Wróć do informacji o e-podręczniku Wydrukuj Pobierz materiał do EPUB Pobierz materiał do MOBI Zaloguj się, aby dodać do ulubionych Zaloguj się, aby skopiować i edytować materiał Zaloguj się, aby udostępnić materiał Zaloguj się, aby dodać całą stronę do teczki

Warto przeczytać

Jeśli mamy do zaprezentowania kilka lub więcej liczb, które pozostają w jakimś związku lub tworzą jedną całość, albo są wynikiem jakiejś wspólnej przyczyny itd., to najlepiej jest zilustrować te zależności w postaci graficznej. Dotyczy to nie tylko dziedziny nauk przyrodniczych, ale dosłownie wszystkich dziedzin życia, włączając nauki humanistyczne, a nawet politykę i sport.

W tekście poniżej podane będą przykłady głównie z zakresu fizyki. Niech przy tym nie martwi Cię, że niekiedy prezentowane tam wielkości i zależności będą dla Ciebie nie do końca zrozumiałe. Nie jest moim celem wyjaśniać Ci teraz szczegóły eksperymentów czy teorii fizycznych, ale chcę zademonstrować możliwości „narzędzi”, jakimi są różnego rodzaju wykresywykreswykresy i powiązać je z potrzebami, jakie w pracy fizyka, i nie tylko, często się pojawiają.

Podajmy więc kilka konkretnych przykładów:

Wszyscy czujemy lęk przed promieniowaniem, dlatego prezes Państwowej Agencji Atomistyki (PAA) co roku informuje, jakie dawki otrzymują mieszkańcy Polski i jaki jest w tym udział różnych źródeł promieniowania: ile z kosmosu, ile z zastosowań medycznych, ile z awarii w Czarnobylu itd.

Zobacz wykres, który to ilustruje (Rys. 1.). Ma on postać koła, z którego wycięto fragment dotyczący dawki od zastosowań medycznych.

Na wykresie tym pełne koło symbolizuje pełną dawkę. Wycinki pokazują, jaki fragment pochodzi od danego źródła. Zobacz, że największa dawka pochodzi od promieniotwórczego gazu radonu, następną jest dawka od źródeł medycznych. Dawka od Czarnobyla jest bardzo mała.

R1Nh4ZFo7jcbr
Rys. 1. Wykres kołowy (tortowy) pokazujący skład procentowy dawki promieniowania jonizującego na mieszkańca Polski. (Roczny Raport Prezesa PAA za 2009 r., rysunek IV/11 z tego raportu)
Źródło: Raport roczny Prezesa Państwowej Agencji Atomistyki za 2009 r., dostępny w internecie: https://www.gov.pl/web/paa/raport-roczny-prezesa-paa [dostęp 6.02.2022 r.], domena publiczna.

Wykresy kołowe stosujemy wtedy, kiedy zależy nam bardziej na pokazaniu, jaką część całości stanowi dana wielkość, niż jaka jest wartość tej wielkości.

Kiedy jednak zależy nam na tym, by zilustrować wartości interesującej nas wielkości i do tego jeszcze pokazać, jak one zmieniały się z biegiem czasu, możemy zastosować wykres słupkowy, którego przykład pokazany jest na Rys. 2.

R1b4BLkaVdCLA
Rys. 2. Wykres słupkowy pokazujący zmiany stężenia izotopów cezu w okresie po katastrofie w Czarnobylu
Źródło: Raport roczny Prezesa Państwowej Agencji Atomistyki za 2009 r., dostępny w internecie: https://www.gov.pl/web/paa/raport-roczny-prezesa-paa [dostęp 6.02.2022 r.], domena publiczna.

Jest to także wykres z raportu prezesa PAA i pokazuje średnie stężenie izotopów promieniotwórczego cezu w glebie w pierwszych latach po katastrofie w Czarnobylu, która wydarzyła się w 1986 roku. Widzimy, że w okresie do 2000 roku stężenie zmniejszyło się prawie dwukrotnie, a podane tam wartości rzędu kilku kBq/m2 (kilobekereli na metr kwadratowy) są informacją dla specjalistów, że stężenia takie nie stanowią zagrożenia dla ludzi i zwierząt (bekerel to jednostka aktywności promieniotwórczej). Zmniejszanie się zachodziło oczywiście w sposób ciągły, ale na tym wykresie pokazane jest tylko średnie stężenie w parzystych latach, co wyraźniej ilustruje tendencje zmian.

Wykres słupkowy dobrze ilustruje tendencje zmian wartości jakiejś wielkości dla wybranych wartości lub przedziałów innej wielkości.

A teraz przenosimy się do świata wielkiej nauki i zobaczymy wykres, który wart jest nagrody Nobla. Wykres pokazany na Rys. 3. prezentuje wyniki wielu lat pracy największego urządzenia badawczego na świecie, tj. zderzacza LHC w europejskim laboratorium CERN. Uzyskany został w eksperymencie ATLAS i jest jednym z przejawów istnienia tzw. bozonu Higgsa, zwanego często „boską cząstką”. Po odkryciu tej cząstki w 2013 nagrodę Nobla otrzymał Peter Higgs, który zapostulował jej istnienie w 1964.

Co więc przedstawia ten wykres?

RY1Bz3wUd6GpO
Rys. 3. Wykres tzw. masy niezmienniczej dwóch fotonów zarejestrowanych w eksperymencie ATLAS w CERN.
Źródło: dostępny w internecie: https://arxiv.org/pdf/1207.7214.pdf [dostęp 6.02.2022 r.], domena publiczna.

W górnej części rysunku widzimy wykres złożony z wielu punktów, przez które poprowadzona jest czerwona krzywa. Widzimy też mały wzgórek dla mas zawartych pomiędzy wartościami 120 i 130 GeV. Ten fragment pokazany jest w powiększeniu w części dolnej. Dwa punkty, które wyraźnie „odskoczyły” w górę, świadczą o istnieniu cząstki o masie, która mieści się w tym obszarze.

Wykres ten to najbardziej typowy przykład wykresu, który pokazuje zależność jakiejś wielkości mierzonej X od innej Y, którą można zmieniać w kontrolowany sposób. Wykres taki nazywa się też wykresem (X,Y).

Bywa jednak, że wyniki pomiarów otrzymywane i przedstawiane są w inny sposób.

Ilustruje to Rys. 4., gdzie zmierzone wartości dE/dx w funkcji p/z naniesione są w postaci kolorowych punktów na dwuwymiarowym wykresie. Kolor oznacza tu gęstość punktów na wykresie: niebieski – małą, czerwony – dużą. Przez uformowane z punktów pasma poprowadzone są krzywe teoretyczne. Każde pasmo i odpowiadająca mu krzywa przypisane są innemu typowi cząstek rejestrowanych w detektorze ALICE. (Więcej o eksperymencie ALICE znajdziesz w e‑materiale „Problem badawczy i hipoteza badawcza”.)

R1I8eKSQTXiAy
Rys. 4. Zależność strat jonizacyjnych od pędu cząstek rejestrowanych w detektorze ALICE w laboratorium CERN
Źródło: dostępny w internecie: https://alice-figure.web.cern.ch/published-figure-group [dostęp 6.02.2022 r.].

Na Rys. 4. wyraźne pasma widać w części górnej, ale w dolnej punkty się zlewają i oddzielnych pasm wyróżnić się nie da. Dla eksperymentatorów informacja ta wyznacza granice możliwości identyfikacji cząstek w eksperymencie.

Wykresy dwuwymiarowe zawierają więcej informacji niż jednowymiarowe. Umożliwiają w ten sposób wykonanie bardziej szczegółowej analizy danych pomiarowych.

Kolejny dwuwymiarowy wykres przedstawiony na Rys. 5. służy do pokazania nierównomiernej grubości cienkiej warstwy półprzewodnikowego detektora promieniowania. Z prawej strony jest skala, na której widać przyporządkowanie grubości do kolorów. Każdy kwadracik reprezentuje jeden element detektora, tzw. piksel. W dolnej części rysunku pokazany jest jednowymiarowy wykres, na którym widać rozkład liczby pikseli o danej grubości. Do zmierzonego rozkładu dopasowana jest krzywa teoretyczna oraz wyliczona jest wartość średnia (Mean) i jej niepewność (RMS).

RBgkKqU03VaXD
Źródło: Production and repair of radiation detectors, A.J. Kordyasz et al., “Lowtemperature technique of thin silicon ion implanted epitaxial detectors”, Eur. Phys. J. A 51, 15 (2015), domena publiczna.
RHRBj5U8H3A3y
Rys. 5. Rozkład grubości epitaksjalnego detektora promieniowania jonizującego.
Źródło: Production and repair of radiation detectors, A.J. Kordyasz et al., “Lowtemperature technique of thin silicon ion implanted epitaxial detectors”, Eur. Phys. J. A 51, 15 (2015), domena publiczna.

Grubość ta oraz jej jednorodność jest bardzo ważnym parametrem detektora.

Jeszcze bardziej szczegółową informację można uzyskać z wykresu trójwymiarowego, którego przykład pokazany jest na Rys. 6. Pokazany tam wykres stanowi element analizy danych w eksperymencie ALICE, o którym więcej napisane jest w e‑materiale „Problem badawczy i hipoteza badawcza”.

RNwbtcIXJhrxJ
Rys. 6. Zależność ( Δ η , Δ φ ) dla cząstek rejestrowanych w eksperymencie ALICE
Źródło: dostępny w internecie: https://alice-figure.web.cern.ch/published-figure-group [dostęp 6.02.2022 r.], domena publiczna.

Wykres ten prezentuje relacje pomiędzy dwoma wielkościami Δ η Δ φ , których osie odłożone są w płaszczyźnie poziomej. Oś pionowa pokazuje trzecią wielkość R2 jako funkcję tych dwóch. Rzut tej wielkości na płaszczyznę poziomą pokazany jest w górnej części tego wykresu jako wykres dwuwymiarowy.

Wykres trójwymiarowy umożliwia ilościowe przedstawienie zależności od dwóch niezależnych wielkości (X,Y), które możemy zmieniać w kontrolowany sposób.

W ten sposób pokazaliśmy różne rodzaje wykresówrodzaj wykresurodzaje wykresów i ich możliwe zastosowania. Wykres to bardzo użyteczne narzędzie analizy danych, dlatego warto z niego często korzystać.

Słowniczek

Wykres
Wykres

(ang.: graph, chart) graficzna forma przedstawienia związków pomiędzy wybranymi wielkościami. Wielkości te i związki pomiędzy nimi mogą być podane w postaci ciągłej lub punktowej, mogą mieć też formę wzorów matematycznych.

Wymiar wykresu
Wymiar wykresu

(ang.: graph, chart dimension) określony jest przez zależność, którą chcemy zilustrować. Mogą być wykresy jedno-, dwu- lub trójwymiarowe.

Rodzaj wykresu
Rodzaj wykresu

(ang.: graph, chart type) powinien być adekwatny do zależności, którą ma ilustrować i wielkości na nim odkładanych. Inne są wykresy do prezentacji wartości bezwzględnych, inne do wielkości unormowanych, np. do stu procent.

Przykładowe rodzaje wykresów: punktowy, liniowy, kołowy, słupkowy, powierzchniowy, przestrzenny, kolumnowy itd.