osnovni pojmovi o merenjima...osnovni pojmovi o merenjima teorija grešaka geodetskih merenja/...
TRANSCRIPT
OSNOVNI POJMOVI O
MERENJIMA
Teorija grešaka geodetskih merenja / Račun izravnanja 1
Profesor dr Branko Božić, dip.geod.inž..
Građevinski fakultet – Odsek za geodeziju i geoinformatiku
Verzija 01.02.2019
САДРЖАЈ
• Pojam i karakteristike merenja
• Matematički model
• Direktna i indirektna merenja
• Izvori grešaka merenja
• Preciznost i tačnost merenja
• Broj suvišnih merenja i izravnanje
• Metod najmanjih kvadrata
• Grafičko predstavljanje podataka merenja
POJAM I KARAKTERISTIKE MERENJA
merenje=odrediti vrednost merene veličine?
Specificirati:
- merenu veličinu
- metodu merenja
- proceduru merenja
Zavisi od zahtevane
tačnosti merenja
Logična sekvenca
aktivnosti u realizaciji
merenja
Skup elementarnih
operacija u realizaciji
merenja po određenoj
metodi
POJAM I KARAKTERISTIKE MERENJA
Karakteristike merenja:
• Skup elementarnih radnji (priprema instrumenta, horizontiranje, centrisanje, ...)
• Ishod merenja je rezultat merenja koji reprezentuje merenu veličinu
• Uvek realizuju instrumentom
• Uvek oslanjaju na standarde
• Merene veličine su često teorijski koncepti
• Rezultat nerenja ima smisao samo ako je vezan za teorijski koncept
ENX
Jedinica mereMerni broj
Rezultat merenja
Predstavlja
aproksimaciju ili ocenu
vrednosti merene
veličine
POJAM I KARAKTERISTIKE MERENJA
Kompleks uslova (faktora) merenja ili uslovi merenja
Isti faktori merenja Različiti faktori merenja
Objekat
Opažač
Instrument
Spoljni uslovi
MERENJA ISTE TAČNOSTI MERENJA RAZLIČITE TAČNOSTI
MATEMATIČKI I STOHASTIČKI MODEL
Matematički model:
- Funkcionalni deo
- Stohastički deo
Funkcionalni model - kvantitet
d2 = (x2 – x1)2 + (y2 – y1)
2
)X,...,X,X(fY n21
Ulazne veličine – rezultai merenjaIzlazna veličina
Funkcija veze
Stohastički model - kvalitet
pd =1/sd2
DIREKTNA I INDIREKTNA MERENJA
Direktna merenja – određivanje vrednosti merene
veličine direktnim očitavanjem
Indirektna merenja - određivanje vrednosti merene
veličine indirektnim putem
Prenošenje grešaka direktnih merenja
PRIMER:
P = A x BA
BP s2P = sA
2 B2 + sB2 A2
2.110.00
4121
A=41-21=20
1.75 0.75
h = l2 – l1
IZVORI GREŠAKA MERENJA
Prema poreklu
• Instrument
• Spoljašnji uslovi
• Operator
Prema karakteru
• Grube
• Sistematske
• Slučajne
KONCEPTI:
Greška ≠ Nesigurnost
Pitanja:
Način nastanka ?
Kako se otklanjaju ?
PRECIZNOST I TAČNOST MERENJA
Preciznost – međusobna bliskost
Tačnost - apsolutna bliskost rezultata merenja istinitoj vrednosti
Tačno i precizno
Precizno i netačno
Neprecizno i netačno
BROJ SUVIŠNIH MERENJA I IZRAVNANJE
Suvišna merenja omogućuju:
1) Kontrolu grešaka
2) Izravnanje
3) Ocenu tačnosti
l1= 1.234 m n = 4
l2 = 1.235 m u = 1
l3= 1.236 m n – u = broj suvišnih merenja=3
l4= 1.235 m
Ukupan broj merenja
Neophodan broj merenja
Broj suvišnih merenja
Izravnanje – Metoda ocene najverovatnije vrednosti
merene veličine na osnovu suvišnih merenja
ls = l0 + (li-lo)/n lS=1.235 m
l0 =lmin =1.234 m
METOD NAJMANJIH KVADRATA
• Najstrožija metoda ocena
• Jednostavna za primenu
• Stroga analiza tačnosti
• Omogućuje prethodnu ocenu tačnosti
MNK zasnovan je na teoriji verovatnoće
MNK definiše uslov da suma proizvoda kvadrata grešaka rezultata merenja i njihovih
težina mora biti minimalna
minvvT
n
lL
LlLlL
LlLl
vLl
vLl
vrednostnijanajverovatL
merenjarezultatill
i
0...)1)((2)1)((2
min...)()(
...
,...,
21
2
2
2
1
22
11
21
GRAFIČKO PREDSTAVLJANJE PODATAKA MERENJA
Podelimo dati skup na pet grupa, 35-39, 40-44, 45-49, 50-54 i 55-59.
Cifre desetica u datom nizu iznose 3, 4, 4, 5, 5 i formiraju tzv. stablo. Prvi tzv. list jeste
cifra 8 koja predstavlja rezultat 38. Drugi list je 134, koji reprezentuje 41, 43 i 44, itd.
Stablo-list prikaz (stem-and-leaf plot)
Apsolutna frekvencijua
Kumulativna apsolutna frerkvencija
Kumulativna relativna frekvencija
PRIMER 1
Stablo
List
• Niz merenja: x1, x2, ..., xn
• Raspon merenja: wn=xmax – xmin
• Varijacioni niz: Niz rezultata merenja poređanih od minimalne do maksimalne vrednosti
• Vektor rezultata merenja:
• Populacija: Skup neograničenog broja merenja neke fizičke veličine.Parametri
populacije (μ, )
• Uzorak merenja: Na određen način odabran podskup neke populacije. Na osnovu uzorka ocenjuje se raspodelaverovatnoća ili parametri raspodele
• Prezentacija podataka: a) numerička i b) grafička
n
2
1
x
.
.
x
x
x
PRIMER 2
Xmin = 20.1
Xmax= 26.1
wn= 6.0
Medijana:
(23.4+23.5)/2=23.45
20.1 20.5 21.2 21.7 21.8
21.9 22.0 22.2 22.3 22.3
22.5 22.6 22.6 22.7 22.8
22.8 22.9 22.9 23.0 23.1
23.1 23.2 23.2 23.3 23.4
23.5 23.6 23.7 23.8 23.8
23.8 23.9 24.0 24.1 24.1
24.2 24.3 24.4 24.6 24.7
24.8 25.0 25.2 25.3 25.3
25.4 25.5 25.9 25.9 26.1
22.7 25.4 24.0 20.5 22.5
22.3 24.2 24.8 23.5 22.9
25.5 24.7 23.2 22.0 23.8
23.8 24.4 23.7 24.1 22.6
22.9 23.4 25.9 23.1 21.8
22.2 23.3 24.6 24.1 23.2
21.9 24.3 23.8 23.1 25.2
26.1 21.2 23.0 25.9 22.8
22.6 25.3 25.0 22.8 23.6
21.7 23.9 22.3 25.3 20.1
Varijacioni niz
Rezultati merenja
pravca
)ˆ,ˆ(
Numerička
prezentacija
HISTOGRAM
Interval klase
(1)
Frekvencija klase
(2)
Relativna frekvencija
klase (3)
20.10 – 20.96 2 2/50 = 0.04
20.96 – 21.82 3 3/50 = 0.06
21.82 – 22.67 8 8/50 = 0.16
22.67 – 23.53 13 13/50 = 0.26
23.53 – 24.38 11 11/50 = 0.22
24.38 – 25.24 6 6/50 = 0.12
25.24 – 26.10 7 7/50 = 0.14
= 50/50 = 120.1 20.96 21.82 22.67 23.53 24.38 25.24 26.1
0
0.05
0.1
0.15
0.2
0.25
0.3Histogram frekvencija
Kreiranje histograma frekvencija:
1. Podela variacionog niza na klase (od 5 do 20 klasa)
2. Definisanje širine i intervala klase (u primeru 1; 0.86)
3. Definisanje frekvencije klasa
4. Definisanje relativnih frekvencija klasa
5. Kreiranje histograma
Tumačenje histograma:
1. Da li su rezultati merenja simetrično raspoređeni
oko centralne vrednosti (simetričnost)?
2. Kakva je disperzija (raspon) podataka?
3. Frekfencija pojave pojedinih rezultata
4. Kakav je oblik histograma – zvonastost ukazuje
na stepen preciznosti
Grupisani raspored merenja
k ≤ 5 log n
Empirijske frekvencije
Grafički prikaz
A B
1 87 20
2 27 40
3 45 60
4 62 80
5 3
6 52
7 20
8 43
9 74
10 61
EXCEL In Excel 2013, Excel 2010 and Excel 2007, on the Data tab, click Data Analysis in the Analysis group
Bin Frequency
20 2
40 1
60 3
80 3
More 1
Granice intervala (0-20; 21-40; 41-60; 60-80; preko 80
BOXPLOT
Neka imamo dva skupa od 15 rezultata merenja (n = 15) jedne promenljive X
Odrediti:
- minimalnu vrednost skupa xmin ,
- donju kvartalnu tačku qL ,
- srednju kvartralnu tačku qM ,
- gornju kvartalnu tačku qU i
- maksimalnu vrednost skupa.
Medijana je srednji kvartalna tačka.
Razlika qU – qL naziva se međukvartalni raspon.
PRIMER 3
Kriterijum grube greske:
- veći kvalitet 2. skupa merenja;
- qM bliže sredini;
- veća simetričnost;
- xmax bliže qU
qU - qL= 11
qU - qL= 8
(27.5 – 71.5)
(36– 68)
)(5.1)(5.1 LUUiLUL qqqxqqq
44 – 1.5 x 11 - 55 + 1.5 x 11
Primer u EXCEL
https://support.office.com/en-us/article/Create-a-box-plot-10204530-8cdf-40fe-a711-2eb9785e510f
17 18 I II
24 25 MIN(A1:A10) 17 18
25 28 First quartile 25.5 28
27 28 Median value 31 32
30 29 Third quartile 36.5 38.75
32 35 Maximum value 46 56
35 38
37 39
40 50 I II
46 56 17 18
q1-min 8.5 10
median -q1 5.5 4
q3-median 5.5 6.75
max-q3 9.5 17.25
0
10
20
30
40
50
60
I II