Меню

Стандартное отклонение единичного измерения



Статистическая обработка результатов измерения

Завершающей стадией количественного анализа химического состава вещества любым методом является статистическая обработка результатов измерений. Она позволяет оценить систематические и случайные погрешности измерений.

Используя приемы математической статистики, можно:

• рассчитать основные метрологические характеристики методики анализа (оценить воспроизводимость и правильность полученных данных, отбросив результаты, содержащие промахи);

• определить методом регрессивного анализа вид функциональной зависимости аналитического сигнала от концентрации (содержания) определяемого элемента;

• рассчитать метрологические характеристики параметров градуировочного графика и результатов анализа;

• представить результаты статистической обработки в виде компактных табличных данных, позволяющих оценить воспроизводимость и правильность полученных результатов;

• в случае необходимости оценить нижнюю границу определяемых содержаний вещества, предел определения (обнаружения), коэффициент чувствительности.

Расчет метрологических характеристик результатов измерений (определений) при малой выборке

При химическом анализе пищевых продуктов содержание вещества в пробе устанавливают, как правило, по небольшому числу параллельных определений (n). Для расчета погрешностей определений в этом случае пользуются методами математической статистики, разработанными для малого числа определений. Полученные результаты рассматривают как случайную (малую) выборку из некоторой гипотетической генеральной совокупности, состоящей из всех мыслимых в данных условиях наблюдений.

Для практических целей можно считать, что при числе измерений п — 20-30 значения стандартного отклонения генеральной совокупности (а) — основного параметра и стандартного отклонения малой выборки (S) близки (S = у).

Оценка воспроизводимости результатов измерений

Среднее выборки. Пусть x1, х2, . хп обозначают п результатов измерений величины, истинное значение которой р.. Предполагается, что все измерения проделаны одним методом и с одинаковой точностью. Такие измерения называют равноточными.

В теории ошибок доказывается, что при условии выполнения нормального закона при п измерениях одинаковой точности среднее арифметическое из результатов, полученных при всех измерениях, является наиболее вероятным и наилучшим значением измеряемой величины:

Это среднее значение принимают за приближенное и пишут X = м.

Единичное отклонение — это отклонение отдельного измерения от среднего арифметического:

Алгебраическая сумма единичных отклонений равна нулю:

Дисперсия, стандартное отклонение, относительное стандартное отклонение. Рассеяние результатов измерений относительно среднего значения принято характеризовать дисперсией S 2 :

или стандартным отклонением (средним квадратичным отклонением) — S:

которое обычно и приводят при представлении результатов измерений (анализа) и которым характеризуют их воспроизводимость.

Стандартное отклонение, деленное на среднее выборки, называют относительным стандартным отклонением:

В общем случае метод анализа оптимален в той области содержаний, в которой и абсолютное (S) и относительное (Sr) стандартное отклонение имеют минимальные значения.

Определение и исключение грубых погрешностей

В литературе приведены различные методы оценки и исключения грубых погрешностей.

Рассмотрим наиболее простой для практического использования метод исключения грубых промахов по Q-критерию. Для этого составляют отношение:

где х1 — подозрительно выделяющийся результат определения (измерения);

х2 — результат единичного определения, ближайший по значению к х1;

R — размах варьирования;

Я = хмах — хмин — разница между наибольшим и наименьшим значением ряда измерений. При малой выборке (п Q (Р, пi).

Оценка правильности результатов измерений (определений)

После того как осуществлена проверка грубых погрешностей (в случае подозрительных результатов измерений) и их исключение, производят оценку доверительного интервала (Ах) для среднего значения X и интервальных значений X ± Ах.

Доверительный интервал (Ах). Если воспроизводимость результатов измерений (методики анализа) характеризуют стандартным отклонением, то сами результаты измерений (определений) характеризуют доверительным интервалом среднего значения X, который рассчитывают по формуле

где tP, f — квантиль распределения Стьюдента при числе степеней свободы f = п — 1 и двухсторонней доверительной вероятности Р (значения tp, f см. в табл. 1.2).

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

Коэффициент tp, f показывает, во сколько раз разность между истинным и средним результатами больше стандартного результата.

Источник

Стандартное отклонение

Стандартное отклонение (англ. Standard Deviation) — простыми словами это мера того, насколько разбросан набор данных.

Вычисляя его, можно узнать, являются ли числа близкими к среднему значению или далеки от него. Если точки данных находятся далеко от среднего значения, то в наборе данных имеется большое отклонение; таким образом, чем больше разброс данных, тем выше стандартное отклонение.

Стандартное отклонение обозначается буквой σ (греческая буква сигма).

Стандартное отклонение также называется:

  • среднеквадратическое отклонение,
  • среднее квадратическое отклонение,
  • среднеквадратичное отклонение,
  • квадратичное отклонение,
  • стандартный разброс.

Использование и интерпретация величины среднеквадратического отклонения

Стандартное отклонение используется:

  • в финансах в качестве меры волатильности,
  • в социологии в опросах общественного мнения — оно помогает в расчёте погрешности.

Рассмотрим два малых предприятия, у нас есть данные о запасе какого-то товара на их складах.

В обеих компаниях среднее количество товара составляет 20 единиц:

  • А -> (19 + 21 + 19+ 21) / 4 = 20
  • Б -> (15 + 26 + 15+ 24) / 4 = 20

Однако, глядя на цифры, можно заметить:

  • в компании A количество товара всех четырёх дней очень близко находится к этому среднему значению 20 (колеблется лишь между 19 ед. и 21 ед.),
  • в компании Б существует большая разница со средним количеством товара (колеблется между 15 ед. и 26 ед.).

Если рассчитать стандартное отклонение каждой компании, оно покажет, что

  • стандартное отклонение компании A = 1,
  • стандартное отклонение компании Б ≈ 5.

Стандартное отклонение показывает эту волатильность данных — то, с каким размахом они меняются; т.е. как сильно этот запас товара на складах компаний колеблется (поднимается и опускается).

Расчет среднеквадратичного (стандартного) отклонения

Формулы вычисления стандартного отклонения

Разница между формулами S и σ («n» и «n–1»)

Состоит в том, что мы анализируем — всю выборку или только её часть:

  • только её часть – используется формула S (с «n–1»),
  • полностью все данные – используется формула σ (с «n»).

Как рассчитать стандартное отклонение?

Пример 1 (с σ)

Рассмотрим данные о запасе какого-то товара на складах Предприятия Б.

День 1 День 2 День 3 День 4
Пред.Б 15 26 15 24

Если значений выборки немного (небольшое n, здесь он равен 4) и анализируются все значения, то применяется эта формула:

Применяем эти шаги:

1. Найти среднее арифметическое выборки:

μ = (15 + 26 + 15+ 24) / 4 = 20

2. От каждого значения выборки отнять среднее арифметическое:

x1 — μ = 15 — 20 = -5

x2 — μ = 26 — 20 = 6

x3 — μ = 15 — 20 = -5

x4 — μ = 24 — 20 = 4

3. Каждую полученную разницу возвести в квадрат:

4. Сделать сумму полученных значений:

Σ (xi — μ)² = 25 + 36+ 25+ 16 = 102

5. Поделить на размер выборки (т.е. на n):

(Σ (xi — μ)²)/n = 102 / 4 = 25,5

6. Найти квадратный корень:

√((Σ (xi — μ)²)/n) = √ 25,5 ≈ 5,0498

Пример 2 (с S)

Задача усложняется, когда существуют сотни, тысячи или даже миллионы данных. В этом случае берётся только часть этих данных и анализируется методом выборки.

У Андрея 20 яблонь, но он посчитал яблоки только на 6 из них.

Популяция — это все 20 яблонь, а выборка — 6 яблонь, это деревья, которые Андрей посчитал.

Яблоня 1 Яблоня 2 Яблоня 3 Яблоня 4 Яблоня 5 Яблоня 6
9 2 5 4 12 7

Так как мы используем только выборку в качестве оценки всей популяции, то нужно применить эту формулу:

Математически она отличается от предыдущей формулы только тем, что от n нужно будет вычесть 1. Формально нужно будет также вместо μ (среднее арифметическое) написать X ср.

Применяем практически те же шаги:

1. Найти среднее арифметическое выборки:

Xср = (9 + 2 + 5 + 4 + 12 + 7) / 6 = 39 / 6 = 6,5

2. От каждого значения выборки отнять среднее арифметическое:

X1 – Xср = 9 – 6,5 = 2,5

X2 – Xср = 2 – 6,5 = –4,5

X3 – Xср = 5 – 6,5 = –1,5

X4 – Xср = 4 – 6,5 = –2,5

X5 – Xср = 12 – 6,5 = 5,5

X6 – Xср = 7 – 6,5 = 0,5

3. Каждую полученную разницу возвести в квадрат:

(X1 – Xср)² = (2,5)² = 6,25

(X2 – Xср)² = (–4,5)² = 20,25

(X3 – Xср)² = (–1,5)² = 2,25

(X4 – Xср)² = (–2,5)² = 6,25

(X5 – Xср)² = 5,5² = 30,25

(X6 – Xср)² = 0,5² = 0,25

4. Сделать сумму полученных значений:

Σ (Xi – Xср)² = 6,25 + 20,25+ 2,25+ 6,25 + 30,25 + 0,25 = 65,5

5. Поделить на размер выборки, вычитав перед этим 1 (т.е. на n–1):

(Σ (Xi – Xср)²)/(n-1) = 65,5 / (6 – 1) = 13,1

6. Найти квадратный корень:

S = √((Σ (Xi – Xср)²)/(n–1)) = √ 13,1 ≈ 3,6193

Дисперсия и стандартное отклонение

Стандартное отклонение равно квадратному корню из дисперсии (S = √D). То есть, если у вас уже есть стандартное отклонение и нужно рассчитать дисперсию, нужно лишь возвести стандартное отклонение в квадрат (S² = D).

Дисперсия — в статистике это «среднее квадратов отклонений от среднего». Чтобы её вычислить нужно:

  1. Вычесть среднее значение из каждого числа
  2. Возвести каждый результат в квадрат (так получатся квадраты разностей)
  3. Найти среднее значение квадратов разностей.

Ещё расчёт дисперсии можно сделать по этой формуле:

Правило трёх сигм

Это правило гласит: вероятность того, что случайная величина отклонится от своего математического ожидания более чем на три стандартных отклонения (на три сигмы), почти равна нулю.

Глядя на рисунок нормального распределения случайной величины, можно понять, что в пределах:

  • одного среднеквадратического отклонения заключаются 68,26% значений (Xср ± 1σ или μ ± 1σ),
  • двух стандартных отклонений — 95,44% (Xср ± 2σ или μ ± 2σ),
  • трёх стандартных отклонений — 99,72% (Xср ± 3σ или μ ± 3σ).

Это означает, что за пределами остаются лишь 0,28% — это вероятность того, что случайная величина примет значение, которое отклоняется от среднего более чем на 3 сигмы.

Стандартное отклонение в excel

Вычисление стандартного отклонения с «n – 1» в знаменателе (случай выборки из генеральной совокупности):

1. Занесите все данные в документ Excel.

2. Выберите поле, в котором вы хотите отобразить результат.

3. Введите в этом поле «=СТАНДОТКЛОНА(«

4. Выделите поля, где находятся данные, потом закройте скобки.

5. Нажмите Ввод (Enter).

В случае если данные представляют всю генеральную совокупность (n в знаменателе), то нужно использовать функцию СТАНДОТКЛОНПА.

Коэффициент вариации

Коэффициент вариации — отношение стандартного отклонения к среднему значению, т.е. Cv = (S/μ) × 100% или V = (σ/X̅) × 100%.

Стандартное отклонение делится на среднее и умножается на 100%.

Можно классифицировать вариабельность выборки по коэффициенту вариации:

  • при 20 % — выборка сильно вариабельна.

Источник

Стандартное отклонение единичного измерения

Погрешность результата измерения (англ. error of a measurement) – отклонение результата измерения от истинного (действительного) значения измеряемой величины.
Примечания:

  • Истинное значение величины неизвестно, его применяют только в теоретических исследованиях.
  • На практике используют действительное значение величины xД ,в результате чего погрешность измерения DxИЗМ определяют по формуле: DxИЗМ = xИЗМxД , где xИЗМ – измеренное значение величины.
  • Синонимом термина погрешность измерения является термин ошибка измерения, применять который не рекомендуется как менее удачный.

Систематическая погрешность измерения (англ. systematic error) – составляющая погрешности результата измерения, остающаяся постоянной или закономерно изменяющаяся при повторных измерениях одной и той же физической величины.
Примечание. В зависимости от характера измерения систематические погрешности подразделяют на постоянные, прогрессивные, периодические и погрешности, изменяющиеся по сложному закону.
Постоянные погрешности — погрешности, которые длительное время сохраняют свое значение, например в течение времени выполнения всего ряда измерений. Они встречаются наиболее часто.
Прогрессивные погрешности — непрерывно возрастающие или убывающие погрешности. К ним относятся, например, погрешности вследствие износа измерительных наконечников, контактирующих с деталью при контроле ее прибором активного контроля.
Периодические погрешности — погрешности, значение которых является периодической функцией времени или перемещения указателя измерительного прибора.
Погрешности, изменяющиеся по сложному закону, происходят вследствие совместного действия нескольких систематических погрешностей.

Инструментальная погрешность измерения (англ. instrumental error) – составляющая погрешности измерения, обусловленная погрешностью применяемого средства измерений.

Погрешность метода измерений (англ. error of method) – составляющая систематической погрешности измерений, обусловленная несовершенством принятого метода измерений.
Примечания:

  • Вследствие упрощений, принятых в уравнениях для измерений, нередко возникают существенные погрешности, для компенсации действия которых следует вводить поправки. Погрешность метода иногда называют теоретической погрешностью.
  • Иногда погрешность метода может проявляться как случайная.

Погрешность (измерения) из-за изменений условий измерения – составляющая систематической погрешности измерения, являющаяся следствием неучтенного влияния отклонения в одну сторону какого-либо из параметров, характеризующих условия измерений, от установленного значения.
Примечание. Этот термин применяют в случае неучтенного или недостаточно учтенного действия той или иной влияющей величины (температуры, атмосферного давления, влажности воздуха, напряженности магнитного поля, вибрации и др.); неправильной установки средств измерений, нарушения правил их взаимного расположения и др.

Субъективная погрешность измерения – составляющая систематической погрешности измерений, обусловленная индивидуальными особенностями оператора.
Примечания:

  • Встречаются операторы, которые систематически опаздывают (или опережают) снимать отсчеты показаний средств измерений.
  • Иногда субъективную погрешность называют личной погрешностью или личной разностью.

Неисключенная систематическая погрешность – составляющая погрешности результата измерений, обусловленная погрешностями вычисления и введения поправок на влияние систематических погрешностей или систематической погрешностью, поправка на действие которой не введена вследствие ее малости.
Примечания:

  • 1. Иногда этот вид погрешности называют неисключенный (ые) остаток (остатки) систематической погрешности.
  • 2. Неисключенная систематическая погрешность характеризуется ее границами. Границы неисключенной систематической погрешности θ при числе слагаемых N≤3 вычисляют по формуле:

Случайная погрешность измерения (англ. random error) – составляющая погрешности результата измерения, изменяющаяся случайным образом (по знаку и значению) при повторных измерениях, проведенных с одинаковой тщательностью, одной и той же физической величины.

Абсолютная погрешность измерения (англ. absolute error of a measurement) – погрешность измерения, выраженная в единицах измеряемой величины.

Абсолютное значение погрешности (англ. absolute value of an error) – значение погрешности без учета ее знака (модуль погрешности).
Примечание. Необходимо различать термины абсолютная погрешность и абсолютное значение погрешности.

Относительная погрешность измерения (англ. relative error) – погрешность измерения, выраженная отношением абсолютной погрешности измерения к действительному или измеренному значению измеряемой величины.
Примечание. Относительную погрешность в долях или процентах находят из отношений:

Рассеяние результатов в ряду измерений (англ. dispersion) – несовпадение результатов измерений одной и той же величины в ряду равноточных измерений, как правило, обусловленное действием случайных погрешностей.
Примечания:

  • Количественную оценку рассеяния результатов в ряду измерений вследствие действия случайных погрешностей обычно получают после введения поправок на действие систематических погрешностей.
  • Оценками рассеяния результатов в ряду измерений могут быть: — размах, — среднее квадратическое отклонение (экспериментальное среднее квадратическое отклонение), — доверительные границы погрешности (доверительная граница). (в ред. Изменения N 2, введенного Приказом Росстандарта от 04.08.2010 N 203-ст)

Размах результатов измерений (англ. ) – оценка Rn рассеяния результатов единичных измерений физической n величины, образующих ряд (или выборку из n измерений), вычисляемая по формуле:

Среднее квадратическое отклонение результатов единичных измерений в ряду измерений (англ. experimental (sample) standard deviation) – характеристика S рассеяния результатов измерений в ряду равноточных измерений одной и той же физической величины, вычисляемая по формуле:

Среднее квадратическое отклонение среднего арифметического значения результатов измерений (англ. experimental (sample) standard deviation) – характеристика Sx рассеяния среднего арифметического значения результатов равноточных измерений одной и той же величины, вычисляемая по формуле:

Доверительные границы погрешности результата измерений – наибольшее и наименьшее значения погрешности измерений, ограничивающие интервал, внутри которого с заданной вероятностью находится искомое (истинное) значение погрешности результата измерений.

Поправка (англ. correction) – значение величины, вводимое в неисправленный результат измерения с целью исключения составляющих систематической погрешности.
Примечание. Знак поправки противоположен знаку погрешности. Поправку, прибавляемую к номинальному значению меры, называют поправкой к значению меры; поправку, вводимую в показание измерительного прибора, называют поправкой к показанию прибора.

Поправочный множитель (англ. correction factor) – числовой коэффициент, на который умножают неисправленный результат измерения с целью исключения влияния систематической погрешности.
Примечание. Поправочный множитель используют в случаях, когда систематическая погрешность пропорциональна значению величины.

Точность результата измерений (англ. accuracy of measurement) – одна из характеристик качества измерения, отражающая близость к нулю погрешности результата измерения.
Примечание. Считают, что чем меньше погрешность измерения, тем больше его точность.

Неопределенность измерений (англ. uncertainty of measurement) – параметр, связанный с результатом измерений и характеризующий рассеяние значений, которые можно приписать измеряемой величине.

Погрешность метода поверки – погрешность применяемого метода передачи размера единицы при поверке.

Погрешность градуировки средства измерений – погрешность действительного значения величины, приписанного той или иной отметке шкалы средства измерений в результате градуировки.

Погрешность воспроизведения единицы физической величины – погрешность результата измерений, выполняемых при воспроизведении единицы физической величины.
Примечание. Погрешность воспроизведения единицы при помощи государственных эталонов обычно указывают в виде ее составляющих: неисключенной систематической погрешности; случайной погрешности; нестабильности за год.

Погрешность передачи размера единицы физической величины – погрешность результата измерений, выполняемых при передаче размера единицы.
Примечание. В погрешность передачи размера единицы входят как неисключенные систематические, так и случайные погрешности метода и средств измерений.

Статическая погрешность измерений – погрешность результата измерений, свойственная условиям статического измерения.

Динамическая погрешность измерений – погрешность результата измерений, свойственная условиям динамического измерения.

Промах – погрешность результата отдельного измерения, входящего в ряд измерений, которая для данных условий резко отличается от остальных результатов этого ряда.
Примечание. Иногда вместо термина промах применяют термин грубая погрешность измерений.

Предельная погрешность измерения в ряду измерений – максимальная погрешность измерения (плюс, минус), допускаемая для данной измерительной задачи.

Погрешность результата однократного измерения – погрешность одного измерения (не входящего в ряд измерений), оцениваемая на основании известных погрешностей средства и метода измерений в данных условиях (измерений).
Пример. При однократном измерении микрометром какого-либо размера детали получено значение величины, равное 12,55 мм. При этом еще до измерения известно, что погрешность микрометра в данном диапазоне составляет +/- 0,01 мм, и погрешность метода (непосредственной оценки) в данном случае принята равной нулю. Следовательно, погрешность полученного результата будет равна +/- 0,01 мм в данных условиях измерений.

Суммарное среднее квадратическое отклонение среднего арифметического значения результатов измерений – характеристика S рассеяния среднего арифметического результатов измерений, обусловленная влиянием случайных и неисключенных систематических погрешностей и вычисляемая по формуле:

где: — СКО неисключенных систематических погрешностей при равномерном распределении каждой из них.

Источник