Файл: Разработка алгоритма и математической модели отсеивание грубых погрешностей измерений и оценка их достоверности.doc

ВУЗ: Не указан

Категория: Не указан

Дисциплина: Не указана

Добавлен: 25.10.2023

Просмотров: 137

Скачиваний: 2

ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.
ля решения вопроса, является это промахом или нет и можно ли исключить выявленные промахи, используют статистические критерии:

- предварительно проверяют, какому виду распределения соответствует распределение результатов измерений. Если результаты принадлежат к нормальному распределению, то результат измерения можно считать промахом в случае, когда

(1.5)

где S* среднеквадратическое отклонение результатов наблюдений; хi результат каждого измерения;


x среднее арифметическое значение группы результатов измерений; t(q, n) квантиль распределения, зависящий от уровня значимости q и

количества наблюдений n в группе.

Обнаруженные и вычисленные систематические погрешности измерения вносят в результаты измерений в виде поправок или поправочных множителей,

таким образом исключая их, а неисключенные систематические и случайные погрешности составляют погрешность результата измерения.

ВЫВОДЫ ПО 1 ГЛАВЕ

Результаты измерений в зависимости от цели измерительной задачи могут быть представлены числом, в виде таблицы, графика или в другом виде.

Формы представл

ения результатов измерений и их погрешностей должны соответствовать МИ 1317-86.

Погрешность результата измерений, как правило, выражают одной значащей цифрой (МИ 2091-90). Две значащие цифры сохраняют:

- при точных измерениях;

- если первая значащая цифра не более трех;

- если предел допускаемой погрешности задан двумя значащими цифрами.

2. ГЛАВА. ПРЕДВАРИТЕЛЬНАЯ ОБРАБОТКА ЭКСПЕ-РИМЕНТАЛЬНЫХ ДАННЫХ
Предварительная обработка результатов измерений и наблюдений необходима для того, чтобы в дальнейшем с наибольшей эффективностью, а главное корректно, использовать для построения эмпирических зависимостей статистические методы и корректно проанализировать полученные результаты.

Содержание предварительной обработки состоит в отсеивании грубых погрешностей, оценке достоверности результатов измерений. Другим важным моме
нтом предварительной обработки данных является проверка соответствия распределения результатов измерения закону нормального распределения и определения параметров распределения. Если эта гипотеза неприемлема, то следует определить какому закону распределения подчиняются опытные данные и, если это возможно, преобразовать данное распределение к нормальному.

2.1. Вычисление характеристикэмпирическихраспределений

П ри рассмотрении основных положений теории вероятностей и математической статистики, определении параметров распределения мы исходили из предположения, что осуществляется достаточно большое, в пределе бесконечное число испытаний что практически осуществить невозможно. Однако имеются методы, которые позволяют оценить эти параметры по выборке (части) случайных событий.

Г енеральной называется совокупность всех мыслимых значений наблюдений, которые мы могли бы сделать при данном комплексе условий. Другими словами все возмо
жные реализации случайной величины, теоре-тически в пределе их может быть бесконечное число . Часть этой совокупности, т.е. результаты ограниченного ряда наблюдений x1,x2,...,xn случайной величины, можно рассматривать как выборочное значение случайной величины (например, при определении химического состава сплавов, их механической прочности и т.п.). Если все слитки данной марки стали, чугуна, сплава разделать на образцы и исследовать их химический состав, механическую прочность и другие физические характеристики, то имели бы генеральную совокупность наблюдений. Фактически доступно, возможно (целесообразно), исследовать свойства весьма ограниченного числа образцов это и есть выборка их генеральной совокупности. По результатам такого ограниченного числа наблюдений можно определить точечные оценки законов рас-пределения и их параметров. Оценкой (или выборочной статистикой) O* какого-либо параметра O называется произвольная функция O*= O* (x1, x2,..., xn) наблюдаемых значений x1