Tisk

Prosíme přihlašte se nebo zaregistrujte.
1 hodina 1 den 1 týden 1 měsíc nastálo
Přihlašte se svým uživatelským jménem a heslem.

[fu]

Pro více než 2 zdroje chyb je to obecně odmocnina ze součtu kvadrátu dílčích chyb dělená (n-1).
Takže např. pro 3 zdroje chyb s průměrnou chybou 3 , 4 a 5 % je to odm((3x3+4x4+5x5)/2) = 5

To ma byt střední chyba - výběrová směrodatná odchylka? Ja s tim denne nepracuji a uz jsem mimo obor, ale teorie plati pro opakovana mereni http://webfyzika.fsv.cvut.cz/PDF/teoriechyb.pdf .

S procenty se jiste nepocita zpusobem, ktery jste prevedl - dle mych skromych znalosti. ((1.03^2+1.04^2+1.05^2)/2)^0.5=1.274

Mereni probehlo pouze jedno - tedy jeden jev tezko zmerite v realnem provozu vicekrat. Naprosto mi unika k cemu Vam je tedy dobra výběrová směrodatná odchylka.

Pokud mate n prvku zavisle na sobe seriove s moznosti chyby (chyba obsluhy *chyba meridla*chyba pneumatiky), tak bych rekl, ze se chyby nasobi n1*n2*...*nx (1,03*1,04*1,05=1,13, protoze Vas zajima maximalni mozna ochylka.

[kverulant]

S procenty se jiste nepocita zpusobem, ktery jste prevedl - dle mych skromych znalosti. ((1.03^2+1.04^2+1.05^2)/2)^0.5=1.274

Pokud mate n prvku zavisle na sobe seriove s moznosti chyby (chyba obsluhy *chyba meridla*chyba pneumatiky), tak bych rekl, ze se chyby nasobi n1*n2*...*nx (1,03*1,04*1,05=1,13, protoze Vas zajima maximalni mozna ochylka.

Když se podíváte na svůj výsledek, tak jistě naznáte, že těžko bude nejpravděpodobnější chyba více než 2x větší než jejich součet v nejméně příznivém případě. Procenta mají tu výhodu, že se rovnou jedná o průměrnou odchylku od správného výsledku. A já se snažím odhadnout nejpravděpodobnější (nikoli nejzažší) odchylku výsledku od skutečnosti při měření zatíženém více zdroji nezávislých chyb. 
Nejsem statistik, ale takhle jsem to zatím vždy používal při nějakých odhadech.
Pro soud bych samozřejmě pracoval s uvedeným součinem.    In dubio pro reo.

[fu]

Když se podíváte na svůj výsledek, tak jistě naznáte, že těžko bude nejpravděpodobnější chyba více než 2x větší než jejich součet v nejméně příznivém případě.

Prave proto jsem Vas upozornil na:
1. spatne dosazena %,
2. nevhodny vzorec, do ktereho jsem za Vas pro ilustraci spravne dosadil (az na to, ze se na pocitani v % nehodi, tam se davaji hodnoty)
3. Jeste jednou opakuji, ten vzorec se pouziva pri opakovanem mereni, nikoliv na to na co jste ho znasilnil, protoze to co se snazite pocitat nespada snad ani do oboru statistika.

[hh]

Pánové, nechcete se místo teorie chyb měření a vzájemného poměřování ega věnovat něčemu užitečnému?

[ViktorN]

ViktorN: Ano, pás tanku je dobrý příklad. Pás tanku má pevný obvod a počet celých otočení pásu odpovídá ujeté vzdálenosti bez ohledu na to, tak tvar onen pás zrovna má. Stejně tak pneu má pevný obvod, který se nemůže změnit. Tvar gumy se změnit může, ale nemá to vliv na ujetou vzdálenost, stejně jako u pásu.
Výpočet podle poloměru kola nemůžeš použít, protože tenhle výpočet dává smysl pouze v případě ideálního nedeformujícího se kola. Podle poloměru totiž napřed počítáš obvod, ale ten v tomhle případě nesedí!!!

Fajn, ještě jednou (jen abych si dokázal, že to mám správně), jsem provedl empirický pokus. Mám RC model terénního auta, který má poměrně pružné pneu. To znamená, že pokud zatížím auto, tak mohu simulovat podhuštěné pneu a vliv jejich deformace. Udělal jsem si na ráfku disku značku, stejně tak značku na podlaze a jel (ručně, samozřejmě) autíčkem a udělal přesně tři otáčky značky na ráfku a udělal koncovou značku na podlaze. Pak jsem autíčko zatížil a pokus zopakoval. Autíčko na tři otáčky ráfku (dle mého očekávání) ujelo znatelně (a jednoznačně prokazatelně) kratší dráhu.
Takže nejen teoreticky, ale i prakticky — mám pravdu, pane kolego… :-)