Главная

Категории:

ДомЗдоровьеЗоологияИнформатикаИскусствоИскусствоКомпьютерыКулинарияМаркетингМатематикаМедицинаМенеджментОбразованиеПедагогикаПитомцыПрограммированиеПроизводствоПромышленностьПсихологияРазноеРелигияСоциологияСпортСтатистикаТранспортФизикаФилософияФинансыХимияХоббиЭкологияЭкономикаЭлектроника






Классификация измерений и погрешностей измерений.


Формы представления погрешностей. Свойства случайных погрешностей.

Формы погрешностей:

Абсолютная погрешность — ΔX является оценкой абсолютной ошибки измерения. Величина этойпогрешности зависит от способа её вычисления, который, в свою очередь, определяется распределениемслучайной величины Xmeas. При этом равенство:

ΔX = | XtrueXmeas | ,

где Xtrue — истинное значение, а Xmeas — измеренное значение, должно выполняться с некоторойвероятностью близкой к 1. Если случайная величина Xmeas распределена по нормальному закону ,

то,обычно, за абсолютную погрешность принимают её среднеквадратичное отклонение. Абсолютнаяпогрешность измеряется в тех же единицах измерения, что и сама величина.

Относительная погрешность

отношение абсолютной погрешности к тому значению, которое принимаетсяза истинное:

.Относительная погрешность является безразмерной величиной, либо измеряется в процентах.

Приведенная погрешность - относительная погрешность, выраженная отношением абсолютнойпогрешности средства измерений к условно принятому значению величины, постоянному во всем диапазонеизмерений или в части диапазона. Вычисляется по формуле:

, где Xn- нормирующие значение, которое зависит от типа шкалы измерительного прибора и определяется по его градуировке:

· если шкала прибора односторонняя, т.е. нижний предел измерений равен нулю, то Xn определяется равным верхнему пределу измерений;

· если шкала прибора двухсторонняя, то нормирующее значение равно ширине диапазона измеренийприбора.

Приведенная погрешность - безразмерная величина (может измеряться в процентах).

Теоретические исследования и опыт измерений показывают, что случайные погрешности обладают следующими основными свойствами:

- при определенных условиях измерений, случайные погрешности по абсолютной величине не могут превышать известного предела;

- малые по абсолютной величине погрешности появляются чаще, чем большие.

- количество «отрицательных» и «положительных» погрешностей равно;

- среднее арифметическое из всех случайных погрешностей равноточных измерений одной и той же величины при неограниченном возрастании числа измерений n стремится к нулю, т.е.

 

Основные понятия теории вероятностей. Геометрическая вероятность.

Одним из основных понятий теории вероятностей является понятие события. Под событием понимают любой факт, который может произойти в результате опыта или испытания. Под опытом, или испытанием, понимается осуществление определённого комплекса условий. Различают события совместные и несовместные. События называются совместными, если наступление одного из них не исключает наступления другого. В противном случае события называются несовместными. Событие называется достоверным, если оно обязательно произойдет в условиях данного опыта.
Событие называется возможным, или случайным, если в результате опыта оно может появиться, но может и не появиться. События называются равновозможными, если по условиям испытания ни одно из этих событий не является объективно более возможным, чем другие. ГЕОМЕТРИЧЕСКАЯ ВЕРОЯТНОСТЬ: Если пространство элементарных событий содержит бесконечное множество элементов и ему можно поставить в соответствие некоторое геометрическое пространство, а вероятность каждого события зависит только от меры этого события, а не от его положения, то говорят, что на этом пространстве определена геометрическая вероятность. При этом вероятность каждого события А есть отношение меры А к мере U пространства элементарных событий.

 

Основные формулы комбинаторики. Примеры использования

Перестановки. Пусть имеется n различных объектов.
Будем переставлять их всеми возможными способами (число объектов остается неизменными, меняется только их порядок). Получившиеся комбинации называются перестановками, а их число равно Pn=n!=1⋅2⋅3⋅...⋅(n−1)⋅n

Символ n! называется факториалом и обозначает произведение всех целых чисел от 1до n. По определению, считают, что 0!=1, 1!=0

С ростом числа объектов количество перестановок очень быстро растет и изображать их наглядно становится затруднительно. Например, число перестановок из 10 предметов - уже 3628800 (больше 3 миллионов!).

Размещения.Пусть имеется n различных объектов.
Будем выбирать из них m объектов и переставлять всеми возможными способами между собой (то есть меняется и состав выбранных объектов, и их порядок). Получившиеся комбинации называются размещениямииз n объектов по m, а их число равно

Amn =n!/(n−m)!=n⋅(n−1)⋅...⋅(n−m+1)

Сочетания.Пусть имеется n различных объектов.
Будем выбирать из них m объектов все возможными способами (то есть меняется состав выбранных объектов, но порядок не важен). Получившиеся комбинации называются сочетаниями из n объектов по m, а их число равно

Cmn =n!/(n−m)!⋅m!

Ясно, что сочетаний всегда меньше чем размещений (так как при размещениях порядок важен, а для сочетаний - нет), причем именно в m!m! раз, то есть верна формула связи:

Amn =Cmn⋅Pm

 

Формула Бернулли. Примеры использования.

При решении вероятностных задач часто приходится сталкиваться с ситуациями, в которых одно и тоже испытание повторяется многократно и исход каждого испытания независим от исходов других. Такой эксперимент еще называется схемой повторных независимых испытаний или схемой Бернулли.

Примеры повторных испытаний:

1) многократное извлечение из урны одного шара при условии, что вынутый шар после регистрации его цвета кладется обратно в урну;

2) повторение одним стрелком выстрелов по одной и той же мишени при условии, что вероятность удачного попадания при каждом выстреле принимается одинаковой (роль пристрелки не учитывается).

Итак, пусть в результате испытания возможны два исхода: либо появится событие А, либо противоположное ему событие. Проведем n испытаний Бернулли. Это означает, что все n испытаний независимы; вероятность появления события АА в каждом отдельно взятом или единичном испытании постоянна и от испытания к испытанию не изменяется (т.е. испытания проводятся в одинаковых условиях). Обозначим вероятность появления события АА в единичном испытании буквой рр, т.е. p=P(A)p=P(A), а вероятность противоположного события (событие АА не наступило) - буквой q=P(A¯¯¯¯)=1−pq=P(A¯)=1−p.

Тогда вероятность того, что событие А появится в этих n испытаниях ровно k раз, выражается формулой Бернулли

Pn(k)=Ckn⋅pk⋅qn−k,q=1−p.Pn(k)=Cnk⋅pk⋅qn−k,q=1−p.

Распределение числа успехов (появлений события) носит название биномиального распределения.

 

Распределение Стьюдента

Распределение хи-квадрат Случайная величина есть отношение двух независимых случайных величин и , то есть

Распределение случайной величины называется распределением Стьюдента с степенями свободы. Его плотность задаётся формулой

Математическое ожидание и дисперсия случайной величины, подчинённой распределению Стьюдента

, есть

Как и в случае и хи-квадрат распределением, при увеличении распределение Стьюдента стремиться к нормальному, более того, стандартизованному нормальному (то есть с нулевым математическим ожиданием и единичной дисперсией). Распределение Стьюдента, как хи-квадрат распределение, широко применяется в задачах математической обработки измерений.

 

27. Распределение хи-квадрат. M(X), D(X), σ

Распределение Пирсона (хи - квадрат) – распределение случайной величины

где случайные величины X1, X2,…, Xn независимы и имеют одно и тоже распределение N(0,1). При этом число слагаемых, т.е. n, называется «числом степеней свободы» распределения хи – квадрат.

Распределение хи-квадрат используют при оценивании дисперсии (с помощью доверительного интервала), при проверке гипотез согласия, однородности, независимости, прежде всего для качественных (категоризованных) переменных, принимающих конечное число значений.

 

28. Гамма распределение

 

Критерий Граббса

Обработку засорений производят по следующему плану:

1) Распознавание ошибок и данных;

2) Выбор метода и проведение робастного оценивания данных;

3) Критериальная и логическая проверка и интерпретация результатов устойчивого оценивания.

Простым способом для обнаружения грубых ошибок является Т – Критерия Граббса:

- среднее значение. Оценка выборочной средней находится по истинным данным либо

s – Выборочное среднеквадратическое отклонение случайной величины. Полученные значения сравнивают с табличными значениями процентных точек критерия Смирнова Граббса (см. приложение А). Если > , то проверяемое значение является грубой ошибкой и относится к классу выбросов. Критерий Граббса имеет некоторые недостатки. Он не точен, и не чувствителен к засорениям когда ошибки группируются на расстоянии от общей совокупности. По сравнению с оценками Граббса оценками грубых ошибок признаются L- и E- критерии, предложенные американскими статистиками Г. Тритьеном. И Г.Муром.

1. L-Критерий. Применяется для вычисления грубых ошибок в верхней части ранжированного ряда данных:

,

2. - критерий применяется для грубых ошибок в данных, расположенных в нижней части ранжированного ряда данных:

,

3. E-критерий используется, когда в выборке имеются предположительно грубые ошибки с наибольшими и наименьшими значениями, т.е. расположенные в верхней и в нижней части ранжированного ряда данных:

,

Выявление значимости связей.

Исследуя зависимости между признаками, необходимо выделить два типа связей:

— функциональные – характеризуются полным соответствием между изменением факторного признака и изменением результативной величины: определенному значению признака-фактора соответствует одно и только одно значение результативного признака. Функциональная зависимость может связывать результативный признак с одним или несколькими факторными признаками. Зная величину факторного признака, можно точно определить величину результативного признака. Например, величина заработной платы напрямую зависит от количества отработанных часов;

— корреляционные – между изменением двух признаков нет полного соответствия, воздействие отдельных факторов проявляется лишь в среднем, при массовом наблюдении фактических данных. Одновременное воздействие на изучаемый признак большого количества самых разнообразных факторов приводит к тому, что одному и тому же значению признака-фактора соответствует целое распределение значений результативного признака, т.к. в каждом конкретном случае прочие факторные признаки могут изменять силу и направленность своего воздействия. Таким образом, при корреляционной связи изменение среднего значения результативного признака обусловлено изменением факторных признаков. Корреляционная связь является частным случаем стохастической, при которой причинная зависимость проявляется не в каждом отдельном случае, а в общем, среднем, при большом числе наблюдений.

Изучая взаимосвязи между признаками, их классифицируют по направлению, форме и числу факторов:

— по направлению связи делятся на прямые и обратные. При прямой связи направление изменения результативного признака совпадает с направлением изменения признака-фактора. Например, чем выше квалификация рабочего, тем выше его производительность труда. При обратной связи направление изменения результативного признака противоположно направлению изменения признака-фактора.

— по форме (виду функции, по аналитическому выражению) связи делят на линейные (прямая линия) и нелинейные (параболическая, гиперболическая и т.д.). При линейной связи с возрастанием значения факторного признака происходит равномерное возрастание (убывание) значения результативного признака;

— по количеству факторов, действующих на результативный признак, связи делят на однофакторные (парные) и многофакторные.

Содержание теории корреляции составляет изучение зависимости вариации признака от окружающих условий. Корреляционный анализ решает следующие задачи:

Отбор факторов, оказывающих наиболее существенное влияние на результативный признак, на основании измерения тесноты связи между ними.

Обнаружение ранее неизвестных причинных связей.

Установление численных значений причинных связей между параметрами и достоверности суждений об их наличии.

Основная задача корреляционного анализа – выявление взаимосвязи между случайными переменными путем точечной и интервальной оценки парных (частных) коэффициентов корреляции, вычисление и проверка значимости множественных коэффициентов корреляции и детерминации.

При выполнении всех условий применения дисперсионного анализа, разложение общей дисперсии математически выглядит следующим образом:

Doбщ. = Dфакт + D ост.,

Doбщ. - общая дисперсия наблюдаемых значений (вариант), характеризуется разбросом вариант от общего среднего. Измеряет вариацию признака во всей совокупности под влиянием всех факторов, обусловивших эту вариацию. Общее разнообразие складывается из межгруппового и внутригруппового;

Dфакт - факторная (межгрупповая) дисперсия, характеризуется различием средних в каждой группе и зависит от влияния исследуемого фактора, по которому дифференцируется каждая группа. Например, в группах различных по этиологическому фактору клинического течения пневмонии средний уровень проведенного койко-дня неодинаков — наблюдается межгрупповое разнообразие.

D ост. - остаточная (внутригрупповая) дисперсия, которая характеризует рассеяние вариант внутри групп. Отражает случайную вариацию, т.е. часть вариации, происходящую под влиянием неуточненных факторов и не зависящую от признака — фактора, положенного в основание группировки. Вариация изучаемого признака зависит от силы влияния каких-то неучтенных случайных факторов, как от организованных (заданных исследователем), так и от случайных (неизвестных) факторов.

Поэтому общая вариация (дисперсия) слагается из вариации, вызванной организованными (заданными) факторами, называемыми факториальной вариацией и неорганизованными факторами, т.е. остаточной вариацией (случайной, неизвестной).

Если функция имеет вид

,

то (14)

Если функция имеет вид

То где k1, k2, kз, ..., kп — постоянные числа; m1,m2,m3,..., тп — средние квадратические ошибки соответствующих аргументов. Если имеем функцию многих независимых переменных общего вида

то . (15)

Из формулы (15) следует, что квадрат средней квадратиче­ской ошибки функции общего вида равен сумме квадратов про­изведений частных производных по каждому аргументу на среднюю квадратическую ошибку соответствующего аргумента

Классификация измерений и погрешностей измерений.

Погрешность – это отклонение результата измерения от истинного значения измеряемой величины.

Истинное значение ФВ может быть установлено лишь путем проведения бесконечного числа измерений, что невозможно реализовать на практике Таким образом, погрешность измерений представляет собой отклонение от действительного значения ∆=Xд – Хизм

В зависимости от принципов действия прибора те или иные факторы оказывают влияние.

Классификация погрешностей:

1) По способу выражения:

a) Абсолютная – погрешность, выраженная в единицах измеряемой величины ∆=Хд-Хизм

b) Относительная – погрешность, выраженная отношением абсолютной погрешности к результате измерений или действительному значению измеряемой величины γотн=(∆/Xд)* 100 .

c) Приведенная – это относительная погрешность, выраженная отношением абсолютной погрешности средства измерений к условию, принятому значению величины постоянному во всем диапазоне измерений (или части диапазона) γприв=(∆/Xнорм)*100, где Хнорм – нормирующее значение, установленное для приведенных значений. Выбор Хнорм производится в соответствии с ГОСТом 8.009-84. Это может быть верхний предел средства измерений, диапазон измерений, длина шкалы и т.л. Для множества средств измерений по приведенной погрешности устанавливают класс точности. Приведенная погрешность вводится потому что относительная характеризует погрешность только в данной точке шкалы и зависит от значения измеряемой величины.

Измерение является Это организованное действие человека, выполняемое для количествен-ного познания свойств физического объекта с помощью определения опытным путем значения какой-либо физической величины [20].

Существует несколько видов измерений. При их классификации обычно исходят из характера зависимости измеряемой величины от времени, вида уравнения измерений, условий, определяющих точность результата измерений и способов выражения этих результатов.

По способу получения результатов измерений их разделяют на:Прямые - это измерения, при которых искомое значение физической величины находят непосредственно из опытных данных. Прямые измерения можно выразить формулой , где - искомое значение измеряемой величины, а - значение, непосредственно получаемое из опытных данных.

При прямых измерениях экспериментальным операциям подвергают измеряемую величину, которую сравнивают с мерой непосредственно или же с помощью измерительных приборов, градуированных в требуемых единицах. Примерами прямых служат измерения длины тела линейкой, массы при помощи весов и др. Прямые измерения широко применяются в машиностроении, а также при контроле технологических процессов (измерение давления, температуры и др.).

Косвенные - это измерения, при которых искомую величину определяют на основании известной зависимости между этой величиной и величинами, подвергаемыми прямым измерениям, т.е. измеряют не собственно определяемую величину, а другие, функционально с ней связанные. Значение измеряемой величины находят путем вычисления по формуле , где - искомое значение косвенно измеряемой величины; - функциональная зависимость, которая заранее известна, - значения величин, измеренных прямым способом. Косвенные измерения широко распространены в тех случаях, когда искомую величину невозможно или слишком сложно измерить непосредственно или когда прямое измерение дает менее точный результат. Роль их особенно велика при измерении величин, недоступных непосредственному экспериментальному сравнению, например размеров астрономического или внутриатомного порядка.

Совокупные - это производимые одновременно измерения нескольких одноименных величин, при которых искомую определяют решением системы уравнений, получаемых при пря-мых измерениях различных сочетаний этих величин.

 



Последнее изменение этой страницы: 2016-06-09

headinsider.info. Все права принадлежат авторам данных материалов.