建筑环境测试技术_随机误差研究过程及其发展的探讨资料.pptVIP

随机误差研究过程及其发展的探讨 次数不定、到不切实际的无穷次数、到大于6次以上、再到10-20次演变历程，解析出实际测量中有限次数应为ｎ=15-16次的等精度测量高可靠的新结论，得出了与“初衷想法”相一致的基本概念（即被测值为测值期望值加误差期望值），形成了真实条件下真正意义上的测量技术，它对随机误差的测量精度确定具有积极的指导意义。 关键词：　随机误差 等精度 算术平均误差 正态分布 （英文翻译略） 引言 在200多年前，人们就提出了随机误差的概念。当时认为在对同一定量值进行多次的等精度测量时，它的出现没有规律，其绝对值和符号无规则变化。但当测量次数（ n ）是够多时，其算术平均值（ ）越接近被测量的真值（ A。）或期望值，误差（△x）的算术平均值趋于零，算术平均误差(θ)为误差的期望值。 被测值的精度表示为： （参见P.28 ） 它从直观与逻辑上是对的，但其置信度无法解释。 1809年，德国数学家高斯认为，随机误差绝对值具有波动的有界性；其正负误差出现的对称性；其误差算术平均值趋于零的抵偿性。并总体服从统计学规律。由此通过理想条件与方差建模，推导出了描述随机误差统计特性的解析方程式，称正态分布规律。得出了“测得值（xi）的置信区间为［Eｘ-３σ ，Eｘ+３σ ］时的置信概率为0.997的结论”。认为多数情况下随机误差接近正态分布。 △= ３σ并以法律形式定为标准。尔后，该标准被广泛应用，在社会上产生了各式各样的效果。 由于理想的美好与现实的无赖的差异，为寻找有限次测量的足够精度的次数，人们不得不重审正态分布。著名的贝塞尔公式由此产生。 即： 得出了“在一般情况下，测量次数n等于10或12就足够了”。要提高测量结果的精密度。实际测量中n的取值并不很大，一般在10~20之间。 进一步研究发现，因θ=0.7979σ，当ｎ=14.625时，导出 这时，又回到200多年前的时代。被测值正态分布的精度仍表示为： 被测值偏态分布的精度表示为： 经验：当n=15+2次，去掉最大和最少，取平均值和算术平均误差即可。 目录 引言 1,随机误差概念的起源 2,随机误差概念的发展阶段 3,随机误差理论中问题探讨 4,正态分布与等精度分析 5, 贝塞尔的修正思想研究 6, 实用测量技术探讨 7,结论： 参考文献 附表 作者介绍 1,随机误差概念的起源 1,1随机误差概念的起源 X=算术平均值±算术平均值的平均误差 = X=算术平均值±算术平均值的平均误差±高阶算术平均值的平均误差的平均误差（实际分布） 1,2 随机误差直观研究、实例 1，无限次数条件下（正态分布）： M阶平均值理论 X=算术平均值±极限误差 = 2，有限次数条件下（接近正态分布） ： X=算术平均值±算术平均值的极限误差 = 2,随机误差概念的发展阶段 2.1,随机误差概念的发展阶段 2.2,随机误差理想条件与方差建模 1，统计现象 2，假设（理想条件） 3，描述特点 4，建模 5，表达式 6，验证 7，应用 3,随机误差理论中问题探讨 3.1理想与现实的冲突，无限与有限，等精度的限制，标准讨论（标准的人为性，标准发展：先行、霸王、法定）； 3.2,M次方差，M阶平均值理论（几何与运算讨论） 3.3,随机误差分布情况（种类，特种） 4,正态分布与等精度分析 4.1正态分布曲线与精度变化曲线（与正态分布合并曲线）； 4.2,正态分布与偏态分布（单峰与多峰分布，各种真实分布，找不到真正的正态分布的数据，） 4.3,正态分布成立的条件（接近，修正与作假） 1，无限次数条件下（正态分布）： X=算术平均值±极限误差 = 德国数学家高斯 随机误差的概率密度函数： Δ表示观测的随机误差， 4.算术平均误差(θ) 与标准差的关系：  平均误差(θ)的几何特征： 标准差(σ)的几何特征： 参见P.28. 结论：当ｎ=14.625时， 重点．有限次测量结果的表达 真值或测量值： 实际相对误差： 测量结果表示：X=算术平均值±算术平均值的极限误差 平均值： 误差： 有限次标准差（一般为10-20次） ： 算术平均误差： 应用结论：当ｎ=14.625时， 参见P.28. 测量精度结果： 4,正态分布与等精度分析 4.1正态分布曲线与精度变化曲线（与正态分布合并曲线）； 4.2,正态分布与偏态分布（单峰与多峰分布，各种真实分布，找不到真正的正态分布的数据，） 4.3,正态分布成立