2误差的基本性质与处理(精品).ppt

《2误差的基本性质与处理(精品).ppt》由会员分享，可在线阅读，更多相关《2误差的基本性质与处理(精品).ppt（89页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、合肥工业大学误差理论与数据处理第2章误差的基本性质与处理 合肥工业大学误差理论与数据处理本章分别详细阐述随机误差、系统误差、粗大误差三类误差的来源、性质、数据处理的方法以及消除或减小的措施。特别是在随机误差的数据处理中，分别掌握等精度测量和不等精度测量的不同数据处理方法。通过学习本章内容，使读者能够根据不同性质的误差选取正确的数据处理方法并进行合理的数据处理。教学目教学目标合肥工业大学误差理论与数据处理n n三大类误差的特征、性质以及减小各类误差对测量精度影响的措施n n掌握等精度测量的数据处理方法n n掌握不等精度测量的数据处理方法重点与重点与难点点合肥工业大学误差理论与数据处理 当对同一测

2、量值进行多次等精度的重复测量时，得到一系列当对同一测量值进行多次等精度的重复测量时，得到一系列不同的测量值（常称为测量列），每个测量值都含有误差，这些不同的测量值（常称为测量列），每个测量值都含有误差，这些误差的出现没有确定的规律，即前一个数据出现后，不能预测下误差的出现没有确定的规律，即前一个数据出现后，不能预测下一个数据的大小和方向。但就误差整体而言，却明显具有某种统一个数据的大小和方向。但就误差整体而言，却明显具有某种统计规律。计规律。随机误差是由很多暂时未能掌握或不便掌握的微小因素构随机误差是由很多暂时未能掌握或不便掌握的微小因素构成，主要有以下几方面：成，主要有以下几方面：测量装置方

3、面的因素测量装置方面的因素 环境方面的因素环境方面的因素 人为方面的因素人为方面的因素零部件变形及其不稳定性，信号处理电路的随机噪声等。温度、湿度、气压的变化，光照强度、电磁场变化等。瞄准、读数不稳定，人为操作不当等。第一节随机误差一、随机误差产生的原因一、随机误差产生的原因合肥工业大学误差理论与数据处理 随机误差的分布可以是正态分布，也有在非正态分布，而多数随随机误差的分布可以是正态分布，也有在非正态分布，而多数随机误差都服从正态分布。我们首先来分析服从正态分布的随机误差的机误差都服从正态分布。我们首先来分析服从正态分布的随机误差的特性。特性。设被测量值的真值为，一系列测得值为，则测量列的随

4、机设被测量值的真值为，一系列测得值为，则测量列的随机误差可表示为：误差可表示为：(2-1)(2-1)式中。式中。正态分布的分布密度与分布函数为正态分布的分布密度与分布函数为(2-2)(2-2)(2-3)(2-3)式中：式中：标准差（或均方根误差）标准差（或均方根误差）e e自然对数的底，基值为自然对数的底，基值为2.71822.7182。它的数学期望为它的数学期望为 (2-(2-4)4)它的方差为：它的方差为：(2-(2-5)5)第一节随机误差二、正态分布二、正态分布合肥工业大学误差理论与数据处理其平均误差为：其平均误差为：(2-6)(2-6)此外由可解得或然误差为此外由可解得或然误差为 ：(

5、2-7)(2-7)由式（由式（2-22-2）可以推导出：）可以推导出：有有 ,可推知分布具有对称性，即绝对值相可推知分布具有对称性，即绝对值相等的正误差与负误差出现的次数相等，这称为误差的对称性；等的正误差与负误差出现的次数相等，这称为误差的对称性；当当=0=0时有时有 ，即，即 ，可推知单峰性，即绝对值，可推知单峰性，即绝对值小的误差比绝对值大的误差出现的次数多，这称为误差的单峰性；小的误差比绝对值大的误差出现的次数多，这称为误差的单峰性；虽然函数的存在区间是虽然函数的存在区间是-,+-,+，但实际上，随机误差，但实际上，随机误差只只是出现在一个有限的区间内，即是出现在一个有限的区间内，即-

6、k,+kk,+k,称为误差的有界性；称为误差的有界性；随着测量次数的增加，随机误差的算术平均值趋向于零：随着测量次数的增加，随机误差的算术平均值趋向于零：这称为误差的补偿性。这称为误差的补偿性。返回本章目录返回本章目录从正态分布的随机误差都具有的四个特征：对称性、单峰性、有界性、抵偿性。由于多数随机误差都服从正态分布，因此正态分布在误差理论中占有十分重要的地位。第一节随机误差合肥工业大学误差理论与数据处理 图2-1为正态分布曲线以及各精度参数在图中的坐标。值为曲线上拐点A的横坐标，值为曲线右半部面积重心B的横坐标，值的纵坐标线则平分曲线右半部面积。第一节随机误差合肥工业大学误差理论与数据处理

7、对某量进行一系列等精度测量时，由于存在随机误差，因此其获得的测量值不完全相同，此时应以算术平均值作为最后的测量结果。(一)算术平均值的意义 设 为n次测量所得的值，则算术平均值为:(2-8)(2-8)第一节随机误差三、算术平均值三、算术平均值合肥工业大学误差理论与数据处理下面来证明当测量次数无限增加时，算术平均值必然趋近于真值Lo。即 由前面正态分布随机误差的第四特征可知 ，因此 由此我们可得出结论：如果能够对某一量进行无限多次测量，就可得到不受随机误差影响的测量值，或其影响很小，可以忽略。这就是当测量次数无限增大时，算术平均值（数学上称之为最大或然值）被认为是最接近于真值的理论依据。但由于实

8、际上都是有限次测量，因此，我们只能把算术平均值近似地作为被测量的真值。第一节随机误差合肥工业大学误差理论与数据处理 一般情况下，被测量的真值为未知，不可能按式（2-1）求得随机误差，这时可用算术平均值代替被测量的真值进行计算。此时的随机误差称为残余误差，简称残差：(2-9)此时可用更简便算法来求算术平均值。任选一个接近所有测得值的数 作为参考值，计算每个测得值 与 的差值：(2-10)式中的 为简单数值，很容易计算，因此按（2-10）求算术平均值比较简单。若测量次数有限，由参数估计知，算术平均值是该测量总体期望的一个最佳的估计量，即满足无偏性、有效性、一致性，并满足最小二乘法原理；在正态分布条

9、件下满足最大似然原理。第一节随机误差合肥工业大学误差理论与数据处理例例例例 2-12-12-12-1 测量某物理量测量某物理量1010次，得到结果见表次，得到结果见表2-12-1，求算术平均值。，求算术平均值。解：任选参考值=1879.65，计算差值 和 列于表 很容易求得算术平均值 1879.64。（二）算术平均值的计算校核（二）算术平均值的计算校核算术平均值及其残余误差的计算是否正确，可用求得的残余误差算术平均值及其残余误差的计算是否正确，可用求得的残余误差代数和来校核。代数和来校核。由由 ，式中的是根据（，式中的是根据（2-82-8）计算的，）计算的，当求得的为未经凑整的准确数时，则有：

10、当求得的为未经凑整的准确数时，则有：(2-11)残余误差代数和为零这一性质，可用来校核算术平均值及其残残余误差代数和为零这一性质，可用来校核算术平均值及其残余误差计算的正确性。但当实际得到的为经过凑整的非准确数，存在余误差计算的正确性。但当实际得到的为经过凑整的非准确数，存在 序号123456789101879.641879.691879.601879.691879.571879.621879.641879.651879.641879.65-0.01+0.04-0.05+0.04-0.07-0.03-0.010-0.0100+0.05-0.04+0.05-0.07-0.020+0.010+0.

11、01第一节随机误差合肥工业大学误差理论与数据处理舍入误差舍入误差，即有：即有：成立。而成立。而经过分析证明，用残余误差代数和校核算术平均值及其残差，其规则经过分析证明，用残余误差代数和校核算术平均值及其残差，其规则为：为：残差代数和应符合：残差代数和应符合：当，求得的为非凑整的准确数时，为零；当，求得的为非凑整的准确数时，为零；当，求得的为非凑整的准确数时，为正，其大小当，求得的为非凑整的准确数时，为正，其大小为求时的余数；为求时的余数；当，求得的为非凑整的准确数时，为负，其大小当，求得的为非凑整的准确数时，为负，其大小为求时的亏数。为求时的亏数。残差代数和绝对值应符合：残差代数和绝对值应符合

12、：当当n n为偶数时，；为偶数时，；当当n n为奇数时，。为奇数时，。式中的式中的A A为实际求得的算术平均值末位数的一个单位。为实际求得的算术平均值末位数的一个单位。以上两种校核规则，可根据实际运算情况选择一种进行校核，但大以上两种校核规则，可根据实际运算情况选择一种进行校核，但大多数情况选用第二种规则可能较方便，它不需要知道所有测得值之和。多数情况选用第二种规则可能较方便，它不需要知道所有测得值之和。第一节随机误差合肥工业大学误差理论与数据处理 例例例例2-22-22-22-2 用例用例2-12-1数据对计算结果进行校核。数据对计算结果进行校核。解：因解：因n n为偶数，为偶数，A A0.

13、010.01，由表由表2-12-1知知 故计算结果正确。故计算结果正确。例例例例2-32-32-32-3 测量某直径测量某直径1111次，得到结果如表次，得到结果如表2-22-2所示，求算术平均值并所示，求算术平均值并进行校核。进行校核。解：算术平均值为：取2000.067 序号(mm)(mm)12345678910112000.072000.052000.092000.062000.082000.072000.062000.052000.082000.062000.07+0.003-0.017+0.023-0.007+0.013+0.003-0.007-0.017+0.013-0.007+0

14、.003第一节随机误差合肥工业大学误差理论与数据处理用第一种规则校核，则有：用第一种规则校核，则有：用第二种规则校核，则有：用第二种规则校核，则有：故用两种规则校核皆说明计算结果正确。故用两种规则校核皆说明计算结果正确。第一节随机误差合肥工业大学误差理论与数据处理（一）均方根误差（标准偏差）（一）均方根误差（标准偏差）为什么用为什么用来作为评定随机误差的尺度？可以从高斯（正来作为评定随机误差的尺度？可以从高斯（正态）分布的分布密度态）分布的分布密度 推知：推知：令令 ，则有：，则有：高斯参数高斯参数h h为精密度。由于为精密度。由于h h值无法以实验中得到，故以值无法以实验中得到，故以值代之。

15、值代之。第一节随机误差四、测量的标准差四、测量的标准差合肥工业大学误差理论与数据处理 由于值反映了测量值或随机误差的散布程度，因此值可作为随机误差的评定尺度。值愈大，函数 减小得越慢；值愈小，减小得愈快，即测量到的精密度愈高，如图2-2所示。标准差不是测量到中任何一个具体测量值的随机误差，的大小只说明，在一定条件下等精度测量列随机误差的概率分布情况。在该条件下，任一单次测得值的随机误差，一般都不等于，但却认为这一系列测量列中所有测得值都属于同样一个标准差的概率分布。在不同条件下，对同一被测量进行两个系列的等精度测量，其标准差也不相同。第一节随机误差合肥工业大学误差理论与数据处理（二）或然误差（

16、二）或然误差 测量列的或然误差，它将整个测量列的n个随机误差分为个数相等的两半。其中一半（n/2个）随机误差的数值落在-+范围内，而另一半随机误差的数值落在-+范围以外：，查 表，得到 时，z=0.6745，故有 其实际意义是：若有n个随机误差，则有n/2个落在区间-,+之内，而另外n/2个随机误差则落在此区间之外。（三）算术平均误差 测量列算术平均误差的定义是：该测量列全部随机误差绝对值的算术平均值，用下式表示：由概率积分可以得到与的关系：目前世界各国大多趋于采用作为评定随机误差的尺度。这是因为：的平方恰好是随机变量的数字特征之一（方差），本身又第一节随机误差合肥工业大学误差理论与数据处理恰

17、好是高斯误差方程 式中的一个参数，即 ，所以采用，正好符合概率论原理，又与最小二乘法最切合；对大的随机误差很敏感，能更准确地说明测量列的精度；极限误差与标准偏差的关系简单：；公式推导和计算比较简单。五、标准偏差的几种计算方法五、标准偏差的几种计算方法 （一）等精度测量到单次测量标准偏差的计算1 1 1 1、贝塞尔、贝塞尔、贝塞尔、贝塞尔(Bessel)(Bessel)(Bessel)(Bessel)公式公式公式公式(2-13)式中，称为算术平均值误差将它和 代入上式，则有(2-14)第一节随机误差合肥工业大学误差理论与数据处理将上式对应相加得：，即(2-15)若将式(2-14)平方后再相加得：

18、(2-16)将式(2-15)平方有：当n适当大时，可以认为 趋近于零，并将代入式(2-16)得：(2-17)由于 ，代入式(2-17)得：，即(2-18)第一节随机误差合肥工业大学误差理论与数据处理2 2 2 2、别捷尔斯法别捷尔斯法别捷尔斯法别捷尔斯法 由贝赛尔公式得：由贝赛尔公式得：进一步得：进一步得：则平均误差有：则平均误差有：由式由式2-62-6得：得：故有故有：(2-26)此式称为别捷尔斯（Peters）公式，它可由残余误差 的绝对值之和求出单次测量的标准差 ，而算术平均值的标准差 为：(2-27)第一节随机误差合肥工业大学误差理论与数据处理 例例2-42-4 用别捷尔斯法求得表2-

19、3的标准差。解：计算得到的值分别填于表中，因此有3 3 3 3、极差法、极差法、极差法、极差法 用贝赛尔公式和别捷尔斯公式计算标准差均需先求算术平均值，再求残余误差，然后进行其他运算，计算过程比较复杂。当要求简便迅速 序号1234567891075.0175.0475.0775.0075.0375.0975.0675.0275.0575.080.0350.0050.0250.0450.015+0.045+0.015-0.025+0.005+0.0350.0012250.0000250.0006250.0020250.0002250.0020250.0002250.0006250.0000250

20、.001225第一节随机误差合肥工业大学误差理论与数据处理算出标准差时，可用极差法。算出标准差时，可用极差法。若等精度多次测量测得值若等精度多次测量测得值 服从正态分布，在其中选取最服从正态分布，在其中选取最大值大值 与最小值与最小值 ，则两者之差称为极差：，则两者之差称为极差：(2-28)根据极差的分布函数，可求出极差的数学期望为根据极差的分布函数，可求出极差的数学期望为(2-29)因因 故可得故可得 的无偏估计值，若仍以的无偏估计值，若仍以 表示，则有表示，则有(2-30)式中式中 的数值见表的数值见表2-42-4。n2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

21、 17 18 19 201.13 1.69 2.06 2.33 2.53 2.70 2.85 2.97 3.08 3.17 3.26 3.34 3.41 3.47 3.53 3.59 3.64 3.69 3.74第一节随机误差合肥工业大学误差理论与数据处理 例例例例2-5 2-5 2-5 2-5 仍用表仍用表2-32-3的测量数据，用极差法求得标准差。的测量数据，用极差法求得标准差。解：解：4 4 4 4、最大误差法、最大误差法、最大误差法、最大误差法 在某些情况下，我们可以知道被测量的真值或满足规定精度的用来在某些情况下，我们可以知道被测量的真值或满足规定精度的用来代替真值使用的量值（称为实

22、际值或约定值），因而能够算出随机误差代替真值使用的量值（称为实际值或约定值），因而能够算出随机误差 ，取其中绝对值最大的一个值，取其中绝对值最大的一个值 ，当各个独立测量值服从正态分布时，当各个独立测量值服从正态分布时，则可求得关系式：则可求得关系式：(2-31)一般情况下，被测量的真值为未知，不能按（一般情况下，被测量的真值为未知，不能按（2-312-31）式求标准差，）式求标准差，应按最大残余误差应按最大残余误差 进行计算，其关系式为：进行计算，其关系式为：(2-32)式（式（2-312-31）和（）和（2-322-32）中两系数）中两系数 、的倒数见表的倒数见表2-52-5。第一节随机误

23、差合肥工业大学误差理论与数据处理 最大误差法简单、迅速、方便，且容易掌握，因而有广泛用途。最大误差法简单、迅速、方便，且容易掌握，因而有广泛用途。当当 时，最大误差法具有一定精度。时，最大误差法具有一定精度。例例例例2-62-62-62-6 仍用表仍用表2-32-3的测量数据，按最大误差法求标准差，则有的测量数据，按最大误差法求标准差，则有，而，而 故标准差为故标准差为n1 2 3 4 5 6 7 8 9 10 11 12 13 14 151.25 0.88 0.75 0.68 0.64 0.61 0.58 0.56 0.55 0.53 0.52 0.51 0.50 0.50 0.49n16

24、17 18 19 20 21 22 23 24 25 26 27 28 29 300.48 0.48 0.47 0.47 0.46 0.46 0.45 0.45 0.45 0.44 0.44 0.44 0.44 0.43 0.43n2 3 4 5 6 7 8 9 10 15 20 25 301.77 1.02 0.83 0.74 0.68 0.64 0.61 0.59 0.57 0.51 0.48 0.46 0.44第一节随机误差合肥工业大学误差理论与数据处理 例例2-72-7 某激光管发出的激光波长经检定为 ，由于某些原因未对次检定波长作误差分析，但后来又用更精确的方法测得激光波长 ，试求原

25、检定波长的标准差。解：因后测得的波长是用更精确的方法，故可认为其测得值为实际波长(或约定真值)，则原检定波长的随机误差 为：故标准差为：5 5 5 5、四种计算方法的优缺点、四种计算方法的优缺点、四种计算方法的优缺点、四种计算方法的优缺点 贝塞尔公式的计算精度较高，但计算麻烦，需要乘方和开方等，其计算速度难于满足快速自动化测量的需要；别捷尔斯公式最早用于前苏联列宁格勒附近的普尔科夫天文台，它的计算速度较快，但计算精度较低，计算误差为贝氏公式的1.07倍；用极差法计算，非常迅速方便，可用来作为校对公式，当n10时可第一节随机误差合肥工业大学误差理论与数据处理 用来计算，此时计算精度高于贝氏公式；

26、用最大误差法计算更为简捷，容易掌握，当n10以后，的减小很 慢。此外，由于增加测量次数难以 保证测量条件的恒定，从而引入新的 误差，因此一般情况下取n=10以内较为适宜。总之，提高测量精度，应采取适当精度的仪器，选取适当的测量次数。第一节随机误差合肥工业大学误差理论与数据处理 评定算术平均值的精度标准，也可用或然误差R或平均误差T，相应公式为：(2-22)(2-23)若用残余误差表示上述公式，则有：(2-24)(2-25)例例2-8 2-8 用游标卡尺对某一尺寸测量10次，假定已消除系统误差和粗大误差，得到数据如下(单位为mm)：75.01，75.04，75.07，75.00，75.03，75

27、.09，75.06，75.02，75.08。求算术平均值及其标准差。解：本例题中的测量数据与表2-3中的测量数据一样，表中的算术平均值为 。因为 ，第一节随机误差合肥工业大学误差理论与数据处理 与表中的与表中的 结果一致，故计算正确。结果一致，故计算正确。根据上述各个误差计算公式可得：根据上述各个误差计算公式可得：六、测量的极限误差六、测量的极限误差 测量的极限误差是极端误差，测量结果（单次测量或测量列的算测量的极限误差是极端误差，测量结果（单次测量或测量列的算术平均值）的误差不超过该极端误差的概率为术平均值）的误差不超过该极端误差的概率为p p，并使差值（并使差值（1 1-p p）可可予忽略

28、。予忽略。（一）单次测量的极限误差（一）单次测量的极限误差 测量列的测量次数足够多和单次测量误差为正态分布时，根据概测量列的测量次数足够多和单次测量误差为正态分布时，根据概第一节随机误差合肥工业大学误差理论与数据处理 率率论论知识，正态分布曲线和横坐标轴间所包含的面积等于其相应区间知识，正态分布曲线和横坐标轴间所包含的面积等于其相应区间确定的概率，即：确定的概率，即：当研究误差落在区间（当研究误差落在区间（-,+-,+）之间的概率时，则得：之间的概率时，则得：(2-33)将上式进行变量置换，设将上式进行变量置换，设 经变换，上式成为：经变换，上式成为：(2-34)这样我们就可以求出积分值这样我

29、们就可以求出积分值p，为了应用方便，其积分值一般列为了应用方便，其积分值一般列成表格形式，称为概率函数积分值表。成表格形式，称为概率函数积分值表。当当t t给定时给定时，(t)(t)值可由该表值可由该表查出。现已查出查出。现已查出t=1,2,3,4t=1,2,3,4等几个特殊值的积分值，并求出随机误差不等几个特殊值的积分值，并求出随机误差不超出相应区间的概率超出相应区间的概率p=2(t)和超出相应区间的概率和超出相应区间的概率p=1-2(t)，如表如表2-62-6所示（图所示（图2 24 4）。）。由表可以看出，随着由表可以看出，随着t t的增大，超出的增大，超出|的概率减小得很快。的概率减小

30、得很快。当当第一节随机误差合肥工业大学误差理论与数据处理 t=2，即|=2时，在22次测量中只有1次 的误差绝对值超出2范围；而当t=3，即|=3时，在370次测量中只有1次误差绝 对值超出3范围。由于在一般测量中，测 量次数很少超过几十次，因此可以认为绝对 值大于3的误差是不可能出现的，通常把 这个误差称为单次测量的极限误差 ，即 (2-35)当t3时，对应的概率p99.73。在实际测量中，有时也可取其它t值来表示单次测量的极限误差。如第一节随机误差t不超出 的概率超出 的概率测量次数n超出 的测量次数0.6712340.6712340.49720.68260.95440.99730.999

31、90.50280.31740.04560.00270.000123223701562611111合肥工业大学误差理论与数据处理 取t2.58，p99；t2，p95.44；t1.96，p95等。因此一般情况下，测量列单次测量的极限误差可用下式表示：(2-36)若已知测量的标准差，选定置信系数t，则可由上式求得单次测量的极限误差。（二）算术平均值的极限误差（二）算术平均值的极限误差 测量列的算术平均值与被测量的真值之差称为算术平均值误差 ，即 。当多个测量列的算术平均值误差 为正态分布时，根据概率论知识，同样可得测量列算术平均值的极限表达式为：(2-37)式中的t为置信系数，为算术平均值的标准差。

32、通常取t3，则 (2-38)实际测量中有时也可取其它t值来表示算术平均值的极限误差。但当测量列的测量次数较少时，应按“学生氏”分布(“student”distribution)或称t分布来计算测量列算术平均值的极限误差，即(2-39)第一节随机误差合肥工业大学误差理论与数据处理 式中的 为置信系数，它由给定的置信概率 和自由度 来确定，具体数值见附录3；为超出极限误差的概率（称显著度或显著水平），通常取 =0.01或0.02,0.05；n为测量次数；为n次测量的算术平均值标准差。对于同一测量列，按正态分布和t分布分别计算时，即使置信概率的取值相同，但由于置信系数不同，因此求得的算术平均值极限误

33、差也不同。例例2-92-9 对某量进行6次测量，测得数据如下：802.40，802.50，802.38，802.48，802.42，802.46。求算术平均值及其极限误差。解：算术平均值 标准差 因测量次数较少，应按t分布计算算术平均值的极限误差。已知 ，取 ，则由附录表3查得 ，则有：第一节随机误差合肥工业大学误差理论与数据处理 若按正态分布计算，取若按正态分布计算，取 ，相应的置信概率，相应的置信概率 ，由，由附录表附录表1 1查得查得t t2.602.60，则算术平均值的极限误差为：则算术平均值的极限误差为：由此可见，当测量次数较少时，按两种分布计算的结果有明显的差别。由此可见，当测量次

34、数较少时，按两种分布计算的结果有明显的差别。七、不等精度测量七、不等精度测量 在实际测量过程中，由于客观条件的限制，测量条件是变动的，得到了不等精度测量。对于精密科学实验而言，为了得到极其准确的测量结果，需要在不同的实验室，用不同的测量方法和测量仪器，由不同的人进行测量。如果这些测量结果是相互一致的。那么测量结果就是真正可以信赖的。这是人为地改变测量条件而进行的不等精度测量。对于某一个未知量，历史上或近年来有许多人进行精心研究和精密测量，得到了不同的测量结果。我们就需要将这些测量结果进行分析研究和综合，以便得到一个最为满意的准确的测量结果。这也是不等精度测量。对于不等精度测量，计算最后测量结果

35、及其精度（如标准差），不 第一节随机误差合肥工业大学误差理论与数据处理 能套用前面等精度测量的计算公式，需推导出新的计算公式。（一）权的概念（一）权的概念 在等精度测量中，各个测量值认为同样可靠，并取所有测得值的算术平均值作为最后的测量结果。在不等精度测量中，各个测量结果的可靠程度不一样，因而不能简单地取各测量结果地算术平均值作为最后的测量结果，应让可靠程度大的测量结果在最后测量结果中占有的比重大些，可靠程度小的占比重小些。各测量结果的可靠程度可用一数值来表示，这数值即称为该测量结果的“权”，记为 ，可以理解为当它与另一些测量结果比较时，对该测量结果所给予信赖程度。（二）权的确定方法（二）权的

36、确定方法 测量结果的权说明了测量的可靠程度，因此可根据这一原则来确定权的大小。最简单的方法可按测量的次数来确定权，即测量条件和测量者水平皆相同，则重复测量次数愈多，其可靠程度也愈大，因此完全可由测量的次数来确定权的大小，即 。假定同一被测量有m组不等精度的测量结果，这m组测量结果是从单次测量精度相同而测量次数不同的一系列测量值求得的算术平均值。因 第一节随机误差合肥工业大学误差理论与数据处理 为单次测量精度皆相同，其标准差均为，则各组算术平均值的标准差为：(2-40)由此得下列等式 因为 ，故上式又可写成(2-41)或表示为(2-42)即：每组测量结果的权（）与其相应的标准偏差平方（）成反比，

37、若已知 （各组算术平均值的标准差），则可由（2-42）得到相应 的大小。测量结果的权的数值只表示各组间的相对可靠程度，它是一个无量纲的数，允许各组的权数同时增大或减小若干倍，而各组间的比例关系不变，但通常皆将各组的权数予以约简，使其中最小的权数为不可再放简的整数，以便用简单的数值来表示各组的权。例例2-102-10 对一级钢卷尺的长度进行了三组不等精度测量，其结果为 第一节随机误差合肥工业大学误差理论与数据处理 求求各各测量结果的权。测量结果的权。解：由式解：由式(2-42)得得 因此各组的权可取为因此各组的权可取为 （三）加权算术平均值（三）加权算术平均值 若对同一被测量进行m组不等精度测量

38、，得到m个测量结果为：，设相应的测量次数为n1,n2,nm，即：(2-43)根据等精度测量算术平均值原理，全部测量的算术平均值 应为：第一节随机误差合肥工业大学误差理论与数据处理 将式(2-43)代入上式得：或简写为(2-44)当各组的权相等，即 时，加权算术平均值可简化为：(2-45)由上式求得得结果即为等精度的算术平均值，由此可见等精度测量是不等精度测量得特殊情况。为简化计算，加权算术平均值可表示为：(2-46)式中的 为接近 的任选参考值。第一节随机误差合肥工业大学误差理论与数据处理 例例2-112-11 工作基准米尺在连续三天内与国家基准器比较，得到工作基准米尺的平均长度为999.94

39、25mm(三次测量的)，999.9416mm(两次测量的)，999.9419mm(五次测量的)，求最后测量结果。解：按测量次数来确定权：，选 ，则有(四四)单位权的概念单位权的概念 由式（2-41）知 ，此式又可表示为(2-47)式中 为某精度单次测量值的标准差。因此，具有同一方差 的等精度单次测量值的权数为1。若已知 ，只要确定 ，根据（2-47）式就可求出各组的方差 。由于测得值的方差 的权数为1在此有特殊用途，故称等于1的权为单位权，而 为具有单位权的测得值方差，为具有单位权的测得值标准差。利用单位权化的思想，可以将某些不等权的测量问题化为等权测量问题来处理。单位权化的实质，是使任何一个

40、量值乘以自身权数的平方根，得到新的量值权数为1。第一节随机误差合肥工业大学误差理论与数据处理 例如，将不等精确测量的各组测量结果 皆乘以自身权数的平方根 ，此时得到的新值z的权数就为1。证明之：设取方差 以权数字以权数字 表示上式中的方差，则表示上式中的方差，则 由由此此可可知知，单单位位权权化化以以后后得得到到的的新新值值 的的权权数数 为为1 1，用用这这种种方方法法可可以以把把不不等等精精度度的的各各组组测测量量结结果果皆皆进进行行了了单单位位权权化化，使使该该测测量量列列转转化化为等精度测量列。为等精度测量列。不等精度测量列，经单位权化处理后，就可按等精度测量列来处理。第一节随机误差合

41、肥工业大学误差理论与数据处理（五）加权算术平均值的标准差（五）加权算术平均值的标准差 对同一个被测量进行对同一个被测量进行 m m 组不等精度测量，得到组不等精度测量，得到 m m 个测量结果为：个测量结果为：若已知单位权测得值的标准差若已知单位权测得值的标准差，则由式（则由式（2-402-40）知）知 全部（全部（mnmn个）测得值的算术平均值个）测得值的算术平均值 的标准差为：的标准差为：比较上面两式可得：比较上面两式可得：(2-48)因为因为 代入式（代入式（2-482-48）得）得(2-49)第一节随机误差合肥工业大学误差理论与数据处理 当各组测得的总权数当各组测得的总权数 为已知时，

42、可由任一组的标准差为已知时，可由任一组的标准差 和相应和相应的权的权 ，或者由单位权的标准差，或者由单位权的标准差求得加权算术平均值的标准差求得加权算术平均值的标准差 。当各组测量结果的标准差为未知时，则不能直接用式（当各组测量结果的标准差为未知时，则不能直接用式（2-492-49），而），而必须由各测量结果的残余误差来计算加权算术平均值的标准差。必须由各测量结果的残余误差来计算加权算术平均值的标准差。已知各组测量结果的残余误差为：已知各组测量结果的残余误差为：将各组将各组 单位权比，则有：单位权比，则有：上式中各组新值已为等精度测量列的测量结果，相应的残差也成为上式中各组新值已为等精度测量列

43、的测量结果，相应的残差也成为等精度测量列的残余误差，则可用等精度测量时的等精度测量列的残余误差，则可用等精度测量时的BesselBessel公式推导得到：公式推导得到：(2-50)将式（将式（2-502-50）代入式（）代入式（2-492-49）得）得(2-51)第一节随机误差合肥工业大学误差理论与数据处理 用式（用式（2-512-51）可由各组测量结果的残余误差求得加权算术平均值的标）可由各组测量结果的残余误差求得加权算术平均值的标准差，但是只有组数准差，但是只有组数m m足够多时，才能得到较为精确的足够多时，才能得到较为精确的 值。一般情况值。一般情况下的组数较少，只能得到近似的估计值。下

44、的组数较少，只能得到近似的估计值。例例例例2-122-122-122-12 求例求例2-112-11的加权算术平均值的标准差。的加权算术平均值的标准差。解：由加权算术平均值解：由加权算术平均值 ，可得各组测量结果的残余误差，可得各组测量结果的残余误差为：为：，又已知，又已知 代入式代入式(2-51)(2-51)得得 八、随机误差的其他分布八、随机误差的其他分布 正态分布是随机误差最普遍的一种分布规律，但不是唯一分布规律。正态分布是随机误差最普遍的一种分布规律，但不是唯一分布规律。下面介绍几种常见的非正态分布。下面介绍几种常见的非正态分布。(一一)均匀分布均匀分布 在测量实践中，均匀分布是经常遇

45、到的一种分布，其主要特点是，误在测量实践中，均匀分布是经常遇到的一种分布，其主要特点是，误差有一确定的范围，在此范围内，误差出现的概率各处相等，故又称矩形差有一确定的范围，在此范围内，误差出现的概率各处相等，故又称矩形第一节随机误差合肥工业大学误差理论与数据处理分布或等概率分布。均匀分布的分布密度分布或等概率分布。均匀分布的分布密度 （图（图2-52-5）和分布函数）和分布函数 分别为：分别为：（2-522-52）（2-532-53）它的数学期望为：它的数学期望为：（2-542-54）它的方差和标准差分别为：它的方差和标准差分别为：（2-552-55）（2-562-56）(二二)反正弦分布反正

46、弦分布 反正弦分布实际上是一种随机误差的函数分布规律，其特点是该随反正弦分布实际上是一种随机误差的函数分布规律，其特点是该随机误差与某一角度成正弦关系。机误差与某一角度成正弦关系。反正弦分布的分布密度反正弦分布的分布密度 （图（图2-62-6）和）和分布函数分布函数 分别为：分别为：(2-57)第一节随机误差合肥工业大学误差理论与数据处理 （2-572-57）它的数学期望为：它的数学期望为：（2-582-58）它的方差和标准差分别为：它的方差和标准差分别为：（2-592-59）（2-602-60）（三）三角形分布（三）三角形分布 当两个误差限相同且服从均匀分布的随机误差求和时，其和的分布规当两

47、个误差限相同且服从均匀分布的随机误差求和时，其和的分布规律服从三角形分布，又称辛普逊（律服从三角形分布，又称辛普逊（SimpsonSimpson）分布。实际测量中，若整个分布。实际测量中，若整个测量过程必须进行两次才能完成，而每次测量的随机误差服从相同的均匀测量过程必须进行两次才能完成，而每次测量的随机误差服从相同的均匀分布，则总的测量误差为三角形分布误差。分布，则总的测量误差为三角形分布误差。三角形分布的分布密度三角形分布的分布密度 （图（图2-72-7）和分布函数）和分布函数 分别为：分别为：(2-61)第一节随机误差合肥工业大学误差理论与数据处理 （2-63）它的数学期望为：（2-64）

48、它的方差和标准差分别为：（2-65）（2-66）如果对两个误差限为不相等的均匀分布随机误差求和时，则其和的分布规律不再是三角形分布而是梯形分布。在测量工作中，除上述的非正态分布外，还有直角分布、截尾正态分布、双峰正态分布及二点分布等，在此不做一一叙述。（四）（四）分布分布 令 为 个独立随机变量，每个随机变量都服从标准化的正态分布。定义一个新的随机变量 (2-67)随机变量 称为自由度为的卡埃平方变量。自由度 表示上式中项数或 第一节随机误差合肥工业大学误差理论与数据处理独立变量的个数。分布的分布密度 如图2-8所示。(2-68)式中的 函数。它的数学期望为：(2-69)它的方差和标准差分别为

49、：(2-70)(2-71)在本书最小二乘法中要用到 分布，此外它也是 t 分布和 F 分布的基础。由图2-8的两条 理论曲线看出，当 逐渐增大时，曲线逐渐接近对称。可以证明当 足够大时，曲线趋近正态曲线。值得提出的是，在这里称 为自由度，它的改变将引起分布曲线的相应改变。（五）（五）t t 分布分布第一节随机误差合肥工业大学误差理论与数据处理 令 和 是独立的随机变量，具有自由度为 的 分布函数，具有标准化正态分布函数，则定义新的随机变量为(2-72)随机变量t称自由度为 的学生氏t变量。t分布的分布密度 为为（图（图2-92-9）：）：(2-73)它的数学期望为：(2-74)它的方差和标准差

50、分别为：(2-75)(2-76)t分布的数学期望为零，分布曲线对称于纵坐标轴，但它和标准化正态分布密度曲线不同，如图2-9所示。可以证明，当自由度较小时，t分布与正态分布有明显区别，但当自由度 时，t分布曲线趋于正态分布曲线。t分布是一种重要分布，当测量列的测量次数较少时，极限误差的估计，或者在检验测量数据的系统误差时经常用到它。第一节随机误差合肥工业大学误差理论与数据处理（六）（六）F F分布分布 若若 具有自由度为具有自由度为 的卡埃平方分布函数，的卡埃平方分布函数，具有自由度为具有自由度为 的卡埃的卡埃平方分布函数，定义新的随机变量为平方分布函数，定义新的随机变量为(2-77)随机变量随