Analys och presentation av fysikexperiment - Fysikum
Analys och presentation av fysikexperiment - Fysikum
Analys och presentation av fysikexperiment - Fysikum
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
40 KAPITEL 4. SANNOLIKHETER OCH STATISTIK<br />
ger en god bild <strong>av</strong> hur fördelningen ser ut. Klasserna bör väljas s˚a breda att<br />
man i det mest sannolika omr˚adet inte f˚ar stora fluktuationer mellan dem. ˚A<br />
andra sidan förlorar man information genom att välja dem alltför breda. I det<br />
här exemplet kunde vi ha valt en mindre binbredd än 2, men knappast större.<br />
värden/bin<br />
60<br />
40<br />
20<br />
0<br />
95 100 105 110 115<br />
x<br />
Figur 4.2: Ett histogram över värdena i tabell 4.1. Sannolikhetstätheten i Figur<br />
4.1 har multiplicerats med 200, eftersom vi har 200 värden, <strong>och</strong> med 2, eftersom<br />
varje värde bidrar till histogrammet över över en klassbredd. P˚a detta sätt blir<br />
ytan under kurvan densamma som under histogrammet.<br />
4.2 Medelvärde <strong>och</strong> standard<strong>av</strong>vikelse<br />
Antag nu att vi drar N stycken x-värden, x1,x2, ... xN, ur fördelningen f(x)<br />
(t.ex. genom upprepade mätningar). L˚at oss bilda det aritmetiska medelvärdet<br />
<strong>av</strong> dessa värden:<br />
x =<br />
N<br />
i=1 xi<br />
N<br />
(4.3)<br />
Eftersom de olika xi är dragna slumpmässigt (stokastiskt) kommer ocks˚a x att<br />
bli en stokastisk variabel. Sannolikheten att f˚a ett x-värde i ett intervall ∆x<br />
som är s˚a litet att f kan anses konstant blir f(x)∆x. Om vi l˚ater N bli mycket<br />
stort blir antalet värden i ∆x lika med Nf(x)∆x (se tärningsexemplet ovan).<br />
För mycket stora N kan vi skriva xi = xNf(x)dx, <strong>och</strong> vi f˚ar allts˚a att<br />
<br />
x → xf(x)dx (4.4)<br />
d˚a N → ∞. Vi inför nu fördelningens medelvärde<br />
<br />
µ = xf(x)dx (4.5)<br />
som allts˚a är det asymptotiska värde som det aritmetiska medelvärdet närmar<br />
sig när vi har m˚anga x-värden. Integralen i ekvation 4.5 kallas ocks˚a för förväntansvärdet<br />
<strong>av</strong> x. Den är en ”summa” <strong>av</strong> alla möjliga x-värden med en vikt<br />
som är proportionell mot hur sannolika de är.