Nota de Aula Instrumentação
Por: Bruno Cândido • 15/9/2021 • Ensaio • 1.579 Palavras (7 Páginas) • 111 Visualizações
Laboratório 1 - Instrumentação
ANÁLISE ESTATÍSTICA (MATLAB)
1) Em um experimento foram adquiridas 100 medidas de uma grandeza física. Para simular os dados medidos, use o seguinte procedimento:
Rotina do MatLab para gerar os dados adquiridos (d)
N = 100; % numero de dados da amostra
d = 6*ones(N,1) + randn(100,1)*0.01; % vetor de dados com N por 1 valores
d(48) = 6.4234; % redefinindo alguns valores d(60) = 5.5896; d(22) = 6.3234; d(90) = 5.5347;
n = 1:1:N; % vetor sequencial de 1 a N plot(n,d) % plotando as medidas
[pic 1]
Resultado: Temos picos discrepantes que apresentam um padrão diferente da media.
- Calcular a media, o desvio padrão, a amplitude da amostra, a kurtosis e a skewness dos dados:
dm = mean(d) % media da amostra
sd = std=(d) % desvio padrão da amostra rd = range(d) % amplitude da amostra skd = skewness(d) % skewness da amostra ktd = kurtosis(d) % kurtosis da amostra
Mean (d): _____________ Std (d): ____________ Range (d): _____________ Skewness (d): _______________ Kurtosis (d): _________________
- Aplicar o critério de chauvenet (para N = 100 → DRo = 2.807)
Calcular os desvios de cada medida dr(di) e eliminar dos dados com dr >= DRo:
DRo = norminv(1-1/(4*N),0,1);
dr = abs(d-dm)/sd; % desvios de cada medida
k = 1; for j =1:N
if dr(j) >= DRo ind(k) = j; k = k+1; end end dch = d ;
dch(ind) = []; % remove os valores com dr >= DRo
Nc = length(dch); % tamanhos da amostra após a remoção por Chauvenet
nc = 1:1:Nc; % vetor sequencial de 1 até Nc
plot(n,d,nc,dch) % plota os dados brutos e modificados
Recalcular: média, range, desvio padrão, skewness e kurtosis:
dmc = mean(dch) % media da amostra modificada sdc = std(dch) % desvio padrão da amostra modificada rdc = range(dch) % amplitude da amostra modificada skdc = skewness(dch) % skewness da amostra modificada ktdc = kurtosis(dch) % kurtosis da amostra modificada
Mean (dch): _______________ Std (dch): _______________ Range (dch): ______________ Skewness (dch): _______________ Kurtosis (dch): _________________ Comparar com os valores obtidos sem aplicar Chauvenet.
- Determinar o intervalo de confiança dos dados modificados por Chauvenet para a média (dcm) com nível de confiança de 95%. Usar fdp t-Student. (Desvio padrão estimado: sdc).
gl = Nc - 1; % graus de liberdade estatístico alfa = 0.95; % nivel de confiança de 95% desv = tinv((1+alfa)/2,gl)*sdc/sqrt(Nc); % desvio
int_conf = [dmc-desv dmc+desv]; % intervalo de confiança dmc +- desvio
Intervalo: _________________ ± _________________
- Gerar o histograma e a frequência acumulada (distribuição de probabilidade acumulada).
classes = floor(1+log10(Nc)/log10(2)); % numero de classes
figure
hist(dch,classes) % gera e plota o histograma title('Histograma')
[no,x]=hist(dch,classes); % numero de ocorrencias e centros de cada classe
deltak = diff(x); % diferencial de x nacum(1) = no(1)
for j = 1:classes-1
nacum(j+1) = nacum(j) + no(j+1); end figure plot(x,nacum)
2) Determinar a função de regressão polinomial mais adequada para representar os dados abaixo (testar polinômios de graus 1, 2 e 3), determinando os parâmetros estatísticos que qualificam o ajuste e plotar os resultados.
...