Wyniki wyszukiwania - BazTech

1

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

PL

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.

EN

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.

2

Zastosowanie metod odpornościowych w analizie dokładności pomiarów międzylaboratoryjnych (2) Ocena niepewności pomiarów metodą odporną Algorytm S

Warsza Z. L., Volodarsky E. T.

Pomiary Automatyka Robotyka

|

2017

|

R. 21, nr 3

45--51

PL

W artykule omówiono iteracyjną metodę odporną Algorytm S. Stosuje się ją do oszacowania precyzji określonej metody pomiarowej na podstawie wyników badań jednorodnych obiektów w wielu akredytowanych laboratoriach, gdy oceny dokładności pomiarów w niektórych z nich są odstające. Wypadkową odporną ocenę dokładności badanej metody znajduje się na podstawie oszacowania niepewności lub rozstępu wyników pomiarów tą metodą w każdym z laboratoriów, bez odrzucania danych odstających. Rozważania zilustrowano przykładem liczbowym.

EN

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.

3

Odporna ocena dokładności metod pomiarowych

Volodarsky E. T., Warsza Z. L., Koshevaya L. A.

Pomiary Automatyka Kontrola

|

2012

|

R. 58, nr 4

396-401

PL

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.

EN

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.