电气测试技术第2章 测量误差及数据处理.pptVIP

2.3 随机误差的估算 2.3.1 算术平均值与数学期望 等精密度测量：同一测量者用同一仪器和方法，以同样的精细程度在短时间内对同一被测量进行多次重复测量。 测量值的算术平均值： （样本平均值） 测量值的数学期望：当测量次数趋于无穷时，样本平均值的极限称为测量值的数学期望。 （总体平均值） 数学期望的物理意义：表示测量值的平均情况，只有随即误差时其即为被测量的真值。 随机误差：仪表精密度的反映，表征各次测量值分散程度 系统误差：仪表准确度的反映，表征仪表指示值偏离被测量真正值的程度 绝对误差：仪表示值与真值之差 结论1：绝对误差是随机误差与系统 误差的代数和 若消除系统误差与粗大误差，则： 结论2：无系统误差时，测量值的数学期望即为被测量的真值 由于： 结论3：随机误差的数学期望等于零 残余误差：各次测量值与算术平均值之差 结论4：当测量次数足够多时，残差的代数和为零 2.3.2 标准差 标准差：n趋于无穷时，随机误差平方的算术平均值的正的平方根 标准差是表征精密度的重要参数，其值越小表明测量值越集中。 2.3.3 随机误差的正态分布 绝大多数随机误差是服从正态分布的，其概率密度函数为： 因此可以通过积分求解随机误差在特定区间的概率。 随机误差的正态分布随标准差 的不同，分布曲线不同。标准差 越小，曲线越陡，表示测量值越 集中，测量精密度越高。 2.3.4 有限次测量数据的评价——贝塞尔公式 标准差是在n趋于无穷时导出的。在实际测量中，测量次 数n不可能无穷大。当测量次数n为有限值时，可用剩余误差 来计算标准差的估计值，并用其来代替标准差。 标准差的估计值： 式中n-1称为自由度，当n=1时上式值不确定，故一次测量 的数据是不可靠的。 2.3.5 算术平均值的标准差 在相同条件下做m组测量，每组重复n次，通过计算可得 到m个算术平均值。由于随机误差的存在，这些算术平均值 也有分散性，可用算术平均值的标准差来评定其分散程度。 算术平均值标准差与标准差 估算值之间关系为： 由右图可见通过提高测量次数可 以提高测量结果的精密度。但是随着 n的增大，精密度提高越来越慢。因此 不能单靠增加n来提高测量精度，应在 增大n的同时改善测量方法。 2.4 粗大误差的判断准则 2.4.1 置信概率与置信区间 描述测量结果处于某一范围内的可靠程度称为置信度或置信概率。 所选择的极限误差范 围称为置信区间。对 同一测量结果置信区 间越宽，置信概率越 大。 2.4.2 有限次测量的置信度 在测量次数足够多时，随机误差服从正态分布。若测量次数较少，随机误差的分布曲线与正态分布曲线差别较大，服从t-分布。为区别正态分布，t-分布置信系数用ta表示。 2.4.3 随机不确定度与坏值的剔除 随机不确定度：在实际测量中，可以认为大于 的误差出现的可能性极小，通常把大于 的误差称为极限误差或随机不确定度。 莱特准则：在测量数据中，如果出现大于 的剩余误差，可认为该次测量值为坏值，应予剔除。 式中标准差可用其估算值代替，即 莱特准则应用在测量次数足够多（n20）时是合理的。 但是，若测量次数较少，按莱特准则剔除坏值就不一定可靠。 这时应采用格拉布斯准则。 坏值的剔除步骤 1、求算术平均值的不确定度 2、求残差 3、比较不确定度与残差大小，若 ，则判断为坏值剔除。 4、重复1-3步，直到无坏值为止 误差的合成与分配 误差的合成 已知被测量与各个参数的函数关系以及各个参数测量值的分项误差，求被测量的总误差称为误差的合成。 例如研究一台仪表各局部环节的系统误差与整台仪表系统误差之间的关系；间接测量时，被测量误差与各测量值误差之间的关系等。 误差的分配 已知总误差及其与各测量值之间的函数关系，将总误差合理地分配给各测量值称为误差分配。 例如在设计一台测量仪表时，应当怎样合理分配各环节和各元件的系统误差。 误差传递公式 若要进行误差的合成与误差的分配，首先必须知道误差的传递公式。 那么误差传递公式又是如何得出的？ 设被测量 与各测量值 之间的函数关系为， 测量值 各自有独立的绝对误差 ，则 有绝对误差 。 与 之间的关系为： 上式是绝对误差的传递公式。 是误差