- •Вероятностное описание погрешностей измерения
- •1. Случайные события и их вероятности
- •2. Случайные величины и их распределения
- •3. Числовые характеристики случайных величин
- •4. Распределения, часто встречающиеся в задачах метрологии
- •5. Системы случайных величин и их характеристики
- •Введение
- •Научно-техническое
- •Законодательное
- •1.2 Средства измерения и их основные характеристики
- •Средства измерения
- •Измерительные приборы
- •Характеристики средств измерения
- •1.3. Государственная система обеспечения единства измерений
- •Эталоны
- •Электрические измерения
- •2. Погрешности измерений
- •2.1 Классификация
- •Погрешности измерения
- •Методы борьбы с систематическими погрешностями
- •2.3. Нормирование погрешностей средств измерений
- •3. Обработка результатов измерений
- •3.3. Обработка результатов косвенных измерений
- •3.6. Погрешности косвенных измерений
- •Вероятностное описание погрешностей измерения
- •1. Случайные события и их вероятности
- •2. Случайные величины и их распределения
- •3. Числовые характеристики случайных величин
- •4. Распределения, часто встречающиеся в задачах метрологии
- •5. Системы случайных величин и их характеристики
- •1. Необходимые сведения из математической статистики.
- •1.1. Выборка. Статистика.
- •1.2. Оценивание параметров
- •1.3. Несмещенные и состоятельные оценки.
- •1.4. Точность оценивания параметров
- •1. Введение
- •2. Обработка результатов прямых измерений
- •2.1. Точечное оценивание
- •2.2. Оценивание с помощью доверительных интервалов
- •2.3. Примеры решения задач Опыты Милликена [1, стр.102].
- •Проверка статистических гипотез
- •1. Проверка гипотезы о равенстве математического ожидания заданному значению
- •2. Проверка гипотезы о равенстве дисперсии заданному значению
- •3. Проверка гипотезы о равенстве двух дисперсий
- •4. Резко выделяющиеся наблюдения
- •5. Примеры решения задач
- •5.1. Проверка гипотез
- •5.2. Опыты Кэвендиша [1, стр.105]
- •Обработка результатов прямых неравноточных измерений
- •1. Точечное оценивание
- •2. Оценивание с помощью доверительных интервалов
- •3. Пример неравноточных измерений
- •Обработка результатов совместных измерений
- •1. Случай линейной системы уравнений
- •2. Случай нелинейной системы уравнений
- •3. Важные частные случаи
- •3.1. Случай равноточных измерений
- •3.2. Линейная регрессия
- •3.3. Полиномиальная регрессия
- •4. Примеры совместных измерений
- •4.1. Исследование зависимости сопротивления проводника от температуры
- •4.2. Исследование зависимости поверхностного натяжения от потенциала электрода
- •Раздел 4
- •4.1 Основные определения
- •4.1.1 Параметры оптимизации.
- •4.1.2. Факторы.
- •4.1.3 Выбор модели
- •4.2 Пассивные эксперименты.
- •4.3. Активный эксперимент.
- •4.3 Полный факторный эффект.
- •4.3.1 Принцип решения перед планированием.
- •4.3.2 Полный факторный эксперимент типа
- •4.3.3. Понятия о дробной реплике
- •4.2.4 Свойства полного факторного эксперимента.
- •4.3 Крутое восхождение по поверхности отклика.
- •5.2 Активные преобразователи.
- •5.2.1 Пассивные преобразователи.
- •5.2.2 Активные масштабные преобразователи
- •5.3 Измерительные механизмы приборов и их применение.
- •5.3.1Магнитоэлектрические механизмы
- •5.3.2 Электродинамические механизмы
- •5.3.3 Ферродинамические механизмы
- •Компенсаторы
- •4.4.5 Автоматические компенсаторы.
- •4.4.6 Графические самопишущие электроизмерительные приборы (сэп).
- •4.4.6 Светолучевые осциллографы.
- •5.6 Электронные измерительные приборы.
- •Ацпаналогово-цифровой преобразователь.
- •Погрешность квантования
- •6.3. Дискретизация по времени и восстановление непрерывных функций.
- •6.3.1. Теорема Котельникова.
- •6.3.2. Критерии выбора отсчетов и способы восстановления непрерывных функций.
- •6.3.3. Восстановление непрерывных функций интерполяционными полиномами.
- •7.4. Технические характеристики цип.
- •6.5.1. Цифровые фазометры.
- •6.6. Цифровые измерительные приборы для измерения постоянных напряжений и токов.
- •6.6.1. Цифровые вольтметры временного преобразования.
- •6.9. Цип с микропроцессорами.
- •6. Оценивание распределений.
- •6.1. Параметрическое и непараметрическое оценивание.
- •6.2. Гистограмма.
- •6.3. Оценка функции распределения.
- •6.5.2. Цифровые частотомеры (цч)
- •5.6.2 Цифровые вольтметры частотного преобразования
- •5.7 Цифровые измерительные приборы для измерения переменных напряжений и токов.
- •5.8 Цип для измерения параметров электрических цепей
- •5.6.2. Цифровые вольтметры частотного преобразования.
- •Фи – формирователь импульсов стабильной вольтсекундной
3. Числовые характеристики случайных величин
Законы распределения дают исчерпывающее вероятностное описание любой случайной величины. Однако не всегда удается их получить. Кроме того, в некоторых задачах, в частности при нормировании погрешностей, желательно иметь более компактное описание, ограничивающееся заданием одной или нескольких числовых величин. Такими величинами являются моменты распределений (начальные и центральные).
Начальным моментом k-го порядка называется число
. (3.1)
Центральным моментом k-го порядка называется число
, (3.2)
где – начальный момент первого порядка.
Наиболее часто используемые числовые характеристики распределений случайных величин – математическое ожидание и дисперсия.
Математическим ожиданием случайной величины называется начальный момент первого порядка:
. (3.3)
Такое определение применимо как для непрерывных, так и для дискретных случайных величин. В последнем случае задается соотношением:
. (3.4)
Дисперсией случайной величины называется центральный момент второго порядка:
, (3.5)
где – математическое ожидание, определяемое из (3.3), а–среднеквадратическое отклонениеслучайной величины (СКО).
Для дискретной случайной величины
, (3.6)
а вычисляется из (3.4).
Из (3.5), (3.6) видно, что дисперсия не может быть отрицательной. Она может служить мерой разброса случайной величины относительно математического ожидания. Действительно, если детерминирована и равна, то есть, разброса нет. Тогдаи, а дисперсия из (3.6) равна нулю. Если жеслучайна, и разброс есть, то.
С помощью неравенства Чебышева можно оценить вероятность больших отклонений случайной величины от ее математического ожидания, если известна дисперсия. Для любых
. (3.7)
Известны следующие свойства математического ожидания и дисперсии случайной величины.
, (3.8)
, (3.9)
, (3.10)
где – математическое ожидание случайной величины,,– некоторые константы.
4. Распределения, часто встречающиеся в задачах метрологии
Нормальное распределение. Одним из наиболее часто используемых распределений является нормальное распределение:
. (4.1)
Рис. 2.
Примерный вид нормальных плотностей вероятностей показан на рис.2. Математическое ожидание случайной величины, распределенной по нормальному закону (4.1), равно , а дисперсия.
На рисунке показаны три кривые для .
Функция распределения нормальной случайной величины имеет вид
, (4.2)
где – табулированный интеграл Лапласа.
Распределение хи-квадрат. Такое распределение имеет сумма квадратов независимых случайных величин с нулевым математическим ожиданием и единичной дисперсией. Число слагаемых называетсячислом степеней свободы. Это распределение используется при построении доверительных интервалов для оценок дисперсий и имеет вид:
, (4.3)
где – гамма функция Эйлера.
Распределение Стьюдента. Такое распределение имеет случайная величина
,
где – распределено нормально с нулевым математическим ожиданием и единичной дисперсией;– имеет распределение хи-квадрат сстепенями свободы. Оно используется при определении доверительных интервалов результатов прямых измерений при экспериментально оцениваемой дисперсии.
(4.3)
Распределение Фишера. Такое распределение имеет величина
,
где величины имеет распределение хи-квадрат сстепенями свободы. Такое распределение используется при анализе оценок дисперсий случайных величин. Оно табулировано для различных значений,.
. (4.4)