Математическая модель случайной погрешности. Числовые характеристики погрешности.
Выше отмечалось, что измеряемая величина, содержащая случайную погрешность, должна рассматриваться как случайная величина. Напомним, что наиболее общей характеристикой непрерывной случайной величины X является плотность распределения ее вероятностей. Плотность распределения вероятностей: , где – вероятность значений случайной величины x в интервале dx. Наряду с плотностью распределения вероятностей используется функция распределения вероятностей случайной величины: , которая выражает собой вероятность того, что случайная величина находится в интервале от – ∞ до некоторого значения, меньшего x1. Функция распределения любой случайной величины является неубывающей функцией, определенной так, что , а . Вероятность того, что случайная величина X примет значение в интервале между x1 и х2, равна: , (2) В практике электрорадиоизмерений чаще всего имеют дело с нормальным и равномерным распределениями. Случайная величина X распределена нормально, если ее плотность вероятностей имеет вид:
где σ – среднее квадратическое отклонение (СКО), – математическое ожидание. Математическое ожидание М[Х] случайной величины X является постоянной величиной и характеризует ее среднее значение. Величина является случайной погрешностью. Если систематическая погрешность отсутствует, то математическое ожидание равно истинному значению величины X. а) б) Рис. 1 На рис. 1,а показана дифференциальная функция нормального распределения f(x). Видим, что с уменьшением σ уменьшается рассеяние результатов вокруг X. При расчетах используют нормированное нормальное распределение, использующее нормированную случайную величину : . Интеграл выражает вероятность попадания случайной погрешности в интервал и носит название функции Лапласа. Из таблицы значений функций Лапласа можно найти, что вероятность появления случайной погрешности в интервалах с учетом симметричности распределения равна соответственно 0,683, 0,954, 0,997. Эти цифры характеризуют вероятность появления случайной погрешности в интервалах . Нормальное распределение согласно центральной предельной теореме имеет сумма бесконечно большого числа бесконечно малых величин с любым законом распределения. На практике сумма сравнительно небольшого числа (4-5) статистически независимых величин одного порядка имеет распределение, близкое к нормальному. Если случайные погрешности определяются по результатам измерений, то погрешности в большинстве случаев имеют нормальное распределение. Равномерное распределение, показанное на рис. 1,б, аналитически записывается в виде:
Вероятность появления погрешности в интервале очевидно равна: . Примером случайной погрешности, имеющей равномерное распределение, является погрешность отсчета по шкале прибора и погрешность квантования измеряемой величины по уровню в цифровых измерительных приборах. Равномерное распределение в пределах допускаемых границ приписывают погрешности измерительного прибора. Равномерное распределение принимают всегда, когда закон распределения неизвестен. В практике электрорадиоизмерений встречаются и другие законы распределения. ГОСТ 8.011 – 72 указывает функции распределения, которыми следует аппроксимировать реально имеющие место законы. Это нормальная, равномерная, треугольная, трапецевидная, антимодальные I и II, Рэлея. Отношения максимальной погрешности к СКО соответственно равны и . Встречаются случаи, когда задача оценивания погрешности приводит к функции распределения, существенно отличной от указанных выше, так что ее неудобно аппроксимировать ни одной из них. В практике электрорадиоизмерений таким законом является, например, закон арксинуса (U-образное распределение). Для характеристики случайных величин применяют также начальные и центральные моменты. Основными среди них являются математическое ожидание и дисперсия. Математическое ожидание (первый начальный момент):
дисперсия (второй центральный момент):
Положительное значение корня квадратного из дисперсии и есть упоминавшееся выше среднее квадратическое отклонение (СКО) случайной величины . Математическое ожидание, как отмечалось, является центром, относительно которого группируются значения случайной величины. СКО характеризует степень рассеяния значений случайной величины относительно математического ожидания. Нормальное распределение полностью характеризуется математическим ожиданием М[Х] и СКО σ. Равномерное распределение (рис. 1,б) тоже определяется двумя параметрами М[Х] и . Дисперсия равномерного распределения:
а среднее квадратическое отклонение: . Вероятность появления случайной погрешности в интервале ± σ в соответствии с (2) составляет
Популярное: Почему человек чувствует себя несчастным?: Для начала определим, что такое несчастье. Несчастьем мы будем считать психологическое состояние... Организация как механизм и форма жизни коллектива: Организация не сможет достичь поставленных целей без соответствующей внутренней... Почему люди поддаются рекламе?: Только не надо искать ответы в качестве или количестве рекламы... Как выбрать специалиста по управлению гостиницей: Понятно, что управление гостиницей невозможно без специальных знаний. Соответственно, важна квалификация... ©2015-2024 megaobuchalka.ru Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. (378)
|
Почему 1285321 студент выбрали МегаОбучалку... Система поиска информации Мобильная версия сайта Удобная навигация Нет шокирующей рекламы |