Kde se to v akademii používá
| labka | co si odsud bere |
|---|---|
| SensorLab | Každý údaj v katalogu je rozdělení. Šum v nV/√Hz je hustota (kap. 1), opakovatelnost je σ, a kvantovací šum je q/√12. |
| FilterLab | Kalmanův filtr JE kovarianční matice propagovaná časem (kap. 6). Zesílení filtru je poměr dvou nejistot. |
| OptiLab | Nejmenší čtverce jsou maximálně věrohodný odhad při gaussovském šumu (kap. 8) — a proto právě ta účelová funkce. |
| FitLab | Tolerance a uložení jsou statistika výroby. Kdy se sčítají tolerance kvadraticky a kdy v nejhorším případě, je kapitola 7. |
| VisionLab | Reziduum kalibrace je σ přeostření; nejistota bodu je elipsa protažená po paprsku. |
| KineLab | C_x = J·C_q·Jᵀ — šíření nejistoty z kapitoly 7, jen maticově. |
| SafetyLab | Meze z DGUV jsou percentily populace, ne průměry — a rozdíl mezi tím je celá kapitola 3. |
| FourierLab | Gaussovka je jediný tvar, který transformace nezmění — a dosahuje meze Δt·Δf. |
Co si odnést
- Jedno číslo není odpověď. „±0,1 mm“ nic neznamená, dokud se neřekne kolik σ.
- Průměr může ležet tam, kde nic není — u dvouvrcholových dat popisuje stav, který nenastává. Kreslete histogramy.
- Gaussovka se objevuje kvůli sčítání mnoha vlivů, ne kvůli eleganci. A CLT má podmínku: konečný rozptyl.
- 95 % je 1,96σ, ne 2σ.
- Zpřesnění o řád stojí stokrát víc měření — a systematickou chybu neodstraní vůbec.
- s a s/√n jsou dvě různá čísla a odpovídají na dvě různé otázky.
- 1σ elipsa pokrývá 39,3 %, ne 68 %.
- Nejistoty se sčítají kvadraticky, takže menší složka se skoro ztratí — investujte do největší.
- Lineární šíření selže tam, kde se funkce křiví, a nedá o tom vědět. Když si nejste jistí, Monte Carlo.
- Proložení bez chybové úsečky je půlka odpovědi, a širší rozsah x pomůže víc než víc bodů.
Co tady není. Testování hypotéz a p-hodnoty, bayesovská inference, návrh experimentu, časové řady a neparametrické metody. Všechno to jsou skutečné a užitečné části oboru — tahle labka je nepočítá a říká to, místo aby dělala, že obor končí tam, kde končí kód.