数据处理 论文.docxVIP

PAGE13 / NUMPAGES13 《实验设计与数据处理》课程总结与体会 本文主要是总结了数据处理和实验设计两部分内容的一些概念、方法，详细地介绍其中方法的步骤和原理，并对数据处理方法和实验设计方法在实际实验应用中，各举了一个例子。最后，还总结了自己对这门课程的一些体会。 一、数据处理1、数据处理的目的 通过误差分析，评判试验数据的可靠性； 确定影响试验结果的因素主次，抓住主要矛盾，提高试验效率； 确定试验因素与试验结果之间存在的近似函数关系，并能对试验结果进行预测和优化； 研究试验因素对试验结果的影响规律，为控制试验提供思路； 确定最优试验方案或配方。 2、数据处理的有关概念及其计算方法 （1）真值 在某一时刻和某一状态下，某量的客观值或实际值 ，在科学实验中，经常将多次试验值的平均值作为真值得近似值。 （2）平均值 平均值的种类很多，常用的平均值及其算法和使用条件如下： = 1 \* GB3 ①算术平均值 等精度试验值，试验值服从正态分布 = 2 \* GB3 ②加权平均值 适合不同试验值的精度或可靠性不一致时 ③对数平均值 若数据的分布具有对数特性，则宜使用对数平均值 ④几何平均值 当一组试验值取对数后所得数据的分布曲线更加对称时，宜采用几何平均值。 ⑤调和平均值 常用在涉及到与一些量的倒数有关的场合 如果1/2≤x1/x2≤2 时，可用算术平均值代替 （3） 各种误差的定义及其计算和使用条件 = 1 \* GB3 ①绝对误差 绝对误差＝试验值－真值 = 2 \* GB3 ② 相对误差 ③算术平均误差 可以反映一组试验数据的误差大小 ④ 标准误差 当试验次数n无穷大时，总体标准差： 试验次数为有限次时，样本标准差： 表示试验值的精密度，标准差↓，试验数据精密度↑ 小误差比大误差出现机会多；正、负误差出现的次数近似相等，当试验次数足够多时，误差的平均值趋向于零；可以通过增加试验次数减小随机误差，但随机误差不可完全避免的。 （4） 精密度，反映了随机误差大小的程度，可以通过增加试验次数而达到提高数据精密度的目的 精密度判断方法：极差： 标准差和方差：方差↓，精密度↑ （5） 试验数据误差的统计检验 ① 随机误差的检验 随机误差的大少可用实验数据的精密度来反映，而精密度也可以用方差来检验，所以对测试结果进行方差检验，即可判断各试验或结果的随机误差之间的关系。 检验 检验，就是试验数据的总体方差已知的情况下，对试验数据的随机误差或精密度进行检验。 检验步骤： 如果数据服从正态分布，则统计量为： 且服从自由度为的 分布，则通过查临界值 ，（为显著性水平，一般取0.05 或0.1）来进行检验。 1’ 双侧检验：当，则判断两方差无显著差异，否则有显著差异 2’ 左侧（尾）检验 ：当，则判断该方差与原总体方差无显著减小，否则有显著减小 3’ 右侧（尾）检验: 当，则判断该方差与原总体方差无显著增大，否则有显著增大 = 2 \* GB3 ② 系统误差的检验 t检验法 目的：检验服从正态分布数据的算术平均值是否与给定值有显著差异 检验步骤： 若试验数据服从正态分布，先计算统计量： 服从自由度为 的 t分布 ,将t与临界值进行比较 1’ 双侧检验：当 ，则判断两方差无显著差异，否则有显著差异( 给定值可以是真值、期望值或标准值） 2’ 左侧（尾）检验 ：当 且断该方差与原总体方差无显著减小，否则有显著减小 3’ 右侧（尾）检验: 当 且 ，则判断该方差与原总体方差无显著增大，否则有显著增大 ③秩和检验法 目的：两组数据或两种试验方法之间是否存在系统误差、两种方法是否等效等 ，不要求数据具有正态分布 步骤： 设有两组试验数据，相互独立 ，n1，n2分别是两组数据的个数 ，总假定 n1≤n2；将这个试验数据混在一起，按从小到大的次序排列 ；每个试验值在序列中的次序叫作该值的秩； 将属于第1组数据的秩相加，其和记为R1（ R1—第1组数据的秩和）。 如果两组数据之间无显著差异，则R1就不应该太大或太小 检验： 查秩和临界值表： 根据显著性水平?和n1，n2，可查得R1的上下限T2和T1 1’ 如果R1＞T2 或R1 ＜T1，则认为两组数据有显著差异，另一组数据有系统误差 2’ 如果T1＜R1＜T2，则两组数据无显著差异，另一组数据也无系统误差 ④异常值的检验 处理原则为： 在试验过程中，若发现异常数据，应停止试验，分析原因，及时纠正错误； 试验结束后，在分析试验结果时，如发现异常数据，则应先找出产生差异的原因，再对其进行取舍；　 在分析试验结果时，如不清楚产生异常值的确切原因，则应对数据进行统计处理；若数据较少，则可重做一组数据；　 对于舍去的数据，在试验报告中应