题目举例
已知输出量 Y Y Y与输入量 X 1 X_{1} X1、X_{2}的估计值分别为 y 、 x 1 、 x 2 y、x_{1}、x_{2} y、x1、x2,他们之间的函数关系为 y = x 1 2 x 2 y=\frac{x1^{2}}{x2} y=x2x12。已知: x 1 = 3.00 , U = 0.02 ( k = 2 ) ; x 2 = 2.00 , U = 0.03 ( K = 3 ) x1=3.00,U=0.02(k=2);x2=2.00,U=0.03(K=3) x1=3.00,U=0.02(k=2);x2=2.00,U=0.03(K=3),且 X 1 X_{1} X1与 X 2 X_{2} X2不相关,包含因子 K = 2 K=2 K=2时,输出量 Y Y Y的扩展不确定度 U ( y ) U(y) U(y)为?
其中:
U
:
拓展不确定度
U:拓展不确定度
U:拓展不确定度,由合成标准不确定度
u
c
u_{c}
uc的倍数表示的测量不确定度
K
:包含因子
K:包含因子
K:包含因子,用于求得扩展不确定度,对合成标准不确定度所乘的数字因子,在数值上它等于扩展不确定度与合成标准不确定度之比。
U
=
K
∗
u
c
U=K*u_{c}
U=K∗uc
误差传递公式简介
在题目中函数
y
=
x
1
2
x
2
y=\frac{x_{1}^2}{x_{2}}
y=x2x12依赖于多个具有不确定度的输入变量,所以使用误差传递公式。
误差传递公式的定义如下:
假设有一个函数 y = f ( x 1 , x 2 , . . . , x n ) y = f(x_1, x_2, ..., x_n) y=f(x1,x2,...,xn),其中 x 1 , x 2 , . . . , x n x_1, x_2, ..., x_n x1,x2,...,xn是输入变量,每个变量都有其相应的不确定度 u ( x 1 ) , u ( x 2 ) , . . . , u ( x n ) u(x_1), u(x_2), ..., u(x_n) u(x1),u(x2),...,u(xn)。误差传递公式可以用来估计函数输出 y y y的不确定度 u ( y ) u(y) u(y)。
通用的误差传递公式可以表示为:
u ( y ) = ( ∂ f ∂ x 1 ⋅ u ( x 1 ) ) 2 + ( ∂ f ∂ x 2 ⋅ u ( x 2 ) ) 2 + . . . + ( ∂ f ∂ x n ⋅ u ( x n ) ) 2 u(y) = \sqrt{\left(\frac{\partial f}{\partial x_1} \cdot u(x_1)\right)^2 + \left(\frac{\partial f}{\partial x_2} \cdot u(x_2)\right)^2 + ... + \left(\frac{\partial f}{\partial x_n} \cdot u(x_n)\right)^2} u(y)=(∂x1∂f⋅u(x1))2+(∂x2∂f⋅u(x2))2+...+(∂xn∂f⋅u(xn))2
其中, ∂ f ∂ x i \frac{\partial f}{\partial x_i} ∂xi∂f是函数 f f f对变量 x i x_i xi的偏导数,在点 ( x 1 , x 2 , . . . , x n ) (x_1, x_2, ..., x_n) (x1,x2,...,xn)处计算。这个公式基于线性近似的思想,并假设输入变量的误差是相互独立的。公式表明,输出变量的不确定度是输入变量不确定度的线性组合,权重由函数对相应变量的偏导数给出。这种线性组合的平方和再开方,给出了输出变量的总不确定度。
题目解析
第1步, 计算 x 1 x_{1} x1、 x 2 x_{2} x2的标准不确定度 u c u_{c} uc:
根据题目信息,我们可以得到输入量X1和X2的测量值和它们的不确定度:
x
1
=
3.00
,
U
(
x
1
)
=
0.02
(
k
=
2
)
x_{1} = 3.00, U(x1) = 0.02 (k=2)
x1=3.00,U(x1)=0.02(k=2)
x
2
=
2.00
,
U
(
x
2
)
=
0.03
(
k
=
3
)
x_{2} = 2.00, U(x2) = 0.03 (k=3)
x2=2.00,U(x2)=0.03(k=3)
由
U
=
k
∗
u
U=k*u
U=k∗u,我们可以计算出标准不确定度
u
x
1
u_{x_{1}}
ux1和
u
x
2
u_{x_{2}}
ux2:
u
x
1
=
U
x
1
k
=
0.02
2
=
0.01
u_{x_{1}}=\frac{U_{x_{1}}}{k}=\frac{0.02}{2}=0.01
ux1=kUx1=20.02=0.01
u
x
2
=
U
x
2
k
=
0.03
3
=
0.01
u_{x_{2}}=\frac{U_{x_{2}}}{k}=\frac{0.03}{3}=0.01
ux2=kUx2=30.03=0.01
第2步,求导 x 1 x_{1} x1、 x 2 x_{2} x2的偏导数
x
1
x_{1}
x1的偏导数
∂
y
∂
x
1
\frac{{\partial y}}{{\partial x_{1}}}
∂x1∂y:
根据偏导数的定义,在求
∂
y
∂
x
1
\frac{{\partial y}}{{\partial x_{1}}}
∂x1∂y 时,需要将
x
2
x_{2}
x2 视为常数,只对
x
1
x_{1}
x1 进行求导。
步骤 1: 对分子
x
1
2
x_{1}^{2}
x12 求导
由于
x
1
2
x_{1}^{2}
x12 是一个关于
x
1
x_{1}
x1 的二次函数,根据导数的幂规则
(
x
n
)
′
=
n
x
n
−
1
(x^n)' = nx^{n-1}
(xn)′=nxn−1,对
x
1
2
x_{1}^{2}
x12 求导得到
2
x
1
2x_{1}
2x1。
步骤 2: 保持分母
x
2
x_{2}
x2 不变
因为我们在求关于
x
1
x_{1}
x1 的偏导数,所以分母
x
2
x_{2}
x2 被视为常数,在求导过程中保持不变。
步骤 3: 组合结果
将步骤 1 和步骤 2 的结果组合起来,得到函数
y
y
y 关于
x
1
x_{1}
x1 的偏导数为:
∂
y
∂
x
1
=
2
x
1
x
2
\frac{{\partial y}}{{\partial x_{1}}} = \frac{2x_{1}}{x_{2}}
∂x1∂y=x22x1
x 2 x_{2} x2的偏导数 ∂ y ∂ x 2 \frac{{\partial y}}{{\partial x_{2}}} ∂x2∂y:
在求 ∂ y ∂ x 2 \frac{{\partial y}}{{\partial x_{2}}} ∂x2∂y 时,我们保持 x 1 x_{1} x1 不变,只对 x 2 x_{2} x2 进行求导。
步骤 1: 对分母
x
2
x_{2}
x2 求导
由于分母是一个单一的变量
x
2
x_{2}
x2,根据导数的基本规则,对
x
2
x_{2}
x2 求导得到其倒数的相反数,即
−
1
x
2
2
-\frac{1}{{x_{2}}^{2}}
−x221(因为
(
1
x
)
′
=
−
1
x
2
(\frac{1}{x})' = -\frac{1}{x^2}
(x1)′=−x21)。
步骤 2: 保持分子
x
1
2
x_{1}^{2}
x12 不变
在求关于
x
2
x_{2}
x2 的偏导数时,分子
x
1
2
x_{1}^{2}
x12 被视为常数,因此不需要对其求导。
步骤 3: 组合结果并应用链式法则
由于整个函数
y
y
y 是分子除以分母的形式,我们需要使用链式法则来求导,根据链式法则,
(
u
v
)
′
=
u
′
v
−
u
v
′
v
2
\left(\frac{u}{v}\right)' = \frac{u'v - uv'}{v^2}
(vu)′=v2u′v−uv′,这里
u
=
x
1
2
u = x_{1}^{2}
u=x12 和
v
=
x
2
v = x_{2}
v=x2。
由于 u u u 是关于 x 1 x_{1} x1 的函数,在对 x 2 x_{2} x2 求偏导时, u ′ u' u′ 为0(因为 x 1 x_{1} x1 保持不变)。所以只考虑 v ′ v' v′ 和 v 2 v^2 v2,将步骤 1 和步骤 2 的结果代入链式法则中,得到:
∂ y ∂ x 2 = 0 ⋅ x 2 − x 1 2 ⋅ ( − 1 x 2 2 ) x 2 2 = − x 1 2 x 2 3 \frac{{\partial y}}{{\partial x_{2}}} = \frac{0 \cdot x_{2} - x_{1}^{2} \cdot (-\frac{1}{{x_{2}}^{2}})}{{x_{2}}^{2}} = -\frac{x_{1}^{2}}{{x_{2}}^{3}} ∂x2∂y=x220⋅x2−x12⋅(−x221)=−x23x12(注意负号来自于步骤 1 中对分母的求导)
简化后得到:
∂ y ∂ x 2 = − x 1 2 x 2 2 ⋅ x 2 = − x 1 2 x 2 3 \frac{{\partial y}}{{\partial x_{2}}} = -\frac{x_{1}^{2}}{{x_{2}}^{2} \cdot x_{2}} = -\frac{x_{1}^{2}}{{x_{2}}^{3}} ∂x2∂y=−x22⋅x2x12=−x23x12
第3步,计算输出量Y的合成标准不确定度 u c ( y ) u_{c}(y) uc(y)
使用误差传递公式来计算
u
c
(
y
)
u_{c}(y)
uc(y):
u
c
(
y
)
=
(
∂
y
∂
x
1
∗
u
(
x
1
)
)
2
+
(
∂
y
∂
x
2
∗
u
(
x
2
)
)
2
uc(y) = \sqrt{(\frac{∂y}{∂x_{1}} * u(x_{1}))^2 + (\frac{∂y}{∂x_{2}}* u(x_{2}))^2 }
uc(y)=(∂x1∂y∗u(x1))2+(∂x2∂y∗u(x2))2
=
(
2
∗
x
1
x
2
∗
u
(
x
1
)
)
2
+
(
x
1
2
x
2
2
∗
u
(
x
2
)
)
2
= \sqrt{(\frac{2*x_{1}}{x_{2}} * u(x1))^2 + (\frac{x_{1}^{2}}{x_{2}^{2}} * u(x2))^2}
=(x22∗x1∗u(x1))2+(x22x12∗u(x2))2
将
x
1
=
3.00
,
u
(
x
1
)
=
0.01
,
x
2
=
2.00
,
u
(
x
2
)
=
0.01
x_{1}=3.00, u(x_{1})=0.01, x_{2}=2.00, u(x_{2})=0.01
x1=3.00,u(x1)=0.01,x2=2.00,u(x2)=0.01代入,得:
u
c
(
y
)
=
(
2
∗
3.00
2.00
∗
0.01
)
2
+
(
3.0
0
2
2.0
0
2
∗
0.01
)
2
=
(
0.03
)
2
+
(
0.0225
)
2
≈
0.0361
u_{c}(y) = \sqrt{(\frac{2*3.00}{2.00} * 0.01)^2 + (\frac{3.00^2}{2.00^2} * 0.01)^2}= \sqrt{(0.03)^2 + (0.0225)^2}≈ 0.0361
uc(y)=(2.002∗3.00∗0.01)2+(2.0023.002∗0.01)2=(0.03)2+(0.0225)2≈0.0361
第4步, 合成扩展不确定度 U ( y ) U(y) U(y)
U ( y ) = K ∗ u c ( y ) = 2 ∗ 0.0361 ≈ 0.0722 U(y) = K * u_{c}(y) = 2 * 0.0361 ≈ 0.0722 U(y)=K∗uc(y)=2∗0.0361≈0.0722
所得数值接近标准答案的选项:0.0700,这道题虽然只有1分,但计算过程还是微微存在难度。