Upload
enisa-sehic
View
170
Download
5
Embed Size (px)
DESCRIPTION
Električna mjerenja, ampermetar, voltmetar, proračun
Citation preview
1
GREŠKE MJERENJA
Osnovni zadatak mjerne tehnike je da se odredi prava (stvarna) vrijednost mjerene veličine s
određenom tačnošću u određenim okolnostima. Šta to konkretno znači? U predhodnoj
definiciji navedeno je „pod određenim okolnostima“ to jest u laboratoriji, radionici,
industrijskoj hali ili vani na terenu. Jasno je i da moguća tačnost mjerenja ovisi o tim
okolnostima. Navedeno je također "s određenom tačnošću", što znači da se svaka veličina
neće uvijek mjeriti sa najvećom mogućom tačnošću, već samo onoliko tačno koliko je
potrebno. Udaljenost između Sarajeva i Mostara ne treba mjeriti s tačnošću od ±1 m.
Vjerojatno je vozaču svejedno da li je to 100 m više ili manje. Isto tako promjer osovine
nekog stroja mora biti tačnije izmjerena npr. sa tačnošću ±10 μm. Zašto se ipak sve ne mjeri
sa istom točnosti, razlog je jednostavan – što je greška mjerenja manja, to je mjerna oprema
skuplja, a i samo mjerenje je skuplje i dugotrajnije.
U definici mjerenja se kaže da je osnovni zadatak odrediti pravu (stvarnu) vrijednost mjerene
veličine. Šta je to prava vrijednost. Pomalo filozofski kaže se da je prava vrijednost neke
veličine ona vrijednost koju ta veličina stvarno ima. To je u stvari teorijski pojam i nije je
moguće praktično odrediti, tako da je ona praktično nepoznata. I uz primjenu najtačnijih
metoda i uređaja, općenito, dolazi do izvjesnog odstupanja između stvarne vrijednosti
mjerene veličine i izmjerene vrijednosti. To odstupanje se naziva greškom mjerenja. Pri
tome, treba imati na umu da je bilo koji mjerni proces podvrgnut djelovanju slučajnih pojava
koje su u većini slučajeva nepoznate. Zbog toga se svi mjerni procesi moraju tretirati kao
“slučajno utjecani procesi”.
Procjenjivanje (određivanje) stvarnih vrijednosti mjerene veličine sastoji se od dvije faze.
Prva faza je sam postupak mjerenja u kojoj se dobijaju neobrađeni rezultati mjerenja, a u
drugoj fazi se vrši analiza izmjerenih rezultata. Ove dvije faze su međusobno povezane, jer
nivo složenosti prve faze „diktira“ kompleksnost analize rezultata mjerenja i obratno.
Također, bitno je naglasiti da je neophodno vršiti obradu mjerenih rezultata čak i kod
najjednostavnijih mjerenja.
Greške mjerenja, bez obzira na uzrok koji dovodi do greške, mogu se podijeliti na:
grube greške,
sistematske greške, i
slučajne greške.
Grube greške nastaju, uglavnom, nepažnjom ili neznanjem osobe koja vrši mjerenje,
neadekvatnim rukovanjem mjernim sredstvom, netačnim očitavanjem mjernog sredstva ili
računanjem mjerne vrijednosti. Grube greške mogu nastati i zbog neispravnosti mjernog
sredstva ili pribora, kao i izborom neodgovarajućeg mjernog postupka ili zbog neuočavanja
uzroka greške.
Sistematske greške mjerenja nastaju zbog nesavršenosti mjernog postupka, mjernih sredstava,
nesavršenosti mjernog objekta ili predvidivih utjecaja sredine i osobe koja mjeri. Većina
sistematskih grešaka ima stalnu vrijednost, a time i određen predznak, a manji broj se mijenja
po predvidivom zakonu i to pri svim ponovljenim mjerenjima jedne fizikalne veličine.
Sistematska greška mjerenja se definiše kao komponenta greške mjerenja koja, tokom niza
mjerenja iste fizikalne veličine, ostaje stalna ili se mijenja na predvidiv način.
Zbog sistematskih grešaka rezultat mjerenja je uvijek netačan. Da bi se sistematske greške
eliminirale treba:
2
odstraniti njihove uzroke pravilnim izborom mjerne metode i mjernih sredstava kao i
obezbjeđivanjem referentnih uvjeta sredine, ili
odrediti i primjeniti odgovarajuće korekcije.
Svako korektno obavljeno mjerenje pretpostavlja eliminiranje najvećeg dijela sistematske
greške, na jedan od dva navedena načina. Ako se ne izvrši eliminiranje sistematske greške
rezultat mjerenja je netačan. Neminovno, jedan dio ovih grešaka ostaje prisutan, bilo zbog
njihovog nepoznavanja, bilo zbog nedovoljno preciznih korekcija. Ovaj dio greške često se
zove neisključena sistematska greška.
Može se predpostaviti da će kod primjene npr. odgovarajuće metode mjerenja otpora
izmjerena vrijednost uvijek biti manja od tačne vrijednosti, a samim tim će i greška mjerenja
uvijek imati isti predznak (biće negativna). Ovo je tipičan primjer sistematske greške
mjerenja.
Slučajne greške nastaju kao rezultat slučajnih procesa i kod svakog pojedinačnog mjerenja
imaju različitu vrijednost i različit predznak. Ako ista osoba više puta mjeri istu vrijednost
mjerene veličine pod istim uvjetima dobijaće se rezultati koji međusobno odstupaju jedan od
drugog. Slučajne greške mjerenja nije moguće predvidjeti pa se ne mogu eliminirati, odnosno
rezultat mjerenja se ne može korigovati.
Slučajna komponenta greške mjerenja se definiše kao komponenta greške mjerenja koja se
tokom niza mjerenja iste fizikalne veličine mijenja na nepredvidiv način.
Uzrok nastanka slučajnih grešaka su mehanički nedostaci u mjernom instrumentu, trenja u
ležajevima, promjenljivi prelazni otpor kontakata, promjena u naponu napajanja, itd. Svi ovi
uzroci djeluju istovremeno na različite načine i sa različitim intenzitetom pa se ne mogu
predvidjeti. Dakle, slučajne greške se ne mogu korigovati, ali se njihov utjecaj može smanjiti.
Za razliku od sistematske komponente greške mjerenja, koja rezultat mjerenja čini netačnim,
slučajna greška taj rezultat čini nepouzdanim, ne obavezno i netačnim. Slučajne greške su
predmet statističke analize.
Za jednu određenu fizikalnu veličinu egzistira njena prava (stvarna) vrijednost. Tu vrijednost,
čak i ako se eliminiraju sistematske greške nije moguće reproducibilno izmjeriti. To znači,
ako se ponovi više puta mjerenje iste veličine, pod istim uvjetima rezultati pojedinačnih
mjerenja, zbog prisustva slučajnih grešaka međusobno će se razlikovati.
Tako dobijen pojedinačni rezultat mjerenja predstavlja, u stvari, sumu stvarne vrijednosti
mjerene veličine, sistematske komponente greške i slučajne komponente greške:
slsisstvmj xxxx (1.)
Osnovni zadatak mjerenja fizikalne veličine može se predstaviti kao:
1. Snižavanje sistematske greške, ili ukoliko se ona može odrediti, korigovanje izmjerene
vrijednosti.
Dakle, treba provesti korekciju rezultata mjerenja s obzirom na sistematske greške,
odnosno moglo bi se reći da u mjernom rezultatu ne bi smjelo biti sistematskih grešaka.
Termin „ne bi smjelo biti“ za razliku od termina „ne smije biti“ govori o činjenici da u
mjernom rezultatu ne bi smjelo biti sistematske greške. Trebalo bi da su sistematske
greške korekcijom uklonjene iz mjernog rezultata. Razlog je vrlo jednostavan. Analizom
mjerenja se ustanovi iznos i predznak samo onih sistematskih grešaka za koje se pouzdano
može reći da su prisutne. To je npr. greška pokazivanja mjernog instrumenta koja je
3
nastala kao rezultat utjecaja temperature, spojnih vodova, napona i/ili frekvencije, valnog
oblika signala, itd. Uzroci za činjenje grešaka mjerenja koji se ne mogu utvrditi ili za koje
se ne zna, ne analiziraju se kao niti njihov utjecaj na rezultate što znači da će greške, njima
izazvane, ostati u mjernom rezultatu. Za to se jednostavno kaže: mjerni rezultat sadrži
sistematske greške nepoznatog uzroka koje su uključene u rezultat mjerenja.
2. Za ovako korigovanu vrijednost treba odrediti područje unutar koga se sa određenom
vjerovatnoćom, zbog djelovanja slučajnih grešaka, nalazi stvarna vrijednost.
Slučajne greške, kao što im samo ime govori, su od slučaja do slučaja (od mjerenja do
mjerenja) različite po iznosu i predznaku. Pošto su uvijek različite onda se nikakvom
analizom ne mogu ustanoviti, kako što ih tačno izaziva, tako i njihov predznak i iznos.
Zato se i kaže da se utjecaj slučajnih grešaka na mjerni rezultat može smanjiti samo
ponavljanjem mjerenja. Zbog toga što u rezultatu ostaju sistematske greške zbog
nepoznatog uzroka nema nikakvog smisla ponavljati mjerenja nekoliko stotina ili hiljada
puta (to je preskupo i traje predugo).
Greške pojedinačnog mjerenja
Po načinu kako se mjerne greške izražavaju razlikuju se apsolutne i relativne greške.
Apsolutna greška mjernog instrumenta je razlika između izmjerene vrijednosti (rezultata
mjerenja) i stvarne vrijednosti mjerene veličine:
stvmj xxx (2.)
Stvarna vrijednost mjerene veličine xstv je teoretski pojam i nju nije moguće praktično odrediti
pa se kao njoj najbliža, uzima vrijednost za koju je moguće predpostaviti da najmanje odstupa
od stvarne vrijednosti, odnosno koja se sa praktičnog stanovišta, može smatrati kao tačna
vrijednost xt. Tačna vrijednost xt nije jednoznačno definirana veličina, jer je u svakom
konkretnom slučaju potrebno ocijeniti da li je odstupanje između stvarne i tačne vrijednosti
zanemarivo (xstv xt). Sada se apsolutna greška mjerenja može odrediti kao:
tmj xxx (3.)
Apsolutna greška je algebarska veličina i pozitivna je kada je izmjerena vrijednost viša od
tačne vrijednosti, a negativna je kada je izmjerena vrijednost niža od tačne vrijednosti. Treba
naglasiti da se ne smije mješati apsolutna greška mjerenja sa apsolutnom vrijednošću greške
koja predstavlja modul greške i nije algebarska veličina.
Na primjer, ako se izmjeri napon Umj = 12,5 V a „tačna“ vrijednost napona je Ut = 12,7 V
apsolutna greška mjerenja bi bila ΔU = – 0,2 V, a apsolutna vrijednost greške bila bi
| ΔU | = |-0,2| = 0,2 V.
Apsolutna greška materijalizovane mjere je razlika između izmjerene vrijednosti i naznačene
(nazivne) vrijednosti mjerene veličine:
NVmj xxx , (4.)
gdje je xNV –vrijednost naznačena na materijalizovanoj mjeri.
Jasno, ima i drugačijih tumačenja proračuna ove greške kod materijaliziranih mjera. Tako,
neki autori misle da bi grešku materijalizirane mjere trebalo računati tako da se od naznačene
vrijednosti oduzme „tačna vrijednost“.
Jednostavan primjer će pokazati da to nije ispravno. Neka se analiziraju mjerni otpornici kao
elektrotehnički elementi. Oni imaju na sebi naznačenu vrijednost, a uz nju i dozvoljena
odstupanja.
4
Na otporniku je naznačeno 1000 5%. To znači da proizvođač garantira da će svi otpornici
ove serije imati otpor najmanje 950 a najviše 1050 ( -5% do +5% 5% od 1000
iznosi 50 ). Neka se uzme da je mjerenje prilično tačno sa dozvoljenim odstupanjem (±50
Ω) i neka je ta izmjerena vrijednost 950 . To mjerenje je korektno jer je rezultat unutar
dozvoljenih granica. Ovo je što se tiče apsolutne greške mjerenja. Međutim, procentualna
greška je:
%263,5950
5000100
950
9501000%100
x
xxp
stv
stvNV%
tj. krivo bi zaključili da otpor odstupa za više od +5% pa da je neispravan (a odstupa za
dozvoljenih 50 ), a isto tako bi u slučaju, kada bi izmjerili da je iznos otpornika 1052 za
ovu grešku na ovaj način neispravno izračunali da mu je procentualna greška:
%943,41052
5200100
1052
10521000%100
x
xxp
stv
stvNV%
tj. i opet bi krivo zaključili da je ovaj otpornik ispravan jer odstupa za manje od -5% (iako je
neispravan jer odstupa za nedozvoljena 52 ).
Korekcija je negativna vrijednost apsolutne greške:
xK (5.)
Da bi se smanjila greška mjerenja vrlo često se koristi korekcija, to jest ispravak. Korekcija je
neki iznos koji se dodaje ili oduzima izmjerenoj vrijednosti mjerene veličine kako bi se
smanjila greška mjerenja. Naravno, uz ove vrijednosti je uvijek obavezno prisutna mjerna
jedinica.
Relativna greška mjerenja je količnik apsolutne greške i tačne vrijednosti:
tx
xg
(6.)
Relativna greška materijalizovane mjere je količnik apsolutne greške i naznačene (nominalne)
vrijednosti mjerene veličine:
NVx
xg
(7.)
Relativna greška se najčešće izražava u procentima.
Svedena relativna greška mjerenja je greška "svedena" na dogovorenu vrijednost i računa se
kao:
100DV
x%
(8.)
Dogovorena vrijednost je ona vrijednost koja je definisana propisima i ona je za instrumente
sa nulom na početku skale jednaka mjernom opsegu. U tom slučaju je:
100MO
x%
(9.)
Za instrumente sa nulom izvan skale dogovorena vrijednost je jednaka razlici gornje i donje
granice mjernog opsega. Za instrumente sa nulom unutar skale, dogovorena vrijednost je
jednaka zbiru apsolutnih vrijednosti gornje i donje granice mjernog opsega.
5
Najveća dozvoljena greška mjernog sredstva je najveća greška mjernog sredstva dozvoljena
njegovom tehničkom specifikacijom datom od strane proizvođača, metrološkim propisima ili
drugom regulativom vezanom za dato mjerno sredstvo.
U tehničkoj specifikaciji mjernog sredstva, koja je sastavni dio uputstva za rad date od strane
proizvođača obavezno se navodi ova vrsta greške koja se često zove i garantovana greška
mjernog uređaja. Time zapravo proizvođač garantuje da će se sva mjerenja koja se vrše ovim
mjernim sredstvom, obavljati sa greškom manjom ili jednakom najvećoj dozvoljenoj grešci.
Ova metrološka karakteristika za analogni mjerni instrument se najčešće daje u vidu klase
tačnosti mjernog instrumenta.
Granice grešaka analognih mjernih instrumenata koje odgovaraju indeksima klase tačnosti
definišu se kao najveća dozvoljena apsolutna vrijednost greške u procentima dogovorene
vrijednosti, odnosno:
100MO
xKT max
maxmax
(2.10.)
Prema propisima pokazni mjerni instrumenti se svrstavaju u osam klasa tačnosi i to:
0,05 ; 0,1 ; 0,2 ; 0,5 ; 1 ; 1,5 ; 2,5 ; 5
Iz predhodnog izraza se vidi da je za određenu klasu tačnosti apsolutna greška mjerenja
konstantna, odnosno relativna greška je najveća u prvom dijelu skale. Većina proizvođača
analognih mjernih instrumenata ne preporučuje korištenje instrumenata u prvoj trećini skale,
dok neki proizvođači to čak i ne predviđaju tehničkom specifikacijom instrumenta.
Najveća dozvoljena mjerna greška digitalnog mjernog instrumenta obično se izražava u
obliku:
digMO%PV% ZYXG , (2.11.)
gdje su: X %PV – X procenata od pokazane vrijednosti (eng.. ”of reading”),
Y%MO – Y% procenata od mjernog opsega ili od kraja skale (eng. ”of range” ili ”of end
scale” ili ”full scale”), i
Zdig – Z vrijednosti zadnje cifre (digita) na displeju.
Ponovljivost i reproducibilnost mjerenja
Ponovljivost i reproducibilnost mjerenja su dvije važne karakteristike mjernog procesa koje
su u funkciji bliskosti uzastopnih rezultata mjerenja iste mjerene veličine. Definišu se kao:
Ponovljivost mjerenja je bliskost slaganja rezultata više uzastopnih mjerenja iste mjerene
veličine u kratkom vremenskom intervalu pri kojima su isti svi slijedeći elementi:
– metoda mjerenja, – izvršilac mjerenja, – mjesto mjerenja,
– mjerno sredstvo i – parametri okoline.
Ponovljivost se može kvantitativno izraziti u obliku rasipanja rezultata mjerenja.
Reproducibilnost mjerenja je bliskost slaganja rezultata mjerenja iste mjerene veličine, u
slučaju kada se pojedinačna mjerenja vrše u promjenjenim uvjetima kao što su metoda
mjerenja, izvršilac mjerenja, mjerno sredstvo, mjesto mjerenja, parametri okoline i vrijeme.
Pri navođenju reproducibilnosti potrebno je navesti koji se od navedenih uvjeta mijenja. I
ponovljivost se, kao i reproducibilnost može kvantitativno izraziti u obliku rasipanja rezultata
6
Tačnost i preciznost mjerenja
Pojam tačnosti mjerenja se vrlo rijetko koristi kao kvantitativni parametar u mjerenju. Tačnost
se koristi prvenstveno kao poredbeni pojam, na primjer uobičajeno je za jedno od dva
mjerenja reći da je tačnije od drugog.
Tačnost mjernog sredstva je sposobnost mjernog sredstva da pokazuje vrijednosti koje su
bliske stvarnoj vrijednosti mjerene veličine, odnosno tačnost je bliskost slaganja rezultata
mjerenja i stvarne vrijednosti mjerene veličine.
Tačnost mjerenja se izražava greškom mjerenja (najčešće relativnom).
Preciznost mjernog sredstva je u suštitni funkcija ponovljivosti. Kako je ponovljivost ovisna
prvenstveno od slučajnih grešaka, tako je i preciznost poslijedica slučajnih razlika pa se njena
procjena dobija statističkim metodama.
Preciznost mjernog sredstva je sposobnost mjernog sredstva da pokazuje vrijednosti koje su
međusobno bliske, odnosno preciznost je bliskost međusobnog slaganja rezultata mjerenja.
Preciznost mjerenja se izražava standardnom devijacijom rezultata mjerenja (najčešće
relativnom).
a) b) c) d)
Slika 2.1. Upoređivanje tačnosti i preciznosti
Preciznost, odnosno „nepreciznost“ ne smije se zamjeniti sa pojmom tačnosti. Poboljšanje
preciznosti nužan je uvjet za povećanje tačnosti.
Uočavanje razlike između ovih pojmova najjednostavnije je objasniti preko slike 2.1. Na slici
a je predstavljena visoka tačnost (tačna vrijednost bliska srednjoj vrijednosti) i visoka
preciznost (uzak interval rasipanja rezultata mjerenja oko srednje vrijednosti). Na slici b je
niska tačnost (veliko odstupanje tačne i srednje vrijednosti) i visoka preciznost (uzak interval
rasipanja rezultata mjerenja oko srednje vrijednosti). Slična analiza se može dati i za druga
dva primjera (c i d) na kojima je preciznost niska (širok interval rasipanja rezultata mjerenja
oko srednje vrijednosti).
Statistička analiza rezultata mjerenja
Ako se mjeri više puta ista konstantna mjerena veličina, uz predpostavku da su eliminirane
sistematske greške, pod istim uvjetima i sa istim instrumentima, dobijaju se rezultati, koji će
međusobno odstupati i rasipati se oko neke vrijednosti. Do rasipanja dolazi zbog slučajnih
grešaka, koje nije moguće uzeti u obzir putem korekcije, jer se mijenjaju po veličini i po
predznaku.
7
Srednja vrijednost slučajne varijable
Ako se pojedinačni rezultati mjerenja označe kao x1, x2 , x3, … ,xn-1 , xn apsolutne greške
pojedinačnog mjerenja mogu se računati kao:
x1 = x1 - xt , x2 = x2 - xt ... xn = xn - xt (12.)
Iz predhodnog sistema jednačina se dobije:
x1 + x2 + … + xn = x1 + x2 + … + xn – n xt (13.)
odakle je tačna vrijednost mjerene veličine:
n21n21t x...xxn
1x...xx
n
1x (14.)
Prvi član sa desne strane je aritmetička sredina rezultata mjerenja x pa se može pisati da je:
xxn
1xx
n
1iit (15.)
gdje je aritmetička sredina apsolutnih grešaka pojedinačnih mjerenja.
Kako svaka apsolutna greška pojedinačnog mjerenja može imati sa podjednakom
vjerovatnoćom pozitivnu i negativnu vrijednost to i može biti pozitivno i negativno sa
podjednakom vjerovatnoćom. Može se pisati sada:
xxt (16.)
Prema Gausovoj teoriji slučajnih grešaka, polazi se od dvije predpostavke (aksioma):
1. Pri velikom broju ponovljenih mjerenja, jednako vjerovatno nastaju slučajne greške
jednakih vrijednosti, ali suprotnog znaka.
2. Vjerovatnoća pojavljivanja malih grešaka veća je od vjerovatnoće pojavljivanja velikih
grešaka.
Na osnovu prve predpostavke može se zaključiti da će pri dovoljno velikom broju
ponovljenih mjerenja granična vrijednost težiti nuli:
0limn
(17.)
To znači da je najvjerovatnija vrijednost mjerene veličine pri višestruko ponovljenim
mjerenjima, koja su jednako pouzdana, njena aritmetička sredina:
n
1iit x
n
1xx (18.)
Dakle, pri višestrukim mjerenjima konstantne fizikalne veličine aritmetička sredina rezultata
mjerenja najbolja je aproksimacija tačne vrijednosti mjerene veličine. Srednja vrijednost je
samo najvjerovatnija vrijednost mjerene veličine, ali ne i prava vrijednost.
Standardna devijacija pojedinačnog mjerenja
Ako je neki mjerni postupak precizniji onda se manje razlikuju pojedinačni rezultati mjerenja.
Za ocjenu preciznosti mjernog postupka služi standardna devijacija ili srednja kvadratna
greška pojedinačnog mjerenja:
n
i
i xxn
s1
2
1
1 (19.)
8
Što je manja standardna devijacija s to je mjerni postupak precizniji i obratno.
Matematičari, koji rade s beskonačno velikim skupovima podataka, koriste u istu svrhu
standardnu devijaciju pojedinačnog mjerenja pa tada srednja aritmetička vrijednost postaje
očekivanje , a razlika između n – 1 i n je zanemariva, tako da se tada može pisati:
n s
n
1i
2
i xxn
1 (20.)
Relativna standardna devijacija definiše se kao odnos standardne devijacije i aritmetičke
sredine, to jest:
100xx1n
1
x
1100
x
s(%)s
n
1i
2
iR
(21.)
Da bi srednja vrijednost bila jednaka tačnoj vrijednosti mjerene veličine trebalo bi izvršiti
beskonačno mnogo mjerenja. Pošto se u praksi uvijek vrši konačan broj mjerenja to
izračunata srednja vrijednost odstupa od tačne vrijednosti za neku apsolutnu grešku .
Nepouzdanost srednje vrijednosti (tj. srednja kvadratna greška aritmetičke sredine) je
procjena odstupanja srednje vrijednosti od stvarne vrijednosti mjerene veličine i računa se kao:
n
1i
2
ixxx
1nn
1
n
ss (22.)
Ovaj podatak ima smisla samo za konačan broj n jer za slučaj kada n uvijek iznosi 0 što
se vidi iz predhodne jednačine, a kako se taj rezultat zna i ne govori ništa novo (zato se i
aritmetička sredina beskonačnog skupa podataka zove očekivanje, jer je to očekivana prava
vrijednost, pa onda i to očekivanje ne može odstupati od te prave vrijednosti tako da mora
biti jednako 0).
Relativna standardna devijacija aritmetičke sredine definiše se kao odnos standardne
devijacije aritmetičke sredine i aritmetičke sredine, to jest:
100xx1nn
1
x
1100
x
s(%)s
n
1i
2
i
x
xR
(23.)
Posebni slučajevi računanja statističkih veličina
U praksi se često javljaju dva posebna slučaja, a koja nisu obuhvaćena predhodno obrađenom
materijom.
Prvi slučaj je da rezultati mjerenja nisu međusobno ravnopravni, to jest da su neki od njih
više, a neki manje pouzdani. Ovaj slučaj je karakterističan za mjerenja iste veličine, koja se
obavljaju pod različitim uvjetima, a daju jedinstven rezultat.
9
Ako su pojedina mjerenja nejednako pouzdana potrebno je uvesti brojeve p1, p2, … , pn, koji
su mjera njihove različite pouzdanosti. Ovi brojevi se zovu težinski faktori i pouzdanijim
mjerenjima pridodaje se veći težinski faktor, to jest veća vrijednost p. Ako se uzme da je
preciznost mjerenja mjera pouzdanosti onda se iz poznate standardne devijacije si može
odrediti težinski faktor koristeći slijedeću relaciju:
2
i
is
Cp (24.)
gdje je C proizvoljno odabrana konstanta pogodna za računanje težinskih faktora.
Težinski faktori se određuju iz relacije:
2
nn
2
22
2
11 sp...spspC (25.)
Aritmetička sredina nejednako pouzdanih rezultata mjerenja i standardna devijacija su sada:
n
1iiin
1ii
n21
nn2211 xp
p
1
p...pp
xp...xpxpx
n
1i
2
iin
1ii
2 sp
p
1s (26.)
Drugi slučaj je kada se pri dobijanju velikog broja rezultata mjerenja javlja niz jednakih
rezultata koji se mogu grupisati. Ovo daje pregledniju sliku rezultata i ujedno pojednostavljuje
postupak proračuna.
Ako su rezultati mjerenja takvi da je frekvencija fi pojavljivanja pojedinih vrijednosti xi
srednja vrijednost rezultata mjerenja se dobije kao:
n
1iiin
1ii
n21
nn2211 xf
f
1
f...ff
xf...xfxfx
(27.)
Standardna devijacija u ovom slučaju iznosi:
n
1i
2
ii xxf1n
1s (28.)
Grafičko predstavljanje rezultata mjerenja
Pri mjerenju kontinualne veličine skup mjerenja čini diskretni skup podataka koji se razlikuju
za diferencijalno male priraštaje. Vrlo često se svi podaci grupišu u pogodno odabrane opsege
mjerne vrijednosti (grupe) i odredi se frekvencija pojavljivanja rezultata mjerenja u datoj
grupi. Najprikladniji način prikazivanja ovih rezultati je dijagram koji se zove histogram.
10
Histogram je grafički prikaz rezultata mjerenja u kome apscisa pokazuje skupove rezultata
mjerenja unutar opsega mjerene veličine, a ordinata učestanost njihovih ponavljanja.
Grupisanje rezultata u intervale histograma se vrši na ukupnom intervalu mjerenja
R(x)=xmax - xmin, (29.)
gde je xmax najveći, a xmin najmanji rezultat.
Pri crtanju histograma potrebno je odrediti optimalan broj mjernih intervala. Pri suviše
velikom broju intervala histogram grubo i bez dovoljnog razlaganja prikazuje raspodjelu
rezultata. Ukoliko je broj intervala suviše veliki neki od intervala mogu ostati prazni, to jest
javljaju se prekidi u prikazivanju raspodjele, a neki intervali mogu imati nerelano velike
vrijednosti. Broj intervala (grupa) histograma se najčešće računa ovisno od broja mjerenja n
kao:
1nm (30.)
Histogram mjerenja mora obuhvatiti sve izmjerene vrijednosti, a svaki pojedini rezultat mora
da pripada samo jednom intervalu. Pri crtanju dijagrama na apscisu se nanose intervali
histograma, a na ordinatu učestanost ponavljanja ili relativna učestanost ponavljanja. Kako je
teško praviti kvantitativne komparativne procjene različitih raspodjela učestanosti ako njihovi
intervali nisu jednaki, u mjernoj praksi se sve ove raspodjele učestanosti normalizuju u
odnosu na širinu intervala, tako da se rezultati mjerenja predstavljaju normalizovanim
histogramom.
Kod normalizovanog histograma na ordinatu se nanosi normalizovana učestanost Pi koja se
dobije na sljedeći način. Ako je učestanost pojavljivanja rezultata mjerenja fi u i-tom intervalu
širine xi =xi – xi-1 tada se relativna učestanost fri u i-tom intervalu dobije kao:
n
ff i
ri (31.)
gdje je: n – ukupan broj rezultata mjerenja.
Normalizovana učestanost u u i-tom intervalu wi jednaka je:
i
i
i
rii
xn
f
x
fP
(32.)
Ova normalizovana učestanost jednaka odnosu relativne učestanosti i širine intervala naziva
se gustoća relativne učestanosti rezultata mjerenja.
11
a) Normalizovani dijagram
b) gustoća raspodjele vjerovatnoće
Slika 2. Normalizovani histogram i gustoća raspodjele vjerovatnoće
Parametri vjerovatnoće rezultata mjerenja
Osnovni parametri koji karakterišu vjerovatnoću rezultata merenja su:
gustoća raspodjele vjerovatnoće mjerenja, i
funkcija raspodjele vjerovatnoće rezultata mjerenja.
Neka se analizira šta se dešava sa histogramom u slučaju kada se broj rezultata mjerenja
povećava i da u graničnom slučaju n → ∞, a da pri tome širina intervala histograma opada sve
do graničnog slučaja u kome xi → 0. Očigledno je da tada histogram predstavlja kontinualnu
funkciju f(x) koja je prikazana na slici 2.b. Ova nenegativna, realna i neprekidna funkcija
definisana je za svaki realan broj x i naziva se gustoća raspodjele vjerovatnoće rezultata
mjerenja i određuje se kao:
x
xxxxPxf ii
x
)()( lim
0
(33.)
pri čemu izraz )( xxxxP ii predstavlja vjerovatnoću da se rezultat mjerenja nalazi u
intervalu )( xxxx ii .
Vjerovatnoća da se rezultat mjerenja nalazi u konačnom ntervalu 21, xx jednaka je sada:
2
1
21
x
x
dxxfxxxP (34.)
Svaka funkcija raspodjele je normalna, kao što je to slučaj i sa histogramom. To znači da je
ukupna površina koju zatvaraju kriva i apscisa jednaka je jedinici, što se matematski može
napisati kao:
12
1
dxxf (35.)
Osim gustoće raspodjele vjerovatnoće mjerenja značajnu ulogu u analizi slučajnih veličina
ima i funkcija raspodjele vjerovatnoće rezultata mjerenja koja predstavlja vjerovatnoću da
rezultat mjerenja ima vrijednost koja je manja od neke veličine x i može se napisati kao:
x
dxxfxp (36.)
Funkcijom (36.) izračunava se vjerovatnoća da se neka mjerena vrijednost nalazi u intervalu
(-∞ , x). Funkcija je definisana za svaki realni broj x, neprekidna je i neopadajuća, a ima
vrijednost od 0 do 1.
Funkcije raspodjele slučajnih varijabli, koje se susreću u tehničkoj praksi, pokazuju pretežno
jedan karakterističan, zvonast oblik kao na Slici 3.
Gaus je datu funkciju raspodjele p(x)
analitički opisao kao:
2
2
1
2
1
s
xx
es
xf
(37.)
Ovako definisana funkcija raspodjele
zove se normalna ili Gausova
raspodjela vjerovatnoće rezultata
mjerenja.
Osnovne osobine ove funkcije
raspodjele su:
funkcija je pozitivna i neprekidna za
svaku vrijednost x
funkcija je simetrična u odnosu na
aritmetičku sredinu x = x
funkcija ima maksimum u tačci x = x jednak2s
1)x(p
funkcija ima dvije prevojne tačke za x = x s
površina ograničena krivom Gausa i apscisom jednaka je jedinici
funkcija ima oblik zvona čija strmina ovisi od s (za manje s funkcija ima strmiji oblik).
Vjerovatnoća P da će mjereni rezultat biti u intervalu (x1 , x2) određena je integralom:
2
1
2
x
x
s
xx
2
1
21 dxe2s
1)xxx(P
(38.)
Slika 3. Gausova funkcija raspodjele vjerovatnoće
13
Slika 4. Normalizovana Gausova raspodjela
Uvodeći kao smjenu bezdimenzionu promjenljivu dZsdxs
xxZ
,
dobije se standardizovana normalna funkcija raspodjele:
2
2
1
2
1)(
Z
ezf
(39.)
pa se sada relacija (38.) može pisati kao:
2
1
2Z
Z
Z2
1
21 dZe2
1)xxx(P
, (40.)
gdje su:
,s
xxZ 1
1
s
xxZ 2
2
Dati integral je analitički nerješiv i njegove
vrijednosti u ovisnosti od funkcije (vrijednosti)
Z date su u tablicama i to obično za vrijednosti
promjenjive Z od 0 do 3. U tabelama se obično
daje vrijednost integrala:
ZZ
dZeZP0
2
1 2
2
1
(41.)
Kako je ovako definisana funkcija
neparna za negativne vrijednosti
promjenljive Z vrijedi:
ZP1ZP (42.)
Ako vrijednostima promjenljivih Z1 i Z2,
iz tablica odgovara vjerovatnoća P(Z1) i
P(Z2), tada je vjerovatnoća P da se
rezultat mjerenja nalazi i intervalu (x1,
x2) jednaka:
12 ZPZPP (43.)
Područje pouzdanosti se definira kao područje unutar čijih granica se sa statističkom
sigurnošću P može očekivati stvarna vrijednost mjerene veličine pod predpostavkom
normalne raspodjele grešaka.
Ako se unutar granica pouzdanosti nalazi 50% rezultata mjerenja (polovina rezultata
mjerenja) te granice se nazivaju vjerovatnom greškom mjerenja.
Maksimalna greška proizilazi iz pravila 3s, koje se dosta često susreće u literaturi, a u kojem
se uvodi Z = 3, čemu odgovara vjerovatnoća od 99,73 % što praktično obuhvata sve rezultate
Slika 5. Kriva gustoće Gausove raspodjele
14
mjerenja pri normalnoj raspodjeli. Ukoliko se pojave i rezultati koji odstupaju za više od 3s
od aritmeričke sredine, onda se oni obično odbacuju, jer je njihov uzrok neka gruba greška.
Studentova – t raspodjela
Područje pouzdanosti se definiše kao područje unutar čijih granica se sa statističkom
sigurnošću P može očekivati stvarna vrijednost mjerene veličine. Ovakve granice, koje neće
biti prekoračene sa nekom vjerovatnoćom, nazivaju se granice pouzdanosti. Granice
pouzdanosti su jednoznačno određene ako je istovremeno data i vjerovatnoća.
U slučaju da je izvršen mali broj pojedinačnih mjerenja, područje pouzdanosti nije moguće
odrediti pomoću normalne raspodjele. Tada se koristi Studentova – t raspodjela koja definiše
područje pouzdanosti kao:
sn
tx , (44.)
gdje je t faktor koji se daje u tabelama i čija vrijednost ovisi od odabrane statističke sigurnosti
i broja pojedinačnih mjerenja.
Osnovna primjena studentove raspodjele je statistička analiza rezultata sa malim brojem
mjerenja kada je primjena normalne raspodjele matematički nekorektna. Za veći broj mjerenja
Studentova raspodjela praktično prelazi u normalnu raspodjelu, što je ostvareno već za n > 30.
Studentova raspodjela daje šire područje pouzdanosti u odnosu na normalnu raspodjelu za istu
vjerovatnoću. Ovo proširenje je utoliko veće što je broj mjerenja manji, a zahtjevana
vjerovatnoća veća.
Obrada rezultata posrednih mjerenja
U mjernoj praksi se često mjerena veličina koja je predmet interesovanja ne dobija direktno
mjerenjem, već posredno preko mjerenja drugih veličina koje su sa njom povezane nekom
funkcionalnom ovisnošću. Na primjer, neka se predpostavi da je veličina Y u funkcionalnoj
ovisnosti od rezultata mjerenja x1, x2, ... , xn :
n21 x,...,x,xfY (45.)
Kako je svaka od direktno mjerenih veličina xi poznata sa definisanom greškom, zadatak se
svodi na određivanje greške indirektno mjerene veličine, na osnovi poznavanja grešaka
pojedinih direktno mjerenih veličina.
Sistematska greška posredno mjerenih veličina
Ako su greške mjerenja veličina xi sistematske, odnosno ako se utjecaj slučajnih grešaka u
odnosu na sistematske greške može zanemariti tada je potrebno odrediti sistematsku grešku
posredno mjerene veličine Y.
Ako su poznate sistematske greške xi pojedinačnih rezultata mjerenja xi tada se može
odrediti sistematska greška veličine Y kao razlika između veličine Yi dobijene mjerenjima i
stvarne vrijednosti veličine Ys kao:
n21nn2211si x,...,x,xfxx,...,xx,xxfYYY (46.)
15
Razvojem u Tajlorov red uz zanemarivanje članova višeg reda, dobije se:
i
n
1i i
xx
fY
(47.)
S obzirom da parcijalne greške mogu biti različitog predznaka one se na taj način mogu
djelimično, ili čak potpuno, kompenzirati. Sigurne granice grešaka se dobijaju kao:
i
n
1i i
sig xx
fY
(48.)
Vidi se da su sve parcijalne greške u predhodnom izrazu uzete sa istim predznakom tako da
ne može doći do kompenzacije pojedinačnih grešaka. Ovaj način određivanja grešaka se u
praksi malo koristi jer on tretira najnepovoljniji slučaj koji je malo vjerovatan. Zato su ovako
dobijene granice greške nepotrebno široke.
U praksi se češće koriste statističke (vjerovatne) granice greške definisane kao:
21
i
n
i i
stat xx
fY
(49.)
Ovako izračunate granice greške mogu ponekad biti i prekoračene, pa se zato kod njih može
govoriti samo o njihovoj statističkoj sigurnosti.
Relativna sistematska greška se računa kao:
100Y
Y(%)gY
(50.)
Slučajne greške posredno mjerenih veličina
Ako su mjerene veličine xi izmjerene sa slučajnom greškom tako da su poznate srednje
vrijednosti ix i standardne devijacije si pojedinačnih rezultata mjerenja najvjerovatnija
vrijednost posredno mjerene veličine Y je:
)x,...,x,x(fY n21 (51.)
Standardna devijacija indirektno mjerene veličine Y se tada dobija kao:
2
x
n
1i i
Y is
x
fs
(52.)
odnosno relativno standardno odstupanje je:
100Y
s(%)s Y
ry (53.)
16
ODREĐIVANJE JEDNAČINE OPTIMALNE PRAVE METODOM
NAJMANJIH KVADRATA
U mjernoj praksi često treba odrediti odnose između dviju ili više mjernih veličina. Na
primjer kalibracijom nekog instrumenta dolazi se do “n” parova tačaka ulazne i izlazne
veličine (x1,y1), (x2,y2), … , (xk,yk), … , (xn,yn). Postupak je najjednostavniji ako između dviju
mjerenih veličina vlada linearan odnos. Tada za n izmjerenih vrijednosti parova (xi,yi)
određuje linearna funkcija:
bxay
(54.)
Ta funkcija naziva se pravac regresije.
Pri rješavanju ovog problema predpostavlja se da postoje samo slučajne greške, dok se smatra
da su sistematske greške otklonjene.
Zbog neizbježnih grešaka redovnim mjerenjem dobijeni odnosi odstupaju od stvarnih odnosa,
pa se traži rješenje kod kojeg je suma kvadrata odstupanja minimalna. Metoda najmanjih
kvadrata predstavlja najbolji postupak za određivanje optimalne prave kroz skup
eksperimentalnih tačaka.
Neka se analiziraju dva karakteristična
slučaja:
a) slučajne greške postoje samo kod
mjerenja izlazne veličine y dok su
greške ulazne veličine x zanemarive,
odnosno mjerenje ulazne veličine je
znatno preciznije.
b) slučajne greške postoje samo kod
mjerenja ulazne veličine x dok su
greške izlazne veličine y zanemarive,
odnosno mjerenje izlazne veličine je
znatno preciznije.
Slučaj a) Ako između dvije mjerene
veličine vlada linearan odnos tada se za n
ponovljenih mjerenja može pisati:
bxaybxay
bxaybxay
nnkk
;....;
;....;; 2211 (55.)
Greška k–tog mjerenja iznosi:
bxay kkk (56.)
Prema Gausovoj teoriji slučajnih grešaka, prava će biti optimalna kada je suma kvadrata
grešaka i minimalna. To jest:
Slika 6. Optimalna prava po metodi
najmanjih kvadrata
17
minbxay2
ii2
i (57.)
Uvjet minimuma je da parcijalni izvodi predhodnog izraza po a i b budu jednaki nuli.
0xbxay2
aiii
2
i
(58.)
0bxay2
bii
2
i
Iz predhodnog sistema jednačina dobija se da:
iii
2
i yxxbxa
(59.)
ii ynbxa
Rješavajući predhodne jednačine po a i b dobije se:
2
i
2
i
iiii
xxn
yxyxna ;
2
i
2
i
iiii
2
i
xxn
yxxyxb (60.)
Slučaj b) Ako se slučajne greške javljaju kod mjerenja ulazne veličine x, dok je mjerenje
izlaza y precizno, jednačina:
bxay , (70.)
može se napisati kao:
11 byaa
b
a
yx , (71.)
gdje su:
a
1a1 ;
a
bb1 (72.)
Primjenjujući isti postupak kao u slučaju a) dobije se:
2
i
2
i
iiii
1yyn
yxyxna ;
2
i
2
i
iiii
2
i
1yyn
yxyxyb (73.)
Iz predhodnih relacija lahko se dobiju koeficijenti a i b: