- •Задания и методические указания по выполнению контрольной работы Иваново 2009
- •Оглавление
- •Введение
- •1. Содержание дисциплины
- •Раздел 1 Качество продукции
- •Раздел 2 Основы метрологии
- •Раздел 7 Научная база стандартизации
- •Раздел 8 Основы оценки соответствия
- •Раздел 9 Декларирование соответствия
- •Раздел 10 Аккредитация
- •2. Общие указания по выполнению контрольной работы
- •3. Исходные теоретические предпосылки для решения задач
- •3.1 Качественная характеристика измеряемых величин
- •3.2 Алгоритм обработки результатов прямых измерений с многократными независимыми наблюдениями
- •3.3 Классификация погрешностей в зависимости от формы выражения.
- •3.4 Классы точности средств измерений
- •3.5 Выбор количества измерений
- •3.6 Проверка нормальности закона распределения вероятности результатов и погрешностей измерений
- •3.6.1 Функции законов распределения
- •3.6.2 Подбор функции (закона) распределения случайной величины
- •3.6.3 Применение критерия согласия Пирсона
- •3.6.4 Точечная оценка параметров некоторых законов распределения случайных величин
- •3.6.5 Интегральная оценка математического ожидания и среднего квадратичного отклонения при различных распределениях случайной величины
- •3.7 Экспертный метод оценки объектов
- •4. Теоретические задания
- •4.1. Раздел «Метрология»
- •4.2 Раздел «Стандартизация»
- •4.3 Раздел «Сертификация»
- •5. Практические задания
- •6. Примеры выполнения практических заданий Примеры решения типовых задач
- •Основная литература
- •Сергеев а.Г., Крохин в.В. Метрология: Учеб. Пособие для вузов. – м.: Логос, 2001. – 408 с.: ил. Isbn 5-94010-039-2. Дополнительная литература
- •Значения tp и Рд при распределении Стьюдента
- •Значения критерия Диксона
- •Значения критерия Романовского
- •Квантили , удовлетворяющие условию
- •Значения функции Лапласа ф(х) Теоретическое задание. История развития метрологии.
- •Из истории Российской метрологии
- •Практическое задание.
- •Решение.
- •Решение.
Практическое задание.
Задача №17
При определении состава сжатого воздуха, предназначенного для заполнения баллонов дыхательного аппарата, путем многократных измерений получили следующие данные по содержанию кислорода (%): 20,5; 21,3; 21,9; 22,1; 21,5; 20,9; 21,1; 22,0; 21,0.
Записать результат измерения содержания кислорода в сжатом воздухе (О2), если принятая доверительная вероятность Р=0,99 и коэффициент Стьюдента tр=3,33.
Решение.
1. Найдём среднее арифметическое значение результатов измерений:
2. Найдём стандартное отклонение:
3.Найдём случайную погрешность измерения:
Ответ. Результат измерения
Задача №22
При многократном измерении напряжения электрического тока в цепи среднее арифметическое показаний вольтметра Ū= 127В. Погрешность от подключения вольтметра в цепь (изменение напряжения) равна –1,2В. Стандартное отклонение S=1,58.
Чему равно действительное значение напряжения в цепи, если принятая доверительная вероятность Р=0,95 и коэффициент Стьюдента tр=2,00?
Решение.
1. Найдём измеренное среднее арифметическое показание вольтметра:
2. Найдём случайную погрешность измерения:
При p=0,95 и ts=2,00 => n=21;
3. Найдём действительное значение в цепи:
Ответ. Действительное значение в цепи
Задача №45
При измерении некоторой физической величины получили следующие результаты (см. свой вариант). По данным измерений постройте гистограмму и по внешнему виду гистограммы сделайте вывод о принадлежности распределения результатов наблюдений нормальному закону распределения. Используйте критерий согласия Пирсона для проверки высказанного теоретического предположения.
Даны 120 независимых равноточных измерений некоторой физической величины:
7,83 |
7,81 |
8,22 |
7,24 |
8,22 |
7,26 |
8,15 |
8,09 |
7,32 |
8,20 |
7,77 |
8,27 |
8,75 |
8,70 |
8,79 |
7,60 |
7,74 |
7,87 |
8,11 |
7,91 |
8,00 |
7,96 |
8,29 |
7,94 |
7,54 |
7,97 |
7,78 |
8,04 |
8,20 |
8,48 |
7,77 |
8,30 |
8,79 |
8,86 |
7,78 |
8,02 |
8,57 |
8,00 |
8,13 |
7,81 |
7,78 |
7,55 |
8,16 |
8,06 |
8,07 |
7,81 |
7,79 |
7,39 |
8,31 |
8,09 |
8,17 |
8,72 |
7,95 |
7,83 |
8,49 |
8,19 |
9,08 |
8,02 |
7,83 |
8,24 |
8,21 |
8,59 |
8,19 |
8,06 |
8,26 |
8,01 |
7,85 |
7,49 |
7,62 |
8,40 |
8,53 |
8,29 |
8,24 |
8,89 |
7,73 |
8,62 |
8,02 |
7,34 |
8,24 |
8,08 |
7,68 |
8,60 |
7,95 |
8,40 |
7,42 |
7,99 |
7,79 |
7,83 |
8,44 |
7,80 |
8,29 |
8,21 |
7,97 |
7,68 |
7,73 |
7,93 |
7,98 |
7,81 |
8,29 |
8,57 |
7,89 |
8,60 |
7,56 |
8,41 |
8,51 |
8,05 |
8,28 |
9,15 |
7,15 |
7,66 |
7,97 |
7,70 |
8,34 |
8,46 |
7,91 |
7,64 |
8,37 |
7,99 |
7,97 |
8,28 |
Рассчитать:
1. При уровне значимости 0,05 исследовать предложенную выборку на однородность. Исключить все грубые ошибки с вероятностью 1–q. Найти среднее значение и эмпирический стандарт S полученной однородной выборки.
2. Сгруппировать однородную выборку по интервалам, построить гистограмму относительных частот, сформировать гипотезу о виде распределения случайной величины Х.
3. Проверить гистограмму о распределении величины Х по критерию согласия Пирсона, установить вероятность р, с которой высказанная гипотеза не согласуется с истинным распределением. Если р<0,50, то данную гипотезу не отвергать, остановиться на данном виде распределения и перейти к пункту 4. Если р>0,50, то выбрать другой закон распределения и снова применить к нему критерий согласия Пирсона. Если при исследовании гипотез о трех различных распределениях (нормальном, логарифмическом и распределении Вейбулла) вероятность несогласования р>0,50, то выбрать лучшее по вероятности распределения.
4. Найти доверительный интервал для математического ожидания M(X)=m и среднего квадратичного отклонения (X)=, если задан уровень значимости q, полученной в пункте 3 при выборе распределения величины Х.
Решение:
1. Исследуем данную выборку на однородность. Для этого все результаты измерений расположим в порядке возрастания. Результат запишем в виде табл. 61.
По условию требуется проверить, не содержит ли данная выборка грубых ошибок на уровне значимости 0,05, то есть из выборки следует исключить те хi, которые с вероятностью 1–q=0,95.
Найдем критическое значение числа
,
с которым будем сравнивать максимальное отклонение t(xi). Нанесем на ось все значения из табл. 6.1.
Табл. 6.1. Экспериментальные значения величины Х
I |
xi |
i |
xi |
i |
xi |
i |
xi |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 |
|
31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 |
|
61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 |
|
91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 |
|
Рис. 6.1. Распределение случайной величины
Как можно видеть из рис. 6.1, наиболее густо точки расположены в интервале [7,56, 8,62]. Значение x1=7,15 резко отличается от интервала [7,56, 8,62], что может служить косвенным подтверждением того, что величина x1 является грубой ошибкой. Остальные значения xi не вызывают особых подозрений, поэтому мы исследуем дополнительно крайние точки x1, x2, x119 и x120.
Временно отбросив указанные значения, подсчитаем среднее арифметическое значение и эмпирический стандарт:
;
и .
Исследуем сначала x1=7,15, применив к нему наш критерий. Оказалось, что . Так как , то значение x1=7,15 не является грубой ошибкой, и поэтому данное значение должно быть включено в результаты обработки, следовательно, значение x2=7,24 тоже должно быть включено в результаты обработки.
Включив в выборку x1=7,15 и x2=7,24, пересчитаем с учетом их и .
Получим
;
и .
Вычислим . Следовательно, x120=7,15 является грубой ошибкой, и поэтому данное значение должно быть исключено из результатов обработки.
Вычислим . Таким образом, значение x119=9,08 также принадлежат к выборке, поэтому включаем его в выборку и с вероятностью 1–р=0,95 выборка, представленная в табл. 6.1, является однородной.
Для полученной выборки находим
;
и .
2. Сгруппируем данные табл. 6.1 по интервалам с шагом, вычисленным по соотношению
.
Начальная точка равна .
Найдем границы интервалов , включающих все данные табл. 6.1, а также подсчитаем, сколько значений величины Х попадает в каждый интервал, то есть найдем частоты ni. Результаты запишем в табл. 6.2.
По данным табл. 6.2 построим гистограмму. Для этого отложим на оси х интервалы длиной и начертим гистограмму.
Табл. 6.2. Расчет высоты прямоугольников для построения гистограммы
I
|
Интервал xi
|
Число попаданий в i-ый интервал
|
|
|
0 |
7,03 |
|
|
|
1 |
7,27 |
3 |
0,0252
|
0,105 |
2 |
7,51 |
5 |
0,0420 |
0,175 |
3 |
7,75 |
13 |
0,1092 |
0,455 |
4 |
7,99 |
31 |
0,2605 |
1,085 |
5 |
8,23 |
29 |
0,2437 |
1,015 |
6 |
8,47 |
20 |
0,1681 |
0,700 |
7 |
8,71 |
11 |
0,0924 |
0,385 |
8 |
8,95 |
6 |
0,0504 |
0,210 |
9 |
9,19 |
1 |
0,0084 |
0,035 |
3. Предположим, что случайная величина распределена по нормальному закону распределения с параметрами и . Гипотезу о нормальном распределении случайной величины Х проверим по критерию согласия Пирсона.
Результаты вычислений занесем в табл. 6.3.
Д ля заполнения табл. 6.3 в столбец 2 занесем из табл. 6.2 концы интервалов xi; затем заполняем столбец 3 по формуле . Далее находим значение функции Лапласа по данным табл. 7 приложения 3, используя линейное интерполирование. Считаем при x0= – и x10= +. Теоретическую вероятность находим по формуле (70) и записываем результаты между строк столбца 4. Затем вычисляем и выпишем из табл. 6.2.
Для расчета критерия Пирсона объединим первые и последние два интервала. Используя данные табл. 6.3, рассчитаем критерий согласия Пирсона . Число интервалов К=9. Число параметров, для которых были найдены оценки, r=2. Число степеней свободы f=К–r–1=9–2–1=6. В табл. 4 приложения 3 находим, что 16,9< <18,5. Следовательно, число 16,8 соответствует р=0,99, а число 18,5 соответствует р=0,995, то есть гипотеза о нормальном распределении не согласуется с истинным распределением с вероятностью 0,99–0,995 и мы имеем веские основания для принятия гипотезы о нормальном распределении случайной величины.
Табл. 6.3. Проверка гипотезы о нормальном распределении величины Х
i |
xi |
|
|
pi |
|
|
||||||||||
0 1 2 3 4 5 6 7 8 9 |
7,03 7,27 7,51 7,75 7,99 8,23 8,47 8,71 8,95 9,19 |
|
–0,5000 –0,4319 –0,3508 –0,2190 –0,0517 0,1255 0,2794 0,3907 0,4535 0,5000 |
0,0681 0,0811 0,1318 0,1673 0,1772 0,1539 0,1113 0,0628 0,0465 |
8,1039 9,6509 15,684 19,909 21,087 18,314 13,245 7,4732 5,5335
|
3 5 13 31 29 20 11 6 1 |
||||||||||
|
|
|
|
|
|
На гистограмме относительных частот (рис. 6.2) максимум сдвинут влево от середины интервала [7,0; 9,1], поэтому здесь вероятнее всего предложить наличие логарифмически нормального распределения или закона Вейбулла, чем нормального закона распределения.
Предположим сначала, что данное распределение подчинено закону Вейбулла и оценим сначала параметры и по формулам (67) и (68).
Найдем значение статистической функции F97(x) для концов интервалов из табл. 6.2. Так, например, значение . Результаты остальных расчетов приведены в табл. 6.4.
Табл. 6.4. Проверка гипотезы о распределении величины Х по закону Вейбулла4
i |
xi |
F119(x) |
|
pi |
|
|
|
0 1 2 3 4 5 6 7 8 9 |
7,03 7,27 7,51 7,75 7,99 8,23 8,47 8,71 8,95 9,19 |
0,0252 0,0672 0,1765 0,4370 0,6807 0,8487 0,9412 0,9916 1,0000
|
0,9799 0,9485 0,8751 0,7211 0,4585 0,1632 0,0164 0,0001 2,55∙10-9 5,38∙10-19 |
0,0314 0,0734 0,154 0,2626 0,2953 0,1468 0,0163 0,0001 2,55∙10-9 |
|
3 5 13 31 29 20 11 6 1 |
|
|
|
|
|
|
|
С помощью табл. 6.4 решим уравнение F119(t1)=0,75 и F119(t2)=0,25. Число 0,75 находится между F119(7,99) = 0,6807 и F119(8,23)=0,8487.
Составим уравнение прямой, проходящей через точки с этими координатами: . Предположим, что точка с координатами (t1; 0,75) лежит на этой прямой, то есть х=t1, у=0,75. Тогда . Отсюда будем иметь .
Аналогично найдем t2 из условия, что F119(t2)=0,25:
; ; .
Затем найдем оценки параметров и :
; .
Таким образом, предполагаемая функция плотности вероятности имеет вид
,
.
Проверим, насколько это распределение Вейбулла согласуется с истинным распределением, используя критерий согласия Пирсона. Для расчета критерия Пирсона объединим первый и второй интервалы и шестой, седьмой, восьмой и девятый интервалы. Результаты вычислений заносим в табл. 6.4: . В табл. 4 приложения 3 находим, что >10,6 (при f=К–r–1=5–2–1=4). Следовательно, число 10,6 соответствует р=0,995, то есть гипотеза о распределении Вейбулла не согласуется с истинным распределением с вероятностью p>0,995 и мы имеем веские основания для отвержения гипотезы о распределении случайной величины по закону Вейбулла.
Выдвинем гипотезу о логарифмически нормальном распределении. Оценим параметры этого распределения по формулам
; ; .
Тогда предполагаемая функция вероятностей имеет вид
; .
Сделаем проверку гипотезы о логарифмически нормальном распределении по критерию согласия Пирсона (табл. 4 приложения 3).
Как можно видеть, значение критерия велико, следовательно, логарифмически нормальное распределение отклоняется.
Табл. 6.5. Проверка гипотезы о логарифмически нормальном распределении величины Х
i |
xi |
|
|
pi |
|
|
0 1 2 3 4 5 6 7 8 9 |
7,03 7,27 7,51 7,75 7,99 8,23 8,47 8,71 8,95 9,19 |
– –0,7705 –0,5233 –0,2839 –0,0518 0,1734 0,3922 0,6048 0,8117 + |
–0,5000 –0,2794 –0,1985 –0,1103 –0,0199 0,0675 0,1517 0,2257 0,2910 0,5000 |
0,2206 0,0809 0,0882 0,0904 0,0874 0,0842 0,074 0,653 0,209 |
26,2514 9,6271 10,4958 10,7576 10,4006 10,0198 8,806 77,707 24,871 |
3 5 13 31 29 20 11 6 1 |
|
|
|
|
|
|
Исходя из приведенного расчета видно, что наиболее удачно приведенное распределение описывает нормальное распределение величины Х, т.е. нормальное распределении имеет функцию плотности вероятности:
Таким образом, окончательное уравнение имеет вид
.
4. Поскольку распределение величины Х не является нормальным, но число опытов достаточно велико (n=119>30), мы воспользуемся приближенными формулами:
и
При подборе распределения величины Х значение р[0,99; 0,995]. Исходя из этого, принимаем, что величина q=0,005. По табл. 7 приложения 3 значение аргумента соответствует значению функции , тогда . Тогда
и
и с вероятностью 0,99 имеем , а также .
Вывод:
Массив экспериментальных данных подчиняется нормальному закону распределения (является однородным). Исходя из этого его можно использовать для стандартной обработки данных.
1 Пусть некоторая функция у=у(х) представляет из себя таблицу, где xi – значение аргумента, yi – соответствующее значение функции. Требуется найти значение функции для аргумента х1<х<х2 по данным значения у1<у<у2 или наоборот по данному у найти х. Предположим, что на участке (х1, х2) график функции имеет линейную зависимость, тогда уравнение прямой будет иметь вид . Поскольку отрезок [х1, х2] мал, то в точке х ордината у(х) мало отличается от ординаты прямой. Из уравнения прямой находим неизвестное х или у. Такой метод называется линейное интерполирование.
2 Заметим, что значение .
3 В качестве действительного значения принимают среднеарифметическое значение результата измерений.
4 Заметим, что значение .