Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: liczba pomiarów efektywna

Sortuj według:

Ogranicz wyniki do:

Szacowanie niepewności w pomiarach z autokorelacją obserwacji

Warsza Z. L.

Elektronika : konstrukcje, technologie, zastosowania

2012

Vol. 53, nr 8

108-113

Opisano rozszerzenie podanej w Przewodniku GUM metody wyznaczania niepewności typu A na pomiary o równomiernym próbkowaniu mezurandu w funkcji czasu z uwzględnieniem wpływu autokorelacji obserwacji. Obejmuje ona wyodrębnienie składowej losowej w surowych danych pomiarowych przez identyfikację i usunięcie z nich estymatora sygnału menzurandu oraz innych składowych regularnie zmiennych i outlierów. Podano wzory do obliczania odchylenia standardowego dla pojedynczej obserwacji i dla wartości średniej próbki. Uwzględniają one autokorelację przez zastosowanie tzw. „efektywnej liczby” równoważnych nieskorelowanych obserwacji. Dzięki temu można oszacować niepewność rozszerzoną wg dotychczasowej procedury GUM. Podano też metodę wyznaczania estymaty funkcji autokorelacji z danych próbki. Rozważania zilustrowano przykładami.

Expanding of the application range of the GUM uncertainty evaluation method to the case of autocorrelated observations of the regularly sampled in time measurand is described. As the first step the random components of the sample are selected by identification estimate of the measured signal and as well other regularly variable components and removing them from the raw data. Then for the remainder random component with autocorrelated data, given are formulas for standard deviation of the single observation and of the mean value of sample. Formulas are expressed by means of an equivalent so-called „effective number” of uncorrelated observations, which depends on the sample autocorrelation function. Calculation of the expanded uncertainty due GUM recommendations is now possible. As proposal for use in practice given is also method of the estimation of autocorrelation function from sample data. Considerations are illustrated by two numerical examples.