第7章实验数据处理导论.ppt

学习要点： 一元线性回归方法 多项式回归方法 静态标定数据处理方法 7.1 概述 通过测试，可得到一系列原始数据。这些数据是认识事物内在规律，研究事物相互关系和预测事物发展趋势的重要依据。但这仅仅是第一步工作，只有在此基础上对已获得的数据进行科学的处理，才能去粗取精、去伪存真、由表及里，从中提取能反映事物本质和运动规律的有用信息，这才是测试 工作的最终目的。 本章介绍了实验数据的表示方法及回归分析方法。 7.2 实验数据的表示方法 常用的表述方法有表格法、图解法和方程法三种。这些表述方法的基本要求是： ①确切地将被测量的变化规律反映出来；②便于分析和应用。 对于同一组实验数据，应根据处理需要选用合适的表达方法，有时采用一种方法，有时要多种方法并用。 7.2.1 表格法 表格法是把被测量数据精选、定值，按一定的规律归纳整理后列于一个或几个表格中，该方法比较简便、有效、数据具体、形式紧凑、便于对比。常用的是函数式表，一般按自变量测量值增加或减少为顺序，该表能同时表示几个变量的变化而不混乱。一个完整的函数式表格，应包括表的序号、名称、项目、测量数据和函数推算值，有时还应加些说明。 列表时应注意以下几个问题： 数据的写法要整齐规范，数值为零时要记“0”，不可遗漏；试验数据空缺时应记为“——”； 表达力求统一简明。同一竖行的数值、小数点应上下对齐。当数值过大或过小时，应以10n表示，n为正、负整数； 根据测量精度的要求，表中所有数据有效数字的位数应取舍适当。 7.2.2 图解法 图解法是把互相关联的实验数据按照自变量和因变量的关系在适当的坐标系中绘制成几何图形，用以表示被测量的变化规律和相关变量之间的关系。该方法的最大优点是直观性强，在未知变量之间解析关系的情况下，易于看出数据的变化规律和数据中的极值点、转折点、周期性和变化率等。 曲线描绘时应注意如下几个问题： 合理布图 正确选择坐标分度 灵活采用特殊坐标形式 正确绘制图形 7.2.3 实验公式 通过实验获得一系列数据，这些数据不仅可用图表法表示出函数之间的关系，且可用与图形相对应的数学公式来描述函数之间的关系，从而进一步用数学分析的方法来研究这些变量之间的相关关系。该数学表达式称为经验公式，又称为回归方程。建立回归方程常用的方法为回归分析。根据变量个数以及变量之间的关系不同，所建立的回归方程也不同，有一元线性回归方程（直线拟合）、一元非线性回归方程（曲线拟合）、多元线性回归和多元非线性回归等。 7.2.4 有效数字及数据修约 实验获得的数据，经数据处理得到最终的结果。在数据处理过程中，必须注意有效数字的运算，它应以不影响测量结果的最后一位有效数字为原则，计量规则中对单一运算、复合运算以及有效位数的增计都有相应的运算规则。 另外在工作中，往往会遇到多位数的数值，但实际需要的却是限定的较少位数，这时应对数值进行修约。数值修约规则有“偶舍奇入”规则和“4舍5入”规则。两种规则，不同情况下，效果不同，对二进制来说，“4舍5入”规则往往效果明显。 7.3 回归分析及其应用 本节将重点讨论回归分析方法及其在工程测试中的应用。 7.3.1 一元线性回归 1.线性相关 所谓相关指变量之间具有某种内在的物理联系。对于确定性信号来说，两个变量之间可用函数关系来描述，两者一一对应。而两个随机变量之间不一定具有这样确定性的关系，可通过大量统计分析发现它们之间是否存在某种相互关系或内在的物理联系。 2. 线性回归方程的确定 若所获取的一组 、 数据可用线性回归方程来描述，确定回归方程的方法较多，常用“端点连线法”、“平均法”、“最小二乘法”和“绝对差法”。设两变量之间关系为 ,并有一系列测量数据 ,若上列数据相互间基本上是线性关系，则可用一系列方程来表示,即 (7-1) 此直线方程就称为上述测量数据的拟合方程。所谓直线拟合，实际上就是根据一系列测量数据通过数学处理确定相应的直线方程，更确切地说是要求得直线方程中的两个常量 和 。 拟合方法通常有以下几种： 端点连线法 平均法 最小二乘法 绝对差法 1） 端点连线法 将上述测量数据中的两个端点值，即起点和终点测量值 和 代入式（7-1）求常数和，也就是用两个端点连成的直线来代表所有的测量数据，代入后得