Вероятностный подход к описанию погрешностей

Законы распределения случайных погрешностей. Случайные погрешности обнаруживают при проведении ряда измерений одной и той же величины. Результаты измерений при этом, как правило, не совпадают между собой, так как из-за сум­марного воздействия множества различных факторов, не поддаю­щихся учету, каждое новое измерение дает и новое случайное зна­чение измеряемой величины. При правильном проведении измере­ний, достаточном их числе и исключении систематических погреш­ностей и промахов можно утверждать, что истинное значение из­меряемой величины не выходит за пределы значений, полученных при этих измерениях. Оно остается неизвестным до тех пор пока не определено теоретически вероятное значение случайной погрешности.

Пусть величину А измеряли п раз и наблюдали при этом значе­ния а₁, a₂, а₃,…,а_i,...,а_n. Случайная абсолютная погрешность еди­ничного измерения определяется разностью

D_i = a_i – A . (4.1)

Графически результаты от­дельных измерений представ­лены на рис. 4.2.

При достаточно большом числе п одни и те же погрешности, если они имеют ряд дискретных значений, повторяются и поэтому можно установить относительную частоту (частость) их появления, т.е. отношение числа полу­ченных одинаковых данных m_i к общему числу проведенных изме­рении п. При продолжении измерений величины А эта частота не изменится, поэтому ее можно считать вероятностью появления по­грешности при данных измерениях: p(A_i) = m_i / n.

Статистическая зависимость вероятности появления случайных погрешностей от их значения называется законом распределе- ния погрешностей или законом распределения вероятности. Этот закон определяет характер появления различных результатов отдельных измерений. Различают два вида описания законов распределения: интегральный и дифференциальный.

Интегральным законом, или функцией распределения вероятностей F(D) случайной погрешности D_i в i-м опыте, называют функцию, значение которой для каждого D является вероятностью события Р(D), заключающегося в том, что случайная погрешность D_i принимает значения, меньше некоторого значения D, т.е. функцию F(D) = Р[D_i < D]. Эта функция при изменении D от -¥ до +¥ принимает значения от 0 до 1 и является неубывающей. Она существует для всех случайных величин как дискретных, так и непрерывных (рис 4.3 а).

Если F(D) симметрична относительно точки А, соот­ветствующей вероятности 0,5 , то распределение результатов наблюдения будет симметрично относительно ис­тинного значения А. В этом случае целесообразно F(D) сдвинуть по оси абсцисс на значение D_A, т.е. исключить систематическую составляющую погрешность (D_А = D_с) и получить функцию распределения случайной составляющей погрешности D = (рис. 4.3 б). Функция рас­пределения вероятности погрешности D отличается от функции распределения вероятности случайной состав­ляющей погрешности только сдвигом по оси абсцисс на значение систематической составляющей погрешно­сти D_с .

Дифференциальным законом распределения вероятностей для случайной погрешности с непрерывной и дифференцируемой функцией распределения F(D) называют функцию . Эта зависимость есть плотность распределения вероятностей. График плотности распределения вероятностей может иметь различную форму в зависимости от закона распределения погрешностей. Для F(D), изображенной на рис. 4.3 б, кривая распределения f(D) имеет форму, близкую к форме колокола (рис. 4.3 в).

Вероятность появления случайных погрешностей определяется площадью, ограниченной кривой f(D) или её частью и осью абсцисс (рис. 4.3 в). В зависи мости от рассматриваемого интервала погрешности .

 

Значение f(D)dD есть элемент вероятности, равный площади прямоугольника с основанием dD и абсциссами D₁ , D₂, называемыми квантилями. Так как F(+¥)=1, то справедливо равенство ,

т.е. площадь под кривой f(D) согласно правилу нормирования равна единице и отражает вероятность всех возможных событий.

В практике электрических измерений одним из наиболее распространенных законов распределения случайных погрешностей является нормальный закон (Гаусса).

Математическое выражение нормального закона имеет вид

,

где f(D) – плотность вероятности случайной погрешности D = а_i - A; s - среднее квадратическое отклонение. Среднее квадратическое отклонение может быть выражено через случайные отклонения результатов наблюдений D_i (см. формулу (4.1)):

.

Характер кривых, описанных этим уравнением для двух значений s, показан на рис. 4.4. Из этих кривых видно, что чем меньше s, тем чаще встречаются малые случайные погрешности, т.е. тем точнее выполнены измерения. В практике измерений встречаются и другие законы распределения, которые могут быть установлены на основании статистической обработки

опытных данных. Некоторые из наиболее часто встречающихся законов распределения приведены в ГОСТ 8.011-84 «Показатели точности измерений и формы представления результатов измерений».

Основными характеристи- ками законов распределения являются математическое ожидание и дисперсия.

Математическое ожидание случайной величины - это такое ее значение, вокруг которого группируются результаты отдельных наблюдений. Мате-матическое ожидание дискрет-ной случайной величины М[X] определяется как сумма произ-ведений всех воз­можных значений случайной величины на вероятность этих зна­чений .

Для непрерывных случайных величин приходится прибегать к интегрированию, для чего необходимо знать зависимость плот­ности вероятности от х , т. е. f(х), где х=D. Тогда.

Это выражение означает, что математическое ожидание равно сумме бесконечно большого числа произведений всех возможных значений случайной величины х на бесконечно малые площади f(х)dх, где f(х) —ординаты для каждого х, a dх - элементарные отрезки оси абсцисс.

Если наблюдается нормальное распределение случайных по­грешностей, то математическое ожидание случайной погрешности равно нулю (рис. 4.4). Если же рассматривать нормальное распределение результатов, то математическое ожи­дание будет соответствовать истинному значению измеряемой ве­личины, которое мы обозначаем через A.

Систематическая погрешность при этом представляет собой отклонение математического ожидания результатов наблюдений от истинного значения А измеряемой величины: D_с = М[X] – A, а случайная погрешность – разность между результатом единичного наблюдения и математическим ожиданием: .

Дисперсия ряда наблюдений характеризует степень рассеивания (разброса) результатов отдельных наблюдений вокруг математического ожидания:

D[X] =D_x=M[(a_i – m_x)²].

Чем меньше дисперсия, тем меньше разброс отдельных результатов, тем точнее выполнены измерения. Однако дисперсия выражается в единицах в квадрате измеряемой величины. Поэтому в качестве характеристики точности ряда наблюдений наиболее часто применяют среднее квадратическое отклонение (СКО), равное корню квадратному из дисперсии : .

Рассмотренное нормальное распределение случайных величин, в том числе и случайных погрешностей, является теоретическим, поэтому описанное нормальное распределение следует рассматри­вать как «идеальное», т. е. как теоретическую основу для изучения случайных погрешностей и их влияния на результат измере­ний.

Далее излагаются способы применения этого распределения на практике с той или иной степенью приближения. Рассматривает­ся также еще одно распределение (распределение Стьюдента), применяемое при небольших количествах наблюдений.

Оценки погрешностей результатов прямых измерений. Пусть было проведено п прямых измерений одной и той же величины. В общем случае в каждом из актов измерений погрешность будет разной:

Di = ai – A,

где Di - погрешность i-го измерения; ai - результат i-го измерения.

Поскольку истинное значение измеряемой величины A неизвестно, непосредственно случайную абсолютную погрешность вычислить нельзя. При практических расчетах приходится вместо A использовать его оцен­ку. Обычно принимают, что истинное значение равно среднему арифме­тическому значению ряда измерений:

. (4.2)

где аi - результаты отдельных измерений; п — число измерений.

Теперь аналогично выражению (4.1) можно определить отклонение результата каж­дого измерения от среднего значения :

(4.3)

где vi - отклонение результата единичного измерения от среднего значения. Следует помнить, что сумма отклонений результата изме­рений от среднего значения равна нулю, а сумма их квадратов минимальна, т. е.

и min.

Эти свойства используются при обработке результатов измерений для контроля пра­вильности вычислений.

Затем вычисляют оценку значения средней квадратической погрешности для данного ряда измерений

. (4.4)

Согласно теории вероятностей при достаточно большом числе измерений, имеющих независимые случайные погреш­ности, оценка S сходится по вероятности к s. Таким образом,

. (4.5)

Ввиду того что среднее арифметическое значение также является случайной величиной, имеет смысл понятие среднеквадратического от­клонения среднего арифметического значения. Эту величину обозна­чим символом s_ср. Можно показать, что для независимых погрешностей

. (4.6)

Значение s_ср характеризует степень разброса . Как указывалось вы­ше, выступает оценкой истинного значения измеряемой величины, т.е. является конечным результатом выполняемых измерений. Поэтому s_ср называют также средней квадратической погрешностью результата измерений.

На практике значением s, вычисляемым по формуле (4.5), пользуются в том случае, если необходимо дать характеристику точности применяемо­го метода измерения: если метод точен, то разброс результатов отдельных измерений мал, т.е. мало значение s. Значение же s_ср , вычисляемое по (4.6), используется для характеристики точности результата изме­рений некоторой величины, т.е. результата, полученного посредством математической обработки итогов целого ряда отдельных прямых из­мерений.

При оценке результатов измерений иногда пользуются понятием максимальной или пре­дельной допустимой погрешности, значение которой определяют в долях s или S . В настоящее время существуют разные критерии установления максимальной погрешности, т. е. границы поля допу­ска ±D, в которые случайные погрешности должны уложиться. Об­щепринятым пока является определение максимальной погрешно­сти D = 3s (или 3S). В последнее время на основании ин­формационной теории измерений профессор П. В. Новицкий рекоменду­ет пользоваться значением D = 2s.

Введем теперь важные понятия доверительной вероятности и доверитель­ного интервала. Как указывалось выше, среднее арифметическое зна­чение , полученное в результате некоторого ряда измерений, является оценкой истинного значения А и, как правило, не совпадает с ним, а отличается на значение погрешности. Пусть Р_д есть вероятность того, что отличается от А не более чем на D, т.е. Р(-D< А<+D)=Р_д . Вероятность Р_д называется доверительной вероятностью, а интервал значений измеряемой величины от -D до +D - доверительным интервалом.

Приведенные выше неравенства означают, что с вероятностью Р_д доверительный интервал от -D до +D заключает в себе истинное значение А. Таким образом, чтобы характеризовать случайную погреш­ность достаточно полно, надо располагать двумя числами — доверитель­ной вероятностью и соответствующим ей доверительным интервалом. Если закон распределения вероятностей погрешностей известен, то по заданной доверительной вероятности можно определить доверительный интервал. В частности, при достаточно большом числе измерений часто бывает оправданным использование нормального закона, в то время как при небольшом числе измерений (п < 20), результаты которых принадлежат нормальному распределению, следует пользоваться распределением Стьюдента. Это распределение имеет плотность вероят­ностей, практически совпадающую с нормальной при больших п, но зна­чительно отличающуюся от нормальной при малых п.

В табл. 4.1 приведены так называемые квантили распределения Стью­дента ½t(n)½_Рд для числа измерений п = 2 - 20 и доверительных вероятностей Р = 0,5 - 0,999.

Укажем, однако, что обычно таблицы распределения Стьюдента приводятся не для значений п и Р_д , а для значений m = n-1 и a =1 – Р_д , что следует учитывать при пользовании ими. Чтобы определить довери­тельный интервал, надо для данных п и Р_д найти квантиль ½t(n)½_Рд и вычислить величины А_н= -s_ср× ½t(n)½_РдиА_в = +s_ср× ½t(n)½_Рд, которые будут являться нижней и верхней границами доверительного интервала.

После нахождения доверительных интервалов для заданной до­верительной вероятности согласно выше приведенной методике делают запись результата измерения в виде ; D = D_н ¸ D_в ; Р_д ,

где - оценка истинного значения результата измерения в единицах измеряемой величины; D - погрешность измерения; D_в = +s_ср× ½t(n)½_Рд и D_н = -s_ср× ½t(n)½_Рд – верхняя и нижняя границы погрешности измерения; Р_д – доверительная вероятность [14].