Современная научно-техническая документация на статистические методы анализа результатов измерений (стр. 4 из 5)

Доверительную вероятность для вычисления границ неисключенной систематической погрешности принимают той же, что при вычислении доверительных границ случайной погрешности результата измерения.

Определение границ погрешности результата измерения.

В случае

, то неисключенными систематическими погрешностями по сравнению со случайными пренебрегают и принимают, что граница погрешности результата ∆=е. Если , то случайной погрешностью по сравнению с систематическими пренебрегают и принимают, что граница погрешности результата ∆=И.

В случае, если неравенства, указанные в п. 2.7.1. не выполняются, границу погрешности результата измерения находят путем построения композиции распределения случайных и неисключенных систематических погрешностей, рассматриваемых как случайные величины в соответствии с

Если доверительные границы случайных погрешностей найдены в соответствии с п. 2.4. допускается границы погрешности результата измерения ∆ (без учета знака) вычислять по формуле

где К − коэффициент, зависящий от соотношения случайной и неисключенной систематической погрешностей;

SУ − оценка суммарного среднего квадратического отклонения результата измерения.

Оценку суммарного среднего квадратического отклонения результата измерения вычисляют по формуле

Коэффициент К вычисляют по эмпирической формуле

Форма записи результатов измерений.

Оформление результатов измерений производится в соответствии с МИ 1317 – 2001.

При симметричной доверительной погрешности результаты измерений представляют в форме

где

− результат измерения.

Числовое значение результата измерения должно оканчиваться цифрой того же разряда, что и значение погрешности ∆ .

При отсутствии данных о виде функций распределений составляющих погрешности результата и необходимости дальнейшей обработки результатов или анализа погрешностей, результаты измерений представляют в форме

5. Методы обработки результатов косвенных измерений

Косвенные измерения − это измерения, результат которых определяют на основании прямых измерений величины, связанной с измеряемой величиной известной зависимостью (известными математическими формулами).

Уравнение косвенных измерений имеет вид

y=f(x1, x2, …xn)

где y − искомая величина, являющаяся функцией величин x1, x2 … xn , полученных методом прямых измерений.

На практике для определения искомой величины зачастую необходимо иметь результаты нескольких независимых наблюдений величин x, y, z, которые образуют функцию f = f(x, y, z).

Функция fпредполагается дифференцируемой по всем переменным, а также предполагается, что на интервалах, куда попадают значения x, y, zфункции fне имеет нулей частных производных.

Обозначение функции fi = f(xi, yi, zi)

Существуют два метода обработки результатов косвенных измерений:

− метод переноса погрешностей;

− выборочный метод.

Обработка результатов измерений методом переноса погрешностей.

Этот метод используется в случае, когда каждая из величин x, y, z, представляющих собой аргументы функций, измеряется независимо от остальных в своей серии опытов, и эти величины организуют выборку (или они близки друг к другу). Число опытов в сериях не обязательно должно быть одинаково, но обязательным условием остается неизменность условий для прямого измерения величин в своей серии, неизменность условий для fво всех сериях и взаимная независимость всех опытов.

Обработка полученных данных измерений каждого опыта производится по алгоритму прямых измерений с многократным наблюдением.

Рассчитать значение функции

= f( , , )

Вычислить частные производные от функций

, ,

Или, для легко логарифмируемой функции f, от ее логарифма

Вычислить полную погрешность функции

(формула переноса погрешностей) или по эквивалентной формуле для легко логарифмируемой функции

Результаты измерений представляются в форме

P%, n

6. Обработка данных косвенных измерений выборочным методом

Этот метод применяется в том случае, если совместно измеренные значения аргумента функции xi, yi, ziне образуют выборок, но можно создать выборку значений функции {f}.

По каждому набору совместно измеренных значений аргументов рассчитать значения функции fi = f(xi, yi, zi).

Провести обработку полученной выборки {fi} согласно алгоритму обработки данных прямых измерений, находя среднее значение

и случайную погрешность ∆fфункции.

Произвести вывод выражений для частных производных от функции

или для легко логарифмируемой функции f − от ее логарифма

По каждому набору совместно измеренных значений аргументов и погрешности СИ рассчитать погрешность СИ функции

Предполагается, что погрешности СИ измеряемых величин могут быть разными в разных опытах или, если функция имеет удобный для логарифмирования вид, по эквивалентной формуле

где fi − соответствующее данному набору аргументов значение функции.

Вычислить среднюю погрешность СИ функции

Если погрешности СИ аргументов одинаковы во всех опытах или при нахождении максимальных по всей серии опытов значений погрешностей СИ Иx = maxИxi, Иy = maxИyi, Иz = maxИzi, для определения погрешности СИ величины fможно использовать выражение

где

, , .

Вычислить полную погрешность функции

Результаты измерений представляются в форме

P%, n

Методы обработки результатов совместных измерений.

Совместными называют производимые одновременно измерения двух или нескольких неодноименных величин для нахождения зависимости между ними. Уравнение совместных измерений имеет вид

yi = f (x1i, x2i, …, xni ; a, b, c, ...), i = 1, 2, ..., n,

где yi, x1i, x2i, ..., xni – значения величин, измеренных одновременно (прямо или косвенно) в i-й измерительной операции; а, b, с, ... – неизвестные искомые величины. Если число уравнений превышает число неизвестных, то эти уравнения в отличие от обычной системы уравнений называют условными. Для решения полученной системы используют метод наименьших квадратов.

Задача нахождения наилучшей аппроксимилирующей кривой в общем случае является достаточно сложной и наиболее просто решается, если функциональная зависимость имеет вид прямой линии y = ax + b. Поэтому на практике, если это возможно, сложные функциональные зависимости сводят к линейным зависимостям. При этом задача нахождения регрессионной кривой сводится к решению следующих задач:

− линеаризация нелинейных зависимостей, которая производится путем соответствующей замены переменных с целью получения новой функции,

− нахождение наилучших значений коэффициентов a и bв линейной зависимости y = ax + bили коэффициента aв линейной зависимости

y = axсогласно методу наименьших квадратов (МНК),

− нахождение случайных погрешностей и погрешностей СИ этих коэффициентов,

− нахождение по найденным значениям коэффициентов a и bфизических констант, содержащихся в этих коэффициентах. Последняя задача решается стандартным приемом метода переноса погрешностей при косвенных измерениях.

Метод обработки результатов измерений по методу наименьших квадратов (МНК) для уравнения y = ax + b