测量误差与数据处理1.ppt

②均方根偏差 ◆上述的算术平均值是反映随机误差的分布中心， 而均方根偏差则反映随机误差的分布范围，它又 称为标准偏差或标准差。均方根偏差愈大，测量 数据的分散范围也愈大，所以均方根偏差 σ 可以描 述测量数据和测量结果的精度。 ◆均方根偏差 σ 可由下式求取： 式中： - 第 i 次测量值。 2 2 1 ( ) n i i i x L n n ? ? ? ? ? ? ? ? i x 2 算术平均值和标准差 图 3-2 为不同σ下正态 分布曲线。由图可见： σ 愈小，分布曲线愈陡 峭，说明随机变量的 分散性小，测量精度 高；反之， σ 愈大，分 布曲线愈平坦，随机 变量的分散性也大， 则精度也低。 图 3 – 2 不同σ下正态分布曲线 2 算术平均值和标准差 ◆在实际测量时，由于真值 L 是无法确切知道的，用测 量值的算术平均值可代替它，各测量值与算术平均 值之差值称为残余误差，即 ◆用残余误差计算的均方根偏差称为均方根偏差的估 计值 σ s ，即 : i i v x x ? ? 2 2 i i 1 1 ( ) 1 1 n n i i s x x v n n ? ? ? ? ? ? ? ? ? ? 2 算术平均值和标准差 ◆通常在有限次测量时，算术平均值不可能等于被 测量的真值 L ，它也是随机变动的。 ◆设对被测量进行 m 组的“多次测量”，各组所得的 算术平均值 ， ，…， ，围绕真值 L 有一定的分 散性，也是随机变量。算术平均值 的精度可由 算术平均值的均方根偏差 来评定。它与 的关 系如下： 1 x s x n ? ? ? 2 x m x x x ? s ? 2 算术平均值和标准差 ◆由上式可见，在测量条件一定的情况下，算术平均 值的均方根偏差 随着测量次数 ｎ 的增加而减小， 算术平均值愈接近期望值。 ◆但仅靠增大 ｎ 值是不够的，实际上测量次数越多， 越难保证测量条件的稳定，所以在一般精密测量中， 重复性条件下测量的次数 ｎ 大多少于 10 ，此时要提 高测量精度，需采用其它措施（如提高仪器精度、 改进测量方法等）。 x ? 2 算术平均值和标准差 （ 1 ） 正态分布随机误差的概率计算 ◆ 因随机变量符合正态分布，它出现的概率就是正态分 布曲线下所包围的面积。因为全部随机变量出现的总 的概率是１，所以曲线所包围的面积应等于１，即： ◆ 随机变量在任意误差区间（ a ， b ）出现的概率为 式中， P a 为置信概率。 2 2 2 1 ( ) 1 2 x f x dv e dx ? ? ? ? ?? ?? ?? ?? ? ? ? ? 2 2 2 1 ( ) 1 2 x a P P a v b e dx ? ? ? ? ?? ?? ? ? ? ? ? ? 3 测量值的置信区间与置信概率 3 测量值的置信区间与置信概率 ◆ σ 是正态分布的特征参数，误差区间通常表示成 σ 的倍数，如 k σ。由于随机误差分布对称性的特点， 常取对称的区间，即 : 式中： k ——置信系数； ± k σ ——置信区间（误差限）。 dv e d P k v k P P k k v k k ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 2 2 2 2 1 ) ( ) ( ◆表 3-1 给出几个典型的 k 值及置信概率 表 3 – 1 k 值及其相应的概率 3 测量值的置信区间与置信概率 ◆ 随机变量在±kσ范围 内出现的概率为 P α， 则超出的概率称为置 信度（也称显著性水 平），用 α 表示： Pa 与α关系见图 11-3 。 1 a P ? ? ? 图 11 – 3 Pa 与α关系 3 测量值的置信区间与置信概率 ◆ 从表 3-1 可知，当 k =1 时， Pa=0.6827 ，即测量结果 中随机误差出现在 - σ ～ + σ 范围内的概率为 68.27% ， 而 | v | σ 的概率为 31.73% 。出现在 -3 σ ～ +3 σ 范围内 的概率是 99.73% ，因此可以认为绝对值大于 3 σ 的误 差是不可能出现的，通常把这个误差称为极限误差 δlim 。按照上面分析，测量结果可表示为： 或： ( 0.6827) a x x x P ? ? ? ? 3 ( 0.9973) a x x x P ? ? ? ? 3 测量值的置信区间与置信概率 ◆例 1 ：有一组测量值为 237.4 、 237.2 、 237.9 、 237.1 、 238.1 、 237.5 、 237.4 、 237.6 、 237.6 、 237.4 ，求 测量结果。 ●解：将测量值列于下表： 序 号 测量值 xi 残余误差 vi 1 237.4 -0.12 0.014 2