Обработки данных косвенных измерений выборочным методом

Этот метод применяется в том случае, если совместно измеренные значения аргументов функции x_i, y_i и z_i не образуют выборок, но можно создать выборку значений функции { f_i }.

1. По каждому набору совместно измеренных значений аргументов рассчитать значения функции f_i = f (x_i, y_i, z_i).

2. Произвести обработку полученной выборки { f_i } согласно алгоритму обработки данных прямых измерений, находя среднее значение и случайную погрешность функции.

3. Произвести вывод выражений для частных производных от функции

или для легко логарифмируемой функции f – от ее логарифма

.

4. По каждому набору совместно измеренных значений аргументов и их приборных погрешностей рассчитать приборную погрешность функции

,

предполагается, что приборные погрешности измеряемых величин могут быть разными в разных опытах или, если f имеет удобный для логарифмирования вид, по эквивалентной формуле:

,

где – соответствующее данному набору аргументов значение функции (не путать со строкой таблицы упорядоченных по возрастанию значений f↑_i).

5. Вычислить среднюю приборную погрешность функции .

6. Если приборные погрешности аргументов одинаковы во всех опытах или при нахождении максимальных по всей серии опытов значений приборных погрешностей , , , для определения приборной погрешности величины f можно использовать выражение

,

где , , .

7. Вычислить полную погрешность функции .

8. Записать результат измерения и округлить его.

9. Свести результаты обработки эксперимента в таблицу 3.

Таблица 3.
xi
q xi						q x = max q xi =
yi
q yi						q y = max q yi =
fi						=
F↑i						Rf = f↑N – f↑ 1 =
Ufi = fi+ 1 – fi					Ufi < UP,N Rf =
D fi = fi –						SD fi = 0
(D fi)^2						S(D fi)^2 =
q fi						=
, , , ,

Нормальная линейная регрессия (метод наименьших квадратов)

Дана последовательность независимых совместных наблюдений {x_i, y_i}, i=1…N. Требуется оценить параметры наилучшей аппроксимирующей (регрессионной) кривой, соответствующей данным наблюдениям.

Задача нахождения наилучшей аппроксимирующей кривой в общем случае является достаточно сложной и наиболее просто решается, если функциональная за­висимость имеет вид прямой линии у = ax + b. Поэтому на прак­тике, если это возможно, сложные функциональные зависимости сводят к линейным зависимостям. При этом задача нахождения регрессионной кривой сводится к решению следующих задач:

1. Линеаризация нелинейных зависимостей, которая производится путем соответствующей заме­ны переменных. Примеры такой замены приведены в таблице.

№	Исходная функция	Замена переменных	Новая функция

2. Нахождение наилучших значений коэффици­ентов a и b в линейной зависимости у = ax + b или коэффици­ента a в зависимости у = ax согласно методу наименьших квадратов (МНК).

3. Нахождение случайных и приборных погрешностей этих коэффициентов.

4. Определение по найденным значениям коэффициентов a и b физи­ческих констант, содержащихся в этих коэффициентах. Последняя задача ре­шается стандартным приемом метода переноса погрешностей при косвен­ных измерениях

Обработка данных по МНК для уравнения y = ax + b

1. Заполнить таблицу 4 обработки данных по МНК для уравнения y = ax + b.

Таблица 4.

№	xi=ti	yi=Vi
1.
2.
…
∑

2. Вычислить средние значения x и у: , .

3. Определить средние значения и : , .

4. Рассчитать дисперсии и СКО :

, , ,.

5. Определить случайные погрешности а и b. Для расчетов необходимо брать коэффициент Стьюдента t_{P, N-1}, в отличие от прямых измерений, где использовался t_{P, N}: , .

6. Рассчитать приборную погрешность коэффициента b (приборная погрешность коэффициента, а равна нулю): .

7. Определить полные погрешности а и b: и .

8. Записать результат измерения и округлить его.

9. Привести окончательный результат в округленной форме:

, с вероятностью .

Обработка данных по МНК для уравнения y = ax

1. Заполняем таблицу 5 обработки данных по МНК для уравнения y = ax.

Таблица 5.

№ набл.		y­i = Ti	xi ^2	yi ^2	xiyi
…
Обозначения сумм	∑ x­i	∑ y­i	∑ xi ^2	∑ yi ^2	∑ xiyi
∑

2. Определить среднее значение a: .

4. Рассчитать дисперсию и СКО : , .

5. Определить случайную погрешность коэффициента a: .

6. Рассчитать приборную погрешность коэффициента а по формуле

.

7. Определить полную погрешность коэффициента a: .

8. Записать результат измерения и округлить его.

9. Привести окончательный результат в округленной форме:

с вероятностью Р = 95 %.

Дата добавления: 2014-01-20