Tulosten vertaaminen - Jyväskylän yliopisto...2014/09/09 · spektrometri tangenttibussoli...
Transcript of Tulosten vertaaminen - Jyväskylän yliopisto...2014/09/09 · spektrometri tangenttibussoli...
-
Tulosten vertaaminen
On hyvä olla koko ajan selvillä, mitä tuloksia ollaan vertaamassa,
ja mitä mitattiin!
-
Kuva. Kaksi mittausta oletettavasti kultaisen kruunun tiheydestä
Kuva. Kaksi mittausta samasta resistanssista
-
Virhearvio fysiikan laboratoriotöissä Laboratoriomittauksissa virhearvio tehdään yleensä jollain alla
mainitulla tavalla:
Mittaus vain kerran, virhearvio mittarin lukemistarkkuuden ja
valmistajan ilmoittaman tarkkuuden avulla (ks. laitemanuaali)
Toistomittaus, satunnaisvirheen suuruus havaintoarvojen
jakaumasta (+arvioidaan systemaattisen virheen suuruus)
Halutun suuren arvo saadaan laskettua mitatuista arvoista,
selvitettävä virheen eteneminen laskutoimituksessa (esim.
keskinopeus kuljetun matkan ja ajan avulla)
Graafinen analyysi, pistejoukkoon sovitus antaa käyrän parametrien
arvot virherajoineen
Satunnaisvirheet (eli tilastolliset tai statistiset
virheet)
Ajatellaan jonkin suureen X mittaus toistetuksi suurella tarkkuudella
lukuisia kertoja.
Tällöin saadaan joukko toisistaan hieman poikkeavia mittaustuloksia.
-
Kuva. Histogrammi sadalle mittaukselle. Kun N kasvaa hyvin suureksi,
arvojen jakauma lähestyy Gaussin käyrää. 22 2/)(
, 21)(
XxX exG
Kuva. Normaalijakauman karakterisoimiseksi tulee tietää kaksi asiaa,
huipun paikka ja leveysparametri σ
-
Paras arvio normaalijakauman huippukohdalle saadaan laskemalla
keskiarvo kaikista mitatuista arvoista iX (N kpl yhteensä):
Xparas = N
iiXN
X 1
Entäpä keskiarvon epävarmuus (=”virhe”)?
Keskiarvon luotettavuuteen huipun paikan estimaattina vaikuttaa kaksi
asiaa:
Kuinka paljon yksittäiset arvot poikkeavat keskiarvosta (ts. kuinka
leveä on havaintoarvojen jakauma)?
Kuinka suuri N on?
Jakauman leveyden estimaatti on keskihajonta:
1
)(1
2
N
XXN
iX
Jos havainnot ovat normaalijakautuneet, 68,3% havainnoista osuu
välille Xparas ± σX Yksittäiselle havainnolle on vastaavasti sama 68,3% todennäköisyys
osua välille Xparas ± σX.
Kääntäen: σX = todennäköinen yksittäisen havainnon virhe
-
Arvio huipun paikan epävarmuudelle voidaan johtaa nk. yleistä virheen
etenemislakia käyttäen (kurssissa FYSP110 Fysiikan kokeelliset
menetelmät). Keskiarvon virhettä sanotaan keskiarvon keskivirheeksi
ja se saadaan laskettua keskihajonnasta:
NX
X = keskiarvon keskivirhe
Huom! Mittausten lukumäärän on oltava suurehko (N ≥ 10), jotta
keskiarvolle ja sen virheelle saadaan luotettava arvio. Huomaa myös,
että periaatteessa kaikilla havaintoarvoilla oletetaan olevan sama virhe.
Esimerkki:
Laboratoriotöissä useimmin vastaantuleva tapaus on ajanotto
sekuntikellolla tai tietokoneen avulla. Esim. heilurin heilahdusaikaa
sekuntikellolla mitattaessa on useita toimintatapoja:
1. mitataan yhteen heilahdukseen kulunut aika kerran
2. mitataan yhteen heilahdukseen kulunut aika useaan kertaan
3. mitataan esim. 10 heilahdukseen kulunut aika kerran
4. mitataan esim. 10 heilahdukseen kulunut aika useaan kertaan
Mikä on paras menettely?
-
Kohdissa 1) ja 3) joudutaan ajanoton virhe arvioimaan reaktioajan
perusteella, kohdissa 2) ja 4) voidaan tehdä tilastollinen analyysi.
Ajanottoon sisältyvä kokonaisvirhe on sama kaikissa tavoissa, mutta
kahdessa jälkimmäisessä tapauksessa virhe/heilahdus on 10 kertaa
pienempi!! Sekuntikellolla aikaa mitattaessa mittauksen virhe tulee
mittaajan reaktioajoista. Tietokoneavusteisessa mittauksessa (paikka-
anturilla) ei ole reaktioaikaongelmaa, mutta mittaustarkkuutta rajoittaa
kuitenkin näytteenottotaajuus (DataStudion paikka-anturilla oletus 10
Hz).
Toisinaan keskiarvoa ja keskiarvon keskivirhettä käytetään muuhunkin
kuin toistomittauksiin. Tällöin on syytä varmistautua siitä, että
yksittäisten mittaustulosten virheet ovat edes samaa suuruusluokkaa.
Painotettu keskiarvo
Jos havaintoja on vain muutama ja/tai yksittäisten havaintoarvojen Xi
virheet δXi ovat selvästi erisuuruisia, on tavallisen keskiarvon asemesta
oikeampaa käyttää painotettua keskiarvoa. Painotetussa keskiarvossa
painona käytetään havainnon virheen käänteisluvun neliötä. Painotettu
keskiarvo saadaan lausekkeesta
-
ii
iii X
X
2
1
ii
X
Painotetun keskiarvon virhe:
i
X
1
Tarkimmalla havaintoarvolla on suurin paino!
Systemaattisesta virheestä Systemaattisia virheitä ovat sellaiset virheet, jotka eivät ole
luonteeltaan tilastollisia. Ne eivät paljastu toistokokeessa. Se, että
havaintoarvot eivät noudata normaalijakaumaa, on usein merkki
systemaattisesta virheestä.
Tavallisimpia tapauksia:
Väärin kalibroitu mittari
Mittarin kalibraatio muuttuu ajan kuluessa esim. mittarin
lämpenemisen vuoksi tai paineen muutoksen vuoksi
Mitattava suure muuttuu mittauksen aikana, esim. äänen nopeus
ilmassa on paineen funktio
Mittaaja tekee systemaattisesti jotain väärin
-
Valmistajan ilmoitus mittarin tarkkuudesta – katsantokannasta riippuen
satunnainen tai systemaattinen virhe!
Perusopintojen laboratoriotöissä useimmiten oletetaan, ettei
mittauksessa ole muuta systemaattista virhettä kuin mikä sisältyy
mittarivalmistajien ilmoitukseen mittareiden tarkkuudesta.
Mittalaitteiden epätarkkuuksia:
Suure Laite Epätarkkuus Aika sekuntikello (digitaalinen) ± 0,01 s
Pituus metrimitta työntötulkki mikrometriruuvi
± 0.5 mm ± 0,05 mm ± 0,01 mm
Kulma spektrometri tangenttibussoli sakkarimetri
± 0,1º ± 0,5º ± 0,1º
Tilavuus pipetti mittalasi 0,500 ± 0,025 ml 250 ± 1 ml
Massa Precisa XB 220A Precisa 510C Acculab SVI-10A
± 0,05 mg ± 0,005 g ± 1 g
Lämpötila lämpömittari digitaaliset yleismittarit
± 0,5 ºC katso mittarin manuaalista (useita asteita!!)
Ilman kosteus hiushygrometri ± 0,5 %
Ilmanpaine barometri Manometri Digitron 2002 P Manometri Digitron P 200 M
± 0,5 mmHg ± (0,1 % lu + 0,1 % ma + 1 dig) ± (0,1 % lu + 0,1 % ma + 1 dig)
Sähköteho wattituntimittari ± 0,05 Wh
-
Magneettikenttä Teslametri Phywe 13610 ± 2 % lu
Virta
UNI-T UT58B -DC (2 ja 20 mA -alueet) -DC (200 mA) -DC (20 A) -AC (2 mA) -AC (200 mA) -AC (20 A)
AVO-meter -DC (0-0,1, 0-1, 0-10) -AC Fluke 75 -DC (32 mA) -DC (320 mA) -DC (10 A) -AC
katso spesifikaatiot manuaalista ± (0,8 % lu + 1 dig) ± (1,5 % lu + 1 dig) ± (2 % lu + 5 dig) ± (1,0 % lu + 3 dig) ± (1,8 % lu + 3 dig) ± (3 % lu + 5 dig)
± 1 % ma ± 2,25 % ma ± (1,5 % lu + 2 dig) ± (2 % lu + 2 dig) ± (1,5 % lu + 2 dig) ± (3 % lu + 2 dig)
Jännite Ks. manuaalit Resistanssi Ks. manuaalit
ma=mittausalue lu=lukema dig=näyttämän vähiten merkitsevä numero
Esim. Virran mittaus Fluke 75 mittarilla, mittausalue 0-10A
Tulokseksi saatiin 0,601 A, ”virhe” 1,5% + 2 dig
Siis: I = 0,601 ± (0,009 + 0,002) A
= 0,601 ± 0,011 A
-
Työntömitta (ks. liite monisteen lopussa)
Kuva 1. Työntömitan osat
Kuva 2. Mikä on etäisyys? Työntömittasimulaatio:
http://www.physics.smu.edu/~scalise/apparatus/caliper/tutorial/simulation.html katso myös wikipedian työntömitta
-
Mikrometriruuvi
Kuva 3. Mikrometriruuvin osat
Kuva 4. Lukema = ?
Muista aina tarkistaa nollakohta!
-
4 Virheen eteneminen laskutoimituksissa
Virheiden yhdistäminen kahdessa tilanteessa
1. Yhdistetään lukemisvirhe ja mittalaitteen (todennäköinen) virhe
2. Tulos saadaan jollain laskutoimituksella muista suureista, joiden
virheet on arvioitu.
Maksimi-minimivirhearvio
Pessimistin periaate! Menetelmää käytetään peruskurssien labroissa.
Menetelmän edut:
- nopeus
- usein helppo
- oikein käytettynä turvallinen
Haitat:
- yleensä aliarvioi tuloksen tarkkuutta eli yliarvioi virhettä
- jää helposti päälle eikä sitten muita parempia menetelmiä
omaksutakaan
-
Esimerkkejä maksimi-minimivirhearviosta:
1) Mittavirheiden yhdistäminen:
Resistanssin arvoksi on saatu 220 Ω. Mittarin lukemistarkkuus oli ±10
Ω ja sisäinen tarkkuus ±7 Ω. Pahimmassa tapauksessa virhe vaikuttaa
kummassakin samaan suuntaan, jolloin kokonaisvirhe on ±17 Ω.
Numerotarkkuus- ja pyöristyssääntöjä noudattaen (ks. luku 6) saadaan
lopputulokseksi (220 ± 20) Ω tai (0,22 ± 0,02) kΩ).
2) Summan ja erotuksen virhearvio sijoitusmenettelyllä:
Olkoon m1 = (31 ± 4) kg, m2 = (83 ± 7) kg
Summa Erotus
m = m1 + m2 = 114 kg m = m2 – m1 = 52 kg
mmax = 35 kg + 90 kg = 125 kg mmax = 90 kg - 27 kg = 63 kg
mmin = 27 kg + 76 kg = 103 kg mmin = 76 kg - 35 kg = 41 kg
δ(m1+m2) = δ(m2-m1) =
max {mmax - m, m - mmin} = 11 kg max {mmax-m, m-mmin} = 11 kg
m = (114 ± 11) kg m = (52 ± 11) kg
-
3) Tulon virhearvio sijoitusmenettelyllä:
Olkoon m = (31 ± 4) kg ja v = (9 ±2) m/s. Lasketaan p = mv virheineen.
Lähtöarvojen sijoitus antaa p = 279 kgm/s
pmax = mmax vmax = 385 kgm/s
pmin = mmin vmin = 189 kgm/s
δp = max {pmax –p, p – pmin} = 106 kgm/s
p = (279 ± 106) kgm/s (≈ (280 ± 110) kgm/s)
4) Tulon virhearvio likimääräisellä menettelyllä:
kirjoitetaan edellisen esimerkin massan ja nopeuden virheet suhteellisia
virheitä käyttäen.
00
000 11 v
vvvjammmmmm (δm, δv > 0)
000000
0000 111 v
vmm
vv
mmvm
vv
mmvmp .
Supistetaan sulkulausekkeen viimeinen termi pois merkityksettömän
pienenä. Siispä
0000 1 v
vm
mvmp
-
Kun merkitään 000 pp
vv
mm
, lopputulokseksi saadaan
00 1 p
ppp
Edellisen esimerkin numeroarvoja käyttäen lopputulokseksi saadaan
skgmp /)98279( (≈ (280 ± 100) kgm/s)
Yhteenvetona voidaan yleistää helposti muistettavat kaavat:
Yleinen summan/erotuksen maksimi-minimivirhearvio
q = (x + y …+ z) – (u+ v +… w)
δq = (δx + δy …+ δz) + (δu+ δv +… δw) (4.1)
Yleinen tulon/osamäärän maksimi-minimivirhearvio
wuvzxyq
......
ww
vv
uu
zz
yy
xx
qq
...... (4.2)
Huom! Kaava (4.2) antaa likiarvon tarkan sijoitusmenettelyn
(esimerkki 3 yllä) tulokselle. Kaavasta (4.2) lopputuloksen virheen
koostuminen eri virhelähteistä on helposti nähtävissä.
Hankalammissa lausekkeissa virhearviota joudutaan tekemään
-
paloittain kaavoja 4.1 ja 4.2 soveltaen, tai kokeilemalla suoraan
numeroarvoja sijoittaen, kuinka lopputuloksen maksimi ja minimi
saadaan lähtöarvojen virherajojen puitteissa.
Maksimi-minimikeinosta on siten hieman toisistaan poikkeavia
variaatioita. Työselostuksissa sekä sijoitusmenettely että likimääräinen
menettely ovat kursseilla Fysiikka I-V ja VII hyväksyttäviä, kunhan
laskuesimerkillä näytetään, mitä menettelyä käytettiin.
Maksimi-minimi –menetelmää parempi keino virhearvion tekemisessä
on ns. yleinen virheen etenemislaki. Sen osaamista ei peruskurssien
töissä kuitenkaan vaadita (käytöstä bonuspisteitä peruskurssien
labroissa!). Asia tulee esille keväällä luennoitavalla kurssilla FYSP110
Fysiikan kokeelliset menetelmät. Kurssi on pakollinen kaikille, jotka
aikovat suorittaa fysiikasta aineopintoja.
-
5 SUORASOVITUS Kysymys 1: Ovatko mittauspisteet suoralla?
eli
vastaako data teoriaa?
Lineaarisia riippuvuuksia: F
ma 1 voima ja kiihtyvyys
RIU virta ja jännite kxF jousen venymä ja voima Kysymys 2: Mitkä ovat suoran kulmakerroin ja y-akselin leikkauspiste? BxAY A = ?, B = ?
-
Sovitus silmämääräisesti:
-
PNS-suora
Minimoidaan lauseketta N
ii BxAy1
2)(
ts. derivoidaan lauseke A:n ja B:n suhteen ja vaaditaan, että derivaatat = 0. Lausekkeet A:lle ja B:lle:
))(())(( 2 iiiii yxxyxA
))(()( iiii yxyxNB
22 )()( ii xxN Parametrien A ja B virheille pätee
2ixA ,
NB ,
missä
2)((2
1iBxAiyN
.
Menetelmä on yleistettävissä myös muille funktioille
-
Esimerkki
Fysa210 kurssin laboratoriotyössä määritetään noin 15 cm
pitkän jousen jousivakio. Jousivakion määrittämiseksi jouseen
ripustetaan erisuuruisia massoja ja katsotaan, kuinka paljon jousi
venyy. Eräässä mittauksessa saadut tulokset ovat oheisessa
taulukossa. Jousivakion k saa ratkaistua tutusta yhtälöstä F = kx,
missä F on venyttävä voima, x = jousen venymä. Laskettaessa jousivakion arvoja kullekin (massa, venymä) parille havaitaan jotain hassua. Jousivakio ei näytä vakiolta! Mikä nyt neuvoksi?
Punnuksen massa [g]
Jousen venymä [cm]
Jousivakio [N/m]
32 1,1 28,567 42 3,2 12,889 50 5,0 9,820 66 8,1 8,001 100 14,2 6,915
-
Tehdään graafinen analyysi
Sovituksen tulos:
Intercept 0,24644 0,009948 = A
X Variable 1 5,112655 0,127649 = B
Virhesuorien piirtämiseksi valitaan: Amax, Bmin mahdollisimman loiva suora Amin, Bmax mahdollisimman jyrkkä suora
Jousivakion määritys graafisesti
y = 5,1127x + 0,2464
0
0,2
0,4
0,6
0,8
1
1,2
0 0,05 0,1 0,15 0,2Venymä [m]
Voim
a [N
]
-
Lineaarisointi Edellä on puhuttu vain suoran tapauksesta. Aina kahden muuttujan välinen riippuvuus ei kuitenkaan ole lineaarista. Sovitusohjelmissa (Origin, gnuplot,…) on tarjolla suuri joukko erilaisia funktioita. Toinen vaihtoehto on se, että lukupareihin muotoiltava funktio muotoillaan sellaiseksi, että pistejoukkoon päästään sovittamaan suoran yhtälöä. Tällaista menettelyä kutsutaan lineaarisoinniksi. Esimerkki Pistemäisen valolähteen valaistusvoimakkuus E riippuu etäisyydestä R seuraavasti: Kun valitaan y = E ja x = 1/R2, voidaan pistejoukkoon sijoittaa suora y = A + Bx. Sovitusparametri B tulkitaan yllä olevan yhtälön intensiteetiksi I. Jos mittaukseen ei liity systemaattista virhettä, tulee parametrin A olla likimain nolla. Lineaarisointia harjoitellaan muutamissa peruskurssien lapputöissä.