Как найти ошибку эксперимента - Решение и исправление самых разных ошибок на TopOshibok.ru

Статьи
Главная страница

Из графика
видно, что существует вероятность, пусть и очень маленькая, что наше единичное
измерение покажет результат, сколь угодно далеко отстоящий от истинного
значения. Выходом из положения является проведение серии измерений. Если на
разброс данных действительно влияет случай, то в результате нескольких
измерений мы скорее всего получим следующее (рис 2):

Будет ли
рассчитанное среднее значение нескольких измерений совпадать с истинным? Как
правило – нет. Но по теории вероятности, чем больше сделано измерений, тем
ближе найденное среднее значение к истинному. На языке математики это можно
записать так:

Но с бесконечностью у всех дело обстоит неважно. Поэтому на практике мы имеем дело
не со всеми возможными результатами измерений, а с некоторой выборкой из этого
бесконечного множества. Сколько же реально следует делать измерений? Наверное,
до тех пор, пока полученное среднее значение не будет отличаться от истинного
меньше чем точность отдельного измерения.

Следовательно,
когда наше среднее значение (рис. 2) отличается от истинного меньше чем
погрешность измерений, дальнейшее увеличение числа опытов бессмысленно. Однако
на практике мы не знаем истинного значения! Значит, получив среднее по
результатам серии опытов, мы должны определить, какова вероятность того, что
истинное значение находится внутри заданного интервала ошибки. Или каков тот
доверительный интервал, в который с заданной надежностью попадет истинное
значение (рис 3).

Рассмотрим
некоторый условный эксперимент, где в серии измерений получены некоторые
значения величины Х (см. табл. 1). Рассчитаем среднее значение и, чтобы оценить
разброс данных найдем величины DХ = Х –
Х_ср

Таблица 1. Данные измерений и их обработка
№	Х	Х ср	DХ	DХ²	s²	s
1	130	143,5 » 144	-13,5	182,3	420	20,5
2	162	18,5	342,3
3	160	16,5	272,3	*s²_ср*	*s_ср*
4	122	-21,5	462,3	105	10,2

Ясно, что
величины DХ как-то характеризуют
разброс данных. На практике для усредненной характеристики разброса серии измерений используется
дисперсия выборки:

и среднеквадратичное или стандартное отклонение выборки:

Последнее
показывает, что каждое измерение в данной серии (в данной выборке) отличается
от другого в среднем на ± s.

Понятно, что каждое отдельное
значение оказывает влияние на средний результат. Но это влияние тем меньше, чем
больше измерений в нашей выборке. Поэтому дисперсия и стандартное отклонение
среднего значения, будет определяться по формулам:

Можем ли мы теперь определить вероятность того, что
истинное значение попадет в указанный интервал среднего? Или наоборот,
рассчитать тот доверительный интервал в который истинное значение
попадет с заданной вероятностью (95%)? Поскольку кривая на наших графиках это
распределение вероятностей, то площадь под кривой, попадающая в указанный
интервал и будет равна этой вероятности (доля площади, в процентах). А площади
математики научились рассчитывать хорошо, знать бы только уравнение этой
кривой.

И здесь мы сталкиваемся еще с одной сложностью. Кривая, которая описывает распределение
вероятности для выборки, для ограниченного числа измерений, уже не будет кривой нормального
распределения. Ее форма будет зависеть
не только от дисперсии (разброса данных) но и от степени свободы для выборки
(от числа независимых измерений) (рис 4):

Уравнения этих кривых впервые были предложены в 1908
году английским математиком и химиком Госсетом, который опубликовал их под
псевдонимом Student (студент), откуда пошло хорошо известные термины
«коэффициент Стьюдента» и аналогичные. Коэффициенты Стьюдента получены на
основе обсчета этих кривых для разных степеней свободы (f = n-1) и уровней
надежности (Р) и сведены в специальные таблицы. Для получения доверительного интервала необходимо
умножить уже найденное стандартное отклонение среднего на соответствующий
коэффициент Стьюдента. ДИ = s_ср*t_{f, P}

Проанализируем, как меняется доверительный интервал
при изменении требований к надежности результата и числа измерений в серии.
Данные в таблице 2 показывают, что чем больше требование к надежности, тем
больше будет коэффициент Стьюдента и, следовательно, доверительный интервал. В большинстве случаев, приемлемым считают значение Р=95%

Таблица 2. Коэффициент Стьюдента для различных уровней надежности.
P	0,9	0,95	0,99	0,999
t_5,_P	2,02	2,57	4,03	6,87

Таблица 3. Коэффициент Стьюдента для различных степеней свободы.
f= n-1	1	2	3	4	5	16	30
t_{f, 0,95}	12,7	4,3	3,18	2,78	2,57	2,23	2,04

Из таблицы 3 и графика
видно, что чем больше число измерений, тем меньше коэффициент и доверительный
интервал для данного уровня надежности. Особенно значительное падение
происходит при переходе от степени свободы 1 (два измерения) к 2 (три
измерения). Отсюда следует, что имеет смысл ставить не менее трех параллельных
опытов, проводить не менее трех измерений.

Окончательно
для измеряемой величины Х получаем значение Х_сред±s_ср*t_f,P. В
нашем случае получаем: f=3; t=3,18;
ДИ = 3,18*10,2 = 32,6; X = 143,5 ±32,6

Как правило,
значение доверительного интервала округляется до одной значащей цифры, а
значение измеряемой величины – в соответствии с округлением доверительного
интервала. Поэтому для нашей серии окончательно имеем: X = 140 ±30

Найденная
нами погрешность является абсолютной погрешностью и ничего не говорит еще о
точности измерений. Она свидетельствует о точности измерений только в сравнении
с измеряемой величиной. Отсюда представление об относительной ошибке:

Косвенные определения.

Исследуемая величина рассчитывается в этом случае с помощью
математических формул по другим величинам, которые были измерены
непосредственно. В этом случае для расчета ошибок можно использовать
соотношения, приведенные в таблице 4.

Таблица 4. Формулы для расчета абсолютных и относительных ошибок.
Формула	Абсолютная	Относительная
x = a ± b	Dx = Da+Db	e = (Da+Db) /(a±b )
x = a* b; x = a* k	Dx = bDa+aDb; Dx = kDa	e = Da/a+Db/b = e_a + e_b
x = a / b	Dx = (bDa+aDb) / b²	e = Da/a+Db/b = e_a + e_b
x = a*k; (x = a / k)	Dx = Da*k; (Dx = Da/k )	e = e_a
x = a²	Dx = 2aDa	e = 2Da/a = 2e_a
x = Öa	Dx = Da/(2Öa)	e = Da/2a = e_a/2

Из таблицы видно, что относительная ошибка и точность определения не изменяются при умножении (делении) на некоторый постоянный коэффициент. Особенно сильно относительная ошибка может возрасти при вычитании
близких величин, так как при этом абсолютные ошибки суммируются, а значение Х
может уменьшиться на порядки.

Пусть например, нам необходимо определить
объем проволочки.
Если диаметр проволочки измерен с погрешностью 0,01 мм (микрометром) и равен 4 мм, то относительная погрешность составит 0,25% (приборная). Если
длину проволочки (200 мм) мы измерим линейкой с погрешностью 0,5 мм, то относительная погрешность также составит 0,25%. Объем можно рассчитать по формуле: V=(pd²/4)*L. Посмотрим, как будут меняться ошибки
по мере проведения расчетов (табл. 5):

Таблица 5. Расчет абсолютных и относительных ошибок.
Величина	Значение	Абсолютная	Относительная
d²	16	Dx = 240,01=0,08	e = 0,5%
pd² *)	50,27	Dx = 0,083,14+0,001616 =0,28	e = 0,55%
pd²/4	12,57	Dx = 0,28/4 = 0,07	e = 0,55%
(pd²/4)*L	2513	Dx = 12,570,5+2000,07=20	e = 0,8%
*) Если мы возьмем привычное p=3,14, то Dp=0,0016 то e_p = 0,05%, но если используем более точное значение, то Dp и e_p можно будет пренебречь

Окончательный
результат V=2510±20 (мм³) e
=0,8%. Чтобы повысить точность косвенного определения, нужно в первую очередь
повышать точность измерения той величины, которая вносит больший вклад в ошибку
(в данном случае – точность измерения диаметра проволочки).

План проведения измерений:

[1]

1. Знакомство
с методикой, подготовка прибора, оценка приборной погрешности d. Оценка возможных причин
систематических ошибок, их исключение.

2.
Проведение серии измерений. Если получены совпадающие результаты, можно
считать что случайная ошибка равна 0, DХ
= d. Переходим к пункту 7.

3.
Исключение промахов – результатов значительно отличающихся по своей
величине от остальных.

4.
Расчет
среднего значения Х_ср, и стандартного отклонение среднего
значения s_cp

5.
Задание значения уровня надежности P,
определение коэффициента Стьюдента t и
нахождение доверительного интервала ДИ= t*s_cp

6.
Сравнение случайной и приборной погрешности, при этом возможны варианты:

—
ДИ << d, можно
считать, что DХ = d, повысить точность измерения
можно, применив более точный прибор

—
ДИ >> d, можно
считать, что DХ = ДИ,
повысить точность можно, уменьшая случайную ошибку, повышая число измерений в
серии, снижая требования к надежности.

—
ДИ » d, в этом
случае расчитываем ошибку по формуле DХ
=

7.
Записывается окончательный результат Х = Х_ср ± DХ.
Оценивается относительная ошибка
измерения e = DХ/Х_ср

Если
проводится несколько однотипных измерений (один прибор, исследователь, порядок
измеряемой величины, условия) то подобную работу можно проводить один раз. В
дальнейшем можно считать DХ
постоянной и ограничиться минимальным числом измерений (два-три измерения
должны отличаться не более, чем на DХ)

Для косвенных
измерений необходимо провести обработку данных измерения каждой величины. При
этом желательно использовать приборы, имеющие близкие относительные погрешности
и задавать одинаковую надежность для расчета доверительного интервала. На
основании полученных значений Da, Db, определяется DХ
для результирующей величины (см табл. 4). Для повышения точности надо
совершенствовать измерение той величины, вклад ошибки которой в DХ наиболее существенен.

Изучение зависимостей.

Частым вариантом экспериментальной работы является
измерение различных величин с целью установления зависимостей. Характер этих
зависимостей может быть различен: линейный, квадратичный, экспоненциальный,
логарифмический, гиперболический. Для выявления зависимостей широко
используется построение графиков.

При построении графиков вручную важно правильно
выбрать оси, величины, масштаб, шкалы. Следует предупредить школьников, что
шкалы должны иметь равномерный характер, нежелательна как слишком детальная,
так и слишком грубая их разметка. Точки должны заполнять всю площадь графика,
их расположение в одном углу, или «прижатыми» к одной из осей, говорит о
неправильно выбранном масштабе и затрудняет определение характера зависимости.
При проведении линии по точкам надо использовать теоретические представление о
характере зависимости: является она непрерывной или прерывистой, возможно ли ее
прохождение через начало координат, отрицательные значения, максимумы и
минимумы.

Наиболее легко проводится и анализируется прямая
линия. Поэтому часто при изучении более сложных зависимостей часто используется
линеаризация зависимостей, которая достигается подходящей заменой переменных.
Например:

Зависимость . Вводя новую переменную
, получаем уравнение
a = bx, которое
будет изображаться на графике прямой линией. Наклон этой прямой позволяет
рассчитать константу диссоциации.

Разумеется и в этом случае полученные в эксперименте данные включают в себя различные ошибки, и точки редко лежат строго на прямой. Возникает
вопрос, как с наибольшей точностью провести прямую по экспериментальным точкам, каковы ошибки в определении
параметров.

Математическая статистика показывает, что наилучшим
приближением будет такая линия, для которой дисперсия (разброс) точек
относительно ее будет минимальным. А дисперсия определяется как средний квадрат
отклонений наблюдаемого положения точки от расчитанного:

Отсюда название этого метода – метод наименьших
квадратов. Задавая условие, чтобы величина s²
принимала минимальное значение, получают формулы для коэффициентов а и b в уравнении прямой у = а + bx:

и формулы для расчета соответствующих ошибок
^[2].

Если
делать расчеты, используя калькулятор, то лучше оформлять их в виде таблицы:

x	x²	y	y²	xy
…	…	…	…	…
…	…	…	…	…
Sx =	Sx² =	Sy =	Sy² =	Sxy =

Подводя
итог, следует сказать, что обработка данных эксперимента достаточно сложный
этап работы ученого. Необходимость проведения большого числа измерений требует
большой затраты времени и материальных ресурсов. Громоздкость формул, необходимость
использования большого числа значащих цифр затрудняют вычисления. Поэтому, возможно,
не все рекомендации этой статьи применимы в рамках школьного исследования. Но
понимать их сущность, значимость, необходимость, и в соответствии с этим
адекватно оценивать свои результаты, должен любой исследователь.

В настоящее время обработку экспериментальных данных
существенно облегчают современные компьютерные технологии, современное
программное обеспечение. Об том, как их можно использовать – в следующей
статье.

Литература:

[1]
Кассандрова О.Н., Лебедев В.В. Обработка результатов наблюдений, М., «Наука»,
1970, 194 с.

[2]
Петерс Д., Хайес Дж., Хифтье Г. Химическое разделение и измерение – М.,: Химия,
1978, 816 с.

Источник

Какие бывают погрешности

Любое число, которое выдает нам эксперимент, это результат измерения. Измерение производится прибором, и это либо непосредственные показания прибора, либо результат обработки этих показаний. И в том, и в другом случае полученный результат измерения неидеален, он содержит погрешности. И потому любой грамотный физик должен не только предъявить численный результат измерения, но и обязан указать все сопутствующие погрешности. Не будет преувеличением сказать, что численный экспериментальный результат, предъявленный без указания каких-либо погрешностей, бессмыслен.

В физике элементарных частиц к указанию погрешностей относятся исключительно ответственно. Экспериментаторы не только сообщают погрешности, но и разделяют их на разные группы. Три основных погрешности, которые встречаются чаще всего, это статистическая, систематическая и теоретическая (или модельная) погрешности. Цель такого разделения — дать четкое понимание того, что именно ограничивает точность этого конкретного измерения, а значит, за счет чего эту точность можно улучшить в будущем.

Статистическая погрешность связана с разбросом значений, которые выдает эксперимент после каждой попытки измерить величину.

(Подробнее о статистической погрешности)

Систематическая погрешность характеризует несовершенство самого измерительного инструмента или методики обработки данных, а точнее, недостаточное знание того, насколько «сбоит» инструмент или методика.

(Подробнее о систематической погрешности)

Теоретическая/модельная погрешность — это неопределенность результата измерения, которая возникла потому, что методика обработки данных была сложная и в чем-то опиралась на теоретические предположения или результаты моделирования, которые тоже несовершенны. Впрочем, иногда эту погрешность считают просто разновидностью систематических погрешностей.

(Подробнее о погрешности теории и моделирования)

Наконец, в отдельный класс, видимо, можно отнести возможные человеческие ошибки, прежде всего психологического свойства (предвзятость при анализе данных, ленность при проверке того, как результаты зависят от методики анализа). Строго говоря, они не являются погрешностью измерения, поскольку могут и должны быть устранены. Зачастую это избавление от человеческих ошибок может быть вполне формализовано. Так называемый дважды слепой эксперимент в биомедицинских науках — один тому пример. В физике частиц есть похожие приемы (см. заметку Что означает «слепой анализ» при поиске новых частиц?).

Что означает погрешность

Стандартный вид записи измеренной величины с погрешностью знаком всем. Например, результат взвешивания какого-то предмета может быть 100 ± 5 грамм. Это означает, что мы не знаем абсолютно точно массу, она может быть и 101 грамм, и 96 грамм, а может быть и все 108 грамм. Но уж точно не 60 и не 160 грамм. Мы говорим лишь, сколько нам показывают весы, и из каких-то соображений определяем тот примерный разброс, который измерение вполне могло бы дать.

Тут надо подчеркнуть две вещи. Во-первых, в бытовой ситуации значение 100 ± 5 грамм часто интерпретируется так, словно истинная масса гарантированно лежит в этом диапазоне и ни в коей мере не может быть 94 или 106 грамм. Научная запись подразумевает не это. Она означает, что истинная масса скорее всего лежит в этом интервале, но в принципе может случиться и так, что она немножко выходит за его пределы. Это становится наиболее четко, когда речь идет о статистических погрешностях; см. подробности на страничке Что такое «сигма»?.

Во-вторых, надо четко понимать, что погрешности — это не ошибки эксперимента. Наоборот, они являются показателем качества эксперимента. Погрешности характеризуют объективный уровень несовершенства прибора или неидеальности методики обработки. Их нельзя полностью устранить, но зато можно сказать, в каких рамках результату можно доверять.

Некоторые дополнительные тонкости, связанные с тем, что именно означают погрешности, описаны на странице Тонкости анализа данных.

Как записывают погрешности

Указанный выше способ записи не уточняет, что это за погрешность перед нами. В физике элементарных частиц при предъявлении результатов источники погрешностей принято уточнять. В результате запись результата может иногда принять пугающий своей сложностью вид. Таких выражений не надо бояться, просто нужно внимательно посмотреть, что там указано.

В самом простом случае экспериментально измеренное число записывается так: результат и две погрешности одна за другой:

μ = 1,33 ± 0,14 ± 0,15.

Тут вначале всегда идет статистическая, а за ней — систематическая погрешность. Если же измерение не прямое, а в чем-то опирается на теорию, которая тоже не идеально точна, то следом за ними приписывается теоретическая погрешность, например:

μ = 1,33 ± 0,14 ± 0,15 ± 0,11.

Иногда для пущей понятности явно указывают, что есть что, и тогда погрешностей может быть даже больше. Это делается вовсе не для того, чтобы запутать читателя, а с простой целью: упростить в будущем расчет уточенного результата, если какой-то один из источников погрешностей будет уменьшен. Вот пример из статьи arXiv:1205.0934 коллаборации LHCb:

Означает эта длинная строка следующее. Тут записана измеренная детектором вероятность выписанного распада B_s-мезона, которая равна [1,83 ± четыре вида погрешностей] · 10^–5. В перечислении погрешностей вначале идет статистическая погрешность, потом систематическая погрешность, затем погрешность, связанная с плохим знанием некоторой величины f_s/f_d (неважно, что это такое), и наконец, погрешность, связанная с плохим знанием вероятности распада B⁰-мезона (потому что измерение B_s-распада косвенно опирается на B⁰-распад).

Нередки также случаи, когда погрешности в сторону увеличения и уменьшения разные. Тогда это тоже указывается явно (пример из статьи hep-ex/0403004):

И наконец, совсем экзотический случай: когда величина настолько плохо определена, что погрешность пишут не к самому числу, а к показателю степени. Например, 10^12 ± 2 означает, что величина вполне может лежать где-то между 10 миллиардами и 100 триллионами. В этом случае обычно нет большого смысла разделять погрешности на разные типы.

Величина со всеми явно указанными погрешностями часто не очень удобна для работы, например при сравнении теории и эксперимента. В этом случае погрешности суммируют. Эти слова ни в коем случае нельзя воспринимать как простое сложение! Как правило, речь идет о сложении в квадратах: если все три типа погрешностей обозначить как Δx_stat., Δx_sys., Δx_theor., то глобальная погрешность обычно вычисляется по формуле

Стоит еще добавить, что в других разделах физики нередко используют иную запись: вместо символа «±» погрешность просто помещают в скобках. Тогда ее понимают так: это погрешность, выраженная в единицах последней значащей цифры. Например, 100(5) означает 100 ± 5, а 1,230(15) означает 1,230 ± 0,015. В этом случае принципиально важно писать правильное число нулей в результате измерения, ведь запись 1,23(15) уже будет означать вдесятеро большую погрешность: 1,23 ± 0,15.

Как изображают погрешности

Когда экспериментально измеренные значения наносятся на график, погрешности тоже приходится указывать. Это обычно делают в виде «усов», как на рисунке слева. Такие «усы» с засечками относятся к глобальной погрешности. Если же хочется разделить статистические и систематические погрешности, то делают так, как показано на рисунке справа. Здесь засечки показывают только статистические погрешности, а полные усы во всю длину отвечают глобальным погрешностям. Другой вариант: выделение полных погрешностей цветом, как это показано, например, на рисунке с данными ATLAS по хиггсовскому бозону.

Наконец, когда экспериментальная точка имеет отдельные погрешности по обеим осям, то их тоже наносят, и результат выглядит в виде крестика.

Обработка результатов эксперимента в
биохимии, заключается в применении
методов математической статистики для
оценки значений различных физических
величин характеризующих изучаемые
объекты, и (или) зависимости этих величин
от одного либо нескольких изменяемых
внешних условий (например, температура,
давление, тип катализатора). Обработка
результатов эксперимента включает, как
правило, также и определение точности
данных, полученных при его проведении.

Результаты измерений обычно содержат
случайные ошибки, поэтому статистические
оценки выполняют только при наличии
серии измерений – так называемой
случайной выборки. Для оценки измеряемого
значения какой-либо величины или
исследуемой зависимости ее от внешних
условий по данным выборки рассчитывают
выборочные параметры, характеризующие
статистическое распределение ошибок
в проведенном эксперименте. Такое
распределение, как правило, подчиняется
нормальному закону, конкретный вид
которого определяют два параметра –
выборочное среднее и выборочная
дисперсия.

Точность получаемых оценок устанавливают
с помощью статистических критериев
Стьюдента (t-критерий), Фишера (F-критерий)
и т. д. При этом количественными мерами
служат вероятность β и уровень значимости
статистического критерия р=1-β. При
заданных требованиях на точность
результатов измерений доверительная
вероятность (уровень значимости)
определяет надежность полученной
оценки.

Методы статистической обработки
результатов измерений позволяют оценить
систематические и случайные погрешности
измерений.

Погрешности вычислительного эксперимента

Погрешность является неотъемлемой
частью любого измерения.

Погрешность– количественная
характеристика неопределенности, или
неоднозначности, результата измерения.
Ее оценивают, исходя из всей информации,
накопленной при подготовке и выполнении
измерений. Эту информацию обрабатывают
для совместного одновременного
определения окончательного результата
измерения и его погрешности. Окончательный
результат нельзя расценивать как
«истинное значение» измеряемой физической
величины, так как в этом нет смысла из-за
наличия погрешности. Погрешность можно
разделить на несколько классов.

1. Промахи
или грубые погрешности.

Такие погрешности возникают вследствие
неисправности измерительных приборов
или ошибок в эксперименте, сделанных
по невнимательности. Естественно
стремление избегать промахи, но если
стало понятно, что они все-таки допущены,
соответствующие им результаты измерений
просто отбрасывают.

2. Систематические
погрешности.

Приборная погрешность. Систематическая
погрешность, присутствующая в результатах
измерений, выполненных с помощью любого
измерительного прибора, как правило,
неизвестна и не может быть учтена. Ее
можно оценить только путем сравнения
показаний прибора с показаниями другого,
более точного. Иногда результаты
специально проведенного сравнения
приводят в паспорте прибора, однако
чаще указывают максимально возможную
погрешность для приборов данного типа.

Модельная
погрешность. В основу любого
экспериментального исследования,
сопряженного с измерениями, заложена
модель. Модель содержит наиболее полное
физическое описание исследуемого
объекта или процесса, которое позволяет
составить его математическое описание,
а именно, набор математических соотношений,
включающих в себя физические величины.
Они выступают в роли переменных и
параметров, которыми могут быть величины,
непосредственно измеряемые в ходе
эксперимента, и величины, значения
которых требуется определить, исходя
из всей совокупности экспериментальных
данных. В итоге модель представляет
собой математическую конструкцию,
базирующуюся на физических представлениях.

Только
на основании эксперимента можно сделать
обоснованное заключение о приемлемости
описания полученных данных с помощью
использованной теоретической модели.
Зафиксированные несоответствия
построенной модели, фактически – теории,
и эксперимента, служат важнейшим стимулом
развития науки, требуя уточнять
представления о природе окружающего
физического мира. В свое время именно
отчетливо зарегистрированные
несоответствия привели к созданию
теории равновесного теплового излучения,
квантовой механики, теории относительности.

С
другой стороны, неверно построенная
модель, в которой не нашли отражения
какие-то важные процессы или факторы,
влияющие на результат измерений, также
приводит к несоответствиям. Как следствие,
измеряемые в эксперименте величины,
вычисляемые по полученным из модели
рабочим формулам, содержат погрешности,
которые носят название модельных
погрешностей. В эксперименте лабораторную
установку стараются поместить в такие
условия, которые были бы максимально
близки к требованиям модели. Однако
полностью исключить несоответствие
модели и экспериментальной ситуации
удается далеко не всегда.

К
разряду модельных может быть отнесена
погрешность взвешивания на рычажных
весах. Согласно закону Архимеда вес
тела и гирь уменьшается из-за действия
выталкивающей силы воздуха. Напомним,
что 1 куб.м. воздуха весит примерно 10 Н.
Для того, чтобы правильно найти массу
взвешиваемого тела, опять же, нужно
ввести поправки на потерю веса гирями
и самим телом. Вместе с тем, как и при
любых измерениях, здесь необходим
разумный подход. Например, при работе
с грубыми техническими весами бессмысленно
вводить поправку на Архимедову силу,
так как она окажется много меньше
погрешностей, вносимых в результат
измерения гирями и самими весами.

Следует
особо отметить, что модельные погрешности
являются наиболее сложными для анализа
и учета.

3. Случайные
погрешности.

Из
самого названия следует, что при повторных
измерениях погрешности этого типа
демонстрируют свою случайную природу.
Возникают они вследствие множества
причин, совместное воздействие которых
на каждое отдельное измерение невозможно
учесть или заранее установить. Такими
причинами могут оказаться, к примеру,
незначительные колебания температуры
различных деталей и узлов установки,
скачки напряжения, вибрации, турбулентные
движения воздуха, трение в механизмах,
ошибки считывания показаний приборов
и т.п. Единственно возможный способ
объективного учета случайных погрешностей
состоит в определении их статистических
закономерностей, проявляющихся в
результатах многократных измерений.
Рассчитанные статистические оценки
вносят в окончательный результат
измерения.

Для
оценки погрешности используют различные
числовые характеристики: пусть x₁,
х₂, … х_nобозначаютnрезультатов измерений
величины, истинное значение которойX.

Среднее значение находится по формуле:

Это
среднее значение принимают за приближенное
(наиболее вероятное) значение измеряемой
величины.

Дисперсия – среднеквадратичная
погрешность. Рассеяние результатов
измерений относительно среднего
значения принято характеризовать
дисперсией ΔS²:

Стандартное отклонение:
Абсолютная погрешность результата –
доверительный интервал– Δх –
характеризует попадание случайной
величины в доверительный интервал с
доверительной вероятностью α:

где t_a–
коэффициент Стьюдента зависит от
доверительной вероятности и числа
проведенных экспериментов. В математической
статистике коэффициент Стьюдента
вычислен для различных значений, и его
можно найти в таблице.

Для n=5 (число измерений) и α=0.95, коэффициент
Стьюдента — 2.570

Обычно для расчетов доверительного
интервала пользуются значениями α=0,95;
иногда достаточно α=0,90, но при ответственных
измерениях требуется более высокая
надежность (α= 0,99).

Относительная погрешность:

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]

1. Введение

Работа химиков, физиков и представителей других естественно-научных профессий часто связана с выполнением количественных измерений различных величин. При этом возникает вопрос анализа достоверности получаемых значений, обработки результатов непосредственных измерений и оценки погрешностей расчетов, в которых используются значения непосредственно измеряемых характеристик (последний процесс также называется обработкой результатов косвенныхизмерений). По целому ряду объективных причин знания выпускников химического факультета МГУ о расчете погрешностей не всегда достаточны для правильной обработки получаемых данных. В качестве одной из таких причин можно назвать отсутствие в учебном плане факультета курса по статистической обработке результатов измерений.

К данному моменту вопрос вычисления погрешностей, безусловно, изучен исчерпывающе. Существует большое количество методических разработок, учебников и т.д., в которых можно почерпнуть информацию о расчете погрешностей. К сожалению, большинство подобных работ перегружено дополнительной и не всегда нужной информации. В частности, большинство работ студенческих практикумов не требует таких действий, как сравнение выборок, оценка сходимости и др. Поэтому кажется целесообразным создание краткой разработки, в которой изложены алгоритмы наиболее часто употребляемых вычислений, чему и посвящена данная разработка.

2. Обозначения, принятые в данной работе

-измеряемая величина, -среднее значение измеряемой величины, — абсолютная погрешность среднего значения измеряемой величины, — относительная погрешность среднего значения измеряемой величины.

3. Расчет погрешностей непосредственных измерений

Итак, предположим, что были проведены n измерений одной и той же величины в одних и тех же условиях. В этом случае можно рассчитать среднее значение этой величины в проведенных измерениях:

(1)

Как вычислить погрешность ? По следующей формуле:

(2)

В этой формуле используется коэффициент Стьюдента . Его значения при разных доверительных вероятностях и значениях приведены в таблице.

3.1. Пример расчета погрешностей непосредственных измерений:

Задача.

Проводили измерения длины металлического бруска. Было сделано 10 измерений и получены следующие значения: 10 мм, 11 мм, 12 мм, 13 мм, 10 мм, 10 мм, 11 мм, 10 мм, 10 мм, 11 мм. Требуется найти среднее значение измеряемой величины (длины бруска) и его погрешность .

Решение.

С использованием формулы (1) находим:

мм

Теперь с использованием формулы (2) найдем абсолютную погрешность среднего значения при доверительной вероятности и числе степеней свободы (используем значение =2,262, взятое из таблицы):

Запишем результат:

=10,8±0,7_0.95 мм

4. Расчет погрешностей косвенных измерений

Предположим, что в ходе эксперимента измеряются величины , а затем c использованием полученных значений вычисляется величина по формуле . При этом погрешности непосредственно измеряемых величин рассчитываются так, как это было описано в пункте 3.

Расчет среднего значения величины производится по зависимости с использованием средних значений аргументов .

Погрешность величины рассчитывается по следующей формуле:

, (3)

где — количество аргументов , — частные производные функции по аргументам , — абсолютная погрешность среднего значения аргумента .

Абсолютная погрешность, как и в случае с прямыми измерениями, рассчитывается по формуле .

4.1. Пример расчета погрешностей непосредственных измерений:

Задача.

Было проведено 5 непосредственных измерений величин и . Для величины получены значения: 50, 51, 52, 50, 47; для величины получены значения: 500, 510, 476, 354, 520. Требуется рассчитать значение величины , определяемой по формуле и найти погрешность полученного значения.

Решение.

По формуле (1) найдем средние значения величин и :

Вычисляем :

Находим в таблице при доверительной вероятности 0,95 и числе степеней свободы значение . По формуле (2) рассчитываем погрешности средних значений величин и :

С использованием формулы (3) находим относительную погрешность среднего значения величины :

Найдем абсолютную погрешность среднего значения величины :

Запишем результат:

Источник

В большинстве
случаев при проведении эксперимента
несколькими приборами измеряются
различные величины. Для получения
конечного результата эти измерения
определенным образом комбинируются с
помощью некоторых математических
действий.

При этом может
возникнуть ситуация, когда комбинация
отдельных достаточно точных измерений
приведет к значительным ошибкам, сводящим
на нет цель эксперимента. Поэтому
необходимо еще до проведения эксперимента
тщательно исследовать вопрос о точности
окончательного результата. При проведении
такого анализа обычно предполагается,
что показания всех приборов имеют
случайную ошибку, либо характеризуются
некоторой неопределенностью, которую
можно рассматривать, как случайную
ошибку.

2.4.1. Показатели точности произведения и частного

К числу наиболее
распространенных функций, встречающихся
в экспериментальной работе, относятся
комбинации произведений и частных
(безразмерные величины). Типичными
примерами являются: число Рейнольдса
– произведение скорости, длины и
плотности деленное на вязкость, число
Маха – отношение скорости объекта к
скорости звука, коэффициент усиления,
представляющий отношение измерения
напряжения на выходе к измерению
напряжения на входе и т.п.

Рассмотрим общий
результат, который является линейной
функцией произведения двух измеряемых
величин x
и y:

R=kxy,
(2.6)

где k
– некоторый нормируемый множитель,
значение которого известно точно.

Допустим, что величинам
xиyсоответствуют выборочные средние
квадратичные отклоненияS_xиS_y_.Еслиx₁иy₁отклонения
от точного значенияx_cиy_c,
обусловленные наличием случайной
ошибки, то для каждой конкретной пары
отсчетов выражение (2.6) примет вид

R_c
+ r₁
= k (x_c
+x₁)(y_c
+ y₁),
(2.7.)

где r₁
– отклонение результата.

R_c
+ r₁
= k(x_c
y_c
+ x₁y_c
+ x_cy₁
+ x₁y₁),
(2.8.)

где членом
второго порядка x₁
y₁
можно пренебречь.

Используя зависимости
(2.6) и (2.8), можно найти отклонения результата
для каждого измерения

r₁
= k(x₁y_c
+ y₁x_c)
,

r₂
= k(x₂y_c
+ y₂x_c)
, ……., r_i
= k(x_iy_c
+ y_ix_c)
.

Из определения среднеквадратичного отклонения следует

Просуммировав n
уравнений, получим

член
полагаем равным нулю, т. к. любое
произведениеx
и y
с равной вероятностью может быть как
положительным, так и отрицательным, и
для большой выборки сумма таких
произведений будет стремиться к нулю.
Подставив в последнее выражение
зависимость для дисперсии общей ошибки,
находим

(2.9)

откуда легко
получить следующую зависимость

(2.10)

Можно показать,
что полученное соотношение справедливо
для случая, когда R=kx/y
, и что при
R=kxy/z
необходимо
использовать выражение

(2.11)

Член
S_r²/R_c²,
представляющий собой отношение среднего
квадратичного отклонения к точному
отсчету, является показателем точности,
который можно выразить в процентах и
называется вариацией.
Полученное выражение является
математической формулировкой следующего
правила: если результат является функцией
отношений либо произведений нескольких
величин, то квадрат относительной ошибки
результата равен сумме квадратов
относительных ошибок отдельных измерений.

Соседние файлы в папке Сладков (лекции, ккр)

Источник

Свойства физического объекта (явления, процесса) определяются набором
количественных характеристик — физических величин.
Как правило, результат измерения представляет
собой число, задающее отношение измеряемой величины к некоторому эталону.
Сравнение с эталоном может быть как
прямым (проводится непосредственно
экспериментатором), так и косвенным (проводится с помощью некоторого
прибора, которому экспериментатор доверяет).
Полученные таким образом величины имеют размерность, определяемую выбором эталона.

Замечание. Результатом измерения может также служить количество отсчётов некоторого
события, логическое утверждение (да/нет) или даже качественная оценка
(сильно/слабо/умеренно). Мы ограничимся наиболее типичным для физики случаем,
когда результат измерения может быть представлен в виде числа или набора чисел.

Взаимосвязь между различными физическими величинами может быть описана
физическими законами, представляющими собой идеализированную
модель действительности. Конечной целью любого физического
эксперимента (в том числе и учебного) является проверка адекватности или
уточнение параметров таких моделей.

1.1 Результат измерения

Рассмотрим простейший пример: измерение длины стержня
с помощью линейки. Линейка проградуирована производителем с помощью
некоторого эталона длины — таким образом, сравнивая длину
стержня с ценой деления линейки, мы выполняем косвенное сравнение с
общепринятым стандартным эталоном.

Допустим, мы приложили линейку к стержню и увидели на шкале некоторый результат
x=xизм. Можно ли утверждать, что xизм — это длина
стержня?

Во-первых, значение x не может быть задано точно, хотя бы
потому, что оно обязательно округлено до некоторой значащей
цифры: если линейка «обычная», то у неё
есть цена деления; а если линейка, к примеру, «лазерная»
— у неё высвечивается конечное число значащих цифр
на дисплее.

Во-вторых, мы никак не можем быть уверенны, что длина стержня на
самом деле такова хотя бы с точностью до ошибки округления. Действительно,
мы могли приложить линейку не вполне ровно; сама линейка могла быть
изготовлена не вполне точно; стержень может быть не идеально цилиндрическим
и т.п.

И, наконец, если пытаться хотя бы гипотетически переходить к бесконечной
точности измерения, теряет смысл само понятие «длины стержня». Ведь
на масштабах атомов у стержня нет чётких границ, а значит говорить о его
геометрических размерах в таком случае крайне затруднительно!

Итак, из нашего примера видно, что никакое физическое измерение не может быть
произведено абсолютно точно, то есть
у любого измерения есть погрешность.

Замечание. Также используют эквивалентный термин ошибка измерения
(от англ. error). Подчеркнём, что смысл этого термина отличается от
общеупотребительного бытового: если физик говорит «в измерении есть ошибка»,
— это не означает, что оно неправильно и его надо переделать.
Имеется ввиду лишь, что это измерение неточно, то есть имеет
погрешность.

Количественно погрешность можно было бы определить как разность между
измеренным и «истинным» значением длины стержня:
δ⁢x=xизм-xист. Однако на практике такое определение
использовать нельзя: во-первых, из-за неизбежного наличия
погрешностей «истинное» значение измерить невозможно, и во-вторых, само
«истинное» значение может отличаться в разных измерениях (например, стержень
неровный или изогнутый, его торцы дрожат из-за тепловых флуктуаций и т.д.).
Поэтому говорят обычно об оценке погрешности.

Об измеренной величине также часто говорят как об оценке, подчеркивая,
что эта величина не точна и зависит не только от физических свойств
исследуемого объекта, но и от процедуры измерения.

Замечание.
Термин оценка имеет и более формальное значение. Оценкой называют результат процедуры получения значения параметра или параметров физической модели, а также иногда саму процедуру. Теория оценок является подразделом математической статистики. Некоторые ее положения изложены в главе 3, но для более серьезного понимания следует обратиться к [5].

Для оценки значения физической величины корректно использовать
не просто некоторое фиксированное число xизм, а интервал (или
диапазон) значений, в пределах которого может лежать её
«истинное» значение. В простейшем случае этот интервал
может быть записан как

где δ⁢x — абсолютная величина погрешности.
Эта запись означает, что исследуемая величина лежит в интервале
x∈(xизм-δ⁢x;xизм+δ⁢x)
с некоторой достаточно большой долей вероятности (более подробно о
вероятностном содержании интервалов см. п. 2.2).
Для наглядной оценки точности измерения удобно также использовать
относительную величину погрешности:

Она показывает, насколько погрешность мала по сравнению с
самой измеряемой величиной (её также можно выразить в процентах:
ε=δ⁢xx⋅100%).

Пример. Штангенциркуль —
прибор для измерения длин с ценой деления 0,1⁢мм. Пусть
диаметр некоторой проволоки равен 0,37 мм. Считая, что абсолютная
ошибка составляет половину цены деления прибора, результат измерения
можно будет записать как d=0,40±0,05⁢мм (или
d=(40±5)⋅10-5⁢м).
Относительная погрешность составляет ε≈13%, то
есть точность измерения весьма посредственная — поскольку
размер объекта близок к пределу точности прибора.

О необходимости оценки погрешностей.

Измерим длины двух стержней x1 и x2 и сравним результаты.
Можно ли сказать, что стержни одинаковы или различны?

Казалось бы,
достаточно проверить, справедливо ли x1=x2. Но никакие
два результата измерения не равны друг другу с абсолютной точностью! Таким
образом, без указания погрешности измерения ответ на этот вопрос дать
невозможно.

С другой стороны, если погрешность δ⁢x известна, то можно
утверждать, что если измеренные длины одинаковы
в пределах погрешности опыта, если |x2-x1|<δ⁢x
(и различны в противоположном случае).

Итак, без знания погрешностей невозможно сравнить между собой никакие
два измерения, и, следовательно, невозможно сделать никаких
значимых выводов по результатам эксперимента: ни о наличии зависимостей
между величинами, ни о практической применимости какой-либо теории,
и т. п. В связи с этим задача правильной оценки погрешностей является крайне
важной, поскольку существенное занижение или завышение значения погрешности
(по сравнению с реальной точностью измерений) ведёт к неправильным выводам.

В физическом эксперименте (в том числе лабораторном практикуме) оценка
погрешностей должна проводиться всегда
(даже когда составители задания забыли упомянуть об этом).

1.2 Многократные измерения

Проведём серию из n одинаковых (однотипных) измерений одной
и той же физической величины (например, многократно приложим линейку к стержню) и получим
ряд значений

Что можно сказать о данном наборе чисел и о длине стержня?
И можно ли увеличивая число измерений улучшить конечный результат?

Если цена деления самой линейки достаточно мала, то как нетрудно убедиться
на практике, величины {xi} почти наверняка окажутся
различными. Причиной тому могут быть
самые разные обстоятельства, например: у нас недостаточно остроты
зрения и точности рук, чтобы каждый раз прикладывать линейку одинаково;
стенки стержня могут быть слегка неровными; у стержня может и не быть
определённой длины, например, если в нём возбуждены звуковые волны,
из-за чего его торцы колеблются, и т. д.

В такой ситуации результат измерения интерпретируется как
случайная величина, описываемая некоторым вероятностным законом
(распределением).
Подробнее о случайных величинах и методах работы с ними см. гл. 2.

По набору результатов 𝐱 можно вычислить их среднее арифметическое:

⟨x⟩=x1+x2+…+xnn≡1n⁢∑i=1nxi.

(1.1)

Это значение, вычисленное по результатам конечного числа n измерений,
принято называть выборочным средним. Здесь и далее для обозначения
выборочных средних будем использовать угловые скобки.

Кроме среднего представляет интерес и то, насколько сильно варьируются
результаты от опыта к опыту. Определим отклонение каждого измерения от среднего как

Разброс данных относительно среднего принято характеризовать
среднеквадратичным отклонением:

s=Δ⁢x12+Δ⁢x22+…+Δ⁢xn2n=1n⁢∑i=1nΔ⁢xi2

(1.2)

или кратко

Значение среднего квадрата отклонения s2 называют
выборочной дисперсией.

Будем увеличивать число измерений n (n→∞). Если объект измерения и методика
достаточно стабильны, то отклонения от среднего Δ⁢xi будут, во-первых,
относительно малы, а во-вторых, положительные и отрицательные отклонения будут
встречаться примерно одинаково часто. Тогда при вычислении (1.1)
почти все отклонения Δ⁢xi скомпенсируются и можно ожидать,
что выборочное среднее при n≫1 будет стремиться к некоторому пределу:

Тогда предельное значение x¯ можно отождествить с «истинным» средним
для исследуемой величины.

Предельную величину среднеквадратичного отклонения при n→∞
обозначим как

Замечание. В общем случае указанные пределы могут и не существовать. Например, если измеряемый параметр
меняется во времени или в результате самого измерения, либо испытывает слишком большие
случайные скачки и т. п. Такие ситуации требуют особого рассмотрения и мы на них не
останавливаемся.

Замечание. Если n мало (n<10), для оценки среднеквадратичного отклонения
математическая статистика рекомендует вместо формулы (1.3) использовать
исправленную формулу (подробнее см. п. 5.2):

sn-12=1n-1⁢∑i=1nΔ⁢xi2,

(1.4)

где произведена замена n→n-1. Величину sn-1
часто называют стандартным отклонением.

Итак, можно по крайней мере надеяться на то, что результаты небольшого числа
измерений имеют не слишком большой разброс, так что величина ⟨x⟩
может быть использована как приближенное значение (оценка) истинного значения
⟨x⟩≈x¯,
а увеличение числа измерений позволит уточнить результат.

Многие случайные величины подчиняются так называемому нормальному закону
распределения (подробнее см. Главу 2). Для таких величин
могут быть строго доказаны следующие свойства:

•

при многократном повторении эксперимента бо́льшая часть измерений
(∼68%) попадает в интервал x¯-σ<x<x¯+σ
(см. п. 2.2).
•

выборочное среднее значение ⟨x⟩ оказывается с большей
вероятностью ближе к истинному значению x¯, чем каждое из измерений
{xi} в отдельности. При этом ошибка вычисления среднего
убывает пропорционально корню из числа опытов n
(см. п. 2.4).

Упражнение. Показать, что

s2=⟨x2⟩-⟨x⟩2.

(1.5)

то есть дисперсия равна разности среднего значения квадрата
⟨x2⟩=1n⁢∑i=1nxi2
и квадрата среднего ⟨x⟩2=(1n⁢∑i=1nxi)2.

1.3 Классификация погрешностей

Чтобы лучше разобраться в том, нужно ли многократно повторять измерения,
и в каком случае это позволит улучшить результаты опыта,
проанализируем источники и виды погрешностей.

В первую очередь, многократные измерения позволяют проверить
воспроизводимость результатов: повторные измерения в одинаковых
условиях, должны давать близкие результаты. В противном случае
исследование будет существенно затруднено, если вообще возможно.
Таким образом, многократные измерения необходимы для того,
чтобы убедиться как в надёжности методики, так и в существовании измеряемой
величины как таковой.

При любых измерениях возможны грубые ошибки — промахи
(англ. miss). Это «ошибки» в стандартном
понимании этого слова — возникающие по вине экспериментатора
или в силу других непредвиденных обстоятельств (например, из-за сбоя
аппаратуры). Промахов, конечно, нужно избегать, а результаты таких
измерений должны быть по возможности исключены из рассмотрения.

Как понять, является ли «аномальный» результат промахом? Вопрос этот весьма
непрост. В литературе существуют статистические
критерии отбора промахов, которыми мы, однако, настоятельно не рекомендуем
пользоваться (по крайней мере, без серьезного понимания последствий
такого отбора). Отбрасывание аномальных данных может, во-первых, привести
к тенденциозному искажению результата исследований, а во-вторых, так
можно упустить открытие неизвестного эффекта. Поэтому при научных
исследованиях необходимо максимально тщательно проанализировать причину
каждого промаха, в частности, многократно повторив эксперимент. Лишь
только если факт и причина промаха установлены вполне достоверно,
соответствующий результат можно отбросить.

Замечание. Часто причины аномальных отклонений невозможно установить на этапе
обработки данных, поскольку часть информации о проведении измерений к этому моменту
утеряна. Единственным способ борьбы с этим — это максимально подробное описание всего
процесса измерений в лабораторном журнале. Подробнее об этом
см. п. 4.1.1.

При многократном повторении измерении одной и той же физической величины
погрешности могут иметь систематический либо случайный
характер. Назовём погрешность систематической, если она повторяется
от опыта к опыту, сохраняя свой знак и величину, либо закономерно
меняется в процессе измерений. Случайные (или статистические)
погрешности меняются хаотично при повторении измерений как по величине,
так и по знаку, и в изменениях не прослеживается какой-либо закономерности.

Кроме того, удобно разделять погрешности по их происхождению. Можно
выделить

•

инструментальные (или приборные) погрешности,
связанные с несовершенством конструкции (неточности, допущенные при
изготовлении или вследствие старения), ошибками калибровки или ненормативными
условиями эксплуатации измерительных приборов;
•

методические погрешности, связанные с несовершенством
теоретической модели явления (использование приближенных формул и
моделей явления) или с несовершенством методики измерения (например,
влиянием взаимодействия прибора и объекта измерения на результат измерения);
•

естественные погрешности, связанные со случайным
характером
измеряемой физической величины — они являются не столько
«ошибками» измерения, сколько характеризуют
природу изучаемого объекта или явления.

Замечание. Разделение погрешностей на систематические и случайные
не является однозначным и зависит от постановки опыта. Например, производя
измерения не одним, а несколькими однотипными приборами, мы переводим
систематическую приборную ошибку, связанную с неточностью шкалы и
калибровки, в случайную. Разделение по происхождению также условно,
поскольку любой прибор подвержен воздействию «естественных»
случайных и систематических ошибок (шумы и наводки, тряска, атмосферные
условия и т. п.), а в основе работы прибора всегда лежит некоторое
физическое явление, описываемое не вполне совершенной теорией.

1.3.1 Случайные погрешности

Случайный характер присущ большому количеству различных физических
явлений, и в той или иной степени проявляется в работе всех без исключения
приборов. Случайные погрешности обнаруживаются просто при многократном
повторении опыта — в виде хаотичных изменений (флуктуаций)
значений {xi}.

Если случайные отклонения от среднего в большую или меньшую стороны
примерно равновероятны, можно рассчитывать, что при вычислении среднего
арифметического (1.1) эти отклонения скомпенсируются,
и погрешность результирующего значения ⟨x⟩ будем меньше,
чем погрешность отдельного измерения.

Случайные погрешности бывают связаны, например,

•

с особенностями используемых приборов: техническими
недостатками
(люфт в механических приспособлениях, сухое трение в креплении стрелки
прибора), с естественными (тепловой и дробовой шумы в электрических
цепях, тепловые флуктуации и колебания измерительных устройств из-за
хаотического движения молекул, космическое излучение) или техногенными
факторами (тряска, электромагнитные помехи и наводки);
•

с особенностями и несовершенством методики измерения (ошибка
при отсчёте по шкале, ошибка времени реакции при измерениях с секундомером);
•

с несовершенством объекта измерений (неровная поверхность,
неоднородность состава);
•

со случайным характером исследуемого явления (радиоактивный
распад, броуновское движение).

Остановимся несколько подробнее на двух последних случаях. Они отличаются
тем, что случайный разброс данных в них порождён непосредственно объектом
измерения. Если при этом приборные погрешности малы, то «ошибка»
эксперимента возникает лишь в тот момент, когда мы по своей
воле совершаем замену ряда измеренных значений на некоторое среднее
{xi}→⟨x⟩. Разброс данных при этом
характеризует не точность измерения, а сам исследуемый объект или
явление. Однако с математической точки зрения приборные и
«естественные»
погрешности неразличимы — глядя на одни только
экспериментальные данные невозможно выяснить, что именно явилось причиной
их флуктуаций: сам объект исследования или иные, внешние причины.
Таким образом, для исследования естественных случайных процессов необходимо
сперва отдельно исследовать и оценить случайные инструментальные погрешности
и убедиться, что они достаточно малы.

1.3.2 Систематические погрешности

Систематические погрешности, в отличие от случайных, невозможно обнаружить,
исключить или уменьшить просто многократным повторением измерений.
Они могут быть обусловлены, во-первых, неправильной работой приборов
(инструментальная погрешность), например, сдвигом нуля отсчёта
по шкале, деформацией шкалы, неправильной калибровкой, искажениями
из-за не нормативных условий эксплуатации, искажениями из-за износа
или деформации деталей прибора, изменением параметров прибора во времени
из-за нагрева и т.п. Во-вторых, их причиной может быть ошибка в интерпретации
результатов (методическая погрешность), например, из-за использования
слишком идеализированной физической модели явления, которая не учитывает
некоторые значимые факторы (так, при взвешивании тел малой плотности
в атмосфере необходимо учитывать силу Архимеда; при измерениях в электрических
цепях может быть необходим учет неидеальности амперметров и вольтметров
и т. д.).

Систематические погрешности условно можно разделить на следующие категории.

1.

Известные погрешности, которые могут быть достаточно точно вычислены
или измерены. При необходимости они могут быть учтены непосредственно:
внесением поправок в расчётные формулы или в результаты измерений.
Если они малы, их можно отбросить, чтобы упростить вычисления.
2.

Погрешности известной природы, конкретная величина которых неизвестна,
но максимальное значение вносимой ошибки может быть оценено теоретически
или экспериментально. Такие погрешности неизбежно присутствуют в любом
опыте, и задача экспериментатора — свести их к минимуму,
совершенствуя методики измерения и выбирая более совершенные приборы.

Чтобы оценить величину систематических погрешностей опыта, необходимо
учесть паспортную точность приборов (производитель, как правило, гарантирует,
что погрешность прибора не превосходит некоторой величины), проанализировать
особенности методики измерения, и по возможности, провести контрольные
опыты.
3.

Погрешности известной природы, оценка величины которых по каким-либо
причинам затруднена (например, сопротивление контактов при подключении
электронных приборов). Такие погрешности должны быть обязательно исключены
посредством модификации методики измерения или замены приборов.
4.

Наконец, нельзя забывать о возможности существования ошибок, о
которых мы не подозреваем, но которые могут существенно искажать результаты
измерений. Такие погрешности самые опасные, а исключить их можно только
многократной независимой проверкой измерений, разными методами
и в разных условиях.

В учебном практикуме учёт систематических погрешностей ограничивается,
как правило, паспортными погрешностями приборов и теоретическими поправками
к упрощенной модели исследуемого явления.

Точный учет систематической ошибки возможен только при учете специфики конкретного эксперимента. Особенное внимание надо обратить на зависимость (корреляцию) систематических смещений при повторных измерениях. Одна и та же погрешность в разных случаях может быть интерпретирована и как случайная, и как систематическая.

Пример.
Калибровка электромагнита производится при помощи внесения в него датчика Холла или другого измерителя магнитного потока. При последовательных измерениях с разными токами (и соотственно полями в зазоре) калибровку можно учитыать двумя различными способами:

•

Измерить значение поля для разных токов, построить линейную калибровочную кривую и потом использовать значения, восстановленные по этой кривой для вычисления поля по току, используемому в измерениях.

•

Для каждого измерения проводить допольнительное измерения поля и вообще не испльзовать значения тока.

В первом случае погрешность полученного значения будет меньше, поскльку при проведении прямой, отдельные отклонения усреднятся. При этом погрешность измерения поля будет носить систематический харрактер и при обработке данных ее надо будет учитывать в последний момент. Во втором случае погрешность будет носить статистический (случайный) харрактер и ее надо будет добавить к погрешности каждой измеряемой точки. При этом сама погрешность будет больше. Выбор той или иной методики зависит от конретной ситуации. При большом количестве измерений, второй способ более надежный, поскольку статистическая ошибка при усреднении уменьшается пропорционально корню из количества измерений. Кроме того, такой способ повзоляет избежать методической ошибки, связанной с тем, что зависимость поля от тока не является линейной.

Пример.
Рассмотрим измерение напряжения по стрелочному вольтметру. В показаниях прибора будет присутствовать три типа погрешности:

1.

Статистическая погрешность, связанная с дрожанием стрелки и ошибкой визуального наблюдения, примерно равная половине цены деления.

2.

Систематическая погрешность, связанная с неправильной установкой нуля.

3.

Систематическая погрешность, связанная с неправильным коэффициентом пропорциональности между напряжением и отклонением стрелки. Как правило приборы сконструированы таким образом, чтобы максимальное значение этой погрешности было так же равно половине цены деления (хотя это и не гарантируется).

Источник

2.4.1. Показатели точности произведения и частного

Рассмотрим общий
результат, который является линейной
функцией произведения двух измеряемых
величин x
и y:

R=kxy,
(2.6)

где k
– некоторый нормируемый множитель,
значение которого известно точно.

R_c
+ r₁
= k (x_c
+x₁)(y_c
+ y₁),
(2.7.)

где r₁
– отклонение результата.

R_c
+ r₁
= k(x_c
y_c
+ x₁y_c
+ x_cy₁
+ x₁y₁),
(2.8.)

где членом
второго порядка x₁
y₁
можно пренебречь.

Используя зависимости
(2.6) и (2.8), можно найти отклонения результата
для каждого измерения

r₁
= k(x₁y_c
+ y₁x_c)
,

r₂
= k(x₂y_c
+ y₂x_c)
, ……., r_i
= k(x_iy_c
+ y_ix_c)
.

Из определения среднеквадратичного отклонения следует

Просуммировав n
уравнений, получим

(2.9)

откуда легко
получить следующую зависимость

(2.10)

(2.11)

Соседние файлы в папке Сладков (лекции, ккр)

Какие бывают погрешности

(Подробнее о статистической погрешности)

(Подробнее о систематической погрешности)

(Подробнее о погрешности теории и моделирования)

Что означает погрешность

Как записывают погрешности

μ = 1,33 ± 0,14 ± 0,15.

μ = 1,33 ± 0,14 ± 0,15 ± 0,11.

Как изображают погрешности

Загрузить PDF

Абсолютная ошибка – это разность между измеренным значением и фактическим значением.^[1] Эта ошибка характеризует точность измерений. Если вам известны фактическое и измеренное значения, можно с легкостью вычислить абсолютную ошибку. Но иногда фактическое значение не дано, поэтому в качестве абсолютной ошибки пользуются максимально возможной ошибкой.^[2] Если даны фактическое значение и относительная ошибка, можно вычислить абсолютную ошибку.

1

Запишите формулу для вычисления абсолютной ошибки. Формула: $Delta x=x_{{0}}-x$ , где – абсолютная ошибка (разность между измеренным и фактическим значениями), $x_{{0}}$ – измеренное значение, – фактическое значение.^[3]
2
Подставьте в формулу фактическое значение. Фактическое значение должно быть дано; в противном случае используйте принятое опорное значение. Фактическое значение подставьте вместо .
- Например, нужно измерить длину футбольного поля. Фактическая длина (принятая опорная длина) футбольного поля равна 105 м (именно такое значение рекомендуется FIFA). Таким образом, фактическое значение равно 105 м: $Delta x=x_{{0}}-105$ .
3
Подставьте в формулу измеренное значение. Оно будет дано; в противном случае измерьте величину (длину или ширину и так далее). Измеренное значение подставьте вместо $x_{0}$ .
- Например, вы измерили длину футбольного поля и получили значение 104 м. Таким образом, измеренное значение равно 104 м: .
4
Вычтите фактическое значение из измеренного значения. Так как абсолютная ошибка всегда положительна, возьмите абсолютное значение этой разницы, то есть не учитывайте знак «минус».^[4] Так вы вычислите абсолютную ошибку.
- В нашем примере: , то есть абсолютная ошибка измерения равна 1 м.
Реклама

1

Запишите формулу для вычисления относительной ошибки. Формула: $delta x={frac {x_{{0}}-x}{x}}$ , где – относительная ошибка (отношение абсолютной ошибки к фактическому значению), $x_{{0}}$ – измеренное значение, – фактическое значение.^[5]
2
Подставьте в формулу относительную ошибку. Скорее всего, она будет дана в виде десятичной дроби. Относительную ошибку подставьте вместо .
- Например, если относительная ошибка равна 0,02, формула запишется так: $0,02={frac {x_{{0}}-x}{x}}$ .
3
Подставьте в формулу фактическое значение. Оно будет дано. Фактическое значение подставьте вместо .
- Например, если фактическое значение равно 105 м, формула запишется так: $0,02={frac {x_{{0}}-105}{105}}$ .
4

Умножьте обе стороны уравнения на фактическое значение. Так вы избавитесь от дроби.
5

Прибавьте фактическое значение к каждой стороне уравнения. Так вы найдете $x_{{0}}$ , то есть измеренное значение.
6
Вычтите фактическое значение из измеренного значения. Так как абсолютная ошибка всегда положительна, возьмите абсолютное значение этой разницы, то есть не учитывайте знак «минус».^[6] Так вы вычислите абсолютную ошибку.
- Например, если измеренное значение равно 107,1 м, а фактическое значение равно 105 м, вычисления запишутся так: . Таким образом, абсолютная ошибка равна 2,1 м.
Реклама

1
Определите единицу измерения. То есть выясните, было ли значение измерено с точностью до сантиметра, метра и так далее. Возможно, эта информация будет дана (например, «длина поля измерена с точностью до метра»). Чтобы определить единицу измерения, посмотрите на то, как округлено данное значение.^[7]
- Например, если измеренная длина поля равна 106 м, значение было округлено до метров. Таким образом, единица измерения равна 1 м.
2
3
Используйте максимально возможную ошибку в качестве абсолютной ошибки.^[9] Так как абсолютная ошибка всегда положительна, возьмите абсолютное значение этой разницы, то есть не учитывайте знак «минус».^[10] Так вы вычислите абсолютную ошибку.
- Например, если измеренная длина поля равна м, то есть абсолютная ошибка равна 0,5 м.
Реклама

Советы

Если фактическое значение не указано, найдите принятое опорное или теоретическое значение.

Об этой статье

Эту страницу просматривали 24 549 раз.

Была ли эта статья полезной?

2.4.1. Показатели точности произведения и частного

Рассмотрим общий
результат, который является линейной
функцией произведения двух измеряемых
величин x
и y:

R=kxy,
(2.6)

где k
– некоторый нормируемый множитель,
значение которого известно точно.

R_c
+ r₁
= k (x_c
+x₁)(y_c
+ y₁),
(2.7.)

где r₁
– отклонение результата.

R_c
+ r₁
= k(x_c
y_c
+ x₁y_c
+ x_cy₁
+ x₁y₁),
(2.8.)

где членом
второго порядка x₁
y₁
можно пренебречь.

Используя зависимости
(2.6) и (2.8), можно найти отклонения результата
для каждого измерения

r₁
= k(x₁y_c
+ y₁x_c)
,

r₂
= k(x₂y_c
+ y₂x_c)
, ……., r_i
= k(x_iy_c
+ y_ix_c)
.

Из определения среднеквадратичного отклонения следует

Просуммировав n
уравнений, получим

(2.9)

откуда легко
получить следующую зависимость

(2.10)

(2.11)

Соседние файлы в папке Сладков (лекции, ккр)

Статьи
Главная страница

Таблица 1. Данные измерений и их обработка
№	Х	Х ср	DХ	DХ²	s²	s
1	130	143,5 » 144	-13,5	182,3	420	20,5
2	162	18,5	342,3
3	160	16,5	272,3	*s²_ср*	*s_ср*
4	122	-21,5	462,3	105	10,2

и среднеквадратичное или стандартное отклонение выборки:

Таблица 2. Коэффициент Стьюдента для различных уровней надежности.
P	0,9	0,95	0,99	0,999
t_5,_P	2,02	2,57	4,03	6,87

Таблица 3. Коэффициент Стьюдента для различных степеней свободы.
f= n-1	1	2	3	4	5	16	30
t_f, 0,95	12,7	4,3	3,18	2,78	2,57	2,23	2,04

Косвенные определения.

Таблица 4. Формулы для расчета абсолютных и относительных ошибок.
Формула	Абсолютная	Относительная
x = a ± b	Dx = Da+Db	e = (Da+Db) /(a±b )
x = a* b; x = a* k	Dx = bDa+aDb; Dx = kDa	e = Da/a+Db/b = e_a + e_b
x = a / b	Dx = (bDa+aDb) / b²	e = Da/a+Db/b = e_a + e_b
x = a*k; (x = a / k)	Dx = Da*k; (Dx = Da/k )	e = e_a
x = a²	Dx = 2aDa	e = 2Da/a = 2e_a
x = Öa	Dx = Da/(2Öa)	e = Da/2a = e_a/2

Пусть например, нам необходимо определить
объем проволочки.
Если диаметр проволочки измерен с погрешностью 0,01 мм (микрометром) и равен 4 мм, то относительная погрешность составит 0,25% (приборная). Если
длину проволочки (200 мм) мы измерим линейкой с погрешностью 0,5 мм, то относительная погрешность также составит 0,25%. Объем можно рассчитать по формуле: V=(pd²/4)*L. Посмотрим, как будут меняться ошибки
по мере проведения расчетов (табл. 5):

Таблица 5. Расчет абсолютных и относительных ошибок.
Величина	Значение	Абсолютная	Относительная
d²	16	Dx = 240,01=0,08	e = 0,5%
pd² *)	50,27	Dx = 0,083,14+0,001616 =0,28	e = 0,55%
pd²/4	12,57	Dx = 0,28/4 = 0,07	e = 0,55%
(pd²/4)*L	2513	Dx = 12,570,5+2000,07=20	e = 0,8%
*) Если мы возьмем привычное p=3,14, то Dp=0,0016 то e_p = 0,05%, но если используем более точное значение, то Dp и e_p можно будет пренебречь

План проведения измерений:

[1]

3.
Исключение промахов – результатов значительно отличающихся по своей
величине от остальных.

4.
Расчет
среднего значения Х_ср, и стандартного отклонение среднего
значения s_cp

6.
Сравнение случайной и приборной погрешности, при этом возможны варианты:

—
ДИ << d, можно
считать, что DХ = d, повысить точность измерения
можно, применив более точный прибор

—
ДИ » d, в этом
случае расчитываем ошибку по формуле DХ
=

7.
Записывается окончательный результат Х = Х_ср ± DХ.
Оценивается относительная ошибка
измерения e = DХ/Х_ср

Изучение зависимостей.

и формулы для расчета соответствующих ошибок
^[2].

Если
делать расчеты, используя калькулятор, то лучше оформлять их в виде таблицы:

x	x²	y	y²	xy
…	…	…	…	…
…	…	…	…	…
Sx =	Sx² =	Sy =	Sy² =	Sxy =

Литература:

[1]
Кассандрова О.Н., Лебедев В.В. Обработка результатов наблюдений, М., «Наука»,
1970, 194 с.

[2]
Петерс Д., Хайес Дж., Хифтье Г. Химическое разделение и измерение – М.,: Химия,
1978, 816 с.

Источник

Какие бывают погрешности

Что означает погрешность

Как записывают погрешности

Как изображают погрешности

Погрешности вычислительного эксперимента

2.4.1. Показатели точности произведения и частного

Из определения среднеквадратичного отклонения следует

1.1 Результат измерения

О необходимости оценки погрешностей.

1.2 Многократные измерения

1.3 Классификация погрешностей

1.3.1 Случайные погрешности

1.3.2 Систематические погрешности

2.4.1. Показатели точности произведения и частного

Из определения среднеквадратичного отклонения следует

Какие бывают погрешности

Что означает погрешность

Как записывают погрешности

Как изображают погрешности

Советы

Об этой статье

Была ли эта статья полезной?

2.4.1. Показатели точности произведения и частного

Из определения среднеквадратичного отклонения следует