_传感与检测技术的理论基础课件.ppt

2. 肖维勒准则 肖维勒准则是以正态分布为前提的，假设多次重复测量所得的n个测量值中，某个测量值的残余误差|vi|Zcσ, 则剔除此数据。 实用中Zc3，所以在一定程度上弥补了3σ准则的不足。 表1-3 肖维勒准则中的Zc值 3. 格拉布斯准则 格拉布斯准则也是以正态分布为前提的，理论上较严谨， 使用也较方便。 某个测量值的残余误差的绝对值|vi|＞Gσ，则判断此值中含有粗大误差，应予剔除，此即格拉布斯准则。G值与重复测量次数n和置信概率Pa有关，见表1 - 4。 表1 - 4 格拉布斯准则中的G值 例1-3 对某一电压进行12次等精度测量，测量值如表1-5所示，若这些测量值已消除系统误差，试判断有无粗大误差， 并写出测量结果。 解： ① 求算术平均值及标准差: 随机误差的性质： ① 绝对值相等的正误差与负误差出现的次数大致相等——对称性。 ② 在有限测量值中，其随机误差的绝对值不会超过一定的界限——有界性。 ③ 绝对值小的误差出现的次数比绝对值大的误差出现的次数多——单峰性。 ④ 对同一量值进行多次测量，其误差的算术平均值随着测量次数n的增加趋向于零——抵偿性。 设对某一被测量进行多次重复测量，得到一系列的测量值为xi，设被测量的真值为L，则测量列中的随机误差δi为 δi= xi - L i=1,2, …,n 正态分布的概率分布密度f( )为 正态分布的分布密度曲线为一条钟形的曲线，其中L、σ（σ0）是正态分布的两个参数。 2. 随机误差的数字特征 (1) 算术平均值x 正态分布是以x=L为对称轴，它是正态总体的平均值。随着测量次数增加，算术平均值趋近于真值。由于实际上是有限次测量，因而有限次直接测量中算术平均值是诸测量值中最可信赖的，把它作为等精度多次测量的结果， 即被测量的最佳估计值。 对被测量进行等精度的n次测量，得n个测量值x1, x2,…, xn，它们的算术平均值为 通常，用算术平均值代替被测量的真值进行计算， 则 式中, vi为xi的残余误差（简称残差）。 （2） 标准偏差σ 标准偏差简称为标准差，标准差σ表现总体的分散程度。 σ不同（σ=0.5，σ=1，σ=1.5）的正态分布曲线，σ值愈大，曲线愈平坦，即随机变量的分散性愈大；反之，愈小，曲线愈尖锐（集中），随机变量的分散性愈小。 标准差σ: 实际中无法做到无限次测量 标准差的估计（贝塞尔公式）: 式中： xi——第i次测量值； x——n次测量值的算术平均值； vi—— 残余误差，即vi=xi-x。 标准差的估计值σs也可用代号s表示。标准差的估计值又称为样本标准差。 若对被测量进行m组的“多次重复测量”，若这些测量值已消除了系统误差，只存在随机误差，各组所得的算术平均值x1, x2, …, xm各不相同，它们分布在期望值附近， 但比测量值靠近于期望值，随着测量次数的增多，算术平均值的可靠性指标用算术平均值得标准差 来评定。 图 1 - 6 σx/σs 与n的关系曲线 在测量条件一定的情况下，算术平均值的标准差σx随着测量次数n的增加而减小，算术平均值愈接近期望值。当n增加到一定次数（例如10次）以后，σx的减小就变得缓慢，所以不能单靠增加测量次数来提高测量精度。 3. 正态分布随机误差的概率计算 通常用查表的方法 σ是正态分布的特征参数，区间通常表示成σ的倍数，如kσ。由于随机变量分布对称性的特点，常取对称的区间，即在±kσ区间的概率。 其中: k——置信系数； ±kσ——置信区间(误差限)。 Pa为置信概率。 从表可知，当k=1时，Pa=0.6827，即测量结果中随机误差出现在-σ～+σ范围内的概率为68.27%, 而|v|σ的概率为31.73%。出现在-3σ～+3σ范围内的概率是99.73%, 因此可以认为绝对值大于3σ的误差是不可能出现的，通常把这个误差称为极限误差δlim，即极限误差δlim=±3σ。 随机变量落在±kσ范围内出现的概率为Pa，则超出的概率称为置信度，又称为显著性水平，用α表示 α= 1 - Pa 例1-1 对某一温度