理论误差.ppt

图2—1 dx意义示意图 五、小子样误差的 t 分布 （2—19） －∞ t ＋ ∞ 式中?是伽玛函数： f ＝n－1 叫做自由度，子容量为 n 时，在 n 个重复观测数据之间，它们要受到子样平均值的约束，所以 n 个数据有一个是不独立的。 n －1 可个独立变化。 t 分布的概率分布图形如图 2—3 所示，t 分布的概率积分为： 此式表明，在 n 次测量中，?t?大于tp值的概率p，具体数值可查P202的附表3。 图2—3 t分布曲线与正态分布曲线 当自由度 f 很小时，t 分布的中心值较小，分散度大，如果用正态分布对小子样进行估计，则结果可能有存伪的错误。故 t 分布主要用于小子样测量中的估计和推断。当子容量大于30后，t 分布趋近于正态分布。 五、小子样误差的 t 分布 对正态分布，有 3 ? 作为极限误差范围的半长，其置信概率 1－ ? ＝0.9973。但是对小子样测量，其实际置信概率1－ ? 将随自由度 f = n －1的减小而减小，列表如下所示： 0.9973 正态分布 0.9973 0.98 0.954 0.80 t 分布 置信概率 1－ ? 3 ? 置信区间半长 ∞ 7 3 1 自由度 f = n－1 五、测量中的坏值及剔除 第二章 习 题 2—1、证明 2—2、根据 p25 例 1 ，①求当?＝0.01时置信区间半长；②转速平均值 在 ? 1 范围内的概率。要求写明计算及查表过程。 2—3、当置信区间半长为 2? 时， 求自由度 f = 3 的 t 分布和 n → ∞ 时正态分布的置信概率 　　　1－ ?＝？ 2—4、由测量得某空心圆柱的外径 R = 3.600 ± 0.004cm，内径 r = 2.880 ± 0.004cm，高 h = 2.575 ± 0.004cm。测量体积V及它的绝 对误差和相对误差？（见右图所示） 六、测量中的坏值及剔除 在实际测量中，偶然误差是客观存在的，测量数据总是存在一定的离散性。但也有可能由于过失误差出现个别离散较远的数据，这些数据称为坏值或可疑值。如果保留了这些数据，必然影响测量结果的正确性。反过来，如果把属于偶然误差的个别数据当作坏值来处理，也许暂时可以报告出一个精确度较高的结果，但这是虚伪的，不科学的。正确区分坏值并剔除它这是试验中经常遇到的严肃的实际问题，必须以科学的态度按统计学的原理来处理。 判别坏值的方法：① 物理判别法，在测量过程中及时发现、纠正仪表、人员及试验条件等情况的变化造成的错误；② 统计判别法，规定一个误差范围（? k? ）其置信度为 1－? ，超出认为是坏值 → 剔除。 k 值的求法： 1、拉伊特方法 按正态分布理论，以最大误差范围3?为依据进行判断，置信度为 1－? ＝0.9973。 设一组测量值 xi，其子样平均值 ，偏差?i＝ xi－　，由正态统计计算出： 六、测量中的坏值及剔除 如果，某测量值 xl（1?l?n）的偏差?xl－　?3?n－1，则认为 xl是含有粗差的坏值 → 剔除。 该方法简单方便，不需查表，但对小子样（n ?10时）不准确。在一些要求较严格的场合，也用2?n－1来判断，但n ?5时不准确。 2、肖维勒方法 在 n 次测量中，坏值出现的次数为1/2次，即坏值出现的概率为1/2n。按概率积分： （2—20） 六、测量中的坏值及剔除 由不同的 n 可计算出 之值，查概率积分表后便可求出k 见p29表2—2所示。由测量数据个数 n ，查表2—2得系数k ，判断： 如果，某测量值 xl（1?l?n）的偏差?xl－　? k?n－1，则认为 xl是含有粗差的坏值 → 剔除。 3、格拉布斯方法 用显著性水平?来计算k，当??i? k?n－1的概率称为显著性水平 ?＝p（ ??i? k?n－1），这样式（2—20）变为： 1－?（t）＝ ? ? （t）＝１－ ? （2—21） （2—21a） 绝大多数场合， ?取0.01或0.05，精度高取?＝0.01。k由观测次数n和?所决定， k（ n，?）值列于p30表2—3中。一组观测值中的离差 ??i? k（ n，?） ?n－1者为坏值→ 剔除。 注意：上述方法，① 计算 和?n－1 时，包括所有数据。② 剔除坏值后，用剩余数据重新计算 和?n－1 。 六、测量中的坏值及剔除 4、狄克逊法 在n次测量中，各数据依大小顺序排列：