测试精度分析part2.pptVIP

第二章 随机误差 主要内容 随机误差的正态分布及特性 标准偏差的意义、估计 算术平均值的标准偏差 极限误差 合理的测量次数 重点：标准偏差 第一节 随机误差与正态分布 一、随机误差发现条件 二、正态分布 第二节 算术平均值与真值 第三节 标准偏差及其估计 一、标准偏差与测量数据的关系 等精度测量中： σ反映等精度测量得到的一组数据相对于真值的分散程度（精密度） 说明： 不是具体一个测量值的误差大小 但可认为同一等精度测量的值都属于同 样标准偏差的概率分布（称为“单次测 量的标准偏差”） 四、单次测量的标准偏差估计 概念：残余误差（残差） 贝塞尔（Bessel）法 佩特斯（Peters）法 极差法 最大误差法 最大残差法 四、单次测量的标准偏差估计 概念：残余误差（残差） 第四节 算术平均值的标准偏差与合理的测量次数 一、算术平均值的标准偏差 例题：已知单次测量的标准偏差 Bessel公式推导 Peters 法 （Why）为了避免Bessel公式中对残差乘方和开方的运算（简化）。 （What） （How）目前很少应用，但在判断系统误差时有用。 极差法 （Why）简单迅速估计出标准偏差的大小 （What） dn查表 （How）n较小时（n〈5）精度还可以； n较大时（n〉10）精度差 最大误差法 （Why）简单迅速估计出标准偏差的大小,适用于n=1 （What） 查表 （How）已知真差（绝对误差）。 最大残差法 （Why）简单迅速估计出标准偏差的大小 （What） 查表 第四节 极限误差 一、单次测量的极限误差 主要总结 数据处理１ 算术平均值法 数据处理２ 数据处理　３ 3. 几个概念 自由度 γ=n-1： 显著度 (危险系数) α＝1-P： （在置信区间中，置信概率为P） 置信概率 P： 置信区间 [-tσ, tσ]： 置信系数 t： 极限误差表征一定置信概率下的随机不确定度 4. 给定置信概率P 求极限误差 实际应用查表：P195附表一 步骤： 附表一 例1：要求P=90%时： t≈1.65 t = ? 例2：已知σ＝0.05，求P=99.3%时的极限误差 二、算术平均值的极限误差 测量结果的极限误差表达： 三、测量次数与t分布 测量次数n少时，随机误差服从t分布 P27例题 重点掌握： 随机误差的发现条件 随机误差的四个特性 标准偏差、极限误差的意义及关系 算术平均值的标准偏差、极限误差求解 基本概念：残差、置信系数、置信概率 作业：P32 2－6，2－8，2－9 正态分布 性质： 原因：装置误差、环境误差、使用误差 处理：统计分析、计算处理→ 减小 对称性 有界性 抵偿性 单峰性 绝对值相等的正负误差出现的次数相等 绝对值小的误差比绝对值大的误差出现的次数多 偶然误差绝对值不会超过一定程度 当测量次数足够多时，偶然误差算术平均值趋于0 表述： x1, x2, … xn --- 测量数据 原理： 多次重复测量时，取全部测量数据的算术平均值为测量结果 残余误差 绝对误差 性质： （1）残余误差的代数和等于零，即 算术平均值法可以滤除或减小偶然误差 （2）残余误差的平方和为最小 最小二乘法基础 * P9定义 条件： 等精度测量 多次重复测量 仪表有一定的分辨率和精度 三、随机误差的特性 1.对称性 2.单值性 3.有界性 4.抵偿性 表述： x1, x2, … xn --- 测量数据 原理： 多次重复测量时，取全部测量数据的算术平均值为测量结果（假设测量数据中只含有随机误差） 残(余)误差 绝对误差 性质： （1）残余误差的代数和等于零，即 算术平均值法可以滤除或减小随机误差 （2）残余误差的平方和为最小 最小二乘法基础 原因：why 由抵偿性，有 实际不可得： 无穷次测量 真值未知 σ越小，概率密度曲线越陡，随机误差分布越集中 二、标准偏差（σ）的特征 三、标准偏差的意义 方法： 1. 贝塞尔（Bessel）法 2. 佩特斯（Peters）法 3. 极差法 4. 最大误差法 5. 最大残差法 估计式： 估计较准确，常用；n大时计算复杂 估计式： 不需计算残差平方根，运算简单，在n大时适用 估计式： 不需计算算术平均值，运算更简单，在n10时可使用 极差 估计式： 简单，n可以为1 代价高、有破坏性的试验中可用 估计式： 计算简单 方法： 1. 贝塞尔（Bessel）法 2. 佩特斯（Peters）法 3. 极差法 4. 最大