Погрешность приближения. Абсолютная и относительная погрешности измерений

Х = Х ср Х

Абсолютная

погрешность

Относительная

погрешность

a + b

a+  b

a+  b

Часто в жизни нам приходится сталкиваться с различными приближенными величинами. Приближенные вычисления - всегда вычисления с некоторой погрешностью.

Понятие абсолютной погрешности

Абсолютная погрешность приближенного значения это модуль разности точного значения и приближенного значения.
То есть из точного значения нужно вычесть приближенное значение и взять полученное число по модулю. Таким образом, абсолютная погрешность всегда величина положительная.

Как вычислять абсолютную погрешность

Покажем, как это может выглядеть на практике. Например, у нас имеется график некоторой величины, пускай это будет парабола: y=x^2.

По графику мы сможем определить приблизительное значение в некоторых точках. Например, при x=1.5 значение у приблизительно равно 2.2 (y≈2.2).

По формуле y=x^2 мы можем найти точное значение в точке x=1.5 у= 2.25.

Теперь вычислим абсолютную погрешность наших измерений. |2.25-2.2|=|0.05| = 0.05.

Абсолютная погрешность равна 0.05. В таких случаях еще говорят значение вычислено с точность до 0.05.

Часто бывает так, что точное значение не всегда можно найти, а, следовательно, абсолютную погрешность не всегда возможно найти.

Например, если мы будем вычислять расстояние между двумя точками с помощью линейки, или значение угла между двумя прямыми с помощью транспортира, то мы получим приближенные значения. А вот точное значение вычислить невозможно. В данном случае, мы можем указать такое число, больше которого значение абсолютной погрешности быть не может.

В примере с линейкой это будет 0.1 см, так как цена деления на линейке 1 миллиметр. В примере для транспортира 1 градус потому, что шкала транспортира проградуирована через каждый градус. Таким образом, значения абсолютной погрешности в первом случае 0.1, а во втором случае 1.

Как уже говорилось ранее, когда мы сравниваем точность измерения некоторой приближенной величины, мы используем абсолютную погрешность.

Понятие абсолютной погрешности

Абсолютная погрешность приближенного значения - это модуль разности точного значения и приближенного значения.
Абсолютную погрешность можно применять для сравнения точности приближений одинаковых величин, а если мы собираемся сравнивать точности приближения различных величин, тогда одной абсолютной погрешности недостаточно.

Например: Длина листа бумаги формата А4 равна (29.7 ± 0.1) см. А расстояние от Санкт-Петербурга до Москвы равно (650± 1) км. Абсолютная погрешность в первом случае не превосходит одного миллиметра, а во втором - одного километра. Вопрос, сравнить точность этих измерений.

Если вы думаете, что длина листа измерена точнее потому, что величина абсолютной погрешности не превышает 1 мм. То вы ошибаетесь. Напрямую сравнить эти величины нельзя. Проведем некоторые рассуждения.

При измерении длины листа абсолютная погрешность не превышает 0.1 см на 29.7 см, то есть в процентном соотношении это составляет 0.1/29.7 *100% = 0.33% измеряемой величины.

Когда мы измеряем расстояние от Санкт-Петербурга до Москвы абсолютная погрешность не превышает 1 км на 650 км, что в процентном соотношении составляет 1/650 *100% = 0.15% измеряемой величины. Видим, что расстояние между городами измерено точнее, чем длинна листа формата А4.

Понятие относительной погрешности

Здесь для оценки качества приближения вводится новое понятие относительная погрешность. Относительная погрешность - это частное от деления абсолютной погрешности на модуль приближенного значений измеряемой величины. Обычно, относительную погрешность выражают в процентах. В нашем примере мы получили две относительных погрешности равные 0.33% и 0.15%.

Как вы уже догадались, относительная погрешность величина всегда положительная. Это следует из того, что абсолютная погрешность всегда положительная величина, и мы делим её на модуль, а модуль тоже всегда положителен.

Пусть некоторая случайная величина a измеряется n раз в одинаковых условиях. Результаты измерений дали набор n различных чисел

Абсолютная погрешность - величина размерная. Среди n значений абсолютных погрешностей обязательно встречаются как положительные, так и отрицательные.

За наиболее вероятное значение величины а обычно принимают среднее арифметическое значение результатов измерений

.

Чем больше число измерений, тем ближе среднее значение к истинному.

Абсолютной погрешностью i

.

Относительной погрешностью i -го измерения называется величина

Относительная погрешность - величина безразмерная. Обычноотносительная погрешность выражается в процентах, для этого e i домножают на 100%. Величина относительной погрешности характеризует точность измерения.

Средняя абсолютная погрешность определяется так:

.

Подчеркнем необходимость суммирования абсолютных значений (модулей) величин Dа i . В противном случае получится тождественный нулевой результат.

Средней относительной погрешностью называется величина

.

При большом числе измерений .

Относительную погрешность можно рассматривать как значение погрешности, приходящееся на единицу измеряемой величины.

О точности измерений судят на основании сравнения погрешностей результатов измерений. Поэтому погрешности измерений выражают в такой форме, чтобы для оценки точности достаточно было сопоставить только одни погрешности результатов, не сравнивая при этом размеры измеряемых объектов или зная эти размеры весьма приближенно. Из практики известно, что абсолютная погрешность измерения угла не зависит от значения угла, а абсолютная погрешность измерения длины зависит от значения длины. Чем больше значение длины, тем при данном методе и условиях измерения абсолютная погрешность будет больше. Следовательно, по абсолютной погрешности результата о точности измерения угла судить можно, а о точности измерения длины нельзя. Выражение погрешности в относительной форме позволяет сравнивать в известных случаях точность угловых и линейных измерений.

Основные понятия теории вероятности. Случайная погрешность.

Случайной погрешностью называют составляющую погрешности измерений, изменяющуюся случайным образом при повторных измерениях одной и той же величины.

При проведении с одинаковой тщательностью и в одинаковых условиях повторных измерений одной и той же постоянной неизменяющейся величины мы получаем результаты измерений – некоторые из них отличаются друг от друга, а некоторые совпадают. Такие расхождения в результатах измерений говорят о наличии в них случайных составляющих погрешности.

Случайная погрешность возникает при одновременном воздействии многих источников, каждый из которых сам по себе оказывает незаметное влияние на результат измерения, но суммарное воздействие всех источников может оказаться достаточно сильным.

Случайные ошибки являются неизбежным следствием любых измерений и обусловлены:

а) неточностью отсчетов по шкале приборов и инструментов;

б) не идентичностью условий повторных измерений;

в) беспорядочными изменениями внешних условий (температуры, давления, силового поля и т.д.), которые невозможно контролировать;

г) всеми другими воздействиями на измерения, причины которых нам неизвестны. Величину случайной погрешности можно свести к минимуму путем многократного повторения эксперимента и соответствующей математической обработки полученных результатов.

Случайная ошибка может принимать различные по абсолютной величине значения, предсказать которые для данного акта измерения невозможно. Эта ошибка в равной степени может быть как положительной, так и отрицательной. Случайные ошибки всегда присутствуют в эксперименте. При отсутствии систематических ошибок они служат причиной разброса повторных измерений относительно истинного значения.

Допустим, что при помощи секундомера измеряют период колебаний маятника, причем измерение многократно повторяют. Погрешности пуска и остановки секундомера, ошибка в величине отсчета, небольшая неравномерность движения маятника – все это вызывает разброс результатов повторных измерений и поэтому может быть отнесено к категории случайных ошибок.

Если других ошибок нет, то одни результаты окажутся несколько завышенными, а другие несколько заниженными. Но если, помимо этого, часы еще и отстают, то все результаты будут занижены. Это уже систематическая ошибка.

Некоторые факторы могут вызвать одновременно и систематические и случайные ошибки. Так, включая и выключая секундомер, мы можем создать небольшой нерегулярный разброс моментов пуска и остановки часов относительно движения маятника и внести тем самым случайную ошибку. Но если к тому же мы каждый раз торопимся включить секундомер и несколько запаздываем выключить его, то это приведет к систематической ошибке.

Случайные погрешности вызываются ошибкой параллакса при отсчете делений шкалы прибора, сотрясении фундамента здания, влиянием незначительного движения воздуха и т.п.

Хотя исключить случайные погрешности отдельных измерений невозможно, математическая теория случайных явлений позволяем уменьшить влияние этих погрешностей на окончательный результат измерений. Ниже будет показано, что для этого необходимо произвести не одно, а несколько измерений, причем, чем меньшее значение погрешности мы хотим получить, тем больше измерений нужно провести.

В связи с тем, что возникновение случайных погрешностей неизбежно и неустранимо, основной задачей всякого процесса измерения является доведение погрешностей до минимума.

В основе теории погрешностей лежат два основных предположения, подтверждаемых опытом:

1. При большом числе измерений случайные погрешности одинаковой величины, но разного знака, т.е погрешности в сторону увеличения и уменьшения результата встречаются достаточно часто.

2. Большие по абсолютной величине погрешности встречаются реже, чем малые, таким образом, вероятность возникновения погрешности уменьшается с ростом ее величины.

Поведение случайных величин описывают статистические закономерности, которые являются предметом теории вероятностей. Статистическим определением вероятности w i события i является отношение

где n - общее число опытов, n i - число опытов, в которых событие i произошло. При этом общее число опытов должно быть очень велико (n ®¥). При большом числе измерений случайные ошибки подчиняются нормальному распределению (распределение Гаусса), основными признаками которого являются следующие:

1. Чем больше отклонение значения измеренной величины от истинного, тем меньше вероятность такого результата.

2. Отклонения в обе стороны от истинного значения равновероятны.

Из приведенных выше допущений вытекает, что для уменьшения влияния случайных ошибок необходимо произвести измерение данной величины несколько раз. Предположим, что мы измеряем некоторую величину x. Пусть произведено n измерений: x 1 , x 2 , ... x n - одним и тем же методом и с одинаковой тщательностью. Можно ожидать, что число dn полученных результатов, которые лежат в некотором достаточно узком интервале от x до x + dx , должно быть пропорционально:

Величине взятого интервала dx ;

Общему числу измерений n .

Вероятность dw (x ) того, что некоторое значение x лежит в интервале от x до x + dx, определяется следующим образом:

(при числе измерений n ®¥).

Функция f (х ) называется функцией распределения или плотностью вероятности.

В качестве постулата теории ошибок принимается, что результаты прямых измерений и их случайные погрешности при большом их количестве подчиняются закону нормального распределения.

Найденная Гауссом функция распределения непрерывной случайной величины x имеет следующий вид:

, где mиs - параметры распределения.

Параметрmнормального распределения равен среднему значению áx ñ случайной величины, которое при произвольной известной функции распределения определяется интегралом

.

Таким образом, величина m является наиболее вероятным значением измеряемой величины x, т.е. ее наилучшей оценкой.

Параметр s 2 нормального распределения равен дисперсии D случайной величины, которая в общем случае определяется следующим интегралом

.

Квадратный корень из дисперсии называется средним квадратическим отклонением случайной величины .

Среднее отклонение (погрешность) случайной величины ásñ определяется с помощью функции распределения следующим образом

Средняя погрешность измерений ásñ, вычисленная по функции распределения Гаусса, соотносится с величиной среднего квадратического отклонения s следующим образом:

< s> = 0,8s .

Параметры s и m связаны между собой следующим образом:

.

Это выражение позволяет находить среднее квадратическое отклонение s , если имеется кривая нормального распределения.

График функции Гаусса представлен на рисунках. Функция f (x ) симметрична относительно ординаты, проведенной в точке x = m; проходит через максимум в точке x = m и имеет перегиб в точках m ±s. Таким образом, дисперсия характеризует ширину функции распределения, или показывает, насколько широко разбросаны значения случайной величины относительно ее истинного значения. Чем точнее измерения, тем ближе к истинному значению результаты отдельных измерений, т.е. величина s - меньше. На рисунке A изображена функция f (x ) для трех значений s.

Площадь фигуры, ограниченной кривой f (x ) и вертикальными прямыми, проведенными из точек x 1 и x 2 (рис.Б), численно равна вероятности попадания результата измерения в интервал Dx = x 1 - x 2 , которая называется доверительной вероятностью. Площадь под всей кривой f (x ) равна вероятности попадания случайной величины в интервал от 0 до ¥, т.е.

,

так как вероятность достоверного события равна единице.

Используя нормальное распределение, теория ошибок ставит и решает две основные задачи. Первая - оценка точности проведенных измерений. Вторая - оценка точности среднего арифметического значения результатов измерений.5. Доверительный интервал. Коэффициент Стъюдента.

Теория вероятностей позволяет определить величину интервала, в котором с известной вероятностью w находятся результаты отдельных измерений. Эта вероятность называется доверительной вероятностью , а соответствующий интервал (<x > ± Dx ) w называется доверительным интервалом. Доверительная вероятность также равна относительной доле результатов, оказавшихся внутри доверительного интервала.

Если число измерений n достаточно велико, то доверительная вероятность выражает долю из общего числа n тех измерений, в которых измеренная величина оказалась в пределах доверительного интервала. Каждой доверительной вероятности w соответствует свой доверительный интервал.w 2 80%. Чем шире доверительный интервал, тем больше вероятность получить результат внутри этого интервала. В теории вероятностей устанавливается количественная связь между величиной доверительного интервала, доверительной вероятностью и числом измерений.

Если в качестве доверительного интервала выбрать интервал, соответствующий средней погрешности, то есть Da = áDа ñ, то при достаточно большом числе измеренийон соответствует доверительной вероятности w 60%. При уменьшении числа измерений доверительная вероятность, соответствующая такому доверительному интервалу (áа ñ ± áDа ñ), уменьшается.

Таким образом, для оценки доверительного интервала случайной величины можно пользоваться величиной средней погрешностиáDа ñ.

Для характеристики величины случайной погрешности необходимо задать два числа, а именно, величину доверительного интервала и величину доверительной вероятности. Указание одной только величины погрешности без соответствующей ей доверительной вероятности в значительной мере лишено смысла.

Если известна средняя погрешность измерения ásñ, доверительный интервал, записанный в виде (<x > ± ásñ) w , определен с доверительной вероятностью w = 0,57.

Если известно среднее квадратическое отклонение s распределения результатов измерений, указанный интервал имеет вид (<x >± t w s) w , где t w - коэффициент, зависящий от величины доверительной вероятности и рассчитывающийся по распределению Гаусса.

Наиболее часто используемые величиныDx приведены в таблице 1.

• Главная
• Хобби