哈工大误差分析课程设计-Monte_Carlo【参考】.docxVIP

哈工大误差分析课程设计-Monte_Carlo【参考】.docx

  1. 1、本文档共23页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
Monte Carlo模拟误差分析课程设计1 实验目的1.1了解MATLAB软件的基本功能和使用1.2 学习不确定度的统计模拟分析方法1.3 研究误差概率密度函数和Bessel公式获得扩展不确定度的方法和影响因素2实验原理在误差分析的过程中,常用的方法是通过测量方程推导出误差传递方程,再通过不确定度的合成公式获得间接测量量的标准不确定度和扩展不确定度(GUM)。在有些场合下,测量方程较难获得,在这种情况下研究误差的特性就需要借助于模拟统计的方式进行计算。Monte Carlo(MCM)法就是较为常用的数学工具,具体原理相见相关资料。此次课程设计中按照实验要求产生的随机数可以模拟测量误差,通过对这些随机数的概率密度分布函数的面积、包络线和概率特征点的求取,可以获得随机误差的标准不确定度——(MCM),并与理论上估计标准不确定度的Bessel公式、极差法作——(GUM)比较,完成实验内容。并以此作为基础,分析GUM法与MCM法的区别与联系,影响MCM法的参数,自适应MCM法和基于最短包含区间的MCM法。已知两项误差分量服从正态分布,标准不确定度分别为mV, mV,用统计模拟分析法给出两项误差和的分布(误差分布的统计直方图,合成的标准差,合成的置信概率 P为99.73%的扩展不确定度)。3实验内容(1). 利用MATLAB软件生成[0,1]区间的均匀分布的随机数;(2). 给出误差分量的随机值:利用MATLAB,由均匀分布随机数生成标准正态分布随机数,误差分量随机数可表示为mV;mV(3). 求和的随机数:误差和的随机数;(4). 重复以上步骤,得误差和的随机数系列: ;(5). 作误差和的统计直方图:以误差数值为横坐标,以频率为纵坐标作图。作图区间应包含所有数据,按数值将区间等分为组(尽可能大),每组间隔为,记数各区间的随机数的数目,以为底,以为高作第()区间的矩形,最终构成误差和的分布直方图,该图包络线线即为实验的误差分布曲线。(6). 以频率为界划定区间,该区间半宽即为测量总误差的置信概率为95%的扩展不确定度。(7). 合成的标准不确定度:4.实验流程图:一.实验1本实验中随机数种子为014。并使分别取N为100000点和10000点两种情况下,得到M值分别为5*N, 2*N, N, N/2, N/5, N/10五种情况下的模拟图像。1.实验1程序tic;clear;clc;close all;%%设定参数值%%%%随机信号点数N,均值为1,标准差u1,u2%%N=10^5;M=N/10;x=0:1:M;x_=[1:M];u1=0.005;u2=0.007; %%产生两个在(0,1)上服从均匀分布的,种子为0,每一次都相同的随机数X1和X2%%rand('state',014);X1=rand(1,N);X2=rand(1,N); %%按照Box-Mueller变换方法产生标准正态分布Y1和Y2%%Y1=sqrt(-2*log(X1)).*cos(2*pi*X2);Y2=sqrt(-2*log(X1)).*sin(2*pi*X2);%% 为做直方图先定义好X轴的坐标数据%%delta1=u1*Y1;delta2=u2*Y2;delta=delta1+delta2;d_delta=(max(delta)-min(delta))/(M-1);%%d_delta为误差分布的间距delta_n=[min(delta):d_delta:max(delta)];%%delta_n为误差分布序列%%作图%%%%高斯随机信号%%figure(1),axis([0,N,-max(5*Y1),max(5*Y1)])plot(Y1);grid on;figure(2),axis([0,N,-max(5*Y2),max(5*Y2)])plot(Y2);grid on;% hold on% plot(x,0,'k');grid on;% plot(x,1,'r--');grid on;% plot(x,-1,'r--');grid on;% hold on%%变换为任意均值和方差的正态分布%%%Z1=Sigma*Y1+Mu;%%作图%%%%高斯随机信号%%% subplot(2,2,2)% axis([0,N,-6,6])% plot(Z1);grid on;% hold on% plot(x,Mu,'k');% plot(x,Mu+Sigma,'r--');grid on;% plot(x,Mu-Sigma,'r--');grid on;% hold on%%正态分布误差1幅度直方图%%figure(3)axis([-1,1,0,N])hist(delta1,M);grid on;%%正态分布误差2幅度直方图%%figure(4)axis([-1,

文档评论(0)

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档