- •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
5. Системы случайных величин и их характеристики
С системами случайных величин сталкиваются во всех случаях, когда результаты эксперимента характеризуются несколькими случайными величинами, которые в силу взаимной зависимости необходимо рассматривать как единое целое, например, как случайный вектор, где знакобозначает операцию транспонирования матрицы. С системами случайных величин имеют дело при обработке результатов косвенных, совокупных и совместных измерений.
Способы описания системы случайных величин аналогичны способам описания одномерных случайных величин. Исчерпывающими вероятностными характеристиками системы из случайных величин является-мерная функция распределения
(5.1)
или -мерная плотность вероятности
. (5.2)
Как и в случае одномерном, многомерные функции распределения и плотности вероятности взаимнооднозначно определяют друг друга:
,
. (5.3)
Многомерная функция распределения удовлетворяет следующим условиям:
1) ;
2) ;,
, .
Свойства многомерной плотности вероятностей аналогичны свойствам одномерной:
1) ;
2) . (5.4)
Аналогично (2.7) определяется вероятность пребывания случайного вектора в любой области-мерного пространства:
. (5.5)
Если координаты случайного вектора статистически независимы, то
. (5.6)
Это соотношение является необходимым и достаточным условием для статистической независимости случайных величин.
Математическим ожиданием функции нескольких случайных величин называется число
. (5.7)
Для -мерного случайного векторатакже вводятся понятия математических ожиданий его компонент и вторых центральных моментов:
, (5.8)
,
. (5.9)
Очевидно, что . Матрица, компоненты которой являются случайными величинами, называетсяслучайной матрицей. Математическим ожиданиемслучайной матрицыназывается матрица, компоненты которой равны математическим ожиданиям компонент матрицы.
Симметрическая матрица , компонентами которой являются величиныиз (5.9), называетсяковариационной матрицейслучайного вектора. В матричном виде выражение для нее будет:
. (5.10)
Для независимых случайных величин справедливы следующие важные свойства:
, (5.11)
. (5.12)
В приложениях метода наименьших квадратов часто приходится иметь дело с -мерным случайным вектором, компоненты которого распределены по нормальному закону и представляют собой случайные погрешности наблюдения. При этом зачастую составляются линейные комбинации наблюдений и их погрешностей вида:
, (5.13)
где – случайный вектор, получающийся из вектора путем линейного преобразования, задаваемого матрицей размера . Если и ранг матрицы равен , то вектор будет называться невырожденным, и его компоненты тоже будут распределены нормально. Причем вектор математических ожиданий :
, (5.14)
а ковариационная матрица :
. (5.15)
Для двух случайных величин и, имеющих совместное распределениемерой их статистической зависимости являетсякоэффициент корреляции:
, (5.16)
где – второй центральный момент распределения, задаваемый выражением (5.9). Если, то величиныистатистически независимы, и наоборот, если, то междуисуществует линейная зависимость.