AVALIAÇÃO DA INCERTEZA DE MEDIÇÃO

Slides:



Advertisements
Apresentações semelhantes
Prof. Darlan Marcelo Delgado
Advertisements

Prof. André Laurindo Maitelli DCA-UFRN
Sistemas Realimentados
Analise de Regressão Parte 2.
Análise de Variância da Regressão
TESTE PARA ESTRUTURA ESPECIAL DE CORRELAÇÃO
Cássio Luís Fernandes de Oliveira
Análise de Resposta em Freqüência Introdução. 8. 2
INTRODUÇÃO ÀS EQUAÇÕES DIFERENCIAIS
Nice Maria Americano da Costa
MANOVA Análise de variância multivariada
Universidade Federal de Ouro Preto (UFOP)
Reconhecimento de Padrões PCA David Menotti, Ph.D. Universidade Federal de Ouro Preto (UFOP) Programa de Pós-Graduação em Ciência.
Reconhecimento de Padrões Principal Component Analysis (PCA) Análise dos Componentes Principais David Menotti, Ph.D. Universidade.
MB751 – Modelos de previsão
Resposta forçada II Objetivos:
TODA MEDIÇÃO ESTÁ SUJEITA A ERROS, DEVIDO À RAZÕES DE ORDEM PRÁTICA E TEÓRICA. A origem dos erros podem estar na modelagem, nas circunstâncias e métodos.
O resultado da medição de um mensurando variável quando a incerteza e correção combinadas são conhecidas.
Resultados de Medições Indiretas
3 - Equações Lineares de Segunda Ordem
UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE MATEMÁTICA
BIO Métodos Quantitativos Aplicados à Ecologia
Fórmulas Estatísticas MS Excel®
7 Resultados de Medições Indiretas
Matemática para Economia III
Laís Araújo Lopes de Souza
Professora: Ana Cristina G. e Silva Natal-RN
Fundamentos de Análise de Sinais
Apêndice.
Econometria Propriedades assintóticas dos estimadores MQO
Econometria Aula 3 – 27/9/2013.
MÉTODOS NUMÉRICOS APLICAÇÃO NO MATLAB
Regressão Múltipla Profas: Gardênia da Silva Abbad Elaine Rabelo Neiva
Como estimar incertezas de uma medida indireta
Aula 6 - Método não-experimental ou de seleção não-aleatória
Site: Estatística Prof. Edson Nemer Site:
Matemática para Economia III
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2015 Análise de Regressão Camilo Daleles Rennó
7 Resultados de Medições Indiretas
MEDIDAS ELÉTRICAS Prof. Samuel Bettoni.
Resultados de Medições Indiretas
Estatística e Probabilidade
Formas de calibração 1º - Padrões externos É a forma mais utilizada de calibração. São utilizadas soluções contendo concentrações conhecidas do analito.
Aula 14 Disciplina: Sistemas de Controle 1 - ET76H
MÚLTIPLOS GRAUS DE LIBERDADE
Erros e sua propagação Pontos mais importantes:
Interpolação e Ajuste de Curvas
2.3 Experimentos Fatoriais 22 Efeitos das Interações
1 Análise de regressão linear simples: abordagem matricial Álgebra de matrizes é amplamente utilizada na estatística. É praticamente uma necessidade na.
Regressão e Previsão Numérica.
Resolução de sistemas de equações não-lineares
análise dos estimadores
7 Ajuste de Curvas UFSC.PósMCI.FME.Ajuste de curvas. (11.1)
Aula 6 Propagação de erros
AVALIAÇÃO DA INCERTEZA DE MEDIÇÃO
Disciplina Engenharia da Qualidade II
Sistemas Lineares e Invariantes: Tempo Contínuo e Tempo Discreto
Metodologia da Pesquisa em Ensino de Ciências I
Sistemas de Controle III N8SC3
Estatística e Probabilidade
AULA 6 Planejamento Experimental
Regressão Linear Simples
GESTÃO E GARANTIA DA QUALIDADE
Desvio Padrão (V), em termos financeiros, é entendido como o valor do risco das operações. É obtido a partir da raiz quadrada da Variância; Variância (V²),
ERROS E TRATAMENTO DE DADOS ANALÍTICOS
Estimação e Intervalo de Confiança. Estimação Frequentemente necessitamos, por meio das amostras, conhecer informações gerais da população. A estimação.
Autor : Lênin Charqueiro. Pelotas,8 de março de
Variância/ Covariância, Correlação Regressão. Variância.
Fernando NogueiraModelos de Previsão1. Fernando NogueiraModelos de Previsão2 Introdução A maioria dos métodos de previsão estatística é baseada na utilização.
Como construir modelos empíricos. Nos modelos estudados, cada fator foi fixado em dois níveis Por esta razão temos que nos contentar com uma visão limitada.
Transcrição da apresentação:

AVALIAÇÃO DA INCERTEZA DE MEDIÇÃO Prof. Dr. Ricardo de Araújo Kalid kalid@ufba.br - (71) 3283.9811 ou (71) 9188.3316

PROPAGAÇÃO DA INCERTEZA DE MEDIÇÃO

Propagação da incerteza de medição Considere w = w(x,y,z) x, y e z são medidas n vezes As variâncias e médias de x, y e z são conhecidas Com os n valores das grandezas de entrada, calcula-se os n valores da grandeza de saída, wi = w(xi,yi,zi) Então a média da grandeza de saída pode ser estimada:

Propagação da incerteza de medição (continuação) Expandindo wi = w(xi,yi,zi) em série de potências, ou série de Taylor, em torno dos valores das médias:

Propagação da incerteza de medição de funções quase lineares Se a primeira derivada é aproximadamente uma constante, então a segunda deriva é aproximadamente zero A primeira derivada será constante se a função for linear ou afim Então de {48}:

Propagação da incerteza de medição de funções quase lineares (continuação) De {49} e {51} e elevando ao quadrado:

Propagação da incerteza de medição de funções quase lineares (continuação) Aplicando o somatório em n a equação {54}: Dividindo por (n-1) :.

Propagação da incerteza de medição de funções quase lineares (continuação) Da definição de variância: Da definição de incerteza: 8

Propagação da incerteza de medição de funções quase lineares (continuação) Da definição de variância: {58} é a incerteza padrão de w no caso em que as três (3) grandezas de entrada (x,y,z) atendem as hipóteses abaixo : Hipótese 1: A média das grandezas de entrada é representativa Hipótese 2: Primeira derivada é aproximadamente constante Hipótese 3: Hipótese 4: Independência entre os elementos de uma mesma variável (estado estacionário, variáveis não auto-correlacionadas). 9

Propagação da incerteza de medição de funções quase lineares (continuação) Repetindo {57}: Se as variáveis x, y e z são estatisticamente não correlacionadas ou 10

Propagação da incerteza de medição de funções de variáveis não correlacionadas Reescrevendo {60}: Portanto o desvio padrão (incerteza) de w é: {62} é a incerteza padrão de w no caso em que as NE grandezas de entrada atendem as hipóteses abaixo: Hipótese 1: A média das grandezas de entrada é representativa Hipótese 2: Primeira derivada é aproximadamente constante Hipótese 3: Hipótese 4: Independência entre os elementos de uma mesma variável Hipótese 5: Grandezas de entrada não correlacionadas.

Hipóteses para a avaliação da incerteza padrão combinada (uc) Comportamento do mensurando fracamente não-linear Erro sistemático e sua incerteza conhecidos A média aritmética corrigida é o RB do mensurando Independência entre os elementos de uma amostra (estado estacionário, não auto-correlacionadas) As grandezas de entrada (não) correlacionadas.

Porque a incerteza combinada de uma grandeza de entrada é dada pelo produto interno do vetor formado pelas incertezas tipo A e tipo B? Assuma o modelo preliminar para a variável X = x Acrescente a x contribuições (uma para cada incerteza tipo B) com média 0 (zero) e desvio padrão uBi: X = x + B1 + B2 + ... + BNB com Bi ~ (0,σi2)=(0, uBi 2) Por ser um modelo linear, com soma de parcelas com coeficientes iguais a 1, não há correlação entre as variáveis x, B1, B2, ... e BNB De {58}: .

Demonstração da fórmula de Welch-Satterthwaite A variância de um mensurando (y) com NE=m grandezas de entrada (xi) não correlacionadas é dada por: A variância da variância do mensurando (w) é:

Demonstração da fórmula de Welch-Satterthwaite (cont.) Admitindo que as incertezas não são correlacionadas e operando o lado direito de {64}: Admitindo que as grandezas de entrada (xi) tem PDF aproximadamente Gaussiana:

Demonstração da fórmula de Welch-Satterthwaite (cont.) Substituindo {67} em {66} : Admitindo que a grandezas de saída (wi) tem PDF aproximadamente Gaussiana, de {67}:

Demonstração da fórmula de Welch-Satterthwaite (cont.) Substituindo {69} em {68} : Ou melhor c. q. d.

Avaliação da Incerteza Expandida Hipóteses adicionais: Grandezas de entrada independentes Incertezas independentes Grandezas de entrada tem PDF t-Student Grandeza de saída tem PDF t-Student Conhecida a PA (Probabilidade de Abrangência) É possível avaliar os graus de liberdade efetivos (veff) pela equação W-S (Welch-Satterthwaite).

FATOR DE ABRANGÊNCIA: t = k Se a PDF do mensurando for t-Student, conhecido o Probabilidade de Abrangência: No excel: k = t = invt( 1-PA ; veff) MATLAB: k = t = -tinv( (1-PA)/2 , veff) Lembrando das hipóteses para validade da fórmula de W-S (Welch-Satterthwaite): Grandezas de entrada não correlacionadas Incertezas não correlacionadas Grandezas de entrada tem PDF t-Student Grandeza de saída tem PDF t-Student.

k (fator de abrangência) para vários GL (graus de liberdade) e PA (probabilidade de abrangência) GL↓|PA 50,00% 68,27% 90,00% 95,00% 95,45% 99,00% 99,80% 1 1,00 1,84 6,31 12,71 13,97 63,66 318,31 2 0,82 1,32 2,92 4,30 4,53 9,92 22,33 3 0,76 1,20 2,35 3,18 3,31 5,84 10,21 4 0,74 1,14 2,13 2,78 2,87 4,60 7,17 5 0,73 1,11 2,02 2,57 2,65 4,03 5,89 6 0,72 1,09 1,94 2,45 2,52 3,71 5,21 7 0,71 1,08 1,89 2,36 2,43 3,50 4,79 8 1,07 1,86 2,31 2,37 3,36 4,50 9 0,70 1,06 1,83 2,26 2,32 3,25 10 1,05 1,81 2,23 2,28 3,17 4,14 20 0,69 1,03 1,72 2,09 2,85 3,55 30 0,68 1,02 1,70 2,04 2,75 3,39 40 1,01 1,68 2,06 2,70 50 2,01 2,05 2,68 3,26 60 1,67 2,00 2,66 3,23 80 1,66 1,99 2,03 2,64 3,20 120 1,98 2,62 3,16 150 2,61 3,15 250 1,65 1,97 2,60 3,12 500 0,67 1,96 2,59 3,11 ∞ 1,64 2,58 3,09

Incerteza na Reconciliação de Dados e Covariância Covariância (“covariance”) dos vetores x e y é: Se VM é vetor das vazões medidas e VR é o vetor das vazões reconciliadas de um balanço hídrico, as matrizes variâncias covariâncias dessas variáveis são U2M e U2R e as relações entre elas são:

Demonstração: O problema de reconciliação de dados de um balanço hídrico é dado por: A solução analítica desse problema quadrático pode ser obtida aplicando o método dos Multiplicadores de Lagrange: c. q. d.

Demonstração: Por definição: Mas: Então:

Demonstração: Lembrando que a matriz de sensibilidade é constante: c. q. d.

Avaliação da incerteza De acordo com o VIM a incerteza é avaliada, NÃO é calculada, nem determinada, muito menos estimada. O que se estima é a grandeza de medição. A incerteza é avaliada.