Математическое описание случайных погрешностей.

Измеряемая величина, содержащая случайную погрешность, должна рассматриваться как случайная величина. Из теории вероятностей известно, что наиболее полно случайные величины характеризуются законами распределения вероятностей.
Плотность распределения вероятностей

Математическое описание случайных погрешностей. - student2.ru , (1.13)

где F(x)– вероятность значений случайной величины х в интервале dx.

Наряду с плотностью распределения вероятностей используется функция распределения вероятностей случайной величины

Математическое описание случайных погрешностей. - student2.ru , (1.14)

которая выражает собой вероятность того, что случайная величина находится в интервале от -¥ до x1 . Функция распределения любой случайной величины является неубывающей функцией, определенной так, что F(-¥)=0, а F(+¥) = 1 . Вероятность того, что случайная величина X примет значение в интервале между x1 и x2 , равна

Математическое описание случайных погрешностей. - student2.ru (1.15)

В разнообразных измерительных устройствах законы распределе­ния вероятностей различны. Преимущественно встречаются нормальные и равномерные распределения. Случайная величина X распределена нормально, если её плотность вероятностей имеет вид

Математическое описание случайных погрешностей. - student2.ru (1.16).

где s - среднее квадратическое отклонение, m=M[Х];

m - математическое ожидание.
Математическое ожидание M[X] случайной величины X является постоянной величиной и характеризует её среднее значение. Величина Математическое описание случайных погрешностей. - student2.ru является случайной погрешностью. Если систематичес­кая погрешность отсутствует, то математическое ожидание равно истинному значению величины X.

На рис. I.I, а показана дифференциальная функция нормального распределения f(x). Рассеяние результатов вокруг M[х] уменьшаетcя с уменьшением s. При расчетах пользуются нормированным нормаль­ным распределением, когда нормируется случайная величина:

Математическое описание случайных погрешностей. - student2.ru (1.17)

где Математическое описание случайных погрешностей. - student2.ru нормированная случайная величина. Интеграл

Математическое описание случайных погрешностей. - student2.ru (1.18)

Математическое описание случайных погрешностей. - student2.ru

Рис.1.1,а

выражает вероятность попадания случайной погрешности в интервал 0–t1 и носит название функции Лапласа. Значения f(t) и Р(t1) приводятся в табл. I и 2 приложения. Из табл. 2 приложения можно найти, что вероятность Математическое описание случайных погрешностей. - student2.ru появления случайной погрешности в интерва­лах ±t1 = Математическое описание случайных погрешностей. - student2.ru = ± 1 ; ±2 ; ± 3 c учетом симметричности распреде­ления равна соответственно 0,683, 0,954, 0,997. Эти цифры характе­ризуют вероятность появления случайной погрешности в интервалах ±s'; ±2s;'±3s. Если случайные погрешности определяются по резуль­татам измерений, то в большинстве случаев они имеют нормальное распределение.

при
x
x
x
,
>
>
ì
Равномерное распределение, показанное на рис. 1.1,б, записы­вается в виде:

 
  Математическое описание случайных погрешностей. - student2.ru

x
x
î
(1.19)

 
  Математическое описание случайных погрешностей. - student2.ru

P
x
x
x
при
x
x
x
при
x
x
=
-
£
£
>
í
î
ï
ï
Математическое описание случайных погрешностей. - student2.ru
)
(

Вероятность появления погрешности в интервале x4-x3 равна

Математическое описание случайных погрешностей. - student2.ru

Равномерное распределение имеет погрешность квантования из­меряемой величины по уровню в цифровых измерительных приборах.

Если закон распределения неизвестен, то всегда принимают равномерное распределение.

В измерительной практике встречаются и другие законы распределения, которыми в [6] рекомендуется аппроксимировать реальные законы распределений: треугольный, трапециевидный, антимодальные I и II, Рэлея.

Для решения многих задач не требуется знание функции и плотности распределения вероятностей, а вполне достаточными ха­рактеристиками случайных погрешностей служат их числовые характеристики: математическое ожидание (первый начальный момент)

Математическое описание случайных погрешностей. - student2.ru (I.20)
и дисперсия (второй центральный момент)

Математическое описание случайных погрешностей. - student2.ru(1.21)

Корень квадратный из дисперсии, взятый с положительным знаком, есть среднее квадратическое отклонение случайной величины Математическое описание случайных погрешностей. - student2.ru .

Математическое ожидание является центром группирования случайной величины, а дисперсия характеризует мощность рассеяния.

Нормальное распределение полностью характеризуется математическим ожиданием и дисперсией.

Равномерное распределение (рис I.I,б) тоже определяется дву­мя параметрами M[x]и xт .

Дисперсия равномерного распределения

Математическое описание случайных погрешностей. - student2.ru (1.22)

а среднее квадратическое отклонение Математическое описание случайных погрешностей. - student2.ru

Вероятность появления случайной погрешности в интервале ±s составляет р=s/xm=0.578 .

Числовые вероятностные характеристики погрешностей, представ­ляющие собой неслучайные величины, теоретически определяются при бесконечном числе наблюдений. Практически число наблюдений n всегда ограничено. Поэтому реально пользуются статистическими числовыми характеристиками, которые принимают за искомые вероятностные характеристики и называют оценками характеристик. Чтобы под­черкнуть различие между формулами вероятностных характеристик и их оценок, последние отмечают знаком ~.

К оценкам случайной величины, получаемым по статистическим данным, предъявляются требования состоятельности, несмещенности и эффективности.

Оценка параметра Q считается состоятельной, если при увеличе­нии числа наблюдений она стремится к истинному значению оцениваемой величины : Математическое описание случайных погрешностей. - student2.ru

Несмещенной она называется в том случае, если математическое ожидание её равно истинному значению оцениваемой величины: Математическое описание случайных погрешностей. - student2.ru .

Чем меньше дисперсия оценки, тем более эффективной ее назы­вают Математическое описание случайных погрешностей. - student2.ru .

Обычно для симметричных распределений в качестве оценки ма­тематического ожидания ряда равноточных наблюдений принимают сред­нее арифметическое ряда наблюдений п:

Математическое описание случайных погрешностей. - student2.ru (1.23)

где qi - результат i наблюдения; п - число наблюдений.

Если отсутствует систематическая погрешность, то при Математическое описание случайных погрешностей. - student2.ru .

Разность Математическое описание случайных погрешностей. - student2.ru представляет собой случайную погрешность при i -м наблюдении. Она может быть как положительной, так и отрицательной.

Среднее арифметическое, независимо от закона распределения, обладает следующими свойствами:

Математическое описание случайных погрешностей. - student2.ru (I.24)

Математическое описание случайных погрешностей. - student2.ru (1.25)

Первое свойство используется для проверки правильности вы­числения Математическое описание случайных погрешностей. - student2.ru , а второе положено в основу метода наименьших квад­ратов.

В качестве оценки дисперсии берётся дисперсия отклонения ре­зультата наблюдения

Математическое описание случайных погрешностей. - student2.ru , (1.26)

а оценки среднего квадратического отклонения

Математическое описание случайных погрешностей. - student2.ru . (1.27)

Формула (1.27) характеризует среднее квадратическое отклонение отдельного наблюдения.

Для вычислений абсолютной погрешности требуется найти разность между результатом наблюдения Qi и истинным значением из­меряемой величины Qист. Но Qист никогда неизвестно, поэтому, как уже отмечалось, на практике пользуются действительным значением измеряемой величины. При достаточно большом числе наблюдений, не искаженных систематической погрешностью, в качестве действитель­ного значения можно принять среднее арифметическое результатов наблюдений Математическое описание случайных погрешностей. - student2.ru и принять его за результат измерения.

Среднее арифметическое Математическое описание случайных погрешностей. - student2.ru зависит от числа наблюдений и является случайной величиной с некоторой дисперсией относительно истинного значения величины Qист , т.е. величину Математическое описание случайных погрешностей. - student2.ru можно рас­сматривать как оценку Qист , т.е. Математическое описание случайных погрешностей. - student2.ru .

В теории вероятностей показывается, что оценкой дисперсии среднего арифметического ряда наблюдений относительно истинного значения является

Математическое описание случайных погрешностей. - student2.ru (1.28)

Величину Математическое описание случайных погрешностей. - student2.ru называют средним квадратическим откло­нением результата измерений.

Следовательно, взяв за результат измерения Математическое описание случайных погрешностей. - student2.ru , уменьшаем среднее квадратическое отклонение в Математическое описание случайных погрешностей. - student2.ru раз по сравнению со слу­чаем, когда за результат измерения принимается любое одно из п наблюдений. Из полученных выражений видно, что многократные измерения с последующим усреднением результатов позволяют уменьшить случайную составляющую погрешности, а также оценить её.

Доверительный интервал.

Рассмотренные оценки результатов измерений называют точечными. Они указывают интервал значений измеряемой величины, внутри которого находится истинное значение Математическое описание случайных погрешностей. - student2.ru , Поскольку Математическое описание случайных погрешностей. - student2.ru и Математическое описание случайных погрешностей. - student2.ru величины случайные, то возникает вопрос о точности и надежности полученной оценки. Судят об этом по вероятности того, что абсолютное значение отклонения Математическое описание случайных погрешностей. - student2.ru будет оставаться меньше некоторой величины

Математическое описание случайных погрешностей. - student2.ru (1.29)

или

Математическое описание случайных погрешностей. - student2.ru (1.30)

Величина e характеризует точность оценки, а вероятность р , называемая доверительной вероятностью и коэффициентом доверия, – надёжность оценки.

Зависимость (1.30) , записанная в виде

Математическое описание случайных погрешностей. - student2.ru (1.31)

говорит о том, что случайный интервал J(p)=2e, находящийся в пределах от Математическое описание случайных погрешностей. - student2.ru , с вероятностью р накрывает величину Qист (или неслучайная величина Qист с вероятностью p оказывается внутри этого интервала). Интервал J(р) называют доверитель­ным интервалом, а его границы доверительными.

Используя интервальную оценку результатов измерений, необхо­димо задавать доверительный интервал и доверительную вероятность. Если закон распределения вероятностей случайных погрешностей из­вестен, то выбор одной из указанных величин определяет вторую. Это видно из следующего. После подстановки в (1.29) нормированных ве­личин t = D/s и tp=e/s можно записать известное из теории ве­роятностей равенство

Математическое описание случайных погрешностей. - student2.ru (1.32)

Следовательно, Математическое описание случайных погрешностей. - student2.ru (1.33) и при известной функции распределения F(t) конкретное значение р

определяет значение tp и наоборот.

В случае нормального распределения и числа наблюдений п³20 tp выбирается по таблице функций Лапласа (см. табл. 2 приложения), при этом значение вероятности умножается на 2, так как в таблице они приведены для половины симметричного интервала.

Если число наблюдений п £20, доверительный интервал случайной погрешности при заданных вероятности р и средним квадратическим отклонением результата измерения Математическое описание случайных погрешностей. - student2.ru определяется по формуле Стьюдента

Математическое описание случайных погрешностей. - student2.ru (1.34)

где t p ,n - коэффициент распределения Стьюдента, который зависит от заданной вероятности p и числа наблюдений п (табл.3 приложе­ния). При п>20 распределение Стьюдента приближается к нормальному и вместо t p ,n можно использовать t p для нормального распределе­ния.

При равномерном распределении обычно принимают Математическое описание случайных погрешностей. - student2.ru (т.е. для p=1), поскольку доверительный интервал слабо зависит от доверительной вероятности.

Как правило, в практике измерений доверительную вероятность принимают р = 0.95. Если измерения нельзя повторить, то р=0.99. В особо ответственных случаях, когда проводимые измерения связаны с созданием новых эталонов или от них зависит здоровье людей, то p= 0.997 и выше.

При нормальном законе распределений погрешностей доверитель­ная вероятность р=0.68 соответствует доверительному интервалу

Математическое описание случайных погрешностей. - student2.ru

При оценке погрешностей, как уже указывалось, очень важно знать их закон распределения. Из теории вероятностей известно, если имеется большое число наблюдений (п³30 ), то оказывается возможным проверить гипотезу относительно закона распределения. Гипотеза может быть высказана на основе построения гистограммы. Для проверки соответствия гипотезы экспериментальному распреде­лению существует ряд критериев. Наиболее распространенным является критерий Пирсона, или критерий c2(«хи - квадрат»), который позволяет проверить соответствие экспериментальных данных любому распределению, а не только нормальному.

Схема обработки результатов измерения с многократными наблю­дениями приведена на рис.1.2.

Наши рекомендации