Значение доверительной вероятности как найти - Исправление недочетов и поиск решений вместе с Examum.ru

Доверительный интервал и доверительная вероятность (классическая оценка)

Доверительным
называют интервал ()
, который с заданной доверительной
вероятностью δ содержит истинное
значение Х₀
искомой величина; ()
и ()
являются доверительными границами
интервала. При этом обычно задаются
стандартными значениями доверительной
вероятности 0,9; 0,95; 0.99; 0,999.

Доверительной
вероятностью называют вероятность δ
того,
что истинное значение Х₀
измеряемой величины содержится внутри
заданного доверительного интервала
().
При этом δ выражают либо в долях единицы
(доверительная вероятность), либо в
процентах (надежность).

В
классической теории ошибок неизвестные
σ и
заменяют их приближенными значениямии;
вычисленными из опытных данных по
формулам (34) и (35). Доверительную вероятность
и доверительный интервал определяют
по табл.1 интеграла вероятностей согласно
уравнению (27). полагая

(36)

При
этом результат измерений принято
записывать в краткой символической
форме:

(37)

Эту
запись следует понимать в том смысле,
что истинное значение Х₀
с заданной вероятностью δ находится
внутри доверительного интервала ().

Классическим
методом оценки точности результата
измерений можно пользоваться лишь при
выборке с большим числом (20)
измерений.

Выборочной метод

В
классическом методе для нахождения
границ доверительного интервала
при заданной надежности δ или наоборот,
для определения δ по заданному ΔХ
необходимо знать точное значение
дисперсии σ²
генеральной совокупности измерений.
Из опытных данных нам известна лишь
дисперсия
случайной выборки из этой генеральной
совокупности. А так как рассеяние
результатов относительно средней
арифметическойвсегда меньше рассеяния относительно
истинного значения Х₀,
то

Если
мы для оценки доверительного интервала
или доверительной вероятности
воспользуемся табл.2 интеграла
вероятностей, полагая
при малом числе измеренийп,
то найдем неверные значения ΔХ (заниженные)
и δ (завышенные). В этом заключается
недостаток классического метода оценки
точности результата измерений.

Оказывается,
что и при неизвестной дисперсии σ^г
можно дать точную оценку приближенного
равенства Хр
,
если исходить не из распределения
величины,
а из распределения другой случайной
величины

(38)

Распределение
случайной величины t_δ₍_n₎
получил английский химик и математик
В.С. Госсет, публиковавший свои работы
под псевдонимом «Стьюдент» (студент).
Плотность вероятности распределения
Стьюдента имеет вид:

(39)

где
Г (n)
— гамма функция Эйлера, являющаяся
обобщением понятия факториала.

На
рис.5 приведены графика распределения
Стьюдента для разных значений п.
При
распределение (39) переходит в распределение
Гаусса (23) и единичной дисперсией.

Распределение
Стьюдента. аналогично распределению
Гаусса, позволяет производить оценку
точности результата измерений согласно
выражению

(40)

Только
.теперь вместо
вводится коэффициент Стьюдентазависящий от числа измеренийn
и величины надежности δ .

Рис.
5

Для
коэффициентов Стьюдента составлены
подробные таблицы. Ниже приводится
небольшая часть из них.

Таблица
2

Соседние файлы в папке МЕХАНИКА

#
12.03.20151.05 Mб276BAZA.XLS
#
#
#
#
#
#
#

Источник

Содержание

Доверительная вероятность и доверительный интервал.
Доверительный интервал — формула и примеры определения вероятности
Общая схема построения
Точный интервал
Асимптотическое приближение
Доверительная вероятность. Доверительный интервал.

Доверительная вероятность и доверительный интервал.

Вероятность того, что истинное значение измеряемой величины лежит внутри некоторого интервала, называется доверительной вероятностью, или коэффициентом надежности,а сам интервал — доверительным интервалом.

на так называемый коэффициент Стьюдента. Коэффициенты Стьюдента для ряда значений и n приведены в таблице.

Число измерений n	Доверительная вероятность y
0,67	0,90	0,95	0,99
2,0	6,3	12,7	63,7
1,3	2,4	3,2	5,8
1,2	2,1	2,8	4,6
1,2	2,0	2,6	4,0
1,1	1,8	2,3	3,3
1,0	1,7	2,0	2,6

Окончательно, для измеряемой величины y при заданной доверительной вероятности y и числе измерений n получается условие

Величину мы будем называть случайной погрешностьювеличины y.

Пример: см. лекцию №5 – ряд чисел.

При числе измерений – 45 и доверительной вероятности – 0,95 получим, что коэффициент Стьюдента приблизительно равен 2,15. Тогда доверительный интервал для данного ряда измерений равен 62,6.

Источником грубых погрешностей нередко бывают резкие изменения условий измерения и ошибки, допущенные оператором:

— неправильный отсчет по шкале измерительного прибора, происходящий из-за неверного учета цены малых делений шкалы;

— неправильная запись результата наблюдений, значений отдельных мер использованного набора, например, гирь;

— хаотические изменения параметров напряжения, питающего средства измерения, например, его амплитуды или частоты.

Источник

Доверительный интервал — формула и примеры определения вероятности

В математической статистике при анализе и систематизации различных данных для подведения практических выводов часто используют метод доверительных интервалов. С его помощью выполняют определённую выборку среднего или доли с учётом стандартной ошибки. Благодаря этому достоверность вероятности увеличивается, так как оценка расширяется в обе стороны от исследуемой величины.

Общая схема построения

По сути, метод основан на модели классической математической статистики, подразумевающей бесконечно возможные выборки в генеральной совокупности. Пусть имеется главная выборка эпсилон с функцией распределения известной до некого параметра тау (Fe (x, τ)). Из этой генеральной совокупности получена выборка объёмом эн, включающая диапазон от x1 до xn. Этот параметр можно считать одномерным и принадлежащим диапазону от τ до R. Математически такое положение описывают как τ є T c R.

Если предположить, что для некоторого интервала йод, лежащего от нуля до единицы, существуют статистики S-(X|n|, J) и S+(X|n|, J), при этом им соответствует неравенство P< S-(X|n|, J) Свойство статистики и распределения

Таким образом, определить доверительную вероятность попадания тэта в интервал от S- до S+ можно от значения обратной функции в точках, равняющихся квантили статистики игрек порядка j/2 и 1 — j/2. При этом когда рассматриваемая функция монотонно убывает, знаки в неравенстве меняются на противоположные.

Пользуясь общим подходом расчёта доверительных интервалов, можно посчитать вероятность для нормальной генеральной совокупности, опираясь на ряд утверждений. Пусть известна выборка X|n,| взятая из совокупности E

N (j, ς 2 ), то есть имеющей нормальный закон распределения с математическим ожиданием j и дисперсией сигма в квадрате. Для такого состояния справедливо следующее:

Точный интервал

Существует ряд правил, позволяющих построить точные интервалы для математического ожидания и дисперсии нормально распределённой случайной величины. Есть два случая — при одном дисперсия может быть известной, а при другом нет. Следует обратить внимание, что точная доверительная вероятность строится с помощью общей схемы. Используют следующие правила для предоставления точных прогнозов:

Асимптотическое приближение

Однако не всегда можно рассчитать точный доверительный интервал. В этом случае строится приближённая вероятность — асимптотическая. Пусть для некоторого j Є (0,1) существует набор статистик S-(X|n|, j) и S-(X|n|, j), причём такие, что lim P< S-(X|n|, j) Примеры решения задач

Отсюда получают оценку: p = m / n. Теперь нужно убедиться, что p максимизирует функцию правдоподобия. То есть d2LnL / dp2 = — m / p2 — (n — m) / (1 — p)2 Использование онлайн-калькулятора

На практике довольно часто вычислить доверительную область не так уж и просто. Всё дело в том, что высокая вероятность часто находится в выборке большого объёма, поэтому приходится выполнять громоздкие вычисления. Учитывая, что доверительная вероятность определяет точность полученных результатов, другими словами, показывает, с какой вероятностью неправильное решение попадает в найденный интервал, обычно используют процент выборки от 95 до 99,9%.

Для высокой точности получения диапазона как раз и используют сервисы, которые в последнее время начали называться онлайн-калькуляторами. Это специализированные сайты, умеющие в автоматическом режиме решать различные математические задания. Особенность этих сайтов в том, что они предоставляют услуги бесплатно, при этом от их пользователей не требуется никаких знаний.

Всё что им нужно — это ввести в пролагаемую форму данные и нажать кнопку «Рассчитать». Система автоматически вычислит ответ и выведет его на экран. Из наиболее популярных можно отметить следующие сервисы:

Они доступны на русском языке, их интерфейс интуитивно понятен, поэтому воспользоваться их услугами сможет любой заинтересованный, имеющий доступ к интернету. Автоматический расчёт занимает буквально секунды, что составляет существенную разность по сравнению с затратой времени при самостоятельном вычислении.

Источник

Доверительная вероятность. Доверительный интервал.

Δr – доверительный интервал

Интервал значений случайной величины внутри которого с заданной вероятностью находится истинное значение измеряемой величины, называется доверительны интервалом, а соответствующая ей вероятность – доверительной вероятностью (Pд)

В соответствии со стандартом, принимают 4 градации доверительной вероятности

Рд	0.9	0.95	0.975	0.99
q	0.1	0.05	0.025	0.01

q – уровень значимости результата.

0,9;0,1 – для оценочных расчетов

0,95;0,05 – для технически расчетов

0,975 – для точных технических расчетов

0,99 – для особо ответственных расчетов

19. Статистические методы исключения грубых промахов.

Методика применяется к многократным измерениям

Оценка грубых промахов реш. методом мат. статистики.

Суть метода: выдвигается нулевая гипотеза, что сомнительных результат принадлежит к совокупности измерений, а затем пользуясь статистическими критериями опровергают данную гипотезу, и результат отбрасывается.

Методы подбора критериев:

1) Критерий позволяет отбросить результат резко отличающийся от среднего арифметического

— Критерий Гребса

Z_Г(n,q) = f(q,n)– теор. знач. критер. Греббса

q – уровень значимости

К_Г>Z_Г – результат отбрасывается

Формулу f(q,n) придумал Гребс для больших n, Шарле и Шавене для малых

2) Критерий позволяет отбросить результат резко отличающийся от соседних результатов

— для n-ой точки

— для 1-ой точки

Если К_Δ>Z_Δ, то результат отбрасывается

20. Статистические методы исключения систематических погрешностей.

Есть случайные и систематические составляющие. Сначала надо определить есть ли систематическая составляющая

Критерий для оценки наличия систематической прогрессирующей погрешности (критерий Аббе)

Но это всё определяется не точно на 100%, а с некоторой доверительной вероятностью

Метод наименьших квадратов (исключение систематической составляющей)

Нужно, чтобы сумма квадратов разности была минимальной

21. Методика оценки погрешности при прямых измерениях с однократным наблюдением.

Для оценки точности при однократных измерениях надо иметь информацию об измерительном средстве, о методе измерения, об условиях измерения и об опыте оператора.

Расчёт погрешности на основе допустимых предельных погрешностей, без учёта разбиения погрешности на случайную и систематическую составляющие.

В основе методики – принцип наихудшего случая, т.е. что погрешность носит систематический характер и имеет один знак.

Методика даёт завышенный, но надёжный результат с вероятностью ≈ 1

Расчёт погрешности с учётом систематической и случайной составляющей

K – коэффициент, зависящий от уровня значимости результата и числа n.

n – число измерений

r – число интервалов

23. Правила округлений результатов измерений.

1) Погрешность результатов измерений указывается 2-мя значащими цифрами, если первая из них 1 или 2 и одной цифрой в остальных случаях.

2) Результат измерения округляют до того же десятичного знака, кот. оканчивается округленное значение абс. погрешности.

24. Средства измерений. Их классификация.

Средства измерений – техническое устройство предназначенное для измерений, имеющее нормированные метрологические характеристики воспроизвод. и хранящее ед. физ. вел, размер кот. принимается неизменным в теч. известного интервала времени.

1.по метролог. назначению

-метролог.(для работы метролог. служб)

2.по конструктивному исполнению

Мера – средство измерения, предназначенное для хранения и воспроизведения размера физ. вел.

Измерительный преобразователь – средство измерения, предназначенное для получения значения измеряемой величины в сигнал, удобный для передачи, хранения, обработки.

Он может быть отдельным прибором, тогда это датчик, но чаще он встроен в измерительный прибор

Измерительный прибор – средство измерения, предназначенное для измерения в заданном диапазоне, имеющее нормированные метролог. характеристики.

Измерительные системы – совокупность средств измерений и вычислительных средств, объединённых в единую систему.

3.по уровню автоматизации

ГОСТ дел. все приборы на 20 групп

М – измерит. мощности

У – измерит. усилители

Ц – комбинированные приборы

25. Основные метрологические характеристики электро-радиоизмерительных приборов.

Метрологическая хар-ка – это свойство средства измерения, влияющая на погрешность измерения.

1)Погрешность измеряемого средства

2)Диапазон показаний и измерений

Диапазон измерений – часть диапазона показаний, где обеспечивается нормированная точность.

3)Предел измерений – наим. и наиб. значение диапазона измерений

4)Градуированная характеристика – зависимость измерения показаний от измеряемой величины.

5)Чувствительность измерит. прибора- отношение измеренного сигнала на выходе к вызывающему его входному сигналу.

6)Разрешающая способность – min изменение входного сигнала, кот. различимо по показанию прибора

7)Быстродействие – число измерений в ед. времени

8)Внутреннее сопротивление (для приборов подключённых последовательно)

9)Входное сопротивление прибора (для приборов подключённых ||)

Может быть активным и реактивным

10)Вариация показаний – разница, показаний при плавном подходе к измеряемой точке при изменении измеряемой вел (Гистерезис). Характерно для динамических измерений

11)Мощность потребляемая от измерительной цепи

Она должна стремиться к 0.

26. Нормирование инструментальной погрешности

Нормировать можно в формах:

Основная и дополнительная погрешности нормируются отдельно

Типовые метрологические характеристики:

Обычно нормирование производится первой партии выпускаемых приборов (испытание на точность)

Измерение производятся в нормальных условиях

Измерения повторить для точек диапазона и некоторых точек в диапазоне.

Дополнительная погрешность измеряется так же, как и основная, но измеряются условия измерения (по каждому параметру измеряется отдельно)

27. Классы точности средств измерений.

Класс точности прибора- это основная метрологическая характеристика.

Класс точности количественно выражается в форме предела допустимой абс., относит. или приведенной погрешности.

Для радиоизмерит. приборов класс точности выражается пределом относит. или приведенной погрешности. Формулу для расчета погрешности приводят в паспорте на прибор. Используются одночленные формулы (погрешность имеет аддитивную составляющую) и двучленные (аддитивная составл. + мультипликативная)

28. Измерение напряжения и других параметров электрической цепи. Измеряемые значения переменного напряжения.

Напряжения и токи могут быть постоянными и переменными. При измерении постоянного напряжения прибор будет указывать на его действительное значение. При измерении переменного напряжения в зависимости от применяемого прибора для измерений может быть получена одна из следующих величин:

-амплитудное значение переменного напряжения,

-среднеквадратичное значение (действительное значение).

Мгновенное значение напряжения переменного тока является функцией времени и определяется следующей формулой:

Где:

ω- круговая частота,

Среднее значение напряжения определяется по формуле:

Для симметричного синусоидального переменного (гармонического) напряжения это значение будет равно нулю. Поэтому для оценки гармонического переменного напряжения эта характеристика не применяется. Она может быть применена для выделения постоянной составляющей негармонического переменного напряжения.

Средневыпрямленное значение напряжения определяется по формуле:

Выпрямление может быть однополупериодное и двухполупериодное. При однополупериодном выпрямлении в формулу ( 3 ) надо добавить коэффициент 0,5.

Среднеквадратичное значение напряжения определяется по формуле:

ния называют также действующим значением переменного напряжения или тока.

Амплитудное, средневыпрямленное и среднеквадратичное значения напряжения связаны между собой коэффициентами амплитуды и формы.

Для гармонического напряжения Ка = 1,41, а Кф =1,11. То есть различные значения напряжения для гармонического сигнала связаны соотношениями:

29. Приборы для измерения напряжения и других параметров электрической цепи.

Измерение напряжения – наиболее популярный способ измерения так как :

1) Напряжение наиболее полно характеризует режим работы электрической схемы

2) При измерении напряжения не необходимости разрыва электрической цепи

3) Измеряя напряжение, косвенным методом можно измерить другие параметры (I,R)

Токи и напряжение могут быть постоянными и переменными. Когда напряжение постоянное, то прибор показывает его действующее значение, когда переменное – прибор может измерять разные значения. В этом случае надо знать какой прибор как работает

— мгновенное значение напряжения

Характеристики переменного напряжения :

1) Амплитудное значение

2) Среднее значение

4) Действующее значение среднеквадратичное

Для гармонического сигнала Uср в = 0,637 Um

Для оценки формы сигнала:

Коэффициент амплитуды : Ка = Um / U =1,41

Коэффициент формы : Кф = U/ Uср в = 1,11

Классификация приборов для измерения напряжения

По виду измеряемого параметра приборы могут быть:

-измерители ёмкости, индуктивности

Если прибор измеряет несколько параметров он называется мультиметром

Все измеряющие приборы

Электромагнитные приборы относятся к приборам непосредственной оценки. Обычно в таких приборах электрическая энергия преобразуется в механическую энергии. (?в част.? Во вращательное движение стрелочного механизма)

Они строятся по следующим измерительным схемам: машинно-электрическая, электромагнитная, электростатичесая, электродинамическая, магнитноэлектрическая

Высокая точность, высокая чувствительность (класс 0,1; 0,5)

Все остальные измеряемые системы более грубые

Используется для точных механических приборов

Недостатки: Большое потребление энергии от источника

Электростатические системы используются для высокочастотных измерений (используется конденсатор)

Электродинамические системы потребляют много энергии, для измерителей мощности, счётчиков электрической энергии

Электронноаналоговые приборы – используются те же принципы как и в электромеханических

Основной недостаток электрических систем – большое ….

Потребление мощности от измеряемой цепи, что ведет к методической погрешности

Треугольник-усилитель переменного напряжения

УПТ-усилитель постоянного тока

Достоинство: за счет усилителей данный прибор не отнимает энергию от измеряемой цепи. Имеет высокую чувствительность и точность. В основном используется для измерения малых величин.

Цифровые приборы:

ЦОУ-цифровое отсчетное устройство

30. Осциллографы. Назначение и классификация осциллографов.

Для измерения параметров динамических сигналов используют специальные приборы. Для детерминированных сигналов используют осциллографы, для случайных сигналов –измерители параметров случайных сигналов. (Измерение математического ожидания, дисперсии, среднего квадратичного отклонения, корреляционных характеристик и др.).

Электронный осциллограф предназначен для визуального отображения формы и приближенного измерения параметров периодических сигналов сложной формы.

Наряду с тестерами, цифровыми вольтметрами и импульсными генераторами осциллографы являются наиболее распространенными измерительными приборами и очень широко применяются на всех стадиях проектирования, производства и обслуживания ЭВМ.

Осциллограф позволяет получить на экране электронно-лучевой трубки график одного или нескольких периодов входного сигнала в координатах «время – напряжение», т.е. график функции y=f(t). Пример такого графика показан на рис.

1. Универсальные О. 100МГц

2. Стробоскопические О. – Они используются для измерения высокочастотных сигналов, либо кратковременных повторений сигналов до 10МГц работ.

3. Запоминающие О. для исследования однократных, редко повторяющихся процессов.

4. Специальные О. – О. Целевого назначения, снятие видеосигнала; для переходных процессов.

2) многоканальные (2,4…)

Осциллографы делятся по исполнению:

1) аналоговые на ЭЛТ

2) цифровые с использованием матричных экранов

3) виртуальные приборы

31. Назначение и классификация измерительных генераторов.

Измерительные генераторы подразделяются на несколько групп (см. рис. 2.1).

Наиболее распространенными являются генераторы звуковой частоты ГЗ, высокой частоты Г4, прямоугольных импульсов Г5, качающейся частоты Г2.

Источник сигналов разнообразных форм и частот, предназначенные для регулирования, настройки и измерений в электронных схемах.

Они должны обладать:

1) возможностью регулировки выходных параметров

2) высокую стабильность

3) стандартные средства связи с др. измерительными устройствами

В зависимости от формы сигнала, генераторы делятся:

— генератор сигналов произвольной формы

— генератор случайных сигналов

— генератор стандартной частоты

По принципу пострения:

Практические рекомендации по работе с измерительными генераторами сводятся к следующему:

а) перед подключением генератора к нагрузке следует убедиться, что её сопротивление не меньше, чем минимально-допустимое по «Техническое описанию»,

б) соединять выход генератора с нагрузкой следует только входящими в комплект коаксиальными радиочастотными кабелями,

в) генераторы импульсов обеспечивают гарантированную по «Техническому описанию» форму только при работе на согласованную нагрузку.

г) прежде чем устанавливать длительность импульса и его задержку, необходимо приближенно вычислить длительность периода».

32. Измерение частоты и интервалов времени.

Что вызывает тренды на фондовых и товарных рынках Объяснение теории грузового поезда Первые 17 лет моих рыночных исследований сводились к попыткам вычислить, когда этот.

Что способствует осуществлению желаний? Стопроцентная, непоколебимая уверенность в своем.

ЧТО И КАК ПИСАЛИ О МОДЕ В ЖУРНАЛАХ НАЧАЛА XX ВЕКА Первый номер журнала «Аполлон» за 1909 г. начинался, по сути, с программного заявления редакции журнала.

ЧТО ТАКОЕ УВЕРЕННОЕ ПОВЕДЕНИЕ В МЕЖЛИЧНОСТНЫХ ОТНОШЕНИЯХ? Исторически существует три основных модели различий, существующих между.

Не нашли то, что искали? Воспользуйтесь поиском гугл на сайте:

Источник

Результат любого измерения не определён однозначно и имеет случайную составляющую.
Поэтому адекватным языком для описания погрешностей является язык вероятностей.
Тот факт, что значение некоторой величины «случайно», не означает, что
она может принимать совершенно произвольные значения. Ясно, что частоты, с которыми
возникает те или иные значения, различны. Вероятностные законы, которым
подчиняются случайные величины, называют распределениями.

2.1 Случайная величина

Случайной будем называть величину, значение которой не может быть достоверно определено экспериментатором. Чаще всего подразумевается, что случайная величина будет изменяться при многократном повторении одного и того же эксперимента. При интерпретации результатов измерений в физических экспериментах, обычно случайными также считаются величины, значение которых является фиксированным, но не известно экспериментатору. Например смещение нуля шкалы прибора. Для формализации работы со случайными величинами используют понятие вероятности. Численное значение вероятности того, что какая-то величина примет то или иное значение определяется либо как относительная частота наблюдения того или иного значения при повторении опыта большое количество раз, либо как оценка на основе данных других экспериментов.

Замечание.
Хотя понятия вероятности и случайной величины являются основополагающими, в литературе нет единства в их определении. Обсуждение формальных тонкостей или построение строгой теории лежит за пределами данного пособия. Поэтому на начальном этапе лучше использовать «интуитивное» понимание этих сущностей. Заинтересованным читателям рекомендуем обратиться к специальной литературе: [5].

Рассмотрим случайную физическую величину x, которая при измерениях может
принимать непрерывный набор значений. Пусть
P[x0,x0+δ⁢x] — вероятность того, что результат окажется вблизи
некоторой точки x0 в пределах интервала δ⁢x: x∈[x0,x0+δ⁢x].
Устремим интервал
δ⁢x к нулю. Нетрудно понять, что вероятность попасть в этот интервал
также будет стремиться к нулю. Однако отношение
w⁢(x0)=P[x0,x0+δ⁢x]δ⁢x будет оставаться конечным.
Функцию w⁢(x) называют плотностью распределения вероятности или кратко
распределением непрерывной случайной величины x.

Замечание. В математической литературе распределением часто называют не функцию
w⁢(x), а её интеграл W⁢(x)=∫w⁢(x)⁢𝑑x. Такую функцию в физике принято
называть интегральным или кумулятивным распределением. В англоязычной литературе
для этих функций принято использовать сокращения:
pdf (probability distribution function) и
cdf (cumulative distribution function)
соответственно.

Гистограммы.

Проиллюстрируем наглядно понятие плотности распределения. Результат
большого числа измерений случайной величины удобно представить с помощью
специального типа графика — гистограммы.
Для этого область значений x, размещённую на оси абсцисс, разобьём на
равные малые интервалы — «корзины» или «бины» (англ. bins)
некоторого размера h. По оси ординат будем откладывать долю измерений w,
результаты которых попадают в соответствующую корзину. А именно,
пусть k — номер корзины; nk — число измерений, попавших
в диапазон x∈[k⁢h,(k+1)⁢h]. Тогда на графике изобразим «столбик»
шириной h и высотой wk=nk/n.
В результате получим картину, подобную изображённой на рис. 2.1.

Рис. 2.1: Пример гистограммы для нормального распределения (x¯=10,
σ=1,0, h=0,1, n=104)

Высоты построенных столбиков будут приближённо соответствовать значению
плотности распределения w⁢(x) вблизи соответствующей точки x.
Если устремить число измерений к бесконечности (n→∞), а ширину корзин
к нулю (h→0), то огибающая гистограммы будет стремиться к некоторой
непрерывной функции w⁢(x).

Самые высокие столбики гистограммы будут группироваться вблизи максимума
функции w⁢(x) — это наиболее вероятное значение случайной величины.
Если отклонения в положительную и отрицательную стороны равновероятны,
то гистограмма будет симметрична — в таком случае среднее значение ⟨x⟩
также будет лежать вблизи этого максимума. Ширина гистограммы будет характеризовать разброс
значений случайной величины — по порядку величины
она, как правило, близка к среднеквадратичному отклонению sx.

Свойства распределений.

Из определения функции w⁢(x) следует, что вероятность получить в результате
эксперимента величину x в диапазоне от a до b
можно найти, вычислив интеграл:

Px∈[a,b]=∫abw⁢(x)⁢𝑑x.

(2.1)

Согласно определению вероятности, сумма вероятностей для всех возможных случаев
всегда равна единице. Поэтому интеграл распределения w⁢(x) по всей области
значений x (то есть суммарная площадь под графиком w⁢(x)) равен единице:

Это соотношение называют условием нормировки.

Среднее и дисперсия.

Вычислим среднее по построенной гистограмме. Если размер корзин
h достаточно мал, все измерения в пределах одной корзины можно считать примерно
одинаковыми. Тогда среднее арифметическое всех результатов можно вычислить как

Переходя к пределу, получим следующее определение среднего значения
случайной величины:

где интегрирование ведётся по всей области значений x.
В теории вероятностей x¯ также называют математическим ожиданием
распределения.
Величину

σ2=(x-x¯)2¯=∫(x-x¯)2⁢w⁢𝑑x

(2.3)

называют дисперсией распределения. Значение σ есть
срекднеквадратичное отклонение в пределе n→∞. Оно имеет ту
же размерность, что и сама величина x и характеризует разброс распределения.
Именно эту величину, как правило, приводят как характеристику погрешности
измерения x.

Доверительный интервал.

Обозначим как P|Δ⁢x|<δ вероятность
того, что отклонение от среднего Δ⁢x=x-x¯ составит величину,
не превосходящую по модулю значение δ:

P|Δ⁢x|<δ=∫x¯-δx¯+δw⁢(x)⁢𝑑x.

(2.4)

Эту величину называют доверительной вероятностью для
доверительного интервала |x-x¯|≤δ.

2.2 Нормальное распределение

Одним из наиболее примечательных результатов теории вероятностей является
так называемая центральная предельная теорема. Она утверждает,
что сумма большого количества независимых случайных слагаемых, каждое
из которых вносит в эту сумму относительно малый вклад, подчиняется
универсальному закону, не зависимо от того, каким вероятностным законам
подчиняются её составляющие, — так называемому нормальному
распределению (или распределению Гаусса).

Доказательство теоремы довольно громоздко и мы его не приводим (его можно найти
в любом учебнике по теории вероятностей). Остановимся
кратко на том, что такое нормальное распределение и его основных свойствах.

Плотность нормального распределения выражается следующей формулой:

w𝒩⁢(x)=12⁢π⁢σ⁢e-(x-x¯)22⁢σ2.

(2.5)

Здесь x¯ и σ
— параметры нормального распределения: x¯ равно
среднему значению x, a σ —
среднеквадратичному отклонению, вычисленным в пределе n→∞.

Как видно из рис. 2.1, распределение представляет собой
симметричный
«колокол», положение вершины которого
соответствует x¯ (ввиду симметрии оно же
совпадает с наиболее вероятным значением — максимумом
функции w𝒩⁢(x)).

При значительном отклонении x от среднего величина
w𝒩⁢(x)
очень быстро убывает. Это означает, что вероятность встретить отклонения,
существенно большие, чем σ, оказывается пренебрежимо
мала. Ширина «колокола» по порядку величины
равна σ — она характеризует «разброс»
экспериментальных данных относительно среднего значения.

Замечание. Точки x=x¯±σ являются точками
перегиба графика w⁢(x) (в них вторая производная по x
обращается в нуль, w′′=0), а их положение по высоте составляет
w⁢(x¯±σ)/w⁢(x¯)=e-1/2≈0,61
от высоты вершины.

Универсальный характер центральной предельной теоремы позволяет широко
применять на практике нормальное (гауссово) распределение для обработки
результатов измерений, поскольку часто случайные погрешности складываются из
множества случайных независимых факторов. Заметим, что на практике
для приближённой оценки параметров нормального распределения
случайной величины используются выборочные значения среднего
и дисперсии: x¯≈⟨x⟩, sx≈σx.

x-x0σ2=2w⁢(x)σ1=1

Рис. 2.2: Плотность нормального распределения

Доверительные вероятности.

Вычислим некоторые доверительные вероятности (2.4) для нормально
распределённых случайных величин.

Замечание. Значение интеграла вида ∫e-x2/2⁢𝑑x
(его называют интегралом ошибок) в элементарных функциях не выражается,
но легко находится численно.

Вероятность того, что результат отдельного измерения x окажется
в пределах x¯±σ оказывается равна

P|Δ⁢x|<σ=∫x¯-σx¯+σw𝒩⁢𝑑x≈0,68.

Вероятность отклонения в пределах x¯±2⁢σ:

а в пределах x¯±3⁢σ:

Иными словами, при большом числе измерений нормально распределённой
величины можно ожидать, что лишь треть измерений выпадут за пределы интервала
[x¯-σ,x¯+σ]. При этом около 5%
измерений выпадут за пределы [x¯-2⁢σ;x¯+2⁢σ],
и лишь 0,27% окажутся за пределами
[x¯-3⁢σ;x¯+3⁢σ].

Пример. В сообщениях об открытии бозона Хиггса на Большом адронном коллайдере
говорилось о том, что исследователи ждали подтверждение результатов
с точностью «5 сигма». Используя нормальное распределение (2.5)
нетрудно посчитать, что они использовали доверительную вероятность
P≈1-5,7⋅10-7=0,99999943. Такую точность можно назвать фантастической.

Полученные значения доверительных вероятностей используются при
стандартной записи результатов измерений. В физических измерениях
(в частности, в учебной лаборатории), как правило, используется P=0,68,
то есть, запись

означает, что измеренное значение лежит в диапазоне (доверительном
интервале) x∈[x¯-δ⁢x;x¯+δ⁢x] с
вероятностью 68%. Таким образом погрешность ±δ⁢x считается
равной одному среднеквадратичному отклонению: δ⁢x=σ.
В технических измерениях чаще используется P=0,95, то есть под
абсолютной погрешностью имеется в виду удвоенное среднеквадратичное
отклонение, δ⁢x=2⁢σ. Во избежание разночтений доверительную
вероятность следует указывать отдельно.

Замечание. Хотя нормальный закон распределения встречается на практике довольно
часто, стоит помнить, что он реализуется далеко не всегда.
Полученные выше соотношения для вероятностей попадания значений в
доверительные интервалы можно использовать в качестве простейшего
признака нормальности распределения: в частности, если количество попадающих
в интервал ±σ результатов существенно отличается от 2/3 — это повод
для более детального исследования закона распределения ошибок.

Сравнение результатов измерений.

Теперь мы можем дать количественный критерий для сравнения двух измеренных
величин или двух результатов измерения одной и той же величины.

Пусть x1 и x2 (x1≠x2) измерены с
погрешностями σ1 и σ2 соответственно.
Ясно, что если различие результатов |x2-x1| невелико,
его можно объяснить просто случайными отклонениями.
Если же теория предсказывает, что вероятность обнаружить такое отклонение
слишком мала, различие результатов следует признать значимым.
Предварительно необходимо договориться о соответствующем граничном значении
вероятности. Универсального значения здесь быть не может,
поэтому приходится полагаться на субъективный выбор исследователя. Часто
в качестве «разумной» границы выбирают вероятность 5%,
что, как видно из изложенного выше, для нормального распределения
соответствует отклонению более, чем на 2⁢σ.

Допустим, одна из величин известна с существенно большей точностью:
σ2≪σ1 (например, x1 — результат, полученный
студентом в лаборатории, x2 — справочное значение).
Поскольку σ2 мало, x2 можно принять за «истинное»:
x2≈x¯. Предполагая, что погрешность измерения
x1 подчиняется нормальному закону с и дисперсией σ12,
можно утверждать, что
различие считают будет значимы, если

Пусть погрешности измерений сравнимы по порядку величины:
σ1∼σ2. В теории вероятностей показывается, что
линейная комбинация нормально распределённых величин также имеет нормальное
распределение с дисперсией σ2=σ12+σ22
(см. также правила сложения погрешностей (2.7)). Тогда
для проверки гипотезы о том, что x1 и x2 являются измерениями
одной и той же величины, нужно вычислить, является ли значимым отклонение
|x1-x2| от нуля при σ=σ12+σ22.

Пример. Два студента получили следующие значения для теплоты испарения
некоторой жидкости: x1=40,3±0,2 кДж/моль и
x2=41,0±0,3 кДж/моль, где погрешность соответствует
одному стандартному отклонению. Можно ли утверждать, что они исследовали
одну и ту же жидкость?
Имеем наблюдаемую разность |x1-x2|=0,7 кДж/моль,
среднеквадратичное отклонение для разности
σ=0,22+0,32=0,36 кДж/моль.
Их отношение |x2-x1|σ≈2. Из
свойств нормального распределения находим вероятность того, что измерялась
одна и та же величина, а различия в ответах возникли из-за случайных
ошибок: P≈5%. Ответ на вопрос, «достаточно»
ли мала или велика эта вероятность, остаётся на усмотрение исследователя.

Замечание. Изложенные здесь соображения применимы, только если x¯ и
его стандартное отклонение σ получены на основании достаточно
большой выборки n≫1 (или заданы точно). При небольшом числе измерений
(n≲10) выборочные средние ⟨x⟩ и среднеквадратичное отклонение
sx сами имеют довольно большую ошибку, а
их распределение будет описываться не нормальным законом, а так
называемым t-распределением Стъюдента. В частности, в зависимости от
значения n интервал ⟨x⟩±sx будет соответствовать несколько
меньшей доверительной вероятности, чем P=0,68. Особенно резко различия
проявляются при высоких уровнях доверительных вероятностей P→1.

2.3 Независимые величины

Величины x и y называют независимыми если результат измерения одной
из них никак не влияет на результат измерения другой. Для таких величин вероятность того, что x окажется в некоторой области X, и одновременно y — в области Y,
равна произведению соответствующих вероятностей:

Обозначим отклонения величин от их средних как Δ⁢x=x-x¯ и
Δ⁢y=y-y¯.
Средние значения этих отклонений равны, очевидно, нулю: Δ⁢x¯=x¯-x¯=0,
Δ⁢y¯=0. Из независимости величин x и y следует,
что среднее значение от произведения Δ⁢x⋅Δ⁢y¯
равно произведению средних Δ⁢x¯⋅Δ⁢y¯
и, следовательно, равно нулю:

Δ⁢x⋅Δ⁢y¯=Δ⁢x¯⋅Δ⁢y¯=0.

(2.6)

Пусть измеряемая величина z=x+y складывается из двух независимых
случайных слагаемых x и y, для которых известны средние
x¯ и y¯, и их среднеквадратичные погрешности
σx и σy. Непосредственно из определения (1.1)
следует, что среднее суммы равно сумме средних:

Найдём дисперсию σz2. В силу независимости имеем

Δ⁢z2¯=Δ⁢x2¯+Δ⁢y2¯+2⁢Δ⁢x⋅Δ⁢y¯≈Δ⁢x2¯+Δ⁢y2¯,

то есть:

Таким образом, при сложении независимых величин их погрешности
складываются среднеквадратичным образом.

Подчеркнём, что для справедливости соотношения (2.7)
величины x и y не обязаны быть нормально распределёнными —
достаточно существования конечных значений их дисперсий. Однако можно
показать, что если x и y распределены нормально, нормальным
будет и распределение их суммы.

Замечание. Требование независимости
слагаемых является принципиальным. Например, положим y=x. Тогда
z=2⁢x. Здесь y и x, очевидно, зависят друг от друга. Используя
(2.7), находим σ2⁢x=2⁢σx,
что, конечно, неверно — непосредственно из определения
следует, что σ2⁢x=2⁢σx.

Отдельно стоит обсудить математическую структуру формулы (2.7).
Если одна из погрешностей много больше другой, например,
σx≫σy,
то меньшей погрешностью можно пренебречь, σx+y≈σx.
С другой стороны, если два источника погрешностей имеют один порядок
σx∼σy, то и σx+y∼σx∼σy.

Эти обстоятельства важны при планирования эксперимента: как правило,
величина, измеренная наименее точно, вносит наибольший вклад в погрешность
конечного результата. При этом, пока не устранены наиболее существенные
ошибки, бессмысленно гнаться за повышением точности измерения остальных
величин.

Пример. Пусть σy=σx/3,
тогда σz=σx⁢1+19≈1,05⁢σx,
то есть при различии двух погрешностей более, чем в 3 раза, поправка
к погрешности составляет менее 5%, и уже нет особого смысла в учёте
меньшей погрешности: σz≈σx. Это утверждение
касается сложения любых независимых источников погрешностей в эксперименте.

2.4 Погрешность среднего

Выборочное среднее арифметическое значение ⟨x⟩, найденное
по результатам n измерений, само является случайной величиной.
Действительно, если поставить серию одинаковых опытов по n измерений,
то в каждом опыте получится своё среднее значение, отличающееся от
предельного среднего x¯.

Вычислим среднеквадратичную погрешность среднего арифметического
σ⟨x⟩.
Рассмотрим вспомогательную сумму n слагаемых

Если {xi} есть набор независимых измерений
одной и той же физической величины, то мы можем, применяя результат
(2.7) предыдущего параграфа, записать

σZ=σx12+σx22+…+σxn2=n⁢σx,

поскольку под корнем находится n одинаковых слагаемых. Отсюда с
учётом ⟨x⟩=Z/n получаем

Таким образом, погрешность среднего значения x по результатам
n независимых измерений оказывается в n раз меньше погрешности
отдельного измерения. Это один из важнейших результатов, позволяющий
уменьшать случайные погрешности эксперимента за счёт многократного
повторения измерений.

Подчеркнём отличия между σx и σ⟨x⟩:

величина σx — погрешность отдельного
измерения — является характеристикой разброса значений
в совокупности измерений {xi}, i=1..n. При
нормальном законе распределения примерно 68% измерений попадают в
интервал ⟨x⟩±σx;

величина σ⟨x⟩ — погрешность
среднего — характеризует точность, с которой определено
среднее значение измеряемой физической величины ⟨x⟩ относительно
предельного («истинного») среднего x¯;
при этом с доверительной вероятностью P=68% искомая величина x¯
лежит в интервале
⟨x⟩-σ⟨x⟩<x¯<⟨x⟩+σ⟨x⟩.

2.5 Результирующая погрешность опыта

Пусть для некоторого результата измерения известна оценка его максимальной
систематической погрешности Δсист и случайная
среднеквадратичная
погрешность σслуч. Какова «полная»
погрешность измерения?

Предположим для простоты, что измеряемая величина в принципе
может быть определена сколь угодно точно, так что можно говорить о
некотором её «истинном» значении xист
(иными словами, погрешность результата связана в основном именно с
процессом измерения). Назовём полной погрешностью измерения
среднеквадратичное значения отклонения от результата измерения от
«истинного»:

Отклонение x-xист можно представить как сумму случайного
отклонения от среднего δ⁢xслуч=x-x¯
и постоянной (но, вообще говоря, неизвестной) систематической составляющей
δ⁢xсист=x¯-xист=const:

Причём случайную составляющую можно считать независимой от систематической.
В таком случае из (2.7) находим:

σполн2=⟨δ⁢xсист2⟩+⟨δ⁢xслуч2⟩≤Δсист2+σслуч2.

(2.9)

Таким образом, для получения максимального значения полной
погрешности некоторого измерения нужно квадратично сложить максимальную
систематическую и случайную погрешности.

Если измерения проводятся многократно, то согласно (2.8)
случайная составляющая погрешности может быть уменьшена, а систематическая
составляющая при этом остаётся неизменной:

Отсюда следует важное практическое правило
(см. также обсуждение в п. 2.3): если случайная погрешность измерений
в 2–3 раза меньше предполагаемой систематической, то
нет смысла проводить многократные измерения в попытке уменьшить погрешность
всего эксперимента. В такой ситуации измерения достаточно повторить
2–3 раза — чтобы убедиться в повторяемости результата, исключить промахи
и проверить, что случайная ошибка действительно мала.
В противном случае повторение измерений может иметь смысл до
тех пор, пока погрешность среднего
σ⟨x⟩=σxn
не станет меньше систематической.

Замечание. Поскольку конкретная
величина систематической погрешности, как правило, не известна, её
можно в некотором смысле рассматривать наравне со случайной —
предположить, что её величина была определена по некоторому случайному
закону перед началом измерений (например, при изготовлении линейки
на заводе произошло некоторое случайное искажение шкалы). При такой
трактовке формулу (2.9) можно рассматривать просто
как частный случай формулы сложения погрешностей независимых величин
(2.7).
Подчеркнем, что вероятностный закон, которому подчиняется
систематическая ошибка, зачастую неизвестен. Поэтому неизвестно и
распределение итогового результата. Из этого, в частности, следует,
что мы не можем приписать интервалу x±Δсист какую-либо
определённую доверительную вероятность — она равна 0,68
только если систематическая ошибка имеет нормальное распределение.
Можно, конечно, предположить,
— и так часто делают — что, к примеру, ошибки
при изготовлении линеек на заводе имеют гауссов характер. Также часто
предполагают, что систематическая ошибка имеет равномерное
распределение (то есть «истинное» значение может с равной вероятностью
принять любое значение в пределах интервала ±Δсист).
Строго говоря, для этих предположений нет достаточных оснований.

Пример. В результате измерения диаметра проволоки микрометрическим винтом,
имеющим цену деления h=0,01 мм, получен следующий набор из n=8 значений:

Вычисляем среднее значение: ⟨d⟩≈386,3 мкм.
Среднеквадратичное отклонение:
σd≈9,2 мкм. Случайная погрешность среднего согласно
(2.8):
σ⟨d⟩=σd8≈3,2
мкм. Все результаты лежат в пределах ±2⁢σd, поэтому нет
причин сомневаться в нормальности распределения. Максимальную погрешность
микрометра оценим как половину цены деления, Δ=h2=5 мкм.
Результирующая полная погрешность
σ≤Δ2+σd28≈6,0 мкм.
Видно, что σслуч≈Δсист и проводить дополнительные измерения
особого смысла нет. Окончательно результат измерений может быть представлен
в виде (см. также правила округления
результатов измерений в п. 4.3.2)

d=386±6⁢мкм,εd=1,5%.

Заметим, что поскольку случайная погрешность и погрешность
прибора здесь имеют один порядок величины, наблюдаемый случайный разброс
данных может быть связан как с неоднородностью сечения проволоки,
так и с дефектами микрометра (например, с неровностями зажимов, люфтом
винта, сухим трением, деформацией проволоки под действием микрометра
и т. п.). Для ответа на вопрос, что именно вызвало разброс, требуются
дополнительные исследования, желательно с использованием более точных
приборов.

Пример. Измерение скорости
полёта пули было осуществлено с погрешностью δ⁢v=±1 м/c.
Результаты измерений для n=6 выстрелов представлены в таблице:

Усреднённый результат ⟨v⟩=162,0⁢м/с,
среднеквадратичное отклонение σv=13,8⁢м/c, случайная
ошибка для средней скорости
σv¯=σv/6=5,6⁢м/с.
Поскольку разброс экспериментальных данных существенно превышает погрешность
каждого измерения, σv≫δ⁢v, он почти наверняка связан
с реальным различием скоростей пули в разных выстрелах, а не с ошибками
измерений. В качестве результата эксперимента представляют интерес
как среднее значение скоростей ⟨v⟩=162±6⁢м/с
(ε≈4%), так и значение σv≈14⁢м/с,
характеризующее разброс значений скоростей от выстрела к выстрелу.
Малая инструментальная погрешность в принципе позволяет более точно
измерить среднее и дисперсию, и исследовать закон распределения выстрелов
по скоростям более детально — для этого требуется набрать
бо́льшую статистику по выстрелам.

Пример. Измерение скорости
полёта пули было осуществлено с погрешностью δ⁢v=10 м/c. Результаты
измерений для n=6 выстрелов представлены в таблице:

Усреднённый результат ⟨v⟩=163,3⁢м/с,
σv=12,1⁢м/c, σ⟨v⟩=5⁢м/с,
σполн≈11,2⁢м/с. Инструментальная
погрешность каждого измерения превышает разброс данных, поэтому в
этом опыте затруднительно сделать вывод о различии скоростей от выстрела
к выстрелу. Результат измерений скорости пули:
⟨v⟩=163±11⁢м/с,
ε≈7%. Проводить дополнительные выстрелы при такой
большой инструментальной погрешности особого смысла нет —
лучше поработать над точностью приборов и методикой измерений.

2.6 Обработка косвенных измерений

Косвенными называют измерения, полученные в результате расчётов,
использующих результаты прямых (то есть «непосредственных»)
измерений физических величин. Сформулируем основные правила пересчёта
погрешностей при косвенных измерениях.

2.6.1 Случай одной переменной

Пусть в эксперименте измеряется величина x, а её «наилучшее»
(в некотором смысле) значение равно x⋆ и оно известно с
погрешностью σx. После чего с помощью известной функции
вычисляется величина y=f⁢(x).

В качестве «наилучшего» приближения для y используем значение функции
при «наилучшем» x:

Найдём величину погрешности σy. Обозначая отклонение измеряемой
величины как Δ⁢x=x-x⋆, и пользуясь определением производной,
при условии, что функция y⁢(x) — гладкая
вблизи x≈x⋆, запишем

где f′≡d⁢yd⁢x — производная фукнции f⁢(x), взятая в точке
x⋆. Возведём полученное в квадрат, проведём усреднение
(σy2=⟨Δ⁢y2⟩,
σx2=⟨Δ⁢x2⟩), и затем снова извлечём
корень. В результате получим

Пример. Для степенной функции
y=A⁢xn имеем σy=n⁢A⁢xn-1⁢σx, откуда

σyy=n⁢σxx,или εy=n⁢εx,

то есть относительная погрешность степенной функции возрастает пропорционально
показателю степени n.

Пример. Для y=1/x имеем ε1/x=εx
— при обращении величины сохраняется её относительная
погрешность.

Упражнение. Найдите погрешность логарифма y=ln⁡x, если известны x
и σx.

Упражнение. Найдите погрешность показательной функции y=ax,
если известны x и σx. Коэффициент a задан точно.

2.6.2 Случай многих переменных

Пусть величина u вычисляется по измеренным значениям нескольких
различных независимых физических величин x, y, …
на основе известного закона u=f⁢(x,y,…). В качестве
наилучшего значения можно по-прежнему взять значение функции f
при наилучших значениях измеряемых параметров:

Для нахождения погрешности σu воспользуемся свойством,
известным из математического анализа, — малые приращения гладких
функции многих переменных складываются линейно, то есть справедлив
принцип суперпозиции малых приращений:

где символом fx′≡∂⁡f∂⁡x обозначена
частная производная функции f по переменной x —
то есть обычная производная f по x, взятая при условии, что
все остальные аргументы (кроме x) считаются постоянными параметрами.
Тогда пользуясь формулой для нахождения дисперсии суммы независимых
величин (2.7), получим соотношение, позволяющее вычислять
погрешности косвенных измерений для произвольной функции
u=f⁢(x,y,…):

σu2=fx′⁣2⁢σx2+fy′⁣2⁢σy2+…

(2.11)

Это и есть искомая общая формула пересчёта погрешностей при косвенных
измерениях.

Отметим, что формулы (2.10) и (2.11) применимы
только если относительные отклонения всех величин малы
(εx,εy,…≪1),
а измерения проводятся вдали от особых точек функции f (производные
fx′, fy′ … не должны обращаться в бесконечность).
Также подчеркнём, что все полученные здесь формулы справедливы только
для независимых переменных x, y, …

Остановимся на некоторых важных частных случаях формулы
(2.11).

Пример. Для суммы (или разности) u=∑i=1nai⁢xi имеем

σu2=∑i=1nai2⁢σxi2.

(2.12)

Пример. Найдём погрешность степенной функции:
u=xα⋅yβ⋅…. Тогда нетрудно получить,
что

σu2u2=α2⁢σx2x2+β2⁢σy2y2+…

или через относительные погрешности

εu2=α2⁢εx2+β2⁢εy2+…

(2.13)

Пример. Вычислим погрешность произведения и частного: u=x⁢y или u=x/y.
Тогда в обоих случаях имеем

εu2=εx2+εy2,

(2.14)

то есть при умножении или делении относительные погрешности складываются
квадратично.

Пример. Рассмотрим несколько более сложный случай: нахождение угла по его тангенсу

u=arctgyx.

В таком случае, пользуясь тем, что (arctgz)′=11+z2,
где z=y/x, и используя производную сложной функции, находим
ux′=uz′⁢zx′=-yx2+y2,
uy′=uz′⁢zy′=xx2+y2, и наконец

σu2=y2⁢σx2+x2⁢σy2(x2+y2)2.

Упражнение. Найти погрешность вычисления гипотенузы z=x2+y2
прямоугольного треугольника по измеренным катетам x и y.

По итогам данного раздела можно дать следующие практические рекомендации.

•

Как правило, нет смысла увеличивать точность измерения какой-то одной
величины, если другие величины, используемые в расчётах, остаются
измеренными относительно грубо — всё равно итоговая погрешность
скорее всего будет определяться самым неточным измерением. Поэтому
все измерения имеет смысл проводить примерно с одной и той же
относительной погрешностью.
•

При этом, как следует из (2.13), особое внимание
следует уделять измерению величин, возводимых при расчётах в степени
с большими показателями. А при сложных функциональных зависимостях
имеет смысл детально проанализировать структуру формулы
(2.11):
если вклад от некоторой величины в общую погрешность мал, нет смысла
гнаться за высокой точностью её измерения, и наоборот, точность некоторых
измерений может оказаться критически важной.
•

Следует избегать измерения малых величин как разности двух близких
значений (например, толщины стенки цилиндра как разности внутреннего
и внешнего радиусов): если u=x-y, то абсолютная погрешность
σu=σx2+σy2
меняется мало, однако относительная погрешность
εu=σux-y
может оказаться неприемлемо большой, если x≈y.

Источник