随机误差概率密度的正态分布.pptVIP

例：随机误差实验结果 分区号 测量值 ( xi) 误差量 ( δi) 出现次 数 （ni) 频率（ni) 概率密度 （ni/（nΔ δi）） 1 5.21 -0.05 1 0.007 0.7 2 5.22 -0.04 3 0.020 2.0 3 5.23 -0.03 8 0.058 5.8 4 5.24 -0.02 18 0.120 12.0 5 5.25 -0.01 28 0.187 18.7 6 5.26 0 34 0.227 22.7 7 5.27 +0.01 29 0.193 19.3 8 5.28 +0.02 17 0.113 11.3 9 5.29 +0.03 9 0.060 6.0 10 5.30 +0.04 2 0.013 1.3 11 5.31 +0.05 1 0.007 0.7 随机误差的频率直方图 ni/n δ 0.15 0.10 0.05 0.04 0.02 -0.02 -0.04 0 ni为在 范围内出现的次数 随机误差的概率密度分布曲线图 f(δ) δ F(δ) Ⅱ Ⅰ f(δ)dδ dδ 概率密度： 与分布函数互为微积分关系 分布 函数 一、随机误差的特点 测试条件： 研究对象在无系统误差且无粗差的独立的等精度实验结果. 特点： ⑴对称性：绝对值相等的正、负误差概率密度分布曲线对称于纵轴。 ⑵抵偿性：相同条件下,当测量次数n趋于∞时,全体误差的代数和为0。 ⑶单峰性：绝对值小的误差比绝对值大的误差 的概率密度大,在δ=0处概率最大. ⑷有界性：绝对值很大的误差几乎不出现。 二、概率密度的正态分布 1、随机误差必然服从正态分布，其概率密度可由高斯方程描述。它们的概率密度分布曲线又称之为正态分布曲线。 2、标准误差σ越小,精密度指数h越大,正态分布曲线越陡, 小误差的概率密度越大，测量值越集中,测量精密度越高。 随机误差正态分布曲线图 ?(δ) δ ?(δ)dδ - σ′′ - σ′ - σ σ σ′ σ′′ 拐点 1/(σ√2πe) 1/(σ√2π) hh′h′′ σσ′σ′′ ?(δ) ?′(δ) ?′′(δ) 3、σ（曲线的拐点）的大小说明了测量值的离散性, 故等精度测量是一种σ值相同的测量。 4、正态分布曲线的关键点 峰点坐标： 拐点坐标： 概率： σ 一、算是平均值与数学期望值 1. 算是平均值: 2. 随机变量的数学期望定义为随机变量的一阶原点距，记为： 它表示了随机变量的中心位置。 图1—2 测量值的概率密度分布曲线 ?(x) 1/σ√2πe ?max(δ) 0 X0- σ X0 X0+σ X 数学期望实际上就是全体测量值依概率的平均数。对于正态分布，上式积分后可得： 正态分布重要特征之一： 全体测量值的数学期望就是测量值的真值。 在未知x0的情况下，对于有限测量列，可以利用算术平均值x代替真值x0，用测量偏差或残余误差（简称残差）vi=xi-x 代替测量误差 δi= xi-x0 二、方差与标准误差 方差定义为随机变量的二阶中心距，它表征了随机变量相对于其中心位置（数学期望）的离散程度。 对于全体测量值来说，母体的方差Dx表征了测量值相对于其真值X0的离散程度。 标准误差σ是方差Dx的均方根值，这也是标准误差σ又称均方根误差的原因。 置信区间： 就是随机变量的范围±(-L—L)表示 又：±L=±Z σ Z为置信系数， Z = L/ σ 置信限：L= Z σ 置信概率φ(Z)：随机变量在置信区间内取值的概率. 置信度：结合置信区间与置信概率 置信水平α (Z) ：随机变量在置信区间外取值的概率 图1—5 置信区间与置信概率 ?(0) δ 1/2α 置信区间 ±(L) 1/2α 置信概率 P= φ(z)=1-α Z φ(Z) Z φ(Z) Z φ(Z) Z φ(Z) 0 0.00000 0.9 0.63188 1.9 0.94257 2.7 0.99307 0.1 0.07966 1.0 0.68269 1.96 0.95000 2.8 0.99489 0.2 0.15852 1.1 0.72867 2.0 0.95450 2.9 0.99627 0.3 0.23585 1.2 0.76986 2.1 0.96427 3.0 0.99730 0.4 0.31084 1.3 0.