U-3
|
Úvodná
úloha praktika z atómovej a jadrovej fyziky
|
Cieľom úvodnej úlohy praktika je
oboznámenie sa
so spôsobom detekcie ionizujúceho žiarenia, s vlastnosťami detektora
ionizujúceho
žiarenia ako aj so základnými metódami merania, ktoré sa používajú v
experimentálnej
jadrovej fyzike. K lepšiemu pochopeniu činnosti elektronickej
aparatúry,
ktorá spracováva signál z týchto detektorov by bolo potrebné poznať
vlastnosti
aj charakteristiky jednoduchších elektronických obvodov, z ktorých sa
funkčné
elektronické jednotky skladajú a poznať tiež definíciu základných
pojmov
z oblasti spektrometrie.
Elektronická aparatúra, ktorá umožňuje
analyzovať
amplitúdu impulzov z detektorov ionizujúceho žiarenia, ktorá sa používa
vo väčšine úloh praktika je pomerne komplikovaná. Na rozdiel od úloh v
predošlých základných praktikách (alebo úloh v ktorých sa verifikuje
platnosť
experimentov Stefana - Boltzmanna a Francka - Hertza v tomto praktiku),
v ktorých bolo možné pomocou ampérmetrov a voltmetrov odmerať ustálené
hodnoty príslušných prúdov a napätí, je pri meraní amplitúd impulzov
(komplikovaného
tvaru) situácia podstatne zložitejšia, pretože sa jedná vlastne o
meranie
prechodových javov (trvajúcich rádovo mikrosekunda). Takéto impulzy pri
malých početnostiach by bolo možné napríklad fotografovať z obrazovky
osciloskopu
a následne analyzovať. Našťastie existujú aj iné pohodlnejšie metódy,
ktoré
možno použiť pri často sa vyskytujúcich udalostiach:
-
Dokonalý spôsob používaný v
mnohokanálových analyzátoroch
používa najprv špeciálny vzorkovací obvod, pomocou ktorého sa meraným
impulzom
nabije vzorkovací kondenzátor a potom sa rýchlo odmerá napätie na tomto
kondenzátore, napríklad pomocou analógovo - číslicového prevodníka.
-
Prístrojovo menej kompilovaný spôsob,
ktorý používame
v tomto praktiku je založený na analyzovaní amplitúdy impulzu pomocou
diskriminátorov.
Pomocou diferenciálneho diskiminátora s automatickým posuvom
diskriminačnej
hladiny možno vytvoriť tzv. jednokanálový analyzátor (F),
teda
prístroj s obdobnými vlastnosťami ako mnohokanálový analyzátor len
pomalšie
pracujúci.
K špecifiku meraní v jadrovej fyzike
patrí
pravdepodobnostný charakter:
-
rádioaktívneho rozpadu jadier (F);
-
procesu interakcie žiarenia (častíc a
fotónov) s
médiom detektora (F)
a tiež vplyv šumov aparatúry (F).
Tieto náhodné procesy ovplyvňujú presnosť a
dôveryhodnosť
merania - a cieľom tejto úlohy (F
úloha 3/ časť 4) je tiež demonštrácia vplyvu týchto principiálne
náhodných
javov.
Cieľ úvodného praktika
Počas tohto úvodného praktika by ste
teda mali:
-
Zvoliť si vhodné trvanie jednotlivých
meraní vzorky
a pozadia s ohľadom na požadovanú presnosť merania. (F
– Neistota nameranej hodnoty) - teda vedieť odpoveď na veľmi
frekventovanú
otázku z praktika : " Ako dlho to mám merať?"
-
Oboznámiť sa s meracou aparatúrou,
charakteristickou
pre jadrovo-fyzikálne experimenty, ktorá je založená na meraní
vlastností
(amplitúdy a tvaru) elektrických impulzov, ktoré vznikajú v detektore
po
interakcii so žiarením (F
A – experimentálne zariadenie, F
B- Meranie so súpravou RFT 20046) - teda vedieť odpoveď na
otázku
: " Ako to mám merať?"
-
Presvedčiť sa na základe merania o
štatistickom charaktere
registrovaných udalostí ( F
úloha3-4 –Overenie štatistiky registrácie) - teda skutočne sa
presvedčiť,
že napriek tomu, že som nenameral číselne tú istú hodnotu ako môj
kolega,
tak môj výsledok môže byť rovnako správny, ak je v tolerancii
neistoty
merania.
A-0 |
Neistota
nameranej hodnoty (chyby merania) |
Pri meraniach rádioaktívneho rozpadu
(charakterizovaného
rozpadovou konštantou l alebo
polčasom rozpadu T1/2=ln2/l
)
sa vyskytujú štatistické chyby. (Na základe predpisu MSA 0104-97 sa
namiesto
pojmu "chyba" zaviedol výraz "neistota".)
Štatistické neistoty rádioaktívneho
rozpadu sú
principiálne náhodné javy, popisované kvantovou mechanikou, v ktorých
možno
vypočítať pravdepodobnosť počtu rozpadov P(n) ako
funkciu
rozpadovej konštanty l
a doby merania t.
Štatistické neistoty
rádioaktívneho
rozpadu
Pre veľký celkový počet aktívnych atómov
n
a malú pravdepodobnosť rozpadu (lt<<1)
možno
použiť na charakterizovanie rozdelenia pravdepodobnosti počtu rozpadov
tzv. Poissonovo rozdelenie (F
obr. 3-3):
|
|
|
|
v ktorom: |
m=lt
udáva
stredný počet rozpadov za dobu t |
|
je stredná kvadratická odchýlka |
|
Obr.
3-3. Porovnanie Poissonovho
rozdelenia pre strednú hodnotu N = 3 a N = 10. |
Pre prípad väčších hodnôt m
(m>10
až
15) možno aproximovať Poissonovo rozdelenie Gaussovým rozdelením (F
obr. 0-2) , ktoré charakterizuje rozdelenie náhodnej premennej n
v okolí strednej hodnoty m,
kde má Gaussova funkcia maximum.
Rozlišovacia
schopnosť detektora
Proces transformácie energie častice na
amplitúdu
impulzu má tiež pravdepodobnostný charakter. Jednotlivé etapy tohto
procesu
- ionizácia alebo vzbudenie, plynové zosilnenie v proporcionálnom
počítači,
zosilnenie primárneho elektrónového toku vo fotonásobiči - to je
postupnosť
interakcií častíc, ktoré sa podriaďujú pravdepodobnostným zákonom.
Preto
ak aj je energia detegovaných častíc rovnaká (presne monoenergetické
častice),
zodpovedajúce impulzy na výstupe detektora majú rôzne amplitúdy, t.j.
amplitúdy
sú rozdelené podľa určitého pravdepodobnostného zákona. Tvar
amplitúdového
rozdelenia sa často blíži k tvaru Gaussovho rozdelenia. Pravdepodobnosť
NE(A) toho, že pri energii registrovanej častice E bude mať
amplitúda impulzu na výstupe detektora hodnotu A .Toto rozdelenie má
tvar
píku so stredom pri A=A0, šírka píku je charakterizovaná
parametrom
s.
|
Obr.
0.2: Gaussovo rozdelenie
(s
- stredná kvadratická odchýlka ,
DA
- celková šírka píku meraná v polovičnej výške píku - FWHM )
|
Ak sú dve energie skúmaného žiarenia E1
a E2 natoľko blízko, že vzdialenosť medzi im odpovedajúcimi
amplitúdovými píkmi A01 a A02 je podstatne
menšia
ako s,
potom
spektrometer s takýmto detektorom nemôže rozlíšiť (rozoznať) tieto
energie.
V spektrometri sa ako miera rozlišovacej
schopnosti
detektora používa iná veličina - celková šírka píku FWHM=DA
na úrovni polovičnej výšky maximálnej hodnoty rozdelenia.
Aby sme našli súvis
medzi DA
a s uvažujeme
nasledovne.
Maximum píku rozdelenia je pri amplitúde A=A0, tomu
zodpovedá
amplitúda rozdelenia NE (A0). Hľadáme také (A-A0),
pre ktoré bude hodnota Gaussovho rozdelenia rovná polovici maximálnej
hodnoty
Gaussovho rozdelenia, t.j. NE(A)=(1/2)NE(A0).
Po dosadení a úprave dostaneme (pozri obr. 0.2)
Ale pretože DA=2(A-A0),
bude
.
Poznamenávame ešte, že
pre A-A0=s
bude
.
Energetické rozlíšenie RE
je definované pomerom šírky píku DA,
odmeranej v polovičnej výške píku ( nmax/2 na obr. 0.2)
diferenciálneho
energetického (amplitúdového) rozdelenia impulzov, vyvolaného
monoenergetickým
žiarením (v anglickej literatúre sa DA
označuje FWHM–Full Width at Half Maximum)
k polohe maxima tohto píku A0:
Obvykle sa RE udáva v
percentách, pričom
je potrebné vždy uviesť, k akému žiareniu a k akej energii sa hodnoty RE
vzťahujú.
Vplyv šumu
Vplyvom šumu (fluktuácie šumových
impulzov detektora
charakterizovanú strednou kvadratickou odchýlkou sd
a
príspevoku vlastných šumov predzosilňovača a zosilňovača sz)
sa zhorší energetická rozlišovacia schopnosť spektrometrického
detektora
- sst
(pôvodne spôsobená následkom štatistického javu transformácie energie
častice
na amplitúdu impulzu v detektore pri interakcii žiarenia (častice alebo
kvanta) s médiom detektora ). Tento výsledný efekt možno
charakterizovať
napr. pomocou strednej kvadratickej (štandardnej ) odchýlky fitovaného
píku spektra scelk:
Strednú kvadratickú odchýlku amplitúdového
rozdelenia
- sst
,
spôsobenú štatistickým charakterom ionizačného procesu, môžeme určiť za
predpokladu, že N podlieha Poissonovmu rozdeleniu, potom
,
kde N je počet párov iónov, vytvorený
jednou časticou,
ktorá v detektore stratila energiu DE,
N=DE/w
, kde w je
stredná
energia, potrebná na utvorenie jedného páru ión–elektrón (elektrón -
diera).
Presnosť výsledku
merania
1. Presnosť výsledku
– vplyv
predĺženia merania
Pri uvádzaní výsledku na
charakterizovanie
spoľahlivosti tohto výsledku uvádzame aj neistotu s.
Napríklad pre počet výskytov meranej udalosti N±sN
pripadajúcich na dobu merania t alebo počet udalostí za
jednotkový
interval - početnosť n= N/t±sn
je príslušná stredná kvadratická odchýlka:
|
,
resp. |
|
V praxi sa často nezajímame o absolútnu,
ale o
relatívnu (percentuálnu) neistotu výsledku danú pomerom:
Príklad 1 na
objasnenie pojmov
-
Predpokladajme, že pri meraní
rádioaktivity vzorky
sa na displeji počítadla zobrazil údaj Na=100 impulzov.
Potom
je zaregistrovaný počet udalostí možno charakterizovať neistotou sNa=Na1/2=10
impulzov a údaj zapísať v tvare :
Získaný počet udalostí Na
bol teda
odmeraný s relatívnou neistotou:
-
Ak bol získaný údaj počtu impulzov Na,
odmeraný za časový interval 1s je (Na = na a)
početnosť:
Táto početnosť je odmeraná s
rovnakou relatívnou
neistotou ako v predošlom prípade:
-
V prípade predĺženia doby merania na ta2
=100s by sme z tohto žiariča mohli zaregistrovať napr. Na2=10000
impulzov, čím by sme zmenšili relatívnu neistotu nameraného údaja:
teda namerali by sme počet udalostí s
menšou relatívnou
neistotou:
-
Ak by sme na základe údaja z bodu 3
(pri dobe merania
na ta2 =100s a pri zaregistrovaní. Na2=10000
impulzov),
určili početnosť:
dosiahneme rovnakú relatívnu neistotu (ako
v prípade
3):
Uzáver, plynúci z
príkladu 1:
Ak chceme zaregistrovať počet udalostí
(impulzov)
N s presnosťou okolo 1% je nutné predĺžiť trvanie merania (alebo
použiť
koncentrovanejšiu vzorku) tak, aby počet udalostí N~10000. Potom
je
s/m
=[(N)1/2]/N =0,01 t.j. 1%.
2. Presnosť výsledku
– vplyv
opakovaného merania
Často sa tiež vykonávajú opakované
merania tej
istej vzorky. Predpokladajme, pre jednoduchosť, že vzorka bola meraná
viackrát
(m - krát) na tom istom zariadení, v tých istých podmienkach a
vždy
sa registrovali impulzy za tú istú dobu merania. (Na takýto spôsob
merania
a charakterizovania neistôt merania ste boli zvyknutí z doterajších
praktík.)
Potom pre odhad strednej hodnoty platí
a pre neistotu (strednú kvadratickú
odchýlku)
tohto odhadu strednej hodnoty platí
(Takto zadefinovaná neistota s
je limitným prípadom, pre prípad nekonečného počtu meraní m. Pre
bežnú prax (s konečným, väčšinou menším počtom členov m výberového
súboru) sa používa
odhad neistoty strednej hodnoty
Presnosť
merania možno
teda zlepšiť jednak predĺžením trvania merania, alebo vykonaním
viacnásobného
počtu meraní.
Príklad 2 na
objasnenie pojmov
Experimentálne si uvedený poznatok
môžete overiť
v praktiku. Ale teraz pre kontrolu ako zdroj údajov použijeme
namerané
hodnoty z tabuľky na obr. 3-8 (F
), odmerané v úlohe 3 - časť 4: Overenie štatistiky registrácie. Ako
zdroj
údajov pre príklad použijeme 10 hodnôt nameraných počtov udalostí Ni
z prvého stĺpca tabuľky (doplnené o neistoty si jednotlivých
meraní):
Ni[s-1] |
39
|
44
|
38
|
49
|
56
|
51
|
34
|
28
|
45
|
33
|
si[s-1] |
6.24
|
6.63
|
6.16
|
7.00
|
7.48
|
7.14
|
5.83
|
5.29
|
6.71
|
5.74
|
-
Tieto počty udalostí Ni
(v tomto
prípade pri trvaní merania ti=1s sú číselne zhodné s
početnostiami
ni=Ni/ti±sI
, a aj neistoty si početností sú číselne rovnaké
ako neistoty jednotlivých meraní :
-
Ak by sme iným počítadlom
zaregistrovali za dobu
t10=S
ti.=10s počet udalostí N10=SNi=(36+44+38+49+56+51+34+28+45+33)=N10±(N10)1/2=(417±20,4)
[1/10s] bude toto jednotlivé sumárne (10 sekundové) meranie
počtu udalostí N10=SNI
charakterizované neistotou s10=(N10)1/2=20,4
(10s)-1. V prípade ak
chceme
na základe tohto údaja určiť početnosť bude odhad strednej hodnoty
početností:
určený s neistotou s10=(N10/t102)1/2=(N10)1/2/t10=20,42/10=2,04
s-1. Teda neistota tohto merania bude menšia ako
neistota
jednotlivého merania Ni , vykonaného za dobu 1s v
bode
1..
- Ak chceme porovnať vplyv predĺženia
trvania merania
z bodu 2 s vykonaním viacnásobného počtu meraní môžeme pokladať m=10
hodnôt
z tabuľky za opakované merania Ni tej istej vzorky a
s pomocou nich odhadnúť strednú hodnotu (v danom prípade 1s trvania
merania
ide o strednú početnosť).
s odhadom neistoty sm={SNi/[m(m-1)]}1/2=
2,15 s-1. Teda presnosť určenia strednej početnosti je
prakticky
rovnaká ako s pomocou dlhšieho merania v prípade 2. (Ak je:
|
). |
-
Pre porovnanie: histogram Gaussovho
rozdelenia na
obr. 3.8 (F
) má stred píku (vlastne strednú hodnotu početnosti) n0=42,5±
6,5 s-1. Túto hodnotu n0, získanú na základe
m=300
údajov, môžeme pre naše porovnávanie pokladať za hodnotu
najspoľahlivejšie
vystihujúcu strednú hodnotu početnosti. (Uvedená hodnota s =6,5 s-1
však necharakterizuje neistotu určenia strednej početnosti n0 na
základe 300 údajov, ale charakterizuje neistotu jednotlivého
opakovaného
merania Ni.)
Uzávery plynúce z
uvedeného príkladu
2:
Štatistika nám teda hovorí len s akou
pravdepodobnosťou
je daný typ voľby spoľahlivosti správny:
-
na základe odseku b) vidno, že toto meranie
za
dlhší časový interval je presnejšie ako namerané početnosti v
tabuľke
z bodu a), lebo neistota odhadu početnosti na základe dlhšieho merania
s10=(N10/t102)1/2=(N10)1/2/t=2,04
s-1 je menšia ako neistoty jednotlivých meraní
početností
(napr. s5=7,48 s-1 pri N5 v tabuľke);
-
na základe odseku c) vidno, že neistota
odhadu početnosti
pri
opakovanom meraní sm={S Ni/[m(m-1)]}1/2=
2,15 s-1 je obdobná ako v odseku b) a teda je menšia ako sú
neistoty jednotlivých meraní (napr. s5=7,48s-1
pri
N5 v tabuľke);
-
na základe s
daného Gaussovho rozdelenia spomínaného v odseku d) môžeme tvrdiť, že odhad
výskytu udalostí:
-
na úrovni štandardnej odchýlky s
(v intervale <T0-s
, T0+s
>) je správny v 68,3% prípadov. (To, že v malom súbore hodnôt z
odseku
a) až 4 hodnoty (N5=56, N6=51, N8=28,
N10=33, t.j. 40% údajov) sú mimo uvedený interval a jedna
hodnota
(N4=49) je na hranici intervalu <36, 49> odhadu na
úrovni
štandardnej odchýlky len demonštruje, že ide o aplikovanie štatistiky
na
súbor s malým počtom údajov);
-
na úrovni 2 štandardných odchyliek
s
(v intervale <T0-2s
, T0+2s
>) je správny v 95% prípadoch;
-
na úrovni 3 štandardných odchyliek
s
(v intervale <T0-3s
, T0+3s
>) je správny v 99,75% prípadoch;
-
Záleží teda na našom rozhodnutí na akej
úrovni
odhadu výsledky uvádzame, resp. od toho koľko nás bude stáť mylný
odhad
alebo jeho dôsledky.
3. Vplyv pozadia
Pri meraní rádioaktívneho žiarenia, kde
pozadie
Np
je relatívne veľké sa odlišuje počet zaregistrovaných udalostí N
(impulzov) od počtu impulzov od vzorky Nv :
resp. po prepočítaní na jednotku času
(t=1s) je odhad
početnosti impulzov
Aké poučenie pre praktikum plynie teda z
vyššie
uvedeného? Pri nezamyslení sa nad problémom sa nám môže stať, že
vykonáme
meranie vzorky a pozadia „rýchlo“ za rovnaký interval s menšou
presnosťou,
tak ako ilustruje nasledujúci ilustračný príklad 3 a 4.
Ilustračný príklad 3
– početnosť
bez pozadia
Pri odmeraní počtu impulzov N=1000 za
interval
t=100s je odhad strednej hodnoty početnosti (tohto jediného merania, s
príslušnou neistotou odhadu):
|
. |
Teda presnosť výsledku charakterizuje
relatívna
neistota 3%.
Ilustračný príklad 4
– početnosť
za prítomnosti pozadia
Pri odmeraní počtu impulzov od vzorky Nv=1000
za
interval t=100s odmeraný za prítomnosti pozadia (Np=100
za interval t=10000s) je odhad strednej hodnoty početnosti od vzorky
Vďaka predĺženému trvaniu merania
pozadia pozadie
už prakticky nevplýva na presnosť výsledku. (Presnosť výsledku
charakterizuje
relatívna neistota 1%. Pre porovnanie pri použití rovnakého trvania
merania pre pozadie a vzorku t=100s by bol výsledok n=9,99± 1,1 s-1
- teda oveľa menej dôveryhodnejší. Presnosť tohto výsledku
charakterizuje
relatívna neistota 11%.)
Ilustračný príklad 5
– viacnásobné
opakovanie merania
Pri viacnásobnom odmeraní tej istej
početnosti
impulzov za interval t=1s sme získali hodnoty n1=620, n2=627,
n3=622. Potom výsledný odhad strednej hodnoty početnosti (za
interval t=1s) je
Teda presnosť výsledku charakterizuje
relatívna
neistota 2,3%.
C |
Pracovné
úlohy pre úvodné praktikum
|
V prvej časti (pri
ručnom ovládaní
diskriminačnej hladiny):
-
Odmerajte integrálne a diferenciálne
spektrum doporučeného
žiariča pri vhodnom napätí na detektore Uvn a vhodnom
zosilnení
na súprave RFT 20046 s ručným posuvom diskriminačnej hladiny (podľa
doporučenia
vedúceho praktika). Nakreslite grafy s obidvoma spektrami (Výsledok by
sa mohol podobať na obrázok 3.2).
-
Experimentálne si overte, že predĺženie
trvania merania
alebo zopakovanie meraní zvyšuje presnosť merania, resp. zmenšuje
neistotu
nameraného údaja. Vykonajte preto nasledujúce merania:
-
Odmerajte počet zaregistrovaných
udalostí Nv
(počtu impulzov) za interval t=100s a určite neistotu
výsledku
(absolútnu svN a relatívnu svN/Nv)
a vypočítajte početnosť nv=Nv/t ±svn
podobne ako v demopríklade 1.
-
Vykonajte 10 opakovaných meraní Ni
o trvaní ti=10s a a určite
neistotu (absolútnu si a relatívnu si/Ni)
jednotlivých meraní ako aj odhad strednej početnosti (1/s) na základe
týchto
opakovaných meraní - podobne ako v demopríklade 2.
-
Odmerajte počet zaregistrovaných
udalostí Nv
(počtu impulzov) za interval t=10s. Vykonajte meranie pozadia
(počtu
impulzov Np) za interval tp=100s a interval tp=10s
a určite skutočný počet udalostí N=(Nv-Np) ±(Nv+Np)1/2
a po prepočítaní na jednotku času (1/s) aj početnosť spôsobenú žiarením
zo vzorky n=N/t± (n/t )1/2 - podobne ako v demopríklade
3
a 4.
-
Porovnajte získané výsledky
početností bez prítomnosti
pozadia, získané v bode c, pri rôznych trvaniach merania pozadia a
vyberte
najpresnejší spôsob merania s najmenšou neistotou výsledku.
|
Obr.3-2. umožňuje porovnať
diferenciálne a integrálne
spektrum. (Na osi y Impulsdichte reprezentuje početnosť v kanáli za
minútu
merania. Pegel na osi x je označenie pre diskriminačnú hladinu). Za
povšimnutie
stojí porovnať polohu fotopíku diferenciálneho priebehu a inflexný bod
v závere integrálnej krivky. (Takýto obrázok dvojice spektier možno
odmerať
pomocou ponuky z úlohy 5 -meranie dvojice spektier.)
|
V druhej časti (pri
automatizovanom
posuve diskriminačnej hladiny):
- Pomocou voľby 1 programu úlohy
5 (F
) odmerajte integrálne a diferenciálne spektrum doporučeného žiariča
pri
nastavenej dolnej diskriminačnej hladine Udd = 0,2 V (aby
prípadné
šumy v dôsledku automatického nastavovania mierky v zobrazení
nezmenšovali
zbytočne obrázok), pri vhodnom napätí na detektore Uvn a
vhodnom
zosilnení na súprave RFT 20046 (Podľa možnosti použite rovnaké napätie
na detektore Uvn a rovnaké zosilnenie na súprave RFT 20046
ako
pri predošlom meraní s ručným ovládaním diskriminačnej hladiny).
Vytlačte
spoločný graf s obidvoma spektrami.
-
Pomocou voľby 4 programu úlohy 3 (F
) odmerajte histogram štatistiky registrácie udalostí s použitím
žiariča
z predchádzajúcej úlohy pri vhodnom napätí Uvn a zosilnení
súpravy
tak, aby počet registrovaných udalostí za sekundu nepresiahol 100.´Na
záver
merania vytlačte dáta z merania prvých 100 udalostí histogramu a
výpočtom
sa presvedčte, či dostanete podobné parametre Gaussovho rozdelenia
udalostí
ako vytlačil počítač. Potom pokračujte v meraní a sledujte ako sa ďalej
menia parametre histogramu (poloha stredu píku rozdelenia T0
a stredná kvadratická odchýlka s ).
Porovnajte výsledky merania početnosti nv=Nv/t
±svn získané v úlohe 2a) s parametrami histogramu To
±s . Na preloženie
fitovacej krivky Gaussovho rozdelenia z nameraných hodnôt použi vzťah (F
)
|
|
Obr.3-8. Príklad
nameraného rozdelenia
registrovaných udalostí. (histogram Gaussovho rozdelenia so stredom
píku
42,5 ± 6,5 a plochou pod píkom 300 ±17). Uvedené dáta
predstavujú
náhodnú vzorku 100 z posledne odmeraných 300 hodnôt, ktoré slúžia na
kontrolu. |
|