PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Tytuł artykułu

Ocena niepewności pomiarów o rozkładzie trapezowym metodą maksymalizacji wielomianu

Wybrane pełne teksty z tego czasopisma
Identyfikatory
Warianty tytułu
EN
Uncertainty of measuring data with trapeze distribution evaluated by the polynomial maximization method
Języki publikacji
PL
Abstrakty
PL
Omówiono w skrócie rodzaje estymatorów parametrów menzurandu wyznaczanych z próbek danych pomiarowych pobranych z populacji o rozkładzie trapezowym. Zaproponowano użycie metody maksymalizacji wielomianu stochastycznego o symbolu PMM jako niekonwencjonalnego sposobu wyznaczania estymatorów wartości oczekiwanej i odchylenia standardowego menzurandu dla próbek o rozkładach niegaussowskich. Na przykładach próbek z symetrycznego rozkładu trapezowego Trap oszacowano niepewność standardową dla wartości średniej, środka rozpięcia i estymatora menzurandu obliczonego metodą wielomianową PMM z użyciem kumulantów, które wyznaczono z danych próbki za pośrednictwem momentów centralnych. Metodą symulacji Monte Carlo dokonano analizy porównawczej ocen wariancji obliczanej klasycznie z funkcji rozkładu prawdopodobieństwa, wg GUM1), dla środka rozpięcia i metodą PMM. W funkcji liczby danych próbki i stosunku podstaw trapezu określono granice najefektywniejszego obszaru dla każdej z metod. Metoda jest przydatna do oceny mieszanin i procesu mieszania.
EN
The types of measurand parameter estimators derived from samples of measured data taken from a sym. trapezoidal population were briefly reviewed (9 refs.). A non-std. approach to find ests. of the non-Gaussian distributions parameters based on the unconventional method for maximizing the stochastic polynomials by using a moment-cumulant description of random variables was proposed. The method was recommended to use for detg. estd. values of the std. deviation and uncertainties of measurand when distribution of the random errors population is a priori unknown and first few cumulants have to be found from the sample data. The method is particularly useful in assessing mixts. and mixing efficiency.
Czasopismo
Rocznik
Strony
2442--2445
Opis fizyczny
Bibliogr. 9 poz., tab., wykr.
Twórcy
autor
  • Zespół Badań Podstawowych, Przemysłowy Instytut Automatyki i Pomiarów PIAP, Al. Jerozolimskie 202, 02-486 Warszawa
  • Cherkaskii Natsionalnyi Tekhnichnii Universitet, Ukraina
Bibliografia
  • [1] Evaluation of measurement data. Guide to the expression of uncertainty in measurement (GUM), BIPM, JCGM 100 (2008) + Supplement 1. Propagation of distributions using a Monte Carlo method, JCGM 101 (2008).
  • [2] Z.L. Warsza, M. Galovska, Przegl. Elektrotech. 2009, nr 5, 86.
  • [3] Z.L. Warsza, M. Galovska, Mat. IMEKO World Congress "Fundamental and Applied Metrology", Lizbona (Portugalia), wrzesień 2009 r., 2405.
  • [4] Z.L. Warsza, M.V. Galovskaja, Sistemy Obrobotki Inf. 2009, 4, nr 78, 28.
  • [5] Z.L. Warsza, Pomiary Automatyka Kontrola 2011, 57, nr 1, 105.
  • [6] Z.L. Warsza, J. Automation, Mobile Robotics Intelligent Systems 2012, 6, nr 1, 35.
  • [7] Z.L. Warsza, Metody rozszerzenia analizy niepewności pomiarów, PIAP Warszawa 2016.
  • [8] W. Serhii Zabolotnii, Z.L.Warsza, Proceedings of Automation 2017. Innovations in automation, robotics and measurement techniques (red. R. Szewczyk i in.), Advances in Intelligent Systems and Computing 550, Springer International Publ., 2017, 470.
  • [9] Y. Kunchenko, Polynomial parameter estimations of close to Gaussian random variables, Shaker Verlag, Aachen 2002.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-a61926f9-b8c1-46a3-a9c6-1799506e8fdc
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.