حاسبة انتشار الخطأ (مع الخطوات)

احسب عدم اليقين y ± uy بطريقة gradient×covariance، واعرض فترات ‎68٪‎ و ‎95٪‎، وتحقق من النتيجة باستخدام محاكاة مونت كارلو ذات بذرة ثابتة للمدخلات المستقلة أو المرتبطة.

لغات أخرى: ja | en | zh-CN | es

نظرة عامة

أدخل الدالة التحليلية y = f(x) وادمج عدم اليقين المعياري بتقريب من الدرجة الأولى. تغطي القوالب حالات الجمع والطرح والضرب والقسمة والأس، بينما يقبل الوضع العام تعبيرات آمنة تحتوي على ثوابت ودوال مثلثية وهايبر بولية ولغاريتمية.

سترى معاينة رياضية حية مع تمييز للمتغيرات، ومخطط مساهمة يوضح أي متغير يهيمن على عدم اليقين، وقسمًا موصى به لمحاكاة مونت كارلو للتحقق من النتيجة الخطية.

تلميحات لوحة المفاتيح: ‎Ctrl/+S لتصدير CSV، و‎Ctrl/+L لنسخ رابط المشاركة.

طريقة الاستخدام (3 خطوات)

  1. أدخل الصيغة y = f(...) وأضف كل متغير مع المتوسط وعدم اليقين المعياري.
  2. اضبط الارتباطات إذا لزم واختر التحقق بطريقة مونتِ كارلو.
  3. راجع عدم اليقين المركب وعدم اليقين الموسع وترتيب المساهمات.
معاينة الصيغة
القوالب:
قائمة المتغيرات مع المتوسط وعدم اليقين المعياري
الاسم المتوسط μ الانحراف المعياري u الوحدة / ملاحظة حذف الصف
مصفوفة الارتباط (اختياري)

اجعل العناصر على القطر 1.0 وأدخل معاملات الارتباط ρij بين ‎-1‎ و ‎1‎. يتم مزامنة المثلثين العلوي والسفلي تلقائيًا.

التحقق بطريقة مونت كارلو

تضيف محاكاة ببذرة ثابتة لتأكيد التقدير الخطي. أوقفها إذا كنت تحتاج إلى أسرع تنفيذ ممكن.

الأسئلة الشائعة

كيف يجمع أسلوب gradient×covariance عدم اليقين؟
نحسب تدرج الدالة حول القيم الاسمية باستخدام تفاضل مركزي بخمس نقاط، ثم نبني مصفوفة التغاير من الانحرافات المعيارية ومعاملات الارتباط المدخلة، ونحسب gTCg. الجذر التربيعي يعطي عدم اليقين المعياري المركب uy.
ما الذي تتحقق منه محاكاة مونت كارلو؟
تولد عينات غاوسية مترابطة ببذرة ثابتة عبر تحليل تشولسكي، ثم تتحقق أن المتوسط والانحراف المعياري المحسوبين من المحاكاة متوافقان مع التقدير الخطي ضمن حدود السماحية المحددة.

حاسبات ذات صلة