知识笔记-2.3 粗大误差的判断准则.pdf

§ 2.3 粗大误差的判断准则 检验测量数据中是否含有粗大误差的方法常见的有三种： 1、莱特准则法 此方法是基于正态分布的前提下判断异常数据的方法。 假设在一系列等精度测量结果中，第i 项测量值为x ，其残差为u ，如果u  3ˆ 时则存 i i i x 在粗差，所对应的测量值x 为异常值，应该剔除不用。此法也称为“3σ 准则”。但此法有局 i 限性，在测量次数小于10 时，就会失效，会产生误判。 2 、格拉布斯准则 若某一次测量的残差：ui  Gˆx 时，则判断此值为异常数据，应予以剔除。其中G 为格 拉布斯系数，可以通过查格拉布斯系数表得出。 3 、中位数检验法 把测量数据按照由大到小的顺序排列出来，位于中间位置的数据，称为中位数，如果位 于中间位置的数据有两个，则这两个数的平均值为中位数。 在处理粗大误差时要注意以下几个问题： (1)上述三种方法都是以正态分布为前提的，当偏离正态分布时，检验可靠性将受影响， 特别是测量次数较少时更不可靠。 (2)若有多个可疑数据同时超过检验所定置信区间，应逐个剔除，然后重新计算。 (3)在一组测量数据中，可疑数据应极少。如果很多，就说明系统工作不正常，需要对异 常数据进行分析，找出原因。 (4)在这三种检验法中，莱特检验法是以正态分布为依据的，测值数据最好n200 ，若n10 则会失效；格拉布斯检验法理论严密，概率意义明确，实验证明较好；中位数检验法简捷方 便，也能满足一般实用要求。 有缘学习更多+谓ygd3076考证资料或关注桃报：奉献教育（店铺）