В нашем случае, термин идентификация подразумевает процедуру проверки гипотезы о соответствии (согласованности) предполагаемого закона распределения полученному ряду равнозначных измерений.
При достаточном количестве измерений (n>30) эту согласованность количественно оценивают путем сравнения гистограммы плотности распределения, полученной из экспериментальных данных, с аналогичной теоретической зависимостью предполагаемого закона, числовые параметры которого находят из тех же данных.
Для построения гистограммы:
1) Результаты измерений Х1, Х2, … , Хn располагают в порядке возрастания - в вариационный ряд Хmin, … , Хmax.
2) Диапазон результатов от Хmin до Хmax разбивается на определенное число интервалов m<<n с шириной каждого ј-го интервала dј=Xј-Xј-1 (Обычно интервалы выбирают одинаковой ширины d, за исключением случаев, когда результаты Xi располагаются в диапазоне Хmin … Хmax крайне неравномерно. В этом случае в области их наиболее плотного скопления приходится сужать интервал dј и наоборот.
3) Вычисляются количество nј и вероятность Pj попаданий Xi в каждый ј-й интервал:
(1)
4) Оценивается плотность распределения в каждом интервале
(2)
5) Строится соответствующая ступенчатая гистограмма (рис.1).
и σ' .
Теперь следует проверить правильность сделанного предположения – проверить гипотезу о законе распределения. Для этого разработаны специальные статистические критерии согласия экспериментальных данных с гипотетической теоретической зависимостью. Наиболее широко используется критерий χ2 Пирсона, при котором рекомендуется иметь n≥50. Критерий основан на вычислении количественного показателя Z, характеризующего степень расхождения вероятностей, полученных из экспериментальных данных и теоретической гипотетической зависимости:
(3)
где (4)
На практике, чтобы при расчете критерия (3) не иметь дело с дробными значениями Pj и , удобнее использовать количество попаданий nj и n'j:
; где (5)
(10)
Но для упрощения процедуры исключения стандарт рекомендует использовать операции суммирования или умножения, используя, соответственно, поправку, равную (-Θ), или поправочный множитель αΘ:
(11)
где . Поправка или поправочный коэффициент могут быть представлены в виде графика (рис.3), таблицы или формулы.
Очевидно, что измеренное значение будет отличаться от измеряемого U. При этом
(12)
С учетом Rv>>Ri (если это условие не соблюдается, погрешность будет слишком большой и измерение вообще недостоверно):
Соответственно, поправочный коэффициент
Очевидно, что при погрешность Θ=0, а . Если же, например, =50, то относительная погрешность составит 2 %.
Отметим, что в приведенном примере для исключения погрешностей необходимо пользоваться поправочным множителем, а не поправкой (-Θ), в которую входит неизвестное (истинное) значение U.
Экспериментальное выявление систематической погрешностиможет
выполняться несколькими способами.
1. Использование образцовых средств измерения, систематическая погрешность которых заведомо значительно меньше определяемой систематической погрешности . Тогда, считая, что можно оценить .
2. Рандомизация систематической погрешности — перевод систематических погрешностей в разряд случайных. Например, проводить измерение измеряемой величины несколькими приборами, у которых будут различаться случайным образом. Тогда можно найти среднее значение измеряемой величины
(13)
и тем самым снизить систематическую погрешность .(n – число приборов)