误差理论基本概念（均值、期望、方差、标准差、均方误差、均方根误差、精度、准确度、精确度、随机变量）

注：文中公式涉及的X、Y、L 含义相同，都表示观测值。

偶然误差：在相同的观测条件下作一系列的观测，如果误差在大小和符号上都表现出偶然性，即从单个误差看，该列误差的大小和符号没有规律性，但就大量误差的总体而言，具有一定的统计规律，这种误差称为偶然误差。

       根据概率统计理论可知，如果各个误差项对其总和的影响都是均匀地小，即其中没有一项比其他项的影响占绝对优势时，那么它们的总和将是服从或近似地服从正态分布的随机变量。因此，偶然误差就其总体而言，都具有一定的统计规律性，故有时又把偶然误差称为随机误差。

系统误差：在相同的观测条件下作一系列的观测，如果误差在大小、符号上表现出系统性，或者在观测过程中按一定的规律变化，或者为某一常数，这种误差就称为系统误差。

       系统误差与偶然误差在观测过程中总是同时产生的，当观测中有显著的系统误差时，偶然误差就处于次要地位，观测误差就呈现出系统的性质；反之，则呈现出偶然的性质。
系统误差对于观测结果的影响一般具有累积的作用，它对成果质量的影响也特别显著。在实际工作中，应该采用各种方法来消除或减弱其影响，达到实际上可以忽略不计的程度。所谓忽略不计的程度，是指残余的系统误差小于或至多等于偶然误差的量级。如果观测列中已经排除了系统误差的影响，或者与偶然误差相比已处于次要地位，则该观测列就可认为是带有偶然误差的观测列。

粗差：比在正常观测条件下所可能出现的最大误差还要大的误差，通俗地说，粗差要比偶然误差大上好几倍。

（一）均值（mean）

       均值是一组数据的集中趋势度量，它表示数据的集中程度，是数据的中心位置指标之一。均值的计算方法是将一组数据中所有数值相加，然后除以数据的个数。在数学符号中，均值通常用希腊字母 μ（mu）表示。对于包含n个观测值的数据集X，均值μ的计算公式如下：

其中， 是数据集中的第 i 个观测值。假设我们有以下一组数据：2,4,6,8,10

要计算这组数据的均值，我们将所有数值相加，然后除以数据的个数：

因此，这组数据的均值为6。

（二）随机变量（random variable）

       随机变量是概率论和统计学中的一个基本概念，用于描述随机现象的数学模型。随机变量是随机实验结果的数值表示，它可以取概率空间内的任意一个值，并且其取值受到概率分布的影响。

1、随机实验和样本空间：在概率论中，随机实验是指一次具有不确定性的观察或操作，其结果是不确定的。随机实验的所有可能结果构成了样本空间（Sample Space），通常用Ω表示。例如，掷一枚硬币的结果可以是“正面”或“反面”，这两个结果构成了硬币掷出的样本空间。

2、随机变量的定义：随机变量是对随机实验结果的数值表示，它将样本空间中的每个结果映射到实数集合上。随机变量通常用大写字母（如X、Y）表示，其可能取值用小写字母（如x、y）表示。

3、随机变量的分类：随机变量可以分为两种类型：离散随机变量和连续随机变量。

• 离散随机变量（Discrete Random Variable）： 如果随机变量的可能取值是有限个或者可数个，通常是整数或有限集合中的元素，则称该随机变量为离散随机变量。例如，抛硬币的结果（正面或反面）、投骰子的结果（1、2、3、4、5或6）等都是离散随机变量。离散随机变量的概率分布可以用概率质量函数（Probability Mass Function，PMF）来描述。

• 连续随机变量（Continuous Random Variable）： 如果随机变量的可能取值是一个区间内的所有实数，则称该随机变量为连续随机变量。例如，人的身高、温度等就是连续随机变量。连续随机变量的概率分布可以用概率密度函数（Probability Density Function，PDF）来描述。

4、随机变量的期望和方差：随机变量的期望（Expectation）是对随机变量取值的加权平均值，表示随机变量的中心位置；方差（Variance）则描述了随机变量取值的离散程度，即随机变量与其期望之间的差异程度。

（三）期望（expected value）

关于数学期望的另一注意事项：

（四）方差（variance）

（五）标准差（standard deviation）：方差的平方根，用 σ 表示。

（六）协方差与相关系数

（七）估计（estimate）

       用来估算系统的不可见（hidden）状态。飞机的真实位置对观察者而言是隐藏的，可以使用雷达等传感器来估算飞机的位置。使用多个传感器、用更高级的估计和跟踪算法（例如卡尔曼滤波器），能显著提高估算结果。每个测量或计算的参数都是一个估计值。

（八）观测值的精度与方差

（九）观测值的精确度与均方误差（MSE、mean squared error）

（十）总结（方差、标准差、均方误差、均方根误差（RMSE、Root Mean Square Error）/中误差、均方根（RMS））

（十一）精度、准确度（accuracy）、精确度（precision）

精度：观测值与其数学期望的接近程度。当观测仅含偶然误差时，其数学期望就是真值，这时精度描述观测值与真值的接近程度。

准确度（准度）：观测值X的真值与其数学期望之差，，故当不存在系统误差，仅存在偶然误差时，准确度为0。因此准确度是衡量系统误差大小的指标。

精确度：精度与准确度的合成，观测值与其真值的接近程度。包括观测结果与其数学期望的接近程度以及数学期望与其真值的偏差。

 

笔记参考：

[1]滴Bug的个人空间-滴Bug个人主页-哔哩哔哩视频 (bilibili.com)

[2]误差理论与测量平差基础（第三版），武汉大学测绘学院测量平差组编著

[3]测量数据处理理论与方法，武汉大学出版社，丘卫宁、陶本藻等编著