1. INTRODUZIONE 1.1. Problemi analitici quantitativi 1.2. Errori nell analisi quantitativa

Documenti analoghi
Test d ipotesi sulla differenza tra medie Daniel. ESERCIZIO pag

Sia dato un esperimento casuale individuato da uno spazio di probabilità S=

Anemia. Anemia - percentuali

Equazioni differenziali: formule

Teoria delle distribuzioni Parte quinta Limiti nel senso delle distribuzioni

Matematica con elementi di Informatica

Campionamento casuale da popolazione finita (caso senza reinserimento )

L INTERVALLO DI CONFIDENZA

COME CALCOLARE L INTERVALLO DI CONFIDENZA QUANDO E NECESSARIO STIMARE LA DEVIAZIONE STANDARD? (è quasi sempre così!)

Si dice che f è infinitesima o che è un infinitesimo per x x0 Un infinitesimo, quindi è una variabile che tende a zero.

Test d ipotesi: i confronti appaiati. ESERCIZIO pag Dati

Esercitazione 5 del corso di Statistica (parte 2)

Numeri Reali e Numeri Finiti

Soluzione IC=[20.6,22.6]

L INTERVALLO DI CONFIDENZA

(per popolazioni finite)

Appunti di STATISTICA

Università degli Studi di Padova. Corso di Laurea in Medicina e Chirurgia - A.A

INTEGRAZIONE INDEFINITA DI ALCUNE CLASSI DI FUNZIONI

Risposte nel tempo di sistemi LTI del 1 e 2 ordine

Stime puntuali. Statistica e biometria. D. Bertacchi. Stime puntuali. Intervalli di confidenza. Approfondiamo

Corso di Statistica. Test per differenza tra medie e proporzioni. Prof.ssa T. Laureti a.a

Università degli Studi di Cassino, Anno accademico Corso di Statistica 2, Prof. M. Furno

Ulteriori Esercizi su Grafi. Ugo Vaccaro

Titolo della lezione. Dal campione alla popolazione: stima puntuale e per intervalli

Intervalli di confidenza

0 per x / ( 1, ). i) (4 p) Trovare per quali valori di α la funzione f è una densità di probabilità (non si chiede di calcolare C α ).

Tab. 1 - Studenti presenti alla lezione di statistica del per voto alla maturità

SVOLGIMENTO. a) 1) Ipotesi nulla ) Ipotesi alternativa 2. 3) Statistica test. Statistica test ( n 1 ) s. 4) Regola di decisione. α=

Statistica I - A.A

Prova Scritta di Fondamenti di Automatica del 15 Marzo 2006

Applicazioni del Massimo flusso. Progettazione di Algoritmi a.a Matricole congrue a 1 Docente: Annalisa De Bonis

SUCCESSIONI DI FUNZIONI

Statistica, a.a. 2010/2011 Docente: D. Dabergami Lezione 6

Università di Roma Tor Vergata - Corso di Laurea in Ingegneria Analisi Matematica I - Prova scritta del 30 Gennaio 2019

Primo appello di Calcolo delle probabilità Laurea Triennale in Matematica 22/01/2018

Consideriamo un insieme di n oggetti di natura qualsiasi. Indicheremo questi oggetti con

Senza reimmissione. Le n v.a. non sono più indipendenti e identicamante distribuite. Campionamento da universo

Statistica. Lezione 5

UNIVERSITA DEGLI STUDI DI PERUGIA STATISTICA MEDICA. Prof.ssa Donatella Siepi tel:

NUMERI REALI Mauro Saita Versione provvisoria. Settembre 2012.

LE MISURE DI TENDENZA CENTRALE

Costo manutenzione (euro)

PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2013

ALCUNI ESERCIZI SUI TEST DI IPOTESI PARAMETRICHE PARTE 1

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI

CONCETTI BASE DI STATISTICA

Y557 - ESAME DI STATO DI LICEO SCIENTIFICO. 3 lim

Esercitazioni del Corso di Probabilitá e Statistica Lezione 6: Stime di parametri puntuali e per intervalli

Metodi di valutazione delle prestazioni di rete

Quartili. Esempio Q 3. Me Q 1. Distribuzione unitaria degli affitti settimanali in euro pagati da 19 studenti U.S. A G I F B D L H E M C

x = 25,6 e deviazione standard = 2,2. Nella popolazione di riferimento, composta da tutti gli apprendisti, la media di

STATISTICA INFERENZIALE

Distribuzione normale

Def. R si dice raggio di convergenza; nel caso i) R = 0, nel caso ii)

Lezione III: Variabilità. Misure di dispersione o di variabilità. Prof. Enzo Ballone. Lezione 3a- Misure di dispersione o di variabilità

Le principali procedure inferenziali: nozioni, schemi di procedimento ed esempi di applicazione

Stimatori, stima puntuale e intervalli di confidenza Statistica L-33 prof. Pellegrini

RISPOSTA NEL DOMINIO DEL TEMPO

SOLUZIONI PROVA SCRITTA DI AUTOMATICA I

n=400 X= Km; s cor =9000 Km Livello di confidenza (1-α)=0,95 z(0,05)=1,96

Distribuzione normale o gaussiana

Prof.ssa Paola Vicard

Corso Propedeutico di Matematica

Quartili. Esempio Q 3 Q 1. Distribuzione unitaria degli affitti settimanali in euro pagati da 19 studenti U.S. A G I F B D L H E M C

Programmazione con Foglio di Calcolo Cenni di Statistica Descrittiva

Politecnico di Milano - Anno Accademico Statistica Docente: Alessandra Guglielmi Esercitatore: Stefano Baraldo

3. Calcolo letterale

APPROSSIMAZIONE NORMALE. 1. Si tirano 300 dadi non truccati. Sia X la somma dei punteggi. Calcolare approssimativamente le probabilità seguenti.

Esercizi di Calcolo delle Probabilità e Statistica Matematica

ECONOMIA MONETARIA (parte generale) Prof. Guido Ascari LEZIONE 7 LA STRUTTURA A TERMINE DEI TASSI D INTERESSED

campioni estratti da una popolazione finita e quelli che provengono da una popolazione infinita. Capitolo VII

Marco Listanti. Parte 2 Rappresentazione dei segnali e teorema del campionamento. DIET Dept

Corso di Insegnamento Tecnico-Pratico per personale ATA a.s. 2005/06

Gli Indici di VARIABILITA

Alcuni concetti di statistica: medie, varianze, covarianze e regressioni

CAPITOLO 2 Semplici esperimenti comparativi

PROPRIETÀ DELLE POTENZE IN BASE 10

TEORIA DELLE MATRICI. dove aij K. = di ordine n, gli elementi aij con i = j (cioè gli elementi a 11

Impianti Industriali. La previsione della domanda. Metodi di estrapolazione. Ing. Lorenzo Tiacci

UNIVERSITÀ DEGLI STUDI DI MILANO - BICOCCA

FACOLTA DI INGEGNERIA

Stima della media di una variabile X definita su una popolazione finita

PROBLEMI DI INFERENZA SU PERCENTUALI

VERIFICA DI IPOTESI SULLA DIFFERENZA TRA DUE MEDIE. Psicometria 1 - Lezione 12 Lucidi presentati a lezione AA 2000/2001 dott.

Elementi di statistica

Ammortamento di un debito

= ed è: n. 2 2 x. tra ns x

2,3, (allineamenti decimali con segno, quindi chiaramente numeri reali); 4 ( = 1,33)

IL CALCOLO COMBINATORIO

Scritto da Maria Rispoli Domenica 09 Gennaio :32 - Ultimo aggiornamento Domenica 20 Febbraio :50

STUDIO DEL LANCIO DI 3 DADI

Qualunque processo che generi risultati eventi che non sono generalizzabili con certezza

ESERCIZI SULLE SERIE

Tecnica delle misurazioni applicate Esame del 7 gennaio 2008

LE MISURE DI SINTESI (misure di tendenza centrale)

Stimatori corretti, stimatori efficaci e disuguaglianza di Cramer Rao

Esame di Statistica A-Di Prof. M. Romanazzi

Transcript:

1 1. INTRODUZIONE 1.1. Problemi aaliici quaiaivi I meodi chimico-aaliici rumeali hao lo copo di quaificare o di deermiare proprieà chimico-fiiche di uo o più aalii coeui i ua marice. Tali meodi coioo el meere i relazioe u egale aaliico co la quaià (maa o cocerazioe) o co la proprieà cercaa per l aalia di ieree. Ache le deermiazioi qualiaive (che ripodoo alla domada: l aalia c è o o c è?) oo i realà quaiaive, perché i ogi cao la ripoa aaliica va corredaa di ua iformazioe umerica che quaifica l affidabilià della ripoa ea. 1.. Errori ell aalii quaiaiva Neu riulao aaliico ha eo e o corredao di: errore livello di cofideza = probabilià di dare ua ripoa vera livello di igificaivià = probabilià di dare ua ripoa fala. livello di cofideza + livello di igificaivià=100%

1.3. Tipi di errore Gli errori ell aalii quaiaiva i pooo claificare i: 1.3.1. errori groolai. Soo dovui a vie macrocopiche. Deermiao la preeza di oulier 1.3.. errori cauali. Fao ì che le igole miure iao caualmee i ecceo o i difeo ripeo al valore vero. Soo dovui a fluuazioi icorollabili delle codizioi perimeali. Deermiao la preciioe della miura ed icidoo ulla ripeibilià e riproducibilià. 1.3.3. errori iemaici Fao ì che le igole miure iao ue i ecceo o ue i difeo ripeo al valore vero. Soo dovui a o calibrazioe degli rumei o a pregiudizi dell operaore (e: errore di parallae) Deermiao l eaezza di ua miura.

3. STATISTICA DELLE MISURE RIPETUTE.1 Media e deviazioe adard Suppoiamo di avere effeuao miure ripeue della gradezza X. Idichiamo i riulai di ali miure co i co i=1,. Si defiice media delle miure ripeue la quaià: i1 i Si defiice umero di gradi di liberà la differeza ra il umero di miure ripeue e il umero di parameri da deermiare. Si defiice deviazioe adard delle miure ripeue la quaià: i1 1 Si dimora che: i, dove -1= gradi di liberà i i i1 1 1 i1 Si defiice variaza delle miure ripeue la quaià:. Si defiice coefficiee di variazioe (CV) o deviazioe adard relaiva (RSD) la quaià, eprea i %: CV RSD 100

4. Diribuzioe dei riulai di ua miura Suppoiamo di avere effeuao miure ripeue della gradezza X. I riulai di ali miure ( i, i=1, ) oo u campioe appareee ad ua popolazioe=l iieme di ui i poibili riulai che verrebbero da ifiie miure di X. Suppoiamo che il riulao j-eimo j i preei m j vole. Si defiice frequeza del riulao j-eimo la quaià m j. Si defiice frazioe di miure che hao dao riulao j la quaià: f Si dimora che: k j j1 f j m j 1 Si defiice media peaa delle miure ripeue la quaià: k j1 m j j

5..1. Diribuzioi Nella miura di ua gradezza X, i defiice diribuzioe dei riulai la curva che decrive la frequeza dei poibili riulai i fuzioe del valore dei riulai ei. La diribuzioe dei riulai di ua miura è ua proprieà della popolazioe. Il modello maemaico che decrive la diribuzioe dei riulai di ua miura è la diribuzioe Gauiaa o diribuzioe ormale: ( ) 1 f ( ) e... Proprieà della diribuzioe gauiaa f w 1/ (1) Puo di maimo: = µ=valore vero () Maimo: 1 f( ) (3) Pui di fleo: = = deviazioe adard (4) Semi-larghezza a meà alezza w1/ l (5) Larghezza a meà alezza Probabilià che ua miura cada ra =a e =b W 8 l W 5.54 1/ 1/ b P a f ( ) d

..3. Diribuzioe gauiaa: ormalizzazioe e probabilià 6 Codizioe di ormalizzazioe f ( ) d 1 f Area=0.68 - + Probabilià che ua miura cada ra =µ- e =µ+ : 68% f Area=0.95 - + Probabilià che ua miura cada ra =µ- e =µ+ : 95% f Area=0.997-3 +3 Probabilià che ua miura cada ra =µ-3 e =µ+3 : 99.7%

7..4. Iervallo di cofideza: cao ideale Coideriamo il cao ideale i cui riuciamo ad eeguire ifiie miure di X. Poiamo dire che: il 95% dei riulai è compreo ra =µ- e =µ+ ua uleriore miura di X cadrà ell iervallo =µ± co ua probabilià P del 95%. all iervallo di cofideza =µ± aociamo u livello di cofideza del 95%. Defiizioe: livello di igificaivià = 100% - livello di cofideza livello di cofideza P= probabilià di cadere ell iervallo di cofideza livello di igificaivià = probabilià di cadere elle code della diribuzioe f iervallo di cofideza code

8..5. Iervallo di cofideza: cao reale Coideriamo il cao reale i cui eeguiamo u umero fiio di miure di X, cioè abbiamo u campioe appareee ad ua cera popolazioe. La migliore ima di µ è la media: i1 La migliore ima di è la deviazioe adard : i1 i i 1 La migliore ima dell iervallo di cofideza è:, 1 dove è u paramero aiico chiamao di Sude. f - +

9.3 Diribuzioe delle medie Suppoiamo di eeguire ifiii eperimei i ciacuo dei quali miuriamo la media co miure. Si dimora che vale il eorema del limie cerale: la diribuzioe delle medie ha lo eo valore vero ma la ua deviazioe adard è pari alla deviazioe adard delle miure igole, divia per la radice quadraa di. f diribuzioe di diribuzioe di.4 Iervallo di cofideza per la media I bae al eorema del limie cerale, l iervallo di cofideza per ua media è:, 1

TESTS DI SIGNIFICATIVITÀ 10 3.1. Defiizioe di e di igificaivià U e di igificaivià è u meodo aiico che coee di abilire e più riulai iao o meo igificaivamee diveri. Si pare empre da ua ipoei ulla H 0, che è l ipoei che o ci ia differeza igificaiva ra i riulai cofroai. Si abilice quidi e l ipoei ulla è vera o fala al livello di cofideza celo. Pricipali e di igificaivià: -e per la verifica dell eaezza. F-e per la verifica della preciioe. Q-e per la verifica di dai aomali. Te per la verifica della ormalià di ua diribuzioe Defiizioe: accuraezza = eaezza & preciioe Defiizioe: validazioe = verifica di accuraezza

11 3.. -e per il cofroo di ua media co u valore oo f oo ab ab o oo (3..1) o o o ab ab l ipoei ulla è acceaa, cioè o c è differeza igificaiva ra e oo al livello di cofideza celo. l ipoei ulla è rigeaa, cioè c è differeza igificaiva ra e oo al livello di cofideza celo. Il livello di cofideza P celo, ovvero il livello di igificaivià celo, e il valore di deermiao il valore umerico di ab. Il -e è u e di eaezza.

3..1. Eempio di cofroo di ua media co u valore oo Si oopoe u campioe a cocerazioe oa ad u meodo aaliico. Si vuole verificare e ale meodo dà il riulao aeo. oo = 38.9 ppb Si eeguoo 3 miure e i oegoo i riulai eguei: 1 = 38.9 ppb; = 37.4 ppb; 3 = 37.1 ppb 1 38.9 37.4 37.1 =37.8 ppb 3 (38.9 37.8) (37.4 37.8) (37.1 37.8) 31 =0.964 ppb ab = 0.05, = 4.3 o 37.8 38.9 1.98 0.964 3 Poiché o < ab l ipoei ulla è acceaa, cioè o c è differeza igificaiva ra il riulao oeuo e il valore oo, al livello di cofideza del 95%. Il -e appea eeguio equivale a calcolare: 0.964 37.8 4.3* 37.8.4 3 35.4< <40. (iervallo di cofideza) Si oerva che oo cade dero l iervallo di cofideza.

13 3.3. -e per il cofroo ra due medie Si voglioo cofroare due riulai oeui co due eciche divere ullo eo campioe: riulao 1. 1, 1, 1, 1 riulao.,,, U imile problema i ha per eempio quado i vuole validare u meodo aaliico mediae uo adard cerificao. I queo cao il cofroo ra le due medie è ua verifica di eaezza del meodo oopoo a validazioe. Verificare l ipoei ulla che o ci ia differeza igificaiva ra 1 e equivale a verificare che o ci ia differeza igificaiva ra e lo zero. 1

3.3.1. Cao 1: 1 e o oo igificaivamee divere Si eegue u -e i cui: o 1 1 1 1 14 ( 1) ( 1) 1 1 1 1 1 1 (variaza pooled) 1 = umero di gradi di liberà del problema o P, ipoei ulla acceaa o c è differeza igificaiva ra i due riulai Eempio. Due meodi hao dao i eguei riulai ullo eo campioe. 1=8.0 ppm, 1 =0.3 ppm, 1 =10 miure =6.3 ppm, =0. ppm, =9 miure o (10 1) 0.3 (9 1) 0. 10 9 1 8.0 6.3 0.51 ab = 0.05,17 =.1 1 1 10 9 =0.51 14.7, = 10+9-=17 o > ab c è differeza igificaiva ra i due riulai.

3.3.. Cao : 1 e oo igificaivamee divere 15 Si eegue u -e i cui: o 1 1 1 1 1 1 1 1 1 1 e i arrooda all iero più vicio.

16 3.4. Paired -e Il e delle differeze accoppiae i applica quado i abbiao h campioi diveri e u ciacuo i eegua ua igola miura col meodo 1 e ua igola miura col meodo. Siao: i,1 il riulao oeuo ul campioe i-eimo col meodo 1 i, il riulao oeuo ul campioe i-eimo col meodo............ 1,1 1, i,1 i, h,1 h, d1... d i... d d, d, h-1 gradi di liberà Per verificare e ci ia differeza igificaiva ra i vari riulai oeui co le due eciche, i fa l ipoei ulla che d =0 e i eegue u -e co: o d d

Eempio Campioe meodo1 meodo 1 71 76 61 68 3 50 48 4 60 57 d 5 7 3 17 d 5 7 3 1.75 4 d ( 5 1.75) ( 7 1.75) ( 1.75) (3 1.75) 41 4.50 1.75 o 0.7.50 0.05,3 =3.18 o < ab ipoei ulla acceaa: i due meodi dao riulai o igificaivamee differei.

18 3.5. Te a ua coda, e a due code f e a code iervallo di cofideza f e a 1 coda iervallo di cofideza code coda I -e fiora decrii oo del ipo a due code perché i coidera l eveualià più geerale che i dai di cofroo ripeo ad ua media poao cadere ia al di opra (coda di dera) che al di oo (coda di iira) ripeo all iervallo di cofideza. Quado c è ua moivazioe perimeale al fao che il dao di cofroo poa eere olo più grade o olo più piccolo ripeo ai dai rovai allora i applica u e a 1 coda. Fiai u livello di igificaivià e gradi di liberà, i ha: 1coda code,, 1coda code,, Dove o pecificao, è riferio al cao di code. La fuzioe di Ecel INV.T() è riferia al cao di code.

19 Eempio Tiolado 5 ml di u acido fore 0.1 M co ua bae fore 0.1 M, ci i è rei coo di avere uao come idicaore feolfaleia roppo diluia e di avere apprezzao la compara del colore roo i riardo ripeo al puo equivalee, commeedo u errore i ecceo. Si vuole verificare, co u livello di cofideza del 95%, e queo errore ha comporao ua igificaiva macaza di eaezza. Riulai per il volume V di iolae aggiuo (ml). 5.06, 5.18, 4.87, 5.51, 5.34, 5.41 V =5.8 ml = 0.38 ml o 5.8 5.35 0.38 6 1coda code 0.05,5 0.10,5.01 o > ab il dao rovao è igificaivamee maggiore ripeo al dao aeo. N.B. e i foe uao come ab il valore i arebbe code 0.05,5.57 cocluo che il dao rovao o è igificaivamee differee ripeo al dao aeo.

3.6. F-e per il cofroo ra deviazioi adard Suppoiamo di ooporre a miura uo eo campioe co due meodi diveri. Vogliamo cofroare le preciioi dei due meodi. Dobbiamo cofroare le variaze Defiizioe: 1, 1, e 1 oeue coi due meodi. F, 1 e = umeri di gradi di liberà. A umeraore i poe empre la variaza più grade. Ipoei ulla H 0 : che o ci ia differeza di preciioe ra i meodi. 0 3.6.1. F-e a 1 coda Si applica quado i vuole verificare e il meodo è più precio del meodo 1, al livello di igificaivià. Fo 1 F coda,, 1 H 0 acceaa il meodo 1 o è più precio del meodo. 3.6.. F-e a code Si applica quado i vuole verificare e ci ia differeza igificaiva ra le preciioi dei due meodi, al livello di igificaivià. Fo F F code F,, F 1 1coda code,,,, 1 1 F 1coda code,,,, 1 1 H 0 acceaa le preciioi dei due meodi o oo igificaivamee differei La fuzioe di Ecel INV.F( ) è riferia al cao di 1 coda.

Eempio U aalia propoe u uovo meodo (meodo ) ed afferma che eo è più precio di u meodo già validao (meodo 1). I riulai oo: Meodo Media (mg ml -1 ) (mg ml -1 ) Numero miure 1 7 3.31 8 7 1.51 8 3.31 Fo 4.8 1.51 F 1 coda 0.05,7,7 3.787 INV.F(0.05;7;7) 1 Fo 1 F coda,, 1 H 0 rigeaa il meodo è più precio del meodo 1. Eempio U aalia propoe u uovo meodo (meodo ) e i chiede e la ua preciioe ia divera ripeo ad u meodo già validao (meodo 1). I riulai oo: Meodo Media (mg ml -1 ) (mg ml -1 ) Numero miure 1 8.0 0.3 10 6.5 0.3 10 0.3 Fo 0.3 1.7 F code 0.05,9,9 4.06 INV.F(0.05;9;9) Fo code F,, 1 H 0 acceaa le preciioi del meodo o oo igificaivamee divere.

3.7. Q-e per la verifica di dai aomali Suppoiamo di avere oopoo uo eo campioe a più miure co lo eo meodo. Uo dei dai riula ad occhio molo divero dagli alri. Si vuole verificare e eo ia aomalo. Defiizioe: valore opeo valore più vicio Q ( valore maimo valore miimo ) Q o Q abulao il dao opeo o è rigeabile Valori criici di Q al livello di igificaivià del 5% Numero miure Q 4 0.831 5 0.717 6 0.61 7 0.570 8 0.54 9 0.49 10 0.464 Eempio Dai raccoli (mg l -1 ) 0.403, 0.410, 0.401, 0.380 0.380 0.401 Q 0.410 0.380 0.7 Il dao opeo riula o igificaivamee aomalo al livello di cofideza del 95%.

3.8. Te per la verifica della ormalià di ua diribuzioe Suppoiamo di avere effeuao miure (>50) di ua gradezza. Vogliamo verificare e le miure ripeue oo coformi ad ua diribuzioe gauiaa. Ipoei ulla: o c è differeza igificaiva ra la diribuzioe delle miure oervae e ua diribuzioe gauiaa. Dalle miure ripeue calcoliamo e. Suddividiamo l ae i k iervalli. È calcolabile la probabilià P k che u dao cada el k-eimo iervallo. Per e. el cao k=8 iervalli oeui poadoi di ua a parire dalla media i ha: 3 13.5.35 0.15 34 34 13.5.35 0.15 Chiamiamo E k il umero di miure che ci i aede che cada ell iervallo k-eimo. È: Ek P k (3.8.1) Chiamiamo O k il umero di miure che i oervao cadere ell iervallo k-eimo. O Defiiz.:, k E k, k = umero di gradi di liberà (3.8.) k Ek Fiao il livello di igificaivià i ha che: o, k i dai oo diribuii ormalmee (3.8.3) I valori criici di oo abulai e calcolabili co la fuzioe di Ecel INV.CHI(; k)

fcum 4 3.9. Te della frequeza cumulaiva Suppoiamo di avere effeuao miure (<50) di ua gradezza. Vogliamo verificare e le miure ripeue oo coformi ad ua diribuzioe gauiaa. Ipoei ulla: o c è differeza igificaiva ra la diribuzioe delle miure oervae e ua diribuzioe gauiaa. Si ordiao i dai i modo crecee, aegado a ciacuo u umero d ordie k, chiamao ache frequeza cumulaiva. Si calcola: k fcum 1 E i ripora i grafico f cum i fuzioe dei dai. Se i dai apparegoo ad ua diribuzioe gauiaa i deve oeere ua igmoide. Eempio. dai k f cum 74 1 0.07149 86 0.14857 88 3 0.1486 89 4 0.85714 99 5 0.357143 104 6 0.48571 107 7 0.5 109 8 0.57149 110 9 0.64857 111 10 0.71486 113 11 0.785714 115 1 0.857143 134 13 0.98571 1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0. 0.1 0 0 0 40 60 80 100 10 140 160 dai