LovesTheTeam.com

Tarvitset

• - mittaustiedot;
• - laskin.

opetus

1

Ennen absoluuttisen laskemistavirhe, hyväksy alkuperäisille tiedoille useita olettamuksia. Poista virheet. Hyväksy, että tarvittavat korjaukset on jo laskettu ja sisällytetty tulokseen. Tällainen muutos voi olla esimerkiksi mittausten alkupisteen siirto.

2

Hyväksy lähtökohdaksi, ettäsatunnaiset virheet tunnetaan ja otetaan huomioon. Tämä tarkoittaa sitä, että ne ovat vähemmän systemaattisia eli absoluuttisia ja suhteellisia, jotka ovat ominaisia ​​tämän laitteen kannalta.

3

Satunnaiset virheet vaikuttavat tulokseen jopakorkean tarkkuuden mittaukset. Siksi kaikki tulokset ovat enemmän tai vähemmän likimain absoluuttisia, mutta aina tulee olemaan poikkeamia. Määritä tämä aikaväli. Se voidaan ilmaista kaavalla (Хизм - ΔХ) ХХизм ≤ (Хизм + ΔХ).

4

Määritä lähimpänä oleva arvotodellinen merkitys. Todellisissa mittauksissa otetaan aritmeettinen keskiarvo, joka löytyy kuvassa esitetystä kaavasta. Hyväksy todellisen arvon tulos. Monissa tapauksissa referenssilaitteen lukeminen on tarkka.

5

Tietäen mittauksen todellisen arvon, löydätabsoluuttinen virhe, joka on otettava huomioon kaikissa myöhemmissä mittauksissa. Etsi arvo X1 - tietyn mittauksen tiedot. Määritä ero ΔX, vähentämällä suuremmasta luvusta vähemmän. Virheen määrittämisessä otetaan huomioon vain tämän eron moduuli.

opetus

1

On useita syitä miksi virheitä mittaus. Tämä on instrumentaalinen epätarkkuus, epätäydellisyysmenetelmät sekä virheet suorittavan operaattorin huolimattomuudesta johtuvat virheet. Lisäksi, usein parametrin todelliselle arvolle, otetaan sen todellinen arvo, joka on itse asiassa vain todennäköisin, perustuen tilastollisen näytteen analyysiin sarjan kokeiden tuloksista.

2

Tarkkuus on mitatun poikkeaman mittaparametri sen todellisesta arvosta. Kornfeldin menetelmän mukaan määritetään luotettavuusväli, joka takaa tietyn luotettavuuden. Tässä tapauksessa löytyvät ns. Luottamusrajat, joissa arvo heilahtelee ja virhe lasketaan näiden arvojen puoliksi summaksi: Δ = (xmax - xmin) / 2.

3

Tämä on aikaväliarvio virheitä, jolla on järkevää toteuttaa pieni määrä tilastollista näytteenottoa. Pisteprosentti on laskenta matemaattisesta odotuksesta ja keskihajonnasta.

4

Matemaattinen odotus on kahden havaintoparametrin joukon kahden tuotteen kiinteä summa. Tämä itse asiassa mitatun arvon arvo ja sen todennäköisyys näissä kohdissa: M = Σxi • pi.

5

Klassinen kaava laskentaankeskihajonta liittyy keskiarvoa laskettaessa arvot analysoitiin sekvenssin mitattujen arvojen, ja ottaa huomioon myös tilavuus koesarjassa: σ = √ (Σ (xi - XSR) ² / (n - 1)).

6

Ilmentämismenetelmällä absoluuttinen,suhteellinen ja pienempi virhe. Absoluuttinen virhe ilmaistaan ​​samoissa yksiköissä kuin mitattu arvo ja on yhtä suuri kuin sen lasketun ja todellisen arvon välinen ero: Δx = x1 - x0.

7

Suhteellinen mittausvirhe liittyy ehdottomaan, mutta on tehokkaampaa. Sillä ei ole minkäänlaista ulottuvuutta, joskus ilmaistuna prosentteina. Sen arvo on yhtä suuri kuin absoluuttinen suhde virheitä mitattuun parametrin todelli- seen tai laskettuun arvoon: σx = Δx / x0 tai σx = Δx / x1.

8

Tuloksena oleva virhe ilmenee absoluuttisen virheen ja jonkin ehdollisesti hyväksytyn x: n välisen suhteen välillä, joka on muuttumaton kaikkien osalta mittaus ja se määritetään instrumenttiasteikon kalibroinnilla. Jos asteikko alkaa nollasta (yksipuolinen), tämä normalisointiarvo on yhtä suuri kuin sen yläraja ja kaksipuolinen - koko alueen leveys: σ = Δx / xn.

opetus

1

Virhe voidaan laskea kahdella tavalla mittaus: väli ja piste. Tämä johtuu siitä luotettavuusasteesta, joka on asetettava. Ensimmäinen menetelmä liittyy luottamusvälin löytämiseen, joka estää varmasti mitatun parametrin todellisen arvon tai sen matemaattisen odotuksen.

2

Luottamusväli onmahdollisten arvojen alue, ts. osajoukko. Intervallin rajoja kutsutaan luottamusrajoiksi, ja ne löytyvät tietyillä kaavoilla. Esimerkiksi, että odotus ne on yhtä suuri kuin: HSR - t • ö / VN <M (x) <HSR + t • ö / VN, missä: HSR - aritmeettinen keskiarvo näytteitä; ö - keskihajonta, ja M (x) - keskiarvo, N - näytteen koko, t - parametri Laplace-toiminto.

3

Edellä olevissa kaavoissa on kahta tyyppiäpistevirhe: juurten keskimääräinen neliön poikkeama ja matemaattinen odotus. Ne edustavat arvo, joka on mitta poikkeaman lasketun arvon satunnaismuuttujan sen todellista arvoa. Tämä eroaa estimoinnin, mikä koskee monia mahdollisia virheitä. Tämän alueen laskemisen luotettavuus määräytyy Laplace-toiminnon mukaan.

4

Juuri-keski-neliön poikkeama, vuorostaan,(Σ (xi-xsr) ² / (N-1)), missä xi ovat näyteelementtejä.

5

Matemaattinen odotus on arvo,noin joka jaetaan näytteen elementtejä. eli tämä on satunnaismuuttujien odotettavissa olevien arvojen keskiarvo. Laskea tämäntyyppisen poikkeama, on tarpeen tehdä sarjaa ja niiden todennäköisyys näytteenotto erilaisia ​​teoksia niiden parien ja lisätä jopa kaikki taulukon alkiot: M (x) = Σhi • pi.

6

Määritä vielä yksi piste virhe mittaus(x - M (x)) ² = Σpi • (xi - M (x)) ². Määritä matemaattinen odotus: D = (x - M (x)) ² = Σpi • (xi - M (x)) ².