Virhearviointi. Fysiikassa on tärkeää tietää tulosten tarkkuus.
|
|
- Asta Jaakkola
- 6 vuotta sitten
- Katselukertoja:
Transkriptio
1 Virhearviointi Fysiikassa on tärkeää tietää tulosten tarkkuus.
2 Virhelajit A. Tilastolliset virheet= satunnaisvirheet, joita voi arvioida tilastollisin menetelmin B. Systemaattiset virheet = virheet, joita ei voi käsitellä tilastomenetelmin ( kalibrointivirheet, inhimilliset virheet, menetelmiin ja olosuhteisiin liittyvät virheet
3 1. Tilastollisen satunnaisvirheen eliminointi toistamalla mittausta Olkoon suureen todellinen arvo x Mittaustuloksissa esiintyy satunnaista hajontaa molempiin suuntiin Gaussin käyrän mukaisesti On selvää, mittaussarjan keskiarvo µ on lähellä suureen todellista arvoa x, koska keskiarvossa eri suuntiin tapahtuvat satunnaisvirheet kumoavat toisensa Kysymys: Kuinka tarkka on mittaussarjan keskiarvolla tapahtuva muuttujan todellisen arvon määritys?
4 Virherajat / mittaussarja Olkoon mittaussarjan mittaustulosten keskihajonta s Tällöin teorian mukaan n mittauksen sarjojen keskiarvojen keskihajonta σ x on s x 95 % todennälöisyydellä todellinen arvo x on välillä n s s x n n
5 Kattavuuskerroin perustuu normaalijakauman (ja Studentin jakauman) ominaisuuksiin 68 % arvoista on keskihajonnan säteellä keskiarvosta 95 % arvoista on * keskihajonnan säteellä.
6 Esim: Putoamiskiihtyvyys mitataan 10 kertaa. Tuloksissa on satunnaista hajontaa: Laske g virherajoineen. Excel Vastaus on keskiarvo: g = 9.80 m/s Virhemariginaali on : g s n ,07 m s g = (9.81± 0,0) m/s
7 . Regressioanalyysi Yleisimmät mallit: Linear y ax b Exponential bx y ae Power: b y ax Polynomial y ax bx c
8 1. Lineaarinen regressiomalli y ax b Periaate: Löydetäänsellainen a ja b että mallista laskettujen ja mitattujen y-arvojen erotusten neliösumma on minimissään Esim.: x y Minimoidaan (a*1+ b-4.5) + (a*1.5+ b-4.8) + (a*+ b-4.) + (a*.5+ b-4.8) + (a*+ b-4.9) + (a*.5+ b-44.) Kuvassa residuaalit eli erotukset.
9 1. LINEST - funktio Excel funktio LINEST on moniarvoinen funktio, joka laskee parametrit a ja b ja niiden keskivirheet x- solualueelle. Parametrien a ja b keskivirheet ovat niiden keskihajontoja olettaen että residuaalit johtuvat satunnaisista mittausvirheistä. Parametrien a ja b virhemariginaaleina annetaan x niiden keskivirheet.
10 Muita malleja jotka voidaan linearisoida LINEST funktiota voi käyttää myös muiden kuin lineaaristen mallien yhteydessä, kun ne on ensin linearisoitu muuttujan vaihdoksella MALLI MUUNNOS LINEAARINEN MALLI y = a e bx Y - > lny lny = lna + b x y = a x + b X -> x y = a x + b
11 KOKONAIS- DIFFERENTIAALI FUNKTION VIRHEEN ARVIOINNISSA
12 Absoluuttinen ja suhteellinen virhe Virhe ilmaistuna absoluuttisena virheenä x: x ( )m Virhe ilmaistuna suhteellisena virheenä x/x : x.15m.4% x x 0.05m.15m 100%.% Esim. Virtamittarin tarkkuus on ilmaistu suhteellisena virheenä.
13 Yhden muuttujan funktion virhe Funktion virhe = derivaatta * muuttujan virhe f f '( x) x
14 Esim: Määritetään pallon tilavuus mittaamalla sen halkaisija. Mittaustulos on d = (1.5 ± 0.) cm Pallon tilavuus V 1 d 6 1 (1.5cm) cm Tilavuuden absoluuttinen virhe V V '( d) d 1 d d 1 (1.5cm) 0.cm 49.1cm Tulos: V = (10± 50) cm
15 Monen muuttujan funktion virhe f f ( x, y, z) f f f f x y z x y z Osittaisderivaatat
16 Esim.: Tiheys: 1 4 Sylinterin tiheys määritetään mittaamalla sen massa m, pohjan halkaisija d ja korkeus h: m = (9.45 ± 0.05) g, d = 1.50 ± 0.0) cm and h = 5.00 ± 0.04) cm m d h 4m d h 49.45g (1.5cm) 5.0cm g cm Tiheydeb absoluuttinen virhe: m d h m d h 4 8m 4m m d h d h d h d h g cm Tulos: tiheys ρ = (10.5± 0.4) g/cm
17 Osittaisderivaatat saa helposti Online- laskurilla wolframalpha.com
18 Esim: Määritetään pallon tilavuus mittaamalla sen halkaisija. Mittaustulos on d = (1.5 ± 0.) cm Pallon tilavuus 1 V d 6 10 cm d d Halkaisijan suhteellinen virhe % => Tilavuuden suhteellinen virhe = *1.6% = 4.8 % Tilavuuden absoluuttinen virhe = 4.8%*10 cm = 49.1 cm Tulos: V = (10± 50) cm
19 SUHTEELLISEN VIRHEEN MENETELMÄ
20 Suhteellisen virheen menetelmä Sopii funktioille, joissa on vain kerto, jako ja potenssilaskuja Funktion suhteellinen virhe on muuttujien suhteellisten virheiden summa, jossa painokertoimina ovat muuttujan potenssit funktion lausekkeessa. Sovellettuna funktioon: m d 1 4 h m m d h d h % Tulos: ρ = 10.5 g/cm ± 4% DERIVOINTIIN VERRATTUNA PALJON HELPOMPI TAPA! 4% tiheydestä 10.5 = 0.4 g/cm
21 Perustelu suhteellisen virheen menetelmälle z y x g z y x g ln ln ln ln Kaava: x x f f ) '( z z y y x x g g z z y y x x g g Worst case scenario
22 Tulosten oikea esitysmuoto. Mitkä ovat virheellisiä esitystapoja, mitkä oikeita? a) 7.78 g ± 0.1 g b) 8.6 m ± 0.0 m c) (7.9 ± ) N d) 7.6 ± 0. m e) 0.0 mm ± 0.4 mm
Mittaustekniikka (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)
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
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
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
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
LisätiedotLIITE 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
1 LIITE 1 VIRHEEN ARVIOINNISTA Mihin tarvitset virheen arviointia? Mittaustulokset ovat aina todellisten luonnonvakioiden ja tutkimuskohdetta kuvaavien suureiden likiarvoja, vaikka mittauslaite olisi miten
Lisätiedot761121P-01 FYSIIKAN LABORATORIOTYÖT 1. Oulun yliopisto Fysiikan tutkinto-ohjelma Kevät 2016
1 76111P-01 FYSIIKAN LABORATORIOTYÖT 1 Oulun yliopisto Fysiikan tutkinto-ohjelma Kevät 016 JOHDANTO Fysiikassa pyritään löytämään luonnosta lainalaisuuksia, joita voidaan mitata kokeellisesti ja kuvata
LisätiedotMS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi
MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi Antti Rasila Aalto-yliopisto Syksy 2015 Antti Rasila (Aalto-yliopisto) MS-A0202 Syksy 2015 1
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
LisätiedotSuositus puutavaran tukkimittarimittauksessa käytettävän tyvisylinterin pituudeksi ja tarkastusmittauksen mittaussuunnaksi.
Suositus puutavaran tukkimittarimittauksessa käytettävän tyvisylinterin pituudeksi ja tarkastusmittauksen mittaussuunnaksi Tukkimittarimittauksessa tyvisylinterin pituus ja tarkastusmittauksen suunta -
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
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
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
LisätiedotMittausepävarmuuden laskeminen
Mittausepävarmuuden laskeminen Mittausepävarmuuden laskemisesta on useita standardeja ja suosituksia Yleisimmin hyväksytty on International Organization for Standardization (ISO): Guide to the epression
LisätiedotSovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 30. marraskuuta 2007 Antti Rasila () TodB 30. marraskuuta 2007 1 / 19 1 Lineaarinen regressiomalli ja suurimman uskottavuuden menetelmä Minimin löytäminen
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
LisätiedotMittausjärjestelmän kalibrointi ja mittausepävarmuus
Mittausjärjestelmän kalibrointi ja mittausepävarmuus Kalibrointi kalibroinnin merkitys kansainvälinen ja kansallinen mittanormaalijärjestelmä kalibroinnin määritelmä mittausjärjestelmän kalibrointivaihtoehdot
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
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
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
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
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
LisätiedotSovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 21. syyskuuta 2007 Antti Rasila () TodB 21. syyskuuta 2007 1 / 19 1 Satunnaismuuttujien riippumattomuus 2 Jakauman tunnusluvut Odotusarvo Odotusarvon ominaisuuksia
LisätiedotHavaitsevan tähtitieteen peruskurssi I. Datan käsittely. Jyri Lehtinen. kevät Helsingin yliopisto, Fysiikan laitos
Datan käsittely Helsingin yliopisto, Fysiikan laitos kevät 2013 3. Datan käsittely Luennon sisältö: Havaintovirheet tähtitieteessä Korrelaatio Funktion sovitus Aikasarja-analyysi 3.1 Havaintovirheet Satunnaiset
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
LisätiedotSovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 30. lokakuuta 2007 Antti Rasila () TodB 30. lokakuuta 2007 1 / 23 1 Otos ja otosjakaumat (jatkoa) Frekvenssi ja suhteellinen frekvenssi Frekvenssien odotusarvo
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
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
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
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.
LisätiedotA-osa. Ratkaise kaikki tämän osan tehtävät. Tehtävät arvostellaan pistein 0-6. Taulukkokirjaa saa käyttää apuna, laskinta ei.
PITKÄ MATEMATIIKKA PRELIMINÄÄRIKOE 7..07 NIMI: A-osa. Ratkaise kaikki tämän osan tehtävät. Tehtävät arvostellaan pistein 0-. Taulukkokirjaa saa käyttää apuna, laskinta ei.. Valitse oikea vaihtoehto ja
LisätiedotOtoskeskiarvo on otossuure, jonka todennäköisyysjakauma tiedetään. Se on normaalijakauma, havainnollistaminen simuloiden
1 KERTAUSTA JA TÄYDENNYSTÄ Luento 30.9.2014 Olkoon satunnaisotos X 1, X 2,, X n normaalijakaumasta N(µ, σ 2 ), tällöin ~ N(µ, σ 2 /n), kaava (6). Otoskeskiarvo on otossuure, jonka todennäköisyysjakauma
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
LisätiedotLämpötila Lämpölaajeneminen Ideaalikaasu. Luku 17
Lämpötila Lämpölaajeneminen Ideaalikaasu Luku 17 Ch 17-1 3 Termodynaaminen tasapaino Termodynaaminen tasapaino: Tuotaessa kaksi systeemiä lämpökontaktiin niiden termodynaaminen tasapaino on saavutettu,
Lisätiedot(b) Tunnista a-kohdassa saadusta riippuvuudesta virtausmekaniikassa yleisesti käytössä olevat dimensiottomat parametrit.
Tehtävä 1 Oletetaan, että ruiskutussuuttimen nestepisaroiden halkaisija d riippuu suuttimen halkaisijasta D, suihkun nopeudesta V sekä nesteen tiheydestä ρ, viskositeetista µ ja pintajännityksestä σ. (a)
LisätiedotDifferentiaali- ja integraalilaskenta 3 Mallit laskuharjoitukseen 3 /
MS-A3x Differentiaali- ja integraalilaskenta 3, IV/6 Differentiaali- ja integraalilaskenta 3 Mallit laskuharjoitukseen 3 / 9..-.3. Avaruusintegraalit ja muuttujanvaihdot Tehtävä 3: Laske sopivalla muunnoksella
LisätiedotCh 12-4&5 Elastisuudesta ja lujuudesta
Ch 12-4&5 Elastisuudesta ja lujuudesta Jännitys ja venymä Hooken laki F = k l Δl = 1 k F Jousivakio k riippuu langan dimensioista Saadaan malli Δl = l o EA F k = E A l o Lisäksi tarvitaan materiaalia kuvaava
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
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
LisätiedotASUINKERROSTALON ÄÄNITEKNISEN LAADUN ARVIOINTI. Mikko Kylliäinen
ASUINKERROSTALON ÄÄNITEKNISEN LAADUN ARVIOINTI Mikko Kylliäinen Insinööritoimisto Heikki Helimäki Oy Dagmarinkatu 8 B 18, 00100 Helsinki kylliainen@kotiposti.net 1 JOHDANTO Suomen rakentamismääräyskokoelman
LisätiedotVirheen arviointia
16.4.014 Vireen arviointia NUMEERISIA JA ALGEBRAL- LISIA MENETELMIÄ, MAA1 Virettä, tai oikeammin vireen suuruutta, voidaan arvioida seuraavilla tavoilla: 1. Maksimi-minimikeino (-menettely), nopea ja yksinkertainen,
LisätiedotAalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos
Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos Malinen/Ojalammi MS-A0203 Differentiaali- ja integraalilaskenta 2, kevät 2016 Laskuharjoitus 4A (Vastaukset) alkuviikolla
LisätiedotOtoskoko 107 kpl. a) 27 b) 2654
1. Tietyllä koneella valmistettavien tiivisterenkaiden halkaisijan keskihajonnan tiedetään olevan 0.04 tuumaa. Kyseisellä koneella valmistettujen 100 renkaan halkaisijoiden keskiarvo oli 0.60 tuumaa. Määrää
LisätiedotTyössä määritetään luokkahuoneen huoneilman vesihöyryn osapaine, osatiheys, huoneessa olevan vesihöyryn massa, absoluuttinen kosteus ja kastepiste.
TYÖ 36b. ILMANKOSTEUS Tehtävä Työssä määritetään luokkahuoneen huoneilman vesihöyryn osapaine, osatiheys, huoneessa olevan vesihöyryn massa, absoluuttinen kosteus ja kastepiste. Välineet Taustatietoja
LisätiedotBM20A5840 Usean muuttujan funktiot ja sarjat Harjoitus 1, Kevät 2018
BM20A5840 Usean muuttujan funktiot ja sarjat Harjoitus 1, Kevät 2018 1. (a) Tunnemme vektorit a = [ 5 1 1 ] ja b = [ 2 0 1 ]. Laske (i) kummankin vektorin pituus (eli itseisarvo, eli normi); (ii) vektorien
Lisätiedot/1. MTTTP1, luento Normaalijakauma (jatkoa) Olkoon Z ~ N(0, 1). Määritellään z siten, että P(Z > z ) =, graafisesti:
4.10.2016/1 MTTTP1, luento 4.10.2016 7.4 Normaalijakauma (jatkoa) Olkoon Z ~ N(0, 1). Määritellään z siten, että P(Z > z ) =, graafisesti: Samoin z /2 siten, että P(Z > z /2 ) = /2, graafisesti: 4.10.2016/2
LisätiedotHenkilötunnus Sukunimi Etunimet
Valintakokeessa on kaksi osaa: Osa 1 sisältää viisi esseetehtävää kansantaloustieteestä. Osasta 1 voi saada 0 30 pistettä. Osa sisältää kuusi matematiikan laskutehtävää. Osasta voi saada 0 30 pistettä.
LisätiedotTalousmatematiikan perusteet: Luento 7. Derivointisääntöjä Yhdistetyn funktion, tulon ja osamäärän derivointi Suhteellinen muutosnopeus ja jousto
Talousmatematiikan perusteet: Luento 7 Derivointisääntöjä Yhdistetyn funktion, tulon ja osamäärän derivointi Suhteellinen muutosnopeus ja jousto Viime luennolla Funktion Derivaatta f (x) kuvaa funktion
LisätiedotAalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos
Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos Malinen/Vesanen MS-A0205/6 Differentiaali- ja integraalilaskenta 2, kevät 2017 Laskuharjoitus 4A (Vastaukset) alkuviikolla
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
LisätiedotRegressioanalyysi. Kuusinen/Heliövaara 1
Regressioanalyysi Kuusinen/Heliövaara 1 Regressioanalyysin idea ja tavoitteet Regressioanalyysin idea: Oletetaan, että haluamme selittää jonkin selitettävän muuttujan havaittujen arvojen vaihtelun joidenkin
LisätiedotMatematiikan perusteet taloustieteilij oille I
Matematiikan perusteet taloustieteilijöille I Harjoitukset syksy 2006 1. Laskeskele ja sieventele a) 3 27 b) 27 2 3 c) 27 1 3 d) x 2 4 (x 8 3 ) 3 y 8 e) (x 3) 2 f) (x 3)(x +3) g) 3 3 (2x i + 1) kun, x
LisätiedotTyö 31A VAIHTOVIRTAPIIRI. Pari 1. Jonas Alam Antti Tenhiälä
Työ 3A VAIHTOVIRTAPIIRI Pari Jonas Alam Antti Tenhiälä Selostuksen laati: Jonas Alam Mittaukset tehty: 0.3.000 Selostus jätetty: 7.3.000 . Johdanto Tasavirtapiirissä sähkövirta ja jännite käyttäytyvät
LisätiedotRadioaktiivisen säteilyn läpitunkevuus. Gammasäteilty.
Fysiikan laboratorio Työohje 1 / 5 Radioaktiivisen säteilyn läpitunkevuus. Gammasäteilty. 1. Työn tavoite Työn tavoitteena on tutustua ionisoivaan sähkömagneettiseen säteilyyn ja tutkia sen absorboitumista
LisätiedotPRELIMINÄÄRIKOE. Lyhyt Matematiikka 3.2.2015
PRELIMINÄÄRIKOE Lyhyt Matematiikka..015 Vastaa enintään kymmeneen tehtävään. Kaikki tehtävät arvostellaan asteikolla 0-6 pistettä. 1. a) Sievennä x( x ) ( x x). b) Ratkaise yhtälö 5( x 4) 5 ( x 4). 1 c)
LisätiedotMATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ HYVÄN VASTAUKSEN PIIRTEITÄ
MATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ..07 HYVÄN VASTAUKSEN PIIRTEITÄ Tutkintoaineen sensorikokous on hyväksynyt seuraavat hyvän vastauksen piirteet. Hyvästä suorituksesta näkyy, miten vastaukseen on päädytty.
LisätiedotDerivaatan sovelluksia
Derivaatan sovelluksia Derivaatta muutosnopeuden mittarina Tehdään monisteen esimerkistä 5 hiukan mutkikkaampi versio Olete- taan, että meillä on mpräpohjaisen kartion muotoinen astia, johon virtaa vettä
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
LisätiedotMS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 4: Ketjusäännöt ja lineaarinen approksimointi
MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 4: Ketjusäännöt ja lineaarinen approksimointi Jarmo Malinen Matematiikan ja systeemianalyysin laitos 1 Aalto-yliopisto Kevät 2016 1 Perustuu
LisätiedotKorrelaatiokertoinen määrittely 165
kertoinen määrittely 165 Olkoot X ja Y välimatka- tai suhdeasteikollisia satunnaismuuttujia. Havaintoaineistona on n:n suuruisesta otoksesta mitatut muuttuja-arvoparit (x 1, y 1 ), (x 2, y 2 ),..., (x
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
LisätiedotMATEMATIIKAN KOE, LYHYT OPPIMÄÄRÄ HYVÄN VASTAUKSEN PIIRTEITÄ
MATEMATIIKAN KOE, LYHYT OPPIMÄÄRÄ 24.9.2019 HYVÄN VASTAUKSEN PIIRTEITÄ Alustavat hyvän vastauksen piirteet on suuntaa-antava kuvaus kokeen tehtäviin odotetuista vastauksista ja tarkoitettu ensisijaisesti
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)
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
LisätiedotTalousmatematiikan perusteet: Luento 8. Tulon ja osamäärän derivointi Suhteellinen muutosnopeus ja jousto
Talousmatematiikan perusteet: Luento 8 Tulon ja osamäärän derivointi Suhteellinen muutosnopeus ja jousto Viime luennoilla Derivointisääntöjä eri funktiotyypeille: Polynomifunktio Potenssifunktio Eksponenttifunktio
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
LisätiedotYlioppilastutkintolautakunta S tudentexamensnämnden
Ylioppilastutkintolautakunta S tudentexamensnämnden MATEMATIIKAN KOE, LYHYT OPPIMÄÄRÄ.9.013 HYVÄN VASTAUKSEN PIIRTEITÄ Alla oleva vastausten piirteiden ja sisältöjen luonnehdinta ei sido ylioppilastutkintolautakunnan
LisätiedotMS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 2: Usean muuttujan funktiot
MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 2: Usean muuttujan funktiot Antti Rasila Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Syksy 2016 Antti Rasila (Aalto-yliopisto)
LisätiedotHarjoitus 9: Excel - Tilastollinen analyysi
Harjoitus 9: Excel - Tilastollinen analyysi Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Tutustuminen regressioanalyysiin
Lisätiedot, tuottoprosentti r = X 1 X 0
Ostat osakkeen hintaan ja myyt sen vuoden myöhemmin hintaan X 1. Kokonaistuotto on tällöin R = X 1, tuottoprosentti r = X 1 ja pätee R = 1 + r. Lyhyeksimyymisellä tarkoitetaan, että voit myydä osakkeen
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
LisätiedotTEHTÄVIEN RATKAISUT N = 1,40 N -- 0,84 N = 0,56 N. F 1 = p 1 A = ρgh 1 A. F 2 = p 2 A = ρgh 2 A
TEHTÄVIEN RATKAISUT 8-1. Jousivaa an lukema suolavedessä on pienempi kuin puhtaassa vedessä, koska suolaveden tiheys on suurempi kuin puhtaan veden ja siksi noste suolavedessä on suurempi kuin puhtaassa
LisätiedotTaajuusmittauskilpailu Hertsien herruus 2008. Mittausraportti
Taajuusmittauskilpailu Hertsien herruus 2008 1. MITTAUSJÄRJESTELMÄ Mittausraportti Petri Kotilainen OH3MCK Mittausjärjestelmän lohkokaavio on kuvattu alla. Vastaanottoon käytettiin magneettisilmukkaantennia
Lisätiedot9. laskuharjoituskierros, vko 12-13, ratkaisut
9. laskuharjoituskierros, vko 12-13, ratkaisut D1. Olkoot X i, i = 1, 2,..., n riippumattomia, samaa eksponenttijakaumaa noudattavia satunnaismuuttujia, joiden odotusarvo E(X i = β, toisin sanoen X i :t
LisätiedotTyössä määritetään luokkahuoneen huoneilman vesihöyryn osapaine, osatiheys, huoneessa olevan vesihöyryn massa, absoluuttinen kosteus ja kastepiste.
TYÖ 36b. ILMANKOSTEUS Tehtävä Työssä määritetään luokkahuoneen huoneilman vesihöyryn osapaine, osatiheys, huoneessa olevan vesihöyryn massa, absoluuttinen kosteus ja kastepiste. Välineet Taustatietoja
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,
Lisätiedot5. Numeerisesta derivoinnista
Funktion derivaatta ilmaisee riippumattoman muuttujan muutosnopeuden riippuvan muuttujan suteen. Esimerkiksi paikan derivaatta ajan suteen (paikan ensimmäinen aikaderivaatta) on nopeus, joka ilmaistaan
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
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
LisätiedotDifferentiaali- ja integraalilaskenta 1 Ratkaisut 5. viikolle /
MS-A8 Differentiaali- ja integraalilaskenta, V/7 Differentiaali- ja integraalilaskenta Ratkaisut 5. viikolle / 9..5. Integroimismenetelmät Tehtävä : Laske osittaisintegroinnin avulla a) π x sin(x) dx,
LisätiedotMS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat.
MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat. Antti Rasila Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Kevät 2016 Antti Rasila
LisätiedotDerivaatta: funktion approksimaatio lineaarikuvauksella.
Viikko 5 Tällä viikolla yleistetään R 2 :n ja R 3 :n vektorialgebran peruskäsitteet n-ulotteiseen avaruuteen R n, ja määritellään lineaarikuvaus. Tarkastellaan funktioita, joiden määrittelyjoukko on n-ulotteisen
LisätiedotNumeerinen analyysi Harjoitus 1 / Kevät 2017
Numeerinen analyysi Harjoitus 1 / Kevät 2017 Palautus viimeistään perjantaina 3.3. Tehtävä 1: Oheinen MATLAB-funktio toteuttaa eksponenttifunktion evaluoinnin. 1 function y = seriesexp ( x ) 2 oldsum =
LisätiedotMATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ HYVÄN VASTAUKSEN PIIRTEITÄ
MATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ 6.3.09 HYVÄN VASTAUKSEN PIIRTEITÄ Alla oleva vastausten piirteiden, sisältöjen ja pisteitysten luonnehdinta ei sido ylioppilastutkintolautakunnan arvostelua. Lopullisessa
LisätiedotMS-A0207 Differentiaali- ja integraalilaskenta 2 (CHEM) Luento 2: Usean muuttujan funktiot
MS-A0207 Differentiaali- ja integraalilaskenta 2 (CHEM) Luento 2: Usean muuttujan funktiot Harri Hakula Matematiikan ja systeemianalyysin laitos 1 Aalto-yliopisto Kevät 2018 1 Perustuu Antti Rasilan luentomonisteeseen
Lisätiedot805306A Johdatus monimuuttujamenetelmiin, 5 op
monimuuttujamenetelmiin, 5 op syksy 2018 Matemaattisten tieteiden laitos Lineaarinen erotteluanalyysi (LDA, Linear discriminant analysis) Erotteluanalyysin avulla pyritään muodostamaan selittävistä muuttujista
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
LisätiedotMittaustulosten käsittely
Mittaustulosten käsittely Virhettä ja epävarmuutta ilmaisevat käsitteet Toistokoe ja satunnaisten virheiden tilastollinen käsittely. Mittaustulosten jakaumaa kuvaavat tunnusluvut. Normaalijakauma 8. Toistokoe
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
Lisätiedotjakokulmassa x 4 x 8 x 3x
Laudatur MAA ratkaisut kertausarjoituksiin. Polynomifunktion nollakodat 6 + 7. Suoritetaan jakolasku jakokulmassa 5 4 + + 4 8 6 6 5 4 + 0 + 0 + 0 + 0+ 6 5 ± 5 5 4 ± 4 4 ± 4 4 ± 4 8 8 ± 8 6 6 + ± 6 Vastaus:
LisätiedotSovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 15. marraskuuta 2007 Antti Rasila () TodB 15. marraskuuta 2007 1 / 19 1 Tilastollisia testejä (jatkoa) Yhden otoksen χ 2 -testi varianssille Kahden riippumattoman
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
LisätiedotMATEMATIIKAN KOE PITKÄ OPPIMÄÄRÄ
YLIOPPILSTUTKINTO- LUTKUNT..7 MTEMTIIKN KOE PITKÄ OPPIMÄÄRÄ -osa Ratkaise kaikki tämän osan tehtävät. Tehtävät arvostellaan pistein. Kunkin tehtävän ratkaisu kirjoitetaan tehtävän alla olevaan ruudukkoon.
LisätiedotAntti Rasila. Kevät Matematiikan ja systeemianalyysin laitos Aalto-yliopisto. Antti Rasila (Aalto-yliopisto) MS-A0204 Kevät / 16
MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 5: Gradientti ja suunnattu derivaatta. Vektoriarvoiset funktiot. Taylor-approksimaatio. Antti Rasila Matematiikan ja systeemianalyysin laitos
LisätiedotMS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä.
MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä. Antti Rasila Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Kevät 2016
LisätiedotPreliminäärikoe Tehtävät A-osio Pitkä matematiikka kevät 2016 Sivu 1 / 4
Preliminäärikoe Tehtävät A-osio Pitkä matematiikka kevät 06 Sivu / 4 Laske yhteensä enintään 0 tehtävää. Kaikki tehtävät arvostellaan asteikolla 0-6 pistettä. Osiossa A EI SAA käyttää laskinta. Osiossa
LisätiedotTilastolliset jakaumat, niiden esittäminen ja tunnusluvut
TILASTO-OPPIA Tilastolliset jakaumat, niiden esittäminen ja tunnusluvut Diskreetit jakaumat ja niiden esittäminen frekvenssitauluna ja kaaviona Jakauma on diskreetti jos tilastomuuttuja voi saada vain
Lisätiedot