​电子测量-产生随机高斯分布数据并进行数据处理

1.工具

Matlab

2.代码流程简介

代码相对简单，基本就如下几个流程，且代码中都有较为详细的简介

 3.代码展示

clear; clc;                             %清除
gauss=normrnd(1,2,1,1000);              %产生1000个高斯随机数
Standard_Deviation=std(gauss);          %数据标准差
Average_Value = mean(gauss);                      %计算算术平均均值，最佳估计值
Absolute_Value=abs(gauss-Average_Value);          %计算绝对值
index=find(Absolute_Value>(3*Standard_Deviation));%判断粗大误差
if(isempty(index))
    disp("本次无粗大误差。")
else
    gauss(index)=[];
    str=['粗大误差消除:',num2str(index)];
    disp(str);
end

Standard_Deviation=std(gauss);             %数据标准差
Average_Value = mean(gauss);               %计算算术平均均值，最佳估计值
Absolute_Value=abs(gauss-Average_Value);   %计算绝对值
n=length(gauss);                           %数据长度

if(Absolute_Value>= (3*Standard_Deviation))%判断是否还有粗大误差
    disp("存在粗大误差为：")
    disp(gauss(Absolute_Value>=3*Standard_Deviation))
    disp("请手动去除!")
else
    disp("不存在粗大误差")
end

Uncertainty_B =0.05/sqrt(3);                        %计算B类不确定度
Uncertainty_A = Standard_Deviation/ sqrt(n);        %计算A类不确定度
Uncertainty = sqrt(Uncertainty_A^2+Uncertainty_B^2);%计算合成不确定度

disp("测量结果报告：")
str=['最佳估计值: ',num2str(Average_Value)];
disp(str);
str=['不确定度: ',num2str(Uncertainty)];
disp(str);
str=['自由度: ',num2str(n-1)];
disp(str);
4.结果展示

5.结尾

这个大作业题目相对简单，还是很感谢张海燕老师高抬贵手，为我混乱的期末 减轻了一点点负担，虽然做的也不咋样。

本代码基本完成了数据处理的流程，但对于扩展不确定度，由于想不出怎么算出置信概率和t就直接跳过了，还有将异常数据就当剔除粗大误差时一起剔除。

​