用彼得斯公式估计总体标准差的误差分析.docVIP

用彼得斯公式估计总体标准差 的误差分析 朱 安 远 （冶金工业部自动化研究院·北京，100071） 【摘要】本文作者独立地推导出了用彼得斯公式估计总体标准差的标准 差系数 Cn 的计算公式。根据各种估计总体标准差方法的标准差系数 Cn 的大小，我们可以分析出各种估计方法的优劣及其适用范围。 【关键词】彼得斯公式 总体标准差 标准差系数 误差分析 1 彼得斯公式及其由来 假设总体为独立地抽自总体X的一个 随机样本，定义随机变量 其中 这里不妨假设n为大于2的正整数。 因故即随机变 量和随机变量 之间的相关系数为 据此其联合概 率密度就确定了。在这个基础上，我们就可求得随机变量 的概率密度为：  在上式中代入则 在推导彼得斯公式之前，作为预备知识，我们先介绍绝对正态分布。 绝对正态分布是一种常见的不对称分布。只计大小而不计方向的随 机误差一般都服从绝对正态分布。假设 且 X1，X2 相互独立，则 即 其中 那么随机变量 的分布就是一个绝对正态分布。不难求得随机变量 的数学期望和方差分别为： 上式中  ∴在上述结论中，令亦即k = 0 ,则 ∴随机变量 的数学期望为： 于是用 作为标准差σ的估 计是无偏估计。此公式就是用于计算总体标准差σ的彼得斯 (Peters) 公 式。彼得斯（C. A. F. Peters ,1806～1880）是德国天文学家，1839～1849 年在俄国工作，主要成就是确定章动常数和恒星视差的光行差等。 在科学实验中，评定实验的准确度（Accuracy）是一个极其重要的 问题。在评定准确度的时候，一般都要计算实验的标准差。计算标准差 的方法除彼得斯法外，还有贝塞尔法、极差法、较差法、最大误差法和 最大残差法等。标准差对理论和实际应用来说都是一个很重要的指标， 它描述了随机变量的可能值与均值的疏密程度。 2 彼得斯公式的误差分析 在实验过程中，可能同时存在系统误差（Systematic Error）、随机 误差（Random Error）和粗大误差（Parasitic Error）。 当粗大误差被剔 除后，决定准确度的就是系统误差和随机误差。系统误差影响实验的正确 度（Correctness），随机误差影响实验的精密度（Precision）。 系统误差和 随机误差的合成结果称为综合误差 ( Composite Error )。而实验的准确度 （Accuracy）就是用综合误差来衡量的，它表征了实验结果与真值的接近 程度。 因为彼得斯公式是无偏估计 ,故不存在系统误差。下面我们重点来讨 论彼得斯公式的随机误差。由于随机变量 和 ( i≠j，i j＝1, 2, …, n）之间不是相互独立的，其相关系数不易求得， 故随机变量 的方差也不易求得。在这里我们采用下述独 特的思路来求随机变量Y的方差：首先求出随机变量 和 它们之间也不是相互独立的）的联合概率密度，然后求出随机变量 和 的联合概率密度，由此可求得联合数学期 望E(Wi Wj )。根据公式COV(Wi，Wj )＝E(Wi Wj )－E(Wi )·E(Wj )即可求得 随机变量Wi 和Wj 之间的协方差。在此基础上求随机变量Y的方差就轻 而易举了。下面我们就来逐步地作这些工作： 对于随机变量Vi 和Vj（i≠j，i j＝1, 2, …, n），有  故其相关系数为： 故二维正态随机变量（Vi， Vj）的联合概率密度为： 令 则二 维随机变量（Wi，Wj ）的联合分布