传感器与检测技术基础 chapter1.pptVIP

此时， 的极限 称为概率密度。即 (1-3-6) 的图形如图1.3.5所示。显然，曲线下阴影部分的面积等于 它表示随机误差值落在图中所示d古的微小区间内的概率。 1.3.3.2 随机误差的特点 根据表1-1-1。给出的测量结果和图1—10随机误差的正态分布曲线，可以得到随机误差正态分布的特性： I.对称性 随机误差可正可负，但绝对值相等的正、负误差出现的机会相等。也就是说 曲线对称于纵轴。 II.?有界性 在一定测量条件下，随机误差的绝对值不会超过一定的范围，即绝对值很大的随机误差几乎不出现。 III.抵偿性 在相同条件下，当测量次数 时，全体随机误差的代数和等于零，即 。 Ⅳ.单峰性 绝对值小的随机误差比绝对值大的随机误差出现的机会多，即前者比后者的概率密度大，在 处随机误差概率密度有最大值。 1.3.3.3 算术平均值和标准偏差 我们可以用解析的方法推导出随机误差正态分布曲线的数学表达式，即正态概率密度分布函数。 (1-3-7) 式(1-1)称为高斯误差方程。式中 是方均根误差，或称标准误差。标准误差 可由下式求得 (1-3-8) 计算 时，必需已知真值x0，并且需要进行无限多次等精度重复测量。这显然是很难做到的。 根据长期的实践经验，人们公认，一组等精度的重复测量值的算术平均值最接近被测量的真值，而算术平均值很容易根据测量结果求得，即 (1-3-9) 因此，可以利用算术平均值代替真值x0，来计算式(1-2)中 的。此时，式(1-2)中的=xi-x0，就可以改换成 。 称为剩余误差。剩余误差的特点是，不论n为何值，总有 (1-3-10) 由此，我们可以看到，采用由n个测量值计算出的算术平均值和这n个测量值，计算出(n-1)个剩余误差后，余下的第n个剩余误差就不再是独立的了，它可由式(1-4)确定。也就是说，虽然我们可以求得n个剩余误差，但实际上它们之中只有(n-1)个是独立的：考虑到这一点，测量次数n为有限值时，标准误差的估计值可由下式计算 式(1-3-11) 称为贝塞尔公式。 在一般情况下，我们对 和 并不加以严格区分，统称为标准误差。 标准误差在评价正态分布的随机误差时具有特殊的意义。理论计算表明： I.??介于(- ，+ )之间的随机误差出现的概率为 II.??介于(-2 ，+ )之间的随机误差出现的概率为 随机误差出现在此区间之外的概率为1--0.9545＝0.0455＝4.55％。 III.?介于(-3 ，+3 )之间的随机误差出现的概率为 而出现在此区间之外的概率仅为l-0.9973＝0.00270.3％。 因此，在1000次等精度测量中，只可能有3次随机误差超过(-3 ，+3 )区间，实际上可以认为这种情况很难发生。 上述结论说明，标准误差的大小可以表示测量结果的分散程度。图l.3.6给出不同值的三条正态分布曲线。由此可见，值愈小，则分布曲线愈尖锐。也