Учебное пособие 800414

(1− 0,003)n =1− 0,003n.

Обычно число производимых измерений не очень велико, сравнительно редко оно превышает 10 − 20. При этом точное значение σ неизвестно, следовательно, отбрасывать измерения, отличающиеся от среднего более чем на 3σ , нельзя.

При n, большем 25, можно для расчетов такого рода положить Sn=σ и оценку β определять, пользуясь соотношением

β ≈αn .

На практике при небольшом числе измерений (n<25) применяется способ выявления случайных погрешностей, алгоритм которого приведен ниже.

Алгоритм определения грубых погрешностей.

Пусть известен ряд измерений случайных величин:

x1, x2 ,..., xr , xn.

Необходимо установить, есть ли среди этих значений измерения, проведенные с грубыми погрешностями (промахами).

Пусть xk – первое подозреваемое на грубую погрешность. Вычисляем среднеарифметическое с учетом подозреваемой величины xk и оценку СКО Sn. Определяем величину максимального отклонения в долях

среднеквадратической ошибки:

90

Vmax xk x .

Sn

По таблице оценки выскакивающих измерений, зная число измерений n и Vmax, находим вероятность β того, что данное измерение содержит случайную погрешность.

Рис. 4.5. Оценка промахов

В случае β ≥ 0,1 измерение xk содержит случайную погрешность. Если вероятность появления данного измерения в ряду лежит в промежутке 0,1>β >0,01, то представляется одинаково правильным оставить это измерение или отбросить.

При β ≤ 0,01 в данном измерении присутствует грубая погрешность, это измерение нужно исключить из ряда, после чего нужно пересчитать x и Sn оставшихся измерений.

4.7. Определение числа измерений

Допустим, что все систематические ошибки учтены, т.е. поправки, которые следовало определить, вычислены, класс точности прибора известен и есть уверенность, что отсутствуют какие-либо существенные и неизвестные источники систематических ошибок.

91

В этом случае результаты измерений все же не свободны от случайных ошибок, правила вычисления которых даны ниже. Если случайная ошибка окажется меньше систематической, то очевидно, что нет смысла пытаться еще уменьшить величину случайной ошибки: все равно результаты измерений не станут от этого заметно точнее, и, желая получить большую точность, нужно искать пути к уменьшению систематической ошибки. Наоборот, если случайная ошибка больше систематической, то именно случайную ошибку нужно уменьшать в первую очередь.

Мы уже говорили, что если произвести ряд измерений и взять среднее арифметическое из этого ряда, то случайная ошибка этого среднего будет меньше, чем ошибка единичного измерения. Поэтому для уменьшения случайной ошибки следует произвести не одно, а ряд измерений, причем, как увидим дальше, тем больший, чем меньшую величину случайной ошибки хотим получить. Однако очевидно, что нет смысла производить измерений больше, чем это необходимо, чтобы систематическая ошибка существенно превышала случайную.

Отсюда вытекают следующие правила.

1.Если систематическая ошибка является определяющей, т.е. ее величина существенно больше величины случайной ошибки, присущей данному методу, то достаточно выполнить измерение один раз.

2.Если случайная ошибка является определяющей, то измерения следует производить несколько раз. Число измерений целесообразно выбирать таким, чтобы случайная ошибка среднего арифметического была меньше систематической ошибки с тем, чтобы последняя опять определяла окончательную ошибку результата.

Для уменьшения случайной ошибки результата, как мы уже знаем, могут быть использованы два пути: улучшение точности измерений, т.е. уменьшение величины σ, и увеличение числа измерений, т.е. использование соотношения

92

Сейчас будем говорить только о последнем приеме, считая, что все возможности совершенствования техники измерений уже использованы. Пусть систематическая ошибка измерений, определяемая классом точности прибора или другими аналогичными обстоятельствами, будет δ .

Известно, что уменьшать случайную ошибку целесообразно только до тех пор, пока общая погрешность измерений не будет полностью определяться систематической ошибкой. Для этого необходимо, чтобы доверительный интервал, определенный с выбранной степенью надежности, был бы существенно меньше величины систематической ошибки. Иначе говоря,

Разумеется, нужно условиться, какой степени надежности α мы требуем и какую величину для случайной ошибки следует считать допустимой, т. е. какое соотношение величин Δx и δ можно считать удовлетворяющим условию (3.20).

Строгую оценку этого сделать трудно, однако можно исходить из того, что, как правило, нет необходимости определять общую ошибку с точностью большей 10%. Это означает, что в том случае, когда Δx ≤δ /10, условие (3.20) можно считать выполненным. Практически обычно можно удовлетвориться гораздо менее жестким требованием: Δx≤δ/3 или даже Δx≤δ/2 .

Надежность α, с какой хотим установить доверительный интервал, в большинстве случаев не должна превышать 0,95, хотя иногда требуются и более высокие значения α. Для

93

оценки необходимого числа измерений имеется табл. 4.3, в которой Δx дано в долях средней квадратичной ошибки.

Таблица 4.3 Необходимое число измерений для получения случайной

ошибки ε с надежностью α

Примеры.

1. Измеряется диаметр шарика с помощью микрометра, имеющего погрешность в 1 мкм. Средняя квадратичная погрешность единичного измерения равна 2,3 мкм. Сколько

94

измерений нужно проделать, чтобы ошибка не превышала 1,5 мкм с надежностью 0,95?

Положим Δx=δ/2=0,5 мкм, Sn=2,3 мкм, Δx=0,5/2,3 δ=0,22 .

Из таблицы 3.3 находим в колонке α = 0,95: для ε = 0,3 n = 46 и для ε = 0,2 n =100. Составив соответствующую пропорцию, легко рассчитать, что для ε = Δx / S = 0,22 n ≈ 57 .

Иначе говоря, нужно сделать около 60 измерений, чтобы случайная ошибка изменила общую погрешность результата измерений не более чем в полтора раза.

Интересно посмотреть, сколько нужно сделать измерений, если мы наложим еще менее жесткое требование, а именно, чтобы систематическая и случайная ошибки были примерно равны по величине. В этом случае полагаем δ = Δx = 0,45S и из той же таблице находим (для α = 0,95) n ≈ 23 .

В обоих этих примерах число необходимых измерений получалось хотя и большое, но такое, которое может быть выполнено.

2. Коэффициент вариации w для некоторого измерения составляет 1%. Систематическая ошибка измерений δ = 0,1%. Сколько измерений нужно проделать, чтобы случайная ошибка практически не играла роли?

Так как все ошибки выражены в относительных единицах,

то

x x 0,05 . (4.21) w s 1

Из таблицы находим для той же доверительной вероятности α = 0,95 и для Δx / s = 0,05 n =1500(!).

Очевидно, что практически такое число измерений обычно проделать нельзя.

Из этих примеров можно сделать заключение, что увеличением числа измерений можно устранить влияние случайной ошибки на результат только в том случае, если средняя квадратичная погрешность не более чем в несколько

95

раз превосходит систематическую ошибку. Реально это возможно, если σ≤5δ. При больших значениях σ для существенного уменьшения роли случайной ошибки уже требуются сотни и тысячи, а иногда десятки тысяч измерений, как это видно из таблицы 4.1. В таких случаях для уменьшения погрешности результата необходимо радикально менять методику измерений с тем, чтобы уменьшить величину случайной ошибки.

4.8. Суммарная погрешность

В случае, когда систематическая и случайная погрешности измерений близки друг к другу, они обе в одинаковой степени определяют точность результата. Значение суммарных ошибок можно оценить так: обозначим величину систематической ошибки δ, дисперсию измерений – σ2; тогда в качестве верхней границы суммарной ошибки Σ можно принять

Действительно, с вероятностью 0,95 можно утверждать, что результаты измерений не будут отличаться от истинного значения на величину, превышающую Σ.

Следует заметить, что вопрос о сложении систематических и случайных ошибок актуален только тогда, когда одна из них не более чем в несколько раз превышает другую. В противном случае в качестве меры погрешности измерения следует указывать только большую ошибку.

4.9. Ошибки первого и второго рода

В тех случаях, когда измеряются какие-то свойства готовой продукции (диаметр подшипника, состав металла, и т.п.), задача измерений обычно состоит не в получении точного значения измеряемой величины, а в необходимости

96

уложиться в определенные допуски, установленные для данной продукции. Те изделия, которые не укладываются в эти допуски, будем называть браком. Но следствием ошибок измерений могут быть два обстоятельства: 1) хорошее изделие бракуется и 2) брак пропускается. Поясним это примером: диаметр вала равен 60 мм с допуском 0,013 мм. При измерении диаметра получили число 60,012 мм. Ошибка измерительного устройства 0,002 мм. Следовательно, вал признаем годным, хотя на самом деле он мог иметь диаметр 60,014 мм, т.е. должен считаться браком. В этом случае допущена ошибка второго рода. Наоборот, если при той точности измерений оказалось, что диаметр вала 60,014 мм, то вал забракуем, хотя в действительности его размеры могут находиться внутри допуска (скажем, составлять 60,012 мм). В этом случае сделана ошибка первого рода. Очевидно, что когда размеры изделия находятся вблизи границ допуска, всегда есть вероятность сделать ошибку первого или второго рода. Казалось бы, что наиболее страшна ошибка второго рода – пропуск брака. Это действительно так, когда имеем дело с очень дорогими и ответственными изделиями. В этом случае лучше забраковать 100 хороших изделий, чем пропустить одно бракованное. Однако для менее ответственных изделий чересчур жесткий контроль, необходимый для полного отсутствия ошибок второго рода, нецелесообразен. Действительно, чем вернее хотим застраховать себя от ошибок второго рода, тем больше (при неизменной точности измерений) делаем ошибок первого рода. Разумеется, невыгодно и нецелесообразно переводить в брак сотню хороших шариковых ручек, чтобы не пропустить в партии одной плохой. Такой излишне строгий контроль будет неоправданно увеличивать стоимость изделий. Выбор экономически целесообразной системы измерений и браковки является во всех случаях чрезвычайно важным.

В той или иной мере ошибки Ι и ΙΙ рода всегда наблюдаются при диагностике узлов автомобильного транспорта, что снижает эффективность его эксплуатации.

97

Ошибки Ι рода приводят к неоправданным разборочносборочным и поверочным работам, простою автомобиля и снижению коэффициента его использования.

Ввиду того, что ошибки Ι и ΙΙ рода всегда обусловлены многочисленными факторами, их количественные характеристики могут носить только статистический характер и задаваться как вероятности PΙ и PΙΙ. Например, если автомобиль перед выходом из АТП диагностируется по пяти параметрам, а ошибка Ι рода (вероятность ложного отказа) по каждому из них составляет PΙj = 0,1, то вероятность невыхода автомобиля на линию определяется так:

5

P 1 (1 Pj ) 1 (1 0,1)5 0,41.

i 1

Это означает, что 41% автомобилей должны быть задержаны для устранения несуществующих неисправностей.

Немаловажным фактором, свидетельствующим в пользу уменьшения ошибок Ι рода, является и то, что любая разборочно-сборочная операция, даже если деталь не ремонтируется, снижает срок службы узла до 20%.

Ущерб от пропуска неисправности, которая может появиться при эксплуатации, связан уже с возможными простоями автомобиля на линии или, что особенно опасно, с возможными дорожно-транспортными происшествиями. Кроме того, ошибки ΙΙ рода, допущенные в оценке технического состояния таких агрегатов, как двигатель и ходовая часть, приводят к ощутимым потерям из-за увеличения расхода топливно-смазочных материалов и износа шин, повышению токсичности отработавших газов в результате ошибок ΙΙ рода при регулировке системы питания и зажигания.

Изложенное доказывает необходимость снижения ошибок Ι и ΙΙ рода в условиях АТП на любом этапе принятой технологии диагностирования.

98

5. АНАЛИЗ РЕЗУЛЬТАТОВ ПАССИВНОГО ЭКСПЕРИМЕНТА. ЭМПИРИЧЕСКИЕ ЗАВИСИМОСТИ

5.1. Характеристика видов связей между рядами наблюдений

На практике сама необходимость измерений большинства величин вызывается тем, что они не остаются постоянными, а изменяются в функции от изменения других величин. В этом случае целью проведения эксперимента является установление вида функциональной зависимости ỹ=f(X). Для этого должны одновременно определяться как значения X, так и соответствующие им значения ỹ, а задачей эксперимента является установление математической модели исследуемой зависимости. Фактически речь идет об установлении связи между двумя рядами наблюдений (измерений). Определение связи включает в себя указание вида модели и определение ее параметров. В теории экспериментов независимые параметры X=(x1 ,… ,xk) принято называть факторами, а зависимые переменные y- откликами. Координатное пространство с координатами x1 , x2 , … ,xi , … , xk , называется факторным пространством. Эксперимент по определению вида функции

где x- скаляр, называется однофакторным.

Эксперимент по определению вида ỹ=f(X) (рис. 5.1a), где X=(x1 ,x2 , … ,xi , … xk ) – вектор – многофакторным.

Геометрическим представлением функции отклика в факторном пространстве является поверхность отклика. При однофакторном эксперименте (k=1) поверхность отклика

99