误差原理与数据处理2.ppt

对剩下14个数据，再重复上述步骤，判别是否含有粗大误差。 重新计算算术平均值和方差，得 取显著度α=0.05 ,查表2-13 得, 因 故可认为新测量列的测得值已不含粗大误差 （4）狄克松准则 当xi服从正态分布时，得到顺序统计量x(i)的 关于x(n)和x(1)的两组统计量分布 选定显著度α，得到各统计量的临界值r0(n，α)(表2—14)，当测量的统计值rij大于临界值，则认为x(n)或x(1)含有粗大误差。 (2-93) (2-94) 不同n值时，rij的选择 狄克松认为，为了提高判断的可靠性，应根据不同的测量次数，选定不同的统计量进行判别。 n≤7时，使用r10效果好； 8≤n≤10时，使用rll效果好； 11≤n≤13时，使用r21效果好 n≥14时，使用，r22效果好。 前面三种粗大误差判别准则均需先求出标准差σ，在实际工作中比较麻烦，而狄克松准则避免了这一缺点。它是用极差比的方法，得到简化而严密的结果。 例4 用狄克松准则判别例1测量列中的测得值是否含有粗大误差。 解：将测得值排序，得下表 首先判断最大值x(15) 因n＝15，故按式(2—93)计算统计量r22： 查表2—14得 因有 故可判定x(15)不合有粗大误差。 再判别最小值x(1) 因n＝15，故按式(2—94)计算统计量r22： 查表2—14得 因有 故，可判定x(l)，含有粗大误差，应予剔除。 对剩下14个数据，再重复上述步骤，可判定均不再含有粗大误差。 例5 对某一长度测量10次(单位：mm)，得到数据为 试用狄克松准则和格罗布斯准则分别判断测量值中是否含有粗大误差。 解 按大小顺序将测量值排序为 测值xi 顺序号x(i) 测值xi 顺序号x(i) 20.46 1 20.51 8 20.47 2 20.53 10 20.48 3 20.50 7 20.49 5 20.51 9 20.48 4 20.49 6 （1）用狄克松准则 因为n＝l0，故选用r1l判别，若选定显著水平α＝0.05，则查表2-14得 而对于r(10) 对于r(1) 显然，r11＝0.33或0.2均小于r0(10，0.05)＝0.477，因此10个数据中没有粗大误差。 （2）用格罗布斯准则 计算 =20.492 =0.021 查表2-13 得 g（0）(10,0.05)=2.18 因 g（1）=1.52和g（10）=1.81均小于g（0）=2.18 故可判定10个数据中没有粗大误差。 小结： 1. 3σ准则适用大样本情形(n＞50) ,即测量次数较多的测量列，使用该准则最简单方便。但一般情况的测量次数皆较少，因而这种判别准则的可靠性不高，但它使用时不需查表，故在要求不高时经常应用。 若需要从测量列中迅速判别含有粗大误差的测得值，还可采用狄克松准则。 2. 对测量次数较少而要求较高的测量列，应采用罗曼诺夫斯基准则、格罗布斯准则或狄克松准则等，其中以格罗布斯准则的可靠性最高，通常测量次数n＝20~100，其判别效果较好。当测量次数很小时，可采用罗曼诺夫斯基准则。 3. 在较为精密的实验场合，可以选用二、三种准则同时判断。当一致任为某值应剔除或保留时，则可以放心地加以剔除或保留。当几种方法的判断结果有矛盾时、则应慎重考察、一般以不剔除为妥。因为留下某个怀疑的数据后算出的样本方差只是偏大—点，这样较为安全。另外，可以再增添测量次数，以消除或减少它对平均值的影响。 4. 按上述准则若判别出测量列中有两个以上测得值含有粗大误差，此时只能首先剔除含有最大误差的测得值，然后重新计算测量列的算术乎均值及其标准差，再对余下的测得值进行判别，依此程序逐步剔除，直至所有测得值皆不含粗大误差时为止。 第四节 实验数据处理 对某量进行等精度或不等精度直接测量，为了得到合理的测量结果，应按前述误差理论对各种误差进行分析处理，现以实例分别说明等精度直接测量和不等精度直接测量的测量结果数据处理方法与步骤。 一、等精度直接测量列的数据处理步骤 1．判断有无系统误差，并尽量减小其影响 根据发现系统误差的各种方法，检验测量数据列中是否含有系统误差，并根据系统误差的性质，采取相应的实验技巧或数据处理方法加以修正、减小或消除。 2．判断粗大误差，检验数据的合理性 根据判别准则(如莱以特准则、罗曼诺夫斯基准则、格罗布斯准则等等)，对测量数据的合理性进行检验，发现含有粗大误差的测量数据后，将该数据剔除，再将剩余数据进行判别，直到没有粗大误差为止。 3．求算术平均值 将经检验后不包含系统误差及粗大误差的测量值，求算术平均值 4．求残差 根据各测