64724

Статистическая обработка результатов измерений

Лекция

Социология, социальная работа и статистика

Статистическая обработка используется для повышения точности измерений с многократными наблюдениями а также определения статистических характеристик случайной погрешности. Характеристикой этого рассеяния является средний квадрат отклонения среднего арифметического...

Русский

2014-07-10

307.5 KB

74 чел.

Лекция 7.

Статистическая обработка результатов измерений

Статистическая обработка результатов измерений – обработка измерительной информации с целью получения достоверных данных. Разнообразие задач, решаемых с помощью измерений, определяет и разнообразие видов статистической обработки их результатов.

Задача статистической обработки результатов многократных измерений заключается в нахождении оценки измеряемой величины и доверительного интервала, в котором находится истинное значение.

Статистическая обработка используется для повышения точности измерений с многократными наблюдениями, а также определения статистических характеристик случайной погрешности.

Для прямых однократных измерений статистическая обработка менее сложна и громоздка, что значительно упрощает оценку погрешностей.

Статистическую обработку результатов косвенных измерений производят, как правило, методами, основанными на раздельной обработке аргументов и их погрешностей, и методом линеаризации.

Наиболее распространенные совместные измерения обрабатываются разными статистическими методами. Среди них широко известен и часто применяется метод наименьших квадратов.

Прямые измерения с многократными наблюдениями.

Необходимость в многократных наблюдениях некоторой физической величины возникает при наличии в процессе измерений значительных случайных погрешностей. При этом задача обработки состоит в том, чтобы по результатам наблюдений определить наилучшую (оптимальную) оценку измеряемой величины и интервал, в котором она находится с заданной вероятностью. Данная задача может быть решена способом статистической обработки результатов наблюдений, основанным на гипотезе о распределении погрешностей результатов по нормальному закону.

Порядок такой обработки должен соответствовать государственному стандарту и рекомендациям по метрологии.

Итак, рассмотрим группу из n независимых результатов наблюдений случайной величины x, подчиняющейся нормальному распределению. Оценка рассеяния единичных результатов наблюдений в группе относительно их среднего значения  вычисляется по формуле:

 

Поскольку число наблюдений в группе, на основании результатов которых выполнено вычисление среднего арифметического, ограничено, то, повторив заново серию наблюдений этой же величины, мы получили бы новое значение среднего арифметического. Повторив многократно наблюдения и вычисляя каждый раз их среднее арифметическое значение, принимаемое за результат наблюдений (измерений), обнаружим рассеяние среднего арифметического значения.

Характеристикой этого рассеяния является средний квадрат отклонения  среднего арифметического:

Среднее квадратичное отклонение среднего арифметического используется для оценки погрешности результата измерений с многократными наблюдениями.

Теория показывает, что если рассеяние результатов наблюдения в группе подчиняется нормальному закону, то и их среднее арифметическое тоже подчиняется нормальному закону распределения при достаточно большом числе наблюдений (n>50). Отсюда при одинаковой доверительной вероятности доверительный интервал среднего арифметического в    ỳже, чем доверительный интервал результата наблюдений. Теоретически случайную погрешность результата измерений можно было бы свести к 0, однако практически это невозможно, да и не имеет смысла, так как при уменьшении значения случайной погрешности определяющим в суммарной погрешности становится значение неисключенных остатков систематической погрешности.

При нормальном законе распределения плотности вероятностей результатов наблюдений и небольшом числе измерений среднее арифметическое подчиняется закону распределения Стьюдента с тем же средним арифметическим  . Особенностью этого распределения является то, что доверительный интервал с уменьшением числа наблюдений расширяемся по сравнению с нормальным законом распределения при этой же доверительной вероятности. В формуле для оценки доверительных границ случайной погрешности это отражается введением коэффициента tq вместо t:

Δx(P) = tσ= tqσ  

Коэффициент распределения Стьюдента зависит от числа наблюдений и выбранной доверительной вероятности и находится по таблице. Например, для n=4 и =0,95  tq=3,182; n=5 при  =0,95 tq=2,776; для n=10 tq=2,262; n=15 tq=2,145 при той же =0,05.

Правила обработки результатов измерения с многократными наблюдениями учитывают следующие факторы:

  •  обрабатывается группа из n наблюдений (то есть группа ограничена);
  •  результаты наблюдений могут содержать систематическую погрешность;
  •  в группе наблюдений могут встречаться грубые погрешности;
  •  распределение случайных погрешностей может отличаться от нормального.

Обработка результатов наблюдения производится в следующей последовательности:

  1.  Исключить известные систематические погрешности из результатов наблюдения (введением поправки);
  2.  Вычислить среднее арифметическое исправленных результатов наблюдений, принимаемое за результат наблюдений:

  1.  Вычислить оценку среднего квадратичного отклонения результата наблюдения:

Определив , целесообразно проверить наличие в группе наблюдений грубых погрешностей, помня, что при нормальном законе распределения ни одна случайная погрешность   , с вероятностью, практически равной 1, не может  выйти за пределы   . Наблюдения, содержащие грубые погрешности, исключают из группы и заново повторяют вычисления Х и .

4) Вычислить оценку среднего квадратичного отклонения среднего арифметического    по формуле:

5) Проверить гипотезу о том, что результаты измерений принадлежат нормальному распределению.

Приближенно о характере распределения можно судить, построив гистограмму. Существуют и строгие методы проверки гипотез о том или ином характере распределения случайной величины с использованием специальных критериев. Об этом подробнее можно узнать в книге П. В. Новицкий, И. А. Зограф «Оценка погрешностей результатов измерений».

При числе наблюдений n<15 принадлежность их к нормальному распределению не проверяют, а доверительные границы случайной погрешности результата определяют лишь в том случае, если достоверно известно, что результаты наблюдений принадлежат нормальному закону.

6) Вычислить доверительные границы случайной погрешности результата измерения при заданной вероятности P:

                     ,

где    - коэффициенты Стьюдента

7) Вычислить границы суммарной неисключенной систематической погрешности (НСП) результата измерения.

НСП результата измерений образуется из неисключенных остатков измерений, погрешностей, поправок и т. д.

При суммировании эти составляющие рассматриваются как случайные величины. При отсутствии данных о виде распределений НСП, их распределения принимают за равномерные.

При равномерном распределении НСП границы НСП вычисляют по формуле:

,                   

где  - граница i-той НСП, k – коэффициент, определяемый принятой доверительной вероятностью (при =0,95  =1,1); m – число неисключенных составляющих систематической погрешности.

Доверительную вероятность для вычисления границ НСП принимают той же, что при вычислении границ случайной погрешности результата измерений.

8) Вычислить доверительные границы погрешности результата измерения.

Анализ соотношения между НСП и случайной погрешностью показывает, что если , то НСП можно пренебречь и принять границы погрешности результата    .

Если , то случайной погрешностью можно пренебречь и принять .

Если оба неравенства не выполнены, вычисляют среднее квадратичное отклонение результата как сумму НСП и случайной погрешности в следующем виде:

,

а границы погрешности результата измерения в этом случае вычисляют по формуле:

,

где k – коэффициент, определяемый как

9) Записать результат измерения в регламентированной стандартом форме:

 а) при симметричном доверительном интервале погрешности результата измерения  , где x – результат измерения;

б) при отсутствии данных о виде функции распределения составляющих погрешности результата или при необходимости использования данных для дальнейшей обработки результатов, результат представляют в форме:

Из условия, что при   случайной погрешностью можно пренебречь, следует оценка максимального целесообразного числа наблюдений в эксперименте:

  ,

где

Прямые однократные наблюдения.

Такой вид измерений является наиболее распространенным, когда речь идет о механических измерениях или физическом эксперименте. Однако они возможны лишь при следующих условиях:

  •  объем априорной информации об объекте измерений такой, что аналитическая модель объекта и измеряемой величины не вызывают сомнений;
  •  метод измерения достаточно изучен, и его погрешности либо заранее устранены, либо оценены;
  •  средства измерения исправны, а их метрологические характеристики соответствуют установленным нормам;
  •  применение методики обработки результатов прямых однократных измерений возможно, если известны составляющие погрешности измерения; закон распределения случайных составляющих - нормальный, а НСП – равномерный с известными границами   .

Сама методика описана в соответствующих нормативных документах.

Результатом прямого однократного измерения физической величины  является показание, снятое непосредственно с используемого средства измерения. До измерения должна быть проведена априорная оценка составляющих погрешности с использованием всех доступных данных. При определении доверительных границ погрешности результата измерений доверительная вероятность принимается  .

Погрешность результата прямого однократного измерения включает в себя погрешность средства измерения, методы измерения и субъективную погрешность оператора (которую можно легко устранить, применив цифровой прибор, но возникнет погрешность дискретизации). Любая из этих составляющих может иметь и НСП, и случайные составляющие.

Оценивание погрешностей прямых однократных измерений можно подразделить на точное и приближенное.

Методика точной оценки:

1) пусть число НСП m и каждая из них задана либо границами , либо доверительными границами  . В первом случае доверительная граница систематической составляющей погрешности результата измерения вычисляется по формуле:

 ,

где k=1,1 (как и при =0,95), а во втором случае:  

,

где при P=0,95 k=1,1, при P=0,99 и m>4  k=1,4

2) Если составляющие случайной погрешностей заданы их СКО i, найденными предварительно опытным путем многократных наблюдений, то доверительные границы    результирующей случайной погрешности

  ,

где t = 1,1 или можно брать коэффициент Стьюдента, соответствующий меньшему числу наблюдений. Если же случайные составляющие погрешности заданы доверительными границами   , при одной и той же доверительной вероятности, то

После сопоставления значений и (как в случае многократных наблюдений), определяют наличие необходимости их суммирования, то есть если:

  1.      , то     
  2.         , то     
  3.  , то    

При P=0,95 :

0,8

1

2

3

4

5

6

7

8

k

0,76

0,74

0,71

0,73

0,76

0,78

0,79

0,81

0,81

 Как и при измерениях с многократными наблюдениями, однократный отсчет может содержать грубую погрешность. Во избежание промаха однократное измерение необходимо повторять 2 – 3 раза, приняв за результат среднее арифметическое. (Статистической обработке эти отсчеты не подвергаются). Результат однократного измерения записывается в форме:

Приближенная оценка погрешности прямого однократного измерения.

Для таких измерений в качестве результата принимают значение отсчета x, а оценивание погрешности производится на основе нормативных данных о свойствах используемых средств измерений. Поскольку эти данные относятся к множеству средств измерения данного типа, то у конкретного экземпляра прибора, используемого в измерении, действительные свойства могут значительно отличаться от нормированных (можно провести поверку). Тем не менее, не имея другой достоверной информации (либо не имея в ней нужды) о реальных метрологических характеристиках средства измерения, можно проводить оценку погрешности измерения на основе предельных норм, представляемых в технической  документации на средства измерения. Такие оценки дают возможность оценить погрешность сверху, но для корректировки результата измерения или для введения поправок они недостаточно надежны. Общая схема следующая:

  Выбрав необходимое средство измерения (определяется исходя из условий измерительной задачи), уточнив условия измерения (нормальные или рабочие), оценивают возможные дополнительные погрешности прибора (если условия рабочие) и суммируют предел допускаемой основной погрешности  и дополнительные погрешности  :

Таким образом находится верхняя оценка результата измерения. Методические погрешности должны быть учтены заранее, а личные (субъективные) при таких измерениях предполагаются малыми и не учитываются.

Более точная оценка погрешности может быть получена статистическим сложением (а не простым) составляющих погрешности (например, вместо    можно использовать   )

Пример: Выполнено однократное измерение   на участке цепи с     R=4 Ом вольтметром с пределом допускаемой погрешности 0,5% от верхнего предела измерения(=1,5 В)   . Показание    =0.90В; =1000 Ом. Найти результат измерения с указанием погрешности.

 1) Инструментальная составляющая погрешности определяется основной и дополнительной погрешностями. При показаниях Ux = 0.9 В   предел допускаемой относительной погрешности вольтметра на этой отметке в процентах:

Дополнительная погрешность отсутствует, так как  , то есть нормальная (дополнительная погрешность от влияния магнитного поля подсчитана по паспортным данным и находится в пределах  0,75%).

2) Методическая погрешность определяется соотношением между сопротивлением участка цепи R и сопротивлением вольтметра . При подключении вольтметра к цепи его показания:

,

откуда относительная методическая погрешность:

Эта погрешность является систематической и должна быть учтена (то есть, исключена) путем введения поправки:

 

и тогда

3) Таким образом, относительная погрешность   , или переходя к абсолютной погрешности,      .

Если учесть, например, погрешность от влияния магнитного поля Земли, или температурную, то эти погрешности необходимо просуммировать (получим абсолютную погрешность), либо затем применив статистическое суммирование при   =0,95 :     , снова найти абсолютную погрешность  , то есть получить доверительный интервал НСП.

4) Округляя результат измерения можно записать:    .

Косвенные измерения

При косвенных измерениях искомое значение величины находят расчетом на основе измерения других величин, связанных с измеряемой известной зависимостью:  

Поскольку каждое из   измеряется с некоторой погрешностью, то задача оценивания погрешности результата сводится к суммированию погрешностей измерения аргументов. Особенностью косвенных измерений является то, что вклад отдельных погрешностей измерения аргументов в сумму погрешностей результата зависит от вида функции   .

Для оценки погрешностей существенно разделение косвенных измерений на линейные и нелинейные. При линейных косвенных измерениях уравнение измерений имеет вид:

                                                   (*)

где  - const при

Любые другие функции зависимости являются нелинейными.

Результат линейных косвенных измерений находят по формуле (*), подставляя в нее  . Погрешности результата могут быть заданы своими границами   , либо доверительными границами   с доверительными вероятностями .

Если m<5 , то простая оценка погрешности результата   может быть получена простым суммированием предельных погрешностей (без учета знака), то есть подстановкой   в выражение:  

Однако такая оценка является завышенной, так как такое суммирование означает, что погрешности измерения всех аргументов одновременно имеют максимальные значения и совпадают по знаку. Вероятность такого совпадения стремится к 0. Для определения более реалистичной оценки переходят к статистическому суммированию погрешностей аргументов, полагая, что в заданных границах погрешности аргументов распределены равномерно:

,

где    - доверительные границы при доверительной вероятности P, k – коэффициент, зависящий от P (k – 1,1 при P=0,95)

Нелинейные косвенные измерения характеризуется тем, что результаты измерения аргументов подвергаются функциональным преобразованиям. Как показано в теории вероятностей, любые, даже простейшие, функциональные преобразования случайной величины приводят к изменению законов их распределения.

При сложной функции    отыскание закона распределения погрешности результата связано с серьезными математическими трудностями. Поэтому при нелинейных косвенных измерениях обычно ограничиваются приближенной верхней оценкой ее границ. В основе такой оценки лежит линеаризация функции    и далее обработка результатов проводится как при линейном косвенном измерении.

Для полного дифференциала функции A выражение запишем как:

По определению полный дифференциал функции - это приращение функции, вызванное малыми приращениями ее аргументов. Полагая, что погрешности – это малые приращения, запишем:

Полагая, что распределения погрешностей аргументов подчиняются равномерному закону, при числе слагаемых m<5 границы погрешности определяем:

А при m>5 по :

      ,

где .

Существует несколько правил оценивания погрешности:

  1.  погрешности в суммах и разностях:

если , то  (не учитываем знак в А)

  1.  погрешности в произведениях и частных:

если   или   , то суммируются относительно погрешности:      , где

3)  если   A=B*a    и B  не имеет погрешности, то

4) возведение в степень:      если , то

5) если   , то есть является произвольной функцией а, то:

Для использования этих правил число аргументов должно быть больше 5.

Пример: при косвенном измерении электрической мощности, рассеиваемой на резисторе сопротивлением R при протекании тока I. Так как  , то применяя правила 2) и 4), получим:

 


 

А также другие работы, которые могут Вас заинтересовать

30637. Изображение народного характера в рассказе А.И. Солженицына «Матренин двор» 12.62 KB
  Солженицына является то что он исследует русский характер. Но главным в образе героини является доброта доброе расположение духа добрая улыбка побеждающая в душе все тяготы и заботы. Неслучайно Солженицын хотел назвать свой рассказ Не стоит село без праведника поскольку именно Матрена является истинным праведником: она тот самый праведник без которого не стоит село. Реалистическая достоверность изображенных событий накладывает особый отпечаток на образ Матрены ее жизнь является не только символом праведности но и ощутимым...
30638. Интерьер как средство характеристики героя 18.61 KB
  Интерьер его домика состоящего из шести крошечных комнат говорит о том что перед нами маленький человек очевидно небогатый который не претендует на значимость любит уют. И действительно толстоногий стол заваленный почерневшими от старинной пыли бумагами говорит о том что Василий Иванович занимается работой но делает это время от времени. О том что Василий Иванович интересуется естественными науками и физическими опытами говорит сломанная электрическая машина но это увлечение осталось в прошлом так как она до сих...
30639. «Испытание любовью» как средство характеристики героя в произведениях отечественной классики 19 века 14.36 KB
  Но можем сказать что испытание любовью открыло насколько изменился Онегин.Ещё одним героем прошедшим через испытание любовью является Печорин Лермонтова Герой нашего времени. В таких случаях жизнь мстит за себя: в крепости Печорин пытается заглушить тоску сердца любовью к дикарке Бэле но очень скоро убеждается в бесплодности своих усилий.
30640. Стихотворение М.Ю. Лермонтова «Родина». (Восприятие, истолкование, оценка.) 15.68 KB
  Лермонтова Родина. Ни в одном произведении Лермонтов не достигал такой поэтической ясности как в стихотворении Родина написанном в 1841 году. Родина отразила целый комплекс народных понятий и представлений сложившихся на протяжении столетий и выявившихся как разум народа в отличие от предрассудков предубеждений мгновенного настроения толпы или тех чувств которые несли на себе печать векового рабства и порабощения. И как богат этот опыт как он многосторонен как утонченно и благородно народное чувство и как велик его разум...
30641. Любовная лирика А.С. Пушкина. Чтение наизусть и анализ одного из стихотворений по выбору учащегося 13.5 KB
  Пушкина. Любовь в поэзии Пушкина это глубокое нравственно чистое и самоотверженное чувство облагораживающее и очищающее человека. Я помню чудное мгновенье одно из самых проникновенных трепетных гармонических стихотворений Пушкина относящихся к любовной тематике. Вновь возрождение чувств в душе поэта вновь прилив жизненных сил вновь приход творческого вдохновения: Душе настало пробужденье: И вот опять явилась ты В этом стихотворении Пушкина любовная тема сочетается с философскими раздумьями поэта о своей жизни о радости...
30642. Своеобразие художественного мира одного из поэтов Серебряного века 15.41 KB
  Символистам и футуристам Гумилев противопоставил акмеизм. Как создатель нового литературного направления, первом десятилетии ХХ века он приобрёл широкую известность. Греческое слово «акме» в переводе означало «цвести» и трансформировалось в программе акмеистов как ясность, простота, утверждение реального в жизни.
30643. Мотив дороги и его философское звучание в произведениях отечественной классики 19 века 15.53 KB
  Образ дороги в этом произведении не выходит на первый план.Образ дороги здесь традиционный символ жизненного пути. Тема дороги путешествия главного героя имеет в поэме несколько функций.
30644. Мотивы преступления и возмездия в произведениях отечественной литературы 13.83 KB
  В ней повествуется о том как некий граф Р слишком равнодушно отнёсся к возможной гибели от его пули главного героя Сильвио. Фуражка Сильвио была прострелена на вершок ото лба право своего выстрела он оставил за собой. Граф больше ценит свою жизнь больше боится возмездия Сильвио. Сильвио прекрасно понимает это поэтому приходит в дом к своему сопернику объясняется с ним при его жене.
30645. Стихотворение Маяковского Нате 14.44 KB
  Ранний лирический герой В. Достоевского Преступление и наказание в котором главный герой Родион Раскольников делит людей на тварей дрожащих и право имеющих.В данном случае лирический герой В. В то же время лирический герой легкораним.