第3章节实验数据整理.docVIP

第3章 实验数据整理 3.1 数据处理中常用的几个概念 总体、个体与子样是数理统计学常用的几个概念，而实验数据处理有好多内容是数理统计方法的应用，因此也常用到这些概念。 我们把研究对象的全体称为总体(或母体)；而研究对象的一个单体称为个体。 抽选的个体的集合体，在数理统计中称为子样(或样本)。每个子样所包含的个体数目，通常称为(子样)容量。 子样元素的某一特性指标称为子样值。如上面说的每一次测定长度值就是子样值。 3.2 子样的均值与标准差 表示数据集中性常用的是算术平均值。 表示数据离散程度常用的是方差。子样元素值与子样平均值之偏差的平方和的平均值，即 (3.1) 称为子样方差。子样方差的开平方为子样标准差，即式(2.13) 为了得到总体方差的无偏估计量(参见下一节)，必须对子样方差(3.1)式作点修改，即用n-1来代替式(3.1)中的n，并记为S2，即 (3.2) S2称为子样修正方差。相应地有子样修正标准差式(2.14)，即 习惯上，经常把S2和S分别叫做子样方差和子样标准差(或简称标准差)。本书在后面的叙述中，也采用这种说法。 3.3 均值与方差的点估计 在实际问题中，根据子样的数据，计算出的子样特征数与S2，通常用来作为相应总体特征数的估计量。对于服从正态分布的总体，均值为μ，方差为σ2(参见1.6节)。当子样是从一正态分布的总体中随机抽出的一部分时，可用子样平均值去估计该总体的均值μ，而用子样方差S2去估计总体方差σ2，这在数理统计中称为点估计，即 (3.3) (3.4) 其中“^”为估计量的符号。用子样特征数去估计总体特征数，很重要的一点是前者为后者的无偏估计量。也就是说，当我们用作为或用S2作为时，子样特征数应满足这样的要求，即它的数学期望(统计平均)应当等于它所估计的参数本身，即 (3.5) (3.6) 这个要求称为无偏性。 我们通常计算的算术平均值是满足这个要求的。根据概率论中数学期望的性质，有 (3.7) 由于x1,x2,…,xn相互独立，都是随机变量x的估计值，因此，我们可把子样值xi看成是一随机变量，且与随机变量x有相同的理论分布和理论均值μ。于是，式(3.7)变为 (3.8) 至此，式(3.5)得证。该式表明，子样均值是总体均值μ的一个无偏估计量。 子样平均值可作为总体均值μ的最佳估计值，这只给出了问题的一个方面。一般地说，子样均值并不等于总体均值μ。换句话说，用去估计μ是有误差的。人们往往对这一方面也是很关心的。所以有必要介绍以下平均值的标准差。 下面我们根据概率论中方差的性质来进行推导： (3.11) 由于x1，x2，…，xnx的估计值，与随机变量x具有相同的分布和理论方差σ2。因此，式(3.11)变为： (3.12) 该式表明，算术平均值的方差是该总体方差σ2的1/n。由式(3.12)，得： (3.13) 即平均值的标准差是平均值方差的开平方。通常，总体标准差σ是未知的，所以算术平均值的标准差常用下式表示，即 (3.14) 这个公式表明了平均值的标准差与子样标准差S的关系。当标准差S不变时，n增大，算术平均值的标准差减小，亦即用作为估计的精度高。这个结论给我们以启示，在分析测定时，测定次数(子样容量)n不能太小，否则算术平均值的误差将增大。但要注意，对于式(3.14)，S不变时，n5以后，子样均值的标准差随n的增大而减小得很慢。这就是说，单靠增加观测次数来提高实验的精密度是不够的。这就意味着，要把更多的精力用来改进测试技术，往往比重复老一套的测试精度不高的测量更有意义。因此，在实际测定某一量时，由于多方面条件的限制，重复测定的次数n很少超过50次，一般在4~20次左右。 下面我们来证明式(3.6)，由式(3.2) 同式(3.10