StatLab jak moc si tím věřím

Tohle je statická kopie kapitoly pro vyhledávače. Interaktivní verze má animované obrázky, kontrolní otázky a tlačítka, která příklad načtou do kalkulačky.

Rozdělení: jedno číslo nikdy nestačí

Katalog udává „přesnost ±0,1 mm“. To samo o sobě neznamená nic. Znamená to, že se tam každá hodnota vejde? Že se tam vejde 95 % hodnot? Že tam padne průměr z tisíce měření? Tři naprosto různá tvrzení, a mezi nimi jsou řádové rozdíly.

Údaj o nejistotě není číslo, ale rozdělení. Teprve tvar rozdělení a to, kolik sigem je za tím „±“, dělají z čísla informaci. Poctivá specifikace proto zní „±0,1 mm (2σ)“ nebo „±0,1 mm (max)“ — a rozdíl mezi nimi je faktor asi 2.

μ−4,0−2,00,02,04,0normální (Gaussovo)n = 1000průměr vzorku−0,0014přesná μ0,0000směrod. odch. vzorku0,9874přesná σ1,0000to, co vznikne sčítáním mnoha modré sloupce = naměřený histogram, zelená = přesná hustota
Odchylka průměru od pravdy je 0.04 směrodatné chyby. Čekaná chyba je σ/√n = 3.16e-2 — zvětšit n stokrát ji zmenší jen desetkrát.
Modré sloupce jsou naměřený histogram, zelená čára přesná hustota. Přidávej vzorky a sleduj, jak se sbližují — a jak pomalu.

Hustota, ne pravděpodobnost

U spojité veličiny je pravděpodobnost, že padne přesně 5,000000…, nula. Smysl má jen ptát se na interval, a to je přesně to, co hustota dělá: je to funkce, jejíž plocha mezi dvěma body je pravděpodobnost.

P(a ≤ X ≤ b) = ∫ₐᵇ f(x) dx, ∫_{−∞}^{∞} f(x) dx = 1hustota — a to je IntegralLab

Odtud plyne i jednotka: hustota naměřené délky se udává v 1/mm, ne bezrozměrně. V SensorLabu se ze stejného důvodu šum udává v nV/√Hz — je to hustota, ne hodnota.

Pět rozdělení, která stojí za znalost

rozděleníodkud se bererozptyl
normálnísoučet mnoha nezávislých vlivů (kap. 4)σ²
rovnoměrnékvantovací chyba převodníkuq²/12
exponenciálnídoba do poruchy při konstantní intenzitě1/λ²
dvouvrcholovédva provozní režimy, dvě dávky součástekd² + σ²
Cauchyhoprotipříklad — nemá rozptyl vůbec

To q²/12 stojí za zapamatování. Dvanáctibitový převodník s rozsahem 10 V má krok q = 2,44 mV, a jeho kvantovací šum má směrodatnou odchylku q/√12 = 0,70 mV — ne q, ne q/2. Kdo počítá s celým krokem, přestřelí nejistotu 3,5×; kdo s polovinou, 1,7×.

Poslední řádek tabulky není kuriozita. Cauchyho rozdělení nemá střední hodnotu ani rozptyl — a to není „má je velké“, ale nemá je. Přidat vzorky nepomůže: průměr z milionu je stejně divoký jako jediný vzorek. Kapitola 4 to ukáže naměřeně, a stojí za to vědět, že takové věci existují: rozdělení s těžkými chvosty vznikají u poměrů dvou veličin, u některých finančních dat i u některých měření s odlehlými hodnotami.

Vzorce v této kapitole

f(x) — hustota pravděpodobnosti
P(a≤X≤b) = ∫ₐᵇ f dx; ∫f = 1 [1/[x]] kap. 1
q²/12 — rozptyl kvantování
σ = q/√12 [[x]] kap. 1