вопросы по метре. Основные понятия метрологии. Классификация измерений и средств измерений. Принципы и методы измерений
![]()
|
Распределение Коши. ![]() ![]() Это распределение близко к предельному пологому, т.е. для него выполняется условие ![]() Распределение Лапласа (двустороннее экспоненциальное). ![]() ![]() Наиболее часто используемое на практике и в теории вероятностей – нормальное распределение (распределение Гаусса). ![]() Т.е. по мере удаления от х=0 функция спадает быстрее, чем распределение Лапласа. ![]() Применяется для большего числа наблюдений n. Если непрерывная случайная величина принимает значения лишь в пределах некоторого конечного интервала значений (x1, x2) с постоянной плотностью вероятностей, то такой закон распределения называется равномерным. Мат.ожидание нах-ся в центре. ![]() ![]() ![]() Распределение, при котором встречаются с равными вероятностями только два дискретных значения случайной величины +а и –а, называется дискретным двузначным распределением: ![]() г ![]() ![]() 0, при t ≠ 0 ![]() ∞, при t = 0 Распределение отсчетов синусоидально изменяющейся во времени величины x=xmsinωt, если моменты этих отсчетов равномерно распределены во времени, то оно называется арксинусоидальным(когда накладывается синус.помеха) Распределение Стьюдента (псевдоним Госсета, предсказавшего это распределение) наиболее часто применяется в процессе обработки результатов небольшого числа (2 ≤ 4 < 20) наблюдений случайной величины и справедлив, когда случайные погрешности распределены по нормальному закону. Для него вводится случайная величина: ![]() где ![]() ![]() ![]() С ростом n (когда n→20) распределение Стьюдента быстро приближается к нормальному и тем значительнее отличается от него, чем меньше n. Отличия состоят в увеличении рассеяния относительных погрешностей tx относительно центра tx=0 при уменьшении числа наблюдений. Центральная предельная теорема *Если случайный процесс порожден некоторым кол-ом случайных величин, то закон распределения стремится к нормальному з-ну распределения. *Центральная предельная теорема показывает, что в случае, когда результат измерения (наблюдения) складывается под действием многих причин, причем каждая из них вносит лишь малый вклад, а совокупный итог определяется аддитивно, т.е. путем сложения, то распределение результата измерения (наблюдения) близко к нормальному. Вероятность попадания случайной величины X, распределенной по нормальному закону, в интервал [ ![]() ![]() ![]() 7. Прямые однократные и многократные измерения и их погрешности. Погрешности косвенных измерений. Многократные измерения Необходимость в многократных наблюдениях некоторой физической величины возникает при наличии в процессе измерений значительных случайных погрешностей. При этом задача обработки состоит в том, чтобы по результатам наблюдений определить наилучшую (оптимальную) оценку измеряемой величины и интервал, в котором она находится с заданной вероятностью. Данная задача может быть решена способом статистической обработки результатов наблюдений, основанным на гипотезе о распределении погрешностей результатов по нормальному закону. Итак, рассмотрим группу из n независимых результатов наблюдений случайной величины x, подчиняющейся нормальному распределению. Оценка рассеяния единичных результатов наблюдений в группе относительно их среднего значения вычисляется по формуле: ![]() Поскольку число наблюдений в группе, на основании результатов которых выполнено вычисление среднего арифметического, ограничено, то, повторив заново серию наблюдений этой же величины, мы получили бы новое значение среднего арифметического. Повторив многократно наблюдения и вычисляя каждый раз их среднее арифметическое значение, принимаемое за результат наблюдений (измерений), обнаружим рассеяние среднего арифметического значения. Характеристикой этого рассеяния является средний квадрат отклонения среднего арифметического: ![]() Теория показывает, что если рассеяние результатов наблюдения в группе подчиняется нормальному закону, то и их среднее арифметическое тоже подчиняется нормальному закону распределения при достаточно большом числе наблюдений (n>50). Отсюда при одинаковой доверительной вероятности доверительный интервал среднего арифметического в ![]() При нормальном законе распределения плотности вероятностей результатов наблюдений и небольшом числе измерений среднее арифметическое подчиняется закону распределения Стьюдента с тем же средним арифметическим ![]() Коэффициент распределения Стьюдента зависит от числа наблюдений и выбранной доверительной вероятности и находится по таблице. Обработка результатов наблюдения производится в следующей последовательности: 1)Исключить известные систематические погрешности из результатов наблюдения (введением поправки); 2)Вычислить среднее арифметическое исправленных результатов наблюдений, принимаемое за результат наблюдений: 3)Вычислить оценку среднего квадратичного отклонения результата наблюдения: целесообразно проверить наличие в группе наблюдений грубых погрешностей, помня, что при нормальном законе распределения ни одна случайная погрешность , с вероятностью, практически равной 1, не может выйти за пределы ъ. Наблюдения, содержащие грубые погрешности, исключают из группы и заново повторяют вычисления. 4) Вычислить оценку среднего квадратичного отклонения среднего арифметического 5) Проверить гипотезу о том, что результаты измерений принадлежат нормальному распределению. Приближенно о характере распределения можно судить, построив гистограмму. Существуют и строгие методы проверки гипотез о том или ином характере распределения случайной величины. При числе наблюдений n<15 принадлежность их к нормальному распределению не проверяют, а доверительные границы случайной погрешности результата определяют лишь в том случае, если достоверно известно, что результаты наблюдений принадлежат нормальному закону. 6) Вычислить доверительные границы случайной погрешности результата измерения при заданной вероятности P. ![]() 7) Вычислить границы суммарной неисключенной систематической погрешности (НСП) результата измерения. НСП результата измерений образуется из неисключенных остатков измерений, погрешностей, поправок и т. д. При суммировании эти составляющие рассматриваются как случайные величины. При отсутствии данных о виде распределений НСП, их распределения принимают за равномерные. При равномерном распределении НСП границы НСП вычисляют по формуле: ![]() 8) Вычислить доверительные границы погрешности результата измерения 9) Записать результат измерения в регламентированной стандартом форме. Однократные измерения Такой вид измерений является наиболее распространенным, когда речь идет о механических измерениях или физическом эксперименте. Однако они возможны лишь при следующих условиях: объем априорной информации об объекте измерений такой, что аналитическая модель объекта и измеряемой величины не вызывают сомнений; метод измерения достаточно изучен, и его погрешности либо заранее устранены, либо оценены; средства измерения исправны, а их метрологические характеристики соответствуют установленным нормам; применение методики обработки результатов прямых однократных измерений возможно, если известны составляющие погрешности измерения; закон распределения случайных составляющих - нормальный, а НСП – равномерный с известными границами. Результатом прямого однократного измерения физической величины является показание, снятое непосредственно с используемого средства измерения. До измерения должна быть проведена априорная оценка составляющих погрешности с использованием всех доступных данных. При определении доверительных границ погрешности результата измерений доверительная вероятность принимается равной 0,95. Погрешность результата прямого однократного измерения включает в себя погрешность средства измерения, методы измерения и субъективную погрешность оператора (которую можно легко устранить, применив цифровой прибор, но возникнет погрешность дискретизации). Любая из этих составляющих может иметь и НСП, и случайные составляющие. Оценивание погрешностей прямых однократных измерений можно подразделить на точное и приближенное. Методика точной оценки: 1) пусть число НСП m и каждая из них задана либо границами ![]() ![]() ![]() а во втором случае: ![]() 2) Если составляющие случайной погрешностей заданы их СКО, найденными предварительно опытным путем многократных наблюдений, то доверительные границы ![]() ![]() где t = 1,1 или можно брать коэффициент Стьюдента, соответствующий меньшему числу наблюдений. Если же случайные составляющие погрешности заданы доверительными границами ![]() ![]() Приближенная оценка погрешности прямого однократного измерения. Для таких измерений в качестве результата принимают значение отсчета x, а оценивание погрешности производится на основе нормативных данных о свойствах используемых средств измерений. Поскольку эти данные относятся к множеству средств измерения данного типа, то у конкретного экземпляра прибора, используемого в измерении, действительные свойства могут значительно отличаться от нормированных (можно провести поверку). Тем не менее, не имея другой достоверной информации (либо не имея в ней нужды) о реальных метрологических характеристиках средства измерения, можно проводить оценку погрешности измерения на основе предельных норм, представляемых в технической документации на средства измерения. Такие оценки дают возможность оценить погрешность сверху, но для корректировки результата измерения или для введения поправок они недостаточно надежны. Общая схема следующая: Выбрав необходимое средство измерения (определяется исходя из условий измерительной задачи), уточнив условия измерения (нормальные или рабочие), оценивают возможные дополнительные погрешности прибора (если условия рабочие) и суммируют предел допускаемой основной погрешности и дополнительные погрешности ![]() ![]() Таким образом находится верхняя оценка результата измерения. Методические погрешности должны быть учтены заранее, а личные (субъективные) при таких измерениях предполагаются малыми и не учитываются. Более точная оценка погрешности может быть получена статистическим сложением (а не простым) составляющих погрешности (например, вместо ![]() ![]() Косвенные измерения При косвенных измерениях искомое значение величины находят расчетом на основе измерения других величин, связанных с измеряемой известной зависимостью: ![]() Поскольку каждое из ![]() ![]() Для оценки погрешностей существенно разделение косвенных измерений на линейные и нелинейные. При линейных косвенных измерениях уравнение измерений имеет вид: ![]() где ![]() ![]() Любые другие функции зависимости являются нелинейными. Погрешности результата могут быть заданы своими границами , либо доверительными границами с доверительными вероятностями . Если m<5 , то простая оценка погрешности результата ![]() ![]() ![]() Однако такая оценка является завышенной, так как такое суммирование означает, что погрешности измерения всех аргументов одновременно имеют максимальные значения и совпадают по знаку. Вероятность такого совпадения стремится к 0. Для определения более реалистичной оценки переходят к статистическому суммированию погрешностей аргументов, полагая, что в заданных границах погрешности аргументов распределены равномерно: ![]() ![]() Нелинейные косвенные измерения характеризуется тем, что результаты измерения аргументов подвергаются функциональным преобразованиям. Как показано в теории вероятностей, любые, даже простейшие, функциональные преобразования случайной величины приводят к изменению законов их распределения. При сложной функции ![]() ![]() Для полного дифференциала функции A выражение запишем как: ![]() По определению полный дифференциал функции - это приращение функции, вызванное малыми приращениями ее аргументов. Полагая, что погрешности – это малые приращения, запишем: ![]() Полагая, что распределения погрешностей аргументов подчиняются равномерному закону, при числе слагаемых m<5 границы погрешности определяем ![]() А при m>5 по : ![]() где ![]() |