1-4随机误差的统计分布.docVIP

1.4 随机误差的统计分布 1.4.1 随机误差的正态分布 正态分布规律 在相同的测量条件下，对某一被测量进行多次重复测量，假设系统误差已被减弱到可以被忽略的程度，由于随机误差的存在，测量结果，，…一般存在着一定的差异。如果该被测量的真值为a，则根据误差的定义，各次测量的误差为 大量的实验事实和统计理论都证明，在绝大多数物理测量中，当重复测量次数足够多时，随机误差服从或接近正态分布（或称高斯分布）规律。正态分布的特征可以用正态分布曲线形象地表示出来，图2所示，横坐标为误差，纵坐标为误差的概率密度分布函数。当测量次数时，此曲线完全对称。2．正态分布的性质单峰性绝对值小的误差出现的可能性（概率大，绝对值大的误差出现的可能性小。 对称性抵偿性大小相等的正误差和负误差出现的机会均等，对称分布于真值的两侧当测量次数非常多时，正误差和负误差相互抵消，于是，误差的代数和趋向于零。 有界性非常大的正误差或负误差出现的可能性几乎为零。 根据误差理论可以证明函数的数学表达式为 （ 测量值的随机误差出现在区间内的可能性为，即图2中阴影线所包含的面积元。式（）中的是一个与实验条件有关的常数，称之为标准误差。标准误差按照概率理论，误差出现的区间的事件是必然事件，所以，即曲线与横轴所包围面积恒等于1。当时，由式（）得 （） 由式（）可见，若测量的标准误差很小，则必有f(0)很大。由于曲线与横轴间围成的面积恒等于1，所以如果曲线中间凸起较大，两侧下降较快，相应的测量必然是绝对值小的随机误差出现较多，即测得值的离散性小，重复测量所得的结果相互接近，测量的精密度高；相反，如果很大，则f(0)就很小，误差分布的范围就较宽，说明测得值的离散性大，测量的精密度低。这两种情况的正态分布曲线如图3所示。σ反映的是一组测量数据的离散程度，常称它为测量列的标准误差。可以证明，()内出现的概率为 （1-5） 即由到之间正态分布曲线下的面积占总面积的68.3%。这就是说，如果测量次数n很大，则在所测得的数据中，将有占总数68.3%的数据的误差落在区间()之内；在所测得的数据中，任一个数据xi的误差(?落在区间(,)之内的概率为68.3%。区间(,)也可证明，。这表明，在1000次测量中，随机误差超过范围的测得值大约只出现3次左右。在一般的十几次测量中，几乎不可能出现。依据这点，可对多次重复测量中，由于过失引起的异常数据加以剔除。这被称为剔除异常数据的准则。它只能用于测量次数n10的重复测量中，对于测量次数较少的情况，需要采用另外的判别准则。 同时，由概率积分表可得如下一些典型数据： 对不同的要求，置信概率可取不同的值，常见的取值有0.68，0.90，0.95，0.99等。在P=0.95时，不必注明P值。多数的工业和商业用途上所用的约定概率为0.95。在本教材中，不确定度用的置信概率一般为0.95。数学表达式 （1-6）3．标准偏差的计算 算术平均值 根据随机误差的正态分布规律，测得值偏大或偏小的机会相等，即绝对值相等的正负误差出现的概率是相等的。因此，在排除掉系统误差后，各次测得值的算术平均值 （ 必然最为接近被测量的真值，而且当测量次数趋于无限多时()，平均值无限接近真值，所以算术平均值是真值的最佳估计值。 （2）算术平均值的标准误差 我们通过多次重复测量获得了一组数据，并把求得的算术平均值作为测量结果。如果我们在完全相同的条件下再重复测量该被测量时，由于随机误差的影响，不一定能得到完全相同的，这表明算术平均值本身具有离散性。为了评定算术平均值的离散性我们引入算术平均值的标准误差，可以证明 （） 式中，n为重复测量次数。由式（）可见，是测量次数n的函数，测量次数越多，算术平均值的标准误差越小，所以多次测量提高了测量的精度。但也不是测量次数越多越好。因为n增大只对随机误差的减小有作用，对系统误差则无影响，而测量误差是随机误差与系统误差的综合。所以，增加测量次数对减小误差的价值是有限的其次，与测量次数n的平方根成反比，一定时，当n10以后，随测量次数的增加而减小得很缓慢另外，测量次数过多，观测者将疲劳，测量条件也可能出现不稳定，因而有可能出现增加随机误差的趋势。实际上，只有改进实验方法和仪器，才能从根本上改善测量的结果。 （3）标准偏差 前面对误差的讨论只有理论上的价值下面我们讨论误差的实际估算方法。 由于算术平均值最接近真值，因此可以用算术平均值参与对标准误差的估算。我们常用如下的贝塞尔公式去估算标准误差： （） 式中，测得值与平均值之差（即）称为测得值的残余误差，简称残差。贝塞尔公式是用残差去求标准误差的估计值S，称此估计值为测量列的标准偏差。 可以证明，当测量次数n足够大时，可以用式（）中S的