Классификация погрешностей

1. В зависимости от условий применения средств измерения (СИ) погрешности делят на:

1) основную – составляющая погрешности измерения, которой обладает СИ в нормальных условиях эксплуатации;

2) дополнительную – погрешность СИ при отклонении условий измерений от нормальных.

2. В зависимости от слагаемых процесса измерения:

1) погрешность меры;

2) погрешность преобразования;

3) погрешность сравнения измеряемой величины с мерой;

4) погрешность фиксации результатов измерения.

3. В зависимости от характера проявления погрешности делят на:

1) систематические погрешности – составляющие погрешности, которые при повторных измерениях одной и той же физической величины остаются постоянными, или изменяются по определённому закону;

2) случайные погрешности – составляющие погрешности, которые при повторных измерениях одной и той же физической величины изменяются случайным образом;

3) грубые погрешности – составляющие погрешности, которые существенно превышают ожидаемые.

4. В зависимости от причины возникновения:

1) аппаратурная (инструментальная) погрешность, возникающая из-за несовершенства средства измерений, т.е. от погрешностей средств измерений.

2) внешние погрешности, зависящие от условий проведения измерений, т.е. от отклонения влияющих величин от нормальных значений.

3) методическая погрешность, обусловленная несовершенством выбранного метода измерений или неполным знанием особенностей изучаемых явлений:

4) субъективные погрешности, обусловленные индивидуальными особенностями экспериментатора.

5. В зависимости от способа количественного выражения:

1) абсолютная погрешность

2) относительная погрешность

 

 

Теория случайных погрешностей. Среднее значение и среднеквадратическое отклонение Вероятность. Определение среднего значения и дисперсии через вероятность. Функция плотности вероятности. Нормировка функции. Распределение Гаусса. Доверительный интервал и доверительная вероятность. Запись результатов испытаний. Сравнение точности различных измерительных систем.

 

Случайная погрешность — составляющая погрешности измерения, изменяющаяся случайным образом в серии повторных измерений одной и той же величины, проведенных в одних и тех же условиях. В появлении таких погрешностей не наблюдается какой-либо закономерности, они обнаруживаются при повторных измерениях одной и той же величины в виде некоторого разброса получаемых результатов. Случайные погрешности неизбежны, неустранимы и всегда присутствуют в результате измерения, однако их влияние обычно можно устранить статистической обработкой. Описание случайных погрешностей возможно только на основе теории случайных процессов и математической статистики.

Среднеквадрати́ческое отклоне́ние (среднее квадрати́ческое отклоне́ние, среднеквадрати́чное отклоне́ние, квадрати́чное отклоне́ние, станда́ртное отклоне́ние, станда́ртный разбро́с) — в теории вероятностей и статистике наиболее распространённый показатель рассеивания значений случайной величины относительно её математического ожидания. Обычно указанные термины означают квадратный корень из дисперсии случайной величины, но иногда могут означать тот или иной вариант оценки этого значения

Дисперсия случайной величины – это один из основных показателей в статистике. Он отражает меру разброса данных вокруг средней арифметической.

Сейчас небольшой экскурс в теорию вероятностей, которая лежит в основе математической статистики. Как и матожидание, дисперсия является важной характеристикой случайной величины. Если матожидание отражает центр случайной величины, то дисперсия дает характеристику разброса данных вокруг центра.

Формула дисперсии в теории вероятностей имеет вид:

То есть дисперсия — это математическое ожидание отклонений от математического ожидания.

На практике при анализе выборок математическое ожидание, как правило, не известно. Поэтому вместо него используют оценку – среднее арифметическое. Расчет дисперсии производят по формуле:

где

s² – выборочная дисперсия, рассчитанная по данным наблюдений,

X – отдельные значения,

X̅ – среднее арифметическое по выборке.

Пло́тность вероя́тности — один из способов задания распределения случайной величины. Во многих практических приложениях понятия «плотность вероятности» и «плотность (распределения) случайной величины» или «функция распределения вероятностей» фактически синонимизируются и под ними подразумевается вещественная функция, характеризующая сравнительную вероятность реализации тех или иных значений случайной переменной (переменных).

Для иллюстрации геометрического смысла перечисленных свойств приведем пример графика плотности распределения вероятностей. Для большей наглядности на рис. представлен также график соответствующей функции распределения вероятностей.

Вся кривая плотности распределения вероятностей располагается выше оси 0Х (свойство1), причем максимум плотности достигается в точке х=а, в которой функция распределения вероятностей имеет наибольшую крутизну. Вероятность попадания случайной величины в интервал [Α; Β] численно равна площади криволинейной трапеции, построенной на этом интервале как на основании и ограниченной сверху графиком плотности распределения (заштрихованная на рисунке область). Площадь всей криволинейной трапеции, заключенной между осью 0Х и графиком плотности распределения, всегда равна единице. Любая функция, удовлетворяющая перечисленным выше свойствам, может быть плотностью распределения некоторой непрерывной случайной величины.

 

Норма́льное распределе́ни, также называемое распределением Гаусса или Гаусса — Лапласа — распределение вероятностей, которое в одномерном случае задаётся функцией плотности вероятности, совпадающей с функцией Гаусса:

Если истинное значение измеряемой величины μ, ее среднее арифметическое значение, полученное в результате измерений, а случайная абсолютная погрешность, то результат измерений запишется в виде.

Интервал значений от, в который попадает истинное значение измеряемой величины μ, называется доверительным интервалом. Поскольку является случайной величиной, то истинное значение попадает в доверительный интервал с вероятностью α, которая называется доверительной вероятностью, или надежностью измерений. Эта величина численно равна площади заштрихованной криволинейной трапеции.

При анализе точности информационно- измерительных систем, оценке точности результатов, полученных с помощью этих систем, необходимо иметь в виду некоторые особенности по сравнению с оценкой точности результатов измерения, полученных с помощью отдельного средства измерения.

Часто в информационно – измерительные системы входят средства измерения, измерительные приборы, измеряющие физические величины, но при этом целью системы является получение информации о субъективных характеристиках. Например, прибор измеряет функцию передачи модуляции, по которой оценивается четкость изображения, на основании измерения электрического напряжения делается вывод о яркости источника света и т.д. При оценке точности такой системы необходимо иметь психофизические зависимости между физическими, техническими параметрами и соответствующими субъективными характеристиками, а также значения погрешностей, которые возникают при использовании этих зависимостей.