- •Министерство образования российской федерации
- •Оглавление
- •1. Правила обработки результатов измерений1
- •Обработка результатов прямых измерений
- •Коэффициенты Стьюдента
- •Погрешности приборов
- •1.2. Обработка результатов косвенных измерений
- •2.Оформление отчетов о лабораторных работах7
- •3. Введение
- •4. Виды измерений
- •4.1. Измерение
- •4.2. Прямые измерения
- •4.3. Косвенные измерения
- •5.Представление результатов измерений
- •5.1. Запись результата измерений
- •5.2. Среднее значение
- •5.3. Истинное значение
- •5.4. Доверительный интервал
- •5.5. Коэффициент надежности
- •6. Виды погрешностей
- •6.1. Абсолютная погрешность
- •6.2. Относительная погрешность
- •6.3. Систематическая ошибка
- •6.4. Случайная ошибка
- •6.5. Промах
- •7. Погрешности измерительных приборов
- •7.1. Предельная ошибка прибора
- •7.2.Класс точности
- •7.3. Ошибка прибора
- •7.4. Ошибка округления прибора
- •7.5. Суммарная ошибка измерения
- •8. Статистическая обработка результатов измерений, содержащих случайную ошибку
- •8.1. Обработка результатов прямых измерений
- •Результаты измерения расстояния шагомером
- •8.2. Распределение Гаусса
- •8.3. Метод Стьюдента
- •8.4. Обработка результатов косвенных измерений
- •9. Приближенные вычисления при обработке экспериментальных данных
- •9.1. Число значащих цифр при определении погрешности
- •9.2. К вычислению суммарной ошибки измерения
- •9.3. О точности вычислений
- •10. Лабораторные работы по статистической обработке результатов измерений
- •10.1. Лабораторная работа Изучение распределения случайной величины. Газ Лоренца
- •Рассеяние шариков периодической решеткой
- •Контрольные вопросы к работе 10.1
- •10.2. Лабораторная работа
- •Игла Бюффона
- •Данные для определения числа π
- •Результаты измерений числа π
- •Дополнение. Решение задачи об Игле Бюффона
- •Результаты измерений числа π
- •Контрольные вопросы к работе 10.2
- •10.3. Лабораторная работа Моделирование измерений, сопровождающихся большой случайной погрешностью
- •Результаты измерения длины листа масштабной линейкой
- •Контрольные вопросы к работе 10.3
- •10.4. Лабораторная работа Пример оценки погрешности косвенных измерений.
- •Данные для определения плотности материала кольца
- •10.5. Лабораторная работа определение плотности твердого тела правильной геометрической формы
- •Контрольные вопросы к работам 10.4 и 10.5
- •11.Как писать отчеты о лабораторных и научно-исследовательских работах и научные статьи [4]
- •Библиографический список
- •Юрий Клавдиевич Братухин Геннадий Федорович Путин обработка экспериментальных данных
8.2. Распределение Гаусса
Мы будем пользоваться только распределением Гаусса [1, с. 26], представленным на рисунке 8.1.1 кривой 4
|
|
, |
(8.2.1) |
|
|
где |
|
|
|
(8.2.2) | |
|
|
Эта формула распределения вполне приемлема и позволяет легко провести вычисления. Кроме того, оценки ошибок в большинстве случаев оказываются довольно грубыми, и эта неопределенность в их оценке полностью перекрывает ошибки, которые обусловлены произволом выбора в качестве функции распределения формулы (8.2.1). Правда, сказанное выше выполняется не всегда. Например, если результаты измерений дискретны и соответствуют ближайшим делениям шкалы прибора, пользоваться гауссовым распределением нельзя.
Перечислим основные свойства распределения Гаусса:
Функция f(x)зеркально симметрична относительно истинного значенияXизмеряемой величиныx.
Площадь под кривой f(x)пропорциональна общему числу измерений. Коэффициент пропорциональности принято выбирать так, чтобы эта площадь равнялась 1; тогда
|
|
|
(8.2.3) |
|
|
Точки перегиба кривой (8.2.1) удалены от X на ±σ. При этом доля результатов всех измерений, попадающая в интервал (-σ,+σ), составляет 68.3 %. В интервале (-2σ,+2σ) находится уже 95.4 % всех результатов. В теории вероятностиσназывается средним квадратичным отклонением, аσ2– дисперсией, характеризующей разброс случайной величины (dispersio- рассеяние).
Функция f(x)называется плотностью распределения и равна числу отсчетов, приходящихся на единичный интервал, так чтоf(x)dxравно числу попаданий измеряемой величиныXв интервал отx доx+dx.
8.3. Метод Стьюдента
Наша задача состоит в том, чтобы, не выполняя большого числа измерений, найти среднее значение x, близкое к истинному значениюXизмеряемой величины, и погрешность измерений - полуширину доверительного интервалаx, близкую к2σ, как того требуют Государственные стандарты [2, 3]. Это делается по формулам Стьюдента (У. Госсет, Англия, 1908;Student – его псевдоним). Рекомендуется в качестве истинного значенияXбратьx, вычисляемое по формуле (5.2.1), а случайную ошибкуоценивать по формуле
|
|
(8.3.1) | |
|
|
где n– число измерений.
Коэффициенты Стьюдента tp,nзависят от значения надежностиpи числа измеренийn. Величины этих коэффициентов для заданногоp= 0.95 [2, 3] и различныхnнаходят по таблице 1.1.1.
Проиллюстрируем эффективность методики Стьюдента при определении среднего значения и доверительного интервала по данным небольшого количества измерений на нашем примере с подсчетом числа шагов.
Для всей серии из n = 2080 испытаний (таблица 8.1.1) коэффициент Стьюдентаtp,nравен 2, и после весьма трудоемких вычислений по формулам (5.2.1) и (8.3.1) получаем следующее выражение:
|
|
|
X= (6410 ± 150) шагов |
(p= 0.95). |
(8.3.2) |
|
|
|
Однако приведенный результат не является окончательным. В соответствии с излагаемыми далее – в параграфе 9.1 – правилами округления экспериментальных данных, предписывающими, сколько значащих цифр следует оставлять при оценке погрешности, выражение (8.3.2) следует записать в виде (9.1.2):
|
|
|
X=(6.41 ± 0.15)∙103 шагов |
(p= 0.95). |
|
|
|
|
Возвратимся к нашему примеру об измерении расстояния шагами. Для сопоставления результатов обработки большого числа измерений (8.3.2) с гистограммами и кривой распределения удобно отметить эти данные на числовой оси (рисунок 8.1.1, б) в том же масштабе, что и на рисунке 8.1.1,а. Среднее значение (5.2.1) покажем вертикальной черточкой, а доверительный интервал (8.3.1) – круглыми скобками. Из рисунка 8.1.1 видно, что, поскольку расчеты выполнены по очень большому количеству измерений,xдействительно совпадает с абсциссой максимума кривой распределения, а границы доверительного интервала удалены от максимума вдвое дальше точек перегиба.
Если теперь из всей серии в 2080 испытаний произвольно, скажем, с помощью генератора случайных чисел, выбрать всего 5 значений x, получится приблизительно такой же результат. Пусть, например, выбраны числаx1= 6251,x2= 6368, x3= 6583, x4= 6483, x5= 6505. После обработки по Стьюденту получим
|
|
|
X= (6438 ± 163)(6.41 ± 0.16)∙103шагов |
(p= 0.95). |
(8.3.3) |
|
|
|
Отметим эти данные, а также выбранные числа на оси xрисунка 8.1.1,в. Сравнивая выражения (1.1.6 – 1.1.8) и рисунки 8.1.1,а- 8.1.1,в, убеждаемся, что метод Стьюдента позволяет с весьма неплохой точностью находить интересующие нас величины по коротким сериям испытаний. Некоторое расхождение результатов вполне допустимо, особенно если вспомнить об экономии времени и усилий на измерения и обработку при сокращении количества опытов – в нашем примере с 2080 до 5!