1
Auswertung und Fehleranalyse
Physikalische Größe: messbare Eigenschaft
• eines Körpers (z. B. Länge l)
• einer Erscheinung (z. B. Magnetfeld B)
• eines Vorgangs (z. B. Schwingungsdauer T)
Physikalische Größe = Zahlenwert mal Einheit
z. B. l = 3 cm, B = 1 T, T = 0,5 s
Tatsache:
Alle Messungen unterliegen unvermeidbaren Unsicherheiten!
2
Grundsätzliche Unvermeidbarkeit von Unsicherheiten
Beispiel:
Ein Schreiner möchte die Höhe einer Türöffnung bestimmen:
1. Blick auf die Öffnung werfen und schätzen: h = 210 cm.
Unsicherheit: Höhe liegt zwischen 205 cm und 215 cm.
2. Bandmaß verwenden: h = 211,3 cm.
Lage der oberen Türöffnung in Bezug auf die Teilstriche abschätzen.
Unsicherheit: Höhe liegt zwischen 211,2 cm und 211,4 cm.
3. Laserinterferometer verwenden, Unsicherheit liegt in der
Größenordnung der Lichtwellenlänge von etwa 500 nm.
Ein weiteres Problem taucht hier noch auf:
• Die Türöffnung ist an unterschiedlichen Stellen unterschiedlich hoch.
• An der selben Stelle variiert die Höhe mit der Temperatur und
Luftfeuchtigkeit. Definitionsproblem
3
Fehleranalyse: Untersuchung und Auswertung der Unsicherheiten
• Kenntnis der Größe der Messunsicherheit
• Hinweise zur Verminderung der Messunsicherheit
Ziel einer Messung:
Bestmöglichen Schätzwert mit Unsicherheit (Fehler) für den wahren Wert
der interessierenden physikalischen Größe ermitteln.
Die Fehleranalyse ist ein wesentlicher Bestandteil jedes
physikalischen Experiments!
4
Zum Begriff Fehler:
Der unvermeidliche Fehler oder die Unsicherheit gibt an wie genau ein gewonnenes Messergebnis ist.
• Fehler bedeutet nicht Fehlverhalten des Messenden.
• Fehler bedeutet auch nicht das das Ergebnis um diesen Betrag falsch ist.
5
Warum ist es so wichtig die Größe des Fehlers zu kennen?
Beispiel:
Um herauszufinden ob g am Äquator und am Nordpol den gleichen Wert
hat führen zwei Praktikantengruppen an beiden Orten Messungen durch:
Gruppe A findet: g (Äquator) = (9.78 0.01) m/s2 und
g (Nordpol) = (9.83 0.01) m/s2
Gruppe B findet: g (Äquator) = (9.78 0.05) m/s2 und
g (Nordpol) = (9.83 0.05) m/s2
Obwohl beide Gruppen dieselben Bestwerte für die Erdbeschleunigung
gemessen haben kann nur Gruppe A sicher entscheiden ob g an beiden
Stellen der Erde gleich groß ist oder nicht.
±
±
±
±
6
Beispiel:
Herausfinden ob eine Krone aus Gold oder einer billigen Legierung besteht.
Ein Problem, das Archimedes bereits gelöst haben soll.
Bekannt seien die Dichten von Gold und der Legierung.ρ
3
.
3
g/cm8,13
g/cm5,15
=
=
Leg
Gold
ρ
ρ
13,7 bis 14,113,5 bis 16,5Wahrscheinlicher Wertebereich für
13,915Bestwerte für
Fachmann 2Fachmann 1Dichte der Krone
in g/cm3
Kroneρ
Kroneρ
Kroneρ
• Messung von Fachmann 1 erlaubt keine Schlussfolgerung.
• Messung von Fachmann 2 entlarvt die Fälschung!
• Ohne Fehlerangaben wäre keine Aussage möglich, Messung von Fachmann 1 erlaubt sogar einen Fehlschluss!
7
Weitere Beispiele:
• Kraftwerksbau: Ingenieure müssen die Eigenschaften der Werkstoffe und
Brennstoffe kennen und die Zuverlässigkeit der Messwerte bestimmen.
• Sicherheit von Flugzeugen, Autos oder Zügen: Unsicherheiten in den
Reaktionszeiten und den Bremswegen müssen bekannt sein.
• Tests von konkurrierenden wissenschaftlichen Theorien durch
Experimente.
Beispiel: Test der Allgemeinen Relativitätstheorie durch die Messung der
Ablenkung von Licht, das nahe an der Sonne vorbeigeht.
1. Klassisch: keine Ablenkung
2. Korpuskelbild des Lichts und Äquivalenz von Energie und Masse:
3. Allgemeine Relativitätstheorie:
Experimente (1919): nur mit der 3. Theorie konsistent !
°= 9,0α
°= 8,1α
°±= )3,00,2(α
8
Wesentlich ist also:
• Unsicherheiten zuverlässig abschätzen!
• Andere von der Güte der Schätzung überzeugen!
Aber wie?
Unterschiedliche Arten von Fehlern:
1. Grobe Fehler
2. Systematische Abweichungen
3. Zufällige Unsicherheiten
1. Grobe Fehler:
• Irrtümer, Fehlüberlegungen oder Missverständnisse bei der Bedienung
und Ablesung der Messinstrumente (falsche Messbereichseinstellung)
• Fehler bei der Protokollierung von Messdaten (z.B. Eintragung der
falschen Einheiten)
• Rechen- Vorzeichen- oder Programmierfehler bei der Auswertun
können durch sorgfältiges Arbeiten vermieden werden!
9
2. Systematische Fehler
Typisch ist: Sie können durch wiederholte Messungen nicht entdeckt werden!
Quellen für systematische Fehler:
• Vernachlässigung von Umwelteinflüssen: z. B. Luftdruck, Temperatur, elektrische oder magnetische Streufelder
• Ungenügendes Konstanthalten der Versuchsbedingungen: z.B. mangelnde Konstanz bei Spannungsquellen bei elektrischen Messungen
• Mangelhafte Reinheit von Substanzen
• Einfluss der Messung auf das Messobjekt: z. B. bei der Messung des Reifendrucks
• Unvollkommenheit der Messgeräte: z.B. Konstruktions-, Fabrikations- oderEichfehler, Alterungsprozesse wie Änderung der elastischen Eigenschaften
• Unzulänglichkeiten von Seiten des Experimentators:z. B. unbewusste Voreingenommenheit oder mangelnde Objektivität
10
3. Zufällige Fehler
Typisch ist: Bei zufällige Fehlern sind positive und negative Abweichungen
gleich häufig!
Quellen für zufällige Fehler:
• Zufällige Schwankungen der Messbedingungen
• Unzulängliche menschliche Sinnesorgane, z. B. die Geschicklichkeit
beim Anlegen eines Maßstabes oder die Sehschärfe des Auges
beim Ablesen des Wertes.
Zufällige Fehler lassen sich durch eine geeignete Vorgehensweise
verringern und abschätzen: statistische Methoden
11
Beispiel: Messung der Schwingungsdauer eines Pendels mit einer Stoppuhr.
• Fehlerquelle: Reaktionszeit des Messenden.
Die Reaktionszeit hat keinen konstanten Wert.
Schwankungen in der Reaktionszeit führen zu zufälligen Schwankungen
des gemessenen Zeitintervalls.
• Fehlerquelle: Die Uhr geht zu langsam.
Das Zeitintervall wird systematisch unterschätzt.
Eine Ursache kann sowohl zu zufälligen als auch zu systematischen
Abweichungen führen.
Beispiel: Fehlerquelle Parallaxe
• Es ist unmöglich das Auge exakt vor dem Messgerät zu positionieren.
zufällige Schwankungen beim Ablesen
• Experimentator schaut immer schräg von einer Seite auf die Anzeige
systematische Abweichung der Messwerte
12
Wiedergabe von Unsicherheiten
• Annahme in diesem Abschnitt: Die Fehler sind bekannt.
Allgemein wird jedes Messergebnis einer Größe angegeben als:
Messwert = Bestwert Unsicherheit
Beispiel: Bestwert der Zeit:
wahrscheinlicher Bereich:
Definition: Unsicherheit ist immer positiv.
höchster wahrscheinlicher Wert der Messgröße
niedrigster wahrscheinlicher Wert der Messgröße
±
s4,2=T
s5,2s3,2 ≤≤ T
s)1,04,2(s1,0s4,2 ±=±=T
xxx Best δ±=
xδ
xx
xx
Best
Best
δ
δ
−
+
13
Signifikante Stellen: Sinnvoll runden!
Die Unsicherheit ist ein Schätzwert.
Unsinn wäre z. B.:
Sinnvoll ist hier:
: Runden auf entspräche einer Verminderung um 40% .
Welche Stelle des Messwertes ist signifikant?
Unsinn wäre z. B.:
Sinnvoll gerundet:
xδ2m/s)02385,082,9( ±=g
14,0=xδ 1,0=xδ
2m/s)02,082,9( ±=g
m/s)71234567,124( ±=v
m/s)7124( ±=v
Messunsicherheiten werden im Anfängerpraktikum
in der Regel auf eine signifikante Stelle gerundet.
Ausnahme: An der führenden Stelle der Unsicherheit steht eine 1.
14
Beispiele:
Bei der Angabe von Messergebnissen sollte die letzte signifikante
Stelle des Bestwertes dieselbe Größenordnung haben (an der selben
Dezimalstelle stehen) wie die Messunsicherheit.
Ausnahme: An der führenden Stelle der Unsicherheit steht eine 1.
Beispiel:
unübersichtlich ist:
wesentlich besser ist:
m)3,08,92(
m3,0
m81,92
±=
=
=
x
x
xBest
δ
km)3,08,92(
m)30092800(
m300
m92813
±=
±=
=
=
x
x
x
xBest
δ
cm)2,16,27( ±=l
C10)05,061,1(
C)1051061,1(
19
2119
−
−−
⋅±=
⋅±⋅=
e
e
15
In Rechnungen sollte eine Stelle mehr mitgenommen werden,
gerundet wird erst am Ende.
Die Diskrepanz
Definition: Die Diskrepanz ist die Differenz zwischen zwei
Messwerten derselben Größe.
Beispiel: Zwei Studenten A und B messen einen Widerstand R.
Die Diskrepanz von ist kleiner als die Messunsicherheiten.
Insignifikante Diskrepanz
Signifikante Diskrepanz von
Ω±=
Ω±=
)842(
)540(
B
A
R
R
Ω2
Ω±=
Ω±=
)145(
)235(
B
A
R
R
Ω10
16
1. Annahme: Lineal ist zuverlässig kein systematischer Fehler
2. Lineal ordentlich anlegen, entscheiden wo die Spitze auf der Linealskala liegt
Millimeter0 10 20 30 40 50
Schätzung von zufälligen Unsicherheiten beim Ablesen von Skalen
Beispiel: Messung der Länge eines Bleistiftes mit einem Lineal
Die Größe liegt näher bei dem Teilstrich bei 36 mm als bei jedem anderen:
Bestwert der Länge: l = 36 mm
Wahrscheinlicher Bereich: 35,5 mm bis 36,5 mm
mm)5,00,36( ±=l
17
Beispiel: Teilstriche liegen weit auseinander:
Abschätzen wo der Zeiger im Zwischenraum zwischen zwei Teilstrichen
liegt. Interpolation
Bestwert: l = 5,3 mm
Wahrscheinlicher Bereich: 5,2 mm bis 5,4 mm
0 1 2 3 4 5 6 7 8 9 10 mm
mm)1,03,5( ±=l
18
Schätzung von zufälligen Unsicherheiten bei wiederholbaren Messungen
Beispiel: Messung eines Zeitintervalls (z. B. Schwingungsdauer eines Pendels) mit einer digitalen Stoppuhr
• Annahme: Uhr ist zuverlässig kein systematischer Fehler
• Quelle der Unsicherheit: Reaktionszeit beim Starten und Stoppen
• Größe der Unsicherheit durch mehrfache Messungen abschätzen.
Ergebnisse der Messreihe in Sekunden:
Bestwert der Zeit T = Mittelwert
Streuung der Messwerte gibt einen Hinweis auf die Unsicherheit:
Wahrscheinlicher Bereich: 2,3 s bis 2,5 s
2,42,52,42,3
s4,24
s4,2s5,2s4,2s3,2=
+++=T
s)1,04,2( ±=T
19
Berechnung statistischer (zufälliger) Fehler: Mittelwert, Standardabweichung und Standardabweichung des Mittelwertes
• Eine Messreihe besteht aus einer endlichen Zahl von Einzelmessungen N.
• Systematische Abweichungen sind vernachlässigbar.
Beispiel: Messung einer Länge.
Ergebnisse in mm:
allgemein:
Für N Messwerte ist der Bestwert gleich dem Mittelwert
7173727271
mm8,71mm5
7173727271=
++++== xxBest
Nxxx ,.....,, 21
N
x
N
xxxx
N
ii
N
∑==
+++= 121 .... ∑∑∑ ==
=i
ii
N
ii xxx
1
Abkürzungen
20
0,64-0,8715
1,441,2734
0,040,2723
0,040,2722
0,64-0,8711
AbweichungMesswertVersuch Nr.ixi xxi −
8,71=x
Messwerte in mm, Berechnung der Abweichungen und der quadrierten Abweichungen
Maß für die Genauigkeit der einzelnen Messwerte: Standardabweichung ∑
=
−=N
iix xx
N 1
2)(1
σ
Zuverlässigkeit der Messwerte:
0=− xxi
2)( xxi −
80,2)( 2 =−∑i
i xx
21
Standardabweichung = mittlere quadratische Abweichung der Messwerte
(engl.: root mean square (rms))
Varianz :
Standardabweichung:
2
xσ 22
1
22 mm56,0mm80,25
1)(
1=⋅=−= ∑
=
N
iix xx
Nσ
mm7,0=xσ
∑=
−−
=N
iix xx
N 1
2)(1
1σ
Alternative Definition der Standardabweichung!Standardabweichung
∑=
−=N
iix xx
N 1
2)(1
σ
Standardabweichung der Grundgesamtheit
Stichproben-Standardabweichung
Zu beachten:
Es ist wichtig anzugeben, welche Definition verwendet wird.
22
Die Standardabweichung des Mittelwertes
Bisher:
• Messwerte:
• Bestwert = Mittelwert
• Standardabweichung = mittlere Unsicherheit der Einzelwerte
Der Mittelwert ist zuverlässiger als jede einzelne Messung für sich allein.
Standardabweichung des Mittelwertes:
Beispiel: mit folgt:
Ergebnis auf der Grundlage der 5 Messwerte:
Nxxx ,.....,, 21
x
xσ
N
xx
σσ =
mm7,0=xσ 5=N mm3,05
mm7,0==xσ
mm)3,08,71( ±=x
Zu Beachten:
Zur Berechnung sollten mindestens 10 Werte verwendet werden!
23
Zahl der Messwerte erhöhen:
• Standardabweichung bleibt etwa gleich!
• Standardabweichung des Mittelwertes wird geringer.
Möglichkeit die Genauigkeit der Messungen zu verbessern!
ABER: Faktor
Um die Präzision um den Faktor 10 zu verbessern, ist es erforderlich
N um den Faktor 100 zu vergrößern!
• Messverfahren ändern
• Systematische Fehler nicht vergessen!
N/1
24
Hintergrundwissen: Die Gauß- oder Normalverteilung
Experiment liefert Messwerte:
26, 24, 26, 28, 23, 24, 25, 24, 26, 28
(zur Vereinfachung ohne Einheiten!)
z.B. der Größe nach: 23, 24, 24, 24, 25, 25, 26, 26, 26, 28
Besser: Verschiedene Werte und deren Anzahl, wie oft sie vorkommen, notieren.
Schreibeweise:
sehr unübersichtlich
Ordnen!
103231Anzahl nk
282726252423Werte xk
,.....3,1,....;24,23,....;3,2,1 2121 ===== nnxxk
25
• Definition des Mittelwertes umschreiben:
∑∑
∑
==+⋅+⋅+⋅+
=
+++++++++== =
kk
kkk
N
ii
NnN
xn
x
N
x
x
,10
2826325224323
10
282626262525242424231
• Von der Anzahl nk zum Anteil Fk an den gesamten Messungen übergehen:
∑∑ =⇒==k
kkk
kk
k FxxFN
nF ,1,
Normierungsbedingung
Beispiel: Die Anzahl, mit der der Wert 24 aufgetreten ist beträgt 3,
sein Anteil an allen Messungen ist 3/10.
26
Stabdiagramm der Messwerte
• Darstellung geeignet, für Werte mit gleichem Abstand
Häufiger auftretende Messwerte:
26,4; 23,9; 25,1; 24,6; 22,7; 23,8; 25,1; 23,9; 25,3; 25,4
Einteilung des Wertebereichs in Intervalle (Klassen)
014131Anzahl
27-2826-2725-2624-2523-2422-23Klasse
0,3
0,1
0,2
022 23 24 25 26 27 28
kx
kF
27
Histogramm der Messwerte
• Breite eines Intervalls:
• Anteil der Messwerte in der k-ten Klasse:
• Höhe Fk im Stabdiagramm entspricht der Fläche im Histogramm
K∆
∑ =∆∆k
kkkk ff 1,
kkf ∆
0,3
0,1
0,4
0,2
0
22 23 24 25 26 27 28x
kfK∆
Beispiel: Die Fläche des grauen Rechtecks beträgt 0,3,
d.h. 3/10 der Messwerte fallen in das Intervall zwischen 23 und 24.
28
Anzahl der Messungen erhöhen
die Verteilung nähert sich einer Grenzverteilung an.
Grenzfall: und : Histogramm Grenzverteilung ∞→N →0→∆ k
Histogramm für 100 Messungen derselben Größe
Histogramm für 1000 Messungen derselben Größe
22 23 24 25 26 27 28
kf
x
0,4
0,2
0
22 23 24 25 26 27 28
kf
x
0,4
0,2
0
29
• Die Messung unterliegt vielen kleinen zufälligen Abweichungen und vernachlässigbaren systematische Abweichungen.
• Die Grenzverteilung ist häufig eine
Gauß- oder Normalverteilung.
• Glockenförmige, symmetrische
Grenzverteilung, deren Zentrum
bei dem wahren Wert von x liegt.
• Breite der Glockenkurve ist durch
die Standardabweichung gegeben.
wahrer Wert
f(x) f(x) hohe Genauigkeit
geringe Genauigkeit
x x
30
)(xf
f(x)
x x+dxx x
a b
• Anteil der Messwerte, die zwischen x und x + dx fallen
= Wahrscheinlichkeit, dass irgendeine Messung ein
Ergebnis zwischen x und x + dx liefert.
• Wahrscheinlichkeit, dass ein Messergebnis zwischen a
und b liegt.
• Normierungsbedingung:
:)( dxxf
:)(∫b
a
dxxf
:1)( =∫∞+
∞−
dxxf
Mittelwert
Varianz (Mittelwert der quadrierten Abweichung):
∫∞+
∞−
⋅= dxxfxx )(
∫∞+
∞−
⋅−= dxxfxxx )()( 22σ
Grenzverteilung: Funktion
31
Funktion vom Typ:
• für x = 0 :
• symmetrisch um x = 0
• Breiteparameter:
−
2
2
2exp
σ
x
10 =e
σ
Funktion, die um x = X
zentriert ist:
−−
2
2
2
)(exp
σ
Xx
Wie sieht die Funktion f(x) aus?
f(x)
x
X
f(x)
x
0
klein σ
großσ1
32
Funktion muss noch normiert werden!
Normierungsbedingung:
−−⋅=
2
2
2
)(exp)(
σ
XxCxf C: Normierungsfaktor
1. Substitution:
2. Substitution:
dxXx
Cdxxf ∫∫∞+
∞−
∞+
∞−
−−⋅==
2
2
2
)(exp1)(
σ
dydxdx
dyyXx =⇒==− 1,
dyy
Cdxxf ∫∫∞+
∞−
∞+
∞−
−==
2
2
2exp1)(
σ
dzdydy
dzz
yσ
σσ=⇒==
1,
dzz
Cdxxf ∫∫∞+
∞−
∞+
∞−
−==
2exp1)(
2
σ
π2
−−⋅=⇒
2
2
,2
)(exp
2
1)(
σπσσ
Xxxf X
33
Die Normalverteilung hängt von zwei Parametern ab:
Berechnung
des Mittelwertes:
Berechnung der
Standardabweichung:
XxdxXx
xx =⇒
−−⋅= ∫
∞+
∞−2
2
2
)(exp
2
1
σπσ
σσσ σ =⇒⋅−= ∫∞+
∞−xXx dxxfxx )()( ,
2
∞→NGilt NUR für
X,σ
Die Messreihe ist eine Stichprobe aus der Grundgesamtheit!
Beweisbar ist:
1. Der Mittelwert ist der Bestwert für den wahren Wert.
2. Die Standardabweichung ist der Bestwert
für die Standardabweichung der Grundgesamtheit.
∑=
−−
=N
iix xx
N 1
2)(1
1σ
∑∑
== =
kkk
N
ii
xFN
x
x 1
34
Die Standardabweichung als 68% - Vertrauensgrenze
Wahrscheinlichkeit dafür, dass ein Messwert in einen Bereich innerhalb
einer Standardabweichung vom wahren Wert fällt:
∫∫+
−
+
−
−−⋅==
σ
σ
σ
σσσ
σπσ
X
X
X
X
X dxXx
dxxfP2
2
,2
)(exp
2
1)(
∫+
−
−⋅=
t
t
dzz
2
2
2exp
2
1
σπ
∫+
−
−⋅=
1
12
2
2exp
2
1dz
zP
σπσ⇒=
−z
Xx
σ
)(Substitution:
Fehlerfunktion: tabelliert
x
)(, xf Xσ
XσtX − σtX +
∫+
−
−−⋅=
σ
σσ
σπσ
tX
tX
t dxXx
P2
2
2
)(exp
2
1
99,73
95,52
68,31
t (%)σtP
Ebenso:
35
Vertrauensbereich
Für Stichproben aus einer normalverteilten Grundgesamtheit gilt: Der wahre Wert
befindet sich mit einer gewissen statistischen Sicherheit im Vertrauensbereich.
xx σ±
xx σ2±
xx σ3±
Zur Angabe der
Unsicherheit gehört
auch die Angabe des
gewählten
Vertrauensniveaus.ca. 99,7%
ca. 95%
ca. 68%
Vertrauensbereichstatistische Sicherheit
• Mit einer Wahrscheinlichkeit von ca. 68% liegt der wahre Wert der Größe x
im Vertrauensbereich .
• Umgekehrt heißt das aber auch: Mit einer Wahrscheinlichkeit von ca. 32%
liegt der wahre Wert der Größe x nicht im Vertrauensbereich .
xx σ±
xx σ±
36
Wann ist ein Messergebnis vertrauenswürdig?
Beispiel: Vergleich eines Messergebnisses mit einem akzeptierten Wert
• Zahl der Standardabweichungen t um die das Ergebnis vom
akzeptierten Wert abweicht:
• Wahrscheinlichkeit, mit der diese Abweichung eintritt:
• Fall: , hier gilt:
wahrscheinlich, Messung „unverdächtig“.
• Fall: , hier gilt:
sehr unwahrscheinlich, Messung „verdächtig“.
Angemessene Grenze: 5% ( 4,6%), subjektive Festlegung.
σ
akzeptBest xxt
−=
)voninnerhalb(1)vonaußerhalb( σσ tPtP −=
σ=− akzeptBest xx 32%)1vonaußerhalb( ≈σP
σ3=− akzeptBest xx 3%,0)3vonaußerhalb( ≈σP
:2σ
37
Der bestmögliche Wert für den wahren Wert der Messgröße ist der Mittelwert:
N
x
N
xxxx
N
ii
N
∑==
+++= 121 ....
Die Unsicherheit, mit der die Einzelmessungen behaftet sind, wird mit der
Standardabweichung berechnet:
∑=
−−
=N
iix xx
N 1
2)(1
1σ
Je mehr Messwerte aufgenommen werden, umso genauer kann der Mittelwert
bestimmt werden. Die Standardabweichung des Mittelwertes ist:
N
xx
σσ = Möglichkeit die
Unsicherheit zu verringern!
10≥Nmit
Zusammengefasst:
38
Systematische Fehler erkennen und berücksichtigen
Beispiel: Schieblehre
• Herstellerangabe auf der Schieblehre, z. B.
Aber zusätzlich kann es sein:
• Gleichmäßige Abnutzung der Messschenkel: z. B zeigt der
Messschieber konstant 0,1 mm zu wenig an.
wenn erkannt: Rechnerisch zu korrigieren.
• Messschenkel sind nicht parallel: Je nach Stelle ist der Fehler
unterschiedlich. auch wenn erkannt: Nicht korrigierbar
Allgemein gilt:
Gesamtfehler = zufälliger Fehler + systematischer Fehler
mm05,0=systxδ
ABER: Wiederholte Messungen enthüllen nicht alle Unsicherheiten!
39
Beispiel: Messung einer Länge l mit einer Schieblehre
• Der systematische Fehler für die Schieblehre sei mit 0,05mm angegeben.
• Eine wiederholte Messung ergab:
Es ist sinnvoll für den zufälligen Fehler eine statistische Sicherheit von 95% zu
wählen:
Der statistische Fehler ist ca. um den Faktor 10 kleiner als der systematische.
Weitere Verringerung des statistischen Fehlers ist sinnlos!
Gesamte Messunsicherheit:
Messergebnis:
mm)003,0245,24()( ±=±=l
ll σ
)( syststat lll δδδ +±=
mm)06,025,24( ±=l
mm)006,0245,24()2( ±=±=l
ll σ
Gesamtfehler = zufälliger Fehler + systematischer Fehler
40
Schlussfolgerungen durch Vergleiche von Messwerten
1. Vergleich eines Messwertes mit einem akzeptierten Wert.
2. Vergleich eines Messwertes mit einem theoretisch vorhergesagten
Wert.
( Methode: Fehlerfortpflanzung)
3. Vergleich mehrerer Messwerte untereinander um zu zeigen, dass sie
entsprechend einer Gesetzmäßigkeit zusammenhängen.
( Methode: Lineare Regression)
41
1. Vergleich eines Messwertes mit einem akzeptierten Wert.
Elementarladung:
(National Institute of Standards and Technology (NIST))
Experimente entsprechend Punkt 1 sind typisch für ein Praktikum:
Beispiel: Messung der Schallgeschwindigkeit in Luft:
Vergleich mit dem akzeptierten Wert:
Diskrepanz ist nicht signifikant. Messwert ist konsistent mit dem
akzeptiertem Wert.
m/s)5329( ±=Lc
m/s)5,00,331()Literatur( ±=Lc
C10)0400.000 000 4871.602 176 ( 19−⋅±=e
42
Beispiel: Messung der Schallgeschwindigkeit in Luft:
Vergleich mit dem akzeptierten Wert:
Diskrepanz ist signifikant!
Ursache suchen: Das ist häufig langwierig und schwierig!
• Fehler bei der Messung?
• Fehler bei der Rechnung (Auswertung)?
• Messunsicherheit zu gering geschätzt?
• Wurde mit dem richtigen akzeptierten Wert verglichen?
• Gibt es einen unentdeckten systematischer Fehler?
m/s)2345( ±=Lc
m/s)5,00,331()Literatur( ±=Lc
m/s)15345( ±=Lc
m/s)5,00,343()C20(
m/s)5,00,331()C0(
±=°
±=°
L
L
c
c
43
2. Vergleich von zwei Messergebnissen:
Beispiel: Experiment zur Impulserhaltung, zwei Wagen stoßen auf einer
Luftkissenbahn elastisch zusammen.
Gemessen wird: 1. Gesamtimpuls der Wagen vor dem Stoß
2. Gesamtimpuls der Wagen nach dem Stoß
Theorie:
Ergebnisse:
Diskrepanz ist nicht signifikant
Ergebnis ist konsistent mit der Theorie
Vp
Np
NV pp =
1
N
1
V
smkg)06.056,1(
smkg)04.049,1(
−
−
±=
±=
p
p
44
Messungen wiederholen, wobei für jede der Messungen gilt:
Übersichtliche Darstellung: Tabelle
1
N
1
V
06,0
04,0
−
−
=
=
smkgp
smkgp
δ
δ
usw.usw.
1,051,15
2,122,10
1,561,49
Endimpulse pN
(alle 0,06)
Anfangsimpulse pV
(alle 0,04)
Gemessene Impulse (alle in kg m s-1)
± ±
Schlussfolgerung klarer herausstellen: Differenz bilden.
Wie berechnet man die Unsicherheit für die Differenz?
NV pp −
45
N(Best)V(Best)Best ppp −=∆Bestwert für die Differenz:
Höchster wahrscheinlicher Wert:
Niedrigster wahrscheinlicher Wert:
NVBestNVN(Best)V(Best)MAX
NN(Best)VV(Best)MAX
NN(Best)VV(Best)MAX )()(
pppppppp
ppppp
ppppp
δδδδ
δδ
δδ
++∆=++−=∆
+−+=∆
−−+=∆
)()(
)()(
NVBestNVN(Best)V(Best)MIN
NN(Best)VV(Best)MIN
NN(Best)VV(Best)MIN
pppppppp
ppppp
ppppp
δδδδ
δδ
δδ
+−∆=+−−=∆
−−−=∆
+−−=∆
Die Messunsicherheit der Differenz ist gleich der Summe der
ursprünglichen Messunsicherheiten. Fortpflanzung der Fehler
Hier: 11
NV kgms1,0kgms)06.004.0( −− =+=+=∆ ppp δδδ
46
usw.
1,05
2,12
1,56
Endimpulse pN
(alle 0,06)
usw.usw.
0,101,15
- 0,022,10
- 0,071,49
Differenz
(alle 0,1)Anfangsimpulse pV
(alle 0,04)
Gemessene Impulse (alle in kg m s-1)
± ±NV ppp −=∆
±
Ein Blick: Die Zahlen in der letzten Spalte sind alle mit Null verträglich!
Allgemeine Regel:
Wenn die Größen x und y mit den Unsicherheiten und
gemessen und die Werte x und y zur Berechnung einer Summe
(oder Differenz) verwendet werden, dann gilt für die
Messunsicherheit von q:
(Fehlerfortpflanzung)
xδ
yxq +=
yδ
yxq δδδ +=
47
Relative Unsicherheiten:
Beispiel: Länge l = 1 km, „genaue Messung“
Länge l = 5 cm, „grobe Messung“
Die absolute Messunsicherheit sagt nichts über die Qualität einer
Messung aus.
Definition: relative Unsicherheit =
Beispiel:
Ergebnis angeben:
Schreibweise soll nicht verwendet werden.
cm1=lδ
cm1=lδ
Bestx
xδ
02,050
1
cm)150(
==
±=
Bestl
l
l
δ
( )
±=±=
100
21cm5002,01cm50l
Die relative Unsicherheit ist dimensionslos!
%2cm50 ±=l
48
Multiplikation von Messwerten:
Beispiel: Gemessen werden die Geschwindigkeit v und die Masse m
eines Körpers. Berechnet wird der Impuls .
Messergebnis: Bestwert für den Impuls:
Fortpflanzung der Unsicherheiten?
Größter wahrscheinlicher Wert für p:
mvp =
±=
±=
Best
Best
Best
Best
m
mmm
v
vvv
δ
δ
1
1BestBestBest vmp ⋅=
+⋅
+=
+⋅
+=
BestBest
Best
Best
Best
Best
BestMAXm
m
v
vp
m
mm
v
vvp
δδδδ1111
49
BestBestBestBestBestBest m
m
v
v
v
v
m
m
m
m
v
v δδδδδδ+++=
+⋅
+ 111
klein
++=
BestBest
BestMAXv
v
m
mpp
δδ1
Analoge Rechnung:
d. h.: mit
+−=
BestBest
BestMINv
v
m
mpp
δδ1
BestBestBestBest
Bestm
m
v
v
p
p
p
ppp
δδδδ+=
±= ,1
50
Allgemeine Regel:
Wenn die Größen x und y mit den relativen Unsicherheiten
und gemessen werden, und aus den Messwerten das
Produkt q = xy berechnet wird, dann ist die relative Unsicherheit von
q gleich der Summe der relativen Unsicherheiten von x und y,
Dasselbe Resultat für die relative Unsicherheit von q gilt für
Quotienten:
xx /δ
yy /δ
y
y
x
x
q
q δδδ+=
y
xq =
51
Fehlerfortpflanzung für beliebige Funktionen
einer direkten Messgröße:
Messgröße:
Berechnet wird eine Funktion:
• Grafische Bestimmung von .
• Analytische Berechnung für
eine bekannte Funktion:
(Für kleine Unsicherheit .)
xxx Best δ±=
)(xq
qδ
xdx
dq
xqxxqq BestBest
δ
δδ
=
−+= )()(
xδ
BestxxxBest δ+xxBest δ−
qδ
qδBestq
q
x
52
Fehlerfortpflanzung:
Unsicherheit einer physikalischen Größe, die aus mehreren direkt
gemessenen Größen berechnet wird.
Werden die Größen x,y,..,z mit den Unsicherheiten gemessen und aus
den Messwerten wird die Größe q(x,y,…,z) berechnet, so ist der Fehler von q
maximal gleich:
zyx δδδ ,...,,
zz
qy
y
qx
x
qq δδδδ
∂
∂++
∂
∂+
∂
∂= ....
Maximalfehler oder Größtfehler
53
Größtfehler
Funktionaler
Zusammenhang
xCq ⋅= xCq δδ ⋅=
yxq ±=yxq δδδ +=
yxq
xyq
=
=
y
y
x
x
q
q δδδ+=
mnyxq =
y
ym
x
xn
q
q δδδ+=
Aus der allgemeinen Regel lassen sich für bekannte Zusammenhänge die folgenden Formeln ableiten:
Bei Summen oder Differenzen addieren sich die absoluten Fehler!
Sehr nützlich:
Bei Produkten oder Quotienten addieren sich die relativen Fehler!
Dicke von 100 BlätternPapier:1 Blatt:
cm)2,05,1( ±=Dcm)002,0015,0( ±=d
54
%3033,01,9
3,0
%2019,053,0
01,0
≈==
≈==
v
δv
m
δm
052,0=+=v
δv
m
δm
p
δp
Absolute Unsicherheit:
Gerundetes Ergebnis:
0,25kgm/skgm/s82,4052,0 =⋅=⋅ pp
δp
kgm/s)3,08,4( ±=p
Beispiel: Messung eines Impulses
Direkt gemessene Größen: und
Impuls:
m/s)3,01,9( ±=v kg)01,053,0( ±=m
4,82kgm/sm/s1,9kg53,0 =⋅=⋅= vmp
Gerundetes Ergebnis: kgm/s)3,08,4( ±=p
oder:
4,576kgm/sm/s8,8kg52,0minminmin =⋅=⋅= vmp
5,076kgm/sm/s4,9kg54,0maxmaxmax =⋅=⋅= vmp
25,0=∆p
55
Beispiel: Messung der Erdbeschleunigung g durch Fallenlassen eines Körpers.
m)1,01,14(
s)1,06,1(
±=
±=
h
tgemessene Fallzeit: gemessene Höhe: 222 s
m02,11
(1,6s)
m1,1422=
⋅==
t
hg
222 m/s)5,10,11(m/s5,1133,0m/s02,11
%3.132%,3,66,1
1,0%,7,0
1,14
1,0
±=⇒=⋅=
=⋅+=====
gg
t
t
h
h
g
g
t
t
h
h
δ
δδδδδ
222
max
minmin
s
m69,9
(1,7s)
m0,1422=
⋅==
t
hg
222
min
maxmax
s
m62,12
(1,5s)
m2,1422=
⋅==
t
hg
5,1=∆g2m/s)5,10,11( ±=⇒ g
oder:
56
Gaußsche Fehlerfortpflanzung
Fehlerfortpflanzung bisher: Abschätzung des ungünstigsten Falls!
Beispiel: Summe
Möglichkeit der Kompensation der Unsicherheiten
• wenn Messgrößen unabhängig voneinander gemessen werden
• und die Abweichungen zufällig (mal positiv, mal negativ) sind.
yxqyxq δδδ +=+= ,
222
...
∂
∂++
∂
∂+
∂
∂= z
z
qy
y
qx
x
qq δδδδ
Nur für den Fall, dass die Unsicherheiten der gemessenen Größen klein,
zufällig und unabhängig sind, kann die Standardabweichung für q
berechnet werden:
57
Veranschaulichung: Berücksichtigung der Kompensation
( ) ( ) yxyxq δδδδδ +≤+=22
xδ
yδ( ) ( )22yx δδ +
yxq +=
( ) ( )22yxq δδδ +=
Es gilt:
Beispiel: Summe
Quadratische Addition der absoluten Unsicherheiten:
58
Zum Vergleich: Größtfehler
Fehlerfortpflanzung nach Gauß
Funktionaler
Zusammenhang
xCq ⋅= xCq δδ ⋅= xCq δδ ⋅=
yxq ±= yxq δδδ +=22 )()( yxq δδδ +=
yxq
xyq
=
= 22
+
=
y
y
x
x
q
q δδδy
y
x
x
q
q δδδ+=
mnyxq =
22
+
=
y
ym
x
xn
q
q δδδy
ym
x
xn
q
q δδδ+=
Aus der allgemeinen Regeln lassen sich für bekannten Zusammenhänge die folgenden Formeln herleiten:
59
Beispiel: Wirkungsgrad eines elektrischen Gleichstrommotors messen.
Zugeführte Energie (elektrisch):
Geleistete Arbeit (mechanisch, Heben eines Körpers):
Wirkungsgrad:
• Relative Unsicherheit von m, h, U und I: 1%
• Relative Unsicherheit von t : 5%
• Relative Unsicherheit von g : vernachlässigbar
Es gilt: Die Unsicherheiten sind zufällig und voneinander unabhängig.
tIUEel ⋅⋅=
hgmEmech ⋅⋅=
UIt
mgh
E
E
el
mech ==η
%5%4,5%29%)5(%)1(%)1(%)1(%)1( 22222
22222
≈==++++=
+
+
+
+
=
η
δη
δδδδδ
η
δη
t
t
h
h
m
m
I
I
U
U
60
Beispiel: Fläche eines rechteckiges Blech genau vermessen, Größe etwa
• Wahl des Messgerätes: Schieblehre
• Breite b und Länge l mehrfach an unterschiedlichen Stellen des Bleches
messen!
• Mehrere Schieblehren verwenden!
Messergebnisse:
cm5cm5,2 ×
50,36; 50,35; 50,41; 50,37; 50,36
50,32; 50,39; 50,38; 50,36; 50,38
Breite b
24,25; 24,26; 24,22; 24,28; 24,24
24,25; 24,22; 24,26; 24,23; 24,24
Länge l
Messwerte in mm
61
Mittelwerte: Standardabweichungen:
368,50
245,24
=
=
b
l
024,0
019,0
=
=
b
l
σ
σ
Standardabweichungen der Mittelwerte:
008,0
006,0
=
=
b
l
σ
σ
• Länge und Breite wurden auf dieselbe Weise gemessen:
Ergebnisse für l und b:
bl σσ ≈
( )( )4-
4-
101,61mm368,50mm)008,0368,50(
102,51mm245,24mm)006,0245,24(
⋅±=±=
⋅±=±=
b
l
Fläche:
%03,00003,000016,000025,0
mm17,1221
22
22
2
==+=
+
=
==
=
b
b
l
l
A
A
blA
lbA
Best
Best
δδδ
Somit: 2mm)4,02,1221( ±=A2mm37,0=⇒ Aδ
62
Dieses Ergebnis bedeutet:
• Mit einer Wahrscheinlichkeit von etwa 68% liegt der wahre
Wert für die Fläche im Intervall:
• Mit einer Wahrscheinlichkeit von etwa 95% liegt der wahre
Wert für die Fläche im Intervall:
2mm)4,02,1221( ±=A
2mm)7,02,1221( ±=A
63
Begründung für die Standardabweichung des Mittelwertes:
N
xxxx N+++
=....21
22
2
2
2
1
1
...
∂
∂++
∂
∂+
∂
∂= N
N
xx
xx
x
xx
x
xx δδδδ
∑=
−−
=N
iix xx
N 1
2)(1
1σ
222211
...11
⋅=
++
+
= xxxx
NN
NNNx σσσσδ
xx
Nx σ
σδ ==
64
3. Überprüfung der Proportionalität von Größen mit einem Diagramm:
Beispiel: Hookesches Gesetz: Die Dehnung x einer Feder ist proportional zu
der wirkenden Kraft F. Es gilt , wobei k die Federkonstante der
Feder ist.
Experiment:
Fk
x1
=
0
5
10
15
20
mk
g
k
mgx
==
Massen m anhängen und
die Dehnung der Feder
messen.
Gewichtskraft: mgF =
65
Angehängte Massen und Dehnung
5,44,63,53,42,81,91,51,1Dehnung
x(cm)
(alle )
900800700600500400300200Masse m(g)
0≈mδ
3,0±
a) b)
a) Daten ohne Fehlerbalken b) Daten mit Fehlerbalken zur Darstellung der Messunsicherheit der x – Werte.
x(c
m)
m (g)0 500 1000
5
x(c
m)
m (g)0 500 1000
5
66
Beispiel für eine Datenmenge, die mit einer Proportionalität zwischen x und m inkonsistent ist:
Messungen, bei denen x und mnicht vernachlässigbare Unsicherheiten haben.
m (g)
x(c
m)
0 500 1000
5
m (g)
x(c
m)
0 500 1000
5
67
Auswertung linearer Zusammenhänge
Zwei physikalische Größen x und y sind linear abhängig. Es gilt:
BxAxyy +== )(
y
xAchsenabschnitt A
Steigung:x∆
y∆
x
yB
∆
∆=
68
Grafische Auswertung
y
x
größte Steigung: Bmax
kleinste Steigung: Bmin
kleinster Achsenabschnitt: Amin
größter Achsenab-schnitt: Amax
Beste Gerade nach Augenmaß A,B
2/)( minmax
minmax
BBB
BBBB
−=∆
−≈−A∆⋅2
69
Tipps und Hinweise zur graphischen Darstellung:
• Millimeterpapier verwenden.
• Achsen beschriften.
• Maßstab so wählen, dass das Papier gut ausgenutzt wird (in x und y).
• Runde Maßstabszahlen, die in einfacher Beziehung zur Millimeterskala stehen. Z.B.: 1 Einheit ist 1cm
• Durch streuende Messpunkte eine glatte ausgleichende Kurve legen. (ist nur dann eindeutig wenn die Form der Kurve bekannt ist).
• Messpunkt ist eine Idealisierung, Fehlerbereich durch einen Fehlerbalken (oder Balkenkreuz) angeben. (Aussagewert hängt von der Größe des Fehlerbalkens ab, z. B. Entscheidung ob eine lineare Beziehung vorliegt oder nicht.)
• Kurze Unter- oder Überschrift mit Erläuterung
70
Berechnung der Bestwerte der Konstanten A und B: Lineare Regression
Annahmen:
• Die Unsicherheiten der x – Werte sind vernachlässigbar.
• Die Unsicherheiten der y – Werte folgen alle einer Gauß – Verteilung mit
dem selben Breiteparameter .
Zu jedem Wert xi gehört ein wahrer Wert yiw, mit wobei die
Konstanten A und B nicht bekannt sind.
yσ
,iiw BxAy +=
Wahrscheinlichkeit, den (gemessenen) Wert yi zu erhalten:
−−⋅=
2
2
,2
)(exp
2
1)(
y
iw
y
yiwy
yyyf
σπσσ
iiyiwyiBA dyyfyP )()( ,, σ=
−−−⋅=
−−⋅∝⇒
2
2
2
2
,2
)(exp
1
2
)(exp
1)(
y
ii
yy
iwi
y
iBA
BxAyyyyP
σσσσ
Gaußverteilung:
71
.)(
,
2exp
1
2
)(exp
1),...,(
)()(),...,(
12
22
2
12
2
,
,,,
∑
∑
=
=
−−=
−⋅=
−−−⋅∝
⋅⋅⋅=
N
i y
ii
N
y
N
i y
ii
N
y
NiBA
NBAiBANiBA
BxAy
BxAyyyP
yPyPyyP
σχ
χ
σσσ
mit
Wahrscheinlichkeit, alle (gemessenen) Werte yi, …,yN zu erhalten:
Die Bestwerte der Konstanten A und B sind die Werte, für die die
Wahrscheinlichkeit maximal wird!),...,(, NiBA yyP
∑=
−−=
N
i y
ii BxAy
12
22 )(
σχD.h. die Summe der Quadrate muss minimal werden!
∑∑ ∑∑
∑∑∑
== ==
===
+=⇒=−−
−⇒=
∂
∂
+=⇒=−−
−⇒=
∂
∂
N
ii
N
i
N
iiii
N
iiii
y
N
ii
N
ii
N
iii
y
xBxAyxBxAyxB
xBNAyBxAyA
1
2
1 112
2
1112
2
0)(2
,0
0)(2
,0
σ
χ
σ
χ
72
Gleichungssystem lösen Bestwerte für die Konstanten A und B auf der
Basis der gemessenen Wertepaare (xi,yi):
∑∑∑∑∑
∑∑∑∑∑∑
−
−=
−
−=
22
22
2
)()(
))(()(
)()(
))(())((
ii
iiii
ii
iiiii
xxN
yxyxNB
xxN
yxxyxA
yσ
∑ −−−
= 2)(2
1iiy BxAy
NσStandardabweichung:
Fehlerfortpflanzung liefert:
∑ ∑∑
∑ ∑∑
∑
−=
∂
∂=
−=
∂
∂=
22
2
2
22
22
2
)()(
)()(
ii
yy
i
B
ii
iyy
i
A
xxN
N
y
B
xxN
x
y
A
σσσ
σσσ
Unsicherheiten für A und B?
• Die Unsicherheiten der y – Werte
folgen alle einer Gauß – Verteilung
mit dem selben Breiteparameter .
73
Beispiel: Ideales Gas bei konstantem Volumen, Messung des absoluten Nullpunktes der Temperatur.
ϑ
C15,273
K,)15,273C/(,
°−=+=⇒
∆=∆+°==
ABpA
TTRTpV
mitϑ
ϑϑυ
Theorie: Allgemeine Gasgleichung
Ziel: Bestwerte für die Konstanten A und B auf der Basis von gemessenen Wertepaaren ( ) finden.iip ϑ,
1271055
94954
42853
17752
-20651
Temperatur (°C)Druck pi (Torr)Versuchsnr. i iϑ
Die Temperatur , gemessen in °C, ist also eine lineare Funktion des Druckes.
(akzeptierter Wert für den absoluten Nullpunkt)
74
∑∑∑∑∑
∑∑∑∑∑∑
−
−=
−
−=
22
22
2
)()(
))(()(
)()(
))(())((
ii
iiii
ii
iiiii
ppN
ppNB
ppN
pppA
ϑϑ
ϑϑ
Berechnung der Summen:
Bestwerte für A und B auf der Grundlage der 5 Messwerte:
∑ ∑
∑∑∑
∑
=−
=
=
=
=
5000)()(
25810
260
37125
425
22
2
ii
ii
i
i
i
ppN
p
p
p
ϑ
ϑ
Torr
C71,3
C35,263
°=
°−=
B
A
75
Unsicherheit für die Konstante A:
Standardabweichung der y - bzw. -Werte:
Somit folgt:
Messergebnis: absoluter Nullpunkt
Vergleich mit dem akzeptierten Wert von -273 °C keine Diskrepanz!
ϑ
C7,6)(2
1 2 °=−−−
= ∑ ii BpAN
ϑσϑ
C18)()( 22
2
°=−
=∑ ∑
∑ii
iA
ppN
pϑσσ
C)20260( °±−=A
76
Grafische Darstellung:
Extrapolation:
Unsicherheiten der Datenpunkte von ergeben eine Unsicherheit im „weit entfernten“Achsenabschnitt von .
C7°±
C20°±Messergebnis:
C)20260( °±=A
Tem
pera
tur
in °
C
Druck in Torr
100
0
-100
-200
-300
20 40 60 80 100
77
Tem
pera
tur
in °
C
Druck in Torr
100
0
-100
-200
-300
20 40 60 80 100
Zum Vergleich: Grafische Auswertung
78
Linearisieren von nichtlinearen Zusammenhängen:
Beispiel: Kernzerfall Von anfänglich vorhandenen Kernen sind nach der Zeit t nur noch Kerne vorhanden sind.
Zerfallsgesetz:
Logarithmieren linearer Zusammenhang:
0N )(tN
teNtN
λ−⋅= 0)(
tNtN λ−= 0ln)(ln
BtAty +=)(
Beispiel: Linsengleichung für dünne Linsen
mit und folgt: bgf
111+= x
g=
1y
b=
1x
fxy )1(
1)( −+=
79
Die Schwingungszeit T eines Drehtisches mit Feder, auf dem eine verschiebbare Scheibe der Masse m liegt, hängt vom Abstand l des Scheibenschwerpunktes von der Achse des Drehtisches ab :
Die Winkelrichtgröße D der Feder sowie das Trägheitsmoment J der Scheibe bezogen auf eine Drehachse durch den Schwerpunkt sind unbekannt.
)2(1
2 mlJD
T += π
224242 lm
DJ
DT
+=
ππ
D folgt aus der Steigung
J folgt aus dem Achsenabschnitt
Quadrieren liefert:
Beispiel: Drehschwingung
80
Verwerfen von Daten
Messwerte für die Schwingungsdauer eines Pendels in Sekunden:
• Wert von 1,8 s weicht auffällig ab.
Was tun?
Prüfen ob grobe Fehler vorliegen.
- Zeit falsch abgelesen.
- Uhr wurde vor dem letzten Wert ausgewechselt, die neue geht
systematisch nach.
- Es wurde nur die halbe Schwingungsdauer gemessen (2. Person).
Nachträgliche Fehlersuche ist nur bei sorgfältiger Dokumentation möglich!
Häufig: Äußere Ursache kann nicht ermittelt werden.
1,83,43,93,53,8
81
Lösung hier: Messung oft wiederholen.
• Tritt der anormale Wert nicht mehr auf, spielt er statistisch keine
große Rolle mehr.
• Tritt er häufiger auf: Ursache ermitteln- Fehler durch äußere Einflüsse- physikalischer Effekt
Fall: Messungen sind nicht wiederholbar.
• Wenn Daten verworfen werden: Dann nur nach objektiven Kriterien!
• Problematik der Verwerfung bleibt bestehen:
- physikalischer Effekt steckt dahinter, bleibt unentdeckt.
- Entscheidung der Verwerfung bleibt subjektiv.
Vorwurf: Datenmanipulation
82
Das Chauvenetsche Kriterium
Messwerte in Sekunden:
Mittelwert und Standardabweichung:
Abweichung des anomalen Messwertes vom Mittelwert:
Wahrscheinlichkeit für einen solchen Messwert:
Bei 20 Messungen würden wir erwarten, dass ein solcher Wert auftritt!
Erwartete Anzahl n bei 5 Messwerten:
Geringe Wahrscheinlichkeit oder nicht?
Chauvenetsche Kriterium: Grenze liegt bei .
Allg.:
1,83,43,93,53,8
s8,0
s4,3
=
=
x
x
σ
σ2s6,1s4,38,15 ==−=− xx
05,095,01)2voninnerhalb(1)2vonaußerhalb( =−=−= σσ PP
25,0505,0 =⋅=n
5,0=n
,σ
xxt anorm
anorm
−= )vonaußerhalb( σanormtPNn ⋅=
Wert kann verworfen werden
83
Beispiel: Messung einer Länge
Messergebnisse in mm:
43454458474538444846
5,1mm
45,8mm
=
=
x
x
σ4,2
1,5
8,4558=
−=
−=
σ
xxt anorm
anorm
5,016,0
16,0)984,01(10)vonaußerhalb(
<
=−⋅=⋅=⇒ σanormtPNn
Der Wert 58 mm kann nach dem Chauvenetschen Kriterium verworfen werden.
5,11,5
8,4538=
−=
−=
σ
xxt anorm
anorm 5,03,1;3,1)866,01(10 >=−⋅=⇒ n
Der Wert 38 mm darf nach dem Chauvenetschen Kriterium nicht verworfen werden.
434544584745384448462,9mm
44,4mm
=
=
x
x
σ
84
Chauvenetsches Kriterium nicht erneut mit neuem Mittelwert und neuer
(kleinerer) Standardabweichung anwenden!
Empfehlung für das Praktikum:
Auswertung gegebenenfalls zweimal machen.
1. Mit den Original Daten.
2. Mit den Daten nach der Verwerfung eines anomalen Wertes.
3. Diskussion des Einflusses des anomalen Wertes.
85
Zusammenfassung getrennt erhaltener Messergebnisse: Gewichteter Mittelwert
Messergebnisse derselben Größe zweier Personen A und B:
BxB
AxA
xx
xx
σ
σ
±=
±=
Diskrepanz Resultate sind inkonsistent.
• Fall: Messergebnisse sind konsistent und .
• Zusammenfassung der Ergebnisse aber: Die genauere Messung soll
mehr Gewicht erhalten als die ungenauere.
Voraussetzung: Messergebnisse sind normal verteilt.
BABA xx σσ +>>−
BA σσ ≠
,BA
BBAABest
ww
xwxwx
+
+=
2
1
A
Awσ
=2
1
B
Bwσ
=
,11
∑∑==
=N
ii
N
iiiBest wxwxallg.: mit der Unsicherheit:
2/1
1
−
=
= ∑N
iixBest wσ
gewichteter Mittelwert: mit und
86
Beispiel:
d.h.: , somit
Beispiel: Der Widerstand R wurde von drei Personen gemessen.
BA σσ =BA ww =
22
)( BA
A
BAABest
xx
w
xxwx
+=
+=
Ω±=
Ω±=
Ω±=
)310(
)112(
)111(
R
R
R
Bestwert für R aus den drei Messungen?
Aus den drei Unsicherheiten folgt für
die drei Gewichte:
,3,1,1 321 Ω=Ω=Ω= σσσ
9/1,1,1/1 32
2
11 ==== www σ
( )Ω=
++
Ω⋅+Ω⋅+Ω⋅==⇒
∑
∑
=
= 42,119/111
)109/1()121()111(3
1
3
1
ii
iii
Best
w
xw
x
,69,09/111
12/1
1
Ω=Ω++
=
=⇒−
=∑N
iixBest wσ somit: Ω±= )7,04,11(R
87
Wahrscheinlichkeit für Zerfälle ?
Eine weitere Grenzverteilung: Die Poisson-Verteilung
• Zerfälle radioaktiver Kerne
• Einfall von kosmischer Strahlung
Situation: - Es sind N Kerne vorhanden.
- Die Wahrscheinlichkeit für den Zerfall eines Kerns sei p.
υ
20
20
10
10
−≈
≈
p
N „sehr groß!“
„sehr klein!“
Poissonverteilung !
)(υ
µυ
υµ
µ−= ep
µ
,υµ =
Die Poissonverteilung ist nur von einem Parameter abhängig.
Dabei ist d.h. der mittleren Anzahl der gezählten Ereignisse.
Standardabweichung der Poissonverteilung: υµσυ ==
Typische Werte:
88
Poissonverteilung: Mittelwert 1
0
0,05
0,1
0,15
0,2
0,25
0,3
0,35
0,4
0
0,02
0,04
0,06
0,08
0,1
0,12
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 310
0,05
0,1
0,15
0,2
0,25
1 2 3 4 5 6 7 8 9 10 11
0
0,05
0,1
0,15
0,2
0,25
0,3
0,35
0,4
0,45
0,5
1 2 3 4 5 6 7
Poisson-Verteilungen:
Mittelwert = 0,8 Mittelwert = 1
Mittelwert = 3 Mittelwert = 13
0,5
0,4
0,3
0,2
0,1
00 1 2 3 4 5 6 0 1 2 3 4 5 6
0,4
0,3
0,2
0,1
0
0 1 2 3 4 5 6 7 8 9
0,25
0,20
0,15
0,10
0,05
00 5 10 15 20 25 30
• diskrete Verteilungen• unsymmetrisch
Für gilt: ∞→µ
)()( , υυ σµ Xfp ≈
89
Beispiel:
Experiment: Messung der kosmischen Strahlung
Student A: Anzahl der eintreffenden kosmischen Teilchen pro Minute:
im Mittel
Student B: und Student C:
min
19=υ
min
112=υ
min10
1120=υ
Sind die drei Messungen konsistent?
Vergleich von A und B:
Wahrscheinlichkeit für jedes einzelne Ergebnis:
Wahrscheinlichkeit für ein Ergebnis, innerhalb einer Standardabweichung:
min/3min/9 ==⇒= υσυ
!
9)( 9
9υ
υυ
−= ep
∑=
=
−=≤≤11
7
9
!
9)117(
υ
υ
υ
υυ eP
90
13,0!9
9)9(
10,0!11
9)11(13,0
!8
9)8(
12,0!10
9)10(12,0
!7
9)7(
99
9
119
9
89
9
109
9
79
9
===
======
======
−
−−
−−
ep
epep
epep
υ
υυ
υυ
6,0)117( =≤≤⇒ υP
Wahrscheinlichkeit für und : ca. 40%
Die Ergebnisse von A und B sind konsistent.
As Vorhersage:
Abweichung der Messung von C: mehr als !
Hier gilt: , d.h. Wahrscheinlichkeit für eine solche
Abweichung ist etwa 0,3%.
Ergebnisse von A und C sind nicht konsistent.
6≤υ 12≥υ
5,990min10/90min/9 ==⇒== συ
σ3
)()( , υυ σµ Xfp ≈