电气测试技术课件：误差分析与数据处理.pptx

电气测试技术

误差分析与数据处理;测量误差;测量误差;当对同一测量值进行多次等精度的重复测量时，得到一系列不同的测量值（常称为测量列），每个测量值都含有误差，这些误差的出现没有确定的规律，即前一个数据出现后，不能预测下一个数据的大小和方向。但就误差整体而言，却明显具有某种统计规律。

随机误差是由很多暂时未能掌握或不便掌握的微小因素构成，主要有以下几方面：

①测量装置方面的因素

②环境方面的因素

③人为方面的因素

;（一）随机误差的统计处理

随机误差：

随机误差的分布（基本前提）：由概率论的中心极限定理可知，大多数情况下，大量的、微小的、独立的随机误差接近于正态分布。;1. 测量次数n为无穷时，随机误差的统计特点：

①对称性，正负误差出现概率相等。

②抵偿性，一列等精度测量中，随机误差代数和为0，正负误差相互抵消。但有限次测量，不会全抵消，据此可估计出随机误差大小。

③单峰性，绝对值小的误差出现次数多，大的误差出现次数少。

④有界性，在一定测量条件下，随机误差绝对值不会超过一定限度。（3σ準則）;2.算术平均值

当测量次数无限增加时，算术平均值（数学上称之为最大或然值）必然趋近于真值。

对某量进行一系列等精度测量时，由于存在随机误差，因此其获得的测量值不完全相同，此时应以算术平均值作为最后的测量结果。

算术平均值的计算校核：可用求得的残余误差代数和来校核。

残差：

;3.均方根误差（标准偏差）σ

;说明：

1、标准差σ不是测量到中任何一个具体测量值的随机误差，σ的大小只说明，在一定条件下等精度测量列随机误差的概率分布情况。

2、在该条件下，任一单次测得值的随机误差δ，一般都不等于σ，但却认为这一系列测量列中所有测得值都属于同样一个标准差σ的概率分布。

3、在不同条件下，对同一被测量进行两个系列的等精度测量，其标准差也不相同。;标准偏差的计算方法

1、贝塞尔（Bessel）公式

2、别捷尔斯法

3、极差法;随机误差与数据处理;随机误差与数据处理;随机??差与数据处理;随机误差与数据处理;随机误差与数据处理;随机误差与数据处理;随机误差与数据处理;随机误差与数据处理;随机误差与数据处理;随机误差与数据处理;随机误差与数据处理;随机误差与数据处理;电气测试技术

误差分析与数据处理;24;25;26;27;28;29;30;31;32;33;34;35;36;则任意两组结果与间不存在系统误差的标志是：;38;39;40;41;42;43;44;45;电气测试技术

误差分析与数据处理;在一系列重复测量数据中，如有个别数据与其它的有明显差异，则它（或它们）很可能含有粗大误差（简称粗差），称其为可疑数据，记为。根据随机误差理论，出现大误差的概率虽然小，但也是可能的。因此，如果不恰当剔除含大误差的数据，会造成测量精密度偏高的假象。反之如果对混有粗大误差的数据，即异常值，未加剔除，必然会造成测量精密度偏低的后果。以上两种情况还都严重影响对的估计。因此，对数据中异常值的正确判断与处理，是获得客观的测量结果的一个重要方法。

一、粗大误差产生的原因

产生粗大误差的原因是多方面的，大致可归纳为：

①测量人员的主观原因

②客观外界条件的原因;二、判别粗大误差的准则

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。

（一）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似的准则。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：

(2-90)

则可认为该数据含有粗大误差，应予以剔除。;利用贝塞尔公式容易说明：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2-18对某量进行15次等精度测量，测得值如下表2-11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。

;由表2-11可得

根据准则，第八测得值的残余误差为：

即它含有粗大误差,故将此测得值剔除。再根据剩下的14个测得值重新计算，得：