আপনি কোনও পরিমাপ ডিভাইসের যথার্থতা কীভাবে নির্ধারণ করবেন?

Question

আসুন আপনাকে বলুন যে আপনার কাছে এমন একটি পরিমাপ ডিভাইস রয়েছে যার সঠিকতা আপনি জানেন না এবং একটি রেফারেন্স পরিমাপ ডিভাইস রয়েছে। উভয় একটি পরিবর্তনশীল পরিমাপ । আগ্রহের । আপনি এই ব্যাপ্তিতে অজানা ডিভাইসের যথার্থতা কীভাবে নির্ধারণ করবেন?$x$$x_0<x < x_1$

আমার ক্রিয়াকলাপটি হবে উভয় ডিভাইসের জন্য থেকে পর্যন্ত মান সংগ্রহ করা এবং ত্রুটির বিতরণ তৈরি করা । সঠিকতা তারপর ত্রুটি বিঘত হতে পারে, বা কিছু অনুরূপ - এই সঠিক?$x_0$$x_1$$\pm3\sigma$

অনুমিতি:

• রেফারেন্স পরিমাপ ডিভাইসটি ক্রমাঙ্কিত এবং কার্যত কোনও ত্রুটি নেই

Comments

প্রথমে পরিমাপের রেফারেন্স ডিভাইসটি সঠিকভাবে ক্রমাঙ্কিত করা উচিত। তারপরে নির্ভুলতা নির্ধারণ করা যেতে পারে ডাইনির জন্য সর্বনিম্ন ইনপুট দ্বারা আউটপুট পরিবর্তন হয়। যাত্রা। ভারিয়ার কলিপার্সে সর্বনিম্ন ইনপুট হ'ল দূরত্ব।

— Fennekin

আমি ধারণাটি যুক্ত করেছি যে এটি ক্যালিবিরেটেড। - আমি সত্যিই জানি না কীভাবে ভার্নিয়ার কলিপারগুলির সাথে আপনার উদাহরণটি প্রয়োগ করতে হয়

— জন এইচকে

ঠিক আছে, তাই আপনার রেফারেন্স অনুযায়ী 'নির্ভুলতা' বা 'সত্যতা'? দেখে মনে হচ্ছে আপনি প্রথমে ডিভাইসের জন্য বর্ণিত যথাযথতা ধরে ধরে রেফারেন্স ডিভাইসের সত্যতা নির্ধারণ করেছেন, তারপরে সত্যতা নির্ধারণের জন্য পরীক্ষার ডিভাইসে আপনার গড় পড়ার তুলনা করুন এবং নির্ভুলতা নির্ধারণের জন্য বৈকল্পিকটি গণনা করুন। আমি মনে করি আমাদের বেশিরভাগ "পুরাতন-টাইমার" এই নতুন রূপযুক্ত "সত্যতার" জন্য "নির্ভুলতা" ব্যবহার করে।

— কার্ল উইথফট

Answer 1

আপনার পদ্ধতির ব্যাপকভাবে সঠিক।

আপনি যদি কেবলমাত্র আপনার সিস্টেমের নির্ভুলতায় আগ্রহী হন তবে আপনি সম্ভবত সর্বোচ্চ ত্রুটির মতো কিছু ব্যবহার করতে চান। আপনার যথার্থতাটি তখন +/- প্রকৃত ত্রুটিগুলি এই সীমার মধ্যে সমানভাবে বিতরণ করা হয় এমন অনুমানের সাথে সর্বাধিক ত্রুটি (অভিন্ন বিতরণটি প্রায়শই একটি তাত্পর্যপূর্ণ হবে তবে যখন আরও ভাল তথ্য উপলব্ধ না হয় তবে একটি সহজ বিকল্প)।

যাইহোক, এই পদ্ধতিটি নিয়মিত প্রভাবের কারণে প্রায়শই বড় ত্রুটি তৈরি করে যা সহজেই পরিমাপকৃত এবং সত্য মানের মানের প্লটের মাধ্যমে একটি বক্ররেখা (সাধারণত রৈখিক) ফিটিং করে সংশোধন করা যায়।

এটি আপনার উপকরণের পক্ষপাতদুষ্টের জন্য সংশোধন করা উচিত এবং তারপরে আপনি অবশিষ্টাংশের স্ট্যান্ডার্ড বিচ্যুতির ভিত্তিতে অনিশ্চয়তা গণনা করতে পারেন। মোট অনিশ্চয়তা সাধারণত একাধিক , পছন্দটি মোটামুটি স্বেচ্ছাচারী হয়, সুতরাং আপনার একাধিক (কে মান) বা সহযোগী কভারেজ ফ্যাক্টরটি বর্ণনা করা উচিত .. এটি আপনাকেও বিবরণ দেওয়া উচিত যে আপনি কোন বিতরণকে ধরে নিচ্ছেন কারণ এটি একাধিক প্রভাব ফেলবে একটি নির্দিষ্ট কভারেজ দেয়। উদাহরণস্বরূপ গাউসিয়ান 95% কভারেজ কে ~ 2 এর জন্য, তবে অভিন্ন বিতরণের জন্য 95% কভারেজ কে ~ 1.68$\sigma$

Comments

আপনি যেমন বলেছিলেন, পছন্দটি স্বেচ্ছাচারিতা, তবে সেখানে কি একটি সাধারণ মান আছে? আমি প্রায়শই ডেটা শীটগুলির মুখোমুখি হয়েছি যা কেবল "নির্ভুলতা: + -ওয়াই" বলেছিল, এটি 2 সিগমা, 3 সিগমা ইত্যাদি ইত্যাদি না দিয়ে সংজ্ঞা না দিয়ে ...

— জন এইচকে

@ JohnH.K। 2 সাধারণত ডিফল্ট বা 95% আত্মবিশ্বাসের ব্যবধান। যদিও এটি ভাল অনুশীলন নয় তা উল্লেখ করে নয়। যদিও এটি কেবল নির্ভুলতা বলে আমি মনে করি / আশা করি এটি সর্বাধিক অনুমতিযোগ্য ত্রুটির কথা বলছে। $\sigma$

— নিবাগ

আমার অভিজ্ঞতার মধ্যে ডেটা শিটগুলি প্রায়শই অস্পষ্ট শর্তাদি এবং খারাপভাবে সংজ্ঞায়িত মানগুলির জগাখিচুড়ি হয় (বিক্রয় ব্রাউচারগুলি আরও খারাপ)।

— নিবাগ

Answer 2

যে কোনও পরিমাপের ডিভাইস পরিমাপ প্রদান করে তার নির্ভুলতা নির্ধারণের একমাত্র উপায় হ'ল এটি পরিজ্ঞাত সঠিকতা এবং পরিমাপের জন্য পরিচিত ত্রুটিগুলির একটি ডিভাইসের বিরুদ্ধে ক্যালিব্রেট করা।

আপনার কৌশলটি আংশিকভাবে সঠিক; এক জনসংখ্যা বা নমুনা বিন হিসাবে কেবল ডিভাইসের সীমাবদ্ধতার জন্য ত্রুটি পরিমাপ করবেন না। এটি কারণ পরিমাপ ত্রুটি সবসময় অভিন্ন হয় না।

উদাহরণস্বরূপ, 0 এবং 1 এর মধ্যে পড়ার জন্য, ত্রুটি -0.2 হতে পারে এবং 2 এবং 3 এর মধ্যে পড়ার ক্ষেত্রে ত্রুটিটি হতে পারে +0.6। ইউনিটগুলি মিমি (শাসকদের জন্য), এম / এস (অ্যানোমিটার বা স্পিডোমিটারের জন্য) বা পা (ব্যারোমিটারের জন্য) নির্বিশেষে আপনার পরীক্ষাটি অবশ্যই ব্যাপ্তি বা ব্যান্ডগুলিতে করা উচিত।

প্রতিটি ব্যাপ্তি / ব্যান্ডের জন্য আপনি সেই ব্যাপ্তি / ব্যান্ডের জন্য ত্রুটিটি নির্ধারণ করেন এবং তারপরে সেই ত্রুটিটি ডিভাইস থেকে নেওয়া পরিমাপের জন্য প্রয়োগ করুন যা ক্রমাঙ্ককরণের প্রয়োজন।

Comments

এটি সেই ধারণার সাথেই হবে যে আমি ডিভাইসটি ক্যালিব্রেট করতে চাই - যা আমি চাইনি। আমি কেবল এটি মূল্যায়ন করতে চাই। আমি আপনার উদাহরণটি বুঝতে পেরেছি এবং এটির সাথে আরও এক ধাপ এগিয়ে যেতে হবে: প্রথম "বিন" এর জন্য আপনার এখন -0.2 ত্রুটি রয়েছে, দ্বিতীয়টির জন্য +0.6 ত্রুটি রয়েছে এবং যদি আপনি পুরো পরিসরের জন্য সংক্ষিপ্ত বিবরণ দিতে চান তবে একটি সংখ্যা, আপনি কি ব্যবহার করবেন? সব ত্রুটির জন্য স্ট্যান্ডার্ড বিচ্যুতি?

— জন এইচকে

ক্রমাঙ্কন সরবরাহ করে এমন একযোগে তথ্য উত্পন্ন না করে আপনি কীভাবে "মূল্যায়ন" করতে পারবেন?

— কার্ল উইথফট

@ কার্লউইথহ্যাফট ওয়েল, আপনি ক্রমাঙ্কনের জন্য তথ্য তৈরি করেন তবে সেই তথ্যটি ডিভাইসে এম্বেড করা বা এটি ব্যবহারকারীর জন্য অন্য ফর্মে উপলব্ধ করা সম্ভব নাও হতে পারে।

— জন এইচকে

@CarlWitthoft thefreedictionary.com/calibrate আমার সাথে একমত নন। আমি এখনও মনে করি যে তথ্যটি উপলব্ধ করে একটি নির্ভুলতা নির্ধারণ এবং একটি ডিভাইস উন্নত করার মধ্যে পার্থক্য রয়েছে, তবে আমি মনে করি না যে আমরা এই সংজ্ঞাটি নিয়ে তর্ক করে অগ্রগতি করছি।

— জন এইচকে

"নির্ভুলতা নির্ধারণের একমাত্র উপায় ... এটি পরিচিত সঠিকতার একটি ডিভাইসের বিরুদ্ধে ক্যালিব্রেট করা" সত্য নয়। যদি এটি হয় তবে আমরা কখনই আমাদের সবচেয়ে সঠিক ডিভাইসগুলি ক্যালিব্রেট করতে সক্ষম হব না। যে যন্ত্রগুলির জন্য আরও সঠিক ডিভাইস নেই তার যথার্থতা নির্ধারণ করতে আপনি এটিকে নিজের অভিন্ন অনুলিপিগুলির সাথে তুলনা করুন (বা শারীরিক যুক্তি ব্যবহার করুন)।

— ক্রিস মোলার

Answer 3

আমি মানের ইঞ্জিনিয়ারদের একটি দলে ছিলাম (তবে বিশেষজ্ঞদের মধ্যে একটি নয়) এবং তাদের দৃষ্টি ছিল যেখানে তারা একটি 2 ডি প্লট ব্যবহার করেছিল যেখানে এক্স অক্ষটি প্রথম পরিমাপ ছিল এবং ওয়াই একই পর্যবেক্ষণযোগ্য বৈশিষ্ট্যের দ্বিতীয় পরিমাপ।

তারা পরিমাপ / পুনরুক্তির পুনরাবৃত্তি করবে এবং যা তারা "সসেজ চার্ট" বলে ডাকে তা তৈরি করবে। তারা নমুনাগুলির বাহ্যিক 2% মুছে ফেলবে এবং বাকী চারপাশে একটি "সসেজ" আঁকবে।

45 ডিগ্রি এঙ্গেল লাইনে ডেটা পয়েন্টগুলি কতটা কাছাকাছি গিয়েছিল তা পর্যবেক্ষণ করে আপনি পরিমাপ পদ্ধতির গুণমানটি দৃশ্যত দেখতে পাচ্ছেন।