随机误差
在同一测量条件下,多次测量同一量值时,绝对值和符号以不可预定方式变化的误差
1、随机误差产生的原因
- 测量装置方面的因素
- 环境方面的因素
- 人员方面的因素
2、随机误差的特征
若测量中不包含系统误差和粗大误差,则测量列中的随机误差一般具有以下特征
- 对称性:绝对值星等的正误差和负误差出现的次数相等
- 单峰型:绝对值小的误差比绝对值大的误差出现的次数多(误区:单峰性 ≠ \ne =正态分布)
- 有界性:在一定的测量条件下,随机误差的绝对值不会超过一定的界限(正态分布则会,所以也间接验证了“单峰性 ≠ \ne =正态分布”)
- 抵偿性:随着测量次数的增加,随机误差的算数平均值趋于0
3、多数随机误差服从正态分布
设被测量真值位
L
0
L_0
L0,一系列测得值位
l
i
l_i
li,则测量列中的随机误差
δ
i
\delta_i
δi为
δ
i
=
l
i
−
L
0
,
i
=
1
,
2
,
.
.
.
,
n
\delta_i=l_i-L_0, i=1,2,...,n
δi=li−L0,i=1,2,...,n
正态分布的分布密度
f
(
δ
)
f(\delta)
f(δ)与分布函数
F
(
δ
)
F(\delta)
F(δ)为
f
(
δ
)
=
1
δ
2
π
e
−
δ
2
2
σ
2
f(\delta)=\frac{1}{\delta\sqrt{2\pi}}e^{\frac{-\delta^2}{2\sigma^2}}
f(δ)=δ2π1e2σ2−δ2
F
(
δ
)
=
1
δ
2
π
∫
δ
−
∞
e
−
δ
2
2
σ
2
d
δ
F(\delta)=\frac{1}{\delta\sqrt{2\pi}}\int_{\delta}^{-\infty}e^{\frac{-\delta^2}{2\sigma^2}}d \delta
F(δ)=δ2π1∫δ−∞e2σ2−δ2dδ其中
σ
\sigma
σ为标准差,
e
e
e为自然对数的底。
故随机误差的数学期望为
E
=
∫
−
∞
+
∞
δ
f
(
δ
)
d
δ
=
0
E=\int_{-\infty}^{+\infty}{\delta}f(\delta)d{\delta}=0
E=∫−∞+∞δf(δ)dδ=0方差为
σ
2
=
∫
−
∞
+
∞
δ
2
f
(
δ
)
d
δ
\sigma^2=\int_{-\infty}^{+\infty}{\delta^2}f(\delta)d{\delta}
σ2=∫−∞+∞δ2f(δ)dδ平均误差为
θ
=
∫
−
∞
+
∞
∣
δ
∣
f
(
δ
)
d
δ
=
0.7979
σ
≈
4
5
σ
\theta=\int_{-\infty}^{+\infty}|{\delta}|f(\delta)d{\delta}=0.7979\sigma\approx\frac{4}{5}\sigma
θ=∫−∞+∞∣δ∣f(δ)dδ=0.7979σ≈54σ
4、算数平均值
被测量的n个测得值得代数和除n
x
ˉ
=
l
1
+
l
2
+
.
.
.
+
l
n
n
=
∑
i
=
1
n
l
i
n
\bar{x}=\frac{l_1+l_2+...+l_n}{n}=\frac{\sum_{i=1}^{n}l_i}{n}
xˉ=nl1+l2+...+ln=n∑i=1nli残余误差
v
i
=
l
i
−
x
ˉ
,
i
=
1
,
2
,
.
.
.
,
n
v_i=l_i-\bar{x}, i=1,2,...,n
vi=li−xˉ,i=1,2,...,n
5、算术平均值的计算校核
用残余误差代数和校核算算术平均值及残余误差,其规则为
残余误差代数和应符合
- 当 ∑ i = 1 n l i = n x ˉ \sum_{i=1}^{n}l_i=n\bar{x} ∑i=1nli=nxˉ,求得 x ˉ \bar{x} xˉ为非凑整的准确数时, ∑ i = 1 n v i = 0 \sum_{i=1}^{n}v_i=0 ∑i=1nvi=0
- 当 ∫ i = 1 n l i > n x ˉ \int_{i=1}^{n}l_i>n\bar{x} ∫i=1nli>nxˉ,求得 x ˉ \bar{x} xˉ为非凑整的非准确数时, ∑ i = 1 n v i > 0 \sum_{i=1}^{n}v_i>0 ∑i=1nvi>0,其大小为求 x ˉ \bar{x} xˉ时的余数
- 当 ∑ i = 1 n l i < n x ˉ \sum_{i=1}^{n}l_i<n\bar{x} ∑i=1nli<nxˉ,求得 x ˉ \bar{x} xˉ为非凑整的非准确数时, ∑ i = 1 n v i < 0 \sum_{i=1}^{n}v_i<0 ∑i=1nvi<0,其大小为求 x ˉ \bar{x} xˉ时的亏数
残余误差代数和绝对值应符合
- 当n为偶数时, ∑ i = 1 n v i ≤ n 2 A \sum_{i=1}^{n}v_i\le\frac{n}{2}A ∑i=1nvi≤2nA
- 当n为奇数时, ∑ i = 1 n v i ≤ ( n 2 − 0.5 ) A \sum_{i=1}^{n}v_i\le(\frac{n}{2}-0.5)A ∑i=1nvi≤(2n−0.5)A
其中A为实际求得的算数平均值
x
ˉ
\bar{x}
xˉ末位数的一个单位,例:
若
x
ˉ
=
0.607
,则
A
=
0.001
若\bar{x}=0.607,则A=0.001
若xˉ=0.607,则A=0.001
6、测量列中单次测量的标准差
σ
=
∑
i
=
1
n
v
i
2
n
−
1
(贝塞尔公式)
\sigma=\sqrt{\frac{\sum_{i=1}^{n}v_i^2}{n-1}}(贝塞尔公式)
σ=n−1∑i=1nvi2(贝塞尔公式)评价单次测量不可靠性的或然误差
ρ
\rho
ρ和平均误差
θ
\theta
θ
ρ
≈
2
3
∑
i
=
1
n
v
i
2
n
−
1
θ
≈
4
5
∑
i
=
1
n
v
i
2
n
−
1
\rho\approx\frac{2}{3}\sqrt{\frac{\sum_{i=1}^{n}v_i^2}{n-1}}\ \ \ \theta\approx\frac{4}{5}\sqrt{\frac{\sum_{i=1}^{n}v_i^2}{n-1}}
ρ≈32n−1∑i=1nvi2 θ≈54n−1∑i=1nvi2
7、测量列中算术平均值的标准差(多次测量)
σ
x
ˉ
2
=
σ
2
n
⟹
σ
x
ˉ
=
σ
n
\sigma_{\bar{x}}^2=\frac{\sigma^2}{n}\Longrightarrow\sigma_{\bar{x}}=\frac{\sigma}{\sqrt{n}}
σxˉ2=nσ2⟹σxˉ=nσ
在n次测量的等精度测量列中,算术平均值的标准差为单次测量的
1
n
\frac{1}{\sqrt{n}}
n1,所以测量次数n越大,精度越高,同理
或然误差
R
=
ρ
≈
2
3
∑
i
=
1
n
v
i
2
n
(
n
−
1
)
或然误差 \ \ \ \ R=\rho\approx\frac{2}{3}\sqrt{\frac{\sum_{i=1}^{n}v_i^2}{n(n-1)}}
或然误差 R=ρ≈32n(n−1)∑i=1nvi2
平均误差
R
=
θ
≈
2
3
∑
i
=
1
n
v
i
2
n
(
n
−
1
)
平均误差 \ \ \ \ R=\theta\approx\frac{2}{3}\sqrt{\frac{\sum_{i=1}^{n}v_i^2}{n(n-1)}}
平均误差 R=θ≈32n(n−1)∑i=1nvi2
8、标准差的其他计算方法
除贝塞尔公式外,还有别捷尔斯法、极差法及最大误差法
(1)别捷尔斯法
σ
=
1.253
×
∑
i
=
1
n
∣
v
i
∣
n
(
n
−
1
)
\ \ \ \ \sigma=1.253\times\frac{\sum_{i=1}^n|v_i|}{\sqrt{n(n-1)}}
σ=1.253×n(n−1)∑i=1n∣vi∣
σ
x
ˉ
=
1.253
×
∑
i
=
1
n
∣
v
i
∣
n
n
−
1
\sigma_{\bar{x}}=1.253\times\frac{\sum_{i=1}^n|v_i|}{n\sqrt{n-1}}
σxˉ=1.253×nn−1∑i=1n∣vi∣其推导过程为
σ
=
∑
i
=
1
n
v
i
2
n
−
1
=
∑
i
=
1
n
δ
i
2
n
\sigma=\sqrt{\frac{\sum_{i=1}^{n}v_i^2}{n-1}}=\sqrt{\frac{\sum_{i=1}^{n}\delta_i^2}{n}}
σ=n−1∑i=1nvi2=n∑i=1nδi2可得:
∑
i
=
1
n
δ
i
2
=
n
n
−
1
∑
i
=
1
n
v
i
2
\sum_{i=1}^{n}\delta_i^2=\frac{n}{n-1}\sum_{i=1}^nv_i^2
i=1∑nδi2=n−1ni=1∑nvi2上述可近似为
∑
i
=
1
n
∣
δ
i
∣
≈
∑
i
=
1
n
∣
v
i
∣
n
n
−
1
\sum_{i=1}^{n}|\delta_i|\approx\sum_{i=1}^n|v_i|\sqrt{\frac{n}{n-1}}
∑i=1n∣δi∣≈∑i=1n∣vi∣n−1n,则平均误差为
θ
=
∑
i
=
1
n
∣
δ
i
∣
n
=
∑
i
=
1
n
∣
v
i
∣
n
(
n
−
1
)
\theta=\frac{\sum_{i=1}^{n}|\delta_i|}{n}=\frac{\sum_{i=1}^n|v_i|}{\sqrt{n(n-1)}}
θ=n∑i=1n∣δi∣=n(n−1)∑i=1n∣vi∣
σ
=
θ
0.7979
=
1.253
θ
\sigma=\frac{\theta}{0.7979}=1.253\theta
σ=0.7979θ=1.253θ故
σ
=
1.253
×
∑
i
=
1
n
∣
v
i
∣
n
(
n
−
1
)
\ \ \ \ \sigma=1.253\times\frac{\sum_{i=1}^n|v_i|}{\sqrt{n(n-1)}}
σ=1.253×n(n−1)∑i=1n∣vi∣
σ
x
ˉ
=
1.253
×
∑
i
=
1
n
∣
v
i
∣
n
n
−
1
\sigma_{\bar{x}}=1.253\times\frac{\sum_{i=1}^n|v_i|}{n\sqrt{n-1}}
σxˉ=1.253×nn−1∑i=1n∣vi∣
(2)极差法(测量结果徐满足正态分布)——n<10可采用
σ = w n d n , w n = x m a x − x m i n \sigma=\frac{w_n}{d_n},\ w_n=x_{max}-x_{min}\ σ=dnwn, wn=xmax−xmin 其中, d n d_n dn通过查表获得
n | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
dn | 1.13 | 1.69 | 2.06 | 2.33 | 2.53 | 2.70 | 2.85 | 2.97 | 3.08 | 3.17 | 3.26 | 3.34 | 3.41 | 3.47 | 3.53 | 3.59 | 3.64 | 3.69 | 3.74 |
(3)最大误差法
σ = ∣ δ i ∣ m a x K n \sigma=\frac{|\delta_i|_{}max}{K_n} σ=Kn∣δi∣max其中 1 / K n 1/{K_n} 1/Kn查表可得, δ i \delta_i δi为随机误差。但由于 δ i \delta_i δi未知,故用残余误差 v i v_i vi代替 σ = ∣ δ i ∣ m a x K n ′ \sigma=\frac{|\delta_i|_{}max}{K_n^{'}} σ=Kn′∣δi∣max其中 1 / K n ′ 1/K_n^{'} 1/Kn′查表可得
n | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 15 | 20 | 25 | 30 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|
1/Kn’ | 1.77 | 1.02 | 0.83 | 0.74 | 0.68 | 0.64 | 0.61 | 0.59 | 0.57 | 0.51 | 0.48 | 0.46 | 0.44 |
9、测量的极限误差
测量的极限误差是极端误差
- 单次测量的极限误差 δ l i m x = ± t σ \delta_{lim\ x}=\pm{t}\sigma δlim x=±tσ
- 算术平均值的极限误差 δ l i m x ˉ = ± t σ x ˉ , σ x ˉ = σ / n \delta_{lim\ \bar{x}}=\pm{t}\sigma_{\bar{x}},\ \sigma_{\bar{x}}=\sigma/\sqrt{n} δlim xˉ=±tσxˉ, σxˉ=σ/n
10、不等精度测量
(1)权的确定方法
P 1 : P 2 : . . . : P m = 1 σ x 1 ˉ 2 : 1 σ x 2 ˉ 2 : . . . : 1 σ x m ˉ 2 P_1:P_2:...:P_m=\frac{1}{\sigma_{\bar{x_1}}^2}:\frac{1}{\sigma_{\bar{x_2}}^2}:...:\frac{1}{\sigma_{\bar{x_m}}^2} P1:P2:...:Pm=σx1ˉ21:σx2ˉ21:...:σxmˉ21
(2)加权算术平均值
若对同一被测量进行m组不等精度测量,得到m个测量结果 x 1 ˉ \bar{x_1} x1ˉ, x 2 ˉ \bar{x_2} x2ˉ,…, x m ˉ \bar{x_m} xmˉ,设对应的测量次数为 n 1 , n 2 , . . . , n m n_1,n_2,...,n_m n1,n2,...,nm,即 x i ˉ = ∑ i = 1 n l i 2 n i \bar{x_i}=\frac{\sum_{i=1}^nl_i^2}{n_i} xiˉ=ni∑i=1nli2则 x ˉ = ∑ i = 1 m P i x i ˉ ∑ i = 1 m P i \bar{x}=\frac{\sum_{i=1}^{m}P_i\bar{x_i}}{\sum_{i=1}^mP_i} xˉ=∑i=1mPi∑i=1mPixiˉ为简化计算,加权算术平均值可表示为 x ˉ = x 0 + ∑ i = 1 m P i ( x i ˉ − x 0 ) ∑ i = 1 m P i \bar{x}=x_0+\frac{\sum_{i=1}^{m}P_i(\bar{x_i}-x_0)}{\sum_{i=1}^mP_i} xˉ=x0+∑i=1mPi∑i=1mPi(xiˉ−x0)其中 x 0 x_0 x0为接近 x ˉ i \bar{x}_i xˉi\的任选参考值
(3)加权算术平均值的标准差
σ = ∑ i = 1 m P i v x i 2 m − 1 \sigma=\sqrt{\frac{\sum_{i=1}^mP_iv_{x_i}^2}{m-1}} σ=m−1∑i=1mPivxi2 σ x ˉ = ∑ i = 1 m P i v x i 2 ( m − 1 ) ∑ i = 1 m P i \sigma_{\bar{x}}=\sqrt{\frac{\sum_{i=1}^mP_iv_{x_i}^2}{(m-1)\sum_{i=1}^mP_i}} σxˉ=(m−1)∑i=1mPi∑i=1mPivxi2