误差评价指标

在实际测量和检测中，通常会同时存在多种类型的误差。因此，误差分析和处理是确保测量结果准确性和可靠性的关键环节。

误差类型

1.系统误差（Systematic Error）

定义：系统误差是指由于测量系统的固有缺陷或外部环境影响所引起的，且在相同条件下重复测量时误差值保持一致。
特征：具有确定性和可预测性，可以通过校正和补偿来减小或消除。
例子：测量仪器的校准误差、环境温度变化对仪器的影响、偏置误差等。

2.随机误差（Random Error）

定义：随机误差是指由于各种不确定因素的影响，在相同条件下重复测量时误差值呈现随机变化。
特征：不可预测和不可避免，但可以通过多次测量取平均值来减小其影响。
例子：测量过程中的微小扰动、操作人员的读数误差、外界噪声等。

3.粗大误差（Gross Error）

定义：粗大误差是指由于疏忽、误操作或异常情况引起的显著偏离实际值的误差。
特征：通常是偶然发生的，具有较大的误差值，应通过数据分析和异常值剔除来处理。
例子：记录错误、设备故障、操作失误等。

4.绝对误差（Absolute Error）

定义：绝对误差是测量值与真实值之间的差值。
特征：用具体的数值表示，反映了测量结果与真实值的偏离程度。
公式：绝对误差 = 测量值 - 真实值

5.相对误差（Relative Error）

定义：相对误差是绝对误差与真实值的比值，通常以百分数表示。
特征：反映了误差在真实值中的比例，更适合用于比较不同量级的测量误差。
公式：相对误差 = (绝对误差 / 真实值) × 100%

测量误差（Measurement Error）

定义：测量误差是测量值与实际值之间的差异。
特征：包括所有可能的误差源，例如仪器误差、环境影响、操作误差等。
处理方法：通过误差分析和校正手段尽可能减小测量误差的影响。

评价指标

准确度和精度

准度：准确度，指测量值（或预测值）和实际值有多相近。
精度：精密度或精确度，指多个测量值（或预测值）互相之间有多相近。

MAE

Mean Absolute Error，平均绝对误差
$$MAE=\frac{1}{n}\sum _{i=1}^n|x_i-u|$$

MSE

Mean Squared Error，均方误差
$$\frac{1}{n}\sum _{i=1}^n(x_i-u{)}^2$$
MSE 对异常值或噪声特别敏感。

RMSE

Root Mean Square Error，均方根误差
$$RMSE=\sqrt{\frac{1}{n}\sum _{i=1}^n(x_i-u{)}^2}$$
衡量的是预测值与实际观测值之间的差异。RMSE 越小，表示模型预测的精确度越高。RMSE 是误差平方的平均值的平方根，对异常值（大误差）特别敏感。

AA

Average Accuracy，平均准确率
$$AA=\frac{1}{n}\sum _{i=1}^n\frac{u-|x_i-u|}{u}$$