《误差理论》——测量不确定度

测量不确定度

1、测量不确定度

指测量结果变化的不肯定,表征被测量的真值在某个量值范围的一个估计,是测量结果含有的一个参数,用以表示被测量值的分散性。

2、测量不确定度与误差

误差: 测量结果与真值之差,以真值或约定真值为中心 (不可定量)
测量不确定度: 以被测量的估计值为中心 (可定量)

3、标准不确定度的评定

(1) 标准不确定度的A类评定 (用统计分析法)

μ = σ ,即标准差 \mu=\sigma ,即标准差 μ=σ,即标准差
μ = σ ,单次; μ = σ n ,多次 \mu=\sigma ,单次;\mu=\sigma\sqrt{n},多次 μ=σ,单次;μ=σn ,多次

(2)便准不确定度的B类评定 (不用统计分析法)

a、估计值 x x x受多个独立因素影响,且影响大小相近,假设为正态分布,由所取置信概率 P P P的分布区间半宽 a a a,与包含因子 k p k_p kp来估计标准不确定度,即 μ x = a k P \mu _x=\frac{a}{k_P} μx=kPa其中, k P k_P kP查正态分布积分表
b、估计值 x x x取自有关资料,所给的测量不确定度 μ x \mu_x μx为标准差的 k k k倍时,则其标准不确定度为 μ x = U x k \mu_x=\frac{U_x}{k} μx=kUx
c、根据信息,已知估计值 x x x落在区间 ( x − a , x + a ) (x-a,x+a) (xa,x+a)内的概率为1,且在区间各处出现的机会相等,当 x x x服从均匀分布,其标准不确定度为 μ x = a 3 \mu_x=\frac{a}{\sqrt{3}} μx=3 a
d、估计值 x x x受两个独立且皆是具有均匀分布的因素影响,则 x x x服从区间 ( x − a , x + a ) (x-a,x+a) (xa,x+a)的三角分布,其标准不确定度为 μ x = a 6 \mu_x=\frac{a}{\sqrt{6}} μx=6 a
e、估计值 x x x服从区间 ( x − a , x + a ) (x-a,x+a) (xa,x+a)内的反正弦分布,其标准不确定度为 μ x = a 2 \mu_x=\frac{a}{\sqrt{2}} μx=2 a

4、自由度

  • 每个不确定度对应着一个自由度
  • 不确定度计算表达式中总和所包含的项数减去各项之间存在的约束条件数,所得差值称为不确定度的自由度
  • 自由度越大,标准差越可信赖
  • B类评定的自由度 ν = 1 2 ( σ μ μ ) 2 \nu=\frac{1}{2(\frac{\sigma_\mu}{\mu})^2} ν=2(μσμ)21其中 μ \mu μ:B类评定的不确定度; σ μ \sigma_\mu σμ为评定 μ \mu μ的标准差; σ μ μ \frac{\sigma_\mu}{\mu} μσμ为评定 μ \mu μ的相对标准差

5、不确定度的合成

y = f ( x 1 , x 2 , . . . , x n ) y=f(x_1,x_2,...,x_n) y=f(x1,x2,...,xn)标准不确定度分量为 μ i = ∣ ∂ f ∂ x i ∣ μ x i \mu_i=|\frac{\partial f}{\partial x_i}|\mu_{x_i} μi=xifμxi则合成标准不确定度为 μ c = ∑ i = 1 N ( ∂ f ∂ x i ) 2 ( μ x i ) 2 + 2 ∑ 1 ≤ i < j N ρ i j μ x i μ x j \mu_c=\sqrt{\sum_{i=1}^{N}(\frac{\partial f}{\partial x_i})^2(\mu_{x_i})^2+2\sum_{1\le i<j}^{N}\rho_{ij}\mu_{x_i}\mu_{x_j}} μc=i=1N(xif)2(μxi)2+21i<jNρijμxiμxj = ∑ i = 1 N ( μ i ) 2 + 2 ∑ 1 ≤ i < j N ρ i j μ i μ j =\sqrt{\sum_{i=1}^{N}(\mu_{i})^2+2\sum_{1\le i<j}^{N}\rho_{ij}\mu_{i}\mu_{j}} =i=1N(μi)2+21i<jNρijμiμj x i x_i xi , x j x_j xj不确定度相互独立,则 ρ i j = 0 \rho _{ij}=0 ρij=0,则 μ c = ∑ i = 1 N ( ∂ f ∂ x i ) 2 ( μ x i ) 2 = ∑ i = 1 N ( μ i ) 2 \mu_c=\sqrt{\sum_{i=1}^{N}(\frac{\partial f}{\partial x_i})^2(\mu_{x_i})^2}=\sqrt{\sum_{i=1}^{N}(\mu_{i})^2} μc=i=1N(xif)2(μxi)2 =i=1N(μi)2 所以,其测量结果可表示为 Y = y ± μ c Y=y\pm\mu_c Y=y±μc

6、展伸不确定度

展伸不确定度由合成标准不确定度 μ c \mu_c μc乘以包含因子 K K K得到,记为 μ \mu μ
,即 U = K μ c U=K\mu_c U=Kμc所以,测量结果可表示为 Y = y ± μ c Y=y\pm\mu_c Y=y±μc包含因子 K K K由t分布的临界值 t p ( ν ) t_p(\nu) tp(ν)给出,即 K = t p ( ν ) K=t_p(\nu) K=tp(ν)其中 = ν =\nu =ν为合成不确定度 = μ c =\mu_c =μc的自由度
根据给定的置信概率 P P P与自由度 ν \nu ν查t分布表可得 t p ( ν ) t_p(\nu) tp(ν)
当各不确定度分量 μ i \mu_i μi相互独立时, ν = μ c 4 ∑ i = 1 N μ i 4 ν i \nu=\frac{\mu_c^4}{\sum_{i=1}^{N}\frac{\mu_i^4}{\nu_i}} ν=i=1Nνiμi4μc4 N N N为不确定分量个数; ν i \nu_i νi μ i \mu_i μi的自由度

7、不确定的报告

  • 测量不确定度用合成标准不确定度时,应给出不确定度 μ c \mu_c μc及其自由度 ν \nu ν
  • 测量不确定度用展伸不确定度时,应给出展伸不确定度 U U U,合成不确定度 μ c \mu_c μc,自由度 ν \nu ν,置信概率 P P P和包含因子 K K K
  • 17
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
误差理论测量平差基础是测量学中的重要概念。测量中难免会产生误差,包括系统误差和随机误差误差理论就是通过对误差的分析和研究,来确定测量结果的可靠性和准确性的一门学科。 测量平差基础是对测量结果进行调整的过程,通过对各个测量值的分析和比较,将误差调整到最小程度,从而得到更为准确的测量结果。平差可以分为精度平差和权衡平差两种方式。其中精度平差是对各个测量点进行平差,追求测量结果的最小误差;权衡平差是在考虑各个测量点的精度和测量结果的一致性之间进行权衡,以得到相对合理的结果。 误差理论测量平差基础是测量学的基本理论和方法。测量学是一门研究测量误差及其影响因素、测量方法和测量结果处理的科学,广泛应用于工程测量、地理测量、物理测量等领域。通过误差理论测量平差基础的学习和掌握,可以提高测量的准确性和可靠性,为科学研究和工程设计提供有力支持。 此外,在现代科技发展的背景下,误差理论测量平差基础也得到了很大的推动和应用。在大数据、人工智能等领域中,对测量结果的精确性要求越来越高,因此对误差理论测量平差基础的研究和应用也变得更加重要。 总之,误差理论测量平差基础是测量学中的基本概念和方法,通过对测量误差的分析和测量结果的调整,可以提高测量的准确性和可靠性,为科学研究和工程设计提供有力支持。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

三天后的承诺

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值