ANALIZA MERENJA

ANALIZA MERENJA
Raun izravnanja 1
B.Boži
Graevinski fakultet – Odsek za geodeziju i geoinformatiku
Definicija merenja, direktna i indirektna
merenja
• Merenje = opažanja izvedeno s ciljem odredivanja vrednosti nepoznate
velicine.
• Merenja se dele na: direktna i indirektna.
• Direktna merenja se se izvode direktnom upotrebom instrumenata -
direktnim citanjem vrednosti merene velicine (merenje dužine pantljikom,
citanje limba teodolita i sl.)
• Indirektna merenja se realizuju onda kada nije moguce ili nije prakticno
direktno meriti.Vrednost merene velicine dobija se korišcenjem
matematickih funkcija sa direktnim merenjima kao parametrima (merenjem
uglova i dužina racunaju se koordinate tacaka; na osnovu sracunatih
koordinata moguce je sracunati uglove i dužine izmedu tacaka koje nisu
direktno merene I sl.).
• Tokom postupka realizacije indirektnih merenja greške direktnih merenja se
prenose (prostiranje gre prostiranje greš šaka aka ili error propagation) na vrednosti
indirektno dobijenih velicina. Tj. indirektno odredene velicine sadrže greške
direktnih merenja.
Greške merenja - izvori grešaka
merenja
Osobine merenja:
• Nema tacnih merenja
• Svako merenje sadrži greške
• Istinita vrednost merenja nikada nije poznata
• Tacne vrednosti grešaka merenja nikada nisu poznate
Po definiciji, greška predstavlja razliku merene i tane vrednosti neke
fizicke velicine.
ε = x - µ
Podela grešaka prema izvoru nastajanja:
• Instrumentalne
• Greške usled uticaja spoljašnje sredine
• Greške operatora
Greške merenja - podela grešaka
prema prirodi uticaja
Prema prirodi uticaja greške se dele na:
• Grube,
• Sistematske, i
• Slucajne
Grube greške nastaju usled nepažnje
operatora. Cesto se i ne tretiraju kao
greške.Moraju se otkloniti.
Sistematske greške slede fizicke
zakone i na izvestan nacin se mogu
predvideti. Otklanjaju su metodom rada
ili uvodenjem popravaka.
Sluajne greške ostaju nakon
otklanjanja grubih i sistematskih.
Nastaju kao posledica, nesavršenosti
konstrukcije instrumenta ili
nesavršenosti operatora. Relativno su
male po vrednosti i razlicitog znaka i
ne ponašaju se po nekom pravilu. Ne
mogu se eliminisati ali se mogu
redukovati.
Preciznost i tanost merenja
Ponovljena merenja iste velicine cesto su razlicitih vrednosti. Nesaglasnost (descrepancy) se
definiše kao algebarska razlika dva merenja iste velicine. Mala nesaglasnost je pokazatelj prisustva
grešaka malih po intenzitetu.
Preciznost merenja definiše se kao stepen medusobne konzistentnosti merenja i zasnovana je na
velicini nesaglasnosti rezultata merenja nekog skupa. Stepen preciznosti zavisi od stabilnosti
okoline u toku merenja, kvaliteta opreme, veština operatora i primenjene procedure merenja.
Tanost merenja predstavlja bliskost merene velicine njenoj tacnoj vrednosti. Kako tacnu vrednost
merene velicine ne znamo, sledi da tacnost merenja nije moguce odrediti.
Tacno i precizno Precizno i netacno
Nerecizno i netacno
Uslovi merenja, populacija i uzorak
merenja
• Merenje (Perovi, 1989):
Kvantitativno uporedenje merene velicine sa drugom istorodnom velicinom uzetom za jedinicu mere.
Uporedenje se izvodi uz niz operacija: 1) etaloniranje mernog pribora, 2) viziranje, 3) koincidiranje, 4)
oitavanje i sl. Ishod merenja jeste rezultat merenja.
• Rezultat merenja:
X = N x E, gde je N – merni broj, a E =1.
• Uslovi merenja:
1) objekat merenja,
2) subjekat merenja (operator),
3) instrument i pribor,
4) spoljašnja sredina
• Jednakost uslova merenja:
1) isti objekat merenja,
2) subjekti merenja istih karakteristika,
3) instrumenti iste preciznosti i ista metoda merenja,
4) slicni spoljašnji uslovi
• Neophodan broj merenja = minimalan broj merenja s ciljem
definisanja merene velicine
• Suvišan broj merenja = broj merenja preko minimalnog broja
Merenja iste tacnosti Merenja razlicite tacnosti
Podela merenja prema tacnosti
• Sluajna veliina: Rezultat merenja, ishod
eksperimenta
a) diskretna
b) kontinuirana
• Niz merenja: x
1
, x
2
, ..., x
n
• Raspon merenja: w
n
=x
max
– x
min
• Varijacioni niz: Niz rezultata merenja
poredanih od minimalne do maksimalne
vrednosti
• Vektor rezultata merenja:
• Populacija: Skup neogranicenog broja
merenja neke fizicke velicine.Parametri
populacije (µ, σ)
• Uzorak merenja: Na odreden nacin
odabran podskup neke populacije. Na
osnovu uzorka ocenjuje se raspored
verovatnoca ili parametri rasporeda
• Prezentacija podataka: a) graficka i b)
numericka

=
n
2
1
x
.
.
x
x
x
PRIMER 1
X
min
= 20.1 ″
X
max
= 26.1 ″
w
n
= 6.0 ″
Medijana:
(23.4+23.5)/2=23.45
26.1 25.9 25.9 25.5 25.4
25.3 25.3 25.2 25.0 24.8
24.7 24.6 24.4 24.3 24.2
24.1 24.1 24.0 23.9 23.8
23.8 23.8 23.7 23.6 23.5
23.4 23.3 23.2 23.2 23.1
23.1 23.0 22.9 22.9 22.8
22.8 22.7 22.6 22.6 22.5
22.3 22.3 22.2 22.0 21.9
21.8 21.7 21.2 20.5 20.1
20.1 25.3 22.3 23.9 21.7
23.6 22.8 25.0 25.3 22.6
22.8 25.9 23.0 21.2 26.1
25.2 23.1 23.8 24.3 21.9
23.2 24.1 24.6 23.3 22.2
21.8 23.1 25.9 23.4 22.9
22.6 24.1 23.7 24.4 23.8
23.8 22.0 23.2 24.7 25.5
22.9 23.5 24.8 24.2 22.3
22.5 20.5 24.0 25.4 22.7
Varijacioni niz
Rezultati merenja
pravca
) ˆ , ˆ ( σ µ
1.1. GRAFI
1.1. GRAFI

KA PREZENTACIJA REZULTATA
KA PREZENTACIJA REZULTATA
MERENJA
MERENJA
= 50/50 = 1
7/50 = 0.14 7 25.24 – 26.10
6/50 = 0.12 6 24.38 – 25.24
11/50 = 0.22 11 23.53 – 24.38
13/50 = 0.26 13 22.67 – 23.53
8/50 = 0.16 8 21.82 – 22.67
3/50 = 0.06 3 20.96 – 21.82
2/50 = 0.04 2 20.10 – 20.96
Relativna frekvencija
klase (3)
Frekvencija klase
(2)
Interval klase
(1)
20.1 20.96 21.82 22.67 23.53 24.38 25.24 26.1
0
0.05
0.1
0.15
0.2
0.25
0.3
Histogram frekvencija
Kreiranje histograma frekvencija:
1. Podela variacionog niza na klase (od 5 do 20 klasa)
2. Definisanje širine i intervala klase (u primeru 1; 0.86)
3. Definisanje frekvencije klasa
4. Definisanje relativnih frekvencija klasa
5. Kreiranje histograma
Tumaenje histograma:
1. Da li su rezultati merenja simetricno rasporedeni
oko centralne vrednosti (simetricnost)?
2. Kakva je disperzija (raspon) podataka?
3. Frekfencija pojave pojedinih rezultata
4. Kakav je oblik histograma – zvonastost ukazuje
na stepen preciznosti
Grupisani raspored merenja
k > 5 log n
Empirijske frekvencije
Svojstva relativnih frekvencija
• Relativna frekvencija slucajnog dogadaja je
nenegativan broj i nalazi se u intervalu izmedu
0 i 1;
• Relativna frekvencija sigurnog dogadaja jednaka
je 1;
• Relativna frekvencija dva nezavisna dogadaja
jednaka je zbiru njihovih relativnih frekvencija
• Relativne frekvencije rezultata merenja jednake
su relativnim frekvencijama njihovih grešaka
1.2. NUMERI
1.2. NUMERI

KA PREZENTACIJA REZULTATA
KA PREZENTACIJA REZULTATA
MERENJA (numeri
MERENJA (numeri

ki ocenjiva
ki ocenjiva

i)
i)
Kategorije numerikih ocenjivaa:
1. Mere centralne tendencije (mere
položaja)
2. Mere disperzije
3. Mere relativnog stanja
NUMERI
NUMERI

KA PREZENTACIJA REZULTATA
KA PREZENTACIJA REZULTATA
MERENJA (numeri
MERENJA (numeri

ki ocenjiva
ki ocenjiva

i)
i)


mere
mere
centralne tendencije
centralne tendencije
• Aritmeticka sredina
• Medijana
• Moda
n
x
x
n
1 i
i
=
=
Vrednost koja se najcešce
pojavljuje u datom skupu
merenja neke fizicke velicine.
Retko se u praksi koristi jer je
cesto skup merenja mali.
Nije jednoznacna jer se cesto
u nekom skupu isti broj puta
pojavi nekoliko rezultata.
Ukoliko skup sadrži neparan
broj rezultata, medijanu
predstavlja rezultat koji se
nalazi u sredini rastuceg niza.
Ako je broj rezultata paran, tada
sredina dva susedna rezultata
u sredini niza formiraju medijanu.
Empirijsko matematiko oekivanje
Mere centralne tendencije su
statisticke velicine koje ukazuju na
vrednost iz skupa rezultata merenja
koja ima tendenciju približenja
sredini skupa.
Svojstva aritmeti
Svojstva aritmeti

ke sredine
ke sredine
• Suma odstupanja pojedinih rezultata merenja od
aritmeticke sredine jednaka je nuli
• Suma kvadrata odstupanja pojedinih rezultata od
srednje vrednosti manja je od sume kvadrata
odstupanja istih rezultata od bilo koje druge
vrednosti x (svojstvo minimuma; Perovic, 1989)
0 ) x x (
n
1 i
i
= −

=
x Y za , ) Y x ( ) x x (
2
i
n
1 i
n
1 i
2
i
≠ − < −

= =
NUMERI
NUMERI

KA PREZENTACIJA REZULTATA
KA PREZENTACIJA REZULTATA
MERENJA (numeri
MERENJA (numeri

ki ocenjiva
ki ocenjiva

i)
i)


mere
mere
disperzije
disperzije
• Vrijansa populacije
• Varijansa uzorka
• Standardna greška
• Standardno
odstupanje
• Standardno
odstupanje sredine
n
n
1 i
2
i
2

=
=
ε
σ
1 n
v
s
n
1 i
2
i
2

=

=
ε - istinita greška, n – broj merenja
v – rezidual (razlika izmedu pojedinog rezultata merenja
i najverovatnije vrednosti merene velicine;
n – broj merenja; (n-1) – broj stepeni slobode
i i
x x v − =
n
n
1 i
2
i
=
=
ε
σ
NAPOMENA: Varijansu populacije i standardnu grešku
prakticno je skoro nemoguce odrediti jer istinite vrednosti, a
samim tim i greške nije moguce poznavati.
1 n
v
s
n
1 i
2
i

=

=
Standardno odstupanje je ocena standardne greške
populacije. Ona predstavlja praktican izraz ocene preciznosti
uzorka merenja. Teorijski, oko 68.3% rezultata merenja
nalazi se u intervalu = najverovatnija vrednost ± s.
n
s
s
x
= Kada n ÷×, tada s ÷0. To znaci da što se više velicina
uzorka približava populaciji sracunata vrednost sredine
približava se sredini kao parametru populacije (µ).
1 n
x n ) x (
s
n
1 i
2 2
i
2

⋅ −
=

=
(1)
(2)
(3)
(4)
(5)
(6)
PRIMER 1
PRIMER 1
-
-
nastavak
nastavak
Na osnovu rezultata merenja iz primera 1,
sraunati srednju vrednost uzorka, medijanu,
modu I standardno odstupanje.
REŠENJE:
5 . 23
50
1175
50
x
n
x
x
50
1 i
i
n
1 i
i
′ ′ = = = =

= =
45 . 23 ) 5 . 23 4 . 23 (
2
1
Medijana = + =
8 . 23 Moda =
Pojavljuje se tri puta
Srednja vrednost (sredina)
7 3 . 1
1 50
) 5 . 23 ( 50 86 . 27704
s
7 3 . 1
1 50
36 . 92
1 n
v
s
2
50
1 i
2
i
′ ′ =


=
′ ′ =

=

=

=
Prema izrazu (5)
Prema izrazu (6)
NAPOMENA: Broj rezultata
u intervalu od (23.5 - 1.37) do
(23.5 + 1.37) iznosi 34 što
predstavlja 34/50 x 100% ili
68% ukupnog broja merenja.
PRIMER 2
• U sledecoj tabeli dati su drugih 50
rezultata merenja pravaca iz
primera 1. Sracunati, srednju
vrednost, medijanu, modu,
standardno odstupanje i nacrtati
histogram. Uporediti dobijene
vrednosti sa vrednostima iz
primera 1.
31.8 36.8 34.7 34.7 32.6 33.6 38.7 37.8 34.1 33.7
34.4 35.3 30.0 36.7 34.8 36.1 33.7 36.4 34.8 36.7
32.6 34.9 33.4 35.1 39.2 33.7 35.6 34.1 32.6 35.3
36.3 32.8 32.2 39.3 32.4 35.9 35.9 33.5 33.0 37.9
36.4 37.7 34.1 30.2 34.0 38.4 30.1 35.2 33.6 34.2
REŠENJE:
74 . 34
50
x
x
50
1 i
i
= =

=
( ) puta tri se pojavljuju 1 . 34 ; 7 . 33 ; 6 . 32 Moda =
( ) isti su rezultat . 26 i . 25 7 . 34 Medijana =
3 . 9 0 . 30 3 . 39 Raspon = − =
86 . 0 ) klase ( ervala int Širina =
NAPOMENA: Zbog poredenja sa primerom 1, širina je odabrana ista 0.86. S obzirom da je
poželjno da je histogram centrisan oko srednje vrednosti, centralni interval je dobijen oduzimanjem i
dodavanjem polovine intervala srednjoj vrednosti (34.74-0.43) i (34.74+0.43), tj. (od 34.31 do 35.17).
Granice ostalih intervala odrediti pocev od granica srednjeg intervala (34.31-0.86)..., (35.17+0.86),...
92 . 4
1 50
) 74 . 34 ( 50 48 . 60584
49
x
50 x s
50
1 i
2 2
2
i
2
=


= − =

+
22 . 2 92 . 4 s = =
Nacrtati tabelu i histogram frekvencija i uporediti ga sa
histogramom iz primera 1
Srednja vrednost

direktna i indirektna merenja • • • Merenje = opažanja izvedeno s ciljem odre ivanja vrednosti nepoznate veli ine.Definicija merenja. indirektno odre ene veli ine sadrže greške direktnih merenja.Vrednost merene veli ine dobija se koriš enjem matemati kih funkcija sa direktnim merenjima kao parametrima (merenjem uglova i dužina ra unaju se koordinate ta aka. Tj. Tokom postupka realizacije indirektnih merenja greške direktnih merenja se prenose (prostiranje grešaka ili error propagation) na vrednosti indirektno dobijenih veli ina.) Indirektna merenja se realizuju onda kada nije mogu e ili nije prakti no direktno meriti. itanje limba teodolita i sl.). • • . Merenja se dele na: direktna i indirektna. Direktna merenja se se izvode direktnom upotrebom instrumenata direktnim itanjem vrednosti merene veli ine (merenje dužine pantljikom. na osnovu sra unatih koordinata mogu e je sra unati uglove i dužine izme u ta aka koje nisu direktno merene I sl.

ε=x- Podela grešaka prema izvoru nastajanja: • Instrumentalne • Greške usled uticaja spoljašnje sredine • Greške operatora .Greške merenja . greška predstavlja razliku merene i ta ne vrednosti neke fizi ke veli ine.izvori grešaka merenja Osobine merenja: • Nema ta nih merenja • Svako merenje sadrži greške • Istinita vrednost merenja nikada nije poznata • Ta ne vrednosti grešaka merenja nikada nisu poznate Po definiciji.

• Sistematske. Sistematske greške slede fizi ke zakone i na izvestan na in se mogu predvideti. . Nastaju kao posledica. nesavršenosti konstrukcije instrumenta ili nesavršenosti operatora. esto se i ne tretiraju kao greške.podela grešaka prema prirodi uticaja Prema prirodi uticaja greške se dele na: • Grube. Otklanjaju su metodom rada ili uvo enjem popravaka. Ne mogu se eliminisati ali se mogu redukovati. Relativno su male po vrednosti i razli itog znaka i ne ponašaju se po nekom pravilu. i • Slu ajne Grube greške nastaju usled nepažnje operatora.Moraju se otkloniti. Slu ajne greške ostaju nakon otklanjanja grubih i sistematskih.Greške merenja .

sledi da ta nost merenja nije mogu e odrediti. Ta nost merenja predstavlja bliskost merene veli ine njenoj ta noj vrednosti. veština operatora i primenjene procedure merenja. Mala nesaglasnost je pokazatelj prisustva grešaka malih po intenzitetu. Nesaglasnost (descrepancy) se definiše kao algebarska razlika dva merenja iste veli ine. Ta no i precizno Precizno i neta no Nerecizno i neta no . Preciznost merenja definiše se kao stepen me usobne konzistentnosti merenja i zasnovana je na veli ini nesaglasnosti rezultata merenja nekog skupa.Preciznost i ta nost merenja Ponovljena merenja iste veli ine esto su razli itih vrednosti. Kako ta nu vrednost merene veli ine ne znamo. kvaliteta opreme. Stepen preciznosti zavisi od stabilnosti okoline u toku merenja.

3) instrumenti iste preciznosti i ista metoda merenja. a E =1. 4) spoljašnja sredina • Jednakost uslova merenja: 1) isti objekat merenja. • Uslovi merenja: 1) objekat merenja. 4) sli ni spoljašnji uslovi definisanja merene veli ine Podela merenja prema ta nosti Merenja iste ta nosti Merenja razli ite ta nosti • Neophodan broj merenja = minimalan broj merenja s ciljem • Suvišan broj merenja = broj merenja preko minimalnog broja . 4) o itavanje i sl.Uslovi merenja. 3) koincidiranje. 2) viziranje. Upore enje se izvodi uz niz operacija: 1) etaloniranje mernog pribora. gde je N – merni broj. 1989): Kvantitativno upore enje merene veli ine sa drugom istorodnom veli inom uzetom za jedinicu mere. 2) subjekat merenja (operator). populacija i uzorak merenja • Merenje (Perovi . 3) instrument i pribor. • Rezultat merenja: X = N x E. 2) subjekti merenja istih karakteristika. Ishod merenja jeste rezultat merenja.

7 25.1 23. x2.3 21.1 24.2 23.3 22.9 23.6 20.1 21.8 24.5 22.0 24.2 23. σ) .8 23.9 22.9 24.8 23.9 23.5 22.9 26..8 22.7 24.9 22.6 21.5 24.4+23..1 23. xn PRIMER 1 22.5)/2=23.1 24.7 22.3 23.6 21.9 22.2 24.• Slu ajna veli ina: Rezultat merenja.5 22.8 25. .1 • • • Rezultati merenja pravca • • Populacija: Skup neograni enog broja merenja neke fizi ke veli ine Parametri populacije ( . .9 20.4 23.4 25.8 23. ishod eksperimenta a) diskretna b) kontinuirana Niz merenja: x1.8 24.3 21.2 22.8 23.45 • .4 24.2 21.2 25.2 22.3 21..0 24.3 24.2 25.3 23.0 24.9 22.1 23.8 25. Na osnovu uzorka ocenjuje se raspored verovatno a ili parametri rasporeda ( µ . xn Raspon merenja: wn=xmax – xmin Varijacioni niz: Niz rezultata merenja pore anih od minimalne do maksimalne vrednosti x1 x2 Vektor rezultata merenja: x = .4 23.6 23.5 23.2 24.6 23.8 23.8 22.3 22.0 22. Varijacioni niz • Uzorak merenja: Na odre en na in odabran podskup neke populacije.1 ″ wn= 6.9 23.3 25.6 22.5 23.4 23.2 25.7 25.6 25.4 25.5 22.5 23.1 22.1 21. σ ) ˆ ˆ Prezentacija podataka: a) grafi ka i b) numeri ka Xmin = 20.0 23.8 22.1 24.7 23.9 20.7 24.1 ″ Xmax= 26.9 24.2 23.8 23.3 25.8 24.0 25.0 22.2 22.3 25.1 25.1 23.7 20.3 26.0 ″ Medijana: (23.6 22.7 22.0 25.

4.67 – 23. 3.53 23. 0.53 24.67 22.06 8/50 = 0.1.10 Frekvencija klase (2) 2 3 8 13 11 6 7 Empirijske frekvencije Relativna frekvencija klase (3) 2/50 = 0.1 Kreiranje histograma frekvencija: 1.3 0.2 0.1 20.82 22.22 6/50 = 0.14 = 50/50 = 1 0.16 13/50 = 0.96 21.05 0 Histogram frekvencija 20.38 25. 5. k 5 log n Tuma enje histograma: 1.15 0.38 24.38 – 25.10 – 20.96 20.04 3/50 = 0.67 23.25 0.26 11/50 = 0.86) Definisanje frekvencije klasa Definisanje relativnih frekvencija klasa Kreiranje histograma .82 21.24 – 26.12 7/50 = 0.96 – 21. GRAFI KA PREZENTACIJA REZULTATA MERENJA Grupisani raspored merenja Interval klase (1) 20. 3.24 26.24 25. 2. 2.82 – 22.1.53 – 24. 4. Da li su rezultati merenja simetri no raspore eni oko centralne vrednosti (simetri nost)? Kakva je disperzija (raspon) podataka? Frekfencija pojave pojedinih rezultata Kakav je oblik histograma – zvonastost ukazuje na stepen preciznosti Podela variacionog niza na klase (od 5 do 20 klasa) Definisanje širine i intervala klase (u primeru 1.1 0.

• Relativna frekvencija sigurnog doga aja jednaka je 1. • Relativna frekvencija dva nezavisna doga aja jednaka je zbiru njihovih relativnih frekvencija • Relativne frekvencije rezultata merenja jednake su relativnim frekvencijama njihovih grešaka .Svojstva relativnih frekvencija • Relativna frekvencija slu ajnog doga aja je nenegativan broj 0i .

NUMERI KA PREZENTACIJA REZULTATA MERENJA (numeri ki ocenjiva i) Kategorije numeri kih ocenjiva a: 1. Mere disperzije 3. Mere relativnog stanja .2. Mere centralne tendencije (mere položaja) 2.1.

medijanu predstavlja rezultat koji se nalazi u sredini rastu eg niza. Nije jednozna na jer se esto u nekom skupu isti broj puta pojavi nekoliko rezultata.NUMERI KA PREZENTACIJA REZULTATA MERENJA (numeri ki ocenjiva i) – mere centralne tendencije n • Aritmeti ka sredina • Medijana • Moda Empirijsko matemati ko o ekivanje x= i =1 xi n Ukoliko skup sadrži neparan broj rezultata. . Vrednost koja se naj eš e pojavljuje u datom skupu merenja neke fizi ke veli ine. Mere centralne tendencije su statisti ke veli ine koje ukazuju na vrednost iz skupa rezultata merenja koja ima tendenciju približenja sredini skupa. Ako je broj rezultata paran. Retko se u praksi koristi jer je esto skup merenja mali. tada sredina dva susedna rezultata u sredini niza formiraju medijanu.

Svojstva aritmeti ke sredine n • Suma odstupanja pojedinih rezultata merenja od aritmeti ke sredine jednaka je nuli Suma kvadrata odstupanja pojedinih rezultata od srednje vrednosti manja je od sume kvadrata odstupanja istih rezultata od bilo koje druge vrednosti x (svojstvo minimuma. Perovi . 1989) i =1 n i =1 (x i − x) = 0 (x i − x) < 2 n i =1 • (x i − Y) 2 . za Y ≠ x .

Kada n . n v s= sx = i =1 2 i n − 1 (5) s n (6) .3% rezultata merenja nalazi se u intervalu = najverovatnija vrednost ± s. Teorijski. (n-1) – broj stepeni slobode s = 2 i =1 (x i ) − n ⋅ x n −1 n vi = x − x i (3) • Standardna greška • Standardno odstupanje • Standardno odstupanje sredine σ= ε n i =1 2 i NAPOMENA: Varijansu populacije i standardnu grešku prakti no je skoro nemogu e odrediti jer istinite vrednosti. To zna i da što se više veli ina uzorka približava populaciji sra unata vrednost sredine približava se sredini kao parametru populacije ( ). tada s 0. n – broj merenja.istinita greška. a samim tim i greške nije mogu e poznavati. (4) Standardno odstupanje je ocena standardne greške populacije.NUMERI KA PREZENTACIJA REZULTATA MERENJA (numeri ki ocenjiva i) – mere disperzije n • Vrijansa populacije • Varijansa uzorka n σ = 2 i =1 ε i2 (1) ε . oko 68. n – broj merenja n n s2 = 2 i =1 v i2 n − 1 (2) 2 v– (razlika izme u pojedinog rezultata merenja i najverovatnije vrednosti merene veli ine. Ona predstavlja prakti an izraz ocene preciznosti uzorka merenja.

5 .5) 2 = 1.5 + 1.PRIMER 1 . 27704.5′′ 50 Srednja vrednost (sredina) Medijana = 1 (23.37′′ s= 50 − 1 Prema izrazu (6) . sra unati srednju vrednost uzorka.37′′ 50 − 1 Prema izrazu (5) NAPOMENA: Broj rezultata u intervalu od (23.36 = 1.4 + 23.37) do (23.1.37) iznosi 34 što predstavlja 34/50 x 100% ili 68% ukupnog broja merenja.86 − 50(23.45 2 Pojavljuje se tri puta Moda = 23. REŠENJE: n x= i =1 xi 50 n = i =1 xi 50 = 1175 = 23. modu I standardno odstupanje. medijanu.nastavak Na osnovu rezultata merenja iz primera 1.8 50 s= i =1 v i2 n −1 = 92.5) = 23.

0 34.2 33.8 34.7 38. medijanu. srednju vrednost.7 36.0 = 9.86).4 39.7 34. modu.7 32.6 34.PRIMER 2 • U slede oj tabeli dati su drugih 50 rezultata merenja pravaca iz primera 1.74+0.7 37. 33.1 35.2 34.86).43).0 32.4 35.31 do 35.8 36.7 (25.1 36..74) 2 s = x − 50 = = 4. i 26.8 REŠENJE: 50 x= i =1 xi 50 = 34.6 30.7 33.74 Srednja vrednost x 2 60584..43) i (34.7 34.86.92 49 50 − 1 i +1 2 50 2 i Moda = 32.4 37.17+0.9 35..1 36.7.5 34.8 30. S obzirom da je poželjno da je histogram centrisan oko srednje vrednosti.1 (pojavljuju se tri puta ) Medijana = 34.2 39. (od 34.3 36. Uporediti dobijene vrednosti sa vrednostima iz primera 1.6 34. Granice ostalih intervala odrediti po ev od granica srednjeg intervala (34.9 35. standardno odstupanje i nacrtati histogram.4 30.6.4 36. .7 38. rezultat su isti ) s = 4.92 = 2.7 33.3 32. centralni interval je dobijen oduzimanjem i dodavanjem polovine intervala srednjoj vrednosti (34.8 34.0 32.22 Raspon = 39.3 − 30.4 31. 34.6 34.1 35. Sra unati.2 33.48 − 50(34.86 Nacrtati tabelu i histogram frekvencija i uporediti ga sa histogramom iz primera 1 NAPOMENA: Zbog pore enja sa primerom 1. (35.8 32.3 36.17).9 33.3 35. 34.6 33.2 37..9 35.1 33.31-0. širina je odabrana ista 0.74-0..3 Širina int ervala (klase) = 0.6 33. tj.1 32..

Sign up to vote on this title
UsefulNot useful