第12章 误差处理与数据处理.pptVIP

学习目的 正确认识误差的性质、分析产生原因、清除或减小误差 正确处理测量和实验数据，合理计算取得结果，以便在一定条件下得到真实值的数据 正确组织实验过程，合理设计仪器或选用仪器和测量方法，得到理想结果 提出更加完善的评价和确定真值的有效方法 找出有效的检测手段和误差补偿方法 为精确设计与实验数据处理打基础 §12.1 测量误差的基本理论 相对误差是绝对误差与被测量的约定值之比。相对误差有以下表现形式： 解：G1的相对误差为： 　　　　/G1＝2/50×100%=4% G2相对误差为： 　　 /G2＝50/2000×100%=2.5% §12.1.3 测量误差的来源 §12.1.3 测量误差的来源 §12.1.4 测量误差的性质与分类 随机误差的正态分布 大多数随机误差服从正态分布，其应用范围包括各种物理、机械、电气、化学等特性分布 例如：铝合金板抗拉强度，电容器电容变化、噪声发声器输出电压 正态分布常用：密度函数、分布函数、数学期望、方差、平均误差和或然误差表示 随机事例的例子 彩票摇奖 1) 精度在数量上可用相对误差表示 若相对误差0.02% ，则： →笼统说：精度为2×10-4 →如系统误差引起，则准确度为2×10-4 →系统＋随机引起，则精确度为2×10-4 2) 三者关系 　 精密度↑→准确度不一定↑，反之成立 　 精确度↑→精密度、准确度↑ 算术平均值法 异常数据剔除 最小二乘法 函数误差 随机误差的评定（关键求出σ的大小） 求标准偏差σ的理论公式 估算σ Bessel公式： 实测数据的标准偏差S（标准不确定度） 2、随机误差的极限误差 5、系统误差的消除 定值系统误差： 用“修正表”方法消除 用“抵消法”方法消除 变值系统误差： 线性变化系统误差—对称法消除 周期性变化误差—半周期法消除 数据处理过程 ? 发现和消除系统误差 ? 求算术平均值 ? 求“残差”及标准偏差 ? 判别和消除粗大误差 ? 求算术平均值的标准偏差 ? 写出测量结果 计算举例 算术平均值法 某位移传感器在校准时测得的数据如下表，若该传感器的线性表达式为 ，试用最小二乘法 ，计算 和 。 §14.3.1 算术平均值法 说明： 测量误差为随机变量，且符合正态分布 (2) 真值必然处于一个有限的范围 原理：当测量结果超出正常范围时，给予剔除 准则：测量数据与算术平均值的偏差大于标准差的3 倍 (3) 此法只适合于测量数据大于10个的情况 概率 95.4% 概率 99.73%，即±3σ以外的概率为0.27% 3σ准则(莱以特准则) §14.3.2 异常数据剔除 §14.3.2 异常数据剔除 §14.3.2 异常数据剔除 算术平均值的标准误差： 分组重复多次测量，以每组算术平均值作为处理数据 §14.3.2 异常数据剔除 直线拟合 →　一元线性回归方程 曲线拟合　 →　一元非线性回归方程 多项式回归 →　多元线性回归 ? ? ? ? ? ? ? §14.3.3 最小二乘法 一元线性回归方程 拟合直线形式： 实际测量值 与回归值 之差： 与 偏差平方和： 因 正规方程 §14.3.3 最小二乘法 解正规方程得： 其中： 一元线性回归方程 §14.3.3 最小二乘法 曲线问题 直线问题（变量代换） 回归曲线 回归多项式 步骤： (1) 确定函数的类型 （如双曲线、指数曲线、对数曲线等…） (2) 求解相关函数中的未知参数 举例: 指数曲线 一元线性回归方程 §14.3.3 最小二乘法 例1 为了测定刀具的磨损速度，每隔一小时，测量一次刀具的厚度，得到一组试验数据如下： 24.3 25.3 25.7 26.1 26.3 26.5 26.8 27.0 刀具厚度 /mm 7 6 5 4 3 2 1 0 时间 /小时 7 6 5 4 3 2 1 0 顺序编号 §14.3.3 最小二乘法 解：首先确定的类型。如图，在坐标纸上画出这些点，观察可以认为 是线性函数，并设 其中 和 是待定常数。