Файл: Курсовая работа по курсу Метрология, стандартизация и сертификация.docx
Добавлен: 22.11.2023
Просмотров: 66
Скачиваний: 6
ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.
2.2 Среднее арифметическое :
=29,09
2.3 Оценка среднего квадратического отклонения (с. к. о.):
а) Оценка с. к. о. отдельного результата наблюдения (формула Бесселя):
= =0,1814
б) Оценка с. к. о. среднего арифметического :
= = 0,04275
Б Критерии грубых погрешностей
2.4 Критерий Грабса или n – критерий:
t1= = 3,244 при x = 28,5
t2= 1,112 при x = 29,3
tГ = f (q; n ) = f (5%; 18) = 2,728,
где q=1 - pД = 1- 0,95=0,05=5% - уровень значимости;
n=18 – число наблюдений.
Критерий не выполняется т.к. t2 < tГ , t1 > tГ. Результат =28,5 как промах отбрасываем и расчеты повторяем при новом числе наблюдений n=17.
| 28,88 | 28,95 | 29,03 | 29,04 | 29,07 | 29,09 | 29,1 | 29,1 |
29,12 | 29,15 | 29,17 | 29,19 | 29,2 | 29,2 | 29,23 | 29,28 | 29,29 |
=29,12
= =0,10976
= = 0,0266
t1= = 2,213 при x = 28,88
t2= 1,522 при x = 29,3
tГ = f (q; n ) = f (5%; 17) = 2,701,
где q=1 - pД = 1- 0,95=0,05=5% - уровень значимости;
n=17 – число наблюдений.
Критерий выполняется т.к. ti < tГ .
Грубых погрешностей нет и расчет продолжается.
Записываем результаты точечной оценки
В Интервальная оценка
2.5 Доверительный интервал математического ожидания :
По формуле Петерса определяется закон распределения случайных результатов:
= 1,453 = 0,1103
т.к. , то воспользуемся распределением Стьюдента:
= 2,12 0,1098= 0,056
где tp = f(q; k)= f(5%;16)=2,12.
2.6 Доверительный интервал с. к. о. (pД = 0.9):
qН = 1– pН = 1 - (1 – pД)/2 = 1 – (1-0,9)/2 = 0,95 = 95%.
c2Н = f (k; qН) = f (16; 95%) = 7,962, т.е. = 2,8217,
= ∙ 0,1098= 0,169,
qВ = 1– pВ = 1 - (1 + pД)/2 = 1 – (1+0,9)/2 = 0,05 = 5%.
c2В = f (k; qВ) = f (16; 5%) = 26,296, т.е. = 5,128,
= 0,1098=0,086
2.7 Результаты измерения:
, при pД = 0,95,
при pД = 0,9.
X = 29,12 0,06, при pД = 0,95,
0,09 ≤ 0,11 ≤ 0,17, при pД = 0,9.
Свойства математического ожидания и дисперсии
При измерении случайной величины θ с математическим ожиданием М(θ)и дисперсией D(θ) получен следующий ряд результатов:
28,88 | 28,95 | 29,03 | 29,04 | 29,07 | 29,09 | 29,1 | 29,1 | 29,12 |
29,15 | 29,17 | 29,19 | 29,2 | 29,2 | 29,23 | 29,28 | 29,29 | |
Каждый результат уменьшается на одно и то же постоянное число a и умножается на один и тот же постоянный множитель b. Получается cлучайная величина и вычисляется по формуле:
=( -a)·b
В качестве постоянного числа можно взять a = 29,08, а b = 100 (для удобства расчета), тогда получим другой ряд результатов для :
-20 | -13 | -5 | -4 | -1 | 1 | 2 | 2 | 4 |
7 | 9 | 11 | 12 | 12 | 15 | 20 | 21 | |
Найдем математическое ожидание и дисперсию для изначального ряда исходя из определения этих величин:
Посчитаем математическое ожидание и дисперсию для полученного ряда, исходя из определения этих величин:
Исходя из первого и второго свойств математического ожидания и дисперсии, определяются M(θ) и D(θ) для исходного ряда:
M(θ’)=M[(θ-a)·b]=b·[M(θ)-a];
D(θ’)=D[(θ-a)·b]=b2·D(θ-a)=b2·D(θ);
Значения математического ожидания и дисперсии, вычисленные по определению и по свойствам – совпадают. Таким образом, была доказана верность свойств математического ожидания и дисперсии.
Таблица 2.1 – Результаты расчета X2
Исходные данные | Результаты расчёта | Комментарии |
X2, n=17 | Точечная оценка | |
28,88 | 29,12 | среднее арифметическое |
28,95 | 0,109759094 | оценка с.к.о. (ф. Бесселя) |
29,03 | 0,026620491 | оценка с.к.о. среднего арифметического |
29,04 | Критерий грубых погрешностей | |
29,07 | 29,29 | Xmax |
29,09 | 28,88 | Xmin |
29,1 | 1,52204994 | t2 |
29,1 | 2,21340361 | t1 |
29,12 | 2,701 | tr = f(q,n) = f(5%,17) - таблица 1.3 |
29,15 | т.к. tr ≥t2 и tr≥t1, то грубых погрешностей нет, расчет продолжаем | |
29,17 | Интервальная оценка МО | |
29,19 | 0,085 | среднее абсолютных отклонений |
29,2 | 1,453 | сумма абсолютных отклонений |
29,2 | 0,110335 | ф. Петерса |
29,23 | если ф. Бесселя = ф. Петерса, то закон распределения нормальный | |
29,28 | 1,9599639845 | t |
29,29 | 0,2151238722 | доверительный интервал |
| если ф. Бесселя ≠ ф. Петерса, то распределение Стьюдента | |
| 2,1199052992 | tp |
| 0,0564329191 | доверительный интервал |
| Интервальная оценка с.к.о. | |
| 26,2962276049 | χ2в |
| 7,9616455724 | χ2н |
| 0,0856157729 | с.к.о. нижнее |
| 0,1695570671 | с.к.о. верхнее |
| Результаты расчёта | |
| X=29,12±0,06 при Pд=0,95 | |
| 0,09≤0,11≤0,17 при Рд=0,9 | |
Таблица 2.2 – Описательная статистика X2
Среднее | 29,12294118 |
Стандартная ошибка | 0,026620491 |
Медиана | 29,12 |
Мода | 29,1 |
Стандартное отклонение | 0,109759094 |
Дисперсия выборки | 0,012047059 |
Эксцесс | 0,185969635 |
Асимметричность | -0,535060748 |
Интервал | 0,41 |
Минимум | 28,88 |
Максимум | 29,29 |
Сумма | 495,09 |
Счет | 17 |
Наибольший(1) | 29,29 |
Наименьший(1) | 28,88 |
Уровень надежности(95,0%) | 0,056432919 |
Возвращаемся к обработке косвенных видов измерений:
Исходя из уравнения связи, оценим искомый результат:
Найдем коэффициенты влияния:
Оценка коэффициента корреляции между каждой парой аргументов определяется по формуле:
где h - наименьшее из чисел наблюдений аргументов . h =17
= 0,954