《试验设计与数据处理》第1章合编.ppt

※ 试验的目的是获得规律，规律的表现形式在于数据 ※ 误差存在的客观性 ※ 误差范围的可控性和数据的可靠性 ※ 本章的主要内容： 误差来源 误差表示 误差估计 误差传递 1.3 试验数据误差的估计与检验 ※1 随机误差的估计 对试验值精密度高低的判断： (1) 极差：指一组试验值中最大值与最小值的差值。 R＝xmax - xmin (2) 标准差：总体标准差σ、样本或子样标准差s 反映试验数据的分散程度： σ或s越小，则数据的分散性越低，精密度越高，随机误差越小，试验数据的正态分布曲线也越尖。 (3) 方差：方差即为标准差的平方 方差也反映了数据的分散性，即随机误差的大小。 1.3 试验数据误差的估计与检验 ※2 随机误差的检验 1.3 试验数据误差的估计与检验 ※2 随机误差的检验 * * 1-1 真值与平均值 真值：客观存在的实际值 理论真值： 理论上存在、计算推导出来 如：三角形内角和180° 约定真值： 国际上公认的最高基准值 如：基准米 (氪-86的能级跃迁在真空中的辐射波长) 相对真值： 利用高一等级精度的仪器或装置的测量结果作为近似真值 1m=1 650 763.73 λ 标准仪器的测量标准差 1/3 测量系统标准差 → 检定 试验结果都具有误差，误差自始至终存在于一切科学试验过程中。 误差分析（error analysis）：对原始数据的可靠性进行客观的评定。 1-1 真值与平均值 1. 算术平均值 适用场合：等精度的试验、试验值服从正态分布。 等精度的试验：指试验人员、试验方法、试验场合、试验条件相同的试验。 设有n个试验值：x1，x2，…，xn，则它们的算术平均值为： 1-1 真值与平均值 2. 加权平均值 设有n个试验值：x1，x2，…，xn，w1, w2,…，wn代表单个试验值对应的权，则它们的加权平均值为： 适用场合：非等精度的试验、试验值服从正态分布。 ① 当试验次数很多时，以试验值xi在测量中出现的频率ni / n作为权数。 ② 如果试验值是在同样的试验条件下但来源于不同的组，则以各组试验值的出现的次数作为权数。 加权平均值即为总算术平均值。 ③ 根据权与绝对误差的平方成反比来确定权数。 设有两个数值 x1、x2，都为正数，则它们的对数平均值为： 注意： 如果0.5≤x1/x2 ≤2时，可用 代替 ，误差≤4.4％ 适用场合：试验数据的分布曲线具有对数特性。 1-1 真值与平均值 3. 对数平均值 5. 调和平均值 设有n个正试验值：x1，x2，…，xn，它们的调和平均值为： 适用场合：试验值的倒数服从正态分布 。 适用场合：试验数据取对数后分布曲线更加对称时 。 设有n个正试验值：x1，x2，…，xn，则它们的几何平均值为： 1-1 真值与平均值 4. 几何平均值 1. 误差定义： Δx – 测量误差 x – 测量结果 x0 – 真值 测量结果与其真值的差异 绝对误差: 相对误差: 绝对误差 = 试验值－真值 真值一般是未知的，通常用最大的绝对误差来估计其大小范围： 最大绝对误差的估算： 用仪器的精度等级估算； 用仪器最小刻度估算 1-2 误差的来源和分类 1. 误差定义： 算术平均误差 设试验值xi与算术平均值 之间的偏差为di，则算术平均误差定义式为： 求算术平均误差时，偏差di可能为正也可能为负，所以一定要取绝对值。显然，算术平均误差可以反映一组试验数据的误差大小，但是无法表达出各试验值间的彼此符合程度。 1-2 误差的来源和分类 标准误差：均方差、标准偏差，简称为标准差。 标准差与每一个数据有关，而且对其中较大或较小的误差敏感性很强，能明显地反映出较大的个别误差。 它常用来表示试验值的精密度： 标准差越小，试验数据精密度越好。 当试验次数为有限时，称为样本标准差，其定义为： 当试验次数n无穷大时，称为总体标准差σ，其定义为： 1-2 误差的来源和分类 (1) 原理误差： 测量原理和方法本身存在缺陷和偏差 近似： 如：非线性 比较小时 可以近似为线性 假设： 理论上成立、实际中不成立 如：误差因素互不相关 (2) 装置误差： 测量仪器、设备、装置导致的测量误差 机械：零件材料性能变化、配合间隙变化、