|
|||||||||||
АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция |
Сведения из теории вероятностей о характере распределения измеряемых величинВероятностькакого-либо события приблизительно равна частоте f (x) появления его и может быть рассчитана по зависимости: , где m – количество появлений наблюдаемого события; п – число проведенных опытов. Например, если из 100 выстрелов в цель попало 37 пуль, то Количество опытов п (в приведенном примере – количество выполненных выстрелов), при которых наблюдают событие m (попадание пули в мишень), должно быть достаточно большим. Только в этом случае можно будет судить о стабильности свойств этого и любого другого изучаемого явления, носящего вероятностный характер. На основании этого допущения предполагают, что и при выполнении одного единственного выстрела численное значение f (x) = 0,37 сохранится. Рассмотрим случай нескольких измерений n какой-либо физической величины Х, например, массы. При этом окажется, что ряд результатов совпадут друг с другом или будут очень близкими. Если величину частоты f (x) появления некоторой величины Х обозначить отрезком по оси ординат, то график можно представить следующим образом (рис. 1), где – центр распределения. Рис. 1. Распределение частоты f (x) появления отдельных событий Х i При большом числе наблюдений () весь диапазон значений Х можно разбить на бесконечно малые интервалы dx и тогда данные рис. 1 предстанут в виде некоторой плавной кривой (рис. 2). Ее называют плотностью вероятности или нормальным законом распределения (распределение Гаусса) некоторой случайной величины Х. Рис. 2. Распределение нормальное случайной величины Х Разницу предельных значений называют размахом результатов измерений. Рассеяние обусловлено обычно проявлением случайных причин при измерении и носит вероятностный характер. Разницу значений отклонений от среднего и , называют рассеянием случайной величины Х. Для характеристики рассеяния служит основное отклонение, обозначаемое буквой и рассчитываемое по уравнению: Из него видно, чем больше число измерений n, тем рассеяние меньше, и, следовательно, результат более точный. Аналитически нормальное распределение описывают зависимостью: Графическая интерпретация сущности этой зависимости представлена на рис. 3. Площадь под нормальной кривой, заключенная внутри промежутка от среднего значения до соответствующего количества основного отклонения ( , 2 , 3 , 4 ), численно равна вероятности Р того факта, что действительное значение отклонения от среднего значения будет содержаться внутри указанных интервалов. Рис. 3. Вероятность попадания измерений в заданный доверительный интервал
Теория вероятностей и накопленный опыт измерений показывают, что максимальные значения разницы и численно не превышают четырех основных отклонений 4 . В этом случае численное значение вероятности Р тогофакта, что случайная величина Х будет находиться в заданном интервале, равно: Принято вероятность Р называть доверительной вероятностью, что означает гарантию попадания отдельного результата измерения в заданный интервал. Из приведенных формул видно, что значения случайной величины , отклоняющиеся в обе стороны от среднего значения не более, чем на величину основного отклонения , могут встретиться в 683 случаях на 1000 измерений. Аналогично для 2 – это составит 954 случая, для 3 – 997 случаев. Эти данные показывают, что хотя значения случайной величины могут изменяться неограниченно, в действительности (рис. 2.3) они укладываются в утроенное значение основного отклонения ( 3 ). Выполнение большого количества измерений связано со значительными трудозатратами и поэтому неэкономично. В связи с этим интерес представляет получение достаточно достоверных, гарантированных с заданной доверительной вероятностью Р, иточных результатов при минимуме экспериментального материала. Эту задачу решают на основе распределения Стьюдента. Сущность его состоит в том, что при переходе от к достаточно малому их числу n = 2, …, 10, доля больших погрешностей возрастает, а доля малых уменьшается. Последнее обстоятельство хорошо видно из сравнения распределений Гаусса и Стьюдента, представленных на рис. 4. В силу отмеченных обстоятельств на практике используют распределение Стьюдента. Хотя сразу же необходимо заметить, что при 20-25 измерениях это распределение дает почти такие же результаты, что и нормальное распределение (распределение Гаусса). Рис. 4. Графическая интерпретация распределений Гаусса и Стьюдента В этом случае (как компенсацию меньшего числа проведенных опытов) вместо основного отклонения для его оценки применяют величину средней квадратической погрешности результата измерения среднего арифметического значения (ранее ее называли стандартным отклонением):
В отличие от нормального распределения, где величину отклонения принимают кратной целому числу ( , 2 , 3 , 4 ), в распределении Стьюдента вместо этих чисел применяют коэффициент . Иногда его называют коэффициентом (статистикой) Стьюдента. Нижние индексы у символа коэффициента означают, что его значение зависит от величины требуемой доверительной вероятности результатов измерения Р и количества выполняемых опытов n. Численные значения принимают из специальных таблиц Величину доверительной вероятности принимают не менее 0,95 (ибо всякое событие, вероятность которого менее этой величины, считают мало достоверным). С другой стороны, большее ее значение (Р= 0,99; 0,999 и т. д.) должно быть заранее обосновано, исходя из важности социальной или экономической значимости выполняемых измерений. Некоторое представление об этой операции можно получить из следующей таблицы: Значения коэффициента Стьюдента
Тогда доверительный интервал, соответствующий принятой величине доверительной вероятности, будет равен: Таким образом, коэффициент Стьюдента увеличивает величину случайной ошибки, возникающей за счет уменьшения числа измерений. В этом случае считают, что истинное значение измеряемой величины (без учета систематической погрешности технического средства измерения) будет находиться в интервале: С учетом систематической погрешности технического средства измерения результат измерения будет следующим:
Поиск по сайту: |
Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.005 сек.) |