Berücksichtigung der Messunsicherheit bei Vergleichsmessungen am Beispiel von Wärmezählern
|
|
- Mathias Holtzer
- vor 5 Jahren
- Abrufe
Transkript
1 Berücksichtigung der Messunsicherheit bei Vergleichsmessungen am Beispiel von Wärmezählern Moritz Leopoldo Córdova Murillo Physikalisch- Technische Bundesanstalt Fachbereich 7.6 "Wärme" 260. PTB - Seminar Berechnung der Messunsicherheit - Empfehlungen für die Praxis
2 Einführung Auszug ISO IEC 17043:2010 Vergleichsmessung: Vergleich zwischen den Messergebnissen verschiedener Messeinrichtungen Es gibt hauptsächlich zwei Anwendungsfälle: Eignungsprüfung Laborergebnisse in Frage gestellt Bewertung des Labors Überwachung der Leistungsfähigkeit Erkennung von Diskrepanzen Validierung der Messunsicherheitsanforderungen Versuchszwecke Untersuchungsobjekt wird definiert Bewertung des Ergebnisses Messverfahren Leistungsbewertung Zuweisung von Referenzwerten Internationale Ringvergleiche
3 Einführung Vergleichsmessungen Auswertungsmethoden und Beurteilung Berechnungsbeispiel Exkursus Wärmemengenmessung Rückführung Masse Zeit Temperatur Fluideigenschaften EuroHeat&Power 39. Jg2010, Heft 1-2
4 Vergleichsmessungen 1 Definition der Rahmenbedingungen die Messgröße die Auswertemethode 2 Charakterisierung des Artefaktes 3 Durchführung der Messungen 4 Auswertung 5 Beurteilung
5 Definition der Messgröße Beispiel Temperatur. CIPM CCT K7 Definition: Wasser Tripelpunkt Temperatur Zwei Interpretationen 1 Water with "natural composition" 2 Isotopic composition of ocean water Es ergab sich eine systematische Differenz von +86µK ± 10µK *F. Pavese Metrologia 44(2007)
6 Definition der Messgröße Beispiel Durchfluss CCM FF K1 Definition: (Kalt) Wasserzähler K-Faktor Zwei Interpretationen Dimensionslose Zahl definiert (z.b. Reynoldszahl). Große Variationen der Temperatur und des Durchflusses. Re = v d ν Es wurden verschiedene Messgrößen untersucht. Dies führte zu einer umständlichen Datenauswertung.
7 Definition der Messgröße Die Definition der Messgröße muss ausreichend detailliert werden (siehe z.b. A C Baratto Metrologia 45 (2008) ) Charakterisierung des Artefaktes (Siehe auch DIN ISO 13528: /Anhang B) Die Charakterisierung orientiert sich an dem Anwendungsmessbereich und an die Genauigkeitsanforderungen. Faktoren zu berücksichtigen bei der Wärmemengenmessung Stabilität des Gerätes Medienbedingungen Einbaubedingungen U = 0, 1 (k = 2)
8 für präsentation.xls / Mittel Zähler Messergebnisse Relative Messabweichung % 1,5 1,0 0,5 0,0-0,5-1,0-1,5 K-Faktor Durchfluß l/h 0,6 0,5 0,4 0,3 0,2 0,1 0 PS8 PS7 PS6 PS5 PS4 PS3 PS2 PS1 Lab y u (k=1) ps1 0,06 0,152 ps2 0,04 0,150 ps3 0,41 0,157 ps4 0,04 0,150 ps5 0,17 0,155 ps6 0,06 0,157 ps7 0,00 0,155 ps8-0,05 0,151-0,1-0,2 ps1 ps2 ps3 ps4 ps5 ps6 ps7 ps8 Labor
9 Auswertung Zwei Möglichkeiten Externe Definition der Referenzwerte Die Messergebnisse werden Getestet Eine Bewertung der teilnehmenden Labore ist das Ziel. Die Referenzwerte werden vom Anbieter des Versuchs VOR den Messungen festgelegt. Interne Definition der Referenzwerte Der Referenzwert wird Statistisch definiert Eine Bewertung der teilnehmenden Labore und des Gesamtversuches ist das Ziel. Die Referenzwerte werden NACH den Messungen durch statistische Verfahren geschätzt.
10 Auswertung Extern zugewiesene Referenzwerte ŷ = 0, 05% σ = 0, 15% Es erfolgt keine zusätzliche Berechnung. Die Auswertung und Beurteilung erfolgen direkt über: d i = y i ŷ σ Lab y u (k=1) d ps1 0,06 0,152 0,22 ps2 0,04 0,150 0,32 ps3 0,41 0,157 2,13 ps4 0,04 0,150 0,31 ps5 0,17 0,155 0,54 ps6 0,06 0,157 0,19 ps7 0,00 0,155 0,58 ps8-0,05 0,151 0,90
11 Auswertung Schätzung des Referenzwertes nach Nielsen Technical Report DFM-99-R39 E(y) = Xa y 1 u 2 (y 1 ) u(y 1, y 2 )... u(y 1, y n ) y 2 y =., Σ = V (y) = u(y 2, y 1 ) u 2 (y 2 )... u(y 2, y n ) y n u(y n, y 1 ) u(y n, y 2 )... u 2 (y n ) Die Kovarianzmatrix ergibt sich aus: Σ = V (y) = Σ meas + Σ obj
12 Auswertung Nach Nielsen Technical Report DFM-99-R39 Die Näherung von a mittels kleinsten Quadraten ist die Lösung der Gleichung: ϕ(â) = (y Xâ) T Σ 1 (y Xâ) = min V (â) = (X T Σ 1 X) 1 â = V (â)x T Σ 1 y ŷ = Xâ
13 Auswertung Nach Nielsen Technical Report DFM-99-R39 Für den Speziellen Fall: 1 Stabilen Transfernormal, und keine Korrelation zwischen Teilnehmern E(y 1 ) 1 E(y 2 ). = 1. a E(y n ) 1 lautet die Lösung ŷ = â (mit m=1 Parameter): n y i â = u 2 i=1 i n 1 u 2 (â 1 ) = 1 n 1 i=1 u 2 i u 2 i=1 i
14 Beurteilung d i = y i ŷ σ σ kann verschiedene Werte annehmen abhängig von der Korrelation zwischen y i und ŷ Es gibt keine Korrelation σ 2 = u 2 i + u 2 (ŷ) Der Referenzwert ist mit den einzelnen Werten korreliert : σ 2 = u 2 i u 2 (ŷ)
15 Beurteilung Lokale und globale Tests Vorausgesetzt die Messergebnisse der Teilnehmer sind normalverteilt mit Erwartungswert= Xa und Kovarianzmatrix Σ erfolgt die Beurteilung des Versuches auf zwei Ebenen: Lokaler Test: d i 2 Werte die außerhalb dieses Bereichs liegen gelten als Ausreißer mit Signifikanzniveau=5 %. Globaler Test: Chi-Quadrat-Test P {χ 2 (ν) > χ 2 obs } < α χ 2 obs = (y ^y)t Σ 1 (y ^y) ν = n m E(χ 2 ) = ν = n m z.b. α = 5% Wenn die Kondition nicht gegeben ist, ist die Äquivalenz mit einer Signifikanz von α abzulehnen. Excel: P { χ 2 (ν) > χ 2 obs} = CHIVERT (χ 2 obs ; ν)
16 Beispiel Auswertung mit allen Teilnehmern ŷ = 0, 89% σ = 0, 054% χ 2 obs = 5, 8 < 7 Lab y u (k=1) d ps1 0,06 0,152 0,2 ps2 0,04 0,150 0,3 ps3 0,41 0,157 2,2 >2 ps4 0,04 0,150 0,3 ps5 0,17 0,155 0,6 ps6 0,06 0,157 0,2 ps7 0,00 0,155 0,6 ps8-0,05 0,151 1,0 K-Faktor 0,6 0,5 0,4 0,3 0,2 0,1 0-0,1-0,2 ps1 ps2 ps3 ps4 ps5 ps6 ps7 ps8 Labor
17 Beispiel Lab ps3 ausgenommen ŷ = 0, 05% σ = 0, 058% χ 2 obs = 1, 1 < 6 Lab y u (k=1) d ps1 0,06 0,152 0,1 ps2 0,04 0,150 0,0 ps3 0,41 0,157 2,5 ps4 0,04 0,150 0,0 ps5 0,17 0,155 0,9 ps6 0,06 0,157 0,1 ps7 0,00 0,155 0,3 ps8-0,05 0,151 0,7 K-Faktor 0,6 0,5 0,4 0,3 0,2 0,1 0-0,1-0,2 ps1 ps2 ps3 ps4 ps5 ps6 ps7 ps8 Labor
1 Grundbegriffe der Messtechnik 1
1 Grundbegriffe der Messtechnik 1 1.1 Definitionen 1 1.2 Art des Messens 3 1.3 Messsysteme 4 1.4 Messverfahren 6 1.4.1 Messmethoden 6 1.4.2 Messeffekt 8 1.5 Funktionselemente von Messeinrichtungen 9 1.6
MehrAbschlussbericht zum DKD Ringvergleich Optische Strahlungsleistung in der optischen Nachrichtentechnik
DKD Ringvergleich: Optische Strahlungsleistung 1/5 Abschlussbericht zum DKD Ringvergleich Optische Strahlungsleistung in der optischen Nachrichtentechnik DKD Ringvergleich: Optische Strahlungsleistung
MehrRingvergleich Anstiegszeit im DKD
Ringvergleich Anstiegszeit im DKD 303. PTB-Seminar Kai Baaske, AG 2.21 Motivation und Organisation Dauer, Teilnehmer Artefakte, Messgrößen Auswertungsmethoden Auswertung Stabilität der Messwerte Ergebnisse
MehrMultivariate Verfahren
Selbstkontrollarbeit 1 Multivariate Verfahren Musterlösung Aufgabe 1 (40 Punkte) Auf der dem Kurs beigelegten CD finden Sie im Unterverzeichnis Daten/Excel/ die Datei zahlen.xlsx. Alternativ können Sie
MehrMessunsicherheitsanalyse für Temperatur- Blockkalibratoren
Messunsicherheitsanalyse für Temperatur- Blockkalibratoren S. Rudtsch Berechnung der Messunsicherheit Empfehlungen für die Praxis 93. PTB-Seminar, Berlin 17.3.16 Anwendung von Temperatur-Blockkalibratoren
MehrStatistische Methoden
Modeling of Data / Maximum Likelyhood methods Institut für Experimentelle und Angewandte Physik Christian-Albrechts-Universität zu Kiel 22.05.2006 Datenmodellierung Messung vs Modell Optimierungsproblem:
MehrBerechnung der Messunsicherheit Empfehlungen für die Praxis
308. PTB-Seminar Berechnung der Messunsicherheit Empfehlungen für die Praxis 15. und 16. März 2018 in der PTB Berlin Dr.-Ing. Michael Hernla Erweiterte Messunsicherheit bei nicht korrigierten systematischen
MehrStatistische Auswertung von Ringversuchen
Statistische Auswertung von Ringversuchen Roesebeckstr. 4-6 30449 Hannover Tel. 0511/4505-0 Fax 0511/4505-140 mehr als nur erfolgreich oder nicht erfolgreich Lüchtenburger Weg 24 26603 Aurich Tel. 04941/9171-0
MehrVermessungskunde für Bauingenieure und Geodäten
Vermessungskunde für Bauingenieure und Geodäten Übung 5: statistische Auswertung gleichgenauer Messungen Milo Hirsch Hendrik Hellmers Florian Schill Institut für Geodäsie Fachbereich 3 Inhaltsverzeichnis
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler 1 Inhalt der heutigen Vorlesung Statistik und Wahrscheinlichkeitsrechnung Zusammenfassung der vorherigen Vorlesung Übersicht über Schätzung und
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
Mehr1 Messfehler. 1.1 Systematischer Fehler. 1.2 Statistische Fehler
1 Messfehler Jede Messung ist ungenau, hat einen Fehler. Wenn Sie zum Beispiel die Schwingungsdauer eines Pendels messen, werden Sie - trotz gleicher experimenteller Anordnungen - unterschiedliche Messwerte
MehrMultivariate Verfahren
Selbstkontrollarbeit 1 Multivariate Verfahren Diese Selbstkontrollarbeit bezieht sich auf die Kapitel 1 bis 4 der Kurseinheit 1 (Multivariate Statistik) des Kurses Multivariate Verfahren (883). Hinweise:
MehrMusteraufgaben zur Klausurvorbereitung für Messdatenauswertung und Messunsicherheit (MDA)
Musteraufgaben zur Klausurvorbereitung für Messdatenauswertung und Messunsicherheit (MDA) Modulverantwortlicher: Prof. Dr.-Ing. R. Tutsch iprom, TU Braunschweig WS 207/8 Der Vorlesungsstoff lässt sich
MehrDatenanalyse. (PHY231) Herbstsemester Olaf Steinkamp
Datenanalyse PHY31 Herbstsemester 016 Olaf Steinkamp 36-J- olafs@physik.uzh.ch 044 63 55763 Vorlesungsprogramm Einführung, Messunsicherheiten, Darstellung von Messdaten Grundbegriffe der Wahrscheinlichkeitsrechnung
MehrMessmittelfähigkeitsanalyse Messen wir richtig?!
Messmittelfähigkeitsanalyse Messen wir richtig?! KEYENCE Deutschland GmbH Marcel Gross Digitale Messprojektoren Messung QUALITÄTSSICHERUNG HEUTE Wozu eine Messmittelfähigkeitsanalyse bei der Smiley GmbH?
MehrMathematische und statistische Methoden II
Statistik & Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte
Mehr2. Lösung weitere Übungsaufgaben Statistik II WiSe 2016/2017
. Lösung weitere Übungsaufgaben Statistik II WiSe 016/017 1. Aufgabe: Bei der Produktion eines Werkstückes wurde die Bearbeitungszeit untersucht. Für die als normalverteilt angesehene zufällige Bearbeitungszeit
MehrMessmittelfähigkeitsanalyse Messen wir richtig?!
Messmittelfähigkeitsanalyse Messen wir richtig?! KEYENCE Deutschland GmbH Marcel Gross Digitale Messprojektoren Messung QUALITÄTSSICHERUNG HEUTE Wozu eine Messmittelfähigkeitsanalyse bei der Smiley GmbH?
Mehr7.1 Korrelationsanalyse. Statistik. Kovarianz. Pearson-Korrelation. Institut für angewandte Statistik & EDV Universität für Bodenkultur Wien
Statistik 7.1 Korrelationsanalyse Institut für angewandte Statistik & EDV Universität für Bodenkultur Wien Sommersemester 2012 7 Regressions- und Korrelationsanalyse Kovarianz Pearson-Korrelation Der (lineare)
MehrKapitel 7. Regression und Korrelation. 7.1 Das Regressionsproblem
Kapitel 7 Regression und Korrelation Ein Regressionsproblem behandelt die Verteilung einer Variablen, wenn mindestens eine andere gewisse Werte in nicht zufälliger Art annimmt. Ein Korrelationsproblem
MehrDie Stochastischen Eigenschaften von OLS
Die Stochastischen Eigenschaften von OLS Das Bivariate Modell Thushyanthan Baskaran thushyanthan.baskaran@awi.uni-heidelberg.de Alfred Weber Institut Ruprecht Karls Universität Heidelberg Wiederholung
MehrMessunsicherheitsabschätzung nach DIN ISO 11352
Messunsicherheitsabschätzung nach DIN ISO 11352 Dr.-Ing. Michael Koch Institut für Siedlungswasserbau, Wassergüte und Abfallwirtschaft der Universität Stuttgart Arbeitsbereich Hydrochemie und Analytische
Mehr4. Lösung weitere Übungsaufgaben Statistik II WiSe 2016/2017
4. Lösung weitere Übungsaufgaben Statistik II WiSe 016/017 1. Aufgabe: Eine sächsische Molkerei füllt Milch in Tetrapacks ab. Es wird vermutet, dass die Füllmenge normalverteilt ist mit einem Erwartungswert
Mehr2. Formulieren von Hypothesen. Nullhypothese: H 0 : µ = 0 Gerät exakt geeicht
43 Signifikanztests Beispiel zum Gauß-Test Bei einer Serienfertigung eines bestimmten Typs von Messgeräten werden vor der Auslieferung eines jeden Gerätes 10 Kontrollmessungen durchgeführt um festzustellen,
MehrFachgespräch Emissionsüberwachung Merkblatt
Merkblatt zur Kalibrierung von automatischen Messeinrichtungen für Stickoxide (NO x ) und Kohlenmonoxid (CO) nach EN 14181 Die DIN EN 14181 Qualitätssicherung für automatische Messeinrichtungen fordert
Mehr277. PTB Seminar Berechnung der Messunsicherheit Empfehlungen für die Praxis
277. PTB Seminar Berechnung der Messunsicherheit Empfehlungen für die Praxis Eignungsprüfungen zur Validierung von Messunsicherheitsmodellen Berlin 12. März 2014 Dipl.-Ing. Christian Weißmüller, IfEP GmbH
MehrMusteraufgaben zur Klausurvorbereitung für Messdatenauswertung und Messunsicherheit (MDA)
Musteraufgaben zur Klausurvorbereitung für Messdatenauswertung und Messunsicherheit (MDA) Modulverantwortlicher: Prof. Dr.-Ing. R. Tutsch iprom, TU Braunschweig WS 207/8 Der Vorlesungsstoff lässt sich
MehrMesswerte unsicher genau richtig!
Für Mensch & Umwelt Luftschadstoffe: 1 Jahr Messungen in Flörsheim Messwerte unsicher genau richtig! Dr. Klaus Wirtz Fachgebiet II 4.4/ Experimentelle Untersuchungen zur Luftgüte Umweltbundesamt Paul-Ehrlich
MehrMusterlösung. Modulklausur Multivariate Verfahren
Musterlösung Modulklausur 31821 Multivariate Verfahren 25. September 2015 Aufgabe 1 (15 Punkte) Kennzeichnen Sie die folgenden Aussagen zur Regressionsanalyse mit R für richtig oder F für falsch. F Wenn
MehrMathematische und statistische Methoden II
Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-06) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike
MehrMessunsicherheit und Fehlerrechnung
Messunsicherheit und Fehlerrechnung p. 1/25 Messunsicherheit und Fehlerrechnung Kurzeinführung Peter Riegler p.riegler@fh-wolfenbuettel.de Fachhochschule Braunschweig/Wolfenbüttel Messunsicherheit und
MehrAktuelle Untersuchungen zum Messverhalten von Flüssigkeitsmessgeräten
Aktuelle Untersuchungen zum Messverhalten von Flüssigkeitsmessgeräten Enrico Frahm Gudrun Wendt Physikalisch-Technische Bundesanstalt Braunschweig Fachbereich Flüssigkeiten 1. Internationale EMATEM-Sommerschule
MehrAkkreditierung von. Ringversuchsanbietern. BUA Workshop Akkreditierung und Ringversuche September Dr. Christian Lehmann DAP GmbH, Berlin
Akkreditierung von Ringversuchsanbietern BUA Workshop Akkreditierung und Ringversuche September 2009 Dr. Christian Lehmann DAP GmbH, Berlin Inhalt Bedeutung Internationale Situation Grundlagen und Ausblick
Mehr5. Seminar Statistik
Sandra Schlick Seite 1 5. Seminar 5. Seminar Statistik 30 Kurztest 4 45 Testen von Hypothesen inkl. Übungen 45 Test- und Prüfverfahren inkl. Übungen 45 Repetitorium und Prüfungsvorbereitung 15 Kursevaluation
MehrÜbung V Lineares Regressionsmodell
Universität Ulm 89069 Ulm Germany Dipl.-WiWi Michael Alpert Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Sommersemester 2007 Übung
MehrMessunsicherheit, Gerätevergleich & Co - einfach umgesetzt mittels QC-Datenmanagement
Messunsicherheit, Gerätevergleich & Co - einfach umgesetzt mittels QC-Datenmanagement 1 Nürnberg, Köln, Hamburg, 2018 Wolfgang Riedl, Bio-Rad Laboratories Unity Real Time 2.0 & ISO 15189 Anforderungen
Mehr1 Beispiel zur Methode der kleinsten Quadrate
1 Beispiel zur Methode der kleinsten Quadrate 1.1 Daten des Beispiels t x y x*y x 2 ŷ ˆɛ ˆɛ 2 1 1 3 3 1 2 1 1 2 2 3 6 4 3.5-0.5 0.25 3 3 4 12 9 5-1 1 4 4 6 24 16 6.5-0.5 0.25 5 5 9 45 25 8 1 1 Σ 15 25
MehrDie Familie der χ 2 (n)-verteilungen
Die Familie der χ (n)-verteilungen Sind Z 1,..., Z m für m 1 unabhängig identisch standardnormalverteilte Zufallsvariablen, so genügt die Summe der quadrierten Zufallsvariablen χ := m Z i = Z 1 +... +
MehrDie Familie der χ 2 (n)-verteilungen
Die Familie der χ (n)-verteilungen Sind Z 1,..., Z m für m 1 unabhängig identisch standardnormalverteilte Zufallsvariablen, so genügt die Summe der quadrierten Zufallsvariablen χ := m Z i = Z 1 +... +
MehrWahrscheinlichkeit und Statistik BSc D-INFK
Prof. Dr. P. Bühlmann ETH Zürich Sommer 2010 Wahrscheinlichkeit und Statistik BSc D-INFK 1. (10 Punkte) Bei den folgenden 10 Fragen ist jeweils genau eine Antwort richtig. Es gibt pro richtig beantwortete
MehrMethoden zur Bewertung von Vergleichsmessungen
Methoden zur Bewertung von Vergleichsmessungen D-K-15186-01 Olaf Schnelle-Werner, Nadine Schiering, G. Wübbeler (PTB) Zentrum für Messen und Kalibrieren & ANALYTIK GmbH Bitterfeld-Wolfen Seite 1 Agenda
MehrCHEMISCHES RECHNEN II ANALYT. CHEM. FÜR FORTGS
Arbeitsunterlagen zu den VU CHEMISCHES RECHNEN II - 771.119 Einheit 5 ANALYT. CHEM. FÜR FORTGS. - 771.314 Einheit 4 ao. Prof. Dr. Thomas Prohaska (Auflage Mai 2005) Einführung in die Metrology in Chemistry
MehrRegression und Korrelation
Kapitel 7 Regression und Korrelation Ein Regressionsproblem behandeltdie VerteilungeinerVariablen, wenn mindestens eine andere gewisse Werte in nicht zufälliger Art annimmt. Ein Korrelationsproblem dagegen
Mehr5. Spezielle stetige Verteilungen
5. Spezielle stetige Verteilungen 5.1 Stetige Gleichverteilung Eine Zufallsvariable X folgt einer stetigen Gleichverteilung mit den Parametern a und b, wenn für die Dichtefunktion von X gilt: f x = 1 für
MehrAlternative Darstellung des 2-Stcihprobentests für Anteile
Alternative Darstellung des -Stcihprobentests für Anteile DCF CF Total n 111 11 3 Response 43 6 69 Resp. Rate 0,387 0,3 0,309 Bei Gültigkeit der Nullhypothese Beobachtete Response No Response Total absolut
MehrKlausur zur Vorlesung Analyse mehrdimensionaler Daten, Lösungen WS 2010/2011; 6 Kreditpunkte, 90 min
Klausur, Analyse mehrdimensionaler Daten, WS 2010/2011, 6 Kreditpunkte, 90 min 1 Prof. Dr. Fred Böker 21.02.2011 Klausur zur Vorlesung Analyse mehrdimensionaler Daten, Lösungen WS 2010/2011; 6 Kreditpunkte,
MehrI.V. Methoden 4: Regressionsund Pfadanalyse WiSe 02/03
I.V. Methoden 4: Regressionsund Pfadanalyse WiSe 02/03 Vorlesung: 12.11.2002 He uses statistics as a drunken man use lampposts - for support rather than for illumination. Andrew Lang Dr. Wolfgang Langer
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
MehrÜbung zur Vorlesung Statistik I WS Übungsblatt 12
Übung zur Vorlesung Statistik I WS 2013-2014 Übungsblatt 12 20. Januar 2014 Die folgenden ufgaben sind aus ehemaligen Klausuren! ufgabe 38.1 (1 Punkt: In einer Studie werden 10 Patienten therapiert. Die
MehrWichtige Definitionen und Aussagen
Wichtige Definitionen und Aussagen Zufallsexperiment, Ergebnis, Ereignis: Unter einem Zufallsexperiment verstehen wir einen Vorgang, dessen Ausgänge sich nicht vorhersagen lassen Die möglichen Ausgänge
Mehr10. Medizinische Statistik
10. Medizinische Statistik Projektplanung Deskriptive Statistik Inferenz-Statistik Literatur: Hüsler, J. und Zimmermann, H.: Statistische Prinzipien für medizinische Projekte, Verlag Hans Huber, 1993.
Mehr28. Lineare Approximation und Differentiale
28. Lineare Approximation und Differentiale Sei y = f(x) differenzierbar. Die Gleichung der Tangente t im Punkt x 0 lautet t : y f(x 0 ) = f (x 0 )(x x 0 ) Für x nahe bei x 0 können wir f(x) durch den
MehrWahrscheinlichkeitsrechnung und Statistik
10. Vorlesung - 017 Quantil der Ordnung α für die Verteilung des beobachteten Merkmals X ist der Wert z α R für welchen gilt z 1 heißt Median. P(X < z α ) α P(X z α ). Falls X stetige zufällige Variable
MehrPhysikalisch- Technische Bundesanstalt
Physikalisch- Technische Bundesanstalt Vergleichsbericht DKD-V 02.03 Nationaler Ringvergleich HF-Dämpfung in den Konnektorsystemen N und 3,5 mm bis 26,5 GHz Ausgabe 05/2016 Seite: 2 / 34 Deutscher Kalibrierdienst
MehrKonzepte der Statistik für die Messdatenanalyse
Konzepte der Statistik für die Messdatenanalyse Modelle Beispiel: optische Abbildung im Fernfeld (Fraunhoferbeugung) indirekte Messgröße: Abstand der beiden Spalte D Modell inverses Problem direkte Messgrößen:
MehrPolynomiale Regression lässt sich mittels einer Transformation der Merkmale auf multiple lineare Regression zurückführen
Rückblick Polynomiale Regression lässt sich mittels einer Transformation der Merkmale auf multiple lineare Regression zurückführen Ridge Regression vermeidet Überanpassung, indem einfachere Modelle mit
MehrMessunsicherheit von Koordinatenmessungen Abschätzung der aufgabenspezifischen Messunsicherheit mit Hilfe von Berechnungstabellen
Lometec GmbH & Co.KG Herbert-Wehner Str.2 An alle Interessierten Unser Zeichen: We Ansprechpartner : J. Werkmeister Fon: 02307-28736-75 Datum 22.01.2013 Fachseminar am 22. und 23.April 2013 hier in Kamen
MehrRückführbarkeit & Interpretation von Kalibrierergebnissen Inhalte, Zusammenhänge & Konformität. Testo Industrial Services
Rückführbarkeit & Interpretation von Kalibrierergebnissen Inhalte, Zusammenhänge & Konformität Testo Industrial Services - 2015 Arnt König 1 Agenda 1 Das Kalibrierzertifikat - Musterdokument der Testo
MehrRückführbarkeit & Interpretation von Kalibrierergebnissen Inhalte, Zusammenhänge & Konformität
Rückführbarkeit & Interpretation von Kalibrierergebnissen Inhalte, Zusammenhänge & Konformität Testo Industrial Services - 2016 Arnt König 1 Agenda 1 Das Kalibrierzertifikat - Musterdokument der Testo
MehrEinfaktorielle Varianzanalyse
Kapitel 16 Einfaktorielle Varianzanalyse Im Zweistichprobenproblem vergleichen wir zwei Verfahren miteinander. Nun wollen wir mehr als zwei Verfahren betrachten, wobei wir unverbunden vorgehen. Beispiel
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung 11. Vorlesung Jochen Köhler 10.05.011 1 Inhalt der heutigen Vorlesung Zusammenfassung Parameterschätzung Übersicht über Schätzung und Modellbildung Modellevaluation
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun http://blog.ruediger-braun.net Heinrich-Heine-Universität Düsseldorf 21. Januar 2015 1 t-tests für Erwartungswerte Verbundene und unverbundene Stichproben
MehrMesstechnische Grundlagen und Fehlerbetrachtung. (inkl. Fehlerrechnung)
Messtechnische Grundlagen und Fehlerbetrachtung (inkl. Fehlerrechnung) Länge Masse Zeit Elektrische Stromstärke Thermodynamische Temperatur Lichtstärke Stoffmenge Basisgrößen des SI-Systems Meter (m) Kilogramm
MehrZUM UMGANG MIT MESSUNSICHERHEITEN IM PHYSIKUNTERRICHT. 25. Oktober Didaktik der Physik Julia Glomski und Burkhard Priemer
ZUM UMGANG MIT MESSUNSICHERHEITEN IM PHYSIKUNTERRICHT 25. Oktober 2010 und Burkhard Priemer Was sind Messfehler? Was ist Fehlerrechnung? Warum misst man etwas? Wann ist eine Messung gut gelaufen? 2 4 Dimensionen
MehrKlima-Verteilungsmessung
Datum: Uhrzeit: von von 26.11.2012 bis 27.11.2012 12:06 Uhr bis 12:06 Uhr Dauer: Dokumenten-Nr.: 24 h 00 min Seite 1 von 5 2012 11 2239 Informationen zum Gerät: Geräteart: Gerätetyp: Gerätenummer: Interne
MehrMessunsicherheit nach GUM* Praxisgerecht für chemische Laboratorien
Messunsicherheit nach GUM* Praxisgerecht für chemische Laboratorien *) Guide to the Expression of Uncertainty in Measurement - F 1 Einführung und Motivation Gliederung: 1. Notwendigkeit und Nutzen der
MehrStatistik. R. Frühwirth. Statistik. VO Februar R. Frühwirth Statistik 1/536
fru@hephy.oeaw.ac.at VO 142.090 http://tinyurl.com/tu142090 Februar 2010 1/536 Übersicht über die Vorlesung Teil 1: Deskriptive Teil 2: Wahrscheinlichkeitsrechnung Teil 3: Zufallsvariable Teil 4: Parameterschätzung
Mehr73 Hypothesentests Motivation Parametertest am Beispiel eines Münzexperiments
73 Hypothesentests 73.1 Motivation Bei Hypothesentests will man eine gewisse Annahme über eine Zufallsvariable darauf hin überprüfen, ob sie korrekt ist. Beispiele: ( Ist eine Münze fair p = 1 )? 2 Sind
MehrMetrologie = Wissenschaft vom Messen. Messunsicherheit von Analysenergebnissen. VU Chemisch Rechnen
Metrologie = Wissenschaft vom Messen Messunsicherheit von Analysenergebnissen Wer mißt, mißt Mist!! Metrologie Meteorologie Kräht der Hahn am Mist, Ändert sich das Wetter oder es bleibt, wie es ist!! Inhalt
MehrStatistik I für Betriebswirte Vorlesung 14
Statistik I für Betriebswirte Vorlesung 14 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 11. Juli 016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
MehrEinleitung. I. GENAUIGKEIT Methode
Genauigkeit und Präzision des Accu-Chek Aviva Systems Einleitung Die Genauigkeit des Systems wurde gemäß der Norm ISO 15197:2003 untersucht. In einer externen Diabetesklinik wurde Diabetikern kapillares
Mehr4.1. Verteilungsannahmen des Fehlers. 4. Statistik im multiplen Regressionsmodell Verteilungsannahmen des Fehlers
4. Statistik im multiplen Regressionsmodell In diesem Kapitel wird im Abschnitt 4.1 zusätzlich zu den schon bekannten Standardannahmen noch die Annahme von normalverteilten Residuen hinzugefügt. Auf Basis
MehrStatistische Methoden
Statistische Methoden Henning Gast (RWTH Aachen University) Grundpraktikum Physik, Oktober 2014 Henning Gast (RWTH Aachen University) Statistik 1 Inhalt 1 Wahrscheinlichkeit Grundbegriffe der Wahrscheinlichkeitsrechnung
MehrEvaluation & Forschungsstrategien. B.Sc.-Seminar. Sitzung IV: Konfidenzintervalle // Normalverteilungstests
Evaluation & Forschungsstrategien B.Sc.-Seminar Sitzung V: Konfidenzintervalle // Normalverteilungstests Seminarinhalte Sitzung V: 16.05.2018 Konfidenzintervalle bei bekannter Varianz Konfidenzintervalle
MehrStatistik - Fehlerrechnung - Auswertung von Messungen
Statistik - Fehlerrechnung - Auswertung von Messungen TEIL II Vorbereitungskurs F-Praktikum B (Physik), RWTH Aachen Thomas Hebbeker Eindimensionaler Fall: Parameterbestimmung - Beispiele [Übung] Mehrdimensionaler
MehrPhysikalisch- Technische Bundesanstalt
Physikalisch- Technische Bundesanstalt Richtlinie DKD-R 4-3 Blatt 9.1 Ausgabe 09/2018 Seite: 2/5 Deutscher Kalibrierdienst (DKD) Im DKD sind Kalibrierlaboratorien von Industrieunternehmen, Forschungsinstituten,
MehrStatistische Messdatenauswertung
Roland Looser Statistische Messdatenauswertung Praktische Einführung in die Auswertung von Messdaten mit Excel und spezifischer Statistik-Software für naturwissenschaftlich und technisch orientierte Anwender
MehrRingversuch: Temperaturleitfähigkeit im Tief- und Hochtemperaturbereich. Erhard Kaschnitz Österreichisches Gießerei-Institut Leoben
Ringversuch: Temperaturleitfähigkeit im Tief- und Hochtemperaturbereich Erhard Kaschnitz Österreichisches Gießerei-Institut Leoben Ringversuch mit einer einzigen Probe, die von Teilnehmer zu Teilnehmer
MehrVarianzvergleiche bei normalverteilten Zufallsvariablen
9 Mittelwert- und Varianzvergleiche Varianzvergleiche bei zwei unabhängigen Stichproben 9.3 Varianzvergleiche bei normalverteilten Zufallsvariablen Nächste Anwendung: Vergleich der Varianzen σa 2 und σ2
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften Korrelationsanalysen Kreuztabellen und χ²-test Themen Korrelation oder Lineare Regression? Korrelationsanalysen - Pearson, Spearman-Rang, Kendall s Tau
Mehr4.1 Stichproben, Verteilungen und Schätzwerte. N(t) = N 0 e λt, (4.1)
Kapitel 4 Stichproben und Schätzungen 4.1 Stichproben, Verteilungen und Schätzwerte Eine physikalische Messung ist eine endliche Stichprobe aus einer Grundgesamtheit, die endlich oder unendlich sein kann.
MehrKlausur zu Statistik II
GOETHE-UNIVERSITÄT FRANKFURT FB Wirtschaftswissenschaften Statistik und Methoden der Ökonometrie Prof. Dr. Uwe Hassler Wintersemester 03/04 Klausur zu Statistik II Matrikelnummer: Hinweise Hilfsmittel
MehrLösung Übungsblatt 5
Lösung Übungsblatt 5 5. Januar 05 Aufgabe. Die sogenannte Halb-Normalverteilung spielt eine wichtige Rolle bei der statistischen Analyse von Ineffizienzen von Produktionseinheiten. In Abhängigkeit von
MehrZusammenfassung 11. Sara dos Reis.
Zusammenfassung 11 Sara dos Reis sdosreis@student.ethz.ch Diese Zusammenfassungen wollen nicht ein Ersatz des Skriptes oder der Slides sein, sie sind nur eine Sammlung von Hinweise zur Theorie, die benötigt
Mehr2. Grundbegriffe. Literatur. Skript D. Huhnke S emg GEM. emg GEM
. Grundbegriffe Literatur Skript D. Huhnke S. 10-1 Messung Messwert: Wert, der zur Messgröße gehört und der Ausgabe eines Messgerätes eindeutig zugeordnet ist. Messvoraussetzungen Die Messung soll sein
MehrMSP Musterlösung. Name, Nummer: Datum: 12. Juli Energie eines Super-Kondensators 2Y6HUB
WST donat.adams@fhnw.ch IMN MSP Musterlösung Name, Nummer: Datum: 1. Juli 017 1. Energie eines Super-Kondensators Y6HUB An einer Sendung von Super-Kondensatoren mit Energie-Gehalt E = 1 C U wurden folgende
MehrErstellen von Messunsicherheitsbudg ets nach dem GUM
Metrodata GmbH Datenverarbeitung für Messtechnik und Qualitätssicherung Munich Calibration Day München 16.10.2015 Y=ŷ±U; k p =x Erstellen von Messunsicherheitsbudg ets nach dem GUM Nachvollziehbares Dokumentieren
Mehr3) Testvariable: T = X µ 0
Beispiel 4.9: In einem Molkereibetrieb werden Joghurtbecher abgefüllt. Der Sollwert für die Füllmenge dieser Joghurtbecher beträgt 50 g. Aus der laufenden Produktion wurde eine Stichprobe von 5 Joghurtbechern
MehrMessunsicherheiten und Matrizenrechnung
Physikalisch-Technische Bundesanstalt Braunschweig und Berlin Matrix Messunsicherheiten und Matrizenrechnung T. Funck Arbeitsgruppe.13 Wechsel-Gleich-Transfer, Impedanz 60. PTB Seminar am 1. Mai 011 Inhalt
MehrPrüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2002
Prüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2002 1. Ein Chemiestudent hat ein Set von 10 Gefäßen vor sich stehen, von denen vier mit Salpetersäure Stoff A), vier mit Glyzerin Stoff
Mehr