Analysis of Measurement Uncertainties
General data
Course ID: | 1100-1AF27 |
Erasmus code / ISCED: |
13.2
|
Course title: | Analysis of Measurement Uncertainties |
Name in Polish: | Analiza niepewności pomiarowych |
Organizational unit: | Faculty of Physics |
Course groups: |
(in Polish) Biofizyka; przedmioty dla I roku (in Polish) Fizyka, ścieżka standardowa; przedmioty dla I roku (in Polish) Nauczanie fizyki; przedmioty dla I roku (in Polish) ZFBM - Zastosowania fizyki w biologii i medycynie; przedmioty dla 2 semestru I roku BM Nanoengineering, 1st cycle, 1st year courses Physics (1st level); 1st year courses |
Course homepage: | http://pracownie1.fuw.edu.l/anipw |
ECTS credit allocation (and other scores): |
2.00
|
Language: | Polish |
Main fields of studies for MISMaP: | physics |
Prerequisites (description): | For students of Physics and Astronomy. Mathematical skills on the upper secondary school level plus some skills in calculation of partial derivatives are prerequisite for the course. This subject must be attested before entering courses in the Pracownia Technik Pomiarowych. |
Short description: |
This subject introduces students to the problem of experiment planning, analyzing as well as presenting and interpreting its results according to standards accepted in scientific literature. It combines an introductory lecture on data analysis with experimental activities in the Introductory Laboratory. |
Full description: |
(in Polish) Celem zajęć jest przygotowanie studentów do samodzielnej pracy doświadczalnej. Wykład Analiza niepewności pomiarowych (łącznie 20 godzin, w cyklu 2 godziny/tydzień od początku semestru) stanowi wprowadzenie do szerokiego zakresu zagadnień związanych z planowaniem eksperymentu oraz analizą i interpretacją jego wyników. Zgodnie z tytułem, najwięcej miejsca zajmują podstawowe metody określania dokładności uzyskanego wyniku (czyli niepewności pomiaru - "błędu pomiaru") z uwzględnieniem błędów przypadkowych i systematycznych. W związku z tym, wykład rozpoczyna się przypomnieniem podstawowych pojęć rachunku prawdopodobieństwa oraz własności rozkładów prawdopodobieństwa najczęściej występujących przy analizowaniu zagadnień fizycznych. Następnym zagadnieniem jest wyznaczanie parametrów rozkładu (mediana, wartość średnia, dyspersja...) na podstawie losowo pobranej próby (serii pomiarów). Program wykładu (20 h): 1. Wprowadzenie: pomiar, rodzaje i źródła błędów pomiarowych, niepewność pomiaru. 2. Charakterystyki zbiorów danych liczbowych: mediana, średnia, średnie odchylenie standardowe. 3. Graficzna prezentacja i analiza danych: histogramy, wykresy z użyciem funkcyjnych skal na osiach (liniowo-liniowej, liniowo-logarytmicznej i logarytmiczno-logarytmicznej). 4. Podstawy rachunku prawdopodobieństwa. Rozkłady prawdopodobieństwa: dwumianowy, Poissona, Gaussa. Składowa przypadkowa niepewności pomiaru (błąd przypadkowy). 5. Wpływ efektów systematycznych na dokładność pomiaru: wprowadzanie poprawek i uwzględnianie dokładności przyrządów przy wyznaczaniu niepewności pomiaru. 6. Propagacja małych błędów. 7. Metoda najmniejszych kwadratów i przykłady jej zastosowań: wyznaczanie średniej ważonej i współczynników zależności liniowej (wraz z niepewnościami) na podstawie wyników pomiarów. 8. Wprowadzenie do zagadnień statystycznego testowania hipotez: test 3 σ, test χ2. Opis przygotowali: Andrzej Majhofer - koordynator przedmiotu |
Bibliography: |
1. J. R. Taylor, An Introduction to Error Analysis, Oxford University Press, Oxford, 1992. 2. G. L. Squires, Practical Physics, McGraw-Hill, London, 1976. Further reading: 1. W. T. Eadie, D. Drijard, F. E. James, M. Roos, and B. Sadoulet, Statistical Methods in Experimental Physics, North-Holland, Amsterdam, 1971 2. S. Brandt, Data Analysis, Springer Verlag, New York, 1999. 3. W. Feller, An Introduction to Probability Theory and its Applications, Wiley, 2008. |
Learning outcomes: |
After completing the course student: KNOWLEDGE 1. Knows what are the standards for estimating and presenting uncertainties of measurements accepted in natural sciences. 2. Knows the standards for describing experimental set-ups and presenting experimental results accepted in natural sciences. SKILLS 1. Presents experimental results in the form of graphs or histograms. 2. Uses graphs and histograms to detect relations between measured quantities. 3. Estimates uncertainties of measurements. 4. Uses least-squares method to estimate parameters of linear relations between measured quantities. 5. Uses statistical tests: the 3σ test and the χ2 test. |
Assessment methods and assessment criteria: |
Positive note for a test in solving typical, simple problems in data-analysis. |
Practical placement: |
none |
Classes in period "Summer semester 2023/24" (in progress)
Time span: | 2024-02-19 - 2024-06-16 |
Navigate to timetable
MO TU WYK
W TH FR |
Type of class: |
Lecture, 20 hours
|
|
Coordinators: | Andrzej Majhofer | |
Group instructors: | Andrzej Majhofer | |
Students list: | (inaccessible to you) | |
Examination: | Examination |
Copyright by University of Warsaw.