实验数据整理.pptVIP

第二节 实验数据整理 一、实验数据的基本特点 1、总是以有限次数给出并具有一定波动性。 2、总存在误差，且是综合性的，即随机误差、系统误差、过失误差同时存在。 3、数据大都具有一定的统计规律性。 二、几个重要数字特征 1、位置特征参数及其计算 实验数据的位置特征参数，是用来描述实验数据取值的平均位置和特定位置的，常用的有均值、中值、极大值、极小值、众值等。 2、分散特征参数及其计算 分散特征参数被用来描述实验数据的分散程度，常用的有极差，标准差、方差、变异系数等。 3、相关特征参数 相关特征参数将用来表示变量可能存在的关系。 1）极差R 范围误差（range），是指一组实验数据最大值与最小值之差，计算式为 极差的优点：计算方便，可以度量数据波动大小，在正交实验的直观分析中，用极差值可以比较出因素的主次，因而还是有实际意义的。 极差的缺点：只与两极端值有关，而与观测次数无关，即没有充分利用全部数据提供的信息，过份依赖个别的实验数据。故代表性较差，仅反映精密度的高低，比较粗糙。 2）方差和标准差 3）变异系数Cr（coefficient of variation） 显著性水平(a)与置信水平(1－a) 三、实验数据中可疑数据的取舍 可疑数据并不一定都是离群数据。 必须遵循一定的数据处理原则用偶然误差分布的规律来分析判断，区别可疑数据是否离群数据。该留则留，该舍则舍。 检验方法包括格拉布斯检验法，肖维涅法则，Cochran检验法，狄克逊法等等。 本章介绍 1）用于一组测量值的离群数据的检验 2）用于多组测量值均值的离群数据的检验 3）用于多组测量值方差的离群数据检验法 1、一组测量值中离群数据的检验方法 2）肖维涅准则 2、多组测量值均值的离群数据检验－Grubbs检验法 3、多组测量值方差的离群数据检—Cochran最大方差检验法 * * * 变异系数又叫相对标准偏差，反映数据相对波动的大小，当两组数据标准偏差相等时，我们就利用变异系数Cr这一数字特征。如强度、重量、尺寸、输出电压等，在数理统计上，常用Cr。当大时，表明这组数据Cr小，即这组数据相对波动小；当小时，表明这组数据Cr大，即这组数据相对波动大。 法则 当实验数据的总体是正态分布（一般实验数据多为此分布）时，先计算出数列的标准误差，求其极限误差，此时测量数据落于范围内的可能性为99.7%，也就是说，落于此区间外的数据只有0.3%的可能性，这在一般测量次数不多的实验中是不易出现的，若出现了这种情况则可认为是由于某种错误造成的。因此这些特殊点的误差超过极限误差后，可以舍弃。 1) 格拉布斯（Grubbs）检验法 设有一组观测值x1，x2……xn，，观测次数为n，其中x1检验步骤如下： 计算几个测量数据的平均值（包括可疑值）； 计算标准误差d； 计算格拉布斯临界值T值. 算出的Ti若大于表（Grubbs临界值T表）的T值，则xi弃去； Ti若小于等于表（Grubbs临界值T表）的T值，则xi留下。 本方法是借助于肖维涅数据取舍标准来决定可疑值取舍，方法如下： 计算标准误差d和n个数据的平均值； 根据观测次数n查肖维涅数据取舍标准表得系数K。计算极限误差，； 用与进行比较，若，则弃去，反之，则保留。 标准差即均方误差，是以均值为中心的分散特征参数。其计算式为 标准差 从式中看出，标准差越大，则实验数据与均值之间差距越大，表明实验所取数据愈分散；标准差越小，实验所取数据愈集中，标准差单位同实验数据单位一致。 方差就是标准的平方。标准差大，方差大；标准差小，方差小。方差单位与实验数据单位不一致，其量纲为观测值量纲的平方。 方差与标准差都可反映实验数据取值的分散程度。 计算各组测量的平均值……，m为组数，并将各组均值按大小顺序排列，其中最大、最小均值记为。 计算上列均值的平均值（总平均值），和标准误差 ③ 计算T值（统计量） 或 ④ 根据给定的显著性水平和测定的组数m，查离群数据分析判断表中格拉布斯检验临界值表，得临界值。 ⑤ 判断.若，则可疑均值为离群数值，可舍去；若，则T为偏离数值；若，则为正常数值。 显著性水平a（也称显著度）是一个概率值,常用百分数表示。置信水平（1-a）％（也称置信度）。 如取显著性水平a=0.1，表明所作出的显著性与否的判断有90%的把握，或者判断的可信程度是90%，误判的可能性有10%。 若a=0.05 则1-a=1-0.05=0.95=95% 若a=0.01，则1-a=1-0.01=0.99=99% 由于判断的结论不可避免的存在