不确定度分析与误差原理.pptVIP

数据处理 误差及不确定度分析 目 录 误差原理与分析计算 ? ? ? 误差原理 误差传递 平均值原理 异常数据剔除 不确定度原理与分析计算? ? ? 不确定度原理 不确定度的合成 不确定度合成例题 回归分析 ? ? ? 直线回归 其他回归 量热误差分析 ? ? ? 误差原理与分析计算 误差原理 ? ? ? 误差传递 ? ? ? 平均值原理 ? ? ? 异常数据剔除 ? ? ? 绝对误差 测量绝对误差=测量值—真值 示值误差=仪器示值—真值 真值是指被测量的客观真实值，一般都是未知的。仅特殊场合已知和最高基准可看作真值。 数据处理统计中将平行测量的期望值作为统计量的拟定真值，可证明当测量次数无限大时，子样的统计量是总体的统计量的无偏估计。 相对误差 绝对误差与测量值相差小时用绝对误差，相差大时用相对误差。 误差的普遍意义和关系 测量误差是不可避免的，只要误差在一定范围内就认为是正常的。 减小误差影响，提高测量精度。 对测量结果作出可靠性评定，即给出精确度的估计。 误差分类 系统误差：其值固定不变或按某种确定规律变化的误差。可重复表现，但规律性并不一定确知。 随机误差：有正有负，不可预知。具有随机变量的一切特征，可用统计方法做出估计，不能“修正”消除。 粗大误差：超出正常范围的随机大误差。在数据中应该去除。 统计量和估计量 设总体以随机变量ξ表示，容量为n的子样以随机变量(ξ1 ξ2 …ξn)表示。现作子样的实值函数 T=T(ξ1 ξ2… ξn)，则 T(ξ1 ξ2… ξn)也为一随机变量，称T的统计量。 为了估计总体ξ某一参数θ，由子样(ξ1 ξ2 …ξn)建立不带未知数的某一统计量T(ξ1 ξ2… ξn)，当获得子样的某一具体观测值(l1 l2… ln)时，算出统计量的值T(l1 l2… ln)=t，可作为θ估计值，则称T(ξ1 ξ2… ξn)为θ的估计值。 估计量的评价 无偏性 设t为未知数参数θ的估计量，若 E(t)= θ,则t为θ的无偏估计量。 表明估计量t的波动中心为θ，此时只有随机误差，无系统误差。 区间估计 对于未知数θ，除了要求它的点估计t外，还常常需要以一定的可靠程度估计出包含真值的某个区间，以及包含真值的概率。 参数θ若有P{t1 θt2}=1-a为置信概率。(t1,t2)为在置信度P上的置信区间，说明θ有P的概率落在(t1,t2)范围内。置信区间的上下限常取为对称的。 区间估计有明确的可靠性含义。 置信度的大小应根据具体问题给出，一般取90%或95%。 随机误差特征 正态分布概率密度 正态分布概率图 三种分布的标准差以及各置信区间相应的概率 随机误差特征 期望值E(x) 误差的分布中心 E(C)=C E(x1+x2)=E(x1)+E(x2) E(C*x)=C*E(x) E(x1*x2)=E(x1)*E(x2) 相互独立，协方差为0 方差D(x) 随机波动大小 D(C)=0 D(C* δ)=C2*D(δ) D(δ 1+ δ 2)=D(δ 1)+D(δ 2) +D(δ 1, δ 2) 系统误差检验方法 ? ? ? 通过实验对比（高精度和等精度） 通过理论分析判断（模型简化） 对测量数据的直接判断（线性和周期） 用统计方法进行判断 数据数目少时可靠性差 只能对系统误差存在判断，不能给出数值 误差传递 误差传递 传递系数?f/ ?xi按测量值计算。 优点：线性传递，计算简单。 缺点：当展开式高次项不可忽略时，应该按照定义式计算。 误差传递 当以相对误差表示各误差分量时，其传递关系为 测量结果总误差等于各原始误差乘以传递系数的代数和——线性叠加法则。 误差作用独立性，一个误差结果对其他误差因素无关，它们构成总误差的独立部分。 可用于已知系统误差的分析计算。 建立不确定度合成法则基本依据，精度分析基础。 传递系数的计算 微分法求传递系数 几何发求传递系数（可通过几何运算和解析几何计算转化为微分法） 按传动关系确定传递系数（已知一个方向的传递系数或总的传递系数，求其中一个） 用于y=f(x)测量y求x的传递系数的情况 计算说明定义法和线性叠加法则的误差大小差别。 算术平均值原理 对同一量进行多