Jump to the content of the page

Önemli istatistik terminolojisi

Statisticsl Data Analysis

Tek bir ölçümden tam resme nasıl geçilir

Kaplama kalınlığını, elektrik iletkenliğini veya bir malzemenin kompozisyonunu ölçüyor olmanız çok önemli değil - her durumda sonuçlarda dalgalanmalar vardır. Çoğu ölçüm rastgele faktörlerden etkilenir. Tek bir değer, ölçülen bir parçanın gerçek özelliklerini tanımlayamaz. Bunun için tekrarlanan ölçümler ve çoklu tekil değerler ve tekrarlanan ölçümleri değerlendirmek için istatistiksel yöntemler gereklidir.

Yeterince çok sayıda ölçülen değerden, ortalama değer ve karşılık gelen değişken değer tanımlanabilir. Daha sonra, tek tek ölçüm değerlerinin ortalama değer etrafındaki dağılımını hesaplamak mümkündür. İstatistiksel dağılım kullanarak, kaplamanın tüm süreç boyunca kalınlığını tahmin etmek mümkündür - bu, sürecin % 100 izleme yapmadan değerlendirilebileceği anlamına gelir.

Fischer cihazları ile ölçüm sonuçlarının istatistiksel analizi sorun yaratmaz. İşte en önemli istatistiksel parametrelerin bir özeti.

Ortalama

Ortalama x, farklı okumaların ortalamasıdır. Bir ortalama hesaplamanın en basit yolu, tüm değerleri bir araya getirmek ve daha sonra bu toplamı değer sayısına bölmektir. Buna aritmetik ortalama denir. Bir ortalama hesaplamanın başka yolları da vardır, ancak nadiren kullanılırlar.

 

Aralık

Aralık (R), ölçülen en küçük değerin en büyük değerden ne kadar uzakta olduğunu gösterir. Aralığı hesaplamak için, ölçülen en düşük değeri en büyük değerden çıkarın. Aralık, aykırı değerlerle büyük ölçüde bozulabilir ve bu nedenle yalnızca birkaç ölçümünüz olduğunda yararlı olur. Daha büyük miktarlarda veri için standart sapma daha anlamlıdır.

Standart sapma

Standart sapma σ, okumaların ortalamaya ne kadar yaygın olarak dağıldığını veya kümelendiğini gösterir. Yüksek standart sapma, ölçülen değerlerin birbirinden çok farklı olduğunu gösterir. Ancak değerlerin tümü ortalamaya yakınsa, standart Ortalama ve standart sapmanın gerçeği ne kadar iyi tanımladığı, diğer şeylerin yanı sıra, ölçüm sayısına bağlıdır: daha fazla ölçüm noktası ve ölçümler daha anlamlı.

Örnek 

İki ölçüm serisinde [1, 2, 3] ve [1,5, 2, 2,5] değerlerini alırsınız. Her iki durumda da ortalama 2'dir. Ancak, standart sapmalar farklıdır: İlk durumda 1, ikincisinde 0,5'dir. Standart sapma, ikinci durumda değerlerin birbirine daha benzer olduğunu açıkça ortaya koyuyor.

Varyasyon katsayısı (COV)

Standart sapmanın büyüklüğü sadece okumalar arasındaki değişkenliğe değil, aynı zamanda değerlerin boyutuna da bağlıdır: Daha yüksek bir ortalama otomatik olarak daha yüksek bir standart sapmaya yol açar. Bu sorunu çözmek için, göreceli standart sapma - ise, V - varyasyon katsayısı genellikle yüzde olarak verilir. Bunun için standart sapma aritmetik ortalamaya bölünür. Standart sapmada olduğu gibi, daha yüksek değerler ölçülen değerlerin daha yaygın olarak dağıldığını gösterir.

Örnek </ strong>

İnce ve kalın bir kaplamayı ölçüyorsunuz. İnce boya düzensizdir ve ortalama 10 mikron derinliği için yaklaşık 1 mikronluk standart sapmaya sahiptir. Bu,% 10'luk bir varyasyon katsayısına karşılık gelir. Daha kalın kaplama daha eşittir ve 100 μm derinliği için 1 μm standart sapmaya sahiptir. Ancak burada, varyasyon katsayısı% 1'dir. Bu durumda, varyasyon katsayısı kaplama kalitesindeki farklılıkları standart sapmadan çok daha iyi ifade eder.

Jump to the top of the page