ここから質問投稿すると、最大4000ポイント当たる!!!! >>

ランダム誤差→極限的に正規分布に従うようなランダムな誤差
系統誤差→「真の値」にたいして系統的にずれて観測されるランダムでない誤差

として、普通のものさしなどの公差や、読み取り誤差、また、電流計の公差はどちらにあたるでしょうか?

このQ&Aに関連する最新のQ&A

A 回答 (6件)

#5お礼欄に関して


>A.「極限的に正規分布に従うようなランダムな誤差」
>B.「多数測定で誤差を低減できる」
>というのが全く同じことのように感じるということです。
多分同じことを別の表現で表しているのだと思います。

で、(1),(2)に関して、(2)は必ずしも成立しないような。(中心極限定理って、母集団の分布が正規分布である必要はなかったかと)

測定誤差に関しては、
a)真値がAの事象があって、
b)これを無限回測定したと仮定すると、測定結果は、平均値A'、分散σ2の集団になる。
c)有限回の測定は、b)を母集団として、そこから有限個抽出する操作に該当。
d)c)の平均値はb)の平均値A'に収束し、分散はσ2/N(中心極限定理)の正規分布に収束する

統計処理はc)からb)を推定する処理で、A'とAの差異(これが系統誤差になるかと)は検出できないように思います。
    • good
    • 1

中心極限定理によると、N回測定を繰り返して平均をとると、平均値の分散はσ^2/Nになります。


つまり、Nをどんどん大きくしていけば、平均値の分散は0に近付き(期待値の近くに集まり)、バラツキは小さくなることが期待できます。
    • good
    • 1
この回答へのお礼

ご回答ありがとうございます。

すみません、話がそれてしまい分かりにくくなってしまいましたが、疑問点はとことん解決してみたいと思うのでどうかお付き合いください;

とりあえずいまの疑問点としては、ランダム誤差の定義として、はじめに自分の言った

A.「極限的に正規分布に従うようなランダムな誤差」

と、foobar さんのおっしゃった

B.「多数測定で誤差を低減できる」

というのが全く同じことのように感じるということです。


(1)A→B
A.ランダム誤差は正規分布に従う
↓(ほぼ自明)
B.多数回の計測で誤差を減らせる

(2)B→A
B.誤差が低減できる
(中心極限定理により N回測定の誤差の平均値は正規分布に従うため、それを利用してNを増やすことで誤差を低減する)

A.1回測定の平均(1回測定したときの誤差そのもの)も当然正規分布に従う


自分で当然とか書いておきながら最後のところがおかしい気も、、、しますが^^;それが間違っていれば中心極限定理を理解できていないのかもしてません。
逆にこれがあっていれば統計学でいう所の誤差(=真の値からのずれ)というのは母集団がどんな分布であれ正規分布にしたがうということですよね?そうなってくると、ランダム誤差でない誤差は中心極限定理でいうところの(つまり統計学でいう所の)誤差の範疇外?でしょうか。

そもそもN回の測定のNを1と読み替えることは反則なのかどうか・・。


おそらく間違いはあるとは思いますが、、どうでしょうか?

お礼日時:2008/03/05 03:42

>疑問点としては、普通、実験機器の公差と言ったときに、


>1.1つの機器で繰り返し測った時にランダムであらわれる誤差のばらつき
>2.多くの機器を作った時にその機器ごとに(系統的に)現れる誤差のばらつき
両方含めるように思います。
(2.は測定器だと「器差」と呼ばれるかな。)
#3さん回答にあるように、校正表などを使えば、2.は小さくはできますが、0にはできません。(校正用に使用した機材の誤差程度はどうしても残ってしまう)

ランダム誤差と系統誤差
(同一条件下で)多数の測定を行い結果を平均することで低減できる部分が「ランダム誤差」、平均をとっても低減できない部分を「系統誤差」として扱うことも多いかと思います。

また、環境が要因として入る場合でも、使用環境を範囲を決めて、その条件下での誤差を全部ひっくるめて仕様として定めることもあります。(例えば、使用温度範囲や湿度範囲、電源電圧の範囲を定めて、その範囲内で使うときには、規定の誤差以内に収まる、という具合に。)
    • good
    • 0
この回答へのお礼

>(同一条件下で)多数の測定を行い結果を平均することで低減できる部分が「ランダム誤差」

とのことですが、中心極限定理によれば、これは必ず正規分布になるような気もするのですがどうでしょうか。

間違っていればご指摘ください。

//
後、下のお礼で「公差(器差?)」と書いた部分は言葉の使い方を間違えました;

お礼日時:2008/02/25 13:47

>1.1つの機器で繰り返し測った時にランダムであらわれる誤差のばらつき


>2.多くの機器を作った時にその機器ごとに(系統的に)現れる誤差のばらつき
2.は機械定数と言い、そもそも誤差ではありません。
精密測定器、の場合、機械ごとに検定を行い、計器の読み値の補正式が検定表と一緒に送られてきます。
(デジタルの場合、補正係数が新しい値に更新されます。)
したがって、補正式を用いて読み値を補正する必要があり、これをサボるのは測定ミスと同じことです。

ただし、測定精度を必要としない計器の場合、ランダム誤差と系統誤差を足しても要求精度を満足、という場合があるので、
こういう場合は、公差の中に系統誤差を含んでいる場合があるかも。

>ランダム誤差→極限的に正規分布に従うようなランダムな誤差
>系統誤差→「真の値」にたいして系統的にずれて観測されるランダムでない誤差
これはちょっと違います。
定誤差(系統誤差) →補正式などで消去可能な誤差。
不定誤差(ランダム誤差)→消去不可能な誤差。

例:巻尺で距離を測る。
・テープがねじれている → 測定ミス。(誤差ではない)
・川の両岸の距離を測る。テープがたるんでいる → 定誤差(テープを引張る力を計測する必要あり)
・テープがたるまないよう思い切り引っ張ると、その力によりテープが伸びる。 →定誤差(テープを引張る力を計測する必要あり)
・テープは温度により伸縮する → 定誤差(テープの温度を計測する必要あり)
・精密測量で100.000mとわかっている距離を、テープで測ったら99.98m → 機械定数。(読んだ値を1.0002倍すればよい)
・masa2211という人間は、若干大きめに値を読むというクセがある。 →定誤差。(注:こういうのは読み取り誤差とは別の現象。)
上記において、引張り力、温度の計測をサボった → 不定誤差。

例:体重計で着物を着たまま体重を計る。
・着物の重量を1kgと仮定し、体重計の読みから1kgを引く → 定誤差。
・着物の重さは個人差があるので、1kgからズレている → 不定誤差。 (どれだけズレているかはわからないので。)
---------------------------------
ここまでおわかりのように、定誤差(系統誤差)は測定環境が大いに関係するため、
公差として公表できる数値でないです。

例:センサーの出力値。
・センサー個別の出力値のクセ → 機械定数。 (センサーごとに検定値がある。)
・センサー出力の非直線性 → カーブの形がわかっていれば定誤差、
 わかっていなければ不定誤差。
センサーの非直線性について、たとえばこちら。
http://www.sssj.co.jp/cgi-image/ja/faq/21/1.pdf

この非直線性が、当初の定義だと問題でして、系統誤差を
・「真の値」にたいして系統的にずれて観測されるランダムでない誤差
と定義した場合、カーブの形がわかっていなくても、
・「真の値」にたいして系統的にずれて観測されるのでランダムでない
ことになり、明らかに誤差の値は正規分布にしたがっていません。
でも、補正しようがないというのが最も優先され、不定誤差(ランダム誤差)として扱うしかないです。

>実際の実験(学生実験または実際の研究現場での実験)では公差はランダム誤差として扱うのが妥当ということでしょうか?
>それでもし異常があれば系統誤差を検討してみるというような手順になるのですか?
系統誤差とは、機械定数のことを指しているように思えるので、そのつもりで返答します。
実際の研究現場での実験の場合。
計量法により、機器の検定が義務付けられており、検定できるのは、所定の計量機関のみです。
したがって、検定をサボっていれば計測は信用できないし、計器の検定が行われているなら、
その後計器が狂ったか、計測環境が悪くて計器の能力が発揮できない(体重計の例を参照。)か。

結論。
よほど注意深く測定しない限り、計測誤差が公差の範囲に収まっていることは稀な現象です。
    • good
    • 0
この回答へのお礼

詳しく答えていただきありがとうございます。

少し誤差についてわかってきたような気がします。


>>ランダム誤差→極限的に正規分布に従うようなランダムな誤差
>>系統誤差→「真の値」にたいして系統的にずれて観測されるランダムでない誤差
>これはちょっと違います。
>定誤差(系統誤差) →補正式などで消去可能な誤差。
>不定誤差(ランダム誤差)→消去不可能な誤差。

とありますが、「計測における誤差解析入門」という本では、


ランダム誤差→測定を繰り返すことによって明らかにできる誤差
系統誤差→繰り返し測定によって明らかにできない誤差


と書いてありました。また、別のページですが、


ランダム誤差を伴う測定は、正規分布を用いることによって記述できる。


とありました。おそらく言葉の定義にはいろいろあるとは思うのですが。

とりあえず、これが正しいとすると、

(1)補正式により修正→機器ごとの差(機械定数)をなくす
(2)実際の測定に関しては、公差(器差?)にはランダム誤差のみがあると考えて計算

※ただし、様々な要因によって系統誤差が入ってくることもある

ということでいいのでしょうか?

要は初めの疑問に立ち返ると、(補正式が与えられていれば、補正式を計算した上で)

「ノギスの公差、電流計の公差はランダム誤差として扱う」


何か勘違いがあればご指摘お願いします。

お礼日時:2008/02/25 13:17

私は専門家でも何でもないので、お役にたつかどうかわかりませんし、疑問に直接お答えすることもできませんので、私の感じたことだけを、申し上げます。


私が思うに、完全に正規分布になるようなランダム誤差があったとすると、これは、ごく自然に発生した自然現象で、努力によって、誤差の幅を少なくすることはできても、完全になくすことはできません。
しかし、正規分布から外れた系統誤差が発生したら、これは、測定対象か、測定器か、測定者かあるいは測定環境になにか特別な原因がある。もしその原因を突き止めて、なくすことができれば、系統誤差をなくすことができる。その結果、正規分布にしたがうランダムな誤差だけが残る。すなわち、系統誤差が発生したら、システムのどこかに問題があるので、その原因をつきとめて改善すれば、製品の品質を高めたり、測定の精度をあげることができるのではないかと、思います。全く偏りのないシステムなどは、存在しないと思いますので、通常は、多かれ少なかれ、ランダム誤差も系統誤差も同時に発生するものだと思います。これは、あくまでも私の、勝手な妄想ですので、ご容赦ください。
    • good
    • 0
この回答へのお礼

参考になりました。ありがとうございました。

お礼日時:2008/02/25 13:49

ランダム誤差と系統誤差については、不勉強ですが、


読み取り誤差は、普通の健康な人が測定するならランダム誤差、目か読み取り用の顕微鏡に異常があれば、ランダム誤差と系統誤差が合計されるのではないでしょうか。

普通のものさしなどの公差や電流計の公差は製造工程によっては、系統誤差が発生するのではないでしょうか。理想的な製造工程なら、ランダム誤差だけが発生すると思います。
    • good
    • 0
この回答へのお礼

ご回答ありがとうございます。

読み取り誤差が普通ランダム誤差として扱われるのは分かる気がします。

公差は理想的な製造工程ならランダム誤差だけということですが、実際の実験(学生実験または実際の研究現場での実験)では公差はランダム誤差として扱うのが妥当ということでしょうか?
それでもし異常があれば系統誤差を検討してみるというような手順になるのですか?



疑問点としては、普通、実験機器の公差と言ったときに、

1.1つの機器で繰り返し測った時にランダムであらわれる誤差のばらつき

2.多くの機器を作った時にその機器ごとに(系統的に)現れる誤差のばらつき

のどちらにあたるのかとういことです。実際の実験では、1.ならばランダム誤差として扱い、2.ならば系統誤差として扱うのが妥当だと思うのですが、、。

1.のような気もしますが、実際に計測機器を作るとなると、平均値が必ず真の値になるような機器を常に作るというのは不可能に近いようにも思います。そうすると、2.の要素はどう考えればいいのか、、。

どうぞご助言ください。

お礼日時:2008/02/21 12:27

このQ&Aに関連する人気のQ&A

お探しのQ&Aが見つからない時は、教えて!gooで質問しましょう!

このQ&Aを見た人が検索しているワード

このQ&Aと関連する良く見られている質問

Q系統誤差について

系統誤差とは真値からの偏りの誤差と考えているのですが、それがどうなのか?あっているのかも分かりません。そして、実際個々のデータがあるとき系統誤差とはどのように求めればよいのか?式も含めて教えてください。よろしくお願いします.

Aベストアンサー

おおざっぱに言えば、ランダムじゃない誤差の事です。何か特定の原因があって生じている誤差。

 一般に、理論と観測データの差が誤差です。理論がなければ誤差もない。たとえば最も単純な理論と言えば「同じ物を何度測っても答は同じの筈」というものでしょうが、その場合、実際に測ると毎回ちょっとずつ違うから、これが誤差。また「いつもごはんをちょうど100g茶碗に入れた筈」が理論なら、「測ってみると随分ばらつく」これが誤差。
 で、サイコロを振ったようなランダムな誤差しか無ければ、まあ、理論と観測は合っている。でも、何か特定のくせがある場合、理論が観測に合っていない。理論が考慮していない何らかの現象が見つかったと考えられるわけです。それが
単に気のせいだったり、
計算間違いやデータの入力ミスだったり、
サンプルの取り方にへんな偏りがあったんだったり、
目盛りを大きめに読んじゃう癖のある人のせいだったり、
計測器の異常(たとえば気温の影響で秤が狂うとか)であったり、
理論の近似がいい加減過ぎたんだったり、
そして、ひょっとすると従来の理論では知られていない全く新しい現象の発見だったりするわけです。

さらには「この計測の誤差はこういう統計的性質があるはず」という、誤差に関する理論が出来ている場合もある。その理論から外れた場合、誤差の理論が間違っているのか、あるいは未知の原因による系統誤差である可能性を考える。

おおざっぱに言えば、ランダムじゃない誤差の事です。何か特定の原因があって生じている誤差。

 一般に、理論と観測データの差が誤差です。理論がなければ誤差もない。たとえば最も単純な理論と言えば「同じ物を何度測っても答は同じの筈」というものでしょうが、その場合、実際に測ると毎回ちょっとずつ違うから、これが誤差。また「いつもごはんをちょうど100g茶碗に入れた筈」が理論なら、「測ってみると随分ばらつく」これが誤差。
 で、サイコロを振ったようなランダムな誤差しか無ければ、まあ、...続きを読む

Qエクセルで計算すると2.43E-19などと表示される。Eとは何ですか?

よろしくお願いします。
エクセルの回帰分析をすると有意水準で2.43E-19などと表示されますが
Eとは何でしょうか?

また、回帰分析の数字の意味が良く分からないのですが、
皆さんは独学されましたか?それとも講座などをうけたのでしょうか?

回帰分析でR2(決定係数)しかみていないのですが
どうすれば回帰分析が分かるようになるのでしょうか?
本を読んだのですがいまいち難しくて分かりません。
教えてください。
よろしくお願いします。

Aベストアンサー

★回答
・最初に『回帰分析』をここで説明するのは少し大変なので『E』のみ説明します。
・回答者 No.1 ~ No.3 さんと同じく『指数表記』の『Exponent』ですよ。
・『指数』って分かりますか?
・10→1.0E+1(1.0×10の1乗)→×10倍
・100→1.0E+2(1.0×10の2乗)→×100倍
・1000→1.0E+3(1.0×10の3乗)→×1000倍
・0.1→1.0E-1(1.0×1/10の1乗)→×1/10倍→÷10
・0.01→1.0E-2(1.0×1/10の2乗)→×1/100倍→÷100
・0.001→1.0E-3(1.0×1/10の3乗)→×1/1000倍→÷1000
・になります。ようするに 10 を n 乗すると元の数字になるための指数表記のことですよ。
・よって、『2.43E-19』とは?
 2.43×1/(10の19乗)で、
 2.43×1/10000000000000000000となり、
 2.43×0.0000000000000000001だから、
 0.000000000000000000243という数値を意味します。

補足:
・E+数値は 10、100、1000 という大きい数を表します。
・E-数値は 0.1、0.01、0.001 という小さい数を表します。
・数学では『2.43×10』の次に、小さい数字で上に『19』と表示します。→http://ja.wikipedia.org/wiki/%E6%8C%87%E6%95%B0%E8%A1%A8%E8%A8%98
・最後に『回帰分析』とは何?下の『参考URL』をどうぞ。→『数学』カテゴリで質問してみては?

参考URL:http://ja.wikipedia.org/wiki/%E5%9B%9E%E5%B8%B0%E5%88%86%E6%9E%90

★回答
・最初に『回帰分析』をここで説明するのは少し大変なので『E』のみ説明します。
・回答者 No.1 ~ No.3 さんと同じく『指数表記』の『Exponent』ですよ。
・『指数』って分かりますか?
・10→1.0E+1(1.0×10の1乗)→×10倍
・100→1.0E+2(1.0×10の2乗)→×100倍
・1000→1.0E+3(1.0×10の3乗)→×1000倍
・0.1→1.0E-1(1.0×1/10の1乗)→×1/10倍→÷10
・0.01→1.0E-2(1.0×1/10の2乗)→×1/100倍→÷100
・0.001→1.0E-3(1.0×1/10の3乗)→×1/1000倍→÷1000
・になります。ようするに 10 を n 乗すると元の数字になるた...続きを読む

Qエクセル STDEVとSTDEVPの違い

エクセルの統計関数で標準偏差を求める時、STDEVとSTDEVPがあります。両者の違いが良くわかりません。
宜しかったら、恐縮ですが、以下の具体例で、『噛み砕いて』教えて下さい。
(例)
セルA1~A13に1~13の数字を入力、平均値=7、STDEVでは3.89444、STDEVPでは3.741657となります。
また、平均値7と各数字の差を取り、それを2乗し、総和を取る(182)、これをデータの個数13で割る(14)、この平方根を取ると3.741657となります。
では、STDEVとSTDEVPの違いは何なのでしょうか?統計のことは疎く、お手数ですが、サルにもわかるようご教授頂きたく、お願い致します。

Aベストアンサー

データが母集団そのものからとったか、標本データかで違います。また母集団そのものだったとしても(例えばクラス全員というような)、その背景にさらならる母集団(例えば学年全体)を想定して比較するような時もありますので、その場合は標本となります。
で標本データの時はSTDEVを使って、母集団の時はSTDEVPをつかうことになります。
公式の違いは分母がn-1(STDEV)かn(STDEVP)かの違いしかありません。まぁ感覚的に理解するなら、分母がn-1になるということはそれだけ結果が大きくなるわけで、つまりそれだけのりしろを多くもって推測に当たるというようなことになります。
AとBの違いがあるかないかという推測をする時、通常は標本同士の検証になるわけですので、偏差を余裕をもってわざとちょっと大きめに見るということで、それだけ確証の度合いを上げるというわけです。

Q相関係数についてくるP値とは何ですか?

相関係数についてくるP値の意味がわかりません。

r=0.90 (P<0.001)

P=0.05で相関がない

という表現は何を意味しているのでしょうか?
またMS Excelを使ってのP値の計算方法を教えてください。

よろしくお願い致します。

Aベストアンサー

pは確率(probability)のpです。全く相関のない数字を組み合わせたときにそのr値が出る確率をあらわしています。

統計・確率には100%言い切れることはまずありません。というか100%言い切れるのなら統計・確率を使う必要は有りません。
例えばサイコロを5回振って全て同じ目が出る確率は0.08%です。そんな時、そのサイコロを不良品(イカサマ?)と結論つけるとわずかに間違っている可能性が残っています。ただ、それが5%以下ならp=0.05でそのサイコロは正常ではないと結論付けます。
それが危険率です。(この場合はp=0.1%でもいいと思いますが)
相関係数においても相関の有無を結論つけるにはそのrが偶然出る確率を出すか、5%の確率ならrがどれぐらいの値が出るかを知っておく必要が有ります。

>r=0.90 (P<0.001)

相関係数は0.90と計算された。相関がないのに偶然r=0.90 となる確率は0.001以下だと言ってます。

>P=0.05で相関がない

相関がないと結論。(間違っている確率は5%以下)だと言ってます。

エクセルでの計算ですが、まず関数CORRELを使ってr値を出します。xデータがA1からA10に、yデータがB1からB10に入っているとして

r=CORREL(A1:A10,B1:B10)

次にそのr値をt値に変換します。

t=r*(n-2)^0.5/(1-r^2)^0.5

ここでnは組みデータの数です。((x1,y1),(x2,y2),・・・(xn,yn))
最後に関数TDISTで確率に変換します。両側です。

p=TDIST(t値,n-2,2)

もっと簡単な方法があるかも知れませんが、私ならこう計算します。(アドインの分析ツールを使う以外は)

pは確率(probability)のpです。全く相関のない数字を組み合わせたときにそのr値が出る確率をあらわしています。

統計・確率には100%言い切れることはまずありません。というか100%言い切れるのなら統計・確率を使う必要は有りません。
例えばサイコロを5回振って全て同じ目が出る確率は0.08%です。そんな時、そのサイコロを不良品(イカサマ?)と結論つけるとわずかに間違っている可能性が残っています。ただ、それが5%以下ならp=0.05でそのサイコロは正常ではないと結論付けます。
それが危険率です。(この場...続きを読む

Q偏微分の記号∂の読み方について教えてください。

偏微分の記号∂(partial derivative symbol)にはいろいろな読み方があるようです。
(英語)
curly d, rounded d, curved d, partial, der
正統には∂u/∂x で「partial derivative of u with respect to x」なのかもしれません。
(日本語)
ラウンドディー、ラウンドデルタ、ラウンド、デル、パーシャル、ルンド
MS-IMEはデルで変換します。JIS文字コードでの名前は「デル、ラウンドディー」です。

そこで、次のようなことを教えてください。
(1)分野ごと(数学、物理学、経済学、工学など)の読み方の違い
(2)上記のうち、こんな読み方をするとバカにされる、あるいはキザと思われる読み方
(3)初心者に教えるときのお勧めの読み方
(4)他の読み方、あるいはニックネーム

Aベストアンサー

こんちには。電気・電子工学系です。

(1)
工学系の私は,式の中では「デル」,単独では「ラウンドデルタ」と呼んでいます。あとは地道に「偏微分記号」ですか(^^;
その他「ラウンドディー」「パーシャル」までは聞いたことがあります。この辺りは物理・数学系っぽいですね。
申し訳ありませんが,あとは寡聞にして知りません。

(3)
初心者へのお勧めとは,なかなかに難問ですが,ひと通り教えておいて,式の中では「デル」を読むのが無難かと思います。

(4)
私はちょっと知りません。ごめんなさい。ニックネームは,あったら私も教えて欲しいです。

(2)
専門家に向かって「デル」はちょっと危険な香りがします。
キザになってしまうかどうかは,質問者さんのパーソナリティにかかっているでしょう(^^

*すいません。質問の順番入れ替えました。オチなんで。

では(∂∂)/

Qエクセルで条件に一致したセルの隣のセルを取得したい

下のような「得点」という名前のシートがあります。
(「田中」のセルがA1です。)

 [ 田中 ][ 10 ][ 200 ]
 [ 山田 ][ 21 ][ 150 ]
 [ 佐藤 ][ 76 ][ 250 ]
 [ 鈴木 ][ 53 ][ 350 ]

別のシートのA1セルに、「佐藤」と入力すると、

 [ 佐藤 ]

「得点」シートから「佐藤」の列を見つけて、B1、C1に

 [ 佐藤 ][ 76 ][ 250 ]

のように表示させたいのですが、B1、C1にはどのような式を書けば良いのでしょうか。
「得点」シートでは氏名が重複する事はありません。
IF文を使うと思うのですが、いまいち良く分かりませんでした。

よろしくおねがい致します。

Aベストアンサー

こんにちは!
VLOOKUP関数で対応できます。
IF関数と併用すればエラー処理が可能です。

Excel2007以降のバージョンであれば
B1セルに
=IFERROR(VLOOKUP($A1,得点!$A:$C,COLUMN(B1),0),"")
としてC1セルまでオートフィルでコピー!
そのまま下へコピーすると行が2行目以降でも対応できます。

Excel2003までの場合は
=IF($A1="","",VLOOKUP($A1,得点!$A:$C,COLUMN(B1),0))

としてみてください、m(_ _)m


このQ&Aを見た人がよく見るQ&A

人気Q&Aランキング