误差理论与数据处理第二章误差的基本性质与处理分析.ppt

第三节　粗大误差 （四）罗曼诺夫斯基准则 当测量次数较少时，按 t 分布的实际误差分布范围来判别粗大误差较为合理。罗曼诺夫斯基准则又称 t 检验准则，其特点是首先剔除一个可疑的测得 值，然后按 t 分布检验被剔除的值是否是含有粗大 误差。 第三节　粗大误差 怀疑 计算： 根据测量次数n和选取的显著度 ，由表2-12查得 t 分布的检验系数 。 第三节　粗大误差 例2-21 试判断例2-18中是否含有粗大误差。 解：首先怀疑第八组测得值含有粗大误差，将其剔除。计算： 选取显著度 ，已知n＝15，查表2-14得： 故第八个数含有粗大误差，应剔除。然后对剩下的14个测得值进行判别，可知这些测得值不再含有粗大误差。 粗大误差判别方法比较： 大样本情况（n50）:3σ准则最简单，但可靠性不高，不需要查表，故在要求不高时经常使用； 30n≤50: 用格罗布斯准则效果较好； 3≤n30:用格罗布斯准则适于剔除一个异常值，用狄克逊准则适于剔除一个以上异常值。 测量次数比较小:也可根据情况采用罗曼诺夫斯基准则 。 较为精密的实验场合:可以选用二、三种准则同时判断，结果一致时，则可以放心地加以剔除或保留。判断结果有矛盾时，则应慎重考虑，一般不剔除。因为留下某个怀疑的数据后算出的σ只是偏大一点，这样较为安全。另外，可以再增添测 量次数，以消除或减少它对平均值的影响。 第三节　粗大误差 以上三节分别讨论了三类测量误差，它们的特点各异，因而处理的方法也有较大差别。现简单归纳如下： ① 随机误差具有抵偿性，这是它最本质的特性，算术均值和标准差是表示测量结果的两个主要统计量；系统误差则违背抵偿性，因而会影响算术均值，变化的系统误差还影响标准差；粗大误差则存在于个别的可疑数据中，也会影响算术均值和标准差。 ② 随机误差服从统计规律，是无法消除的，但通过适当增加测量次数可提高测量精度；系统误差则是有确定性规律，在掌握这个规律后，可以采取适当的措施消除或减小它；粗大误差既违背统计规律，又违背确定性规律，可用物理或统计的方法判断后剔除。 ③ 为处理一组测量数据，往往用适当的方法检验数据中是否含有明显的系统误差，如确认已无系统误差，再找出个别可疑数据，经统计判断确认无粗大误差后，最后处理随机误差，统计算术平均值、标准差及极限误差，以正确的表达方式给出测量结果。 小结 第四节　测量结果数据处理实例 一、等精度直接测量列数据处理实例 例２-２２：等精度测轴径９次，求测量结果。 序号 1 2 3 4 5 6 7 8 9 24.774 24.778 24.771 24.780 24.772 24.777 24.773 24.775 24.774 -0.001 +0.003 -0.004 +0.005 -0.003 +0.002 -0.002 0 -0.001 0.000001 0.000009 0.000016 0.000025 0.000009 0.000004 0.000004 0 0.000001 （１）判断有无固定的系统误差； 　　 依题意，无固定的系统误差。 （２）判断有无变化的系统误差，若有，则需修正； 残余误差观察法： 无变化的系统误差 第四节　测量结果数据处理实例 （３）判断有无粗大误差，剔除异常值； 　　因n较少，按格罗布斯准则判别。 （４）按随机误差处理数据，给出测量结果。 无粗大误差 第四节　测量结果数据处理实例 因n较少，按t分布计算极限误差。 第四节　测量结果数据处理实例 二、不等精度直接测量列数据处理实例 （１）求加权算术平均值； 　　 例２－２３　对某一个角度进行六组不等精度测量， 　　　　　　各组测量结果如下： 测６次得　　　　　　　　　测３０次得 测２４次得　　　　　　　　测１２次得 测１２次得　　　　　　　　测３６次得 求最后的测量结果。（假设各组测量结果不存在系统误 差和粗大误差）　 第四节　测量结果数据处理实例 第四节　测量结果数据处理实例 第四节　测量结果数据处理实例 （２）求残余误差并进行校核 　　 校核 计算正确 （３）求加权算术平均值的标准差 　　 （４）求加权算术平均值的极限误差 　　 （５）求最后的测量结果 　　 第四节　测量结果数据处理实例 2-9；2-11； 2-14；2-15；2-17;2-18;2-26 2-22( 求测量结果） 要求用高级计算机语言编程实现各项功能 习 题 第6版 * 第二节　系统误差 我们可针对不同性质的系统误差，可按照下述两类方法加以识别： 1、用于发现测量列组内的系统误