Как найти ошибки в вычислениях

Введение

Тема сегодняшнего урока посвящена тому, как найти вычислительную ошибку. Вы когда-нибудь ошибались в вычислениях? Не ошибается только тот, который ничего не делает. С другой стороны, из этого можно сделать один очень важный вывод: уметь искать свои ошибки не менее важно, чем решать задачу. Задача, решенная с ошибкой, и задача, не решенная вовсе, чаще всего будут значить одинаково, то есть ничего. Поэтому сегодня мы попробуем научиться отыскивать ошибки в своих вычислениях и исправлять.

Сразу возникает следующая проблема. Хорошо, когда вы уверены, что в вашем примере есть ошибка, и рано или поздно вы ее найдете. А вот как самому во время контрольной работы или экзамена догадаться, что в примере есть ошибка? Ведь можно час искать ошибку в примере, а потом выяснится, что ее нет. Сегодня мы познакомимся с некоторыми довольно простыми соображениями, которые позволяют проверять, есть ли в примере ошибка.

Метод последней цифры

Одно из таких соображений называется последняя цифра (или анализ последней цифры). Рассмотрим несколько примеров, иллюстрирующих данный подход.

Например:

1) 346757 + 23546 = 369575

Даже не считая в столбик можно сразу увидеть, что в этом примере есть ошибка, потому что если проверить по последним цифрам 7 + 6 = 13, то есть число должно оканчиваться на 3, а оканчивается на 5 – значит, где-то есть ошибка. Нужно вернуться к своим вычислениям и эту ошибку найти.

346757 + 23546  369575

2) 2465313 = 6546371

Можно сразу сказать, что в вычислении допущена ошибка. Почему? Потому что если перемножить последние цифры 5 и 3, то получается 15, число должно оканчиваться на 5, а у нас оканчивается на 1.

2465 313  6546371

3). 347 + 234  235 = 47806

Опять без подсчетов в столбик можно сказать, что здесь допущена ошибка. Как видите, этот пример содержит два действия. Попробуем сделать все действия с последними цифрами. Как вы помните, порядок действия у нас таков: сначала делаем умножение, потом сложение. Мы умножаем 4 на 5 – и получается 20, на конце числа должен стоять 0, к 0 прибавляем 7, должно получиться 7, а у нас на конце числа 6, значит, в примере допущена ошибка. Где именно, мы не знаем, может, была допущена ошибка в умножении или в сложении, но то, что ошибка есть, мы уже поняли.

347 + 234  235  47806

4) (345 4567 – 9873)  237 – 366 = 12948371

Первым действием мы 5 умножаем на 7 и получаем 35, на конце 5. Вторым действием вычитаем: 5 минус число, оканчивающееся на 3, и получаем 2 на конце. Умножаем это на 237, дважды семь – получаем 14, после третьего действия получаем на конце 4. Наконец, вычитаем из 14 число 6, получаем 8, которое должно стоять на конце. Значит, ответ 12948371 неправильный.

(345  4567 – 9873)  237 – 366  12948371

Нужно быть очень аккуратными, если в вашем выражении присутствует знак деления.

1) 28 : 4 = 7

Если разделить это выражение просто, то получится 7. С другой стороны, если мы попробуем проверить это равенство по методу последней цифры, 8 разделить на 4 равно 2, что не подходит к уравнению. Метод последней цифры к делению не применяется. Если по последней цифре все совпало, это еще ничего не значит. Это значит, что мы не нашли противоречия в данном случае, но ошибка все же может быть.

Например:

2) 2 2 = 14

Понятно, что это уравнение изначально неправильное, но, если проверить по последней цифре, два умножить на два будет 4, и у нас в конце уравнения стоит 4. Поэтому, если по последней цифре не сошлось, значит, в уравнении есть ошибка. Если же сошлось, это ничего не значит, может, ошибка есть, а может, и нет.

2 2  14

Итак, давайте подведем краткий итог первого метода. Если у вас решен пример на вычисление, который не содержит деления, а содержит только натуральные числа, то вы можете проверить себя, проделав все вычисления устно только с последними цифрами. Если результат сошелся, значит, с большой вероятностью, ошибки нет. Если же результат не сошелся, то ищем ошибку.

 Метод округления

Давайте рассмотрим следующий пример: 143 147 = 221.

По проверке последней цифры, 3 умножить на 7, получаем 21, в конце числа 1, все в порядке, казалось бы, ошибки нет. С другой стороны, давайте сделаем простой предварительный подсчет. Если 100 умножить на 100, уже получится 10000, но у нас числа больше, чем 100, и мы получили в произведении только 221. Конечно, где-то закралась ошибка.

100  100 = 10000

143  147  221

Такая очень грубая прикидка, такое округление, позволяет нам понять, что пример решен неверно.

2) 2342 + 23426 = 234648

Опять же мы можем прикинуть по последней цифре и выяснить, что 2 плюс 6 – это 8, казалось бы, ошибки нет. С другой стороны, сделаем грубую прикидку: каждое число округлим до тысяч: 2 тысячи плюс 23 тысячи получается 25 тысяч, а в уравнении 234 тысячи. Значит, в примере где-то есть ошибка.

2000 + 23000 = 25000

3) 73462 – 2346 = 5362

Этот пример показателен тем, что вы можете найти ошибку, пользуясь и первым методом, и вторым. Действительно, если вычесть из 12 число 6, получаем 6, а в ответе последняя цифра 2. Уже неправильно. С другой стороны, давайте опять округлим до тысяч: 73 тысячи минус 2 тысячи получается 71 тысяча, а у нас примере 5 тысяч.

73000 – 2000 = 71000

4) 27  27 = 729

С последней цифрой все в порядке, семью семь – сорок девять, оканчивается на 9. Давайте сделаем округление: 30  30 = 900.

То есть ответ вроде правильный. Метод округления ошибку не выявляет. И этот пример действительно решен верно.

5) 342 + 253  175 = 306777

Обратите внимание, что с последней цифрой все в порядке: 3 умножить на 5 будет 15, то есть оканчивается на 5 плюс еще 2 – и будет 7. Но давайте снова округлим до сотен.

300 + 300  200 = 60300

Сами видите, что в левой части 60300, а в правой – 306 тысяч, равенство неверное. Значит, где-то допущена ошибка, при этом мы не знаем, где именно.

Таким образом, если мы хотим сделать проверку нашего примера с помощью прикидки или округления, мы должны сделать следующее: берем каждое число нашего примера и округляем его, то есть приравниваем его к ближайшему круглому числу. Проводим все вычисления с округленными числами и сравниваем тот ответ, который мы получаем с тем, который получился у нас в исходном примере. Естественно, ответы не должны полностью совпасть. Если они получились неравными, не паникуйте. Но они должны получиться близкими друг к другу. Если в примере ответ получился 102, а после округления ответ получился 1000000, значит, вы где-то ошиблись. Если же ответ у вас получился 102, а после округления 100, скорее всего, все правильно. Посмотрим еще на один пример: 33 ⋅ 33 = 1089.

Давайте округлим: 30  30 = 900. О чем же говорит такой ответ? Формально, как вы видите, у нас в ответе 4 цифры, а при округлении получилось 3 цифры. То есть вроде бы мы ошиблись на целый порядок, наверное, ошибка есть. Но, если вы присмотритесь к этим числам, вы увидите, что эти числа близки: 900 и 1000. Если вы видите, что разница в количестве цифр есть, но реально она не велика, возможно, никакого противоречия нет. В данном случае пример верный.

Еще один маленький совет. Если задача имеет какой-то практический смысл, старайтесь проверять, подходит ответ под этот смысл или нет. Например, если в задаче требуется найти скорость велосипедиста, а у вас после вычисления получилось 500 км/ч, скорее всего, вы ошиблись. Или предположим, вам нужно посчитать, сколько молока в литрах привезли на завод в сумме двух цистернах, а у вас получилось 3 литра. Наверное, это все-таки маловато для двух цистерн, так что тоже, скорее всего, у вас ошибка.

Итоги

Давайте подведем краткие итоги сегодняшнего урока. Сегодня мы познакомились с некоторыми методами, которые позволяют проверить, правильным ли получился ваш ответ. Эти методы не дают стопроцентной гарантии того, что вы отыщете ошибку. Даже если с помощью каждого из методов все получается в порядке, возможно, в примере есть ошибка. С другой стороны, проверка каждого из этих методов занимает не очень много времени, и поэтому, если даже в трех случаях из десяти какой-то из этих методов даст вам возможность найти ошибку, это уже будет хорошо.

Список рекомендованной литературы

1. Гельфман Э. Г., Холодная О. В. Математика: учебник для 5 класса. – М.: БИНОМ. Лаборатория знаний. – 2012.
2. Шварцбурд С. И. Внеклассная работа по математике в 4-5 классах. – М.: Просвещение. – 2012.
3. Виленкин Н. Я., Жохов В. И. Математика. 5 класс, 31-е изд., стер. – М.: 2013.

Рекомендованные ссылки на ресурсы сети Интернет

1. Интернет-портал «lifehacker.ru» (Источник)
2. Интернет-портал «kp.ru» (Источник)
3. Интернет-портал «5klass.net» (Источник)

Домашнее задание

1. Каким методом вы обычно пользуетесь, что найти вычислительную ошибку в примере?
2. В чем заключается метод последней цифры? Приведите пример.
3. В чем заключается метод округления (прикидки)? Приведите пример.

Была ли эта статья полезной?

Материал из MachineLearning.

Перейти к: навигация, поиск

Введение

Постановка вопроса. Виды погрешностей

Процесс исследования исходного объекта методом математического моделирования и вычислительного эксперимента неизбежно носит приближенный характер, так как на каждом этапе вносятся погрешности. Построение математической модели связано с упрощением исходного явления, недостаточно точным заданием коэффициентов уравнения и других входных данных. По отношению к численному методу, реализующему данную математическую модель, указанные погрешности являются неустранимыми, поскольку они неизбежны в рамках данной модели.

При переходе от математической модели к численному методу возникают погрешности, называемые погрешностями метода. Они связаны с тем, что всякий численный метод воспроизводит исходную математическую модель приближенно. Наиболее типичными погрешностями метода являются погрешность дискретизации и погрешность округления.
При построении численного метода в качестве аналога исходной математической задачи обычно рассматривается её дискретная модель. Разность решений дискретизированной задачи и исходной называется погрешностью дискретизации. Обычно дискретная модель зависит от некоторого параметра (или их множества) дискретизации, при стремлении которого к нулю должна стремиться к нулю и погрешность дискретизации.
Дискретная модель представляет собой систему большого числа алгебраических уравнений. Для её решения используется тот или иной численный алгоритм. Входные данные этой системы, а именно коэффициенты и правые части, задаются в ЭВМ не точно, а с округлением. В процессе работы алгоритма погрешности округления обычно накапливаются, и в результате, решение, полученное на ЭВМ, будет отличаться от точного решения дискретизированной задачи. Результирующая погрешность называется погрешностью округления (вычислительной погрешностью). Величина этой погрешности определяется двумя факторами: точностью представления вещественных чисел в ЭВМ и чувствительностью данного алгоритма к погрешностям округления.

Итак, следует различать погрешности модели, дискретизации и округления. В вопросе преобладания какой-либо погрешности ответ неоднозначен. В общем случае нужно стремиться, чтобы все погрешности имели один и тот же порядок. Например, нецелесообразно пользоваться разностными схемами, имеющими точность 10⁻⁶, если коэффициенты исходных уравнений задаются с точностью 10⁻².

Виды мер точности

Мерой точности вычислений являются абсолютные и относительные погрешности. Абсолютная погрешность определяется формулой

где – приближение к точному значению .
Относительная погрешность определяется формулой

Относительная погрешность часто выражается в процентах. Абсолютная и относительная погрешности тесно связаны с понятием верных значащих цифр. Значащими цифрами числа называют все цифры в его записи, начиная с первой ненулевой цифры слева. Например, число 0,000129 имеет три значащих цифры. Значащая цифра называется верной, если абсолютная погрешность числа не превышает половины веса разряда, соответствующего этой цифре. Например, , абсолютная погрешность . Записывая число в виде

имеем , следовательно, число имеет две верных значащих цифр (9 и 3).

В общем случае абсолютная погрешность должна удовлетворять следующему неравенству:

где — порядок (вес) старшей цифры, — количество верных значащих цифр.
В рассматриваемом примере .

Относительная погрешность связана с количеством верных цифр приближенного числа соотношением:

где — старшая значащая цифра числа.

Для двоичного представления чисел имеем .

Тот факт, что число является приближенным значением числа с абсолютной погрешностью , записывают в виде

причем числа и записываются с одинаковым количеством знаков после запятой, например, или .

Запись вида

означает, что число является приближенным значение числа с относительной погрешностью .

Так как точное решение задачи как правило неизвестно, то погрешности приходится оценивать через исходные данные и особенности алгоритма. Если оценка может быть вычислена до решения задачи, то она называется априорной. Если оценка вычисляется после получения приближенного решения задачи, то она называется апостериорной.

Очень часто степень точности решения задачи характеризуется некоторыми косвенными вспомогательными величинами. Например точность решения системы алгебраических уравнений

характеризуется невязкой

где — приближенное решение системы.
Причём невязка достаточно сложным образом связана с погрешностью решения , причём если невязка мала, то погрешность может быть значительной.

Предельные погрешности

Пусть искомая величина является функцией параметров — приближенное значение . Тогда предельной абсолютной погрешностью называется величина

Предельной относительной погрешностью называется величина .

Пусть — приближенное значение . Предполагаем, что — непрерывно дифференцируемая функция своих аргументов. Тогда, по формуле Лагранжа,

где .

Отсюда

где .

Можно показать, что при малых эта оценка не может быть существенно улучшена. На практике иногда пользуются грубой (линейной) оценкой

где .

Несложно показать, что:

1. — предельная погрешность суммы или разности равна сумме предельных погрешностей.
2. — предельная относительная погрешность произведения или частного приближенного равна сумме предельных относительных погрешностей.

Погрешности округлений при представлении чисел в компьютере

Одним из основных источников вычислительных погрешностей является приближенное представление чисел в компьютере, обусловленное конечностью разрядной сетки (см. Международный стандарт представления чисел с плавающей точкой в ЭВМ). Число , не представимое в компьютере, подвергается округлению, т. е. заменяется близким числом , представимым в компьютере точно.
Найдем границу относительной погрешности представления числа с плавающей точкой. Допустим, что применяется простейшее округление – отбрасывание всех разрядов числа, выходящих за пределы разрядной сетки. Система счисления – двоичная. Пусть надо записать число, представляющее бесконечную двоичную дробь

где , — цифры мантиссы.
Пусть под запись мантиссы отводится t двоичных разрядов. Отбрасывая лишние разряды, получим округлённое число

Абсолютная погрешность округления в этом случае равна

Наибольшая погрешность будет в случае , тогда

Т.к. , где — мантисса числа , то всегда . Тогда и относительная погрешность равна . Практически применяют более точные методы округления и погрешность представления чисел равна

( 1 )

т.е. точность представления чисел определяется разрядностью мантиссы .
Тогда приближенно представленное в компьютере число можно записать в виде , где – «машинный эпсилон» – относительная погрешность представления чисел.

Погрешности арифметических операций

При вычислениях с плавающей точкой операция округления может потребоваться после выполнения любой из арифметических операций. Так умножение или деление двух чисел сводится к умножению или делению мантисс. Так как в общем случае количество разрядов мантисс произведений и частных больше допустимой разрядности мантиссы, то требуется округление мантиссы результатов. При сложении или вычитании чисел с плавающей точкой операнды должны быть предварительно приведены к одному порядку, что осуществляется сдвигом вправо мантиссы числа, имеющего меньший порядок, и увеличением в соответствующее число раз порядка этого числа. Сдвиг мантиссы вправо может привести к потере младших разрядов мантиссы, т.е. появляется погрешность округления.

Округленное в системе с плавающей точкой число, соответствующее точному числу , обозначается через (от англ. floating – плавающий). Выполнение каждой арифметической операции вносит относительную погрешность, не большую, чем погрешность представления чисел с плавающей точкой (1). Верна следующая запись:

где — любая из арифметических операций, .

Рассмотрим трансформированные погрешности арифметических операций. Арифметические операции проводятся над приближенными числами, ошибка арифметических операций не учитывается (эту ошибку легко учесть, прибавив ошибку округления соответствующей операции к вычисленной ошибке).

Рассмотрим сложение и вычитание приближенных чисел. Абсолютная погрешность алгебраической суммы нескольких приближенных чисел равна сумме абсолютных погрешностей слагаемых.

Если сумма точных чисел равна

сумма приближенных чисел равна

где — абсолютные погрешности представления чисел.

Тогда абсолютная погрешность суммы равна

Относительная погрешность суммы нескольких чисел равна

( 2 )

где — относительные погрешности представления чисел.

Из (2) следует, что относительная погрешность суммы нескольких чисел одного и того же знака заключена между наименьшей и наибольшей из относительных погрешностей слагаемых:

При сложении чисел разного знака или вычитании чисел одного знака относительная погрешность может быть очень большой (если числа близки между собой). Так как даже при малых величина может быть очень малой. Поэтому вычислительные алгоритмы необходимо строить таким образом, чтобы избегать вычитания близких чисел.

Необходимо отметить, что погрешности вычислений зависят от порядка вычислений. Далее будет рассмотрен пример сложения трех чисел.

( 3 )

При другой последовательности действий погрешность будет другой:

Из (3) видно, что результат выполнения некоторого алгоритма, искаженный погрешностями округлений, совпадает с результатом выполнения того же алгоритма, но с неточными исходными данными. Т.е. можно применять обратный анализ: свести влияние погрешностей округления к возмущению исходных данных. Тогда вместо (3) будет следующая запись:

где

При умножении и делении приближенных чисел складываются и вычитаются их относительные погрешности.

≅

с точностью величин второго порядка малости относительно .

Тогда .

Если , то ≅

При большом числе n арифметических операций можно пользоваться приближенной статистической оценкой погрешности арифметических операций, учитывающей частичную компенсацию погрешностей разных знаков:

где – суммарная погрешность, – погрешность выполнения операций с плавающей точкой, – погрешность представления чисел с плавающей точкой.

Погрешности вычисления функций

Рассмотрим трансформированную погрешность вычисления значений функций.

Абсолютная трансформированная погрешность дифференцируемой функции , вызываемая достаточно малой погрешностью аргумента , оценивается величиной .

Если , то .

Абсолютная погрешность дифференцируемой функции многих аргументов , вызываемая достаточно малыми погрешностями аргументов оценивается величиной:

.

Если , то .

Практически важно определить допустимую погрешность аргументов и допустимую погрешность функции (обратная задача). Эта задача имеет однозначное решение только для функций одной переменной , если дифференцируема и :

.

Для функций многих переменных задача не имеет однозначного решения, необходимо ввести дополнительные ограничения. Например, если функция наиболее критична к погрешности , то:

(погрешностью других аргументов пренебрегаем).

Если вклад погрешностей всех аргументов примерно одинаков, то применяют принцип равных влияний:

Числовые примеры

Специфику машинных вычислений можно пояснить на нескольких элементарных примерах.

ПРИМЕР 1. Вычислить все корни уравнения

Точное решение задачи легко найти:

Если компьютер работает при , то свободный член в исходном уравнении будет округлен до и, с точки зрения представления чисел с плавающей точкой, будет решаться уравнение , т.е. , что, очевидно, неверно. В данном случае малые погрешности в задании свободного члена привели, независимо от метода решения, к погрешности в решении .

ПРИМЕР 2. Решается задача Коши для обыкновенного дифференциального уравнения 2-го порядка:

Общее решение имеет вид:

При заданных начальных данных точное решение задачи: , однако малая погрешность в их задании приведет к появлению члена , который при больших значениях аргумента может существенно исказить решение.

ПРИМЕР 3. Пусть необходимо найти решение обыкновенного дифференциального уравнения:

Его решение: , однако значение известно лишь приближенно: , и на самом деле .

Соответственно, разность будет:

Предположим, что необходимо гарантировать некоторую заданную точность вычислений всюду на отрезке . Тогда должно выполняться условие:

Очевидно, что:

Отсюда можно получить требования к точности задания начальных данных при .

Таким образом, требование к заданию точности начальных данных оказываются в раз выше необходимой точности результата решения задачи. Это требование, скорее всего, окажется нереальным.

Решение оказывается очень чувствительным к заданию начальных данных. Такого рода задачи называются плохо обусловленными.

ПРИМЕР 4. Решением системы линейных алгебраических уравнений (СЛАУ):

является пара чисел .

Изменив правую часть системы на , получим возмущенную систему:

с решением , сильно отличающимся от решения невозмущенной системы. Эта система также плохо обусловлена.

ПРИМЕР 5. Рассмотрим методический пример вычислений на модельном компьютере, обеспечивающем точность . Проанализируем причину происхождения ошибки, например, при вычитании двух чисел, взятых с точностью до третьей цифры после десятичной точки , разность которых составляет .

В памяти машины эти же числа представляются в виде:

, причем и

Тогда:

Относительная ошибка при вычислении разности будет равна:

Очевидно, что , т.е. все значащие цифры могут оказаться неверными.

ПРИМЕР 6. Рассмотрим рекуррентное соотношение

Пусть при выполнении реальных вычислений с конечной длиной мантиссы на -м шаге возникла погрешность округления, и вычисления проводятся с возмущенным значением , тогда вместо получим , т.е. .

Следовательно, если , то в процессе вычислений погрешность, связанная с возникшей ошибкой округления, будет возрастать (алгоритм неустойчив). В случае погрешность не возрастает и численный алгоритм устойчив.

Список литературы

• А.А.Самарский, А.В.Гулин.  Численные методы. Москва «Наука», 1989.
• http://www.mgopu.ru/PVU/2.1/nummethods/Chapter1.htm
• http://www.intuit.ru/department/calculate/calcmathbase/1/4.html

См. также

• Практикум ММП ВМК, 4й курс, осень 2008

Материал из MachineLearning.

Перейти к: навигация, поиск

Введение

Постановка вопроса. Виды погрешностей

Процесс исследования исходного объекта методом математического моделирования и вычислительного эксперимента неизбежно носит приближенный характер, так как на каждом этапе вносятся погрешности. Построение математической модели связано с упрощением исходного явления, недостаточно точным заданием коэффициентов уравнения и других входных данных. По отношению к численному методу, реализующему данную математическую модель, указанные погрешности являются неустранимыми, поскольку они неизбежны в рамках данной модели.

При переходе от математической модели к численному методу возникают погрешности, называемые погрешностями метода. Они связаны с тем, что всякий численный метод воспроизводит исходную математическую модель приближенно. Наиболее типичными погрешностями метода являются погрешность дискретизации и погрешность округления.
При построении численного метода в качестве аналога исходной математической задачи обычно рассматривается её дискретная модель. Разность решений дискретизированной задачи и исходной называется погрешностью дискретизации. Обычно дискретная модель зависит от некоторого параметра (или их множества) дискретизации, при стремлении которого к нулю должна стремиться к нулю и погрешность дискретизации.
Дискретная модель представляет собой систему большого числа алгебраических уравнений. Для её решения используется тот или иной численный алгоритм. Входные данные этой системы, а именно коэффициенты и правые части, задаются в ЭВМ не точно, а с округлением. В процессе работы алгоритма погрешности округления обычно накапливаются, и в результате, решение, полученное на ЭВМ, будет отличаться от точного решения дискретизированной задачи. Результирующая погрешность называется погрешностью округления (вычислительной погрешностью). Величина этой погрешности определяется двумя факторами: точностью представления вещественных чисел в ЭВМ и чувствительностью данного алгоритма к погрешностям округления.

Итак, следует различать погрешности модели, дискретизации и округления. В вопросе преобладания какой-либо погрешности ответ неоднозначен. В общем случае нужно стремиться, чтобы все погрешности имели один и тот же порядок. Например, нецелесообразно пользоваться разностными схемами, имеющими точность 10⁻⁶, если коэффициенты исходных уравнений задаются с точностью 10⁻².

Виды мер точности

Мерой точности вычислений являются абсолютные и относительные погрешности. Абсолютная погрешность определяется формулой

где – приближение к точному значению .
Относительная погрешность определяется формулой

Относительная погрешность часто выражается в процентах. Абсолютная и относительная погрешности тесно связаны с понятием верных значащих цифр. Значащими цифрами числа называют все цифры в его записи, начиная с первой ненулевой цифры слева. Например, число 0,000129 имеет три значащих цифры. Значащая цифра называется верной, если абсолютная погрешность числа не превышает половины веса разряда, соответствующего этой цифре. Например, , абсолютная погрешность . Записывая число в виде

имеем , следовательно, число имеет две верных значащих цифр (9 и 3).

В общем случае абсолютная погрешность должна удовлетворять следующему неравенству:

где — порядок (вес) старшей цифры, — количество верных значащих цифр.
В рассматриваемом примере .

Относительная погрешность связана с количеством верных цифр приближенного числа соотношением:

Тот факт, что число является приближенным значением числа с абсолютной погрешностью , записывают в виде

причем числа и записываются с одинаковым количеством знаков после запятой, например, или .

Запись вида

означает, что число является приближенным значение числа с относительной погрешностью .

Так как точное решение задачи как правило неизвестно, то погрешности приходится оценивать через исходные данные и особенности алгоритма. Если оценка может быть вычислена до решения задачи, то она называется априорной. Если оценка вычисляется после получения приближенного решения задачи, то она называется апостериорной.

Очень часто степень точности решения задачи характеризуется некоторыми косвенными вспомогательными величинами. Например точность решения системы алгебраических уравнений

характеризуется невязкой

где — приближенное решение системы.
Причём невязка достаточно сложным образом связана с погрешностью решения , причём если невязка мала, то погрешность может быть значительной.

Предельные погрешности

Пусть искомая величина является функцией параметров — приближенное значение . Тогда предельной абсолютной погрешностью называется величина

Предельной относительной погрешностью называется величина .

Пусть — приближенное значение . Предполагаем, что — непрерывно дифференцируемая функция своих аргументов. Тогда, по формуле Лагранжа,

где .

Можно показать, что при малых эта оценка не может быть существенно улучшена. На практике иногда пользуются грубой (линейной) оценкой

где .

Несложно показать, что:

1. — предельная погрешность суммы или разности равна сумме предельных погрешностей.
2. — предельная относительная погрешность произведения или частного приближенного равна сумме предельных относительных погрешностей.

Погрешности округлений при представлении чисел в компьютере

Одним из основных источников вычислительных погрешностей является приближенное представление чисел в компьютере, обусловленное конечностью разрядной сетки (см. Международный стандарт представления чисел с плавающей точкой в ЭВМ). Число , не представимое в компьютере, подвергается округлению, т. е. заменяется близким числом , представимым в компьютере точно.
Найдем границу относительной погрешности представления числа с плавающей точкой. Допустим, что применяется простейшее округление – отбрасывание всех разрядов числа, выходящих за пределы разрядной сетки. Система счисления – двоичная. Пусть надо записать число, представляющее бесконечную двоичную дробь

где , — цифры мантиссы.
Пусть под запись мантиссы отводится t двоичных разрядов. Отбрасывая лишние разряды, получим округлённое число

Абсолютная погрешность округления в этом случае равна

Наибольшая погрешность будет в случае , тогда

Т.к. , где — мантисса числа , то всегда . Тогда и относительная погрешность равна . Практически применяют более точные методы округления и погрешность представления чисел равна

( 1 )

т.е. точность представления чисел определяется разрядностью мантиссы .
Тогда приближенно представленное в компьютере число можно записать в виде , где – «машинный эпсилон» – относительная погрешность представления чисел.

Погрешности арифметических операций

При вычислениях с плавающей точкой операция округления может потребоваться после выполнения любой из арифметических операций. Так умножение или деление двух чисел сводится к умножению или делению мантисс. Так как в общем случае количество разрядов мантисс произведений и частных больше допустимой разрядности мантиссы, то требуется округление мантиссы результатов. При сложении или вычитании чисел с плавающей точкой операнды должны быть предварительно приведены к одному порядку, что осуществляется сдвигом вправо мантиссы числа, имеющего меньший порядок, и увеличением в соответствующее число раз порядка этого числа. Сдвиг мантиссы вправо может привести к потере младших разрядов мантиссы, т.е. появляется погрешность округления.

Округленное в системе с плавающей точкой число, соответствующее точному числу , обозначается через (от англ. floating – плавающий). Выполнение каждой арифметической операции вносит относительную погрешность, не большую, чем погрешность представления чисел с плавающей точкой (1). Верна следующая запись:

где — любая из арифметических операций, .

Рассмотрим трансформированные погрешности арифметических операций. Арифметические операции проводятся над приближенными числами, ошибка арифметических операций не учитывается (эту ошибку легко учесть, прибавив ошибку округления соответствующей операции к вычисленной ошибке).

сумма приближенных чисел равна

Относительная погрешность суммы нескольких чисел равна

( 2 )

где — относительные погрешности представления чисел.

Из (2) следует, что относительная погрешность суммы нескольких чисел одного и того же знака заключена между наименьшей и наибольшей из относительных погрешностей слагаемых:

При сложении чисел разного знака или вычитании чисел одного знака относительная погрешность может быть очень большой (если числа близки между собой). Так как даже при малых величина может быть очень малой. Поэтому вычислительные алгоритмы необходимо строить таким образом, чтобы избегать вычитания близких чисел.

Необходимо отметить, что погрешности вычислений зависят от порядка вычислений. Далее будет рассмотрен пример сложения трех чисел.

( 3 )

При другой последовательности действий погрешность будет другой:

Из (3) видно, что результат выполнения некоторого алгоритма, искаженный погрешностями округлений, совпадает с результатом выполнения того же алгоритма, но с неточными исходными данными. Т.е. можно применять обратный анализ: свести влияние погрешностей округления к возмущению исходных данных. Тогда вместо (3) будет следующая запись:

где

При умножении и делении приближенных чисел складываются и вычитаются их относительные погрешности.

≅

Если , то ≅

При большом числе n арифметических операций можно пользоваться приближенной статистической оценкой погрешности арифметических операций, учитывающей частичную компенсацию погрешностей разных знаков:

где – суммарная погрешность, – погрешность выполнения операций с плавающей точкой, – погрешность представления чисел с плавающей точкой.

Погрешности вычисления функций

Если , то .

Абсолютная погрешность дифференцируемой функции многих аргументов , вызываемая достаточно малыми погрешностями аргументов оценивается величиной:

.

Если , то .

Практически важно определить допустимую погрешность аргументов и допустимую погрешность функции (обратная задача). Эта задача имеет однозначное решение только для функций одной переменной , если дифференцируема и :

.

Для функций многих переменных задача не имеет однозначного решения, необходимо ввести дополнительные ограничения. Например, если функция наиболее критична к погрешности , то:

(погрешностью других аргументов пренебрегаем).

Если вклад погрешностей всех аргументов примерно одинаков, то применяют принцип равных влияний:

Числовые примеры

Специфику машинных вычислений можно пояснить на нескольких элементарных примерах.

ПРИМЕР 1. Вычислить все корни уравнения

Точное решение задачи легко найти:

Если компьютер работает при , то свободный член в исходном уравнении будет округлен до и, с точки зрения представления чисел с плавающей точкой, будет решаться уравнение , т.е. , что, очевидно, неверно. В данном случае малые погрешности в задании свободного члена привели, независимо от метода решения, к погрешности в решении .

ПРИМЕР 2. Решается задача Коши для обыкновенного дифференциального уравнения 2-го порядка:

Общее решение имеет вид:

При заданных начальных данных точное решение задачи: , однако малая погрешность в их задании приведет к появлению члена , который при больших значениях аргумента может существенно исказить решение.

ПРИМЕР 3. Пусть необходимо найти решение обыкновенного дифференциального уравнения:

Его решение: , однако значение известно лишь приближенно: , и на самом деле .

Соответственно, разность будет:

Предположим, что необходимо гарантировать некоторую заданную точность вычислений всюду на отрезке . Тогда должно выполняться условие:

Очевидно, что:

Отсюда можно получить требования к точности задания начальных данных при .

ПРИМЕР 4. Решением системы линейных алгебраических уравнений (СЛАУ):

является пара чисел .

Изменив правую часть системы на , получим возмущенную систему:

с решением , сильно отличающимся от решения невозмущенной системы. Эта система также плохо обусловлена.

ПРИМЕР 5. Рассмотрим методический пример вычислений на модельном компьютере, обеспечивающем точность . Проанализируем причину происхождения ошибки, например, при вычитании двух чисел, взятых с точностью до третьей цифры после десятичной точки , разность которых составляет .

В памяти машины эти же числа представляются в виде:

, причем и

Тогда:

Относительная ошибка при вычислении разности будет равна:

Очевидно, что , т.е. все значащие цифры могут оказаться неверными.

ПРИМЕР 6. Рассмотрим рекуррентное соотношение

Пусть при выполнении реальных вычислений с конечной длиной мантиссы на -м шаге возникла погрешность округления, и вычисления проводятся с возмущенным значением , тогда вместо получим , т.е. .

Следовательно, если , то в процессе вычислений погрешность, связанная с возникшей ошибкой округления, будет возрастать (алгоритм неустойчив). В случае погрешность не возрастает и численный алгоритм устойчив.

Список литературы

• А.А.Самарский, А.В.Гулин.  Численные методы. Москва «Наука», 1989.
• http://www.mgopu.ru/PVU/2.1/nummethods/Chapter1.htm
• http://www.intuit.ru/department/calculate/calcmathbase/1/4.html

См. также

• Практикум ММП ВМК, 4й курс, осень 2008

Процентная ошибка в наборе данных — это разница между точным и приблизительным значениями по сравнению с исходным значением. Эта процентная ошибка выражается в процентах и, следовательно, умножается на 100.

Вы можете выразить процентную ошибку как абсолютную ошибку или относительную ошибку. Ошибки могут возникать из-за ошибки точности в машине, ошибки вычислений, ошибки измерения или условий окружающей среды.

Процентные ошибки помогают нам определить, насколько значительны наши ошибки во время любого анализа. Более мелкие процентные ошибки означают, что мы близки к исходному значению, в то время как более существенные процентные ошибки означают значительное расхождение между фактическим значением и приблизительным значением.

Например, ошибка в 2% будет означать, что мы очень близки к исходному значению, а ошибка в 56% будет означать огромную разницу между фактическим и приблизительным значением.

Ошибки при измерении широко распространены, потому что руки могут трястись во время измерений, инструменты могут быть неисправны, материал может быть неточным и т. д.

Расчет процента ошибки

Для расчета процентной ошибки необходимо иметь два доступных значения. Одно точное значение, а второе приблизительное значение. Вычтите оба этих значения, а затем разделите их на исходное значение. Поскольку процентная ошибка выражается в виде процентов, умножьте полученное таким образом число на 100. Другими словами, процентная ошибка — это относительная ошибка, умноженная на 100.

Процентная ошибка = [(Actual Value – Expected Value) / Expected Value] × 100

Компоненты формулы

Фактическое значение: Фактическое значение указывает числовое значение конкретного показания. Фактическое значение должно было быть записано при снятии показаний, но из-за некоторых ошибок мы не смогли записать это значение. Это обычное значение, которое идеально подходит для проведения расчетов.

Ожидаемое значение: Ожидаемое значение указывает на показания, записанные во время эксперимента. В большинстве случаев оно не похоже на фактическое значение из-за ошибки. Ошибки могут быть вызваны неисправностью машины, ошибкой при снятии показаний или факторами окружающей среды, такими как воздух или сломанные и поврежденные инструменты.

Некоторые примеры

Пример 1

Мальчик измерял площадь треугольника и, по его словам, получил 462 кв.см. Однако первоначальная площадь квадрата равна 465 кв.см. Вычислите процент ошибки.

Решение

Значение измеряемой площади = 462 кв.см

Значение фактической площади = 465 кв. см.

Расчет

Разница фактического значения – измеренного значения: 465-462 = 3

Итак, 3 — это ошибка измерения.

Разделите ошибку на фактическое значение – 3/465 = 0,00645.

Умножив полученное значение на 100 – 0,00645 X 100 = 0,64%.

Следовательно, процентная ошибка при вычислении площади треугольника составляет 0,64%.

Пример 2

Предположим, вы планировали вечеринку, на которой должно было присутствовать около 20 человек, а успели прийти только 18 человек. Вычислите процент ошибки в вашей оценке.

Решение

Первоначальное ожидаемое количество людей = 20

Пришедших = 18

Расчет

Разница фактического значения – конечного значения = 20 – 18 = 2

Итак, 2 — это ошибка здесь.

Разделите ошибку на фактическое значение – 2/20 = 0,1.

Умножение значения на 100 – 0,1 X 100 = 10%

Следовательно, процентная ошибка в оценке количества гостей составляет 10%.

Пример 3

Предположим, вы провели эксперимент по измерению температуры кипения воды и в ходе эксперимента обнаружили, что результат равен 102 °C. Фактическая температура замерзания воды составляет 100°С.

Решение

Фактическая температура кипения воды = 100°С.

Зарегистрированная температура кипения воды = 102°C

Расчет

Разница между фактическим значением и расчетным значением = 100 -102 = 2°C (процентная ошибка никогда не может быть отрицательной, поэтому мы оставляем ее только положительной).

Итак, 2 — это ошибка здесь.

Разделите ошибку на фактическое значение – 2/100 = 0,02.

Умножение полученного значения на 100 – 0,02 X 100 = 2%

Следовательно, процентная погрешность измерения температуры кипения воды составляет 2%.

Реальные сценарии, в которых важна процентная ошибка

• Процентная ошибка играет важную роль, помогая вам определить, была ли конкретная задача, которую вы выполнили, на должном уровне или нет. Это поможет вам указать на ваши ошибки.
• Процентная погрешность может быть полезной в лабораторных процедурах и на крупных предприятиях, где недопустима малейшая ошибка.
• Процентная ошибка также находит свое применение, когда нам нужно выполнить оптовый заказ, и в его выполнении не может быть никаких ошибок.
• В научных лабораториях использование процентной ошибки имеет решающее значение.

Процентная ошибка против абсолютной ошибки

Абсолютная погрешность измерения – это разница между фактическим и расчетным значениями. Единица основной ошибки такая же, как и начальное значение.

Пример

Предположим, вы планировали купить 2 кг манго, а продавец отмерил для вас 1,98 кг. Абсолютная ошибка в этом случае составит 2 – 1,98 = 0,02.

С другой стороны, процентная ошибка рассчитывается путем деления абсолютной ошибки на исходное значение, а затем умножения полученного ответа на 100. Процентная ошибка является безразмерной величиной.

В приведенном выше примере абсолютная ошибка составляет 0,02.

Теперь, чтобы вычислить процентную ошибку, мы разделим ее на 20.

0,02/20 = 0,001

Таким образом, процентная ошибка в этом случае составляет 0,001 X 100 = 0,1%.

Процентная ошибка против относительной ошибки

Относительная ошибка в любом расчете — это абсолютная ошибка, деленная на фактическое значение. Это означает, что процентная ошибка представляет собой разницу между истинным значением и наблюдаемым значением, деленную на фактическое значение.

Пример

Синоптики ожидали, что температура сегодня будет 38°C. Однако она поднялась до 42°C.

Сначала мы находим разницу между двумя числами, т. е. ожидаемым значением и фактическим значением.

42° – 38° = 4°С

Теперь для расчета относительной погрешности мы делим это число на фактическое число, то есть на 38°C.

4/38 = 0,1052

С другой стороны, процентная ошибка — это относительная ошибка, умноженная на 100.

В приведенном выше примере процентная ошибка составит 0,1052 X 100 = 10,52%.

Теперь вы можете обнаружить, что довольно легко вычислить процентную ошибку, относительную ошибку или абсолютную ошибку.

Вы можете упростить расчет процентных ошибок, воспользовавшись помощью нескольких онлайн-калькуляторов процентных ошибок. Теперь вам не придется задаваться вопросом, как рассчитать процентную ошибку, потому что эти калькуляторы могут сделать все это за вас.

Инструменты расчета погрешности

№1. Калькулятор Суп

В Калькулятор Суп помогает рассчитать процентную ошибку между экспериментальным значением и фактическим значением. Все, что вам нужно сделать, это ввести значения и дождаться результатов. Калькулятор сам производит все расчеты и выдает точные результаты.

На странице отображаются два разных столбца, в которых вы вводите значения чисел, для которых хотите рассчитать процентную ошибку, и позволяете калькулятору делать остальную часть магии.

№ 2. Калькулятор.net

Калькулятор.net имеет два столбца, в которые вы вводите фактические и оценочные значения, а остальные расчеты выполняет калькулятор. Это удобно, когда есть много выборок данных, которые вы хотите рассчитать, и у вас нет времени вручную вычислять процентную ошибку в каждом случае. Калькулятор упрощает процесс и дает ответ сразу, без особых задержек.

Процентные ошибки неизбежны. Вы можете только уменьшить их значение, но не будет никакого инцидента, когда показание процентной ошибки станет равным нулю. Он может быть приблизительно равен нулю, но никогда не может быть точным нулем.

№3. Хорошие калькуляторы

Многие онлайн-калькуляторы могут помочь вам решить проблемы с процентной ошибкой. Из них одним из самых удобных является Хорошие калькуляторы. В этом калькуляторе вы просто вводите оценочное и исходное значение, и он автоматически выдает результаты.

Это избавит вас от хлопот, связанных с выполнением обширных вычислений, и сбережет ваше время. Вы можете быстро решить комплексные расчеты за считанные секунды и сэкономить много времени.

Таким образом, калькулятор идеально подходит для расчета процентной ошибки, когда у вас есть под рукой обширные данные, но у вас мало времени.

Вывод

Ошибки в расчетах могут полностью испортить любой проект или исследование. Здесь вы можете воспользоваться помощью онлайн-калькуляторов процентных ошибок, чтобы выполнить работу более эффективно и без человеческих ошибок.

Если вы занимаетесь финансами, вы можете взглянуть на некоторые из этих калькуляторов процента прибыли.

Стандартная ошибка или, как часто называют, ошибка средней арифметической, является одним из важных статистических показателей. С помощью данного показателя можно определить неоднородность выборки. Он также довольно важен при прогнозировании. Давайте узнаем, какими способами можно рассчитать величину стандартной ошибки с помощью инструментов Microsoft Excel.

Расчет ошибки средней арифметической

Одним из показателей, которые характеризуют цельность и однородность выборки, является стандартная ошибка. Эта величина представляет собой корень квадратный из дисперсии. Сама дисперсия является средним квадратном от средней арифметической. Средняя арифметическая вычисляется делением суммарной величины объектов выборки на их общее количество.

В Экселе существуют два способа вычисления стандартной ошибки: используя набор функций и при помощи инструментов Пакета анализа. Давайте подробно рассмотрим каждый из этих вариантов.

Способ 1: расчет с помощью комбинации функций

Прежде всего, давайте составим алгоритм действий на конкретном примере по расчету ошибки средней арифметической, используя для этих целей комбинацию функций. Для выполнения задачи нам понадобятся операторы СТАНДОТКЛОН.В, КОРЕНЬ и СЧЁТ.

Для примера нами будет использована выборка из двенадцати чисел, представленных в таблице.

1. Выделяем ячейку, в которой будет выводиться итоговое значение стандартной ошибки, и клацаем по иконке «Вставить функцию».



2. Открывается Мастер функций. Производим перемещение в блок «Статистические». В представленном перечне наименований выбираем название «СТАНДОТКЛОН.В».



3. Запускается окно аргументов вышеуказанного оператора. СТАНДОТКЛОН.В предназначен для оценивания стандартного отклонения при выборке. Данный оператор имеет следующий синтаксис:

   =СТАНДОТКЛОН.В(число1;число2;…)

   «Число1» и последующие аргументы являются числовыми значениями или ссылками на ячейки и диапазоны листа, в которых они расположены. Всего может насчитываться до 255 аргументов этого типа. Обязательным является только первый аргумент.

   Итак, устанавливаем курсор в поле «Число1». Далее, обязательно произведя зажим левой кнопки мыши, выделяем курсором весь диапазон выборки на листе. Координаты данного массива тут же отображаются в поле окна. После этого клацаем по кнопке «OK».



4. В ячейку на листе выводится результат расчета оператора СТАНДОТКЛОН.В. Но это ещё не ошибка средней арифметической. Для того, чтобы получить искомое значение, нужно стандартное отклонение разделить на квадратный корень от количества элементов выборки. Для того, чтобы продолжить вычисления, выделяем ячейку, содержащую функцию СТАНДОТКЛОН.В. После этого устанавливаем курсор в строку формул и дописываем после уже существующего выражения знак деления (/). Вслед за этим клацаем по пиктограмме перевернутого вниз углом треугольника, которая располагается слева от строки формул. Открывается список недавно использованных функций. Если вы в нем найдете наименование оператора «КОРЕНЬ», то переходите по данному наименованию. В обратном случае жмите по пункту «Другие функции…».



5. Снова происходит запуск Мастера функций. На этот раз нам следует посетить категорию «Математические». В представленном перечне выделяем название «КОРЕНЬ» и жмем на кнопку «OK».



6. Открывается окно аргументов функции КОРЕНЬ. Единственной задачей данного оператора является вычисление квадратного корня из заданного числа. Его синтаксис предельно простой:

   =КОРЕНЬ(число)

   

   Как видим, функция имеет всего один аргумент «Число». Он может быть представлен числовым значением, ссылкой на ячейку, в которой оно содержится или другой функцией, вычисляющей это число. Последний вариант как раз и будет представлен в нашем примере.

   Устанавливаем курсор в поле «Число» и кликаем по знакомому нам треугольнику, который вызывает список последних использованных функций. Ищем в нем наименование «СЧЁТ». Если находим, то кликаем по нему. В обратном случае, опять же, переходим по наименованию «Другие функции…».



7. В раскрывшемся окне Мастера функций производим перемещение в группу «Статистические». Там выделяем наименование «СЧЁТ» и выполняем клик по кнопке «OK».



8. Запускается окно аргументов функции СЧЁТ. Указанный оператор предназначен для вычисления количества ячеек, которые заполнены числовыми значениями. В нашем случае он будет подсчитывать количество элементов выборки и сообщать результат «материнскому» оператору КОРЕНЬ. Синтаксис функции следующий:

   =СЧЁТ(значение1;значение2;…)

   В качестве аргументов «Значение», которых может насчитываться до 255 штук, выступают ссылки на диапазоны ячеек. Ставим курсор в поле «Значение1», зажимаем левую кнопку мыши и выделяем весь диапазон выборки. После того, как его координаты отобразились в поле, жмем на кнопку «OK».



9. После выполнения последнего действия будет не только рассчитано количество ячеек заполненных числами, но и вычислена ошибка средней арифметической, так как это был последний штрих в работе над данной формулой. Величина стандартной ошибки выведена в ту ячейку, где размещена сложная формула, общий вид которой в нашем случае следующий:

   =СТАНДОТКЛОН.В(B2:B13)/КОРЕНЬ(СЧЁТ(B2:B13))

   Результат вычисления ошибки средней арифметической составил 0,505793. Запомним это число и сравним с тем, которое получим при решении поставленной задачи следующим способом.

Но дело в том, что для малых выборок (до 30 единиц) для большей точности лучше применять немного измененную формулу. В ней величина стандартного отклонения делится не на квадратный корень от количества элементов выборки, а на квадратный корень от количества элементов выборки минус один. Таким образом, с учетом нюансов малой выборки наша формула приобретет следующий вид:

=СТАНДОТКЛОН.В(B2:B13)/КОРЕНЬ(СЧЁТ(B2:B13)-1)

Урок: Статистические функции в Экселе

Способ 2: применение инструмента «Описательная статистика»

Вторым вариантом, с помощью которого можно вычислить стандартную ошибку в Экселе, является применение инструмента «Описательная статистика», входящего в набор инструментов «Анализ данных» («Пакет анализа»). «Описательная статистика» проводит комплексный анализ выборки по различным критериям. Одним из них как раз и является нахождение ошибки средней арифметической.

Но чтобы воспользоваться данной возможностью, нужно сразу активировать «Пакет анализа», так как по умолчанию в Экселе он отключен.

1. После того, как открыт документ с выборкой, переходим во вкладку «Файл».



2. Далее, воспользовавшись левым вертикальным меню, перемещаемся через его пункт в раздел «Параметры».



3. Запускается окно параметров Эксель. В левой части данного окна размещено меню, через которое перемещаемся в подраздел «Надстройки».



4. В самой нижней части появившегося окна расположено поле «Управление». Выставляем в нем параметр «Надстройки Excel» и жмем на кнопку «Перейти…» справа от него.



5. Запускается окно надстроек с перечнем доступных скриптов. Отмечаем галочкой наименование «Пакет анализа» и щелкаем по кнопке «OK» в правой части окошка.



6. После выполнения последнего действия на ленте появится новая группа инструментов, которая имеет наименование «Анализ». Чтобы перейти к ней, щелкаем по названию вкладки «Данные».



7. После перехода жмем на кнопку «Анализ данных» в блоке инструментов «Анализ», который расположен в самом конце ленты.



8. Запускается окошко выбора инструмента анализа. Выделяем наименование «Описательная статистика» и жмем на кнопку «OK» справа.



9. Запускается окно настроек инструмента комплексного статистического анализа «Описательная статистика».

   В поле «Входной интервал» необходимо указать диапазон ячеек таблицы, в которых находится анализируемая выборка. Вручную это делать неудобно, хотя и можно, поэтому ставим курсор в указанное поле и при зажатой левой кнопке мыши выделяем соответствующий массив данных на листе. Его координаты тут же отобразятся в поле окна.

   В блоке «Группирование» оставляем настройки по умолчанию. То есть, переключатель должен стоять около пункта «По столбцам». Если это не так, то его следует переставить.

   Галочку «Метки в первой строке» можно не устанавливать. Для решения нашего вопроса это не важно.

   Далее переходим к блоку настроек «Параметры вывода». Здесь следует указать, куда именно будет выводиться результат расчета инструмента «Описательная статистика»:

   • На новый лист;
   • В новую книгу (другой файл);
   • В указанный диапазон текущего листа.

   Давайте выберем последний из этих вариантов. Для этого переставляем переключатель в позицию «Выходной интервал» и устанавливаем курсор в поле напротив данного параметра. После этого клацаем на листе по ячейке, которая станет верхним левым элементом массива вывода данных. Её координаты должны отобразиться в поле, в котором мы до этого устанавливали курсор.

   Далее следует блок настроек определяющий, какие именно данные нужно вводить:

   • Итоговая статистика;
   • К-ый наибольший;
   • К-ый наименьший;
   • Уровень надежности.

   Для определения стандартной ошибки обязательно нужно установить галочку около параметра «Итоговая статистика». Напротив остальных пунктов выставляем галочки на свое усмотрение. На решение нашей основной задачи это никак не повлияет.

   После того, как все настройки в окне «Описательная статистика» установлены, щелкаем по кнопке «OK» в его правой части.



10. После этого инструмент «Описательная статистика» выводит результаты обработки выборки на текущий лист. Как видим, это довольно много разноплановых статистических показателей, но среди них есть и нужный нам – «Стандартная ошибка». Он равен числу 0,505793. Это в точности тот же результат, который мы достигли путем применения сложной формулы при описании предыдущего способа.

Урок: Описательная статистика в Экселе

Как видим, в Экселе можно произвести расчет стандартной ошибки двумя способами: применив набор функций и воспользовавшись инструментом пакета анализа «Описательная статистика». Итоговый результат будет абсолютно одинаковый. Поэтому выбор метода зависит от удобства пользователя и поставленной конкретной задачи. Например, если ошибка средней арифметической является только одним из многих статистических показателей выборки, которые нужно рассчитать, то удобнее воспользоваться инструментом «Описательная статистика». Но если вам нужно вычислить исключительно этот показатель, то во избежание нагромождения лишних данных лучше прибегнуть к сложной формуле. В этом случае результат расчета уместится в одной ячейке листа.