第2章@ 测量误差与数据处理.pptVIP

格拉布斯准则中的G值 * 四、测量结果的数据处理步骤 例：对一机械零件的轴径等精度测量9次，得表中数据，求测量结果。 * 解： 求算术平均值： 求标准差： 判别粗大误差（应用格拉布斯准则）： 剔除粗大误差后，重新计算算数平均值及标准差： 求算术平均值的标准差： 求测量结果： |vi|＞Gσ * 五、间接测量中的测量数据处理 前面主要是针对直接测量的误差分析，在直接测量中，测量误差就是直接测得值的误差。而对于间接测量，是通过直接测得值与被测量之间的函数关系，经过计算得到被测量的，所以间接测量的误差则是各个直接测得值误差的函数。 * 一个测量系统或一个传感器都是由若干部分组成的，设各环节分别为x1, x2, …,xn，系统总的输入输出之间的函数关系为 y=f(x1,x2,…,xn)，而各部分又都存在误差，也会影响测量系统或传感器总的误差，这类误差的分析也可归纳到间接测量的误差分析。  在间接测量中，已知各直接测得值的误差（或局部误差）， 求总的误差，即误差的合成（也称误差的综合）；反之，确定了总的误差后，各环节（或各部分）具有多大误差才能保证总的误差值不超过规定值，这叫做误差的分配。在传感器和测量系统的设计时经常用到误差的合成与分配。 下面介绍误差的合成。 * （1） 绝对误差和相对误差的合成 如被测量为y，设各直接测得值x1, x2, …, xn之间相互独立，则与被测量y之间函数关系为 y=f(x1,x2, …,xn) 各测得值的绝对误差分别为Δx1, Δx2, …., Δxn, 因为误差一般均很小，其误差可用微分来表示，则被测量y的误差可表示为 * 实际计算误差时，以各环节的绝对误差Δx1, Δx2, …, Δxn来代替上式中的dx1, dx2, …, dxn，即 式中，Δy为综合后总的绝对误差。  如测得值与被测量的函数关系为y=x1+x2+…+xn，则综合绝对误差 Δy=Δx1+Δx2+…+Δxn * 如被测量y的综合误差用相对误差表示， 则 但当误差项数较多时， 相对误差的合成一般情况下按方和根合成比较符合统计值， 即 式中， * （2） 标准差的合成 设被测量y与各直接测得值x1, x2, …, xn之间的函数关系为y=f(x1,x2, …,xn)，各测得值的标准差分别为σ１，σ２，…，σn， 当各测得值相互独立时，被测量y的标准差为 * 2.3 最小二乘法与回归分析 一、最小二乘法 最小二乘法原理是一数学原理，它在误差的数据处理中作为一种数据处理手段。 最小二乘法原理就是要获得最可信赖的测量结果，使各测量值的残余误差平方和为最小。 最小二乘法在实验数据的处理，实验曲线的拟合及其它多种学科等方面，均获得了广泛的应用。  * 二、 用经验公式拟合实验数据——回归分析 在工程实践和科学实验中, 经常遇到对于一批实验数据，需要把它们进一步整理成曲线图或经验公式。 用经验公式拟合实验数据，工程上把这种方法称为回归分析。 回归分析就是应用数理统计的方法，对实验数据进行分析和处理，从而得出反映变量间相互关系的经验公式，也称回归方程。 * 1、多元线性回归 当经验公式为线性函数时，例如  y=b0+b1x1+b2x2+…+bnxn 称这种回归分析为多元线性回归分析，它在工程中的应用价值较高。  2、一元线性回归 在线性回归中，当独立变量只有一个时，即函数关系为  y=b0+bx 称这种回归为一元线性回归，这就是工程上和科研中常遇到的直线拟合问题。  * 在一元线性回归中，用最小二乘法求拟合直线的系数b0、b，公式如下：  * 用最小二乘法求回归直线 * 第二章 测量误差与数据处理 测量的目的是获取被测量的真实值。 但由于种种原因，例如，传感器本身性能不十分优良，测量方法不十分完善，外界干扰的影响等，都会造成被测参数的测量值与真实值不一致，两者不一致程度用测量误差表示。  * 2.1 误差的基本概念 2.2 误差的基本性质与处理 2.3 最小二乘法与回归分析 * 2.1 误差的基本概念 一、误差的定义及表示方法 测量误差就是测量结果与被测量真值之间的差。 测量误差 测量结果 被测量的真值 约定