1 Adatgyűjtés, mérési alapok, a környezetgazdálkodás fontosabb műszerei KÖRNYEZETGAZDÁLKODÁSI MÉRNÖKI MSc Gazdálkodási modul Gazdaságtudományi ismeretek.

Slides:



Advertisements
Hasonló előadás
Az anyagszerkezet alapjai
Advertisements

Statisztika I. VI. Dr. Szalka Éva, Ph.D..
Adatgyűjtés, mérési alapok, a környezetgazdálkodás fontosabb műszerei KÖRNYEZETGAZDÁLKODÁSI MÉRNÖKI MSc Gazdálkodási modul Gazdaságtudományi ismeretek.
Műveletek logaritmussal
Csoportosítás megadása: Δx – csoport szélesség
MŰSZERES ANALÍZIS ( a jelképzés és jelfeldolgozás tudománya)
MŰSZERES ANALÍZIS ( a jelképzés és jelfeldologozás tudománya)
Főkomponensanalízis Többváltozós elemzések esetében gyakran jelent problémát a vizsgált változók korreláltsága. A főkomponenselemzés segítségével a változók.
Dr. Szalka Éva, Ph.D.1 Statisztika II. VII.. Dr. Szalka Éva, Ph.D.2 Mintavétel Mintavétel célja: következtetést levonni a –sokaságra vonatkozóan Mintavétel.
Dr. Szalka Éva, Ph.D.1 Statisztika II. IX.. Dr. Szalka Éva, Ph.D.2 Idősorok elemzése.
Statisztika II. VI. Dr. Szalka Éva, Ph.D..
E L E M Z É S. 1., adatgyűjtés 2., mintavétel (a teljes sokaságot ritkán tudjuk vizsgálni) 3., mintavételi információk alapján megállapítások, következtetések.
Dr. Szalka Éva, Ph.D.1 Statisztika II. IX.. Dr. Szalka Éva, Ph.D.2 Idősorok elemzése.
Ozsváth Károly TF Kommunikációs-Informatikai és Oktatástechnológiai Tanszék.
Térinformatika (GIS) Házi feladat Keressen hibát a Google Earth vagy Maps adataiban, pl. az objektum jelölése nem esik egybe a műholdképen látható hellyel,
Előadó: Prof. Dr. Besenyei Lajos
A középérték mérőszámai
Adatgyűjtés, mérési alapok, a környezetgazdálkodás fontosabb műszerei
Adatgyűjtés, mérési alapok, a környezetgazdálkodás fontosabb műszerei KÖRNYEZETGAZDÁLKODÁSI MÉRNÖKI MSc Gazdálkodási modul Gazdaságtudományi ismeretek.
1 Adatgyűjtés, mérési alapok, a környezetgazdálkodás fontosabb műszerei KÖRNYEZETGAZDÁLKODÁSI MÉRNÖKI MSc Gazdálkodási modul Gazdaságtudományi ismeretek.
Adatgyűjtés, mérési alapok, a környezetgazdálkodás fontosabb műszerei KÖRNYEZETGAZDÁLKODÁSI MÉRNÖKI MSc Gazdálkodási modul Gazdaságtudományi ismeretek.
Gazdálkodási modul Gazdaságtudományi ismeretek I. Közgazdaságtan KÖRNYEZETGAZDÁLKODÁSI MÉRNÖKI MSc TERMÉSZETVÉDELMI MÉRNÖKI MSc.
Gazdálkodási modul Gazdaságtudományi ismeretek I. Üzemtan KÖRNYEZETGAZDÁLKODÁSI MÉRNÖKI MSc TERMÉSZETVÉDELMI MÉRNÖKI MSc.
Gazdálkodási modul Gazdaságtudományi ismeretek I. Üzemtan
Környezeti elemek védelme III. Vízvédelem
Adatgyűjtés, mérési alapok, a környezetgazdálkodás fontosabb műszerei KÖRNYEZETGAZDÁLKODÁSI MÉRNÖKI MSc Gazdálkodási modul Gazdaságtudományi ismeretek.
Agrár-környezetvédelmi Modul Vízgazdálkodási ismeretek KÖRNYEZETGAZDÁLKODÁSI MÉRNÖKI MSc TERMÉSZETVÉDELMI MÉRNÖKI MSc.
Regresszióanalízis 10. gyakorlat.
AZ ÉLETTANI PARAMÉTEREK MINŐSÉGELLENŐRZÉSE
ÖSSZEFOGLALÓ ELŐADÁS Dr Füst György.
Statisztika II. VIII. Dr. Szalka Éva, Ph.D..
Dr. Szalka Éva, Ph.D.1 Statisztika II. VI.. Dr. Szalka Éva, Ph.D.2 Regresszióanalízis.
Statisztika II. III. Dr. Szalka Éva, Ph.D..
Matematikai alapok és valószínűségszámítás
Egytényezős variancia-analízis
Dr. Balogh Péter Gazdaságelemzési és Statisztika Tanszék DE-AMTC-GVK
Szükségünk lesz valamilyen spreadsheet / táblázat kezelő programra
Idősor elemzés Idősor : időben ekvidisztáns elemekből álló sorozat
Raktári- és kiállítási környezet mérése Mérőműszerek alkalmazásának tapasztalatai MLE vándorgyűlése Sopron, augusztus 17 – 19.
Mintavétel talajból, talajminták tárolása
RÉSZEKRE BONTOTT SOKASÁG VIZSGÁLATA
Méréstechnika.
Tömegspektrometria, Mérés értékelés
Alapsokaság (populáció)
Lineáris regresszió.
Két kvantitatív változó kapcsolatának vizsgálata
© Farkas György : Méréstechnika
A MÉRÉSI HIBA TERJEDÉSE
© Farkas György : Méréstechnika
Műszeres analitika vegyipari területre
1 Adatgyűjtés, mérési alapok, a környezetgazdálkodás fontosabb műszerei KÖRNYEZETGAZDÁLKODÁSI MÉRNÖKI MSc Gazdálkodási modul Gazdaságtudományi ismeretek.
Minőségbiztosítás 11. előadás
előadások, konzultációk
Közúti és Vasúti Járművek Tanszék. A ciklusidők meghatározása az elhasználódás folyamata alapján Az elhasználódás folyamata alapján kialakított ciklusrendhez.
Gazdálkodási modul Gazdaságtudományi ismeretek I. Közgazdaságtan KÖRNYEZETGAZDÁLKODÁSI MÉRNÖKI MSc TERMÉSZETVÉDELMI MÉRNÖKI MSc.
Adatgyűjtés, mérési alapok, a környezetgazdálkodás fontosabb műszerei KÖRNYEZETGAZDÁLKODÁSI MÉRNÖKI MSc Gazdálkodási modul Gazdaságtudományi ismeretek.
Környezetvédelmi mérések követelményei
Környezeti elemek védelme II. Talajvédelem KÖRNYEZETGAZDÁLKODÁSI MÉRNÖKI MSc TERMÉSZETVÉDELMI MÉRNÖKI MSc Gazdálkodási modul Gazdaságtudományi ismeretek.
1 Adatgyűjtés, mérési alapok, a környezetgazdálkodás fontosabb műszerei KÖRNYEZETGAZDÁLKODÁSI MÉRNÖKI MSc Gazdálkodási modul Gazdaságtudományi ismeretek.
TÁMOP /1-2F Műszeres analitika 14. évfolyam Fotometriás módszer validálása Tihanyi Péter 2009.
Gazdaságstatisztika Gazdaságstatisztika Korreláció- és regressziószámítás II.
Potenciometria Elektroanalitika fogalma, Potenciometria fogalma, mérőcella felépítése, mérő- és összehasonlító elektródok, Közvetlen és közvetett potenciometria.
Környezetvédelmi analitika
Korreláció, regresszió
Dr. Varga Beatrix egyetemi docens
5. Kalibráció, függvényillesztés
Mintavétel talajból, talajminták tárolása
Készletek – Állandó felhasználási mennyiség (folyamatos)
Készletek - Rendelési tételnagyság számítása -1
2. Regresszióanalízis Korreláció analízis: milyen irányú, milyen erős összefüggés van két változó között. Regresszióanalízis: kvantitatív kapcsolat meghatározása.
Előadás másolata:

1 Adatgyűjtés, mérési alapok, a környezetgazdálkodás fontosabb műszerei KÖRNYEZETGAZDÁLKODÁSI MÉRNÖKI MSc Gazdálkodási modul Gazdaságtudományi ismeretek I. Közgazdaságtan KÖRNYEZETGAZDÁLKODÁSI MÉRNÖKI MSc TERMÉSZETVÉDELMI MÉRNÖKI MSc Tudományos kutatásmódszertani, elemzési és közlési ismeretek modul

2 A környezetvédelmi mérésekkel szembeni elvárások I. 72. Lecke

3 Környezetvédelmi mérésekkel szembeni elvárások Megbízhatóság Ismételhetőség Határérték alatti mérőképesség Határértékek betartása Statisztikailag megbízható eredmények Ellenőrizhetőség Dokumentáltság

4 Új módszer bevezetése esetén validálást, azaz teljes hitelesítési folyamatot kell végezni. Részleges hitelesítés történik máshol már bevezetett módszer és szabvány átvételénél. Minden mérés sorozat előtt, kalibrálni kell a műszereket, az azokhoz előírt módon. 5-8 mérésenként ellenőrző méréssel (quality control QC) ellenőrizni kell a rendszer stabilitását. A műszerek hitelesítése

5 Referencia mérések A méréssorozatot megelőzően a hiteles mérés érdekében az erre a célra összeállított, vagy vásárolt referencia anyaggal, vagy standarddal történik a műszerek kalibrálása Léteznek hitelesített referencia anyagok, és mérési eszközök (ISO tanúsítvánnyal rendelkeznek), ezek használatával nem lesz szükség saját hitelesítésre. A referencia anyagok gyakran oldatok, tabletták, de egyéb anyagok, mint pl. agyag is lehetnek.

6 Szelektivitás, specifikusság A minták leggyakrabban számos anyagot tartalmaznak, de a mérés során csak egyenként mérjük ezeket. Szelektivitás a műszereknek az a képessége, hogy csak a kívánt paramétert jelzik. Specifikus az a módszer ami, csak egyetlen anyagra alkalmazható (pl. O 2 elektród). Léteznek csoport szelektív módszerek, amelyek hasonló anyagokat egy bizonyos tulajdonságuk alapján szelektálnak. Az univerzális módszerek az anyagok széles spektrumára alkalmazhatók.

7 Linearitás A linearitás a mérő görbe egyenes szakaszára utal, amikor ismert koncentrációjú mintasoron végzünk méréssorozatot, és az adatok a mért tartományban közel egyenes vonal mentén helyezkednek el. A linearitást a műszer méréstartományán belül minél szélesebb sávban célszerű vizsgálni. A mérések hibáit a legkisebb négyzetek elvére épülve egy regressziós egyenes illesztésével határozzuk meg.

8 Kalibráló egyenes Forrás: rkk.bmf.hu/kmi/dokument_elemei/analkemia/anal4a.ppt

9 Érzékenység A mérés érzékenysége (a) az egységnyi koncentrációváltozásra eső jelváltozással egyenlő. Ha a műszer kisebb koncentrációváltozásra is reagál, azt jó érzékenységűnek, ha kevésbé reagál, közepes, vagy gyenge érzékenységűnek tekintjük. Számítása az analitikai mérőgörbe meredeksége alapján történik, amely a mért analitikai jelnek (J) pl. a koncentráció (c) szerinti deriváltja. a =  J/  c Az érzékenység ismeretében kifejezhető a relatív érzékenység (f) is, amely a kapott érzékenységnek és egy vonatkoztatási anyagra meghatározott érzékenységnek a hányadosa. J/Js = f(c/cs)

10 Torzítatlanság A torzítatlanság az állandó, vagy rendszeres hibáktól való mentességet, egyszerűbben a pontosságot fejezi ki. Az állandó hibák a műszerek szerkezetéből, vagy a szondák torzításából adódnak, és általában nem is küszöbölhetők ki. Az állandó hibák - szemben a véletlen hibákkal - mindig azonos irányban torzítanak, így az értékük kiszűrhető, és a méréseredmény azáltal korrigálható. A mérések száma nem befolyásolja a torzítás mértékét, így a mintaszám növelése nem jelent megoldást a pontatlanság csökkentésére, a kalibrálás azonban alkalmas a szisztematikus hibák kiszűrésére, mivel ilyenkor derül fény a műszerek hibáira.

11 Rendszeres hibák Forrás: rkk.bmf.hu/kmi/dokument_elemei/analkemia/anal4a.ppt

12 Kérdések a leckéhez A műszerek hitelesítése Szelektivitás, és specifikusság Torzítatlanság

13 KÖSZÖNÖM FIGYELMÜKET!

14 Adatgyűjtés, mérési alapok, a környezetgazdálkodás fontosabb műszerei KÖRNYEZETGAZDÁLKODÁSI MÉRNÖKI MSc Gazdálkodási modul Gazdaságtudományi ismeretek I. Közgazdaságtan KÖRNYEZETGAZDÁLKODÁSI MÉRNÖKI MSc TERMÉSZETVÉDELMI MÉRNÖKI MSc Tudományos kutatásmódszertani, elemzési és közlési ismeretek modul

15 A környezetvédelmi mérésekkel szembeni elvárások II. 73. Lecke

16 Precizitás A mérési gyakorlatban a véletlen hiba a precizitással fejezhető ki. A véletlen hibák az átlag körüli szóródást befolyásolják, és előre nem látható módon jelentkeznek, ezért a kiszűrésük is nehezebb, mint az állandó hibáké. A mérések számának növelésével a véletlen hibák egyre inkább kiegyenlítik egymást, így az átlagot nem viszik el valamely irányba. Értékét szórási képletekkel számolhatjuk mint az SD (standard deviáció), vagy az RSD%-al (relatív standard deviáció). x i egyes mérések értéke, x i az n párhuzamos mérés átlaga. _

17 Ismételhetőség és reprodukálhatóság A fenti kritériumok a tudományosság alappillérei. Ma az számít tudományos eredménynek, amit egy anyag és módszer fejezetben leírt metódus alapján bárkinek sikerülhet megismételnie. Az ismételhetőség általános feltételei a minta-, a módszer-, a műszer-, az egyéb körülmények a képzett kezelő azonossága, amit újabban az akkreditált laborok felszereltsége garantál. A reprodukálhatóság a reprodukálható körülményekre vonatkozik, s ha ezek fennállnak, úgy az eredmény is közel megegyezik majd az eredeti vizsgálat, vagy műszeres mérés eredményével.

18 Stabilitás A vizsgálatok közben a minta minősége változhat, de pl. a műszer bemelegedése, vagy éppen lehűlése is eltérő eredményekhez vezethet. Ezek miatt ismerni kell azt az idő intervallumot, amelyben a mérés a legstabilabb eredményt adja, vagyis kicsi szórással kapjuk az eredményeket, és az átlag sem mozdul el. A szántóföldi méréseknél pl. a napállás és az egyéb meteorológiai paraméterek állandó változása miatt, nagyon nehéz ezt a feltételt teljesíteni, így a méréssorozatokat nem érdemes egy óránál hosszabbra nyújtani, mivel már nem lesznek összevethetőek az első-, és utolsó méréseredmények. A méréssorozat közben ahol lehet, kontrol mintákkal kell ellenőrizni a mérés körülményeinek változatlanságát.

19 Kimutatási határ Az egyes műszergyártók között gyakran ez a paraméter jelenti a minőségi különbséget. Egy alkotó kimutatási határa (C k ) az a koncentráció, vagy anyagmennyiség, amelyhez tartozó válaszjel (J k ) értéke megegyezik a vakminta közepes válaszjelének (J vak ) és a vakminta válaszjeléhez tartozó tapasztalati szórás (SD vak ) háromszorosának összegével.

20 Meghatározási határ Műszereink alsó méréshatárát jelenti, ahol a vizsgált paraméter még elfogadható pontossággal határozható meg. A meghatározási határ megállapításához standard mintára van szükség. Más szóval a műszer kalibráló görbéjének ez a legalsó értékelhető pontja. Elméletileg a meghatározási határ extrapolációval is kifejezhető lenne, ezt azonban nem használják a nagyobb hibalehetősége miatt. Gyakorlati meghatározását az úgynevezett vakminta válaszjeléhez tartozó tapasztalati szórás (SD) tízszeresével fejezik ki. J k = J vak + 10SD vak

21 Zavartűrőképesség A mérés során a már többször említett külső zavarótényezőkkel kell számolni, azonban a műszerekben szintén kialakulhatnak elektronikus eredetű zavarok, amelyek végső soron a mérés pontosságát ronthatják. Amely műszerek kevésbé érzékenyek az ilyen zavaró körülményekre, sokkal megbízhatóbb mérési eredményeket szolgáltatnak. Az egyes műszerek zavartűrését úgy lehet tesztelni, ha tudatosan idézünk elő különféle zavaró körülményeket, vagyis kiprovokáljuk a zavarokat, és vizsgáljuk azok mértékét. Leggyakrabban a relatív szórást (RSD %) alkalmazzák a zavartűrőképesség számszerűsítésére.

22 Robosztusság A robosztusság a zavartűréshez hasonló kifejezés. Amíg a zavartűrésnél tapasztaltunk mérési eredmény romlást, addig a robosztusság arra utal, hogy megingatható-e egyáltalán a mérés stabilitása. Ehhez is provokatív zavarást végzünk, majd vizsgáljuk azok esetleges következményeit. Változtatható pl. a hőmérséklet, páratartalom, pH, stb. melyek hatására keletkezhetnek szignifikáns különbségek a mérési eredményekben. A robosztus műszerek vagy eljárások azok lesznek, amelyeknél nem keletkezik szignifikáns különbség a zavarás hatására. A vizsgálat eredményeit jegyzőkönyvben rögzítjük. A robosztusság vizsgálatát elsősorban a műszer fejlesztői végzik, hogy minden szempontból megbízható legyen a piacra kerülő készülék.

23 Méréstartomány A műszerekre jellemző méréstartomány dönti el, hogy milyen beltartalmi értékekre milyen műszert érdemes beállítani. Minél szélesebb a méréstartomány, annál univerzálisabb a műszer, azonban ez nem jelenti azt, hogy az ilyen műszer a pontosság és precizitás tekintetében versenyképes lesz. Analitikai mérőgörbét szokás felvenni a méréstartomány meghatározása céljából, amely legalább öt mérőmintát és vakmintát használ. Az alkotókat különböző koncentrációban tartalmazó mérőminták elemzési eredményeiből regresszióval fejezik a méréstartomány optimális értékét. Ehhez a legkisebb négyzetek módszerét alkalmazzák. A lineáris szakasz jelenti majd azt a sávot, ahol a mérés a legmegbízhatóbb, ezért erre a sávra koncentrálódik a méréstartomány.

24 Kalibrációs görbe felvétele Forrás: rkk.bmf.hu/kmi/dokument_elemei/analkemia/anal4a.ppt

25 Visszanyerési tényező A minta gyakran nem reprezentálja teljes mértékben a mátrix eredeti vizsgálati anyagtartalmát, mivel az előkészítés során veszteségekkel kell számolni. A kinyerési, vagy visszanyerési tényező azt mutatja meg, hogy milyen extrakciós, vagy egyéb veszteségek léptek fel a mintázás során. A visszanyerés hatásfokát az adott mátrixra és méréstartományra kell megadni. Ahol: R = a visszanyerés; c i = a mért érték; c ref = várt, vagy referencia érték.

26 Kérdések a leckéhez Ismételhetőség és reprodukálhatóság fogalmai Robosztusság és méréstartomány Visszanyerési tényező

27 KÖSZÖNÖM FIGYELMÜKET!