有限实验数据的统计处理.ppt

* 1.总体（母体） 2.样本（子样） 3.样本大小 ? x 随机误差的正态分布 随机事件以统计形式表现的规律性称为统计规律。 随机误差对测定结果的影响是服从统计规律的。 1. 频率分布 例如有一矿石样品，在相同条件下测定Ni的百分含量。共有90个测定值，这些测定值彼此独立，属随机变量。 为了研究测量数据分布的规律性，按如下步骤编制频数分布表和绘制出频数分布直方图，以便进行考察。 1. 算出极差 R=1.74-1.49=0.25 2. 确定组数和组距 组数视样本容量而定，本例分成9组。 100% 90 ∑ 1.1% 1 1.725 ? 1.755 6.7% 6 1.695 ? 1.725 11.1% 10 1.665 ? 1.695 22.2% 20 1.635 ? 1.665 24.4% 22 1.605 ? 1.635 18.9% 17 1.575 ? 1.605 6.7% 6 1.545 ? 1.575 6.7% 6 1.515 ? 1.545 2.2% 2 1.485 ? 1.515 相对频数 频 数 分 组 表3.1 频数分布表 4. 绘直方图 测量数据有明显的集中趋势μ 数据有离散性σ 这种既分散又集中的特性，就是其规律性。 绘直方图 以组值范围为横坐标，以频数为纵坐标绘制直方图。 第三节 有限实验数据的统计处理 一、偶然误差的正态分布 正态分布的概率密度函数式 1．x 表示测量值，y 为测量值出现的概率密度 2．正态分布的两个重要参数 （1）μ为无限次测量的总体均值，表示无限个数据的 集中趋势（无系统误差时即为真值） （2）σ是总体标准差，表示数据的离散程度 3．x -μ为偶然误差 x =μ时，y 最大→大部分测量值集中 在算术平均值附近 曲线以x =μ的直线为对称→正负误差 出现的概率相等 当x →﹣∞或﹢∞时，曲线渐进x 轴， 小误差出现的几率大，大误差出现的 几率小，极大误差出现的几率极小 σ↑，y↓, 数据分散，曲线平坦 σ↓，y↑, 数据集中，曲线尖锐 测量值都落在－∞～＋∞，总概率为1 以x-μ～y作图 特点 （一）偶然误差的区间概率 从－∞～＋∞，所有测量值出现的总概率P为1 ，即 偶然误差的区间概率P——用一定区间的积分面积表示 该范围内测量值出现的概率 标准正态分布 区间概率% 正态分布 概率积分表 二. 平均值的置信区间 标准正态分布曲线 正态分布与 t 分布区别 1．正态分布——描述无限次测量数据 t 分布——描述有限次测量数据 2．正态分布——横坐标为 u ，t 分布——横坐标为 t 3．两者所包含面积均是一定范围内测量值出现的概率P 正态分布：P 随u 变化；u 一定，P一定 t 分布：P 随 t 和f 变化；t 一定，概率P与f 有关， 两个重要概念 置信度（置信水平） P ：某一 t 值时，测量值出现 在μ± t ?s范围内的概率 显著性水平α：落在此范围之外的概率 或tP,f （二）、平均值的精密度和平均值的置信区间 1．平均值的精密度（平均值的标准偏差） 注：通常3-4次或5－9次测定足够 例： 总体平均值标准差与 单次测量值标准差 的关系 有限次测量平均值标准差 与单次测量值标准差的 关系 例 若某样品经4次测定，标准偏差是20.5ppm，平均值是144ppm。求平均值的标准偏差。 2．平均值的置信区间 （1）由单次测量结果估计μ的置信区间 （2）由多次测量的样本平均值估计μ的置信区间 （3）由少量测定结果均值估计μ的置信区间 置信区间：一定置信度下，以测量结果为中心，包 括总体均值的可信范围 平均值的置信区间：一定置信度下，以测量结果的 均值为中心，包括总体均值的可信范围 置信限： 结论： 置信度越高，置信区间越大，估计区间包含真值的可能性↑ 置信区间——反映估计的精密度 置信度——说明估计的把握程度 练习 例1：如何理解 解： 练习 例2：对某未知试样中CL-的百分含量进行测定，