项目二、试验检测数据处理..pptVIP

项目二、试验检测数据处理 工程质量的评价是以试验检测数据为依据的。试验检测采集得到的原始数据类多量大，有时杂乱无章，甚至还有错误，因此，必须对原始数据进行分析处理才能得到可靠的试验检测结果。本章以数理统计与概率论为基础，介绍试验检测数据的处理方法。 情境一、认识误差 情境二、抽样检验 1、总体：又称母体，是统计分析中所要研究对象的全体。 有限总体：可以用数量来衡量的总体。 无限总体：一批产品，一道工序或一个连续的整体。 2、个体：组成总体的每个单元称为个体。 3、样本：从总体中抽取一部分个体就是样本。 4、样品：组成样本的每一个个体叫做样品。 5、样本容量：是指样本中所含样品的数量，通常用n来表示。样本容量越大，可靠性越大，工作量越大，花费越多。 6、总体与样本的关系： 7、检验的基本意义： ①、对各个物品的检验： 各个产品→试验→与质量判定标准比较→判定优良品与不良品 ②、对批进行检验： 批→抽样→对样品进行检验→与批的判定标准作比较→判定批的合格与否 四、抽样检验常用方法 情境三、数据的修约规则 三、质量数据的修约规则 情境四、数据的统计特征与分布 一、数据的统计特征 情境五、可疑数据的取舍方法 情境六、质量数据的统计方法 方案一、直方图法 （4）确定组界值 为避免数据恰好落在组界上，组界值要比原数据的精度高一位。 第一组的下界值= xmin-h/2 第一组的上届值= xmax-h/2 第一组的上界值就是第二组的下界值，第二组的下界值加上组距h，即为第二组的界值，依次类推。 （5）统计频数 组界值确定后按组号统计频数、频率（相对频数）。 （6）绘制直方图 以横坐标为质量特殊性，纵坐标为频数（或频率）作直方图。 绘制步骤 ： ⑴收集数据并整理。原则上要求收集50～100个以上数据。 ⑵把数据按时间和分批的顺序排列、分组。 ⑶计算各组的平均值、极差 ，并列于表中。 ⑷计算各组平均值的平均值、极差的平均值 。 ⑸计算控制界限 。 ⑹建立坐标，画出控制图。中心线用实线表示，控制界限用虚线示，并将样本数据按抽样顺序描在图上 。 方案三、相关图法 1、绘图步骤： ⑴数据收集。成对地收集两种特性的数据做成数据表，数据应在30组以上。 ⑵设计坐标。在坐标纸上以原因作x轴，结果(特性)作y轴，找出x、y的最大值和最小值，以最大值与最小值的差定坐标长度，并定出适当的坐标刻度。 ⑶数据打点入座。将集中整理后的数据依次相应用“·”标出纵横坐标交点。 ⑷注说明。在图中适当位置写明数据个数、收集时间、工程部位名称、制图人和制图日期等。 2、相关图的几种基本类型： ⑴、正相关。随着x的增加，y也明显增加； ⑵、弱正相关。随着x的增加，y大体上也增加，但不像正相关那样呈直线状； ⑶、负相关。随着x的增加，y也明显减小； ⑷、弱负相关。随着x的增加，y大体上减小，但不像负相关那样呈直线状； ⑸、不相关。x的增减对y无影响，即x与y没有关系； ⑹、非线性相关。点的分布呈曲线状。 3、回归分析 做出相关图后，即可根据回归分析揭示两个变量（因素）之间的相关关系，并可确定它们之间的定量表达式——回归方程。 在实际问题中，有时两个变量之间的关系是线性，而有时两个变量之间则存在非线性关系。因此，一般情况下，试验结果的数学表示包括三个方面的工作： ⑴确定回归方程的类型。 ⑵确定回归方程中的回归系数。 ⑶回归方程相关关系的判断。 一元线性回归是工程中常遇到的配直线的问题。通过试验，可以得到若干组的对应数据，根据这些数据画出相关图，当点大致分布在一条直线附近时，说明两变量之间存在线性关系，即可以用一条适当的直线来表示这两个变量的关系。此直线方程为： Y ＝ a+ bX 根据这个条件可以求得： 任何两个变量x、y的若干组试验数据，都可以按上述方法配置一条回归直线，假如两变量x、y之间根本不存在线性关系，那么所建立的回归方程就毫无实际意义。因此，需要引入一个数量指标来衡量其相关程度，这个指标就是相关系数，用r表示： 相关系数r是描述回归方程线性相关的密切程度的指标，其取值范围为－1≤γ≤1。γ的绝对值越接近于l，x和y之间的线性关系越好，当γ＝±1时，x与y之间符合直线函数关系，称x与y完全相关，这时所有数据点均在一条直线上；如果γ趋近于0，则x与y之间没有线性关系，这时x与y可能不相关，也可能是曲线相关。 对于一个具体问题，只有当相关系数γ的绝对值大于临界值γβ时，才可用直线近似