
- •Лекція №1
- •1.1 Опрацювання результатів прямих вимірювань
- •1.1.1 Принципові основи оцінювання похибок вимірювань
- •1.1.2 Оцінка результату і похибки прямих вимірювань
- •1.1.3 Оцінка похибки прямих одноразових вимірювань
- •1.1.4 Оцінка результату і похибки прямих багаторазових вимірювань
- •1.1.5 Опрацювання результатів прямих одноразових вимірювань
- •1.1.6 Опрацювання результатів багаторазових прямих вимірювань
- •1.1.7 Опрацювання результатів прямих нерівноточних вимірювань
- •1.2 Опрацювання результатів опосередкованих вимірювань
- •1.2.1 Оцінка результату і похибки опосередкованих вимірювань
- •1.2.2 Опрацювання результатів опосередкованих вимірювань з лінійною залежністю
- •1.2.3 Опосередковані вимірювання при нелінійній залежності
- •1.2.4 Систематична похибка опосередкованих вимірювань при нелінійній залежності
- •1.2.5 Результат і похибка опосередкованих вимірювань
- •1.3 Оцінка результатів і похибок сумісних та сукупних вимірювань
- •Питання для самоперевірки
- •Лекція №2
- •2 Статистична перевірка гіпотез
- •2.1 Поняття статистичної гіпотези. Припустима і критична області. Статистичний критерій
- •Питання для самоперевірки
- •2.2 Гіпотези про параметри розподілу. Виникнення помилок першого та другого роду. Визначення обсягу випробувань
- •Питання для самоперевірки
- •2.3 Параметричні критерії розбіжностей для двох сукупностей. Критерії Фішера і Кохрена
- •Питання для самоперевірки
- •2.4 Критерії згоди
- •Питання для самоперевірки
- •2.5 Непараметричні критерії
- •Питання для самоперевірки
- •2.6 Перевірка гіпотез відносно частки ознаки порівняння двох вибірок
- •Питання для самоперевірки
- •Завдання планування експерименту
- •Лукція №3
- •3. Регресійний аналіз
- •3.1 Кореляційна залежність
- •3.2 Два основних завдання вимірювання зв’язків
- •3.3 Емпірична лінія регресії
- •3.4 Метод найменших квадратів
- •3.5 Множинний регресійний аналіз
- •3.6 Нелінійна регресія
- •Лекція №4
- •4. Активний експеримент
- •4.1 Ортогональні плани першого порядку
- •4.2 Повний факторний експеримент
- •4.3 Дисперсія відтворюваності
- •4.4 Оцінка адекватності апроксимуючої залежності досліджуваного
- •4.5 Оцінка значущості коефіцієнтів апроксимуючої залежності, взятій у вигляді алгебраїчного полінома, в сенсі відмінності значень цих коефіцієнтів від нуля
- •4.6 Обробка результатів експерименту
- •4.7 Дрібний факторний експеримент
- •4.8 Складання планів другого порядку
- •4.9 Ортогональні центрально-композиційні плани
- •Лекція №5
- •5. Планування експерименту при відшуканні екстремальної області
- •5.1 Класичні методи визначення екстремуму
- •5.2 Факторні методи визначення екстремуму
- •Лекція №6
- •6. Дисперсійний аналіз при експериментальному дослідженні
- •6.1 Однофакторний дисперсійний аналіз
- •Лекція №7
- •7. Приклади та завдання
- •Список літератури
1.2.3 Опосередковані вимірювання при нелінійній залежності
Загальним
випадком опосередкованих вимірювань
є їх опис нелінійним рівнянням, яке
охоплює і опосередковані вимірювання
при лінійній залежності. Для оцінки
результату таких вимірювань використовують
метод лінеаризації, який передбачає
розклад нелінійної функції в ряд Тейлора.
Для оцінки результату і похибки
опосередкованих вимірювань знайдемо
ефективні оцінки
дійсних значень величин
,
вимірюваних прямими методами, тобто
такі оцінки, які забезпечували б найменшу
дисперсію, а отже, найбільшу точність
результату опосередкованих вимірювань
після підстановки оцінок
у нелінійне рівняння. Припускаючи, що
в результатах прямих вимірювань присутні
тільки випадкові похибки (систематичні
похибки вилучені або враховані), отримаємо
;
,
де
Y
абсолютна випадкова
похибка оцінки
;
абсолютна
випадкова похибка оцінки
.
З урахуванням цих рівностей формулу (1.167) запишемо у вигляді:
.
Це
рівняння, зважаючи на те, що відносні
випадкові похибки оцінок
малі у порівнянні з одиницею, тобто
<<
1, розкладають у m-мірний ряд Тейлора в
точці
за степенями випадкових похибок
.
Обмежимося першою і другою степенями
розкладу (ряду)
, (1.43)
де
нелінійна
функціональна залежність вимірюваної
величини Y від вимірюваних аргументів
;
перша
похідна від функції F за аргументом
,
яка обчислюється в точці
;
(1.44)
залишковий член ряду.
Функція
розкладена в ряд Тейлора у точці
.
Знак мінус перед сумою
пояснюється тим, що абсолютна похибка
за визначенням дорівнює
,
а за правилом розкладу в ряд Тейлора
повинно бути
.
Метод
лінеаризації застосовують, якщо приріст
функції
можна замінити її повним диференціалом
.
Оскільки перші члени правої і лівої частин виразу (1.170) не залежать від похибок, то їх можна подати наступними рівностями:
; (1.45
. (1.46)
Таким
чином, як випливає із рівняння (1.40),
оцінку
істинного значення Y фізичної величини
при опосередкованих вимірюваннях
отримують підстановкою в рівняння
(1.40) оцінок
істинних значень
фізичних величин, вимірюваних прямими
методами [20].
Залишковим членом R можна знехтувати за умови
.
Проте на практиці ним, як правило, нехтують без перевірки цієї умови і залишають лінійні (за похибкою) члени ряду. І тільки в тому випадку, коли при оцінці похибки вони дають нульову оцінку, враховують квадратичні члени ряду.
Визначимо
оцінку СКВ
випадкової похибки
Y
оцінки
результату опосередкованих вимірювань,
нехтуючи залишковим членом, тобто
залишаючи тільки лінійні члени ряду:
.
Використовуючи визначення дисперсії і основні властивості математичного сподівання, отримаємо:
(1.47)
Для
математичного сподівання добутку
випадкових похибок
справедлива рівність
З врахуванням цього виразу формула (1.168) для дисперсії випадкової похибки результату опосередкованих вимірювань набуває вигляду
. (1.48)
Частинні
похідні
називають коефіцієнтами впливу, а
величини
частинними
похибками опосередкованих вимірювань.
Якщо ввести позначення
,
то
.
Оскільки
коефіцієнти кореляції
не залежать від значень оцінок
і
вимірюваних величин
і
,
то з виразу (1.175) випливає, що дисперсія
оцінки
опосередкованих вимірювань досягає
мінімуму в тому випадку, коли з можливих
оцінок початкових величин вибрані ті,
дисперсії яких мінімальні. Такими
оцінками для величин, вимірюваних
прямими методами з багаторазовими
спостереженнями, є середні значення
відповідних серій спостережень.
Отже,
найбільш вірогідним значенням
фізичної величини Y, вимірюваної
опосередкованим методом, є значення,
отримане з формули (1.46) після підстановки
в неї середніх арифметичних значень
серій вимірювань початкових величин
(або аргументів):
. (1.49)
Оцінка
СКВ результату опосередкованих вимірювань
визначається за умови, що
:
, (1.50)
причому
значення частинних похідних обчислюються
при середніх арифметичних значеннях
аргументів
.
Якщо
випадкові похибки вимірювань початкових
величин
попарно некорельовані
,
то оцінка СКВ результату опосередкованих
вимірювань (1.50) дорівнює сумі квадратів
частинних похибок:
. (1.51)
При
прямих одноразових вимірюваннях формули
(1.49)...(1.51) мають той самий вигляд, але в
них треба провести формальну заміну:
на Y,
на
,
на
,
на
і
на
.
Проведемо
зіставлення похибки і невизначеності
опосередкованих вимірювань. Формули
для СКВ похибки опосередкованих
вимірювань (1.50), (1.51) одночасно визначають
сумарну стандартну невизначеність
таких вимірювань відповідно для
корельованих і некорельованих вимірюваних
величин
.
У цих формулах можуть використовуватися
стандартні невизначеності типу А (для
яких вони приведені) і стандартні
невизначеності типу В.
В свою чергу, через сумарну стандартну невизначеність обчислюється розширена невизначеність вимірювань, яка є інтервальною оцінкою, за формулою:
U = kouc,
де U розширена невизначеність вимірювань;
uc
сумарна стандартна
невизначеність вимірювань, зокрема
або
;
ko коефіцієнт охоплення, тобто числовий коефіцієнт, що використовується як множник сумарної стандартної невизначеності для визначення розширеної невизначеності [24].
У загальному випадку коефіцієнт охоплення вибирають згідно з рівністю
ko = tP(ks еф),
де tP(ks еф) коефіцієнт Стьюдента, який залежить від ефективного числа степенів свободи ks еф та довірчої ймовірності Р.
Для більшості практичних задач число степенів вільності ks еф знаходиться в інтервалі 1,5...3,0. Так, для нормального закону розподілу можливих значень вимірюваної величини вважають ks еф = 2 при Р=0,95 і ks еф = 3 при Р = 0,99; для рівномірного розподілу ks еф = 1,65 при Р = 0,95 і ks еф = 1,71 при Р = 0,99.