检测技术及仪表课件解析.ppt

◆残差（剩余误差）： 0 1 1 - - ? ? x n x v x x n i n i i i i i n ◆方差： ◆标准差： ? ￥ ? n i i n n 1 2 2 1 lim d s ? ￥ ? n i i n n 1 2 1 lim d s ◆均方根偏差： ◆算术平均值的均方根偏差（MSRE）： Bessel公式（ n-1为自由度 ）： 1 1 1 ? 1 2 2 1 2 1 2 - - - - - ? ? ? n x n x n x x n v n i i n i i n i i s 2.4.2 随机误差的正态分布（高斯分布） 绝大多数情况下，随机误差服从正态分布。 在正态分布误差影响下的测量数据的分布也是正态分布。 误差的概率密度函数为： 有界性 对称性 抵偿性 ? 1.0 ? 1.5 ? 2.0 ? ? ? ] 2 exp[ 2 1 2 2 d s d p d s d j - 1.单次测量结果的置信度与置信区间 置信度（置信概率）：描述误差处于某一范围内的可靠程度的量。 置信区间：对应置信度的极限误差范围，用标准差σ的倍数Kσ表示（K为正系数，称为置信系数）。 ◆在置信区间[Ex-? , Ex+?]内置信度P |?i|?? 0.683 ◆在置信区间[Ex-2? , Ex+2?]内置信度P |?i|?2? 0.954 ◆在置信区间[Ex-3? , Ex+3?]内置信度P |?i|?3? 0.997 ◆3? 称为极限误差或最大误差 2.多次测量结果的置信度与置信区间 分别用样本的均值和均方根偏差作为A0和σ的估计。 当n大于20 以后，t的分布类似于标准正态分布，当n→∞时，即为正态分布，n越小，类似程度越差。 对于有限次测量（t分布），在区间 内的置信概率，也就是随机变量t在区间[-tα t tα]内的概率（t类似于K，称为t分布的置信系数），即： Pa称为置信概率或置信度，α称为显著度，积分限±tα称为t分布的置信系数。可由“t分布在对称区间的积分表”中查得。 设随机变量t： ? ? x x M x n x x M x t s s - - ] ? , ? [ x t x x t x s s a a + - a g j s s a a a a a - + - ò - 1 , ] [ ] ? ? [ a t t P dt t t t P x t x x M x t x P 四、随机误差的均匀分布 仪表盘刻度误差；数字显示仪表最低位“?1”误差；舍入误差。 五、有限次测量结果的表达 列出数据表； 计算算术平均值和残差； 计算单次测量的均方根偏差和算术平均值的均方根偏差； 给出最终结果： （其中k 值一般取3） 此式中包含测量结果和精度指标（误差限）。 2.5 粗大误差的估计和数据处理 粗大误差的数值一般比系统误差及随机误差都大，严重歪曲测量结果。要设法识别和剔除含过失误差的测量数据。 一、粗大误差的产生原因 1.主观原因 责任心不强；过于疲劳；缺乏经验；操作不当。 2.客观原因 被测对象急剧变化；环境条件急剧变化；仪器突发故障、振动；冲击等。 二、避免过失误差 可由多个测量者和多种设备对同一被测量得多个测得值；从设备特点、环境条件、测量人员等多种方面综合考虑。 三、含过失误差的静态目标测量数据识别 服从正态分布的测量数据的判断方法 1.莱特准则（3σ准则） 在已消除系统误差的条件下，正态分布随机误差超过±3σ（极限误差）的可能性极小 置信度为0.27% ,因此，在测量次数足够多时（n≥20）,若某个测量值xi的剩余误差δi满足: 则认为xi具有粗大误差，应剔除。 s d ? 3 i 2．格拉布斯准则 在测量次数较小（n 20）时，用3σ准则判别粗大误差不太可靠，应采用格拉布斯准则。 在一系列等精度测量数据中，若有剩余误差δi满足 则认为该δi 相对应的测量数据xi是坏值，应剔除。式中G称为格拉布斯系数，可根据置信度和测量次数查表得到。 s d ? G i 四、注意事项 1. 判断粗大误差的步骤，首先应包含所有的n个测量值在内求出均值和均方根偏差，然后判别粗大误差。若剔除最大的一个，仍将剩余的n-1个数据按此计算和判别，直至无坏值为止。 2. 正常情况下，一列测量数据中粗大误差数量很少，一旦发现数量太大，说明测量系统或方法可能反常。 3. 剔除可疑数据应慎重，有时某些异常数据可能包含了一种尚未发现的物理现象。 2.6 有效数字的处理 1．有效数字 由于含有误差，所以测量数据及由测量数据计算出来的算术平均值等都是近似值。通常就从误差的观点来定义近似值的有效数字。