По характеру проявления

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 как правило можно устранить статистической обработкой. Описание случайных погрешностей возможно только на основе теории случайных процессов и математической статистики.

Математически случайную погрешность можно представить как непрерывную случайную величину симметричную относительно 0, независимо реализующуюся в каждом измерении (белый шум).

Основным свойством случайной погрешности является возможность уменьшения искажения искомой величины путем усреднения данных. Уточнение оценки искомой величины при увеличении количества измерений (повторных экспериментов) означает, что среднее случайной погрешности при увеличении объёма данных стремится к 0 (закон больших чисел).

Часто случайные погрешности возникают из-за одновременного действия многих независимых причин, каждая из которых в отдельности слабо влияет на результат измерения. По этой причине часто полагают распределение случайной погрешности «нормальным» (см. Центральная предельная теорема). «Нормальность» позволяет использовать в обработке данных весь арсенал математической статистики.

Однако априорная убежденность в «нормальности» на основании ЦПТ не согласуется с практикой — законы распределения ошибок измерений весьма разнообразны и, как правило, сильно отличаются от нормального.

Случайные погрешности могут быть связаны с несовершенством приборов (трение в механических приборах и т. п.), тряской в городских условиях, с несовершенством объекта измерений (например, при измерении диаметра тонкой проволоки, которая может иметь не совсем круглое сечение в результате несовершенства процесса изготовления).

Систематическая погрешность — погрешность, изменяющаяся во времени по определённому закону (частным случаем является постоянная погрешность, не изменяющаяся с течением времени). Систематические погрешности могут быть связаны с ошибками приборов (неправильная шкала, калибровка и т. п.), неучтёнными экспериментатором.

Систематическую ошибку нельзя устранить повторными измерениями. Её устраняют либо с помощью поправок, либо «улучшением» эксперимента.

Прогрессирующая (дрейфовая) погрешность — непредсказуемая погрешность, медленно меняющаяся во времени. Она представляет собой нестационарный случайный процесс.

Грубая погрешность (промах) — погрешность, возникшая вследствие недосмотра экспериментатора или неисправности аппаратуры (например, если экспериментатор неправильно прочёл номер деления на шкале прибора или если произошло замыкание в электрической цепи).

Надо отметить, что деление погрешностей на случайные и систематические достаточно условно. Например, ошибка округления при определенных условиях может носить характер как случайной, так и систематической ошибки.

8. Метод наименьших квадратов

— математический метод, применяемый для решения различных задач, основанный на минимизации суммы квадратов отклонений некоторых функций от искомых переменных. Он может использоваться для «решения» переопределенных систем уравнений (когда количество уравнений превышает количество неизвестных), для поиска решения в случае обычных (не переопределенных) нелинейных систем уравнений, для аппроксимации точечных значений некоторой функцией. МНК является одним из базовых методов регрессионного анализа для оценки неизвестных параметров регрессионных моделей по выборочным данным.

Сущность метода наименьших квадратов[

Пусть x — набор m неизвестных переменных (параметров), fi(x),i=1..n,n>m — совокупность функций от этого набора переменных. Задача заключается в подборе таких значений x, чтобы значения этих функций были максимально близки к некоторым значениям yi. По существу речь идет о «решении» переопределенной системы уравнений fi(x)=yi,i=1..n в указанном смысле максимальной близости левой и правой частей системы. Сущность МНК заключается в выборе в качестве «меры близости» суммы квадратов отклонений левых и правых частей — fi(x)−yi. Таким образом, сущность МНК может быть выражена следующим образом:

∑ie2i=∑i(yi−fi(x))2→minx

В случае, если система уравнений имеет решение, то минимум суммы квадратов будет равен нулю и могут быть найдены точные решения системы уравнений аналитически или, например, различными численными методами оптимизации. Если система переопределена, то есть, говоря нестрого, количество независимых уравнений больше количества искомых переменных, то система не имеет точного решения и метод наименьших квадратов позволяет найти некоторый «оптимальный» вектор x в смысле максимальной близости векторов y и f(x) или максимальной близости вектора отклонений e к нулю (близость понимается в смысле евклидова расстояния).