Előadást letölteni
Az előadás letöltése folymat van. Kérjük, várjon
1
Bevezetés a méréskiértékelésbe (BMETE80ME19)
2014/1
2
Fontosabb témakörök Bevezetés – Fontosabb mérési adat feldolgozási problémák Valószínűségi mező – statisztikai mező - statisztikai minta - modell Fontosabb valószínűség számítási alapfogalmak, törvények Nevezetes eloszlások, Empirikus eloszlás Statisztikák, Alapstatisztikák Becslési elvek Becslések és tulajdonságaik, Cramer-Rao tétel Rendezett minták, és szélső értékek eloszlása Közvetlen mérések kiértékelése Pontbecslés és intervallumbecslés Kerekítés Függvényillesztés elmélete Regularizáció Hipotézisvizsgálatok Többváltozós módszerek Idősor analízis alapjai
3
Effektus kimutatathatósága
Mérés + szórás Modell
4
Effektus kimutathatósága - megbízhatósági szint
5
Történet Laplace (1786) – Föld közelítő ellipszoid – L1 norma
Legendre (1806) L.K.N. L2 norma Gauss Neyman Person Bayes Fisher Ward
6
Mérési adatok – valószínűségi változó reprezentációi – statisztikai minta
Val.szám. – valószínűségi mező Statisztika – statisztikai mező A statisztikai mezőnél definiált valószínűségi mérték (P) – előzetesen választott eloszláshoz kapcsolódik (általában döntés kérdése) A probléma lehet paraméteres vagy nem paraméteres P(Θ)
7
A mérési adat kiértékelés általános sémája
Statisztikai elv Hiba modell Illesztési kritérium Fizikai modell Matematikai modell Mérési adatok Illesztés eredménye Paraméterek Paraméterek kov. Mátrixa Konfidencia intervallumok Az illesztett paraméterek is valószínűségi változók
8
Túlhatározottság… Redundancia… Feladatkitűzés – egyértelműség Mellékfeltételek (kiegyenlítés, regularizáció) A kiértékelés a kísérlet tervezésénél kezdődik Pl. additív zaj modell
9
Kiértékelési feladatok
Adatrendszer szűrése – kiszóró pontok Transzformációk (pl. képfeldolgozás) Függvény illesztés Kiegyenlítő számítások Tesztek – illeszkedés vizsgálat Simítás Csoportosítás, dimenzió csökkentés (Szimulációs ellenőrzések)
Hasonló előadás
© 2024 SlidePlayer.hu Inc.
All rights reserved.