Что называется относительной ошибкой измерения - Исправление ошибок и поиск оптимальных решений проблем

Погре́шность измере́ния — оценка отклонения величины измеренного значения величины от её истинного значения. Погрешность измерения является характеристикой (мерой) точности измерения.

Поскольку выяснить с абсолютной точностью истинное значение любой величины невозможно, то невозможно и указать величину отклонения измеренного значения от истинного. (Это отклонение принято называть ошибкой измерения. В ряде источников, например, в БСЭ, термины ошибка измерения и погрешность измерения используются как синонимы.) Возможно лишь оценить величину этого отклонения, например, при помощи статистических методов. При этом за истинное значение принимается среднестатистическое значение, полученное при статистической обработке результатов серии измерений. Это полученное значение не является точным, а лишь наиболее вероятным. Поэтому в измерениях необходимо указывать, какова их точность. Для этого вместе с полученным результатом указывается погрешность измерений. Например, запись T=2.8±0.1 c. означает, что истинное значение величины T лежит в интервале от 2.7 с. до 2.9 с. некоторой оговоренной вероятностью (см. доверительный интервал, доверительная вероятность, стандартная ошибка).

В 2006 году на международном уровне был принят новый документ, диктующий условия проведения измерений и установивший новые правила сличения государственных эталонов. Понятие «погрешность» стало устаревать, вместо него было введено понятие «неопределенность измерений».

Содержание

1 Определение погрешности
2 Классификация погрешностей
- 2.1 По форме представления
- 2.2 По причине возникновения
- 2.3 По характеру проявления
- 2.4 По способу измерения
3 См. также
4 Литература

Определение погрешности

В зависимости от характеристик измеряемой величины для определения погрешности измерений используют различные методы.

Метод Корнфельда, заключается в выборе доверительного интервала в пределах от минимального до максимального результата измерений, и погрешность как половина разности между максимальным и минимальным результатом измерения:

$Delta x=frac{x_{max}-x_{min}}{2}$

Средняя квадратическая погрешность:

$S =left. sqrt{sum_{i=1}^{n}frac{(x_i-x)^2}{n-1}} right.$

Средняя квадратическая погрешность среднего арифметического:

$S _x= frac{S} {sqrt{n}} = left. sqrt{sum_{i=1}^{n}frac{(x_i-x)^2}{n(n-1)}} right.$

Классификация погрешностей

По форме представления

Абсолютная погрешность — ΔX является оценкой абсолютной ошибки измерения. Величина этой погрешности зависит от способа её вычисления, который, в свою очередь, определяется распределением случайной величины X_meas. При этом равенство:

ΔX = | X_true − X_meas | ,

где X_true — истинное значение, а X_meas — измеренное значение, должно выполняться с некоторой вероятностью близкой к 1. Если случайная величина X_meas распределена по нормальному закону, то, обычно, за абсолютную погрешность принимают её среднеквадратичное отклонение. Абсолютная погрешность измеряется в тех же единицах измерения, что и сама величина.

Относительная погрешность — отношение абсолютной погрешности к тому значению, которое принимается за истинное:

$delta_x =frac{ Delta x}{X}$ .

Относительная погрешность является безразмерной величиной, либо измеряется в процентах.

Приведенная погрешность — относительная погрешность, выраженная отношением абсолютной погрешности средства измерений к условно принятому значению величины, постоянному во всем диапазоне измерений или в части диапазона. Вычисляется по формуле

$delta_x =frac{ Delta x}{X_n}$ ,

где X_n — нормирующее значение, которое зависит от типа шкалы измерительного прибора и определяется по его градуировке:

— если шкала прибора односторонняя, т.е. нижний предел измерений равен нулю, то X_n определяется равным верхнему пределу измерений;
— если шкала прибора двухсторонняя, то нормирующее значение равно ширине диапазона измерений прибора.

Приведенная погрешность — безразмерная величина (может измеряться в процентах).

По причине возникновения

Инструментальные / приборные погрешности — погрешности, которые определяются погрешностями применяемых средств измерений и вызываются несовершенством принципа действия, неточностью градуировки шкалы, ненаглядностью прибора.
Методические погрешности — погрешности, обусловленные несовершенством метода, а также упрощениями, положенными в основу методики.
Субъективные / операторные / личные погрешности — погрешности, обусловленные степенью внимательности, сосредоточенности, подготовленности и другими качествами оператора.

В технике применяют приборы для измерения лишь с определенной заранее заданной точностью – основной погрешностью, допускаемой нормали в нормальных условиях эксплуатации для данного прибора.

Если прибор работает в условиях, отличных от нормальных, то возникает дополнительная погрешность, увеличивающая общую погрешность прибора. К дополнительным погрешностям относятся: температурная, вызванная отклонением температуры окружающей среды от нормальной, установочная, обусловленная отклонением положения прибора от нормального рабочего положения, и т.п. За нормальную температуру окружающего воздуха принимают 20°С, за нормальное атмосферное давление 01,325 кПа.

Обобщенной характеристикой средств измерения является класс точности, определяемый предельными значениями допускаемых основной и дополнительной погрешностей, а также другими параметрами, влияющими на точность средств измерения; значение параметров установлено стандартами на отдельные виды средств измерений. Класс точности средств измерений характеризует их точностные свойства, но не является непосредственным показателем точности измерений, выполняемых с помощью этих средств, так как точность зависит также от метода измерений и условий их выполнения. Измерительным приборам, пределы допускаемой основной погрешности которых заданы в виде приведенных основных (относительных) погрешностей, присваивают классы точности, выбираемые из ряда следующих чисел: (1; 1,5; 2,0; 2,5; 3,0; 4,0; 5,0; 6,0)*10n, где n = 1; 0; -1; -2 и т.д.

По характеру проявления

Случайная погрешность — погрешность, меняющаяся (по величине и по знаку) от измерения к измерению. Случайные погрешности могут быть связаны с несовершенством приборов (трение в механических приборах и т.п.), тряской в городских условиях, с несовершенством объекта измерений (например, при измерении диаметра тонкой проволоки, которая может иметь не совсем круглое сечение в результате несовершенства процесса изготовления), с особенностями самой измеряемой величины (например при измерении количества элементарных частиц, проходящих в минуту через счётчик Гейгера).
Систематическая погрешность — погрешность, изменяющаяся во времени по определенному закону (частным случаем является постоянная погрешность, не изменяющаяся с течением времени). Систематические погрешности могут быть связаны с ошибками приборов (неправильная шкала, калибровка и т.п.), неучтёнными экспериментатором.
Прогрессирующая (дрейфовая) погрешность — непредсказуемая погрешность, медленно меняющаяся во времени. Она представляет собой нестационарный случайный процесс.
Грубая погрешность (промах) — погрешность, возникшая вследствие недосмотра экспериментатора или неисправности аппаратуры (например, если экспериментатор неправильно прочёл номер деления на шкале прибора, если произошло замыкание в электрической цепи).

По способу измерения

Погрешность прямых измерений
Погрешность косвенных измерений — погрешность вычисляемой (не измеряемой непосредственно) величины:

Если F = F(x₁,x₂…x_n), где x_i — непосредственно измеряемые независимые величины, имеющие погрешность Δx_i, тогда:

$Delta F = sqrt{sum_{i=1}^n left(Delta x_i frac{partial F}{partial x_i}right)^2}$

См. также

Измерение физических величин
Класс точности
Метрология
Система автоматизированного сбора данных со счетчиков по радиоканалу
Методы электроаналитической химии

Литература

Назаров Н. Г. Метрология. Основные понятия и математические модели. М.: Высшая школа, 2002. 348 с.

Лабораторные занятия по физике. Учебное пособие/Гольдин Л. Л., Игошин Ф. Ф., Козел С. М. и др.; под ред. Гольдина Л. Л. — М.: Наука. Главная редакция физико-математичекой литературы, 1983. — 704 с.

Wikimedia Foundation.
2010.

Источник

Погрешности измерений и их
классификация .

При
измерении физических величии с помощью даже самых точных и совершенных средств
и методов их результат всегда отличается от истинного
значения измеряемой физической величины, т.е. определяется с некоторой
погрешностью. Источниками погрешностей измерения являются следующие
причины: несовершенство используемых методов и средств измерений,
нестабильность измеряемых физических величин, непостоянство климатических
условий, внешние и внутренние помехи, а также различные субъективные факторы
экспериментатора.

Определение
«погрешность» является одним из центральных в метрологии, в котором
используются понятия «погрешность результата измерения» и «погрешность
средства измерения».

Погрешностью результата измерения (погрешностью измерения) называется отклонение
результата измерения от истинного значения измеряемой физической величины. Так
как истинное значение измеряемой величины неизвестно, то при количественной
оценке погрешности пользуются действительным значением физической
величины.

Это
значение находится экспериментальным путем и настолько близко к истинному
значению, что для поставленной измерительной задачи может быть использовано
вместо него.

Погрешность средства измерения (СИ) — разность между показаниями СИ
и истинным (действительным) значением измеряемой физической величины. Она
характеризует точность результатов измерений, проводимых данным средством

Существует пять основных
признаков, по
которым классифицируются погрешности измерения.

По
способу количественного выражения погрешности измерения делятся на абсолютные,
относительные и приведенные.

Абсолютной погрешностью △, выражаемой в единицах
измеряемой величины, называется отклонение результата измерения х от истинного значения х_н: (1.1)

и знак полученной
погрешности, но не определяет качество самого проведенного измерения.

Понятие
погрешности характеризует как бы несовершенство измерения.
Характеристикой качества измерения является используемое в метрологии понятие точности измерений, отражающее меру близости результатов измерений к истинному
значению измеряемой физической величины. Точность и погрешность связаны
обратной зависимостью. Иначе говоря, высокой точности измерений соответствует
малая погрешность. Так, например, измерение силы тока в 10 А и 100 А может быть
выполнено с идентичной абсолютной погрешностью ∆ = ±1 А. Однако качество
(точность) первого измерения ниже второго. Поэтому, чтобы иметь возможность
сравнивать качество измерений, введено понятие относительной погрешности.

Относительной погрешностью δ называется отношение
абсолютной погрешности измерения к истинному значению измеряемой величины:

(1.2)

Мерой
точности измерений служит величина,
обратная модулю относительной погрешности, т.е. 1/|δ|. Погрешность δ часто выражают в
процентах:

δ
= 100△/х_н (%). Поскольку обычно △⋍х_н, то относительная погрешность
может быть определена как δ ⋍ △/х или δ = 100△/х (%).

Если
измерение выполнено однократно и за
абсолютную погрешность результата измерения △ принята разность между
показанием прибора и истинным значением измеряемой величины х_Н то из соотношения (1.2)
следует, что значение относительной погрешности δ уменьшается с ростом величины
х_н (здесь предполагается
независимость △ от х_н). Поэтому для измерений
целесообразно выбирать такой прибор, показания которого были бы в последней
части его шкалы (диапазона измерений), а для сравнения различных приборов
использовать понятие приведенной погрешности.

Приведенной погрешностью δ_пр, выражающей
потенциальную точность измерений, называется отношение абсолютной погрешности △ к некоторому нормирующему
значению X_N (например, к конечному
значению шкалы прибора или сумме конечных значений шкал при двусторонней шкале).

По
характеру (закономерности) изменения погрешности измерений подразделяются на
систематические, случайные и грубые (промахи).

Систематические погрешности △_с — составляющие погрешности измерений,
остающиеся постоянными или закономерно изменяющиеся , при многократных (повторных)
измерениях одной и той же величины в одних и тех же условиях. Такие погрешности
могут быть выявлены путем детального анализа возможных их источников и
уменьшены (применением более точных приборов, калибровкой приборов с помощью
рабочих мер и пр.). Однако полностью их устранить нельзя.

По
характеру изменения во времени систематические погрешности подразделяются на постоянные (сохраняющие величину и
знак), прогрессирующие (возрастающие или убывающие во времени), периодические, а также изменяющиеся во
времени по сложному непериодическому закону. Основные из этих погрешностей —
прогрессирующие.

Прогрессирующая (дрейфовая) погрешность — это непредсказуемая погрешность,
медленно меняющаяся во времени. Прогрессирующие погрешности характеризуются
следующими особенностями:

•
возможна
их коррекция поправками только в данный момент времени, а далее эти погрешности
вновь непредсказуемо изменяются;

•
изменения
прогрессирующих погрешностей во времени представляют собой нестационарный
случайный процесс (характеристики которого изменяются во времени), и поэтому в
рамках достаточно полно разработанной теории стационарных случайных процессов
они могут быть описаны лишь с некоторыми ограничениями.

Случайные погрешности
— составляющие погрешности измерений, изменяющиеся случайным образом при
повторных (многократных) измерениях одной и той же величины в одних и тех же
условиях. В появлении таких погрешностей нет каких-либо закономерностей, они
проявляются при повторных измерениях одной и той же величины в виде некоторого
разброса получаемых результатов. Практически случайные погрешности неизбежны,
неустранимы и всегда имеют место в результатах измерений. Описание случайных
погрешностей возможно только на основе теории случайных процессов и
математической статистики. В отличие от систематических случайные погрешности
нельзя исключить из результатов измерений путем введения поправки, однако их
можно существенно уменьшить путем многократного измерения этой величины и
последующей статистической обработкой полученных результатов.

Грубые погрешности (промахи) —
погрешности, существенно превышающие ожидаемые при данных условиях измерения.
Такие погрешности возникают из-за ошибок оператора или неучтенных внешних
воздействий. Их выявляют при обработке результатов измерений и исключают из рассмотрения,
пользуясь определенными правилами.

По причинам возникновения погрешности измерения подразделяются
на методические, инструментальные, внешние и субъективные.

Методические
погрешности возникают обычно из-за
несовершенства метода измерений, использования неверных теоретических
предпосылок (допущений) при измерениях, а также из-за влияния выбранного
средства измерения на измеряемые физические величины. При подключении
электроизмерительного прибора от источника сигнала потребляется некоторая
мощность. Это приводит к искажению режима работы источника сигнала и вызывает
погрешность метода измерения (методическую погрешность).

Так,
например, если вольтметр обладает недостаточно высоким входным сопротивлением,
то его подключение к исследуемой схеме способно изменить в ней распределение
токов и напряжений. При этом результат измерения может существенно отличаться
от действительного. Для расчета методической погрешности при измерении токов и
напряжений необходимо знать внутренние сопротивления амперметров R_A
и вольтметров R_v. Методическую
погрешность можно уменьшить путем применения более точного метода измерения.

Инструментальные
(аппаратурные, приборные) погрешности
возникают из-за несовершенства средств измерения» т.е. из-за погрешностей
средств измерений. Источниками инструментальных погрешностей могут быть,
например, неточная градуировка прибора и смещение нуля, вариация показаний
прибора в процессе эксплуатации и т.д. Уменьшают инструментальные погрешности
применением более точного прибора.

Внешняя
погрешность — важная составляющая погрешности
измерения, связанная с отклонением одной или
нескольких влияющих величин от нормальных значений или выходом их за пределы нормальной области (например,
влияние влажности, температуры, внешних электрических и
магнитных полей, нестабильности источников питания, механических воздействий и
т.д.). В большинстве случаев внешние погрешности являются систематическими и
определяются дополнительными погрешностями применяемых средств измерений. .

Субъективные
погрешности вызываются ошибками оператора при отсчете
показаний средств измерения (погрешности от небрежности и невнимания
оператора, от параллакса, т.е. от неправильного направления взгляда при отсчете
показаний стрелочного прибора и пр.). Подобные погрешности устраняются
применением современных цифровых приборов или автоматических методов
измерения.

По характеру поведения измеряемой физической величины в процессе
измерений различают статические и динамические погрешности.

Статические
погрешности возникают при измерении
установившегося значения измеряемой величины, т.е. когда эта величина
перестает изменяться во времени.

Динамические
погрешности имеют место при динамических
измерениях, когда измеряемая величина
изменяется во времени и требуется установить закон ее изменения. Причина
появления динамических погрешностей состоит в несоответствии скоростных
(временных) характеристик прибора и скорости изменения измеряемой величины.

Средства измерений
могут применяться в нормальных и рабочих условиях.

Эти
условия для
конкретных видов СИ (средств измерения) установлены в
стандартах или технических условиях.

Нормальным
условиям применения средств измерений должен
удовлетворять ряд следующих (основных) требований:

температура
окружающего воздуха (20±5) °С;

относительная
влажность (65±15) %;

атмосферное
давление (100±4) кПа;

напряжение
питающей сети (220±4) В и (115±2,5) В;

частота
сети (50±1) Гц и (400±12) Гц.

Как
следует из перечисленных требований, нормальные условия применения СИ
характеризуются диапазоном значений влияющих на них величин типа климатических
факторов и параметров электропитания.

Рабочие
условия применения СИ определяются диапазоном
значений влияющих величин не только климатического характера и параметров
электропитания, но и типа механических воздействий. В частности, диапазон климатических
воздействий делится на ряд групп, охватывающих широкий диапазон изменения
окружающей температуры.

Источник

Абсолютная и относительная погрешности (ошибки).

Пусть некоторая
величина x
измерена n
раз. В результате получен ряд значений
этой величины: x₁,
x₂,
x₃,
…, x_n

Величиной, наиболее
близкой к действительному значению,
является среднее арифметическое этих
результатов:

Отсюда следует,
что каждое физическое измерение должно
быть повторено несколько раз.

Разность между
средним значением
измеряемой
величины и значением отдельного измерения
называется абсолютной
погрешностью отдельного измерения:

(13)

Абсолютная
погрешность может быть как положительной,
так и отрицательной и измеряется в тех
же единицах, что и измеряемая величина.

Средняя абсолютная
ошибка результата — это среднее
арифметическое значений абсолютных
погрешностей отдельных измерений,
взятых по абсолютной величине (модулю):

(14)

Отношения

называются относительными погрешностями
(ошибками) отдельных измерений.

Отношение средней
абсолютной погрешности результата

к среднему арифметическому значению

измеряемой величины называют относительной
ошибкой результата и выражают в процентах:

Относительная
ошибка характеризует точность измерения.

Законы распределения случайных величин.

Результат измерения
физической величины зависит от многих
факторов, влияние которых заранее учесть
невозможно. Поэтому значения, полученные
в результате прямых измерений какого
— либо параметра, являются случайными,
обычно не совпадающие между собой.
Следовательно, случайные
величины —
это такие величины, которые в зависимости
от обстоятельств могут принимать те
или иные значения. Если случайная
величина принимает только определенные
числовые значения, то она называется
дискретной.

Например,
количество заболеваний в данном регионе
за год, оценка, полученная студентом на
экзамене, энергия электрона в атоме и
т.д.

Непрерывная
случайная величина принимает любые
значения в данном интервале.

Например: температура
тела человека, мгновенные скорости
теплового движения молекул, содержание
кислорода в воздухе и т.д.

Под событием
понимается всякий результат или исход
испытания. В теории вероятностей
рассматриваются события, которые при
выполнение некоторых условий могут
произойти, а могут не произойти. Такие
события называются
случайными.
Например, событие, состоящее в появлении
цифры 1 при выполнении условия — бросания
игральной кости, может произойти, а
может не произойти.

Если событие
неизбежно происходит в результате
каждого испытания, то оно называется
достоверным.
Событие называется невозможным,
если оно вообще не происходит ни при
каких условиях.

Два события,
одновременное появление которых
невозможно, называются несовместными.

Пусть случайное
событие А в серии из n
независимых испытаний произошло m
раз, тогда отношение:

называется
относительной частотой события А. Для
каждой относительной частоты выполняется
неравенство:

При небольшом
числе опытов относительная частота
событий в значительной мере имеет
случайный характер и может заметно
изменяться от одной группы опытов к
другой. Однако при увеличении числа
опытов частота событий все более теряет
свой случайный характер и приближается
к некоторому постоянному положительному
числу, которое является количественной
мерой возможности реализации случайного
события А. Предел, к которому стремится
относительная частота событий при
неограниченном увеличении числа
испытаний, называется статистической
вероятностью события:

Например, при
многократном бросании монеты частота
выпадения герба будет лишь незначительно
отличаться от ½. Для достоверного события
вероятность Р(А) равна единице. Если
Р=0, то событие невозможно.

Математическим
ожиданием
дискретной случайной величины называется
сумма произведений всех ее возможных
значений х_i
на вероятность этих значений р_i:

Статистическим
аналогом математического ожидания
является среднее арифметическое значений
:

где m_i
— число дискретных случайных величин,
имеющих значение х_i.

Для непрерывной
случайной величины математическим
ожиданием служит интеграл:

где р(х) — плотность
вероятности.

Отдельные значения
случайной величины группируются около
математического ожидания. Отклонение
случайной величины от ее математического
ожидания (среднего значения) характеризуется
дисперсией,
которая для дискретной случайной
величины определяется формулой:

(15)

(16)

Дисперсия имеет
размерность случайной величины. Для
того, чтобы оценивать рассеяние
(отклонение) случайной величины в
единицах той же размерности, введено
понятие среднего
квадратичного отклонения
σ(Х), которое
равно корню квадратному из дисперсии:

(17)

Вместо среднего
квадратичного отклонения иногда
используется термин «стандартное
отклонение».

Всякое отношение,
устанавливающее связь между всеми
возможными значениями случайной величины
и соответствующими им вероятностями,
называется законом
распределения случайной величины.
Формы задания закона распределения
могут быть разными:

а) ряд распределения
(для дискретных величин);

б) функция
распределения;

в) кривая распределения
(для непрерывных величин).

Существует
относительно много законов распределения
случайных величин.

Нормальный
закон распределения случайных
величин (закон
Гаусса).
Случайная величина

распределена по
нормальному закону, если ее плотность
вероятности f(x)
определяется формулой:

(18),

где <x>
— математическое ожидание (среднее
значение) случайной величины <x>
= M
(X);

—
среднее квадратичное отклонение;

—
основание натурального логарифма
(неперово число);

f
(x)
– плотность вероятности (функция
распределения вероятностей).

Многие случайные
величины (в том числе все случайные
погрешности) подчиняются нормальному
закону распределения (закону Гаусса).
Для этого распределения наиболее
вероятным значением
измеряемой
величины
является
её среднее
арифметическое
значение.

График нормального
закона распределения изображен на
рисунке (колоколообразная кривая).

Кривая симметрична
относительно прямой х=<x>=α,
следовательно, отклонения случайной
величины вправо и влево от <x>=α
равновероятны. При х=<x>±
кривая асимптотически приближается к
оси абсцисс. Если х=<x>,
то функция распределения вероятностей
f(x)
максимальна и принимает вид:

(19)

Таким образом,
максимальное значение функции f_max(x)
зависит от величины среднего квадратичного
отклонения. На рисунке изображены 3
кривые распределения. Для кривых 1 и 2
<x>
= α = 0 соответствующие значения среднего
квадратичного отклонения различны, при
этом ₂>₁.
(При увеличении 
кривая распределения становится более
пологой, а при уменьшении 
– вытягивается вверх). Для кривой 3 <x>
= α ≠ 0 и ₃
= ₂.

Закон
распределения
молекул в газах по скоростям называется
распределением
Максвелла.
Функция плотности вероятности попадания
скоростей молекул в определенный
интервал

теоретически была определена в 1860 году
английским физиком Максвеллом

. На рисунке
распределение Максвелла представлено
графически. Распределение движется
вправо или влево в зависимости от
температуры газа (на рисунке Т₁
< Т₂).
Закон распределения Максвелла определяется
формулой:

(20),

где m_о
– масса молекулы, k
– постоянная Больцмана, Т – абсолютная
температура газа,
—
скорость молекулы.

Распределение
концентрации молекул газа в атмосфере
Земли (т.е.
в силовом поле) в зависимости от высоты
было дано австрийским физиком Больцманом
и называется
распределением
Больцмана:

(21)

Где n(h)
– концентрация молекул газа на высоте
h,
n₀
– концентрация у поверхности Земли, g
– ускорение свободного падения, m
– масса молекулы.

Распределение
Больцмана.

Совокупность всех
значений случайной величины называется
простым
статистическим рядом.
Так как простой статистический ряд
оказывается большим, то его преобразуют
в вариационный
статистический
ряд или интервальный
статистический ряд. По интервальному

статистическому ряду для оценки вида
функции распределения вероятностей по
экспериментальным данным строят
гистограмму
– столбчатую
диаграмму. (Гистограмма – от греческих
слов “histos”–
столб и “gramma”–
запись).

Гистограмма
распределения Больцмана.

Для построения
гистограммы интервал, содержащий
полученные значения случайной величины
делят на несколько интервалов x_i
одинаковой ширины. Для каждого интервала
подсчитывают число m_i
значений случайной величины, попавших
в этот интервал. После этого вычисляют
плотность частоты случайной величины

для каждого интервала x_i
и среднее значение случайной величины
<x_i
> в каждом интервале.

Затем по оси абсцисс
откладывают интервалы x_i,
являющиеся основаниями прямоугольников,
высота которых равна
(или
высотой

– плотностью относительной частоты
).

Расчетами показано,
что вероятность попадания нормально
распределенной случайной величины в
интервале значений от <x>–
до <x>+
в среднем равна 68%. В границах вдвое
более широких (<x>–2;
<x>+2)
размещается в среднем 95% всех значений
измерений, а в интервале (<x>–3;<x>+3)
– уже 99,7%. Таким образом, вероятность
того, что отклонение значений нормально
распределенной случайной величины
превысит 3
(
– среднее квадратичное отклонение)
чрезвычайно мала (~0,003). Такое событие
можно считать практически невозможным.
Поэтому границы <x>–3
и <x>+3
принимаются за границы практически
возможных значений нормально распределенной
случайной величины («правило трех
сигм»).

Если число измерений
(объем выборки) невелико (n<30),
дисперсия вычисляется по формуле:

(22)

Уточненное среднее
квадратичное отклонение отдельного
измерения вычисляется по формуле:

(23)

Напомним, что для
эмпирического распределения по выборке
аналогом математического ожидания
является среднее арифметическое значение
<x>
измеряемой величины.

Чтобы дать
представление о точности и надежности
оценки измеряемой величины, используют
понятия доверительного интервала и
доверительной вероятности.

Доверительным
интервалом
называется интервал (<x>–x,
<x>+x),
в который по определению попадает с
заданной вероятностью действительное
(истинное) значение измеряемой величины.
Доверительный интервал характеризует
точность полученного результата: чем
уже доверительный интервал, тем меньше
погрешность.

Доверительной
вероятностью
(надежностью)

результата серии измерений называется
вероятность того, что истинное значение
измеряемой величины попадает в данный
доверительный интервал (<x>±x).
Чем больше величина доверительного
интервала, т.е. чем больше x,
тем с большей надежностью величина <x>
попадает в этот интервал. Надежность 
выбирается самим исследователем
самостоятельно, например, =0,95;
0,98. В медицинских и биологических
исследованиях, как правило, доверительную
вероятность (надежность) принимают
равной 0,95.

Если величина х
подчиняется нормальному закону
распределения Гаусса, а <x>
и <>
оцениваются по выборке (числу измерений)
и если объем выборки невелик (n<30),
то интервал (<x>
– t__,_n<>,
<x>
+ t__,_n<>)
будет доверительным интервалом для
известного параметра х с доверительной
вероятностью .

Коэффициент t__,_n
называется коэффициентом
Стьюдента
(этот коэффициент был предложен в 1908 г.
английским математиком и химиком В.С.
Госсетом, публиковавшим свои работы
под псевдонимом «Стьюдент» – студент).

Значении коэффициента
Стьюдента t__,_n
зависит от доверительной вероятности

и числа измерений n
(объема выборки). Некоторые значения
коэффициента Стьюдента приведены в
таблице 1.

Таблица 1

n	
0,6	0,7	0,8	0,9	0,95	0,98	0,99
2	1,38	2,0	3,1	6,3	12,7	31,8	63,7
3	1,06	1,3	1,9	2,9	4,3	7,0	9,9
4	0,98	1,3	1,6	2,4	3,2	4,5	5,8
5	0,94	1,2	1,5	2,1	2,8	3,7	4,6
6	0,92	1,2	1,5	2,0	2,6	3,4	4,0
7	0,90	1,1	1,4	1,9	2,4	3,1	3,7
8	0,90	1,1	1,4	1,9	2,4	3,0	3,5
9	0,90	1,1	1,4	1,9	2,3	2,9	3,4
10	0,88	1,1	1,4	1,9	2,3	2,8	3,3

В таблице 1 в верхней
строке заданы значения доверительной
вероятности 
от 0,6 до 0,99, в левом столбце – значение
n.
Коэффициент Стьюдента следует искать
на пересечении соответствующих строки
и столбца.

Окончательный
результат измерений записывается в
виде:

(25)

Где

– полуширина доверительного интервала.

Результат серии
измерений оценивается относительной
погрешностью:

(26)

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]

Источник

Абсолютная и относительная погрешность

4.2

Средняя оценка: 4.2

Всего получено оценок: 2118.

4.2

Средняя оценка: 4.2

Всего получено оценок: 2118.

Абсолютную и относительную погрешность используют для оценки неточности в производимых расчетах с высокой сложностью. Также они используются в различных измерениях и для округления результатов вычислений. Рассмотрим, как определить абсолютную и относительную погрешность.

Опыт работы учителем математики — более 33 лет.

Абсолютная погрешность

Абсолютной погрешностью числа называют разницу между этим числом и его точным значением.
Рассмотрим пример: в школе учится 374 ученика. Если округлить это число до 400, то абсолютная погрешность измерения равна 400-374=26.

Для подсчета абсолютной погрешности необходимо из большего числа вычитать меньшее.

Существует формула абсолютной погрешности. Обозначим точное число буквой А, а буквой а – приближение к точному числу. Приближенное число – это число, которое незначительно отличается от точного и обычно заменяет его в вычислениях. Тогда формула будет выглядеть следующим образом:

Δа=А-а. Как найти абсолютную погрешность по формуле, мы рассмотрели выше.

На практике абсолютной погрешности недостаточно для точной оценки измерения. Редко когда можно точно знать значение измеряемой величины, чтобы рассчитать абсолютную погрешность. Измеряя книгу в 20 см длиной и допустив погрешность в 1 см, можно считать измерение с большой ошибкой. Но если погрешность в 1 см была допущена при измерении стены в 20 метров, это измерение можно считать максимально точным. Поэтому в практике более важное значение имеет определение относительной погрешности измерения.

Записывают абсолютную погрешность числа, используя знак ±. Например, длина рулона обоев составляет 30 м ± 3 см. Границу абсолютной погрешности называют предельной абсолютной погрешностью.

Относительная погрешность

Относительной погрешностью называют отношение абсолютной погрешности числа к самому этому числу. Чтобы рассчитать относительную погрешность в примере с учениками, разделим 26 на 374.

Получим число 0,0695, переведем в проценты и получим 7 %. Относительную погрешность обозначают процентами, потому что это безразмерная величина. Относительная погрешность – это точная оценка ошибки измерений. Если взять абсолютную погрешность в 1 см при измерении длины отрезков 10 см и 10 м, то относительные погрешности будут соответственно равны 10 % и 0,1 %. Для отрезка длиной в 10 см погрешность в 1 см очень велика, это ошибка в 10 %. А для десятиметрового отрезка 1 см не имеет значения, всего 0,1 %.

Различают систематические и случайные погрешности. Систематической называют ту погрешность, которая остается неизменной при повторных измерениях. Случайная погрешность возникает в результате воздействия на процесс измерения внешних факторов и может изменять свое значение.

Правила подсчета погрешностей

Для номинальной оценки погрешностей существует несколько правил:

при сложении и вычитании чисел необходимо складывать их абсолютные погрешности;
при делении и умножении чисел требуется сложить относительные погрешности;
при возведении в степень относительную погрешность умножают на показатель степени.

Приближенные и точные числа записываются при помощи десятичных дробей. Берется только среднее значение, поскольку точное может быть бесконечно длинным. Чтобы понять, как записывать эти числа, необходимо узнать о верных и сомнительных цифрах.

Верными называются такие цифры, разряд которых превосходит абсолютную погрешность числа. Если же разряд цифры меньше абсолютной погрешности, она называется сомнительной. Например, для дроби 3,6714 с погрешностью 0,002 верными будут цифры 3,6,7, а сомнительными – 1 и 4. В записи приближенного числа оставляют только верные цифры. Дробь в этом случае будет выглядеть таким образом – 3,67.

Что мы узнали?

Абсолютные и относительные погрешности используются для оценки точности измерений. Абсолютной погрешностью называют разницу между точным и приближенным числом. Относительная погрешность – это отношение абсолютной погрешности числа к самому числу. На практике используют относительную погрешность, так как она является более точной.

Тест по теме

Доска почёта

Чтобы попасть сюда — пройдите тест.

Светлана Лобанова-Асямолова

10/10
Валерий Соломин

10/10
Анастасия Юшкова

10/10
Ксюша Пономарева

7/10
Паша Кривов

10/10
Евгений Холопик

9/10
Guzel Murtazina

10/10
Максим Аполонов

10/10
Olga Bimbirene

9/10
Света Колодий

10/10

Оценка статьи

4.2

Средняя оценка: 4.2

Всего получено оценок: 2118.

А какая ваша оценка?

Источник

Статья обновлена 10.07.2022

Что такое погрешность измерения

Любой расчет состоит из истинного и вычисляемого значения. При этом всегда должны учитываться значения ошибки или погрешности. Погрешность — это расхождение между истинным значением и вычисляемым. В маркетинге выделяют следующие виды погрешностей.

Математическая погрешность. Она описывается алгебраической формулой и бывает абсолютной, относительной и приведенной. Абсолютная погрешность измерения — это разница между вычисляемым и истинным значением. Относительная погрешность вычисляется в процентном соотношении истинного значения и полученного. Вычисление погрешности приведенной схоже с относительной, указывается она также в процентах, но дает разницу между нормирующей шкалой и полученными данными, то есть между эталонными и полученными значениями.
Оценочная погрешность. В маркетинге она бывает случайной и систематической. Случайная погрешность возникает из-за любых факторов, которые случайным образом влияют на измерение переменной в выборке. Систематическая погрешность вызывается факторами, которые систематически влияют на измерение переменной в выборке.

Математическая погрешность: формула для каждого типа

Если определение погрешности можно провести точным путем, она считается математической. Зачем нужно вычисление этого значения в маркетинге?

Погрешности возникают настолько часто, что популярной практикой в исследованиях является включение значения погрешности в окончательные результаты. Для этого используются формулы. Математическая погрешность — это значение, которое отражает разницу между выборкой и фактическим результатом. Если при расчетах учитывалась погрешность, в тексте исследования указывается что-то вроде: «Абсолютная погрешность для этих данных составляет 3,25%». Погрешность можно вычислить с любыми цифрами: количество человек, участвующих в опросе, погрешность суммы, затраченной на маркетинговый бюджет, и так далее.

Формулы погрешностей вычисляются следующим образом.

Абсолютная погрешность измерений: формула

Формула дает разницу между измеренным и реальным значением.

Формула абсолютной погрешности

Относительная погрешность: формула

Формула использует значение абсолютной погрешности и вычисляется в процентах по отношению к фактическому значению.

Формула относительной погрешности

Приведенная погрешность: формула

Формула также использует значение абсолютной погрешности. В чем измеряется приведенная погрешность? Тоже в процентах, но в качестве «эталона» используется не реальное значение, а единица измерения любой нормирующей шкалы. Например, для обычной линейки это значение равно 1 мм.

Формула приведенной погрешности

Классификация оценочной погрешности

Определение погрешности в оценках — это всегда методическая погрешность, то есть допустимое значение ошибки, основанное на методах проведения исследования. Погрешность метода вызывает два типа погрешностей — случайные и систематические. Таблица погрешностей в графической форме покажет все возможные типы.

Классификация оценочной погрешности

Что такое случайная погрешность

Случайная погрешность бывает статической и динамической. Динамическая погрешность возникает, когда мы имеем дело с меняющимися значениями — например, количество человек в выборке при маркетинговом исследовании. Статическая погрешность описывает ошибки при вычислении неизменных величин — вроде количества вопросов в вопроснике. Все они относятся к случайным погрешностям.

Типичный пример возникновения случайной погрешности — настроение участников маркетингового опроса. Как известно, эмоциональный настрой человека всегда влияет на его производительность. В ходе тестирования одни люди могут быть в хорошем расположении духа, а другие — в «миноре». Если настроение влияет на их ответы по заданному критерию выборки, это может искусственно завышать или занижать наблюдаемые оценки. Например, в случае с истинным значением 1 случайная погрешность может дать как -0,8, так и +0,5 к этому числу. Очень часто это случается при оценке времени ответа, например.

Случайная погрешность добавляет изменчивости данным, но не оказывает постоянного влияния на всю выборку. Вместо этого она произвольно изменяет измеряемые значения в диапазоне. В маркетинговой практике считается, что все случайные погрешности в распределении перекрывают друг друга и практически не влияют на конечный результат. Поэтому случайная погрешность считается «шумом» и в расчет не принимается. Эту погрешность нельзя устранить совсем, но можно уменьшить, просто увеличив размер выборки.

Что такое систематическая погрешность

Систематическая погрешность существует в результатах исследования, если эти результаты показывают устойчивую тенденцию к отклонению от истинных значений. Иными словами, если полученные цифры постоянно выше или ниже расчетных, речь идет о том, что в данных имеется систематическая погрешность.

В маркетинговых исследованиях есть два основных типа систематической погрешности: погрешность выборки и погрешность измерения.

Погрешность выборки

Погрешность выборки возникает, когда выборка, используемая в исследовании, не репрезентативна для всей совокупности данных. Типы такой погрешности включают погрешность структуры, погрешность аудитории и погрешность отбора.

Погрешность структуры

Погрешность структуры возникает из-за использования неполной или неточной основы для выборки. Распространенным источником такой погрешности в рамках маркетинговых исследований является проведение какого-либо опроса по телефону на основе существующего телефонного справочника или базы данных абонентов. Многие данные там указаны неполно или неточно — например, если люди недавно переехали или изменили свой номер телефона. Также такие данные часто указывают неполную или неверную демографию.

Если в качестве основы для исследования взят телефонный справочник, оно подвержено погрешности структуры, так как не учитывает всех возможных респондентов.

Погрешность аудитории

Погрешность аудитории возникает, если исследователь не знает, как определить аудиторию для исследования. Пример — оценка результатов исследования, проведенного среди клиентов крупного банка. Доля ответов на анкету составила чуть менее 1%. Анализ профессий всех опрошенных показал, что процент пенсионеров среди них в 20 раз выше, чем в целом по городу. Если эта группа значительно различается по интересующим переменным, то результаты будут неверными из-за погрешности аудитории.

Погрешность отбора

Даже если маркетологи правильно определили структуру и аудиторию, они не застрахованы от погрешности отбора. Она возникает, когда процедуры отбора являются неполными, неправильными или не соблюдаются должным образом. Например, интервьюеры при полевом исследовании могут избегать людей, которые живут в муниципальных домах. Потому что, по их мнению, жители вряд ли согласятся пройти такой опрос. Если жители муниципальных домов отличаются от тех, кто проживает в домах бизнес-класса, в результаты опроса будет внесена погрешность отбора.

Как минимизировать погрешность выборки

Знайте свою аудиторию.
Знайте, кто покупает ваш продукт, использует его, работает с вами и так далее. Имея базовую социально-экономическую информацию, можно составить стабильную выборку целевой аудитории. Маркетинговые исследования часто касаются одной конкретной группы населения — например, пользователей Facebook или молодых мам.
Разделите аудиторию на группы.
Вместо случайной выборки разбейте аудиторию на группы в соответствии с их численностью в общей совокупности данных. Например, если люди с определенной демографией составляют 35% населения, убедитесь, что 35% респондентов исследования отвечают этому условию.
Увеличьте размер выборки.
Больший размер выборки приводит к более точному результату.

Погрешность измерения

Погрешность измерения представляет собой серьезную угрозу точности исследования. Она возникает, когда существует разница между искомой информацией — то есть истинным значением, и информацией, фактически полученной в процессе измерения. К таким погрешностям приводят различные недостатки процесса исследования. Погрешность измерения, в основном, вызывается человеческим фактором — например, формулировкой вопросника, ошибками ввода данных и необъективными выводами.

К погрешностям измерения приводят следующие виды ошибок.

Ошибка цели

Ошибка цели возникает, когда существует несоответствие между информацией, фактически необходимой для решения проблемы, и данными , которые собирает исследование. Например, компания Kellogg впустую потратила миллионы на разработку завтраков для снижения уровня холестерина. Реальный вопрос, который нужно было бы задать в исследовании, заключался в том, купят ли люди овсяные хлопья для решения своей проблемы. Ответ «Нет» обошелся бы компании дешевле.

Предвзятость ответов

Некоторые люди склонны отвечать на конкретный вопрос определенным образом. Тогда возникает предвзятость ответа. Предвзятость ответа может быть результатом умышленной фальсификации или неосознанного искажения фактов.

Умышленная фальсификация происходит, когда респонденты целенаправленно дают неверные ответы на вопросы. Есть много причин, по которым люди могут сознательно искажать информацию. Например, они хотят скрыть или хотят казаться лучше, чем есть на самом деле.

Бессознательное искажение информации происходит, когда респондент пытается быть правдивым, но дает неточный ответ. Этот тип предвзятости может возникать из-за формата вопроса, его содержания или по другим причинам.

Предвзятость интервьюера

Интервьюер оказывает влияние на респондента — сознательно или бессознательно. Одежда, возраст, пол, выражение лица, язык тела или тон голоса могут повлиять на ответы некоторых или всех респондентов.

Ошибка обработки

Примеры включают наводящие вопросы или элементы дизайна анкеты, которые затрудняют запись ответов или приводят к ошибкам в них.

Ошибка ввода

Это ошибки, возникающие при вводе информации. Например, документ может быть отсканирован неправильно, и его данные по ошибке перенесутся неверно. Или люди, заполняющие опросы на смартфоне или ноутбуке, могут нажимать не те клавиши.

Виды проводимых маркетинговых исследований различны, поэтому универсальных рецептов не существует. Мы дадим несколько общих советов, используемых для минимизации систематических погрешностей разного типа.

Как минимизировать погрешность измерения

Предварительно протестируйте.
Погрешностей обработки и предвзятости можно избежать, если проводить предварительные тесты вопросника до начала основных интервью.
Проводите выборку случайным образом.
Чтобы устранить предвзятость, при выборке респондентов можно включать каждого четвертого человека из общего списка.
Тренируйте команду интервьюеров и наблюдателей.
Отбор и обучение тех, кто проводит исследования, должен быть тщательным. Особое внимание нужно уделять соблюдению инструкций в ходе каждого исследования.
Всегда выполняйте проверку сделанных записей.
Чтобы исключить ошибки ввода, все данные, вводимые для компьютерного анализа, должны быть перепроверены как минимум дважды.

Мир без ошибок не может существовать. Но понимание факторов, влияющих на маркетинговые исследования и измеряемые погрешности, имеет важное значение для сбора качественных данных.

Источник