761121P-01 FYSIIKAN LABORATORIOTYÖT 1. Oulun yliopisto Fysiikan tutkinto-ohjelma Kevät 2016
|
|
- Kaarina Kokkonen
- 5 vuotta sitten
- Katselukertoja:
Transkriptio
1 P-01 FYSIIKAN LABORATORIOTYÖT 1 Oulun yliopisto Fysiikan tutkinto-ohjelma Kevät 016
2 JOHDANTO Fysiikassa pyritään löytämään luonnosta lainalaisuuksia, joita voidaan mitata kokeellisesti ja kuvata matemaattisesti. Tässä kurssissa tutustutaan yksinkertaisten mittausvälineiden käyttöön ja mittaustulosten analysoimiseen. Mittauksissa pyritään mahdollisimman suureen tarkkuuteen, ja erilaiset virhelähteet yritetään eliminoida. Kurssilla harjoitellaan myös mittaustulosten johdonmukaista ja selkeää raportointia. Tieteellisen kokeen perusperiaate on sen toistettavuus, ja sen vuoksi tieteellisen julkaisun tulee sisältää sellaiset tiedot, joiden perusteella joku toinen voi uusia kokeen identtisissä olosuhteissa. Tämä on lähtökohtana myös työselostuksessa. Erityisen tärkeänä osana raportointia on virheen arvioiminen, sillä se paljastaa mittaustuloksen luotettavuuden ja eri tulosten vertailukelpoisuuden. Kurssiin sisältyy viisi laboratorioharjoitusta, jotka tehdään fysiikan opetuslaboratoriossa ryhmätöinä. Luento-osuudessa tutustutaan töiden teoreettiseen taustaan.
3 0 FYSIKAALISET MITTAUKSET 3 Tarkastellaan esimerkkinä suorakaiteen muotoisen pöydän pinta-alan mittaamista. Tiedämme, että pintaala A saadaan laskettua kaavasta A = pl, kun ensin mitataan pöydän pituus p ja leveys l. Pinta-alan määrittämiseen liittyy siis mittauksia ( p, l ) ja laskentaa ( A= pl ). Kaikki mittaukset ovat jossakin määrin epätarkkoja ja tämä epätarkkuus heijastuu laskennan kautta myös lopputulokseen. Tässä luvussa tarkastelemme ensin välittömästi mitattavissa olevien suureiden virheitä ja tarkkuutta. Tämän jälkeen käydään läpi miten laskennollisten suureiden tarkkuus (virhe) voidaan arvioida (virheenarviointi) lähtien mitattujen suureiden tarkkuuksista (virheistä). Lopuksi käydään vielä läpi miten lopputulos ilmoitetaan oikein virherajoineen. 0.1 MITTAUSTARKKUUS Mittaustuloksen epätarkkuutta aiheuttavat virheet voidaan jakaa kolmeen luokkaan: - karkeat virheet - systemaattiset virheet - satunnaiset (statistiset) virheet
4 Karkeita virheitä aiheuttavat mm. lukemavirheet (esimerkiksi asteikon väärä tulkinta), vialliset mittalaitteet sekä mittausten aikana esiintyvät hetkelliset häiriöt. Karkeitten virheiden eliminoimiseksi mittaus kannattaa toistaa useita kertoja. 4 Systemaattiset virheet ovat virheitä, jotka pyrkivät aina vaikuttamaan samaan suuntaan. Niitä aiheuttavat esimerkiksi väärin kalibroidut laitteet ja reaktioaika ajan mittauksessa. Systemaattiset virheet muodostavat usein mittausten vaikeimman ongelman. Ne voidaan paljastaa esimerkiksi vaihtamalla mittaajaa, mittauslaitetta, mittausmenetelmää tai mittausajankohtaa. Satunnaiset virheet ovat samalla todennäköisyydellä positiivisia tai negatiivisia ja ne vaihtelevat täysin satunnaisesti kokeesta toiseen. Ne voivat johtua mittauslaitteesta, mittausmenetelmästä tai mitattavan kohteen tai ilmiön satunnaisesta (statistisesta) luonteesta. Mitattavalle suureelle voidaan ilmoittaa vain tilastollisesti todennäköisin arvo ja sen epätarkkuutta voidaan pienentää toistamalla mittaus useita kertoja, jolloin virheiden jakauma saadaan selville. Mittaustuloksen sisäinen tarkkuus on hyvä, jos satunnaisten virheiden osuus on pieni (ks. kuva 1). Tuloksen ulkoinen tarkkuus on hyvä, jos systemaattisten virheiden osuus on pieni.
5 5 Suureen F mittauksen tulos voidaan esittää muodossa F ±D F, missä D F on suureen ns. absoluuttinen virhe. Esimerkki: Pituushyppääjän loikan pituudeksi mitattiin perinteisellä mittanauhalla 890 cm. Mittaustuloksen tarkkuudeksi arvioitiin 0,5 cm. Tieteellistä täsmällisyyttä noudattaen hypyn pituudeksi ilmoitettiin 890,0 cm ± 0,5 cm. Suhteellinen virhe ilmoittaa kuinka suuri on suureen absoluuttinen virhe suhteessa suureen arvoon ts.
6 DF F D F tai prosentteina 100%. F 6 Esimerkki: Edellisen esimerkin loikan pituuden suhteellinen virhe on D F 0,5 = = 0, , F 890,0 joka prosenttein on noin 0,06 %. Loikan pituus voidaan esittää suhteellisen virheen avulla muodossa 890,0 cm ± 0,06 %. Tilastomatematiikkaa Kun mittauksessa karkeat ja systemaattiset virheet on eliminoitu, mittaustuloksen epätarkkuus määräytyy statistisista (satunnaisista) virheistä. Satunnaisesti vaihtelevien mittaustulosten jakauma noudattaa ns. normaalijakaumaa 1 -( x-x0 ) /s y( x) = e, s p missä x 0 on jakauman huipun koordinaatti eli mitatun suureen odotusarvo ja s on jakauman standardipoikkeama eli keskihajonta. Ideaalisessa tapauksessa odotusarvo edustaa mitattavan suureen oikeaa arvoa.
7 Kuvassa alla on esitetty kaksi normaalijakaumaa odotusarvolla x 0 = 400.Ylemmän käyrän ( yx ( 0) = 0,008)) keskihajonta on s = 50 ja alemman s = Kuva. Normaalijakauma eri s :n arvoilla. Havaitaan, että mittaustulosten jakauma keskittyy odotusarvon ympäristöön sitä laajemmalla alueelle mitä suurempi keskihajonta on. Jakauman pinta-ala välillä a x b kuvaa todennäköisyyttä, että yksittäinen havainto x i osuu kyseiselle välille. Näin todennäköisyys sille, että havainto osuu odotusarvon läheisyyteen alueelle x0 - c x x0 + c saadaan laskemalla x0 + c 1 -( x-x0) /s P() c = e dx s p ò, joka sijoituksella t = ( x- x0)/ s saadaan muotoon x 0 -c
8 c / s -t æ c ö P( c) = e dt erf p ò = ç è s ø. 0 Funktio erf() on tilastotieteessä tavallinen ns. errorfunktio, jonka arvoja löytyy taulukoituna tai se voidaan laskea numeerisesti helposti vaikka Excel-ohjelmalla. Jos esimerkiksi c = s tai 1,96s tai,58s saadaan todennäköisyydet P( s ) = 68 % P(1,96 s ) = 95% P(,58 s ) = 99% Esimerkkijakauman ( x 0 = 400, s = 50) tapauksessa yksittäinen havainto sattuu 68 %:n todennäköisyydellä alueelle 350 x 450 (kuva alla). 8
9 Esimerkki: Avaruudesta tulee maan pinnalle (kuvitteellisia) hiukkasia, joiden nopeus noudattaa normaalijakaumaa 1 -( v-v0 ) /s y( v ) = e, s p missä v 0 = 50 m/s ja s = 100 m/s. a) Mikä on nopeuden todennäköisin arvo? b) Mikä on todennäköisyys sille, että nopeus on välillä 519 m/s 51 m/s? c) Mikä on todennäköisyys sille, että nopeus on välillä 400 m/s 640 m/s? Ratkaisu: a) Todennäköisin arvo on odotusarvo, 50 m/s. b) Todennäköisyys saadaan laskemalla æ c ö Pc ( ) = erf ç è s ø, missä nyt c = 1 m/s ja c/( as )» 0, Excel ohjelmalla lasketaan ERF (0,00707)» 0,00798, joten haettu todennäköisyys on noin 0,8 %. c) Tässä c = 10 m/s ja ERF (0,849)» 0,7701. Todennäköisyys on siis noin 77 %. 9
10 Miten normaalijakauman teoriaa sovelletaan käytännössä mitattavan suureen arvon ja sen luotettavuuden (virheen) määrittämisessä. Käytännössä mittausta toistetaan useita kertoja, jolloin kyseiseen mittaustapahtumaan liittyvän normaalijakauman parametrit ( x 0 ja s ) pystytään arvioimaan. Matemaattisesti voidaan osoittaa, että jos suuretta mitataan n kertaa ja tulokset noudattavat normaalijakaumaa, suureen todennäköisin arvo (vastaa odotusarvoa) on keskiarvo x 1 n xi n i = 1 = å ja jakauman standardipoikkeama (keskihajonta) lasketaan yhtälöllä 1 s = - n Jakauman ns. varianssi on s. å n ( xi x). -1 i= 1 10 Kun mittausten lukumäärää n kasvatetaan, tilastollisesti keskiarvon x tarkkuus kasvaa. Sen virherajana käytetään yleensä keskiarvon keskivirhettä s 1 D x = = x -x n nn ( 1) å n ( i ). - i = 1
11 Tällaisen mittauksen tulos voidaan siis ilmoittaa muodossa xtulos = x ±D x. 11 Esimerkki: Kymmenen ajanottajaa mittasivat 100 m:n pikajuoksijalle ajat: 9,81, 9,79, 9,85, 9,80, 9,76, 9,8, 9,81, 9,76, 9,80 ja 9,86 sekuntia. a) Mikä on aikojen keskiarvo? b) Mikä on aikojen keskihajonta? c) Mikä on keskiarvon keskivirhe? d) Ilmoita mittaustulos virherajoineen. Ratkaisu: Tulokset kannattaa taulukoida: i t i/s ( ti - t )/ s ( ti - t ) /s 1 9,81 0,004 0, ,79-0,016 0, ,85 0,044 0, ,80-0,006 0, ,76-0,046 0, ,8 0,014 0, ,81 0,004 0, ,76-0,046 0, ,80-0,006 0, ,86 0,054 0,00916 summa 98,06 0,009640
12 a) Keskiarvo 98,06 s t = = 9,806 s. 10 b) Keskihajonta 1 s = 0, s = 0,0378 s c) Keskiarvon keskivirhe s D t = = 0, s. 10 d) Mittaustulos t = 9,806 s ± 0,011 s. 1 Muita menetelmiä Kuten edellä kuvattiin niissä tapauksissa, joissa tulokseen vaikuttaa vain satunnaisia virheitä, voidaan mittaustuloksen absoluuttinen virhe laskea tilastollisilla menetelmillä. Luotettavuuden varmistamiseksi tarvitaan useita mittauksia. Joskus mittauksen toistaminen tuottaa saman tuloksen yhä uudelleen ja uudelleen eikä tilastollisia menetelmiä voida soveltaa. Esimerkiksi mitattaessa pituutta viivoittimella mittaustulos saattaa olla aina sama toistetaanpa mittausta miten monesti tahansa. Statistinen vaihtelu jää yksinkertaisesti lukematarkkuuden alapuo-
13 lelle eikä siten paljastu. Näissä tapauksissa mittauksen absoluuttiseksi virheeksi voidaan valitaan mittalaitteen lukematarkkuus. Esimerkiksi viivoittimesta voidaan lukea tulos 1 mm:n tarkkuudella, joten absoluuttinen virhe on ± 0,5 mm. 13 Monesti varsinainen mittaustapahtuma on niin työläs tai aikaavievä, että mittaus on järkevää suorittaa vain muutamia kertoja. Statististista luotettavuutta ei juurikaan kerry, mutta hyvä arvio saadaan, kun absoluuttiseksi virheeksi valitaan esimerkiksi suurin poikkeama keskiarvosta tai ihan karkeasti vain äärimmäisten arvojen erotus. Joskus mittaaminen on yksinkertaisesti hankalaa ja virhe pitää arvioida vain muutaman mittauksen perusteella. Esimerkiksi heilurin varren pituus on vähän yli kaksi metriä ja käytettävissäsi on kahden metrin pituinen mitta, jossa lukematarkkuus on 1 mm. Kokonaisvirhettä arvioitaessa pitää pohtia mittauksen virhelähteitä "realisistisesti". Paljonko virhettä syntyy mittauksen jatkamisesta yli kahden metrin? Miten tarkasti pystyt paikantamaan varren kiinnityskohdan? Mihin heilurin varsi päättyy? Kuuluuko varren päässä oleva kappale (heilurin massa) varteen? Eri virhelähteitä pitää arvioida realistisesti ja valita kokonaisvirhe järkevästi perustellen.
14 14 0. VIRHEENARVIOINTI On tavallista, että mitatuista suureista lasketaan edelleen muita suureita. Miten lopputuloksen virhe arvioidaan näissä tapauksissa? Katsotaan esimerkkinä ympyrän pinta-alan määrittämistä: Ympyrän halkaisijaksi on mitattu s = (75,0 ± 0,5) mm. Pinta-ala on æ sö 1 A= pç = ps, èø 4 joten arvoa s = 75,0 mm käyttäen saadaan tulokseksi 1 1 (75,0 mm) 4417,9 mm A= ps = p =. 4 4 Halkaisijan pienimmällä arvolla tulokseksi tulee 1 (74,5 mm) 4359, mm A = p = 4 ja suurimmalla arvolla 1 (75,5 mm) 4477,0 mm A = p = 4 Pinta-alan virheeksi ja alkuperäisen arvon erotus, joka on (4417,9 4359,) mm = 58,7 mm tai (4477,0 4417,9) mm = 59,1 D A voidaan valita näiden lukujen mm. Valitaan näistä suurempi ja pyöristysten jälkeen saadaan pinta-alalle tulos A = 440 mm ± 60 mm.
15 Periaatteessa näin virhe lasketaan myös tapauksissa, joissa laskettava suure f( x1, x,..., x n) riippuu useammasta mitattavasta suureesta x i, i= 1,,..., n. Käytännössä lasku on kuitenkin liian työläs, koska funktion arvo pitäisi laskea kaikkien eri muuttujien suurimpien ja pienimpien arvojen kombinaatioilla. Virheenarviointi yksinkertaistuu, kun sovelletaan differentiaalilaskentaan perustuvaa approksimaatiota. Differentiaalimenetelmä Monen muuttujan funktion f( x1, x,..., x n) kokonaisdifferentiaali f f f df = dx1+ dx dxn x x x 1 kertoo funktion arvon muutoksen df, kun argumenttien arvot muuttuvat määrän dx i. Lausekkeessa esiintyvät f / xi ovat funktion osittaisderivaattoja. Kokonaisdifferentiaalissa muutokset ovat tarkasti ottaen äärettömän pieniä (infinitesimaalisia), mutta voidaan kirjoittaa approksimaatio f f f D f» D x1+ D x Dxn, x x x 1 n n 15
16 jos äärelliset muutokset D xi ovat pieniä. Tässä yksittäiset termit voivat olla joko positiivisia tai negatiivisia. Muutoksen maksimi saadaan, kun termit vaikuttavat kaikki samaan suuntaan. Siten absoluuttisen virheen ylärajaksi saadaan f f f D f D x1 + D x Dxn. x1 x xn Eri termit kertovat miten yksittäisten muuttujien virheet vaikuttavat lopputulokseen. Mittaus pyritään suunnittelemaan siten, että eniten vaikuttavat muuttujat määritetään suurimmalla tarkkuudella. 16 Esimerkki: Ympyrän pinta-ala (katso edeltä). Ympyrän halkaisijaksi mitattiin s = (75,0 ± 0,5) mm. Laske pinta-alan absoluuttisen virheen yläraja. Ratkaisu: Ympyrän pinta-ala lasketaan kaavasta 1 A= p s, 4 joten absoluuttisen virheen ylärajaksi tulee da 1 D A D s = p s D s. ds Kun s = 75,0 mm ja D s = 0,5 mm, saadaan D A 59,9 mm» 60 mm.
17 Tämä on hyvin lähellä edellä laskettua tarkkaa tulosta, joten approksimaatio toimii tässä tapauksessa erittäin hyvin. Esimerkki: Sylinterin tilavuus. Sylinterin halkaisijaksi mitattiin D = (5,05 ± 0,0) cm ja korkeudeksi h = (10,03± 0,01) cm. Mikä on sylinterin tilavuus. Miten mittaustarkkuutta kannattaisi parantaa? Ratkaisu: Sylinterin tilavuus V lasketaan kaavasta 1 V= p Dh 4 ja absoluuttisen virheen ylärajaksi saadaan V V D V D D + Dh D h = pdh D D + pd D h. Arvoilla D = 5,05 cm ja h = 10,03 cm tilavuus on V = 00,897 cm 3 ja kun D D = 0,0 cm ja D h = 0,01 cm virheeksi tulee D V 1,591 cm 3 + 0,003 cm 3 = 1,79 cm 3. Sylinterin tilavuus on siis (01 ) V = ± cm 3. Halkaisijan mittauksen virhe tuottaa tilavuuteen virheen 1,591 cm 3. Korkeuden mittauksen tuottama virhe tilavuuteen on puolestaa vain 0,003 cm 3. Näin ollen tuloksen tarkkuuden parantamiseksi kannattaa pohtia miten halkaisija saataisiin mitattua tarkemmin. 17
LIITE 1 VIRHEEN ARVIOINNISTA
1 Mihin tarvitset virheen arviointia? Mittaustuloksiin sisältyy aina virhettä, vaikka mittauslaite olisi miten uudenaikainen tai kallis tahansa ja mittaaja olisi alansa huippututkija Tästä johtuen mittaustuloksista
LisätiedotLIITE 1 VIRHEEN ARVIOINNISTA
Oulun yliopisto Fysiikan opetuslaboratorio Fysiikan laboratoriotyöt 1 1 LIITE 1 VIRHEEN RVIOINNIST Mihin tarvitset virheen arviointia? Mittaustuloksiin sisältyy aina virhettä, vaikka mittauslaite olisi
LisätiedotLIITE 1 VIRHEEN ARVIOINNISTA
1 LIITE 1 VIRHEEN ARVIOINNISTA Mihin tarvitset virheen arviointia? Mittaustulokset ovat aina todellisten luonnonvakioiden ja tutkimuskohdetta kuvaavien suureiden likiarvoja, vaikka mittauslaite olisi miten
LisätiedotLIITE 1 VIRHEEN ARVIOINNISTA
Oulun yliopisto Fysiikan opetuslaboratorio Fysikaalisen kemian laboratorioharjoitukset I 1 Mittaustuloksiin sisältyy aina virhettä, vaikka mittauslaite olisi miten uudenaikainen tai kallis tahansa ja mittaaja
LisätiedotVirhearviointi. Fysiikassa on tärkeää tietää tulosten tarkkuus.
Virhearviointi Fysiikassa on tärkeää tietää tulosten tarkkuus. Virhelajit A. Tilastolliset virheet= satunnaisvirheet, joita voi arvioida tilastollisin menetelmin B. Systemaattiset virheet = virheet, joita
LisätiedotDifferentiaali- ja integraalilaskenta
Differentiaali- ja integraalilaskenta Opiskelijan nimi: DIFFERENTIAALILASKENTA 1. Raja-arvon käsite, derivaatta raja-arvona 1.1 Raja-arvo pisteessä 1.2 Derivaatan määritelmä 1.3 Derivaatta raja-arvona
LisätiedotPERUSMITTAUKSIA. 1 Työn tavoitteet
Oulun yliopisto Fysiikan opetuslaboratorio Fysiikan laboratoriotyöt 1 1 PERUSMITTAUKSIA 1 Työn tavoitteet Tässä työssä määrität tutkittavaksesi annetun metallikappaleen tiheyden laskemalla sen suoraan
LisätiedotMittaustekniikka (3 op)
530143 (3 op) Yleistä Luennoitsija: Ilkka Lassila Ilkka.lassila@helsinki.fi, huone C319 Assistentti: Ville Kananen Ville.kananen@helsinki.fi Luennot: ti 9-10, pe 12-14 sali E207 30.10.-14.12.2006 (21 tuntia)
LisätiedotDifferentiaalilaskennan tehtäviä
Differentiaalilaskennan tehtäviä DIFFERENTIAALILASKENTA 1. Raja-arvon käsite, derivaatta raja-arvona 1.1 Raja-arvo pisteessä 1.2 Derivaatan määritelmä 1.3 Derivaatta raja-arvona 2. Derivoimiskaavat 2.1
LisätiedotPERUSMITTAUKSIA. 1. Työn tavoitteet. 1.1 Mittausten tarkoitus
Oulun yliopisto Fysiikan opetuslaboratorio 1 PERUSMITTAUKSIA 1. Työn tavoitteet 1.1 Mittausten tarkoitus Tässä työssä määrität tutkittavaksesi annetun metallikappaleen tiheyden laskemalla sen suoraan tiheyden
LisätiedotPERUSMITTAUKSIA. 1. Työn tavoitteet. 1.1 Mittausten tarkoitus
1 PERUSMITTAUKSIA 1. Työn tavoitteet 1.1 Mittausten tarkoitus Tässä työssä määrität tutkittavaksesi annetun metallikappaleen tiheyden laskemalla sen suoraan tiheyden määritelmästä eli kappaleen massan
LisätiedotFysiikan laboratoriotyöt 1, työ nro: 2, Harmoninen värähtelijä
Fysiikan laboratoriotyöt 1, työ nro: 2, Harmoninen värähtelijä Tekijä: Mikko Laine Tekijän sähköpostiosoite: miklaine@student.oulu.fi Koulutusohjelma: Fysiikka Mittausten suorituspäivä: 04.02.2013 Työn
LisätiedotJatkuvat satunnaismuuttujat
Jatkuvat satunnaismuuttujat Satunnaismuuttuja on jatkuva jos se voi ainakin periaatteessa saada kaikkia mahdollisia reaalilukuarvoja ainakin tietyltä väliltä. Täytyy ymmärtää, että tällä ei ole mitään
LisätiedotMittaustulosten tilastollinen käsittely
Mittaustulosten tilastollinen käsittely n kertaa toistetun mittauksen tulos lasketaan aritmeettisena keskiarvona n 1 x = x i n i= 1 Mittaustuloksen hajonnasta aiheutuvaa epävarmuutta kuvaa keskiarvon keskivirhe
LisätiedotTorsioheiluri IIT13S1. Selostuksen laatija: Eerik Kuoppala. Ryhmä B3: Eerik Kuoppala G9024 Petteri Viitanen G8473
Torsioheiluri IIT3S Selostuksen laatija: Eerik Kuoppala Ryhmä B3: Eerik Kuoppala G904 Petteri Viitanen G8473 Mittauspäivämäärä:..4 Selostuksen jättöpäivä: 4.3.4 Torsioheilurin mitatuilla neljän jakson
Lisätiedot¼ ¼ joten tulokset ovat muuttuneet ja nimenomaan huontontuneet eivätkä tulleet paremmiksi.
10.11.2006 1. Pituushyppääjä on edellisenä vuonna hypännyt keskimäärin tuloksen. Valmentaja poimii tämän vuoden harjoitusten yhteydessä tehdyistä muistiinpanoista satunnaisesti kymmenen harjoitushypyn
LisätiedotMuutoksen arviointi differentiaalin avulla
Muutoksen arviointi differentiaalin avulla y y = f (x) y = f (x + x) f (x) dy y dy = f (x) x x x x x + x Luento 7 1 of 15 Matematiikan ja tilastotieteen laitos Turun yliopisto Muutoksen arviointi differentiaalin
LisätiedotOHJEITA TYÖSELOSTUKSEN LAATIMISEEN
OHJEITA TYÖSELOSTUKSEN LAATIMISEEN Raportointi kuuluu tärkeänä osana jokaisen fyysikon työhön riippumatta siitä työskenteleekö hän tutkijana yliopistossa, opettajana koulussa vai teollisuuden palveluksessa.
LisätiedotKUITUPUUN PINO- MITTAUS
KUITUPUUN PINO- MITTAUS Ohje KUITUPUUN PINOMITTAUS Ohje perustuu maa- ja metsätalousministeriön 16.6.1997 vahvistamaan pinomittausmenetelmän mittausohjeeseen. Ohjeessa esitettyä menetelmää sovelletaan
Lisätiedot0.3 LOPPUTULOKSEN ESITTÄMISTARKKUUS
18 0. LOPPUTULOKSEN ESITTÄMISTARKKUUS Fysikaalisen mittauksen ja virheenarvioinnin seurauksena määritettävän suureen arvolle saadaan likiarvo ja virhe (epätarkkuus). Lopputulokseen ei ole tarpeen sisällyttää
LisätiedotKojemeteorologia. Sami Haapanala syksy 2013. Fysiikan laitos, Ilmakehätieteiden osasto
Kojemeteorologia Sami Haapanala syksy 2013 Fysiikan laitos, Ilmakehätieteiden osasto Mittalaitteiden staattiset ominaisuudet Mittalaitteita kuvaavat tunnusluvut voidaan jakaa kahteen luokkaan Staattisiin
LisätiedotKemometriasta. Matti Hotokka Fysikaalisen kemian laitos Åbo Akademi Http://www.abo.fi/~mhotokka
Kemometriasta Matti Hotokka Fysikaalisen kemian laitos Åbo Akademi Http://www.abo.fi/~mhotokka Mistä puhutaan? Määritelmiä Määritys, rinnakkaismääritys Mittaustuloksen luotettavuus Kalibrointi Mittausten
LisätiedotKojemeteorologia (53695) Laskuharjoitus 1
Kojemeteorologia (53695) Laskuharjoitus 1 Risto Taipale 20.9.2013 1 Tehtävä 1 Erään lämpömittarin vertailu kalibrointistandardiin antoi keskimääräiseksi eroksi standardista 0,98 C ja eron keskihajonnaksi
LisätiedotA Lausekkeen 1,1 3 arvo on 1,13 3,3 1,331 B Tilavuus 0,5 m 3 on sama kuin 50 l 500 l l C Luvuista 2 3, 6 7
1 Tuotteen hinta nousee ensin 10 % ja laskee sitten 10 %, joten lopullinen hinta on... alkuperäisestä hinnasta. alkuperäisestä hinnasta. YLIOPPILASTUTKINTO- LAUTAKUNTA 23.3.2016 MATEMATIIKAN KOE PITKÄ
LisätiedotMittausepävarmuuden laskeminen
Mittausepävarmuuden laskeminen Mittausepävarmuuden laskemisesta on useita standardeja ja suosituksia Yleisimmin hyväksytty on International Organization for Standardization (ISO): Guide to the epression
LisätiedotJos nollahypoteesi pitää paikkansa on F-testisuuren jakautunut Fisherin F-jakauman mukaan
17.11.2006 1. Kahdesta kohteesta (A ja K) kerättiin maanäytteitä ja näistä mitattiin SiO -pitoisuus. Tulokset (otoskoot ja otosten tunnusluvut): A K 10 16 Ü 64.94 57.06 9.0 7.29 Oletetaan mittaustulosten
Lisätiedott osatekijät vaikuttavat merkittävästi tuloksen epävarmuuteen Mittaustulosten ilmoittamiseen tulee kiinnittää kriittistä
Mittausepävarmuuden määrittäminen 1 Mittausepävarmuus on testaustulokseen liittyvä arvio, joka ilmoittaa rajat, joiden välissä on todellinen arvo tietyllä todennäköisyydellä Kokonaisepävarmuusarvioinnissa
LisätiedotOpetusmateriaali. Tutkimustehtävien tekeminen
Opetusmateriaali Tämän opetusmateriaalin tarkoituksena on opettaa kiihtyvyyttä mallintamisen avulla. Toisena tarkoituksena on hyödyntää pikkuautoa ja lego-ukkoa fysiikkaan liittyvän ahdistuksen vähentämiseksi.
LisätiedotPHYS-A1110 Laboratoriotyöosuus. Vastaava opettaja Jani Sainio puh: 050-5756914 jani.sainio@aalto.fi huone 138 (OK 4A)
PHYS-A1110 Laboratoriotyöosuus Vastaava opettaja Jani Sainio puh: 050-5756914 jani.sainio@aalto.fi huone 138 (OK 4A) Kurssin järjestelyt Miksi? Fysiikka on havaintoja ja niiden selittämistä / ennustamista
LisätiedotMittausjärjestelmän kalibrointi ja mittausepävarmuus
Mittausjärjestelmän kalibrointi ja mittausepävarmuus Kalibrointi kalibroinnin merkitys kansainvälinen ja kansallinen mittanormaalijärjestelmä kalibroinnin määritelmä mittausjärjestelmän kalibrointivaihtoehdot
LisätiedotJohdatus todennäköisyyslaskentaan Normaalijakaumasta johdettuja jakaumia. TKK (c) Ilkka Mellin (2005) 1
Johdatus todennäköisyyslaskentaan Normaalijakaumasta johdettuja jakaumia TKK (c) Ilkka Mellin (2005) 1 Normaalijakaumasta johdettuja jakaumia Johdanto χ 2 -jakauma F-jakauma t-jakauma TKK (c) Ilkka Mellin
Lisätiedot7. laskuharjoituskierros, vko 10, ratkaisut
7. laskuharjoituskierros, vko 10, ratkaisut D1. a) Oletetaan, että satunnaismuuttujat X ja Y noudattavat kaksiulotteista normaalijakaumaa parametrein E(X) = 0, E(Y ) = 1, Var(X) = 1, Var(Y ) = 4 ja Cov(X,
Lisätiedotb) Jos Ville kaataisikin karkit samaan pussiin ja valitsisi sieltä sattumanvaraisen karkin, niin millä todennäköisyydellä hän saisi merkkarin?
MAA1-harjoituskoe RATKAISUT 1. Villellä on kaksi karkkipussia. Ensimmäisessä pussissa on 3 salmiakkiufoa, 2 merkkaria ja 5 liitulakua. Toisessa pussissa on 5 merkkaria, 3 liitulakua ja 4 hedelmäkarkkia.
LisätiedotPuutavaran tukkimittarimittauksessa käytettävä tyvisylinterin pituus ja tarkastusmittauksen mittaussuunta
Puutavaran tukkimittarimittauksessa käytettävä tyvisylinterin pituus ja tarkastusmittauksen mittaussuunta Puutavaranmittauksen neuvottelukunnan suosituksen 12.10.2017 taustamateriaali Suositusta muutettu
LisätiedotFysiikan laboratoriotyöt 3 Sähkömotorinen voima
Fysiikan laboratoriotyöt 3 Sähkömotorinen voima Työn suorittaja: Antti Pekkala (1988723) Mittaukset suoritettu 8.10.2014 Selostus palautettu 16.10.2014 Valvonut assistentti Martti Kiviharju 1 Annettu tehtävä
LisätiedotJohdatus todennäköisyyslaskentaan Kertymäfunktio. TKK (c) Ilkka Mellin (2005) 1
Johdatus todennäköisyyslaskentaan Kertymäfunktio TKK (c) Ilkka Mellin (2005) 1 Kertymäfunktio Kertymäfunktio: Määritelmä Diskreettien jakaumien kertymäfunktiot Jatkuvien jakaumien kertymäfunktiot TKK (c)
LisätiedotHarjoitus 2: Matlab - Statistical Toolbox
Harjoitus 2: Matlab - Statistical Toolbox Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen tavoitteet Satunnaismuuttujat ja todennäköisyysjakaumat
LisätiedotJos nyt on saatu havaintoarvot Ü ½ Ü Ò niin suurimman uskottavuuden
1.12.2006 1. Satunnaisjakauman tiheysfunktio on Ü µ Üe Ü, kun Ü ja kun Ü. Määritä parametrin estimaattori momenttimenetelmällä ja suurimman uskottavuuden menetelmällä. Ratkaisu: Jotta kyseessä todella
LisätiedotSuositus puutavaran tukkimittarimittauksessa käytettävän tyvisylinterin pituudeksi ja tarkastusmittauksen mittaussuunnaksi.
Suositus puutavaran tukkimittarimittauksessa käytettävän tyvisylinterin pituudeksi ja tarkastusmittauksen mittaussuunnaksi Tukkimittarimittauksessa tyvisylinterin pituus ja tarkastusmittauksen suunta -
LisätiedotKoska ovat negatiiviset. Keskihajontoja ei pystytä laskemaan mutta pätee ¾.
24.11.2006 1. Oletetaan, että kaksiulotteinen satunnaismuuttuja µ noudattaa kaksiulotteista normaalijakaumaa. Oletetaan lisäksi, että satunnaismuuttujan regressiofunktio satunnaismuuttujan suhteen on ݵ
LisätiedotNormaalijakaumasta johdettuja jakaumia
Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Normaalijakaumasta johdettuja jakaumia TKK (c) Ilkka Mellin (2007) 1 Normaalijakaumasta johdettuja jakaumia >> Johdanto χ 2 -jakauma F-jakauma
Lisätiedotriippumattomia ja noudattavat samaa jakaumaa.
12.11.2015/1 MTTTP5, luento 12.11.2015 Luku 4 Satunnaisotos, otossuure ja otosjakauma 4.1. Satunnaisotos X 1, X 2,, X n on satunnaisotos, jos X i :t ovat riippumattomia ja noudattavat samaa jakaumaa. Sanonta
LisätiedotIlkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Kertymäfunktio. TKK (c) Ilkka Mellin (2007) 1
Ilkka Mellin Todennäköisyyslaskenta Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Kertymäfunktio TKK (c) Ilkka Mellin (2007) 1 Kertymäfunktio >> Kertymäfunktio: Määritelmä Diskreettien jakaumien
LisätiedotTUTKIMUSAINEISTON ANALYYSI. LTKY012 Timo Törmäkangas
TUTKIMUSAINEISTON ANALYYSI LTKY012 Timo Törmäkangas LUENNOT Luento Paikka Vko Päivä Pvm Klo 1 L 304 8 Pe 21.2. 08:15-10:00 2 L 304 9 To 27.2. 12:15-14:00 3 L 304 9 Pe 28.2. 08:15-10:00 4 L 304 10 Ke 5.3.
Lisätiedot4. laskuharjoituskierros, vko 7, ratkaisut
4. laskuharjoituskierros, vko 7, ratkaisut D1. Kone valmistaa kuulalaakerin kuulia, joiden halkaisija vaihtelee satunnaisesti. Halkaisijan on oltava tiettyjen rajojen sisällä, jotta kuula olisi käyttökelpoinen.
LisätiedotOn määritettävä puupalikan ja lattian välinen liukukitkakerroin. Sekuntikello, metrimitta ja puupalikka (tai jääkiekko).
TYÖ 5b LIUKUKITKAKERTOIMEN MÄÄRITTÄMINEN Tehtävä Välineet Taustatietoja On määritettävä puupalikan ja lattian välinen liukukitkakerroin Sekuntikello, metrimitta ja puupalikka (tai jääkiekko) Kitkavoima
LisätiedotAKK-MOTORSPORT ry Katsastuksen käsikirja ISKUTILAVUUDEN MITTAAMINEN. 1. Tarkastuksen käyttö
ISKUTILAVUUDEN MITTAAMINEN 1. Tarkastuksen käyttö 2. Määritelmät 3. Välineet 4. Olosuhteet Kyseisen ohjeen tarkoituksena on ohjeistaa moottorin iskutilavuuden mittaaminen ja laskeminen. Kyseinen on mahdollista
LisätiedotEstimointi. Vilkkumaa / Kuusinen 1
Estimointi Vilkkumaa / Kuusinen 1 Motivointi Tilastollisessa tutkimuksessa oletetaan jonkin jakauman generoineen tutkimuksen kohteena olevaa ilmiötä koskevat havainnot Tämän mallina käytettävän todennäköisyysjakauman
LisätiedotMATEMATIIKAN KOE, LYHYT OPPIMÄÄRÄ 24.9.2014 HYVÄN VASTAUKSEN PIIRTEITÄ
MATEMATIIKAN KOE, LYHYT OPPIMÄÄRÄ 4.9.04 HYVÄN VASTAUKSEN PIIRTEITÄ Alla oleva vastausten piirteiden, sisältöjen ja pisteitysten luonnehdinta ei sido ylioppilastutkintolautakunnan arvostelua. Lopullisessa
Lisätiedot/1. MTTTP5, luento Normaalijakauma (jatkuu) Binomijakaumaa voidaan approksimoida normaalijakaumalla
16.11.2017/1 MTTTP5, luento 16.11.2017 3.5.5 Normaalijakauma (jatkuu) Binomijakaumaa voidaan approksimoida normaalijakaumalla ~,, ~,,. 16.11.2017/2 Esim. Tutkittiin uuden menetelmän käyttökelpoisuutta
LisätiedotLiite 1 - Hakkuukonemittaus
Liite 1 - Hakkuukonemittaus Tämä ohje on MMM:n asetuksen nro 15/06, dnro 926/01/2006 liite 1. Asetus tuli voimaan 1 päivänä toukokuuta 2006. Hakkuukoneen, joka otetaan käyttöön 1 päivänä toukokuuta 2007
LisätiedotT Luonnollisen kielen tilastollinen käsittely Vastaukset 3, ti , 8:30-10:00 Kollokaatiot, Versio 1.1
T-61.281 Luonnollisen kielen tilastollinen käsittely Vastaukset 3, ti 10.2.2004, 8:30-10:00 Kollokaatiot, Versio 1.1 1. Lasketaan ensin tulokset sanaparille valkoinen, talo käsin: Frekvenssimenetelmä:
LisätiedotMAA4 Abittikokeen vastaukset ja perusteluja 1. Määritä kuvassa olevien suorien s ja t yhtälöt. Suoran s yhtälö on = ja suoran t yhtälö on = + 2. Onko väittämä oikein vai väärin? 2.1 Suorat =5 +2 ja =5
LisätiedotHämeenlinna 6.9.2012. Jari Lindblad Jukka Antikainen. Jukka.antikainen@metla.fi 040 801 5051
Puutavaran mittaus Hämeenlinna 6.9.2012 Jari Lindblad Jukka Antikainen Metsäntutkimuslaitos, Itä Suomen alueyksikkö, Joensuu Jukka.antikainen@metla.fi 040 801 5051 SISÄLTÖ 1. Puutavaran mittaustarkkuus
LisätiedotMS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A050 Todennäköisyyslaskennan ja tilastotieteen peruskurssi B Satunnaismuuttujat ja todennäköisyysjakaumat Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto
LisätiedotSovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 3. marraskuuta 2007 Antti Rasila () TodB 3. marraskuuta 2007 1 / 18 1 Varianssin luottamusväli, jatkoa 2 Bernoulli-jakauman odotusarvon luottamusväli 3
LisätiedotEne-58.4139 LVI-tekniikan mittaukset ILMAN TILAVUUSVIRRAN MITTAUS TYÖOHJE
Ene-58.4139 LVI-tekniikan mittaukset ILMAN TILAVUUSVIRRAN MITTAUS TYÖOHJE Aalto yliopisto LVI-tekniikka 2013 SISÄLLYSLUETTELO TILAVUUSVIRRAN MITTAUS...2 1 HARJOITUSTYÖN TAVOITTEET...2 2 MITTAUSJÄRJESTELY
Lisätiedot6. laskuharjoitusten vastaukset (viikot 10 11)
6. laskuharjoitusten vastaukset (viikot 10 11) 1. a) Sivun 102 hypergeometrisen jakauman määritelmästä saadaan µ µ 13 39 13! 13 12 11 10 9 µ 0! 8! 1! 2 2! 2 1 0 49 48! 47!! 14440 120 31187200 120 1287
LisätiedotOtosavaruus ja todennäköisyys Otosavaruus Ë on joukko, jonka alkiot ovat kokeen tulokset Tapahtuma on otosavaruuden osajoukko
ÌÓÒÒĐĐÓ ÝÝ ÔÖÙ ØØ Naiiveja määritelmiä Suhteellinen frekvenssi kun ilmiö toistuu Jos tehdas on valmistanut 1000000 kpl erästä tuotetta, joista 5013 ovat viallisia, niin todennäköisyys, että tuote on viallinen
LisätiedotTodennäköisyyslaskun kertaus. Vilkkumaa / Kuusinen 1
Todennäköisyyslaskun kertaus Vilkkumaa / Kuusinen 1 Satunnaismuuttujat ja todennäköisyysjakaumat Vilkkumaa / Kuusinen 2 Motivointi Kokeellisessa tutkimuksessa tutkittaviin ilmiöihin liittyvien havaintojen
LisätiedotTestejä suhdeasteikollisille muuttujille
Ilkka Mellin Tilastolliset menetelmät Osa 3: Tilastolliset testit Testejä suhdeasteikollisille muuttujille TKK (c) Ilkka Mellin (007) 1 Testejä suhdeasteikollisille muuttujille >> Testit normaalijakauman
LisätiedotPRELIMINÄÄRIKOE PITKÄ MATEMATIIKKA 9.2.2011
PRELIMINÄÄRIKOE PITKÄ MATEMATIIKKA 9..0 Kokeessa saa vastata enintään kymmeneen tehtävään.. Sievennä a) 9 x x 6x + 9, b) 5 9 009 a a, c) log 7 + lne 7. Muovailuvahasta tehty säännöllinen tetraedri muovataan
LisätiedotPERMITTIIVISYYS. 1 Johdanto. 1.1 Tyhjiön permittiivisyyden mittaaminen tasokondensaattorilla . (1) , (2) (3) . (4) Permittiivisyys
PERMITTIIVISYYS 1 Johdanto Tarkastellaan tasokondensaattoria, joka koostuu kahdesta yhdensuuntaisesta metallilevystä Siirretään varausta levystä toiseen, jolloin levyissä on varaukset ja ja levyjen välillä
LisätiedotMittaustarkkuus ja likiarvolaskennan säännöt
Mittaustarkkuus ja likiarvolaskennan säännöt Mittaustulokset ovat aina likiarvoja, joilla on tietty tarkkuus Kokeellisissa luonnontieteissä käsitellään usein mittaustuloksia. Mittaustulokset ovat aina
LisätiedotKäytetään satunnaismuuttujaa samoin kuin tilastotieteen puolella:
8.1 Satunnaismuuttuja Käytetään satunnaismuuttujaa samoin kuin tilastotieteen puolella: Esim. Nopanheitossa (d6) satunnaismuuttuja X kertoo silmäluvun arvon. a) listaa kaikki satunnaismuuttujan arvot b)
Lisätiedot(b) Onko hyvä idea laske pinta-alan odotusarvo lähetmällä oletuksesta, että keppi katkeaa katkaisukohdan odotusarvon kohdalla?
6.10.2006 1. Keppi, jonka pituus on m, taitetaan kahtia täysin satunnaisesti valitusta kohdasta ja muodostetaan kolmio, jonka kateetteina ovat syntyneet palaset. Kolmion pinta-ala on satunnaismuuttuja.
Lisätiedot4 TOISEN ASTEEN YHTÄLÖ
Huippu Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty 7.4.016 4 TOISEN ASTEEN YHTÄLÖ POHDITTAVAA 1. Merkitään toisen neliön sivun pituutta kirjaimella x. Tällöin toisen neliön sivun pituus on
Lisätiedot/1. MTTTP5, luento Normaalijakauma (jatkuu) Binomijakaumaa voidaan approksimoida normaalijakaumalla
17.11.2016/1 MTTTP5, luento 17.11.2016 3.5.5 Normaalijakauma (jatkuu) Binomijakaumaa voidaan approksimoida normaalijakaumalla likimain Jos X ~ Bin(n, p), niin X ~ N(np, np(1 p)), kun n suuri. 17.11.2016/2
LisätiedotT Luonnollisten kielten tilastollinen käsittely
T-61.281 Luonnollisten kielten tilastollinen käsittely Vastaukset 3, ti 11.2.2003, 16:15-18:00 Kollokaatiot, Versio 1.1 1. Lasketaan ensin tulokset sanaparille valkoinen, talo käsin: Frekvenssimenetelmä:
LisätiedotDiplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 2017 Insinöörivalinnan matematiikan koe , Ratkaisut (Sarja A)
Diplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 017 Insinöörivalinnan matematiikan koe 30..017, Ratkaisut (Sarja A) 1. a) Lukujen 9, 0, 3 ja x keskiarvo on. Määritä x. (1 p.) b) Mitkä reaaliluvut
LisätiedotMTTTP5, luento Otossuureita ja niiden jakaumia (jatkuu)
21.11.2017/1 MTTTP5, luento 21.11.2017 Otossuureita ja niiden jakaumia (jatkuu) 4) Olkoot X 1, X 2,..., X n satunnaisotos (, ):sta ja Y 1, Y 2,..., Y m satunnaisotos (, ):sta sekä otokset riippumattomia.
LisätiedotTehtävänä on määrittää fysikaalisen heilurin hitausmomentti heilahdusajan avulla.
TYÖ 9d. FYSIKAALISEN HEILURIN HITAUSMOMENTTI Tehtävä Välineet Taustatietoja Tehtävänä on määrittää fysikaalisen heilurin hitausmomentti heilahdusajan avulla. Fysikaalisena heilurina on metrin teräsmittana,
LisätiedotKäytännöt, työselostuksen rakenne ja mittaustulosten käsittely
Fysiikan laboratoriotyöt Käytännöt, työselostuksen rakenne ja mittaustulosten käsittely 1 (11) 1 Yleistä ysiikan laboratoriotyöt opintojaksosta 1.1 Sisältö ja tavoitteet Opintojakson tavoitteena on perehdyttää
LisätiedotHelsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe 11.6.2012 klo 10 13 Ratkaisut ja pisteytysohjeet
Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe 11.6.01 klo 10 13 t ja pisteytysohjeet 1. Ratkaise seuraavat yhtälöt ja epäyhtälöt. (a) 3 x 3 3 x 1 4, (b)
LisätiedotKoneistusyritysten kehittäminen. Mittaustekniikka. Mittaaminen ja mittavälineet. Rahoittajaviranomainen: Satakunnan ELY-keskus
Koneistusyritysten kehittäminen Mittaustekniikka Mittaaminen ja mittavälineet Rahoittajaviranomainen: Satakunnan ELY-keskus Yleistä Pidä työkalut erillään mittavälineistä Ilmoita rikkoutuneesta mittavälineestä
LisätiedotViikon aiheet. Funktion lineaarinen approksimointi
Viikon aiheet Funktion ääriarvot Funktion lineaarinen approksimointi Vektorit, merkintätavat, pituus, yksikkövektori, skalaarilla kertominen, kanta ja kannan vaihto Funktion ääriarvot 6 Väliarvolause Implisiittinen
LisätiedotLaskentaohjelma mittausepävarmuuden
Laskentaohjelma mittausepävarmuuden määrittämiseen Standardin ISO 15530-3 mukainen menetelmä Tekn. Lis. Heikki Lehto, Emeritus-tutkija Toimitustyö ja kuvat: DI Jukka-Pekka Rapinoja METSTA ry 26.10.2018
LisätiedotTilastollinen aineisto Luottamusväli
Tilastollinen aineisto Luottamusväli Keijo Ruotsalainen Oulun yliopisto, Teknillinen tiedekunta Matematiikan jaos Tilastollinen aineisto p.1/20 Johdanto Kokeellisessa tutkimuksessa tutkittavien suureiden
Lisätiedot13. Taylorin polynomi; funktioiden approksimoinnista. Muodosta viidennen asteen Taylorin polynomi kehityskeskuksena origo funktiolle
13. Taylorin polynomi; funktioiden approksimoinnista 13.1. Taylorin polynomi 552. Muodosta funktion f (x) = x 4 + 3x 3 + x 2 + 2x + 8 kaikki Taylorin polynomit T k (x, 2), k = 0,1,2,... (jolloin siis potenssien
Lisätiedotpitkittäisaineistoissa
Puuttuvan tiedon ongelma p. 1/18 Puuttuvan tiedon ongelma pitkittäisaineistoissa Tapio Nummi tan@uta.fi Matematiikan, tilastotieteen ja filosofian laitos Tampereen yliopisto mtl.uta.fi/tilasto/sekamallit/puupitkit.pdf
Lisätiedot1 Tieteellinen esitystapa, yksiköt ja dimensiot
1 Tieteellinen esitystapa, yksiköt ja dimensiot 1.1 Tieteellinen esitystapa Maan ja auringon välinen etäisyys on 1 AU. AU on astronomical unit, joka määritelmänsä mukaan on maan ja auringon välinen keskimääräinen
Lisätiedothttps://www10.uta.fi/opas/opintojakso.htm?rid=6909&i dx=5&uilang=fi&lang=fi&lvv=2014
1 MTTTP3 Tilastollisen päättelyn perusteet 2 Luennot 8.1.2015 ja 13.1.2015 1 Kokonaisuudet johon opintojakso kuuluu https://www10.uta.fi/opas/opintojakso.htm?rid=6909&i dx=5&uilang=fi&lang=fi&lvv=2014
LisätiedotMittaustuloksen esittäminen Virhetarkastelua. Mittalaitetekniikka NYMTES 13 Jussi Hurri syksy 2014
Mittaustuloksen esittäminen Virhetarkastelua Mittalaitetekniikka NYMTES 13 Jussi Hurri syksy 2014 SI järjestelmä Kansainvälinen mittayksikköjärjestelmä Perussuureet ja perusyksiköt Suure Tunnus Yksikkö
Lisätiedot/1. MTTTP1, luento Normaalijakauma (kertausta) Olkoon Z ~ N(0, 1). Määritellään z siten, että P(Z > z ) =, graafisesti:
2.10.2018/1 MTTTP1, luento 2.10.2018 7.4 Normaalijakauma (kertausta) Olkoon Z ~ N(0, 1). Määritellään z siten, että P(Z > z ) =, graafisesti: Samoin z /2 siten, että P(Z > z /2 ) = /2, graafisesti: 2.10.2018/2
Lisätiedot1.1 Tyhjiön permittiivisyyden mittaaminen tasokondensaattorilla
PERMITTIIVISYYS Johdanto Tarkastellaan tasokondensaattoria, joka koostuu kahdesta yhdensuuntaisesta metallilevystä. Siirretään varausta levystä toiseen, jolloin levyissä on varaukset +Q ja Q ja levyjen
LisätiedotOhje laboratoriotöiden tekemiseen. Sisältö. 1 Ennen laboratorioon tuloa 2. 2 Mittausten suorittaminen 2
OHJE 1 (13) Ohje laboratoriotöiden tekemiseen Sisältö 1 Ennen laboratorioon tuloa 2 2 Mittausten suorittaminen 2 3 Mittauspöytäkirja 2 3.1 Mittauspöytäkirjan hyväksyminen................. 3 3.2 Tietokoneella
LisätiedotLuottamusvälit. Normaalijakauma johnkin kohtaan
Luottamusvälit Normaalijakauma johnkin kohtaan Perusjoukko ja otanta Jos halutaan tutkia esimerkiksi Suomessa elävien naarashirvien painoa, se voidaan (periaatteessa) tehdä kahdella tavalla: 1. tutkimalla
LisätiedotTilastollinen testaus. Vilkkumaa / Kuusinen 1
Tilastollinen testaus Vilkkumaa / Kuusinen 1 Motivointi Viime luennolla: havainnot generoineen jakauman muoto on usein tunnettu, mutta parametrit tulee estimoida Joskus parametreista on perusteltua esittää
LisätiedotJuuri 10 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty
Juuri 0 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty 9..08 Kertaus K. a) Alapaineiden pienin arvo on ja suurin arvo 74, joten vaihteluväli on [, 74]. b) Alapaineiden keskiarvo on 6676870774
Lisätiedot= P 0 (V 2 V 1 ) + nrt 0. nrt 0 ln V ]
766328A Termofysiikka Harjoitus no. 7, ratkaisut (syyslukukausi 2014) 1. Sylinteri on ympäristössä, jonka paine on P 0 ja lämpötila T 0. Sylinterin sisällä on n moolia ideaalikaasua ja sen tilavuutta kasvatetaan
LisätiedotEne LVI-tekniikan mittaukset ILMASTOINTIKONEEN MITTAUKSET TYÖOHJE
Ene-58.4139 LVI-tekniikan mittaukset ILMASTOINTIKONEEN MITTAUKSET TYÖOHJE Aalto yliopisto LVI-tekniikka 2013 SISÄLLYSLUETTELO ILMASTOINTIKONEEN MITTAUKSET...2 1 HARJOITUSTYÖN TAVOITTEET...2 2 TUTUSTUMINEN
LisätiedotVALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE Ratkaisut ja arvostelu < X 170
VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE 4.6.2013 Ratkaisut ja arvostelu 1.1 Satunnaismuuttuja X noudattaa normaalijakaumaa a) b) c) d) N(170, 10 2 ). Tällöin P (165 < X < 175) on likimain
LisätiedotJärvi 1 Valkjärvi. Järvi 2 Sysijärvi
Tilastotiedettä Tilastotieteessä kerätään tietoja yksittäisistä asioista, ominaisuuksista tai tapahtumista. Näin saatua tietoa käsitellään tilastotieteen menetelmin ja saatuja tuloksia voidaan käyttää
LisätiedotPerusopintojen Laboratoriotöiden Työselostus 1
Perusopintojen Laboratoriotöiden Työselostus 1 Kalle Hyvönen Työ tehty 1. joulukuuta 008, Palautettu 30. tammikuuta 009 1 Assistentti: Mika Torkkeli Tiivistelmä Laboratoriossa tehdyssä ensimmäisessä kokeessa
LisätiedotAKK-MOTORSPORT ry Katsastuksen käsikirja
NOKKA-AKSELIEN MITTAAMINEN 1. Tarkastuksen käyttö 2. Määritelmät 3. Välineet Kyseisen ohjeen tarkoituksena on ohjeistaa moottorin nokka-akseli(e)n mittaaminen ja ominaisuuksien laskeminen. Ns. A-(perusympyrä)
LisätiedotMittalaitteen tulee toimia luotettavasti kaikissa korjuuolosuhteissa.
LIITE 1 HAKKUUKONEMITTAUS 1(5) HAKKUUKONEMITTAUS 1 Määritelmä Hakkuukonemittauksella tarkoitetaan hakkuukoneella valmistettavan puutavaran tilavuuden mittausta valmistuksen yhteydessä koneen mittalaitteella.
LisätiedotTehtävät 1/11. TAMPEREEN YLIOPISTO Informaatiotieteiden tiedekunta Valintakoe Matematiikka ja tilastotiede. Sukunimi (painokirjaimin)
1/11 Tehtävä 1 2 3 4 5 6 7 8 9 10 Yhteensä Pisteet (tarkastaja merkitsee) Kokeessa on kymmenen tehtävää, joista jokainen on erillisellä paperilla. Jokaisen tehtävän maksimipistemäärä on 6 pistettä. Ratkaise
LisätiedotNumeeriset menetelmät TIEA381. Luento 12. Kirsi Valjus. Jyväskylän yliopisto. Luento 12 () Numeeriset menetelmät / 33
Numeeriset menetelmät TIEA381 Luento 12 Kirsi Valjus Jyväskylän yliopisto Luento 12 () Numeeriset menetelmät 25.4.2013 1 / 33 Luennon 2 sisältö Tavallisten differentiaaliyhtälöiden numeriikasta Rungen
LisätiedotMS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 6A Tilastolliset luottamusvälit Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2016,
Lisätiedot