第二章误差的基本性质与处理解说.ppt

　　 当对同一测量值进行多次等精度的重复测量时，得到一系列不同的测量值（常称为测量列），每个测量值都含有误差，这些误差的出现没有确定的规律，即前一个数据出现后，不能预测下一个数据的大小和方向。但就误差整体而言，却明显具有某种统计规律。 　　　 随机误差是由很多暂时未能掌握或不便掌握的微小因素构成，主要有以下几方面： 　　　 ① 测量装置方面的因素 　　　 ② 环境方面的因素 　　　 ③ 人为方面的因素 　　随机误差的分布可以是正态分布，也有非正态分布。现分析服从正态分布的随机误差的特性。 　　设被测量值的真值为L0，一系列测得值为l i ，则测量列的随机误差δi可表示为：　　　　　　　　　　　　　　　　　　　　　　　　　　(2-1) 　 式中　　　　　　　。 正态分布的分布密度　　与分布函数　　为 (2-2) (2-3) 　 式中：σ—标准差(或均方根误差)； e —自然对数的底 它的数学期望为 　　 (2-4) 它的方差为：　　　　　　　　　　　　　　　　　　　　　　 (2-5) 　其平均误差为：　　　　　　　　　　　　　　　　　　　　　　 (2-6) 　此外,由 可解得或然误差为 ： 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　(2-7) 　 由式（2-2）可以推导出随机误差的几个特征： 　　　① 由 　　　　, 　　　　 可知分布具有对称性，即绝对值相等的正误差与负误差出现的次数相等，这称为误差的对称性； 　　　② 当δ=0时有 　　　 ，即 　　　　，可推知单峰性，即绝对值小的误差比绝对值大的误差出现的次数多，这称为误差的单峰性； 　　　③ 虽然函数f(δ)的存在区间是[-∞,+∞]，但实际上，随机误差δ只是出现在一个有限的区间内，即[-kσ,+kσ],称为误差的有界性； 　　　④ 随着测量次数增加，随机误差的算术平均值趋向于零： 　 这称为误差的补偿性。 　 图2-1为正态分布曲线以及各精度参数在图中的坐标。σ值为曲线上拐点A的横坐标，θ值为曲线右半部面积重心B的横坐标，ρ值的纵坐标线则平分曲线右半部面积。 可以证明:当测量次数无限增加时，算术平均值必然趋近于真值Lo。 即 由前面正态分布随机误差的第四特征可知 ，因此 结论：当测量次数无限增大时，算术平均值（数学上称之为最大或然值）被认为是最接近于真值。但由于实际上都是有限次测量，因此，我们只能把算术平均值近似地作为被测量的真值。 一般情况下，被测量的真值为未知，不可能按式（2-1）求得随机误差，这时可用算术平均值代替被测量的真值进行计算。此时的随机误差称为残余误差，简称残差： (2-9) 可用简便算法求算术平均值。任选一个接近所有测得值的数 作为参考值，计算每个测得值 与 的差值： (2-10) 按上式求算术平均值比较简单。 【例2-1】 测量某物理量10次，得到结果见表2-1，求算术平均值。 （二）算术平均值的计算校核 　　分析证明，用残余误差代数和校核算术平均值及其残差，其规则为： 　 ①残差代数和应符合： 　　　当　　　　　，求得的　为非凑整的准确数时，　　为零； 　　　当　　　　　，求得的　为非凑整的准确数时，　　为正，其大小为求　时的余数； 　　　当　　　　　，求得的　为非凑整的准确数时，　　为负，其大小为求　时的亏数。 　 ②残差代数和绝对值应符合： 　　　当n为偶数时， 　　　　；当n为奇数时，　　　　　　　　。 　 式中的A为实际求得的算术平均值　末位数的一个单位。 以上两种校核规则，可根据实际运算情况选择一种进行校核，但大多数情况选用第二种规则可能较方便，它不需要知道所有测得值之和。 　　　　　　　　　 【例2-2】 用例2-1数据对计算结果进行校核。 解：因n为偶数， A＝0.01，由表2-1知 　　 　　　　　故计算结果正确。 用第一种规则校核，则有： 用第二种规则校核，则有： 故用两种规则校核皆说明计算结果正确。 由于σ值反映了测量值或随机误差的散布程度，因此σ值可作为随机误差的评定尺度。σ值愈大，函数 减小得越慢；σ值愈小， 减小得愈快，即测量到的精密度愈高，如下图所示。 （二）或然误差ρ 测量列的或然误差ρ，它将整个测量列的