Základy grafického zpracování dat

V úvodu chvíli meditujme nad smyslem grafického zpracování dat. Především zdůrazněme a vyzdvihněme přehlednost a jakousi přitažlivost grafů (na rozdíl od tabulek a jiných prostředků), možnost rychle vypozorovat fyzikální závislost, odhalit a odhadnout náhodnou a hrubou chybu měření, nečekanou tendenci v naměřených hodnotách. Grafické zpracování nám pomůže rychle zhodnotit správnost a spolehlivost měření, volbu metody, teoretických předpokladů apod.

Základem grafického zpracování je uvedení zjištěných hodnot společně s teoretickou závislostí ve společném grafu, tzn. bezprostřední možnost srovnání teorie a praxe a zhodnocení odchylek. Většinou však teorie obsahuje parametry typické pro dané podmínky a materiály, grafickým zpracováním pak rozumíme zároveň nalezení takových optimálních hodnot všech parametrů, aby výsledná teoretická závislost nejlépe vystihovala naměřené hodnoty (což předpokládáme). Základem toho je princip maximální věrohodnosti, resp. metoda nejmenších čtverců, která je realizována v časem prověřených a osvědčených algoritmech v mnohých vědeckých programech. V našem fyzikálním použití jde většinou o fitování naměřených dat modelovou funkcí (nezaměňujte s regresí, což je metoda ve statistickém výzkumu, ačkoliv matematicky si oba postupy odpovídají).

V experimentální fyzice bychom měli co nejčastěji používat fitování ke zjišťování parametrů $p_i$ s fyzikálním významem (s tzv. chybou fitu $\Delta p_i$). K tomu potřebujeme co nejpřesněji změřit více bodů určité fyzikální závislosti $f_\mathrm{exp}(p_i; x, y, z, t)$ a vyjádřit tuto závislost matematicky vhodnou modelovou funkcí $f(\dots)$. Např. měříme závislost dráhy $s(t)$ uražené za čas $t$ a změřené body fitujeme kvadratickou funkcí se třemi parametry

$$ s(t) = s_2 t^2 + s_1 t + s_0 $$

(absolutní člen $s_0$ má význam počáteční polohy v čase $0\,\mathrm{s}$, koeficient lineárního členu $s_1$ představuje počáteční rychlost a koeficient kvadratického členu $s_2$ má fyzikální význam poloviny zrychlení). Fitováním určíme optimální, a tedy nejpravděpodobnější hodnoty těchto parametrů, které nás zřejmě zajímají. Pokud fit koresponduje dobře s daty, máme štěstí a dobře jsme zvolili modelovou funkci (např. kvadratickou závislost, pokud se jedná o rovnoměrně zrychlený pohyb). Jinak musíme zvolit jinou modelovou závislost a předpoklady (např. zrychlení se mění a zkusíme kubickou funkci). Nemusíme vždy fitovat přes všechny parametry, ale jen některé, které potřebujeme zjistit (např. pro pohyb v gravitačním poli – zrychlení známe a zajímá nás jen počáteční poloha a rychlost). Co vše grafické zpracování představuje a obsahuje, uvádíme dále společně s návodem, jak toho docílit např. ve volně šiřitelném vědeckém programu GNUPLOT.

Tato stránka využívá cookies pro analýzu provozu. Používáním stránky souhlasíte s ukládáním těchto cookies na vašem počítači.Více informací

Pořadatelé a partneři

Pořadatel

Pořadatel MSMT_logotyp_text_cz

Generální partner

Hlavní partner

Partner

Mediální partner


Created with <love/> by ©FYKOS – webmaster@fykos.cz