
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
173
(prawdziwa warto y ) = A + Bx .
t
(8.2)
PAM*
W,
(8.3)
Gaussa (przyp.
174
e~
tum.).
^ , 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)
dv
= (-2/a )( -A-B )
yi
= 0
Xi
dv
= ( - 2 / d , ) ^ [y-A-Bx )
= 0.
(8.6)
(8.7)
AN+BY x
i
AZx
+ BZ xf
i
= Y.yi
8 8
(-)
= Y xy.
d
(8.9)
175
B =
AT(I*tt)-(I> )(I>'.-)
(8.11)
(8.12)
A=N(Y xf)-(lx f.
J
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
177
l5
c = o Y* IA
2
(8.15)
(8.16)
a = N<r /A,
B
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
_ (Pr)(ir,)-(J',)(i',i;) _
A
2 6 3 > 3 5
i
B
NiYPjTd-iZPMiy
zl
* T = ^Y(T -A-BP )
=44,6,
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
_ (Pr)(ir,)-(J',)(i',i;) _
A
2 6 3 > 3 5
i
B
NiYPjTd-iZPMiy
zl
* T = ^Y(T -A-BP )
=44,6,
180
(T = <T AY,P)/A
A
=331
= 18.
181
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)
y = y + o -\
0
gt >
y = A+Bx + Cx .
(8.20)
182
2 2
(8.21)
gdzie teraz
2 2
*
X = I
{y-A-Bx-Cx )
r
(8-22)
ff2
i - i
AN + B ^ +
A ^
AYxf
C ^ f ^ ^
+ B^f
+ C^f
+ BYx?
+ CYxf
t ty ,
(8-23)
Y* yi-
183
(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
I=I c-",
0
A l
Q = e e- ,
0
lny = ln.4-r-.Bx.
(8.26)
184
z = \nA + Bx.
(8.27)
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
Populacja N
z,- = ln JV
0
1
2
153 000
137000
128 000
11,94
11,83
11,76
185
(8.29)
ln JV = 11,93
- 1
(-1/r) = -0,089 d n i .
= 11,2 dni.
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
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)
A ^
+ B^f
+C ^ y ^ ^ u
(8.32)
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
A
i
188
(8.331
(8.34)
(8.35)
i3
Wi
y/v.
Tabela 8.4
pooenie (km)
czas(s)
0
17,6
tooo w
40,4
20&O*
67,7
3(9t5<?
~ -
90,1
189
Tabela 8.5
cinienie P, (mm Hg)
temperatura 7] (C)
79
82
85
88
90
17
30
37
52
y=
yo+v t-\gt .
Q
(8.36)
190
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
=Zy a(x ).
4
3
2
-16
0
6
2
9
4
-8
191
_ t / I
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
6q
cq_
8q_
8x +
by.
dy
8x
(9.1)
193
(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
-(x-X) /lal
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)
1
N
dq
q(x,y)+-^-(x -x)
ox
dq
_
{y -y)
dy
i
q = q(x, y).
(9.6)
1
2
dq
dx
+2
196
^-(x -x)
;
-(y -y)
;
dq 3q 1
TY
ZC^-^H^-y)-
3x dy TY
ZO^-y)
(9.7)
xy
(9-8)
.2
xy
xy
xy
(9.10)
co jest znanym nam wynikiem dla niezalenych i przypadkowych niepewnoci.
1
xy
xy
197
xy
(T
\ xy\
(9.11)
G a .
x
'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)
u
cq
oy
5x +
ex
dy
(9.13)
198
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
y
1 0 0
50
50
100
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
200
r=
(9.14)
aa
x
X(x,--x)(y,.-y)
r = -j=
Z(x - x ) X ( y - y )
(9.15)
1/2
xy
-1 <r
1.
y.-y
B(x -x).
i
JV
201
1/2
2
)B\
= 1.
(9.16)
JV
JV
^ {x,-x)(y -y)
I
xy
202
Tabela 9.1.
-ient i
:
domowa x
f^rnin y
10
90
60
45
100
15
23
52
30
71
88
90
71
65
100
45
60
75
85
100
80
: 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
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
204
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
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)
<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
xy
xy
(paragraf 9.3).
a) Udowodnij tosamo
Zx y -Nxy.
(X;-x)(y -y) =
"
f -
Y,x',-Nx'
korelacji
\ ~] 1/2
zdefiniowany
<9)
y?-iVy
207
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
209
210
P(6, 6, nie 6) =
(10.1)
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
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
/n\
\v /
n(n 1) (w v + 1)
=
l-2-v
n\
v! (n v)!'
212
(10.3)
(10.4)
{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
b (v)
np
' >y-\
v
(10.6)
f-0
(10.7)
213
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 =
^50
37,5%
25%
o
"O
oB
o
1
25%
6,25%
6,25 %
214
(10.8)
vKJv),
v= 0
v = np.
(10.9)
ffv
= V/>(i-P).
(10.10)
Wv) =W-v)
(io-ii)
rozkad dwumianowy b
215
X a
x a
np
K ()
P
X(T
fx, ( )
d l a
(10.12)
gdzie
X = np
a = y/np(l-p).
(10.13)
Sowo dyskretne
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)'].
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
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
36>1/2
(23)
(10.14)
3
36! / O
23113! 2 . '
P(23 o r y ) w /
18>3
= 3,32%.
218
Gauss
(v>X + l
= 6,7%.
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)
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
-J
220
221
b (v)
101/2
10!
/1^
1 (
v!(10-v)!V2
(10.18)
0,1%.
(10.19)
(10.20)
222
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
223
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
224
(10.21)
=/
3 6 0
,i2( )-
(10.22)
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
a)
b)
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
dla v = 0, 1,
^= Z
K ()
P
<Xv =
( V ~ V )
2
227
np{\-p).
Ki (v)
/2
n , i / 2 (
) ;
228
R O Z D Z I A
11
ROZKAD POISSONA
230
20
20
(H-l)
(11.2)
P(v)
CO
CO
. .V
v= Ivp(v)= I v e - * ^ : .
v=0
v=0
(11.3)
"
Young, Statistical
Treatment
of Experimental
and Engineers
statystyczne
i obliczeniowe
analizy
danych
przyp.
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
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.
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
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
7-(V) .
2
(11.7)
233
obliczenia
daj
fi.
(11.8)
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
x a
P,(v)*/i,,(x)
(11.10)
gdzie
X = u
oraz
a =
Pt54
(72) = e
- 6 4
-^-,
(11.11)
64
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
236
237
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
238
20
Tabela 11.1
liczba rozpadw v
krotno obserwacji
0
19
1
23
3
21
4
14
5
12
6
3
8
1
9
0
239
/Unp = v .
0
fl
n p
1
J
* 1=1
240
R O Z D Z I A
12
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)
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
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
l s
Pi
Pl
X-a
X+a
244
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
O -E
k
(12.3)
Tak wic
245
(O -E )
x = I
2
(12.5i
X ^n
2
X n
2
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.
Przedzia
x<X-a
X -<7<X<X
3
X<x<X+a
a<x
13,6
13,6
10
-3,6
16
6,4
1,6
O ~E
k
2,4
6
-0,4
247
(O -E f
k
(12.7)
4=1
f{x)
*(x-X)
>
P(a<x<b)
248
= \f(x)
dx.
k+1
wynosi
E =
N-P(a <x<a )
k+1
(12.8)
Nff(x)dx.
(12.9)
E >5.
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.
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
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
(12.11)
e s t
* - c ( -
" r )
251
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
252
c=l,
a liczba stopni swobody
d
= nl.
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)
253
(12.14)
2y>
(12.15)
f = X /d.
254
(12.16
e s t
rwna d, widzimy, e
(12.17)
= 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
P(?>~X o)
(12.18)
256
c o
podkreli
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
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
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
258
f (x).
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
13
13,4
X+l,5a
f {x)
259
d h
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
260
k=l
^k
Liczba zdarze
Numer przedziau
k
7
17
29
20
16
8
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
261
k=l
^k
262
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
263
Tabela 12.11
Liczba oczek k
Liczba zdarze O
1
20
2
46
3
35
4
45
5
42
6
52
Tabela 12.12
Wynik
Brak szstek
Jedna szstka
Dwie lub trzy szstki
Przedzia k
Liczba zdarze O
1
2
3
217
148
35
264
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
*12.10 (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
265
Tabela 12.14
Liczba
rozpadw v
Liczba
zdarze
5 lub wicej
11
12
11
266
o r a z
(\O -E \-\
poprawione y = X
k=l
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
267
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
/*,,(*) = ^ " *
_ X ) 2 / 2 f f 2
'
P{a^x^b)
lf (x)dx.
x<a
= J fx,Ax)dx
X-ta
= L=
J2%
z 2
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
= --L}e-*7Mz.
\/2n
X+a
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
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
E(^-^)(yj-y)
2
1 / 2
274
P (\r\>K\)=
N
1 ) / 2 ]
"W
Jn
r[(JV-2)/2] irj
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
(O -E )
2 > > 1
276
e s t
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
00
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).
279
ODPOWIEDZI DO WYBRANYCH
ZADA
Rozdzia 2
2.2
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
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
3.4 (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
3.11 (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
283
Rozdzia 4
4.1
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
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
Rysunek 05.12
285
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
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
287
8.4
8.6
8.8
-(N
3)|-
__
2 ^
Rozdzia 9
9.1
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
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
a = (v-v) = X/(v)(v-v) =
2
/(v)(v -2vv
2
+ v )
= CL/(v)v ]-2vX/(v)v +v /( ) =7 - v .
2
289
=X("jpV
- Wykonujc dwukrotne
n(n-l)(p
+ qT-
v 2
Zv(v-l)(^jp - q -\
n(n-l)p
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
Xve-^ /v! = 1.
11.4
290
11.5
oczekiwany
rozkad Poissona P3(v)
10 v
R y s u n e k O l 1.5
11.7
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
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
10
SKOROWIDZ
(przygotowa Adam Babiski)
fx.A )
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
293
te rozkad nor
294
metoda
najmniejszych
, 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
295
296
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
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?.
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)
1 (
(s. 197)
Cr,.
Y(x,x)(y y)
LEfa-*) !(>,->) J '
i
(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).
(s. 231)
(dla wielu-eksperymentw).
(s. 232)
vV-
(s- 234)
X =
(O -E f/E
k
(s. 248)
(s. 254)
X = X /d,