Опора деревянной одностоечной и способы укрепление угловых опор: Опоры ВЛ - конструкции, предназначенные для поддерживания проводов на необходимой высоте над землей, водой...
Папиллярные узоры пальцев рук - маркер спортивных способностей: дерматоглифические признаки формируются на 3-5 месяце беременности, не изменяются в течение жизни...
Топ:
Основы обеспечения единства измерений: Обеспечение единства измерений - деятельность метрологических служб, направленная на достижение...
Проблема типологии научных революций: Глобальные научные революции и типы научной рациональности...
История развития методов оптимизации: теорема Куна-Таккера, метод Лагранжа, роль выпуклости в оптимизации...
Интересное:
Лечение прогрессирующих форм рака: Одним из наиболее важных достижений экспериментальной химиотерапии опухолей, начатой в 60-х и реализованной в 70-х годах, является...
Берегоукрепление оползневых склонов: На прибрежных склонах основной причиной развития оползневых процессов является подмыв водами рек естественных склонов...
Принципы управления денежными потоками: одним из методов контроля за состоянием денежной наличности является...
Дисциплины:
2021-06-23 | 23 |
5.00
из
|
Заказать работу |
|
|
Здесь, как сказано выше, подразумевается, что закон распределения результатов измерений нормальный и нет значимого влияния ни грубых, ни систематических погрешностей. В данной ситуации можно выделить следующие задачи:
– задача оценивания, или обработка одной многократно измеренной величины в равноточном, или неравноточном случае с получением всех точечных и интервальных оценок основных характеристик результатов измерений;
– задача эталонирования, т.е. задача, когда при достаточно хорошо известном эталонном (псевдоистинном) значении измеряемой величины оценить точность измерительного прибора и выявить мешающие параметры.
Обработка результатов многократно измеренной равноточной
Величины
Произведен ряд равноточных измерений одной величины. Исходя из классических предпосылок о соответствии погрешностей измерений нормальному закону распределения и отсутствии значимых систематических и грубых влияний наилучшей оценкой для математического ожидания, будет обычное среднее арифметическое (простая арифметическая середина)
. (1)
Оценка меры рассеивания (стандарта), в данной ситуации будет в виде стандартного отклонения σ (старое название средняя квадратическая погрешность) на основе формулы Бесселя, или погрешность одного измерения
. (2)
Не сложно доказать, что отклонения от среднего арифметического vi обладают следующими свойствами:
. (3)
Первое свойство (3) является контролем вычисления (1) и (2). Второе свойство говорит, что при принятых условиях оценка качества (2) является эффективной, т.е. имеет минимальную дисперсию.
|
Используя формулу погрешности функции, представленной видом (1), получим стандартное отклонение среднего арифметического (среднюю квадратическую погрешность среднего арифметического) из n измерений
. (4)
Обычно, для выявления степени надежности оценок, ищут оценки оценок. Считается, что если оценка оценки не одного порядка с оцениваемой величиной, а хотя бы раза в 2 меньше, то она заслуживает доверия. Стандартное отклонение(2) при достаточно большом n,приближенно, но достаточно надежно, характеризуется стандартным отклонениемвида
, (5)
а стандартное отклонениепогрешности среднего арифметического(4) как
. (6)
Результаты необходимо представить в виде
. (7)
Оценки такого рода называют точечными. Для более детальной и достоверной обработки результатов многократно измеренной величины (особенно при малом п) в обязательном порядке ищутся интервальные оценки для истинных значений основных характеристик, оцененных по формулам (1), (2) и (4). Для них интервальные оценки имеют вид
(8)
Здесь tp – квантиль t-распределения Стьюдента для доверительной вероятности p (или уровнязначимости α), с n – 1 степенью свободы; коэффициенты g с n – 1 степенью свободы при доверительной вероятности p находят на основе квантилей распределения c 2, и в силу его несимметричности, получаемых по вычисленным вероятностям для , а для соответственно = , как
. (9)
Третья формула из (7) получена из второй простым делением левой и правой части на . Доверительные вероятности для практических целей целесообразно принимать от 90 до 95%.
Квантили соответствующих распределений рекомендуется получить с использованием математического пакета Matlab (см. примеры ниже).
|
Порядок обработки
Исходные данные для обработки получаем следующим образом:
В программе Matlab следует набрать следующие строки
randn(‘ state’, sum(ГП*10* clock)); h = n + randn(20,1)*0.0ГП/Г;
rand(‘state’, sum(ГП *10*clock)); N = fix(rand(20,1)*ГП /Г)
Здесь n – номер студента по списку, ГП – группа/подгруппа одним числом, Г – номер группы. Например, для студента 3 группы 2 подгруппы и 12 по списку имеем
randn(‘state’, sum(320*clock)); h = 12 +randn(20,1)*0.032/3
rand(‘state’, sum(320*clock)); N = fix(rand(20,1)*32/3)
получив, таким образом,20 измерений hi одного превышения и число станций Ni при измерении i -того превышения в виде вектора N из 20 целых величин. Процедура генерации в отчет не включается.
Саму обработку результатов проводят в следующем порядке:
1. Получить оценку математического ожидания (оценку среднего вероятного из результатов, или оценку сдвига) в виде среднего арифметического;
2. Вычислить оценку стандарта в виде стандартного отклонения (средней квадратической погрешности) по Бесселю (погрешность одного измерения);
3. Получить погрешность среднего арифметического;
4. Вычислить погрешность средней квадратической погрешности по Бесселю;
5. Получить интервальную оценку среднего арифметического с доверительной вероятностью 95%;
6. Получить интервальную оценку стандартного отклонения по Бесселю с доверительной вероятностью 95%;
Пример обработки равноточных измерений
Обработать ряд измерений из 20 превышений.
В первую очередь генерируем в качестве исходных для обработки данных 20 значений измеренного превышения hi которые следует округлить до 3 знаков, так как подразумевается геометрическое нивелирование и точность измерений, таким образом, до мм, а также число станций на секцию п i (см. таблицу 1).
№ | h. | Ni |
1 | 4.595 | 10 |
2 | 4.601 | 8 |
3 | 4.602 | 8 |
4 | 4.592 | 10 |
5 | 4.597 | 6 |
6 | 4.601 | 8 |
7 | 4.600 | 8 |
8 | 4.601 | 4 |
9 | 4.602 | 3 |
10 | 4.604 | 4 |
11 | 4.599 | 7 |
12 | 4.600 | 9 |
13 | 4.597 | 9 |
14 | 4.593 | 7 |
15 | 4.598 | 3 |
16 | 4.592 | 9 |
17 | 4.601 | 7 |
18 | 4.595 | 10 |
19 | 4.601 | 8 |
20 | 4.607 | 8 |
Таблица 1. Исходные данные: превышения и число станций
Априорно считается, что все условия Гаусса-Маркова и центральной предельной теоремы Ляпунова соблюдены, т.е., постоянство математического ожидания и дисперсии, некоррелированность, отсутствие грубых измерений, значимого систематического влияния и нормальное распределение результатов измерений обеспечены в необходимой степени.
|
Последовательность обработки по пунктам следующая:
1. Краткое описание теоретических положений (можно по ходу вычислений).
2. Пользуясь данными таблицы, вычисляем оценку математического ожидания (сдвига, центра) в виде среднего арифметического (СА):
,
где четвертая индексная цифра в результате – запасная, которая необходима при представлении промежуточных вычислений.
2. Вычисляем оценку стандарта в виде стандартного отклонения (СКП)
где .
3. Находим оценку точности получения среднего арифметического, оценку оценки среднего арифметического и оценку точности стандартного отклонения
Так как оценка оценки среднего арифметического и стандартного отклонения величины не одного порядка, то значение оценок среднего арифметического и стандартного отклонения вычислены по достаточному количеству элементов и заслуживает доверия. Окончательные результаты запишем как
4. Находим значения интервальных оценок, как более приемлемых для практических нужд, для истинных значений оцениваемых характеристик с вероятностью р = 0.95. Для получения вероятностного коэффициента tр (квантиля распределения Стьюдента) используем команду в Matlab для вероятности р = 0.95 и числа степеней свободы k = n – 1. У нас n = 20 и k = 19
tр=tinv((0.95+1)/2, 19),
и получаем значение tр = 2.09. Здесь вероятность 0.95 модифицируется как (1 + p)/2, так как используется двухсторонний интервал. Теперь имеем
для оценки истинного значения измеряемой величины. Очевидно, что оцененное значение (среднее арифметическое) должно лежать в вычисленном интервале.
5. Получаем интервальные оценки теоретического значения стандарта и стандарта математического ожидания при p = 0.95. Для вычисления вероятностных коэффициентов (квантилей распределения хи-квадрат Пирсона) также воспользуемся командами Matlab при следующих модифицированных вероятностях ((1+ p)/2 = 0.975 для 1, или левой границы и (1- p)/2 = 0.025 для 2, или правой границы интервала)
|
chi1=chi2inv(0.975,19)
chi2=chi2inv(0.025,19).
В результате имеем вероятностные коэффициенты = 32.9 и = 8.9, по которым вычисляются коэффициенты интервала γ1 и γ2 (см. формулы теории выше). Тогда значения коэффициентов будут. γ 1 = 0.76, γ 2 = 1.46 соответственно.
Окончательные интервалы для точностных характеристик будут
,
|
|
Индивидуальные очистные сооружения: К классу индивидуальных очистных сооружений относят сооружения, пропускная способность которых...
Типы сооружений для обработки осадков: Септиками называются сооружения, в которых одновременно происходят осветление сточной жидкости...
История развития пистолетов-пулеметов: Предпосылкой для возникновения пистолетов-пулеметов послужила давняя тенденция тяготения винтовок...
История создания датчика движения: Первый прибор для обнаружения движения был изобретен немецким физиком Генрихом Герцем...
© cyberpedia.su 2017-2024 - Не является автором материалов. Исключительное право сохранено за автором текста.
Если вы не хотите, чтобы данный материал был у нас на сайте, перейдите по ссылке: Нарушение авторских прав. Мы поможем в написании вашей работы!