测量误差讲义.ppt

（5）多次测量的测量列算术平均值的标准差 在多次测量的测量列中，是以算术平均值作为测量结果，因此必须研究算术平均值不可靠的评定标准。 如果在相同条件下对同一量值作多组重复的系列测量，每一系列测量都有一个算术平均值，由于随机误差的存在，各个测量列的算术平均值也不相同，它们围绕着被测量的真值有一定的分散，此分散说明了算术平均值的不可靠性，而算术平均值的标准差则是表征同一被测量的各个独立测量列算术平均值分散性的参数，可作为算术平均值不可靠性的评定标准。 (24) 即在n次测量的等精度测量列中，算术平均值的标准差为单次测量标准差的 ，当n愈大，算术平均值越接近被测量的真值，测量精度也愈高。 增加测量次数，可以提高测量 精度，但测量精度是与n的平方根成 反比，因此要显著提高测量精度， 必须付出较大的劳动。由图可知, σ一定时，当n10以后， 的减小很 慢。此外，由于增加测量次数难以 保证测量条件的恒定，从而引入新的 误差，因此一般情况下取n=10以内较为适宜。总之，提高测量精度，应采取适当精度的仪器，选取适当的测量次数。 （三）粗大误差（Gross Error） 指明显超出统计规律预期值的误差。又称为疏忽误差、过失误差或简称粗差。 定义 产生原因 某些偶尔突发性的异常因素或疏忽所致。 测量方法不当或错误，测量操作疏忽和失误（如未按规程操作、读错读数或单位、记录或计算错误等） 测量条件的突然变化（如电源电压突然增高或降低、雷电干扰、机械冲击和振动等）。 　由于该误差很大，明显歪曲了测量结果。故应按照一定的准则进行判别，将含有粗大误差的测量数据（称为坏值或异常值）予以剔除。 判别粗大误差的准则 在测量过程中，确实是因读错记错数据，仪器的突然故障，或外界条件的突变等异常情况引起的异常值，一经发现，就应在记录中除去，但需注明原因。这种从技术上和物理上找出产生异常值的原因，是发现和剔除粗大误差的首要方法。有时，在测量完成后也不能确知数据中是否含有粗大误差，这时可采用统计的方法进行判别。统计法的基本思想是：给定一个显著性水平，按一定分布确定一个临界值，凡超过这个界限的误差，就认为它不属于偶然误差的范围，而是粗大误差，该数据应予以剔除。 在判别某个测得值是否含有粗大误差时，要特别慎重，应作充分的分析和研究，并根据判别准则予以确定。常用的判别准则有： 准则 准则是最常用也是最简单的判别粗大误差的准则，它是以测量次数充分大为前提，但通常测量次数比较少，因此该准则只是一个近视的准则。实际测量中，常以贝塞尔公式算得 ，以 代替真值。对某个可疑数据 ，若其残差满足： 则可认为该数据含有粗大误差，应予以剔除。 （17） 在n≤10的情形，用 准则剔除粗误差注定失败。为此，在测量次数较少时，最好不要选用 准则。下表是 准则的“弃真”概率，从表中看出 准则犯“弃真”错误的概率随n的增大而减小，最后稳定于0.3%。 例 对某量进行15次等精度测量，测得值如下表所列，设这些测得值已消除了系统误差，试判别该测量列中是否含有粗大误差的测得值。 表 表 准则 “弃真”概率a n 11 16 61 121 333 a 0.019 0.011 0.005 0.004 0.003 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 20.42 20.43 20.40 20.43 20.42 20.43 20.39 20.30 20.40 20.43 20.42 20.41 20.39 20.39 20.40 +0.016 +0.026 -0.004 +0.026 +0.016 +0.026 -0.014 -0.104 -0.004 +0.026 +0.016 +0.006 -0.014 -0.014 -0.004 0.000256 0.000676 0.000016 0.000676 0.000256 0.000676 0.000196 0.010816 0.000016 0.000676 0.000256 0.000036 0.000196 0.000196 0.000016 +0.009 +0.019 -0.011 +0.019 +0.009 +0.019 -0.021 —— -0.011 +0.019 +0.009 -0.001 -0.021 -0.021 -0.011 0.000081 0.000361 0.0001