随机误差的正态分布要点分析.ppt

随机误差的正态分布 一 频率分布 例如：在相同的条件下对某试样中镍的质量分数(%)进行90次测定结果 频率分布数据 规 律 1. 测量过程中随机误差的存在，使分析结果高低不齐，即测量数据具有分散的特性。 2. 但测量数据的分布并不是杂乱无章，而呈现某种统计规律。 3. 位于平均值（1.62%）之间的数据多一些，其它范围内数据少一些。 4. 更大更小的数据更少，即测量值有明显的集中趋势。 二 正态分布 结 论 1. 集中性 当x- ?时，y值最大，此即分布曲线的最高点，这就是说，大多数测量值集中在算术平均值附近，或者说，算术平均值是最可信赖或最佳值。 曲线以这一直线为对称轴，说明绝对值大小相等的正负误差出现的频率相等，因此它们常有可能部分或完全抵消。当测量次数趋于无限次时，平均值的误差趋于零。 峰形曲线最高点对应的横坐标x- ?值等于零，表明随机误差为零的测定值出现的概率最大。 曲线自峰值向两旁快速下降，说明小误差出现的概率大，大误差出现的概率小，特别大的误差出现的概率极小。 随机误差的分布具有有限的范围，其值大小是有界的。 一般认为，误差大于 的测定值并非由随机误差所引起的。 标准正态分布曲线：参数?=0， ?2=1的正态分布曲线。 以N (0，1)表示 此变换的实质是将正态分布曲线的横坐标改为u为单位。 微商： 又 则 即 四 随机误差的区间概率 标准正态分布曲线的纵坐标为概率密度。 概率密度乘以误差的某一区间，则表示这一区间的误差出现的概率。 因此曲线下面的面积表示全部误差的概率总和，显然应当为100%，即为1。 欲求测定值或随机误差在某一区间出现的概率P，可取不同的u值对上式求面积而得到。 例如：随机误差在??区间（u=?1）出现的概率。 按此方法求出不同u值时的积分面积，制成相应的概率积分表供直接查用。 标准正态分布概率积分表 经无数次测定并在消除了系统误差下，测定某铜矿中铜的含量为50.60%，其标准偏差为0.10%，试求测定值落入50.40~50.80%的概率是多少？ 某班学生的117个数据基本遵从正态分布N(66.62，0.212)。求数据落在66.20～67.08中的概率及大于67.08的数据可能有几个? 解： N(66.62，0.212) = N(? , ? 2) ? = 66.62 ? = 0.21 当x=66.20时，u=(x-?)/? =(66.20-66.62)/0.21=-2.0查表｜u｜=2.0时，概率为0.4773 当x=67.08时，u=(x-?)/?=( 67.08-66.62)/0.21 =2.19查表｜u｜=2.19时,概率为0.4857 数据落在66.20～67.08内的概率为 P(66.20≤x≤67.08)=0.4774+0.4857=96.3% 数据大于67.08的概率为0.5000-0.4857=0.0143 可能个数为：117×0.0143≈2个 * * 随机误差是由一些偶然的或不确定的因素引起的误差，在消除了系统误差后，多次重复测定仍然会有所不同，具有分散的特性，它的大小及方向仍难以预测，似乎没有什么规律性，但如果用统计学方法处理，就会发现它服从一定的统计规律。 1.60 1.67 1.67 1.64 1.58 1.64 1.67 1.60 1.57 1.60 1.59 1.64 1.74 1.65 1.64 1.61 1.65 1.69 1.64 1.63 1.65 1.70 1.63 1.62 1.70 1.65 1.68 1.66 1.69 1.60 1.70 1.63 1.67 1.70 1.70 1.63 1.57 1.59 1.62 1.60 1.53 1.56 1.58 1.60 1.58 1.59 1.61 1.62 1.55 1.52 1.49 1.56 1.57 1.61 1.61 1.61 1.50 1.53 1.53 1.59 1.66 1.63 1.54 1.66 1.64 1.64 1.64 1.62 1.62 1.65 1.60 1.63 1.62 1.61 1.65 1.61 1.64 1.63 1.54 1.61 1.60 1.64 1.65 1.59 1.58 1.59 1.60 1.67 1.68 1.69 1 由大到小排列成序，找出最大值和最小值。 2 算出极差R=1.74% -1.49% = 0.25%， 3 算出组距，极差除以组数（9组）算出组距