02--试验检测数据处理
实验测试数据处理方法论证
实验测试数据处理方法论证随着科技的发展和研究的深入，实验测试数据的处理在各个领域中扮演着至关重要的角色。
数据处理的方法论是指通过系统的学习和总结，提出一套科学、可靠且有效的处理实验测试数据的方法和原则，以确保数据的准确性和可靠性，为科学研究和工程实践提供有力的支持和指导。
1. 实验测试数据的采集与处理实验测试数据的采集是实验研究的基础，而数据的处理则是为了从浩瀚的数据中提取出有用的信息，进而支持科学研究和工程实践。
首先，在采集数据时，需要根据实际需求确定采样频率和采样点数，并选用合适的传感器和测试仪器。
其次，对采集到的数据进行初步的处理，比如去除异常值和噪声等。
然后，根据实验目标和研究问题，选择适当的数据处理方法进行进一步分析和处理，比如数据滤波、插值、拟合等，以获取更准确的结果。
2. 数据处理方法的选择与应用在选择适用的数据处理方法时，需要考虑数据的性质和实验目标。
常见的数据处理方法包括统计分析、数学模型拟合、信号处理等。
统计分析可以用来描述和总结数据的特征，并通过假设检验等方法进行推断和判断。
数学模型拟合可以通过对实验数据进行拟合，从而建立数学模型来解释实验现象。
信号处理可以用来滤除噪声、提取特征等。
根据实验的具体要求和所得到的数据类型，选择合适的处理方法，以保证数据处理的准确性和可靠性。
3. 数据处理的有效性与可靠性数据处理的有效性和可靠性是评价科学研究和工程实践的关键指标之一。
有效性是指采用的数据处理方法能够充分挖掘数据中的信息，提取有用的结论和结果。
在数据处理过程中，需要运用科学的方法和工具，避免主观性和盲目性的干扰，并确保数据的一致性和完整性。
可靠性是指数据处理方法具有较高的重复性和不确定性，即在不同条件下重复实验或者使用相同方法处理不同数据时，能够得到一致的结果。
通过多次实验和数据处理的比较，可以验证所选取的数据处理方法是否具有较好的可靠性。
4. 新方法的引入与改进随着科技的不断进步和创新，数据处理方法也在不断发展和完善。
02 试验检测—数据处理
3.计算法则
(1)加减运算 应以各数中有效数字末位数的数位最高者为准(小数即以 小数部分位数最少者为准),其余数均比该数向右多保留一位有 效数字,以避免因凑整而严重影响计算结果的精度,多保留的一 位数常称为安全数字。 例如,有4个凑整后的数字相加, 直接相加得:41.3+3.012+0.322+0.0578=44.66918, 这样计算结果带有若干凑整误差。 正确的计算方法是:41.3+3.01+0.32+0.06=44.69。
⑤0.2单位修约,指修约间隔为指定数位的02单位,即修约 到指定数位的02单位。
(2)数值修约进舍规则 ①拟舍弃数字的最左一位数字小于5时,则舍去,即保留的各位 数字不变。 例如,将13.2476修约到一位小数,得13.2,将13.2476修约成两 位有效数字,得13。 ②拟舍弃数字的最左一位数字大于5;或者是5,而且后面的数 字并非全部为0时,则进1,呆留的末位数加1。 例如,将1167修约到“百”数位,得12×102(特定时可写为 1200), 10.502修约到“个”数位,得 11。 ③拟舍弃数字的最左一位数字为5,而后面无数字或全部为0时, 若所保留的末位数为奇1,3,5,7,9)则进一,为偶数(2,4,6,8,0)则 舍弃。 例如,如果修约间隔为0.1,2.050修约为2.0；0.150修约后为 0.2。
试验检测——数据处理
1.有效数字
在记录测量结果时,只允许末位由估读得来的不确定数字, 其余数字均为准确数字,称这些所记的数字为有效数字。 （1)对不需要标明误差的数据,其有效位数应取到最末一位 数字为可疑数字(也称不确切或参考数字)。 例如,皮尺的最大刻度有米和厘米,在测量距离时,只能估读 到毫米,那么测量数字1.256m,都是有效数字。 (2)对需要标明误差的数据,其有效位数应取到与误差同一 数量级。 例如,规定测量记录公路纵断高程读数要准确至0.001m,那 么就应测量记录到毫米。
公路工程检测技术课件02试验检测数据处理
第二章试验检测数据处理❖知识目标❖1、理解试验数据的检验方法❖2、学会试验数据的修约规则❖3、学会用运统计特与分布分析数据❖4、学会对可疑数据的进行取舍❖技能目标❖1、学会用数理统计法整理试验数据❖2、学会用拉依达法、肖维法则、格拉布斯法的取舍数据。
第二章试验检测数据处理❖第一节抽样检验❖第二节数据的修约规则❖第三节数据的统计特征与分布❖第四节可疑数据的取舍方法❖第五节质量数据的统计方法第二章试验检测数据处理❖工程质量的评价是以试验检测数据为依据。
❖试验检测采集得到的原始数据类多量大，有时杂乱无章，甚至还有错误。
❖必须对原始数据进行分析处理才能得到可靠的试验检测结果。
❖本章以数理统计与概率论为基础，介绍试验检测数据的处理方法。
第一节抽样检验学习指导❖学完本节后你会：❖理解总体、个体、样本的含义和关系❖检验的目的❖抽样检验的意义、条件第一节抽样检验❖一、总体与样本❖二、检验的主要目的❖三、抽样检验的意义❖三、抽样检验的条件一、总体与样本❖1．总体：称母体是统计分析中所要研究对象的全体。
❖2．个体：组成总体的每个单元称个体。
从总体中抽取一部分个体为样本。
❖如：一批沥青有100桶，抽200个样品称样本。
每一桶称个体。
相互关系见图2-1总体与样本的关系总体与样本的关系总体样本数据推测二、检验的主要目❖将某种方法检验物品的结果与质量判定标准比较，判断出各个物品是优良还是不合格品，从而推断出是不是合格批。
三、抽样检验的意义❖在产品检验中，全数检验用的很少，它适用于少量的仪器和产品。
❖在工程上，由于工序多，过程复杂，质量波动大，金额高，检验项目多，采用抽样检验。
❖通过部分样品，推断整批产品是否合格。
四、抽样检验的条件❖（一）要明确批的划分❖（二）必须抽取代表性的样本❖（三）要明确检验的标准❖（四）要有统一的检测试验方法第二节数据修约的规则学习指导❖学完本节后你会：❖对试验数据进行取舍❖掌握数据修约的规则第二节数据的修约规则❖一、概述❖工程质量控制、评价是以数据为依据，质量控制中以数据说话，用数据来反映工序质量状况及判断质量效果。
管理制度：检验检测机构的数据处理
管理制度：检验检测机构的数据处理简介本文档旨在制定一套管理制度，以规范检验检测机构对数据的处理。
通过建立明确的流程和规范，可以确保数据的准确性、完整性和保密性，提高机构的工作效率和信誉度。
目标- 确保检验检测机构对数据的处理符合法律法规和行业标准。
- 保护数据的安全性和隐私性，防止数据泄露。
- 提高数据处理的准确性和效率，避免错误和重复工作。
数据收集与存储1. 检验检测机构应确保数据的准确性和完整性。
数据应当通过可靠的方法进行收集，并及时进行校验和核实。
2. 数据应以电子形式存储，并采取安全措施保护数据的机密性和完整性。
3. 数据存储设备应定期进行备份，并确保备份数据的安全存储和可恢复性。
数据处理流程1. 数据处理应按照预定的流程进行，包括数据清洗、分析、报告生成等环节。
2. 数据处理人员应具备相关的专业知识和技能，并严格按照操作规范进行工作。
3. 数据处理过程中应记录操作日志，以便追溯和审计。
数据保密和访问权限1. 检验检测机构应建立严格的数据保密制度，确保数据的安全性和隐私性。
2. 数据访问权限应根据工作需要进行分级管理，并定期进行审查和更新。
3. 数据应仅限授权人员访问，禁止非授权人员复制、传播或使用数据。
数据备份和灾难恢复1. 检验检测机构应定期进行数据备份，并确保备份数据的安全存储和可恢复性。
2. 数据备份应分散存储，避免单点故障，同时备份设备应定期测试和维护。
违规处理和整改措施1. 对于违反数据处理规范的行为，应及时进行调查和处理，依法给予相应的纪律处分。
2. 检验检测机构应建立健全的整改措施，对存在的问题进行及时纠正和改进。
以上制度为检验检测机构数据处理的管理制度，旨在规范数据处理流程，确保数据的准确性、完整性和保密性。
通过严格执行这些制度，检验检测机构将提高工作效率，增强数据处理能力，为客户提供可靠的服务。
管理制度：检验检测机构的数据处理
管理制度：检验检测机构的数据处理介绍本文档旨在阐述检验检测机构在数据处理方面的管理制度。
数据处理对于检验检测机构的运营至关重要，因此需要建立清晰的管理制度来确保数据的准确性、安全性和合规性。
目标我们的目标是制定一套简单、无法律复杂性的管理策略，以最大程度地发挥我们作为检验检测机构的优势，并确保数据处理过程中不存在任何法律问题。
数据处理流程以下是检验检测机构数据处理的基本流程：1. 数据收集：收集来自各种检验检测活动的原始数据，包括实验结果、测量数据等。
2. 数据录入：将原始数据录入到系统中，确保录入的准确性和完整性。
3. 数据存储：将数据存储在安全的数据库中，确保数据的机密性和防止数据丢失。
4. 数据分析：根据需要，对存储的数据进行分析和解释，以提供有价值的信息和报告。
5. 数据报告：生成报告，将分析结果和相关信息以易于理解和传达的方式呈现给相关人员。
数据处理管理制度为确保数据处理的准确性和合规性，我们将采取以下管理制度：1. 数据质量控制：建立数据质量控制标准，确保录入的数据准确、完整和一致。
定期进行数据质量检查和校正，纠正任何错误或不一致之处。
2. 数据安全保护：采取必要的措施来保护数据的机密性和完整性。
限制数据访问权限，确保只有授权人员可以访问和处理数据。
同时，建立备份和恢复机制，以防止数据丢失。
3. 法律合规性：遵守适用的数据保护法律和法规，包括但不限于个人隐私保护法和数据安全法。
确保数据处理过程中不涉及任何非法或违规行为。
4. 培训和意识提升：提供必要的培训和教育，确保所有相关人员了解和遵守数据处理管理制度。
定期组织培训活动和内部审核，以提高员工的数据处理能力和意识。
结论通过建立简单、无法律复杂性的管理制度，我们可以有效管理检验检测机构的数据处理过程。
这将确保数据的准确性、安全性和合规性，提高我们的运营效率和信誉度。
同时，持续的培训和意识提升将帮助我们跟上数据处理领域的最新发展，并不断优化我们的管理制度。
第二章 试验检测数据分析与处理
01 单 击 添 加 目 录 项 标 题 02 试 验 检 测 数 据 概 述 03 试 验 检 测 数 据 分 析 04 试 验 检 测 数 据 处 理 05 试 验 检 测 数 据 可 视 化 06 试 验 检 测 数 据 应 用
性和合规性
风险识别：识别数据安全风险，包括数据泄露、数据篡改等 风险评估：对识别出的风险进行评估，确定风险等级和影响范围 风险控制：采取措施控制风险，包括数据加密、访问控制等 风险监控：定期对数据安全风险进行监控和评估，确保数据安全
试验检测数据的处理：需要进行数据整理、统计、分析、图表制作等处理，以便更好地理解和解 释数据，为产品研发、改进和质量保证提供支持。
确保产品质量：试验检测数据是评估产品质量的重要依据，通过数据分析可以发现产品存在的问 题，及时采取措施改进，提高产品质量。
优化生产过程：试验检测数据可以反映生产过程中的问题，帮助企业了解生产过程中的瓶颈和不 足，从而优化生产过程，提高生产效率。
假设检验：根据实际需求，提出假设并利用样本数据对其进行检验，以判 断假设是否成立。
回归分析：通过建立数学模型，分析变量之间的关系，预测因变量的取值。
主成分分析：将多个变量进行降维处理，提取出主要成分，简化数据结构 并揭示变量之间的关系。
数据收集：收集试验检测数据， 确保数据的准确性和完整性
数据清洗：对数据进行清洗和 预处理，去除异常值和缺失值
数据安全：加密、 权限控制等措施 保障数据安全
数据加密：对 试验检测数据 进行加密处理， 确保数据的安
全性
数据备份：定 期对试验检测 数据进行备份， 防止数据丢失
数据访问控制： 对数据访问进 行权限控制， 确保只有授权 人员才能访问
第二章试验检测数据处理
根据《公路工程质量检验评定标准》（JTJ071一98），公路工程 质量评定采用合格率与评分的方法，也就是根据检测值是否符合 质量标准进行评定，按合格率计分。
对于路基路面压实度、弯沉值，路面结构层厚度，半刚性 基层材料强度，水泥混凝土抗折强度等检验项目，应采用 数理统计的方法进行评定计分。
第27页，本讲稿共75页
1.3有效数字含义在测量中的解释
1.在正常量测时一般只能估读到仪器最小刻度的1/10。
2.量测结果数字位数太多，会超出仪器精度范围，不必太多。
3.如游标卡尺测圆柱直径为32.47mm，此数值前三位是确定的数字，而第四 位是估计值，称此数值有效数字为四位。
第28页，本讲稿共75页
比如在3000名学生中抽取100名，则先将这3000名的名单依 次编上编号，再根据公式K（抽样间距）=N（总体规模）/n （样本规模）=3000/100=30，即每隔30名抽1名。
第18页，本讲稿共75页
系统抽样
从总体中每隔K个个体抽取一个个体的抽样方法，比值K是总体容量N与样本容量n 之比；
例，从具有1000个个体的总体中抽取50个个体。
年龄、性别、职业或地域等）划分成几个类型或层次，在 在其中采用前两种方法抽取一个子样本，所有子样本构成 了总的样本。
比如，在以学校进行抽样调查，可先把总体分为男生和女生， 然后，采用简单随机抽样方法或系统抽样的方法，分别从男生 和女生中各抽100名，这样，由这200名学生所构成的就是一个 由分成抽样所得到的样本。
例如指定修约间隔为0.1，修约值即应在0.1的整数倍中选取， 相当于将数值修约到一位小数
试验检测结果的处理
试验检测结果的处理
1．试验检测数据整理
试验检测结果的处理是试验检测工作中的一个重要内容。
由于试验检测中得到的数值都是近似值，而且在运算过程中，还可能运用无理数构成的常数，因此，为了获得准确的试验检测结果，同时也为了节省运算时间，必须按误差理论的规定和数字修改规则截取所需要的数据。
此外，误差表达方式反映了对试验检测结果的认识是否正确，也利于用户对试验检测结果的正确理解。
由于目前尚未规定报告上必须注明不确定度，暂时可以不考虑。
⑴数据处理应注意：检测数据有效位数的确定方法：检测数据异常值的判定方法；区分可剔除异常值和不可易除异常值；整理后的数据应填入原始记录的相应部分。
⑵检测数据的有效位数应与检测系统的准确度相适应，不足部分以“0”补齐，以便测试数据位数相等。
⑶同一参数检测数据个数少于10时用算术平均值法；测试个数大于10时，建议采用数理统计方法，求算代表值。
2．试验检测结果判断
在工程质量检验评定中，施工质量的不合格率是大家所关心的问题，由于所抽试样的数据都是随机变量，它们总是存在一定波动。
看到数据有一些变化，或某检测数据低于技术规范定要求，就认为施工质量或产品有问题，这样的判断方法是不慎重的，也是缺乏科学根据的，因此很容易给施工带来损失。
关于试验检测结果的整理和判断按有关规范规定执行。
公路工程测试技术之二试验检测数据处理
在数理统计学中，我们把所研究的全部元素组成的集合 称为总体；而把组成总体的每个元素称为个体。
4
单元二 试验检测数据处理
某超市进了一批苹果，超市经理从中任意选取了 10个苹果，编上号并称出质量。
苹果编号 1 2
4
5
6
拉依达法简单方便，不需查表，但要求较宽，当试验检 测次数较多或要求不高时可以采用，当试验检测次数较少时
单元二 试验检测数据处理
课题一 抽样检验及路基路面现场测试随机选点方法
◆了解总体与样本的概念。 ◆了解抽样检验的条件与方法。 ◆能够进行路基路面现场测试随机选点。
1
单元二 试验检测数据处理
青岛某地区新建二级公路，按照有关规范规定，拟从 K46+000～K47+000的1km检测路段中（路面宽度10m）选 择20个断面测定路面宽度、高程、横坡等外形尺寸，选择 6个测点进行钻孔取样检验压实度、沥青用量和矿料级配 等，需要采用随机选点方法来确定断面桩位、钻孔位置。
单元二 试验检测数据处理
一般地，如果从总体中按一定规则抽取N个个体进行观 察（或试验），则称这N个个体为总体的一个样本；样本中 所含个体的数目n称为样本容量，抽取一个样本的过程称为
抽样。 以上述小实验为例，超市经理抽查的苹果质量的样本
是10个苹果的平均质量，样本容量为10。
7
单元二 试验检测数据处理
9
单元二 试验检测数据处理
三、现场测试随机选点方法
应用随机数表确定现场取样位置时，应事先准备好编号 从1～28共28块硬纸片，并将其装入布袋中。下面通过任务实 施对“测定区间或测定断面”和“测点位置”两种情况加以 讨论。
第二章 试验检测数据处理
P 3＜x＜ 3 0.9973
置信区间:就是你要求达到的可信度所跨度的范 围
因此，可以把双侧检验的置信区间统一写成：
u(12 )/2 ＜x＜ u(12)/2
2 ---显著水平 1 2 ---置信水平（保证率）
u(12 )/2 ---双边置信区间的正态分布临界值；
r Lxy Lxx Lyy
式中： Lyy
n
( yi y)2
n
yi 2
2
ny
i 1
i 1
（2）当 x 时，曲线处于最高点；当x向左 右偏离时，曲线逐渐降低，整个曲线呈钟形。
（3）曲线与横坐标所围成的面积等于1，即
f (x)dx 1
一般地，随机变量x服从参数 与 正态分布， 可记作：
x ~ N (, )
当 0, 1 时的正态分布，称为标准正态
分布，
f (x)
1
x2
2．随机误差（偶然误差）
在相同条件下，对同一物理量进行多次测 量，由于各种偶然因素，会出现测量值时而 偏大，时而偏小的误差现象，这种类型的误 差叫做偶然误差。
产生偶然误差的原因很多，例如读数时， 视线的位置不正确，测量点的位置不准确等。 这些因素的影响一般是微小的，而且难以确 定某个因素产生的具体影响的大小，因此偶 然误差难以找出原因加以排除。
例题2-7：求这组试件的a 强度的变异系数以及保 证率为 a 90%时的强度代表值。
算术平均值 R Ri 1033.8 / 30 34.5MPa n
标准差 S (Ri R)2 2.91MPa
n 1
变异系数
Cv
S R
2.91/ 34.5 8.4%
试验检测数据分析与处理
图表类型选择与设计
柱状图
用于比较不同类别之间的数据 ，适合展示定类和定量的数据
。
折线图
用于展示时间序列数据的变化 趋势，适合展示连续型数据。
饼图
用于展示各部分在整体中所占 的比例，适合展示定类和定量 的数据。
散点图
用于展示两个变量之间的关系 ，适合展示定量和定量数据。
间接测量法
02
03
长期观察法
根据相关参数和公式推导出所需 数据，需确保参数和公式准确性 。
对试验对象进行长期跟踪观察， 记录数据，适用于需要长时间观 察的试验。
数据整理的流程与规范
数据筛选
剔除异常值、错误值和重复值，确保数据质量 。
数据分类
将数据按照一定标准进行分类，便于后续分析 处理。
数据编码
将非数值数据转换为数值型数据，便于计算机处理。
数据可视化工具与技术
Excel
Excel是一款常用的电子表格软件 ，具有数据可视化功能，可以生 成各种图表，如柱状图、折线图 、饼图等。
Tableau
Tableau是一款数据可视化工具， 可以通过简单的拖放操作快速生 成图表，同时支持数据实时更新 和交互式分析。
Python
Python是一门强大的编程语言， 通过其数据可视化库如 Matplotlib、Seaborn等，可以 实现复杂的数据可视化效果。
类型
根据数据的性质和用途，试验检测数 据可以分为定量数据和定性数据，离 散数据和连续数据等。
试验检测数据的重要性
科学研究的基石
试验检测数据是科学研究的基础，通过 对数据的分析，可以揭示事物的内在规
律和联系。
质量控制的依据
在质量控制中，试验检测数据是评估 产品质量的重要依据，能够反映产品
项目二试验检测数据处理
A
B
C
方案一、直方图法
方案二、控制图法
方案三、相关图法
方案一、直方图法
频数的统计方法的两种：一是以单个数值进行统计，即某个数据重复出现的次数就是它的频数；二是按区间数值进行统计，即是在已收集的数据中按照一定划分范围把整个数值分成若区间，按每个区间内数值重复出现的次数作为这个区间的频数。在质量控制中，一般多采用第二种方法，也就是按区间进行频数统计。
有效数字位数
三位
三、质量数据的修约规则
拟舍去的数字中，其最左面的第一位数字等于5，而后面的数字并非全部为0时，则进1，即所留下的末位数字加l。
拟舍去的数字中，其最左面的第一位数字小于5时，则舍去，留下的数字不变。
拟舍去的数字中，其最左面的第一位数字大于5时，则进1，即所留下的末位数字加1。
0
情境四、数据的统计特征与分布
二 数据的分布特征
一 数据的统计特征
一、数据的统计特征
统计数据的规律性
统计数据的差异性
算术平均值
中位数
变异系数
标准偏差
极差
工程质量数据的统计特征量
一、算术平均值
二、中位数
（n为奇数）
（n为偶数）
三、极差
四、标准偏差五ຫໍສະໝຸດ 变异系数二、数据的分布特征
1、正态分布 正态分布是应用最多、最广泛的一种概率分布，而且是其他概率分布的基础。
Y ＝ a+ bX
根据这个条件可以求得：
1
2
3
任何两个变量x、y的若干组试验数据，都可以按上述方法配置一条回归直线，假如两变量x、y之间根本不存在线性关系，那么所建立的回归方程就毫无实际意义。因此，需要引入一个数量指标来衡量其相关程度，这个指标就是相关系数，用r表示：
2试验检测数据处理
试验检测数据处理一、抽样检验1、总体与样本总体：又称母本，是统计分析中所要研究对象的全体。
组成总体的每个单元称为个体。
从总体中抽取一部分个体就是样本（子样）。
组成样本的每一个个体，即为样品。
2、抽样检验的意义全数检验的应用场合很少，大多数情况下采取抽样检验，因为：无破损检验仪器种类少，性能难以稳定，而破坏性检验不可能对全部产品都作检验。
当检验对象是连续物体或粉块混合物时，在一般情况下不可能对全部物品的质量特性进行检验。
产品量大、金额高、检验项目多的场合，采用全数检验实际上做不到。
3、抽样检验的条件（1）要明确批的划分同批产品在原材料、工艺条件、生产时间等方面具备基本相同的条件。
（2）必须抽取能代表批的样本单纯随机抽样；分层抽样；当批量或工序被划分为若干层时，可从所有分层中按一定比例取样。
两级抽样；系统抽样（等距）。
（3）要明确检验标准（4）要有统一的检测试验方法二、数据的修约规则1、质量数据可分为：计量值数据，计数值数据。
计量值数据：长度、厚度、强度、化学成分等，可以连续取值的数据。
一般带有小数。
计数值数据：不连续的数据，如整数0、1、2、……如合格（不合格）次数、点数等。
两种表示法。
一种是直接用计数出来的次数来表示，称Pn数据；另一种是把它们与总次数相比，用百分数表示，称为P数据。
2、质量数据的修约规则口诀：四舍六入五考虑，五后非零则进一，五后为零视奇偶，奇升偶舍要注意，修约一次要到位。
例：18.2432——18.2； 26.4843——26.5；15.0501——15.1；15.05——15.0；15.15——15.2；15.25——15.2；15.4546——15.455——15.46——15.5——16三、数据的统计特征与分布质量数据的统计量分为两类：一类表示统计数据的差异性，即工程质量的波动性，主要有极差、标准偏差、变异系数等；另一类是表示统计数据的规律性，主要有算术平均值、中位数、加权平均值等。
试验检测数据的处理
2、乘、除运算 在进行乘除运算时，以有效数字位数最少的那个 数为准，其余数的有效数字均比它多保留一位。运 算结果（积或商）的有效数字位数，应与参与运算 的数中有效数字位数最少的那个数相同。若计算结 果尚需参与下一步运算，则有效数字可多取一位。 [例]150.6㎜，151.12㎜，150.623㎜相乘，其中有 效位数最少的数字是四位，所以演算时应保留五位 ，按下式相乘，得 150.6×151.12×150.62＝3427911.177㎜3 计算结果保留五位有效位数，应取3.4279×106㎜3 。
二、数据的统计特征与分布
数据是质量控制的基础，质量管理的一条原则是： 一切用数据说话。质量数据的统计分析就是将收集 的工程质量数据进行整理，经过统计分析，找出规 律，发现存在的质量问题，进一步分析影响质量的 原因，以便采取相应的对策与措施，使工程质量处 于受控状态。
质量数据的特征值具有二重性，即数据的波动 性与统计规律性。正常的条件下，质量数据在 平均值附近波动，一般呈现正态分布。
统计推断就是运用质量统计方法在生产过程中 （工序活动中）或一批产品中，通过对样本的 检测和整理，从中获得样本质量数据信息，以 概率论和数理统计原理为基础，对总体的质量 状况作出分析和判断。
1．质量数据的分类 根据质量数据的特点，可以将其分为计量值数
据和计数值数据。
2．质量数据的收集
1）全数检验
统计分析方法
数理统计方法直接在现场施工过程工序质量
检验中的应用，受到客观条件的某些限制，但在进
场材料的抽样检验、试块试件的检测试验等方面，
仍然有广泛的应用。尤其是人们应用数理统计原理
创立的分层法、因果分析法、直方图法、排列图法、
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
（一）拉依达法
1、原理： Xi X 3S
设 x1,x2, ,xn
（使得不等式成立的数据为可疑数据）
2、特点：
（1）优点：拉依达法简单方便，不需查表；
（2）缺点：要求较宽，当试验检测次数较多或要求 不高时可以应用，当试验检测次数较少时（如n＜ 10 ），在一组测量值中即使混有异常值，也无法 舍弃。
（二）肖络纳特法 1、原理： Xi X k nS 2、特点： （1）优点：比拉依达法严格； （2）缺点：当n→∞，kn→∞，不等式不 成立，无法找出异常值；另外，系数kn与 置信水平之间无明确联系。
6
（三）格拉布斯法 1、原理： Xi X g0 ( , n) S 2、特点：优于前两种方法
变异系数用Cv表示,标准偏差S与算术平均值的比值即：
CV
S X
可疑数据的剔除
在一组条件完全相同的重复试验中，个别的测 量值可能会出现异常。如测量值过大或过小，这 些过大或过小的测量数据是不正常的，或称为可 疑的。对于这些可疑数据应该用数理统计的方法 判别其真伪并决定取舍。常用的方法有： 拉依达 （PaＮTa）法 肖维纳特〔chauxenet〕法 格拉布斯（Grubbs）法
X
2
2、标准差（标准偏差、均方差）—衡量样本数据
波动性（离散程度）的指标,在质量检验中，总体的标准偏
差σ一般不易求得。样本的标准偏差S 按下式计算：
n
2
Xi X
S i1
n 1
3、变异系数—标准差反映样本数据的绝对波动状况，当测
量较大的量值时，绝对误差一般较大；而测量较小的量值时， 绝对误差一般较小，因此，用相对波动的大小，即变异系数 更能反映样本数据的波动性。
8
公路路基路面现场测试规程
学习交流会 刘树堂
山东大学齐鲁交通学院 教授/博士
2020 06 05
1
1、算术平均值 总体平均值：µ 样本平均值：
平均值：算术平均值，几何平均值 ，平方平均值（均方根平均值）， 调和平均值，加权平均值等。
X (x1 x2
xn) / n
1 n
n i1
xi
常用样本的算术平均值估计总体平均值（点估计）：