测量的不确定度和数据处理.pptVIP

第二章测量的不确定度和数据处理 误差 测量 直接测量：长度，质量，时间等 间接测量：重力加速度，速度等 等精度测量：同人、同法、同仪器、同条件对同物进行多次测量（5同） 真值：物理量的真实值(一般不知道) 测量的正确度、精密度、精确度 结果比较接近客观实际的测量：正确度高，表示系统误差的大小 结果彼此相近的测量：精密度高，随机性的大小(弥散程度) 既正确又精密的测量：精确度高(系统误差和随机误差的大小) 测量误差=测量值-真值 测量列：多次等精度测量，n次 无法判定哪一次更可靠； 可以预期它们的平均值最可靠； 当测量次数 n 趋于无穷时，只要能排除系统误差（如仪器或环境因素），其平均值就是被测物理量的“真值”。 问题提出 设想球磨机生产出一批钢球。用螺旋测微器测得一个球的一个直径值为 D=12.345 mm 我们无法判断这个球“圆的程度”， 更无法判断这批球“圆的程度”以及它们大小的“均匀度”。 为此要采集多个样本 对于第一种情况，沿不同方向多次测量直径，求平均值,并研究各个测量值与平均值的离散性. 得到“圆的程度”. 对于第二种情况，随机取若干钢球,分别测量它们的直径，求平均值,并研究各个测量值与平均值的离散性. “均匀度”. 测量列的期望值---平均值 如何评价该测量列中测量值的离散程度：测量列的标准差 贝赛尔公式 正态分布 当有大量的、彼此无关的等权重的次要因素随机地影响测量结果，而测量次数趋于无穷时，测量值与平均值之差成为连续型随机变量，其概率密度分布为正态分布： 测量列标准差的统计学意义 标准差反映了测量值的离散程度 当测量次数足够大时（比如大于10次），测量列中任一测量值与平均值之差落在正负标准差范围内的概率为0.683. 落在2倍正负标准差内的概率为0.955. 落在3倍正负标准差内的概率为0.997. 在“节拍器”振动周期多次测量误差分布研究中，并不完全符合正态分布 不是“许多”“独立因素”,也非“等权重”，更不是“无穷多次”； 数学模型是物理实际的理想化。 测量列的平均值与测量次数有关，它的涨落随着次数增加而减小。测量列平均值的标准差即测量列的A类标准不确定度为 平均值标准差的统计意义 待测物理量在 的概率为0.683; 在 的概率为0.955; 在 的概率为0.997. 不写明概率，应默认为0.95. 数据的舍弃 在多次等精度测量中,如果有个别数据偏差很大,应慎重对待.往往新规律就孕育于 “异常”之中. 与测量列的平均值之差大于该测量列标准差的3倍,按高斯分布,其概率小于0.3%.对于有限次测量,可以判断为差错,予以剔除. 3 法则. D=12.345mm 对钢球”圆的程度”的评价: 其直径的相对偏差小于 0.02％ 的可能性超过(大于等于)95％. 或对这一批钢球”均匀度”的评价:其直径在 范围内的可能性超过95 ％. 学生分布 高斯分布是无穷多次数测量的一种极限情况.有限次数时,成为学生分布（t分布）. 曲线较平缓. t因子 由于曲线平缓,要得到相同的置信概率,显然要在更大的不确定度范围.即要将高斯分布中得到的标准差乘以一个因子 t . 其大小与测量次数以及置信概率有关,见30页的表 当n=6~10次,要求P=0.68时, t ~ 1.1 ; 当要求 P=0.95时, t ~ 2.4 . 系统误差 公式近似：理论误差 系统误差 系统误差 其它分布 三角分布 均匀分布 学生分布 ( t 分布 ) 泊松分布 用同一型号的多个仪器测量同一物理量，测量值不尽相同，这种差别有一定的范围 在此范围内，这种差别也遵循某种分布 模拟（指针）电表的最大允差 量程乘级别的百分数。 例: 量程为100伏的一级电压表，测量一个电池的电动势为1.5V。仪表的不确定度为1.0V。 若量程为10伏，则降低到0.1V。 数字电表 仪器最大允差为读数乘级别的百分数，再加上最末位的若干单位。 例: 如某精度为1.0级的三位半电表，用100.0伏量程测量电池电动势，读数为1.5V.按其说明书,读数乘级别的1%,再加上末位的(譬如)5个单位。则测量结果的不确定度为(0.015+0.5)V=0.52V。 改用10.00V量程，则为（ 0.015+0.05）=0.065V。 多次测量中每一次测量都有B类不确定度，而其多次测量结果的离散性由A类不确定度来表示，它们都对测量结果的不确定度有贡献，所以要合成.相同置信概率的不确定度按平方和来合成. 对于置信概率为0.95时,A类不确定度要乘 t 因子(30页),B类不确定度要乘置信因子1.96(32页) 测量结果的最后表达