各种估计总体标准差方法误差分析和比较研究(下).docVIP

各种估计总体标准差方法误差分析和比较研究(下) 　　[摘 要]本文全面地介绍了估计总体标准差的7种主要统计方法：贝塞尔公式法（最为常用）、彼得斯公式法、极差法、最大误差法、最大残差法、较差法和最大方差法。系统地研究了各种估计总体标准差统计方法的由来和原理，严谨地推导出了其标准差系数的计算公式。根据标准差系数大小所反映出的测量精密度高低可分析比较出各种估计总体标准差统计方法的优劣及其适用范围。 　　[关键词]总体标准差；参数估计；无偏估计；系统误差；随机误差；综合误差；测量不确定度；自由度；标准差系数 　　[中图分类号]O212 [文献标识码]A [文章编号]1005-6432（2013）26-0031-12 　　7.4 最大误差法 　　最大误差法（maximum error method） [1-3] 是1975年由中国计量科学研究院学者刘智敏（1935.07—）在《用最大误差评定精度的原理和应用》一文中首先提出并研究的，它只适用于已知被测量真值（约定真值或相对真值）时的情形。 　　设 X 1，X 2，…，X n（n≥1）为独立地抽自总体X～N（0，σ2）的随机样本，此时随机误差 δ i=x i-A=x i- μ= x i， 即测量值x 1， x 2， …， x n本身就是随机误差。 　　令 ε n= max 1≤i≤n X i = max 1≤i≤n （ X 1 ， X 2 ， …， X n ） ，则称ε n为样本X n的最大绝对误差，简称最大误差。用最大误差法估计总体标准差的计算公式为： 　　因X i～N（0，σ2），故随机变量 Y= X i 的分布函数和概率密度分别为： 　　故随机变量 ε n= max 1≤i≤n X i 的分布函数和概率密度分别为： 　　随机变量 ε n= max 1≤i≤n X i 的数学期望和方差分别为： 　　数学期望系数 k n= 2n 2 π ∫ ∞ 0 εe - ε2 2 2 2 π ∫ ε 0 e - x2 2 dx n-1 dε 　　均方差系数 k′ n= q n-k2 n 　　当 n=1时，有： 　　当 n=2时，有： 　　当n≥2时，除k 2以外，其他的k n和q n无法用牛 顿─ 莱布尼兹公式直接求出其定积分值，为此采用4σ截尾法进行近似计算，将等分为8段，每段利用辛普森公式[又称抛物线公式、三点公式，是牛顿─科特斯（英国数学家， Roger Cotes ，1682―1716）公式中 n= 2时的特例]积分，从而可计算出k n、q n和k′ n的值。采用4σ截尾法计算k n和q n的截尾误差分别小于0.0026n和0.0009n。 ??　因 =ε n/k n 是σ的无偏估计，没有系统误差，其标准差系数为： 　　定义修正后贝塞尔公式法和最大误差法两种统计估计方法的相对效率为： 　　最大误差法自由度的估计值为： 　　最大误差法和贝塞尔公式法的标准差系数比较和相对效率如表7.4-1所示。 　　表7.4-1 最大误差法和贝塞尔公式法的标准差系数比较和相对效率 　　注1：本列括号内的数据源自文献[1]第48页，其值不太准确。笔者利用该文献中介绍的计算方法和表1中的数据对本表中的 k n和k′ n值重新进行了计算核实并补齐了n≤30时的各k′ n值。 　　关于最大误差法（与贝塞尔公式法相比）的特点和结论：①最大误差法只适用于已知被测量真值（约定真值或相对真值）且方差是正态分布时的情形。②最大误差法的运算十分简便，一般只适用于小样本数（n≤10）时的情形。③在代价较高的科学实验中（如破坏性实验），往往只能进行一次性实验（即样本数n=1），此时贝塞尔公式和彼得斯公式都成为0/0不定型而无法计算出其标准差。在这种情况下，为了尽可能精确地估算出其精密度，只能选用最大误差法，这是其最突出的特点和优势。④当n≤8时，最大误差法优于修正前贝塞尔公式法。C n（ME） -ψ Bn 的最小值出现在n=2时，其最大值出现在n=29时，该值最终趋近于零。⑤当n≤5时，最大误差法优于修正后贝塞尔公式法。C n（ME） -C n（B） 的最小值出现在 n= 2时，其最大值出现在n=29时，该值最终趋近于零。 ⑥当 n≤5时，修正后贝塞尔公式法和最大误差法的估计相对效率高于100%；当n=6～10时，修正后贝塞尔公式法和最大误差法的估计相对效率不低于77%，随着n的增大，其相对效率急速下降（比极差法的下降速率还要快）且最终趋近于零。 　　7.5 最大残差法 　　若被测量约定真值未知，第7.4节所描述的最大误差法便失效了，为此需要引入最大残差法。最大残差法 （maximum residual error method） [4-9] 是1979年由中国计量科学研究院学者刘智敏