实验设计与数据处理 观察和误差3.pptVIP

Grubbs计算步骤如下： 将数据按大小重新排列 计算统计量均值及标准偏差 找出剩余偏差最大者，如 ｜Md-M｜λ(a,n)σ（M）成立，则Md为坏值。 这里包含了寻找和判断两个问题 石书p284表 再做计算 4）t检验准则 以上判断都把被怀疑的数据在计算均值、标准偏差时一块考虑在内的，都不是好的处理方法。 有n个独立重复观测值，即X1，X2，???，Xd，???， Xn，其中表示观测值中被怀疑的异常值。要判断是否为异常值，先计算不含的算术平均值： M’ 再求出不含的实验标准偏差：σ‘ 然后根据所要求的显著性水平及观测次数n查表得t检验系数，若： ｜Md-M’｜Ka,Nσ‘ 则该可被认为是异常值，考虑剔除。 T检验系数K（ α ，n）数值表 扫描石p285 作业： 一个水样的10次铅含量（mg/L）测定值分别为：0.58,0.61,0.55,0.53,0.59,0.45,0.63,0.66,0.56,0.60。试检验可疑值0.45 mg/L是否该剔除？ 用几种方法演算。 几种异常值剔除方法比较： 3σ方法使用方便，不用查表，但过分严格，一般在观测次数50以上较好； 格拉布斯准则在观测次数30－50判别较好； 观测次数较少时宜用t检验法。 在较为准确的实验中应两三种方法同时使用，当结论一致时按结论；结论不一致应进一步考察。再看教材13 前提条件：数据服从正态分布、数据数量不太少。 更重要的是提高试验人员的技术水平、责任心，不要在情绪不宁和疲劳情况下试验，理解影响试验结果的因素，保持试验条件的稳定。 异常数据判断方法在工业中的应用 ——磨机状况的判断 水泥生产配料流程 1/3 1/3 1/3 1/3 1/3 1/3 率值合格率提高 率值合格率没有明显变化 率值合格率下降 配料控制系统效果统计 新率值配料系统示意图 取样检测成分 回调指令 磨机工况监控 喂料监控 问题： 正态表中z最大值只有3.9? 正态表中z为什么没有负数？ 注意： a、表中z均大于0，如小于0怎么办？ ?（-x)=1- ?（x) P(aXb)= ?（b)- ?（a) 利用插图解释 用正态分布表验证下列数据： P{|x- ? |?3? }=0.997 b、非标准正态如何使用正态分布？ 对于 令 ? t=?y+? y 例2－3 已知试样中Co的标准值为1.75%，标准偏差σ＝0.10。求分析结果落在（1.75±0.15）范围内的概率。 解： Y=(t-μ）/σ＝（1.75＋0.15－1.75)/0.10=1.5 P{-1.5y1.5}=0.9332-(1-0.9332)=0.8664 例2－4 已知试样中Co的标准值为1.75%，标准偏差σ＝0.10。求分析结果2.0的概率。 如何用电脑自动查标准正态值？ P{|x- ? |?? }=0.6826 P{|x- ? |?2? }=0.9544 P{|x- ? |?3? }=0.997 例2－3 已知试样中Co的标准值为1.75%，标准偏差σ＝0.10。求分析结果落在（1.75±0.15）范围内的概率。现场演算 解： Y=(t-μ）/σ＝（1.75＋0.15－1.75)/0.10=1.5 P{-1.5y1.5}=0.9332-(1-0.9332)=0.8664 3、过失误差来源及处理方法 （粗大误差、异常值） 例：今化学分析某样品CaO含量11次得到数据：30.18, 30.23, 30.21, 30.15, 30.28, 30.31, 30.56, 30.32, 30.38, 30.35, 30.19, 问其中30.56是否该弃去？ 实验中可疑结果（离群值、异常值）的判断及取舍： 测定结果的判断，在测定工作中，我们经常使多次重复的测定数据，借以求出平均值。如果数据中出现显著差异，有的数据特大或特小，这样的数据是值得怀疑的，因此我们称这样的数据为可疑值。 过失误差是由于实验者的粗心、不正确操作或测量条件的突变引起的误差。 例如试剂种类弄错或数量加错，测量读错刻度或记录错，计算错等等。这些都属于不应有的过失，会给分析结果带来严重影响，应加以避免。 错误不能算是误差，如已出现为错误的结果应立即剔除，不能计出或用以计算平均值。 为此，对一个实验工作者来说，必须严格遵守操作规程，实验过程中要一丝不苟，耐心细致地工作，才能避免操作错误。 对可疑值应做如下处理： （1）在测定过程中已经知道数据是可疑的，应将可疑值立即弃去。 （2）复查测定结果时已经找出出现可疑值的原因，应将可疑值立即弃去。