Sie sind auf Seite 1von 649

Auswertung von Messungen und Fehlerrechnung Auswertung von Messungen und Fehlerrechnung

T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehler, Fehlertypen, Signifikante Stellen 20.10.2011
Vorlesung 01- 1
Willkommen! Willkommen!
Die Vorlesung ist ein Teilmodul des Physikalischen Grundpraktikums 11-P-PA :
Teilmodul Teilmodulbezeichnung Teilmodulkrzel
11-P-FR
Auswertung von Messungen und Fehlerrechnung (Vorlesung mit
integrierter bung)
FR
11-P-BAM Beispiele aus Mechanik, Elektrizitts- und Wrmelehre BAM
Diese Modul ist Pflicht fr alle Studierenden mit Studienziel:
Physik (BP),
Nanostrukturtechnik (BN),
Das Physikalische Grundpraktikum ist in Module unterteilt:
Auswertung von Messungen und Fehlerrechnung Auswertung von Messungen und Fehlerrechnung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehler, Fehlertypen, Signifikante Stellen 20.10.2011
Vorlesung 01- 2
Nanostrukturtechnik (BN),
Mathematische Physik (BMP),
modularisiertes Lehramt mit Fachrichtung Physik (mLGY, mLRS, mGS, mHS),
Luft- und Raumfahrtinformatik (LURI).
Beide Teilmodule von 11-P-PA knnen im gleichen Semester belegt werden.
BP, BN, BMP beginnen damit im ersten Semester.
Bei allen anderen ist dieses Modul teilweise im dritten Semester vorgesehen.
Es kann aber bei guten Physik- und Mathematikkenntnissen auch im ersten Semester durchgefhrt werden
Die Teilnahme am Modul 11-P-PA ist Voraussetzung fr alle weiteren Praktikumsmodule.
Auswertung von Messungen und Fehlerrechnung Auswertung von Messungen und Fehlerrechnung
Die Vorlesung ist ein Teilmodul
des Physikalischen Grundpraktikum 11-P-PA :
a. Sachgerechte Protokollierung und Darstellung von Messungen
(Tabellen oder Graphiken)
b. Auswertung dieser Messungen
c. Wrdigung der Gte der Ergebnisse. Erstellung einer Fehlerbetrachtung
und Fehlerrechnung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehler, Fehlertypen, Signifikante Stellen 20.10.2011
Vorlesung 01- 3
Fehler ist austauschbar mit Unsicherheit.
Jede Messung, egal wie sorgfltig, besitzt unvermeidliche Unsicherheiten.
und Fehlerrechnung
Was bedeutet das Wort Fehler ?
Fehler hat nicht die bliche Bedeutung von Falschheit von Ergebnissen
oder von Fehlverhalten des Messenden.
Auswertung von Messungen und Fehlerrechnung Auswertung von Messungen und Fehlerrechnung
Sinn und Zweck dieser Veranstaltung:
Der Prozess der Erkenntnisgewinnung in der Physik verluft in enger Verzahnung von
Experiment und Theorie, besteht also aus empirischer Datengewinnung Datengewinnung und - -auswertung auswertung
und gleichzeitig dem Erstellen theoretischer Modelle Erstellen theoretischer Modelle zu ihrer Erklrung.
Quelle: Wikipedia
Die Basis jeder physikalischen Erkenntnis ist somit die experimentelle Beobachtung experimentelle Beobachtung,
i. e. die Durchfhrung von Versuchen unter
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehler, Fehlertypen, Signifikante Stellen 20.10.2011
Vorlesung 01- 4
i. e. die Durchfhrung von Versuchen unter
bersichtlichen bersichtlichen, nachvollziehbaren nachvollziehbaren, Strung vermeidenden Strung vermeidenden und wiederholbaren wiederholbaren
Bedingungen.
ABER: ABER: Keine Messung ist perfekt!
Die genaue Kenntnis der experimentellen Unsicherheiten sowie ihre Auswirkungen auf
das Ergebnis einer Messung sind wesentlich fr die Aussagekraft eines Experiments.
Diese Veranstaltung vermittelt Ihnen die zentralen Kenntnisse fr den korrekten Umgang
mit experimentellen Unsicherheiten
Das OPERA Experiment Das OPERA Experiment
Steht fr: Oscillation Project with Emulsion-tRacking Apparatus.
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehler, Fehlertypen, Signifikante Stellen 20.10.2011
Vorlesung 01- 5
Measurement of the neutrino velocity with the OPERA detector in the CNGS beam
- Quelle: arXiv:1109.4897v1
This anomaly corresponds to a relative difference of the muon neutrino velocity with
respect to the speed of light (v-c)/c = (2.48 +/- 0.28 (stat.) +/- 0.30 (sys.)) * 10
-5
.
Auswertung von Messungen und Fehlerrechnung Auswertung von Messungen und Fehlerrechnung
Diese Veranstaltung setzt sich zusammen aus:
I.Vorlesung
II.bung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehler, Fehlertypen, Signifikante Stellen 20.10.2011
Vorlesung 01- 6
III.Tutorium
IV. Klausur
bungsaufgaben bungsaufgaben -- Organisatorisches Organisatorisches
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehler, Fehlertypen, Signifikante Stellen 20.10.2011
Vorlesung 01- 7
Der Abgabetermin der neuen bungsbltter ist:
Montag, 14:00 Uhr
Fehlerrechnungsbriefkasten
Der Abgabetermin der verbesserten bungsbltter ist:
Freitag, 16:00 Uhr
bungsaufgaben bungsaufgaben -- Fehlerrechnungsbriefkasten Fehlerrechnungsbriefkasten
Der Fehlerrechnungsbriefkasten befindet sich an Raum E11/12 im NHSG:
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehler, Fehlertypen, Signifikante Stellen 20.10.2011
Vorlesung 01- 8
Das selbstndige Finden und Nutzen des Fehlerrechnungsbriefkastens
ist eine Schlsselqualifikation!
bungsaufgaben bungsaufgaben -- Organisatorisches Organisatorisches
6 .. 0
K I E L I N G TOBI AS
3 .. 0
Bei Abgabe in der ersten Woche
maximal 6 Punkte
(sehr gut).
Bei Abgabe in der zweiten Woche
maximal 3 Punkte
(ausreichend).
Jeder Studierende hat seinen eigenen Datensatz.
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehler, Fehlertypen, Signifikante Stellen 20.10.2011
Vorlesung 01- 9
Jedes bungsblatt kann einmal verbessert werden.
Teilnahmeberechtigung an der Klausur, wenn 3/4 der bungsbltter mit
ausreichend bewertet werden (9 der 12 bungsbltter).
Die bungsbltter werden korrigiert und bewertet. Ausreichend / nicht ausreichend.
(Zustzlich gibt es eine interne Bepunktung).
(sehr gut).
(ausreichend).
Studenten des Lehramtes schreiben ebenfalls eine Klausur. Es gengen auch hier 3/4 der
bungsaufgaben mit ausreichend bearbeitet zu haben, um zur Klausur zugelassen zu werden.
bungsaufgaben bungsaufgaben -- Organisatorisches Organisatorisches
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehler, Fehlertypen, Signifikante Stellen 20.10.2011
Vorlesung 01- 10
Nicht mit Bleistift schreiben
Kein Tintenkiller etc.
Korrekturen nur in die vorgesehenen Felder
bungsaufgaben bungsaufgaben -- Organisatorisches Organisatorisches
Falls es zur Erstkorrektur Fragen/Unklarheiten gibt:
Fragen Sie Ihren Betreuer!
Studentenbro: Mo - Fr besetzt von 10:30 Uhr bis 12:00 Uhr
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehler, Fehlertypen, Signifikante Stellen 20.10.2011
Vorlesung 01- 11
Wer zweimal hintereinander unentschuldigt kein bungsblatt abgibt, Wer zweimal hintereinander unentschuldigt kein bungsblatt abgibt,
wird aus der Anmeldungsdatenbank fr das Praktikum entfernt! wird aus der Anmeldungsdatenbank fr das Praktikum entfernt!
Tutorium Tutorium -- Organisatorisches Organisatorisches
Das Tutorium vertieft die in der Vorlesung besprochenen Inhalte,
insbesondere den mathematischen berbau
Es ist nicht Ziel des Tutoriums, die bungsaufgaben zu besprechen!
Wochentag Zeit Ort Beginn
Montag 16:00 - 18:00 Hrsaal 3 24.10.2011
Dienstag 16:00 - 18:00 Hrsaal 3 25.10.2011
Termine:
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehler, Fehlertypen, Signifikante Stellen 20.10.2011
Vorlesung 01- 12
Dienstag 16:00 - 18:00 Hrsaal 3 25.10.2011
Mittwoch 14:00 - 16:00 Hrsaal P 26.10.2011
Das Tutorium ist nicht verpflichtend,
weiterhin ist keine Anmeldung ntig
Ansprechpartner: Dipl.-Phys. Andreas Wrle
Raimund Schlereth
Johannes Brehm
Literatur Literatur
G. Worthing "Treatment of experimental Data" 1943
Folien: http://www.ossau.eu
Das Handout ist lediglich ein grobes Gerst.
Es ersetzt weder den Besuch der Vorlesung noch die intensive
Beschftigung mit dem Stoff.
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehler, Fehlertypen, Signifikante Stellen 20.10.2011
Vorlesung 01- 13
G. Worthing "Treatment of experimental Data" 1943
Ludwig "Methoden der Fehler- und Ausgleichsrechnung", 1969
E. Hardtwig: "Einfhrung in die Fehler- und Ausgleichsrechnung", 1967
L. Squires: " Messergebnisse und ihre Auswertung", 1971
J.R. Taylor: "Fehleranalyse", 1988
P. Bevington: "Data Reduction and Error Analysis for the Physical Sciences", 1969
Mendenhall und Beaver: "Introduction to Probability and Statistics", 1991
J. Mandel: "The statistical analysis of experimental data", 1984
R.E. Walpole und R.H. Myers: "Probability and statistics for engineers and scientists", 1990
Literatur: www.ossau.eu Literatur: www.ossau.eu
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehler, Fehlertypen, Signifikante Stellen 20.10.2011
Vorlesung 01- 14
fehler
Literatur: www.ossau.eu Literatur: www.ossau.eu
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehler, Fehlertypen, Signifikante Stellen 20.10.2011
Vorlesung 01- 15
fehler
rechnung
Thema Worum geht es? Praktikum
20.10. Signifikante Stellen Wie gebe ich Messwerte und deren Unsicherheit an ?
27.10. Messreihen Wie bestimme ich die Gte einer Messmethode ?
03.11. Grtfehler Wie bestimme ich den Gesamtfehler, wenn ich mehrere fehlerbehaftete Messgren habe ?
10.11. Lineare graphische Darstellungen Regeln zu graphischen Darstellungen und warum sind solche sinnvoll ?
17.11. Nicht lineare graph. Darstellungen Logarithmische Darstellung am Beispiel Kondensatorentladung oder Schwchungskoeffizient
24.11. Graphisches Auswerten Doppellogarithmische Darstellung Polarkoordinaten weitere Beispiele
01.12. Graphisches Auswerten Auswerten und Analyse einer Messung im Praktikum 1. Versuchstermin
08.12. Fehlerfortpflanzung (Gauss) Beispiele zur Fehlerfortpflanzung aus dem Grundpraktikum 2. Versuchstermin
15.12. Fehlerfortpflanzung (Gauss) Beispiele zur Fehlerfortpflanzung aus dem Grundpraktikum - Umgang mit Messgerten 3. Versuchstermin
bersicht Inhalte bersicht Inhalte
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehler, Fehlertypen, Signifikante Stellen 20.10.2011
Vorlesung 01- 16
15.12. Fehlerfortpflanzung (Gauss) Beispiele zur Fehlerfortpflanzung aus dem Grundpraktikum - Umgang mit Messgerten 3. Versuchstermin
22.12. Verteilungsfunktionen Kurze Wiederholung zur Stochastik - Qualittssicherung
12.01. Wahrscheinlichkeitspapier Graphischer Signifikanztest zur Normalverteilung 4. Versuchstermin
19.01. Poissonverteilung Wie hngen die Verteilungsfunktionen zusammen? 5. Versuchstermin
26.01. CHI-Quadrattest Wie gut stimmt die Theorie mit dem Experiment berein? Signifikanztest 6. Versuchstermin
02.02. Ausgleichsgerade Quantitative Analyse linearer Darstellungen Kolloquium
09.02. Korrelationskoeffizient Korrelation bedeutet nicht Kausalitt Bierschaumzerfall: Modell und Realitt
14.02. Klausur zu PFR Dies ist ein Dienstag!
Was bedeutet das Wort Fehler ?
Deutsche Industrie Norm
DIN 1319
Auswertung von Messungen und Fehlerrechnung Auswertung von Messungen und Fehlerrechnung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehler, Fehlertypen, Signifikante Stellen 20.10.2011
Vorlesung 01- 17
Fehler in der Angabe von Messergebnissen
UNSICHERHEITEN
Fehler, die bei einer Messung auftreten
ABWEICHUNGEN
Alle bei einer physikalischen Messung gewonnenen Messwerte
werden zunchst tabellarisch festgehalten.
38,2
47,5
57,5
80,6
83,1
87,2
T/
o
C R/
Physikalische Gre =
Zahlenwert * Einheit
oder symbolisch
Messungen und Tabellen Messungen und Tabellen
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehler, Fehlertypen, Signifikante Stellen 20.10.2011
Vorlesung 01- 18
57,5
67,1
78,7
88,0
87,2
90,3
93,1
96,5
Die Tabelle enthlt reine Zahlen
Die Bedeutung der Zahlen ist
im Tabellenkopf angegeben
Eine Zahl ist somit gleich einer
Physikalischen Gre durch die
Einheit
{G} = G / [G]
G = {G}
*
[G]
Messen ist eine grundlegende Ttigkeit in allen Naturwissenschaften
Das Wesen der physikalischen Gesetzmigkeiten lsst
sich nicht durch reines Nachdenken erschlieen.
Es gibt hierfr keinen anderen Weg als den, sich vor
allem an die Natur zu wenden, in ihr mglichst zahlreiche
und vielseitige Erfahrungen zu sammeln, dieselben
miteinander in Vergleich zu bringen und zu mglichst
Die Stellung von Messungen Die Stellung von Messungen
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehler, Fehlertypen, Signifikante Stellen 20.10.2011
Vorlesung 01- 19
miteinander in Vergleich zu bringen und zu mglichst
einfachen und Wert tragenden Stzen zu
verallgemeinern.
Da der Inhalt einer Erfahrung umso reicher ist, je genauer die Messungen sind,
die ihr zu Grunde liegen, so versteht sich von selbst, dass der Fortschritt aller
physikalischen Erkenntnis auf das Engste verknpft ist mit der Verfeinerung der
physikalischen Instrumente und der Technik des Messens.
Fehler und Abweichungen Fehler und Abweichungen
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehler, Fehlertypen, Signifikante Stellen 20.10.2011
Vorlesung 01- 20
Przise und richtig Przise und falsch Unprzise und
richtig
Unprzise und
falsch
Fehlertypen Fehlertypen
o Grobe Fehler
o Systematische Fehler
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehler, Fehlertypen, Signifikante Stellen 20.10.2011
Vorlesung 01- 21
o Systematische Fehler
o Zufllige Fehler
Meist durch Unachtsamkeit
Zahlendreher 14,5 statt 15,4 im Protokoll
Beim Ablesen an Mastben z.B. 25,1 statt 25,6
Grobe Fehler Grobe Fehler
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehler, Fehlertypen, Signifikante Stellen 20.10.2011
Vorlesung 01- 22
Beim Ablesen an Mastben z.B. 25,1 statt 25,6
Falsch geteilte Mastbe oder falsch gehende Uhren
Grobe Fehler haben keine Bedeutung,
da sie im Prinzip immer vermeidbar sind
Systematische Fehler Systematische Fehler
Schwer zu erkennen
Gleiche Messmethode mit verschiedenen Gerten
Gleiche physikalische Gre mit unterschiedlichen Methoden
Fehler elektrischer Messgerte (Einteilung in Gteklassen)
Unvollkommenheit der Messgerte
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehler, Fehlertypen, Signifikante Stellen 20.10.2011
Vorlesung 01- 23
Unvollkommenheit der Messgerte
Vernachlssigte Einflsse (Druck, Temperatur u.a.)
Elektrische oder Magnetische Streufelder
Mangelnde Reinheit von Substanzen (verdnnt magnetische Halbleiter)
Einfluss des Messgertes auf das Messobjekt
Und vieles mehr (Praktikum: Bestimmung der Wrmekapazitt)
Fehlerhafte Abschtzung von Zwischenwerten
Unzulnglichkeit menschlicher Sinnesorgane
Schwankungen durch uere Einflsse
Gebudeerschtterungen (Gravitationswaage, Nanostrukturtechnik)
Spannungsschwankungen, Temperaturschwankungen
Zufllige Fehler Zufllige Fehler
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehler, Fehlertypen, Signifikante Stellen 20.10.2011
Vorlesung 01- 24
Zufllige Fehler Zufllige Fehler
Fr zufllige Fehler gilt:
Positive und negative Abweichungen sind gleich hufig
Die Hufigkeit des Vorkommens nimmt mit dem Absolutbetrag des Fehlers ab
Die Wahrscheinlichkeit fr das Auftreten des Fehlers Null besitzt ein Maximum
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehler, Fehlertypen, Signifikante Stellen 20.10.2011
Vorlesung 01- 25
Die weitere Vorlesung beschftigt sich nur mit
zuflligen Fehlern
und deren Fortpflanzung
Egal wie sorgfltig ein Experiment geplant und durchgefhrt wird,
die Genauigkeit der Messung ist immer endlich.
Damit sind zufllige Fehler unvermeidbar Teil jedes Experiments
Beispiel: Hrsaaltre
Die Angabe eines Messwertes ohne die Angabe des dazugehrigen Messfehlers ist Unsinn.
E = ( x x )
Regeln fr die Angabe von Regeln fr die Angabe von Messunsicherheiten Messunsicherheiten
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehler, Fehlertypen, Signifikante Stellen 20.10.2011
Vorlesung 01- 26
x: Schtzwert oder Bestwert
x: Ist die Messungenauigkeit oder Messabweichung
(Fehler oder Messfehler)
x heit auch absoluter Fehler
E = ( x x )
E = ( 2,40 0,20 ) m
Relativer Fehler oder relative Unsicherheit:
Messunsicherheiten Messunsicherheiten: Relative Fehler : Relative Fehler
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehler, Fehlertypen, Signifikante Stellen 20.10.2011
Vorlesung 01- 27
0, 20 0, 20
0, 08333333 100 % 8, 3%
2, 40 2, 40
x
x

= = = =
Wie genau, d.h. auf wie viele Stellen,
kann man den absoluten Fehler angeben ?
Wie bestimme ich den Fehler einer Messgre ?
Auf wie viele Stellen, kann man den absoluten Fehler angeben ?
Die korrekteste Methode zur Bestimmung des Bestwerts und des zuflligen Fehlers
besteht darin, den Bestwert mglichst oft und unter gleichen Bedingungen zu messen.
Sehr oft (besonders im Praktikum) werden wir den Messfehler schtzen.
Messunsicherheiten Messunsicherheiten: Genauigkeit des absoluten Fehlers : Genauigkeit des absoluten Fehlers
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehler, Fehlertypen, Signifikante Stellen 20.10.2011
Vorlesung 01- 28
Im Normalfall (Praktikum) wird die Messgre nach
Einbung der notwendigen Sorgfalt einmal gemessen und
der Fehler geschtzt.
besteht darin, den Bestwert mglichst oft und unter gleichen Bedingungen zu messen.
E = ( x x )
Wie genau, d.h. auf wie viele Stellen, kann man den absoluten Fehler angeben ?
Messunsicherheiten Messunsicherheiten: Genauigkeit des absoluten Fehlers : Genauigkeit des absoluten Fehlers
Die Genauigkeit der Angabe von x wird durch die Messmethode bestimmt:
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehler, Fehlertypen, Signifikante Stellen 20.10.2011
Vorlesung 01- 29
Wird die Unsicherheit einer Messmethode geschtzt, wird
der absolute Fehler auf eine signifikante Stelle angegeben.
Die Genauigkeit der Angabe von x wird durch die Messmethode bestimmt:
Beispiele:
Lineal:
Stoppuhr:
( ) 0, 5 mm
( ) 0, 2 s
E = ( x x )
Wie genau, d.h. auf wie viele Stellen, kann man den absoluten Fehler angeben ?
Die Genauigkeit (Stellenzahl) der Angabe von x
wird durch die Messmethode bestimmt:
Messunsicherheiten Messunsicherheiten: Genauigkeit des absoluten Fehlers : Genauigkeit des absoluten Fehlers
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehler, Fehlertypen, Signifikante Stellen 20.10.2011
Vorlesung 01- 30
wird durch die Messmethode bestimmt:
Beispiele: Messreihe oder Fehlerrechnung (siehe Vorlesung 2 bzw. 3)
KONVENTION: KONVENTION:
Wird die Unsicherheit einer Messung durch eine Messreihe
oder durch eine Fehlerrechnung bestimmt, wird der absolute
Fehler auf zwei signifikante Stelle angegeben.
Was ist eine signifikante Stelle ?
Signifikante Stellen sind alle Stellen mit Ausnahme fhrender Nullen
Was ist eine signifikante Stelle ?
Beispiele: bungsblatt signifikante Stellen
Messunsicherheiten Messunsicherheiten: Signifikante Stellen : Signifikante Stellen
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehler, Fehlertypen, Signifikante Stellen 20.10.2011
Vorlesung 01- 31
1,23
0,123
0,0001256
0,0010230
9205,638 7,445
54852 6453
94,04 4,02
80000 700
700009 24361
7,4

9205,6
2410
3
70010
3
als (700 24)10
3
Besser (7,00 0,24)10
5
ausklammern
Messunsicherheiten Messunsicherheiten: Wissenschaftliche Notation : Wissenschaftliche Notation
Traditionelle wissenschaftliche Notation:
10
b
a
a hat immer nur eine von null verschiedene, linksseitige Dezimalzahl,
d. h.
1 10 a
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehler, Fehlertypen, Signifikante Stellen 20.10.2011
Vorlesung 01- 32
1 10 a
b ist eine Ganzzahl.
Damit ist die korrekte Antwort:
(7,00 0,24)10
5
Wir werden sehen, dass auch bei einer Messreihe die Angabe der
Unsicherheit auf zwei signifikante Stellen optimistisch ist.
Um den Fehler auf 10% genau angeben zu knnen, bentige ich eine
Messreihe mit mehr als 200 Messungen.
Messunsicherheiten Messunsicherheiten: Genauigkeit des absoluten Fehlers : Genauigkeit des absoluten Fehlers
Zusammengefasst gelte folgende Konvention Konvention:
Ist der Fehler geschtzt:
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehler, Fehlertypen, Signifikante Stellen 20.10.2011
Vorlesung 01- 33
Ist der Fehler geschtzt:
E I N E signifikante Stelle.
Ist der Fehler berechnet
(Fehlerrechnung oder Messreihe):
Z W E I signifikante Stellen.
Begrndung folgt spter bei Messreihen
Bei der Angabe von Messergebnissen hat die letzte signifikante Stelle
des Bestwertes die selbe Grenordnung wie die Messunsicherheit
Bestwert 0,0034216 m Unsicherheit 0,00022612 m
Bestwert 92,8194 Unsicherheit 0,324
0,32 92,82
Regeln fr die Angabe von Regeln fr die Angabe von Messunsicherheiten Messunsicherheiten
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehler, Fehlertypen, Signifikante Stellen 20.10.2011
Vorlesung 01- 34
Bestwert 0,0034216 m Unsicherheit 0,00022612 m
(3,42 0,23) 10
-3
m
Was bedeutet (3.42 0.23) 10
-3
m ?
Dies drckt aus, dass man bei einer Einzelmessung mit etwa 68% Wahrscheinlichkeit
einen Messwert zwischen (3.42 - 0.23) 10
-3
m und (3.42 + 0.23) 10
-3
m erhlt.
Begrndung siehe spter bei der Normalverteilung
Gteklassen elektrischer Messinstrumente Gteklassen elektrischer Messinstrumente
Soweit, so klar mit der
Notation.
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehler, Fehlertypen, Signifikante Stellen 20.10.2011
Vorlesung 01- 35
Aber wie genau messen jetzt
meine Instrumente?
Kennzeichnung elektrischer Messinstrumente Kennzeichnung elektrischer Messinstrumente
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehler, Fehlertypen, Signifikante Stellen 20.10.2011
Vorlesung 01- 36
Gteklassen elektrischer Messinstrumente Gteklassen elektrischer Messinstrumente
Die zulssigen Fehler elektrischer Messinstrumente werden
durch das Klassenzeichen angegeben.
Die Klassenangabe entspricht dem zulssigen Anzeigefehler in %:
z.B. 1,5% Fehler bei einem Gert der Klasse 1,5
Dieser Fehler ist bezogen auf den Endwert oder auf die Summe der
Skalenlnge, wenn der Nullpunkt innerhalb der Skala liegt.
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehler, Fehlertypen, Signifikante Stellen 20.10.2011
Vorlesung 01- 37
Skalenlnge, wenn der Nullpunkt innerhalb der Skala liegt.
Dies ist der Fehler, der auftreten darf !!
Endwert Endwert Endwert Skalenlnge Skalenlnge Skalenlnge
Es gibt unterschiedliche Gertegruppen:
Feinmessgerte der Klassen 0,1; 0,2 und 0,5
Betriebsmessgerte der Klassen 1; 1,5; 2,5 und 5
Vollausschlag 5 V bedeutet bei Klasse 5 einen Fehler von 0,25 V
Gteklassen elektrischer Messinstrumente Gteklassen elektrischer Messinstrumente
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehler, Fehlertypen, Signifikante Stellen 20.10.2011
Vorlesung 01- 38
Vollausschlag 5 V bedeutet bei Klasse 5 einen Fehler von 0,25 V
Infolge uerer Einflsse sind Fehler in der gleichen Gre erlaubt:
bei Neigung aus der Gebrauchslage um 5%
bei nderung der Raumtemperatur um 10
o
C usw.
Vollausschlag 150,0 V
Ablesung 118,8 V
Ablesegenauigkeit: Vorlesung 4 (Letzte Stelle ist geschtzt).
Ablesen bei analogen Messinstrumenten Ablesen bei analogen Messinstrumenten
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehler, Fehlertypen, Signifikante Stellen 20.10.2011
Vorlesung 01- 39
Ablesegenauigkeit: Vorlesung 4 (Letzte Stelle ist geschtzt).
Schtzwert: Bestmgliche Schtzung (Messung) der Ablesung.
Annahme 1: Feinmessgert der Klasse 1
1% von 150 V entspricht 1,5V
U = (118,8 1,5) V
Annahme 2: Betriebsmessgert der Klasse 5
5% von 150 V entspricht 7,5V
U = (118,8 7,5) V
Ablesen bei digitalen Messinstrumenten Ablesen bei digitalen Messinstrumenten
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehler, Fehlertypen, Signifikante Stellen 20.10.2011
Vorlesung 01- 40
U = (3,876 0,0??) V
U = (12,8 ?,?) V
Die Fehler von Digitalvoltmetern sind in der Regel durch Lesen der
Bedienungsanleitung zugnglich.
Fehler bei Digitalvoltmetern Fehler bei Digitalvoltmetern
Auszug aus der Praktikums-Gerteanleitung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehler, Fehlertypen, Signifikante Stellen 20.10.2011
Vorlesung 01- 41
Beispiel: 1V Messbereich
Anzeige 1,624 V
0,1% von rdg = 0,0016 V
0,1% von rng = 0,001 V
Insgesamt 0,0026 V
(1,624 0,003) V
Messbereich 10 V
Anzeige: 0,16 V
0,1 % range = 0,01 V
0,1 % reading = 0,00016 V
U = (1,6 0,1 )*10
-1
V
Messung einer Spannung von 0,1624 V
Ablesen bei digitalen Messinstrumenten Ablesen bei digitalen Messinstrumenten
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehler, Fehlertypen, Signifikante Stellen 20.10.2011
Vorlesung 01- 42
Anzeige: 0,162 V
0,1 % range = 0,001 V
0,1 % reading = 0,00016 V
U = (1,62 0,01 ) *10
-1
V
Messbereich 1 V
Anzeige: 0,1624 V
0,1 % range = 0,0001 V
0,1 % reading = 0,0002 V
U = (1,624 0,003 ) *10
-1
V
Messbereich 0,1 V
Frohes ben! Frohes ben!
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehler, Fehlertypen, Signifikante Stellen 20.10.2011
Vorlesung 01- 43
Frohes ben! Frohes ben!
bungsaufgaben bungsaufgaben -- Organisatorisches Organisatorisches
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Messreihe (Standardfehler, Standardabweichung) 27.10.2011
Vorlesung 02- 1
Der Abgabetermin der neuen bungsbltter ist:
Montag, 14:00 Uhr
Fehlerrechnungsbriefkasten
Der Abgabetermin der verbesserten bungsbltter ist:
Freitag, 16:00 Uhr
bungsaufgaben bungsaufgaben -- Fehlerrechnungsbriefkasten Fehlerrechnungsbriefkasten
Der Fehlerrechnungsbriefkasten befindet sich an Raum E11/12 im NHSG:
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Messreihe (Standardfehler, Standardabweichung) 27.10.2011
Vorlesung 02- 2
Das selbstndige Finden und Nutzen des Fehlerrechnungsbriefkastens
ist eine Schlsselqualifikation!
bungsaufgaben bungsaufgaben
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Messreihe (Standardfehler, Standardabweichung) 27.10.2011
Vorlesung 02- 3
Anmerkung wissenschaftliche Notation:
Zahlen zwischen 10
-3
und 10
3
ausschreiben, wie in Aufgabe 3 und 6
Gteklasse 5 bedeutet 5 % von 12,50 V.
bungsaufgaben bungsaufgaben
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Messreihe (Standardfehler, Standardabweichung) 27.10.2011
Vorlesung 02- 4
5 % von 12,50 V sind 0,625V.
Gerundet auf zwei signifikante Stellen ergibt 0,63 V.
Somit lautet das Endergebnis:
U = (9,83 0,63) V
bungsaufgaben bungsaufgaben
= 134,7
o
C -99,9
o
C bis 999,9
o
C
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Messreihe (Standardfehler, Standardabweichung) 27.10.2011
Vorlesung 02- 5
0,2 % der Ablesung (rdg = reading) plus 0,7
o
C
0,2 % (134,7
o
C) = 0,269
o
C
a) (0,269 + 0,7)
o
C = 0,969
o
C
= ( 134,7 1,0 )
o
C
b) (0,3 + 0,7)
o
C = 1,0
o
C
= 0,97
o
C
bungsaufgaben bungsaufgaben
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Messreihe (Standardfehler, Standardabweichung) 27.10.2011
Vorlesung 02- 6
bungsaufgaben bungsaufgaben
sin(22 rad) = ?
sin(22 rad) = 0,374606593
FALSCH FALSCH
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Messreihe (Standardfehler, Standardabweichung) 27.10.2011
Vorlesung 02- 7
sin(22 rad) sin(22 Grad)
sin(22 rad) = -8,851309289 10
-3
Grad giga rad
Taschenrechnertest Taschenrechnertest
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Messreihe (Standardfehler, Standardabweichung) 27.10.2011
Vorlesung 02- 8
2,124
3 1,1
ln ? e

| |
=
|
|
\
weil es so schn ist: weil es so schn ist:
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Messreihe (Standardfehler, Standardabweichung) 27.10.2011
Vorlesung 02- 9
2,124
3 1,1
2,124
ln
3 1,1
e

| |
=
|
|

\
sin(22 rad) sin(22 Grad)
= (136 3) Grad sin () = 0,695 ?
Denkaufgabe:
Mein Taschenrechner Mein Taschenrechner das unbekannte Wesen das unbekannte Wesen
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Messreihe (Standardfehler, Standardabweichung) 27.10.2011
Vorlesung 02- 10
Fehlerfortpflanzung: Wie pflanzt sich der Fehler von in sin( ) fort ?
Denken Sie ber eine Lsung nach!
Bedienungsanleitung Ihres Taschenrechners ist hilfreich:
Wie berechne ich Mittelwerte und Standardabweichung??
Erstabgabe bung 1 Erstabgabe bung 1
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Messreihe (Standardfehler, Standardabweichung) 27.10.2011
Vorlesung 02- 11
6 5 4 3 2 1 nicht abgegeben
Gltigkeit der Klausurzulassung Gltigkeit der Klausurzulassung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Messreihe (Standardfehler, Standardabweichung) 27.10.2011
Vorlesung 02- 12
bungsaufgaben bungsaufgaben -- Organisatorisches Organisatorisches
Falls es zur Erstkorrektur Fragen/Unklarheiten gibt:
Fragen Sie Ihren Betreuer!
Studentenbro: Mo - Fr besetzt von 10:30 Uhr bis 12:00 Uhr
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Messreihe (Standardfehler, Standardabweichung) 27.10.2011
Vorlesung 02- 13
Wer zweimal hintereinander unentschuldigt kein bungsblatt Wer zweimal hintereinander unentschuldigt kein bungsblatt
abgibt, wird aus der Anmeldungsdatenbank fr das Praktikum entfernt! abgibt, wird aus der Anmeldungsdatenbank fr das Praktikum entfernt!
Messreihen Messreihen
Wie bestimme ich
die Messunsicherheit
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Messreihe (Standardfehler, Standardabweichung) 27.10.2011
Vorlesung 02- 14
die Messunsicherheit
in Messreihen?
Begriffe Begriffe
Modalwert
Median Mittelwert
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Messreihe (Standardfehler, Standardabweichung) 27.10.2011
Vorlesung 02- 15
Median Mittelwert
Spannweite der Verteilung: Differenz zwischen grtem und kleinstem Wert.
Der Median Der Median
Der Median teilt die Grundgesamtheit in zwei Hlften gleicher Gre
Messung der Lnge eines Stabes
25 24 25 24 23 26 26 24 26 L/cm
9 8 7 6 5 4 3 2 1
Nummer der
Messung
Sortiert nach Gre:
23, 24, 24, 24, 25, 25, 26, 26, 26
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Messreihe (Standardfehler, Standardabweichung) 27.10.2011
Vorlesung 02- 16
Sortiert nach Gre:
23, 24, 24, 24, 25, 25, 26, 26, 26
Der Median Der Median
Der Median teilt die Grundgesamtheit in zwei Hlften gleicher Gre
Messung der Lnge eines Stabes
28 25 24 25 24 23 26 26 24 26 L/cm
10
9 8 7 6 5 4 3 2 1
Nummer der
Messung
Sortiert nach Gre:
23, 24, 24, 24, 25, 25, 26, 26, 26,28
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Messreihe (Standardfehler, Standardabweichung) 27.10.2011
Vorlesung 02- 17
Median
Ein Wert mist Median einer Stichprobe, wenn hchsten die Hlfte der
Beobachtungen einen Wert < mund hchstens die Hlfte einen Wert > mhat. Der
Median m einer geordneten Stichprobe von n Werten ist dann:
1
2
1
2 2
ungerade
1
gerade
2
n
n n
x n
m
x x n
+
+

=

| |
+
|

Sortiert nach Gre:


23, 24, 24, 24, 25, 25, 26, 26, 26,28
Begriffe Begriffe
Modalwert
Median Mittelwert
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Messreihe (Standardfehler, Standardabweichung) 27.10.2011
Vorlesung 02- 18
Median Mittelwert
Spannweite der Verteilung: Differenz zwischen grtem und kleinstem Wert.
Mittelwert 1 Mittelwert 1 Arithmetischer Mittelwert Arithmetischer Mittelwert
Messung der Lnge eines Stabes
1
23 24 24 24 25 .... 28
25,10
10
n
i
i
x
x
n
=
+ + + + + +
= = =

Summation ber alle Messwerte:


28 25 24 25 24 23 26 26 24 26 L/cm
10
9 8 7 6 5 4 3 2 1
Nummer der
Messung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Messreihe (Standardfehler, Standardabweichung) 27.10.2011
Vorlesung 02- 19
10 n
Arithmetischer Mittelwert
Seien n (einfach linear zusammenhngende) Werte x
i
(i {1; ...; n})
einer gemessenen Gre gegeben. Die Gre x
a
, die aus
berechnet wird, wird arithmetisches Mittel oder arithmetischer
Mittelwert genannt.

=
=
n
i
i a
x
n
x
1
1
5
10
15
20
25
30
35
40
A
n
z
a
h
l

d
e
r

A
b
s
o
l
v
e
n
t
e
n
Semester Anzahl
10 29
11 38
12 33
13 24
14 20
15 17
16 12
17 10
Beispiel: Studiendauer Diplom Beispiel: Studiendauer Diplom
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Messreihe (Standardfehler, Standardabweichung) 27.10.2011
Vorlesung 02- 20
0
10 11 12 13 14 15 16 17 18 19 20
Studiendauer / Semestern
17 10
18 6
19 6
20 5
Die meisten der Studenten machen die Diplomprfung nach 11 Semestern (Modus).
Die mittlere Studiendauer ist 12,5 Semester (Median).
Liegt der Median zwischen zwei ganzen Zahlen, wird gemittelt, z.B. 12,5 Semester (Es gibt detailliertere Regeln).
Der Mittelwert der Studiendauer ist 13,2 Semester (Mittelwert Mean)
Spannweite der Verteilung: Differenz zwischen grtem und kleinstem Wert.
1. Jahr Wir kaufen Aktien fr 1000
2. Jahr Aktienkurs steigt auf 1200
3. Jahr Aktienkurs steigt auf 1500
4. Jahr Aktienkurs fllt auf 1000 Wir verkaufen
Annahme, es gab weder Zinsen noch Dividenden
Mittelwert 2 Mittelwert 2 Geometrischer Mittelwert Geometrischer Mittelwert
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Messreihe (Standardfehler, Standardabweichung) 27.10.2011
Vorlesung 02- 21
Trivialrechnung:
1. 2. Jahr +20 %
2. 3.Jahr +25 %
3. 4. Jahr -33 %
20 25 33.33
3, 89 %
3
x
+
= =
3,89 % pro Jahr bedeuten ca. 1121 nach 3 Jahren
3 3
1, 200 1, 250 0, 667 1, 0005 1, 00
geo
x = = =
Wachstumsfaktoren:
1. 2. Jahr 1200/1000 = 1,200
2. 3.Jahr 1500/1200 = 1,250
3. 4. Jahr 1000/1500 = 0,667
Mittelwert 2 Mittelwert 2 Geometrischer Mittelwert Geometrischer Mittelwert
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Messreihe (Standardfehler, Standardabweichung) 27.10.2011
Vorlesung 02- 22
Wichtigste Anwendung des geometrischen Mittelwertes bei
durchschnittliche Wachstumsfaktoren.
Wachstumsfaktor: Neuer Wert dividiert durch alten Wert
Geometrischer Mittelwert
Seien n exponentiell zusammenhngende Werte x
i
(i {1; 2; ...; n})
einer gemessenen Gre gegeben. Die Gre x
g
, die aus
berechnet wird, wird geometrisches Mittel oder geometrischer
Mittelwert genannt.
n
n
i
i g
x x

=
=
1

=
=
n
i
i
x
n
x
1
1
n
n
x x x x =
2 1

=
=
n
i
x
n
x
2
1
Der arithmetische Mittelwert
Der geometrische Mittelwert
Der quadratische Mittelwert
Zusammenfassung Mittelwerte Zusammenfassung Mittelwerte
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Messreihe (Standardfehler, Standardabweichung) 27.10.2011
Vorlesung 02- 23

= i
n
1
Weitere Mglichkeiten der Angabe von mittleren Werten
Der hufigste Wert (Modus oder Modalwert)
!!!Bimodale Verteilung !!!
Das arithmetische Mittel aus dem kleinsten und grten
vorkommenden Wert
Der Median
Derjenige Wert, der in der
Mitte steht, wenn man die
x
i
der Gre nach sortiert
Messung der Lnge eines Stabes
Wie bestimmt man den Fehler einer Messung aus einer Messreihe?
28 25 24 25 24 23 26 26 24 26 L/cm
10
9 8 7 6 5 4 3 2 1
Nummer der
Messung
Messreihen Messreihen
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Messreihe (Standardfehler, Standardabweichung) 27.10.2011
Vorlesung 02- 24
28 25 24 25 24 23 26 26 24 26 L/cm
Sortieren der Werte nach Klassen
Werte x
k
23 24 25 26 27 28
Anzahl der Messwerte 1 3 2 3 0 1
Messung der Lnge eines Stabes
Werte x
k
23 24 25 26 27 28
Anzahl der Messwerte 1 3 2 3 0 1
23 24 24 24 25 .... 28
25,10
10
i
i
x
x
n
+ + + + + +
= = =

=
=
n
i
i
x
n
x
1
1
Summation ber alle Messwerte:
Mittelwertbildung Mittelwertbildung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Messreihe (Standardfehler, Standardabweichung) 27.10.2011
Vorlesung 02- 25
( ) ( )
23 1 (24 3) (25 2) .... 28 1
10
k k
k
x n
x
n

+ + + +
= =

n
n x
x
k
k k

=
n
n
F wobei x F x
k
k k k
= =

,
1 =

k
k F
n n
k
=

= i 1
Summation ber alle Klassen:
Beispielhaftes Histogrammzu einer Messreihe:
Messung der Lnge eines Stabes
2
3

A
n
z
a
h
l

d
e
r

M
e
s
s
w
e
r
t
e
Werte x 23 24 25 26 27 28
Histogramm / Stabdiagramm Histogramm / Stabdiagramm
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Messreihe (Standardfehler, Standardabweichung) 27.10.2011
Vorlesung 02- 26
21 22 23 24 25 26 27 28 29
0
1
2

A
n
z
a
h
l

d
e
r

M
e
s
s
w
e
r
t
e
Lnge/cm
Werte x
k
23 24 25 26 27 28
Anzahl der
Messwerte
1 3 1 3 0 2
Weitere Messreihe: Messung der Lnge eines Stabes
1 2 3 4 5 6 7 8 9 10
L/cm 26,4 23,9 25,1 24,6 22,7 23,8 25,2 23,8 25,3 25,4
In diesem Beispiel ist das Zeichnen eines Stabdiagramms wenig sinnvoll
Einschub: Wie fasse ich Werte sinnvoll zu Klassen zusammen ? Einschub: Wie fasse ich Werte sinnvoll zu Klassen zusammen ?
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Messreihe (Standardfehler, Standardabweichung) 27.10.2011
Vorlesung 02- 27
Zusammenfassung der Messwerte zu Klassen
Klasse
22 bis
23
23 bis
24
24 bis
25
25 bis
26
26 bis
27
27 bis
28
Anzahl der
Messungen
1 3 1 4 1 0
Faustregel fr die Anzahl der Klassen k 5 * lg (n).
Hufig reicht auch n
Einschub: Wie fasse ich Werte sinnvoll zu Klassen zusammen ? Einschub: Wie fasse ich Werte sinnvoll zu Klassen zusammen ?
Klasse
22 bis
23
23 bis
24
24 bis
25
25 bis
26
26 bis
27
27 bis
28
Anzahl der
Messungen
1 3 1 4 1 0
4

A
n
z
a
h
l

d
e
r

M
e
s
s
w
e
r
t
e
Das Zusammenfassen von Messwerten
zu Klassen ist ein wichtiger Vorgang in
der Statistik und wird in den
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Messreihe (Standardfehler, Standardabweichung) 27.10.2011
Vorlesung 02- 28
20 21 22 23 24 25 26 27 28
0
1
2
3

A
n
z
a
h
l

d
e
r

M
e
s
s
w
e
r
t
e
Lnge /cm
der Statistik und wird in den
Vorlesungen zu Verteilungsfunktionen
und Signifikanztest ausfhrlich
diskutiert.
Beispiel einer schlechten Beispiel einer schlechten
Zusammenfassung Zusammenfassung
Einschub: Betrug mit graphischen Darstellungen Einschub: Betrug mit graphischen Darstellungen
Typisches Wahlvolk:
18 bis 81 Jahre
Aufteilen in:
18 bis 49: 51 %
50 bis 81: 49 %
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Messreihe (Standardfehler, Standardabweichung) 27.10.2011
Vorlesung 02- 29
Ist das jetzt die Dominanz der Jungen ?
Realistisches Wahlvolk:
18 bis 101 Jahre
Aufteilen in:
18 bis 59: 68 %
60 bis 101: 32 %
Bedeutung des Mittelwertes Bedeutung des Mittelwertes
Wir erinnern uns:
Fr zufllige Fehler gilt:
Positive und negative Abweichungen sind gleich hufig
Die Hufigkeit des Vorkommens nimmt mit dem Absolutbetrag des Fehlers ab
Die Wahrscheinlichkeit fr das Auftreten des Fehlers Null besitzt ein Maximum
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Messreihe (Standardfehler, Standardabweichung) 27.10.2011
Vorlesung 02- 30
Die Wahrscheinlichkeit fr das Auftreten des Fehlers Null besitzt ein Maximum
Interpretation von Nikolaus Bernoulli (1709):
Das mit ihren Wahrscheinlichkeiten gewichtete arithmetische
Mittel der Werte einer Zufallsgre ist der Erwartungswert der
Zufallsgre.
Erwartungswert E(X)
Seien die Ergebnisse bei einem (Wahrscheinlichkeits-)Experiment aus der
Gesamtheit aller Ergebnisse, dem Ergebnisraum . Sei X() eine reelle Zahl, die
dem Ergebnis zugeordnet ist, und P({}) eine gegebene Wahrscheinlichkeit zu
dem einzelnen Ereignis . So bezeichnet man die Zahl E(X), die aus
berechnet wird, als Erwartungswert der Zufallsgre X().

}) ({ ) ( : ) ( P X X E
Wie bestimmt man den Fehler einer Messung aus einer Messreihe?
2
3

A
n
z
a
h
l

d
e
r

M
e
s
s
w
e
r
t
e
Messreihen Messreihen
Wie verlsslich kennen wir den
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Messreihe (Standardfehler, Standardabweichung) 27.10.2011
Vorlesung 02- 31
21 22 23 24 25 26 27 28 29
0
1
2

A
n
z
a
h
l

d
e
r

M
e
s
s
w
e
r
t
e
Lnge/cm
Wie verlsslich kennen wir den
Mittelwert?
Wie sehr streuen die Daten?
Wie breit ist die Verteilung der Daten?
2
9
9
5
2
9
9
6
2
9
9
7
2
9
9
8
2
9
9
9
3
0
0
0
3
0
0
1
3
0
0
2
3
0
0
3
3
0
0
4
3
0
0
5
0
1
2
3

H

u
f
ig
k
e
it


Lnge / mm
2
9
9
5
2
9
9
6
2
9
9
7
2
9
9
8
2
9
9
9
3
0
0
0
3
0
0
1
3
0
0
2
3
0
0
3
3
0
0
4
3
0
0
5
0
50
100
150
200
0
50
100
150
200


H

u
f
i
g
k
e
i
t

Lnge / mm
2
9
9
5
2
9
9
6
2
9
9
7
2
9
9
8
2
9
9
9
3
0
0
0
3
0
0
1
3
0
0
2
3
0
0
3
3
0
0
4
3
0
0
5
0
20
40

H

u
f
i
g
k
e
i
t


2
9
9
5
2
9
9
6
2
9
9
7
2
9
9
8
2
9
9
9
3
0
0
0
3
0
0
1
3
0
0
2
3
0
0
3
3
0
0
4
3
0
0
5
0
5
10
15
20
Lnge /mm


100 Messungen
10 Messungen 100 Messungen 250 Messungen 1000 Messungen
bergang zur Grenzverteilung bergang zur Grenzverteilung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Messreihe (Standardfehler, Standardabweichung) 27.10.2011
Vorlesung 02- 32
Lnge / mm
Mit zunehmender Anzahl der Messungen wird ein Histogramm glatter und regelmiger.
Die Breite der Kurve ndert sich nicht.
Mit zunehmender Zahl der Messungen kann die Breite und der Mittelwert verlsslicher
angegeben werden.
Wenn die Anzahl der Messungen gegen unendlich geht, nhert sich die Verteilung
einer stetigen Kurve.
Eine solche Verteilung heit Grenzverteilung oder Grundgesamtheit.
Mehr zur Normalverteilung folgt in den spteren Vorlesungen
Die Varianz ist ein Ma fr die "Breite" der Verteilung der Messwerte
( )

=
=
n
i
i x
x
n
1
2
2
1

Bei obiger Definition ist der wahre Mittelwert der Verteilung.
Dieser ist aber nicht bekannt.
Die Varianz Die Varianz
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Messreihe (Standardfehler, Standardabweichung) 27.10.2011
Vorlesung 02- 33
Dieser ist jedoch nur mit einer Unsicherheit bekannt.
x
Dieser ist aber nicht bekannt.
Daher wird durch den gemessenen Mittelwert ersetzt.
Der Mittelwert muss aus der Datenmenge berechnet werden.
Dies zwingt zur Einfhrung der Stichprobenvarianz.
( )

=
=
n
i
i x
x
n
1
2
2
1

Varianz:
Die Messgren besitzen eine Einheit.
In unserem Beispiel waren das mm.
Somit hat die Varianz die Einheit mm
2
.
Sinnvoll ist eine Gre mit der gleichen Dimension wie der Messwert.
Die Standardabweichung Die Standardabweichung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Messreihe (Standardfehler, Standardabweichung) 27.10.2011
Vorlesung 02- 34
( )
2
2
1
1
n
x x i
i
x
n

=
= =

Standardabweichung:
Die Stichprobe Die Stichprobe
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Messreihe (Standardfehler, Standardabweichung) 27.10.2011
Vorlesung 02- 35
Mittelwert der Stichprobe
Standardabweichung der Stichprobe
Gre der Stichprobe
( )
2
1
1
1
2

=
=

n
i
x
i
x
n
s
x
Aus Plausibilittsgrnden sei erwhnt, dass durch die Verwendung des Mittelwertes
ein Messwert (Freiheitsgrad) verloren geht, also nicht mehr n Messungen
Die Stichprobenvarianz Die Stichprobenvarianz
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Messreihe (Standardfehler, Standardabweichung) 27.10.2011
Vorlesung 02- 36
ein Messwert (Freiheitsgrad) verloren geht, also nicht mehr n Messungen
(Freiheitsgrade) vorliegen, sondern nur noch n - 1.
s
x
wird auch als Stichprobenvarianz bezeichnet, da der Mittelwert
mittels einer Stichprobe aus der Grundgesamtheit bestimmt wird.
Die zustzliche nderung von n auf n-1 wird nach der
Behandlung des Fehlerfortpflanzungsgesetzes begrndet.
( ) ( )
2
1
1
1
1
n
x i
i
s x x n
n
=
= >


(mittlerer quadratischer Fehler der Einzelmessung).
Die Standardabweichung ist die Quadratwurzel aus der Varianz
s
x
wird auch als Stichproben-Standardabweichung bezeichnet.
Die Stichprobenstandardabweichung Die Stichprobenstandardabweichung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Messreihe (Standardfehler, Standardabweichung) 27.10.2011
Vorlesung 02- 37
Die (Stichproben)Standardabweichung ist ein Ma
fr die Genauigkeit der Messmethode
Wie kann ich die Genauigkeit einer Messmethode angeben ?
Wie weit entfernt sich der einzelne Messwert vom Mittelwert?
Auf wieviele Stellen soll ich den Fehler angeben ?
Neben der Standardabweichung, die ein Ma
fr die Genauigkeit der Messmethode ist,
gibt es den Standardfehler, der ein Ma fr
die Verlsslichkeit der Angabe des Mittelwertes ist.
Der Standardfehler Der Standardfehler
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Messreihe (Standardfehler, Standardabweichung) 27.10.2011
Vorlesung 02- 38
n
s
s
x
x
=
Wie gro ist der Fehler des Fehlers ?
Fr den relativen Fehler der Standardabweichung gilt (Siehe Squires):
( )
1
2 1
x
x
s
s
n

Die Standardabweichung
(Genauigkeit einer Messmethode)
ist umso genauer angebbar,
Zur Standardabweichung Zur Standardabweichung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Messreihe (Standardfehler, Standardabweichung) 27.10.2011
Vorlesung 02- 39
ist umso genauer angebbar,
je mehr Messungen man durchfhrt.
Beispiele:
Entwicklung des Mittelwertes mit n
Entwicklung der Standardabweichung
Angabe der Standardabweichung auf
zwei signifikante Stellen
Annahme: Der rechnerische Wert der Standardabweichung bei einer Messung sei
s
x
= 6,2431754
Wie genau soll ich diesen Wert angeben ?
Beispiel a: Es sind 5 Messungen durchgefhrt worden.
( )
1
2 1
x
x
s
s
n

Zur Stellenzahl Zur Stellenzahl


T. Kieling: Auswertung von Messungen und Fehlerrechnung - Messreihe (Standardfehler, Standardabweichung) 27.10.2011
Vorlesung 02- 40
( )
2 1
x
s
n
s
x
/s
x
= 0,354 , d.h. s
x
ist auf 35,4% genau bekannt
Daher macht es eigentlich nur Sinn, s
x
= 6 auf eine signifikante Stelle anzugeben.
35,4% von s
x
sind 2,2
s
x
= 6,2 2,2
Der Fehler der Standardabweichung liegt in der ersten Stelle.
Beispiel b: Es sind 50 Messungen durchgefhrt worden.
( )
1
2 1
x
x
s
s
n

Annahme: Der rechnerische Wert der Standardabweichung bei einer Messung sei
s
x
= 6,2431754
Wie genau soll ich diesen Wert angeben ?
Zur Stellenzahl Zur Stellenzahl
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Messreihe (Standardfehler, Standardabweichung) 27.10.2011
Vorlesung 02- 41
s
x
/s
x
= 0,101 , d.h. s
x
ist auf 10,1% genau bekannt
Erst bei mehr als 21 Messungen macht es in diesem Beispiel Sinn, s
x
= 6,2 auf
mehr als eine signifikante Stelle anzugeben.
10,1% von s
x
sind 0,63
s
x
= 6,24 0,63
Die Standardabweichung ist ein Ma fr die Genauigkeit der Memethode.
Der Standardfehler ist ein Ma fr die Verlsslichkeit der Angabe des Mittelwertes.
n
s
s
x
x
=
Ausdruck scheint vom Himmel zu fallen.
Die korrekte Fehlerfortpflanzung wird zeigen:
Wiederholt man eine Messung mit der Genauigkeit s genau n Mal, so ist der Fehler
Zunchst glauben wir das einfach (sorry)!
Der Standardfehler Der Standardfehler -- Zusammenfassung Zusammenfassung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Messreihe (Standardfehler, Standardabweichung) 27.10.2011
Vorlesung 02- 42
Mit zunehmender Anzahl von Messungen wird somit die
Angabe des Mittelwertes der Stichprobe immer verlsslicher.
Wiederholt man eine Messung mit der Genauigkeit s
x
genau n Mal, so ist der Fehler
des Mittelwertes aus diesen n Messungen durch obigen Ausdruck gegeben.
Das bedeutet nicht, dass das Messverfahren genauer wird !
Man kann lediglich bei dieser Messmethode (Standardabweichung)
den Mittelwert verlsslicher angeben.
Przise und richtig Przise und richtig
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Messreihe (Standardfehler, Standardabweichung) 27.10.2011
Vorlesung 02- 43
Aufwndige Messreihen sind bisweilen sinnvoll:
1. Um die Genauigkeit der Messmethode zu bestimmen.
2. Um systematische Fehler zu erkennen.
Standardfehler Standardfehler Konkretes Beispiel Konkretes Beispiel
Nummer Zeit/s
1 10,1
2 10,1
3 10,2
4 10,2
5 10,1
6 10,1
1
1
10,140s
n
i
i
t t
n
=
= =

0, 0163299 s
t
t
s
s
n
= =
( )
2
1
1
0, 05163978s
1
n
t i
i
s t t
n
=
= =


T. Kieling: Auswertung von Messungen und Fehlerrechnung - Messreihe (Standardfehler, Standardabweichung) 27.10.2011
Vorlesung 02- 44
7 10,2
8 10,2
9 10,1
10 10,1
n
Ist das jetzt Unsinn?
( )
10,140 0, 016 s t =
Nein: Wir berechnen den Erwartungswert!
Nein: Wir berechnen den Erwartungswert!
Der Erwartungswert sagt lediglich aus, dass wenn wir die gleiche Stichprobe n = 10 mit der
gleichen Messmethode (Messgenauigkeit) wiederholen wrden, wir mit 68%
Wahrscheinlichkeit einen Mittelwert bekommen, der durch den Bereich beschrieben wird.
( )
10,140 0, 016 s t =
Standardfehler Standardfehler Konkretes Beispiel Konkretes Beispiel
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Messreihe (Standardfehler, Standardabweichung) 27.10.2011
Vorlesung 02- 45
( )
10,140 0, 016 s t =
Wir machen eine statistische Aussage.
Sie haben keine Hemmungen von 2,5 Autounfllen pro Woche am Berliner Ring zu
reden, obwohl wir nur ganze Unflle messen knnen.
bungsaufgaben bungsaufgaben
Luat enier Stidue an der elingshcen Cmabridge Unvirestit ist es
eagl, in wlehcer Rienhnelfoge die Bcuhtsbaen in eniemWrot
sethen, das enizg wcihitge dbaei ist, dsas der estre und Izete
Bcuhtsbae am rcihgiten Paltz snid. Der Rset knan ttolaer Blsdinn
sein, und man knan es torztedmonhe Porbelme lseen.
Das ghet dseahlb, wiel das mneschilche Geihrn nciht jdeen
Bchustbaen liset sodnern das Wrot als Gnaezs.
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 1
Was fr Buchstaben gilt, gilt leider nicht fr Zahlen !
4,35678 4,75638
Dies ist beim Eintippen von Zahlen in den Taschenrechner
dringend zu beachten!
Erstabgabe bung 2 Erstabgabe bung 2
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 2
6 5 4 3 2 1 nicht abgegeben
bungsaufgaben bungsaufgaben
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 3
Was ist eine physikalische Gre?
Physikalische Gre =
Zahlenwert * Einheit
bungsaufgaben bungsaufgaben
Wir erinnern uns:
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 4
oder symbolisch
G = {G}
*
[G]
bungsaufgaben bungsaufgaben
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 5
Was ist eine physikalische Gre?
Wie viele signifikante Stellen beim Mittelwert?
bungsaufgaben bungsaufgaben
Wir erinnern uns:
Zusammengefasst gelte folgende Konvention Konvention:
Ist der Fehler geschtzt:
E I N E signifikante Stelle.
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 6
Ist der Fehler berechnet
(Fehlerrechnung oder Messreihe):
Z WE I signifikante Stellen.
Weiterhin haben wir hier sogar genug Daten,
um eine Angabe auf zwei signifikante Stellen zu rechtfertigen.
bungsaufgaben bungsaufgaben
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 7
Was ist eine physikalische Gre?
Wie viele signifikante Stellen beim Mittelwert?
Was ist eine signifikante Stelle?
Signifikante Stellen sind alle Stellen mit Ausnahme fhrender Nullen
Beispiele:
Wir erinnern uns:
bungsaufgaben bungsaufgaben
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 8
1,23 drei signifikante Stellen
0,123 drei signifikante Stellen
0,0001256 vier signifikante Stellen
0,0010230 fnf signifikante Stellen
bungsaufgaben bungsaufgaben
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 9
bungsaufgaben bungsaufgaben
Luat enier Stidue an der elingshcen Cmabridge Unvirestit ist es
eagl, in wlehcer Rienhnelfoge die Bcuhtsbaen in eniemWrot
sethen, das enizg wcihitge dbaei ist, dsas der estre und Izete
Bcuhtsbae am rcihgiten Paltz snid. Der Rset knan ttolaer Blsdinn
sein, und man knan es torztedmonhe Porbelme lseen.
Das ghet dseahlb, wiel das mneschilche Geihrn nciht jdeen
Bchustbaen liset sodnern das Wrot als Gnaezs.
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 10
Was fr Buchstaben gilt, gilt leider nicht fr Zahlen !
4,35678 4,75638
Dies ist beim Eintippen von Zahlen in den Taschenrechner
dringend zu beachten!
bungsaufgaben bungsaufgaben
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 11
n
T
n
=
8 5
0 354166666
24
, s
, .. s = =
??????? =
Wenn wir die Zeit T
24
fr 24 Schwingungen messen, dann ist die Genauigkeit der
24 Schwingungen 0,1 s. Das bedeutet, eine Schwingung ist auf
0,1
s = 0,00416666s
24
s

=
genau gemessen.
Diese Schwingungsdauer ist sicher genauer bestimmt als wenn wir den Mittelwert aus
24 gemessenen Einzelschwingungen nehmen, bei der jede Messung auf 0,1 s genau ist.
bungsaufgaben bungsaufgaben
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 12
genau gemessen.
Dies ist der Grund, warum bei einer Fehlerberechnung
die Unsicherheit auf zwei signifikante Stellen angegeben wird,
obwohl die Ausgangsgre nur auf eine signifikante Stelle geschtzt wurde.
bungsaufgaben bungsaufgaben
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 13
Was ist ein relativer Fehler?
Wir erinnern uns:
E = ( x x )
x: Schtzwert oder Bestwert
x: Messungenauigkeit oder Messabweichung
x/x: Relativer Fehler
bungsaufgaben bungsaufgaben
Das Finden und Nutzen von in Textform gegebenen
Informationen ist eine Schlsselqualifikation!
oder einfach gesagt:
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 14
bungsaufgaben bungsaufgaben
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 15
c
c
s
n

=
Wir erinnern uns:
Organisatorisches: Klausur Organisatorisches: Klausur
Zeit:
Ort:
14.02.2012, 09:00 12:00 Uhr
Es ist zweckmig sich ca. 15 min vor Beginn am Platz einzufinden
Hrsaal 1 und andere.
Ihnen wird mit Erlangen der Klausurzulassung ein fester Platz
zugewiesen. Die Klausurdurchfhrung kann nur an diesem Platz
stattfinden!
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 16
Zulassungsbedingungen:
Hilfsmittel:
stattfinden!
Erfolgreiche Teilnahme an den bungen
Neun von zwlf bungsblttern mit ausreichend bewertet
Identittsnachweis
Studentenausweis und amtlicher Lichtbildausweis
Schreib- und Zeichengert SONST NICHTS ! SONST NICHTS !
Wie bestimme ich den Fehler
einer physikalischen Gre,
die mittels mehrerer
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 17
die mittels mehrerer
Einzelmessungen bestimmt
wurde?
Die wenigsten physikalischen Gren werden direkt, sondern
meist mittels mehrerer Einzelmessungen bestimmt
Wie gehen die Fehler dieser Einzelmessungen in das Endergebnis ein ?
p m v =
( )
( )
0, 623 0, 014 kg m =
=
Fehlerfortpflanzung nach Fehlerfortpflanzung nach Grtfehler Grtfehler
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 18
p m v =
( )
9,12 0, 31 m/s v =
Bestwert: p = 5,68176 kg m/s
Wie gro ist der Fehler des Impulses?
Kleinster Wert des Impulses im Rahmen der Fehlergrenzen der Einzelmessungen
p = m v = (0,623 0,014) (9,12 0,31) kg m/s = 5,36529 kg m/s
Wie gro ist der Fehler des Impulses?
Grter Wert des Impulses im Rahmen der Fehlergrenzen der Einzelmessungen
p = m v = (0,623 + 0,014) (9,12 + 0,31) kg m/s = 6,00691 kg m/s
Fehlerfortpflanzung nach Fehlerfortpflanzung nach Grtfehler Grtfehler
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 19
Fehler des Impulses entspricht der Hlfte des Intervalls zwischen grtem und kleinstem Wert
p = (6,00691-5,36529) kg m/s = 0,32081 kg m/s
Endergebnis: p = (5,68 0,32) kg m/s
In vielen Bchern wird dann folgendes gemacht:
Dieses Vorgehen ist nicht ganz korrekt
Wie gro ist der Fehler des Impulses?
Bestwert: p = 5,68176 kg m/s
Maximalwert: p = 6,00691 kg m/s Minimalwert: p = 5,36529 kg m/s
p
Max
p
Best
= 0,325 kg m/s p
Min
p
Best
= - 0,316 kg m/s
Genauere Betrachtung:
Fehlerfortpflanzung nach Fehlerfortpflanzung nach Grtfehler Grtfehler
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 20
Endergebnis: p = (5,68 0,33) kg m/s
0 33
5 68 kg m/s
0 32
,
p ,
,
+

=


Dies ist unbersichtlich, daher:
Dies wre dann der Grtfehler
und als Angabe besser als der halbierte Wert oder ein asymmetrischer Fehler
Das bislang vorgestellte Verfahren ist extrem aufwndig und bei
komplexen physikalischen Gren uerst unbersichtlich
(gemessenes ) 1
m
m m m m

= =

Geht es einfacher?
Fehlerfortpflanzung nach Fehlerfortpflanzung nach Grtfehler Grtfehler
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 21
(gemessenes ) 1
Best Best
best
m
m m m m
m

= =


=
Best
Best
v
v
v v 1 ) s (gemessene
Best Best
v m p = ) von (Bestwert
Grter Wert fr p = mv:


+
Best Best
Best Best
v
v
m
m
v m 1 1

+
Best Best
v
v
m
m
v
v
m
m
v m 1
Fehlerfortpflanzung nach Fehlerfortpflanzung nach Grtfehler Grtfehler
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 22

+ + +
Best Best Best Best
Best Best
v m v m
v m 1

+
Best Best
Best Best
v
v
m
m
v m 1
Konvention:



Best Best
Best Best
Best Best
v
v
m
m
v
v
m
m
v m
v
v
m
m
v m
1
1 1
Kleinster Wert fr p = mv:
Fehlerfortpflanzung nach Fehlerfortpflanzung nach Grtfehler Grtfehler
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 23

Best Best Best Best


Best Best
Best Best Best Best
v
v
m
m
v
v
m
m
v m
v m v m
1
Zusammenfassung :


Best Best
Best Best
v
v
m
m
v m 1
1 , wobei
p p m v
p


+

Fehlerfortpflanzung nach Fehlerfortpflanzung nach Grtfehler Grtfehler
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 24
1 , wobei
Best
best Best Best Best
p p m v
p
p p m v


+


2 2
Die Fehlerfortpflanzung nach Gau wird folgendes Ergebnis liefern:
Best Best Best
p m v
p m v


= +


Dies ist der wahrscheinliche und nicht der maximale Fehler
Bei Produkten und Quotienten addieren sich die relativen Fehler.
C A B
C A B
C A B

= = +
/
C A B
C A B
C A B

= = +
Fehlerfortpflanzung: Fehlerfortpflanzung: Grtfehler Grtfehler bei Produkten und Quotienten bei Produkten und Quotienten
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 25
2 2
/
C A B
C A B
C A B


= = +


C A B
Die Gausssche Fehlerfortpflanzung wird fr beide Flle ergeben:
2 2
C A B
C A B
C A B


= = +


Wahrscheinlicher Fehler:
Der relative Fehler des Impulses ist die Summe der relativen Fehler der Einzelgren
Dies gilt bei allen Produkten und Quotienten
( )
( )
0, 623 0, 014 kg
9,12 0, 31 m/s
m
v
=
=
0, 014
0, 02247 2, 2 %
0, 623
0, 31
0, 03399 3, 4 %
9,12
Best
Best
m
m
v
v

= = =

= = =
Fehlerfortpflanzung: Fehlerfortpflanzung: Grtfehler Grtfehler bei Produkten und Quotienten bei Produkten und Quotienten
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 26
2, 2% 3, 4% 5, 6%
Best Best Best
p m v
p m v

= + = + =
5, 6 % 0, 056 5, 682 kg m/s 0, 318 kg m/s
Best
p p = = =
(5, 68 0, 32) kg m/s p =
Analoges Vorgehen wie bei Produkt
Beispiel aus dem Praktikum: Dichte der Luft
m m




2 1
m m m m m
Glas Luft Glas L
= =
+

Grter Wert fr m
L
Kleinster Wert fr m
L
Fehlerfortpflanzung: Fehlerfortpflanzung: Grtfehler Grtfehler bei Summen und Differenzen bei Summen und Differenzen
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 27
2 1 2 1
2
2
2
1
1
1
1 1
m m m m
m
m
m
m
m
m

( )
2 1 2 1
m m m m m m
Luft
+ =
2 1 2 1
2
2
2
1
1
1
1 1
m m m m
m
m
m
m
m
m
+ +


+
Bei Summen und Differenzen addieren sich die absoluten Fehler.
B A C B A C + = + =
B A C B A C + = =
Fehlerfortpflanzung: Fehlerfortpflanzung: Grtfehler Grtfehler bei Summen und Differenzen bei Summen und Differenzen
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 28
B A C B A C + = =
Die Gausssche Fehlerfortpflanzung wird
fr den wahrscheinlichen Fehler ergeben:
( ) ( )
2 2
B A C B A C + = + = Wahrscheinlicher Fehler
Beispiel aus dem Praktikum: Dichte der Luft
V
m m
V
m
L 2 1

= =
V = (16,73 0,21) cm
3
m
1
= (10,3420 0,0020) g
m
2
= (10,3210 0,0020) g
m
L
= 0,0210 g
r = 1,25523 10
-3
g cm
-3
Fehlerfortpflanzung: Fehlerfortpflanzung: Grtfehler Grtfehler Beispiel 1 Beispiel 1
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 29
Quotient:
0, 0040 0, 21
0,190 0, 013 0, 203
0, 0210 16, 73
L
L
m V
m V


= +
= + = + =
Differenz: ( )
1 2
0, 0040 g
L
m m m = + =
Bei der Arbeit im Praktikum gilt:
Es ist immer besser einen Grtfehler anzugeben
als gar keinen Fehler.
Fehlerfortpflanzung: Fehlerfortpflanzung: Grtfehler Grtfehler Beispiel 1 Beispiel 1
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 30
Allgemein gilt:
Durch Mittelwertbildung und die Berechnung des Standardfehlers
minimiert man immer nur statistische (zufllige) Fehler.
Systematische Fehler bleiben erhalten,
gewinnen sogar relativ zu den zuflligen Fehlern an Bedeutung.
Beispiel aus dem Praktikum: Dichte der Luft
V
m m
V
m
L 2 1

= =
( )
0, 0040 g m m m = + =
V = (16,73 0,21) cm
3
m
1
= (10,3420 0,0020) g
m
2
= (10,3210 0,0020) g
m
L
= 0,0210 g
r = 1,25523 10
-3
g cm
-3
Fehlerfortpflanzung: Fehlerfortpflanzung: Grtfehler Grtfehler Beispiel 1 Beispiel 1
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 31
Quotient:
0, 0040 0, 21
0,190 0, 013 0, 203
0, 0210 16, 73
L
L
m V
m V


= +
= + = + =
Differenz:
( )
1 2
0, 0040 g
L
m m m = + =
3 3
(1, 26 0, 25) 10 g cm

=
Grtfehler:
Grobe Abschtzung:
0, 203
L
L
m V
m V

= + =

0,190 0, 013
L
m V
= + = +

Fehlerfortpflanzung: Fehlerfortpflanzung: Grtfehler Grtfehler Beispiel 1 Beispiel 1


T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 32
Wahrscheinlicher
Fehler:
Grobe Abschtzung:
2
2
0,1904
L
L
m V
m V



= + =


0,190 0, 013
L
L
m V
m V

= + = +

( )
L Fl
A K K
L Fl
K K
FL K
F G G
m m g
gV
=
=
=
L
K
K
m
V
=
G
K
L G
K
Fl
Fehlerfortpflanzung: Fehlerfortpflanzung: Grtfehler Grtfehler Beispiel 2 Beispiel 2
Bestimmung der Dichte eines Krpers mit der Auftriebmethode
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 33
( )
L Fl
K K
Fl
K
m m
V

=
K
K
V
=
( )
L Fl
K K
Fl K
L
K
m m
m

=
( )
L
K
K Fl
L Fl
K K
m
m m
=

3
2, 62287663 g/cm
K
=
( )
13, 8973 0, 0001 g
L
K
m =
( )
8, 6147 0, 0001 g
Fl
K
m =
3
0, 997g/cm
Fl
=
Walcher: Tabelle A3.1
Einsetzen ergibt:
( )
L
K
K Fl
L Fl
K K
m
m m
=

Fehlerfortpflanzung: Fehlerfortpflanzung: Grtfehler Grtfehler Beispiel 2 Beispiel 2


T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 34
3
,
2, 62299481 g/cm
K Max
=
2, 62287663 g/cm
K
=
3
,
2, 62275846 g/cm
K Min
=

K
= (2,62288 0,00012) g/cm
3
Dies ist das Ergebnis einer stumpfsinnig angewandten Fehlerrechnung. Dies ist das Ergebnis einer stumpfsinnig angewandten Fehlerrechnung.
Einsetzen ergibt:
Die Grtfehler sind:
und
Damit ergibt sich fr die Dichte:

K
= (2,62288 0,00012) g/cm
3
Dies ist das Ergebnis einer stumpfsinnig angewandten Fehlerrechnung. Dies ist das Ergebnis einer stumpfsinnig angewandten Fehlerrechnung.

Fl
= (0,997 0,000..) g/cm
3
ist nicht fehlerfrei, auch wenn der Wert einer Tabelle entnommen wurde.
( )
L
K
K Fl
L Fl
K K
m
m m
=

Fehlerfortpflanzung: Fehlerfortpflanzung: Grtfehler Grtfehler Beispiel 2 Beispiel 2


T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 35
Stellenzahl gibt hufig auch die Genauigkeit wieder.
Ein genauerer Wert als
K
=2,62 g/cm
3
macht keinen Sinn, wenn ich mich nicht bemhe,

Fl
genauer zu bestimmen.
Die Messmethode ist zu gut, verglichen mit den nicht gemessenen Ausgangsgren.
Es macht wenig Sinn, die Flche eines Kreises auf 8 Stellen genau
anzugeben, wenn = 3,14 verwendet wird.
Ablauf des Grundpraktikums
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 36
Organisatorisches
Informationsquellen Informationsquellen
www.ossau.eu
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 37
Informationsquellen Informationsquellen
Allgemeine Informationen
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 38
Informationsquellen Informationsquellen
Das Finden und Nutzen von in Textform gegebenen
Informationen ist eine Schlsselqualifikation!
oder einfach gesagt:
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 39
Informationsquellen Informationsquellen
Wann darf ich welchen Versuch machen?
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 40
Informationsquellen Informationsquellen
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 41
Informationsquellen Informationsquellen
Vorsicht: Das ist ein Beispiel aktuelle Listen sind noch nicht online!
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 42
Was verbirgt sich hinter den Zahlen?
Informationsquellen Informationsquellen
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 43
Informationsquellen Informationsquellen
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 44
Informationsquellen Informationsquellen
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 45
Informationsquellen Informationsquellen
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 46
Vorbereitung der Versuche
Durchfhrung der Versuche
Messprotokoll und Auswertung
Praktikumsablauf Praktikumsablauf
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 47
Kolloquium zu einem Modul
Versumnis eines Versuchs
Leistungsnachweis
Vorbereitung der Versuche
Durchfhrung der Versuche
Messprotokoll und Auswertung
Praktikumsablauf Praktikumsablauf
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 48
Kolloquium zu einem Modul
Versumnis eines Versuchs
Leistungsnachweis
Vorbereitung Vorbereitung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 49
Vorbereitung Vorbereitung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 50
Whrend des Praktikums findet ein 20-30 mintiges Gesprch mit dem Betreuer an der Tafel oder am
Arbeitsplatz statt. Dieses Gesprch kann auch in Etappen durchgefhrt werden.
In jedem Fall wird es bewertet.
Testat Testat
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 51
Die Punktzahl der Vorbereitungsbewertung wird vom Betreuer mit Datum und Uhrzeit hinter den letzten
Eintrag Ihres Messprotokolls eingetragen. Einziger verbindlicher Nachweis, dass Sie den Versuch
durchgefhrt haben.
Durchfhrung Durchfhrung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 52
Dazu spter ausfhrlich mehr! Dazu spter ausfhrlich mehr!
Kolloquium Kolloquium
Vermutlich ab 23.01.2012 und den drei folgenden Wochen
Terminvereinbarung beim Oberbetreuer
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 53
Details Anfang Dezember 2011
Vermutlich ab 23.01.2012 und den drei folgenden Wochen
Weitere Bestimmungen Weitere Bestimmungen
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Grtfehler 03.11.2011
Vorlesung 03- 54
bungsaufgaben bungsaufgaben
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 1
bungsaufgaben bungsaufgaben
Die macht-es-doch-gleich-selbst-dann-stimmt-es-auch Fraktion:
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 2
Nicht einmal diese Anweisung ist sauber verfasst!
Erstabgabe bung 3 Erstabgabe bung 3
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 3
6 5 4 3 2 1 nicht abgegeben
Erstabgabe bung 3 Erstabgabe bung 3
48%
52%
Physiker
48%
52%
Nanos
59%
41%
Mathematische
Physiker
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 4
52%
48%
Luft- und Raumfahrer
75%
25%
Lehramt, Alle
bungsaufgaben bungsaufgaben
Hufige Fehler:
Banale Rechenfehler
Signifikante Stellen falsch
Einheiten vergessen
Unsaubere
Arbeitsweise
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 5
Rundungsfehler
Einheiten falsch umgerechnet
bungsaufgaben bungsaufgaben
17() [G]
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 6
Kreatives Ausklammern:
Der numerische Wert des Ergebnisses
beinhaltet alle Faktoren! Auch !
Warum sind graphische
Darstellungen sinnvoll?
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 7
Darstellungen sinnvoll?
V
A
R
U/V I/mA
7,8 35
15,6 65
23,4 78
31,3 126
39,0 142
46,9 171
Spannungsgenau Stromgenau
Messung: Kennlinie eines Widerstandes Messung: Kennlinie eines Widerstandes
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 8
A
I
U
R =
118.0 290
46,9 171
54,7 194
62,6 226
78,3 245
86,0 258
87,6 258
93,6 271
101,6 277
109,6 284
V
A
R
U/V I/mA R=U/I /
7,8 35 222,86
15,6 65 240,00
23,4 78 300,00
31,3 126 248,41
39,0 142 274,65
46,9 171 274,27
Stromgenau
Bestimmung des Widerstandswertes Bestimmung des Widerstandswertes
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 9
A
I
U
R =
118,0 290 406,90
46,9 171 274,27
54,7 194 281,96
62,6 226 276,99
78,3 245 319,59
86,0 258 333,33
87,6 258 339,53
93,6 271 345,39
101,6 277 366,79
109,6 284 385,91
I
U
R =
U/V I/mA R=U/I /
7,8 35 222,86
15,6 65 240,00
23,4 78 300,00
31,3 126 248,41
39,0 142 274,65
46,9 171 274,27
Mittelwert ?
Bestimmung des Widerstandswertes Bestimmung des Widerstandswertes
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 10
118,0 290 406,90
46,9 171 274,27
54,7 194 281,96
62,6 226 276,99
78,3 245 319,59
86,0 258 333,33
87,6 258 339,53
93,6 271 345,39
101,6 277 366,79
109,6 284 385,91
R = ( 308 14 )
Die Mittelwertbildung ist unsinnig,
was durch eine graphische Darstellung
sofort ersichtlich wird.
R = 307,77
150
200
250
300
350


S
t
r
o
m
s
t

r
k
e

/

m
A
U/V I/mA
7,8 35
15,6 65
23,4 78
31,3 126
39,0 142
46,9 171
150
200
250
300
350


S
t
r
o
m
s
t

r
k
e

/

m
A
Bestimmung des Widerstandswertes Bestimmung des Widerstandswertes
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 11
0,0 20,0 40,0 60,0 80,0 100,0 120,0
0
50
100
150
S
t
r
o
m
s
t

r
k
e

/

m
A
Spannung / V
118,0 290
54,7 194
62,6 226
78,3 245
86,0 258
87,6 258
93,6 271
101,6 277
109,6 284
Gltigkeit des Ohmschen Gesetzes nur in einem
bestimmten Spannungsbereich
(Verlustleistung Erwrmung Widerstandsnderung)
0,0 20,0 40,0 60,0 80,0 100,0 120,0
0
50
100
150
S
t
r
o
m
s
t

r
k
e

/

m
A
Spannung / V
100
150
200
250
300
350


S
t
r
o
m
s
t

r
k
e

/

m
A
Graphische Darstellungen Graphische Darstellungen
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 12
0,0 20,0 40,0 60,0 80,0 100,0 120,0
0
50
100 S
t
r
o
m
s
t

r
k
e

/

m
A
Spannung / V
Graphische Darstellungen sind wesentlich zur Auswertung von Messergebnissen
Sinn und Zweck ist es, eine mglichst zugngliche Darstellung zu experimentellen Befunden zu bilden
Die Gte einer Messung muss sich in der graphischen Darstellung widerspiegeln
Worauf ist beim Erstellen
graphischer Darstellungen
zu achten?
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 13
zu achten?
Wie werte ich graphisch aus?
Regel 1:
Die unabhngige Variable sollte an der X-Achse aufgetragen werden.
Y = A + B * X = f(X)
Regel 2:
Die Achseneinteilung sollte so gewhlt sein, dass die Koordinaten jedes
Punktes der Zeichnung schnell und leicht ermittelt werden knnen.
Y / nm
Graphische Darstellungen: Regeln Graphische Darstellungen: Regeln
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 14
0 1 2 3
X / km
Regel 1:
Die unabhngige Variable sollte an der X-Achse aufgetragen werden.
Y = f(X)
Regel 2:
Die Achseneinteilung sollte so gewhlt sein, dass die Koordinaten jedes
Punktes der Zeichnung schnell und leicht ermittelt werden knnen.
Graphische Darstellungen: Regeln Graphische Darstellungen: Regeln
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 15
SO NICHT SO
Regel 3:
Die Achseneinteilung sollte so beschaffen sein, dass die eingezeichnete
Kurve so ausgedehnt ist, wie es das Format der Zeichnung gestattet.
Nullpunktsunterdrckung Nullpunktsunterdrckung Nullpunktsunterdrckung Nullpunktsunterdrckung
Graphische Darstellungen: Regeln Graphische Darstellungen: Regeln
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 16
SO
NICHT SO
Nullpunktsunterdrckung Nullpunktsunterdrckung Nullpunktsunterdrckung Nullpunktsunterdrckung
Graphische Darstellungen: Regeln Graphische Darstellungen: Regeln
Regel 3:
Die Achseneinteilung sollte so beschaffen sein, dass die eingezeichnete
Kurve so ausgedehnt ist, wie es das Format der Zeichnung gestattet.
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 17
Hier ist Vorsicht geboten!
Regel 4:
Die Achseneinteilung sollte so gewhlt werden, dass die Kurve
mglichst unter (~ 45
o
) verluft (Formatfllend) .
Graphische Darstellungen: Regeln Graphische Darstellungen: Regeln
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 18
SO
NICHT SO
Regel 5:
0,9
1,0
1,1
1,2
Die Messpunkte sollen deutlich durch entsprechende Symbole gekennzeichnet
werden.
, +, , , , ,...
blich sind:
BERSCHRIFT
.
NAME
Graphische Darstellungen: Regeln Graphische Darstellungen: Regeln
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 19
0,0 0,2 0,4 0,6 0,8 1,0 1,2 1,4 1,6 1,8 2,0
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
Blei 88 K
Silber 215 K
Kupfer 315 K
Diamant 1860 K
Debye-Theorie)
C

/

3

R
Temperatur /Debyetemperatur
Punkte, die zu verschiedenen Messreihen gehren, werden verschieden gekennzeichnet.
Legende
Graphische Darstellungen: Beispiel Graphische Darstellungen: Beispiel
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 20
Hier ist Nullpunktsunterdrckung sinnvoll.
Skalenbeschriftung entspricht noch nicht den Regeln.
/Pas
/Pas
Graphische Darstellungen: Beispiel Graphische Darstellungen: Beispiel
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 21
r/ mm
So oder
So
r/ mm
Graphische Darstellungen: Beispiel Graphische Darstellungen: Beispiel
28 cm
Bei r darf keine Nullpunktsunterdrckung gemacht werden.
r geht von 0 bis 9 cm.
Rasterung: 1,0 mm
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 22
18 cm
Rasterung: 1,0 mm
180mm in der Zeichnungentsprechen 9 mm Radius.
1 0mm in der Zeichnung entsprechen 0,050 mm Radius. ,
280mm in der Zeichnungentsprechen 9mm Radius.
1,0mm in der Zeichnungentsprechen 0,032 mm Radius.
In beiden Fllen ist die Rasterung grer als die Angabe des Messwertes.
Die Ablesegenauigkeit ist immer besser als die Rasterung.
Ich muss aus der Graphik Werte von ablesen.
Alleine aus diesem Grund empfiehlt es sich, die lange Seite zu whlen.
Graphische Darstellungen: Beispiel Graphische Darstellungen: Beispiel
/Pas
/Pas
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 23
r/ mm
So Und nicht So
r/ mm
/Pas
Graphische Darstellungen: Beispiel Graphische Darstellungen: Beispiel
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 24
r/ mm
Skalenbeschriftung entspricht
noch nicht den Regeln.
Graphische Darstellungen: Beispiel Graphische Darstellungen: Beispiel
180mm in der Zeichnungentsprechen 9 mm Radius.
1 0mm in der Zeichnungentsprechen 0,050 mm Radius. ,
280mm in der Zeichnungentsprechen 0,3Pas.
1,0mm in der Zeichnungentsprechen 0,0011 Pas.
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 25
Die Ablesegenauigkeit ist immer besser als die Rasterung.
Die Rasterung bestimmt die Achsenskalierung.
Worauf ist beim Erstellen
graphischer Darstellungen
zu achten?
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 26
zu achten?
Wie werte ich graphisch aus?
In der berwiegenden Mehrzahl aller physikalischen Messungen sind glatte Kurven zu erwarten.
Abweichungen der Messpunkte sind durch Messfehler bedingt.
Daher sollte man Messpunkte nie nach der Art einer "Fieberkurve" verbinden.
Ausgleichende Kurve Ausgleichende Kurve
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 27
1. Die Kurve sollte glatt sein und nur wenige Wendepunkte haben.
2. Die Kurve sollte so nah wie mglich an allen eingezeichneten Punkten verlaufen.
3. Es ist nicht ntig, dass die Kurve berhaupt einen Messpunkt enthlt und vllig unntig, dass
sie in einem Endpunkt endet. Die Endpunkte sind oft weniger genau, weil sie entweder durch
die Grenzen der Messinstrumente oder der Memethode bedingt sind.
4. Etwa die Hlfte der Messpunkte sollte oberhalb und unterhalb der Kurve liegen, auch in
Teilstcken der Kurve.
Lineare graphische Darstellung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 28
Lineare graphische Darstellung
Beispiel
5
6
7
8
9
10

Y

A
x
i
s

T
i
t
l
e
Wie legt man eine ausgleichende Gerade ?
Ausgleichende Gerade Ausgleichende Gerade
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 29
0 1 2 3 4 5 6 7 8 9 10
0
1
2
3
4
5

Y

A
x
i
s

T
i
t
l
e
X axis title
Beispiel
5
6
7
8
9
10

Y

A
x
i
s

T
i
t
l
e
Messung mit Ausreier
Wie legt man die
ausgleichende Gerade ?
Messfehler, Rechenfehler ?
Ausgleichende Gerade Ausgleichende Gerade
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 30
0 1 2 3 4 5 6 7 8 9 10
0
1
2
3
4
5

Y

A
x
i
s

T
i
t
l
e
X axis title
Messfehler, Rechenfehler ?
Beispiel
5
6
7
8
9
10

Y

A
x
i
s

T
i
t
l
e
Messung mit Ausreier
Wie legt man die
ausgleichende Gerade ?
Messfehler, Rechenfehler ?
Ausgleichende Gerade Ausgleichende Gerade
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 31
0 1 2 3 4 5 6 7 8 9 10
0
1
2
3
4
5

Y

A
x
i
s

T
i
t
l
e
X axis title
Messfehler, Rechenfehler ?
Ausgleichende Gerade Ausgleichende Gerade
Beispiel
Messung mit Ausreier
Wie legt man die
ausgleichende Gerade ?
Messfehler, Rechenfehler ? 5
6
7
8
9
10

Y

A
x
i
s

T
i
t
l
e
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 32
Messfehler, Rechenfehler ?
berprfung der Messung
in der Umgebung des
Messpunktes
0 1 2 3 4 5 6 7 8 9 10
0
1
2
3
4
5

Y

A
x
i
s

T
i
t
l
e
X axis title
Ausgleichende Gerade Ausgleichende Gerade
Beispiel
5
6
7
8
9
10

Y

A
x
i
s

T
i
t
l
e
Messung mit Ausreier
Wie legt man die
ausgleichende Gerade ?
Messfehler, Rechenfehler ?
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 33
0 1 2 3 4 5 6 7 8 9
0
1
2
3
4
5

Y

A
x
i
s

T
i
t
l
e
X axis title
Messfehler, Rechenfehler ?
berprfung der Messung
in der Umgebung des
Messpunktes
Ausgleichende Gerade Ausgleichende Gerade
Beispiel
Messung mit Ausreier
Wie legt man die
ausgleichende Gerade ?
Messfehler, Rechenfehler ? 5
6
7
8
9
10

Y

A
x
i
s

T
i
t
l
e
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 34
Messfehler, Rechenfehler ?
berprfung der Messung
in der Umgebung des
Messpunktes
0 1 2 3 4 5 6 7 8 9 10
0
1
2
3
4
5

Y

A
x
i
s

T
i
t
l
e
X axis title
Ausgleichende Gerade Ausgleichende Gerade
Beispiel
( )
5
6
7
8
9
10

Y

A
x
i
s

T
i
t
l
e
Messung mit Ausreier
Wie legt man die
ausgleichende Gerade ?
Messfehler, Rechenfehler ?
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 35
0 1 2 3 4 5 6 7 8 9
0
1
2
3
4
5

Y

A
x
i
s

T
i
t
l
e
X axis title
Messfehler, Rechenfehler ?
berprfung der Messung
in der Umgebung des
Messpunktes
Nicht bercksichtigte
Messpunkte werden
eingeklammert, nicht
weggelassen !!!!
Fehlerangabe bei Fehlerangabe bei Messpunkten Messpunkten: Fehlerbalken : Fehlerbalken
Beispiel mit zwei
Standardabweichungen!
Y
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 36
X
Fehlerangabe bei Fehlerangabe bei Messpunkten Messpunkten: Fehlerbalken : Fehlerbalken
Die Bedeutung des Fehlerbalkens ist, dass sich der Bestwert mit
einer Wahrscheinlichkeit von 68% im angebenen Bereich befindet.
Y
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 37
X
Der Schnittpunkt ist der Messpunkt.
6
8
10
Y
-
A
c
h
s
e
Auf wie viele Stellen soll die Steigung B angegeben werden?
25
30
35
40
Y

-

A
c
h
s
e
Im Folgenden werden drei Beispiele diskutiert, die zeigen, wie genau man die
Steigung aus graphischen Darstellungen bestimmen kann:
Ausgleichende Gerade Ausgleichende Gerade
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 38
0 1 2 3 4 5 6 7 8 9
0
2
4
Y
-
A
c
h
s
e
X-Achse
0 2 4 6 8 10 12
10
15
20 Y

-

A
c
h
s
e
X - Achse
a)
Die Daten streuen wenig.
Die Fehler der einzelnen
Datenpunkte sind unbekannt.
b)
Die Daten streuen.
Die Fehler der einzelnen
Datenpunkte sind unbekannt.
c)
Die Daten streuen.
Die Fehler der einzelnen
Datenpunkte sind bekannt.
Steigung B und Achsenabschnitt A einer Geraden Y = A + B X
knnen graphisch leicht ermittelt werden.
Hat man eine "mittlere, ausgleichende Gerade" durch die Punkteschar gelegt,
dann entnimmt man der Zeichnung die Koordinaten zweier weit auseinander-liegender Punkte
P
a
(X
a
.Y
a
) und P
e
(X
e
.Y
e
) und bestimmt die Steigung B zu:
a e
a e
X X
Y Y

= B
35
40
Ausgleichende Gerade: Fall a.) Ausgleichende Gerade: Fall a.)
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 39
a e
X X
A = 12,4
31, 2 14, 8 16, 4
2, 34286
8, 00 1, 00 7, 0
B

= = =

Auf wie viele Stellen sollen die Koeffizienten A und B angegeben werden ?
0 2 4 6 8 10 12
10
15
20
25
30
Y

-

A
c
h
s
e
X - Achse
Ausgleichende Gerade: Fall a.) Ausgleichende Gerade: Fall a.)
Man gibt die Steigung auf soviel signifikante Stellen an,
dass bei der Berechnung eines Y-Wertes im Rahmen des Rundungsfehlers
der Steigung, die Ablesegenauigkeit widergespiegelt wird. (in diesem Beispiel etwa 0,1).
Auf wie viele Stellen soll die Steigung B angegeben werden?
Wenig streuende Daten; Fehler unbekannt.
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 40
Beispiele fr mglichst groes x : x = 9.
Aus der Graphik ist y zu 33,5 bestimmbar.
Ablesegenauigkeit etwa 0,1
0 2 4 6 8 10 12
10
15
20
25
30
35
40
Y

-

A
c
h
s
e
X - Achse
(9; 33,5)
Ausgleichende Gerade: Fall a.) Ausgleichende Gerade: Fall a.)
Angabe von B auf zwei signifikante Stellen: B=2,3
y = 2,3 * 9 + 12,4 = 33,1
Auf wie viele Stellen soll die Steigung B angegeben werden?
B=2,34286
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 41
y = 2,2 * 9 + 12,4 = 32,2 y = 2,4 * 9 + 12,4 = 34,0
Die Schwankung des y-Wertes, den man bei der Unsicherheit in B rechnerisch erhlt.
ist grer als die Ablesegenauigkeit.
d.h. B ist in zu geringer Stellenzahl angegeben
Schwankung der Steigung um einmal den Wert in der letzten signifikanten Stelle
Angabe von B auf drei signifikante Stellen: B=2.34
y = 2,34 * 9 + 12,4 = 33,5
Auf wie viele Stellen soll die Steigung B angegeben werden?
Schwankung der Steigung um einmal den Wert in der letzten signifikanten Stelle
B=2,34286
Ausgleichende Gerade: Fall a.) Ausgleichende Gerade: Fall a.)
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 42
y = 2,33 * 9 + 12,4 = 33,4 y = 2,35 * 9 + 12,4 = 33,6
Die Schwankung des y-Wertes, den man bei der Unsicherheit in B rechnerisch erhlt.
ist etwa so gro wie die Ablesegenauigkeit.
d.h. B ist in vernnftiger Stellenzahl angegeben
Schwankung der Steigung um einmal den Wert in der letzten signifikanten Stelle
Angabe von B auf vier signifikante Stellen: B=2,343
y = 2,343 * 9 + 12,4 = 33,487
Auf wie viele Stellen soll die Steigung B angegeben werden?
Schwankung der Steigung um einmal den Wert in der letzten signifikanten Stelle
B=2,34286
Ausgleichende Gerade: Fall a.) Ausgleichende Gerade: Fall a.)
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 43
y = 2,342 * 9 + 12,4 = 33,478 y = 2,344 * 9 + 12,4 = 33,496
Die Schwankung des y-Wertes, den man bei der Unsicherheit in B rechnerisch erhlt.
ist kleiner als die Ablesegenauigkeit.
d.h. B ist mit zu vielen Stellen angegeben
Wie gro ist der Fehler der Steigung bzw. des Achsenabschnittes ?
Ablesegenauigkeit ist nicht gleich Messgenauigkeit
x y

1,0 0,5
2,3 3,0
3,4 2,0
6
8
10
Y
-
A
c
h
s
e
Messung Graphische Darstellung
Streuende Daten; Fehler unbekannt.
Ausgleichende Gerade: Fall b.) Ausgleichende Gerade: Fall b.)
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 44
3,4 2,0
4,5 4,5
5,1 5,1
6,7 7,8
7,2 6,9
8,3 8,4
0 1 2 3 4 5 6 7 8 9
0
2
4
Y
-
A
c
h
s
e
X-Achse
Anfertigung einer graphischen Darstellung inkl.
ausgleichender Gerade
Wie gro ist der Fehler der Steigung bzw. des Achsenabschnittes ?
2
4
6
8
10
Y
-
A
c
h
s
e
Streuende Daten; Fehler unbekannt.
Ausgleichende Gerade: Fall b.) Ausgleichende Gerade: Fall b.)
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 45
0 1 2 3 4 5 6 7 8 9 10 11
0
X-Achse
Einzeichnen von zwei weiteren parallelen Geraden, die nach oben und unten
verschoben sind (ca. 70% der Messpunkte sollten innerhalb liegen)
Die Diagonalen in diesem Rechteck liefern etwa den Fehler der Steigung
Einzeichnen eines Streubereichsrechteckes
sowie des Achsenabschnittes
6
8
10
Y
-
A
c
h
s
e
Streuende Daten; Fehler unbekannt.
Ausgleichende Gerade: Fall b.) Ausgleichende Gerade: Fall b.)
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 46
0 1 2 3 4 5 6 7 8 9
0
2
4
Y
-
A
c
h
s
e
X-Achse
Alle drei Geraden gehen durch den Schwerpunkt der Daten.
Dies ist in der Regel der Fall, wenn die Fehler aller Datenpunkte die gleiche Gre haben.
In den nebenstehenden Diagrammen (links
Daten, rechts Daten mit ausgleichenden Kurven)
ist nicht entscheidbar, ob die Ergebnisse durch
einen linearen oder einen parabolischen
Zusammenhang beschreibbar sind.
In den unteren Diagrammen ist die Verteilung
der Messpunkte und ihre Lage zu der Geraden
0 2 4 6 8 10 12 14
0
5
10
15
20
25
Y

A
c
h
s
e
X Achse
0 2 4 6 8 10 12 14 16 18 20 22 24
0
5
10
15
20
25
30
Y

A
c
h
s
e
X Achse
Ausgleichende Gerade Ausgleichende Gerade -- Grenzen Grenzen
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 47
der Messpunkte und ihre Lage zu der Geraden
jeweils gleich.
In der linken Graphik ist die Abweichung von
der Geraden jedoch nicht signifikant.
In der rechten Graphik jedoch scheint wegen
der kleineren Fehler die Abweichung von der
Geraden gesichert zu sein.
Hier werden wir bessere Entscheidungskriterien bentigen:
Residuentest bei Anpassung von Messkurven
0 2 4 6 8 10 12 14 16 18 20
0
5
10
15
20
25
30
Y

A
c
h
s
e
x Achse
0 2 4 6 8 10 12 14 16
0
5
10
15
20
25
30
Y

A
c
h
s
e
X Achse
Fehlerbalken geben die Standardabweichung an!

U / V

I / mA
0,4 0,1 7 3
0,8 0,1 17 3
1,4 0,1 25 3
Messung der Kennlinie eines Ohmschen Widerstands
Messung
Anfangswert Endwert
Optimale Gerade
durch den Nullpunkt
Graphische Darstellung Auswertung
Streuende Daten; Fehler bekannt.
Ausgleichende Gerade: Fall c.) Ausgleichende Gerade: Fall c.)
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 48
1,4 0,1 25 3
2,0 0,2 38 4
2,6 0,2 45 6
3,4 0,2 62 6
3,8 0,2 72 6


Anfangswert Endwert
(0,00; 0,0) (4,56; 84,83)
Widerstand 53,75
Der Nullpunkt wird aus physikalischen Grnden stark gewichtet.
Es entscheidet immer die Messung. Man kann nur prfen, ob die Messung im
Rahmen der Fehler mit der physikalischen Theorie im Einklang ist.

U / V

I / mA
Messung der Kennlinie eines Ohmschen Widerstands
Messung
Optimale Gerade
Graphische Darstellung Auswertung
Widerstand 53,75
Dies ist eine falsche Auswertung!
Streuende Daten; Fehler bekannt.
Ausgleichende Gerade: Fall c.) Ausgleichende Gerade: Fall c.)
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 49
U / V I / mA
0.4 0.1 7 3
0.8 0,1 17 3
1.4 0,1 25 3
2.0 0.2 38 4
2.6 0.2 45 6
3.4 0.2 62 6
3.8 0.2 72 6


Widerstand 53,75
Flache Gerade
Widerstand 59,33
Steile Gerade
Widerstand 49,12
R = (53,8 5,1)
Optimale Gerade
Auswertung
Widerstand 54,92
Nimmt man realistischerweise an, dass auch kleine Spannungen und Strme fehlerhaft
gemessen werden, ist die starke Gewichtung des Nullpunktes nicht gerechtfertigt.
Ausgleichende Gerade: Fall c.) Ausgleichende Gerade: Fall c.)
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 50
Widerstand 54,92
Flache Gerade
Widerstand 63,81
Steile Gerade
Widerstand 44,82
R = (54,9 9,5)
Sind die Fehler einzelner
Datenpunkte unterschiedlich
gro, verschiebt sich der
Schnittpunkt der Fehlergeraden
in Richtung der genauer
gemessenen Werte.
Beispiel c:
Ausgleichende Gerade: Fall c.) Ausgleichende Gerade: Fall c.)
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 51
R = (54,9 9,5)
gemessenen Werte.
bungsaufgaben bungsaufgaben
Nachstehende Abbildung hat unser Drucker nicht
gemocht, gehrt aber auf das bungsblatt neben die
Versuchsbeschreibung:
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen 10.11.2011
Vorlesung 01- 52
bungsaufgaben bungsaufgaben
So soll es sein:
Verbesserungswrdig:
sauber gearbeitet
alle formalen Kriterien
beachtet
unspezifisch, hier
mglichst genau:
Was wurde gemessen?
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen, Linearisierungen 17.11.2011
Vorlesung 05- 1
Nullpunktsunterdrckung
sinnvoll nur auf y-Achse
Achsenskalierung gut
Richtig getackert
abgelesene Punkte
anzeigen
Abgelesene Punkte
bungsaufgaben bungsaufgaben
So war es leider
In solchen Fllen
muss ein komplett
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen, Linearisierungen 17.11.2011
Vorlesung 05- 2
zum Teil auch:
muss ein komplett
neues bungsblatt
angefertigt werden!
bungsaufgaben bungsaufgaben
KEIN
STREUBEREICHS-
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen, Linearisierungen 17.11.2011
Vorlesung 05- 3
STREUBEREICHS-
RECHTECK!
bungsaufgaben bungsaufgaben
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen, Linearisierungen 17.11.2011
Vorlesung 05- 4
Das haben wir nicht gefragt
und es sind nichtssagende Allgemeinpltze!
bungsaufgaben bungsaufgaben
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen, Linearisierungen 17.11.2011
Vorlesung 05- 5
Schtzungsweise in geringem Ausma eher weniger gut!
Nichts Genaues wei man nicht!?!
bungsaufgaben bungsaufgaben
Antwort Hannes Epple:
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen, Linearisierungen 17.11.2011
Vorlesung 05- 6
Erstabgabe bung 4 Erstabgabe bung 4
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen, Linearisierungen 17.11.2011
Vorlesung 05- 7
6 5 4 3 2 1 nicht abgegeben
Nichtlineare graphische
Darstellungen
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen, Linearisierungen 17.11.2011
Vorlesung 05- 8
Darstellungen
s = 1/2 g t
2
Regel 6:
Die Variablen sollten so gewhlt werden, dass die Kurve einen einer Geraden
mglichst nahe kommenden Verlauf erhlt.
Beispiel 1: Beschleunigte Bewegung
Linearisierung Linearisierung graphischer Darstellung graphischer Darstellung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen, Linearisierungen 17.11.2011
Vorlesung 05- 9
ln(N) = ln(N
o
) d
Y = A + B X
Regel 6:
Die Variablen sollten so gewhlt werden, dass die Kurve einen einer Geraden
mglichst nahe kommenden Verlauf erhlt.
Beispiel 2: Schwchung von -Strahlen
( )
N
N
d
o
= exp
Linearisierung Linearisierung graphischer Darstellung graphischer Darstellung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen, Linearisierungen 17.11.2011
Vorlesung 05- 10
0 20 40 60
0
500000
1000000
1500000
2000000
2500000
3000000
3500000
4000000
A
n
z
a
h
l

d
e
r

I
m
p
u
l
s
e
Dicke d / cm
0 20 40 60 80
100000
1000000
10000000
A
n
z
a
h
l

d
e
r

I
m
p
u
l
s
e
Dicke d / cm
lg ln
1 0,000 0,000
2 0,301 0,693
3 0,477 1,099
4 0,602 1,386
5 0,699 1,609
6 0,778 1,792
1,0
1,1
1,2
1,3
1,4
1,5
1,6
10
20
Logarithmisches Papier Logarithmisches Papier
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen, Linearisierungen 17.11.2011
Vorlesung 05- 11
6 0,778 1,792
7 0,845 1,946
8 0,903 2,079
9 0,954 2,197
10 1,000 2,303
20 1,301 2,996
30 1,477 3,401
40 1,602 3,689
50 1,699 3,912
0,0
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
0,1
1
2
3
4
5
7
10
Beispiele zu Auftragungen auf
logarithmischem Papier werden bei einzelnen
bungsaufgaben besprochen.
Details zu Auftragungen und Auswertungen
sind auf den Webseiten nachlesbar:
log / lineare Auftragungen:
Logarithmisches Papier Logarithmisches Papier
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen, Linearisierungen 17.11.2011
Vorlesung 05- 12
Kondensatorentladung
Schwchungsgesetz
log / reziproke Auftragungen
NTC-Widerstand
log / log Auftragungen:
Abstandsgesetz
Die folgenden Folienseiten zeigen nur die Prinzipien.
Beispiel aus Grundpraktikum: Schwchung von Beispiel aus Grundpraktikum: Schwchung von --Strahlen Strahlen
Versuchsaufbau:
Daten:
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen, Linearisierungen 17.11.2011
Vorlesung 05- 13
Daten:
Beispiel aus Grundpraktikum: Schwchung von Beispiel aus Grundpraktikum: Schwchung von --Strahlen Strahlen
N(d) / Imp
3,6710
6
10
7
+
+
+
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen, Linearisierungen 17.11.2011
Vorlesung 05- 14
40,0 20,0 60,0 0,0
d / cm
1,4310
5
10
6
10
5
+
+
+
+
+
+
Beispiel aus Grundpraktikum: Schwchung von Beispiel aus Grundpraktikum: Schwchung von --Strahlen Strahlen
N(d) / Imp
10
7
+
+
+
Auswertung
( ) d N N
o
= exp
Titel Name
Legende
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen, Linearisierungen 17.11.2011
Vorlesung 05- 15
40,0 20,0 60,0 0,0
d / cm
10
6
10
5
+
+
+
+
+
+
ln(N) = ln(N
o
) d
Y = A + B X
Beispiel aus Grundpraktikum: Aktivitt Beispiel aus Grundpraktikum: Aktivitt -- Fehlerbalken Fehlerbalken
1000
10000
I
m
p
u
l
s
e
/ t
o
N N e

=
0 9000
15 5400
30 3300
45 200
60 1100
75 680
90 450
105 300
120 200
135 130
150 80
T/sec N/ Impulse/s
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen, Linearisierungen 17.11.2011
Vorlesung 05- 16
0 50 100 150 200 250
1
10
100
I
m
p
u
l
s
e
Zeit [sec]
165 55
180 37
195 24
210 11
225 8
240 5
N
o
= 8996 Impulse
= (29,61 0,19) s
Erstaunlicherweise ist die rote
Gerade (a) die beste Anpassung an
die Daten.
Beispiel aus Grundpraktikum: Aktivitt Beispiel aus Grundpraktikum: Aktivitt -- Fehlerbalken Fehlerbalken
Abweichung der Messpunkte von der Gerade ist nur
eine Standardabweichung.
Abweichung der Messpunkte von der Gerade
betrgt mehrere Standardabweichungen.
I
m
p
u
l
s
e
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen, Linearisierungen 17.11.2011
Vorlesung 05- 17
0 50 100 150 200 250
I
m
p
u
l
s
e
Zeit / s
Halblogarithmische Darstellung ist das
Mittel der Wahl, wenn wir graphisch ermitteln
wollen, ob und wie ein
exponentieller Zusammenhang
besteht.
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen, Linearisierungen 17.11.2011
Vorlesung 05- 18
besteht.
0
0
exp[ ];
log( ) log( ) ;
;
y y ax
y y ax
Y A ax
=
= +
= +
Beispiel 3: Wiensches Strahlungsgesetz
E T E T
o
c
T T
o

, , exp
|
\

|
|
\

|

|
\

|
|
\

| =
2
1 1
wobei E(.T) die spektrale Energieverteilung bei der Wellenlnge und der Temperatur T ist.
Umwandlung des Wienschen Strahlungsgesetzes:
Bildung des natrlichen Logarithmus auf beiden Seiten der Gleichung.
Graphische Darstellung Graphische Darstellung log/reziprok log/reziprok
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen, Linearisierungen 17.11.2011
Vorlesung 05- 19
Bildung des natrlichen Logarithmus auf beiden Seiten der Gleichung.
ln (E(,T)) = ln (E(,T
o
)) -c
2
/ (1/T - 1/T
o
)
ln (E(,T)) = ln (E(,T
o
)) + c
2
/ 1/T
o
- c
2
/ 1/T
Y = A + B X, wobei
Y = ln (E(, T)) A = ln (E( ,To)) + c
2
/ 1/To
B = c
2
/
X = 1/T
Beispiel 3: Wiensches Strahlungsgesetz E T E T
o
c
T T
o

, , exp
|
\

|
|
\

|

|
\

|
|
\

| =
2
1 1
Alle drei Graphen bilden den gleichen Zusammenhang ab, lediglich wegen der
unterschiedlichen Auftragung ergibt sich ein anderer Kurvenverlauf.
Linear Linear
Log Linear
Log reziprok
Graphische Darstellung Graphische Darstellung Linearisierung Linearisierung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen, Linearisierungen 17.11.2011
Vorlesung 05- 20
Beispiel 3: Wiensches Strahlungsgesetz E T E T
o
c
T T
o

, , exp
|
\

|
|
\

|

|
\

|
|
\

| =
2
1 1
ln (E(,T
1
)) = ln (E(,T
o
)) + c
2
/ 1/T
o
- c
2
/ 1/T
1
ln (E(,T
2
)) = ln (E(,T
o
)) + c
2
/ 1/T
o
- c
2
/ 1/T
2
Wahl von zwei Punkten (T
1
, E(T
1
)) und (T
2
, E(T
2
))
Graphische Darstellung Graphische Darstellung log/reziprok log/reziprok
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen, Linearisierungen 17.11.2011
Vorlesung 05- 21
( )
( )
1
2
2 2 1
,
1 1
ln
,
E T
c
E T T T


(
(
=
(
(


( )
( )
1
2
2
2 1
,
ln
,
1 1
E T
E T
c
T T

(
(

=
(

(

Beispiel 4: Stefan- Boltzmann Gesetz:
Die spezifische Ausstrahlung eines schwarzen Krpers R
ist proportional zur vierten Potenz der absoluten Temperatur T des schwarzen Strahlers.
Aufgabe ist es, die vierte Potenz ( = 4) nachzuweisen.
R = T

lg (R) = lg () + lg (T)
Doppellogarithmische Darstellung Doppellogarithmische Darstellung log/log log/log
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen, Linearisierungen 17.11.2011
Vorlesung 05- 22
( ) ( )
( ) ( )
=

lg lg
lg lg
R R
T T
2 1
2 1
Berechnung der Steigung bei
doppellogarithmischer Darstellung
ergibt den Exponenten
Wahl von zwei Punkten (T
1
, R
1
) und (T
2
, R
2
) .
Die Durchbiegung von Stben hngt auer vom Material (Elastizittsmodul) auch von der
Geometrie (Flchentrgheitsmoment) des Krpers ab.
Praktikumsversuch:
Beispiel aus Grundpraktikum: Elastizittsmodul Beispiel aus Grundpraktikum: Elastizittsmodul
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen, Linearisierungen 17.11.2011
Vorlesung 05- 23
http://de.wikipedia.org/wiki/Flchentrgheitsmoment
Praktikumsversuch:
F
G
3
3
1
4
G
l
s F
b h E
=

Stab der Lnge l mit rechteckigem Querschnitt der
Breite b und der Hhe h.
Beispiel aus Grundpraktikum: Elastizittsmodul Beispiel aus Grundpraktikum: Elastizittsmodul
Lineare Auftragung:
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen, Linearisierungen 17.11.2011
Vorlesung 05- 24
Beispiel aus Grundpraktikum: Elastizittsmodul Beispiel aus Grundpraktikum: Elastizittsmodul
Lineare Auftragung:
3
? s l
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen, Linearisierungen 17.11.2011
Vorlesung 05- 25
Beispiel aus Grundpraktikum: Elastizittsmodul Beispiel aus Grundpraktikum: Elastizittsmodul
Lineare Auftragung:
3
? s l
4
? s l
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen, Linearisierungen 17.11.2011
Vorlesung 05- 26
Beispiel aus Grundpraktikum: Elastizittsmodul Beispiel aus Grundpraktikum: Elastizittsmodul
Linearisierung: Auftragung gegen l
3
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen, Linearisierungen 17.11.2011
Vorlesung 05- 27
Beispiel aus Grundpraktikum: Elastizittsmodul Beispiel aus Grundpraktikum: Elastizittsmodul
Linearisierung: Auftragung gegen l
4
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen, Linearisierungen 17.11.2011
Vorlesung 05- 28
Beispiel aus Grundpraktikum: Elastizittsmodul Beispiel aus Grundpraktikum: Elastizittsmodul
Doppellogarithmische Auftragung:
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen, Linearisierungen 17.11.2011
Vorlesung 05- 29
Beispiel aus Grundpraktikum: Elastizittsmodul Beispiel aus Grundpraktikum: Elastizittsmodul
Doppellogarithmische Auftragung:
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen, Linearisierungen 17.11.2011
Vorlesung 05- 30
Beispiel aus Grundpraktikum: Elastizittsmodul Beispiel aus Grundpraktikum: Elastizittsmodul
Doppellogarithmische Auftragung:
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen, Linearisierungen 17.11.2011
Vorlesung 05- 31
Doppellogarithmische Darstellung Doppellogarithmische Darstellung log/log log/log
Doppellogarithmische Darstellung ist das
Mittel der Wahl, wenn wir graphisch ermitteln
wollen, welchem Exponenten (power law)
ein physikalischer Zusammenhang folgt.
=
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen, Linearisierungen 17.11.2011
Vorlesung 05- 32
;
log( ) log( ) log( );
;
n
y ax
y a x
Y A X
n
n
=
= +
= +
Viele Physikalische Eigenschaften
zeigen eine Richtungsabhngigkeit (Winkelabhngigkeit)
Polarkoordinaten Polarkoordinaten
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen, Linearisierungen 17.11.2011
Vorlesung 05- 33
Beispiel: Polarisation elektromagnetischer Wellen Beispiel: Polarisation elektromagnetischer Wellen
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen, Linearisierungen 17.11.2011
Vorlesung 05- 34
( )
2
o
I I cos =
Gesetz von Malus:
/
o
I / I
o
0 1,000
10 0,970
20 0,883
30 0,750
40 0,587
50 0,413
60 0,250
Beispiel: Polarisation elektromagnetischer Wellen Beispiel: Polarisation elektromagnetischer Wellen
Klassische Auftragung:
( )
2
o
I I cos =
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen, Linearisierungen 17.11.2011
Vorlesung 05- 35
60 0,250
70 0,117
80 0,030
90 0
100 0,030
110 0,117
120 0,250
130 0,413
140 0,587
0,0
o
20,0
o
40,0
o
60,0
o
80,0
o
/
o
I / I
o
0 1,000
10 0,970
20 0,883
30 0,750
40 0,587
50 0,413
60 0,250
Polarkoordinaten: Winkelskala Polarkoordinaten: Winkelskala
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen, Linearisierungen 17.11.2011
Vorlesung 05- 36
90,0
o
180,0
o
270,0
o
60 0,250
70 0,117
80 0,030
90 0
100 0,030
110 0,117
120 0,250
130 0,413
140 0,587
0,0
o
20,0
o
40,0
o
60,0
o
80,0
o
1,0 0,5
0,0
/
o
I / I
o
0 1,000
10 0,970
20 0,883
30 0,750
40 0,587
50 0,413
60 0,250
Polarkoordinaten: Polarkoordinaten: Betragskala Betragskala
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen, Linearisierungen 17.11.2011
Vorlesung 05- 37
180,0
o
1,0 0,5
0,0
60 0,250
70 0,117
80 0,030
90 0
100 0,030
110 0,117
120 0,250
130 0,413
140 0,587
/
o
I / I
o
0 1,000
10 0,970
20 0,883
30 0,750
40 0,587
50 0,413
60 0,250
Polarkoordinaten: Polarkoordinaten: Betragskala Betragskala
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen, Linearisierungen 17.11.2011
Vorlesung 05- 38
60 0,250
70 0,117
80 0,030
90 0
100 0,030
110 0,117
120 0,250
130 0,413
140 0,587
/
o
I / I
o
0 1,000
10 0,970
20 0,883
30 0,750
40 0,587
50 0,413
60 0,250
Polarkoordinaten: Gesetz von Malus Polarkoordinaten: Gesetz von Malus
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen, Linearisierungen 17.11.2011
Vorlesung 05- 39
60 0,250
70 0,117
80 0,030
90 0
100 0,030
110 0,117
120 0,250
130 0,413
140 0,587
Beispiel: Optische Anisotropie von Quantenpunkten Beispiel: Optische Anisotropie von Quantenpunkten
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen, Linearisierungen 17.11.2011
Vorlesung 05- 40
UMTS-Antenne
Lichtemittierende Diode - LED
dB = dezi bel
Weitere Beispiele Weitere Beispiele
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen, Linearisierungen 17.11.2011
Vorlesung 05- 41
Lautsprecher
0
10
I
B lg
I
| |
=
|
\
Beispiel: I = I
o
/2
( )
10 0 5 3 01 B B lg , , d = =
Polarkoordinaten sind zur Darstellung das
Mittel der Wahl, wenn eine
Richtungsabhngigkeit
der physikalischen Gren im Zentrum des
Polarkoordinaten Polarkoordinaten
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Graphische Darstellungen, Linearisierungen 17.11.2011
Vorlesung 05- 42
der physikalischen Gren im Zentrum des
Interesses steht.
Es ist insbesondere fr
vektorielle Gren
hufig eine aussagekrftige Darstellung.
bungsaufgaben bungsaufgaben
Verbesserungswrdig:
unspezifisch, hier
mglichst genau:
So soll es sein:
sauber gearbeitet
alle formalen Kriterien
beachtet
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 1
mglichst genau:
Was wurde gemessen?
Achsenskalierung gut
Richtig getackert
Was ist ein e-tel Wert?
bungsaufgaben bungsaufgaben
e hat rein gar nichts mit der Elementarladung zu tun!
Exponentieller Zusammenhang:
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 2
/
0
t
U U e

=
1
0 0
/ U e U e

=
t =
Erstabgabe bung 5 Erstabgabe bung 5
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 3
6 5 4 3 2 1 nicht abgegeben
Graphische Extrapolation
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 4
Graphische Extrapolation
Beispiel: Kalorimetrie Beispiel: Kalorimetrie
Kalorimetergefe gibt es in verschiedenen Ausfhrungen.
Es wird stets versucht, die Wrmeleitung, die Konvektion und die
Wrmestrahlung zu minimieren, um einen Wrmeaustausch mit der
Umgebung zu verhindern.
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 5
Beispiel: Kalorimetrie Beispiel: Kalorimetrie
Wrme bedeutet ungeordnete thermische Bewegung der Atome bzw. Molekle
Gase und Flssigkeiten
Translation, Rotation und innere Schwingung von
Moleklen
Festkrper
Schwingung aller Atome um die feste Ruhelage
Innere Energie
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 6
Festkrper
Die damit verknpfte Energie nennt man Wrme oder Wrmeenergie Q
Q = C (T
2
T
1
) = c m (T
2
T
1
)
C: Wrmekapazitt des Krpers
c = C/m: spezifische Wrmekapazitt des Krpers
[C] = J / K
[c] = J / (K kg)
Um die Temperatur eines Krpers zu erhhen, ist eine bestimmte
Wrmeenergie notwendig
Zur Messung der Wrmekapazitt fhrt man Q meist
als elektrische Energie zu Q = U * I * t
Q kann aber auch als mechanische Arbeit
(Reibung, Deformation) oder aus der Wrmeenergie
anderer Krper stammen (Mischungskalorimeter)
Vakuum
Beispiel: Kalorimetrie Beispiel: Kalorimetrie
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 7
Vakuum
Probe
( )
AB K K K M
Q m c T T =
( )
AUF W W M W
Q m c T T =
Beispiel: Kalorimetrie Beispiel: Kalorimetrie
Bestimmungsgleichung der Wrmekapazitt eines Krpers:
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 8
Vakuum
Probe
Q
AUF
= Q
AB
Massen: Wiegen
c
W
: Literaturwert
Temperaturen: Messen
( )
AUF W W M W
Q m c T T =
?
,
( )
AUF T T T M W
Q m c T T =
,
( )
AUF G G G M W
Q m c T T =
Beispiel: Kalorimetrie Beispiel: Kalorimetrie
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 9
,
( )
AUF R R R M W
Q m c T T =
Thermometer
Gef
Rhrer
Zusammenfassung:
....
g T T G G R R
m c m c m c = + + +
Wrmekapazitt des Kalorimetergefes
( )
AB K K K M
Q m c T T =
( ) ( )
AUF W W M W g M W
Q m c T T T T = +
T
W
T
A
Beispiel: Kalorimetrie Beispiel: Kalorimetrie
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 10
Vakuum
Probe ( )
( )
( )
W W g M A
K
K K M
m c T T
c
m T T
+
=

T
A
ist die Temperatur, die das Wasser am Anfang des
Wrmeaustausches besitzt.
Graphische Korrektur der Wrmeverluste eines Graphische Korrektur der Wrmeverluste eines Kalorimetergefes Kalorimetergefes
Umwandlung des realen
Verlaufs in einen idealen
Verlauf.
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 11
Knick ?
Knick !
T
M
Umwandlung des realen
Verlaufs in einen idealen
Verlauf.
Graphische Korrektur der Wrmeverluste eines Graphische Korrektur der Wrmeverluste eines Kalorimetergefes Kalorimetergefes
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 12
T
A
Verteilungsfunktionen I:
Rechnen mit
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 13
Rechnen mit
Wahrscheinlichkeiten
Binomialverteilung
Beispiele:
Kubischer Wrfel (6 Oberflchen) { 1, 2, 3, 4, 5, 6 }
Wrfeln mit einem Wrfel
ist eine Menge mglicher Versuchsergebnisse.
Sie dient als Ausgangspunkt fr die mathematische Erfassung zuflliger Ereignisse.
Die Elemente der mglichen Versuchsausgnge werden als Elementarereignisse
Begriff der Wahrscheinlichkeit Begriff der Wahrscheinlichkeit
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 14
Die Elemente der mglichen Versuchsausgnge werden als Elementarereignisse
bezeichnet.

1
= {1, 2, 3, 4, 5, 6 }
Es knnen auch Teilmengen A
1
oder A
2
interessant sein:
z. B. alle geraden Zahlen: A
1
= {2, 4, 6}
oder alle Zahlen kleiner als 4: A
2
= {1, 2, 3}
Werden die Elemente einzeln aufgefhrt, schreibt man
Wrfeln mit zwei Wrfeln
Die mglichen Versuchsergebnisse werden durch Paare
symbolisiert,
die aus den Zahlen von 1 bis 6 gebildet werden.

2
= {(1,1), (1,2), (1,3),...., (6,6) }
Reihenfolge, falls notwendig, beachten.
Begriff der Wahrscheinlichkeit Begriff der Wahrscheinlichkeit
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 15
Falls Reihenfolge nicht notwendig: [1,1],

Hier ist Vorsicht geboten, denn


[1,1] kommt einmal vor, whrend
[1,2] zweimal vorkommt (1,2) und (2,1)
Reihenfolge, falls notwendig, beachten.
Die Wahrscheinlichkeit eines Einzelereignisses ist der Quotient der
gnstigen Flle zur Zahl der mglichen Flle.
( )
( )
( )
reignisse Elementare lichen wahrschein gleich mglichen der Anzahl
Ereignisse gnstigen E fr der Anzahl
Z
E Z
E W

=
,
Wahrscheinlichkeitsdefinition Wahrscheinlichkeitsdefinition
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 16
Die Wahrscheinlichkeit des sicheren Ereignisses ist 1.
Die Wahrscheinlichkeit des unmglichen Ereignisses ist 0.
0 W 1
Je nher Wan 1 ist, desto wahrscheinlicher ist ein Ereignis.
Im tglichen Leben wird die Wahrscheinlichkeit oft in % angegeben.
Zum Beispiel ist die Wahrscheinlichkeit, eine "6" zu wrfeln: 1/6
Wie gro ist die Wahrscheinlichkeit fr das Ereignis A
1
= { 2, 4, 6 } ?
Das Ereignis A
1
lsst sich zerlegen
in die Elementarereignisse E
2
, E
4
und E
6
Es gilt fr die Wahrscheinlichkeit von A
1
Rechnen mit Wahrscheinlichkeiten Rechnen mit Wahrscheinlichkeiten
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 17
Es gilt fr die Wahrscheinlichkeit von A
1
W(A
1
) = W(E
2
) + W(E
4
) + W(E
6
)
= 1/6 + 1/6 + 1/6 = 1/2
Obige Addition von Wahrscheinlichkeiten ist nur dann korrekt, wenn die
Ereignisse E
i
einander ausschlieen.
Einander ausschlieen heit, man kann entweder eine 2 eine 4 oder eine 6
wrfeln.
Es gibt auch Ereignisse, die sich nicht ausschlieen.
Rechnen mit Wahrscheinlichkeiten Rechnen mit Wahrscheinlichkeiten
A
B
AB
Es seien A und B Teilmengen von
Der Durchschnitt (Schnitt) von A und B:
Die Menge der Elemente von , die gleichzeitig zu A
und zu B gehren,
heit Durchschnitt:
A B oder AB
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 18
A B
Die Vereinigung von A und B:
Die Menge der Elemente von , die zu A oder zu
B gehren, heit Vereinigung.
Ein Element kann auch zu beiden gehren
(Oder ist nicht zu verwechseln mit entweder oder)
A B
Allgemein gilt:
Die Wahrscheinlichkeit fr den Schnitt und die Vereinigung zweier Einzelereignisse ist:
W (A B) = W (A) * W (B)
AB
Rechnen mit Wahrscheinlichkeiten Rechnen mit Wahrscheinlichkeiten
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 19
W (A B) = W (A) + W (B) - W (A B)
A
B
A B
Da man bei einem Wrfel nicht gleichzeitig eine "2" und eine "3" wrfeln kann,
ist die Wahrscheinlichkeit, eine "2" oder eine "3" zu wrfeln, gleich
der Summe der Wahrscheinlichkeiten der Einzelereignisse, also ergibt sich:
Zusammengefasst:
W (A B) = W (A) + W (B) - W (A B)
W (A B) = W (A) * W (B)
Rechnen mit Wahrscheinlichkeiten Rechnen mit Wahrscheinlichkeiten
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 20
Sind A und B sich gegenseitig ausschlieende Ereignisse, ist also
W (AB) = W (A B ) = 0 ,
dann ist die Wahrscheinlichkeit fr die Vereinigung von A und B:
W (A B) = W (A) + W (B)
der Summe der Wahrscheinlichkeiten der Einzelereignisse, also ergibt sich:
1/6 + 1/6 = 1/3
Beispiel : Kartenspiel mit 52 Karten.
Wie gro ist die Wahrscheinlichkeit, eine Dame oder ein Herz zu ziehen ?
52 Karten haben vier Damen und 13 Herz, davon ist eine Karte "Herz-Dame.
W (A B) = W (A) + W (B) - W (A B)
W (A B) = W (A) * W (B)
Rechnen mit Wahrscheinlichkeiten Rechnen mit Wahrscheinlichkeiten
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 21
52
13
4
W (A B) = 13/52 + 4/52 -1/52 = 16/52
W (A B) = 13/52 + 4/52 (13/52*4/52)
Beispiel: Kugeln aus Urne
Eine Urne enthlt 5 Kugeln, drei davon sind wei, zwei sind schwarz.
Es werden zwei Kugeln zufllig herausgegriffen.
Urnenmodell: Wichtig bei Qualittssicherung und Eingangskontrolle.
Rechnen mit Wahrscheinlichkeiten Rechnen mit Wahrscheinlichkeiten
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 22
indem man beide Kugeln zugleich herausnimmt
(Ziehen ohne Zurcklegen)
indem man zunchst eine Kugel herausnimmt, zurcklegt und noch mal zieht
(Ziehen mit Zurcklegen)
Die Kugeln seien nummeriert
Wei = {1, 2, 3 } und Schwarz = {4, 5 }
Ziehen mit Zurcklegen
Auf Reihenfolge achten !
Wie viele Mglichkeiten gibt es insgesamt ?
Man hat 5 Mglichkeiten fr die erste Kugel:
(1, ..), (2, ..), (3, ..), (4, ..), (5, ..)
Rechnen mit Wahrscheinlichkeiten Rechnen mit Wahrscheinlichkeiten
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 23
Z() = 5 * 5 = 25
(1, ..), (2, ..), (3, ..), (4, ..), (5, ..)
Fr jede dieser 5 Mglichkeiten gibt es 5 Mglichkeiten fr die zweite
Kugel, also
Rechnen mit Wahrscheinlichkeiten Rechnen mit Wahrscheinlichkeiten
Lsungswege:
(1,1), (1,2), (1,3), (2,1), (2,2), (2,3), (3,1), (3,2), (3,3)
Dies sind neun Mglichkeiten
W ("zweimal wei") = 9/25 = 0.36
Wie gro ist die Wahrscheinlichkeit, zwei weie Kugeln zu ziehen ?
Stumpfsinniges Hinschreiben
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 24
Dies sind neun Mglichkeiten
also:
W ("zweimal wei") = 9/25 = 0.36
Kombinatorik
Man hat fr die erste Kugel 3 gnstige Mglichkeiten.
Fr jede dieser drei Mglichkeiten gibt es beim zweiten Zug wiederum 3 gnstige
Mglichkeiten,
also W ("zweimal wei") = 3*3 = 9
Rechnen mit Wahrscheinlichkeiten Rechnen mit Wahrscheinlichkeiten
Ziehen ohne Zurcklegen
Hier ist die Reihenfolge ohne Bedeutung.
Wie viele Mglichkeiten gibt es insgesamt ?
Man hat insgesamt zehn mal 2 Mglichkeiten :
[1,2], [1,3], [1,4], [1,5], [2,3], [2,4], [2,5], [3,4],
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 25
[1,2], [1,3], [1,4], [1,5], [2,3], [2,4], [2,5], [3,4],
[3,5], [4,5],
Davon sind 3 mal 2 Ereignisse zwei weie Kugeln
Wie gro ist die Wahrscheinlichkeit, zwei weie Kugeln zu ziehen ?
W ("zweimal wei") = 6/20 = 0.30
Kombinatorik Kombinatorik
Suche nach mathematischen Hilfsmitteln zur allgemeinen Behandlung
In diesen Beispielen sind die Elementarereignisse noch abzhlbar.
Annahme:
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 26
Wir haben vier Bcher in einer Kiste.
Wir greifen zufllig ein Buch aus der Kiste und stellen es auf ein Regal.
Wir greifen das nchste Buch, stellen es daneben und so fort
Wie viele verschiedene Reihenfolgen (Permutationen) gibt es ?
Bezeichnung der Bcher mit A, B, C und D.
Ausprobieren ist langwierig und umstndlich (A,C,B,D)...(D,A,C,B).
Beim ersten Griff in die Kiste haben wir vier Mglichkeiten.
Auf dem Regal steht das Buch A, B, C oder D.
Kombinatorik Kombinatorik
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 27
Auf dem Regal steht das Buch A, B, C oder D.
Beim zweiten Griff in die Kiste haben wir drei Mglichkeiten.
Beim dritten zwei und beim vierten nur noch eine
Es gibt somit insgesamt 4*3*2*1 = 4! = 24 Reihenfolgen
Bezeichnung fr n! : n - Fakultt
Es gilt : n! = (n-1)! n und 0 ! = 1
Weiteres Beispiel: 5 Bcher auf 3 Pltze
Fr den ersten Platz haben wir fnf Mglichkeiten, fr den zweiten
Platz vier und fr den letzten Platz drei.
Kombinatorik Kombinatorik
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 28
Platz vier und fr den letzten Platz drei.
Dies bedeutet, es gibt 5*4*3 = 60 mgliche Permutationen
! 3) (5
! 5
1 2
1 2 3 4 5


Allgemeine Schreibweise
r)! (n
n!
P
n
r

=
Auf den drei Pltzen gibt es mehrere Mglichkeiten, die drei Bcher
(z.B. C, E und A) anzuordnen.
Wie wir wissen genau:
3! = 6,
Kombinatorik Kombinatorik
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 29
Wenn uns die Reihenfolge egal ist, wir lediglich daran interessiert sind, wie
viele unterschiedliche Kombinationen verschiedener Bcher es gibt,
(CEA, CAE, EAC, ECA, ACE, AEC)
mssen wir die Zahl der Permutationen durch r ! dividieren.
( )

=
r
n
r! ! r n
n!
C
n
r
Das Klammersymbol (gesprochen n ber r)
heit auch Binomialkoeffizient.
( )

=
r
n
r! ! r n
n!
C
n
r
Es sei der Ausdruck (a + b)
n
auszurechnen.
Es gibt n Faktoren (a + b) [(a+b) (a+b) (a+b)..................(a+b) (a+b)]
n mal

Binomischer Satz Binomischer Satz


T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 30
Es gibt n Faktoren (a + b) [(a+b) (a+b) (a+b)..................(a+b) (a+b)]
Wir haben die Aufgabe, aus jedem dieser n Faktoren entweder a oder b auszuwhlen
und diese n Glieder miteinander zu multiplizieren und die Ergebnisse aufzuaddieren.
Wir knnen aus jedem Faktor das a herausziehen, was a
n
ergibt.
Dann kann man aus (n-1) Faktoren das a herausziehen und aus dem verbleibenden
das b auswhlen. Dies ergibt a
n-1
b
1
.
Wir erhalten Glieder der Form a
n-r
b
r
.
Das Glied a
n-r
b
r
kommt so oft vor, wie es mglich ist,
aus den vorhandenen n Faktoren diejenigen r Faktoren auszuwhlen,
aus denen man das b zur Multiplikation heranzieht.
Da die Reihenfolge egal ist, ist dies auf verschiedene Arten mglich
n
r

Bis auf a
0
b
n
und a
n
b
0
kommen alle Glieder mehrfach vor.
Binomischer Satz Binomischer Satz
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 31
r
( )
r n-r
n
r
n
b a
r
n
b a

= +
0
( )
n n n n
n
b a
n
n
b a
n
b a
n
b a
n
b a
0 2 2 1 1 0
........
2 1 0

+ +

= +

1
n! n)! (n
n!
n
n
1
0! 0)! (n
n!
0
n
=

1
n n
r r
n! n!

+ =

+

= +

+
+
=

+
+

1 r
1 n
1 r
n
r
n
r n
n
r
n
Rechenregeln Rechenregeln
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 32
( ) ( ) ( )
( ) ( ) ( )
( ) ( )
( )
( )
( ) ( )
1 1
1
1 1 1
1
1 1
1
1
1
1
1
n! n!
n r ! r! r ! n r !
n! (r + ) n! (n - r)
n r ! r! (r + ) r ! n r ! (n - r)
n! (r + ) n! (n - r)
n r ! (r + )! r ! (n - r)!
n! (r + ) + n! (n - r)
n r ! (r + )!
n! r + n! + n! n - n! r
n r ! (r + )!
n! +n! n n! (n+ )
n r ! (r + )! n r !
= +
+
= +
+
= +
+
=

= =

( )
1
1
1 1 1
n
(n+ )!
r (r + )! n r ! (r + )!
+

= =

+

Beispiel:
Urne mit zehn Kugeln
vier sind wei, sechs sind schwarz
wei hat die Ziffern 1 bis 4
schwarz die Ziffern 5 bis 10
a) ohne Zurcklegen
b) mit Zurcklegen
Anwendungen Anwendungen
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 33
Uns interessieren folgende Wahrscheinlichkeiten:
E
o
: man erhlt drei weie Kugeln
E
1
: man erhlt zwei weie Kugeln und eine schwarze Kugel
E
2
: man erhlt eine weie Kugel und zwei schwarze Kugeln
E
3
: man erhlt drei schwarze Kugeln
b) mit Zurcklegen
( )
10
10 9 8
120 Z

= = =

a ) Ziehen ohne Zurcklegen
Reihenfolge ist egal (Kombinationen, nicht Permutationen)
Diskussion fr W(E
o
) (Drei weie Kugeln)
Anwendungen Anwendungen
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 34
somit ist W (E
o
) = 4/120 = 0.033
( )
( )
10
10 9 8
120
3 1 2 3
4
4
3
o
Z
Z E

= = =




= =


a ) Ziehen ohne Zurcklegen
Reihenfolge ist egal (Kombinationen nicht Permutationen)
Diskussion fr W(E
1
) (zwei weie, eine schwarze Kugel)
Es gibt Mglichkeiten, die ersten beiden Stellen zu besetzen.
4
2

Anwendungen Anwendungen
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 35
somit ist W (E
1
) = 36/120 = 0.30
Fr jede dieser Mglichkeiten gibt es Mglichkeiten den dritten Platz zu besetzen
6
1

Die Anzahl der elementaren Ereignisse ist somit Z(E1) = = 36


4
2

6
1



a ) Ziehen ohne Zurcklegen
Zusammenfassung
( )
( ) 300 . 0
120
36
3
10
1
6
2
4
033 . 0
120
4
3
10
0
6
3
4
1
= =

=
= =

=
E W
E W
o
Anwendungen Anwendungen
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 36
( )
( ) 167 . 0
120
20
3
10
3
6
0
4
500 . 0
120
60
3
10
2
6
1
4
3
2
= =

=
= =

=
E W
E W
W(E
0
) + W(E
1
) + W(E
2
) + W(E
3
) = 1
Beispiel:
Urne mit zehn Kugeln
vier sind wei, sechs sind schwarz
wei hat die Ziffern 1 bis 4
schwarz die Ziffern 5 bis 10
a) ohne Zurcklegen
b) mit Zurcklegen
Anwendungen Anwendungen
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 37
Uns interessieren folgende Wahrscheinlichkeiten:
E
o
: man erhlt drei weie Kugeln
E
1
: man erhlt zwei weie Kugeln und eine schwarze Kugel
E
2
: man erhlt eine weie Kugel und zwei schwarze Kugeln
E
3
: man erhlt drei schwarze Kugeln
b) mit Zurcklegen
b ) Ziehen mit Zurcklegen
Reihenfolge ist wichtig [Hier werden geordnete Tripel gesucht (i
1
,i
2
,i
3
)] !
Diskussion fr W(E
o
) (Drei weie Kugeln)
Die Gesamtzahl der Ereignisse ist : Z() = 10
3
Anwendungen Anwendungen
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 38
somit ist W (E
o
) = 64/1000 = 0.064
Wie viele Mglichkeiten fr weie Kugeln gibt es?
Z(E
o
) = 444 = 64
Anwendungen Anwendungen
b ) Ziehen mit Zurcklegen
Reihenfolge ist wichtig [Hier werden geordnete Tripel gesucht (i
1
,i
2
,i
3
)]
Diskussion fr W(E
1
) (Zwei weie Kugeln, eine schwarze)
Die Gesamtzahl der Ereignisse ist : Z() = 10
3
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 39
Irgendwelche zwei der drei Pltze werden mit Zahlen zwischen1 und 4 besetzt (Wei).
Der restliche dritte Platz wird mit einer Nummer zwischen 5 und 10 besetzt (Schwarz)
Dies ist auf Arten mglich :
3
2

w, w, s
w, s, w
s, w, w
b ) Ziehen mit Zurcklegen
Diskussion fr W(E
1
) (Zwei weie Kugeln, eine schwarze)
Wir zhlen zunchst alle Elementarereignisse,
bei denen die ersten beiden Pltze mit weien Kugeln besetzt werden,
der dritte mit einer schwarzen Kugel (w, w, s)
Anwendungen Anwendungen
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 40
Anzahl ist 44 6, besser 4
2
6
1
Wir knnen die zwei Pltze fr weie Kugeln aus insgesamt drei mglichen Pltzen
auf verschiedene Arten auswhlen
Also haben wir fr E
1
genau 4
2
6
1
Mglichkeiten (288)
W(E
1
) = 288/1000 = 0.29
3
2

b ) Ziehen mit Zurcklegen


Zusammenfassung
( )
( ) 29 . 0
1000
288
10
6 4
2
3
06 . 0
1000
64
10
6 4
3
3
3
1 2
1
3
0 3
= =

=
= =

=
E W
E W
o
Anwendungen Anwendungen
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 41
W(E
0
) + W(E
1
) + W(E
2
) + W(E
3
) = 1
( )
( ) 22 . 0
1000
216
10
6 4
0
3
43 . 0
1000
432
10
6 4
1
3
3
3 0
3
3
2 1
2
= =

=
= =

=
E W
E W
Eine Urne enthalte N Kugeln, unter denen sich genau M schwarze Kugeln befinden
(0 M N).
Aus dieser Urne werden n Kugeln (0 n N) zufllig herausgezogen,
und zwar
a) ohne Zurcklegen ( ist die Anzahl der herausgegriffenen schwarzen Kugeln)
b) mit Zurcklegen ( ist die Anzahl der herausgegriffenen schwarzen Kugeln)
Die Wahrscheinlichkeit:
Zusammenfassung Zusammenfassung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 42
Die Wahrscheinlichkeit:
a) ohne Zurcklegen
( )

= =
n
N
m n
M N
m
M
m W
b) mit Zurcklegen
( )
( )
n
m n
m
N
M N M
m
n
m W

= =
Binomialverteilung
Hypergeometrische Verteilung
( )
( )
( )
M M
m
n
N N N
M N M
m
n
N
M N M
m
n
m W
m n m
m n m
m n
m
n
m n
m

= =

Ziehen aus einer Urne mit Zurcklegen


Die Binomialverteilung Die Binomialverteilung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 43
( )
N
M
p wobei p p
m
n
N N m
m n
m
=

, 1
1
Man sieht, dass die Wahrscheinlichkeit, unter n gezogenen Kugeln
genau m schwarze zu finden, nur vom Anteil der schwarzen Kugeln in der
Urne abhngt und nicht von N oder M selbst abhngt.
( ) ( )
N
M
p wobei p p
m
n
m W
m n
m
=

= =

, 1
Man sieht, dass die Wahrscheinlichkeit, unter n gezogenen Kugeln
genau m schwarze zu finden, nur vom Anteil der schwarzen Kugeln in der Urne
abhngt und nicht von N oder M selbst abhngt.
Die Binomialverteilung Die Binomialverteilung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 44
abhngt und nicht von N oder M selbst abhngt.
Dieser Anteil p kann natrlich selbst wieder als die Wahrscheinlichkeit
aufgefasst werden, bei einmaligen Ziehen eine schwarze Kugel zu
erhalten.
( ) ( )
m n
m
p p
m
n
m W

= = 1
Beispiel: Mnzwurf
Wir werfen zwanzig Mal (n = 20) eine Mnze und fragen:
Die Binomialverteilung Die Binomialverteilung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 45
Wir werfen zwanzig Mal (n = 20) eine Mnze und fragen:
Wie oft erhalte ich das Ergebnis Zahl ?
Die Wahrscheinlichkeit fr das Einzelereignis Zahl ist p = 1/2
Die Binomialverteilung gibt Auskunft ber Fragen nach
der Wahrscheinlichkeit, bei zwanzig Wrfen
vier Mal (m = 4) das Ergebnis Zahl zu erhalten.
( ) ( )
m n
m
p p
m
n
m W

= = 1
n = 20
p = 1/2
Die Binomialverteilung Die Binomialverteilung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 46
Verteilung ist diskret
Verteilung ist symmetrisch
n = 20
p =
0.85
n = 20
p = 0.15
Die Binomialverteilung Die Binomialverteilung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 47
n = 20
p = 0.02
Je grer die Abweichung von
p = 0.5, desto unsymmetrischer
wird die Verteilung
Die Binomialverteilung hat zwei Parameter (n und p).
Sie ist fr p=1/2 symmetrisch.
Fr kleine und groe p ist sie stark asymmetrisch.
Die Binomialverteilung ist normiert, d.h. die Summe der W(m) ist 1.
( ) ( )
m n
m
p p
m
n
m W

= 1
Die Binomialverteilung Die Binomialverteilung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 48
Die Binomialverteilung ist normiert, d.h. die Summe der W(m) ist 1.
Wie gro ist der Mittelwert (Erwartungswert)?
Vorbereitung der Versuche
Durchfhrung der Versuche
Messprotokoll und Auswertung
Praktikumsablauf Praktikumsablauf
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 49
Kolloquium zu einem Modul
Versumnis eines Versuchs
Leistungsnachweis
Vorbereitung der Versuche
Durchfhrung der Versuche
Messprotokoll und Auswertung
Praktikumsablauf Praktikumsablauf
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 50
Kolloquium zu einem Modul
Versumnis eines Versuchs
Leistungsnachweis
3 Protokollierung und Auswertung der Ergebnisse
In einem Messprotokoll (zuknftig kurz Protokoll) sollen Versuchsaufbau, -durchfhrung
und -auswertung so dargestellt sein, dass das Experiment vom Leser nachvollzogen
werden kann. Ein gutes Protokoll sollte kurz und przise sein. Anstatt viel Zeit mit
Textprogrammen bzw. Bildverarbeitung zu verschwenden, lohnt es mehr, den Inhalt zu
Messprotokoll Messprotokoll: Formales : Formales
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 51
Textprogrammen bzw. Bildverarbeitung zu verschwenden, lohnt es mehr, den Inhalt zu
durchdenken. Im Grundpraktikum sind mit Computer geschriebene Protokolle nicht
erlaubt. Ein Messprotokoll ist eine handschriftliche Dokumentation der
Versuchsdurchfhrung und unterscheidet sich von einer Ausarbeitung (siehe Punkt 4).
Fr die Protokollierung ist ein H e f t im Format DIN A4 kariert zu verwenden. Jeder
Studierende fhrt sein eigenes Messprotokoll.
Messprotokoll Messprotokoll: Formales : Formales
Das Protokollheft ist zu gliedern in:
a) Nummer und Name des Versuchs und Datum der Versuchsdurchfhrung, Studienrichtung des Durchfhrenden, Name des
Mitarbeiters und des Betreuers. Gegebenenfalls ist der Arbeitsplatz anzugeben (z.B. 13C)
b) Aufgabenstellung und zu jeder Aufgabe
i.Die Beziehung, mit deren Hilfe die zu bestimmenden physikalischen Gren aus den zu messenden Gren
ermittelt werden sollen
ii.Erluterung der in diesen Beziehungen vorkommenden Gren
iii.Der Versuchsaufbau (kurze Beschreibung und Skizzen, die teilweise aus der Anleitung bernommen werden
knnen)
und b. knnen im Rahmen der huslichen Vorbereitung ins Protokollheft eingetragen werden. Das Messprotokoll stellt jedoch eine
Dokumentation der Durchfhrung des Versuches dar. Sie ist also whrend der Durchfhrung anzufertigen und nicht berwiegend
vorab zu Hause. In keinem Fall werden Tabellen zu Messungen vor Beginn des Versuches im Protokollheft eingetra-gen.
c) In der Reihenfolge der Aufgaben sind aufzufhren:
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 52
In tabellarischer Anordnung alle d i r e k t gemessenen (abgelesenen) Gren, eventuell ntige Zwischengren und das
Endergebnis. Der Gang der Auswertung muss deutlich zu erkennen sein. Fr die Auswertung sollten die verwendeten Formeln
aufgefhrt werden, dann die Ergebnisse von Zwischenrechnungen und eventuell benutzte Zahlenwerte aus der Literatur.
Schlielich wird die in der Anleitung gefragte Gre berechnet.
Versuchsergebnisse werden, wenn mglich, in Graphen oder Tabellen dargestellt. Sie mssen durchnummeriert sein und im Text
eindeutig den aus ihnen entnommenen Messwerten zugeordnet werden. Graphische Darstellungen sind an den Achsen deutlich
zu beschriften und mit einer ausfhrlichen Unterschrift zu versehen. Soweit Millimeter- oder Spezialpapier verwendet wird, sind
die Bltter einzukleben. Messwerte werden als Punkte mit Fehlerbalken (eventuell exemplarisch) angegeben; angepasste
Funktionen werden als durchgezogene Kurven dargestellt.
Wenn gefordert, ist eine Abschtzung der Messfehler oder eine Fehler-rechnung auszufhren. Jedes Endergebnis wird erst durch die
Angabe eines Messfehlers brauchbar. Das Endergebnis ist durch Unterstreichen kenntlich zu machen.
In knapper Form sollten Vergleiche der Messergebnisse mit erwarteten Werten (aus der Literatur) angestellt werden
Tackern ist nicht einkleben !
Das Protokoll ist dauerhaft (nicht mit Bleistift) zu schreiben. Fehlerhafte Ergebnisse werden
unter Zufgung eines Kommentars gestrichen, Versuch und Auswertung der Ergebnisse sollen in
4 Stunden beendet sein. Die in der Anleitung gestellten Aufgaben sind von gut vorbereiteten
Studenten in der zur Verfgung stehenden Zeit durchfhrbar. Es ist weniger wichtig alle
Aufgaben vollstndig durchgefhrt zu haben. Wesentlicher ist es, die Versuche sorgfltig
durchgefhrt und kritisch analysiert zu haben. Sollten Sie anstelle der vorgeschriebenen
Versuchsdurchfhrung eigenstndig sinnvolle nderungen an dem Versuchsaufbau oder der
Durchfhrung vornehmen, ist das im Sinne Ihrer Ausbildung. Eigenstndige nderungen am
Versuchsaufbau und der Durchfhrung werden aber nur akzeptiert, wenn der Aufbau und die
Messprotokoll Messprotokoll: Formales : Formales
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 53
Versuchsaufbau und der Durchfhrung werden aber nur akzeptiert, wenn der Aufbau und die
Durchfhrung im Protokoll beschrieben ist und die erzielten Resultate (auch negative) diskutiert
werden.
Eine Darstellung der physikalischen Grundlagen des Versuchs im Protokoll ist oft hilfreich fr das
eigene Verstndnis und eventuelle Examensvorbereitungen. Es ist aber nicht notwendig fr ein
Versuchstestat. Sehr hilfreich ist jedoch ein Verzeichnis der fr den Versuch bzw. den
Versuchsteil verwendeten Literatur.
Der Betreuer hat die Weisungskompetenz!
Messprotokoll Messprotokoll: Organisatorisches : Organisatorisches
Richtlinien zur Abgabe des Messprotokolls:
Whrend des Semesters ist das Messprotokoll sptestens
am Tag nach der Versuchsdurchfhrung um 18:00 Uhr
im Fach des Betreuers im Grundpraktikum, oder beim Betreuer selbst (individuell regeln)
abzugeben. Im Blockpraktikum gelten krzere Abgabefristen. Die hier aufgefhrte
Regelung kann mit dem Betreuer individuell abgendert werden. Der Betreuer ist
berechtigt, bei verspteter Abgabe das Protokoll mit nicht ausreichend zu bewerten, was
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 54
berechtigt, bei verspteter Abgabe das Protokoll mit nicht ausreichend zu bewerten, was
die Wiederholung des gesamten Moduls impliziert.
Das Messprotokoll wird durch den Betreuer des Versuchs am nchsten Versuchstermin
(oder nach Vereinbarung) bewertet zurckgegeben (Betreuer bitte den Eintrag in der
Datenbank und im Protokollheft nicht vergessen bzw. berprfen).
Der Betreuer hat die Weisungskompetenz!
Messprotokoll Messprotokoll: Organisatorisches : Organisatorisches
Richtlinien zur Bewertung des Messprotokolls:
Mit Einfhrung von Bachelorstudiengngen WS 2007/08 werden die Leistungen im Physikalischen Grundpraktikum nicht mehr
benotet.
Es gibt zu jedem Versuch lediglich eine offizielle Bewertung:
Vorbereitung ausreichend: ja/nein
Messprotokoll ausreichend: ja/nein.
Dies ist die einzige relevante Bewertung.
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen I 24.11.2011
Vorlesung 06- 55
Zustzlich gibt es eine interne Bewertung, die zu jedem Versuch durchgefhrt werden muss. Damit ein Student eine Einschtzung
seiner Leistung vornehmen kann, werden vom Betreuer Punkte vergeben.
Diese Punkte (sowohl in der Vorbereitung als auch im Protokoll) richten sich nach einer Notenskala:
Sehr gut 6
Gut 5
Befriedigend 4
Ausreichend 3
Mangelhaft 2
Ungengend 1
Nicht Ausreichende Messprotokolle erfordern eine Nachbesserung. Bei der Bewertung Mangelhaft ist dieses Protokoll beim Betreuer,
bei Ungengend beim Oberbetreuer bzw. Praktikumsleiter abzugeben.
Die Kenntnis der Praktikumsordnung ist verpflichtend!
bungsaufgaben bungsaufgaben
Ein Einwurf zum Thema
Hilfsmittel:
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen II 01.12.2011
Vorlesung 07- 1
Erstabgabe bung Erstabgabe bung 66
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen II 01.12.2011
Vorlesung 07- 2
6 5 4 3 2 1 nicht abgegeben
Verteilungsfunktionen II:
Binomialverteilung (Fort.)
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen II 01.12.2011
Vorlesung 07- 3
Gaussverteilung
Wahrscheinlichkeitspapier
Die Binomialverteilung hat zwei Parameter (n und p).
Sie ist fr p=1/2 symmetrisch.
Fr kleine und groe p ist sie stark asymmetrisch.
Die Binomialverteilung ist normiert, d.h. die Summe der W(m) ist 1.
( ) ( )
m n
m
p p
m
n
m W

= 1
Die Binomialverteilung Die Binomialverteilung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen II 01.12.2011
Vorlesung 07- 4
Die Binomialverteilung ist normiert, d.h. die Summe der W(m) ist 1.
Wie gro ist der Mittelwert (Erwartungswert)?
Wie gro ist der Mittelwert (Erwartungswert)?
( ) ( )
( )
( ) ( )

=
dx x P x g
en Verteilung lichen kontinuier bei oder
x P
x P x g
g
i
i i
Die Binomialverteilung Die Binomialverteilung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen II 01.12.2011
Vorlesung 07- 5
( ) ( )
( )


=
dx x P
dx x P x g
g
Bei der Definition des Mittelwertes und der Varianz
(siehe vorangegangene Vorlesungen) haben wir nichts anderes getan,
als den Erwartungswert von x und (x - M)
2
zu berechnen.
( )
( )
( )

=

=


= =
n
m
m n
m
n
m
p p
! m ! m n
n!
m m W m M
0 0
1
Der Summand mit m = 0 ist Null, daher kann man die Summationsgrenze m = 0
durch m = 1 ersetzen.
Mittelwert der Binomialverteilung Mittelwert der Binomialverteilung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen II 01.12.2011
Vorlesung 07- 6
( ) ! m m!
m
1
1

=
Es gilt :
Damit erhlt man:
( ) ( )
( )
m n
n
m
m
p p
! m ! m n
n!
M

=

1
1
1
( ) ( )
( )
m n
n
m
m
p p
! m ! m n
n!
M

=

1
1
1
Ausklammern von np
( )
( ) ( )
( )
1
1
1
1
1
n
n m
m
m
n !
M n p p p
m ! n m !

Mittelwert der Binomialverteilung Mittelwert der Binomialverteilung


T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen II 01.12.2011
Vorlesung 07- 7
Substitution von a = m-1 und b = n-1 ergibt:
( )
( )
0
1
1
b
b a
a
a
b!
M n p p p
a! b a !

=
=
=

Damit ist der Mittelwert einer Binomialverteilung M = np


Die Varianz ist der Erwartungswert von (m-M)
2
Hier ist benutzt, dass folgendes gilt:
( ) ( ) ( )
2 2
2
2
M x p x x p M x = =

( )
( )
( )

=
n
m
m n
m
p p
! m n m!
n!
M m
0
2
2
1
Varianz der Binomialverteilung Varianz der Binomialverteilung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen II 01.12.2011
Vorlesung 07- 8
( )
( )
2
0
2 2
1 M p p
! m n m!
n!
m
n
m
m n
m

( ) ( ) ( )
2 2
2
2
M x p x x p M x
x x
= =

m
2
lsst sich schreiben als (m (m - 1) + m)
( )
( )
( )
( )
( )
2 2
0 0
1 1 1
n m n m
n n
m m
m m
n! n!
m m p p m p p M
m! n m ! m! n m !


= =



= +



m
2
lsst sich schreiben als (m (m - 1) + m)
( )
( )
2
0
2 2
1 M p p
! m n m!
n!
m
n
m
m n
m

Varianz der Binomialverteilung Varianz der Binomialverteilung


T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen II 01.12.2011
Vorlesung 07- 9
( ) ( )
0 0 m m
m! n m ! m! n m !
M
= =





Fr m=0 und m=1 sind die Summanden Null;


Die Summation beginnt also mit m=2
Varianz der Binomialverteilung Varianz der Binomialverteilung
( )
( )
( )
( )
( )
( ) ( )
( )
2 2
2
2 2
2 2 2
2
1 1
2
1 1
2 2 2
n m
n
m
m
n
n m
m
m
n!
m m p p M M
m! n m !
n !
n n p p p M M
m ! n m !

=
+

=
= +

= +
+

T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen II 01.12.2011


Vorlesung 07- 10
( )
( )
( )
2 2
0
1
1 1
b
b a
a
a
b!
n n p p p M M
a! b a !

=
= +

( )
2 2 2
1 M M p n n + =
Da M = np,
2 2 2 2 2 2
p n np np p n + =
Varianz der Binomialverteilung Varianz der Binomialverteilung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen II 01.12.2011
Vorlesung 07- 11
( )
2
1 n p p =
Die Varianz der Binomialverteilung ist somit
( )
2
1 M p =
Urnenmodell mit Zurcklegen
Wir haben die Aufgabe, eine Lieferung zu testen.
Die Lieferung besteht aus N Teilen, von denen M fehlerhaft sind.
Die Wahrscheinlichkeit, bei einmaligem Ziehen ein fehlerhaftes Teil zu ziehen, ist:
Anwendung: Qualittssicherung (AQL Anwendung: Qualittssicherung (AQL--Test) Test)
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen II 01.12.2011
Vorlesung 07- 12
p = M/N
(Fehlerquote)
Wir testen insgesamt n Teile und fragen:
Wie wahrscheinlich ist es, dass die n Teile keinen Fehler aufweisen?
Binomialverteilung
( ) ( )
1
n m
m
n
W m p p
m


=


m = 0 (Kein fehlerhaftes
Teil)
Wir testen insgesamt n Teile und fragen:
Wie wahrscheinlich ist es, dass die n Teile keinen Fehler aufweisen?
1,0
Teile.5
Anwendung: Qualittssicherung (AQL Anwendung: Qualittssicherung (AQL--Test) Test)
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen II 01.12.2011
Vorlesung 07- 13
Teil)
( )
0 m wenn , 1 = =

m! ! m n
n!
m
n
( ) ( )
n
p m W = 1
0,0 0,1 0,2 0,3 0,4 0,5
0,0
0,2
0,4
0,6
0,8
W
a
h
r
s
c
h
e
i
n
l
i
c
h
k
e
i
t

f

r

N
u
l
l

f
e
h
l
e
r
h
a
f
t
e

T
e
i
l
e
Fehlerquote
Beispiel n = 5
Anwendung: Qualittssicherung (AQL Anwendung: Qualittssicherung (AQL--Test) Test)
Erhhung der Teilchenzahl n fhrt zu sicherer Entscheidung
0,6
0,8
1,0
Teile.5
W
a
h
r
s
c
h
e
i
n
l
i
c
h
k
e
i
t

f

r

N
u
l
l

f
e
h
l
e
r
h
a
f
t
e

T
e
i
l
e
0,6
0,8
1,0
Teile.5
Teile.10
Teile.50
W
a
h
r
s
c
h
e
i
n
l
i
c
h
k
e
i
t

f

r

N
u
l
l

f
e
h
l
e
r
h
a
f
t
e

T
e
i
l
e
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen II 01.12.2011
Vorlesung 07- 14
0,0 0,1 0,2 0,3 0,4 0,5
0,0
0,2
0,4
W
a
h
r
s
c
h
e
i
n
l
i
c
h
k
e
i
t

f

r

N
u
l
l

f
e
h
l
e
r
h
a
f
t
e

T
e
i
l
e
Fehlerquote
Kostenfaktor?
0,0 0,1 0,2 0,3 0,4 0,5
0,0
0,2
0,4
W
a
h
r
s
c
h
e
i
n
l
i
c
h
k
e
i
t

f

r

N
u
l
l

f
e
h
l
e
r
h
a
f
t
e

T
e
i
l
e
Fehlerquote
bergang zur Grenzverteilung bergang zur Grenzverteilung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen II 01.12.2011
Vorlesung 07- 15
Zentraler Grenzwertsatz von Zentraler Grenzwertsatz von Moivre Moivre--Laplace Laplace
lim ( )
(1 )
b
n
n
a
S n p
P a b G x dx
n p p



=





Die Zufallsvariable S
n
besitze eine Binomialverteilung mit Parametern n und
p, wobei 0<p<1 vorausgesetzt ist. Dann gilt fr jede Wahl reeller Zahlen a,b
mit a<b:
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen II 01.12.2011
Vorlesung 07- 16
Dabei ist die Funktion G(x) definiert als:
( )
( )
2
2
2
1
, .
2
x M
G x e x

=
Beweis siehe z.B: N. Henze, Stochastik fr Einsteiger, Vieweg Verlag.
Dabei ist die Funktion G(x) definiert als:
( )
( )
2
2
2
1
, .
2
x M
G x e x

=
Die Normalverteilung Die Normalverteilung
Diese Funktion beschreibt die Normal- oder Gau - Verteilung und ist die am
hufigsten vorkommende Verteilung.
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen II 01.12.2011
Vorlesung 07- 17
Sie wird durch zwei Parameter beschrieben:
und M(oder ) )) )
Eigenschaften der Funktion:
symmetrisch um M
Der grte Wert wird an der Stelle x = Meingenommen
Die Funktion geht schnell gegen Null, sobald (x M)
2
gro wird
Eigenschaften, die eine Verteilung
Eigenschaften der Normalverteilung Eigenschaften der Normalverteilung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen II 01.12.2011
Vorlesung 07- 18
Eigenschaften, die eine Verteilung
von Messwerten darstellt.
Der Vorfaktor dient der Normierung.
( )
( )
2
2
2
2
1


M x
e x G

=
Der Einfachheit halber folgen alle weiteren berlegungen fr M = 0
Wichtige Integrale (ohne Beweis)
2
2
=

dx e
x
x
Normalverteilung Normalverteilung wesentliche Integrale wesentliche Integrale
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen II 01.12.2011
Vorlesung 07- 19
3
2
2
2
2
0
2
2
2
2
2
2
2
2

=
=
=

dx e x
dx e x
dx e
x
x
Wie gro ist die Standardabweichung ?
Analoges Vorgehen wie bei der Binomialverteilung
Erwartungswert von ( x-M )
2
, wobei M=0
2
2
(Standardabweichung) =
Standardabweichung der Normalverteilung Standardabweichung der Normalverteilung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen II 01.12.2011
Vorlesung 07- 20
2
2
2
2
3 2
1 1
2
1 1
2
2
x
x e dx

=
=

Standardabweichung =
Standardabweichung der Normalverteilung Standardabweichung der Normalverteilung
( )
( )
2
2
2
2
1


M x
e
dx
d
dx
x G d

=
1. Ableitung:
( )
( )
2
2
2
2
1


M x
e x G

=
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen II 01.12.2011
Vorlesung 07- 21
( )
( )
( )
( )
2
2
2
2
2
2
2
2
2
1
2
1



M x
M x
e
M x
e
M x

=
Maximum bei x = M
Standardabweichung der Normalverteilung Standardabweichung der Normalverteilung
( )
( )
( )
( )
( )
( )
( )
2
2
2
2
2 2
2 2
2
2
2
2 2
2
2
2
2 2
2 4
1
2
1
2
1 1 1 1
2 2
x M
x M
x M x M
d G x
d
e
dx dx
x M
d
e
dx
e x M e


=


= +
2. Ableitung:
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen II 01.12.2011
Vorlesung 07- 22
( )
( )
2
2
!
2
2
2 2
0
2 2
1 1 1
1
2
x M
x M e




=



= +



Wendepunkte bei x = M
Bedeutung der Standardabweichung Bedeutung der Standardabweichung
Wir fragen, welcher Anteil der Messungen liegt zwischen M - a und M + b ?
( )
( )
dx e P
b M
a M

M x

= +
2
2
2
1
2
1
b M und a M innerhalb

T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen II 01.12.2011


Vorlesung 07- 23
Zunchst a = b =
Bedeutung der Standardabweichung Bedeutung der Standardabweichung
Wir fragen, welcher Anteil der Messungen liegt zwischen M - und M + ?
( )
( )
dx e P
M
M
M x

2
2
2
1
2
1
innerhalb
Vereinfachung durch
( x M) / = z
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen II 01.12.2011
Vorlesung 07- 24
Vereinfachung durch
Substitution
( x M) / = z
damit wird dx = s dz und die Integrationsgrenzen 1
( ) dz e P
z

=
1
1
2
2
2
1
innerhalb

Bedeutung der Standardabweichung Bedeutung der Standardabweichung


Dieses Integral ist ein Standardintegral der mathematischen Physik
und wird oft als Fehlerfunktion bezeichnet,
Bezeichnung erf(t) [errorfunction].
( ) dz e P
z

=
1
1
2
2
2
1
1 innerhalb

T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen II 01.12.2011


Vorlesung 07- 25
( ) dz e P
t
t
z
t

=
2
2
2
1
innerhalb

Dieses Integral kann nicht analytisch ausgewertet werden.


Es liegt in tabellarischer Funktion vor.
( ) dz e P
t
t
z

=
2
2
2
1
t innerhalb

t P (%)
0 0
0.25 20
0.5 38
0.75 55
1.0 68
Die Fehlerfunktion Die Fehlerfunktion
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen II 01.12.2011
Vorlesung 07- 26
1.0 68
1.25 79
1.50 87
1.75 92
2.0 95.4
2.5 98.8
3.0 99.7
3.5 99.95
4 99.99
( ) dz e P
t
t
z

=
2
2
2
1
t innerhalb

Die Fehlerfunktion Die Fehlerfunktion


T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen II 01.12.2011
Vorlesung 07- 27
Hufig auftretende Fragestellungen:
Wie viel % der Messwerte liegen oberhalb (unterhalb) eines bestimmten Messwertes?
Wie gro ist das Integral bis zu einem bestimmten Wert ?
Die Fehlerfunktion Die Fehlerfunktion allgemeine Form allgemeine Form
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen II 01.12.2011
Vorlesung 07- 28
( )

=
t z
dz e t
2
2
2
1
und zwischen

( )

=
t z
dz e t
2
2
2
1
und zwischen

Die Fehlerfunktion Die Fehlerfunktion allgemeine Form allgemeine Form


T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen II 01.12.2011
Vorlesung 07- 29
Dies fhrt zum Wahrscheinlichkeitspapier
vergleiche bungsaufgabe
Letztlich zur graphischen Beantwortung
der Frage:
Ist Messreihe normalverteilt?
Linearisierte Darstellung
Wahrscheinlichkeitspapier Wahrscheinlichkeitspapier
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen II 01.12.2011
Vorlesung 07- 30
Siehe bungsaufgabe zur Verdeutlichung.
Linearisierte Darstellung
Wahrscheinlichkeitspapier Wahrscheinlichkeitspapier
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen II 01.12.2011
Vorlesung 07- 31
Wahrscheinlichkeitspapier Wahrscheinlichkeitspapier
Linearisierte Darstellung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen II 01.12.2011
Vorlesung 07- 32
Wahrscheinlichkeitspapier Wahrscheinlichkeitspapier
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen II 01.12.2011
Vorlesung 07- 33
Wahrscheinlichkeitspapier Wahrscheinlichkeitspapier
Urliste:
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen II 01.12.2011
Vorlesung 07- 34
Aulenbacher, Paditz:
Lehr- und bungsbuch Mathematik, Band 3. Lineare Algebra-Stochastik , Hanser Verlag
Wahrscheinlichkeitspapier Wahrscheinlichkeitspapier
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen II 01.12.2011
Vorlesung 07- 35
Wahrscheinlichkeitspapier Wahrscheinlichkeitspapier
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen II 01.12.2011
Vorlesung 07- 36
7 9 11 13 15 17 19
Vergessen Sie diese Balken,
die sind UNSINN!!!
Wahrscheinlichkeitspapier Wahrscheinlichkeitspapier
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen II 01.12.2011
Vorlesung 07- 37
7 9 11 13 15 17 19
MW = 13,60
Gerade am rechten Rand des Intervalls
x
x
x
x
x
x
Wahrscheinlichkeitspapier Wahrscheinlichkeitspapier
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen II 01.12.2011
Vorlesung 07- 38
7 9 11 13 15 17 19
x
x
x
x
x
x
x
Die Gerade wird durch die
rechte Grenze des Intervalls gelegt.
Und es werden die Werte auch
nur fr die rechte Grenze
eingezeichnet.
x
x
x
x
x
x
Wahrscheinlichkeitspapier Wahrscheinlichkeitspapier
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen II 01.12.2011
Vorlesung 07- 39
7 9 11 13 15 17 19
x
x
x
x
x
x
x
MW = 13,75
x
x
x
x
x
x
MW = 13,75
{ }
{ }
{ }
{ }
3 0,135%
2 2, 28%
1 15,87%
1 84,13%
bis
bis
bis
bis




+
+
Wahrscheinlichkeitspapier Wahrscheinlichkeitspapier
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen II 01.12.2011
Vorlesung 07- 40
7 9 11 13 15 17 19
x
x
x
x
x
x
x
{ }
{ }
{ }
2 97, 72%
3 99, 865%
bis
bis

+
+
-
+: 16,30 -: 11,19
= 2,56
Wahrscheinlichkeitspapier Wahrscheinlichkeitspapier
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen II 01.12.2011
Vorlesung 07- 41
Suche nach kleinstem und grtem Wert
45
55
Wahrscheinlichkeitspapier Wahrscheinlichkeitspapier
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen II 01.12.2011
Vorlesung 07- 42
Einteilung der so genannten Merkmalsgrenzen
Wahrscheinlichkeitspapier Wahrscheinlichkeitspapier
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen II 01.12.2011
Vorlesung 07- 43
Wahrscheinlichkeitspapier Wahrscheinlichkeitspapier
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen II 01.12.2011
Vorlesung 07- 44
Datensatz aus bung
bungsaufgaben bungsaufgaben
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 1
Erstabgabe bung 7 Erstabgabe bung 7
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 2
6 5 4 3 2 1 nicht abgegeben
bung bersicht bung bersicht
7
46%
5
13%
4
2%
3
1%
2
4%
1
3%
0
5%
Physiker
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 3
6
26%
bung bersicht bung bersicht
7
42%
5
17%
4
1%
3
1%
2
3%
1
7%
0
0%
Nanos
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 4
6
29%
bung bersicht bung bersicht
7
43%
5
4
12%
3
3%
2
3%
1
0%
0
6%
Mathematische Physiker
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 5
6
21%
5
12%
bung bersicht bung bersicht
7
32%
5
4
7%
3
3%
2
3%
1
3%
0
2%
BLRI
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 6
6
26%
5
24%
bung bersicht bung bersicht
7
34%
4
3%
3
6%
2
4% 1
9%
0
4%
Lehramt
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 7
6
26%
5
14%
Fehlerfortpflanzung I:
Unabhngige fehlerbehafte
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 8
Unabhngige fehlerbehafte
Messgren
Allgemein stellt z = f (x , y) eine Flche im dreidimensionalen Raum dar.
Eine Ebene y = const schneidet diese Flche, wobei sich eine Schnittkurve ergibt.
z
z
o
z = f (x)
f (x
o
,y
o
)
Partielle Differentiation Partielle Differentiation
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 9
ist der Tangens des Winkels, den die Tangente im Punkt P (x
o
,y
o
,z
o
) der
so entstandenen Schnittkurve mit der positiven x-Achse bildet.
x
f

x
y
x
o
y
o
z = f (x)
P
o
(x
o
,y
o
)
Es sei z = f (x, y) eine Funktion der zwei Variablen x und y
Die folgenden Grenzwerte
x
y x f y x x f
x
f

+
=

) , ( - ) , (
lim
0 x

bei festem
y, und
Partielle Differentiation Partielle Differentiation
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 10
bei festem x
y
y x f y y x f
y
f

+
=

) , ( - ) , (
lim
0 y

heien partielle Ableitungen 1. Ordnung der Funktion f (x,y).


Die Rechenregeln sind die gleichen wie fr die Funktion einer Vernderlichen.
f = 2x
2
+ 5 y
5
+ 3
x
x
f
4 =

4
25 y
y
f
=

Partielle Differentiation Partielle Differentiation


T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 11
y
f = x
3
y
2
+ sin (x)
x
f

= 3 x
2
y
2
+ cos (x)
y
f

= 2 x
3
y
Sind in einem Punkt x der Funktionswert und die Ableitungen bekannt, dann
lsst sich der Funktionswert im Punkt x + x berechnen:
( ) ( )
( ) ( )
2
2
2
......
1! 2! !
n
n
n
x x
f x f f
f x x f x
x x x n


+ = + + + +
Taylor Entwicklung Taylor Entwicklung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 12
Fr kleine x ist x
2
<< x und man kommt mit dem ersten Glied aus
(Linearisierung):
( ) ( ) x
x
f
x f x x f + +

Bei Funktionen von zwei Vernderlichen gilt


bei Fortfall der Glieder hherer Ordnung
( ) ( )
, , .
f f
f x x y y f x y x y
x y


+ + + +
Taylor Entwicklung Taylor Entwicklung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 13
Entsprechendes gilt fr Funktionen mit mehr als zwei Variablen.
Mit der linearisierten Form der Taylorentwicklung wird im Folgenden das
Fehlerfortpflanzungsgesetz hergeleitet.
Es sei f = f (x , y) eine physikalische Gre,
die als Funktion zweier Messgren x und y gegeben ist,
wobei x und y statistisch voneinander unabhngig sind.
Es sei ferner:
{ }
{ } Messwerte s
Messwerte r
k k
i i
v y y
u x x
+ =
+ =
Fehlerfortpflanzung Fehlerfortpflanzung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 14
u
i
und v
k
sind Abkrzungen fr die bisher verwendeten x und y.
( ) ( )
k i k i ik
v y u x f y x f f + + = = , ,
f
ik
sind alle mglichen Endergebnisse,
die wir aus den Messwerten x
i
und y
k
berechnen knnen.
Unter der Annahme, dass u
i
und v
k
kleine Gren sind, lsst sich f
ik
entwickeln
( )
( ) ( )
y
y x f
v
x
y x f
u y x f f
k i ik

, ,
, + + =
( ) ( )
k i k i ik
v y u x f y x f f + + = = , ,
Fehlerfortpflanzung Fehlerfortpflanzung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 15
Mit r + s Messwerten lassen sich rs Funktionswerte f
ik
bilden.
y x
k i ik

Wie gro ist der Mittelwert dieser Funktionswerte f
ik
?
r s
i =1 k=1
r s
ik
f
f =

Wie gro ist der Mittelwert dieser Funktionswerte f
ik
?
Fehlerfortpflanzung Fehlerfortpflanzung
( )
( ) ( )
r
i =1 1
, ,
1
,
r s x y
s
i k
k
f x y f x y
f x y u v


=

= + +
`
)


T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 16
( )
( , ) , f x y f f x y = = Also ist:
Der Mittelwert aller Funktionswerte ist gleich der Funktion der Mittelwerte.
( )
( )

( )

1 1
0 0
, ,
1
r s , s r
r s x y
r s
i k
i k
f x y f x y
f x y u v


= =
= =



= + +
`


)

( ) y x f f , =
Es gilt wie oben gezeigt :
Die Abweichungen g
ik
der berechneten Werte vom Mittelwert sind:
Fehlerfortpflanzung Fehlerfortpflanzung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 17
y
y x f
v
x
y x f
u
f f g
k i
ik ik

) , ( ) , (
+ =
=
Die Quadratsumme der g
ik
ist:
( ) ( )
2
r s r s
2
i 1 k 1 i 1 k 1
, ,
ik i k
f x y f x y
g u v
x y


= = = =

= +
`
)

Fehlerfortpflanzung Fehlerfortpflanzung
( ) ( ) ( ) ( )
2 2
r s
i 1 k 1
, , , ,
2
i i k k
f x y f x y f x y f x y
u u v v
x x y y


= =

( ( (

= + +
`
( ( (


)

( ) ( )
2 2
r s
2 2
, ,
s r
f x y f x y
u v

= +
` `
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 18
( ) ( )
( ) ( )

2 2
i 1 k 1
1 1
0 0
, ,
s r
, ,
2
i k
r s
i k
i k
f x y f x y
u v
x y
f x y f x y
u v
x y




= =
= =
= =

= +
` `
) )
+


( ) ( )
2 2
r s
2 2
i 1 k 1
, ,
s r
i k
f x y f x y
u v
x y


= =

= +
` `
) )

Die Varianz ist also:
( ) ( )
r s
2
2 2
r s
i 1 k 1
2 2 2
i 1 k 1
, ,
1
s r
r s r s
ik
f i k
g
f x y f x y
u v
x y


= =
= =
| |

|
= = +
` `
|
) )
\


Fehlerfortpflanzung Fehlerfortpflanzung
r s
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 19
( ) ( )
r s
2 2
2 2
i 1 k 1
, ,
r s
i k
u v
f x y f x y
x y


= =

= +
` `
) )

( ) ( )
2 2
2 2 2
,
x
f x y
f x , y f x y
y




= +
` `
) )
Die Standardabweichung ist die Wurzel aus der Varianz:
y
y x f
v
x
y x f
u
f f g
k i
ik ik

) , ( ) , (
+ =
=
Fehlerfortpflanzung Fehlerfortpflanzung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 20
( ) ( )
( ) ( )
2
2
2
2
2
2
2
2
2
,
x
,
x
y x f
y x f
y
y x f y , x f
y
y x f y , x f

)
`

+
)
`

=
)
`

+
)
`

=
Wir erinnern uns: Eine physikalische Messreihe ist immer eine Stichprobe
Fehlerfortpflanzung Fehlerfortpflanzung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 21
( )
2
1
1
1
2

=
=

n
i
x
i
x
n
s
x
Heuristische Begrndung
Durch die Verwendung des Mittelwertes geht ein Messwert (Freiheitsgrad)
Die Stichprobenvarianz Die Stichprobenvarianz
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 22
Durch die Verwendung des Mittelwertes geht ein Messwert (Freiheitsgrad)
verloren, daher liegen nicht mehr n Messungen (Freiheitsgrade) vor, sondern nur noch
n - 1.
s
x
wird auch als Stichprobenvarianz bezeichnet, da der Mittelwert
mittels einer Stichprobe aus der Grundgesamtheit bestimmt wird.
Fr die mathematischen Puristen: Die formale Herleitung
von n auf n-1 wird im Tutorium behandelt.
Zusammenhang zwischen Standardabweichung und Standardfehler
Man stelle sich den Mittelwert als Messung einer Gre vor,
die aus n unabhngigen fehlerbehafteten Einzelmessungen bestimmt
wird.
Die Bestimmungsgleichung der "Messgre" lautet folgendermaen:
( )
n
1 2
i 1
1 1 1
........ ;
n n n
i n
i
x
x x x x x
x

=
= = + + + =

Fehlerfortpflanzung Fehlerfortpflanzung
2 2 2
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 23
vergleiche:
n
x
x
s
s =
1 2
2 2 2
1 1 1
.......
n n n
n
x x x x

| | | | | |
= + + +
| | |
\ \ \
1 2
.........
n
x x x x
= = = =
2 2
2 2
1
n n
n
x
x x x
n
= = =

Der Standardfehler Der Standardfehler


Wir messen die Lnge eines Tisches mit einer sehr groben Messmethode
z.B.: Kurzes Lineal mit mehrmaligem Anlegen
Hufung der Daten
in der Nhe des Mittelwerts
Spannweite 120 mm
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 24
Die Daten streuen um den Mittelwert
L 3000 mm
Messwerte mit groem
Abstand zum Mittelwert
haben eine geringe Hufung
Der Standardfehler Der Standardfehler
Mit zunehmender Anzahl von Messungen wird die Angabe
des Mittelwertes der Stichprobe immer verlsslicher.
Die Standardabweichung ist ein Ma fr die Genauigkeit der Memethode.
Der Standardfehler ist ein Ma fr die Verlsslichkeit der Angabe des Mittelwertes.
n
s
s
x
x
=
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 25
( )
2
2 2 2
1
3000, 034 mm 372, 2310 mm
1000 1
l i
s l = =


Beispiel der Tischlnge:
Varianz:
Mittelwert = 3000,034 mm
Der Standardfehler Der Standardfehler
Mit zunehmender Anzahl von Messungen wird die Angabe
des Mittelwertes der Stichprobe immer verlsslicher.
Die Standardabweichung ist ein Ma fr die Genauigkeit der Memethode.
Der Standardfehler ist ein Ma fr die Verlsslichkeit der Angabe des Mittelwertes.
n
s
s
x
x
=
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 26
Beispiel der Tischlnge:
Mittelwert = 3000,034 mm
2
372, 2310mm 19, 29329 mm
l
s = =
Stichproben-
standardabweichung:
Der Standardfehler Der Standardfehler
Mit zunehmender Anzahl von Messungen wird die Angabe
des Mittelwertes der Stichprobe immer verlsslicher.
Die Standardabweichung ist ein Ma fr die Genauigkeit der Memethode.
Der Standardfehler ist ein Ma fr die Verlsslichkeit der Angabe des Mittelwertes.
n
s
s
x
x
=
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 27
Beispiel der Tischlnge:
Mittelwert = 3000,034 mm
0, 6101 mm
1000
l l
l
s s
s
n
= = =
Standardfehler:
Der Standardfehler Der Standardfehler
Mit zunehmender Anzahl von Messungen wird die Angabe
des Mittelwertes der Stichprobe immer verlsslicher.
Die Standardabweichung ist ein Ma fr die Genauigkeit der Memethode.
Der Standardfehler ist ein Ma fr die Verlsslichkeit der Angabe des Mittelwertes.
n
s
s
x
x
=
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 28
Beispiel der Tischlnge:
Mittelwert = 3000,034 mm
(3000,03 0,61) mm l =
0, 6101 mm
1000
l l
l
s s
s
n
= = =
Standardfehler:
Der Standardfehler Der Standardfehler
Dies ist die Angabe des Bestwertes mit Fehler bei einer Messreihe.
Dies sind auch die Werte, die bei weiteren Berechnungen in der
Fehlerfortpflanzung verwendet werden.
Was ist der Unterschied zwischen Standardabweichung und Standardfehler ?
(3000,03 0,61) mm l =
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 29
Standardabweichung heit auch Standardfehler der Einzelmessung.
s
s
n
s
s
x
x x
x
= = =
1
n = 1
Wird eine Messung nur einmal durchgefhrt, besteht kein Unterschied zwischen
Standardabweichung (Genauigkeit der Messmethode)
und Standardfehler (Genauigkeit der Angabe des Mittelwertes).
Der Standardfehler Der Standardfehler
x
s
Bei einer Messreihe, deren Werte normalverteilt sind, gibt die Standardabweichung
s die Grenzen an, innerhalb derer mit 68 % Wahrscheinlichkeit eine Einzelmessung
liegen wird.
Der Standardfehler
hingegen gibt an, dass der Mittelwert einer neuen
Messreihe (mit gleicher Genauigkeit und gleicher
Anzahl von Messungen) mit 68 % Wahrscheinlichkeit
innerhalb
2990
3000
3010
3020
3030
3040
3050
M
i
t
t
e
l
w
e
r
t

/

m
m
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 30
liegen wird.
x s
x

x s
x
+
und
Die Mittelwerte vieler Stichproben folgen wiederum einer Normalverteilung.
Deren Breite ist der Standardfehler.
2950
2960
2970
2980
2990
1 11 21 31 41 51 61 71 81 91
Stichprobe
M
i
t
t
e
l
w
e
r
t

/

m
m
( ) ( ) ( )
2 2 2
2 2 2 2
, , ,.. , , ,.. , , ,..
....
x y
x y z
f
f x y z f x y z f x y z
z





= + + +
` ` `

) ) )
( ) ( ) ( )
2 2 2
2 2 2
, , ,.. , , ,.. , , ,..
....
f x y z f x y z f x y z



= + + +
` ` `
Bei der Berechnung des Standardfehlers bei Rechnungen zur Fehlerfort-
pflanzung wird die Standardabweichung durch den Standardfehler
ersetzt, sofern eine Messreihe vorliegt:
Standardfehler in der Fehlerfortpflanzung Standardfehler in der Fehlerfortpflanzung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 31
( ) ( ) ( )
2 2 2
....
x y z f
x y z



= + + +
` ` `

) ) )
( ) ( ) ( )
. ...
.. , , , .. , , , .. , , ,
2
2
2
2
2
2
+
)
`

+
)
`

+
)
`

=
z y x
f
z
z y x f
y
z y x f
x
z y x f

wird in der Fehlerfortpflanzung gleichgesetzt mit dem Fehler des Messwerts


i
i

in Zukunft :
f f =
( ) ( )
1
2 2
1 2 1 2 2 2 2
1
, ,......, , ,......,
.......
n
n n
f x x
n
f x x x f x x x
x x




= + +
` `
) )
Varianz:
Standardabweichung:
Gausches Gausches Fehlerfortpflanzungsgesetz Fehlerfortpflanzungsgesetz
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 32
( ) ( )
1
2 2
1 2 1 2 2 2
1
, ,......, , ,......,
.......
n
n n
f x x
n
f x x x f x x x
x x




= + +
` `
) )
( ) ( )
1
2 2
1 2 1 2 2 2
1
, ,......, , ,......,
.......
n
n n
f x x
n
f x x x f x x x
x x



= + +
` `
) )
Absoluter Fehler:
Beispiel 1
Produkt zweier Gren p = m v
2 2
2 2
p
v und m
v
p m v
p p
m v
p
m





| | | |
= +
| |
\ \
= =
( ) ( )
2 2
2 2
2 2
2 2
p m v
p
m v
v m
v m
mv mv mv


= +
| | | |
= +
| |
\ \
Fehlerfortpflanzung Fehlerfortpflanzung -- Beispiele Beispiele
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 33
( ) ( )
2 2
2 2
v
p m v
m
v m

= +
2 2
p
m v
p m v


| | | |
= +
| |
\ \
Bei einem Produkt:
Quadratische Addition der relativen Fehler
Berechnung einer Flche(Rechteck)
F = l b
Produkt: Daher quadratische Addition der relativen Fehler
2 2
l b F
F l b

| | | |
= +
| |
\ \
Fehlerfortpflanzung Fehlerfortpflanzung -- Beispiele Beispiele
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 34
( ) ( )
2 2
2 2
2 2
2 2
und
F l b
F l b
F F
l b
F F
b l
l b
b l






| | | |
= +
| |
\ \
= =
= +
2 2
2 2
2 2
F
l b
l b F
b l
l b l b l b
F l b



| | | |
= +
| |

\ \
| | | |
= +
| |
\ \
Fehlerfortpflanzung Fehlerfortpflanzung -- Beispiele Beispiele
Berechnung einer Flche(Kreis)
F = r r
Produkt: Daher quadratische Addition der relativen Fehler
2 2 2
2
F r r r
F r r r


| | | | | |
= + =
| | |
\ \ \
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 35
( )
2
2
2
2
2
2
r
F
r
F
F
r
F
r
r
r


| |
=
|
\
=
=
2
2
2 2
2
2
4
F
r
F r
r
r r
F r



| |
=
|

\
| |
=
|
\
In manchen Gleichungen wird der Radius als Messgre verlangt
Gemessen wird aber meist der Durchmesser

d = (3.12 0.63) mm
r = (1.56 ??? ) mm
Fehlerfortpflanzung Fehlerfortpflanzung -- Beispiele Beispiele
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 36
2
2
2
1
2
r
d
d
d
r
r
d

=
| |
=
|
\
=
r = (1.56 0.32 ) mm
Als Messinstrument ist nur eine Schieblehre vorhanden
Messgenauigkeit 0.1 mm
Dies ist mehr als ein Blatt dick ist.
Wir messen die Dicke von 100 Blttern D
100
Messung der Dicke eines Blatt Papiers
AUSWEG :
Fehlerfortpflanzung Fehlerfortpflanzung -- Beispiele Beispiele
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 37
Wir messen die Dicke von 100 Blttern D
100
100
100
2
2
100
1
100
D d
d D
d
D

=
| |
=
|
\
AUSWEG :
2
2
1
0.1
100
1
0.1
100
0.001
d
mm
mm

| |
=
|
\
=
=
Beispiel 2
Quotient zweier Gren
V
M
=
2 2
2 2
M V
M V




| | | |
= +
| |
\ \
1
=
M
=

2 2
2 2
2
1
M V
V M V
V M V M

| | | |
= +
| |
\ \
Fehlerfortpflanzung Fehlerfortpflanzung -- Beispiele Beispiele
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 38
Bei einem Quotienten:
Quadratische Addition der relativen Fehler
V M
=

2
V V
=

2 2
2 2
2
1
M V
M
V V


| | | |
= +
| |
\ \
2 2
V M
M V

| | | |
= +
| |
\ \
Beispiel 3
Volumen eines Drahtes
L
d
V
4
2
=
4
2
4
2

L d
d
V d
L
V
= =
2 2
2 2
V V

| | | |
= +
L = (24.1 0.1) cm, gemessen mit
Lineal (rel. Fehler 0.41 %)
d = (0.14 0.02) cm, gemessen mit
Schieblehre (rel. Fehler 14 %)
Fehlerfortpflanzung Fehlerfortpflanzung -- Beispiele Beispiele
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 39
( )
2 2
2
2
2
2 2
2 2
2
4 2
2
V L d
V L d
V d L
V V
L d
d d L
V L d






| | | |
= +
| |
\ \
| |
| |
= +
| |
\
\
| | | |
= +
| |
\ \
Schieblehre (rel. Fehler 14 %)
( ) ( )
2 2
0.0041 4 0.14 0.28003
V
V

= + =
Der Fehler des Volumens ist etwa
zweimal der Fehler des Durchmessers.
1 1 1
; ; ;
x y z
f f f
x y z x y z x y z
x y z
f






=
= = =
Fehlerfortpflanzung Fehlerfortpflanzung -- Potenzprodukte Potenzprodukte
( ) ( ) ( )
2 2 2
1 2 1 2 1 2
f x y z
x y z x y z x y z



= + +
( ) ( ) ( )
2 2 2
1 1 1
x y z x y z x y z



T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 40
( )
( )
( )
( )
( )
( )
2 2 2
1 1 1
2 2 2
2 2 2
f
x y z
x y z x y z x y z
f
x y z x y z x y z





= + +
( )
( )
( )
( )
( )
( )
2 2 2
2 2 2
2 2 2
f
x y z
f
x y z


= + +
( ) ( ) ( )
2
2 2
2 2 2
f y
x z
f x y z




| |
| | | |
= + +
|
| |
|
\ \
\
( ) ( ) ( )
2
2 2
2 2 2
f y
x z
f x y z



| |
| | | |
= + + |
| |
| |
|
\ \
\
Fehlerfortpflanzung Fehlerfortpflanzung -- Potenzprodukte Potenzprodukte
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 41
Bei einem Potenzprodukt erspart man sich die Berechnung der Differential-
quotienten, da der relative Fehler durch die Summe der mit der Potenz
gewichteten Quadrate der relativen Fehler berechnet wird.
m
L
= m
1
- m
2
1 2
2 2
2 2
1 2
m m
L
L L
m m m
m m
m m




| | | |
= +
| |
\ \
Fehlerfortpflanzung Fehlerfortpflanzung -- Beispiele Beispiele
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 42
( ) ( )
1 2
1 2
L
1 2
2 2
2 2
2 2
m m
1 und 1
m m
1 1
L
L
L
m m m
m m m




= =
= +
= +
Fehlerfortpflanzung Fehlerfortpflanzung Rckblick Rckblick Grtfehler Grtfehler
Bei Produkten und Quotienten addieren sich die relativen Fehler.
C A B
C A B
C A B

= = +
/
C A B
C A B
C A B

= = +
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 43
2 2
/
C A B
C A B
C A B

| | | |
= = +
| |
\ \
C A B
Die Gausssche Fehlerfortpflanzung wird fr beide Flle ergeben:
2 2
C A B
C A B
C A B

| | | |
= = +
| |
\ \
Wahrscheinlicher Fehler:
Fehlerfortpflanzung Fehlerfortpflanzung Rckblick Rckblick Grtfehler Grtfehler
Bei Summen und Differenzen addieren sich die absoluten Fehler.
B A C B A C + = + =
B A C B A C + = =
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 44
B A C B A C + = =
Die Gausssche Fehlerfortpflanzung wird
fr den wahrscheinlichen Fehler ergeben:
( ) ( )
2 2
B A C B A C + = + = Wahrscheinlicher Fehler
Elastizitt Elastizitt Hookesches Hookesches Gesetz Gesetz
Die Spannung ist proportional zur Dehnung
F l
E E
A l


= = =
Im linearen (elastischen) Bereich gilt:
Die Proportionalittskonstante heit:
Elastizittsmodul.
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 45
Elastizittsmodul.
Das makroskopische Federmodell fr einen
elastischen Krper erklrt viele Eigenschaften von
Festkrpern:
Elastizitt
Wrmeleitung
Wrmekapazitt
Schallausbreitung und vieles mehr.
Die Durchbiegung von Stben hngt auer vom Material (Elastizittsmodul) auch von
der Geometrie (Flchentrgheitsmoment) des Krpers ab.
Praktikumsversuch:
Aktuelle bung Aktuelle bung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 46
http://de.wikipedia.org/wiki/Flchentrgheitsmoment
Praktikumsversuch:
F
G
3
3
1
4
G
l
s F
b h E
=

Stab der Lnge l mit rechteckigem Querschnitt
der Breite b und der Hhe h.
Beispiel Beispiel -- Standardfehler Standardfehler
Nummer Zeit/s
1 10,1
2 10,1
3 10,1
4 10,1
5 10,1
6 10,1
1
1
10,10000......s
n
i
i
t t
n
=
= =

0, 000000000000.... s
t
t
s
s
n
= =
( )
2
1
1
0, 00000000.....s
1
n
t i
i
s t t
n
=
= =


T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 47
7 10,1
8 10,1
9 10,1
10 10,1
n
Ist das jetzt Unsinn?
( )
10,10 0, 00 s t =
Ja: Und zwar ziemlich groer!
Beispiel Beispiel -- Standardfehler Standardfehler
Nummer Zeit/s
1
10,1.
2 10,1.
3 10,1.
4 10,1.
5 10,1.
6 10,1.
1
1
10,10000......s
n
i
i
t t
n
=
= =

0, 016666.... s
t
t
s
s
n
= =
( )
2
1
1
0, 05 0, 052705.....s
1
n
t
i
s
n
=
= =


T. Kieling: Auswertung von Messungen und Fehlerrechnung - Fehlerfortpflanzung 08.12.2011
Vorlesung 08- 48
6 10,1.
7 10,1.
8 10,1.
9 10,1.
10 10,1.
n
Ist das jetzt wiederum Unsinn?
( )
10,100 0, 017 s t =
Jain, nicht mehr ganz so gro!
Ankndigung Ankndigung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gau`sche Fehlerfortpflanzung, Beispiele 15.12.2011
Vorlesung 09- 1
bungsaufgabe bungsaufgabe
3
3
1
4
G
l
s F
b h E
=

T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gau`sche Fehlerfortpflanzung, Beispiele 15.12.2011
Vorlesung 09- 2
Auswertegleichung mit eingesetzten Messwerten in SI-Einheiten.
bungsaufgabe bungsaufgabe
3
1 l
=
3
1 l
E F =
F
G
3
3
1
4
G
l
s F
b h E
=

T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gau`sche Fehlerfortpflanzung, Beispiele 15.12.2011
Vorlesung 09- 3
3
3
1
4
G
l
E F
b h s
=

( ) ( )
2 2 2 2
2 2
3 3
E l m b h s
E l m b h s

| | | | | | | | | |
= + + + +
| | | | |
\ \ \ \ \
3
1
4
G
l
E F
b h s
=

Fehlerhafte Gren: l,b,h,s,F
G
= mg
bungsaufgabe bungsaufgabe
Fehlerbehaftete Gre Variable Messwert Absoluter Fehler Relativer Fehler
Durchbiegung s 206.11710
-6
m 2,293 10
-6
m 0,011123813
Hhe h 5,5580 10
-3
m 0,070010
-3
m 0,012599597
Lnge l 0,813 m 0,010 m 0,012300123
Breite b 0,03427 m 0,00015 m 0,004377006
Masse m 0,1225 kg 0,0010 kg 0,008163265
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gau`sche Fehlerfortpflanzung, Beispiele 15.12.2011
Vorlesung 09- 4
h = (5,558 0,070) 10
-3
m
In der Fehlerrechnung ist das so verlangt und sinnvoll.
Mittelwert = Erwartungswert: 0,5 Unflle pro Woche.
Im Praktikum gilt nach wie vor die Vorschrift:
Zwei signifikante Stellen fr den Fehler.
bungsaufgabe bungsaufgabe
Fehlerbehaftete Gre Variable Messwert Absoluter Fehler Relativer Fehler
Durchbiegung s 206.11710
-6
m 2,293 10
-6
m 0,011123813
Hhe h 5,5580 10
-3
m 0,070010
-3
m 0,012599597
Lnge l 0,813 m 0,010 m 0,012300123
Breite b 0,03427 m 0,00015 m 0,004377006
Masse m 0,1225 kg 0,0010 kg 0,008163265
3
l F
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gau`sche Fehlerfortpflanzung, Beispiele 15.12.2011
Vorlesung 09- 5
3
3
4
G
l F
E
b h s
=

( )
( )
3
3
3 3 2
3 6
11
2
-2
0, 813 0,1225 9, 81
m kg m
m m m s
4 0, 03427 5, 5580 10 206,117 10
N
1, 331169 10
m
133,1 GNm
E



=


=
=
bungsaufgabe bungsaufgabe
( ) ( )
2 2 2 2
2 2
3 3
E l m b h s
E l m b h s

| | | | | | | | | |
= + + + +
| | | | |
\ \ \ \ \
( ) ( ) ( ) ( ) ( ) ( ) ( )
2 2 2 2 2 2 2
3 0, 012300 0, 0081633 0, 004377 3 0, 0125996 0, 0111238
E
E

= + + + +
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gau`sche Fehlerfortpflanzung, Beispiele 15.12.2011
Vorlesung 09- 6
0, 0547721
E
E

=
( )
11 -2
1, 331 0, 073 10 Nm E =
Erstabgabe bung 8 Erstabgabe bung 8
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gau`sche Fehlerfortpflanzung, Beispiele 15.12.2011
Vorlesung 09- 7
6 5 4 3 2 1 nicht abgegeben
Vorlesungsumfrage Vorlesungsumfrage
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gau`sche Fehlerfortpflanzung, Beispiele 15.12.2011
Vorlesung 09- 8
Vorlesungsumfrage Vorlesungsumfrage
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gau`sche Fehlerfortpflanzung, Beispiele 15.12.2011
Vorlesung 09- 9
Fehlerfortpflanzung I:
Unabhngige fehlerbehafte
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gau`sche Fehlerfortpflanzung, Beispiele 15.12.2011
Vorlesung 09- 10
Unabhngige fehlerbehafte
Messgren
Beispiele
Zusammenfassung Zusammenfassung
Was bisher geschah:
Annahme: Physikalische Gre f = f (x , y), als Funktion zweier
Messgren x und y gegeben, x und y statistisch voneinander unabhngig.
Ferner:
{ }
{ } Messwerte s
Messwerte r
k k
i i
v y y
u x x
+ =
+ =
Weitere Annahme: u und v kleine Gren, so kann linearisiert werden zu
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gau`sche Fehlerfortpflanzung, Beispiele 15.12.2011
Vorlesung 09- 11
( )
( ) ( )
y
y x f
v
x
y x f
u y x f f
k i ik

, ,
, + + =
Weitere Annahme: u
i
und v
k
kleine Gren, so kann linearisiert werden zu
( ) ( )
2 2
2 2
,
x
f x y
f x , y f x y
y




= +
` `
) )
Dann ist die Standardabweichung der f
ik
dargestellt durch:
Zusammenfassung Zusammenfassung
Allgemein ergibt sich damit das Gausche Fehlerfortpflanzungsgesetz:
( ) ( )
1
2 2
1 2 1 2 2 2
1
, ,......, , ,......,
.......
n
n n
f x x
n
f x x x f x x x
x x



= + +
` `
) )
Vereinfachende Sonderflle:
( ) ( )
2 2
+ = + =
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gau`sche Fehlerfortpflanzung, Beispiele 15.12.2011
Vorlesung 09- 12
( ) ( )
2 2
B A C B A C + = + =
2 2
/
C A B
C A B
C A B

| | | |
= = +
| |
\ \
2 2
C A B
C A B
C A B

| | | |
= = +
| |
\ \
( ) ( ) ( )
2
2 2
2 2 2
f y
x z
f x y z



| |
| | | |
= + + |
| |
| |
|
\ \
\
( , , ) x y z f x y z

=
Bei Potenzprodukten ergibt sich:
Zusammenfassung Zusammenfassung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gau`sche Fehlerfortpflanzung, Beispiele 15.12.2011
Vorlesung 09- 13
( )
2
1
1
1
2

=
=

n
i
x
i
x
n
s
x
Bei Messreihen ist die Stichprobenvarianz gegeben durch:
Der Standardfehler entsprechend:
n
x
x
s
s =
Fehlerrechnung Fehlerrechnung Wann bentigt? Wann bentigt?
Beispiel: Messung der Dichte der Luft
V
m m
V
m
L 2 1

= =
V = (16,73 0,21) cm
3
m
1
= (10,3420 0,0020) g
m
2
= (10,3210 0,0020) g
m
L
= 0,0210 g
= 1,25523 10
-3
g cm
-3
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gau`sche Fehlerfortpflanzung, Beispiele 15.12.2011
Vorlesung 09- 14
Quotient:
2
2
L
L
m V
m V

| |
| |
= +
| |
\
\
Differenz:
2 2
1 2
( ) ( ) 0, 0028 g
L
m m m = + =
0,13 ; 0, 013 ;
L
L
m V
m V

= =
Fehlerrechnung Fehlerrechnung Wann bentigt? Wann bentigt?
Beispiel: Messung der Dichte der Luft
V
m m
V
m
L 2 1

= =
V = (16,73 0,21) cm
3
m
1
= (10,3420 0,0020) g
m
2
= (10,3210 0,0020) g
m
L
= 0,0210 g
= 1,25523 10
-3
g cm
-3
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gau`sche Fehlerfortpflanzung, Beispiele 15.12.2011
Vorlesung 09- 15
Quotient:
2
2
0,1324 0,13
L
L
m V
m V

| |
| |
= + = =
| |
\
\
Differenz:
2 2
1 2
( ) ( ) 0, 0028 g
L
m m m = + =
3 3
(1, 26 0,16) 10 g cm

=
Fehlerrechnung Fehlerrechnung Wie gehe ich vor? Wie gehe ich vor?
Die Fehlerabschtzung/Fehlerrechnung soll aus physikalischen berlegungen
Liegen unabhngige Messgren, deren relative Fehler sich alle in der selben
Grenordnung bewegen, so wird eine Fehlerrechnung unumgnglich.
Vorsicht ist weiterhin bei Differenzen, Potenzprodukten, sowie physikalischen
Gesetzmigkeiten die sich auf trigonometrische Funktionen sttzen, geboten.
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gau`sche Fehlerfortpflanzung, Beispiele 15.12.2011
Vorlesung 09- 16
Die Fehlerabschtzung/Fehlerrechnung soll aus physikalischen berlegungen
folgen und kann diese nicht ersetzen.
In vielen Fllen ist es sinnvoll, statt einer sturen formalen Behandlung, zunchst
physikalische und/oder formale Vorberlegungen anzustellen.
Im Folgenden soll das Vorgehen an konkreten Beispielen aus den Modulen
des physikalischen Grundpraktikums illustriert werden.
Es stehen drei Probekrper zur Verfgung:
Ein Quader
Ein Stab
Ein Zylinder mit Innenbohrung
Die Aufgabe des Versuchsteils ist es,
die Dichte zu bestimmen,
Beispiel 1 Beispiel 1 Bestimmung von Dichten Bestimmung von Dichten
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gau`sche Fehlerfortpflanzung, Beispiele 15.12.2011
Vorlesung 09- 17
die Dichte zu bestimmen,
eine Fehlerrechnung durchzufhren und
anhand des Ergebnisses festzustellen,
ob die Krper aus dem gleichen Material gefertigt sind.
Beispiel 1 Beispiel 1 Bestimmung von Dichten Bestimmung von Dichten
Messschieber:
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gau`sche Fehlerfortpflanzung, Beispiele 15.12.2011
Vorlesung 09- 18
Beispiel 1 Beispiel 1 Bestimmung von Dichten Bestimmung von Dichten
Messingquader Die Masse wird mit der Waage 2,
die Lngen mit dem Messschieber bestimmt:
M = (87.1 0.1) g
3 3
10 66 . 1 10 15 . 1

=

=
L M
H B L
M
=
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gau`sche Fehlerfortpflanzung, Beispiele 15.12.2011
Vorlesung 09- 19
M = (87.1 0.1) g
L = (30.05 0.05) mm
H = (19.93 0.05) mm
B = (19.90 0.05) mm
3 3
10 51 . 2 10 51 . 2
10 66 . 1 10 15 . 1

=

= =
B
B
H
H
L M
% 25 . 0 % 25 . 0
% 17 . 0 % 12 . 0
=

B
B
H
H
L
L
M
M
2 2 2 2
|

\
|

+
|

\
|

+
|

\
|

+
|

\
|

H
H
B
B
L
L
M
M
H B L
M
=
Beispiel 1 Beispiel 1 Bestimmung von Dichten Bestimmung von Dichten
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gau`sche Fehlerfortpflanzung, Beispiele 15.12.2011
Vorlesung 09- 20
% 41 . 0 10 08 . 4
3
=

( )
3
7 308 0 030
g
. .
cm
=
Die Masse wird mit der Waage 2,
der Durchmesser mit dem Messschieber
und die Lnge mit einem Lineal
gemessen
2 2
4
2
D L
M
D
L
M
V
M

=
|

\
|
= =
Dichte eines Stabes
Beispiel 1 Beispiel 1 Bestimmung von Dichten Bestimmung von Dichten
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gau`sche Fehlerfortpflanzung, Beispiele 15.12.2011
Vorlesung 09- 21
M = (47.7 0.1) g
L = (200.5 0.5) mm
D = (6.05 0.05) mm
3 3 3
10 26 . 8 10 49 . 2 10 10 . 2

=

D
D
L
L
M
M
% 83 . 0 % 25 . 0 % 21 . 0 =

D
D
L
L
M
M
% 7 . 1 10 68 . 1
4
2
2 2 2
=

\
|

+
|

\
|

+
|

\
|

D
D
L
L
M
M
Beispiel 1 Beispiel 1 Bestimmung von Dichten Bestimmung von Dichten
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gau`sche Fehlerfortpflanzung, Beispiele 15.12.2011
Vorlesung 09- 22
Woraus fr die Dichte des Stabes folgt:
( )
3
8 28 0 14
g
. .
cm
=
Dichte eines Zylinders mit Innenbohrung
M = (71.2 0.1) g
L = (30.45 0.05) mm
( )
2 2
4
= = =

Z B
M M M
V V - V
L D - l d
Beispiel 1 Beispiel 1 Bestimmung von Dichten Bestimmung von Dichten
Die Masse wird mit der Waage 2,
die Durchmesser und die Lngen mit der Messschieber.
Dabei sollten die Betreuer bei der Messung der Innenbohrung Hilfestellung
leisten.
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gau`sche Fehlerfortpflanzung, Beispiele 15.12.2011
Vorlesung 09- 23
L = (30.45 0.05) mm
D = (19.95 0.05) mm
l = (20.04 0.05) mm
d = (8.15 0.05) mm
3 3
3 3 3
10 13 . 6 10 50 . 2
10 51 . 2 10 64 . 1 10 40 . 1


=

d
d
l
l
D
D
L
L
M
M
% 61 . 0 % 25 . 0
% 25 . 0 % 16 . 0 % 14 . 0
=

d
d
l
l
D
D
L
L
M
M
( )
3
8 403

=
Z B
V V - V
L D - l d
g
.
cm
( )
2 2
4
= = =


Z B
M M M
V V V
L D l d
( )
( )
2 2
2 2
4
4
| |

| =
|


\
=

M
M M
L D l d
L D l d
Beispiel 1 Beispiel 1 Bestimmung von Dichten Bestimmung von Dichten
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gau`sche Fehlerfortpflanzung, Beispiele 15.12.2011
Vorlesung 09- 24
1
M
V
M V M M

= = =

Oder, statt stur den Formalismus anzuwerfen,


denken wir kurz nach und finden
Dies rechnet sich schneller
und vor allen Dingen mit weniger Fehlern.
( )
2 2
4
| |

| =
|

\
M
L L L D l d
( )
( )
1
1 2 2
4


=

M L D l d
L L
Beispiel 1 Beispiel 1 Bestimmung von Dichten Bestimmung von Dichten
( )
2 2
4
= = =


Z B
M M M
V V V
L D l d
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gau`sche Fehlerfortpflanzung, Beispiele 15.12.2011
Vorlesung 09- 25
( )
2
2 2


D
L
LD ld
( ) ( )
( )
2
1 2 2 2
1 4

M L D l d D
L
( )
2
2
2 2
4
=


M D
L
L D l d
( )
( )
2
2 2
2
d
ld LD
D
L
M M

+ =

=
=


2 2 2 2 2
2 2 2 2 2
M D L d l
M D L d l


| | | | | | | | | |
= + + + +
| | | | |
\ \ \ \ \
( )
3
2 2
403 . 8
4
cm
g
d l D L
M
V V
M
V
M
B Z
=

= =

Beispiel 1 Beispiel 1 Bestimmung von Dichten Bestimmung von Dichten


3
0.053 0.63%
g
cm

= =
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gau`sche Fehlerfortpflanzung, Beispiele 15.12.2011
Vorlesung 09- 26
( )
( )
( )
2 2
2 2
2 2
2
2
ld LD
dl
d
ld LD
DL
D
ld LD l

+ =

+ =

3
) 053 . 0 403 . 8 (
cm
g
=
Woraus fr die Dichte des Messingkrper folgt:
Dies ist das Ergebnis einer stur brute force durchgefhrten Fehlerrechnung. Das
Ergebnis ist vllig korrekt, aber es mssen viele Schritte durchgefhrt werden, was
Zeitaufwand und mgliche Fehlerquellen bedeutet.
Geht es einfacher?
Die Fehlerrechnung kann auch in mehreren Schritten durchgefhrt werden:
Zunchst werden die Volumina V
Z
und V
B
sowie deren Fehler berechnet.
Die Auswertegleichung fr die Volumina der beiden Teilzylinder
( )
2 2
4
= = =


Z B
M M M
V V V
L D l d
Beispiel 1 Beispiel 1 Bestimmung von Dichten Bestimmung von Dichten
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gau`sche Fehlerfortpflanzung, Beispiele 15.12.2011
Vorlesung 09- 27
2
D L V
i
=
ergibt folgende Werte fr die Volumina
3
3
045 . 1
518 . 9
cm V
cm V
B
Z
=
=
2 2
2
|

\
|

+
|

\
|

D
D
L
L
V
V
3 3
0 050 0 013 = =
Z B
V . cm V . cm
Der Volumen des Krpers sowie dessen Fehler ist dann:
( ) ( )
( )
3
2 2
3
3
8.473
0.052
8.473 0.052
Z B
Z B
V V V cm
V V V cm
also
V cm
= =
= + =
=
Beispiel 1 Beispiel 1 Bestimmung von Dichten Bestimmung von Dichten
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gau`sche Fehlerfortpflanzung, Beispiele 15.12.2011
Vorlesung 09- 28
Danach erfolgt die Berechnung des Fehlers der
Dichte:
00629 . 0
2 2
=
|

\
|

+
|

\
|

=
V
V
M
M
V
M

3
) 053 . 0 3 40 . 8 (
cm
g
=
Dies ist das gleiche Ergebnis, wie bei einer frontalen
Fehlerrechnung, jedoch ohne langwierige Rechnungen mittels partieller
Ableitungen erzielt.
Beispiel 2 Beispiel 2 Wheatstonesche Wheatstonesche Brcke Brcke
Fehlerrechnung kann auch Bestandteil physikalischer Vorberlegungen sein:
U R
V
S
R
R R
R
V
1 2
G
A
x L
R
A
x
R
A
L
R
-
2
1

=
=
=
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gau`sche Fehlerfortpflanzung, Beispiele 15.12.2011
Vorlesung 09- 29
U R
A
x L
x
x L
A
A
x
R
R
R
R

= =
) (
2
1
V
G

( )
( )
G
V
2
V
2
x
R
R L
R
x
L x
L
R
L x

R
v
und L werden als fehlerfrei angenommen
V G
R
x L
x
R

=
Beispiel 2 Beispiel 2 Wheatstonesche Wheatstonesche Brcke Brcke
U R
V
S
R
R R
R
V
1 2
G
Was bringt eine Fehlerrechnung
vor Beginn einer Messung ?
Bei welchem Wert von x ist der Standardfehler minimal ?
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gau`sche Fehlerfortpflanzung, Beispiele 15.12.2011
Vorlesung 09- 30
Bei welchem Wert von x ist der Standardfehler minimal ?
( )
( )
( )
x x
G
R
x L x
L
R x
x L
x L
R L
R
G

=
V
2
V
( )
( ) 2
0
2
2
2
L
x
x L x
x L L
x
R
x
R
G
= =

=
|
|

\
|

Das heit, bei einer Messung mit der Wheatstoneschen Brcke erzielt man den
kleinsten relativen Fehler, wenn man den Vergleichswiderstand R
v
etwa gleich
gro whlt wie den zu messenden Widerstand R
G
, bzw. der Schleifer im
abgeglichenen Zustand den Brckendraht halbiert.
Beispiel 3 Beispiel 3 Bestimmung Federkonstante Bestimmung Federkonstante
Welche Aussagen ermglicht die Fehlerrechnung?
Bestimmung der Federkonstanten nach der dynamischen Methode:
0
mit
3
F
G
m D
m m
m
= = +
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gau`sche Fehlerfortpflanzung, Beispiele 15.12.2011
Vorlesung 09- 31
2
2
2
4
m
T
D
T m
D

=
=
Messung: 10 Periodendauern
Beispiel 3 Beispiel 3 Bestimmung Federkonstante Bestimmung Federkonstante
Masse / g T
10
/ s
54,7 5,5
74,7 6,7
104,7 7,8
124,7 8,4
2
2
4
T m
D

=
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gau`sche Fehlerfortpflanzung, Beispiele 15.12.2011
Vorlesung 09- 32
124,7 8,4
154,7 10,1
174,7 10,3
204,7 10,9
224,7 11,5
0,1 g 0,2 s
Messung: 10 Periodendauern
Beispiel 3 Beispiel 3 Bestimmung Federkonstante Bestimmung Federkonstante
Masse / g T
10
/ s T / s T
2
/s
2
54,7 5,5 0,55 0,3025
74,7 6,7 0,67 0,4489
104,7 7,8 0,78 0,6084
2
2
4
T m
D

=
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gau`sche Fehlerfortpflanzung, Beispiele 15.12.2011
Vorlesung 09- 33
124,7 8,4 0,84 0,7056
154,7 10,1 1,01 1,0201
174,7 10,3 1,03 1,0609
204,7 10,9 1,09 1,1881
224,7 11,5 1,15 1,3225
0,1 g 0,2 s 0,02 s
2
2
2
T T
T T
| |
| |
=
| |
\
\
Beispiel 3 Beispiel 3 Bestimmung Federkonstante Bestimmung Federkonstante
1,00
1,50
Schwingungsdauer ber
10 Perioden gemittelt
T
2
(
s
s
)
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gau`sche Fehlerfortpflanzung, Beispiele 15.12.2011
Vorlesung 09- 34
40 60 80 100 120 140 160 180 200 220 240
0,00
0,50
T
m (g)
Der physikalische Zusammenhang ist bekannt!
Beispiel 3 Beispiel 3 Bestimmung Federkonstante Bestimmung Federkonstante
1,00
1,50
Schwingungsdauer ber
10 Perioden gemittelt
T
2
(
s
s
)
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gau`sche Fehlerfortpflanzung, Beispiele 15.12.2011
Vorlesung 09- 35
40 60 80 100 120 140 160 180 200 220 240
0,00
0,50
T
m (g)
Systematischer Fehler? Grober Fehler?
Hypothese: Wir haben uns verzhlt!
Beispiel 3 Beispiel 3 Bestimmung Federkonstante Bestimmung Federkonstante
Masse / g T
10
/ s T / s T
2
/s
2
54,7 5,5 0,55 0,3025
74,7 6,7 0,67 0,4489
104,7 7,8 0,78 0,6084
2
2
4
T m
D

=
11 Schwingungen?
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gau`sche Fehlerfortpflanzung, Beispiele 15.12.2011
Vorlesung 09- 36
124,7 8,4 0,84 0,7056
154,7 10,1 1,01 1,0201
174,7 10,3 1,03 1,0609
204,7 10,9 1,09 1,1881
224,7 11,5 1,15 1,3225
0,1 g 0,2 s 0,02 s
2
2
2
T T
T T
| |
| |
=
| |
\
\
Hypothese: Wir haben uns verzhlt!
Beispiel 3 Beispiel 3 Bestimmung Federkonstante Bestimmung Federkonstante
Masse / g T
10
/ s T / s T
2
/s
2
54,7 5,5 0,55 0,3025
74,7 6,7 0,67 0,4489
104,7 7,8 0,78 0,6084
2
2
4
T m
D

=
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gau`sche Fehlerfortpflanzung, Beispiele 15.12.2011
Vorlesung 09- 37
124,7 8,4 0,84 0,7056
154,7 10,1 0,92 0,8464
174,7 10,3 1,03 1,0609
204,7 10,9 1,09 1,1881
224,7 11,5 1,15 1,3225
0,1 g 0,2 s 0,02 s
2
2
2
T T
T T
| |
| |
=
| |
\
\
Beispiel 3 Beispiel 3 Bestimmung Federkonstante Bestimmung Federkonstante
1,00
1,50
Schwingungsdauer ber
10 Perioden gemittelt
T
2
(
s
s
)
2
2
4
T m
D

=
6, 8
Best
N
D
m
=
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gau`sche Fehlerfortpflanzung, Beispiele 15.12.2011
Vorlesung 09- 38
40 60 80 100 120 140 160 180 200 220 240
0,00
0,50
T
m (g)
Und der Fehler? Graphisch oder lineare Regression
Ankndigung Ankndigung
Probeklausur:
Letzte Vorlesungswoche im Tutorium
Die Probeklausur dient der Verfeinerung ihrer Vorbereitung,
auf keinen Fall ist sie selbst zur Vorbereitung ausreichend!
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gausche Fehlerrechnung, Verwerfen von Daten 22.12.2011
Vorlesung 10- 1
Klausuraufgaben aus den bisherigen Vorlesungsinhalten:
Erste Vorlesungswoche nach Weihnachten im Tutorium
Aufgaben ab heute erhltlich auf den Seiten des Tutoriums
Ankndigung Ankndigung
Blockkurs Grundpraktikum
Wintersemester 2011/2012:
27.02.2012 18.03.2012
Ameldezeitraum:
09.01.2012 20.01.2012
online unter www.ossau.eu
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gausche Fehlerrechnung, Verwerfen von Daten 22.12.2011
Vorlesung 10- 2
Termine:
T17 Montag/Donnerstag 08:00
T18 Montag/Donnerstag 14:00
T19 Dienstag/Freitag 08:00
T20 Dienstag/Freitag 14:00
Erstabgabe bung Erstabgabe bung 99
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gausche Fehlerrechnung, Verwerfen von Daten 22.12.2011
Vorlesung 10- 3
6 5 4 3 2 1 nicht abgegeben
bungsaufgabe bungsaufgabe
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gausche Fehlerrechnung, Verwerfen von Daten 22.12.2011
Vorlesung 10- 4
bungsaufgabe bungsaufgabe
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gausche Fehlerrechnung, Verwerfen von Daten 22.12.2011
Vorlesung 10- 5
bungsaufgabe bungsaufgabe
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gausche Fehlerrechnung, Verwerfen von Daten 22.12.2011
Vorlesung 10- 6
bungsaufgabe bungsaufgabe
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gausche Fehlerrechnung, Verwerfen von Daten 22.12.2011
Vorlesung 10- 7
bungsaufgabe bungsaufgabe
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gausche Fehlerrechnung, Verwerfen von Daten 22.12.2011
Vorlesung 10- 8
bungsaufgabe bungsaufgabe
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gausche Fehlerrechnung, Verwerfen von Daten 22.12.2011
Vorlesung 10- 9
bungsaufgabe bungsaufgabe
Auf eine in einem sehr zhen Medium fallende Kugel mit dem Radius r
wirken drei Krfte
Die Auftriebskraft
F
A
= - 4/3 r
3

Fl
g
Die Reibkraft nach Stokes
F
R
= - 6 r v
Die Gewichtskraft
F
G
= 4/3 r
3
g
Der Ansatz fr die Reibkraft gilt nur bei
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gausche Fehlerrechnung, Verwerfen von Daten 22.12.2011
Vorlesung 10- 10
Der Ansatz fr die Reibkraft gilt nur bei
unendlich ausgedehnten Gefen
(Bedingung H >> R >> r )
Die Stokes-Beziehung gilt auch nur
dann, wenn die Reynoldszahl sehr klein
gegen 1 ist
bungsaufgabe bungsaufgabe
Kraftansatz:
A R G
F F F v m + + =

( )
( )
t
o
t
o
e v v
v e v v v v


=
= + =
1
0 wenn
Dies ist eine Differentialgleichung fr v deren Lsung
ist:
3 3
3 / 4 6 3 / 4 r g v r r g v m
Fl K
=

T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gausche Fehlerrechnung, Verwerfen von Daten 22.12.2011
Vorlesung 10- 11
( )
t
e v v

= 1
( )
m
r g r
v
Fl K

6
und
9
2
2
=

( )
t
9
g 2
0
2
r
h
F F F
Fl k
A R G


=
+ + =
Stationrer Zustand:
bungsaufgabe bungsaufgabe
( )
( )
t
o
t
o
e v v
v e v v v v


=
= + =
1
0 wenn
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gausche Fehlerrechnung, Verwerfen von Daten 22.12.2011
Vorlesung 10- 12
Geschwindigkeitsverlauf einer Glaskugel
in Wasser
= 10
-3
Pas, r = 0.7 mm, m = 6.2 mg
Geschwindigkeitsverlauf einer Glaskugel
in l
= 1.0 Pas, r = 0.7 mm, m = 6.2 mg
bungsaufgabe bungsaufgabe
Was sagt Fehlerfortpflanzungsgesetz ?
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gausche Fehlerrechnung, Verwerfen von Daten 22.12.2011
Vorlesung 10- 13
2 2 2 2
2 2 2 2
m t r H
m t r H





= + + +


Was sagt Fehlerfortpflanzungsgesetz ?
bungsaufgabe bungsaufgabe
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gausche Fehlerrechnung, Verwerfen von Daten 22.12.2011
Vorlesung 10- 14
bungsaufgabe bungsaufgabe
Bestimmung des Kugelradius:
1
1
n
i
i
x x
n
=
=

T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gausche Fehlerrechnung, Verwerfen von Daten 22.12.2011
Vorlesung 10- 15
( ) ( )
2
1
1
1
1
n
x i
i
x x n
n

=
= >


x
x
s
n

=
bungsaufgabe bungsaufgabe
2 2 2 2
2 2 2 2
m t r H
m t r H





= + + +


Frontal:
( )
( )
3
4
3
6
m r g t
r H
g t

=
= =
2
4
3
4
6 6
2
m g t r g t
r r r H H
m g t r g t




=


T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gausche Fehlerrechnung, Verwerfen von Daten 22.12.2011
Vorlesung 10- 16
( )
( )
( )
3
4
3
3
4
3
3
4
3
2
6
6
6
g t
m r H m r
m r g
t r H t
m r gt
H r H H








= =

= =

= =
4
3
2
2
2
6 6
4
6 9
m g t r g t
r H H
m g t r g t
r H H

=
=
Vier partielle Ableitungen
bungsaufgabe bungsaufgabe
Vereinfachung des Klammerausdruckes:
( )

3
3
4
6
t g A
H r
t g r m
=

=
2 2 2 2
2 2 2 2
2 2 2 2
t r H A
A t H r
A t H r
A t H r


= + + +




= + + +


Gedanklich nachvollziehbar, aber leider falsch
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gausche Fehlerrechnung, Verwerfen von Daten 22.12.2011
Vorlesung 10- 17

3
3
4
6
r m A
H r
t g A
=
=
2 2
2 2
2
1 ; 4
(0.3498 0.0026) Pa s
A A
A m r
m r
A A
r
m r





= +


= =
=
Die Messgre A ist nicht unabhngig von der Messgre r !
bungsaufgabe bungsaufgabe
( ) ( )
2 2
1 2
2 2 2 2
1 1
2 2 2
4
m t r H
m t r H
t r H



= +


= + + +




= + +
CHAOTISCHE Vereinfachung des Klammerausdruckes:
( )
H r
t g r m
6
2 1
3
3
4

=
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gausche Fehlerrechnung, Verwerfen von Daten 22.12.2011
Vorlesung 10- 18
2 2
4
0 3498 0 0030 Pa s
t r H
t r H
( . . )



= + +


=
H
t g r
H r
t g m
9
2
;
6
2
2 1

= =
Die Messgre
1
ist nicht unabhngig von der Messgre
2
usw.
bungsaufgabe bungsaufgabe
Korrekte Vereinfachung des Klammerausdruckes:
( )
H
t g A
H r
t g r m

6
6
3
3
4
=

=
2 2 2
2 2 2
2 2 2
t H A
A t H
A t H
A t H


= + +




= + +


T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gausche Fehlerrechnung, Verwerfen von Daten 22.12.2011
Vorlesung 10- 19
2 2
2 2
(0.3498 0.0027) Pa s
A A
A m r
m r


= +


=


r
r
m
r
A
r m
A
r
r
m
A
3
8
;
1
3
4
2
2
= =
=
Zwei partielle Ableitungen
bungsaufgabe bungsaufgabe
Vereinfachung des Klammerausdruckes:
( )
3
4
3
6
6
m r g t
r H
Ag t
r H

=
=
2 2 2 2
2 2 2 2



= + + +
Nherung im Praktikum fr ganz eilige Flle
6
m g t
r H

=
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gausche Fehlerrechnung, Verwerfen von Daten 22.12.2011
Vorlesung 10- 20
( )
3
3
4
3
4
3
Kg Fl
A m r
A r


=
=
2 2 2 2
2 2 2 2
(0.3498 0.0022) Pa s
m r t H
m r t H
m t H r
m t H r


= + + +



= + + +


=
3 3
5, 42 0, 975
Kg Fl
g g
cm cm
= =
bungsaufgabe bungsaufgabe -- Weiterfhrendes Weiterfhrendes
( )
3
4
3
6
m r g t
r h

=
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gausche Fehlerrechnung, Verwerfen von Daten 22.12.2011
Vorlesung 10- 21
ist keine Funktion von r!!
ist eine Materialkonstante und darf nicht von den
Dimensionen des Messobjekts abhngig sein!!!
bungsaufgabe bungsaufgabe -- Weiterfhrendes Weiterfhrendes
Das bei diesem Versuch verwendete
Gef ist nicht unendlich ausgedehnt.
Man erhlt einen Einfluss der Wand
[Korrektur von Ladenburg (Faxn)]
F
R
= 6 r v (1 + 2.1 r/R)
=
o
(1 + 2.1 r / R)
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gausche Fehlerrechnung, Verwerfen von Daten 22.12.2011
Vorlesung 10- 22
bei r = 0.65 mm betrgt der Korrekturfaktor 1.07
bei r = 2.00 mm betrgt der Korrekturfaktor 1.21
Dies ist aber nicht der einzige "Fehler"
=
o
(1 + 2.1 r / R)
R = 20 mm (Radius des Fallrohres)
bungsaufgabe bungsaufgabe -- Weiterfhrendes Weiterfhrendes
Die Stokes-Beziehung ist sehr kompliziert. Sie gilt nur nherungsweise:
F
R
= 6 r v (1 + 3/8 Re - 19/640 Re
2
+ 71/10240 Re
3
- 30179/17203200 Re
4
)
=
o
(1 + 3/8 Re - 19/640 Re
2
+ 71/10240 Re
3
- 30179/17203200 Re
4
)
Term Re = 0.01 Re = 0.15 Re = 0.3
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gausche Fehlerrechnung, Verwerfen von Daten 22.12.2011
Vorlesung 10- 23
Re
0
1.000000 1.000000 1.000000
Re
1
0.003750 0.056250 0.112500
Re
2
-0.000030 -0.000668 -0.002672
Re
3
0.000000 0.000023 0.000187
Re
4
-0.000000 -0.000006 -0.000047
Summe 1.003720 1.055599 1.109968
Fehlerfortpflanzung I:
Unabhngige fehlerbehafte
Messgren
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gausche Fehlerrechnung, Verwerfen von Daten 22.12.2011
Vorlesung 10- 24
Weitere Beispiele
Verwerfen von Daten
Beispiel 4 Beispiel 4 Brechungsgesetz Brechungsgesetz
Luft
Glas

( )
( )

sin
sin
= n
Dies ist kein Potenzprodukt !
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gausche Fehlerrechnung, Verwerfen von Daten 22.12.2011
Vorlesung 10- 25
2 2
2 2
n n
n





= +


( )
( )
( ) ( )
( ) ( )
2
sin
cos sin
sin
cos

=
=
n
n
Beispiel 5 Beispiel 5 Brewstergesetz Brewstergesetz
( )
( )
( )
( )
( )
( )
( )

tan
cos
sin
90 sin
sin
n
90
sin
sin
n
= =

=
= =
o
Luft
Glas
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gausche Fehlerrechnung, Verwerfen von Daten 22.12.2011
Vorlesung 10- 26
( ) ( )
2
cos
1

=
n
( ) ( )
2
1
cos
n

=
= (56 1)
o
n = 1.483 0.056
Verwerfen von Daten Verwerfen von Daten
Messreihe: 3.8, 3.5, 4.0, 3.9, 3.4, 1.8
Ist der Wert 1.8 ein Messfehler, ein Rechenfehler oder ein legitimer Messwert ?
Mittelwert: 3.40 Stichprobenstandardabweichung = 0.82
Der Messwert 1.8 unterscheidet sich vom Mittelwert 3.40 um 1.95
Standardabweichungen.
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gausche Fehlerrechnung, Verwerfen von Daten 22.12.2011
Vorlesung 10- 27
Gau-Verteilung:
P (auerhalb 1.95 ) = 1 - P(innerhalb 1.95 ) = ?
Verwerfen von Daten Verwerfen von Daten
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gausche Fehlerrechnung, Verwerfen von Daten 22.12.2011
Vorlesung 10- 28
Verwerfen von Daten Verwerfen von Daten
Messreihe: 3.8, 3.5, 4.0, 3.9, 3.4, 1.8
Ist der Wert 1.8 ein Messfehler, ein Rechenfehler oder ein legitimer Messwert ?
Mittelwert: 3.40 Stichprobenstandardabweichung = 0.82
Der Messwert 1.8 unterscheidet sich vom Mittelwert 3.40 um 1.95
Standardabweichungen.
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gausche Fehlerrechnung, Verwerfen von Daten 22.12.2011
Vorlesung 10- 29
Gau-Verteilung:
P (auerhalb 1.95 ) = 1 - P(innerhalb 1.95 ) = 5.12 %
Ist der Wert 1.8 ein Messfehler ? Rechenfehler ? Legitimer Messwert ?
Wir erwarten bei einer Normal-Verteilung, dass 5% der Messwerte
den gleichen oder einen greren Abstand vom Mittelwert besitzen
5% bedeutet 1 Messwert bei etwa 20 Messungen.
Verwerfen von Daten Verwerfen von Daten
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gausche Fehlerrechnung, Verwerfen von Daten 22.12.2011
Vorlesung 10- 30
5% bedeutet 1 Messwert bei etwa 20 Messungen.
Wir haben aber nur 6 Messungen durchgefhrt.
Bei sechs Messungen und 5 % Wahrscheinlichkeit htten wir im Mittel etwa 0.3 Messwerte
erwarten knnen, die hnlich schlecht sind wie 1.8.
Wie glaubwrdig ist der Messwert 1.8 ?
Das Chauvenetsche Kriterium
Wie glaubwrdig ist der Messwert 1.8 ?
Entscheidung des Experimentators
Das Chauvenetsche Kriterium sagt, wenn die erwartete Anzahl von
Verwerfen von Daten Verwerfen von Daten das das Chauvenet Chauvenet sche sche Kriterium Kriterium
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gausche Fehlerrechnung, Verwerfen von Daten 22.12.2011
Vorlesung 10- 31
Das Chauvenetsche Kriterium sagt, wenn die erwartete Anzahl von
Messwerten, die ebenso schlecht sind wie der verdchtige Messwert, kleiner als
1/2 ist, dann ist der Messwert zu verwerfen.
Wir verwerfen also den Wert 1.8
Neue Berechnung des Mittelwertes
Das Chauvenetsche Kriterium
3.8, 3.5, 4.0, 3.9, 3.4
) 82 . 0 ( 26 . 0
) 40 . 3 ( 72 . 3
=
=

x
Wiederholung des Kriteriums?
Verwerfen von Daten Verwerfen von Daten
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gausche Fehlerrechnung, Verwerfen von Daten 22.12.2011
Vorlesung 10- 32
Auerhalb von 1 liegen 32 % der Messwerte, also
0.32 * 5 = 1.6 von 5 Messwerten sollten auerhalb dieses Intervalls liegen.
Wir haben zwei, was akzeptabel ist.
98 . 3
46 . 3
= +
=

x
x
Verwerfen von Daten Verwerfen von Daten Weiteres Beispiel Weiteres Beispiel
Wir messen folgende Spannungen (in Volt):
0,86, 0,83, 0,87, 0,84, 0,82, 0,95, 0,83, 0,85, 0,89, 0,88
Mittelwert: 0,862 Stichprobenstandardabweichung: 0,039 V
0,95 V weicht um 2,26 Standardabweichungen vom Mittelwert ab
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Gausche Fehlerrechnung, Verwerfen von Daten 22.12.2011
Vorlesung 10- 33
Gau-Verteilung:
P (auerhalb 2,26 ) = 1 - P(innerhalb 2,26 ) = 2,38 %
Wir verwerfen also den Wert 0,95 V
Verteilungsfunktionen III:
Wiederholung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen III: Poissonverteilung 12.01.2012
Vorlesung 11- 1
Wiederholung
Poissonverteilung
Was bisher geschah Was bisher geschah
1.) Die Binomialverteilung
Diskrete Wahrscheinlichkeitsverteilung
Beschreibt Anzahl der Erfolge bei Serie gleichartiger und unabhngiger Versuche mit
nur zwei mglichen Ergebnissen (Bernoulli - Experiment)
( ) ( )
m n
m
p p
m
n
m W

= 1
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen III: Poissonverteilung 12.01.2012
Vorlesung 11- 2
W(m) beschreibt, fr gegebene Erfolgswahrscheinlichkeit p, die Wahrscheinlichkeit bei n
Versuchen genau m Erfolge zu erzielen.
Normiert, d. h. Summe ber alle W(m) ist eins.
Erwartungswert M = np
Varianz:
2
= np (1-p) = M (1-p)
Was bisher geschah Was bisher geschah
2.) Die Normalverteilung ( )
( )
2
2
2
1
, .
2
x M
G x e x

=
Kontinuierliche Verteilung
Symmetrisch um den Erwartungswert M, geht schnell gegen null wen (x - M)
2
gro wird
Standardabweichung gegeben durch , Wendepunkt der Verteilungsfunktion
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen III: Poissonverteilung 12.01.2012
Vorlesung 11- 3
Normiert, d. h.
Fehlerfunktion
Im Grenzfall n konvergiert Binomialverteilung gegen Normalverteilung
( )
2
2
2
1
1
2
x M
e dx

( ) dz e P
z

=
1
1
2
2
2
1
1 innerhalb

Wir machen eine Messung


Die Messwerte x
m
setzen sich aus einer groen Zahl
von kleinen Elementarfehlern zusammen,
die um den wahren Wert (Mittelwert) verteilt sind.
Die Elementarfehler treten n mal auf,
m mal positiv und n-m mal negativ.
Bernoulli- Verteilung
diskret
Parameter: n=1, p
Binomial-Verteilung
diskret
Parameter: n, p
Bi (x)
Gauss-Verteilung
Normal-Verteilung
kontinuierlich
Parameter: ,
n
p const.
Von der Binomial Von der Binomial-- zur Normalverteilung zur Normalverteilung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen III: Poissonverteilung 12.01.2012
Vorlesung 11- 4
f
m
= m - (n-m) = 2 m - n
[m = n/2 + f
m
/ 2 ]
G (x)
Der Fehler f
m
setzt sich somit zusammen aus (p = 1/2):
Die Wahrscheinlichkeit dafr, dass der Fehler m mal positiv und n-
m mal negativ auftritt wird durch die Binomial-Verteilung gegeben:
( )
( )
n n
m n
m
m
! m n m!
n!
m
n
p p
m
n
P
2 2
1
1

=

Die Verteilung ist treppenfrmig
P
m
P
m+1
P
m+2
P
m+3
P
m+4
Von der Binomial Von der Binomial-- zur Normalverteilung zur Normalverteilung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen III: Poissonverteilung 12.01.2012
Vorlesung 11- 5
Lassen wir immer kleiner werden und n immer
grer,
dann wird die Anzahl der Stufen immer grer, die
Kurve immer "glatter".
Versuch, eine Funktion zu finden,
die den Verlauf beschreibt.
m+4
f
m
f
m+1
f
m+2
f
m+4
f
m+3
1
1
+
+

m m
m m
f f
P P
f
P
n
m
n
m
m
n
P und
m
n
P
2
1
1 2
1
1

+
=

=
+
2
1
1 1
=
+

=
+ + m m m m
f f sowie P
m
m n
P
Von der Binomial Von der Binomial-- zur Normalverteilung zur Normalverteilung
f
m
= m - (n-m) = 2 m - n
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen III: Poissonverteilung 12.01.2012
Vorlesung 11- 6
2 1
1 2
m
P
m
m n
f
P

+

=

Die Rechnung soll durchgefhrt werden fr Fehler,


die klein sind gegen den maximalen Fehler, also
f
m
<< n und m >> 1.
[m = n/2 + f
m
/ 2 ]
2 1
1 2
m
P
m
m n
f
P

+

=

[m = n/2 + f
m
/ 2 ]
df
dP
n
f P
n
f P
f
P
m m
= =

2 2

n - 2 m 1 n - 2 m = - f
m
/
und der Nenner
m + 1 m = n/2 + f
m
/2 n/2
Abkrzung : n
2
=
2
Von der Binomial Von der Binomial-- zur Normalverteilung zur Normalverteilung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen III: Poissonverteilung 12.01.2012
Vorlesung 11- 7
df n n f
2

f P
df
dP
= df f
P
dP
=
2
1

Abkrzung : n
2
=
2
const x P + =
2
2
2
1
ln

2
2
1

= d 2
2
2
x
e d P

=
Was fehlt ? Was fehlt ?
Wann ist n in der Praxis gut erfllt?
FAUSTREGEL: np > 9
d. h. n hinreichend gro und p nicht zu klein.
je asymmetrischer die Binomialverteilung, desto grer muss n
sein um gut durch Normalverteilung genhert zu sein.
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen III: Poissonverteilung 12.01.2012
Vorlesung 11- 8
sein um gut durch Normalverteilung genhert zu sein.
Was passiert, wenn p sehr klein ist?
Betrachten wir den Fall n und p 0,
mit der Nebenbedingung np = konstant.
Von der Binomial Von der Binomial-- zur zur Poisson Poisson--Verteilung Verteilung
Binomialverteilung ( ) ( )
m n
m
p p
m
n
m W

= 1
Gesucht: W(m) fr n und p = /n
( )
!
lim lim 1
( )! !
( 1)( 2) ( 1)
m n m
n n
n m
m
n
W m
n m m n n
n n n n m


+

=
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen III: Poissonverteilung 12.01.2012
Vorlesung 11- 9
1
( 1)( 2) ( 1)
lim 1 1
!
1 2 1
lim 1 1
!
m
n
n
m
n
n n n n m
m n n n
n n n n m
m n n n n n

+

=



+

=




1
lim 1
!
m
n
m
n
n
m n

( )
lim lim 1
!
n
m
n n
W m
m n




=



Kurze Erinnerung: Eulersche Zahl und Nherungsformel Exponentialfunktion
lim 1
n
x
n
x
e
n


= +


Von der Binomial Von der Binomial-- zur zur Poisson Poisson--Verteilung Verteilung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen III: Poissonverteilung 12.01.2012
Vorlesung 11- 10
Damit:
Dies wird als Poisson`scher Grenzwertsatz oder
als Gesetz seltener Ereignisse bezeichnet.
( )
lim
!
m
n
W m e
m


=


Poisson Poisson--Verteilung Verteilung
Die Verteilung:
( ) ..... , 3 , 2 , 1 , 0 , = =

x wobei
x!
e
x P
x

x ist die Anzahl von Ereignissen in einer bestimmten Zeit oder in einem
heit Poissonverteilung oder Verteilung seltener Ereignisse.
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen III: Poissonverteilung 12.01.2012
Vorlesung 11- 11
bestimmten Volumen, wobei ein bestimmter Mittelwert solcher Ereignisse
erwartet werden kann.
Die Ereignisse mssen zufllig und unabhngig voneinander sein.
Die Verteilung ist diskret und asymmetrisch.
Konsistenz: Wie gro ist der Mittelwert (Erwartungswert)?
( )

=

= = e
x
x x P x x
x
x
x 0 0
!
Der erste Term der Summe ist Null.
Der Faktor x/x! kann durch 1/(x-1)! ersetzt werden.
Poisson Poisson--Verteilung Verteilung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen III: Poissonverteilung 12.01.2012
Vorlesung 11- 12
( )

=
= + + + +


e ....
! !
x
x
! x
e x
3 2
1
1
1
3 2
1
Das heit der Parameter , der die Poisson-Verteilung charakterisiert,
ist gleich der mittleren Anzahl der gezhlten Ereignisse, die erwartet wird,
wenn wir das Zhlexperiment viele Male wiederholen.
Wie gro ist die Standardabweichung ?
Zunchst Berechnung der Varianz
( )


=
2
2
x
e
x


0
2 2

x
x
x
e
x!
e
x
Poisson Poisson--Verteilung Verteilung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen III: Poissonverteilung 12.01.2012
Vorlesung 11- 13
( )
( )

=
+ =
=
0
2 2
0
2
2
2
x
x
x
x!
e
x x
x!
e
x




2
0
2
2
0
2
2

+
+

x
x
x
x
x!
e
x!
e
x
( )
2
2
0
2 2
0
x
x
x
x
e
x
x!
e
x
x!

=
=
=

ersetzen von x
2
mit (x ( x - 1 ) + x ), fhrt zu
( ) ( )
2 2
1

+
=

x
x!
e x x x
( )
2 2
1

x
x!
e x x
Poisson Poisson--Verteilung Verteilung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen III: Poissonverteilung 12.01.2012
Vorlesung 11- 14
( )
2
0 0
0
1

=
=

=
x
x
x
x
x
x!
e x
x!
e x x
x!
Ersetzen von x-2 durch , summieren von = 0
ergibt fr die Summe den Wert eins und damit wird:
2
2
2
2
0
2

=

=
x
x
x
)! (x
e
x!

= + =
2 2
2

=
Die Standardabweichung ist somit gleich der
Wurzel aus dem Mittelwert.
Der Fehler des Mittelwertes ist gegeben durch:
n

=
Poisson Poisson--Verteilung Verteilung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen III: Poissonverteilung 12.01.2012
Vorlesung 11- 15
Der relative Fehler der Poisson-Verteilung ist somit:

n n n
1
= =
n
wobei n die Anzahl der Messungen ist, die wir verwendet haben, um den
Mittelwert zu bestimmen.
Die Anwendung der Poisson-Verteilung ist breit gefchert:
Anzahl der Telefongesprche, die in einer bestimmten Zeit bei einer Firma
eintreffen.
Anzahl der Kunden an einem Bankschalter pro Zeiteinheit.
Poisson Poisson--Verteilung Verteilung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen III: Poissonverteilung 12.01.2012
Vorlesung 11- 16
Anzahl der Kunden an einem Bankschalter pro Zeiteinheit.
Anzahl der Bakterien pro Liter Nhrlsung.
Anzahl der Verkehrsunflle pro Zeiteinheit an einer Kreuzung.
Anzahl der in einer bestimmten Zeit zerfallenden Atomkerne.
Beispiel:
An einer Kreuzung finden pro Woche zwei Verkehrsunflle statt.
Die Hufigkeit der Verkehrsunflle wird durch eine Poissonverteilung
mit = 2 beschrieben.
Wie gro ist die Wahrscheinlichkeit dafr,
dass in einer Woche kein Unfall stattfindet ?
Poisson Poisson--Verteilung Verteilung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen III: Poissonverteilung 12.01.2012
Vorlesung 11- 17
( ) 135335 0
0
2
0
2
2 0
. e
!
e
P = = =

( )
x!
e
x P
x


=
Beispiel:
An einer Kreuzung finden pro Woche zwei Verkehrsunflle statt.
Die Hufigkeit der Verkehrsunflle wird durch eine Poissonverteilung mit
= 2 beschrieben.
Wie gro ist die Wahrscheinlichkeit dafr,
dass weniger als vier Verkehrsunflle in zwei Wochen stattfinden ?
P( 3) = P(0) + P(1) + P(2) + P(3) = 0.4335
Poisson Poisson--Verteilung Verteilung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen III: Poissonverteilung 12.01.2012
Vorlesung 11- 18
P( 3) = P(0) + P(1) + P(2) + P(3) = 0.4335
( )
( )
( )
( ) 195367 0
3
4
3
146528 0
2
4
2
073264 0
1
4
1
018316 0
0
4
0
4 3
4 2
4 1
4 0
.
!
e
P
.
!
e
P
.
!
e
P
.
!
e
P
= =
= =
= =
= =

hnliche Fragen sind z. B. wie viele Kinder werden


pro Tag in einem Krankenhaus geboren ?
(Jahreszeitliche Schwankungen) !!.
Liegt tatschlich eine Poissonverteilung vor ?
Qualitativer graphischer Vergleich
Quantitativ mittels
2
-Test
Poisson Poisson--Verteilung Verteilung
0,15
0,20
0,25
U
n
f
a
l
l
w
a
h
r
s
c
h
e
i
n
l
i
c
h
k
e
i
t
Poisson-Wahrscheinlichkeit
fr erwartete zwei Unflle pro Woche
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen III: Poissonverteilung 12.01.2012
Vorlesung 11- 19
0 1 2 3 4 5 6 7 8 9 10 11
0,00
0,05
0,10
U
n
f
a
l
l
w
a
h
r
s
c
h
e
i
n
l
i
c
h
k
e
i
t
Anzahl der Unflle
Poisson Poisson--Verteilung Verteilung
Anzahl Unflle Hufigkeit Relative Hufigkeit
0 7 0,13462
1 14 0,26923
2 16 0,30769
3 9 0,17308
Betrachte die Anzahl der Unflle an der Kreuzung ber ein Jahr:
Poissonverteilt?
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen III: Poissonverteilung 12.01.2012
Vorlesung 11- 20
3 9 0,17308
4 4 0,07692
5 1 0,01923
6 0 0
7 1 0,01923
8 0 0
Wie gro ist der Mittelwert?
Poisson Poisson--Verteilung Verteilung
Anzahl Unflle Hufigkeit Relative Hufigkeit
0 7 0,13462
1 14 0,26923
2 16 0,30769
3 9 0,17308
4 4 0,07692
5 1 0,01923
6 0 0
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen III: Poissonverteilung 12.01.2012
Vorlesung 11- 21
6 0 0
7 1 0,01923
8 0 0
(0 7 1 14 2 16 3 9 4 4 5 1 6 0 7 1 8 0) / 52 1, 94 = + + + + + + + + =
Poisson Poisson--Verteilung Verteilung
Anzahl Unflle Hufigkeit Relative Hufigkeit Poissonwahr.
0 7 0,13462
0,144
1 14 0,26923
0,279
2 16 0,30769
0,270
3 9 0,17308
Betrachte die Anzahl der Unflle an der Kreuzung ber ein Jahr:
Poissonverteilt?
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen III: Poissonverteilung 12.01.2012
Vorlesung 11- 22
3 9 0,17308
0,175
4 4 0,07692
0,085
5 1 0,01923
0,033
6 0 0
0,011
7 1 0,01923
0,003
8 0 0
0,001
0,20
0,25
0,30
U
n
f
a
l
l
w
a
h
r
s
c
h
e
i
n
l
i
c
h
k
e
i
t
Relative Hufigkeit
Anzahl Unflle
Poissonwahrscheinlichkeit
fr erwartete 1,92 Unflle
Poisson Poisson--Verteilung Verteilung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen III: Poissonverteilung 12.01.2012
Vorlesung 11- 23
0 1 2 3 4 5 6 7 8
0,00
0,05
0,10
0,15
U
n
f
a
l
l
w
a
h
r
s
c
h
e
i
n
l
i
c
h
k
e
i
t
Anzahl der Unflle
bereinstimmung gut?
Zusammenhang der Zusammenhang der Poisson Poisson-- und Normalverteilung und Normalverteilung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen III: Poissonverteilung 12.01.2012
Vorlesung 11- 24
29.09.2003 Vorlesung 5 44
Poisson-
Verteilung
diskret
Parameter =
2
P(x)
Gauss-Verteilung
Normal-Verteilung
kontinuierlich
Parameter: ,
G (x)

= n p
Binomial-Verteilung
diskret
Parameter: n, p
Poisson - Verteilung
diskret
Parameter =
2
P(x)
n
p 0
Bernoulli - Verteilung
diskret
Parameter: n=1, p
Zusammenhang der Verteilungen Zusammenhang der Verteilungen
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen III: Poissonverteilung 12.01.2012
Vorlesung 11- 25
Parameter: n, p
Bi (x)
Gau - Verteilung
Normal - Verteilung
kontinuierlich
Parameter: ,
G (x)
n
p const.

= n p
Ist die Population endlich ?
Ist n gro ?
Ist np > 9 ?
JA
JA NEIN
NEIN
Zusammenhang der Verteilungen Zusammenhang der Verteilungen
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen III: Poissonverteilung 12.01.2012
Vorlesung 11- 26
JA NEIN
Hypergeometrisch Gau
Binomial
Poisson
Gewichtete Mittelwerte
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen III: Poissonverteilung 12.01.2012
Vorlesung 11- 27
Gewichtete Mittelwerte
Problem: Zusammenfassung von Messergebnissen
Zwei Arbeitsgruppen A und B mit unterschiedlichen Versuchsmethoden
Zusammenfassen zu einem Messwert.
B B
A A
X X
X X

=
=
Gewichtete Mittelwerte Gewichtete Mittelwerte
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen III: Poissonverteilung 12.01.2012
Vorlesung 11- 28
Wenn x
A
- x
B
grer als die Summe der beiden Standardabweichungen,
dann einer der Messungen misstrauen.
Die Messergebnisse sind inkonsistent.
Annahme die Messwerte seien konsistent.
Welchen Wert besitzt der Bestwert?
Erster naheliegender Gedanke:
(x
A
+ x
B
)/2
Ungeeignet, wenn die beiden Standardfehler unterschiedlich sind.
Bei obiger Mittelung haben beide Messergebnisse das gleiche Gewicht, obwohl
bei einer der Messungen der Mittelwert genauer ist als bei der anderen
Annahme beide Messungen folgen einer Gau-Verteilung
Gewichtete Mittelwerte Gewichtete Mittelwerte
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen III: Poissonverteilung 12.01.2012
Vorlesung 11- 29
Annahme beide Messungen folgen einer Gau-Verteilung
( )
( )
2
2
2
1
A
A
M X
A
A M
e X G

( )
( )
2
2
2
1
B
B
M X
B
B M
e X G

Die Wahrscheinlichkeit, dass A den Messwert X


A
und B den Wert X
B
findet,
ist das Produkt der Wahrscheinlichkeiten.
Annahme beide Messungen folgen einer Gau-Verteilung
( )
( )
2
2
2
1
A
A
M X
A
A M
e X G

( )
( )
2
2
2
1
B
B
M X
B
B M
e X G

Die Wahrscheinlichkeit, dass A den Messwert X


A
und B den Wert X
B
findet,
ist das Produkt der Wahrscheinlichkeiten.
X
A
X
B
Gewichtete Mittelwerte Gewichtete Mittelwerte
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen III: Poissonverteilung 12.01.2012
Vorlesung 11- 30
( )
( )
( )
( )
( ) ( )
2 2
2 2
2
2 2
2
2 2
2
1 1
und
1
A B
A B
X M X M
M A M B
A B
Mges M A M B
A B
A B
A B
G X e G X e
G G X G X e
X M X M


=


= +


Gewichtete Mittelwerte Gewichtete Mittelwerte
Aus:
erhalten wir
mit
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen III: Poissonverteilung 12.01.2012
Vorlesung 11- 31
Die Abkrzung "CHI-Quadrat" ist die Summe der Quadrate der Abweichungen der beiden
Messwerte von M,
jeweils dividiert durch die entsprechende Unsicherheit.
M ist der zu suchende Bestwert, dessen Wahrscheinlichkeit maximal ist,
oder was identisch ist, dessen
2
minimal ist.
Minimierung der "Summe der Quadrate" oder
Methode der kleinsten Quadrate
Differenzieren nach Mund Ableitung gleich Null setzen.
2
2 2
2 2 0
A B
A B
X M X M
M



= =

Auflsen nach M ergibt den Bestwert:


2 2
B
B
A
A
X X
x M

+
= =
Gewichtete Mittelwerte Gewichtete Mittelwerte
2 2
2
A B
A B
X M X M




= +


T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen III: Poissonverteilung 12.01.2012
Vorlesung 11- 32
2 2
1 1
B A
B A
Best
x M

+
= =
bersichtlichere Schreibweise mit den Abkrzungen:
2 2
1 1
B
B
A
A
w und w

= =
B A
B B A A
Best
w w
X w X w
X
+
+
=

=
=
=
N
i
i
N
i
i i
Best
w
w X
X
1
1
Allgemeine Formulierung
Messung des Ohmschen Widerstandes durch 3 Studenten
(Ergebnisse in Ohm)
R
1
= 11 1, R
2
= 12 1, R
3
= 10 3
w
1
=1, w
2
= 1 und w
3
= 1/9
Gewichtete Mittelwerte Gewichtete Mittelwerte -- Beispiel Beispiel
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen III: Poissonverteilung 12.01.2012
Vorlesung 11- 33
( ) ( )
=

+ +

+ +
= =

=
=
42 . 11
9
1
1 1
10
9
1
12 1 11 1
3
1
3
1
i
i
i
i
i
Best
w
R w
R
Wie gro ist der Fehler von R
Best
?
Gewichtete Mittelwerte Gewichtete Mittelwerte -- Beispiel Beispiel
i
R
i
i
Best
Best
w
und
w w w
w
R
R
w w w
R w R w R w
R
i
1
2
3 2 1
3 2 1
3 3 2 2 1 1
=
+ +
=
+ +
+ +
=

( )
2
3 2 1
3 2 1
3
2
3 2 1
3
2
2
3 2 1
2
1
2
3 2 1
1
2
2
3
2
2
2
2
2
1
1 1 1
3 2 1
w w w
w w w
w w w w
w
w w w w
w
w w w w
w
R
R
R
R
R
R
R
Best
R
Best
R
Best
R
Best
+ +
+ +
=

+ +
+

+ +
+

+ +
=

T. Kieling: Auswertung von Messungen und Fehlerrechnung - Verteilungsfunktionen III: Poissonverteilung 12.01.2012
Vorlesung 11- 34
Allgemeine Formulierung:

=
i
Best
w
1

In unserem Beispiel:
Best
= (1+1+1/9)
-1/2
= 0.69
R = (11.42 0.69)
bungsaufgabe bungsaufgabe
0,20
0,25
0,30
U
n
f
a
l
l
w
a
h
r
s
c
h
e
i
n
l
i
c
h
k
e
i
t
Relative Hufigkeit
Anzahl Unflle
Poissonwahrscheinlichkeit
fr erwartete 1,92 Unflle
Darstellung:
Vielleicht nicht so
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Chi-Quadrat-Test 19.01.2012
Vorlesung 12- 4
0 1 2 3 4 5 6 7 8
0,00
0,05
0,10
0,15
U
n
f
a
l
l
w
a
h
r
s
c
h
e
i
n
l
i
c
h
k
e
i
t
Anzahl der Unflle
Vielleicht nicht so
einfach zu zeichnen!
bungsaufgabe bungsaufgabe
0,20
0,25
0,30
U
n
f
a
l
l
w
a
h
r
s
c
h
e
i
n
l
i
c
h
k
e
i
t
Relative Hufigkeit
Anzahl Unflle
Poissonwahrscheinlichkeit
fr erwartete 1,92 Unflle
Darstellung:
Spart sicher eine
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Chi-Quadrat-Test 19.01.2012
Vorlesung 12- 5
0 1 2 3 4 5 6 7 8
0,00
0,05
0,10
0,15
U
n
f
a
l
l
w
a
h
r
s
c
h
e
i
n
l
i
c
h
k
e
i
t
Anzahl der Unflle
Spart sicher eine
Menge Zeit!
Erstabgabe bung 10 Erstabgabe bung 10
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Chi-Quadrat-Test 19.01.2012
Vorlesung 12- 6
6 5 4 3 2 1 nicht abgegeben
Wie kann ich berprfen,
welche Verteilung meinen Daten
zu Grunde liegt?
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Chi-Quadrat-Test 19.01.2012
Vorlesung 12- 7
Standardfehler
Chi-Quadrat-Test
Standardfehler des arithmetischen Mittelwertes Standardfehler des arithmetischen Mittelwertes
Wir haben eine Grundgesamtheit, deren genaue Verteilung unbekannt ist,
mit Mittelwert und Standardabweichung .
Wir machen eine Stichprobe von n Messungen und
erhalten einen Mittelwert x und eine Stichprobenstandardabweichung s.
1
n

Unser Mittelwert ist gegeben durch:


T. Kieling: Auswertung von Messungen und Fehlerrechnung - Chi-Quadrat-Test 19.01.2012
Vorlesung 12- 8
1
1
n
i
i
x x
n
=
=

1 2
1
1
, mit identisch verteilten Zufallsgren , ,..., .
n
i n
i
X X X X X
n
=
=

Wir betrachten nun die Schtzfunktion:


Wie sieht die Verteilung der X aus?
Standardfehler des arithmetischen Mittelwertes Standardfehler des arithmetischen Mittelwertes
Wie gro ist ( ) ? Var X
2 2
1 1 1
1 1 1
( )
n n n
i i i
i i i
Var X Var X Var X
n n n
= = =

= =



Die Zufallsgren X
i
seien unabhngig. Dann gilt:
1 2
1
1
, mit identisch verteilten Zufallsgren , ,..., .
n
i n
i
X X X X X
n
=
=

T. Kieling: Auswertung von Messungen und Fehlerrechnung - Chi-Quadrat-Test 19.01.2012


Vorlesung 12- 9
2
2
2 2
1
1 1
( ) .
n
i
i
Var X n
n n n

=
= =

Weiter:
( ) . X
n

=
Damit:
Der Standardfehler ist ein Ma fr die Genauigkeit der Angabe des
Mittelwertes.
Wenn man eine zufllige Stichprobe von n Beobachtungen aus einer beliebigen
Grundgesamtheit nimmt, dann wird - wenn n ausreichend gro ist - die Verteilung des
Stichprobenmittelwertes annhernd normal sein, mit einem Mittelwert gleich dem
Mittelwert der Grundgesamtheit und einer Standardabweichung von der
Standardabweichung der Grundgesamtheit.
Standardfehler des arithmetischen Mittelwertes Standardfehler des arithmetischen Mittelwertes
Zentraler Grenzwertsatz der Statistik bei identischen Verteilungen
Wie sieht die Verteilung der X aus?
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Chi-Quadrat-Test 19.01.2012
Vorlesung 12- 10
n

Das heit, alle Mittelwerte einer Stichprobe einer Normalverteilung


liegen mit einer 68.27 % Wahrscheinlichkeit im Intervall

Die Mittelwerte x
i
sind normalverteilt um den wahren Mittelwert
der Grundgesamtheit mit einer Standardabweichung von ,
wenn n gro ist.
Konfidenzintervalle Konfidenzintervalle
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Chi-Quadrat-Test 19.01.2012
Vorlesung 12- 11
;
i i
n n



+


Wie aber kann ich auf die meinen Daten zu Grunde liegende Verteilung
schlieen?
Den wahre Standardabweichung kennen wir nicht. Wir mssen Sie
ebenfalls aus unserer Stichprobe schtzen. Falls meine Daten
normalverteilt sind ergibt sich die Stichprobenstandardabweichung zu
( )
2
1
1
1
n
i
i
s x x
n
=
=


Standardfehler
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Chi-Quadrat-Test 19.01.2012
Vorlesung 12- 12
Chi-Quadrat-Test
Es gibt verschiedene Arten von Signifikanztests
Neben Signifikanztests, die sich mit dem Mittelwert beschftigen,
gibt es auch Testverfahren fr Verteilungen.
Chi Chi--Quadrat Quadrat--Test Test
Der Chi-Quadrat (
2
) Test stellt eine solche Gruppe von Hypothesentests dar.
Damit knnen berprft werden:
Sind vorliegende Daten auf eine bestimmte Art verteilt?
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Chi-Quadrat-Test 19.01.2012
Vorlesung 12- 13
Bei Verteilungen hat man in der Regel die Beantwortung der Frage,
ob eine gemessene Verteilung
Gau- oder Poisson-verteilt ist oder nicht ?
Sind verschiedene Merkmale voneinander unabhngig?
Folgen verschiedene Stichproben der selben Verteilung?
Chi Chi--Quadrat Quadrat--Test Test
Allgemeine Definition :
( )

=
n
k
k
k k
T
T E
1
2
2

E
k
ist die experimentelle Hufigkeit
T
k
ist die theoretisch erwartete Hufigkeit
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Chi-Quadrat-Test 19.01.2012
Vorlesung 12- 14
Wir wiederholen eine Messung viele (N) Male,
fassen die Messwerte in n-Klassen zusammen
und ermitteln die Anzahl der Beobachtungen E
k
, die in die Klasse k fallen.
Beispiel: Siehe bungsaufgabe zur Poisson-Verteilung
Unter der Voraussetzung,
dass die Messwerte der erwarteten Verteilung folgen, berechnen wir die
theoretisch erwartete Zahl von Messwerten in der k-ten Klasse.
Chi Chi--Quadrat Quadrat--Test Test
Allgemeine Definition :
( )

=
n
k
k
k k
T
T E
1
2
2

E
k
ist die experimentelle Hufigkeit
T
k
ist die theoretisch erwartete Hufigkeit
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Chi-Quadrat-Test 19.01.2012
Vorlesung 12- 15
Bei
2
= 0 ist die bereinstimmung vollkommen.
Dies ist selten der Fall, also wird
2
> 0 sein.
Aufgabe ist es nun, Grenzen zu finden, bei denen man
die bereinstimmung als signifikant bezeichnen kann.
( )

=
n
k
k
k k
T
T E
1
2
2

Die E
k
und T
k
sind Hufigkeiten und nicht Wahrscheinlichkeiten
Nehmen wir zufllige Schwankungen in den experimentellen Verteilungen an,
Chi Chi--Quadrat Quadrat--Test Test
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Chi-Quadrat-Test 19.01.2012
Vorlesung 12- 16
Nehmen wir zufllige Schwankungen in den experimentellen Verteilungen an,
so erhalten wir fr
2
wieder eine Verteilung:
( ) ( )


=

2
exp
1
2
2
1
2
1
2
2
2
2
!

f
Es wird die Wahrscheinlichkeit berechnet mit der
2
Werte auftreten
Chi Chi--Quadrat Quadrat--Test Test
Der Begriff der Freiheitsgrade
im allgemeinen ist die Anzahl der Freiheitsgrade in einer statistischen Rechnung
definiert als
die Anzahl der beobachteten Klassen n minus der Anzahl der aus den Daten
berechneten und/oder in der Rechnung verwendeten Parameter c.
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Chi-Quadrat-Test 19.01.2012
Vorlesung 12- 17
Die Anzahl der Freiheitsgrade ist:
= n - c,
wobei c die Anzahl der Parameter ist, die aus den Daten berechnet werden
mussten um die erwarteten Anzahlen T
k
zu berechnen.
Chi Chi--Quadrat Quadrat--Test Test
0,05
0,10
0,15
0,20
0,25
f
(
C
h
i
-
q
u
a
d
r
a
t
)
( ) ( )


=

2
exp
1
2
2
1
2
1
2
2
2
2
!

f
0,05
0,10
0,15
f
(
C
h
i
-
q
u
a
d
r
a
t
)
= 5 = 10
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Chi-Quadrat-Test 19.01.2012
Vorlesung 12- 18
0,00
0,05
0 5 10 15 20
Chi-quadrat
f
(
C
h
i
-
q
u
a
d
r
a
t
)
0,00
0 10 20 30 40
Chi-quadrat
f
(
C
h
i
-
q
u
a
d
r
a
t
)
0,00
0,05
0,10
0 10 20 30 40 50 60
Chi-quadrat
f
(
C
h
i
-
q
u
a
d
r
a
t
)
0,00
0,05
0 20 40 60 80 100 120
Chi-quadrat
f
(
C
h
i
-
q
u
a
d
r
a
t
)
= 20
= 50
Chi Chi--Quadrat Quadrat--Test Test
0,10
0,15
0,20
0,25
f
(
C
h
i
-
q
u
a
d
r
a
t
)
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Chi-Quadrat-Test 19.01.2012
Vorlesung 12- 19
0,00
0,05
0 5 10 15 20
Chi-quadrat
f
(
C
h
i
-
q
u
a
d
r
a
t
)
Wie gro ist die Wahrscheinlichkeit
2
Werte zu finden,
die grer sind als ein bestimmter Wert?
Chi Chi--Quadrat Quadrat--Test Test
Sicherheitsschwellen:
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Chi-Quadrat-Test 19.01.2012
Vorlesung 12- 20
Chi Chi--Quadrat Quadrat--Test Test
Sicherheitsschwellen: Konkretes Beispiel
Auf einer vierspurigen Autobahn werden die Fahrzeuge pro Spur gezhlt:
Bevorzugen die Fahrer eine Fahrbahn ?
Spur 1 2 3 4
Fahrzeuge 294 276 238 192
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Chi-Quadrat-Test 19.01.2012
Vorlesung 12- 21
Insgesamt 1000 Fahrzeuge
Annahme: Die Fahrer bevorzugen keine Fahrbahn, das heit p
k
= 1/4 ;
somit ist T
k
=250 fr alle k
( ) ( ) ( ) ( )
2 2 2 2
2 294 250 276 250 238 250 192 250
24, 48
250 250 250 250


= + + + =
Chi Chi--Quadrat Quadrat--Test Test
Sobald N festliegt, knnen wir die Gleichung N =
als Zwangsbedingung auffassen.
k
k
n
T
=

1
Sicherheitsschwellen: Konkretes Beispiel
Wie viele Freiheitsgrade?
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Chi-Quadrat-Test 19.01.2012
Vorlesung 12- 22
Wir haben freie Wahl fr die Hufigkeiten T
1
,... T
n-1
.
Die letzte Zahl T
n
ist jedoch nicht mehr frei
whlbar.
Sie muss so gewhlt werden, dass die Summe der T
i
die Anzahl N
ergibt.
Wir werden sehen, dass die Zahl der Zwangsbedingungen
grer als eins werden kann (Gauverteilung etc.).
Chi Chi--Quadrat Quadrat--Test Test
Sicherheitsschwellen: Konkretes Beispiel
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Chi-Quadrat-Test 19.01.2012
Vorlesung 12- 23
0,00
0,05
0,10
0,15
0,20
0,25
0 2 4 6 8
Chi-quadrat
f
(
C
h
i
-
q
u
a
d
r
a
t
)
Beispiel Autobahn:
Vier Fahrspuren: = 3

2
= 24,48
Fazit:
So groe Abweichungen
kommen in weniger als 0,1%
der Flle vor.
Chi Chi--Quadrat Quadrat--Test Test
Wir wrfeln 240 Mal
mit einem Wrfel A
Augenzahl 1 2 3 4 5 6
Hufigkeit 35 42 49 37 45 32

Weiteres Beispiel: Bedeutung der Sicherheitsschwellen


Rechteckverteilungen (Gleichverteilungen) kommen beim Wrfeln vor,
hier ist die Wahrscheinlichkeit fr das Wrfeln einer Zahl p
k
=1/6
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Chi-Quadrat-Test 19.01.2012
Vorlesung 12- 24

2
= 5.20
Wir wrfeln 360 Mal mit einem Wrfel B
Augenzahl 1 2 3 4 5 6
Hufigkeit 50 66 80 50 53 60

2
= 12.15
Hypothese: Wrfel B ist gezinkt!
Testen der Hypothese mit einer Irrtumswahrscheinlichkeit von 5%, 1% und 0.1%
Chi Chi--Quadrat Quadrat--Test Test
Weiteres Beispiel: Bedeutung der Sicherheitsschwellen
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Chi-Quadrat-Test 19.01.2012
Vorlesung 12- 25
0,00
0,05
0,10
0,15
0,20
0,25
0 5 10
Chi-quadrat
f
(
C
h
i
-
q
u
a
d
r
a
t
)
= 5
Beispiel Wrfel A:
Sechs Seiten: = 5

2
= 5,20
Fazit:
So groe Abweichungen
kommen in fast 40% der Flle
vor.
Chi Chi--Quadrat Quadrat--Test Test
Weiteres Beispiel: Bedeutung der Sicherheitsschwellen
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Chi-Quadrat-Test 19.01.2012
Vorlesung 12- 26
0,00
0,05
0,10
0,15
0,20
0,25
0 5 10 15
Chi-quadrat
f
(
C
h
i
-
q
u
a
d
r
a
t
)
= 5
Beispiel Wrfel gezinkt (?):
Sechs Seiten: = 5

2
= 12,15
Fazit:
So groe Abweichungen
kommen in weniger als 5% der
Flle vor.
Chi Chi--Quadrat Quadrat--Test Test
Wrfel B
2
= 12.15 Wrfel
2
= 5.20
Hypothese: Meine Kumpels sind Ganoven !
Wenn dem so ist, dann erhalte ich bei der Messung einen Wert,
der grer ist als der Schwellwert
Weiteres Beispiel: Bedeutung der Sicherheitsschwellen
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Chi-Quadrat-Test 19.01.2012
Vorlesung 12- 27
Wrfel A Wrfel B
Irrtums-
wahrscheinlichkeit
Schwellwert Hypothese Hypothese
5 % 11.07 Verwerfen Besttigt
1% 15.09 Verwerfen Verwerfen
0.1% 20.52 Verwerfen Verwerfen
Chi Chi--Quadrat Quadrat--Test Test
Sicherheitsschwelle Schwellwert
Beispiel
2
Freiheits
-grad
P = 90 % P = 1% P = 0.1% P(
2
)
Autobahn 24.48 3 0.58 11.34 16.27 < 0.1%
Wrfel 5.20 5 1.61 15.09 20.52 0.391
Weiteres Beispiel: Bedeutung der Sicherheitsschwellen
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Chi-Quadrat-Test 19.01.2012
Vorlesung 12- 28
Wrfel 5.20 5 1.61 15.09 20.52 0.391
0,00
0,05
0,10
0,15
0,20
0,25
0 2 4 6 8 10
Chi-quadrat
f
(
C
h
i
-
q
u
a
d
r
a
t
)
Autobahn =3
0,00
0,05
0,10
0,15
0,20
0,25
0 5 10 15 20
Chi-quadrat
f
(
C
h
i
-
q
u
a
d
r
a
t
)
= 5
Chi Chi--Quadrat Quadrat--Test Test
Berechnen von Zwischenwerten der Wahrscheinlichkeit
Um aus der Tabelle Zwischenwerte fr P zu errechnen,
interpoliert man logarithmisch
Beispiel Wrfel:

2
EX
= 5,20
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Chi-Quadrat-Test 19.01.2012
Vorlesung 12- 29

2
P1
= 5,13
2
P2
= 6,06
2
EX
= 5,20
Chi Chi--Quadrat Quadrat--Test Test
Berechnen von Zwischenwerten der Wahrscheinlichkeit
Um aus der Tabelle Zwischenwerte fr P zu errechnen,
interpoliert man logarithmisch
P1 P P2

1
2

2
2
5,13 5,20 6,06
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Chi-Quadrat-Test 19.01.2012
Vorlesung 12- 30
2
1
2
2
2
1
2
1 2
1
ln ln
ln ln

P P
P P
0,400 0,300
( ) ( )
( ) ( )
2 2
1 2 1
1
2 2
2 1
ln ln
ln ln
5, 20 5,13 1, 20397 0, 91629
0, 91629
6, 06 5,13
0, 93971
P P
P P



= +

+
=

=
0,391
Chi Chi--Quadrat Quadrat--Test: Allgemeines Vorgehen Test: Allgemeines Vorgehen
Alle Fahrbahnen werden gleichmig benutzt
1. ) Aufstellen einer Hypothese
2.) Festlegen einer Irrtumswahrscheinlichkeit 5 %
3.) Bestimmung der Schwellwertes (Tabelle)

2
SW
= 7.81
4.) Vergleich des Schwellwertes mit dem experimentellen Wert

2
EX
= 24.48
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Chi-Quadrat-Test 19.01.2012
Vorlesung 12- 31
4.) Vergleich des Schwellwertes mit dem experimentellen Wert

EX
= 24.48
Die Hypothese muss verworfen werden.
Das heit, in 5% aller Flle gibt es Werte, die grer sind als 7.81.
Der experimentelle Wert ist deutlich grer als die Schwelle,
solche Werte sind also extrem selten
Das
2
des Schwellwertes ist kleiner als der experimentelle Wert
Chi Chi--Quadrat Quadrat--Test: Test auf Test: Test auf Poisson Poisson Verteilung Verteilung
Sind vorliegende Daten auf eine bestimmte Art verteilt?
k Ek
0 54
1 97
2 90
3 55
4 17
5 19
Insgesamt N = 336 Messungen
Mittelwert = 1.875
Beide Daten werden bentigt, um die
theoretische Hufigkeit zu berechnen.
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Chi-Quadrat-Test 19.01.2012
Vorlesung 12- 32
5 19
6 3
7 1
8 .... 0
theoretische Hufigkeit zu berechnen.
Festlegen der Irrtumswahrscheinlichkeit: Testen auf 5 %
k Ek Tk
0 54 51.53
1 97 96.61
2 90 90.58
3 55 56.61
4 17 26.54
5 19 9.95
Insgesamt N = 336 Messungen
Mittelwert = 1.875
Beide Daten werden bentigt, um die
theoretische Hufigkeit zu berechnen.
Chi Chi--Quadrat Quadrat--Test: Test auf Test: Test auf Poisson Poisson Verteilung Verteilung
Sind vorliegende Daten auf eine bestimmte Art verteilt?
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Chi-Quadrat-Test 19.01.2012
Vorlesung 12- 33
5 19 9.95
6 3 3.11
7 1 0.83
8 .... 0 0.24
theoretische Hufigkeit zu berechnen.
9 Klassen 2 Zwangsbedingungen
( )
2
2
1 1
n n
k k
k
k k
k
E T
Q
T

= =

= =

Chi Chi--Quadrat Quadrat--Test: Test auf Test: Test auf Poisson Poisson Verteilung Verteilung
Sind vorliegende Daten auf eine bestimmte Art verteilt?
k Ek Tk Qk
0 54 51.53 0.12
1 97 96.61 0.00
2 90 90.58 0.00
3 55 56.61 0.05
4 17 26.54 3.43
5 19 9.95 8.23
Insgesamt N = 336 Messungen
Mittelwert = 1.875
Beide Daten werden bentigt, um die
theoretische Hufigkeit zu berechnen.
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Chi-Quadrat-Test 19.01.2012
Vorlesung 12- 34
5 19 9.95 8.23
6 3 3.11 0.00
7 1 0.83 0.03
8 .... 0 0.24 0.24
Chi-Quadrat 12.10
Freiheitsgrade 7
theoretische Hufigkeit zu berechnen.
9 Klassen 2 Zwangsbedingungen
Chi Chi--Quadrat Quadrat--Test Test
Sicherheitsschwellen:
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Chi-Quadrat-Test 19.01.2012
Vorlesung 12- 35
Chi Chi--Quadrat Quadrat--Test: Test auf Test: Test auf Poisson Poisson Verteilung Verteilung
Sind vorliegende Daten auf eine bestimmte Art verteilt?
k Ek Tk Qk
0 54 51.53 0.12
1 97 96.61 0.00
2 90 90.58 0.00
3 55 56.61 0.05
4 17 26.54 3.43
5 19 9.95 8.23
Insgesamt N = 336 Messungen
Mittelwert = 1.875
Beide Daten werden bentigt, um die
theoretische Hufigkeit zu berechnen.
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Chi-Quadrat-Test 19.01.2012
Vorlesung 12- 36
5 19 9.95 8.23
6 3 3.11 0.00
7 1 0.83 0.03
8 .... 0 0.24 0.24
Chi-Quadrat 12.10
Freiheitsgrade 7
Sicherheitsschwelle 0.097
theoretische Hufigkeit zu berechnen.
9 Klassen 2 Zwangsbedingungen
Bei Annahme einer
Irrtumswahrscheinlichkeit von 5 %
entsprechen die Daten einer Poisson-
Verteilung
Poisson-Verteilung
Vergleich zweier fast identischer Messungen (Mittelwert ist identisch)
k Ek Tk Qk k Ek Tk Qk Qk
0 54 51.53 0.12 0 55 51.53 0.23 -0.11
1 97 96.61 0.00 1 96 96.61 0.00 -0.00
2 90 90.58 0.00 2 90 90.58 0.00
3 55 56.61 0.05 3 55 56.61 0.05
4 17 26.54 3.43 4 17 26.54 3.43
Chi Chi--Quadrat Quadrat--Test: Test auf Test: Test auf Poisson Poisson Verteilung Verteilung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Chi-Quadrat-Test 19.01.2012
Vorlesung 12- 37
4 17 26.54 3.43 4 17 26.54 3.43
5 19 9.95 8.23 5 19 9.95 8.23
6 3 3.11 0.00 6 3 3.11 0.00
7 1 0.83 0.03 7 0 0.83 0.83 -0.80
8 .... 0 0.24 0.24 8 .... 1 0.24 2.41 -2.17
Chi-Quadrat 15.18
Freiheitsgrade 7
Sicherheitsschwelle 0.034
Bei Annahme einer
Irrtumswahrscheinlichkeit von 5 %
entsprechen die rechten Daten keiner
Poisson-Verteilung
????????
Der
2
Test darf nur angewandt werden,
wenn die theoretische Hufigkeit einer Klasse 5 ist
k Ek Tk Qk
0 54 51.53 0.12
1 97 96.61 0.00
2 90 90.58 0.00
3 55 56.61 0.05
3.11 + 0.83 + 0.24 = 4.18 < 5
Chi Chi--Quadrat Quadrat--Test: Test auf Test: Test auf Poisson Poisson Verteilung Verteilung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Chi-Quadrat-Test 19.01.2012
Vorlesung 12- 38
Zusammenfassung von Klassen, so lange bis die Bedingung erfllt ist
3 55 56.61 0.05
4 17 26.54 3.43
5 19 9.95 8.23
6 3 3.11 0.00
7 1 0.83 0.03
8 .... 0 0.24 0.24
Der
2
Test darf nur angewandt werden,
wenn die theoretische Hufigkeit einer Klasse 5 ist
k Ek Tk Qk
0 54 51.53 0.12
1 97 96.61 0.00
2 90 90.58 0.00
3 55 56.61 0.05
9.95 + 3.11 + 0.83 + 0.24 = 14.13 > 5
Chi Chi--Quadrat Quadrat--Test: Test auf Test: Test auf Poisson Poisson Verteilung Verteilung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Chi-Quadrat-Test 19.01.2012
Vorlesung 12- 39
Zusammenfassung von Klassen, so lange bis die Bedingung erfllt ist
3 55 56.61 0.05
4 17 26.54 3.43
5 19 9.95 8.23
6 3 3.11 0.00
7 1 0.83 0.03
8 .... 0 0.24 0.24
Dies fhrt zu einer neuen Tabelle
Poisson-Verteilung
Vergleich zweier fast identischer Messungen
k Ek Tk Qk k Ek Tk Qk Qk
0 54 51.53 0.12 0 55 51.53 0.23 -0.11
1 97 96.61 0.00 1 96 96.61 0.00 -0.00
2 90 90.58 0.00 2 90 90.58 0.00
3 55 56.61 0.05 3 55 56.61 0.05
Chi Chi--Quadrat Quadrat--Test: Test auf Test: Test auf Poisson Poisson Verteilung Verteilung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Chi-Quadrat-Test 19.01.2012
Vorlesung 12- 40
3 55 56.61 0.05 3 55 56.61 0.05
4 17 26.54 3.43 4 17 26.54 3.43
5.... 23 14.13 5.57 5... 23 14.13 5.57
Chi-Quadrat 9.17 Chi-Quadrat 9.28
Freiheitsgrade 4 Freiheitsgrade 4
Sicherheitsschwelle >0.05 Sicherheitsschwelle > 0.05
Beide Verteilungen sind mit einer Irrtumswahrscheinlichkeit von 5% Poisson-verteilt
Alle bislang diskutierten Messgren waren diskret.
Es gab keine Schwierigkeiten bei der Klasseneinteilung.
Die Gau-Verteilung ist eine kontinuierliche Verteilung.
Es gibt andere hufig vorkommende kontinuierliche Verteilungen
(Lorentz-, Maxwell-, Boltzmann-, Fermi-Verteilung sind in der Physik sehr hufig).
Wie immer die Verteilung aussehen mag, die gesamte Flche
unter dem Graphen f(x) aufgetragen gegen x, ist gleich 1
Chi Chi--Quadrat Quadrat--Test: Test auf Normal Test: Test auf Normal--Verteilung Verteilung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Chi-Quadrat-Test 19.01.2012
Vorlesung 12- 41
unter dem Graphen f(x) aufgetragen gegen x, ist gleich 1
und die Wahrscheinlichkeit eines Messwertes zwischen
x = a und x = b
ist gleich der Flche zwischen a und b.
( ) ( )

= < <
b
a
dx x f b x a P
Wenn also die k-te Klasse von x = a
k
bis x = a
k+1
luft,
ist die (nach insgesamt N Messungen) erwartete
Anzahl von Messwerten in der k-ten Klasse:
( ) ( )

+
= < < =
+
1
1
k
k
a
a
k k k
dx x f N a x a P N T
Chi Chi--Quadrat Quadrat--Test: Test auf Normal Test: Test auf Normal--Verteilung Verteilung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Chi-Quadrat-Test 19.01.2012
Vorlesung 12- 42
0 5 10 15 20 25 30 35 40 45 50 55 60 65 70
0
1
2
3
4
5
6
7
8
9
10
11
12 Nanos
M = 30.4
SABW=9.86
SF=1.4

H

u
f
i
g
k
e
i
t
Punktzahl
Beispiele:
Klausurergebnisse
Krpergre von Menschen
Aufwndiges Verfahren
bungsaufgabe bungsaufgabe
Der Begriff der Freiheitsgrade
im allgemeinen ist die Anzahl der Freiheitsgrade in einer statistischen Rechnung
definiert als
die Anzahl der beobachteten Klassen n minus der Anzahl der aus den Daten
berechneten und/oder in der Rechnung verwendeten Parameter c.
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Lineare Regression 26.01.2011
Vorlesung 13- 2
Die Anzahl der Freiheitsgrade ist:
= n - c,
wobei c die Anzahl der Parameter ist, die aus den Daten berechnet werden
mussten um die erwarteten Anzahlen T
k
zu berechnen.
bungsaufgabe bungsaufgabe
k Ek
0 54
1 97
2 90
3 55
Die Summe der Wahrscheinlichkeiten der einzelnen Ereignisse
muss gleich eins sein
Zwangsbedingung 1: Die Verteilung ist normiert
Wie viele Freiheitsgrade?
Test erfolgte auf Irrtumswahrscheinlichkeit: 5 %
Beispielfrage letzte Vorlesung: Sind diese Daten poissonverteilt?
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Lineare Regression 26.01.2011
Vorlesung 13- 3
3 55
4 17
5 19
6 3
7 1
8 .... 0
Die Poissonverteilung hat einen Parameter:
Um zu testen ob eine Poissonverteilung vorliegt, mssen wir diesen
aus unseren Daten schtzen
Zwangsbedingung 2: Mittelwert = 1.875
bungsaufgabe bungsaufgabe
k Ek Tk Qk
0 54 51.53 0.12
1 97 96.61 0.00
2 90 90.58 0.00
3 55 56.61 0.05
4 17 26.54 3.43
5 19 9.95 8.23
Insgesamt N = 336 Messungen
Mittelwert = 1.875
Beide Daten werden bentigt, um die
theoretische Hufigkeit zu berechnen.
Beispielfrage letzte Vorlesung: Sind diese Daten poissonverteilt?
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Lineare Regression 26.01.2011
Vorlesung 13- 4
5 19 9.95 8.23
6 3 3.11 0.00
7 1 0.83 0.03
8 .... 0 0.24 0.24
Chi-Quadrat 12.10
Freiheitsgrade 7
Sicherheitsschwelle 0.097
theoretische Hufigkeit zu berechnen.
9 Klassen 2 Zwangsbedingungen
Bei Annahme einer
Irrtumswahrscheinlichkeit von 5 %
entsprechen die Daten einer Poisson-
Verteilung
bungsaufgabe bungsaufgabe
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Lineare Regression 26.01.2011
Vorlesung 13- 5
Das ist eine andere Frage!
bungsaufgabe bungsaufgabe
41,0631514
86,3147443
90,7167962
41,0631514
86,3147443
90,7167962
40
85
92
62
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Lineare Regression 26.01.2011
Vorlesung 13- 6

berechnet
= 2,190 Passt nicht!
Einzige Zwangsbedingung: Die Verteilung ist normiert
63,5622352
33,4019546
14,0421817
4,91944433
1,47723885
0,50225339
63,5622352
33,4019546
14,0421817
6,89893657
62
25
19
13
Insgesamt sieben Klassen.
6
Erstabgabe bung 11 Erstabgabe bung 11
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Lineare Regression 26.01.2011
Vorlesung 13- 7
6 5 4 3 2 1 nicht abgegeben
Lineare Regression
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Lineare Regression 26.01.2011
Vorlesung 13- 8
Lineare Regression
X
i
Y
i
0,20 52,4
1,17 54,6
1,96 57,7
2,98 59,5
4,05 62,7
5,12 65,6
60,0
65,0
70,0
75,0


Testmessung zur
linearen Regression
Y
Fragestellung Fragestellung
Wir fhren eine Messung durch und erhalten folgende Werte:
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Lineare Regression 26.01.2011
Vorlesung 13- 9
5,12 65,6
5,93 67,0
7,01 69,0
8,24 72,8
0,00 2,00 4,00 6,00 8,00
50,0
55,0
X
1.) Angenommen die Beziehung zwischen x und y ist linear, welche Gerade passt
am besten zu den Messwerten?
2.) Wie knnen wir objektiv beurteilen, inwieweit die Daten unsere Annahme
erfllen und wirklich einer bestimmten Funktion (hier einer Gerade) folgen?
Wenn die Messwerte (X
i
, Y
i
) keinerlei Unsicherheit htten,
dann lge jeder Punkt exakt auf der Geraden
Vorberlegungen Vorberlegungen
Die Fehler in X sind wesentlich kleiner als die Fehler in Y.
X ist fehlerfrei und Y ist fehlerbehaftet.
Die Daten sind beschrieben durch den funktionellen Zusammenhang:
Annahmen:
75,0

Testmessung zur
. y a bx = +
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Lineare Regression 26.01.2011
Vorlesung 13- 10
0,00 2,00 4,00 6,00 8,00
50,0
55,0
60,0
65,0
70,0

Testmessung zur
linearen Regression
Y
X
Die Abweichung y
i
jedes Datenpunktes
von der bestangepassten Geraden ist dann:
y
i
( ) .
i i i i i
y y y x y a bx = =
Fr jedes X
i
gibt es eine Wahrscheinlichkeit P
i
den Messwert Y
i
zu erhalten.
Normalverteilung der Messwerte:
( )
2
1 1
exp
2
2
i i
i
i
i
y y x
P



(

=
`
(


)
Vorberlegungen Vorberlegungen
. y a bx = +
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Lineare Regression 26.01.2011
Vorlesung 13- 11
( )
2
1 1
exp
2
2
i i
i
i
i
y y x
P



(

=
`
(


)
Vorberlegungen Vorberlegungen
Die Wahrscheinlichkeit unseren Datensatz bei N Messpunkten genau so zu
beobachten ist dann gegeben durch:
( )
0 0
1 1
2
1 1
( , ) exp
2
2
N N
i i
i
i i
i
i
y y x
P a b P


= =

(

= =
`
(


)

T. Kieling: Auswertung von Messungen und Fehlerrechnung - Lineare Regression 26.01.2011
Vorlesung 13- 12
( )
1 1
2
1 1
exp
2
2
N N
i i
i i
i
i
y y x


= =

| |
(

=
| `
(
|

\
)

Die beste Gerade liegt dann vor, wenn die Wahrscheinlichkeit maximal wird. Das
ist der Fall, wenn der Exponent
minimal wird.
( )
2
1 1
2 2
N N
i i
i i
i i
i i
y y x
y a bx


= =
( (

= =
( (


Lineare Regression Lineare Regression -- Bestwerte Bestwerte
Lineare Regression
oder
Anpassung einer Geraden nach der
Methode der kleinsten Quadrate
( )
2
1 1
2 2
N N
i i
i i
i i
y y x
y a bx


= =
( (

= =
( (


T. Kieling: Auswertung von Messungen und Fehlerrechnung - Lineare Regression 26.01.2011
Vorlesung 13- 13
1 1 i i
i i

= =


Fr
2
minimal ist die bereinstimmung am besten.
2
2
0;
0;
a
b

2 2
2 2
1 1
2 2
2 2
1 1
1 1
( ) 2 ( ) 0;
1
( ) 2 ( ) 0;
N N
i i i i
i i
i i
N N
i
i i i i
i i
i i
y a bx y a bx
a a
x
y a bx y a bx
b b


= =
= =
( (

= = =
( (


( (

= = =
( (




Lineare Regression Lineare Regression -- Bestwerte Bestwerte
An dieser Stelle ergibt sich ein wesentliches Ergebnis:
b x a N y + =

T. Kieling: Auswertung von Messungen und Fehlerrechnung - Lineare Regression 26.01.2011
Vorlesung 13- 14
2
i i i i
b x a x x y + =

i i
i i
b x a N y
x y
b a
N N
b x a y
+ =
+ =
+ =


Die beste Gerade geht durch den Mittelwert der x
i
und y
i
Man spricht vom Schwerpunkt der Daten
2 2
2 2
1 1
2 2
2 2
1 1
1 1
( ) 2 ( ) 0;
1
( ) 2 ( ) 0;
N N
i i i i
i i
i i
N N
i
i i i i
i i
i i
y a bx y a bx
a a
x
y a bx y a bx
b b


= =
= =
( (

= = =
( (


( (

= = =
( (




Lineare Regression Lineare Regression -- Bestwerte Bestwerte
Ein wenig geordnet gibt das:
Zurck zu unserer ursprnglichen Frage. Wir suchen weiter die besten a und b:
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Lineare Regression 26.01.2011
Vorlesung 13- 15
Ein wenig geordnet gibt das:
2 2 2
2
2 2 2
1
;
;
i i
i i i
i i i i
i i i
y x
a b
x y x x
a b


= +
= +


Der bersichtlichkeit halber lassen wir ab hier die Summengrenzen weg.
(weiter von 1 bis N)
2 2 2
2
2 2 2
1
;
;
i i
i i i
i i i i
i i i
y x
a b
x y x x
a b


= +
= +


Lineare Regression Lineare Regression -- Bestwerte Bestwerte
Mit der Determinantenmethode gibt das:
2 2
2
2 2 2 2 2
1 1
;
i i
i i
i i i i i
i i i i
y x
y x x x y
a
x y x


| |
= =
|

\



T. Kieling: Auswertung von Messungen und Fehlerrechnung - Lineare Regression 26.01.2011
Vorlesung 13- 16
2 2
2 2
2 2 2 2
2 2
1
1 1 1
;
i i i i i i i
i i
i
i i
i i i i
i i i i i i i
i i
x y x
y
x y x y
b
x x y






\
| |
= =
|

\




2
2 2
2
2 2 2 2
2 2
1
1
.
i
i i
i i
i i i i i
i i
x
x x
x x



| |
= =
|
\



2 2
2
2 2 2 2 2
2 2
2 2
2 2 2 2
2 2
1 1
;
1
1 1 1
;
i i
i i
i i i i i
i i i i i i i
i i
i
i i
i i i i
i i i i i i i
i i
y x
y x x x y
a
x y x
y
x y x y
b
x x y






| |
= =
|

\
| |
= =
|

\






Lineare Regression Lineare Regression -- Bestwerte Bestwerte
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Lineare Regression 26.01.2011
Vorlesung 13- 17
2
2 2
2
2 2 2 2
2 2
1
1
i
i i
i i
i i i i i
i i
x
x x
x x



| |
= =
|
\



Falls jeder Datenpunkt den gleichen Fehler aufweist, lsst sich dieses
Gleichungssystem vereinfachen.
Das wird hufig, aber bei weitem nicht immer mglich sein.
In unserem Beispiel habe jeder Datenpunkt den selben durch die Messung
bedingten Fehler. Dann ergibt sich:
Lineare Regression Lineare Regression -- Bestwerte Bestwerte
( )
( )
2
1 1
;
1 1
;
i i
i i i i i
s
i i i
i
i i i i
s
i i i
y x
a x y x x y
x y x
N y
b N x y x y
x x y
= =

= =





( )
2
2
2
.
i s
i i
N x
N x x = =



T. Kieling: Auswertung von Messungen und Fehlerrechnung - Lineare Regression 26.01.2011
Vorlesung 13- 18
( )
2
.
i i
i i
N x x
x x
= =



Wir bentigen folgende Gren:
( )
2
, , ,
i i i i i
x x y x y

x
i
y
i
y (y - y
i
)
2
x
i
2
x
i
y
i
0,20 52,4
0,040 10,480
1,17 54,6
1,96 57,7
Berechnen einer Ausgleichsgeraden: x-fehlerfrei, y-fehlerbehaftet
. y a bx = +
Lineare Regression Lineare Regression -- Bestwerte Bestwerte
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Lineare Regression 26.01.2011
Vorlesung 13- 19
1,96 57,7
2,98 59,5
4,05 62,7
5,12 65,6
5,93 67,0
7,01 69,0
8,24 72,8
67,8976 599,872
Summe:
36,66 561,3 208,950
4
2435,44
3
x
i
y
i
x
i
x
i
x
i
y
i
0,20 52,4 0,0400 10,480
1,17 54,6 1,3689 63,882
1,96 57,7 3,8416 113,092
2,98 59,5 8,8804 177,310
4,05 62,7 16,4025 253,935
5,12 65,6 26,2144 335,935
5,93 67,0 35,1649 397,310
7,01 69,0 49,1401 483,690
Lineare Regression Lineare Regression -- Bestwerte Bestwerte
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Lineare Regression 26.01.2011
Vorlesung 13- 20
7,01 69,0 49,1401 483,690
8,24 72,8 67,8976 599,872
36,66 561,3 208,9504 2435,443
( )
( )
2
1 1
;
1 1
;
i i
i i i i i
s
i i i
i
i i i i
s
i i i
y x
a x y x x y
x y x
N y
b N x y x y
x x y
= =

= =





( )
2
2
2
.
i s
i i
i i
N x
N x x
x x
= =



( )
2
9 2435, 443 36, 66 561, 3
9 208, 9504 36, 66
21918, 987 20577, 258
1880, 5536 1343, 9556
1341, 729
2, 500436081
536, 598
b

=

= =
( )
2
208, 9504 561, 3 36, 66 2435, 443
9 208, 9504 36, 66
117283, 8595 89283, 34038
1880, 5536 1343, 9556
28000, 51912
52,18155699
536, 598
a

=

= =
Lineare Regression Lineare Regression -- Bestwerte Bestwerte
75,0

Testmessung zur
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Lineare Regression 26.01.2011
Vorlesung 13- 21
y = 2,500 x + 52,18
0,00 2,00 4,00 6,00 8,00
50,0
55,0
60,0
65,0
70,0

Testmessung zur
linearen Regression
Best Fit
Y
X
Damit haben wir die beste Gerade, die
unsere Daten beschreibt.
ABER: Wie genau drfen wir die
Koeffizienten sinnvollerweise angeben?
Wie gro ist ihr Fehler?
Lineare Regression Lineare Regression -- Fehler Fehler
Klassisches Fehlerfortpflanzungsproblem: Wir haben eine Gre die sich aus
mehreren fehlerbehafteten Einzelgren zusammensetzt.
In diesem Fall sind es unsere Koeffizienten, deren Fehler wir suchen.
Unsere einzelnen Messpunkte sind statistisch voneinander
unabhngig.
Dann knnen wir eine ganz normale Fehlerrechnung nach Gau
durchfhren.
Weitere Annahme:
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Lineare Regression 26.01.2011
Vorlesung 13- 22
2
2 2
;
z k
k
k
z
dy

(
| |

( =
|
(
\

durchfhren.
Es gilt:
Die Annahme, dass unsere Messpunkte voneinander
unabhngig sind, muss ebenfalls berprft werden.
Dazu spter mehr.
2
2
2 2 2
1
.
i i
i i i
x x

| |
=
|
\

2
2 2 2 2
2 2 2 2
1
;
1 1
;
i i i i i
i i i i
i i i i
y x x x y
a
x y x y
b


| |
=
|

\
| |
=
|



2
2 2
;
z k
k
k
z
dy

(
| |

( =
|
(
\

Lineare Regression Lineare Regression -- Fehler Fehler


Wir bentigen zunchst die partiellen Ableitungen:
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Lineare Regression 26.01.2011
Vorlesung 13- 23
2
2 2 2 2
2 2 2 2
1 1
;
1 1 1
;
i k i
k k i k i
k i
k k i k i
x x x a
y
x x b
y


| |

=
|

\
| |

=
|

\


2 2 2 2
;
i i i i
b

=
|

\

2
2 2 2 2
1 1
;
i k i
k k i k i
x x x a
y
| |

=
|

\

2
2 2
;
z k
k
k
z
dy

(
| |

( =
|
(
\

2
2
2 2 2
1
.
i i
i i i
x x

| |
=
|
\

2 2
2 2 2 2
2
2 4 2 4 2 2 4 2
1
2 2
2 2 2
2 2 2 2 2 2 2 2
1
2
1 1
2
N
k i k i i k i
a
k
k i k i i k i
N N N
i k i i k i
x x x x x x
x x x x x x



=
(
| | | |
( = +
| |

(
\ \

(
| | | |
( = +
| |



Lineare Regression Lineare Regression -- Fehler Fehler
Damit bestimmen wir zunchst den Fehler in a :
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Lineare Regression 26.01.2011
Vorlesung 13- 24
2 2 2 2 2 2 2 2
1 1 1
2 2
2 2 2 2 2
2
1 1
2
k k k
k i k i i k i
i i k
i k i k
x x x


= = =
( = +
| |

(
\ \

| |
=
|

\


2
2 2
1 1
2
2 2
2 2 2 2 2
1
2
2
1 1
1
;
N N
i i
k k
i i
N
i i i
k
i k i i
i
i
x x
x x x
x

= =
=
(
| |
( +
|
(
\

(
| | | |
( =
| |

(
\ \

| |
=
|

Beide Summen laufen


von eins bis N.
2
2 2
;
z k
k
k
z
dy

(
| |

( =
|
(
\

2
2
2 2 2
1
.
i i
i i i
x x

| |
=
|
\
2 2 2 2
1 1 1
;
k i
k k i k i
x x b
y
| |

=
|

\

2 2
2 2
2
2 4 2 4 2 2 4 2
1
2 2
2
2 2 2 2 2 2 2 2
1 1 1
2
1 1 1 1
2
N
k k k i i
b
k
k i k i i k i
N N N
k k i i
x x x x
x x x x



=
(
| | | |
( = +
| |

(
\ \

(
| | | |
( = +
| |



Lineare Regression Lineare Regression -- Fehler Fehler
Analog bestimmen wir den Fehler in b :
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Lineare Regression 26.01.2011
Vorlesung 13- 25
2 2 2 2 2 2 2 2
1 1 1
2 2 2 2 2 2
1
2
1 1 1 1
2
k k k
k i k i i k i
N
k i
k
i k i k i
x x


= = =
=
( = +
| |

(
\ \

| |
= +
|

\


2
2
1
2
2
2 2 2 2 2
1
2
1 1 1
1 1
;
N
i
k
i
N
i i
k
i k i i
i
x
x x

=
=
(
| |
(
|
(
\

(
| | | |
( =
| |

(
\ \

| |
=
|

Beide Summen laufen


von eins bis N.
2
2
2
1
;
i
a
i
x

| |
=
|

2
2
1 1
;
b
i

| |
=
|

Falls jeder Datenpunkt den gleichen Fehler aufweist, lsst sich dies
Wir erhalten also allgemein folgende Fehler, die beide nicht von den y
i
abhngen:
2
2
2 2 2
1
mit .
i i
i i i
x x

| |
=
|
\

Lineare Regression Lineare Regression -- Fehler Fehler
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Lineare Regression 26.01.2011
Vorlesung 13- 26
Falls jeder Datenpunkt den gleichen Fehler aufweist, lsst sich dies
abermals vereinfachen.
( )
2
2
mit .
s
i i
N x x =

2
2 2
;
a i
s
x


2
2
;
b
s
N

=

Lineare Regression Lineare Regression -- Fehler Fehler


Zurck zu unserem Datensatz. Hier hatten wir gar keine Fehler
angegeben. Ist die Angabe der Koeffizienten dann exakt?
60,0
65,0
70,0
75,0


Testmessung zur
linearen Regression
Best Fit
Y
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Lineare Regression 26.01.2011
Vorlesung 13- 27
Sicher nicht, die Daten streuen!
0,00 2,00 4,00 6,00 8,00
50,0
55,0
X
Die Streuung der Daten ist immer das Ergebnis der resultierenden
Fehler. Wir knnen aus der Streuung einen mittleren Fehler schtzen!
( )
2
2
1
i
i
s y y
N c


Lineare Regression Lineare Regression -- Fehler Fehler
Es kann allgemein gezeigt werden, dass die Stichprobenvarianz fr eine
erwartungstreue Schtzung gegeben ist durch:
Mit anderen Worten: im Nenner vor der Summe stehen die
Dabei ist N die Anzahl der beobachteten Klassen und c Anzahl der aus den Daten
berechneten und/oder in der Rechnung verwendeten Parameter c.
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Lineare Regression 26.01.2011
Vorlesung 13- 28
( )
2
2
1
2
i i
i
s y a bx
N
=


Mit anderen Worten: im Nenner vor der Summe stehen die
Freiheitsgrade
In unserem konkreten Fall passen wir die Daten an fr:
Und damit:
. y a bx = +
Lineare Regression Lineare Regression -- Fehler Fehler
Konkret an unserem Anfangsbeispiel
Mittlere quadratische Abweichung ( )
2
2
1
2
i i
i
s y a bx
N
=


X
i
Y
i
0,20 52,4
1,17 54,6
1,96 57,7
y = 2,500 x + 52,18
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Lineare Regression 26.01.2011
Vorlesung 13- 29
Wie geht dieser Fehler s in den Fehler von a bzw. b ein ?
2
1.7726
0, 2532
7
0, 50
s
s
= =
=
1,96 57,7
2,98 59,5
4,05 62,7
5,12 65,6
5,93 67,0
7,01 69,0
8,24 72,8
( )
2
2
mit .
s
i i
N x x =

2
2 2
;
a i
s
x


2
2
;
b
s
N

=

Lineare Regression Lineare Regression -- Fehler Fehler


2
0, 2532 s =
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Lineare Regression 26.01.2011
Vorlesung 13- 30
Ergibt in unserem konkreten Fall:
b = 2,500 0,065 (2,565 ; 2,435)
a = 52,18 0,31 (52,49 ; 51,87)
Siehe dazu auch die heutige bungsaufgabe!
Y = (2,500 0,065) X + (52,18 0,31)
Endergebnis:
B = 2,500 0,065 (2,565 ; 2,435)
A = 52,18 0,31 (52,49 ; 51,87)
Angabe der Geradengleichung ?
Zeichnen der Geraden ?
Lineare Regression Lineare Regression -- Darstellung Darstellung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Lineare Regression 26.01.2011
Vorlesung 13- 31
Y = 2,565 X + 52,49
Y= 2,435 X + 51,87
Y= 2,565 X + 51,87
Y= 2,435 X + 52,49
(a)
(b)
(c)
(b, c)
Inkorrekte Darstellung der Fehlergeraden Inkorrekte Darstellung der Fehlergeraden
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Lineare Regression 26.01.2011
Vorlesung 13- 32
Y = 2,565 X + 52,49 (b)
Y= 2,435 X + 51,87 (d)
Y= 2,565 X + 51,87 (e)
Y= 2,435 X + 52,49 (c)
Y = (2,500 0,065) X + (52,18 0,31)
Optimale Gerade (a)
Y = 2,500 X + 52,18
Geradengleichung mit Fehlerangabe
(d, e)
Kleiner Fehler bei x=0, groer bei x=9
Auszeichnung des Schwerpunktes:
( )
4.073 62.367
;
x y
y b x a y b x a
y b x x y
= =
= + = +
= +
i i
i i
b x a N y
x y
b a
+ =
+ =


Lineare Regression Lineare Regression -- Darstellung Darstellung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Lineare Regression 26.01.2011
Vorlesung 13- 33
( )
( ) ( )
( ) ( )
2 2
2
0.41
y b x x y
y b b x x y C
C x b a
= +
= +
= + =
b a
N N
b x a y
+ =
+ =

vgl. folgende Graphen
Lineare Regression Lineare Regression Auszeichnung des Schwerpunktes Auszeichnung des Schwerpunktes
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Lineare Regression 26.01.2011
Vorlesung 13- 34
( )
4.073 62.367
;
x y
y bx a y b x a
y b x x y
= =
= + = +
= +
( )
( ) ( )
y b x x y
y b b x x y
= +
= +
Die Gerade dreht um den Schwerpunkt der
Messungen, wobei der Fehler der Y-Werte
den Fehler des Drehpunktes bestimmt.
( ) ( )
( ) ( )
2 2
2
0.41
y b b x x y C
C x b a
= +
= + =
Lineare Regression Lineare Regression Auszeichnung des Schwerpunktes Auszeichnung des Schwerpunktes
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Lineare Regression 26.01.2011
Vorlesung 13- 35
c
Die Geraden drehen um den
Schwerpunkt der Messung, wobei der
Fehler des Y-Wertes den Fehler des
Drehpunktes bestimmt.
Moderne Software zeigt nur die
ueren Teile der Geraden
Lineare Regression Lineare Regression -- Darstellung Darstellung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Lineare Regression 26.01.2011
Vorlesung 13- 36
Drehpunktes bestimmt.
Die beiden Kurven geben das
Vertrauensintervall an, in dem die korrekte
Gerade zu finden ist.
Neben A und B liefert der Taschenrechner auch
einen so genannten Korrelationskoeffizienten r.
Lineare Regression mit Taschenrechner Lineare Regression mit Taschenrechner
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Lineare Regression 26.01.2011
Vorlesung 13- 37
Vorgriff in der bungsaufgabe Vorgriff in der bungsaufgabe -- Korrelationskoeffizienten Korrelationskoeffizienten
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Lineare Regression 26.01.2011
Vorlesung 13- 38
Beispiel mit zwei
Standardabweichungen!
Y
Ausblick: Lineare Regression mit x Ausblick: Lineare Regression mit x--Fehler Fehler
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Lineare Regression 26.01.2011
Vorlesung 13- 39
X
bungsaufgabe bungsaufgabe
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Korrelation 02.02.2012
Vorlesung 14- 1
Erstabgabe bung 12 Erstabgabe bung 12
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Korrelation 02.02.2012
Vorlesung 14- 2
6 5 4 3 2 1 nicht abgegeben
Erstabgabe bung 12 Erstabgabe bung 12
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Korrelation 02.02.2012
Vorlesung 14- 3
6 5 4 3 2 1
Linearer Korrelationskoeffizient
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Korrelation 02.02.2012
Vorlesung 14- 4
Linearer Korrelationskoeffizient
X
i
Y
i
0,20 52,4
1,17 54,6
1,96 57,7
2,98 59,5
4,05 62,7
5,12 65,6
60,0
65,0
70,0
75,0


Testmessung zur
linearen Regression
Y
Fragestellung (Wiederholung) Fragestellung (Wiederholung)
Wir fhren eine Messung durch und erhalten folgende Werte:
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Korrelation 02.02.2012
Vorlesung 14- 5
5,12 65,6
5,93 67,0
7,01 69,0
8,24 72,8
0,00 2,00 4,00 6,00 8,00
50,0
55,0
X
1.) Angenommen die Beziehung zwischen x und y ist linear, welche Gerade passt
am besten zu den Messwerten?
2.) Wie knnen wir objektiv beurteilen, inwieweit die Daten unsere Annahme
erfllen und wirklich einer bestimmten Funktion (hier einer Gerade) folgen?
Vorberlegungen Vorberlegungen
Wir messen zur Bestimmung einer Gre q(X, Y) die Gren X und Y jeweils
mit einer Messreihe und erhalten N Datenpaare (x
i
,y
i
).
Aus den (x
1
, ,x
n
) und (y
1
, ,y
n
) bestimmen wir die Mittelwerte x und y sowie
deren Standardabweichung
x
und
y
.
( , ) mit ( 1,..., )
i i i
q q x y i N = =
Weiterhin bestimmen wir aus den N Messwertepaaren N Werte der gesuchten Gre
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Korrelation 02.02.2012
Vorlesung 14- 6
( , ) mit ( 1,..., )
i i i
q q x y i N = =
Daraus bestimmen wir q sowie
q
.
bliche Annahme: Die Fehler seien klein und normalverteilt.
Dann hlt:
( , ) ( , ) ( ) ( ).
i i i i i
q q
q q x y q x y x x y y
x y

= + +

( , ) ( , ) ( ) ( ).
i i i i i
q q
q q x y q x y x x y y
x y

= + +

Vorberlegungen Vorberlegungen
Mittelwert:
1 1
1 1
( , ) ( ) ( ) ;
und damit
( , ).
n n
i i i
i i
q q
q q q x y x x y y
N N x y
q q x y
= =
(
= = + +
(


=

Daraus Standardabweichung:
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Korrelation 02.02.2012
Vorlesung 14- 7
Daraus Standardabweichung:
2 2
1
1
( ) ,
n
q i
i
q q
N

=
=

2
2
1
1
( ) ( ) ,
n
q i i
i
q q
x x y y
N x y

=
(
= +
(

[ ]
2
2
2 2 2
1 1 1
1 1 1
( ) ( ) 2 ( )( ) .
n n n
q i i i i
i i i
q q q q
x x y y x x y y
x N y N x y N

= = =
| |
| |
= + +
| |

\
\

Vorberlegungen Vorberlegungen
[ ]
2
2
2 2 2
1 1 1
1 1 1
( ) ( ) 2 ( )( ) .
n n n
q i i i i
i i i
q q q q
x x y y x x y y
x N y N x y N

= = =
| |
| |
= + +
| |

\
\

2
x
=
2
y
=
x y
=
2
2
2 2 2
2 .
q x y xy
q q q q
x y x y

| |
| |
= + +
| |

\
\
Zusammengefasst:
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Korrelation 02.02.2012
Vorlesung 14- 8
x y x y
\
\
Bei unendlich vielen Messungen wird
xy
= 0, falls x und y
unabhngig sind.
Nach einer endlichen Zahl von Messungen ist es sehr
unwahrscheinlich, dass
xy
exakt gleich Null wird.
Wann drfen wir die
xy
ignorieren und die Gausche
Fehlerrechnung anwerfen?
Kovarianz Kovarianz
Der Term:
[ ]
1
1
( )( )
n
xy i i
i
x x y y
N

=
=

wird als Kovarianz Kovarianz von x und y bezeichnet.


Falls x und y voneinander abhngig sind wird
xy
auch bei unendlich vielen
Messungen nie null.
Die Kovarianz ist daher ein Ma fr die Abhngigkeit von Daten, man spricht dann
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Korrelation 02.02.2012
Vorlesung 14- 9
von Korrelation Korrelation.
Beispiel: Gleichzeitige Messung von Spannung und Strom zur Ermittlung
der Leistung mit dem selben Gert.
Die Kovarianz gibt zwar Richtung der Korrelation an, ber die Strke des
Zusammenhangs besteht aber keine Aussage.
Wir bentigen leistungsfhigere Indikatoren
y
( )( )
( ) ( ) [ ]
2
1
2
2




=
y y x x
y y x x
i i
i i
r
Definition des Definition des linearen linearen Korrelationskoeffizienten Korrelationskoeffizienten
xy
x y
r


=
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Korrelation 02.02.2012
Vorlesung 14- 10
x
Der Korrelationskoeffizient ist ein Indikator
dafr,
wie gut die Punkte (Xi,Yi) zu einer Geraden
passen.
Sein Wert liegt zwischen -1 und +1. Ist r nahe bei 1, dann befinden sich die
Punkte dicht bei einer Geraden. Ist r dagegen nahe bei 0, dann zeigen die
Punkte wenig oder keine Neigung, auf einer Geraden zu liegen.
Annahme alle Punkte (X
i
,Y
i
) lgen auf einer Geraden Y = A + BX
In diesem Fall ist Y
i
= A + B X
i
fr alle X
i
und
Y A B X = +
Somit gilt fr jedes X
i
: ( ) X X B Y Y
i i
=
Linearer Linearer Korrelationskoeffizient Korrelationskoeffizient
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Korrelation 02.02.2012
Vorlesung 14- 11
Setzt man dies in die Definitionsgleichung fr r ein, ergibt sich:
( )
( ) ( ) [ ]
1
2
1
2
2
2
2
= =

B
B
x x B x x
x x B
r
i i
i
[r = +1 bei positivem B; r = - 1 bei negativem B.]
Quantitative Bedeutung von r ?
Selbst wenn wir einen linearen Zusammenhang zwischen X und Y annehmen,
ist aufgrund von Messfehlern nicht zu erwarten, dass r = 1 ist.
Wir werden erwarten, dass r "hinreichend nahe" bei 1 liegt
Was heit hinreichend nahe?
Ist 0,8 hinreichend nahe?
Ist 0,6 nicht mehr nahe?
Linearer Linearer Korrelationskoeffizient Korrelationskoeffizient
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Korrelation 02.02.2012
Vorlesung 14- 12
Ist 0,6 nicht mehr nahe?
Ist r = 0,6 bei 5 Messwerten anders zu bewerten als bei 100?
Was wir bentigen, ist eine objektive Entscheidung darber,
was "hinreichend nahe" bei eins heit.
Nehmen wir an die zwei Variablen X und Y seien unkorreliert.
Bei unendlich vielen Messungen wird r = 0.
Nach einer endlichen Zahl von Messungen ist es sehr
unwahrscheinlich, dass r exakt gleich Null wird.
r = 0,495
Quantitative Quantitative Bedeutung Bedeutung des des linearen linearen Korrelationskoeffizienten Korrelationskoeffizienten
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Korrelation 02.02.2012
Vorlesung 14- 13
r = 1,000 r = 0,995 r = 0,951
r = 0,906
r = 0,702 r = 0,229
Nehmen wir an die zwei Variablen X und Y seien unkorreliert.
Bei unendlich vielen Messungen wird r = 0.
Nach einer endlichen Zahl von Messungen ist es sehr
unwahrscheinlich, dass r exakt gleich Null wird.
Man kann die Wahrscheinlichkeit dafr berechnen,
dass r einen bestimmten Wert r
o
bersteigt.
Quantitative Quantitative Bedeutung Bedeutung des des linearen linearen Korrelationskoeffizienten Korrelationskoeffizienten
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Korrelation 02.02.2012
Vorlesung 14- 14
dass r einen bestimmten Wert r
o
bersteigt.
P( r r
o
)
bezeichnet die Wahrscheinlichkeit, dass N Messungen
von zwei unkorrelierten Variablen X und Y einen Koeffizienten r liefern,
der grer ist als irgendein bestimmtes r
o
.
Quantitative Quantitative Bedeutung Bedeutung des des linearen linearen Korrelationskoeffizienten Korrelationskoeffizienten
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Korrelation 02.02.2012
Vorlesung 14- 15
Hier sind die Wahrscheinlichkeiten
dargestellt, bei N unkorrelierten Paaren
(X
i
, Y
i
) ein r einer gewissen Gre zu
erhalten.
Willkrliche Annahme X sei fehlerfrei
und Y fehlerbehaftet.
Zusammenhang Zusammenhang: : Lineare Lineare Regression Regression -- linearer linearer Korrelationskoeffizient Korrelationskoeffizient
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Korrelation 02.02.2012
Vorlesung 14- 16
r = 0,4945 bei N = 20
35, 48 110,15
1, 3366 62, 728
X Y
Y X
= =
= +
Zusammenhang Zusammenhang: : Lineare Lineare Regression Regression -- linearer linearer Korrelationskoeffizient Korrelationskoeffizient
Ebenfalls gerechtfertigte und genauso
willkrliche Annahme Y sei fehlerfrei und
X fehlerbehaftet.
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Korrelation 02.02.2012
Vorlesung 14- 17
Quantitative Quantitative Bedeutung Bedeutung des des linearen linearen Korrelationskoeffizienten Korrelationskoeffizienten
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Korrelation 02.02.2012
Vorlesung 14- 18
Quantitative Quantitative Bedeutung Bedeutung des des linearen linearen Korrelationskoeffizienten Korrelationskoeffizienten
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Korrelation 02.02.2012
Vorlesung 14- 19
Hier sind die Wahrscheinlichkeiten
dargestellt, bei N unkorrelierten Paaren
(X
i
, Y
i
) ein r einer gewissen Gre zu
erhalten.
Bei N=20 unkorrelierten Werten tritt
ein r = 0,444 in 5% der Flle auf;
ein r = 0,516 nur in 2,5% der Flle.
Die Wahrscheinlichkeit, bei 20 unkorrelierten Paaren (X
i
, Y
i
)
ein r von 0,4945 zu erhalten, ist etwa 2,5 %
In unserem Beispiel ist r = 0,4945 und N = 20
Wenn diese Wahrscheinlichkeit "hinreichend klein" ist,
Quantitative Quantitative Bedeutung Bedeutung des des linearen linearen Korrelationskoeffizienten Korrelationskoeffizienten
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Korrelation 02.02.2012
Vorlesung 14- 20
Wenn diese Wahrscheinlichkeit "hinreichend klein" ist,
knnen wir den Schluss ziehen,
dass es sehr unwahrscheinlich ist, dass X und Y unkorreliert sind,
oder anders
Es ist sehr wahrscheinlich, dass die Daten korreliert sind.
Ist 2,5 % eine "hinreichend kleine" Wahrscheinlichkeit ?
Quantitative Quantitative Bedeutung Bedeutung des des linearen linearen Korrelationskoeffizienten Korrelationskoeffizienten
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Korrelation 02.02.2012
Vorlesung 14- 21
Hufig wird eine beobachtete Korrelation r
b
als signifikant bezeichnet,
wenn die Wahrscheinlichkeit bei unkorrelierten Variablen einen Wert
grer als r
b
zu erhalten, der 5 % Schwelle entspricht.
Eine Korrelation wird als hochsignifikant bezeichnet, wenn die entsprechende
Wahrscheinlichkeit kleiner als 1 % ist.
In unserem Beispiel ist die Korrelation (r =0,4945)
bei 20 Wertepaaren signifikant
(auf 5% Niveau r
b
= 0,444 ).
Sie ist nicht hochsignifikant (1%, r
b
= 0,561).
Korrelation bedeutet nicht Kausalitt.
WICHTIG WICHTIG
Wussten Sie, dass.
.die Handschrift umso lesbarer ist, je grer die Schuhgre ist?
.der Weizenpreis sinkt, je mehr Symptome fr Weizenpollenallergie
(umgspr. Heuschnupfen) auftreten?
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Korrelation 02.02.2012
Vorlesung 14- 22
(umgspr. Heuschnupfen) auftreten?
.der Kalziumgehalt in den Knochen umso geringer ist, je mehr
unverheiratete Tanten jemand hat?
Vorsicht es gibt "Scheinkorrelationen"
Linearer Korrelationskoeffizient: Beispiele Linearer Korrelationskoeffizient: Beispiele
Gibt es eine Korrelation zwischen den Ergebnissen der Fehlerrechnung
und den Ergebnissen im schriftlichen Vordiplom?
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Korrelation 02.02.2012
Vorlesung 14- 23
Es gibt eine groe Anzahl Studierender, die an der Fehlerrechnung
teilgenommen haben, aber nicht zum Vordiplom angetreten sind.
Bercksichtigung von Studierenden, die beide Veranstaltungen absolviert haben.
Linearer Korrelationskoeffizient: Beispiele Linearer Korrelationskoeffizient: Beispiele
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Korrelation 02.02.2012
Vorlesung 14- 24
Gestrichelte Linien bedeuten die Punktegrenzen zum Bestehen der Veranstaltung.
Linearer Korrelationskoeffizient: Beispiele Linearer Korrelationskoeffizient: Beispiele
Einzeichnen einer Regressionsgeraden
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Korrelation 02.02.2012
Vorlesung 14- 25
Es liegt eine sehr geringe Korrelation vor, die obendrein durch einen Ausreier verstrkt wird.

Vernachlssigung des AUSREIERS
Linearer Korrelationskoeffizient: Beispiele Linearer Korrelationskoeffizient: Beispiele
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Korrelation 02.02.2012
Vorlesung 14- 26
Es liegt eine nahezu kreisfrmige Punktwolke vor, was auf eine geringe Korrelation schlieen lsst.
Linearer Korrelationskoeffizient: Beispiele Linearer Korrelationskoeffizient: Beispiele
Vernachlssigung des AUSREIERS fhrt zu einem noch kleineren
Korrelationskoeffizienten.
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Korrelation 02.02.2012
Vorlesung 14- 27
Linearer Korrelationskoeffizient: Beispiele Linearer Korrelationskoeffizient: Beispiele
Beide REGRESSIONSGERADEN STEHEN NAHEZU SENKRECHT AUFEINANDER.
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Korrelation 02.02.2012
Vorlesung 14- 28
Linearer Korrelationskoeffizient: Beispiele Linearer Korrelationskoeffizient: Beispiele
N = 140
r = 0,22
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Korrelation 02.02.2012
Vorlesung 14- 29
Die Korrelation ist hochsignifikant!
Linearer Korrelationskoeffizient: Beispiele Linearer Korrelationskoeffizient: Beispiele
Challenger, 28.01.1986
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Korrelation 02.02.2012
Vorlesung 14- 30
Linearer Korrelationskoeffizient: Beispiele Linearer Korrelationskoeffizient: Beispiele
Challenger, 28.01.1986
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Korrelation 02.02.2012
Vorlesung 14- 31
http://www.jsc.nasa.gov/Bios/htmlbios/mcauliffe.html
Linearer Korrelationskoeffizient: Beispiele Linearer Korrelationskoeffizient: Beispiele
Challenger, 28.01.1986
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Korrelation 02.02.2012
Vorlesung 14- 32
Linearer Korrelationskoeffizient: Beispiele Linearer Korrelationskoeffizient: Beispiele
Challenger, 28.01.1986
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Korrelation 02.02.2012
Vorlesung 14- 33
Linearer Korrelationskoeffizient: Beispiele Linearer Korrelationskoeffizient: Beispiele
Challenger, 28.01.1986
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Korrelation 02.02.2012
Vorlesung 14- 34
Linearer Korrelationskoeffizient: Beispiele Linearer Korrelationskoeffizient: Beispiele
Challenger, 28.01.1986
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Korrelation 02.02.2012
Vorlesung 14- 35
Linearer Korrelationskoeffizient: Beispiele Linearer Korrelationskoeffizient: Beispiele
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Korrelation 02.02.2012
Vorlesung 14- 36
Linearer Korrelationskoeffizient: Beispiele Linearer Korrelationskoeffizient: Beispiele
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Korrelation 02.02.2012
Vorlesung 14- 37
Linearer Korrelationskoeffizient: Beispiele Linearer Korrelationskoeffizient: Beispiele
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Korrelation 02.02.2012
Vorlesung 14- 38
Linearer Korrelationskoeffizient: Beispiele Linearer Korrelationskoeffizient: Beispiele
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Korrelation 02.02.2012
Vorlesung 14- 39
Linearer Korrelationskoeffizient: Beispiele Linearer Korrelationskoeffizient: Beispiele
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Korrelation 02.02.2012
Vorlesung 14- 40
Klausur zur Fehlerrechnung
Am 22.02.2012, Beginn 9:00 Uhr
HS1, HS2, HS3, und
Hrsaal Zuse/Turing im Informatikgebude
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Signifikanztests 09.02.2012
Vorlesung 15- 1
Erlaubte Hilfsmittel:
Schreibgert, Taschenrechner (netzunabhngig), Kurven-Lineal
Nicht erlaubte Hilfsmittel:
Alle kommunikationsfhigen Gerte, Laptop, Netbook, Mobiltelefon, Menschen, etc.
Namenlisten ab Freitag, 10.02.2012 am Praktikumsaushang
Platzzuordnung ab Donnerstag, 16.02.2012 am Praktikumsaushang.
bung bersicht bung bersicht
12
6%
11
15%
10
8
3%
7
2%
6
0%
5
1%
4
1%
3
1%
2
4%
1
3%
0
5%
Physiker
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Signifikanztests 09.02.2012
Vorlesung 15- 2
10
21%
9
38%
bung bersicht bung bersicht
12
3%
11
16%
10
19%
8
2%
7
1%
6
3%
5
1%
4
0%
3
1%
2
3%
1
7%
0
0%
Nanos
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Signifikanztests 09.02.2012
Vorlesung 15- 3
19%
9
44%
bung bersicht bung bersicht
12
3%
11
18%
10
15%
8
0%
7
0%
6
0%
5
6%
4
3%
3
3%
2
3%
1
0%
0
6%
Mathematische Physiker
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Signifikanztests 09.02.2012
Vorlesung 15- 4
15%
9
43%
0%
bung bersicht bung bersicht
12
4%
11
9%
10
17%
6
3%
5
3%
4
1%
3
1%
2
4% 1
9%
0
4%
Lehramt
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Signifikanztests 09.02.2012
Vorlesung 15- 5
9
39%
8
2%
7
4%
bung bersicht bung bersicht
12
3%
11
5%
10
19%
8
3%
7
3%
6
5%
5
5%
4
0%
3
2%
2
2%
1
3%
0
2%
LURIs
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Signifikanztests 09.02.2012
Vorlesung 15- 6
9
48%
bungen bungen
200
250
300
350
400
H

u
f
i
g
k
e
i
t
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Signifikanztests 09.02.2012
Vorlesung 15- 7
0
50
100
150
1 2 3 4 5 6 7 8 9 10 11 12
H

u
f
i
g
k
e
i
t
bungsaufgabe
6 Punkte 5 Punkte 4 Punkte 3 Punkte 2 Punkte 1 Punkt nicht abgegeben noch ausstehend
Signifikanztests
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Signifikanztests 09.02.2012
Vorlesung 15- 8
Signifikanztests
Sind die Tafeln Schokolade korrekt eingewogen?
Sind Nanos besser als Physiker?
Ist die bereinstimmung der experimentellen mit der
theoretischen Verteilung (bungsaufgabe) akzeptabel?
Typische Fragestellungen
Was ist ein Was ist ein Signifikanztest Signifikanztest??
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Signifikanztests 09.02.2012
Vorlesung 15- 9
Was heit signifikant?
Was ist ein Signifikanzniveau?
Was ist eine Hypothese?
Was sind Fehlerarten?
Was sind einseitige (zweiseitige) Tests?
Was ist ein
2
Test?
Wasserproben: Es wird der Zinkgehalt im Trinkwasser im Norden und im
Sden eines Landes gemessen.
Was heit signifikant? Was heit signifikant?
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Signifikanztests 09.02.2012
Vorlesung 15- 10
Ist das Wasser im Sden strker belastet?
Numerisch sind die Mittelwerte verschieden. Im Fall 1 ist der Unterschied deutlich (lat. significans).
Im zweiten Fall ist er nicht so deutlich.
Rckgriff auf die Normalverteilung:
Bei der Beobachtung von Zufallsprozessen gibt es immer die Wahrscheinlichkeit, dass das
Ergebnis einen bestimmten Grenzwert z
x
berschreitet.
z.B. 5%
Signifikanzniveau Signifikanzniveau
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Signifikanztests 09.02.2012
Vorlesung 15- 11
Der eingefrbte Bereich gibt die Wahrscheinlichkeit an, mit der das Ergebnis z einen
bestimmten Grenzwert z
x
berschreitet (links).
In manchen Fllen werden auch zwei Grenzwerte betrachtet werden mssen (rechtes Beispiel).
bersteigt die Zinkkonzentration einer
Wasserprobe einen bestimmten Grenzwert?
Ist die bestellte Pizza gut durchgebacken?
Einseitige und zweiseitige Tests Einseitige und zweiseitige Tests
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Signifikanztests 09.02.2012
Vorlesung 15- 12
roh - gut durchbacken - verbrannt
Einseitige Test haben nur einen Ablehnungsbereich (links).
Zweiseitige Tests werden angewendet, wenn ein Parameter auf
Gleichwertigkeit mit einem bestimmten Wert berprft werden soll.
Abweichungen in beide Richtungen werden verworfen (rechts).
Wiederholung: Wiederholung: Konfidenzintervalle Konfidenzintervalle
Die Mittelwerte x
i
sind normalverteilt um den wahren Mittelwert
der Grundgesamtheit mit einer Standardabweichung von ,
wenn n gro ist.
n

Das heit, alle Mittelwerte einer Stichprobe einer Normalverteilung


liegen mit einer 68.27 % Wahrscheinlichkeit im Intervall
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Signifikanztests 09.02.2012
Vorlesung 15- 13
;
i i
n n


| |
+
|
\
Aufgabe ist es jetzt, die Lnge eines Intervalls so festzulegen,
dass es den wahren Mittelwert
mit einer runden Vertrauenswahrscheinlichkeit berdeckt,
also 90% oder 95%
In der Praxis hat die Werte = 0,90, = 0,95, = 0,99
und gelegentlich = 0,999
Es ist klar, dass es einen Parameter

geben muss, so dass das Intervall


|
|

|
+ ;


Konfidenzintervalle Konfidenzintervalle
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Signifikanztests 09.02.2012
Vorlesung 15- 14
|

\
|
+
n
;
n


i i
ein Konfidenzintervall fr zur Vertrauenswahrscheinlichkeit ist.



=
|
|

\
|
+
n n
i i
Konfidenzintervalle Konfidenzintervalle
Diese Gleichung lsst sich umformen
i

| |
+ =
|
\
i i
n n



| |
+ =
|
\

T. Kieling: Auswertung von Messungen und Fehlerrechnung - Signifikanztests 09.02.2012
Vorlesung 15- 15
Hufig benutzte Werte fr :

90%
= 1,645

95%
= 1,960

99%
= 2,576
Diese sind zweiseitige Schranken der Normalverteilung.

68,27%
= 1,000

95,44%
= 2,000

99,73%
= 3,000
Der Ausdruck
i

n z

=
wurde im Laufe der Vorlesung wiederholt gebraucht.
93, 0g bei einem 4, 0g
i x
x = = =
Schokoladentafeln: Das wahre Gewicht (Mittelwert der Grundgesamtheit) sei 100g.
Wir machen eine Zufallsstichprobe (n>30).
Mit 95,5% Sicherheit (Konfidenz) liegt der wahre Mittelwert im Intervall.
2
x
x
Konfidenzintervalle Konfidenzintervalle: Beispiel : Beispiel
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Signifikanztests 09.02.2012
Vorlesung 15- 16
2
x
x
Mit 95,0% Sicherheit (Konfidenz) liegt der wahre Mittelwert im Intervall.
1, 96
x
x
Das heit, alle zwischen 100,8 g und 85,2 g knnen diese
Stichprobe mit 95,0% Konfidenz erzeugt haben.
Wenn alle zwischen 100,8 g und 85,2 g diese Stichprobe mit einer 95,0%
Konfidenz erzeugt haben, kann man sich fragen, wie sehen andere
Konfidenzintervalle aus?
Zum Beispiel knnen alle zwischen 103,3 g und 82,7 g diese
Stichprobe mit 99,0% Konfidenz erzeugt haben.
Zum Beispiel knnen alle zwischen 99,6 g und 86,4 g diese
Stichprobe mit 90,0% Konfidenz erzeugt haben.
Konfidenzintervalle Konfidenzintervalle: Beispiel : Beispiel
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Signifikanztests 09.02.2012
Vorlesung 15- 17
Das Intervall der mglichen Erzeuger fr diesen Stichprobenmittelwert wird
umso grer, je kleiner ich die Restwahrscheinlichkeit
(Irrtumswahrscheinlichkeit) mache.
Ein Konfidenzintervall kennzeichnet denjenigen Bereich eines Merkmals,
in dem sich 95% (99%) aller mglichen Populationsparameter befinden,
die den empirisch ermittelten Stichprobenkennwert erzeugt haben knnen.
VORSICHT!!!! Dies gilt nur bei groen Stichproben n>30.
x
n z

=
Alternative Betrachtung:
93, 0g bei einem 4g
x
x = =
93 100
7
1, 75
4
x

= =
93
So kleine Werte, wie den Stichprobenmittelwert 93,0
g, knnen in 4,01 % der Flle von Werten grer als 100 g
Konfidenzintervalle Konfidenzintervalle: Beispiel : Beispiel
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Signifikanztests 09.02.2012
Vorlesung 15- 18
100
93
g, knnen in 4,01 % der Flle von Werten grer als 100 g
erzeugt werden.
Ist das nun eine signifikante Abweichung?
Oder kann ich behaupten, der wahre
Erzeuger fr diese Stichprobe hat nicht den
Mittelwert 100g.
Es gibt zwei verschiedene Fehlerarten:
Fehler erster (-Fehler) und Fehler zweiter Art (-Fehler).
Wir kaufen Schokolade.
Die Schokolade soll ein Verpackungsgewicht von 100g aufweisen.
Aufstellen einer Hypothese:
Wir misstrauen dem Lieferanten.
Testen von Hypothesen Testen von Hypothesen
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Signifikanztests 09.02.2012
Vorlesung 15- 19
Wir misstrauen dem Lieferanten.
Wir nehmen an, dass der Lieferant unsere Bedingung nicht erfllt,
d.h. die Tafeln wiegen tatschlich weniger als 100g
Dies ist unsere Nullhypothese, also die Annahme, die wir wiederlegen mchten.
H
0
*
oder Nullhypothese:
100
Schokolade Limit
m m g =
Nullhypothese Nullhypothese -- Alternativhypothese Alternativhypothese
H
0
*
oder Nullhypothese:
Zu jeder Nullhypothese gibt es eine Alternativhypothese H
1
*
.
H
1
*
oder Alternativhypothese:
Es gibt vier mgliche Ergebnisse fr
unseren Test.
Schokolade Limit
m m
Schokolade Limit
m m >
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Signifikanztests 09.02.2012
Vorlesung 15- 20
unseren Test.
In diesem Beispiel ist der Fehler vom Typ II weniger schdlich.
Wir kaufen nicht.
Wir kaufen.
Schokolade Limit
m m
Schokolade Limit
m m >
- - Fehler Fehler - - Fehler Fehler
Fehler erster Art oder -Fehler:
Eine richtige Nullhypothese wird zu Gunsten der
Alternativhypothese abgelehnt.
Fehler zweiter Art oder -Fehler:
Eine richtige Alternativhypothese wird zu
Gunsten der Nullhypothese abgelehnt.
Irrtumswahrscheinlichkeit: Auftreten fr die Wahrscheinlichkeit eines -Fehlers.
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Signifikanztests 09.02.2012
Vorlesung 15- 21
Es gibt immer die Wahrscheinlichkeit, dass
eine Stichprobe zu einem Wert fhrt, der
grer ist als der Grenzwert z
k
.
Siehe quantitatives Beispiel mit den
Schokoladentafeln aus dem
Automaten.
Gewicht der Schokoladentafeln
93g bei einem 5g
x
x = =
Diskussion mit einer 5% Irrtumswahrscheinlichkeit.
Bei einer Normalverteilung liegen 5% der Ergebnisse
oberhalb von 1,645 s.
z
k
= 101,2 g
Suche des Grenzwertes z
k
101,2g sind grer als mein Limit von 100,0g.
Testen von Hypothesen Testen von Hypothesen
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Signifikanztests 09.02.2012
Vorlesung 15- 22
Diskussion mit einer 10% Irrtumswahrscheinlichkeit.
Oberhalb von 1,282 s liegen 10% der Ergebnisse.
z
k
= 99,4 g
101,2g sind grer als mein Limit von 100,0g.
Daraus folgt, die Nullhypothese muss verworfen werden.
Daraus folgt, die Nullhypothese ist gltig.
Gewicht der Schokoladentafeln
93g bei einem 5g
x
x = =
Bei einer Normalverteilung liegt der
Grenzwert von 100,0g etwa 1,40 oberhalb
vom Stichprobenmittelwert von 93,0g.
Der Grenzwert unserer Nullhypothese
z
k
= 100,0 g
Berechnung der Berechnung der Irrtumswahrscheinlichkeit Irrtumswahrscheinlichkeit
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Signifikanztests 09.02.2012
Vorlesung 15- 23
Gewicht der Schokoladentafeln
Oberhalb von 1,40 liegen 8,08% aller Ereignisse.
Wenn wir H
0
*
annehmen, haben wir eine Irrtumswahrscheinlichkeit von 8,08 %.
Dies alles gilt nur, wenn die Stichprobe mehr als 30 Messungen enthlt !
Teststrke Teststrke
Die Teststrke gibt an, mit welcher Wahrscheinlichkeit ein Signifikanztest zu Gunsten
einer richtigen Alternativhypothese H
1
*
entscheidet.
Die Teststrke hat den Wert (1-).

0

1
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Signifikanztests 09.02.2012
Vorlesung 15- 24
Die Teststrke (1-) wird grer:
mit wachsender Differenz zwischen Teilpopulationen
mit kleiner werdender Merkmalsstreuung
mit grer werdendem Signifikanzniveau , wenn nicht festgelegt ist
mit grer werdendem Stichprobenumfang
Modellbildung:
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Signifikanztests 09.02.2012
Vorlesung 15- 25
bereinstimmung von
Modell und Messung
Bierschaumzerfall Bierschaumzerfall
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Signifikanztests 09.02.2012
Vorlesung 15- 26
( )
( )
2
2
2
i
y y
y

( )
2
2 i
y y

Bisweilen auch:

22
Test bei Kurvenanpassung Test bei Kurvenanpassung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Signifikanztests 09.02.2012
Vorlesung 15- 27
y
=

Reduced chi-square:
2
2
Reduced

=
Wenn Fehler nicht bekannt.
Wenn Fits unterschiedlicher Art
verglichen werden sollen.
Vergleich der
2
-Testverfahren:
Kurvenanpassung
Verteilungen
( ) ( ) ( )
( )
2
2
T k E k
T k

( )
( )
2
2
2
i
y y
y


22
Test bei Kurvenanpassung Test bei Kurvenanpassung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Signifikanztests 09.02.2012
Vorlesung 15- 28

2
= 12,483
Vergleich der
2
-Testverfahren:
Kurvenanpassung Verteilungen
( ) ( ) ( )
( )
2
2
T k E k
T k

2
= 12,483
( )
( )
2
2
2
i
y y
y

2
mglichst klein.

22
Test bei Kurvenanpassung Test bei Kurvenanpassung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Signifikanztests 09.02.2012
Vorlesung 15- 29
Bei der Kurvenanpassung versucht man, ein mglichst kleines
2
zu erhalten.
Selbstverstndlich ist die bereinstimmung umso besser, je kleiner das
2
ist,
0,99 0,975 0,95 0,90 0,80 0,70 0,50 0,30 0,20 0,10 0,05 0,025 0,1 0,001
=16 5,81 6,91 7,96 9,31 11,2 12,6 15,3 18,4 20,5 23,54 26,30 28,85 32,00 39,25
Beim Test von Verteilung (bungsaufgabe Poisson) ist die Fragestellung anders.
Wie gro muss
2
sein, damit ich mich nur noch in x% der Flle irre.
Fr jedes X
i
gibt es eine Wahrscheinlichkeit P
i
den Messwert Y
i
zu erhalten.
Normalverteilung der Messwerte:
( )
2
1 1
exp
2
2
i i
i
i
i
y y x
P



(

=
`
(


)
Ursprngliche Annahme Ursprngliche Annahme
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Signifikanztests 09.02.2012
Vorlesung 15- 30
Betrachtung der Residuen Betrachtung der Residuen
( ).
i i i
r y y y x = =
Gem unserer Annahmen sollten die Residuen
normalverteilt um unsere bestangepasste Kurve streuen
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Signifikanztests 09.02.2012
Vorlesung 15- 31
Sehr zugngliche Form der berprfung, da das
menschliche Gehirn nach Mustererkennung arbeitet.
Luat enier Stidue an der elingshcen Cmabridge Unvirestit ist es
eagl, in wlehcer Rienhnelfoge die Bcuhtsbaen in eniemWrot
sethen, das enizg wcihitge dbaei ist, dsas der estre und Izete
Bcuhtsbae am rcihgiten Paltz snid. Der Rset knan ttolaer Blsdinn
sein, und man knan es torztedmonhe Porbelme lseen.
Das ghet dseahlb, wiel das mneschilche Geihrn nciht jdeen
Bchustbaen liset sodnern das Wrot als Gnaezs.
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Signifikanztests 09.02.2012
Vorlesung 15- 32
Was fr Buchstaben gilt, gilt leider nicht fr Zahlen !
4,35678 4,75638
Dies ist beim Eintippen von Zahlen in den Taschenrechner
dringend zu beachten!
Es gilt aber sehr wohl fr graphische Darstellungen!
Residuen bei fester Anfangshhe Residuen bei fester Anfangshhe
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Signifikanztests 09.02.2012
Vorlesung 15- 33
Residuen Residuen Monoexponentiell bei gefitteter Anfangshhe Monoexponentiell bei gefitteter Anfangshhe
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Signifikanztests 09.02.2012
Vorlesung 15- 34
Polynom vierten Grades Polynom vierten Grades

2
= 0,570

2
red
= 0,0518
2 3 4
1 2 3 4 5
y P P x P x P x P x = + + + +
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Signifikanztests 09.02.2012
Vorlesung 15- 35
Welche physikalische Bedeutung haben die fnf Parameter?
Modell Modell -- Theyen Theyen
o
o
A
A
t t
=

T. Kieling: Auswertung von Messungen und Fehlerrechnung - Signifikanztests 09.02.2012


Vorlesung 15- 36

2
= 5,47

2
red
= 0,42
Residuen bei Residuen bei biexponentiellem biexponentiellem Zerfall Zerfall
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Signifikanztests 09.02.2012
Vorlesung 15- 37
T. Wilhelm, W. Ossau, Physik der Naturwissenschaften, Vol. 58 T. Wilhelm, W. Ossau, Physik der Naturwissenschaften, Vol. 58- -8, pp. 19 8, pp. 19- -25, 2009 25, 2009
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Signifikanztests 09.02.2012
Vorlesung 15- 38
T. Wilhelm, W. Ossau, Physik der Naturwissenschaften, Vol. 58 T. Wilhelm, W. Ossau, Physik der Naturwissenschaften, Vol. 58- -8, pp. 19 8, pp. 19- -25, 2009 25, 2009
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Signifikanztests 09.02.2012
Vorlesung 15- 39
Welche physikalische Bedeutung hat biexponentiell?
Videoanalyse, Didaktik der Physik Videoanalyse, Didaktik der Physik
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Signifikanztests 09.02.2012
Vorlesung 15- 40
Videoanalyse, Didaktik der Physik Videoanalyse, Didaktik der Physik
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Signifikanztests 09.02.2012
Vorlesung 15- 41
Videoanalyse, Didaktik der Physik Videoanalyse, Didaktik der Physik
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Signifikanztests 09.02.2012
Vorlesung 15- 42
Schlsselqualifikation: Logarithmische Auftragung Schlsselqualifikation: Logarithmische Auftragung
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Signifikanztests 09.02.2012
Vorlesung 15- 43
Marco Potreck, Berlin, Prozesswissenschaften der TU Berlin, Dissertation 2004
T. Kieling: Auswertung von Messungen und Fehlerrechnung - Signifikanztests 09.02.2012
Vorlesung 15- 44
Marco Potreck, Berlin, Prozesswissenschaften der TU Berlin, Dissertation 2004