– základní matematické operace se signály (odečty, podíly...) – složitější operace se sadou datových souborů – tvorba maker pro automatizaci zpracování.

Slides:



Advertisements
Podobné prezentace
Projekt Anglicky v odborných předmětech, CZ.1.07/1.3.09/
Advertisements

PrecisPlanner 3D Software pro plánování přesnosti měření v IG
EDA pro časové řady.
Metody zpracování fyzikálních měření - 4 EVF 112 ZS 2009/2010 L.Přech.
Hodnocení způsobilosti měřících systémů
Kalmanuv filtr pro zpracování signálů a navigaci
Regulační diagram je to základní grafický nástroj statistické regulace procesu, který umožňuje posoudit statistickou zvládnutost procesu statisticky zvládnutý.
Sledovaný signál a pozadí
64. Odhady úplných chyb a vah funkcí BrnoLenka Bocková.
Statistická mechanika - Boltzmannův distribuční zákon
Rozbory přesnosti v jednotlivých fázích vytyčení
STUDIUM CHOVÁNÍ ESTERŮ KYSELINY KŘEMIČITÉ V ZÁSADITÉM PROSTŘEDÍ
Statistika Vypracoval: Mgr. Lukáš Bičík
Autor: Boleslav Staněk H2IGE1.  Omyly  Hrubé chyby  Chyby nevyhnutelné  Chyby náhodné  Chyby systematické Rozdělení chyb.
Softwarové zabezpečení analýzy měřícího systému (MSA)
Histogram OA a VOŠ Příbram
Barva zvuku Veronika Kučerová.
TERMOREGULACE NOVOROZENCE
Stravitelnost organické hmoty a metody jejího stanovení
ŠÍŘENÍ A PŘENÁŠENÍ CHYB A VAH
Měření fyzikální veličiny
zpracovaný v rámci projektu EU
Orbis pictus 21. století Tato prezentace byla vytvořena v rámci projektu.
Orbis pictus 21. století Tato prezentace byla vytvořena v rámci projektu.
Tento výukový materiál vznikl v rámci Operačního programu Vzdělávání pro konkurenceschopnost 1. KŠPA Kladno, s. r. o., Holandská 2531, Kladno,
Chyby jednoho měření když známe
Tvorba simulačních modelů. Než vznikne model 1.Existence problému 2.Podrobnosti o problému a o systému 3.Jiné možnosti řešení ? 4.Existence podobného.
Experimentální fyzika I. 2
Přesnost a spolehlivost v účelových sítích Bc. Jindřich Poledňák.
Metrologie   Přednáška č. 5 Nejistoty měření.
ŠkolaStřední průmyslová škola Zlín Název projektu, reg. č.Inovace výuky prostřednictvím ICT v SPŠ Zlín, CZ.1.07/1.5.00/ Vzdělávací.
 Zkoumáním fyzikálních objektů (např. polí, těles) zjišťujeme že:  zkoumané objekty mají dané vlastnosti,  nacházejí se v určitých stavech,  na nich.
Digitální měřící přístroje
Hodnoty tP pro různé pravděpodobnosti P
Marketingový průzkum Milan Mrázek Matematika & Business
5.4. Účinné průřezy tepelných neutronů
Experimentální metody (qem)
Mikroprocesor.
ALGORITMIZACE A ZÁKLADY PROGRAMOVÁNÍ
Maximální chyba nepřímá měření hrubý, řádový odhad nejistoty měření
Měřické chyby – nejistoty měření –. Zkoumané (měřené) předměty či jevy nazýváme objekty Na každém objektu je nutno definovat jeho znaky. Mnoho znaků má.
Aritmetický průměr - střední hodnota
Přenos nejistoty Náhodná veličina y, která je funkcí náhodných proměnných xi: xi se řídí rozděleními pi(xi) → můžeme najít jejich střední hodnoty mi a.
Orbis pictus 21. století Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky Blokové schéma počítače.
Experimentální metody oboru – SNÍMAČE S TENZOMETRY 1/31 SNÍMAČE S TENZOMETRY © Zdeněk Folta - verze
Ověření modelů a modelování Kateřina Růžičková. Posouzení kvality modelu Ověření (verifikace) ● kvalitativní hodnocení správnosti modelu ● zda model přijatelně.
Č.projektu : CZ.1.07/1.1.06/ Portál eVIM Laboratorní práce 2 Nejistoty měření.
Testování biometrického systému založeného na dynamice podpisu
Ukládání dat biodiverzity a jejich vizualizace
Chyby měření / nejistoty měření
1 Cíl měření - kompenzace RC děliče (napěťová sonda) - ověření kmitočtového pásma sondy při různých dělicích poměrech (1:1, 10:1) - další seznámení.
Induktivní statistika - úvod
Základní pojmy v automatizační technice
Elektrické měřící přístroje
VY_32_INOVACE_ Co je snímač
- váhy jednotlivých studií
Úvod do praktické fyziky
STATISTICKÉ ZPRACOVÁNÍ DAT (JEDNOROZMĚRNÉ SOUBORY)
Multifaktorová analýza
Spojitá a kategoriální data Základní popisné statistiky
Název: Chyby měření Autor: Petr Hart, DiS.
Typy proměnných Kvalitativní/kategorická binární - ano/ne
Číslicové měřící přístroje
Plánování přesnosti měření v IG Úvod – základní nástroje TCHAVP
SPEKTRÁLNÍ ANALÝZA ČASOVÝCH ŘAD
Třída 3.B Laboratorní práce č. 2.
Základy statistiky.
Třída 3.A Laboratorní práce č. 2.
Princip max. věrohodnosti - odhad parametrů
F-Pn-P062-Odchylky_mereni
Transkript prezentace:

– základní matematické operace se signály (odečty, podíly...) – složitější operace se sadou datových souborů – tvorba maker pro automatizaci zpracování Zpracování většího počtu datových souborů

Kompatibilita ZÁZNAMŮ konverze dat –kompatibilita typu proměnných a jednotek konverze dat –kompatibilita proměnné y - typ proměnné a JEDNOTKY !!! –kompatibilita proměnné x - typ proměnné a JEDNOTKY !!!

Kompatibilita ZÁZNAMŮ –kompatibilita datového kroku („hustoty bodů“ - data spacing) interpolace dat či snížení hustoty bodů normalizace stupnice –kompatibilita polohy bodů normalizace stupnice

Odečty ZÁZNAMŮ ä kompenzace vlivu pozadí ä kompenzace vlivu matrice ä kompenzace vlivu rozpouštědla è ODEČET REFERENTNÍHO ZÁZNAMU ä sledování změn v závislosti na další proměnné (čas, teplota...) è ODEČET VÝCHOZÍHO ZÁZNAMU

Odečty ZÁZNAMŮ X ZPŮSOBY ODEČTU A - B ä A - B (kompenzační odečet) è STEJNÉ VŠECHNY OSTATNÍ PODMÍNKY a PARAMETRY MĚŘENÍ kromě VLIVU, který má být KOMPENZOVÁN

Odečty ZÁZNAMŮ X ZPŮSOBY ODEČTU A - k Bk ä A - k B ( k - nastavitelný faktor, kladné číslo) å sledování změn záznamů è INFORMACE JE NEJEN k VE VÝSLEDNÉM ZÁZNAMU, ale též V HODNOTĚ faktoru k

Součty ZÁZNAMŮ ADITIVITA SUB-SPEKTER ? SOUČTY ZÁZNAMŮ od složek směsi pro reálnou směs od složek směsi pro srovnání s experimentálním záznamem pro reálnou směs STUDIUM INTERAKCÍ !

Součty ZÁZNAMŮ X ZPŮSOBY SOUČTU mA + n Bm, n  mA + n B ( m, n - nastavitelné faktory, kladná čísla) å sledování změn záznamů při míchání komponent è INFORMACE JE NEJEN m, n VE VÝSLEDNÉM ZÁZNAMU, ale též V HODNOTĚ faktorů m, n

Násobky ZÁZNAMŮ KVANTIFIKACE NÁSOBEK ZÁZNAMU - změna obsahu analytu - změna nastavení měřicího zařízení - změna dalších podmínek měření

Podíly ZÁZNAMŮ ä opakované záznamy - míra shody è PODÍL A/B=1 pro shodná spektra ä dělení jednopaprskových spekter pro získaní transmitančních spekter è TAM, KDE POUZE PŘÍSTROJOVÝ VLIV A/B=1 (100 %) R pozn. log A/B = log A - log B

Průměrování ZÁZNAMŮ ä opakované záznamy pro tentýž vzorek za stejných experimentálních podmínek è ZVÝŠENÍ POMĚRU signál/šum ä záznamy pro různé vzorky stejného původu è ZLEPŠENÍ REPRESENTATIVNOSTI DAT

Průměrování ZÁZNAMŮ ¢ VÝPOČET SMĚRODATNÝCH ODCHYLEK PODÉL ZÁZNAMU äopakované záznamy pro tentýž vzorek za stejných experimentálních podmínek è OVĚŘENÍ STABILITY VZORKU příp. též MĚŘICÍHO SYSTÉMU

Průměrování ZÁZNAMŮ ¢ VÝPOČET SMĚRODATNÝCH ODCHYLEK PODÉL ZÁZNAMU äzáznamy pro různé vzorky stejného původu è SLEDOVÁNÍ HOMOGENITY/HETEROGENITY VZORKŮ

Tvorba MAKER  opakovaní stejného sledu operací (příp. velmi podobného) při zpracovávání rozsáhlých sad dat è ZRYCHLENÍ PRÁCE, SNÍŽENÍ RIZIKA CHYB ZPŮSOBENÝCH LIDSKÝM FAKTOREM

Tvorba MAKER ä PLNĚ AUTOMATIZOVATELNÝ SLED OPERACÍ, NEVYŽADUJÍCÍ ZÁSAH UŽIVATELE ä SLED OPERACÍ, KDE POUZE V PŘEDEM ZNÁMÝCH A JEDNOZNAČNĚ URČENÝCH MÍSTECH JE NUTNÝ ZÁSAH UŽIVATELE

Tvorba MAKER äSLED OPERACÍ, KDE KAŽDÝ JEDNOTLIVÝ KROK MŮŽE BÝT OVLIVNĚN UŽIVATELEM è PLNĚ INTERAKTIVNÍ MAKRO

Tvorba MAKER ä Makra vytvářená v rámci specializovaných programů pro zpracování určitého typu dat è běh makra je spouštěn v rámci daného programu (skupiny programů) £ PROBLÉM „PŘENOSITELNOSTI“ makra

Tvorba MAKER ä Makra vytvářená v rámci obecných programovacích jazyků è makra spustitelná jako samostatně běžící programy £ PROBLÉM PODPORY FORMÁTŮ VSTUPNÍCH DAT

Relativně snadná tvorba makra i pro běžného uživatele

Obtížnější tvorba maker pro běžného uživatele, širší nabídka programovacích možností