Систематические ошибки физика

Систематическая погрешность характеризует неточность измерительного инструмента или метода обработки данных. Может возникать на уровне «железа», при получении сырых данных; на этапе распознавания сырых данных; на этапе позднего анализа события.

Систематическая погрешность (или, на физическом жаргоне, систематика) характеризует неточность измерительного инструмента или метода обработки данных. Если точнее, то она показывает наше ограниченное знание этой неточности: ведь если инструмент «врет», но мы хорошо знаем, насколько именно, то мы сможем скорректировать его показания и устранить инструментальную неопределенность результата. Слово «систематическая» означает, что вы можете повторять какое-то измерение на этой установке миллионы раз, но если у нее «сбит прицел», то вы систематически будете получать значение, отличающееся от истинного.

Конечно, систематические погрешности хочется взять под контроль. Поскольку это чисто инструментальный эффект, ответственность за это целиком лежит на экспериментаторах, собиравших, настраивавших и работающих на этой установке. Они прилагают все усилия для того, чтобы, во-первых, корректно определить эти погрешности, а во-вторых, их минимизировать. Собственно, они этим начинают заниматься с самых первых дней работы установки, даже когда еще собственно научная программа исследований и не началась.

Возможные источники систематических погрешностей

Современный коллайдерный эксперимент очень сложен. В нём есть место огромному количеству источников систематических погрешностей на самых разных стадиях получения экспериментального результата. Вот некоторые из них.

Погрешности могут возникать на уровне «железа», при получении сырых данных:

  • дефектные или неработающие отдельные регистрирующие компоненты или считывающие элементы. В детекторе миллионы отдельных компонентов, и даже если 1% из них оказался дефектным, это может ухудшить «зоркость» детектора и четкость регистрации сигналов. Надо подчеркнуть, что, даже если при запуске детектор работает на все 100%, постоянное детектирование частиц (это же жесткая радиация!) с течением времени выводит из строя отдельные компоненты, так что следить за поведением детектора абсолютно необходимо;
  • наличие «слепых зон» детектора; например, если частица вылетает близко к оси пучков, то она улетит в трубу и детектор ее просто не заметит.

Погрешности могут возникать на этапе распознавания сырых данных и их превращение в физическое событие:

  • погрешность при измерении энергии частиц в калориметре;
  • погрешность при измерении траектории частиц в трековых детекторах, из-за которой неточно измеряется точка вылета и импульс частицы;
  • неправильная идентификация типа частицы (например, система неудачно распознала след от π-мезона и приняла его за K-мезон). Более тонкий вариант: неправильное объединение адронов в одну адронную струю и неправильная оценка ее энергии;
  • неправильный подсчет числа частиц (две частицы случайно вылетели так близко друг к другу, что детектор «увидел» только один след и посчитал их за одну).

Наконец, новые систематические погрешности добавляются на этапе позднего анализа события:

  • неточность в измерении светимости пучков, которая влияет на пересчет числа событий в сечение процесса;
  • наличие посторонних процессов рождения частиц, которые отличаются с физической точки зрения, но, к сожалению, выглядят для детектора одинаковыми. Такие процессы порождают неустранимый фон, который часто мешает разглядеть искомый эффект;
  • необходимость моделировать процессы (в особенности, адронизацию, превращение кварков в адроны), опираясь частично на теорию, частично на прошлые эксперименты. Несовершенство того и другого привносит неточности и в новый экспериментальный результат. По этой причине теоретическую погрешность тоже часто относят к систематике.

В отдельных случаях встречаются источники систематических погрешностей, которые умудряются попасть сразу во все категории, они совмещают в себе и свойства детекторного «железа», и методы обработки и интерпретации данных. Например, если вы хотите сравнить друг с другом количество рожденных частиц и античастиц какого-то сорта (например, мюонов и антимюонов), то вам не стоит забывать, что ваш детектор состоит из вещества, а не из антивещества! Этот «перекос» в сторону вещества может привести к тому, что детектор будет видеть мюонов меньше, чем антимюонов, подробности см. в заметке Немножко про CP-нарушение, или Как жаль, что у нас нет детекторов из антивещества!.

Всю эту прорву источников потенциальных проблем надо распознать и оценить их влияние на выполняемый анализ. Здесь никаких абсолютно универсальных алгоритмов нет; исследователь должен сам понять, на какие погрешности надо обращать внимание и как грамотно их оценить. Конечно, тут на помощь приходят разные калибровочные измерения, выполненные в первые год-два работы детектора, и программы моделирования, которые позволяют виртуально протестировать поведение детектора в тех или иных условиях. Но главным в этом искусстве всё же является физическое чутье экспериментатора, его квалификация и накопленный опыт.

Почему важна грамотная оценка систематики

Беспечная оценка систематических погрешностей может привести к двум крайностям, причем обе очень нежелательны.

Заниженная погрешность — то есть неоправданная уверенность экспериментатора в том, что погрешности в его детекторе маленькие, хотя они на самом деле намного больше, — исключительно опасна, поскольку она может привести к совершенно неправильным научным выводам. Например, экспериментатор может на их основании решить, что измерения отличаются от теоретических предсказаний на уровне статистической значимости 10 стандартных отклонений (сенсация!), хотя истинная причина расхождения может просто состоять в том, что он проглядел источник ошибок, в 10 раз увеличивающий неопределенность измерения, и никакого расхождения на самом деле нет.

В борьбе с этой опасностью есть соблазн впасть в другую крайность: «А вдруг там есть еще какие-то погрешности? Может, я что-то не учел? Давай-ка я на всякий случай увеличу погрешности измерения в 10 раз для пущей безопасности.» Такая крайность плоха тем, что она обессмысливает измерение. Неоправданно завышая погрешность, вы рискуете получить результат, который будет, конечно, правильным, но очень неопределенным, ничем не лучше тех результатов, которые уже были получены до вас на гораздо более скромных установках. Такой подход, фактически, перечеркивает всю работу по разработке технологий, по изготовлению компонентов, по сборке детектора, все затраты на его работу и на анализ результатов.

Грамотный и ответственный анализ систематики должен удерживать оптимальный баланс (максимальная достоверность при максимальной научной ценности), не допуская таких крайностей. Это очень тонкая и сложная работа, и первые страницы в большинстве современных экспериментальных статей по физике частиц посвящены тщательному обсуждению систематических (а также статистических) погрешностей.

Мы не будем обсуждать подробности того, как обсчитывать систематические погрешности. Подчеркнем только, что это серьезная наука с множеством тонкостей и подводных камней. В качестве примера умеренно простого обсуждения некоторых вопросов см. статью Systematic Errors: facts and fictions.

Источник

Ошибки измерений физических величин

По
способу выражения точности результатов
измерения различают абсолютную
и относительную
ошибки.

Абсолютной
ошибкой
измерения x
некоторой величины называют модуль
разности между измеренным значением x
и истинным значением a
 измеряемой
величины:

x
= a
– x.
(1)

Абсолютная ошибка
имеет размерность измеряемой величины
и указывает на необходимую поправку в
данном результате измерения. При этом
она определяет неточность в измерении
величины вне зависимости от её значения.

Относительной
ошибкой
измерения 
называют отношение абсолютной ошибки
измерения к истинному значению измеряемой
величины:

 = x/a
. (2)

Относительная
ошибка безразмерна или иногда выражается
в процентах:

 = (x/a)100%
. (3)

Если абсолютная
ошибка определяет неточность в измерении
величины безотносительно к значению
самой величины, то относительная ошибка
даёт непосредственное представление
о точности проведённых измерений, так
как определяет, какую долю составляет
ошибка в полученном результате. Например,
абсолютная ошибка в 1 грамм (x
= 1 г) при измерении массы тела в 10 кг даёт
неточность всего 
= (10-3/10)100%
= 0,01%, в то время как такая же абсолютная
ошибка в определении массы тела в 10
г даёт неточность уже 
= (10-3/10-2)100%
= 10%.

По характеру
проявления различают три вида ошибок:
грубые ошибки
(промахи), систематические ошибки и
случайные ошибки.

Промахи
– допущенные грубые ошибки, когда
некоторые измерения вдруг резко
выделяются из большого ряда полученных
измерений. Они могут возникать вследствие
недостатка внимания экспериментатора,
непредсказуемого поведения прибора
(внешние наводки, нестабильность
источника питания и т.д.) и множества
других причин, которые практически
невозможно учесть. Такие измерения
обычно просто отбрасываются, хотя, надо
сказать, существуют критерии, позволяющие
разобраться в том, является ли данное
измерение промахом или же естественным
случайным отклонением от среднего
значения, т.е. измерением, которое нельзя
отбрасывать (такие критерии разбираются
в приведённой в конце этих методических
указаний литературе). Обычно, всё же
даже неверный отброс случайного
измерения, как “промаха”, не приводит
к заметному изменению оценок неточностей
измеряемой величины.

Систематические
ошибки связаны
с факторами, действующими одинаково
при многократном повторении одних и
тех же измерений. Они возникают по
нескольким причинам. 1). Из-за погрешности
метода измерений, который может не
учитывать некоторых факторов, влияющих
на результат измерений. Например, это
– не учёт при измерениях длины тела её
зависимости от температуры, не принятие
во внимание “потери веса” тела в воздухе
из-за наличия выталкивающей силы и т.д.
Во многих случаях величину и знак такой
систематической ошибки можно установить
и ввести соответствующие поправки.
Поправка, разумеется, равна систематической
ошибке измерения, взятой с обратным
знаком. 2). Из-за неизвестных, непредполагаемых
свойств измеряемого объекта (например,
наличие в нём пустот, несимметричность
считающегося симметричным объекта и
т.д.). Эти ошибки исключаются только,
если провести измерения изучаемой
величины другим методом и в других
условиях эксперимента. 3). Из-за
индивидуальных погрешностей, допускаемых
в процессе измерений наблюдателем.
Например, наблюдатели по-разному
внимательны, обладают разной скоростью
реакции, а это приводит к систематическим
ошибкам при слежении за “уходом нуля”
приборов, при регистрации временных
интервалов секундомером и т.д. Устранить
индивидуальные систематические
погрешности можно только повторением
этих измерений другими наблюдателями.
4). Из-за ошибок, которые вносят погрешности
измерительных приборов. Погрешности
измерительных приборов будут подробно
разобраны в следующем разделе.

Случайные
погрешности определяются
сложной совокупностью причин. Они
обнаруживаются при всё большем числе
повторных измерений в виде некоторого
разброса результатов измерений, причём
невозможно предсказать результат
очередного измерения. Но это не означает,
что случайная ошибка не подчиняется
никаким закономерностям. Законы её
изменения носят статистический характер.
Далее отдельно будет дано математическое
обоснование определения этой ошибки.

Соседние файлы в папке физика_1

  • #

    28.03.2016210.94 Кб2180.doc

  • #

    28.03.2016169.47 Кб1982.doc

  • #

    28.03.2016592.38 Кб2488.doc

  • #

    28.03.2016163.33 Кб219.doc

  • #
  • #
  • #
  • #
Источник

From Wikipedia, the free encyclopedia

«Systematic bias» redirects here. For the sociological and organizational phenomenon, see Systemic bias.

Observational error (or measurement error) is the difference between a measured value of a quantity and its true value.[1] In statistics, an error is not necessarily a «mistake». Variability is an inherent part of the results of measurements and of the measurement process.

Measurement errors can be divided into two components: random and systematic.[2]
Random errors are errors in measurement that lead to measurable values being inconsistent when repeated measurements of a constant attribute or quantity are taken. Systematic errors are errors that are not determined by chance but are introduced by repeatable processes inherent to the system.[3] Systematic error may also refer to an error with a non-zero mean, the effect of which is not reduced when observations are averaged.[citation needed]

Measurement errors can be summarized in terms of accuracy and precision.
Measurement error should not be confused with measurement uncertainty.

Science and experiments[edit]

When either randomness or uncertainty modeled by probability theory is attributed to such errors, they are «errors» in the sense in which that term is used in statistics; see errors and residuals in statistics.

Every time we repeat a measurement with a sensitive instrument, we obtain slightly different results. The common statistical model used is that the error has two additive parts:

  1. Systematic error which always occurs, with the same value, when we use the instrument in the same way and in the same case.
  2. Random error which may vary from observation to another.

Systematic error is sometimes called statistical bias. It may often be reduced with standardized procedures. Part of the learning process in the various sciences is learning how to use standard instruments and protocols so as to minimize systematic error.

Random error (or random variation) is due to factors that cannot or will not be controlled. One possible reason to forgo controlling for these random errors is that it may be too expensive to control them each time the experiment is conducted or the measurements are made. Other reasons may be that whatever we are trying to measure is changing in time (see dynamic models), or is fundamentally probabilistic (as is the case in quantum mechanics — see Measurement in quantum mechanics). Random error often occurs when instruments are pushed to the extremes of their operating limits. For example, it is common for digital balances to exhibit random error in their least significant digit. Three measurements of a single object might read something like 0.9111g, 0.9110g, and 0.9112g.

Characterization[edit]

Measurement errors can be divided into two components: random error and systematic error.[2]

Random error is always present in a measurement. It is caused by inherently unpredictable fluctuations in the readings of a measurement apparatus or in the experimenter’s interpretation of the instrumental reading. Random errors show up as different results for ostensibly the same repeated measurement. They can be estimated by comparing multiple measurements and reduced by averaging multiple measurements.

Systematic error is predictable and typically constant or proportional to the true value. If the cause of the systematic error can be identified, then it usually can be eliminated. Systematic errors are caused by imperfect calibration of measurement instruments or imperfect methods of observation, or interference of the environment with the measurement process, and always affect the results of an experiment in a predictable direction. Incorrect zeroing of an instrument leading to a zero error is an example of systematic error in instrumentation.

The Performance Test Standard PTC 19.1-2005 “Test Uncertainty”, published by the American Society of Mechanical Engineers (ASME), discusses systematic and random errors in considerable detail. In fact, it conceptualizes its basic uncertainty categories in these terms.

Random error can be caused by unpredictable fluctuations in the readings of a measurement apparatus, or in the experimenter’s interpretation of the instrumental reading; these fluctuations may be in part due to interference of the environment with the measurement process. The concept of random error is closely related to the concept of precision. The higher the precision of a measurement instrument, the smaller the variability (standard deviation) of the fluctuations in its readings.

Sources[edit]

Sources of systematic error[edit]

Imperfect calibration[edit]

Sources of systematic error may be imperfect calibration of measurement instruments (zero error), changes in the environment which interfere with the measurement process and sometimes imperfect methods of observation can be either zero error or percentage error. If you consider an experimenter taking a reading of the time period of a pendulum swinging past a fiducial marker: If their stop-watch or timer starts with 1 second on the clock then all of their results will be off by 1 second (zero error). If the experimenter repeats this experiment twenty times (starting at 1 second each time), then there will be a percentage error in the calculated average of their results; the final result will be slightly larger than the true period.

Distance measured by radar will be systematically overestimated if the slight slowing down of the waves in air is not accounted for. Incorrect zeroing of an instrument leading to a zero error is an example of systematic error in instrumentation.

Systematic errors may also be present in the result of an estimate based upon a mathematical model or physical law. For instance, the estimated oscillation frequency of a pendulum will be systematically in error if slight movement of the support is not accounted for.

Quantity[edit]

Systematic errors can be either constant, or related (e.g. proportional or a percentage) to the actual value of the measured quantity, or even to the value of a different quantity (the reading of a ruler can be affected by environmental temperature). When it is constant, it is simply due to incorrect zeroing of the instrument. When it is not constant, it can change its sign. For instance, if a thermometer is affected by a proportional systematic error equal to 2% of the actual temperature, and the actual temperature is 200°, 0°, or −100°, the measured temperature will be 204° (systematic error = +4°), 0° (null systematic error) or −102° (systematic error = −2°), respectively. Thus the temperature will be overestimated when it will be above zero and underestimated when it will be below zero.

Drift[edit]

Systematic errors which change during an experiment (drift) are easier to detect. Measurements indicate trends with time rather than varying randomly about a mean. Drift is evident if a measurement of a constant quantity is repeated several times and the measurements drift one way during the experiment. If the next measurement is higher than the previous measurement as may occur if an instrument becomes warmer during the experiment then the measured quantity is variable and it is possible to detect a drift by checking the zero reading during the experiment as well as at the start of the experiment (indeed, the zero reading is a measurement of a constant quantity). If the zero reading is consistently above or below zero, a systematic error is present. If this cannot be eliminated, potentially by resetting the instrument immediately before the experiment then it needs to be allowed by subtracting its (possibly time-varying) value from the readings, and by taking it into account while assessing the accuracy of the measurement.

If no pattern in a series of repeated measurements is evident, the presence of fixed systematic errors can only be found if the measurements are checked, either by measuring a known quantity or by comparing the readings with readings made using a different apparatus, known to be more accurate. For example, if you think of the timing of a pendulum using an accurate stopwatch several times you are given readings randomly distributed about the mean. Hopings systematic error is present if the stopwatch is checked against the ‘speaking clock’ of the telephone system and found to be running slow or fast. Clearly, the pendulum timings need to be corrected according to how fast or slow the stopwatch was found to be running.

Measuring instruments such as ammeters and voltmeters need to be checked periodically against known standards.

Systematic errors can also be detected by measuring already known quantities. For example, a spectrometer fitted with a diffraction grating may be checked by using it to measure the wavelength of the D-lines of the sodium electromagnetic spectrum which are at 600 nm and 589.6 nm. The measurements may be used to determine the number of lines per millimetre of the diffraction grating, which can then be used to measure the wavelength of any other spectral line.

Constant systematic errors are very difficult to deal with as their effects are only observable if they can be removed. Such errors cannot be removed by repeating measurements or averaging large numbers of results. A common method to remove systematic error is through calibration of the measurement instrument.

Sources of random error[edit]

The random or stochastic error in a measurement is the error that is random from one measurement to the next. Stochastic errors tend to be normally distributed when the stochastic error is the sum of many independent random errors because of the central limit theorem. Stochastic errors added to a regression equation account for the variation in Y that cannot be explained by the included Xs.

Surveys[edit]

The term «observational error» is also sometimes used to refer to response errors and some other types of non-sampling error.[1] In survey-type situations, these errors can be mistakes in the collection of data, including both the incorrect recording of a response and the correct recording of a respondent’s inaccurate response. These sources of non-sampling error are discussed in Salant and Dillman (1994) and Bland and Altman (1996).[4][5]

These errors can be random or systematic. Random errors are caused by unintended mistakes by respondents, interviewers and/or coders. Systematic error can occur if there is a systematic reaction of the respondents to the method used to formulate the survey question. Thus, the exact formulation of a survey question is crucial, since it affects the level of measurement error.[6] Different tools are available for the researchers to help them decide about this exact formulation of their questions, for instance estimating the quality of a question using MTMM experiments. This information about the quality can also be used in order to correct for measurement error.[7][8]

Effect on regression analysis[edit]

If the dependent variable in a regression is measured with error, regression analysis and associated hypothesis testing are unaffected, except that the R2 will be lower than it would be with perfect measurement.

However, if one or more independent variables is measured with error, then the regression coefficients and standard hypothesis tests are invalid.[9]: p. 187  This is known as attenuation bias.[10]

See also[edit]

  • Bias (statistics)
  • Cognitive bias
  • Correction for measurement error (for Pearson correlations)
  • Errors and residuals in statistics
  • Error
  • Replication (statistics)
  • Statistical theory
  • Metrology
  • Regression dilution
  • Test method
  • Propagation of uncertainty
  • Instrument error
  • Measurement uncertainty
  • Errors-in-variables models
  • Systemic bias

References[edit]

  1. ^ a b Dodge, Y. (2003) The Oxford Dictionary of Statistical Terms, OUP. ISBN 978-0-19-920613-1
  2. ^ a b John Robert Taylor (1999). An Introduction to Error Analysis: The Study of Uncertainties in Physical Measurements. University Science Books. p. 94, §4.1. ISBN 978-0-935702-75-0.
  3. ^ «Systematic error». Merriam-webster.com. Retrieved 2016-09-10.
  4. ^ Salant, P.; Dillman, D. A. (1994). How to conduct your survey. New York: John Wiley & Sons. ISBN 0-471-01273-4.
  5. ^ Bland, J. Martin; Altman, Douglas G. (1996). «Statistics Notes: Measurement Error». BMJ. 313 (7059): 744. doi:10.1136/bmj.313.7059.744. PMC 2352101. PMID 8819450.
  6. ^ Saris, W. E.; Gallhofer, I. N. (2014). Design, Evaluation and Analysis of Questionnaires for Survey Research (Second ed.). Hoboken: Wiley. ISBN 978-1-118-63461-5.
  7. ^ DeCastellarnau, A. and Saris, W. E. (2014). A simple procedure to correct for measurement errors in survey research. European Social Survey Education Net (ESS EduNet). Available at: http://essedunet.nsd.uib.no/cms/topics/measurement Archived 2019-09-15 at the Wayback Machine
  8. ^ Saris, W. E.; Revilla, M. (2015). «Correction for measurement errors in survey research: necessary and possible» (PDF). Social Indicators Research. 127 (3): 1005–1020. doi:10.1007/s11205-015-1002-x. hdl:10230/28341. S2CID 146550566.
  9. ^ Hayashi, Fumio (2000). Econometrics. Princeton University Press. ISBN 978-0-691-01018-2.
  10. ^ Angrist, Joshua David; Pischke, Jörn-Steffen (2015). Mastering ‘metrics : the path from cause to effect. Princeton, New Jersey. p. 221. ISBN 978-0-691-15283-7. OCLC 877846199. The bias generated by this sort of measurement error in regressors is called attenuation bias.

Further reading[edit]

  • Cochran, W. G. (1968). «Errors of Measurement in Statistics». Technometrics. 10 (4): 637–666. doi:10.2307/1267450. JSTOR 1267450.
Источник

From Wikipedia, the free encyclopedia

«Systematic bias» redirects here. For the sociological and organizational phenomenon, see Systemic bias.

Observational error (or measurement error) is the difference between a measured value of a quantity and its true value.[1] In statistics, an error is not necessarily a «mistake». Variability is an inherent part of the results of measurements and of the measurement process.

Measurement errors can be divided into two components: random and systematic.[2]
Random errors are errors in measurement that lead to measurable values being inconsistent when repeated measurements of a constant attribute or quantity are taken. Systematic errors are errors that are not determined by chance but are introduced by repeatable processes inherent to the system.[3] Systematic error may also refer to an error with a non-zero mean, the effect of which is not reduced when observations are averaged.[citation needed]

Measurement errors can be summarized in terms of accuracy and precision.
Measurement error should not be confused with measurement uncertainty.

Science and experiments[edit]

When either randomness or uncertainty modeled by probability theory is attributed to such errors, they are «errors» in the sense in which that term is used in statistics; see errors and residuals in statistics.

Every time we repeat a measurement with a sensitive instrument, we obtain slightly different results. The common statistical model used is that the error has two additive parts:

  1. Systematic error which always occurs, with the same value, when we use the instrument in the same way and in the same case.
  2. Random error which may vary from observation to another.

Systematic error is sometimes called statistical bias. It may often be reduced with standardized procedures. Part of the learning process in the various sciences is learning how to use standard instruments and protocols so as to minimize systematic error.

Random error (or random variation) is due to factors that cannot or will not be controlled. One possible reason to forgo controlling for these random errors is that it may be too expensive to control them each time the experiment is conducted or the measurements are made. Other reasons may be that whatever we are trying to measure is changing in time (see dynamic models), or is fundamentally probabilistic (as is the case in quantum mechanics — see Measurement in quantum mechanics). Random error often occurs when instruments are pushed to the extremes of their operating limits. For example, it is common for digital balances to exhibit random error in their least significant digit. Three measurements of a single object might read something like 0.9111g, 0.9110g, and 0.9112g.

Characterization[edit]

Measurement errors can be divided into two components: random error and systematic error.[2]

Random error is always present in a measurement. It is caused by inherently unpredictable fluctuations in the readings of a measurement apparatus or in the experimenter’s interpretation of the instrumental reading. Random errors show up as different results for ostensibly the same repeated measurement. They can be estimated by comparing multiple measurements and reduced by averaging multiple measurements.

Systematic error is predictable and typically constant or proportional to the true value. If the cause of the systematic error can be identified, then it usually can be eliminated. Systematic errors are caused by imperfect calibration of measurement instruments or imperfect methods of observation, or interference of the environment with the measurement process, and always affect the results of an experiment in a predictable direction. Incorrect zeroing of an instrument leading to a zero error is an example of systematic error in instrumentation.

The Performance Test Standard PTC 19.1-2005 “Test Uncertainty”, published by the American Society of Mechanical Engineers (ASME), discusses systematic and random errors in considerable detail. In fact, it conceptualizes its basic uncertainty categories in these terms.

Random error can be caused by unpredictable fluctuations in the readings of a measurement apparatus, or in the experimenter’s interpretation of the instrumental reading; these fluctuations may be in part due to interference of the environment with the measurement process. The concept of random error is closely related to the concept of precision. The higher the precision of a measurement instrument, the smaller the variability (standard deviation) of the fluctuations in its readings.

Sources[edit]

Sources of systematic error[edit]

Imperfect calibration[edit]

Sources of systematic error may be imperfect calibration of measurement instruments (zero error), changes in the environment which interfere with the measurement process and sometimes imperfect methods of observation can be either zero error or percentage error. If you consider an experimenter taking a reading of the time period of a pendulum swinging past a fiducial marker: If their stop-watch or timer starts with 1 second on the clock then all of their results will be off by 1 second (zero error). If the experimenter repeats this experiment twenty times (starting at 1 second each time), then there will be a percentage error in the calculated average of their results; the final result will be slightly larger than the true period.

Distance measured by radar will be systematically overestimated if the slight slowing down of the waves in air is not accounted for. Incorrect zeroing of an instrument leading to a zero error is an example of systematic error in instrumentation.

Systematic errors may also be present in the result of an estimate based upon a mathematical model or physical law. For instance, the estimated oscillation frequency of a pendulum will be systematically in error if slight movement of the support is not accounted for.

Quantity[edit]

Systematic errors can be either constant, or related (e.g. proportional or a percentage) to the actual value of the measured quantity, or even to the value of a different quantity (the reading of a ruler can be affected by environmental temperature). When it is constant, it is simply due to incorrect zeroing of the instrument. When it is not constant, it can change its sign. For instance, if a thermometer is affected by a proportional systematic error equal to 2% of the actual temperature, and the actual temperature is 200°, 0°, or −100°, the measured temperature will be 204° (systematic error = +4°), 0° (null systematic error) or −102° (systematic error = −2°), respectively. Thus the temperature will be overestimated when it will be above zero and underestimated when it will be below zero.

Drift[edit]

Systematic errors which change during an experiment (drift) are easier to detect. Measurements indicate trends with time rather than varying randomly about a mean. Drift is evident if a measurement of a constant quantity is repeated several times and the measurements drift one way during the experiment. If the next measurement is higher than the previous measurement as may occur if an instrument becomes warmer during the experiment then the measured quantity is variable and it is possible to detect a drift by checking the zero reading during the experiment as well as at the start of the experiment (indeed, the zero reading is a measurement of a constant quantity). If the zero reading is consistently above or below zero, a systematic error is present. If this cannot be eliminated, potentially by resetting the instrument immediately before the experiment then it needs to be allowed by subtracting its (possibly time-varying) value from the readings, and by taking it into account while assessing the accuracy of the measurement.

If no pattern in a series of repeated measurements is evident, the presence of fixed systematic errors can only be found if the measurements are checked, either by measuring a known quantity or by comparing the readings with readings made using a different apparatus, known to be more accurate. For example, if you think of the timing of a pendulum using an accurate stopwatch several times you are given readings randomly distributed about the mean. Hopings systematic error is present if the stopwatch is checked against the ‘speaking clock’ of the telephone system and found to be running slow or fast. Clearly, the pendulum timings need to be corrected according to how fast or slow the stopwatch was found to be running.

Measuring instruments such as ammeters and voltmeters need to be checked periodically against known standards.

Systematic errors can also be detected by measuring already known quantities. For example, a spectrometer fitted with a diffraction grating may be checked by using it to measure the wavelength of the D-lines of the sodium electromagnetic spectrum which are at 600 nm and 589.6 nm. The measurements may be used to determine the number of lines per millimetre of the diffraction grating, which can then be used to measure the wavelength of any other spectral line.

Constant systematic errors are very difficult to deal with as their effects are only observable if they can be removed. Such errors cannot be removed by repeating measurements or averaging large numbers of results. A common method to remove systematic error is through calibration of the measurement instrument.

Sources of random error[edit]

The random or stochastic error in a measurement is the error that is random from one measurement to the next. Stochastic errors tend to be normally distributed when the stochastic error is the sum of many independent random errors because of the central limit theorem. Stochastic errors added to a regression equation account for the variation in Y that cannot be explained by the included Xs.

Surveys[edit]

The term «observational error» is also sometimes used to refer to response errors and some other types of non-sampling error.[1] In survey-type situations, these errors can be mistakes in the collection of data, including both the incorrect recording of a response and the correct recording of a respondent’s inaccurate response. These sources of non-sampling error are discussed in Salant and Dillman (1994) and Bland and Altman (1996).[4][5]

These errors can be random or systematic. Random errors are caused by unintended mistakes by respondents, interviewers and/or coders. Systematic error can occur if there is a systematic reaction of the respondents to the method used to formulate the survey question. Thus, the exact formulation of a survey question is crucial, since it affects the level of measurement error.[6] Different tools are available for the researchers to help them decide about this exact formulation of their questions, for instance estimating the quality of a question using MTMM experiments. This information about the quality can also be used in order to correct for measurement error.[7][8]

Effect on regression analysis[edit]

If the dependent variable in a regression is measured with error, regression analysis and associated hypothesis testing are unaffected, except that the R2 will be lower than it would be with perfect measurement.

However, if one or more independent variables is measured with error, then the regression coefficients and standard hypothesis tests are invalid.[9]: p. 187  This is known as attenuation bias.[10]

See also[edit]

  • Bias (statistics)
  • Cognitive bias
  • Correction for measurement error (for Pearson correlations)
  • Errors and residuals in statistics
  • Error
  • Replication (statistics)
  • Statistical theory
  • Metrology
  • Regression dilution
  • Test method
  • Propagation of uncertainty
  • Instrument error
  • Measurement uncertainty
  • Errors-in-variables models
  • Systemic bias

References[edit]

  1. ^ a b Dodge, Y. (2003) The Oxford Dictionary of Statistical Terms, OUP. ISBN 978-0-19-920613-1
  2. ^ a b John Robert Taylor (1999). An Introduction to Error Analysis: The Study of Uncertainties in Physical Measurements. University Science Books. p. 94, §4.1. ISBN 978-0-935702-75-0.
  3. ^ «Systematic error». Merriam-webster.com. Retrieved 2016-09-10.
  4. ^ Salant, P.; Dillman, D. A. (1994). How to conduct your survey. New York: John Wiley & Sons. ISBN 0-471-01273-4.
  5. ^ Bland, J. Martin; Altman, Douglas G. (1996). «Statistics Notes: Measurement Error». BMJ. 313 (7059): 744. doi:10.1136/bmj.313.7059.744. PMC 2352101. PMID 8819450.
  6. ^ Saris, W. E.; Gallhofer, I. N. (2014). Design, Evaluation and Analysis of Questionnaires for Survey Research (Second ed.). Hoboken: Wiley. ISBN 978-1-118-63461-5.
  7. ^ DeCastellarnau, A. and Saris, W. E. (2014). A simple procedure to correct for measurement errors in survey research. European Social Survey Education Net (ESS EduNet). Available at: http://essedunet.nsd.uib.no/cms/topics/measurement Archived 2019-09-15 at the Wayback Machine
  8. ^ Saris, W. E.; Revilla, M. (2015). «Correction for measurement errors in survey research: necessary and possible» (PDF). Social Indicators Research. 127 (3): 1005–1020. doi:10.1007/s11205-015-1002-x. hdl:10230/28341. S2CID 146550566.
  9. ^ Hayashi, Fumio (2000). Econometrics. Princeton University Press. ISBN 978-0-691-01018-2.
  10. ^ Angrist, Joshua David; Pischke, Jörn-Steffen (2015). Mastering ‘metrics : the path from cause to effect. Princeton, New Jersey. p. 221. ISBN 978-0-691-15283-7. OCLC 877846199. The bias generated by this sort of measurement error in regressors is called attenuation bias.

Further reading[edit]

  • Cochran, W. G. (1968). «Errors of Measurement in Statistics». Technometrics. 10 (4): 637–666. doi:10.2307/1267450. JSTOR 1267450.
Источник

Систематические погрешности при повторных измерениях остаются постоянными или изменяются по определенному закону.

Когда судят о погрешности, подразумевают не значение, а интервал значений, в котором с заданной вероятностью находится истинное значение. Поэтому говорят об оценке погрешности. Если бы погрешность оказалась измеренной, т.е. стали бы известны её знак и значение, то её можно было бы исключить из действительного значения измеряемой физической величины и получить истинное значение.

Для получения результатов, минимально отличающихся от истинного значения измеряемой физической величины, проводят многократные наблюдения и проводят математическую обработку полученного массива с целью определения и минимизации случайной составляющей погрешности.

Минимизация систематической погрешности в процессе наблюдений выполняется следующими методами: метод замещения (состоит в замещении измеряемой величины мерой), метод противопоставления (состоит в двух поочерёдных измерениях при замене местами меры и измеряемого объекта), метод компенсации погрешности по знаку (состоит в двух поочерёдных измерениях, при которых влияющая величина становится противоположной).

При многократных наблюдениях возможно апостериорное (после выполнения наблюдений) исключение систематической погрешности в результате анализа рядов наблюдений. Рассмотрим графический анализ. При этом результаты последовательных наблюдений представляются функцией времени либо ранжируются в порядке возрастания погрешности.

Рассмотрим временную зависимость. Будем проводить наблюдения через одинаковые интервалы времени. Результаты последовательных наблюдений являются случайной функцией времени. В серии экспериментов, состоящих из ряда последовательных наблюдений, получаем одну реализацию этой функции. При повторении серии получаем новую реализацию, отличающуюся от первой.

Реализации отличаются преимущественно из-за влияния факторов, определяющих случайную погрешность, а факторы, определяющие систематическую погрешность, одинаково проявляются для соответствующих моментов времени в каждой реализации. Значение, соответствующее каждому моменту времени, называется сечением случайной функции времени. Для каждого сечения можно найти среднее по всем реализациям значение. Очевидно, что эта составляющая и определяет систематическую погрешность. Если через значения систематической погрешности для всех моментов времени провести плавную кривую, то она будет характеризовать временную закономерность изменения погрешности. Зная закономерность изменения, можем определить поправку для исключения систематической погрешности. После исключения систематической погрешности получаем «исправленный ряд результатов наблюдений».

Известен ряд способов исключения систематических погрешностей, которые условно можно разделить па 4 основные группы:

  •  устранение источников погрешностей до начала измерений;
  •  исключение почетностей в процессе измерения способами замещения, компенсации погрешностей по знаку, противопоставления, симметричных наблюдений;
  •  внесение известных поправок в результат измерения (исключение погрешностей начислением);
  •  оценка границ систематических погрешностей, если их нельзя ис­ключить.

По характеру проявления систематические погрешности подразделяют на постоянные, прогрессивные и периодические.

Постоянные систематические погрешности сохраняют свое значение в течение всего времени измерений (например, погрешность в градуировке шкалы прибора переносится на все результаты измерений).

Прогрессивные погрешности – погрешности, которые в процессе из­мерении подрастают или убывают (например, погрешности, возникающие вследствие износа контактирующих деталей средств измерения).

И группу систематических погрешностей можно отнести: инструментальные погрешности; погрешности из-за неправильной установки измерительного устройства; погрешности, возникающие вследствие внешних влияний; погрешности метода измерения (теоретические погрешности); субъективные погрешности.

Источник

Все ошибки, которые имеют место при прямых измерениях, можно разделить на три основные категории: систематические, случайные и грубые погрешности (или промахи).
1. Систематические ошибки — это ошибки, которые постоянно вносятся в измерения, которые часто известны заранее и от которых можно основном избавиться, если тщательно продумать эксперимент.

Систематические погрешности включают в себя методические и инструментальные (приборные) погрешности измерений. Методические погрешности называются недостатками применяемого метода измерений, несовершенством теории физического явления и неточностью расчетной формулы, используемой для нахождения величины; что измеряется.
Суть таких ошибок легко понять из следующих примеров.
а) В чашечно ртутном барометре при том же атмосферном давлении ртуть в трубке устанавливается на разной высоте при различных температурах окружающей среды. При измерении давления с помощью такого барометра допускается систематическая ошибка, причина которой — разница в коэффициентах линейного расширения ртути и латуни, из которой изготовлена шкала. Эта ошибка легко может быть подсчитана и исключена.
б) Электроизмерительные приборы, термометры, весы и многие другие приборов вносят систематические ошибки в измерения, если в них смещена нулевая точка.
в) Систематические ошибки могут быть связаны со свойствами самого объекта измерения. Эти ошибки нельзя учесть заранее, но при рациональном проведении измерений такие ошибки могут быть переведены в разряд случайных.
Пример. В работе по определению коэффициента поверхностного натяжения жидкости приходится измерять диаметр капилляра, в разных местах может быть различным. Ошибку можно уменьшить, измеряя диаметр различных участков капилляра и взяв среднее из полученных измерений. Таким образом, эта систематическая ошибка перейдет в разряд случайных.
2. Случайные ошибки заранее устранить нельзя. Эти ошибки связаны с субъективными особенностями наблюдателя, с несовершенством измерительных приборов, с изменениями окружающих условий во время опыта. Случайные ошибки одинаково вероятны, как в сторону увеличения, так и в сторону уменьшения значения величины, что измеряется. Уменьшить их влияние можно многократным повторением измерений, а в некоторых случаях изменением условий опыта.
Пример. При определении коэффициента внутреннего трения жидкости по методу Стокса необходимо знать скорость падения шарика известного диаметра в данной жидкости. Эта скорость ? определяется по времени t, за который шарик при равномерном движении проходит в жидкости известную расстояние s:.
Предположим, что s в нашей установке порядка 20 — 30 см, а t измерениями равен 40-50 секунд. Если для определения размеров s и t, взять сантиметровый масштаб линейки и часы с минутной стрелкой, то явно наши измерения будут очень грубые. На первый взгляд кажется, что точность измерения величины ? будет непрерывно повышаться с увеличением точности используемых измерительных приборов — масштабной линейки и секундомера. Однако это будет иметь место только до некоторого момента, начиная с которого последующее увеличение точности приборов перестанет уменьшать ошибку измерения скорости, обусловленное в данном случае ошибкой, что делается наблюдателем (всегда существует некий разрыв во времени между моментом прохождения шариком соответствующей деления шкалы и моментом нажатия кнопки секундомера). При таких условиях эксперимента дальнейшего уменьшения ошибки в измерении ? можно достичь только путем увеличения числа измерений и обработки их результатов (тщательного анализа проделанных измерений).
Стоит заметить, что точность определения ? по значениям s и t может быть увеличена за счет изменения условий опыта.
Например, очевидно, что при увеличении в несколько раз расстоянии s, во столько же вместе увеличится и время t и несмотря на то, что ошибка, что делается при их измерении, остается прежней по абсолютной величине, влияние этой ошибки при определении скорости уменьшается.
Известно, что любой измерительный прибор или инструмент имеет свою предельную точность, обусловленную его конструкцией и качеством изготовления. При правильном выборе условий эксперимента и грамотного использования прибора случайный разброс результатов измерений, проведенных с помощью этого прибора, должен быть значительно меньше предельной ошибки, обусловленной конструкцией и указанной в паспорте прибора. Чтобы убедиться в этом в каждом конкретном случае, необходимо сделать несколько измерений, найти среднюю ошибку (по правилам, указанным ниже) и сравнить ее с паспортной. Если случайный разброс действительно окажется значительно меньше паспортной ошибки, в дальнейшем можно измерения проделывать один раз и считать ошибку соответствии с паспортными данными прибора.
Часто для сравнения точности измерений с точностью прибора бывает необходимо проделать большое число измерений. Если при этом в измерениях наблюдается воспроизведения в пределах точности прибора, то при исчислении погрешности следует учитывать только точность прибора.
Если случайные ошибки даже при большом числе измерений значительно превышают паспортную погрешность прибора (например, при изменчивости состояния окружающей среды, невозможности точно произвести отсчет и т.п.), и устранить причины этих отклонений невозможно, можно заменить прибор менее точным, отвечающего конкретным условиям эксперимента.
При выборе метода оценки погрешности измерений необходимо прежде всего осознать, идет ли речь о случайной погрешности измерений (случайном разбросе), либо об ошибке, внесенную приборами. Если решающую роль играют случайные ошибки, применяются статистические методы обработки результатов измерений. Если ошибка опыта определяется точностью приборов, подсчитывается предельная ошибка метода.
Стоит заметить, что размер средней случайной ошибки указывает лишь на качество измерений, но не характеризует точность метода, потому что результат может содержать систематическую ошибку.
Расчет случайных погрешностей делается методами теории вероятностей и математической статистики.
3. Грубая ошибка или промах — это погрешность, существенно превышает ожидаемую при данных условиях. Она может быть сделана в результате неправильной записи показаний прибора, ошибки экспериментатора с электроинструментом (например, при измерении длины линейкой один из концов предмета оказался не совмещенным с нулевой делением), может быть связана с неисправностью измерительной аппаратуры или с резким изменением условий измерений. Иногда промахи можно обнаружить, повторяя измерение в несколько отличных условиях, или анализируя результаты (как будет показано далее). Обнаружены промахи нужно исключить и в случае необходимости провести новые измерения.

Источник

Свойства физического объекта (явления, процесса) определяются набором
количественных характеристик — физических величин.
Как правило, результат измерения представляет
собой число, задающее отношение измеряемой величины к некоторому эталону.
Сравнение с эталоном может быть как
прямым (проводится непосредственно
экспериментатором), так и косвенным (проводится с помощью некоторого
прибора, которому экспериментатор доверяет).
Полученные таким образом величины имеют размерность, определяемую выбором эталона.

Замечание. Результатом измерения может также служить количество отсчётов некоторого
события, логическое утверждение (да/нет) или даже качественная оценка
(сильно/слабо/умеренно). Мы ограничимся наиболее типичным для физики случаем,
когда результат измерения может быть представлен в виде числа или набора чисел.

Взаимосвязь между различными физическими величинами может быть описана
физическими законами, представляющими собой идеализированную
модель действительности. Конечной целью любого физического
эксперимента (в том числе и учебного) является проверка адекватности или
уточнение параметров таких моделей.

1.1 Результат измерения

Рассмотрим простейший пример: измерение длины стержня
с помощью линейки. Линейка проградуирована производителем с помощью
некоторого эталона длины — таким образом, сравнивая длину
стержня с ценой деления линейки, мы выполняем косвенное сравнение с
общепринятым стандартным эталоном.

Допустим, мы приложили линейку к стержню и увидели на шкале некоторый результат
x=xизм. Можно ли утверждать, что xизм — это длина
стержня?

Во-первых, значение x не может быть задано точно, хотя бы
потому, что оно обязательно округлено до некоторой значащей
цифры: если линейка «обычная», то у неё
есть цена деления; а если линейка, к примеру, «лазерная»
— у неё высвечивается конечное число значащих цифр
на дисплее.

Во-вторых, мы никак не можем быть уверенны, что длина стержня на
самом деле такова хотя бы с точностью до ошибки округления. Действительно,
мы могли приложить линейку не вполне ровно; сама линейка могла быть
изготовлена не вполне точно; стержень может быть не идеально цилиндрическим
и т.п.

И, наконец, если пытаться хотя бы гипотетически переходить к бесконечной
точности измерения, теряет смысл само понятие «длины стержня». Ведь
на масштабах атомов у стержня нет чётких границ, а значит говорить о его
геометрических размерах в таком случае крайне затруднительно!

Итак, из нашего примера видно, что никакое физическое измерение не может быть
произведено абсолютно точно, то есть
у любого измерения есть погрешность.

Замечание. Также используют эквивалентный термин ошибка измерения
(от англ. error). Подчеркнём, что смысл этого термина отличается от
общеупотребительного бытового: если физик говорит «в измерении есть ошибка»,
— это не означает, что оно неправильно и его надо переделать.
Имеется ввиду лишь, что это измерение неточно, то есть имеет
погрешность.

Количественно погрешность можно было бы определить как разность между
измеренным и «истинным» значением длины стержня:
δ⁢x=xизм-xист. Однако на практике такое определение
использовать нельзя: во-первых, из-за неизбежного наличия
погрешностей «истинное» значение измерить невозможно, и во-вторых, само
«истинное» значение может отличаться в разных измерениях (например, стержень
неровный или изогнутый, его торцы дрожат из-за тепловых флуктуаций и т.д.).
Поэтому говорят обычно об оценке погрешности.

Об измеренной величине также часто говорят как об оценке, подчеркивая,
что эта величина не точна и зависит не только от физических свойств
исследуемого объекта, но и от процедуры измерения.

Замечание. 
Термин оценка имеет и более формальное значение. Оценкой называют результат процедуры получения значения параметра или параметров физической модели, а также иногда саму процедуру. Теория оценок является подразделом математической статистики. Некоторые ее положения изложены в главе 3, но для более серьезного понимания следует обратиться к [5].

Для оценки значения физической величины корректно использовать
не просто некоторое фиксированное число xизм, а интервал (или
диапазон) значений, в пределах которого может лежать её
«истинное» значение. В простейшем случае этот интервал
может быть записан как

где δ⁢x — абсолютная величина погрешности.
Эта запись означает, что исследуемая величина лежит в интервале
x∈(xизм-δ⁢x;xизм+δ⁢x)
с некоторой достаточно большой долей вероятности (более подробно о
вероятностном содержании интервалов см. п. 2.2).
Для наглядной оценки точности измерения удобно также использовать
относительную величину погрешности:

Она показывает, насколько погрешность мала по сравнению с
самой измеряемой величиной (её также можно выразить в процентах:
ε=δ⁢xx⋅100%).

Пример. Штангенциркуль —
прибор для измерения длин с ценой деления 0,1⁢мм. Пусть
диаметр некоторой проволоки равен 0,37 мм. Считая, что абсолютная
ошибка составляет половину цены деления прибора, результат измерения
можно будет записать как d=0,40±0,05⁢мм (или
d=(40±5)⋅10-5⁢м).
Относительная погрешность составляет ε≈13%, то
есть точность измерения весьма посредственная — поскольку
размер объекта близок к пределу точности прибора.

О необходимости оценки погрешностей.

Измерим длины двух стержней x1 и x2 и сравним результаты.
Можно ли сказать, что стержни одинаковы или различны?

Казалось бы,
достаточно проверить, справедливо ли x1=x2. Но никакие
два результата измерения не равны друг другу с абсолютной точностью! Таким
образом, без указания погрешности измерения ответ на этот вопрос дать
невозможно.

С другой стороны, если погрешность δ⁢x известна, то можно
утверждать, что если измеренные длины одинаковы
в пределах погрешности опыта, если |x2-x1|<δ⁢x
(и различны в противоположном случае).

Итак, без знания погрешностей невозможно сравнить между собой никакие
два измерения, и, следовательно, невозможно сделать никаких
значимых выводов по результатам эксперимента: ни о наличии зависимостей
между величинами, ни о практической применимости какой-либо теории,
и т. п. В связи с этим задача правильной оценки погрешностей является крайне
важной, поскольку существенное занижение или завышение значения погрешности
(по сравнению с реальной точностью измерений) ведёт к неправильным выводам.

В физическом эксперименте (в том числе лабораторном практикуме) оценка
погрешностей должна проводиться всегда
(даже когда составители задания забыли упомянуть об этом).

1.2 Многократные измерения

Проведём серию из n одинаковых (однотипных) измерений одной
и той же физической величины (например, многократно приложим линейку к стержню) и получим
ряд значений

Что можно сказать о данном наборе чисел и о длине стержня?
И можно ли увеличивая число измерений улучшить конечный результат?

Если цена деления самой линейки достаточно мала, то как нетрудно убедиться
на практике, величины {xi} почти наверняка окажутся
различными. Причиной тому могут быть
самые разные обстоятельства, например: у нас недостаточно остроты
зрения и точности рук, чтобы каждый раз прикладывать линейку одинаково;
стенки стержня могут быть слегка неровными; у стержня может и не быть
определённой длины, например, если в нём возбуждены звуковые волны,
из-за чего его торцы колеблются, и т. д.

В такой ситуации результат измерения интерпретируется как
случайная величина, описываемая некоторым вероятностным законом
(распределением).
Подробнее о случайных величинах и методах работы с ними см. гл. 2.

По набору результатов 𝐱 можно вычислить их среднее арифметическое:

⟨x⟩=x1+x2+…+xnn≡1n⁢∑i=1nxi. (1.1)

Это значение, вычисленное по результатам конечного числа n измерений,
принято называть выборочным средним. Здесь и далее для обозначения
выборочных средних будем использовать угловые скобки.

Кроме среднего представляет интерес и то, насколько сильно варьируются
результаты от опыта к опыту. Определим отклонение каждого измерения от среднего как

Разброс данных относительно среднего принято характеризовать
среднеквадратичным отклонением:

s=Δ⁢x12+Δ⁢x22+…+Δ⁢xn2n=1n⁢∑i=1nΔ⁢xi2 (1.2)

или кратко

Значение среднего квадрата отклонения s2 называют
выборочной дисперсией.

Будем увеличивать число измерений n (n→∞). Если объект измерения и методика
достаточно стабильны, то отклонения от среднего Δ⁢xi будут, во-первых,
относительно малы, а во-вторых, положительные и отрицательные отклонения будут
встречаться примерно одинаково часто. Тогда при вычислении (1.1)
почти все отклонения Δ⁢xi скомпенсируются и можно ожидать,
что выборочное среднее при n≫1 будет стремиться к некоторому пределу:

Тогда предельное значение x¯ можно отождествить с «истинным» средним
для исследуемой величины.

Предельную величину среднеквадратичного отклонения при n→∞
обозначим как

Замечание. В общем случае указанные пределы могут и не существовать. Например, если измеряемый параметр
меняется во времени или в результате самого измерения, либо испытывает слишком большие
случайные скачки и т. п. Такие ситуации требуют особого рассмотрения и мы на них не
останавливаемся.


Замечание. Если n мало (n<10), для оценки среднеквадратичного отклонения
математическая статистика рекомендует вместо формулы (1.3) использовать
исправленную формулу (подробнее см. п. 5.2):



sn-12=1n-1⁢∑i=1nΔ⁢xi2,

(1.4)

где произведена замена n→n-1. Величину sn-1
часто называют стандартным отклонением.

Итак, можно по крайней мере надеяться на то, что результаты небольшого числа
измерений имеют не слишком большой разброс, так что величина ⟨x⟩
может быть использована как приближенное значение (оценка) истинного значения
⟨x⟩≈x¯,
а увеличение числа измерений позволит уточнить результат.

Многие случайные величины подчиняются так называемому нормальному закону
распределения (подробнее см. Главу 2). Для таких величин
могут быть строго доказаны следующие свойства:

  • •

    при многократном повторении эксперимента бо́льшая часть измерений
    (∼68%) попадает в интервал x¯-σ<x<x¯+σ
    (см. п. 2.2).

  • •

    выборочное среднее значение ⟨x⟩ оказывается с большей
    вероятностью ближе к истинному значению x¯, чем каждое из измерений
    {xi} в отдельности. При этом ошибка вычисления среднего
    убывает пропорционально корню из числа опытов n
    (см. п. 2.4).


Упражнение. Показать, что



s2=⟨x2⟩-⟨x⟩2.

(1.5)

то есть дисперсия равна разности среднего значения квадрата
⟨x2⟩=1n⁢∑i=1nxi2
и квадрата среднего ⟨x⟩2=(1n⁢∑i=1nxi)2.

1.3 Классификация погрешностей

Чтобы лучше разобраться в том, нужно ли многократно повторять измерения,
и в каком случае это позволит улучшить результаты опыта,
проанализируем источники и виды погрешностей.

В первую очередь, многократные измерения позволяют проверить
воспроизводимость результатов: повторные измерения в одинаковых
условиях, должны давать близкие результаты. В противном случае
исследование будет существенно затруднено, если вообще возможно.
Таким образом, многократные измерения необходимы для того,
чтобы убедиться как в надёжности методики, так и в существовании измеряемой
величины как таковой.

При любых измерениях возможны грубые ошибки — промахи
(англ. miss). Это «ошибки» в стандартном
понимании этого слова — возникающие по вине экспериментатора
или в силу других непредвиденных обстоятельств (например, из-за сбоя
аппаратуры). Промахов, конечно, нужно избегать, а результаты таких
измерений должны быть по возможности исключены из рассмотрения.

Как понять, является ли «аномальный» результат промахом? Вопрос этот весьма
непрост. В литературе существуют статистические
критерии отбора промахов, которыми мы, однако, настоятельно не рекомендуем
пользоваться (по крайней мере, без серьезного понимания последствий
такого отбора). Отбрасывание аномальных данных может, во-первых, привести
к тенденциозному искажению результата исследований, а во-вторых, так
можно упустить открытие неизвестного эффекта. Поэтому при научных
исследованиях необходимо максимально тщательно проанализировать причину
каждого промаха, в частности, многократно повторив эксперимент. Лишь
только если факт и причина промаха установлены вполне достоверно,
соответствующий результат можно отбросить.

Замечание. Часто причины аномальных отклонений невозможно установить на этапе
обработки данных, поскольку часть информации о проведении измерений к этому моменту
утеряна. Единственным способ борьбы с этим — это максимально подробное описание всего
процесса измерений в лабораторном журнале. Подробнее об этом
см. п. 4.1.1.

При многократном повторении измерении одной и той же физической величины
погрешности могут иметь систематический либо случайный
характер. Назовём погрешность систематической, если она повторяется
от опыта к опыту, сохраняя свой знак и величину, либо закономерно
меняется в процессе измерений. Случайные (или статистические)
погрешности меняются хаотично при повторении измерений как по величине,
так и по знаку, и в изменениях не прослеживается какой-либо закономерности.

Кроме того, удобно разделять погрешности по их происхождению. Можно
выделить

  • •

    инструментальные (или приборные) погрешности,
    связанные с несовершенством конструкции (неточности, допущенные при
    изготовлении или вследствие старения), ошибками калибровки или ненормативными
    условиями эксплуатации измерительных приборов;

  • •

    методические погрешности, связанные с несовершенством
    теоретической модели явления (использование приближенных формул и
    моделей явления) или с несовершенством методики измерения (например,
    влиянием взаимодействия прибора и объекта измерения на результат измерения);

  • •

    естественные погрешности, связанные со случайным
    характером
    измеряемой физической величины — они являются не столько
    «ошибками» измерения, сколько характеризуют
    природу изучаемого объекта или явления.

Замечание. Разделение погрешностей на систематические и случайные
не является однозначным и зависит от постановки опыта. Например, производя
измерения не одним, а несколькими однотипными приборами, мы переводим
систематическую приборную ошибку, связанную с неточностью шкалы и
калибровки, в случайную. Разделение по происхождению также условно,
поскольку любой прибор подвержен воздействию «естественных»
случайных и систематических ошибок (шумы и наводки, тряска, атмосферные
условия и т. п.), а в основе работы прибора всегда лежит некоторое
физическое явление, описываемое не вполне совершенной теорией.

1.3.1 Случайные погрешности

Случайный характер присущ большому количеству различных физических
явлений, и в той или иной степени проявляется в работе всех без исключения
приборов. Случайные погрешности обнаруживаются просто при многократном
повторении опыта — в виде хаотичных изменений (флуктуаций)
значений {xi}.

Если случайные отклонения от среднего в большую или меньшую стороны
примерно равновероятны, можно рассчитывать, что при вычислении среднего
арифметического (1.1) эти отклонения скомпенсируются,
и погрешность результирующего значения ⟨x⟩ будем меньше,
чем погрешность отдельного измерения.

Случайные погрешности бывают связаны, например,

  • •

    с особенностями используемых приборов: техническими
    недостатками
    (люфт в механических приспособлениях, сухое трение в креплении стрелки
    прибора), с естественными (тепловой и дробовой шумы в электрических
    цепях, тепловые флуктуации и колебания измерительных устройств из-за
    хаотического движения молекул, космическое излучение) или техногенными
    факторами (тряска, электромагнитные помехи и наводки);

  • •

    с особенностями и несовершенством методики измерения (ошибка
    при отсчёте по шкале, ошибка времени реакции при измерениях с секундомером);

  • •

    с несовершенством объекта измерений (неровная поверхность,
    неоднородность состава);

  • •

    со случайным характером исследуемого явления (радиоактивный
    распад, броуновское движение).

Остановимся несколько подробнее на двух последних случаях. Они отличаются
тем, что случайный разброс данных в них порождён непосредственно объектом
измерения. Если при этом приборные погрешности малы, то «ошибка»
эксперимента возникает лишь в тот момент, когда мы по своей
воле совершаем замену ряда измеренных значений на некоторое среднее
{xi}→⟨x⟩. Разброс данных при этом
характеризует не точность измерения, а сам исследуемый объект или
явление. Однако с математической точки зрения приборные и
«естественные»
погрешности неразличимы — глядя на одни только
экспериментальные данные невозможно выяснить, что именно явилось причиной
их флуктуаций: сам объект исследования или иные, внешние причины.
Таким образом, для исследования естественных случайных процессов необходимо
сперва отдельно исследовать и оценить случайные инструментальные погрешности
и убедиться, что они достаточно малы.

1.3.2 Систематические погрешности

Систематические погрешности, в отличие от случайных, невозможно обнаружить,
исключить или уменьшить просто многократным повторением измерений.
Они могут быть обусловлены, во-первых, неправильной работой приборов
(инструментальная погрешность), например, сдвигом нуля отсчёта
по шкале, деформацией шкалы, неправильной калибровкой, искажениями
из-за не нормативных условий эксплуатации, искажениями из-за износа
или деформации деталей прибора, изменением параметров прибора во времени
из-за нагрева и т.п. Во-вторых, их причиной может быть ошибка в интерпретации
результатов (методическая погрешность), например, из-за использования
слишком идеализированной физической модели явления, которая не учитывает
некоторые значимые факторы (так, при взвешивании тел малой плотности
в атмосфере необходимо учитывать силу Архимеда; при измерениях в электрических
цепях может быть необходим учет неидеальности амперметров и вольтметров
и т. д.).

Систематические погрешности условно можно разделить на следующие категории.

  1. 1.

    Известные погрешности, которые могут быть достаточно точно вычислены
    или измерены. При необходимости они могут быть учтены непосредственно:
    внесением поправок в расчётные формулы или в результаты измерений.
    Если они малы, их можно отбросить, чтобы упростить вычисления.

  2. 2.

    Погрешности известной природы, конкретная величина которых неизвестна,
    но максимальное значение вносимой ошибки может быть оценено теоретически
    или экспериментально. Такие погрешности неизбежно присутствуют в любом
    опыте, и задача экспериментатора — свести их к минимуму,
    совершенствуя методики измерения и выбирая более совершенные приборы.

    Чтобы оценить величину систематических погрешностей опыта, необходимо
    учесть паспортную точность приборов (производитель, как правило, гарантирует,
    что погрешность прибора не превосходит некоторой величины), проанализировать
    особенности методики измерения, и по возможности, провести контрольные
    опыты.

  3. 3.

    Погрешности известной природы, оценка величины которых по каким-либо
    причинам затруднена (например, сопротивление контактов при подключении
    электронных приборов). Такие погрешности должны быть обязательно исключены
    посредством модификации методики измерения или замены приборов.

  4. 4.

    Наконец, нельзя забывать о возможности существования ошибок, о
    которых мы не подозреваем, но которые могут существенно искажать результаты
    измерений. Такие погрешности самые опасные, а исключить их можно только
    многократной независимой проверкой измерений, разными методами
    и в разных условиях.

В учебном практикуме учёт систематических погрешностей ограничивается,
как правило, паспортными погрешностями приборов и теоретическими поправками
к упрощенной модели исследуемого явления.

Точный учет систематической ошибки возможен только при учете специфики конкретного эксперимента. Особенное внимание надо обратить на зависимость (корреляцию) систематических смещений при повторных измерениях. Одна и та же погрешность в разных случаях может быть интерпретирована и как случайная, и как систематическая.


Пример. 
Калибровка электромагнита производится при помощи внесения в него датчика Холла или другого измерителя магнитного потока. При последовательных измерениях с разными токами (и соотственно полями в зазоре) калибровку можно учитыать двумя различными способами:

•

Измерить значение поля для разных токов, построить линейную калибровочную кривую и потом использовать значения, восстановленные по этой кривой для вычисления поля по току, используемому в измерениях.

•

Для каждого измерения проводить допольнительное измерения поля и вообще не испльзовать значения тока.


В первом случае погрешность полученного значения будет меньше, поскльку при проведении прямой, отдельные отклонения усреднятся. При этом погрешность измерения поля будет носить систематический харрактер и при обработке данных ее надо будет учитывать в последний момент. Во втором случае погрешность будет носить статистический (случайный) харрактер и ее надо будет добавить к погрешности каждой измеряемой точки. При этом сама погрешность будет больше. Выбор той или иной методики зависит от конретной ситуации. При большом количестве измерений, второй способ более надежный, поскольку статистическая ошибка при усреднении уменьшается пропорционально корню из количества измерений. Кроме того, такой способ повзоляет избежать методической ошибки, связанной с тем, что зависимость поля от тока не является линейной.


Пример. 
Рассмотрим измерение напряжения по стрелочному вольтметру. В показаниях прибора будет присутствовать три типа погрешности:

1.

Статистическая погрешность, связанная с дрожанием стрелки и ошибкой визуального наблюдения, примерно равная половине цены деления.

2.

Систематическая погрешность, связанная с неправильной установкой нуля.

3.

Систематическая погрешность, связанная с неправильным коэффициентом пропорциональности между напряжением и отклонением стрелки. Как правило приборы сконструированы таким образом, чтобы максимальное значение этой погрешности было так же равно половине цены деления (хотя это и не гарантируется).

Источник

Понравилась статья? Поделить с друзьями:
  • Системная ошибка 71 дополнительные подключения к этому удаленному компьютеру
  • Система не обнаружила vcruntime140 dll windows 10 как исправить ошибку
  • Систематические ошибки при отражении хозяйственных операций обусловлены
  • Системная ошибка 67 не найдено сетевое имя net use
  • Система не обнаружила vcomp110 dll windows 10 как исправить