§16.5. Мосты постоянного тока для измерения сопротивления

Двухзажимная схема подключения:

Позволяет измерять R = 10 Ω ÷ 10 МΩ, причем, левая граница малых сопротивлений ограничена сопротивлением контактов и соединительных проводов, а правая граница — сопротивлением изоляции. Величина измеряемого сопротивления находится из условия равновесия моста:

.

Для измерения R < 10 Ω используется четырехзажимная схема, снижающая влияние проводов и контактов. (На схеме обозначены как сопротивления r₁…r₄).

На первый взгляд этот подход кажется неправильным, ведь мы добавили новые провода и контакты. Запишем условие равновесия:

Поскольку r₁ и r₃ — сопротивления проводов, они много меньше R₂ и R₃. Следовательно, можно ими пренебречь и записать:

.

Сопротивления r₂ и r₄ включены в различные диагнали моста, и поэтому не влияют на выполнение равновесия.

§16.6. Мосты переменного тока для измерения емкости и угла потерь

Как известно, для идеальной емкости ток опережает напряжение на угол π/2. В реальных конденсаторах это не так. Емкости делят на:

• емкости с большими потерями;

• емкости с малыми потерями.

Соответственно, для емкостей с малыми потерями используется последовательная эквивалентная схема:

а для емкостей с большими потерями — параллельная:

Рассмотрим мост для измерения емкости с малыми потерями:

Для емкости с малыми потерями векторная диаграмма имеет вид

Для последовательной схемы полные сопротивления плеч моста имеют вид

,

а условие равновесия записывается как

,

откуда а тангенс угла потерь равен .

Для параллельной схемы полные сопротивления плеч моста определяются следующими выражениями:

.

При достижении условия рвновесия выполняется равенство

,

откуда имеем

а тангенс угла потерь

.

§16.7. Мосты переменного тока для измерения индуктивности и добротности

Схема моста для измерения индуктивности с применением образцовой индуктивности имеет вид:

L_x, R_x

В случае малых потерь (R_x < R_n), то R подключают последовательно с L_x; иначе — последовательно с L_n.

При R_x < R_n из условия равновесия моста получим

,

а при R_x > R_n

.

Добротность катушки определяется по значениям L_x, R_x:

.

§17. Вероятностное описание погрешностей

17.0. Начальные сведения из теории вероятностей и математической статистики

Пусть произведено n опытов, и в m из них наступило событие A. Величина

называется частотой (относительной частотой) наступления события A.

С учетом этого определения вероятность (статистическую вероятность) события A можно определить как предел

.

При достаточно больших n можно величину f принять за оценку вероятности P^*(A).

Множество всевозможных исходов опыта обозначается Ω; событие A является подмножеством этого множества. Функция X, сопоставляющая каждому элементарному событию ω  Ω вещественное число — результат исхода, называется случайной величиной.

Для характеристики случайных величин, полученных при эксперименте, часто строят гистограмму. Предполагаемую область значений x случайной величины X делят на некоторое количество интервалов (не обязательно одинаковых). Пусть — интервалы на прямой, называемые интервалами группировки. Обозначим для через ν_i число элементов выборки, попавших в интервал A_i ( ). На каждом из интервалов A_i построим прямоугольник, площадь которого пропорциональна ν_i. Общая площадь всех прямоугольников должна равняться единице. Пусть l_i — длина интервала A_i. Высота f_i прямоугольника над A_i равна

.

Полученная фигура и называется гистограммой.

Число интервалов группировки обыкновенно выбирается по формуле Стерждесса:

.

Пример гистограммы:

По гистограмме можно приближенно судить о вероятности того, что значение случайной величины X находится в заданном интервале. Например:

.

Для аналитического описания распределения случайной величины используется понятие интегрального закона распределения. Функцией распределения F(x) называется

где W(x) носит название плотности распределения (плотности вероятности). По определению

или, что то же самое,

.

Плотность распределения обладает свойством нормировки:

поскольку вероятность нахождения значения случайной величины X где-нибудь на вещественной оси равна 1.

Достаточно очевидно, что гистограмма является дискретным приближением к плотности распределения. Более того, если на серединах интервалов по­строить ординаты, пропорциональ­ные частотам ν_i /n, и соединить их концы отрезками, то можно полу­чить фигуру, называемую полиго­ном распределения, который дает приближенное представление о виде кривой распределения.

Приведем примеры графиков функции распределения и плотности распределения:

Случайные величины описываются своими числовыми характеристиками. Приведем наиболее часто употребительные из них.

1. m₁ — первый начальный момент случайной величины, или математическое ожидание, или ожидаемое значение случайной величины:

.

Физический смысл — центр группирования значения случайной величины (центр распределения).

2. m₂ — второй начальный момент случайной величины:

.

Обычно оперируют дисперсией — вторым центральным моментом случайной величины, определяемой как

.

Эта величина характеризует степень рассеяния случайной величины относительно центра распределения M[x]. Дисперсию также иногда называют мощностью рассеяния.

Заметим, что дисперсия имеет размерность квадрата исходной размерности случайной величины. Устраняет этот недостаток введение среднеквадратического отклонения (СКО) . Фактически, СКО есть дисперсия в единицах случайной величины.

Свойства математического ожидания и дисперсии хорошо известны из курса теории вероятностей, поэтому заострять внимание на них не будем.

Приведем без доказательства еще один полезный факт. Если имеются две независимые случайные величины x₁ и x₂, распределенные с плотностями W₁(x₁) и w₂(x₂), то плотность распределения их суммы x = x₁ + x₂ равна

.

Эта формула называется формулой свертки и широко применяется в теории вероятностей, в частности, для проверки устойчивости распределений. (Распределение называется устойчивым, если сумма независимых величин с этим распределением, снова имеет это распределение. Устойчиво, в частности, нормальное распределение, о котором чуть позже).