本文探讨了重要的统计度量与电气工程的基本分析工具之一之间的有趣联系。
如果您只是参加有关电气工程统计的本系列文章,那么您可能想从第一篇介绍统计分析的文章开始,第二篇回顾统计性描述。最近,我们在计算标准差时涉及了样本量补偿-特别关注贝塞尔的校正。
在本文中,我们将基于上一篇文章对标准偏差的讨论,该讨论捕获了数据集或数字化波形中随机变化的平均功效。该平均功率表示为幅度,例如表示为瓦特而不是伏特。
我们使用以下公式计算标准差:
均方根(RMS)评估
我们大多数人可能首先在AC分析的背景下了解了RMS值。在交流系统中,电压或电流的RMS值通常比指定峰值电压或电流的值更具参考价值,因为RMS是更直接的功耗路径。
在计算功耗时,我们不能使用峰值电压或电流值,因为电压或电流一直在变化,因此瞬时功耗也在变化。基于峰值的计算将高估时间平均功率。
RMS幅度使我们可以像计算直流量一样计算功耗。更具体地说,正弦电压或电流的RMS幅度等于将产生相同数量的时间平均功耗的DC信号的幅度。
连接到10Ω电阻一个12 V电池将产生122/10 = 14.4 W(瞬时和平均)功率。如果我们用RMS振幅为12 V的交流电源电压更换电池,则(平均)功率将相同。
使用正弦信号时,计算RMS幅度很容易:我