19.05.2016 // 17:08:29

---

smihаilоv пишет:
Игорь, ты долго держался. Достало?

---

30.06.2016 // 17:38:10

---

restiv пишет:
Garry подскажите откуда взяты формулы на 105 странице Вашей презентации. Я хочу их использовать, но в РМГ их нет. На что ссылаться? На какой НД?

---

01.07.2016 // 13:56:25

---

Garry пишет:

---

01.07.2016 // 18:17:43

---

restiv пишет:

---

Garry пишет:

---

D. Brynn Hibbert, J. Justin Gooding "DATA ANALYSIS FOR CHEMISTRY" An Introductory Guide for Students and Laboratory Scientists, Oxford 2006 на странице 133.

---

12.01.2017 // 11:03:03

---

Garry пишет:
Я уже давно рассчитываю неопределенности методом Монте-Карло. Это очень просто, хотя и звучит страшненько. Достаточно иметь обычный Эксель, малость желания и понимания суть происходящего.
Есть соотвтствующий документ применения этого метода, который рекомендуется как Suplements к традиционному GUM. Обзывается он
JCGM 101:2008. Evaluation of measurement – Supplement to the «Guide to the expression of uncertainty in measurement – propagation of distributions using a Monte-Carlo method». Я наверное, являюсь пропагандистом этого метода, поскольку знаю на своей шкуре насколько он облегчает все телодвижения по этим расчетам.
Суть метода сводится к тому, что вам нужно "нарисовать" перед собой уравнение расчета конечной велины (выходной величины), т.е. той которую вы вписываете в протоколы измерений.
Так, вот все компоненты этой формулы стоящие после "=" являются входными величинами, которые имеют свой тип распределения неопределенности. Например, масса, отмериваемый объем - это неопределенность типа "Б" и распределена она равномерно. Коэффициенты регрессии калибровочного уравнения, площадь хроматографического пика - неопределенности типа "А" (нормальное распределение). Их неопределенности в виде СКО арифметического среднего нужно оценить из реальных экспериментальных данных. Т.е. для оценивания площади нужно 10 раз подряд продозировать одну и ту же концентрацию стандарта и определить СКО площади пика. Для оценивания коэффициентов калибровки существуют формулы для получения оценок.
Далее в Экселе составляете так называемый бюджет неопределенности, в котором вписываете в столбик входные величины, затем в столбик их неопределенности для "А" - СКО среднего арифметического, а для "Б" данные погрешности из паспотра на пипетку, колбу и т.д. деленное на корень из 3.
Открываете следующий лист в той же книге Экселя где используя генератор случайных чисел (модуль анализа должен быть установлен в Экселе ! если его нет, то должны установить из офисного пакета) генерируете массивы данных для каждой из входных величин в соответствии с типом распределения и неопределенностями из первого листа. Эксель это позволяет делать элементарно. Количество генерируемых данных должно быть 10000. Далее после того как сгенерированы все массивы данных в следующем столбце прописываете формулу - уравнение расчета выходной величины и размножаете ее на 10000 ячеек. В этом столбце Эксель используя данные из столбцов входных величин формирует массив данных выходной величины в котором учтены все неопределенности входных величин. Далее копируете значения ! массива выходной величины в следующий столбец и ранжируете данные по возрастанию. Находите интерквантильный промежуток путем вычитания значения из ячейки 9750 и ячейки 250. Эта величина будет вашей расширенной неопределенностью. Стандартную суммарную неопределенность находят простым вычислением СКО массива выходной величины, а коэффициент охвата находят делением расширенной неопределенности на стандартную суммарную. Вот и все.
Всем желающим могу выслать пример расчета и по GUM и по методу Монте-Карло с помощью Экселя.
Мой мейл где-то валяется здесь на форуме.

---

18.12.2017 // 13:55:17

---

Garry пишет:
Я уже давно рассчитываю неопределенности методом Монте-Карло. Это очень просто, хотя и звучит страшненько. Достаточно иметь обычный Эксель, малость желания и понимания суть происходящего.
Есть соотвтствующий документ применения этого метода, который рекомендуется как Suplements к традиционному GUM. Обзывается он
JCGM 101:2008. Evaluation of measurement – Supplement to the «Guide to the expression of uncertainty in measurement – propagation of distributions using a Monte-Carlo method». Я наверное, являюсь пропагандистом этого метода, поскольку знаю на своей шкуре насколько он облегчает все телодвижения по этим расчетам.
Суть метода сводится к тому, что вам нужно "нарисовать" перед собой уравнение расчета конечной велины (выходной величины), т.е. той которую вы вписываете в протоколы измерений.
Так, вот все компоненты этой формулы стоящие после "=" являются входными величинами, которые имеют свой тип распределения неопределенности. Например, масса, отмериваемый объем - это неопределенность типа "Б" и распределена она равномерно. Коэффициенты регрессии калибровочного уравнения, площадь хроматографического пика - неопределенности типа "А" (нормальное распределение). Их неопределенности в виде СКО арифметического среднего нужно оценить из реальных экспериментальных данных. Т.е. для оценивания площади нужно 10 раз подряд продозировать одну и ту же концентрацию стандарта и определить СКО площади пика. Для оценивания коэффициентов калибровки существуют формулы для получения оценок.
Далее в Экселе составляете так называемый бюджет неопределенности, в котором вписываете в столбик входные величины, затем в столбик их неопределенности для "А" - СКО среднего арифметического, а для "Б" данные погрешности из паспотра на пипетку, колбу и т.д. деленное на корень из 3.
Открываете следующий лист в той же книге Экселя где используя генератор случайных чисел (модуль анализа должен быть установлен в Экселе ! если его нет, то должны установить из офисного пакета) генерируете массивы данных для каждой из входных величин в соответствии с типом распределения и неопределенностями из первого листа. Эксель это позволяет делать элементарно. Количество генерируемых данных должно быть 10000. Далее после того как сгенерированы все массивы данных в следующем столбце прописываете формулу - уравнение расчета выходной величины и размножаете ее на 10000 ячеек. В этом столбце Эксель используя данные из столбцов входных величин формирует массив данных выходной величины в котором учтены все неопределенности входных величин. Далее копируете значения ! массива выходной величины в следующий столбец и ранжируете данные по возрастанию. Находите интерквантильный промежуток путем вычитания значения из ячейки 9750 и ячейки 250. Эта величина будет вашей расширенной неопределенностью. Стандартную суммарную неопределенность находят простым вычислением СКО массива выходной величины, а коэффициент охвата находят делением расширенной неопределенности на стандартную суммарную. Вот и все.
Всем желающим могу выслать пример расчета и по GUM и по методу Монте-Карло с помощью Экселя.
Мой мейл где-то валяется здесь на форуме.

---

12.12.2020 // 15:46:25

---

Garry пишет:
Я уже давно рассчитываю неопределенности методом Монте-Карло. Это очень просто, хотя и звучит страшненько. Достаточно иметь обычный Эксель, малость желания и понимания суть происходящего.
Есть соотвтствующий документ применения этого метода, который рекомендуется как Suplements к традиционному GUM. Обзывается он
JCGM 101:2008. Evaluation of measurement – Supplement to the «Guide to the expression of uncertainty in measurement – propagation of distributions using a Monte-Carlo method». Я наверное, являюсь пропагандистом этого метода, поскольку знаю на своей шкуре насколько он облегчает все телодвижения по этим расчетам.
Суть метода сводится к тому, что вам нужно "нарисовать" перед собой уравнение расчета конечной велины (выходной величины), т.е. той которую вы вписываете в протоколы измерений.
Так, вот все компоненты этой формулы стоящие после "=" являются входными величинами, которые имеют свой тип распределения неопределенности. Например, масса, отмериваемый объем - это неопределенность типа "Б" и распределена она равномерно. Коэффициенты регрессии калибровочного уравнения, площадь хроматографического пика - неопределенности типа "А" (нормальное распределение). Их неопределенности в виде СКО арифметического среднего нужно оценить из реальных экспериментальных данных. Т.е. для оценивания площади нужно 10 раз подряд продозировать одну и ту же концентрацию стандарта и определить СКО площади пика. Для оценивания коэффициентов калибровки существуют формулы для получения оценок.
Далее в Экселе составляете так называемый бюджет неопределенности, в котором вписываете в столбик входные величины, затем в столбик их неопределенности для "А" - СКО среднего арифметического, а для "Б" данные погрешности из паспотра на пипетку, колбу и т.д. деленное на корень из 3.
Открываете следующий лист в той же книге Экселя где используя генератор случайных чисел (модуль анализа должен быть установлен в Экселе ! если его нет, то должны установить из офисного пакета) генерируете массивы данных для каждой из входных величин в соответствии с типом распределения и неопределенностями из первого листа. Эксель это позволяет делать элементарно. Количество генерируемых данных должно быть 10000. Далее после того как сгенерированы все массивы данных в следующем столбце прописываете формулу - уравнение расчета выходной величины и размножаете ее на 10000 ячеек. В этом столбце Эксель используя данные из столбцов входных величин формирует массив данных выходной величины в котором учтены все неопределенности входных величин. Далее копируете значения ! массива выходной величины в следующий столбец и ранжируете данные по возрастанию. Находите интерквантильный промежуток путем вычитания значения из ячейки 9750 и ячейки 250. Эта величина будет вашей расширенной неопределенностью. Стандартную суммарную неопределенность находят простым вычислением СКО массива выходной величины, а коэффициент охвата находят делением расширенной неопределенности на стандартную суммарную. Вот и все.
Всем желающим могу выслать пример расчета и по GUM и по методу Монте-Карло с помощью Экселя.
Мой мейл где-то валяется здесь на форуме.

---

  Ответов в этой теме: 142
  Страница: 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
  «« назад || далее »»

Ответ на тему