粗大误差的检验与坏值的剔除

合集下载

粗大误差的检验与坏值的剔除

粗大误差的检验与坏值的剔除

-K
K
s 2s 2s 3s 3s 正态分布 ( x s , x ) (x , x ) (x , x ) n n n n n n
68.27% 95.45% 99.73% ② 单次测量结果的表示 事前误差分析、以往的同等条件、详尽条件下多次测量的统计结果、 检测器具说明书中给出的误差限 --- 标准偏差的估计值
2.785
2.821 2.854 2.884 2.912 2.939 2.963 2.987 3.009 3.103 3.178 3.240 3.292 3.336
2.6 系统误差
恒值系统误差 变值系统误差 变值系统误差存在与否的检验 系统误差的估计 间接测量中系统误差的传递

恒值系统误差
则:
y y f ( x1 x1, x2 x 2,, xm xm )
式中, y 的随机误差。

xi
为间接测量值和各直接测量值
间接测量中系统误差的传递(续)

由于一般情况下测量值远大于不确定度,故按 台劳级数展开上式,并略去高次项得:
f y i i 1 xi
例:有一组重复测量值(C),Xi (i=1,2,…,16):
39.44 39.27 39.94 39.44 38.91 39.69 39.48 40.56 39.78 39.35 39.68 39.71 39.46 40.12 39.39 39.76 试分别用依拉达准则和格拉布斯准则检验粗大误差和剔除坏值。
1.155
1.492 1.749 1.944 2.097 2.221 2.323 2.410 2.485 2.550 2.607 2.659 2.705 2.747
17

粗大误差的检验与坏值的剔除课件

粗大误差的检验与坏值的剔除课件
特点
粗大误差通常表现为离群孤立的 值,与周围的测量值存在明显的 差异。
粗大误差产生的原因
人为因素
如操作失误、读数错误、记录错 误等。
设备故障
如传感器失灵、外表显示特殊等。
环境干扰
如电磁干扰、振动、温度突变等。
粗大误差对数据的影响
01
02
03
歪曲数据真实情况
粗大误差会使得数据出现 特殊波动,从而影响对数 据真实情况的准确判断。
影响数据分析结果
在进行数据分析和处理时 ,粗大误差会导致计算结 果出现偏差,进而影响最 终的分析结论。
降低数据可信度
存在粗大误差的数据会导 致人们对数据的信任度降 低,从而影响数据的进一 步应用。
02
CATALOGUE
粗大误差的检验方法
格拉布斯准则
总结词
基于正态散布的统计检验方法,通过计算格拉布斯统计量,对观测值进行检验 。
03
CATALOGUE
坏值的剔除方法
直观判断法
直接视察
通过直接视察数据,可以发现一些明显的特殊值。例如,一个数据点明显高于或 低于其他数据点,或者与整体趋势不符。
统计检验法
基于统计原理
通过使用统计检验方法,如z分数、IQR等,可以确定哪些数据点是特殊值或坏值。这种方法基于概率散布,能够更科学地剔 除坏值。
案例二:模拟数据中的粗大误差检验与剔除
总结词:模拟实验
详细描述:模拟数据为研究者提供了一个可控制的环境, 用于测试和比较不同粗大误差检验方法的性能。通过模拟 具有不同散布和特性的数据集,可以评估各种方法的准确 性和可靠性,从而选择最合适特定数据集的方法。
案例三:多元数据中的粗大误差检验与剔除
总结词

1.2.3 粗大误差判别

1.2.3 粗大误差判别
2
1.2.3 粗大误差判别
肖维勒准则:假设多次重复测量所得n个测量 值中, 某个测量值的残余误差|vi|>Zcσ,则剔 除此数据。实用中Zc<3, 所以在一定程度上弥 补了3σ准则的不足。
3
1.2.3 粗大误差判别
格拉布斯准则:某个测量值的残余误差的绝对值|vi| >Gσ, 则判断此值中含有粗大误差,据中某个测量值的残余误差的绝对值v则该测量值为可疑值坏值应剔除
1.2.3 粗大误差判别
1. 3σ准则 2. 肖维勒准则 3. 格拉布斯准则
1
1.2.3 粗大误差判别
3σ准则(莱以达准则):如果一组测量数据中某个 测量值的残余误差的绝对值|vi|>3σ时, 则该测量值 为可疑值(坏值), 应剔除。最常用,应用于测量次 数充分多的情况。
4

实验室误差分析大全

实验室误差分析大全

第一局部误差理论简介在日常检测工作中,我们虽然有最好的检验方法、有检定合格的仪器设备、有满足检验要求的环境条件和熟悉检验工作的操作人员,但是,得到的检验结果却往往不可能是绝对准确的,即使是同一检测人员对同一检测样品、对同一工程的检测,其结果也不会完全一样,总会产生这样或那样的差异,也就是说,任何物理量的测定,都不可能是绝对准确的,在测得值与真实值之间总是或多或少的存在着差异,这就是误差。

误差是客观存在的,用它可以衡量检测结果的准确度,误差越小,检测结果的准确度越高。

一、术语和定义1准确度准确度指,检测结果与真实值之间相符合的程度。

(检测结果与真实值之间差异越小,那么分析检验结果的准确度越高)2 精细度精细度指,在重复检测中,各次检测结果之间彼此的符合程度。

(各次检测结果之间越接近,那么说明分析检测结果的精细度越高)3 重复性重复性指,在一样测量条件下,对同一被测量进展连续、屡次测量所得结果之间的一致性。

重复性条件包括:一样的测量程序、一样的测量者、一样的条件下,使用一样的测量仪器设备,在短时间进展的重复性测量。

4 再现性(复现性)在改变测量条件下,同一被测量的测定结果之间的一致性。

改变条件包括:测量原理、测量方法、测量人、参考测量标准、测量地点、测量条件以及测量时间等。

如,实验室资质认定现场操作考核的方法之一:样品复测即是样品再现性(复现性)的一种考核、样品复测包括对盲样(即标准样品)的检测,也可以是对检验过的样品、在有效期的再检测。

或是原检测人员或是重新再安排检测人员。

※通常再现性或复现性好,意味着精细度高。

精细度是保证准确度的先决条件,没有良好的精细度就不可能有高的的准确度,但精细度高准确度不一定高;反之,准确度高,精细度必然好。

二、误差的种类、来源和消除根据误差的来源和性质,误差可以分为以下几种:1 系统误差(又称规律误差)1.1系统误差的定义※系统误差是指,在偏离检测条件下,按某个规律变化的误差。

剔除异常值的方法

剔除异常值的方法

1.拉依达准则法(3δ):简单,无需查表。

测量次数较多或要求不高时用。

是最常用的异常值判定与剔除准则。

但当测量次数《=10次时,该准则失效。

如果实验数据值的总体x是服从正态分布的,则式中,μ与σ分别表示正态总体的数学期望和标准差。

此时,在实验数据值中出现大于μ+3σ或小于μ—3σ数据值的概率是很小的。

因此,根据上式对于大于μ+3σ或小于μ—3σ的实验数据值作为异常值,予以剔除。

在这种情况下,异常值是指一组测定值中与平均值的偏差超过两倍标准差的测定值。

与平均值的偏差超过三倍标准差的测定值,称为高度异常的异常值。

在处理数据时,应剔除高度异常的异常值。

异常值是否剔除,视具体情况而定。

在统计检验时,指定为检出异常值的显著性水平α=0.05,称为检出水平;指定为检出高度异常的异常值的显著性水平α=0.01,称为舍弃水平,又称剔除水平(reject level)。

标准化数值(Z-score)可用来帮助识别异常值。

Z分数标准化后的数据服从正态分布。

因此,应用Z分数可识别异常值。

我们建议将Z分数低于-3或高于3的数据看成是异常值。

这些数据的准确性要复查,以决定它是否属于该数据集。

2.肖维勒准则法(Chauvenet):经典方法,改善了拉依达准则,过去应用较多,但它没有固定的概率意义,特别是当测量数据值n无穷大时失效。

3.狄克逊准则法(Dixon):对数据值中只存在一个异常值时,效果良好。

担当异常值不止一个且出现在同侧时,检验效果不好。

尤其同侧的异常值较接近时效果更差,易遭受到屏蔽效应。

4.罗马诺夫斯基(t检验)准则法:计算较为复杂。

5.格拉布斯准则法(Grubbs):和狄克逊法均给出了严格的结果,但存在狄克逊法同样的缺陷。

朱宏等人采用数据值的中位数取代平均值,改进得到了更为稳健的处理方法。

有效消除了同侧异常值的屏蔽效应。

国际上常推荐采用格拉布斯准则法。

这些方法,都有各自的特点,例如,拉依达准则不能检验样本量较小(显著性水平为0.1时,n必须大于10)的情况,格拉布斯准则则可以检验较少的数据。

粗大误差判断准则

粗大误差判断准则

粗大误差判断准则摘要: 当在测量数据中发现某个数据可能是异常数据时,一般不要不加分析就轻易将该数据直接从测量记录中删除,最好能分析出该数据出现的主客观原因。

判断粗大误差可从定性分析和定量判断两方面来考虑。

定性分析就是对测量环境、测量条...当在测量数据中发现某个数据可能是异常数据时,一般不要不加分析就轻易将该数据直接从测量记录中删除,最好能分析出该数据出现的主客观原因。

判断粗大误差可从定性分析和定量判断两方面来考虑。

定性分析就是对测量环境、测量条件、测量设备、测量步骤进行分析,看是否有某种外部条件或测量设备本身存在突变而瞬时破坏;测量操作是否有差错或等精度测量过程中是否存在其他可能引发粗大误差的因素;也可由同一操作者或另换有经验操作者再次重复进行前面的(等精度)测量,然后再将两组测量数据进行分析比较,或再与由不同测量仪器在同等条件下获得的结果进行对比,以分析该异常数据出现是否“异常”,进而判定该数据是否为粗大误差。

这种判断属于定性判断,无严格的规则,应细致和谨慎地实施。

定量判断,就是以统计学原理和误差理论等相关专业知识为依据,对测量数据中的异常值的“异常程度”进行定量计算,以确定该异常值是否为应剔除的坏值。

这里所谓的定量计算是相对上面的定性分析而言,它是建立在等精度测量符合一定的分布规律和置信概率基础上的,因此并不是绝对的。

下面介绍两种工程上常用的粗大误差判断准则。

1.拉伊达准则拉伊达准则是依据对于服从正态分布的等精度测量,其某次测量误差|Xi -X0|大于3σ的可能性仅为0.27%。

因此,把测量误差大于标准误差σ(或其估计值)的3 倍的测量值作为测量坏值予以舍弃。

由于等精度测量次数不可能无限多,因此,工程上实际应用的拉伊达准则表达式为(1)式中,Xk 为被疑为坏值的异常测量值;为包括此异常测量值在内的所有测量值的算术平均值;为包括此异常测量值在内的所有测量值的标准误差估计值;KL(=3)为拉伊达准则的鉴别值。

关于岩土工程安全监测数据中粗大误差的处理(精)

关于岩土工程安全监测数据中粗大误差的处理(精)

关于岩土工程安全监测数据中粗大误差的处理摘要:随着岩土工程监测技术的不断发展,监测设备日趋多样,监测手段和方法日益完善,监测数据的数量也与日俱增。

这些数据在不同程度上受到各种内外因素的干扰,包含着粗大误差。

这种误差破坏了监测数据的真实性并在一定程度上对监测数据的可靠性造成影响,进而可能导致完全错误的数据分析和安全性评价,酿成不良后果。

因此,对监测数据进行有效的误差分析成为数据处理的首要环节,也是对监测对象进行安全性评价的基础。

总结了岩土工程监测数据中粗大误差的来源、处理方法的研究现状,提出了几种简单实用的误差处理方法,并对各种方法进行了比较,最后通过工程实例加以分析。

关键词:岩土工程,监测,粗大误差1.粗大误差及其来源粗大误差是由于某种不正确因素导致的与事实明显不符,明显超出规定条件的误差,通常属于测量错误,应予以剔除。

粗大误差的来源可由环境因素和主观因素构成。

1.1 环境因素环境因素可分为天气因素和施工因素。

天气因素是指测量环境的温度、湿度的变化。

环境造成测量误差的主要原因使测量装置包括标准器具、仪器仪表、测量附件和被测量的对象随着温度湿度的变化而变化。

这部分变化并不反映工程体本身应力或应变的变化。

例如锚杆应力计的钢筋,在高温环境中会伸长,在低温环境中会缩短。

这样就导致了测量出来的位移变化不能反映实际被测物体的位移变化情况。

温度变化对岩土工程的测量造成的影响是不能忽略的,一般的岩土工程测量仪器都具有温度补偿功能,可以记录温度并通过计算在最终结果中扣除这部分影响。

施工因素是指由于不相干的放炮、开挖、钻孔、夯击等引起的震动,它会使监测仪器记录的数据值发生突跳,这种突跳属于仪器受到干扰后的一种短期变化,并不反映工程体本身的应力或应变状况。

例如在钻爆法施工中由于施炮使已埋设的多点位移计受到震动,使放炮当天记录到的位移值发生突跳,该突跳值并不反映工程体变形的实际情况,应予以剔除。

1.2 主观因素主观因素又可细分为测量方法因素和人员因素。

粗大误差四种判别准则的比较

粗大误差四种判别准则的比较

粗大误差四种判别准则的比较粗大误差是指在测量过程中,偶尔产生的某些不应有的反常因素造成的测量数值超出正常测量误差范围的小概率误差。

含有粗大误差的数据会干扰对实验结果的分析,甚至歪曲实验结果。

若不按统计的原理剔除异常值,而把一些包含较大正常误差但不属于异常值的数据舍弃或保留一些包含较小粗大误差的异常值,就会错估了仪器的精确等级。

因此,系统检验测量数据是否含有粗大误差是保证原始数据的可靠及其有关计算的准确的前提。

排除异常数据有四种较常用的准则,分别是拉伊达准则、格拉布斯准则、肖维勒准则和狄克逊准则。

每种判别准则都有其处理方法,导致用不同准则对异常值判别的结果有时会不一致。

目前异常值的剔除还没有统一的准则,本文综合判别粗大误差四种方法的特点,系统归纳各种准则的应用,以便更好地发现和判别含有粗大误差的数据。

1.四种判别粗大误差准则的特点1.1拉伊达准则拉伊达准则[4]是以三倍测量列的标准偏差为极限取舍标准,其给定的置信概率为99.73%,该准则适用于测量次数n>10或预先经大量重复测量已统计出其标准误差σ的情况。

Xi为服从正态分布的等精度测量值,可先求得它们的算术平均值X、残差vi和标准偏差σ。

若|Xi- X|>3σ,则可疑值Xi含有粗大误差,应舍弃;若|Xi- X|≤3σ,则可疑值Xi为正常值,应保留。

把可疑值舍弃后再重新算出除去这个值的其他测量值的平均值和标准偏差,然后继续使用判别依据判断,依此类推。

1.2格拉布斯准则格拉布斯准则适用于测量次数较少的情况(n<100),通常取置信概率为95%,对样本中仅混入一个异常值的情况判别效率最高。

其判别方法如下:先将呈正态分布的等精度多次测量的样本按从小到大排列,统计临界系数G(a,n)的值为G0, 然后分别计算出G1、Gn:G1=( X-X1)/σ,Gn=(Xn- X)/σ (1)若G1≥Gn且G1>G0,则X1应予以剔除;若Gn≥G1且Gn>G0,则Xn应予以剔除;若G1<G0且Gn<G0,则不存在“坏值”。

粗大误差

粗大误差
中右方) 。 3σ’=3×0.016=0.048
所有 14 个|Vi’|值均小于 3σ’ ,故无再需剔除的坏值。 表 4-4 测量顺序 测 得 值 例 4-1 数据表 (℃) 按 15 个数据计算 按 14 个数据计算
ti
vi = t - t
i
15
vi 2 10 6
vi ' = ti - t14
所有|V i’|值均小于 Z cσ’ ,故已无坏值。 (3)按格拉布斯准则 以 n=15 取置信概率 P ɑ=0.99,查表 4-2 得 G 值为 2.70。
Gσ=2.7×0.033=0.09<|V8|
故 t8 应剔除,再按 n=14,β=0.99 查表 4-2,得 G 值为 2.66。
Gσ’=2.66×0.016=0.04
再取一个 x ' j 值继续判断,直到数据不含粗大误差为止。 表 4-3 t 检验准则中的系数 k 值 ɑ n 4 5 6 7 8 9 10 11 12 ɑ 0.05 4.97 3.56 3.04 2.78 2.62 2.51 2.43 2.37 2.33 0.01 11.46 6.53 5.04 4.36 3.96 3.71 3.54 3.41 3.31 n 13 14 15 16 17 18 19 20 21 0.05 2.29 2.26 2.24 2.22 2.20 2.18 2.17 2.16 2.15 0.01 3.23 3.17 3.12 3.08 3.04 3.01 3.00 2.95 2.93 n 22 23 24 25 26 27 28 29 30 ɑ 0.05 2.14 2.13 2.12 2.11 2.10 2.10 2.09 2.09 2.08 0.01 2.91 2.90 2.88 2.86 2.85 2.84 2.83 2.82 2.81

实验误差分析大全

实验误差分析大全

实验误差分析大全测量值跟真实值之间的差异叫做误差。

任何测量结果都不可能绝对准确,误差是客观存在的,但用它可以衡量我们检测结果的准确度,误差越小,则检测结果的准确度越高。

同时,通过实验误差的分析,还能对日常检测工作进行质量控制。

一、误差常见术语及定义1准确度准确度指检测结果与真实值之间相符合的程度。

(检测结果与真实值之间差别越小,则分析检验结果的准确度越高)。

2.精密度精密度指在重复检测中,各次检测结果之间彼此的符合程度(各次检测结果之间越接近,则说明分析检测结果的精密度越高)。

3.有效数字我们把通过直读获得的准确数字叫做可靠数字;把通过估读得到的那部分数字叫做存疑数字。

把测量结果中能够反映被测量大小的带有一位存疑数字的全部数字叫有效数字。

有效数字指,保留末一位不准确数字,其余数字均为准确数字。

有效数字的最后一位数值是可疑值。

举例1:0.2014为四位有效数字,最末一位数值4是可疑值,而不是有效数值。

举例2:1g、1OOOg其所表明的量值虽然都是1,但其准确度是不同的,其分别表示为准确到整数位、准确到小数点后第三位数值。

因此有效数值不但表明了数值的大小,同时反映了测量结果的准确度。

4.重复性重复性指在相同测量条件下,对同一被测量进行连续、多次测量所得结果之间的一致性。

重复性条件包括:相同的测量程序、相同的测量者、相同的条件下,使用相同的测量仪器设备,在短时间内进行的重复性测量。

5.再现性(复现性)在改变测量条件下,同一被测量的测定结果之间的一致性。

改变条件包括:测量原理、测量方法、测量人、参考测量标准、测量地点、测量条件以及测量时间等。

注意:通常再现性好,意味着精密度高。

精密度是保证准确度的先决条件,没有良好的精密度就不可能有高的的准确度,但精密度高准确度不一定高;反之,准确度高,精密度必然好。

二、误差的种类、来源和消除1系统误差定义:在相同条件下,多次测量同一量时,误差的绝对值和符号保持恒定或遵循一定规律变化的误差。

粗大误差判断准则

粗大误差判断准则

粗大误差判断准则
摘要: 当在测量数据中发现某个数据可能是异常数据时,一般不要不加分析就轻易将该数据直接从测量记录中删除,最好能分析出该数据出现的主客观原因。

判断粗大误差可从定性分析和定量判断两方面来考虑。

定性分析就是对测量环境、测量条...
当在测量数据中发现某个数据可能是异常数据时,一般不要不加分析就轻易将该数据直接从测量记录中删除,最好能分析出该数据出现的主客观原因。

判断粗大误差可从定性分析和定量判断两方面来考虑。

定性分析就是对测量环境、测量条件、测量设备、测量步骤进行分析,看是否有某种外部条件或测量设备本身存在突变而瞬时破坏;测量操作是否有差错或等精度测量过程中是否存在其他可能引发粗大误差的因素;也可由同一操作者或另换有经验操作者再次重复进行前面的(等精度)测量,然后再将两组测量数据进行分析比较,或再与由不同测量仪器在同等条件下获得的结果进行对比,以分析该异常数据出现是否“异常”,进而判定该数据是否为粗大误差。

这种判断属于定性判断,无严格的规则,应细致和谨慎地实施。

定量判断,就是以统计学原理和误差理论等相关专业知识为依据,对测量数据中的异常值的“异常程度”进行定量计算,以确定该异常值是否为应剔除的坏值。

这里所谓的定量计算是相对上面的定性分析而言,它是建立在等精。

笔记五、粗大误差的处理方法

笔记五、粗大误差的处理方法

当测量列中,有 2 个以上的测量值含有粗大误差时,判别时,应该 先剔除含有最大误差的测得值,然后再重新计算测量列中的算术平 均值、 标准差; 然后再对余下的测得值进行判别, 直至所有测得值都 不含粗大误差为止。
r0 (n, ) ;
判断最大值 x( n ) :计算极差比 rij ,若 rij r0 (n, ) ,则该值含 有粗大误差,应剔除;否则保留。 判断最小值 x(1) :计算极差比 rij ,若 rij r0 (n, ) ,则该值含 有粗大误差,应剔除;否则保留。 剔除完数据后,再重新排序计算最大值、最小值极差,查表 得临界统计量 r0 (n ' , ) (注意:次数发生了变化) ,重复上述判 断方法,直至最大、最小值不含有粗大误差为止。 参数选择: ①测量次数 n 7 ,使用 r10 判断; 8 n 10 ,使用 r11 判断; 测量次数 11 n 13 ,使用 r21 判断; n 14 ,使用 r22 判断;
x(1) x
所以应该先怀疑 x(1) : g(1)


20.404 20.30 3.15 0.033
选取显著度 0.05 ,查表得 g(0) (15,0.05) 故此测量值含有粗大误差, 应该 g(1) 3.15 g(0) (15,0.05) 2.41 , 剔除。 剔除后再重新计算平均值、标准差: x 20.411 , ' 0.016 计算 g( n )
x1 , x2 ,..., xn
计算平均值、残余差、标准差:
x
1 v2 x , vi =xi x , = n 1 n
将测量值 xi (i=1,2,3…n)按照从小到大进行排序,找到最小值
x(1) 和最大值 x(n)

粗大误差的消除方法

粗大误差的消除方法

粗大误差的消除方法
粗大误差是指在实验中因为人为因素或者设备故障等因素导致的异常数据,这些数据
与实验数据并不符合,所以需要对它们进行消除。

消除粗大误差的方法有以下几种:
1. 基于经验的方法。

这种方法是根据实际数据的特点,运用经验法则定出一个范围,超出这个范围的数据就认为是粗大误差。

这种方法比较简单,但是很容易出现误判。

2. 基于统计的方法。

这种方法是通过对实验数据进行统计学分析,如均值、标准差、均方差等,然后依照Z检验法则进行判断,超出一定范围的数据就认为是粗大误差。

这种
方法比较精准,但是需要比较强的统计学知识和技能。

3. 极差法。

这种方法是根据数据组的最大和最小值的差距来判断粗大误差。

具体操
作是计算数据组的极差,如果某个数据超出了这个极差的某个倍数,则认为是粗大误差。

这种方法简单易行,但是容易受到极端数据的影响。

4. 箱线图法。

这种方法是根据箱线图的原理来判断粗大误差。

箱线图可以同时显示
数据的分布情况,如中位数、上下四分位数、最大最小值等。

根据箱线图的原理,只需要
将超出箱线图范围的数据判定为粗大误差即可。

这种方法比较直观,但是需要一定的统计
知识和操作技能。

总之,消除粗大误差需要根据实际情况选取适合的方法,同时需要充分考虑人为因素、统计学知识和实验操作技能等因素,以保证消除粗大误差的准确性和可靠性。

在大学物理实验中应用格罗布斯准则判定粗大误差

在大学物理实验中应用格罗布斯准则判定粗大误差
产 生 的 误 差 。 么 , 于 由直 接 测 量 而 得 到 的一 组 数 据 , 那 对
应该根据什么准则去检验所取得的测量数据 中有无个别 坏数据需要加 以剔除呢?毕竟 ,在舍弃坏数据时决不允
许单凭试验者 的主观臆断 ,为了凑得所谓 的好数据而任
意 舍 去 主 观 上认 为 不 好 的 数 据 。 因 为在 物 理 学 的 发展 史 中 ,有 不 少重 大 的发 现 就 是 在 研究 测 量 结 果 的离散 程 度 超 出随 机 误差 服 从 的分 布 规律 时获 得 的 。例 如 ,瑞 利 于
的实 验 技 能 和判 断 能 力 等 因 素 的影 响 ,使 得 测 量值 与 真
格罗布斯准则 :对测量列 按其残差大小排成一列 , 同时构造 了一个统计量 ,通过查表求得 ,若在一定 的显 著水平上 ,统计量大于对应的表值 ,则认为此 值值得怀
疑 。。 ’
在实际测 量进行多次等精 度独立测量 ,若在其测量 结果 中,某次测得值 x 的剩余误差 V 满 足下式 :
表 i G (-,)值 表 1 n p
O. 05 3 4 1I3 .5 146 . 3 l 5 1 6 o| O5 24 0 9 2. 3 44
表2
偏 差 lj , 测量次数 n
l 2 3
4 5 6 7 8
阻 值 RKQ /
有关 ,还与置信概率相联 系 ,因而是一个 比较好 的判断
准则。
测量结果 ,反 而注意到它的存在 ,并 以此为契机 ,发现
了一种新元素氩 。在大学物理实验 中一般应用格罗布斯 准则判定粗大误差 。
l8 00 .l 作者 简介 :董海鹏 ( 9 1 ) 17 一 ,男,河南滑县人 ,河南城 建学院讲师 ,硕士,研 究方 向:学科教学。

上节回顾--测量误差的分析与处理-3

上节回顾--测量误差的分析与处理-3

2.利用判据来判定变值系统误差的存在
判据1 判据2
在判定一个测量列中是否会有变值系统误差时,联合运用上述 准则和判据
3. 利用数据比较判定任意两组数据间系统误差的存在
5
2.8 误差的综合
(一)随机误差的综合


i 1
k
2 i

i2 ቤተ መጻሕፍቲ ባይዱ
i 1
k
(二)系统误差的综合
1.
已定系统误差的综合
E Ei
i 1 l
2. 未定系统误差的综合
e ei
i 1 m
(三)误差合成定律
综合误差=已定系统误差±(未知系统误差+随机误差)
6
二、系统误差处理的一般原则
1.在测量之前,应该尽可能预见到产生系统误差的 来源,设法消除之。或者使其影响减少到可以接收 的程度。 2.在实际测量时,尽可能地采用有效的测量方法, 消除或减弱系统误差对测量结果的影响。
(1)对置法:消除恒值系统误差常用的方法。 (2)对称观测法:消除线性变化的累进系统误差最有效的 方法。 (3)半周期偶数观测法:可以很好地消除周期性变化的系 统误差。
3
3.在测量之后,通过对测定值进行数据处 理,检查是否存在尚未被注意到的变值系统误 差。 4.最后,要设法估计出未被消除而残留下 来的系统误差对最终测量结果的影响。
4
三、系统误差存在与否的检验
1.根据测定值残差的变化判定变值系统误差的存在
准则Ⅰ:将测量列中诸测定值按测量的先后顺序排定,若残差 的大小有规律地向一个方向变化,由正到负或者相反,则测量 列中会有累进的系统误差。 准则Ⅱ:将测量列中诸测定值按测量的先后顺序排定,若残差 的符号呈有规律的交替变化,则测量列中含有周期性的系统误 差。
  1. 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. 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. 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)。

系统误差的估计
1在用物理方法求得系统误差的修正值,并对 在用物理方法求得系统误差的修正值, 测量值进行修正后, 测量值进行修正后,测量结果中就不再含有该 项系统误差。 项系统误差。 2未定系统误差的变化规律难以掌握,要确定 未定系统误差的变化规律难以掌握, 引起该误差原因要花过多代价, 引起该误差原因要花过多代价,所以只能以某 种依据为基础来估计其上限值a和下限值b 种依据为基础来估计其上限值a和下限值b,进 而估计其误差的恒值部分θ和系统不确定度e 而估计其误差的恒值部分θ和系统不确定度e。
见吴书P23例 见吴书P23例1-7 例:对某恒温箱温度进行了10次测量, 例:对某恒温箱温度进行了10次测量, 依测量的先后顺序获得如下测量值(C 依测量的先后顺序获得如下测量值(C) 20.06 20.07 20.06 20.08 20.10 20.12 20.14差?
变值系统误差存在与否的检验(续)
2 用马尔科夫准则检验 按测量先后顺序排列测量值, 按测量先后顺序排列测量值,用前一半 测量值残差之和减去后一半测量值残差 之和,若差值显著地异于零, 之和,若差值显著地异于零,则认为测 量列中含有累计的系统误差。实际上, 量列中含有累计的系统误差。实际上, 当测量次数n很大时,只要差值不等于零, 当测量次数n很大时,只要差值不等于零, 一般可认为测量列含有累积系统误差。 一般可认为测量列含有累积系统误差。 但当n不太大时, 但当n不太大时,一般认为只有当差值大 于测量列中的最大残差时, 于测量列中的最大残差时,才能判定为 测量列中含有累积系统误差。 测量列中含有累积系统误差。
变值系统误差存在与否的检验(续)
3用阿贝准则检验 按测量先后顺序排列测量值, 按测量先后顺序排列测量值,求出测量 列标准残差估计值S 列标准残差估计值S,计算统计量
C = ∑ vi vi +1
i =1 =1
n −1

C > n −1 × S
2
则可以认为该测量列中含有周期性系统 误差。 误差。
例题
2.5 粗大误差的检验与坏值的剔除
对于在同一条件下, 对于在同一条件下,多次测量同一被测量 时所得的一组测量值, 时所得的一组测量值,可用多种统计检验 法来判断是否存在粗大误差。 法来判断是否存在粗大误差。 一、拉依达准则 对于大量的重复测量值, 对于大量的重复测量值,如果其中某一 测量值残差的绝对值大于该测量列的标 准偏差的3 准偏差的3倍,那么可以认为该测量值存 在粗大误差,即 在粗大误差,
格拉布斯准则临界值T(n,a)表 , 表 格拉布斯准则临界值
0.05 3 4 5 6 7 8 9 10 11 12 13 14 15 16 1.153 1.463 1.672 1.822 1.938 2.032 2.110 2.176 2.234 2.285 2.331 2.371 2.409 2.443 0.01 1.155 1.492 1.749 1.944 2.097 2.221 2.323 2.410 2.485 2.550 2.607 2.659 2.705 2.747 17 18 19 20 21 22 23 24 25 30 35 40 45 50 0.05 2.475 2.504 2.532 2.557 2.580 2.603 2.624 2.644 2.663 2.745 2.811 2.866 2.914 2.956 0.01 2.785 2.821 2.854 2.884 2.912 2.939 2.963 2.987 3.009 3.103 3.178 3.240 3.292 3.336
vi = xi − x > 3σ
_
故又称为3Ơ准则,实际使用时标准误差 可用其估计值 代替。 可用其估计值S代替 故又称为 准则,实际使用时标准误差Ơ可用其估计值 代替。 准则 按上述准则剔除坏值后, 按上述准则剔除坏值后,应重新计算提出坏值后测量列的算术平均 值和标准误差估计值S,再行判断,直至余下测量值中无坏值存在。 值和标准误差估计值 ,再行判断,直至余下测量值中无坏值存在。 准则判断粗大误差的存在, 用3Ơ准则判断粗大误差的存在,虽然方法简单,但它是依据正 准则判断粗大误差的存在 虽然方法简单, 态分布得出的。当子样容量不很大时,由于所取界限太宽, 态分布得出的。当子样容量不很大时,由于所取界限太宽,坏值不 能剔除的可能性较大。特别是当子样容量n<10时,尤其严重,所以 能剔除的可能性较大。特别是当子样容量 时 尤其严重, 目前都推荐使用以t分布为基础的格拉布斯准则。 目前都推荐使用以 分布为基础的格拉布斯准则。 分布为基础的格拉布斯准则 二、格拉布斯准则 将重复测量值按大小顺序重新排列, 将重复测量值按大小顺序重新排列,
x1 ≤ x2 ≤ L ≤ xn
用下式计算首、 用下式计算首、尾测量值的格拉布斯准则数
Ti =
vi S
xi − x = S (i为1或n)
_
然后根据子样容量n和所选取的判断显著性水平 , 然后根据子样容量 和所选取的判断显著性水平a,从下表中查得相 和所选取的判断显著性水平 应的格拉布斯准则临界值T( , )。 )。若 应的格拉布斯准则临界值 (n,a)。若Ti>= T(n,a) ( , ) 则可认为Xi 为坏值,应剔除,注意每次只能剔除一个测量值。 则可认为 为坏值,应剔除,注意每次只能剔除一个测量值。 若T1和Tn都大于或等于 (n,a),则应先剔除两者中较大者,再 和 都大于或等于T( , ),则应先剔除两者中较大者, 都大于或等于 ),则应先剔除两者中较大者 重新计算算术平均值和标准误差估计值S,这时子样容量只有( 重新计算算术平均值和标准误差估计值 ,这时子样容量只有(n1),再行判断,直至余下的测量值中再未发现坏值。 ),再行判断 ),再行判断,直至余下的测量值中再未发现坏值。 显著性水平a一般可取 显著性水平 一般可取0.05或0.01,其含意是按临界值判定为坏值而 一般可取 或 , 其实非坏值的概率,即判断失误的可能性。 其实非坏值的概率,即判断失误的可能性。 例题:见吴书 例题:见吴书P20例1-6 例 例:有一组重复测量值(C), (i=1,2,…,16): 有一组重复测量值( ),Xi ), 39.44 39.27 39.94 39.44 38.91 39.69 39.48 40.56 39.78 39.35 39.68 39.71 39.46 40.12 39.39 39.76 试分别用依拉达准则和格拉布斯准则检验粗大误差和剔除坏值。 试分别用依拉达准则和格拉布斯准则检验粗大误差和剔除坏值。
2.6 系统误差
恒值系统误差 变值系统误差 变值系统误差存在与否的检验 系统误差的估计 间接测量中系统误差的传递
恒值系统误差
恒值系统误差的存在只影响结果的正确 而不影响结果的精密度, 度,而不影响结果的精密度,可用更准 确的测量系统和测量方法相比较来发现 恒值系统误差,并提供修正值。 恒值系统误差,并提供修正值。 采用交换法测量技术对消除恒值系统误 差有一定的作用。例如,用天平称重时, 差有一定的作用。例如,用天平称重时, 交换砝码和被测物的位置, 交换砝码和被测物的位置,取两次称重 的平均值, 的平均值,可消除天平臂长不等引起的 误差。 误差。
y = f ( x1 , x2 , L, xm )
则:
y + ε y = f ( x1 + ε x1 , x2 + ε x 2,L , xm + ε xm )
式中, 式中, ε y 的随机误差。 的随机误差。
ε xi
为间接测量值和各直接测量值
间接测量中系统误差的传递(续)
由于一般情况下测量值远大于不确定度,故按 由于一般情况下测量值远大于不确定度, 台劳级数展开上式,并略去高次项得: 台劳级数展开上式,并略去高次项得:
变值系统误差(续) 变值系统误差(续)
采用适当的测量方法有助于消除或减少变值系统误差 对测量结果的影响。 对测量结果的影响。 1用对称观测法来消除线形变化的累积系统误差的影响。 用对称观测法来消除线形变化的累积系统误差的影响。 如用电位差计测量电阻阻值时, 如用电位差计测量电阻阻值时,为消除电池电压下降 引起的工作电流减小带来的误差, 引起的工作电流减小带来的误差,在相等的时间间隔 上先测标准电阻的电压降,再测被测电阻上的电压降, 上先测标准电阻的电压降,再测被测电阻上的电压降, 最后再测标准电阻上的电压降, 最后再测标准电阻上的电压降,用两次测得的标准电 阻上的电压降的平均值、 阻上的电压降的平均值、被测电阻的电压降和标准电 阻值来计算被测电阻值。 阻值来计算被测电阻值。 2用半周期偶数观测法来消除周期性变化的系统误差, 用半周期偶数观测法来消除周期性变化的系统误差, 当误差变化周期已知时,在测得一数据后, 当误差变化周期已知时,在测得一数据后,时间间隔 半个周期再测一个数据,取两者平均值作为测量结果。 半个周期再测一个数据,取两者平均值作为测量结果。
变值系统误差存在与否的检验
在容量相当大的测量列中,如果存在变值系统误差, 在容量相当大的测量列中,如果存在变值系统误差,那么 测量值的分布将偏离正态分布特性。 测量值的分布将偏离正态分布特性。可借助考察测量 残差的变化情况和利用某些简捷的判据来检验变值系 统误差的存在与否。 统误差的存在与否。 1根据测定值残差的变化检验 将测量值按测量的先后次序排列, 将测量值按测量的先后次序排列,若残差的代数值有 规则地向一个方向变化, 规则地向一个方向变化,则测量列中可能有累积系统 误差;若残差的符号呈规律性地交替变化, 误差;若残差的符号呈规律性地交替变化,则含有周 期性系统误差。 期性系统误差。 注意: 注意:这种方法只有在变值系统误差比随机误差大时 才是有效的。 才是有效的。
θ = ( a + b) / 2
e = ( a − b) / 2
由于估计误差时常带有主观臆断因素, 由于估计误差时常带有主观臆断因素,故这种系统不 确定度虽常作为极限误差, 确定度虽常作为极限误差,但它不像随机不确定度那 样具有明确的置信概率。 样具有明确的置信概率。
相关文档
最新文档