Архитектура Аудит Военная наука Иностранные языки Медицина Металлургия Метрология Образование Политология Производство Психология Стандартизация Технологии |
Оценка случайных погрешностей при многократных измерениях постоянной величины
Если измерения провести многократно в одних и тех же условиях, то результаты отдельных измерений одинаково надежны. Такую совокупность измерений x1, x2 ...xn называют равноточными измерениями. При многократных (равноточных) измерениях одной и той же величины x случайные погрешности приводят к разбросу получаемых значений xi, которые группируются вблизи истинного значения измеряемой величины Если проанализировать достаточно большую серию равноточных измерений и соответствующих случайных ошибок измерений, то можно выделить четыре свойства случайных ошибок: 1) число положительных ошибок почти равно числу отрицательных; 2) мелкие ошибки встречаются чаще, чем крупные; 3) величина наиболее крупных ошибок не превосходит некоторого определенного предела, зависящего от точности измерения; 4) частное от деления алгебраической суммы всех случайных ошибок на их общее количество близко к нулю, т.е. На основе перечисленных свойств при учете некоторых допущений математически достаточно строго выводится закон распределения случайных ошибок, описываемый следующей функцией: Закон распределения случайных ошибок является основным в математической теории погрешностей. Иначе его называют нормальным законом распределения измеряемых данных (распределением Гаусса). Этот закон в виде графика изображен на рис. 4.3 а.
а) б) Рис. 4.3. Характеристики нормального закона распределения р(x) – плотность вероятности получения отдельных значений xi (сама вероятность изображается площадью под кривой); m – математическое ожидание, наиболее вероятное значение измеряемой величины x (соответствующее максимуму графика), стремящееся при бесконечно большом числе измерений к неизвестному истинному значению x; , где n – число измерений. Таким образом, математическое ожидание m определяется как среднее арифметическое от всех значений xi, s – среднее квадратическое отклонение измеряемой величины x от значения m; (xi - m) – абсолютное отклонение xi от m,
Площадь под кривой графика в каком-либо интервале значений x представляет собой вероятность получения случайного результата измерения в этом интервале. Для нормального распределения в интервал ±s (относительно m) попадают 0,62 всех проведенных измерений; в более широком интервале ±2s содержатся уже 0,95 всех измерений, а в интервал ±3s укладываются практически все результаты измерений (кроме грубых ошибок). Среднее квадратическое отклонение s характеризует ширину нормального распределения. Если повысить точность измерения, разброс результатов резко уменьшится за счет уменьшения s (распределение 2 на рис. 4.3 б уже и острее, чем кривая 1). Конечной целью эксперимента является определение истинной величины x, к которой при наличии случайных погрешностей можно лишь приблизиться, вычисляя математическое ожидание m для все большего числа экспериментов. Разброс значений математического ожидания m, вычисленных для различного числа измерений n характеризуется величиной sm; При сравнении с формулой для s видно, что разброс величины m, как средней арифметической, в Ön меньше разброса отдельных измерений xi. Приведенные выражения для sm и s отражают закон возрастания точности при росте числа измерений. Из него следует, что для повышения точности измерений в 2 раза необходимо сделать вместо одного - четыре измерения; чтобы повысить точность в 3 раза, нужно увеличить число измерений в 9 раз и т.д. Для ограниченного числа измерений значение m все же отличается от истинного значения величины x, поэтому наряду с вычислением m необходимо указать доверительный интервал, в котором с заданной вероятностью находится истинное значение x. Для технических измерений вероятность 0,95 считают достаточной, поэтому доверительный интервал при нормальном распределении составляет ±2sm. Нормальное распределение справедливо для количества измерений n ³ 30. В реальных условиях технический эксперимент редко проводится более 5 – 7 раз, поэтому недостаток статистической информации должен компенсироваться расширением доверительного интервала. В этом случае при (n < 30) доверительный интервал определяется как ± kssm, где ks – коэффициент Стьюдента, определяемый по справочным таблицам С уменьшением числа измерений n коэффициент ks увеличивается, что расширяет доверительный интервал, а при увеличении n значение ks стремится к 2, что соответствует доверительному интервалу нормального распределения ± 2sm. Конечный результат многократных измерений постоянной величины всегда приводится к виду: m ± kssm . Таким образом, для оценки случайных погрешностей необходимо выполнить следующие операции: 1). Записать результаты x1, x2 ...xn многократных измерений n постоянной величины; 2). Вычислить среднее значение из n измерений – математическое ожидание ; 3). Определить погрешности отдельных измерений хi -m; 4). Вычислить квадраты погрешностей отдельных измерений (хi -m)2; если несколько измерений резко отличаются по своим значениям от остальных измерений, то следует проверить не являются ли они промахом (грубой ошибкой). При исключении одного или нескольких измерений п.п. 1...4 повторить; 5). Определяется величина sm – разброс значений математического ожидания m; 6). Для выбранной вероятности (обычно 0,95) и числа проведенных измерений n определяется по справочной таблице коэффициент Стьюдента ks; 7). Определяются границы доверительного интервала ± kssm 8). Записывается окончательный результат m ± kssm. |
Последнее изменение этой страницы: 2019-04-19; Просмотров: 270; Нарушение авторского права страницы