Snabb precision utan Statistik.

[kakamannen]

Säg att jag får två olika lägen vid skjutning av en laddstege. Vi tar en 3 skottare bara för att. En där tre sitter i rad horisontellt och en annan vertikalt. Hur ska man tänka här?

[Stewe's world on ice]

Säg att jag får två olika lägen vid skjutning av en laddstege. Vi tar en 3 skottare bara för att. En där tre sitter i rad horisontellt och en annan vertikalt. Hur ska man tänka här?

Det beror nog på hur vinden blåste på varje skott

[Anders Ö]

Säg att jag får två olika lägen vid skjutning av en laddstege. Vi tar en 3 skottare bara för att. En där tre sitter i rad horisontellt och en annan vertikalt. Hur ska man tänka här?

https://youtu.be/KrMSx69LcLQ?is=9j6cjhEWn4nEk3J3

[ctrl]

"Små grupper kan användas för att sortera bort dåliga laddningar, aldrig för att bekräfta vilka som är bra"

[exabit]

Säg att jag får två olika lägen vid skjutning av en laddstege. Vi tar en 3 skottare bara för att. En där tre sitter i rad horisontellt och en annan vertikalt. Hur ska man tänka här?

https://youtu.be/KrMSx69LcLQ?is=9j6cjhEWn4nEk3J3

Fördelen med 3-skotare är att man ibland kan fås att tro att man har en bra laddning och bössa Gårdagens sista tre skott med jaktladdningen. Får skruva 4 klick vänster och nolla siktet.

IMG_8599.jpeg

Innan dess sköt jag två stegar med ELD-M 162 ur 7-08:an. Ena med N160 som jag inte provat tidigare, och andra med Norma 1219 som jag använt ganska mycket. Teorin var att N160 nog ska skjuta lite bättre. Båda stegarna är på 15 skott från 43,0 till 45,8 i steg om 0,2 grains.

Redovisar inte hastigheterna här, men det är intressant med en stege på samma riktpunkt. Hade dock skruvat upp 1 mil för att inte skjuta sönder riktpunkten.

IMG_8600.jpeg

IMG_8601.jpeg

N160 ser också lite bättre ut, men ingen jätteskillnad. Andra faktorer spelar in också såsom rekylupptagning och avfyrningar. Jag är inte en perfekt skytt och det får man baka in i resultatet givetvis. Plus en handfull andra brasklappar såsom vind och att det hade ösregnat precis innan så skytten var märkbart agiterad

Men tanken är att hitta laddvikter i dessa grupper där träffarna inte hoppar runt så mycket. I båda grupperna hittar man det runt skott 11-15. Men, det förutsätter återigen att skyttet gick perfekt och att det var vindstilla. Vilket det inte var

Lade ca en minut mellan varje skott med dämparkylaren så att inte grejerna skulle bli alltför varma.

IMG_8590.jpeg

En intressant men tidsödande övning. Tanken är att gå från de klassiska laddstegarna med tre skott för varje vikt och istället göra så här med 2-3 relevanta krutsorter, för att hitta det krut som kulan och pipan gillar mest. Inspiration framförallt från Little Crow Gunworks som nu tagit bort sina videos om detta från YouTube och lagt på Patreon istället.

[lasse-a]

@ lasse.
Hittade en riktig statistiker också
Intressant att den sk bellcurve inte verkar vara lämplig til denna applikation.
https://youtube.com/@blackburndefense?s ... 87Dd692ds0

Ja är jag apostroferad så. Men länken gick inte till någon specifik video, och en snabb sökning på kanalen gav inget, så hade du en mera träffsäker (obs ordvits! ) referens?

(Tvärtemot vad vissa tror så jobbar jag faktiskt ibland med, så jag har inte oändligt med tid... )

Dock. Att normalfördelningen (som ger upphov till den s.k. "bell curve" på engelska, vi har inget bra namn på svenska) både inte är tillämplig och att den ändå är det, är åtminstone som ansats trivialt sant.

En sann normalfördelning har nämligen ingen bortre gräns. Om den var helt sann för den här applikationen så finns det en chans (fast den är mycket liten) att kulan skulle vika av från mynningen med en vinkel på 89,9° och det är ju helt orimligt.

Och då kommer vi in på en av de djupaste sanningarna som finns inom statistiken, nämligen att "All models are wrong, but some are useful" som George Box berömt myntade. Dvs ingen modell kommer perfekt att avbilda sanningen men det betyder inte att de är oanvändbara för att förutse hur världen beter sig, och kommer att bete sig.

Nu har naturligtvis Amerikanska Armén (och Marinkåren) testat just den här hypotesen genom att skjuta ganska många tusen skott finkalibrig ammunition och normalfördelningshypotesen håller vatten. Detsamma för grövre kalibrar, som forskare lagt betydligt mer krut på (Varning, ännu en ordvits! ) att studera i detalj.

Det finns även ett starkt teoretiskt argument för att vi bör se något som ser ut som en normalfördelning och det är att om man summerar ett stort antal variabler som kan inverka på ett förlopp, oavsett vad dessa variabler har för fördelning själva, så kommer summan att bli en normalfördelning. Det är ett välkänt och motintuitivt resultat inom statistiken. (Jag frågade en forskare i statistik en gång om det finns någon intuition till varför det måste bli så, men han var tvungen att svara att det tyvärr inte gör det).

Så även det talar för att skottprocessen borde bli en normalfördelning. Eller ja, se tillräcklig lika en sådan ut att skillnaden kan kvitta.

Så om någon har argument för att det inte skulle vara så, så är jag idel öra.

Jag har faktiskt lekt med tanken att starta en tråd som då skulle heta något i stil med "Långsam precision med statistik". Där vi i långsam takt går igenom de statistiska grundvalarna för hur man utvärderar träffbilder. Detta utan att gå igenom matematiken i detalj, eftersom den är bitvis smärtsam... (Och det är inte bara jag som säger; även experterna får den fel påfallande ofta.)

Men det är om det finns intresse för något sådant? Om det gör det så blir det inte i brådrasket, jag har extra mycket att göra såhär års, utan längre framåt sommaren.

Så, ni som orkat läsa så långt, finns det sådant intresse?

[lasse-a]

"Små grupper kan användas för att sortera bort dåliga laddningar, aldrig för att bekräfta vilka som är bra"

Om det ens var så enkelt. Men tyvärr är det inte det heller...

[lasse-a]

Men jag fortsätter försöka påpeka att det man kan göra med stegar och rimligt antal skott är det som på statistikspråk heter "känslighetsanalys".
Antingen man förstår att det är det man gör eller inte så är det det som fungerar. Om man inte vill verifiera sin modell med otrolig massa skott då.

Hmm, det får du gärna lägga ut texten lite kring. Jag är nämligen inte övertygad om det heller...

[Anders Ö]

@ lasse.
Hittade en riktig statistiker också
Intressant att den sk bellcurve inte verkar vara lämplig til denna applikation.
https://youtube.com/@blackburndefense?s ... 87Dd692ds0

Ja är jag apostroferad så. Men länken gick inte till någon specifik video, och en snabb sökning på kanalen gav inget, så hade du en mera träffsäker (obs ordvits! ) referens?

(Tvärtemot vad vissa tror så jobbar jag faktiskt ibland med, så jag har inte oändligt med tid... )

Dock. Att normalfördelningen (som ger upphov till den s.k. "bell curve" på engelska, vi har inget bra namn på svenska) både inte är tillämplig och att den ändå är det, är åtminstone som ansats trivialt sant.

En sann normalfördelning har nämligen ingen bortre gräns. Om den var helt sann för den här applikationen så finns det en chans (fast den är mycket liten) att kulan skulle vika av från mynningen med en vinkel på 89,9° och det är ju helt orimligt.

Och då kommer vi in på en av de djupaste sanningarna som finns inom statistiken, nämligen att "All models are wrong, but some are useful" som George Box berömt myntade. Dvs ingen modell kommer perfekt att avbilda sanningen men det betyder inte att de är oanvändbara för att förutse hur världen beter sig, och kommer att bete sig.

Nu har naturligtvis Amerikanska Armén (och Marinkåren) testat just den här hypotesen genom att skjuta ganska många tusen skott finkalibrig ammunition och normalfördelningshypotesen håller vatten. Detsamma för grövre kalibrar, som forskare lagt betydligt mer krut på (Varning, ännu en ordvits! ) att studera i detalj.

Det finns även ett starkt teoretiskt argument för att vi bör se något som ser ut som en normalfördelning och det är att om man summerar ett stort antal variabler som kan inverka på ett förlopp, oavsett vad dessa variabler har för fördelning själva, så kommer summan att bli en normalfördelning. Det är ett välkänt och motintuitivt resultat inom statistiken. (Jag frågade en forskare i statistik en gång om det finns någon intuition till varför det måste bli så, men han var tvungen att svara att det tyvärr inte gör det).

Så även det talar för att skottprocessen borde bli en normalfördelning. Eller ja, se tillräcklig lika en sådan ut att skillnaden kan kvitta.

Så om någon har argument för att det inte skulle vara så, så är jag idel öra.

Jag har faktiskt lekt med tanken att starta en tråd som då skulle heta något i stil med "Långsam precision med statistik". Där vi i långsam takt går igenom de statistiska grundvalarna för hur man utvärderar träffbilder. Detta utan att gå igenom matematiken i detalj, eftersom den är bitvis smärtsam... (Och det är inte bara jag som säger; även experterna får den fel påfallande ofta.)

Men det är om det finns intresse för något sådant? Om det gör det så blir det inte i brådrasket, jag har extra mycket att göra såhär års, utan längre framåt sommaren.

Så, ni som orkat läsa så långt, finns det sådant intresse?

https://youtu.be/JSxr9AHER_s?is=ss4pbWzyneGFrHFc

https://youtu.be/FXR_UWFP38E?is=oll8vNEYJuapgARe

[Anders Ö]

@exabit.
Föredömligt enkelt och effektiv särskiljning att N160 vann denna gång .
Det går nog inte att få det enklare än så .

[lasse-a]

https://youtu.be/JSxr9AHER_s?is=ss4pbWzyneGFrHFc

https://youtu.be/FXR_UWFP38E?is=oll8vNEYJuapgARe

Äh, fasen Anders, jag hade ju grejjor att göra, och sedan så skulle jag sätta mig i solen... Men istället så var jag tvungen att gå igenom det här.

Det här är intressanta filmer, och jag lägger dem till min hög av hur lätt det är att göra fel när man nästan förstått vad man håller på med. Och det är synd, han kan uppenbarligen en del statistik men det fallerar på den mesta basala nivån. Om han hade haft rätt så hade han kullkastat många års studier av ballistik, och även stjälpt det statistiska fältet på ända. Men de kan sova lugnt visar det sig.

Problemet är följande. Det är experimentellt "bevisat" (jaja, man kan inte "bevisa" något med experiment dådå) att skottprocesser ger upphov till en normalfördelning. Detta av två skäl; dels att summan av normalfördelningar självt är normalfördelad, och dels att summan av en massa fördelningar, oavsett vilka, blir normalfördelat om man bara tar tillräckligt många.

Så, hur fungerar det i det här fallet då? Jo, om man vill göra som han gör, dvs simulera hur en handfull variabler (alla normalfördelade) som representerar exv. gevärets egenprecision, ammunitionsvariationer (kanske uppdelat på krutladdning och variationer i kultillverkningsprocessen), hur pipan vibrerar, eller varför inte vind, påverkar slutresultatet så går det alldeles utmärkt att göra det.

Man tar då helt enkelt det slumpmässiga värdet man får i X-led för alla dessa variabler och lägger dem samman. Sedan så gör man samma sak i Y-led och plottar resultatet. Man kommer då att se att man får en normalfördelning pss som de variabler man summerat. (Men bredare. Varianserna för de enskilda variablerna, alltså standardavvikelsen i kvadrat, summeras. Även medelvärdena summeras, mer om det senare).

Så, han har alltså skrivit program som skall göra detta, men redan vid två variabler så får han en bimodal fördelning. (Detta ur "Science agrees: 5-shot groups are pointless" vid 1:30 eller så).

Hmm, vad har hänt här då? Om man lägger ihop två normalfördelade variabler, som är det han säger att han gör, så får man inte en bimodal fördelning. Så hur har han lyckats med det då?

Jo, genom att göra ett mycket vanligt fel. Han simulerar inte sin skottprocess genom att lägga ihop de ingående variablerna som man ska, utan gör istället på ett självklart, men felaktigt sätt. Istället för att separera på X och Y, så gör han det på polär form. Dvs först så slumpar han en riktning från startpunkten (med likafördelning, dvs varje riktning är lika sannolik) och sedan så tar han ett kliv där längden är normalfördelad. (Eller kanske en halv normalfördelning, som iaf verkar lite rimligare). Han säger inte detta rakt ut, men dels är han inte den förste att göra den missen, och dels så ser man i filmen att han ritar en dylik process med programmet.

Då får man inte en normalfördelning, avstånden från riktpunkten är nämligen roten ur summan av kvadraterna på X och Y-avstånden, och det värdet är Rayleigh-distribuerat. Inte normalfördelat. Och man kan inte summera dito hur som helst.

Vilket är det han gör! Han utgår sedan från första punkten han får (i polär form om man så vill) och så tar han ett kliv till därifrån, på samma sätt. Dvs tar en slumpmässig vinkel, och tar ett steg därifrån. Det blir inte en summa av normalfördelade variabler utan en s.k. "random walk".

Och denna ger upphov till just "hålet i mitten" som hans bimodala distribution visar. Vilket är lätt att övertyga sig om med ett intuitivt resonemang. Om man tar ett kliv i X-led med en viss längd, så behöver man bara ta ett ungefär lika stort kliv tillbaka för att komma till noll igen. Det är det som gör att normalfördelningen har en topp i mitten. Alla "fel" kommer att tendera att ta ut varandra, sannolikheten för det är stor iaf. Om man rullar en tärning 1000 gånger och räknar ut medelvärdet så kommer det att ligga nära 3,5. För alla sexor kommer att tas ut av ett ungefär lika stort antal ettor osv. (Och då har vi inte ens normalfördelade tärningskast, utan fenomenet är mera generellt än så.)

Men det kommer ju knappast att hända när han gör sin random walk. För att komma tillbaka till mitten så måste han dels ta ett lika stort kliv åt andra hållet, och det kommer att hända ungefär pss som med tärningen ovan. Men förutom att det måste hända, så måste också vinkeln samtidigt ligga på motsatt sida om cirkeln. Det kommer inte att hända särskilt ofta, och att båda skal hända samtidigt, ja det är inte läge att satsa några stora pengar på.

Men om man gör som han då får man en ringformad distribution, dvs en som distribuerar massan i en ring runt nollan. (Detta stämmer också mycket väl överens med hur en Rayleigh-distribuerad distribution uppför sig, vilket det antagligen blivit här, eller något snarlikt iaf.) Och det stämmer också väl med de data han presenterar, medelavståndet från centrum för summan av två normalfördelningar med sigma 1 (och my 1 får man förmoda) blir roten ur pi, dvs 1,77 ungefär, medan han rapporterar 1,197. Vilket är en notabel avvikelse. Redan här så borde varningsklockorna har ringt.

Mao, han simulerar inte det han säger att han gör, och inte det han tror att han gör. Och då får man inte rätt resultat. Han har istället gjort ett mycket vanligt fel, och dessutom gjort det värre genom att lägga ihop en massa vanliga fel, och det är första gången jag ser det... Men någon skall ju vara den förste...


Så varför "stämmer" det med de experimentella datat då? Jo, det här är redan tillräcklig långt, men svaret på den frågan är att det faktiskt med största sannolikhet inte gör det. Jag har inte mätt in datapunkterna (om de fanns tillgängliga så skulle det vara en smal sak) för det får finnas någon måtta vad jag genomlider för ett foruminlägg men de är inte uppenbart avvikande från en normalfördelning om man bara tittar...

I vilket fall så är bla hans binning är helt fel, han har alldeles för många bins för så lite data. Det är inte för inte som det finns statistiska regler för hur man gör det. Så han ser mest brus bara av det skälet. Detta tillsammans med att han har en förutfattad mening om vad han skall få, gör att han ser det han vill se, inte det datat faktiskt säger. Som talessättet lyder: "If you torture the data long enough, it will admit to anything."

Så hela övningen är tyvärr "prov utan värde". Vilket är synd. Han har inte fel som så. Skall man ha statistisk upplösning för att se skillnader som är så små som vi talar om här så måste man göra betydligt mer omfattande prov än vad de flesta tror. Det räcker inte med femskottsgrupper.

Men han har rätt av fel skäl, och då blir det tyvärr noll poäng direkt. Ingen pardon öht. Vi kan acceptera ett slarvfel här och där, men är grundprincipen fel, då blir det inga poäng kvar alls. Och det skulle han som sagt sett redan från början vid första resultatet när han lade ihop två variabler.

(Nu tillbaka till den rättning jag skulle göra, jag delar som tur är ut fler poäng till de flesta än det blev här. )

[killerberra]

Break in och "tune" av en ny bix pipa. 25 skott kulsättning. Klart. Resultaten på nästkommande tävling kommer säga om det är rätt eller fel. Vet redan svaret dock.

[Anders Ö]

Äh, fasen Anders, jag hade ju grejjor att göra.

Men nu jäklar slog du t.o.m mig i textlängd

Det är som de säger.. Lögn... , Förbannad lögn... ,och Statestik
Med statestik kan man lura massorna utan att man kan säga emot , men inte Dig

Jag håller mig nog till det analoga och gör som i trådstarten eller som exabit förevisade .
Av den knapphändiga informationen från SWOI nån sida bakåt så verkar även han inte slösa på skotten ,utan funkar det inte så byter man kula eller krut och ser om det blir bättre/acceptabelt ?
Även killerberra verkar nå resultat snabbt utan allt för mycket finlir.

LördagsTeasern var ju att ens totala träffbild om man skjuter många skott är avsevärt mycket större än vad medelträffbilderna är .
Accepterar man ens stabila laddning som oftast skjuter
3-5skott i en klisterlapp så kommer den totala träffbilden med största sannolikhet vara större och möjliga bommar utanför lappen är helt naturligt och inget man behöver hetsa upp sig över.

[lone_wolf]

...
Jag har faktiskt lekt med tanken att starta en tråd som då skulle heta något i stil med "Långsam precision med statistik". Där vi i långsam takt går igenom de statistiska grundvalarna för hur man utvärderar träffbilder. Detta utan att gå igenom matematiken i detalj, eftersom den är bitvis smärtsam... (Och det är inte bara jag som säger; även experterna får den fel påfallande ofta.)
...

Har haft en liknande tanke om en tråd "Praktisk statistik för skyttar".

Målsättningen just att presentera samband, koncept och formler som kan förstås intuitivt och är lätta att tillämpa, i vissa fall tom helt utan matematik.

[lasse-a]

LördagsTeasern var ju att ens totala träffbild om man skjuter många skott är avsevärt mycket större än vad medelträffbilderna är .
Accepterar man ens stabila laddning som oftast skjuter
3-5skott i en klisterlapp så kommer den totala träffbilden med största sannolikhet vara större och möjliga bommar utanför lappen är helt naturligt och inget man behöver hetsa upp sig över.

Ja precis. Och hur man skall skatta är en spännande fråga. Extreme spread för en treskottsgrupp och så säger man att det är gruppstorleken, som är vanligt är, som tidigare sagt i stort sett helt förkastligt, men man kan komma förvånansvärt nära om man bara skjuter sex skott, och fem är nästan lika bra.

Så för att skatta R90, alltså radien på den cirkel inom vilken 90% (9 av 10) av skotten kommer att falla så skjuter man en femskottsgrupp och kastar bort det värsta skottet. Skattningen av R90 är då 1,5 gånger R(4:5). Så om det näst värsta skottet sitter 20mm från riktpunkten (eller medelvärdet) så blir R90 30mm, och D90 då alltså 60mm. Du kan alltså på rimligt goda grunder tro att du kommer att träffa inom dessa 60mm 9 gånger av 10.

Allt funkar som sagt med diametern istället, och man kan räkna ut medelvärdet för gruppen och kalla det sin riktpunkt om man bara vill ha gruppstorlek och struntar i att man missar vad man siktar på.

Som estimat så är den här lite intressant eftersom den blir lite mera robust mot äkta outliers, dvs om man får en dålig avfyrning t ex pga att man blir slickad av en älg precis när skottet skall gå, eller något annat. Detta eftersom man kastar bort det sämsta skottet i serien.

Men notera alltså att den förväntade gruppen blir en hel del större än den grupp man skjutit.

(Beräkningar osv. med lite fler estimat finns här: https://ballistipedia.com/index.php?tit ... Statistics)

[lasse-a]

Har haft en liknande tanke om en tråd "Praktisk statistik för skyttar".

Målsättningen just att presentera samband, koncept och formler som kan förstås intuitivt och är lätta att tillämpa, i vissa fall tom helt utan matematik.

Ja, då kanske vi skall göra gemensam sak? Vi är då iaf två som är intresserade.

[killerberra]

Det kommer bli en grym tråd som ska bli rolig att följa. Det går inte enligt mig att utvärdera träffbilder utan vindflaggor något som enligt mig borde vara en självklarhet för en statistiker att förstå då en total rå sopa som mig helt utan någon som helst utbildning förstår den så basala biten av uppgiften.

[lone_wolf]

Det kommer bli en grym tråd som ska bli rolig att följa. Det går inte enligt mig att utvärdera träffbilder utan vindflaggor något som enligt mig borde vara en självklarhet för en statistiker att förstå då en total rå sopa som mig helt utan någon som helst utbildning förstår den så basala biten av uppgiften.

En relevant poäng och en sak som bör behandlas i en statistiktråd.

Om man refererar till filterteknologi/processmätning med koncept från Kalman filter så har man två faktorer: Osäkerhet i processen (process noise) och osäkerhet i mätningen (meassurement noise). Vinden kan tolkas som osäkerhet i processen. Vinglande och eventuell dålig mätning av träffpunkter är osäkerheter i mätningen (meassurement noise).

Ursäkta för den tekniska förklaringen, men det finns teoretiska metoder för att behandla det här.

Men för en praktisk statistiktråd, för icke-bänkskyttar, så är väl rådet att minimera osäkerheter som beror på väderlek (vind, temperatur på vapen och patroner osv).

[killerberra]

Det kommer bli en grym tråd som ska bli rolig att följa. Det går inte enligt mig att utvärdera träffbilder utan vindflaggor något som enligt mig borde vara en självklarhet för en statistiker att förstå då en total rå sopa som mig helt utan någon som helst utbildning förstår den så basala biten av uppgiften.

En relevant poäng och en sak som bör behandlas i en statistiktråd.

Om man refererar till filterteknologi/processmätning med koncept från Kalman filter så har man två faktorer: Osäkerhet i processen (process noise) och osäkerhet i mätningen (meassurement noise). Vinden kan tolkas som osäkerhet i processen. Vinglande och eventuell dålig mätning av träffpunkter är osäkerheter i mätningen (meassurement noise).

Ursäkta för den tekniska förklaringen, men det finns teoretiska metoder för att behandla det här.

Men för en praktisk statistiktråd, för icke-bänkskyttar, så är väl rådet att minimera osäkerheter som beror på väderlek (vind, temperatur på vapen och patroner osv).

Jag spydde precis och svalde det dessutom och helt utan statistik på att jag skulle göra det galet nog. Det finns inga osäkerheter angående vind eller vingel osv. Vind är faktisk och använder man vindflaggor så är den dessutom väldigt brutalt ärligt visande och lärande.

Ursäkta för den praktiska förklaringen men det finns faktiskt praktiska metoder för att behandla det här.

[lone_wolf]

....
Jag spydde precis och svalde det dessutom och helt utan statistik på att jag skulle göra det galet nog. Det finns inga osäkerheter angående vind eller vingel osv. Vind är faktisk och använder man vindflaggor så är den dessutom väldigt brutalt ärligt visande och lärande.

Ursäkta för den praktiska förklaringen men det finns faktiskt praktiska metoder för att behandla det här.