- •Введение
- •Глава 1. Случайная величина. Законы распределения случайных величин
- •1.1. Понятие случайной величины
- •1.1.1. Виды измерений
- •1.1.2. Единицы измерений, используемые в маркшейдерском деле
- •1.1.3. Случайная величина
- •1.1.4. Вероятность события
- •1.2. Вариационные ряды
- •1.3. Характеристики вариационных рядов
- •1.3.1. Средние значения признака
- •1.3.2. Дисперсия и среднее квадратическое отклонение
- •1.3.3. Показатели вариации
- •1.3.4. Медиана и мода
- •1.3.5. Асимметрия и эксцесс
- •1.3.6. Условные моменты q-го порядка
- •1.4. Графическое изображение вариационных рядов
- •1.4.1. Гистограмма распределения
- •1.4.2. Полигон распределения
- •1.4.3. Кумулята
- •1.4.4. Огива
- •1.5. Сглаживание эмпирических данных
- •1.5.1. Графическое сглаживание
- •1.5.2. Аналитическое сглаживание
- •1.5.2.1. Сглаживание линейной функцией
- •1.5.2.2. Сглаживание показательной функцией
- •1.5.2.3. Сглаживание степенной функцией
- •1.5.2.4. Сглаживание параболической функцией
- •1.5.2.5. Сопоставление результатов сглаживания
- •1.5.2.6. Краткие рекомендации к подбору сглаживающих функций
- •1.6. Законы распределения случайных величин
- •1.6.1. Задание закона распределения
- •1.6.2. Равномерное распределение
- •1.6.3. Нормальное распределение
- •1.6.4. Распределение Стьюдента
- •1.6.5. Распределение Шарлье
- •1.6.6. Биномиальный закон распределения
- •1.6.7. Распределение Пуассона
- •1.6.8. Распределение
- •1.6.9. Показательное распределение
- •1.7. Проверка согласования эмпирического распределения с теоретическим
- •1.7.1. Критерии согласия
- •1.7.2. Критерий согласия к.Пирсона
- •1.7.3. Критерий согласия в.И.Романовского
- •1.7.4. Критерий согласия а.Н.Колмогорова
- •1.7.5. Сопоставление эмпирических распределений с нормальным распределением упрощенными способами
- •1.7.5.1. Использование показателей асимметрии и эксцесса
- •1.7.5.2. Критерий Шарлье
- •1.7.5.3. Критерий Шовенэ
- •1.7.5.4. Способ Линдеберга
- •1.7.5.5. Критерий знаков
- •1.7.6. Сопоставление эффективности критериев
- •Глава 2. Статистический анализ выборочных совокупностей случайной величины
- •2.1. Понятие генеральной и выборочной совокупностей
- •2.2. Оценивание параметров распределения
- •2.2.1. Понятие оценки параметра распределения
- •2.2.2. Интервальная оценка математического ожидания
- •2.2.3. Оценка эмпирического значения дисперсии
- •2.2.4. Сравнение средних двух или нескольких выборок
- •2.2.5. Определение необходимого объема выборок
- •2.3. Дисперсионный анализ
- •2.3.1. Однофакторный дисперсионный анализ
- •2.3.2. Двухфакторный дисперсионный анализ
- •2.4. Корреляционный анализ
- •2.5. Регрессионный анализ
- •2.5.1. Метод наименьших квадратов
- •2.5.2. Линейная регрессия
- •2.5.3. Нелинейная регрессия
- •2.5.4. Понятие о множественной регрессии
- •Глава 3. Обработка результатов многократных измерений одной величины
- •3.1. Общие замечания
- •3.1.1. Задачи обработки результатов многократных измерений
- •3.1.2. Классификация погрешностей измерений
- •3.1.3. Свойства случайных погрешностей
- •3.1.4. Среднее арифметическое
- •3.2. Оценка точности ряда равноточных однородных измерений
- •3.2.1. Средняя квадратическая погрешность
- •3.2.2. Средние квадратические погрешности функций измеренных величин
- •3.2.3. Порядок обработки ряда равноточных измерений
- •3.2.4. Порядок обработки ряда двойных равноточных измерений
- •С учетом (3.26) и (3.27) получим
- •3.3. Об учете систематических погрешностей в измерениях
- •3.4. Обработка ряда неравноточных однородных измерений
- •3.4.1. Понятие о весе результата измерения
- •3.4.2. Погрешность единицы веса
- •3.4.3. Порядок обработки ряда неравноточных измерений
- •3.4.4. Порядок обработки ряда двойных неравноточных измерений
- •3.5. Допуски результатов измерений и их функций
- •Глава 4. Уравнивание геодезических построений
- •4.1. Задачи уравнительных вычислений
- •4.2. Коррелатный способ уравнивания
- •4.3. Параметрический способ уравнивания
- •4.4. Приемы решения систем линейных уравнений
- •4.4.1. Способ последовательной подстановки
- •4.4.2. Способ матричных преобразований
- •4.4.3. Решение систем линейных уравнений по алгоритму Гаусса
- •4.4.4. Способ краковянов
- •4.5. Геометрические условия в геодезических построениях
- •4.5.1. Условие фигуры
- •4.5.2. Условие горизонта
- •4.5.3. Условие суммы углов
- •4.5.4. Условие дирекционных углов
- •4.5.5. Условие сторон
- •4.5.6. Условие полюса
- •4.5.7. Условие координат
- •4.6. Примеры коррелатного способа уравнивания
- •4.6.1. Уравнивание углов в полигоне
- •4.6.2. Уравнивание системы нивелирных ходов с несколькими узловыми точками
- •4.6.3. Уравнивание полигонометрического хода
- •4.6.4. Уравнивание системы полигонометрических ходов с одной узловой точкой
- •4.6.5. Уравнивание системы полигонометрических ходов с двумя узловыми точками
- •4.6.6. Уравнивание триангуляции
- •4.6.7.Уравнивание триангуляции по условию координат
- •4.6.8. Уравнивание линейно-угловой сети
- •4.7. Примеры уравнивания параметрическим способом
- •4.7.1. Уравнивание углов в полигоне
- •4.7.2. Система нивелирных ходов с несколькими узловыми точками
- •4.7.3. Уравнивание полигонометрического хода
- •4.7.4. Система полигонометрических ходов с двумя узловыми точками
- •4.7.5. Уравнивание направлений в триангуляции
- •4.8. Нестрогие способы уравнивания
- •4.8.1. Примеры раздельного уравнивания
- •4.8.1.1. Полигонометрический ход
- •4.8.2. Способ эквивалентной замены
- •4.8.3. Способ полигонов в.В.Попова
- •4.8.4. Способ последовательных приближений
- •4.9. Оценка точности уравненных элементов и их функций
- •4.9.1. Общие положения
- •4.9.2. Оценка точности при уравнивании коррелатным способом
- •4.9.3. Оценка точности при уравнивании параметрическим способом
- •Списоклитературы
- •Предметный указатель
3.5. Допуски результатов измерений и их функций
В любых многократных геодезических и маркшейдерских измерениях могут появиться погрешности, превышающие предельную величину. Такие погрешнсоти относят к грубым и их отбраковывают. Таким образом, грубые погрешности могут быть вызваны не только промахами или просчетами наблюдателя, либо неисправностью прибора. Появление их носит и вероятностный характер. Так, предельную величину погрешности устанавливают часто по правилу «трех сигм» -
. (3.62)
где m – средняя квадратическая погрешность одного измерения. Для ответственных измерений часто для отбраковки результатов, содержащих грубые погрешности, используют коэффициент 2, т.е.
, (3.63)
а в общем случае –
, (3.64)
где t – коэффициент Стьюдента, который устанавливает требуемую вероятность или надежность результатов измерений.
Предположим, что надежность результатов измерений должна быть обеспечена вероятностью p = 0,95 (95%). Тогда по таблице приложения 2 интерполированием получим t = 1,96. В этом случае
. (3.65)
Для исключения погрешностей, превышающих предельное значение, и устанавливают соответствующие допуски.
Пусть известна средняя квадратическая погрешность m одного измерения. Выполнено два измерения одной величины и получена разность d = х1 – х2, так называемый размах в результатах измерений. Средняя квадратическая погрешность значения d . Установим доверительную вероятность p = =0,99, для которой t = 2,57. В этом случае допуск по размаху определится как
. (3.66)
То есть условие отбраковки результатов измерений определится неравенством
. (3.67)
Если величина средней квадратической погрешности неизвестна, то ее определяют из многократных измерений по формуле Бесселя (3.10).
Если измерения проводятся в значительно изменяющихся условиях, и точность измерений остается неизвестной, то можно установить условие, при котором обеспечится заданная точность получения среднего значения измеряемой величины.
Предположим, что для среднего значения измеряемой величины задан стандарт М, которого необходимо достичь. Значение средней квадратической погрешности одного измерения оценивается последовательно, по мере накопления результатов, по формуле Бесселя. В этом случае измерения выполняют до тех пор, пока не будет удовлетворено неравенство
. (3.68)
для доверительной вероятности p = 0,99. Значение tn при p = 0,99 зависит от числа степеней свободы, определяемого как (n – 1) = r. Поэтому значение tn для установленной вероятности выбирают из таблицы приложения 10 для значений r, а величину t – выбирают из таблицы приложения 2.
Предположим, что задана величина M = 0,005 м для измерения длины линии. Выполнено n = 9 измерений, по результатам которых оценена средняя квадратическая ошибка одного измерения m = 0,015. Установлена доверительная вероятность p = 0,99. Для указанных условий t = 2,57.
Из таблицы приложения 10 tn = 3,36. После подстановки в формулу (3.68) получим
что говорит о недостаточности числа измерений.
В этом случае можно оценить дополнительное число измерений. Выразим значение n через остальные аргументы:
. (3.69)
После подстановки известных величин получим nНЕОБХ = 15. Поскольку нами уже выполнено 9 измерений, то дополнительно требуется выполнить еще 6.
Заметим, что, поскольку значение tn зависит от n, да и средняя квадратическая погрешность тоже будет уточняться с увеличением числа измерений, не целесообразно выполнять сразу все 6 дополнительных измерений. Предварительно можно выполнить, например 3 измерения и снова выполнить оценку по приведенной выше схеме.
Например, дополнительно выполнено 3 измерения, т.е. общее их число стало равным 12. Для новых условий, считая, что m осталась прежней, tn = 3,115. По правой части формулы (3.68) получим значение 0,0135. То есть выолненного числа измерений все еще недостаточно.
Такой прием носит название способа последовательного анализа.
Часто при массовых измерениях, например, в сетях триангуляции, оценку средней квадратической погрешности измерения угла выполняют по формуле Ферреро:
. (3.70)
где Wi – невязки в треугольниках; n – число треугольников (невязок), в которых выполнены равноточные измерения углов. При неравноточных измерениях вычисляют среднюю квадратическую погрешность единицы веса функции, т.е. суммы углов треугольника по формуле
, (3.71)
при этом та же формула (3.71) может быть использована и для оценки единицы веса и в других построениях по значениям их невязок.
Пример 3.9. Предположим, что в цепочке треугольников триангуляции n = 5 получены следующие невязки: W1 = -1,3"; W2 = +2,2" ; W3 = +0,8" ; W4 = -1,7" ; W5 = -1,5" . Измерения выполнены неравноточно с весами p1 = 1,5; p2 = 0,8; p3 = 0,7; p4 = 1,8; p5 = 1,1. Выполнить оценку точности измерения горизонтального угла.
Решение.
В этом случае погрешность единицы веса, т.е. суммы углов в треугольнике с весом, равным 1, определяется по формуле (3.71). Ее значение в данном примере равно 1,7" .
Считая, что в каждом треугольнике углы измерены равноточно, найдем значение средней квадратической погрешности одного угла: .
При многократных измерениях и отбраковке грубых результатов следует иметь в виду, что при установленной доверительной вероятности процент бракуемых результатов не должен заметно отличаться от 100% (1 – p). Например, для доверительной вероятности 0,95 процент отбракованных результатов не должен быть больше 5%. Если он будет значимо отличаться от этой величины, то это говорит о неудачном установлении допусков на результаты измерений.