29.08.2013 Views

Analys och presentation av fysikexperiment - Fysikum

Analys och presentation av fysikexperiment - Fysikum

Analys och presentation av fysikexperiment - Fysikum

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

48 KAPITEL 4. SANNOLIKHETER OCH STATISTIK<br />

Men E(x − µ) = 0 <strong>och</strong> E((x − µ) 2 ) = V (x) = σ2 x, s˚a<br />

2 da<br />

V (a) = σ<br />

dx<br />

2 x .<br />

Standard<strong>av</strong>vikelsen för a blir allts˚a<br />

σa = da<br />

dx σx<br />

(4.18)<br />

Detta resultat för σa är egentligen självklart! Vi har approximerat a med en<br />

linjär funktion. Det betyder att a-värdena f˚as fr˚an x-värdena genom en translation<br />

<strong>och</strong> en ändring <strong>av</strong> skalan. Fördelningen ser allts˚a likadan ut, men den<br />

hamnar p˚a ett annat ställe <strong>och</strong> bredden ändras med en faktor da<br />

dx .<br />

Ekvation 4.18 är felfortplantningsformeln, ekvation 3.7, för en variabel. Nu<br />

antar vi att vi har mätningar <strong>av</strong> tv˚a oberoende variabler, x <strong>och</strong> y som beskrivs<br />

<strong>av</strong> sannolikhetstätheter f(x) <strong>och</strong> g(y) med medelvärden µx <strong>och</strong> µy <strong>och</strong> standard<strong>av</strong>vikelser<br />

σx <strong>och</strong> σy. Att variablerna är oberoende betyder att sannolikheten<br />

f(x)dx för att hamna i ett litet intervall dx är oberoende <strong>av</strong> vilket värde ymätningen<br />

g<strong>av</strong> <strong>och</strong> vice versa. Sannolikheten för att x ska hamna i intervallet<br />

dx samtidigt som y hamnar i intervallet dy blir d˚a f(x)g(y)dxdy. Om vi upprepar<br />

mätningarna m˚anga g˚anger kommer ju en andel f(x)dx att hamna i dx<br />

<strong>och</strong> <strong>av</strong> den andelen kommer en andel g(y)dy att hamna i dy.<br />

Vi vill nu bestämma medelvärde <strong>och</strong> standard<strong>av</strong>vikelse för en funktion a =<br />

a(x,y) som beror p˚a b˚ada variablerna. Räkningarna blir väldigt lika envariabelfallet<br />

som behandlades ovan. Istället för att som i <strong>av</strong>snitt 4.2 integrera över x-<br />

axeln m˚aste vi nu integrera över xy-planet när vi bildar väntevärden. Medelvärdet<br />

<strong>av</strong> a blir<br />

<br />

E(a(x,y)) = a(x,y)f(x)g(y)dxdy , (4.19)<br />

vilket vi kan skriva som<br />

<br />

E(a(x,y)) =<br />

<br />

dy g(y)<br />

dx a(x,y)f(x)<br />

<strong>och</strong> utföra integrationen över x först, för y fixt. Ekvation 4.17 ger d˚a att E(a(x,y)) =<br />

dy g(y)a(µx,y). Nu är a(µx,y) en funktion <strong>av</strong> en variabel, s˚a ekvation 4.17<br />

ger att<br />

E(a(x,y)) = a(µx,µy) (4.20)<br />

En förutsättning är liksom tidigare att a kan behandlas som en linjär funktion.<br />

För funktioner som faktiskt är linjära blir sambandet exakt. Vi ser till exempel<br />

att a = x + y ger<br />

E(x + y) = µx + µy ,<br />

dvs. medelvärdet <strong>av</strong> en summa är summan <strong>av</strong> medelvärdena. Detta beror p˚a att<br />

integralen <strong>av</strong> en summa är summanP <strong>av</strong> integralerna. P P Motsvarande gäller ocks˚a<br />

(x+y) x+ y<br />

aritmetiska medelvärden: x + y = N = N = x + y. Det är ganska<br />

självklart, men viktigt!<br />

När vi nu har medelvärdet <strong>av</strong> a kan vi bestämma variansen som tidigare<br />

(”E()” betecknar nu integration över xy-planet, men fortfarande är E(C) = C<br />

om C är en konstant):<br />

V (a) = E [a(x,y) − E(a(x,y))] 2 = E [a(x,y) − a(µx,µy)] 2 =

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!