آزمایشگاه آزاد؛ بدون نیاز به ورود
تخمین عیار معدن؛ چند نمونه کافی است؟
عیار یک معدن را از کجا میشود فهمید، وقتی نمیتوان همهٔ سنگها را بررسی کرد؟ چند نمونه میگیریم و از روی پراکندگیشان یک تخمین میسازیم.
آزمایش رو شروع کنبرای شروع، تعداد نمونهها را ۱۵، عیار تنظیمشده را ۵٪ و خطای اندازهگیری را ۱٪ بذار و اجرا کن. بعد هر بار فقط یک کنترل رو تغییر بده. نتیجهٔ هر اجرا نمونهای تصادفیه؛ ممکنه عددها با اجرای بعدی فرق کنن.
آزمایشگاه در حال آماده شدنه…
حالا خودت امتحان کن
هر بار فقط یک چیز رو تغییر بده تا اثرش رو ببینی. قبل از اجرا، نتیجه رو حدس بزن.
اول یک برآورد بساز
تعداد نمونهها رو ۱۵، عیار تنظیمشده رو ۵٪ و خطای اندازهگیری رو ۱٪ بذار و اجرا کن. میانگین تخمینی، خطای استاندارد و عرض فاصلهٔ اطمینان رو یادداشت کن.
حدست چیه؟ فکر میکنی میانگین نمونهها دقیقاً روی ۵٪ میافته؟ چرا؟
توضیح نتیجه رو ببین
در یک اجرای نمونه، میانگین تخمینی حدود ۴٫۷۸٪، خطای استاندارد حدود ۰٫۲۰ واحد درصد و عرض فاصلهٔ اطمینان حدود ۰٫۷۹ واحد درصد بود. عیار تنظیمشده ۵٪ است، ولی یک دسته نمونه لزوماً دقیقاً به آن نمیرسه.
نمونههای بیشتری بردار
عیار رو ۵٪ و خطای اندازهگیری رو ۱٪ نگه دار. تعداد نمونهها رو از ۱۵ به ۳۰ برسون و دوباره اجرا کن. عرض فاصلهٔ اطمینان رو با اجرای قبلی مقایسه کن.
حدست چیه؟ با دو برابر شدن تعداد نمونهها، تخمین معمولاً پایدارتر میشه یا نوسانیتر؟
توضیح نتیجه رو ببین
در این دو اجرای نمونه، عرض فاصله از حدود ۰٫۷۹ به ۰٫۷۴ واحد درصد رسید. نمونههای بیشتر معمولاً خطای استاندارد رو کم میکنن، ولی چون خود نمونهها تصادفیاند، عدد هر اجرا میتونه بالا و پایین بشه.
اندازهگیری پرخطاتری را امتحان کن
تعداد نمونهها رو ۱۵ و عیار رو ۵٪ نگه دار. خطای اندازهگیری رو از ۱٪ به ۲٪ برسون و اجرا کن؛ پراکندگی خوانشها و عرض فاصلهٔ اطمینان رو ببین.
حدست چیه؟ اگر هر خوانش نامطمئنتر بشه، فاصلهٔ تخمین احتمالاً باریکتر میشه یا پهنتر؟
توضیح نتیجه رو ببین
در نمونهٔ این اجرا، عرض فاصله حدود ۱٫۷۴ واحد درصد شد؛ از نمونهٔ قبلی پهنتره. خطای اندازهگیری بیشتر معمولاً خوانشها رو پراکندهتر میکنه، هرچند مقدار دقیق با نمونهٔ تصادفی هر اجرا تغییر میکنه.
پشت این حرکت چه خبره؟
میانگین نمونهها چه میگوید؟
x_bar = sum(x_i) / n
هر حفاری فقط بخشی از سنگ معدن رو نمونهبرداری میکنه. مدل میانگین عیار نمونهها رو بهعنوان برآورد عیار کل میگیره؛ چون نمونهها فرق دارن، این برآورد معمولاً با عیار تنظیمشده یکی نیست.
خطای استاندارد با پراکندگی فرق دارد
SE = s / sqrt(n)
انحراف معیار نمونهها میگه خوانشها چقدر از هم فاصله دارن. خطای استاندارد پراکندگیِ میانگین تخمینی رو میسنجه و در این مدل از انحراف معیار نمونه تقسیم بر جذر تعداد نمونهها به دست میآد.
عرض فاصلهٔ اطمینان را بخوان
W = 2 * 1.96 * SE
مدل عرض بازهٔ تقریبی ۹۵٪ رو از ۳٫۹۲ برابر خطای استاندارد میسازه و بازه رو دور میانگین تخمینی قرار میده. این بازه تضمین نمیکنه عیار واقعیِ یک معدن حتماً داخلش باشه؛ مخصوصاً وقتی نمونهها کم یا فرضها نامناسب باشن.
سؤالت رو بپرس، جوابش رو هم ببین
وقتی توی چت دربارهٔ یک مفهوم درس میخونی، دستیار هوش مصنوعی میتونه شبیهسازی مرتبط رو کنار توضیحش نشون بده. پارامترها رو تغییر میدی و با کمک توضیح بعدی، نتیجه رو بهتر میفهمی.
شروع یادگیری با چتبرای ادامه در چت، وارد مسیر شروع و ورود میشی. نتیجهٔ این آزمایش به چت منتقل نمیشه.
نمونهٔ نمایشی از آموزش در چت
اگه میانگین تخمینی از عیار تنظیمشده کمتر شد، یعنی معدن از چیزی که فکر میکردیم فقیرتره؟
نه لزوماً. اینجا عیار تنظیمشده رو خودمون میدونیم و هر بار چند نمونهٔ تصادفی میسازیم؛ پس میانگین ممکنه کمی بالا یا پایین بیفته. برای قضاوت دربارهٔ معدن واقعی، نمونهبرداری نماینده، روش اندازهگیری و پراکندگی زمین هم مهمه.
سؤالهای رایج
عیار واقعی توی این مدل یعنی چی؟
مقداریه که برای آزمایش تنظیم میکنی تا ببینی میانگینِ نمونهها چقدر بهش نزدیک میشه. در معدن واقعی معمولاً همین مقدار از اول معلوم نیست.
چرا با نمونههای بیشتر تخمین بهتر میشه؟
میانگین تعداد بیشتری خوانش معمولاً کمتر از یک نمونهٔ خاص اثر میگیره و خطای استانداردش پایینتر میآد. با این حال، عدد یک اجرای خاص تضمین نیست و به نمونههای تصادفی بستگی داره.
خطای اندازهگیری ۲٪ یعنی دو درصد از عیار کم میشود؟
نه؛ این کنترل میزان پراکندگی خوانشها رو مشخص میکنه، نه مقداری که حتماً از عیار کم بشه. بعضی خوانشها بالاتر و بعضی پایینتر میافتن.
فاصلهٔ اطمینان ۹۵٪ یعنی احتمال ۹۵٪ داریم که همین بازه درست باشد؟
در آمار، این روش در تکرارهای زیاد پوشش نزدیک به ۹۵٪ رو هدف میگیره، اگر فرضهای مدل برقرار باشن. برای همین بازهٔ یک اجرای تنها تضمین قطعی دربارهٔ معدن نیست.
چرا تعداد نمونهها از ۵ شروع میشود؟
این حد برای قابلاجرا بودن تمرینه، نه توصیهٔ اکتشاف. پنج نمونه ممکنه برای برآورد قابل اتکا کافی نباشه و خود مدل هم تغییرات مکانی زمین رو حساب نمیکنه.
چرا کران پایین بعضی فاصلهها صفر میشود؟
عیار منفی معنی نداره، پس نمایش مدل کران پایین رو در صفر نگه میداره. وقتی بازه نزدیک صفر باشه، پهنای بازهٔ رسمشده ممکنه با عددِ عرض فاصله در کارت دقیقاً یکی نباشه.