Как рассчитать ошибку косвенного измерения

Как рассчитать ошибку косвенного измерения

Погрешности прямых измерений. Промах. Систематическая погрешность. Случайная погрешность. Полная погрешность. Погрешности косвенных измерений. Запись результата измерений

  1. Оценка погрешности прямых измерений

Измерить физическую величину – это значит сравнить ее с однородной величиной, принятой за единицу меры.

Различают прямые и косвенные измерения.

Если измеряемая величина непосредственно сравнивается с мерой, то измерения называются прямыми. Например, измерения линейных размеров тел с помощью масштабной линейки и т.д.

Если измеряется не сама искомая величина, а некоторые другие величины, связанные с ней функциональной зависимостью, то измерения называются косвенными. Например, измерения объема, ускорения и т.д.

Из-за несовершенства средств и методик измерения, органов чувств при любом измерении неизбежны отклонения результатов измерений от истинных величин. Эти отклонения называются погрешностями измерений.

Погрешности измерений делятся на систематические, случайные и промахи.

1.1. Промахи, связанные с неправильными отсчетами по прибору, неправильными записями и т.д., приводят к очень большой по абсолютной величине погрешности. Они, как правило, не укладываются в общую закономерность измеренных величин. Обнаруженный промах следует отбросить.

1.2. Систематическими погрешностями Δxсист называются погрешности, которые сохраняются при повторных измерениях одной и той же величины x или изменяются по определенному закону.

Систематические погрешности подразделяются на несколько групп. Отметим только приборную погрешность.

Систематическая приборная погрешность определяется по классу точности прибора, который указывается на приборе следующими цифрами: 0,01; 0,02; 0,05; 1,0; 2,5; 4,0. Класс точности показывает предельно допустимое значение систематической погрешности, выраженной в процентах от верхнего предела на выбранном диапазоне измерений. Например, предел измерения вольтметра с классом точности 0,5 равен 200 В. Систематическая погрешность равна 0,5% от 200В. Следовательно, систематическая погрешность вольтметра равна 1 В.

Если на приборе класс точности не указан, то погрешность равна половине цены наименьшего деления шкалы прибора.

1.3. Случайными называются погрешности, которые изменяются беспорядочно при повторных измерениях одной и той же физической величины при одинаковых условиях.

Оценим случайную погрешность. Пусть при измерении какой-либо физической величины было произведено N измерений и были получены значения x1, x2, … xN. Тогда наиболее вероятным значением измеряемой величины является ее среднее арифметическое значение

Результаты измерений x1, x2, … xN «рассеиваются» вокруг среднего. В качестве меры «рассеяния» результатов наблюдения вокруг среднего служит среднее квадратичное отклонение

Пусть a будет истинным, но неизвестным значением измеряемой величины x. Доказано, что вероятность попадания результатов измерения величины x в интервал значений от (aS) до (a + S) оказывается равной α = 0,68.

Вероятность попадания результатов наблюдений в более широкие интервалы (a – 2S, a + 2S) и (a – 3S, a + 3S) равна α = 0,95 и α = 0,99 соответственно.

Вероятность попадания в заданный интервал значений величины x называется доверительной вероятностью, а сам интервал – доверительным интервалом.

Однако, таким образом полученный доверительный интервал справедлив при большом значении N. В учебных лабораториях, как правило, приходится ограничиваться небольшим числом измерений. В этом случае доверительный интервал находят с помощью коэффициента Стьюдента, который зависит от числа измерений N и доверительной вероятности α. В таблице 1 приведены коэффициенты Стьюдента для различного числа наблюдений при доверительных вероятностях α = 0,68; 0,95; 0,99.

Источник

Расчет погрешностей при косвенных измерениях

В большинстве случаев конечной целью лабораторной работы является вычисление искомой величины с помощью некоторой формулы, в которую входят величины, измеряемые прямым путем. Такие измерения называются косвенными. В качестве примера приведем формулу плотности твердого тела цилиндрической формы

, (П.5)

где r – плотность тела, m – масса тела, d – диаметр цилиндра, h – его высота.

Зависимость (П.5) в общем виде можно представить следующим образом:

, (П.6)

где Y – косвенно измеряемая величина, в формуле (П.5) это плотность r; X1, X2,. , Xn – прямо измеряемые величины, в формуле (П.5) это m, d, и h.

Результат косвенного измерения не может быть точным, поскольку результаты прямых измерений величин X1, X2, . , Xn всегда содержат в себе погрешность. Поэтому при косвенных измерениях, как и при прямых, необходимо оценить доверительный интервал (абсолютную погрешность)полученного значения DY и относительную погрешность e.

При расчете погрешностей в случае косвенных измерений удобно придерживаться такой последовательности действий:

1) получить средние значения каждой прямо измеряемой величины áX1ñ, áX2ñ, …, áXnñ;

2) получить среднее значение косвенно измеряемой величины áYñ, подставив вформулу (П.6) средние значения прямо измеряемых величин;

3) провести оценки абсолютных погрешностей прямо измеряемых величин DX1, DX2, . DXn, воспользовавшись формулами (П.2) и (П.3);

4) основываясь на явном виде функции (П.6), получить формулу для расчета абсолютной погрешности косвенно измеряемой величины DY и рассчитать ее;

5) рассчитать относительную погрешность измерения ;

6) записать результат измерения с учетом погрешности.

Ниже без вывода приводится формула, позволяющая получить формулы для расчета абсолютной погрешности, если известен явный вид функции (П.6):

, (П.7)

где ¶Y¤¶X1 и т. д. – частные производные от Y по всем прямо измеряемым величинам X1, X2, …, Xn (когда берется частная производная, например по X1, то все остальные величины Xi в формуле считаются постоянными), DXi– абсолютные погрешности прямо измеряемых величин, вычисленные согласно (П.3).

Рассчитав DY, находят относительную погрешность .

Однако если функция (П.6) является одночленом, то намного легче сначала рассчитать относительную погрешность, а затем уже абсолютную.

Действительно, разделив обе части равенства (П.7) на Y, получим

.

Но так как , то можно записать

. (П.8)

Теперь, зная относительную погрешность, определяют абсолютную .

В качестве примера получим формулу для расчета погрешности плотности вещества, определяемой по формуле (П.5). Поскольку (П.5) является одночленом, то, как сказано выше, проще сначала рассчитать относительную погрешность измерения по (П.8). В (П.8) под корнем имеем сумму квадратов частных производных от логарифма измеряемой величины, поэтому сначала найдем натуральный логарифм r:

ln r = ln 4 + ln m – ln p –2 ln d – ln h,

а потом уже воспользуемся формулой (П.8) и получим, что

. (П.9)

Как видно, в (П.9) используются средние значения прямо измеряемых величин и их абсолютные погрешности, рассчитанные методом прямых измерений по (П.3). Погрешность, вносимую числом p, не учитывают, поскольку ее значение всегда можно взять с точностью, превышающей точность измерения всех других величин. Рассчитав e, находим .

Если косвенные измерения являются независимыми (условия каждого последующего эксперимента отличаются от условий предыдущего), то значения величины Y вычисляются для каждого отдельного эксперимента. Произведя n опытов, получают n значений Yi. Далее, принимая каждое из значений Yi (где i – номер опыта) за результат прямого измерения, вычисляют áYñ и DY по формулам (П.1) и (П.2) соответственно.

Окончательный результат как прямых, так и косвенных измерений должен выглядеть так:

, (П.10)

где m – показатель степени, u – единицы измерения величины Y.

Источник

Погрешности косвенных измерений

Теперь необходимо рассмотреть вопрос о том, как находить погрешность физической величины U, которая определяется путем косвенных измерений. Общий вид уравнения измерения

где Хj – различные физические величины, которые получены экспериментатором путем прямых измерений, или физические константы, известные с заданной точностью. В формуле они являются аргументами функции.

В практике измерений широко используют два способа расчета погрешности косвенных измерений. Оба способа дают практически одинаковый результат.

Способ 1.Сначала находится абсолютная D, а затем относительная d погрешности. Этот способ рекомендуется для таких уравнений измерения, которые содержат суммы и разности аргументов.

Общая формула для расчета абсолютной погрешности при косвенных измерениях физической величины Y для произвольного вида f функции имеет вид:

(1.5)

где частные производные функции Y=f(Х1, Х2, … , Хn) по аргументу Хj,

общая погрешность прямых измерений величины Хj.

Для нахождения относительной погрешности нужно прежде всего найти среднее значение величины Y. Для этого в уравнение измерения (1.4) надо подставить средние арифметические значения величин Xj.

То есть среднее значение величины Y равно: . Теперь легко найти относительную погрешность: .

Пример: найти погрешность измерения объёма V цилиндра. Высоту h и диаметр D цилиндра считаем определёнными путём прямых измерений, причём пусть количество измерений n=10.

Формула для расчета объёма цилиндра, то есть уравнение измерения имеет вид:

Пусть при Р=0,68;

при Р=0,68.

Тогда, подставляя в формулу (1.5) средние значения, найдём:

Погрешность DV в данном примере зависит, как видно, в основном от погрешности измерения диаметра.

Средний объём равен: , относительная погрешность dV равна:

, или dV=19%.

Окончательный результат после округления:

Способ 2. Этот способ определения погрешности косвенных измерений отличается от первого способа меньшими математическими трудностями, поэтому его чаще используют.

В начале находят относительную погрешность d, и только затем абсолютную D. Особенно удобен этот способ, если уравнение измерения содержит только произведения и отношения аргументов.

Порядок действий можно рассмотреть на том же конкретном примере — определение погрешности при измерении объёма цилиндра

.

Все численные значения входящих в формулу величин сохраним теми же, что и при расчетах по способу 1.

Пусть мм, ; при Р=0,68;

; при Р=0,68.

-погрешность округления числа p (см. рис. 1.1)

При использовании способа 2 следует действовать так:

1) прологарифмировать уравнение измерения (берём натуральный логарифм)

.

найти дифференциалы от левой и правой частей, считая независимыми переменными,

;

2) заменить дифференциал каждой величины на абсолютную погрешность этой же величины, а знаки “минус”, если же они есть перед погрешностями на “плюс”:

;

3) казалось бы, что с помощью этой формулы уже можно дать оценку для относительной погрешности , однако это не так. Требуется так оценить погрешность, чтобы доверительная вероятность этой оценки совпадала с доверительными вероятностями оценки погрешностей тех членов, которые стоят в правой части формулы. Для этого, чтобы это условие выполнялось, нужно все члены последней формулы возвести в квадрат, а затем извлечь корень квадратный из обеих частей уравнения:

.

Или в других обозначениях относительная погрешность объёма равна:

,

причём вероятность этой оценки погрешности объёма будет совпадать с вероятностью оценки погрешностей входящих в подкоренное выражение членов:

Сделав вычисления, убедимся, что результат совпадает с оценкой по способу 1:

Теперь, зная относительную погрешность, находим абсолютную:

Окончательный результат после округления:

V = (47 ± 9) мм 3 , dV = 19%, P=0,68.

Контрольные вопросы

1. В чём заключается задача физических измерений?

2. Какие типы измерений различают?

3. Как классифицируют погрешности измерений?

4. Что такое абсолютная и относительная погрешности?

5. Что такое промахи, систематические и случайные погрешности?

6. Как оценить систематическую погрешность?

7. Что такое среднее арифметическое значение измеренной величины?

8. Как оценить величину случайной погрешности, как она связана со средним квадратичным отклонением?

9. Чему равна вероятность обнаружения истинного значение измеренной величины в интервале от Хср — s до Хср + s?

10. Если в качестве оценки для случайной погрешности выбрать величину 2s или 3s, то с какой вероятностью истинное значение будет попадать в определённые этими оценками интервалы?

11. Как суммировать погрешности и когда это нужно делать?

12. Как округлить абсолютную погрешность и среднее значение результата измерения?

13. Какие способы существуют для оценки погрешностей при косвенных измерениях? Как при этом действовать?

14. Что нужно записать в качестве результата измерения? Какие величины указать?

Дата добавления: 2015-02-19 ; просмотров: 4008 ; ЗАКАЗАТЬ НАПИСАНИЕ РАБОТЫ

Источник

Вычисление ошибок косвенных измерений

В большинстве случаев в ходе эксперимента несколькими приборами измеряются несколько величин и для получения конечного результата эти измерения необходимо обработать, используя математические операции: сложения, умножения и т.д. Поэтому необходимо оценивать точность опыта в целом с помощью вычисления предельной и среднеквадратической ошибок опыта.

Правила вычисления предельной относительной ошибки опыта:

1. Ошибка суммы заключена между наибольшей и наименьшей из относительных ошибок слагаемых. Обычно учитывается или наибольшая ошибка или средняя арифметическая величина (в лабораторной работе будем пользоваться средней арифметической величиной).

2. Ошибка произведения или частного равна сумме относительных ошибок сомножителей или соответственно делимого и делителя.

3. Ошибка n-ой степени основания в n раз больше относительной ошибки основания.

Для вычисления среднеквадратической ошибки результата косвенных измерений необходимо обеспечить независимость результатов измерений. В этом случае среднеквадратическая ошибка вычисления величины W, являющейся функцией измеряемых прямо параметров x, y, z, … определяется формулой:

(14)

где — частные производные функции вычисленные при средних значениях параметров x, y, z, …, — исправленные дисперсии соответственно x, y, z, ….

Пример. Определение погрешности косвенных измерений

В результате многократных измерений были получены средние значения и среднеквадратические ошибки 3-х взаимно независимых параметров:

а) предельную относительную ошибку измерений и предельную относительную ошибку определения функции

б) среднее значение и среднеквадратическую ошибку определения функции

а) Найдём предельные относительные ошибки измерений x, y, z по формуле (13):

Предельную относительную ошибку определения функции

найдём по правилам вычисления предельной относительной ошибки опыта:

б) Вычислим среднее значение функции

Для вычисления среднеквадратической ошибки определения функции по формуле (14) найдём частные производные:

и вычислим их при средних значениях x, y, z:

Подставляя в формулу (14), получим:

4. Расчёт характеристик линейной регрессионной модели

Одним из эффективных методов установления взаимосвязей между факторами является корреляционно-регрессионный анализ.

Задача корреляционно-регрессионного метода заключается в нахождении эмпирического уравнения, характеризующего связь результативного параметра Y c определённым входным фактором Х.

В качестве формы связи Y и X широко используют линейную зависимость в силу её простоты в расчётах, а также в связи с тем, что к ней можно привести многие другие виды зависимости.

Расчёт линейной регрессионной модели включает следующие этапы:

1. Расчёт теоретического уравнения линейной регрессии;

2. Оценка силы связи, расчёт коэффициента корреляции;

3. Оценка значимости коэффициента корреляции;

4. Оценка значимости коэффициентов уравнения регрессии;

5. Определение адекватности уравнения регрессии и доверительных границ.

Линейная регрессия Y на X имеет вид:

где α и β — параметры регрессии (β называется коэффициентом регрессии).

Статистические оценки и параметров регрессии α и β выбираются таким образом, чтобы значения вычисленные по формуле были как можно ближе к эмпирическим значениям . В качестве меры близости выбирают сумму квадратов отклонений . Метод нахождения параметров с помощью минимизации суммы квадратов отклонений эмпирических значений от теоретических значений в тех же точках называют методом наименьших квадратов.

Оптимальные значения параметров, полученные согласно этому методу, определяются формулами:

(15)

где и — средние значения X и Y, которые вычисляют по формулам:

(16)

Учитывая (15), запишем эмпирическую линию регрессии в виде:

(17)

Силу линейной корреляционной зависимости Y и X характеризует коэффициент корреляции r. Коэффициент r изменяется в пределах от до 1. Чем ближе он к , тем сильнее линейная связь Y и X, в предельном случае, если , имеет место точная линейная функциональная зависимость Y от X. Если , то Y и X не коррелируют. Оценкой коэффициента корреляции r служит выборочный коэффициент корреляции , который вычисляется по формуле:

(18)

Коэффициент корреляции определяемый по выборочным данным, может не совпадать с действительным значением, соответствующим генеральной совокупности. Для проверки статистической гипотезы о значимости выборочного коэффициента корреляции используют t-критерий Стьюдента, наблюдаемое значение которого вычисляется по формуле:

(19)

Критическое значение t-критерия для числа степеней свободы и уровня значимости α находят по таблицам критических точек распределения Стьюдента [1]. Если , то предположение о нулевом значении коэффициента корреляции не подтверждается, и выборочный коэффициент корреляции значим. Если , то величина r близка к нулю.

Для оценки параметров, входящих в уравнение регрессии (16) , при решении практических задач можно ограничиться построением доверительных интервалов. Для заданной надёжности γ доверительные интервалы для параметров и β определяются формулами:

(20)

(21)

где — критическое значение t-критерия для числа степеней свободы и уровня значимости , которое находят по таблицам критических точек распределения Стьюдента [1], — квадратный корень из остаточной дисперсии , которая находится по формуле:

. (22)

После получения эмпирического уравнения регрессии, проверяют насколько оно соответствует результатам наблюдений. Для проверки гипотезы о значимости уравнения регрессии используют F-критерий Фишера, наблюдаемое значение которого вычисляют по формуле:

(23)

где — исправленная дисперсия Y, которая вычисляется по формуле:

(24)

Критическое значение F-критерия для числа степеней свободы и и уровня значимости α находят по таблицам критических точек распределения Фишера-Снедекора [1]. Если , то гипотеза о незначимости уравнения регрессии не подтверждается, и уравнение соответствует результатам наблюдений. Если , то полученное уравнение незначимо.

Ещё одной характеристикой меры того, насколько эмпирическое уравнение хорошо описывает данную систему наблюдений, является коэффициент детерминации d, который вычисляется по формуле:

(25)

Чем ближе коэффициент d к единице, тем лучше описание.

После того как модель построена, она используется для анализа и прогноза. Прогноз осуществляется подстановкой фактора в уравнение (17). Получается точечная оценка :

(26)

Доверительный интервал для прогнозируемого значения имеет вид:

(27)

где — критическое значение t-критерия для числа степеней свободы и уровня значимости , которое находят по таблицам критических точек распределения Стьюдента [1].

Пример. Построение модели линейной регрессии

По данным наблюдений определить параметры линейного уравнения регрессии Y на X. Найти коэффициенты регрессии и корреляции проверить гипотезу о значимости выборочного коэффициента корреляции. Найти доверительные интервалы для параметров уравнения регрессии. Определить коэффициент детерминации. Проверить гипотезу о значимости полученного уравнения регрессии. Найти прогнозируемое моделью значение y при x=x0 и найти для него доверительный интервал. Уровень значимости принять равным 0,05.

X
Y 0,5 0,7 0,9 1,1 1,4 1,4 1,7 1,9

Для получения параметров уравнения регрессии составим таблицу. Таблица 2

0,5 0,7 0,9 1,1 1,4 1,4 1,7 1,9 -40 -28 -11 -0,7 -0,5 -0,3 -0,1 0,2 0,2 0,5 0,7 0,49 0,25 0,09 0,01 0,04 0,04 0,25 0,49 3,3 -0,2 1,8 2,6 10,5 23,8 0,43 0,661 0,998 1,239 1,373 1,450 1,604 1,854 0,0049 0,0015 0,0077 0,0193 0,0007 0,0025 0,0092 0,0021
9,6 1,66 83,8 0,0479

В последней строке таблицы приведены суммы столбцов, используемых в расчётах.

Найдём средние значения X и Y по формуле (16):

Вычислим коэффициент регрессии по формуле (15):

и получим эмпирическое уравнение регрессии, подставляя в (17):

(28)

По формуле (28) вычислим теоретические значения и заполним два последних столбца таблицы 2.

Вычислим коэффициент корреляции по формуле (18 ):

и проверим гипотезу о его значимости. Наблюдаемое значение критерия найдём по формуле (19):

По таблице критических точек распределения Стьюдента [1] найдём критическую точку распределения Стьюдента с числом степеней свободы и уровнем значимости Получим и сравним и : следовательно, коэффициент корреляции значим, и Y и X связаны линейной корреляционной зависимостью.

Для определения доверительных интервалов параметров уравнения линейной регрессии (28) найдём остаточную дисперсию по формуле (22):

Подставляя в формулу (20), получим доверительный интервал для Вычисляя, получим интервальную оценку для с надёжностью

Доверительный интервал для получим по формуле (21):

Итак, интервальная оценка для параметра с надёжностью

Проверим гипотезу о значимости полученного уравнения регрессии. Для вычисления наблюдаемого значения F-критерия найдём исправленную дисперсию Y по формуле (24): Подставляя в формулу (23), получим: По таблице критических точек распределения Фишера-Снедекора [1] для числа степеней свободы и на уровне значимости найдём Сравнивая наблюдаемое и критическое значения F-критерия, получим следовательно, уравнение значимо.

Для оценки адекватности линейной модели наблюдаемым значениям найдём также коэффициент детерминации по формуле (25):

Этот результат истолковывается так: 97,1% изменчивости Y объясняется изменением фактора X , а на остальные случайные факторы приходится 2,9% изменчивости. Однако, этот вывод действителен только для рассматриваемого интервала значений X.

Используем уравнение (28) для прогноза. При точечную оценку для y получим путём подстановки в формулу (28): Доверительный интервал для получим по формуле (27):

Окончательно, интервальная оценка для с надёжностью

Источник

Поделиться с друзьями
Моя стройка
Adblock
detector