
Лабораторная работа № 1 обработка результатов измерений
Введение
Критерий согласия хи-квадрат (Пирсона)
Обработка результатов прямых равноточных измерений
Обработка результатов косвенных измерений
Программа статистической обработки измерений
Литература
Цель работы: научиться обрабатывать экспериментальные данные равноточных измерений.
Приборы и принадлежности:
1. Персональный компьютер.
2. Программа статистической обработки экспериментальных данных.
Введение
Измерение – совокупность операций, выполняемых с помощью технического средства, хранящего единицу величины, позволяющего сопоставить измеряемую величину с ее единицей и получить значение величины. Это значение называют результатом измерений.
Результат измерений должен сопровождаться указанием погрешности, с которой он получен.
Погрешность измерений – отклонение результатов измерений от истинного (действительного) значения измеряемой величины.
Истинное значение физической величины неизвестно и применяется в теоретических исследованиях; действительное значение величины определяется экспериментально из предположения, что результат эксперимента (измерения) наиболее близок к истинному значению величины.
Цель любого измерения – это получение результата измерений с оценкой истинного значения измеряемой величины. Для этого проводится обработка результатов измерений, в большинстве случаев с помощью вероятностно-статистических методов теории вероятностей и математической статистики.
Считается, что однократные измерения допустимы только в порядке исключения, так как они по существу не позволяют судить о достоверности измерительной информации. Если можно принять, что в погрешности результата измерений роль систематической [1] погрешности пренебрежимо мала по сравнению со случайной [2] погрешностью, то при определении необходимого количества измерений следует исходить из возможности проведения статистической обработки результатов измерений. Известно, что при 7 … 8 измерениях оценки их результатов приобретают некоторую устойчивость. Если необходимо получение достоверных результатов измерений, то их число должно быть 25 … 30. Если объект измерений до этого не исследовался и, кроме предварительных, обычно расчетных значений величин, о нем мало что известно, то в этом случае число измерений должно быть увеличено до 50 … 100, а при необходимости нахождения законов распределения оцениваемых величин число измерений целесообразно увеличить на порядок.
Главная цель увеличения числа измерений (если систематическая составляющая погрешности исключена) состоит в уменьшении случайности результата измерений и, следовательно, в наилучшем приближении результата к истинному значению величины. Но увеличивать число измерений с целью найти истинное значение величины бессмысленно.
По результатам измерений чаще всего рассчитывают среднее арифметическое значение и статистическое среднее квадратическое отклонение (СКО) величины. Первое является оценкой математического ожидания величины, а статистическое СКО – оценкой теоретического СКО.
Пусть изучается некоторая
случайная величина x.
Произведено n
независимых измерений с результатами
x1,
x2…
xi
… xn.
Для оценки истинного значения измеряемой
величины используется среднее
арифметическое значение, которое обычно
обозначается
или
(оценка математического ожидания mx,
соответствующего для физической величины
ее истинному значению):
.
(1)
Оценкой дисперсии Dx дискретной величины X является статистическая дисперсия, как статистический второй центральный момент [3]
где
– статистическая
вероятность значения
.
Одним из условий получения надежных оценок является требование к их несмещенности, которое заключается в том, чтобы при замене оценкой истинного значения Xист не допускалась систематическая погрешность (в сторону увеличения или уменьшения относительно Xист).
Несмещенной оценкой дисперсии Dx является величина
,
(2)
Статистическое СКО
.
(3)
При обработке результатов измерений приходится встречаться с различными законами распределения измеряемых величин, рассматриваемых как случайные величины: нормальный закон распределения или закон Гаусса, равномерный закон распределения, закон распределения Максвелла, арксинусный закон распределения, треугольный закон распределения, корреляционный закон распределения и т.д.
Нормальный закон распределения
величины х
представляется плотностью распределения
,
(4)
где
– математическое ожидание величины X;
– СКО
(теоретическое).
Плотность распределения величины Х является размерной функцией:
,
[4]
Кривая плотности распределения величины Х симметрична относительно точки рассеивания, имеющей абсциссу mx (рис. 1). Параметр σх характеризует форму кривой распределения. С увеличением значения σх кривая распределения «растягивается» вдоль оси абсцисс.
Рис. 1. Нормальный закон распределения
Для некоторого интервала значений от a до b вероятность того, что выполняется
a < X < b
После замены переменной
,
т.е.,
:
,
(5)
Для вычисления интеграла (5) пользуются таблицами функции Лапласа (приложение А) в виде
,
(6)
С помощью функции Лапласа вычисляется интеграл (5)
,
(7)
При выполнении точных измерений целесообразно изучить реальную форму закона распределения результатов измерений и учитывать его свойства при обработке этих результатов.
С целью нахождения закона распределения той или иной величины (параметра) производятся сотни и тысячи измерений. После построения эмпирического закона распределения величины необходимо построить соответствующую ему модель теоретического закона распределения, обычно путем сопоставления эмпирической модели известным законам распределения. Эта задача решается с помощью критериев согласия: критерий согласия хи-квадрат (Пирсона), критерий согласия Колмогорова, метод моментов. В зависимости от применяемых критериев согласия закон распределения представляется в виде плоскости распределения, функции распределения или отношений центральных моментов случайной величины.
Отличаясь простотой применения, критерий Колмогорова уступает критерию хи-квадрат по степени доверия к результатам идентификации законов распределения.
Применение метода моментов требует наличия большого количества измерений. Для надежной оценки первого момента (математического ожидания) требуется выборка n ≥ 30, для оценки вторых моментов – n ≥ 100, для оценки третьих моментов – n ≈ 1000. Таким образом, применение метода моментов при обычных, небольших выборках (число измерений не превышает 100) практически ограничено.
Во многих случаях число измерений, превышающее 30 … 40, позволяет использовать их результаты для идентификации закона распределения с помощью критерия хи-квадрат.