- •1.1.2 Кумулятивная кривая и гистограмма
- •1.1.3 Числовые характеристики случайной величины
- •1.1.4 Точечные оценки числовых характеристик экспериментальных законов распределения
- •1.2 Пример выполнения контрольного задания
- •1.2.1 Задание
- •1.2.2 Выполнение задания
- •Полученные значения занесем в табл. 1.4.
- •1.3 Контрольные задания
- •2 Определение границ случайных погрешностей при обработке прямых измерений с многократными наблюдениями
- •2.1 Основные теоретические сведения
- •2.1.1 Грубые погрешности и промахи
- •2.1.1.1 Критерий Райта
- •2.1.1.2 Критерий: Смирнова
- •2.1.2 Критерии согласия
- •2.1.2.1 Критерий Колмогорова
- •2.1.2.2 Критерий Пирсона
- •2.1.2.3 Составной критерий
- •2.1.3 Интервальные оценки распределения результатов наблюдений и измерения
- •Откуда . (2.9)
- •2.2 Пример выполнения контрольного задания
- •2.2.1 Задание
- •2.2.2 Выполнение задания
- •4. Проверка по критерию Колмогорова
- •2.3 Варианты контрольных заданий
- •3 Построение и определение характеристик композиции законов распределения при суммировании погрешностей измерения
- •3.1 Основные теоретические сведения
- •(Для случайных погрешностей);
- •3.2 Пример выполнения контрольного задания
- •3.2.1 Задание
- •3.2.2 Выполнение задания
- •3.3 Контрольное задание
- •4 Обработка нескольких групп прямых измерений с многократными наблюдениями
- •4.1 Основные теоретические сведения
- •4.1.1 Измерения равноточные
- •4.1.2 Измерения неравноточные
- •4.2 Пример выполнения контрольного задания
- •4.2.1 Задание
- •4.2.2 Выполнение задания
- •4.3 Варианты контрольных заданий
- •5 Обработка результатов косвенных измерений
- •5.1 Основные теоретические сведения
- •5.1.1 Оценивание случайных и неисключенных остатков систематических составляющих погрешностей косвенных измерений
- •5.1.2 Частные случаи вычисления погрешностей при косвенных измерениях
- •5.2 Пример выполнения контрольного задания
- •5.2.1 Задание
- •5.2.2 Выполнение задания
- •8. Проверяем графически наличие корреляции между x1 и х2 для чего изображаем зависимость x1 от х2 (рис. 5.3).
- •5.3 Контрольные задания
- •6 Обработка результатов совместных измерений 6.1 6.1. Основные теоретические сведения
- •6.1.1 Метод наименьших квадратов
- •6.1.2 Определение параметров линейной зависимости
- •6.1.3 Определение параметров неполиномиальных зависимостей
- •3. Линеаризация нелинейных уравнений методом последовательных приближений
- •6.2 Пример выполнения контрольного задания
- •6.2.1 Задание
- •6.2.2 Выполнение задания
- •В этом случае , .
- •6.3 Варианты контрольных заданий
- •Приложение а - Законы распределения случайных величин
- •Приложение б –Статистические таблицы
- •Список литературы
6.1.1 Метод наименьших квадратов
В МНК оценки параметров искомой зависимости определяют из условия, что сумма квадратов отклонений экспериментальных значений Y от расчетных значений минимальна, т.е.
, (6.4)
где
-
невязки.
При рассмотрении МНК ограничимся случаем, когда искомая функция - полином, т.е.
. (6.5)
Задача заключается в том,
чтобы определить такие оценки
коэффициентов
,
при которых выполнялось бы условие
(6.4).
Для этого запишем выражение для невязок в каждой экспериментальной точке
(6.6)
Число точек п
выбирают значительно
больше, чем т +1
(это необходимо для уменьшения
погрешности определения
.
Согласно принципу наименьших квадратов (6.4), наилучшими значениями коэффициентов будут те, для которых сумма квадратов невязок
,
(6,7)
будет минимальна. Минимум функции многих переменных , как известно, достигается тогда, когда все ее частные производные равняются нулю. Поэтому, дифференцируя (6.7), получаем
(6.8)
Следовательно, вместо
исходной условной
системы (6.6), которая
вообще говоря есть система несовместная.,
так как имеет я
уравнений с т +1
неизвестными (п>т+1
), мы получим систему
линейных относительном
уравнений (6.8). В ней число уравнений при
любом п точно
равно числу неизвестных т
+ 1. Система (6.8) называется
нормальной системой.
Таким образом,
поставленная задача заключается в
приведении условной системы к нормальной.
Воспользовавшись обозначениями, введенными Гауссом,
и после сокращения всех уравнений на 2 и перегруппировки членов, получим
ё
(6.9)
Анализируя выражение (6.5) и (6.9) видим, что для получения первого уравнения нормальной системы достаточно просуммировать все уравнения системы (6.5). Для получения второго уравнения нормальной системы (6.9), суммируются все уравнения, предварительно умноженные на xi. То есть, для получения k -го уравнения нормальной системы необходимо умножить уравнения системы (6.9) на xik-1 и просуммировать полученные выражения.
Наиболее кратко решение системы (6.9) описывается с помощью определителей
где главный определитель D равен
(6.10)
а определители Dj получаются из главного определителя D путем замены столбца с коэффициентами при неизвестном aj на столбец со свободными членами
. (6.11)
Оценка СКО величин найденных как результат совместных измерений, выражается следующей формулой
,
(6.12)
где
-
алгебраическое
дополнение элементов главного
определителя D
получаемое путем удаления из матриц
определителя столбца
и строки
;
, (6.13)
где вычисляются при подстановке в каждое условное уравнение оценок искомых величин .
Доверительный интервал погрешности определения вычисляют по формуле
, (6.14)
где ts определяется из распределения Стьюдента по числу степеней свободы (п-т-1) и выбранной доверительной вероятности Рд .
При увеличении числа т объем выполненной работы быстро растет, и поэтому на практике обычно ограничиваются полиномом не выше третьей степени.
МНК и его применению посвящена обширная литература. В ней теоретически показано, что при нормальном распределении погрешностей МНК приводит к оценкам неизвестных, удовлетворяющих принципу максимального правдоподобия.
