4. Основные понятия теории вероятности. Случайная погрешность.

Случайной погрешностью называют составляющую погрешности измерений, изменяющуюся случайным образом при повторных измерениях одной и той же величины.

При проведении с одинаковой тщательностью и в одинаковых условиях повторных измерений одной и той же постоянной неизменяющейся величины мы получаем результаты измерений – некоторые из них отличаются друг от друга, а некоторые совпадают. Такие расхождения в результатах измерений говорят о наличии в них случайных составляющих погрешности.

Случайная погрешность возникает при одновременном воздействии многих источников, каждый из которых сам по себе оказывает незаметное влияние на результат измерения, но суммарное воздействие всех источников может оказаться достаточно сильным.

Случайные ошибки являются неизбежным следствием любых измерений и обусловлены:

а) неточностью отсчетов по шкале приборов и инструментов;

б) не идентичностью условий повторных измерений;

в) беспорядочными изменениями внешних условий (температуры, давления, силового поля и т.д.), которые невозможно контролировать;

г) всеми другими воздействиями на измерения, причины которых нам неизвестны. Величину случайной погрешности можно свести к минимуму путем многократного повторения эксперимента и соответствующей математической обработки полученных результатов.

Случайная ошибка может принимать различные по абсолютной величине значения, предсказать которые для данного акта измерения невозможно. Эта ошибка в равной степени может быть как положительной, так и отрицательной. Случайные ошибки всегда присутствуют в эксперименте. При отсутствии систематических ошибок они служат причиной разброса повторных измерений относительно истинного значения.

Допустим, что при помощи секундомера измеряют период колебаний маятника, причем измерение многократно повторяют. Погрешности пуска и остановки секундомера, ошибка в величине отсчета, небольшая неравномерность движения маятника – все это вызывает разброс результатов повторных измерений и поэтому может быть отнесено к категории случайных ошибок.

Если других ошибок нет, то одни результаты окажутся несколько завышенными, а другие несколько заниженными. Но если, помимо этого, часы еще и отстают, то все результаты будут занижены. Это уже систематическая ошибка.

Некоторые факторы могут вызвать одновременно и систематические и случайные ошибки. Так, включая и выключая секундомер, мы можем создать небольшой нерегулярный разброс моментов пуска и остановки часов относительно движения маятника и внести тем самым случайную ошибку. Но если к тому же мы каждый раз торопимся включить секундомер и несколько запаздываем выключить его, то это приведет к систематической ошибке.

Случайные погрешности вызываются ошибкой параллакса при отсчете делений шкалы прибора, сотрясении фундамента здания, влиянием незначительного движения воздуха и т.п.

Хотя исключить случайные погрешности отдельных измерений невозможно, математическая теория случайных явлений позволяем уменьшить влияние этих погрешностей на окончательный результат измерений. Ниже будет показано, что для этого необходимо произвести не одно, а несколько измерений, причем, чем меньшее значение погрешности мы хотим получить, тем больше измерений нужно провести.

В связи с тем, что возникновение случайных погрешностей неизбежно и неустранимо, основной задачей всякого процесса измерения является доведение погрешностей до минимума.

В основе теории погрешностей лежат два основных предположения, подтверждаемых опытом:

1. При большом числе измерений случайные погрешности одинаковой величины, но разного знака, т.е погрешности в сторону увеличения и уменьшения результата встречаются достаточно часто.

2. Большие по абсолютной величине погрешности встречаются реже, чем малые, таким образом, вероятность возникновения погрешности уменьшается с ростом ее величины.

Поведение случайных величин описывают статистические закономерности, которые являются предметом теории вероятностей. Статистическим определением вероятности w_i события i является отношение

, (4.1)

где n - общее число опытов, n_i - число опытов, в которых событие i произошло. При этом общее число опытов должно быть очень велико (n). При большом числе измерений случайные ошибки подчиняются нормальному распределению (распределение Гаусса), основными признаками которого являются следующие:

1. Чем больше отклонение значения измеренной величины от истинного, тем меньше вероятность такого результата.

2. Отклонения в обе стороны от истинного значения равновероятны.

Из приведенных выше допущений вытекает, что для уменьшения влияния случайных ошибок необходимо произвести измерение данной величины несколько раз. Предположим, что мы измеряем некоторую величину x. Пусть произведено n измерений: x₁, x₂, ... x_n - одним и тем же методом и с одинаковой тщательностью. Можно ожидать, что число dn полученных результатов, которые лежат в некотором достаточно узком интервале от x до x + dx, должно быть пропорционально:

- величине взятого интервала dx;

- общему числу измерений n.

Вероятность dw(x) того, что некоторое значение x лежит в интервале от x до x + dx, определяется следующим образом:

(при числе измерений n.

Функция f (х) называется функцией распределения или плотностью вероятности.

В качестве постулата теории ошибок принимается, что результаты прямых измерений и их случайные погрешности при большом их количестве подчиняются закону нормального распределения.

Найденная Гауссом функция распределения непрерывной случайной величины x имеет следующий вид:

, где ипараметры распределения.

Параметрнормального распределения равен среднему значению x случайной величины, которое при произвольной известной функции распределения определяется интегралом

.

Таким образом, величина  является наиболее вероятным значением измеряемой величины x, т.е. ее наилучшей оценкой.

Параметр ^нормального распределения равен дисперсии D случайной величины, которая в общем случае определяется следующим интегралом

.

Квадратный корень из дисперсии называется средним квадратическим отклонением случайной величины.

Среднее отклонение (погрешность) случайной величины определяется с помощью функции распределения следующим образом

Средняя погрешность измерений вычисленная по функции распределения Гаусса, соотносится с величиной среднего квадратического отклонения  следующим образом:

<> = 0,8 .

Параметры исвязаны между собой следующим образом:

.

Это выражение позволяет находить среднее квадратическое отклонение ^, если имеется кривая нормального распределения.

График функции Гаусса представлен на рисунках. Функция f (x) симметрична относительно ординаты, проведенной в точке x = ; проходит через максимум в точке x =  и имеет перегиб в точках . Таким образом, дисперсия характеризует ширину функции распределения, или показывает, насколько широко разбросаны значения случайной величины относительно ее истинного значения. Чем точнее измерения, тем ближе к истинному значению результаты отдельных измерений, т.е. величина  - меньше. На рисунке A изображена функция f (x) для трех значений 

А

Б

Площадь фигуры, ограниченной кривой f (x) и вертикальными прямыми, проведенными из точек x₁ и x₂ (рис.Б), численно равна вероятности попадания результата измерения в интервал x = x₁ - x₂, которая называется доверительной вероятностью. Площадь под всей кривой f (x) равна вероятности попадания случайной величины в интервал от 0 до, т.е.

,

так как вероятность достоверного события равна единице.

Используя нормальное распределение, теория ошибок ставит и решает две основные задачи. Первая - оценка точности проведенных измерений. Вторая - оценка точности среднего арифметического значения результатов измерений.5. Доверительный интервал. Коэффициент Стъюдента.

Теория вероятностей позволяет определить величину интервала, в котором с известной вероятностью w находятся результаты отдельных измерений. Эта вероятность называется доверительной вероятностью, а соответствующий интервал xx_w называется доверительным интервалом. Доверительная вероятность также равна относительной доле результатов, оказавшихся внутри доверительного интервала.

Если число измерений n достаточно велико, то доверительная вероятность выражает долю из общего числа n тех измерений, в которых измеренная величина оказалась в пределах доверительного интервала. Каждой доверительной вероятности w соответствует свой доверительный интервал.

Для примера обозначим на числовой оси точками результаты n = 10 условных измерений. Они группируются вокруг средней величины а

 a

а

Круглыми скобками обозначим доверительный интервал, внутри которого находятся 5 экспериментальных значений из 10, т.е. доверительная вероятность w₁ 50%. Квадратным скобкам соответствует доверительный интервал для вероятности w₂ 80%. Чем шире доверительный интервал, тем больше вероятность получить результат внутри этого интервала. В теории вероятностей устанавливается количественная связь между величиной доверительного интервала, доверительной вероятностью и числом измерений.

Если в качестве доверительного интервала выбрать интервал, соответствующий средней погрешности, то есть a = ато при достаточно большом числе измерений он соответствует доверительной вероятности w 60%. При уменьшении числа измерений доверительная вероятность, соответствующая такому доверительному интервалу (а±а уменьшается.

Таким образом, для оценки доверительного интервала случайной величины можно пользоваться величиной средней погрешностиа

Для характеристики величины случайной погрешности необходимо задать два числа, а именно, величину доверительного интервала и величину доверительной вероятности. Указание одной только величины погрешности без соответствующей ей доверительной вероятности в значительной мере лишено смысла.

Если известна средняя погрешность измерения , доверительный интервал, записанный в виде (<x> )_w, определен с доверительной вероятностьюw = 0,57.

Если известно среднее квадратическое отклонение ^распределения результатов измерений, указанный интервал имеет вид xt_w_w, где t_w - коэффициент, зависящий от величины доверительной вероятности и рассчитывающийся по распределению Гаусса.

Наиболее часто используемые величины x приведены в таблице 1.

Таблица 1.

w	0,68	0,9	0,95
x		1,7	2