Mittausepävarmuuden arviointi mikrobiologisissa viljelymenetelmissä. 1. Tilastollisesti riippumattomien epävarmuuskomponenttien yhdistäminen

Samankaltaiset tiedostot
Seppo I. Niemelä: Mikrobiologian kvantatiivisten

KEMI-TORNION AMMATTIKORKEAKOULU. Tutkimus laboratoriomittausten mittausepävarmuudesta kahdessa testausympäristössä

763105P JOHDATUS SUHTEELLISUUSTEORIAAN 1 Ratkaisut 5 Kevät 2016

4. Derivointi useammassa ulottuvuudessa

= + + = 4. Derivointi useammassa ulottuvuudessa

Päijät-Hämeen ja Mäntsälän museoiden työryhmän kokous SOPENKORVEN KOKOELMAKESKUS

Kasvupaikka ja boniteetti metsätalouden suunnittelussa

Mikrobiologisten tulosten laskeminen

MIKROTEORIA, HARJOITUS 3 KYSYNTÄ YLI AJAN JA EPÄVARMUUDEN VALLITESSA, OSTAJANA JA MYYJÄNÄ, SEKÄ TYÖN TARJONTA

Turvallista koulumatkaa!

Päijät-Hämeen ja Mäntsälän museoiden työryhmän kokous MUSEOKIOSKI

LIITE 1 VIRHEEN ARVIOINNISTA

Rahoitusriskit ja johdannaiset Matti Estola. luento 10 Binomipuut ja optioiden hinnoittelu

Mittausepävarmuuden laskeminen ISO mukaisesti. Esimerkki: Campylobacter

OULUN YLIOPISTO Konetekniikan osasto A Autojen ja työkoneiden rakennejärjestelmät I 5 op Mauri Haataja. 1. Pyöräajoneuvojen ominaisohjaus

Lukujonon raja-arvo 1/7 Sisältö ESITIEDOT: lukujonot

4. Taajuusalueen suodatus 4.1. Taustaa Perusteita

Oletetaan, että virhetermit eivät korreloi toistensa eikä faktorin f kanssa. Toisin sanoen

Helsingin hengessä sopua ja sovittelua työyhteisön arkeen

Identifiointiprosessi

Optioiden hinnoittelu binomihilassa

Tesomajärven koulusta Tesoman kouluksi

MATEMATIIKKA. Matematiikkaa pintakäsittelijöille. Ongelmanratkaisu. Isto Jokinen 2017

Σ on numeroituvasti ääretön. Todistus. Muodostetaan bijektio f : N Σ seuraavasti. Olkoon

LIITE 1 VIRHEEN ARVIOINNISTA

Braggin ehdon mukaan hilatasojen etäisyys (111)-tasoille on

Käyttöarvon kvantitatiivisesta mittaamisesta. Tommi Höynälänmaa 19. marraskuuta 2012

LIITE 1 VIRHEEN ARVIOINNISTA

Virhearviointi. Fysiikassa on tärkeää tietää tulosten tarkkuus.

S SÄHKÖTEKNIIKKA JA ELEKTRONIIKKA Aalto-yliopisto, sähkötekniikan korkeakoulu

Shakkilinna

Otoskoko 107 kpl. a) 27 b) 2654

HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 2017 Harjoitus 1 Ratkaisuehdotuksia

S uay uvaxy uv 2 Ax 2 y... uv i Ax i y uv i wx i y.

y z = (x, y) Kuva 1: Euklidinen taso R 2

10. Optiohinnoittelu binomihilassa

r = r f + r M r f (Todistus kirjassa sivulla 177 tai luennon 6 kalvoissa sivulla 6.) yhtälöön saadaan ns. CAPM:n hinnoittelun peruskaava Q P

T Luonnollisten kielten tilastollinen käsittely

r = n = 121 Tilastollista testausta varten määritetään aluksi hypoteesit.

Kun annettu differenssiyhtälö z-muunnetaan puolittain, saadaan: 1 1 z Y z zy z z/4 4

Biokasvu Oy. Maatalouden ja teollisuuden sivutuotteiden jatkojalostus ja uusiokäyttö kestävän kehityksen ehdoin

ASUINKERROSTALON ÄÄNITEKNISEN LAADUN ARVIOINTI. Mikko Kylliäinen

TOIMEKSIANTOSOPIMUS. 1. Sopijapuolet. 2. Yhteyshenkilöt. 3. Sopimuksen tausta ja tavoitteet. Osoite: Kasurilantie 1, PL 5, 71801, Siilinjärvi

Tesomajärven koulusta Tesoman kouluksi

Matemaatiikan tukikurssi

1.3 Prosenttilaskuja. pa b = 100

T Luonnollisen kielen tilastollinen käsittely Vastaukset 3, ti , 8:30-10:00 Kollokaatiot, Versio 1.1

Matematiikan tukikurssi

Laskentaa kirjaimilla

Mittaustulosten tilastollinen käsittely

Mat Sovellettu todennäköisyyslasku A

1. Matikan kurssin arvosanat jakautuivat seuraavalla tavalla:

Järkeä ja logiikkaa maahanmuuttokeskusteluun. Panu Raatikainen Tampereen yliopisto

Insinöörimatematiikka A

Sovellettu todennäköisyyslaskenta B

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Momenttiemäfunktio ja karakteristinen funktio

Tasasähköyhteyden suuntaaj-asema. Ue j0ƒ. p,q

SAT-ongelman rajoitetut muodot

Uraohjaukseen tarvitaan oikea-aikaisuutta ja monikanavaisuutta

805306A Johdatus monimuuttujamenetelmiin, 5 op

Tehtävät 1/10. TAMPEREEN YLIOPISTO Informaatiotieteiden tiedekunta Valintakoe Matematiikka ja tilastotiede. Sukunimi (painokirjaimin)

Mittausepävarmuuden laskeminen

w + x + y + z =4, wx + wy + wz + xy + xz + yz =2, wxy + wxz + wyz + xyz = 4, wxyz = 1.

Sisällysluettelo ESIPUHE 1. PAINOKSEEN... 3 ESIPUHE 2. PAINOKSEEN... 3 SISÄLLYSLUETTELO... 4

Hoitoketjut sotealueella. Jukka Mattila Johtajaylilääkäri Lapin sairaanhoitopiiri

1 Kompleksiluvut 1. y z = (x, y) Kuva 1: Euklidinen taso R 2

havainnollistus, muokkaus ja viimeistely

Jos nyt on saatu havaintoarvot Ü ½ Ü Ò niin suurimman uskottavuuden

A B = (1, q, q 2 ) (2, 0, 2) = 2 2q q 2 = 0 q 2 = 1 q = ±1 A(±1) = (1, ±1, 1) A(1) A( 1) = (1, 1, 1) (1, 1, 1) = A( 1) A(1) A( 1) = 1

Maanjäristyksen kestävien kytkentäkotelotelineiden suunnittelu

Muutokset matematiikan opetuksessa

S SÄHKÖTEKNIIKKA

Matematiikan tukikurssi, kurssikerta 2

1. Logiikan ja joukko-opin alkeet

corporate governance Tämä on lyhennetty versio Cinia-konsernin laajemmasta, sisäisestä ohjeistuksesta

k S P[ X µ kσ] 1 k 2.

A ja B pelaavat sarjan pelejä. Sarjan voittaja on se, joka ensin voittaa n peliä.

Vektorien pistetulo on aina reaaliluku. Esimerkiksi vektorien v = (3, 2, 0) ja w = (1, 2, 3) pistetulo on

Laskun vaiheet ja matemaattiset mallit

Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe klo Ratkaisut ja pisteytysohjeet

8 Joukoista. 8.1 Määritelmiä

dx=5&uilang=fi&lang=fi&lvv=2014

Laskun vaiheet ja matemaattiset mallit

x j x k Tällöin L j (x k ) = 0, kun k j, ja L j (x j ) = 1. Alkuperäiselle interpolaatio-ongelmalle saadaan nyt ratkaisu

Lohkoasetelmat. Vilkkumaa / Kuusinen 1

MTTTP5, luento Otossuureita ja niiden jakaumia (jatkuu)

1. Esitä rekursiivinen määritelmä lukujonolle

x = x x 2 + 2y + 3 y = x + 2y f 2 (x, y) = 0. f 2 f 1

k = kiinteistötyypin mukainen kerroin seuraavan taulukon mukaan:

Huom! (5 4 ) Luetaan viisi potenssiin neljä tai viisi neljänteen. 7.1 Potenssin määritelmä

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Yhteistyötä teatterista & Taiteesta tuotteeksi -hankkeet

A = a b B = c d. d e f. g h i determinantti on det(c) = a(ei fh) b(di fg) + c(dh eg). Matriisin determinanttia voi merkitä myös pystyviivojen avulla:

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Kehitysvammaisen ravitsemuksen erityispiirteitä. Heli Pyrhönen laillistettu ravitsemusterapeutti MKS

MS-C1340 Lineaarialgebra ja

Sovellettu todennäköisyyslaskenta B

LASKENTATOIMEN OSAAMINEN vs. LIIKETALOUDELLINEN ENNUSTETARKKUUS

Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe klo 10-13

Transkriptio:

1 Seppo Niemelä, 12.11.2001 Mittasepävarmden arviointi mikrobiologisissa viljelymenetelmissä 1. Tilastollisesti riippmattomien epävarmskomponenttien yhdistäminen Olkoon mitatt kahden riippmattoman lähtösreen A ja B arvot sekä arvioit niiden mittasepävarmdet A ja B (keskihajonnat). A:sta ja B:stä johdettjen sien mttjien (A+B), (A-B), AB ja A/B yhdistetyt epävarmdet vektorismman periaatteella laskien ovat: Smmamttjan (A+B) standardiepävarms + = + ( ) Erotsmttjan (A-B) standardiepävarms = + ( ) Tlomttjan (AB) standardiepävarms AB A B = AB + A B Osamäärämttjan (A/B) standardiepävarms ( A/ B) A A B = + B A B Motoa ( x /x) 2 olevat lasekkeet kaavoissa ovat ns. shteellisia variansseja. Niiden neliöjret ( x /x) ovat shteellisia standardiepävarmksia (shteellisia keskihajontoja). Koska ne ovat tlo- ja osamäärämotoisten lasekkeiden (kts. s. 3) yhdistetyn epävarmden laskemisessa keskeisiä, ja mikrobiologiassa tavallisin tapas, on käytännöllistä merkitä niitä yhdellä kirjainsymbolilla. Otetaan käyttöön merkintä shteellinen mittasepävarms ( x /x)= w x. Se ilmaistaan joko prosentteina tai desimaalilkna ja on mikrobiologiassa kaikkein käytännöllisin mittasepävarmden ilmaistapa. Kahdesta jälkimmäisestä kaavasta saadaan tämän seraksena w w w AB = = + ( AB) ( AB)

2 w w ( A/ B ) = + ( A/ B) 2. Laimennskertoimen epävarms Yhden vaiheen laimennskerroin lasketaan kaavasta ( a + b) f =, missä a a= siirroksen tilavs b= laimennsneste-erän tilavs Kaavan osoittajan ja nimittäjän epävarmdet ovat korreloitneita (sama a). Korrelaation takia laimennskertoimen standardiepävarms lasketaan kaavasta 1 w = + b w ( a+ b) 2 f b a b = laimennslioksen standardiepävarms (ml) w a = siirroksen shteellinen standardiepävarms On helpottavaa tietää, että kertoimen f=10 tapaksessa on seimmiten aivan riittävää olettaa, että w f = w a Esimerkki 1. Olkoon a= 1 ml ja b= 9 ml ja mittasten shteelliset standardiepävarmdet samassa järjestyksessä 2% ja 1% Näinollen w a = 0,02 (2%) ja w b = 0,01 (1%) Laskkaavassa tarvitaan b:n absolttista keskihajontaa eli b = 0,01x9ml= 0,09 ml. Täydellisestä kaavasta saadaan 1 1 w f = + = + = 1+ 9 10 2 0,09 9 0,02 0,0081 0,0324 0,0201 Likimääräisolets: w f = w a = 0,02 pitää tässä tapaksessa hyvin paikkansa. Kokonaislaimennskerroin on yksittäisten laimennskertoimien tlo, joten k kpl laimennsvaiheita sisältävän sarjan kokonaiskerroin F = f... 1 f2 fk Sen shteellinen standardiepävarms on tlon motoisesta lasekkeesta johten yksittäisten kertoimien shteellisten standardiepävarmksien vektorismma (neliösmman neliöjri).

3 2 wf = wf + w... 1 f + + w 2 fk 3. Mikrobiologisten viljelymenetelmien yhdistetty mittasepävarms Koetloksen yhdistetyn mittasepävarmden koostaminen edellyttää koetloksen laskkaavan kirjoittamista näkyviin. Siitä nähdään, minkä mittasten yhdistelmä koetlos on ja millä tavalla osat shtatvat matemaattisesti toisiinsa. Mikrobiologian klassisten standardimenetelmien koetloksen laskkaava on kaikille menetelmille yhteinen ja voidaan esittää modossa y = VF v V= standarditilavs (vesihygieniassa yleensä 100 ml tai 1 ml) F= laimennskerroin (laimennksen monikerta, esim. 10 3 ) v= viljellyn koeannoksen tilavs (ml) = koeannoksesta laskett pesäkelkmäärä Osamäärä /v on tlkittavissa päätesspension mikrobipitoisden (kpl/ml) arvioksi. MPN-menetelmissä talkoiden tai tietokoneohjelmien tlos on yleensä annett soraan standarditilavtta (esim. 100 ml) kohti, joten kaava on yksinkertaisesti y = F MPN Molemmissa kaavoissa mttjat ovat tlon/osamäärän motoisessa shteessa toisiinsa, joten koetlosten yhdistetty (koostett) epävarms edellyttää vain tlo- ja osamäärämttjien epävarmden kaavoja (kts. s. 1). Poikkeksen modostaa laimennskertoimen epävarms, koska jokainen laimennsvaihe merkitsee kahden nestetilavden (siirros ja laimennslios) yhdistämistä. Laimennskertoimen laskkaava sisältää myös yhteenlaska (vrt. s. 2) Korjaskertoimet Toisin kin fysiikassa ja kemiassa, mikrobiologisissa mittaksissa ei ole tottt korjastermien ja kertoimien käyttöön. Tosin laimennskerroin on tlkittavissa tyypilliseksi korjaskertoimeksi, jonka avlla persmittaksen (pesäkkeiden laskennan) tlos korjataan vastaamaan näytteen pitoisstasoa. Aivan vastaavasti voitaisiin ajatella erilaisia kasvalstan viljavdesta, näytteen säilytyksen aikaisista menetyksistä, tilavsmittasten systemaattisista virheistä, viljelymenetelmän aihettamasta stressistä, väärien positiivisten tlosten osdesta tai henkilökohtaisesta työtavasta johtvia korjaksia. Kaikki mikrobiologisten menetelmien korjakset olisivat lonteeltaan tlon tekijöitä, joilla koetlokset pitäisi kertoa. Jokaisella kertoimella olisi oma mittasepävarmtensa, joka toisi tällöin lisänsä koetloksen yhdistettyyn mittasepävarmteen.

4 Oletetaan täydellisesti korjatt koetlos, jonka laskemisessa tarvitaan n kpl erilaisia korjaskertoimia. y = k... 1 k2 kn V F v Tlon motoisesta lasekkeesta johten koetloksen yhdistetty shteellinen epävarms w c arvioitaisiin kaavalla w = w + w +... + w + w + w + w n c k1 k2 k F v Kaavassa ei esiinny standarditilavden (V) epävarmtta, koska standarditilavs on valitt vakio, eikä sen arvoon liity mitään epävarmtta. Myöskin on phtaasti valinnainen asia sisällytetäänkö laboratorionäytteen tai kenttäkohteen epähomogeeniss epävarmskomponenttien jokkoon. Korjaskertoimien ja midenkin tekijöiden epävarmden arvojen löytämisessä käytetään monia keinoja omakohtaisista kalibrointimittaksista ja kenttähavainnoista tilastolliseen teoriaan, kirjallisstietoihin ja valistneeseen arvakseen saakka. Laskesimerkit valaisevat asiaa. Esimerkki 2. Kalvosodatsmenetelmää käyttäen on viljelty soraan vesinäytteestä 10 ml koeannos. Koeannoksen mittaamiseen käytettiin 10 ml mittapipettiä. Inkboinnin jälkeen laborantti laski kalvolta 42 kohdeorganismin pesäkkeiksi olettamaansa pesäkettä. Alstava (varmistamaton) koetlos pyydetään ilmoittamaan 100 ml kohti ja varstamaan epävarmsarviolla. Epävarmden laskemisessa vähimmäisvaatims on ottaa homioon koeannoksen tilavsmittaksen epävarms ja havaittn pesäkemäärään liittyvä epävarms. Oletetaan, että kyseisessä laboratoriossa on tehty kerran persteellinen 10 ml:n mittapipettien tarkists pnnitsemalla. Tilavden keskiarvoksi saatiin 9,7 ml ja shteellisen keskihajonnan (shteellisen standardiepävarmden) arvoksi 0,5%. Koska laimennsta ei tarvitt, koetloksen laskkaava on y= V/v V= 100 ml = 42 v= 9,7 ml

5 Koetlos y = 100x42/9,7= 433/100 ml (pyöristetään vasta lopptlosta ilmoitettaessa). Maljan ilmoitett pesäkelkmäärä 42 saattaa olla epävarma siitä syystä, että se perst silmämäärin tehtyyn laskentaan, johon liittyy myöskin tlkintaa. Jos oletetaan, että laboratoriolla ei ole mitään käsitystä kysymyksessä olevan laborantin tlosten lkemisepävarmdesta, voidaan joko olettaa lk 42 absolttisen varmaksi tai käyttää mta katta (esim. kirjalliss) saata tietoa laskemiseen liittyvästä epävarmdesta. Se on selvissä tapaksissa (esim. phdasviljelmäpesäkkeet) yleensä 1-2%. Merkitään tässä esimerkin voksi tloksen shteellista lkemaepävarmtta w T :llä ja oletetaan sen arvoksi 2% (0,02). Koetlokseksi ei yleensä riitä koeannoksen pesäkelkmäärä, vaan vesinäytteen mikrobipitoiss. Niin tässäkin tapaksessa. Vaikka koetlos ei siitä mt, niin silloin mkaan tlee si merkittävä epävarmskomponentti: hikkastilastollinen hajonta. Koeannokseen sattva todellinen mikrobimäärä näet vaihtelee satnnaisesti, niin että se olisi sattmalta voint olla paljonkin 42:sta poikkeava jossakin toisessa pipetillisessä. Tästä vaihtelsta johtvaa epävarmtta voidaan arvioida tilastollisen teorian ja kokemksen persteella. Täysin onnistneesti sekoitetissa näytteissä vaihtel nodattaa Poisson-jakamaa siten, että pesäkelkmäärän () shteellinen varianssi on 1/. Todellisdessa :n paikalla pitäisi käyttää jakaman oikeaa keskiarvoa. Se ei kitenkaan ole tiedossa. Ainoa sitä koskeva tieto on kokeessa havaitt pesäkemäärä 42. Tässä kokeessa shteelliset epävarmskomponentit olivat siis: Koeannoksen tilavden sht. epävarms w v = 0,005 Tloksen sht. lkemaepävarms w T = 0,02 1 Shteellinen hikkastilastollinen hajonta w = = 0,154 42 Yhdistetty shteellinen epävarms on 2 1 wc = w + wt + wv = + 0, 02 + 0, 005 = 0, 0238 + 0, 0004 + 0, 0000 = 0,156 42 Yhdistetty epävarms on siis 0,156 eli 15,6%. Se määräytyy melkein yksinomaan hikkastilastollisesta hajonnasta, joka jo yksin on srdeltaan 0,154. Milla epävarmskomponenteilla ei tässä tapaksessa ollt merkittävää vaiktsta. Koetlos ja sen epävarms voitaisiin ilmaista esimerkiksi seraavasti Näytteen alstava mikrobipitoiss oli 430/100 ml ja koetloksen shteellinen mittasepävarms 15,6%.