工程硕士0-绪论及误差的基本案例.ppt

1.1 真值与平均值 权数或权值的确定： 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。 最小刻度的一半为绝对误差； 最小刻度为最大绝对误差； 根据仪表精度等级计算： 绝对误差=量程×精度等级% 绝对误差估算方法 （二）相对误差（relative error） （1）定义： 或 或 （2）说明： 真值未知，常将Δx与试验值或平均值之比作为相对误差： 或 可以估计出相对误差的大小范围： 相对误差限或相对误差上界 相对误差常常表示为百分数（%）或千分数（‰） ∴ （三）算术平均误差 (average discrepancy) 定义式： 可以反映一组试验数据的误差大小 试验值 与算术平均值 之间的偏差 —— （四）标准误差 (standard error) 当试验次数n无穷大时，总体标准差： 试验次数为有限次时，样本标准差： 表示试验值的精密度，标准差↓，试验数据精密度↑ 1.3 试验数据误差的来源及分类 （1）系统误差 （1）系统误差 （1）系统误差 （2）随机(偶然)误差 随机事例的例子 （2）随机误差 （3）粗大误差 （3）粗大误差 （一）精密度（precision） （1）含义： 反映了随机误差大小的程度 在一定的试验条件下，多次试验值的彼此符合程度 例：甲：11.45，11.46，11.45，11.44 乙：11.39，11.45，11.48，11.50 （2）说明： 可以通过增加试验次数而达到提高数据精密度的目的 试验过程足够精密，则只需少量几次试验就能满足要求 1.4 试验数据的精准度 （3）精密度判断 ①极差（range） ②标准差（standard error） R↓，精密度↑ 标准差↓，精密度↑ （一）精密度（precision） ③方差（variance） 标准差的平方： 样本方差（ s2 ） 总体方差（σ2 ） 方差↓，精密度↑ （一）精密度（precision） （2）正确度（correctness） 反映系统误差的大小 （3） 准确度（accuracy） 反映了系统误差和随机误差的综合 表示了试验结果与真值的一致程度 小结 重点：试验数据误差的来源及分类 难点：试验数据的精准度区分 试验设计与数据处理 @2014 邓大祥 试验设计与数据处理 （Design of Experiment and Data Processing） 邓大祥 邮箱：dxdeng@xmu.edu.cn 课程目录 引言 第一章：误差的基本概念 第二章：误差分析 第三章：正交实验设计 第四章：方差分析 第五章：回归分析 引 言 1.试验设计方法是一项通用技术，是当代科技和工程技术人员必须掌握的技术方法。 2.科学地安排实验，以最少的人力和物力消费，在最短的时间内取得更多、更好的生产和科研成果。简称为：多、快、好、省。 试验设计 试验实施 数据整理 数据分析 试验研究 优良的试验方案 遵循试验设计基本原则，控制试验误差 简单计算获取有价值试验规律 试验研究结果可推广和重复 如何进行科学合理的试验设计 合理地安排试验,力求用较少的试验次数获得较好结果 例：某试验研究了3个影响因素： A：A1，A2，A3 B：B1，B2，B3 C：C1，C2，C3 全面试验：27次 正交试验：9次 1）试验设计的目的 2）数据处理的目的 通过误差分析，评判试验数据的可靠性； 确定影响试验结果的主次因素，抓住主要矛盾，提高试验效率； 确定试验因素与试验结果之间存在的近似函数关系，并能对试验结果进行预测和优化； 试验因素对试验结果的影响规律，为控制试验提供思路； 确定最优试验方案或配方。 试验设 计效果 B E C D A 因素对指标影响规律 因素对指标影响大小 因素间是否相互影响 优选最佳条件，估计指标值 估计和控制试验误差 通过本课程学习，致力于解决以上5个问题 1980s 美国引进田口方法 1920s 1935 1949 1980s 试验设计方法起源 1935 “Design of Experiments” 试验设计成为应用技术科学 1930~40s 英、美、苏用于工业 1940s末 美国Deming传播SED至日本 1949 日本Genichi Taguechi(田口玄一) 以SED为基础建立“正交试