误差理论据处理与统计.pptVIP

2 ．偶然误差（或称随机误差，未定误差）　 它是由某些无法控制和避免的偶然因素造成的。如：测定时环境温度、湿度、气压的微小波动，仪器性能的微小变化，或个人一时的辨别的差异而使读数不一致等。 偶然误差＝测量结果－测量结果的平均值 偶然误差特点： ①来源于影响量的变化，是以不可预知的方式变化的误差分量； ②不能通过修正予以补偿； ③因其数学期望值为零，故可以通过增加观测次数使之减小； ④就单个随机误差而言，它无确定规律，但就整体而言却服从一定统计规律，故可用统计方法估计其界限或它对测量结果的影响 误差＝系统误差＋随机误差 过失误差　除上述两种误差外，往往可能由于工作上粗枝大叶不遵守操作规程等而造成的“过失误差”。如：器皿不洁净，丢损试液，加错试剂，看错砝码、记录或计算错误等。 3、偏差 个别测量值与多次测量均值之偏离叫偏差,它分绝对偏差、相对偏差、平均偏差、相对平均偏差和标准偏差等. ① 绝对偏差是测定值与均值之差 ② 相对偏差是绝对偏差与均值之比 ③ 平均偏差是绝对偏差绝对值之和的平均值 ④ 相对平均偏差是平均偏差与均值之比 ⑤ 标准偏差比平均偏差可以更确切地说明测定数据的精密度。 一种量度数据分布的分散程度之标准，用以衡量数据值偏离算术平均值的程度。标准偏差越小，这些值偏离平均值就越少，反之亦然。 ⑥ 相对标准偏差是标准偏差在测定结果平均值中所占的百分数 偏差是相对于实际值而言，而误差是相对于标称值而言的，它们所指对象不同。 4 正态分布 正态分布概念： 正态分布又名高斯分布，是在各领域，数学、物理及工程上，都非常重要的概率分布，在统计学的许多方面有着重大的影响力。正态分布一种概率分布。正态分布是具有两个参数数学期望μ和总体标准差σ的连续型随机变量的分布。 特点：1）正态分布是由它的平均数μ和标准差σ唯一决定的。2）从形态上看，正态分布是一条单峰、对称呈钟形的曲线，其对称轴为x=μ，并在x=μ时取最大值。从x=μ点开始，曲线向正负两个方向递减延伸，不断逼近x轴，但永不与x轴相交，因此说曲线在正负两个方向都是以x轴为渐近线的。3）正态曲线具有两头低、中间高、左右对称的基本特征。 相同条件下对同一样品测定中的随机误差，均遵从正态分布。 0.6826 0.9544 0.9973 μ-1.96σ μ-2.58σ μ-σ μ μ+σ μ+1.96σ μ+2.58σ x x Φ(x) 实验数据的统计处理与结果表述 数据的处理和结果表述 1.有效数字及其修约规则、计算规则 ⑴有效数字：就是实际能测得的数字。数字的位数不仅表示数字的大小，也反映测量的准确程度。 ⑵数字修约规则 在进行具体的数字运算前，按照一定的规则确定一致的位数，然后舍去某些数字后面多余的尾数的过程被称为数字修约，指导数字修约的具体规则被称为数字修约规则。 不允许连续修约数值修约简明口诀：「4舍6入5看右，5后有数进上去，尾数为0向左看，左数奇进偶舍弃」。 现在被广泛使用的数字修约规则主要有四舍五入规则和四舍六入五留双规则。 2 可疑数据可靠性的检验和取舍 离群数据：与正常数据不是来自同一分布总体，明显歪曲试验结果的测量数据。 可疑数据：可能会歪曲试验结果，但尚未经检验断定其是离群数据的测量数据。 测量中发现明显的系统误差和过失误差，由此而产生的数据应随时剔除。而可疑数据的取舍应采用统计方法判别，即离群数据的统计检验。 可疑数据的检验是基于一个基本假设：被检验的数据来自同一个正态分布的总体，给定一个置信水平（1-α） ，根据（1-α）和样品容量确定一个合理的误差误差限度，即统计检验的临近值，如有（1-α）以上的置信度认为该数据不属于随机误差的范围，应舍弃，否则应保留。 （1）可疑数据的取舍——3σ 准则 计算每个数据的残差vi：若残差满足： 则可认为第 i 个数据含有粗大误差，应予以剔除。 适合于样品数大于50个。 （2） 可疑数据的取舍—狄克逊检验法/Q检验法 a 将测得数据由小到大排列，求出最大值与最小值之差； b 求出可疑数据与邻近数据之差。 c 根据所要求的置信度和测定次数查表得出Q值； d 判断：如计算所得Q值大于表中Q值，则将该可疑值舍弃。 Q 检验法是适用于一组测量值的一致性检验和剔除离群值，适用于3～10次测定的比较简便的方法。 （3）格鲁布斯(Grubbs)检验法 基本步骤： （1）排序：Ｘ1,　Ｘ2,　Ｘ3,　Ｘ4……； （2）求Ｘ 和标准偏差 S； （3）计算 G 值；? （4）由测定次数和要求的置信度，查表得G 表； （5）比较；若G计算 G 表，弃去可疑值