Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Pomiary Automatyka Robotyka

1 2017

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: odporna wartość średnia

Sortuj według:

Ogranicz wyniki do:

Zastosowanie metod odpornościowych w analizie dokładności pomiarów międzylaboratoryjnych (1). Zasady statystyki odpornościowej, metoda Hubera czyli Algorytm A

Warsza Z. L., Volodarsky E. T.

Pomiary Automatyka Robotyka

2017

R. 21, nr 2

47--55

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.