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.
42 KAPITEL 4. SANNOLIKHETER OCH STATISTIK<br />
att detta är en uppskattning, ett estimat, <strong>av</strong> fördelningens medelvärde. Vi kan<br />
uppskatta variansen som 1 N N 1 (xi − µ) 2 <strong>och</strong> använda µ = x istället för µ (som<br />
vi inte känner). Men eftersom µ = x är beräknat fr˚an v˚ara x-värden kommer de<br />
att ligga bättre centrerade runt µ än runt fördelningens medelvärde µ. Det gör<br />
att vi underskattar spridningen om vi använder uttrycket ovan. Om N är stort<br />
s˚a att medelvärdet är välbestämt spelar det ingen större roll, men för f˚a värden<br />
(litet N) har det betydelse. (Om man bara har ett värde är det uppenbarligen<br />
nonsens att uppskatta spridningen över huvudtaget, s˚<strong>av</strong>ida man inte känner till<br />
mer om den underliggande fördelningen än detta enda x-värde.)<br />
Man kan visa att det är möjligt att korrigera för problemet att spridningen<br />
runt det aritmetiska medelvärdet är ”för liten”, genom att dividera med N − 1<br />
istället för med N, <strong>och</strong> uppskatta variansen som<br />
s 2 = V = 1<br />
N − 1<br />
N<br />
(xi − µ) 2<br />
1<br />
. (4.9)<br />
Uppskattningen för fördelningens standard<strong>av</strong>vikelsen blir d˚a den s.k. stickprovsstandard<strong>av</strong>vikelsen<br />
<br />
N<br />
1 s = σ =<br />
(xi − x) 2<br />
N − 1<br />
. (4.10)<br />
Det är ofta inte nödvändigt att använda hatt-beteckningar för att poängtera<br />
att det rör sig om uppskattningar <strong>av</strong> den bakomliggande fördelningens egenskaper.<br />
Har man bestämt standard<strong>av</strong>vikelsen fr˚an sina data med ekvation 4.10<br />
kan man beteckna den med σ s˚a länge det inte finns risk för missförst˚and. I<br />
de praktiska räkningarna har man ingen glädje <strong>av</strong> fördelningens sanna (men<br />
okända) standard<strong>av</strong>vikelse. Motsvarande gäller för medelvärdet.<br />
När man ska beräkna standard<strong>av</strong>vikelsen för ett urval x-värden är ekvation<br />
4.10 lite besvärlig eftersom man först m˚aste g˚a igenom alla x-värden för att<br />
bestämma x <strong>och</strong> sedan bilda (xi − x) 2 för alla xi. Men man kan skriva om<br />
uttrycket för s2 enligt s2 = 1 <br />
<br />
2 xi + x2 − 2xix =<br />
N−1 i (xi − x) 2 = 1<br />
N−1 i<br />
1 2<br />
N−1 x + Nx2 − 2( x) x . Insättning <strong>av</strong> x = ( x)/N ger att<br />
s =<br />
<br />
1<br />
N − 1<br />
<br />
x2 − 1<br />
<br />
2<br />
x<br />
N<br />
. (4.11)<br />
Om vi allts˚a summerar v˚ara x-värden <strong>och</strong> deras kvadrater kan vi direkt beräkna<br />
variansen enligt ovan utan att bilda skillnaderna (xi − x).<br />
4.3 N˚agra sannolikhetsfördelningar<br />
Det finns m˚anga olika sannolikhetstätheter som dyker upp i olika sammanhang<br />
<strong>och</strong> som kan härledas fr˚an tämligen enkla antaganden. Här följer n˚agra exempel.<br />
Tanken med det här <strong>av</strong>snittet är just att ge exempel för att konkretisera.<br />
Dessutom kanske det kan vara bra att g˚a tillbaka <strong>och</strong> titta i när man stöter p˚a<br />
dessa fördelningar senare.<br />
Den enklaste sannolikhetsfördelning kan i viss mening sägas vara den likformiga<br />
fördelningen, som visas i Figur 4.3. Alla värden inom ett intervall är