Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "mediana" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Odporna ocena dokładności metod pomiarowych
Robust evaluation of the accuracy of measurement methods
Autorzy:
Volodarsky, E. T.
Warsza, Z. L.
Koshevaya, L. A.
Powiązania:
https://bibliotekanauki.pl/articles/154825.pdf
Data publikacji:
2012
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
dane odstające
niepewność pomiaru
odchylenie standardowe
mediana
średnia odporna
przedział międzykwartylowy
outlier
uncertainty of measurements
standard deviation
median
robust mean value
inter-quartile mid-range
Opis:
Przedstawiono dwie metody oceny niepewności próbki danych doświadczalnych o niewielkiej liczebności, odporne na zawarte w niej tzw. odstające obserwacje pomiarowe, tj. o wartościach znacznie różniących się od pozostałych. Umożliwiają one wyznaczanie w sposób wiarygodny statystycznych parametrów wyniku pomiaru na podstawie całości danych eksperymentalnych. Rozważania ilustruje przykład liczbowy wykorzystujący dane z porównań międzylaboratoryjnych. Porównano otrzymane w nim wyniki obliczone metodą o przeskalowanym odchyleniu medianowym MADS i metodą iteracyjną dwukryterialną. Podano wnioski i bibliografię.
Presented are two methods of assessing the value and uncertainty of the measurand from the sample of experimental data which are resist to contained therein small number of outliers, i.e. values of measurement data significantly different from the others. This allows to set a credible statistical parameters of the measurement result on the basis of all experimental data. The considerations are illustrated by the numerical example of inter-laboratory measurement data. Compared are results obtained by method applied the rescaled median absolute deviation MADS and by the iterative two-criteria method. Given are conclusions and bibliography.
Źródło:
Pomiary Automatyka Kontrola; 2012, R. 58, nr 4, 4; 396-401
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie metod odpornościowych w analizie dokładności pomiarów międzylaboratoryjnych (1). Zasady statystyki odpornościowej, metoda Hubera czyli Algorytm A
Application of Robust Methods in Evaluation the Accuracy of Interlaboratory Measurements. Part 1. Bases of Robust Statistics. Huber Method, i.e. Algorithm A
Autorzy:
Warsza, Z. L.
Volodarsky, E. T.
Powiązania:
https://bibliotekanauki.pl/articles/276805.pdf
Data publikacji:
2017
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
outlier
niepewność pomiaru
odchylenie standardowe
mediana
odporna wartość średnia
rozstęp międzykwartylowy
outliers
uncertainty of measurements
standard deviation
median
robust mean value
interquartile mid-range
Opis:
W dwuczęściowej pracy omówiono zastosowanie statystyki odpornościowej do oceny wartości i niepewności menzurandu uzyskiwanych na podstawie próbki danych doświadczalnych, gdy niektóre z tych danych różnią się istotnie od pozostałych, czyli są outlierami. Metodami odpornościowymi wyznaczono parametry statystyczne wyniku pomiaru ze wszystkich danych, ale wpływ outlierów potraktowano odmiennie. Dla próbek o niewielkiej liczności uzyskano wyniki bardziej wiarygodne niż w sposób klasyczny z odrzuceniem outlierów. Ilustrują to przykłady z porównań międzylaboratoryjnych. W części 1. omówiono podstawowe zasady statystyki odpornościowej oraz iteracyjną metodę odporną podaną przez Hubera, którą w normie ISO 5725-5 nazwano Algorytm A. Jako ilustrację, w symulowanym przykładzie liczbowym, wyznaczono niepewność procedury pomiarowej testowanej przez porównanie wyników badania jednorodnych obiektów w kilku laboratoriach akredytowanych. Oszacowano średnią niepewność metodą klasyczną dla wszystkich danych. Po usunięciu outlierów zastosowano dwie metody odpornościowe – przeskalowanego odchylenia medianowego MADS i metodę Hubera, czyli iteracyjny Algorytm A, którego wyniki były najbardziej wiarygodne.
This two-part paper discusses the use of robust statistics to assess the value and uncertainty of measurand obtained from a sample of experimental data when some of these data differ significantly from the others, i.e. are outliers. The statistical parameters of the measurement result are determined by robust methods from all data, but influence of outliers is treated differently. For small sample sizes results are more reliable than obtained by classical methods with exclusions of outliers. This is illustrated by examples from the interlaboratory key comparisons. Part 1 discusses the basic principles of the robust statistics and the iterative robust method given by Huber, which is called Algorithm A in ISO 5725-5. As illustration in the simulated numerical example, the uncertainty of some measurement method was estimated based on measurements of homogeneous object in several accredited laboratories. The mean uncertainty of this experiment is estimated by classic method for all data and with exclusion of outliers and by two robust methods: rescaled median deviation and by Algorithm-A. The result of last method is the most reliable.
Źródło:
Pomiary Automatyka Robotyka; 2017, 21, 2; 47-55
1427-9126
Pojawia się w:
Pomiary Automatyka Robotyka
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies