第三章 误差及其处理.pptVIP

随机测量数据的置信度 【例】对某电阻作无系统误差等精度独立测量，已知测量数据服从正态分布，其标准差为0.2Ω，求被测电阻真值R 落在区间[R - 0.5, R + 0.5]Ω的概率。 相应的置信概率为： 同样可以算出，当置信区间要求为： 运算表明：当置信区间要求为： 相应的置信概率为： 随机测量数据的置信度 由给定或设定置信概率P来计算置信区间[-a，+a]； 【例】对某电压值进行测量，其标准差为0.02V，期望值为79.83V，求置信概率为99%时所对应的测量置信区间。 随机测量数据的置信度 置信概率与置信区间的说明 A. 对给定置信概率，测出的置信区间愈小，表明系统的测量精度愈高。 B. 对给定置信区间，测出的置信概率越大，表明系统越可靠。 随机误差的处理 随机误差处理 平均值处理方法 被测样品的真实值是当测量次数n为无穷大时的统计期望值。n次采样数据算术平均值的标准误差 为: 由上式可见：测量列的算术平均值的标准误差 只是各测量值的标准误差σ的 。因此，以算术平均值作为检测结果比单次测量更为准确，而且在一定测量次数内，测量精度将随着采样次数的增加而提高。 随机误差的处理 平均值先后计算 将式（1）（2）式在真值V0 附近展开泰勒级数，保留到二次项得： （2） （1） 当采样次数n不受限制时，可以认为平均值 更接近 ， 当测量次数n较大时，可以认为 ，但 不可能为零。 直接采样信号的平均值就是系统对检测信号的最佳估计值，可用平均值代表其相对真值； 如果被测量与直接采样信号函数关系明确，将各直接量的最佳估计值代入该函数，所求出值即为被测量的最佳估计值。 ，因此应采用： 随机误差的处理 数据序列数n的确定 标准误差 σ是在采样次数n足够大得到的，但实际测量只能有限次，测量次数n如何确定？ a 实际测量中的有限次测量只能得到标准误差的近似值 b 通过贝塞尔公式求标准误差的近似值 c 采用近似值 通过谢波尔德公式确定测量次数n。 随机误差的处理 由贝塞尔（Bessel）公式可推导出用剩余误差计算近似标准误差为： 谢波尔德公式给出了标准误差 、近似误差 以及检测设备分辨率ω之间的关系： 当测量次数n增加，利用随机误差的抵偿性质，使随机误差对测量结果的影响削弱到与 相近的数量时，近似误差就趋于稳定，此时测量次数n为选定值，一般 n 在 10~20之间。 随机误差的处理 粗大误差的剔除 物理判别法——测量过程中 ——人为因素（读错、记录错、操作错） ——不符合实验条件/环境突变（突然振动、电磁干扰等） ——随时发现，随时剔除，重新测量 统计判别法——测量完毕 按照统计方法处理数据，在一定的置信概率下确定置信区间，超过误差限的判为异常值，予以剔除。 粗大误差的剔除 拉依达准则 （3 准则） 随机误差大于3倍标准差的概率仅为0.002 7，如果测量值 Ak 的随机误差为δk ，且 ，则该测量值含有粗大误差，应予以剔除。 实际应用中用剩余误差代替随机误差，标准差采用估计值，即： 当n较小时，特别是当n≤10时，该准则失效。以n=10为例，由贝塞尔公式： 当n≤10时，剩余误差总是小于 ，即使在测量数据中含有粗大误差，也无法判定。 粗大误差的剔除 格罗布斯（Grubbs）准则 当测量数据中，测量值Ak 的剩余误差满足下面的条件时，则除去Ak ： 是与测量次数n、显著性水平α相关的临界值，可以查表获得。 α与置信概率P 的关系为： 粗大误差的剔除 α n 0.01 0.05 3 1.16 1.15 4 1.49 1.46 5 1.75 1.67 6 1.91 1.82 7 2.10 1.94 8 2.22 2.03 9 2.32 2.11 10 2.41 2.18 11 2.48 2.23 12 2.55 2.29 13 2.61 2.33 特点：1. 对于次数较少的粗大误差剔除的准确性高； 2. 每次只能剔除一个可疑值。 粗大误差的剔除 具体步骤： a. 用查表法找出统计量的临界值： b. 计算各测量值的剩余误差，找出剩余误差绝对值最大值； c. 判断： d. 剔除含有粗大误差的测量值后，重新计算标准差估计值，重复步骤 a~c，直