Виды погрешностей измерений и их оценка.



Мы поможем в написании ваших работ!


Мы поможем в написании ваших работ!



Мы поможем в написании ваших работ!


ЗНАЕТЕ ЛИ ВЫ?

Виды погрешностей измерений и их оценка.



Погрешность измерения — оценка отклонения измеренного значения величины от её истинного значения. Погрешность измерения является характеристикой (мерой) точности измерения.

Определение погрешности

В зависимости от характеристик измеряемой величины для определения погрешности измерений используют различные методы.

· Метод Корнфельда, заключается в выборе доверительного интервала в пределах от минимального до максимального результата измерений, и погрешность как половина разности между максимальным и минимальным результатом измерения:

· Средняя квадратическая погрешность:

· Средняя квадратическая погрешность среднего арифметического:

 

Виды представления:

По способу измерения

· Погрешность прямых измерений - вычисляется по формуле

где : ; — стандартная ошибка среднего (выборочное СКО, деленное на корень из количества измерений ), а квантиль распределения Стьюдента для числа степеней свободы и уровня значимости ; — абсолютная погрешность средства измерения (обычно это число равное половине цены деления измерительного прибора).

· Погрешность косвенных воспроизводимых измерений — погрешность вычисляемой (не измеряемой непосредственно) величины:

Если , где — непосредственно измеряемые независимые величины, имеющие погрешность , тогда:

· Погрешность косвенных невоспроизводимых измерений - вычисляется по принципу прямой погрешности, но вместо ставится значение полученное в процессе расчётов.

Погрешность измерения и принцип неопределенности Гейзенберга

Принцип неопределенности Гейзенберга устанавливает предел точности одновременного определения пары наблюдаемых физических величин, характеризующих квантовую систему, описываемых не коммутирующими операторами (например, координаты и импульса, тока и напряжения, электрического и магнитного поля). Таким образом, в квантовой механике постулируется принципиальная невозможность одновременного определения с абсолютной точностью некоторых физических величин. Этот факт накладывает серьёзные ограничения на применимость понятия «истинное значение физической величины.

Корреляционный и регрессивный анализ. Функциональная и корреляционная зависимость.

Корреляционный анализ — метод обработки статистических данных, с помощью которого измеряется теснота связи между двумя или более переменными. Корреляционный анализ тесно связан с регрессионным анализом (также часто встречается термин «корреляционно-регрессионный анализ», который является более общим статистическим понятием), с его помощью определяют необходимость включения тех или иных факторов в уравнение множественной регрессии, а также оценивают полученное уравнение регрессии на соответствие выявленным связям (используя коэффициент детерминации).[1][2]

Область применения

Данный метод обработки статистических данных весьма популярен в экономике и социальных науках (в частности в психологии и социологии), хотя сфера применения коэффициентов корреляции обширна: контроль качества промышленной продукции, металловедение, агрохимия, гидробиология, биометрия и прочие. В различных прикладных отраслях приняты разные границы интервалов для оценки тесноты и значимости связи.

Популярность метода обусловлена двумя моментами: коэффициенты корреляции относительно просты в подсчете, их применение не требует специальной математической подготовки. В сочетании с простотой интерпретации, простота применения коэффициента привела к его широкому распространению в сфере анализа статистических данных.

Регрессио́нный (линейный) анализ — статистический метод исследования влияния одной или нескольких независимых переменных на зависимую переменную . Независимые переменные иначе называют регрессорами или предикторами, а зависимые переменные — критериальными. Терминология зависимых и независимых переменных отражает лишь математическую зависимость переменных, а не причинно-следственные отношения.

Цели регрессионного анализа

1. Определение степени детерминированностивариации критериальной (зависимой) переменной предикторами (независимыми переменными)

2. Предсказание значения зависимой переменной с помощью независимой(-ых)

3. Определение вклада отдельных независимых переменных в вариацию зависимой

Регрессионный анализ нельзя использовать для определения наличия связи между переменными, поскольку наличие такой связи и есть предпосылка для применения анализа.



Последнее изменение этой страницы: 2016-04-07; Нарушение авторского права страницы; Мы поможем в написании вашей работы!

infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 3.236.231.61 (0.007 с.)