Если
одну и ту же величину, истинное значение
хкоторой известно, многократно
определить с равной точностью, то получимрядизмеренийl1, l2,… ln. Каждое измерение
будет иметь свою случайную ошибку Δ1,
Δ2, … Δn, т. е.l1—
х = Δ1; l2— х =
Δ2; …; ln— х =
Δn.
Полученный ряд
случайных ошибок обладает определенными
статистическими свойствами:
1. Свойство
симметричности, т. е. равные по
абсолютной величине, но разные по знаку
ошибки встречаются в рядах результатов
измерений одинаково часто.
2. Свойство
унимодальности илисосредоточения,
т. е. малые по абсолютному значению
ошибки встречаются чаще чем большие.
3. Свойство
ограниченности, т. е. абсолютное
значение случайных ошибок результатов
измерений не может быть больше некоторого
известного предела (предельной
погрешности) Δi Δпред. Величина предельной
погрешности устанавливается инструментами.
4. Свойство
компенсации, т. е. среднее
арифметическое из всех случайных ошибок
ряда измерений при неограниченном
увеличении числа измерений, стремится
к нулю
,
где Δ – случайные ошибки,n
– количество измерений.
Если суммы
обозначить квадратными скобками [ ]
(символ сумм Гаусса), то можно записать
.
Е
Рис.
4.1
сли на оси ординат (рис. 4.1) отложить
величины случайных ошибок, а на оси
абсцисс – число ошибок ряда измерений
и через полученные точки провести
кривую линию, то получимграфик
распределения случайных ошибок,
который характеризует указанные
свойства. Из графика случайных ошибок
следует, чтобольшее число случайных
ошибокрасположено в пределах их
значений от –1 до +1.
Приведем пример,
подтверждающий свойства случайных
ошибок. В результате 10-кратного
измерения расстояния мерной лентой
получили следующие случайные ошибки
(табл. 4.1).
Таблица
4.1
|
Измерения |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
|
Ошибки, |
-1 |
+2 |
-1 |
+1 |
+2 |
-2 |
-3 |
+4 |
-1 |
+6 |
Из данного ряда
результатов измерений можно отметить,
что ошибок по абсолютному значению от
0 до 2 см – семь, от 3 до 4 см – две, свыше
4 см – одна. Среднее арифметическое
из десяти ошибок равняется 0,7 см.
4.4. Оценка точности результатов равноточных измерений. Арифметическая середина
Если имеется
ряд результатов равноточных измерений
l1; l2; …; lnодной и той же величины, то за окончательное
значение принимают среднюю арифметическую
величинуLиз всех результатов.
.
Если истинное
значение измеряемой величины х, то
абсолютные ошибки будут равны:
Δ1= l1—
х;
Δ2= l2—
х;
………;
Δ n= ln—
х,
________
[Δ]
= [l]
– nx.
Из
суммы равенств получим, что
.
В соответствии
со свойством 4 случайных ошибок, с
увеличением числа измерений величина
приn → ∞.
Следовательно,
при бесконечно большом числе
измерений, среднее арифметическое L
будет стремиться к истинному значению
измеряемой величины х.
Величина
при конечном числе измерений будетвероятнейшим значением
определяемой величины, называемой
арифметической серединой.
Разность между результатом измерения
и средним арифметическим называют
уклонением от арифметической середины
или вероятнейшими
ошибками υ,
т. е. l1 —
L = υ1.
Сумма вероятнейших
ошибок равняется нулю
,
если величина среднего арифметического
не имела округлений.
В топографии и
геодезии в качестве критериев точности
измерений в основном применяют среднюю
квадратическую ошибкуиотносительную
ошибку.
Среднюю
квадратическую ошибку отдельного
результата измерения mвычисляют
по формулеГаусса:
.
Формулу Гаусса
можно использовать, когда известно
истинное значение измеренной величины,
а для оценки точности величин, истинное
значение которых неизвестно, применяется
формула Бесселя
,
гдеυ –
вероятнейшая ошибка.
Среднюю
квадратическую ошибку арифметической
середины М
выражают через среднюю квадратическую
ошибку mотдельного
измерения, т. е.
.
Таким
образом, средняя квадратическая ошибка
арифметической середины из результатов
равноточных измерений в
раз меньше средней квадратической
ошибки результата отдельного измерения.
Для уменьшения ошибки измерения,
например, в 2 раза, количество измерений
необходимо увеличить в 4 раза.
Применительно
к конкретным условиям указывают критерий
отбраковки результатов измерений.
В качестве такого критерия служит
предельная ошибка.
Для наиболее значимых измерений
применяются повышенные требования
к точности и величину предельной ошибки
принимают равной 2m,
т. е. Δпр.=2m(удвоенное
значение средней квадратической ошибки.
Для менее значимых измерений принимается
величина предельной ошибки равная3m,
т. е. Δпр.=3m(утроенное
значение средней квадратической ошибки).
Пример, если при
угловых измерениях m = 5˝, то «по
правилу2m» отбраковываются
все результаты, значения которых по
абсолютной величине больше 10˝, а
применительно к «правилу3m»
отбраковываются – больше 15˝.
Для суждения о
точности многих измерений недостаточно
определения величины абсолютной ошибки,
необходимо еще знать значение самой
измеряемой величины. Так, для получения
представления о точности линейных,
площадных и других измерений применяется
относительная ошибка.
Относительная
ошибка – это отвлеченное число, выражающее
отношение абсолютной ошибки к результату
измерения. Относительную ошибку принято
выражать простой дробью, числитель
которой равен единице.
– для отдельного результата измерений
–для арифметической середины.
Значение
знаменателя принято округлять до двух
значимых цифр. Чем больше знаменатель,
тем выше точность выполненных работ.
Рассмотрим
пример. Измерены две линии: одна длиной
220 м со средней квадратической ошибкой
0,17 м, другая – длиной 390 м со средней
квадратической ошибкой
0,23 м, т. е.L1 = 220 м,m1=
0,17 м,L2 = 390 м,m2=
0,23
м. Какая из линий измерена точнее?
Подставив
результаты измерений и вычислений в
вышеприведенные формулы,получим,что
относительная ошибка в первом случае
будет равна
,
а во втором –
.
Следовательно, вторая линия измерена
точнее, несмотря на большую величину
абсолютной ошибки.
Соседние файлы в папке Топографическая
- #
- #
- #
Свойства физического объекта (явления, процесса) определяются набором
количественных характеристик — физических величин.
Как правило, результат измерения представляет
собой число, задающее отношение измеряемой величины к некоторому эталону.
Сравнение с эталоном может быть как
прямым (проводится непосредственно
экспериментатором), так и косвенным (проводится с помощью некоторого
прибора, которому экспериментатор доверяет).
Полученные таким образом величины имеют размерность, определяемую выбором эталона.
Замечание. Результатом измерения может также служить количество отсчётов некоторого
события, логическое утверждение (да/нет) или даже качественная оценка
(сильно/слабо/умеренно). Мы ограничимся наиболее типичным для физики случаем,
когда результат измерения может быть представлен в виде числа или набора чисел.
Взаимосвязь между различными физическими величинами может быть описана
физическими законами, представляющими собой идеализированную
модель действительности. Конечной целью любого физического
эксперимента (в том числе и учебного) является проверка адекватности или
уточнение параметров таких моделей.
1.1 Результат измерения
Рассмотрим простейший пример: измерение длины стержня
с помощью линейки. Линейка проградуирована производителем с помощью
некоторого эталона длины — таким образом, сравнивая длину
стержня с ценой деления линейки, мы выполняем косвенное сравнение с
общепринятым стандартным эталоном.
Допустим, мы приложили линейку к стержню и увидели на шкале некоторый результат
x=xизм. Можно ли утверждать, что xизм — это длина
стержня?
Во-первых, значение x не может быть задано точно, хотя бы
потому, что оно обязательно округлено до некоторой значащей
цифры: если линейка «обычная», то у неё
есть цена деления; а если линейка, к примеру, «лазерная»
— у неё высвечивается конечное число значащих цифр
на дисплее.
Во-вторых, мы никак не можем быть уверенны, что длина стержня на
самом деле такова хотя бы с точностью до ошибки округления. Действительно,
мы могли приложить линейку не вполне ровно; сама линейка могла быть
изготовлена не вполне точно; стержень может быть не идеально цилиндрическим
и т.п.
И, наконец, если пытаться хотя бы гипотетически переходить к бесконечной
точности измерения, теряет смысл само понятие «длины стержня». Ведь
на масштабах атомов у стержня нет чётких границ, а значит говорить о его
геометрических размерах в таком случае крайне затруднительно!
Итак, из нашего примера видно, что никакое физическое измерение не может быть
произведено абсолютно точно, то есть
у любого измерения есть погрешность.
Замечание. Также используют эквивалентный термин ошибка измерения
(от англ. error). Подчеркнём, что смысл этого термина отличается от
общеупотребительного бытового: если физик говорит «в измерении есть ошибка»,
— это не означает, что оно неправильно и его надо переделать.
Имеется ввиду лишь, что это измерение неточно, то есть имеет
погрешность.
Количественно погрешность можно было бы определить как разность между
измеренным и «истинным» значением длины стержня:
δx=xизм-xист. Однако на практике такое определение
использовать нельзя: во-первых, из-за неизбежного наличия
погрешностей «истинное» значение измерить невозможно, и во-вторых, само
«истинное» значение может отличаться в разных измерениях (например, стержень
неровный или изогнутый, его торцы дрожат из-за тепловых флуктуаций и т.д.).
Поэтому говорят обычно об оценке погрешности.
Об измеренной величине также часто говорят как об оценке, подчеркивая,
что эта величина не точна и зависит не только от физических свойств
исследуемого объекта, но и от процедуры измерения.
Замечание.
Термин оценка имеет и более формальное значение. Оценкой называют результат процедуры получения значения параметра или параметров физической модели, а также иногда саму процедуру. Теория оценок является подразделом математической статистики. Некоторые ее положения изложены в главе 3, но для более серьезного понимания следует обратиться к [5].
Для оценки значения физической величины корректно использовать
не просто некоторое фиксированное число xизм, а интервал (или
диапазон) значений, в пределах которого может лежать её
«истинное» значение. В простейшем случае этот интервал
может быть записан как
где δx — абсолютная величина погрешности.
Эта запись означает, что исследуемая величина лежит в интервале
x∈(xизм-δx;xизм+δx)
с некоторой достаточно большой долей вероятности (более подробно о
вероятностном содержании интервалов см. п. 2.2).
Для наглядной оценки точности измерения удобно также использовать
относительную величину погрешности:
Она показывает, насколько погрешность мала по сравнению с
самой измеряемой величиной (её также можно выразить в процентах:
ε=δxx⋅100%).
Пример. Штангенциркуль —
прибор для измерения длин с ценой деления 0,1мм. Пусть
диаметр некоторой проволоки равен 0,37 мм. Считая, что абсолютная
ошибка составляет половину цены деления прибора, результат измерения
можно будет записать как d=0,40±0,05мм (или
d=(40±5)⋅10-5м).
Относительная погрешность составляет ε≈13%, то
есть точность измерения весьма посредственная — поскольку
размер объекта близок к пределу точности прибора.
О необходимости оценки погрешностей.
Измерим длины двух стержней x1 и x2 и сравним результаты.
Можно ли сказать, что стержни одинаковы или различны?
Казалось бы,
достаточно проверить, справедливо ли x1=x2. Но никакие
два результата измерения не равны друг другу с абсолютной точностью! Таким
образом, без указания погрешности измерения ответ на этот вопрос дать
невозможно.
С другой стороны, если погрешность δx известна, то можно
утверждать, что если измеренные длины одинаковы
в пределах погрешности опыта, если |x2-x1|<δx
(и различны в противоположном случае).
Итак, без знания погрешностей невозможно сравнить между собой никакие
два измерения, и, следовательно, невозможно сделать никаких
значимых выводов по результатам эксперимента: ни о наличии зависимостей
между величинами, ни о практической применимости какой-либо теории,
и т. п. В связи с этим задача правильной оценки погрешностей является крайне
важной, поскольку существенное занижение или завышение значения погрешности
(по сравнению с реальной точностью измерений) ведёт к неправильным выводам.
В физическом эксперименте (в том числе лабораторном практикуме) оценка
погрешностей должна проводиться всегда
(даже когда составители задания забыли упомянуть об этом).
1.2 Многократные измерения
Проведём серию из n одинаковых (однотипных) измерений одной
и той же физической величины (например, многократно приложим линейку к стержню) и получим
ряд значений
Что можно сказать о данном наборе чисел и о длине стержня?
И можно ли увеличивая число измерений улучшить конечный результат?
Если цена деления самой линейки достаточно мала, то как нетрудно убедиться
на практике, величины {xi} почти наверняка окажутся
различными. Причиной тому могут быть
самые разные обстоятельства, например: у нас недостаточно остроты
зрения и точности рук, чтобы каждый раз прикладывать линейку одинаково;
стенки стержня могут быть слегка неровными; у стержня может и не быть
определённой длины, например, если в нём возбуждены звуковые волны,
из-за чего его торцы колеблются, и т. д.
В такой ситуации результат измерения интерпретируется как
случайная величина, описываемая некоторым вероятностным законом
(распределением).
Подробнее о случайных величинах и методах работы с ними см. гл. 2.
По набору результатов 𝐱 можно вычислить их среднее арифметическое:
| ⟨x⟩=x1+x2+…+xnn≡1n∑i=1nxi. | (1.1) |
Это значение, вычисленное по результатам конечного числа n измерений,
принято называть выборочным средним. Здесь и далее для обозначения
выборочных средних будем использовать угловые скобки.
Кроме среднего представляет интерес и то, насколько сильно варьируются
результаты от опыта к опыту. Определим отклонение каждого измерения от среднего как
Разброс данных относительно среднего принято характеризовать
среднеквадратичным отклонением:
| s=Δx12+Δx22+…+Δxn2n=1n∑i=1nΔxi2 | (1.2) |
или кратко
Значение среднего квадрата отклонения s2 называют
выборочной дисперсией.
Будем увеличивать число измерений n (n→∞). Если объект измерения и методика
достаточно стабильны, то отклонения от среднего Δxi будут, во-первых,
относительно малы, а во-вторых, положительные и отрицательные отклонения будут
встречаться примерно одинаково часто. Тогда при вычислении (1.1)
почти все отклонения Δxi скомпенсируются и можно ожидать,
что выборочное среднее при n≫1 будет стремиться к некоторому пределу:
Тогда предельное значение x¯ можно отождествить с «истинным» средним
для исследуемой величины.
Предельную величину среднеквадратичного отклонения при n→∞
обозначим как
Замечание. В общем случае указанные пределы могут и не существовать. Например, если измеряемый параметр
меняется во времени или в результате самого измерения, либо испытывает слишком большие
случайные скачки и т. п. Такие ситуации требуют особого рассмотрения и мы на них не
останавливаемся.
Замечание. Если n мало (n<10), для оценки среднеквадратичного отклонения
математическая статистика рекомендует вместо формулы (1.3) использовать
исправленную формулу (подробнее см. п. 5.2):
sn-12=1n-1∑i=1nΔxi2,
(1.4)
где произведена замена n→n-1. Величину sn-1
часто называют стандартным отклонением.
Итак, можно по крайней мере надеяться на то, что результаты небольшого числа
измерений имеют не слишком большой разброс, так что величина ⟨x⟩
может быть использована как приближенное значение (оценка) истинного значения
⟨x⟩≈x¯,
а увеличение числа измерений позволит уточнить результат.
Многие случайные величины подчиняются так называемому нормальному закону
распределения (подробнее см. Главу 2). Для таких величин
могут быть строго доказаны следующие свойства:
- •
при многократном повторении эксперимента бо́льшая часть измерений
(∼68%) попадает в интервал x¯-σ<x<x¯+σ
(см. п. 2.2). - •
выборочное среднее значение ⟨x⟩ оказывается с большей
вероятностью ближе к истинному значению x¯, чем каждое из измерений
{xi} в отдельности. При этом ошибка вычисления среднего
убывает пропорционально корню из числа опытов n
(см. п. 2.4).
Упражнение. Показать, что
s2=⟨x2⟩-⟨x⟩2.
(1.5)
то есть дисперсия равна разности среднего значения квадрата
⟨x2⟩=1n∑i=1nxi2
и квадрата среднего ⟨x⟩2=(1n∑i=1nxi)2.
1.3 Классификация погрешностей
Чтобы лучше разобраться в том, нужно ли многократно повторять измерения,
и в каком случае это позволит улучшить результаты опыта,
проанализируем источники и виды погрешностей.
В первую очередь, многократные измерения позволяют проверить
воспроизводимость результатов: повторные измерения в одинаковых
условиях, должны давать близкие результаты. В противном случае
исследование будет существенно затруднено, если вообще возможно.
Таким образом, многократные измерения необходимы для того,
чтобы убедиться как в надёжности методики, так и в существовании измеряемой
величины как таковой.
При любых измерениях возможны грубые ошибки — промахи
(англ. miss). Это «ошибки» в стандартном
понимании этого слова — возникающие по вине экспериментатора
или в силу других непредвиденных обстоятельств (например, из-за сбоя
аппаратуры). Промахов, конечно, нужно избегать, а результаты таких
измерений должны быть по возможности исключены из рассмотрения.
Как понять, является ли «аномальный» результат промахом? Вопрос этот весьма
непрост. В литературе существуют статистические
критерии отбора промахов, которыми мы, однако, настоятельно не рекомендуем
пользоваться (по крайней мере, без серьезного понимания последствий
такого отбора). Отбрасывание аномальных данных может, во-первых, привести
к тенденциозному искажению результата исследований, а во-вторых, так
можно упустить открытие неизвестного эффекта. Поэтому при научных
исследованиях необходимо максимально тщательно проанализировать причину
каждого промаха, в частности, многократно повторив эксперимент. Лишь
только если факт и причина промаха установлены вполне достоверно,
соответствующий результат можно отбросить.
Замечание. Часто причины аномальных отклонений невозможно установить на этапе
обработки данных, поскольку часть информации о проведении измерений к этому моменту
утеряна. Единственным способ борьбы с этим — это максимально подробное описание всего
процесса измерений в лабораторном журнале. Подробнее об этом
см. п. 4.1.1.
При многократном повторении измерении одной и той же физической величины
погрешности могут иметь систематический либо случайный
характер. Назовём погрешность систематической, если она повторяется
от опыта к опыту, сохраняя свой знак и величину, либо закономерно
меняется в процессе измерений. Случайные (или статистические)
погрешности меняются хаотично при повторении измерений как по величине,
так и по знаку, и в изменениях не прослеживается какой-либо закономерности.
Кроме того, удобно разделять погрешности по их происхождению. Можно
выделить
- •
инструментальные (или приборные) погрешности,
связанные с несовершенством конструкции (неточности, допущенные при
изготовлении или вследствие старения), ошибками калибровки или ненормативными
условиями эксплуатации измерительных приборов; - •
методические погрешности, связанные с несовершенством
теоретической модели явления (использование приближенных формул и
моделей явления) или с несовершенством методики измерения (например,
влиянием взаимодействия прибора и объекта измерения на результат измерения); - •
естественные погрешности, связанные со случайным
характером
измеряемой физической величины — они являются не столько
«ошибками» измерения, сколько характеризуют
природу изучаемого объекта или явления.
Замечание. Разделение погрешностей на систематические и случайные
не является однозначным и зависит от постановки опыта. Например, производя
измерения не одним, а несколькими однотипными приборами, мы переводим
систематическую приборную ошибку, связанную с неточностью шкалы и
калибровки, в случайную. Разделение по происхождению также условно,
поскольку любой прибор подвержен воздействию «естественных»
случайных и систематических ошибок (шумы и наводки, тряска, атмосферные
условия и т. п.), а в основе работы прибора всегда лежит некоторое
физическое явление, описываемое не вполне совершенной теорией.
1.3.1 Случайные погрешности
Случайный характер присущ большому количеству различных физических
явлений, и в той или иной степени проявляется в работе всех без исключения
приборов. Случайные погрешности обнаруживаются просто при многократном
повторении опыта — в виде хаотичных изменений (флуктуаций)
значений {xi}.
Если случайные отклонения от среднего в большую или меньшую стороны
примерно равновероятны, можно рассчитывать, что при вычислении среднего
арифметического (1.1) эти отклонения скомпенсируются,
и погрешность результирующего значения ⟨x⟩ будем меньше,
чем погрешность отдельного измерения.
Случайные погрешности бывают связаны, например,
- •
с особенностями используемых приборов: техническими
недостатками
(люфт в механических приспособлениях, сухое трение в креплении стрелки
прибора), с естественными (тепловой и дробовой шумы в электрических
цепях, тепловые флуктуации и колебания измерительных устройств из-за
хаотического движения молекул, космическое излучение) или техногенными
факторами (тряска, электромагнитные помехи и наводки); - •
с особенностями и несовершенством методики измерения (ошибка
при отсчёте по шкале, ошибка времени реакции при измерениях с секундомером); - •
с несовершенством объекта измерений (неровная поверхность,
неоднородность состава); - •
со случайным характером исследуемого явления (радиоактивный
распад, броуновское движение).
Остановимся несколько подробнее на двух последних случаях. Они отличаются
тем, что случайный разброс данных в них порождён непосредственно объектом
измерения. Если при этом приборные погрешности малы, то «ошибка»
эксперимента возникает лишь в тот момент, когда мы по своей
воле совершаем замену ряда измеренных значений на некоторое среднее
{xi}→⟨x⟩. Разброс данных при этом
характеризует не точность измерения, а сам исследуемый объект или
явление. Однако с математической точки зрения приборные и
«естественные»
погрешности неразличимы — глядя на одни только
экспериментальные данные невозможно выяснить, что именно явилось причиной
их флуктуаций: сам объект исследования или иные, внешние причины.
Таким образом, для исследования естественных случайных процессов необходимо
сперва отдельно исследовать и оценить случайные инструментальные погрешности
и убедиться, что они достаточно малы.
1.3.2 Систематические погрешности
Систематические погрешности, в отличие от случайных, невозможно обнаружить,
исключить или уменьшить просто многократным повторением измерений.
Они могут быть обусловлены, во-первых, неправильной работой приборов
(инструментальная погрешность), например, сдвигом нуля отсчёта
по шкале, деформацией шкалы, неправильной калибровкой, искажениями
из-за не нормативных условий эксплуатации, искажениями из-за износа
или деформации деталей прибора, изменением параметров прибора во времени
из-за нагрева и т.п. Во-вторых, их причиной может быть ошибка в интерпретации
результатов (методическая погрешность), например, из-за использования
слишком идеализированной физической модели явления, которая не учитывает
некоторые значимые факторы (так, при взвешивании тел малой плотности
в атмосфере необходимо учитывать силу Архимеда; при измерениях в электрических
цепях может быть необходим учет неидеальности амперметров и вольтметров
и т. д.).
Систематические погрешности условно можно разделить на следующие категории.
- 1.
Известные погрешности, которые могут быть достаточно точно вычислены
или измерены. При необходимости они могут быть учтены непосредственно:
внесением поправок в расчётные формулы или в результаты измерений.
Если они малы, их можно отбросить, чтобы упростить вычисления. - 2.
Погрешности известной природы, конкретная величина которых неизвестна,
но максимальное значение вносимой ошибки может быть оценено теоретически
или экспериментально. Такие погрешности неизбежно присутствуют в любом
опыте, и задача экспериментатора — свести их к минимуму,
совершенствуя методики измерения и выбирая более совершенные приборы.Чтобы оценить величину систематических погрешностей опыта, необходимо
учесть паспортную точность приборов (производитель, как правило, гарантирует,
что погрешность прибора не превосходит некоторой величины), проанализировать
особенности методики измерения, и по возможности, провести контрольные
опыты. - 3.
Погрешности известной природы, оценка величины которых по каким-либо
причинам затруднена (например, сопротивление контактов при подключении
электронных приборов). Такие погрешности должны быть обязательно исключены
посредством модификации методики измерения или замены приборов. - 4.
Наконец, нельзя забывать о возможности существования ошибок, о
которых мы не подозреваем, но которые могут существенно искажать результаты
измерений. Такие погрешности самые опасные, а исключить их можно только
многократной независимой проверкой измерений, разными методами
и в разных условиях.
В учебном практикуме учёт систематических погрешностей ограничивается,
как правило, паспортными погрешностями приборов и теоретическими поправками
к упрощенной модели исследуемого явления.
Точный учет систематической ошибки возможен только при учете специфики конкретного эксперимента. Особенное внимание надо обратить на зависимость (корреляцию) систематических смещений при повторных измерениях. Одна и та же погрешность в разных случаях может быть интерпретирована и как случайная, и как систематическая.
Пример.
Калибровка электромагнита производится при помощи внесения в него датчика Холла или другого измерителя магнитного потока. При последовательных измерениях с разными токами (и соотственно полями в зазоре) калибровку можно учитыать двумя различными способами:
•
Измерить значение поля для разных токов, построить линейную калибровочную кривую и потом использовать значения, восстановленные по этой кривой для вычисления поля по току, используемому в измерениях.
•
Для каждого измерения проводить допольнительное измерения поля и вообще не испльзовать значения тока.
В первом случае погрешность полученного значения будет меньше, поскльку при проведении прямой, отдельные отклонения усреднятся. При этом погрешность измерения поля будет носить систематический харрактер и при обработке данных ее надо будет учитывать в последний момент. Во втором случае погрешность будет носить статистический (случайный) харрактер и ее надо будет добавить к погрешности каждой измеряемой точки. При этом сама погрешность будет больше. Выбор той или иной методики зависит от конретной ситуации. При большом количестве измерений, второй способ более надежный, поскольку статистическая ошибка при усреднении уменьшается пропорционально корню из количества измерений. Кроме того, такой способ повзоляет избежать методической ошибки, связанной с тем, что зависимость поля от тока не является линейной.
Пример.
Рассмотрим измерение напряжения по стрелочному вольтметру. В показаниях прибора будет присутствовать три типа погрешности:
1.
Статистическая погрешность, связанная с дрожанием стрелки и ошибкой визуального наблюдения, примерно равная половине цены деления.
2.
Систематическая погрешность, связанная с неправильной установкой нуля.
3.
Систематическая погрешность, связанная с неправильным коэффициентом пропорциональности между напряжением и отклонением стрелки. Как правило приборы сконструированы таким образом, чтобы максимальное значение этой погрешности было так же равно половине цены деления (хотя это и не гарантируется).
Увеличение — число — измерение
Cтраница 1
Увеличение числа измерений для повышения помехоустойчивости средства измерений всегда ограничено, поэтому попытаемся синтезировать такие процедуры, которые минимизируют число измерений, необходимое для достижения заданной точности. Эта задача эквивалентна следующей: построить оценку, имеющую при заданном числе опытов минимальное рассеяние относительно истинного значения оцениваемого параметра.
[1]
С увеличением числа измерений излучателя расчет создаваемой им освещенности прогрессивно усложняется, и в теоретической фотометрии теория расчета освещения от поверхностей занимает значительный объем. Это отчасти связано с тем, что варьируемыми в данном случае являются три группы переменных: размеры и форма излучателя, его положение по отношению к точке и фотометрические характеристики самого излучателя.
[2]
С увеличением числа измерений погрешности результата измерений становятся меньше, и при неограниченном возрастании числа измерений А. Однако это справедливо только в том случае, когда полностью исключены все систематические погрешности измерения.
[3]
При увеличении числа измерений все статистические числовые характеристики будут сходиться по вероятности к соответствующим математическим характеристикам и при достаточно большом числе измерений могут быть приняты приближенно равными им. Все свойства статистических начальных и центральных моментов сохраняются. В частности, статистический центральный момент первого порядка всегда равен нулю.
[4]
При увеличении числа измерений доверительный интервал сужается, однако в рассмотренном примере уменьшать его не имеет смысла, так как он перекрывается доверительным интервалом прецизионной измерительной аппаратуры 1 дб.
[5]
При увеличении числа измерений структура правой части не меняется.
[6]
Следовательно, увеличение числа измерений на одном режиме свыше 5 — 10 нецелесообразно.
[7]
По мере увеличения числа измерений распределение случайных отклонений их результатов от среднего асимптотически сходится к распределению случайных погрешностей.
[8]
Очевидно, что увеличение числа измерений не позволяет компенсировать постоянные ошибки. Для выявления постоянной погрешности необходимо иметь хотя бы один эталон, совершенно точно соответствующий анализируемым образцам, но с известной концентрацией определяемых веществ. Если при многократном анализе обнаруживается расхождение между истинной концентрацией и средним значением, полученным при анализе, то это указывает на наличие постоянных погрешностей.
[9]
В данном случае увеличение числа измерений не может привести к существенному повышению точности, так как значение стю остается при этом неизменным.
[10]
Очевидно, что увеличение числа измерений не позволяет компенсировать постоянные ошибки. Для выявления постоянной погрешности необходимо иметь хотя бы один эталон, совершенно точно соответствующий анализируемым образцам, но с известной концентрацией определяемых веществ. Если при многократном анализе обнаруживается расхождение между истинной концентрацией и средним значением, полученным при анализе, то это указывает на наличие постоянных погрешностей.
[11]
Следовательно, при увеличении числа измерений случайная ошибка уменьшается.
[12]
Как видно из графика, увеличение числа измерений сверх 10 мало результативно. Для правильного выбора га необходимо предварительно оценить связанную с этим погрешность в свете поставленных задач.
[14]
Страницы:
1
2
3
4
Свойства физического объекта (явления, процесса) определяются набором
количественных характеристик — физических величин.
Как правило, результат измерения представляет
собой число, задающее отношение измеряемой величины к некоторому эталону.
Сравнение с эталоном может быть как
прямым (проводится непосредственно
экспериментатором), так и косвенным (проводится с помощью некоторого
прибора, которому экспериментатор доверяет).
Полученные таким образом величины имеют размерность, определяемую выбором эталона.
Замечание. Результатом измерения может также служить количество отсчётов некоторого
события, логическое утверждение (да/нет) или даже качественная оценка
(сильно/слабо/умеренно). Мы ограничимся наиболее типичным для физики случаем,
когда результат измерения может быть представлен в виде числа или набора чисел.
Взаимосвязь между различными физическими величинами может быть описана
физическими законами, представляющими собой идеализированную
модель действительности. Конечной целью любого физического
эксперимента (в том числе и учебного) является проверка адекватности или
уточнение параметров таких моделей.
1.1 Результат измерения
Рассмотрим простейший пример: измерение длины стержня
с помощью линейки. Линейка проградуирована производителем с помощью
некоторого эталона длины — таким образом, сравнивая длину
стержня с ценой деления линейки, мы выполняем косвенное сравнение с
общепринятым стандартным эталоном.
Допустим, мы приложили линейку к стержню и увидели на шкале некоторый результат
x=xизм. Можно ли утверждать, что xизм — это длина
стержня?
Во-первых, значение x не может быть задано точно, хотя бы
потому, что оно обязательно округлено до некоторой значащей
цифры: если линейка «обычная», то у неё
есть цена деления; а если линейка, к примеру, «лазерная»
— у неё высвечивается конечное число значащих цифр
на дисплее.
Во-вторых, мы никак не можем быть уверенны, что длина стержня на
самом деле такова хотя бы с точностью до ошибки округления. Действительно,
мы могли приложить линейку не вполне ровно; сама линейка могла быть
изготовлена не вполне точно; стержень может быть не идеально цилиндрическим
и т.п.
И, наконец, если пытаться хотя бы гипотетически переходить к бесконечной
точности измерения, теряет смысл само понятие «длины стержня». Ведь
на масштабах атомов у стержня нет чётких границ, а значит говорить о его
геометрических размерах в таком случае крайне затруднительно!
Итак, из нашего примера видно, что никакое физическое измерение не может быть
произведено абсолютно точно, то есть
у любого измерения есть погрешность.
Замечание. Также используют эквивалентный термин ошибка измерения
(от англ. error). Подчеркнём, что смысл этого термина отличается от
общеупотребительного бытового: если физик говорит «в измерении есть ошибка»,
— это не означает, что оно неправильно и его надо переделать.
Имеется ввиду лишь, что это измерение неточно, то есть имеет
погрешность.
Количественно погрешность можно было бы определить как разность между
измеренным и «истинным» значением длины стержня:
δx=xизм-xист. Однако на практике такое определение
использовать нельзя: во-первых, из-за неизбежного наличия
погрешностей «истинное» значение измерить невозможно, и во-вторых, само
«истинное» значение может отличаться в разных измерениях (например, стержень
неровный или изогнутый, его торцы дрожат из-за тепловых флуктуаций и т.д.).
Поэтому говорят обычно об оценке погрешности.
Об измеренной величине также часто говорят как об оценке, подчеркивая,
что эта величина не точна и зависит не только от физических свойств
исследуемого объекта, но и от процедуры измерения.
Замечание.
Термин оценка имеет и более формальное значение. Оценкой называют результат процедуры получения значения параметра или параметров физической модели, а также иногда саму процедуру. Теория оценок является подразделом математической статистики. Некоторые ее положения изложены в главе 3, но для более серьезного понимания следует обратиться к [5].
Для оценки значения физической величины корректно использовать
не просто некоторое фиксированное число xизм, а интервал (или
диапазон) значений, в пределах которого может лежать её
«истинное» значение. В простейшем случае этот интервал
может быть записан как
где δx — абсолютная величина погрешности.
Эта запись означает, что исследуемая величина лежит в интервале
x∈(xизм-δx;xизм+δx)
с некоторой достаточно большой долей вероятности (более подробно о
вероятностном содержании интервалов см. п. 2.2).
Для наглядной оценки точности измерения удобно также использовать
относительную величину погрешности:
Она показывает, насколько погрешность мала по сравнению с
самой измеряемой величиной (её также можно выразить в процентах:
ε=δxx⋅100%).
Пример. Штангенциркуль —
прибор для измерения длин с ценой деления 0,1мм. Пусть
диаметр некоторой проволоки равен 0,37 мм. Считая, что абсолютная
ошибка составляет половину цены деления прибора, результат измерения
можно будет записать как d=0,40±0,05мм (или
d=(40±5)⋅10-5м).
Относительная погрешность составляет ε≈13%, то
есть точность измерения весьма посредственная — поскольку
размер объекта близок к пределу точности прибора.
О необходимости оценки погрешностей.
Измерим длины двух стержней x1 и x2 и сравним результаты.
Можно ли сказать, что стержни одинаковы или различны?
Казалось бы,
достаточно проверить, справедливо ли x1=x2. Но никакие
два результата измерения не равны друг другу с абсолютной точностью! Таким
образом, без указания погрешности измерения ответ на этот вопрос дать
невозможно.
С другой стороны, если погрешность δx известна, то можно
утверждать, что если измеренные длины одинаковы
в пределах погрешности опыта, если |x2-x1|<δx
(и различны в противоположном случае).
Итак, без знания погрешностей невозможно сравнить между собой никакие
два измерения, и, следовательно, невозможно сделать никаких
значимых выводов по результатам эксперимента: ни о наличии зависимостей
между величинами, ни о практической применимости какой-либо теории,
и т. п. В связи с этим задача правильной оценки погрешностей является крайне
важной, поскольку существенное занижение или завышение значения погрешности
(по сравнению с реальной точностью измерений) ведёт к неправильным выводам.
В физическом эксперименте (в том числе лабораторном практикуме) оценка
погрешностей должна проводиться всегда
(даже когда составители задания забыли упомянуть об этом).
1.2 Многократные измерения
Проведём серию из n одинаковых (однотипных) измерений одной
и той же физической величины (например, многократно приложим линейку к стержню) и получим
ряд значений
Что можно сказать о данном наборе чисел и о длине стержня?
И можно ли увеличивая число измерений улучшить конечный результат?
Если цена деления самой линейки достаточно мала, то как нетрудно убедиться
на практике, величины {xi} почти наверняка окажутся
различными. Причиной тому могут быть
самые разные обстоятельства, например: у нас недостаточно остроты
зрения и точности рук, чтобы каждый раз прикладывать линейку одинаково;
стенки стержня могут быть слегка неровными; у стержня может и не быть
определённой длины, например, если в нём возбуждены звуковые волны,
из-за чего его торцы колеблются, и т. д.
В такой ситуации результат измерения интерпретируется как
случайная величина, описываемая некоторым вероятностным законом
(распределением).
Подробнее о случайных величинах и методах работы с ними см. гл. 2.
По набору результатов 𝐱 можно вычислить их среднее арифметическое:
| ⟨x⟩=x1+x2+…+xnn≡1n∑i=1nxi. | (1.1) |
Это значение, вычисленное по результатам конечного числа n измерений,
принято называть выборочным средним. Здесь и далее для обозначения
выборочных средних будем использовать угловые скобки.
Кроме среднего представляет интерес и то, насколько сильно варьируются
результаты от опыта к опыту. Определим отклонение каждого измерения от среднего как
Разброс данных относительно среднего принято характеризовать
среднеквадратичным отклонением:
| s=Δx12+Δx22+…+Δxn2n=1n∑i=1nΔxi2 | (1.2) |
или кратко
Значение среднего квадрата отклонения s2 называют
выборочной дисперсией.
Будем увеличивать число измерений n (n→∞). Если объект измерения и методика
достаточно стабильны, то отклонения от среднего Δxi будут, во-первых,
относительно малы, а во-вторых, положительные и отрицательные отклонения будут
встречаться примерно одинаково часто. Тогда при вычислении (1.1)
почти все отклонения Δxi скомпенсируются и можно ожидать,
что выборочное среднее при n≫1 будет стремиться к некоторому пределу:
Тогда предельное значение x¯ можно отождествить с «истинным» средним
для исследуемой величины.
Предельную величину среднеквадратичного отклонения при n→∞
обозначим как
Замечание. В общем случае указанные пределы могут и не существовать. Например, если измеряемый параметр
меняется во времени или в результате самого измерения, либо испытывает слишком большие
случайные скачки и т. п. Такие ситуации требуют особого рассмотрения и мы на них не
останавливаемся.
Замечание. Если n мало (n<10), для оценки среднеквадратичного отклонения
математическая статистика рекомендует вместо формулы (1.3) использовать
исправленную формулу (подробнее см. п. 5.2):
sn-12=1n-1∑i=1nΔxi2,
(1.4)
где произведена замена n→n-1. Величину sn-1
часто называют стандартным отклонением.
Итак, можно по крайней мере надеяться на то, что результаты небольшого числа
измерений имеют не слишком большой разброс, так что величина ⟨x⟩
может быть использована как приближенное значение (оценка) истинного значения
⟨x⟩≈x¯,
а увеличение числа измерений позволит уточнить результат.
Многие случайные величины подчиняются так называемому нормальному закону
распределения (подробнее см. Главу 2). Для таких величин
могут быть строго доказаны следующие свойства:
-
•
при многократном повторении эксперимента бо́льшая часть измерений
(∼68%) попадает в интервал x¯-σ<x<x¯+σ
(см. п. 2.2). -
•
выборочное среднее значение ⟨x⟩ оказывается с большей
вероятностью ближе к истинному значению x¯, чем каждое из измерений
{xi} в отдельности. При этом ошибка вычисления среднего
убывает пропорционально корню из числа опытов n
(см. п. 2.4).
Упражнение. Показать, что
s2=⟨x2⟩-⟨x⟩2.
(1.5)
то есть дисперсия равна разности среднего значения квадрата
⟨x2⟩=1n∑i=1nxi2
и квадрата среднего ⟨x⟩2=(1n∑i=1nxi)2.
1.3 Классификация погрешностей
Чтобы лучше разобраться в том, нужно ли многократно повторять измерения,
и в каком случае это позволит улучшить результаты опыта,
проанализируем источники и виды погрешностей.
В первую очередь, многократные измерения позволяют проверить
воспроизводимость результатов: повторные измерения в одинаковых
условиях, должны давать близкие результаты. В противном случае
исследование будет существенно затруднено, если вообще возможно.
Таким образом, многократные измерения необходимы для того,
чтобы убедиться как в надёжности методики, так и в существовании измеряемой
величины как таковой.
При любых измерениях возможны грубые ошибки — промахи
(англ. miss). Это «ошибки» в стандартном
понимании этого слова — возникающие по вине экспериментатора
или в силу других непредвиденных обстоятельств (например, из-за сбоя
аппаратуры). Промахов, конечно, нужно избегать, а результаты таких
измерений должны быть по возможности исключены из рассмотрения.
Как понять, является ли «аномальный» результат промахом? Вопрос этот весьма
непрост. В литературе существуют статистические
критерии отбора промахов, которыми мы, однако, настоятельно не рекомендуем
пользоваться (по крайней мере, без серьезного понимания последствий
такого отбора). Отбрасывание аномальных данных может, во-первых, привести
к тенденциозному искажению результата исследований, а во-вторых, так
можно упустить открытие неизвестного эффекта. Поэтому при научных
исследованиях необходимо максимально тщательно проанализировать причину
каждого промаха, в частности, многократно повторив эксперимент. Лишь
только если факт и причина промаха установлены вполне достоверно,
соответствующий результат можно отбросить.
Замечание. Часто причины аномальных отклонений невозможно установить на этапе
обработки данных, поскольку часть информации о проведении измерений к этому моменту
утеряна. Единственным способ борьбы с этим — это максимально подробное описание всего
процесса измерений в лабораторном журнале. Подробнее об этом
см. п. 4.1.1.
При многократном повторении измерении одной и той же физической величины
погрешности могут иметь систематический либо случайный
характер. Назовём погрешность систематической, если она повторяется
от опыта к опыту, сохраняя свой знак и величину, либо закономерно
меняется в процессе измерений. Случайные (или статистические)
погрешности меняются хаотично при повторении измерений как по величине,
так и по знаку, и в изменениях не прослеживается какой-либо закономерности.
Кроме того, удобно разделять погрешности по их происхождению. Можно
выделить
-
•
инструментальные (или приборные) погрешности,
связанные с несовершенством конструкции (неточности, допущенные при
изготовлении или вследствие старения), ошибками калибровки или ненормативными
условиями эксплуатации измерительных приборов; -
•
методические погрешности, связанные с несовершенством
теоретической модели явления (использование приближенных формул и
моделей явления) или с несовершенством методики измерения (например,
влиянием взаимодействия прибора и объекта измерения на результат измерения); -
•
естественные погрешности, связанные со случайным
характером
измеряемой физической величины — они являются не столько
«ошибками» измерения, сколько характеризуют
природу изучаемого объекта или явления.
Замечание. Разделение погрешностей на систематические и случайные
не является однозначным и зависит от постановки опыта. Например, производя
измерения не одним, а несколькими однотипными приборами, мы переводим
систематическую приборную ошибку, связанную с неточностью шкалы и
калибровки, в случайную. Разделение по происхождению также условно,
поскольку любой прибор подвержен воздействию «естественных»
случайных и систематических ошибок (шумы и наводки, тряска, атмосферные
условия и т. п.), а в основе работы прибора всегда лежит некоторое
физическое явление, описываемое не вполне совершенной теорией.
1.3.1 Случайные погрешности
Случайный характер присущ большому количеству различных физических
явлений, и в той или иной степени проявляется в работе всех без исключения
приборов. Случайные погрешности обнаруживаются просто при многократном
повторении опыта — в виде хаотичных изменений (флуктуаций)
значений {xi}.
Если случайные отклонения от среднего в большую или меньшую стороны
примерно равновероятны, можно рассчитывать, что при вычислении среднего
арифметического (1.1) эти отклонения скомпенсируются,
и погрешность результирующего значения ⟨x⟩ будем меньше,
чем погрешность отдельного измерения.
Случайные погрешности бывают связаны, например,
-
•
с особенностями используемых приборов: техническими
недостатками
(люфт в механических приспособлениях, сухое трение в креплении стрелки
прибора), с естественными (тепловой и дробовой шумы в электрических
цепях, тепловые флуктуации и колебания измерительных устройств из-за
хаотического движения молекул, космическое излучение) или техногенными
факторами (тряска, электромагнитные помехи и наводки); -
•
с особенностями и несовершенством методики измерения (ошибка
при отсчёте по шкале, ошибка времени реакции при измерениях с секундомером); -
•
с несовершенством объекта измерений (неровная поверхность,
неоднородность состава); -
•
со случайным характером исследуемого явления (радиоактивный
распад, броуновское движение).
Остановимся несколько подробнее на двух последних случаях. Они отличаются
тем, что случайный разброс данных в них порождён непосредственно объектом
измерения. Если при этом приборные погрешности малы, то «ошибка»
эксперимента возникает лишь в тот момент, когда мы по своей
воле совершаем замену ряда измеренных значений на некоторое среднее
{xi}→⟨x⟩. Разброс данных при этом
характеризует не точность измерения, а сам исследуемый объект или
явление. Однако с математической точки зрения приборные и
«естественные»
погрешности неразличимы — глядя на одни только
экспериментальные данные невозможно выяснить, что именно явилось причиной
их флуктуаций: сам объект исследования или иные, внешние причины.
Таким образом, для исследования естественных случайных процессов необходимо
сперва отдельно исследовать и оценить случайные инструментальные погрешности
и убедиться, что они достаточно малы.
1.3.2 Систематические погрешности
Систематические погрешности, в отличие от случайных, невозможно обнаружить,
исключить или уменьшить просто многократным повторением измерений.
Они могут быть обусловлены, во-первых, неправильной работой приборов
(инструментальная погрешность), например, сдвигом нуля отсчёта
по шкале, деформацией шкалы, неправильной калибровкой, искажениями
из-за не нормативных условий эксплуатации, искажениями из-за износа
или деформации деталей прибора, изменением параметров прибора во времени
из-за нагрева и т.п. Во-вторых, их причиной может быть ошибка в интерпретации
результатов (методическая погрешность), например, из-за использования
слишком идеализированной физической модели явления, которая не учитывает
некоторые значимые факторы (так, при взвешивании тел малой плотности
в атмосфере необходимо учитывать силу Архимеда; при измерениях в электрических
цепях может быть необходим учет неидеальности амперметров и вольтметров
и т. д.).
Систематические погрешности условно можно разделить на следующие категории.
-
1.
Известные погрешности, которые могут быть достаточно точно вычислены
или измерены. При необходимости они могут быть учтены непосредственно:
внесением поправок в расчётные формулы или в результаты измерений.
Если они малы, их можно отбросить, чтобы упростить вычисления. -
2.
Погрешности известной природы, конкретная величина которых неизвестна,
но максимальное значение вносимой ошибки может быть оценено теоретически
или экспериментально. Такие погрешности неизбежно присутствуют в любом
опыте, и задача экспериментатора — свести их к минимуму,
совершенствуя методики измерения и выбирая более совершенные приборы.Чтобы оценить величину систематических погрешностей опыта, необходимо
учесть паспортную точность приборов (производитель, как правило, гарантирует,
что погрешность прибора не превосходит некоторой величины), проанализировать
особенности методики измерения, и по возможности, провести контрольные
опыты. -
3.
Погрешности известной природы, оценка величины которых по каким-либо
причинам затруднена (например, сопротивление контактов при подключении
электронных приборов). Такие погрешности должны быть обязательно исключены
посредством модификации методики измерения или замены приборов. -
4.
Наконец, нельзя забывать о возможности существования ошибок, о
которых мы не подозреваем, но которые могут существенно искажать результаты
измерений. Такие погрешности самые опасные, а исключить их можно только
многократной независимой проверкой измерений, разными методами
и в разных условиях.
В учебном практикуме учёт систематических погрешностей ограничивается,
как правило, паспортными погрешностями приборов и теоретическими поправками
к упрощенной модели исследуемого явления.
Точный учет систематической ошибки возможен только при учете специфики конкретного эксперимента. Особенное внимание надо обратить на зависимость (корреляцию) систематических смещений при повторных измерениях. Одна и та же погрешность в разных случаях может быть интерпретирована и как случайная, и как систематическая.
Пример.
Калибровка электромагнита производится при помощи внесения в него датчика Холла или другого измерителя магнитного потока. При последовательных измерениях с разными токами (и соотственно полями в зазоре) калибровку можно учитыать двумя различными способами:
•
Измерить значение поля для разных токов, построить линейную калибровочную кривую и потом использовать значения, восстановленные по этой кривой для вычисления поля по току, используемому в измерениях.
•
Для каждого измерения проводить допольнительное измерения поля и вообще не испльзовать значения тока.
В первом случае погрешность полученного значения будет меньше, поскльку при проведении прямой, отдельные отклонения усреднятся. При этом погрешность измерения поля будет носить систематический харрактер и при обработке данных ее надо будет учитывать в последний момент. Во втором случае погрешность будет носить статистический (случайный) харрактер и ее надо будет добавить к погрешности каждой измеряемой точки. При этом сама погрешность будет больше. Выбор той или иной методики зависит от конретной ситуации. При большом количестве измерений, второй способ более надежный, поскольку статистическая ошибка при усреднении уменьшается пропорционально корню из количества измерений. Кроме того, такой способ повзоляет избежать методической ошибки, связанной с тем, что зависимость поля от тока не является линейной.
Пример.
Рассмотрим измерение напряжения по стрелочному вольтметру. В показаниях прибора будет присутствовать три типа погрешности:
1.
Статистическая погрешность, связанная с дрожанием стрелки и ошибкой визуального наблюдения, примерно равная половине цены деления.
2.
Систематическая погрешность, связанная с неправильной установкой нуля.
3.
Систематическая погрешность, связанная с неправильным коэффициентом пропорциональности между напряжением и отклонением стрелки. Как правило приборы сконструированы таким образом, чтобы максимальное значение этой погрешности было так же равно половине цены деления (хотя это и не гарантируется).
Случайная погрешность и количество измерениий.
Для уменьшения случайной погрешности есть два пути: повышение точности измерений (уменьшение σх) и увеличение числа измерений n с целью использования соотношения (14). Считая, что все возможности совершенствования техники измерений использованы, рассмотрим второй путь. При этом отметим, что уменьшать случайную составляющую погрешности целесообразно лишь до тех пор, пока общая погрешность измерений не будет полностью определяться систематической составляющей Δс. Если систематическая погрешность определяется классом точности СИ Δси (или γси), то необходимо, чтобы доверительный интервал 
был существенно меньше Δси.
Обычно принимают от 
<Δс/2 до <Δс/10 при Р=0,95. В случае невозможности выполнить эти соотношения необходимо коренным образом изменить методику измерения.
Для сравнения случайных погрешностей с различными законами распределения использование показателей, сводящих плотность распределения к одному или нескольким числам, обязательно. В качестве таких чисел и выступают СКО, доверительный интервал и доверительная вероятность.
Надежность самого СКО характеризуется величиной
. (18)
Принято, что если σσ≤0,25σ, то оценка точности надежна. Это условие выполняется уже при n=8.
Наиболее вероятная погрешность Δв отдельного измерения определяется по формуле
.
Анализ этой формулы показывает, что с увеличением n величина Δв быстро уменьшается лишь до n=5 … 10. Следовательно, увеличение числа измерений на одном режиме свыше 5… 10 нецелесообразно, что совпадает с условием получения надежных значений σσ.
Число измерений можно выбрать по одной из формул:
или 
где nот — число отбрасываемых экспериментальных результатов.
С учетом коэффициентов Стьюдента можно оценить относительную погрешность отдельного измерения как 
, так и среднего значения 
.
Определение систематических погрешностей.
Как правило, считают, что систематические погрешности могут быть обнаружены и исключены. Однако в реальных условиях полностью исключить систематическую составляющую погрешности невозможно. Всегда остаются какие-то не исключенные остатки, которые и нужно учитывать, чтобы оценить их границы. Это и будет систематическая погрешность измерения. То есть в принципе систематическая погрешность тоже случайна, и указание деление обусловлено лишь установившимися традициями обработки и представления результатов измерения.
Оставшаяся необнаруженной систематическая составляющая опаснее случайной: если случайная составляющая вызывает вариацию (разброс) результатов, то систематическая — устойчиво их искажает (смещает). В любом случае отсутствие или незначительность (с целью пренебрежения) систематической погрешности нужно доказать.
Действительно, если взять два ряда измерений одной и той же величины, то средние результаты этих рядов, как правило, будут различны. Это расхождение может быть определено случайной или систематической составляющей.
Методика выявления характера погрешности заключается в следующем:
1. Из двух рядов n1 и n2 независимых измерений находят средние арифметические х1, и х2.
2. Определяют значения
3. Вычисляют 
.
4. Вероятность того, что разность |x1-х2|>ε является случайной величиной, определяется равенством Р(|x1-х2|>ε)=1-Ptpn где tp=|x1-х2|/σ; n=n1+n2-2. Величина Р определяется по таблице Стьюдента.
Если полученная вероятность Р>0,95, то разность |x1-х2| носит систематический характер.
Пример.
Расчетные значения составили tp=3 и n=15. По таблице Стьюдента находим, что при
n-1=14 и tp=2,98≡3 величина Р=0,99. Тогда Р= 0,99 > 0,95, что свидетельствует о систематическом характере погрешности.
В отличие от случайной погрешности, выявленной в целом в, зависимости от ее источников, систематическая погрешность рассматривается по составляющим в зависимости от источников ее возникновения, причем различают методическую, инструментальную и субъективную составляющие погрешности.
Целесообразность разделения систематической погрешности на методическую и инструментальную составляющие определяется следующими моментами:
• для повышения точности измерений можно выделить лимитирующие факторы, а следовательно, принять решение об усовершенствовании методики или выборе более точных СИ;
• появляется возможность определить составляющую общей погрешности, увеличивающейся со временем или под влиянием внешних факторов, а следовательно, целенаправленно осуществлять периодические поверки и аттестации;
• инструментальная составляющая может быть оценена до разработки методики, а потенциальные точностные возможности выбранного метода определит только методическая составляющая.
То есть все виды составляющих погрешности нужно анализировать и выявлять в отдельности, а затем суммировать их в зависимости от характера, что является основной задачей при разработке и аттестации методик выполнения измерений.
В ряде случаев систематическая погрешность может быть исключена за счет устранения источников погрешности до начала измерений (профилактика погрешности), а в процессе измерений — путем внесения известных поправок в результаты измерений.
Профилактика погрешности — наиболее рациональный способ ее снижения и заключается в устранении влияния, например температуры (термостатированием и термоизоляцией), магнитных полей (магнитными экранами), вибраций и т. п. Сюда же относятся регулировка, ремонт и поверка СИ.
Исключение постоянных систематических погрешностей в процессе измерений осуществляют методом сравнения (замещения, противопоставления), компенсации по знаку (предусматривают два наблюдения, чтобы в результат каждого измерения систематическая погрешность входила с разным знаком), а исключение переменных и прогрессирующих — способами симметричных наблюдений или наблюдением четное число раз через полупериоды.