第3单元误差(下).pptVIP

通常将置信度定为0.90或0.95 从精确性角度看，置信区间越小越好，此时对真值的估计越精确。因此要求置信度P尽量小。但过分追求精确性会失去估计的可靠性 从可靠性角度看，估计的把握性越大越好，此时对真值的估计越可靠。因此要求置信度P尽量大。但过分追求可靠性会失去估计的精确性 置信区间的精确性和可靠性是两个互相矛盾互相制约的因素，在考虑置信区间时必须兼顾精确性与可靠性这两个方面 ：平均值的标准偏差 平行测定m ? n 次，数据属于同一总体 第1组：x11，x12，......，x1n S1 第2组：x21，x22，......，x2n S2 ...... ...... ...... ...... ...... ...... 第m组：xm1，xm2，......, xmn Sm 在理想情况下可认为（等精密度测量）： S1 = S2 = ...... = Sm = S 三、平均值的置信区间 定量关系： 平均值的置信区间： 原本需要平行测定n ? m次才能获得 现在只需平行测定n次 例3-3 某试样中锰含量的测定。5次测定数据分别为4.22，4.25，4.26，4.21和4.22(%)。试分别用单次测量值4.22和平均值来估算含锰量的置信区间（置信度0.95） 解： = 4.23，S = 0.022，n = 5，f = 4，P = 0.95，t表 = 2.78 单次测量值的置信区间： μ = x ? t表S = 4.22 ? 2.78?0.022 = 4.22 ? 0.06 平均值的置信区间： n对测量平均值的置信区间的影响 (1) n越大， 越大，置信区间越小 (2) n越大，f越大，在相同的P下，t表值越小，置信区间越小 (3) n越大， 越小，置信区间越小 总之，测量次数n越大，置信区间越小，测量越精确 但对此不应做绝对化理解，还要考虑物资和时间的投入等其它因素 对照试验，属于统计检验 目的：检验测量中是否存在系统误差 1. 平均值与标准值比较（t检验） 根据 定义统计量： 由自由度f和所要求的置信度P在t值表中查到t表值 比较 与μ之间有无显著差异 如果?t计? ? t表， 与μ无显著差异 如果?t计? t表， 与μ有显著差异 四、显著性检验 对随机误差的分布而言， 所对应的?t计? ? t表的概率为0.95，是一个大概率事件，故认为 与μ之间的差异是由随机误差而不是系统误差引起的， 是理所当然的 对随机误差的分布而言， 所对应的?t计? t表的概率为0.05，是一个非常小概率事件，实际上是不可能出现的。但它居然出现了，可见 与μ之间的差异不是由随机误差引起的，而是由系统误差造成的 统计检验的原则是“小概率事件原则”： 认为小概率事件在正常情况下是实际不可能事件 显著性水平（水准）? ：具有显著差异的测量值在随机误差中出现的概率 ? = 1 ? P * * 第3章 误差及分析数据的处理（下） 3-4. 随机误差的分布规律 3-5. 有限次测量数据的统计处理 一、随机误差的正态分布 1. 实例 某班学生用重量法测定某软锰矿中MnO2的含量，共205个数据 3-4. 随机误差的分布规律 系统误差：由某种固定原因引起的误差，可测误差 随机误差：由某些无法控制和避免的偶然因素造成的误差，无法消除和避免，不可测误差。 假设在测量过程中不存在系统误差 n = 205 分布范围：58.1 ? 59.6 极差R = 1.5 平均值 = 58.9 标准偏差S = 0.23 将205个数据分组，组距?x = 0.1，可分为16组 组号 1 2 分 组 58.05 ? 58.15 58.15 ? 58.25 频数ni 1 2 频率ni/n 0.005 0.010 频率密度(ni/(n ?x)) 0.05 0.10 对数据进行整理 频率密度直方图 初步结论： （1）测量数据的分布服从某种统计规律 （2）分布特点：分散的测量值有向平均值集中的趋势 理论研究表明，不含系统误差的测量值一般均服从正态分布规律 正态分布，又称高斯分布 2. 高斯方程 ?：总体平均值（相当于 ） ?：总体标准偏差（相当于S） x：个别测量值 y：概率密度（相当于频率密度ni/(n ?x)）