2. Порядок выполнения работы

1. Измерьте индуктивность системы двух намотанных друг на друга соленоидов при совпадающем (рис. 14.3) и встречном (рис. 14.4) направлении токов пользуясь любым из двух методов, описанных в лабораторной работе №13. Объясните полученные результаты.

2. Подключите звуковой генератор к соленоиду L₁, который будет играть роль первичной обмотки трансформатора, и подайте на него переменное напряжение некоторой. При этом соленоид L₂, намотанной на общий каркас с соленоидом L₁, будет являться вторичной обмоткой.

3. Измерьте с помощью осциллографа амплитудные значения напряжения на концах первичной и разомкнутой (режим холостого хода) вторичной обмоток. Вычислите коэффициент трансформации по формуле (10) как отношение измеренных напряжений. Проверьте близко ли полученное значение коэффициента трансформации отношению количества витков в обмотках.

4. Проверьте измерения коэффициента трансформации для трансформатора с ферромагнитным сердечником.

2. Контрольные вопросы

1. Как определить индуктивность системы двух близко расположенных соленоидов?

2. Почему индуктивность системы зависит от относительного направления токов в соленоидах?

3. Объясните, когда приходится пользоваться понятием динамической индуктивности?

4. Почему в трансформаторах, как правило, применяют ферромагнитные сердечники?

5. Почему эти сердечники делают не сплошными, а собирают из отдельных изолированных друг от друга пластин?

6. Почему ферритовые сердечники трансформаторов делаются сплошными?

7. Почему обмотки трансформаторов, у которых нет ферромагнитного сердечника, наматывают одну поверх другой?

8. Что такое коэффициент трансформации?

9. Что такое режим холостого хода?

10. Как связан коэффициент трансформации с количеством витков в обмотках? Получите соответствующую формулу.

2. Задачи для СРС [2] Гл. 16, стр. 245

ПРИЛОЖЕНИЕ 1

Погрешности измерений физических величин

Под измерением понимается операция, в результате которой определяется во сколько раз интересующая величина больше или меньше величины той же природы, принятой за единицу. Таким образом измерение является актом сравнения: расстояние сравнивается с единицей расстояния, время – с единицей времени, ток – с единицей тока и т.д. Единицы измерения при этом должны быть предварительно определены. В лабораторном практикуме необходимо придерживаться международной системы единиц СИ.

Часто одну и ту же величину можно измерить разными способами. Например, высоту здания можно измерить:

1. с помощью рулетки,

2. с помощью секундомера, определив время свободного падения небольшого по размерам металлического шарика,

3. с помощью рулетки, угломера и лазера, определив расстояние от здания до лазера и угол, под которым лазерный луч направлен на вершину здания, и т.д.

Анализируя подобные ситуации можно прийти к следующему выводу: измерения бывают прямые и косвенные. В случае прямого измерения значение искомой величины непосредственно определяется с помощью прибора, шкала которого проградуирована в единицах измерения этой величины. В случае косвенного измерения значение величины вычисляется по формуле, которая связывает искомую величину с другими, измеренными прямо или косвенно.

Очевидно, в нашем примере первое измерение высоты является прямым, а второе и третье – косвенными.

Измерение можно производить как однократно, так и многократно, пытаясь воспроизвести одни и те же условия.

Если мы произведём многократные измерения высоты здания последовательно каждым из трёх способов, то сравнение результатов измерений между собой приведёт нас к очень интересным и важным выводам:

1. Результаты измерений первым способом могут отличаться от результатов измерений вторым способом, а последние, в свою очередь, от результатов измерений третьим способом и т.п.

2. Разные способы измерения одной и той же величины могут давать разные её значения.

Результаты многократных измерений с помощью одного и того же способа тоже могут отличаться друг от друга.

Многократные измерения одной и той же величины одним и тем же способом могут дать разные её значения.

Проанализируем сложившуюся ситуацию.

Сначала выясним, почему разные способы измерения одной и той же высоты привели к разным результатам.

На первый взгляд, первый способ является самым надёжным. Мы прикладываем ленту рулетки к поверхности здания и определяем искомую высоту. Более внимательный анализ показывает, что это не совсем так. Оказывается, здание имеет небольшой наклон, а стена в том месте, где производятся замеры, имеет определённую кривизну – она является выпуклой, причём в сторону улицы. Это означает, что мы измеряли не высоту здания, а длину стены, связанную с высотой.

Второй способ представляет собой косвенное измерение. Измерив время падения шарика, мы рассчитываем высоту по известной формуле для свободного падения: h = gt2/2. На этот раз измерение действительно касается высоты. Но, мы забыли о том, что шарик движется в воздухе и, следовательно, испытывает сопротивление среды. Поэтому рассчитанная по формуле величина также не является истинным значением высоты здания.

Третье измерение, как и второе, является косвенным. Высота определяется из геометрических соображений: в прямоугольном треугольнике длина противолежащего катета равна произведению длины прилежащего катета на тангенс угла. В нашем случае высота играет роль одного катета, а расстояние от лазера до здания – роль другого. На этот раз нас подвело предположение об идеально горизонтальной поверхности, на которой стоит здание. Результат – опять измерили величину, которая не является высотой, но теперь по другой причине.

Итак, в каждом способе присутствуют какие-то постоянные факторы (в каждом случае свои, причём их может быть несколько), которые приводят к появлению систематической погрешности измерения данным способом. Каждый раз при измерении значения одной и той же величины в одних и тех же условиях систематическая погрешность имеет одно и то же значение. Если эти факторы учесть, введя соответствующие поправки, то можно приблизиться к реальному значению измеряемой величины и тогда результаты измерений разными способами (с учётом поправок на систематическую погрешность) могут оказаться довольно близкими. Таким образом, в принципе систематические погрешности могут быть учтены и даже исключены, хотя осуществление этого на практике может оказаться довольно непростой задачей.

Теперь попытаемся выяснить, почему многократные измерения одной и той же высоты одним и тем же способом (включая один и тот же комплект приборов) могут приводить к отличающимся друг от друга значениям. Это связано с целым рядом факторов, действующих случайным образом. В рассмотренном примере могут быть небольшие механические колебания почвы, здания и приборов, тепловые воздействия, связанные с изменением линейных размеров стены и используемых приборов и т.п. Наконец, есть ещё человеческий фактор, связанный с восприятием происходящих процессов и реакцией на это восприятие. В результате, при повторных измерениях одной и той же величины могут получаться различные её значения, связанные со случайными погрешностями. От измерения к измерению случайная погрешность может изменять как свой знак, так и свою величину. В силу случайного характера воздействий заранее предсказать величину такой погрешности невозможно.

Наш анализ вызывает закономерные вопросы: Что такое «истинное» значение измеряемой величины? Как представлять результаты измерений с учётом погрешностей?

Поскольку эти вопросы касаются не только рассмотренного примера, но и любых других измерений, мы перейдём к обобщениям и выработке общих рекомендаций.

Приведённый конкретный пример продемонстрировал общее свойство, характерное для любых измерений, – любое измерение сопровождается погрешностями.

Это свойство, в конечном счёте, обусловлено тем, что всякое измерение предполагает определённую взаимосвязанную цепочку участников процедуры измерения: наблюдатель – измерительный прибор – анализируемый объект – «внешняя среда».

Элементы этой цепочки связаны огромным количеством взаимодействий и движений. В процессе измерения анализируемый объект, измерительный прибор и наблюдатель могут быть подвержены различным влияниям (в том числе и взаимным), что и сказывается на результате измерений.

Безусловно, если уменьшать влияния, не имеющие непосредственного отношения к процедуре измерения, и стараться учитывать неустранимые влияния, то точность наших измерений будет возрастать. Но абсолютно точное измерение невозможно принципиально. И это во многом связано с природой самих измеряемых величин.

Если мы, например, захотим абсолютно точно измерить длину металлического стержня, то обнаружим наличие принципиально неустранимых (хотя и очень малых) колебаний кристаллической решетки. Никакой абсолютно точной «истинной» длины у стержня нет. Она постоянно случайным образом изменяется, отклоняясь в ту или иную сторону от некоторого наиболее часто встречающегося значения. Вот это значение мы можем принять за «истинное» значение длины и в дальнейшем оперировать именно с ним, говоря о длине стержня, или используя эту величину для каких-либо расчётов, например, для определения объёма стержня.

Такого рода ситуация обнаруживается во множестве других измерений. Сами измеряемые величины случайным образом могут изменяться, что обусловлено, как уже сказано выше, физической природой этих величин. Таким образом, мы сталкиваемся с принципиальной неустранимостью случайных факторов. Их можно свести к минимуму, но окончательно избавиться от них нельзя. Следовательно, представляя результаты измерений, мы должны давать информацию, касающуюся нашей оценки «истинного» значения величины с учётом случайных погрешностей измерения (при условии, что систематическая погрешность исключена или учтена в виде соответствующей поправки). Понятно, что наиболее полно такая информация может быть представлена по результатам многократных измерений.

Допустим, что мы n раз измерили значение некоторой величины x. Вследствие случайных факторов получается совокупность n различных значений одной и той же величины x. Эта совокупность значений получила название конечной выборки. Пусть максимальное измеренное значение равно xmax, минимальное – xmin. Представим результаты измерений в графической форме. Для этого предварительно проведём некоторую их обработку. Разобьём полный интервал изменения величины x на m более мелких интервалов и введём величину интервала x = (xmax – xmin)/m. Для каждого такого интервала определим количество измерений n, для которых значение величины x попадает в рассматриваемый интервал. Определим величину у = (n/n)/x и построим график зависимости y(x). Величина n/n в этом отношении определяет долю от общего числа измерений, приходящуюся на выбранный интервал. Пример возможного такого графика приведён на рис.1.

Р ис.1. Гистограмма результатов измерений величины x

График представляет собой столбчатую диаграмму, которая называется гистограммой. Гистограмма достаточно наглядно демонстрирует нам как распределены значения результатов измерений: одни значения величины x в процессе измерений получались довольно редко, другие - более часто, а какие-то - очень часто. На некоторый интервал x приходится максимальное значение величины y.

Из опыта следует, что при увеличении числа измерений гистограмма будет принимать простую и вполне определённую форму, которая для множества различных экспериментов оказывается универсальной. Если совершить предельный переход: n  , x  0, то гистограмма превратится в непрерывную кривую, которая описывается функцией следующего вида:

f(x) = A exp.{-(x- x) 2/2 2}. (1)

Эта зависимость получила название функции распределения Гаусса или закона нормального распределения Гаусса. Её график изображён на рис.В.2. Изображённая непрерывная кривая является, таким образом, предельным распределением или, как его ещё называют, генеральным распределением.

Предельное распределение – это теоретическая идеализация, к которой никогда нельзя абсолютно точно приблизиться в эксперименте. Чем больше количество измерений, тем ближе гистограмма к предельному распределению. Теоретическая идеализация, хотя и не достижима, очень важна: она демонстрирует предельные возможности распределения результатов в данном эксперименте. Если бы могли получить в эксперименте предельное распределение, то информация, содержащаяся в нём, была максимально возможной и полной.

Следует подчеркнуть, что не все предельные распределения имеют вид нормального распределения Гаусса. Но такое распределение чаще всего будет соответствовать Вашим экспериментальным данным. По этой причине мы рассматриваем именно это распределение. Возможно, в дальнейшем Вы познакомитесь и с другими распределениями.

Нормальное (генеральное) распределение характеризуется двумя параметрами: генеральным средним значением x₀, генеральным отклонением .

Генеральное среднее представляет собой то значение x, на которое приходится максимум функции распределения Гаусса. Значения случайной величины x распределены относительно x симметрично (кривая нормального распределения имеет ось симметрии, проходящую через координату x).

Р ис.2. Функция распределения Гаусса

Генеральное отклонение представляет собой меру ширины кривой нормального распределения. Чем меньше значение , тем быстрее уменьшается значение функции Гаусса по мере удаления значения x от величины генерального среднего, тем уже кривая нормального распределения, меньше разброс значений измеряемой величины и, следовательно, точнее измерение.

Функция распределения Гаусса позволяет рассчитать долю измерений, приходящуюся на интересующий интервал значений величины x:

, (2)

где x₁ - нижняя граница выбранного интервала значений величины х,

x₂ – верхняя граница выбранного интервала значений величины х.

Функция распределения Гаусса (В.1) удовлетворяет условию нормировки:

.

Поэтому (2) можно интерпретировать как вероятность P того, что «истинное» значение измеряемой величины оказывается в интересующем интервале. Из геометрического смысла интеграла следует, что площадь под кривой нормального распределения в пределах выбранного интервала (см. рис.В.2), отнесенная к полной площади под всей кривой, должна давать величину этой вероятности и, соответственно, значение Δn/n.

Используя вероятностный смысл функции Гаусса, можно показать, что среднее значение измеряемой величины, определяемое как

в случае нормального распределения совпадает с x , т.е. . Поэтому величина x и получила название среднего значения генерального (нормального) распределения или генерального среднего.

Аналогично можно показать, что значение  совпадает с величиной стандартного или среднеквадратичного отклонения, квадрат которого для нормального распределения определяется выражением . Поэтому  называется среднеквадратичным (стандартным) отклонением генерального (нормального) распределения или генеральным отклонением. Среднеквадратичное отклонение характеризует среднюю меру разброса (отклонения) случайной величины x от среднего значения . Обратите внимание, сначала суммируются (интегрируются) значения величины - квадраты всех отклонений от среднего. Квадратный корень из этой суммы и даёт величину среднеквадратичного отклонения (с определением связано название величины). Если бы суммировались сами отклонения, т.е. величины , то в силу симметрии нормального распределения Гаусса результат был бы равен нулю. Это обусловлено тем, что отрицательные и положительные по знаку отклонения являются равновероятными. По этой причине в качестве средней меры отклонения случайной величины от среднего используется именно среднеквадратичное отклонение.

Возьмём интервал , границы которого симметричны по отношению к генеральному среднему. Пользуясь (2), для нормального распределения можно определить вероятность P попадания «истинного» значения измеряемой величины в этот интервал. Если вероятность определена, то интервал называется доверительным интервалом измерения, а вероятность называют доверительной вероятностью или надёжностью измерения. Надёжность измерения выражается или в долях единицы или в процентах и зависит от величины выбранного интервала.

Если задан доверительный интервал с указанием величины надёжности (вероятности P), то информация о результатах измерения считается представленной с учётом случайных погрешностей измерения. Величина Δx, характеризующая ширину доверительного интервала, называется доверительной погрешностью.

В качестве доверительного интервала для нормального распределения чаще всего используется интервал (x -, x +), связанный со стандартным отклонением. Величина доверительной вероятности для такого интервала составляет приблизительно 68,3%.

Если взять Δx = 2, то P = 95,5%. При Δx = 3 величина P = 99,7%. Последнее, например, означает, что вероятность обнаружить результат измерения величины x за пределами интервала (x -3, x +3) составляет всего 0,3%. Можно считать, что практически «истинное» значение измеряемой величины находится в этом интервале.

От функции распределения Гаусса, которая является теоретической предельной идеализацией, вернёмся теперь к нашему реальному распределению (см. рис.В1), в котором количество измерений n представляет собой конечную величину. Как в этом случае определяется доверительный интервал и представляются результаты измерений?

Аналогом величины x выступает величина выборочного среднего значения (среднеарифметического для конечной выборки):

(3)

Аналогом величины  является величина выборочного среднеквадратичного отклонения:

(4)

Чтобы получить оценку доверительного интервала для конечного числа измерений приходится вводить величину ts – коэффициент Стьюдента (псевдоним английского математика В.С. Госсета). Только введение этого коэффициента позволяет определить доверительную вероятность для заданного интервала значений или определить интервал для заданной величины вероятности. Последняя из этих двух операций более простая, поэтому мы будем поступать именно так. Значения коэффициента Стьюдента для различных значений n и P определяются по специальной таблице, фрагмент которой имеет вид:

Таблица 1

З начения коэффициента Стьюдента

Задав необходимое значение надёжности измерения (вероятности P), находим по таблице величину ts, соответствующую проведённому количеству измерений n. Например, для P = 80% при n = 5 значение ts = 1.5.

Величина доверительной погрешности измерения находится по формуле:

(5)

Чем большее значение надёжности измерения выбирается, тем больше значение коэффициента Стьюдента и тем больше ширина доверительного интервала (больше величина доверительной погрешности). С ростом числа измерений величина ts уменьшается.

Результат многократного измерения представляется в следующей форме:

В скобках указывается количество измерений и значение доверительной вероятности, соответствующее доверительной погрешности.

Такая форма записи является наиболее информативной, т.к. она содержит данные не только о среднем значении измеренной величины и погрешности измерения, но и оценку надёжности результата.

В настоящее время существует огромное количество разнообразных измерительных приборов, отличающихся конструкцией, принципом работы и точностью. Точность прибора либо задаётся классом точности, либо указывается в паспорте, прилагаемом к прибору

Измерительные приборы вносят свой вклад в погрешность измерения, зависящий от точности прибора. Соответствующую величину принято называть приборной погрешностью. В общем случае она может иметь две составляющие – систематическую и случайную. У правильно настроенного и поверенного измерительного прибора систематическая погрешность либо отсутствует, либо просто учитывается.

Для определения приборной погрешности, связанной со случайными факторами, мы будем пользоваться следующими правилами:

Если прибор имеет класс точности (его величина указывается в паспорте и (или) на шкале прибора), то приборная погрешность определяется формулой:

(6)

где k – величина класса точности прибора,

П – предел измерения прибора.

Если прибор не имеет класса точности, то приборная погрешность определяется половиной цены деления шкалы прибора.

Так определяемая приборная погрешность показывает максимально возможное отклонение показаний прибора от «истинного» значения измеряемой величины, обусловленное случайными факторами, связанными с процедурой измерения с помощью данного прибора. Ей соответствует значение доверительной вероятности P =100%.

Если в процессе многократных измерений выясняется, что основной вклад в случайную погрешность вносит приборная погрешность, то в данном эксперименте можно ограничиться однократными измерениями. На практике мы чаще всего имеем дело именно с ними. В этом случае оценка «истинного» значения измеряемой величины будет определяться однократным показанием прибора, а оценка погрешности измерения – приборной погрешностью. Если же основной вклад определяется не приборной погрешностью, то принципиальным становится именно проведение многократных измерений. В таком случае необходимо проводить статистическую обработку результатов многократных измерений. В качестве оценки «истинного» значения при этом будет выступать величина среднего значения, а в качестве оценки погрешности – доверительная погрешность.

Часто для практических целей достаточно произвести однократное измерение интересующей величины. В этом случае невозможно оценить погрешность, связанную со всеми случайными факторами «внешней среды», но мы должны быть уверены, что она достаточно мала. Чтобы убедиться в этом необходимо хотя бы раз произвести многократное измерение величины и определить случайную погрешность. Но в любом случае остаются погрешности связанные с использованием для измерения конкретных приборов.

Поэтому результат однократного измерения представляется в виде:

,

где x – значение величины, полученное в процессе однократного прямого или косвенного измерения,

δx - погрешность однократного измерения.

Количество измерений (одно) и доверительная вероятность P (100%) в этом случае не указываются, в отличие от результата многократного измерения.

Величина δx в случае прямого однократного измерения представляет собой приборную погрешность.

Возникает закономерный вопрос об определении погрешности косвенного измерения в этой ситуации. Перед тем как дать общий рецепт рассмотрим достаточно простой частный случай такого определения.

Пусть стоит задача измерения объёма куба. Самый простой способ решения задачи связан с измерением L - длины ребра куба. После того как она определена, величина объёма куба рассчитывается по формуле V=L3.

Если измерение L производилось однократно с помощью линейки, то результат такого прямого измерения представляется так:

,

где L – значение длины ребра, полученное в процессе однократного измерения,

δL - погрешность прямого измерения, равная погрешности линейки.

Логично потребовать, чтобы результат косвенного измерения объёма имел вид:

.

Значение объёма V рассчитывается по формуле, связывающей его со значением длины ребра L. Остаётся определить величину δV - погрешность для косвенного измерения объёма. Очевидно, эта величина каким-то образом должна быть связана с величиной δL. Чтобы обнаружить эту связь нам придётся снова обратиться к процедуре многократного измерения, но результат, который мы при этом получим, будет справедлив и для однократных измерений.

Пусть в процессе многократных измерений мы получили для одного и того же куба множество значений величины L, измеренной прямым способом, и соответствующее множество величины V, рассчитанной по формуле. Каждому значению Li первого множества соответствует вполне определенное значение Vi второго множества. На рис. 3 представлен график зависимости V =L3, на котором изображены точки, соответствующие результатам многократных измерений, произведённых для одного и того же куба (разброс значений очень сильно преувеличен). На оси L выделен интервал ΔL, характеризующий разброс значений длины ребра, полученный в процессе многократных прямых измерений. На оси V выделен соответствующий интервал ΔV, характеризующий разброс значений объёма, полученный в процессе вычислений. Эти интервалы определяют погрешности измерений величин L и V. Будем считать, что ΔL и ΔV достаточно малые величины по сравнению со значениями L и V. Тогда их очень просто можно связать между собой. Из треугольника (см. рис.В.3) следует ΔV = tg(α) ΔL = ΔL .

Р ис.3. Экспериментальные точки на графике зависимости объёма куба от длины его ребра (разброс значений сильно преувеличен)

Очевидно, для однократного измерения роль ΔL играет погрешность линейки δL, а роль ΔV – интересующая нас величина δV. Поэтому в случае однократного измерения получаем:

.

Где значение производной определяется при значении L, полученном в результате однократного прямого измерения.

Мы получили связь погрешностей прямого и косвенного измерения для частного случая. Обобщим результат на произвольную ситуацию. Пусть величина y определяется из косвенных измерений и является функцией нескольких независимых величин (независимых переменных), которые в свою очередь измерены либо прямо, либо косвенно. В качестве таких «переменных» могут, в частности, выступать и константы, значения которых определяются и используются при вычислениях с определённой точностью, следовательно, сами константы также как и другие величины характеризуются погрешностью.

Обозначим независимые величины x1, ..., xn, и соответствующие им погрешности - δx1, ..., δxn. Явный вид функции y = f(x1, ..., xn) должен быть известен. Будем считать, что каждая величина xi вносит свой независимый вклад в погрешность величины y. В таком случае погрешность δy определяется следующим образом:

(7)

В качестве примера рассмотрим определение погрешности для косвенного измерения скорости. Пусть с помощью рулетки мы произвели однократное измерение расстояния x, пройденного телом в метрах, а с помощью секундомера – затраченное на это время t в секундах. Погрешность δx в этом случае представляет собой приборную погрешность линейки и является известной величиной. Погрешность δt является приборной погрешностью секундомера. Значение скорости определяется по формуле v = x/t, поэтому скорость является функцией двух величин. В соответствии с общей формулой (В.7), определяем выражение для расчёта погрешности скорости:

. (8)

Результаты однократных измерений всех трёх величин теперь могут быть представлены в стандартной форме (без указания количества измерений и величины доверительной вероятности):

прямые измерения: (x ± δx) м, (t ± δt) с,

косвенное измерение: (v ± δv) м/с.

Величины δx и δt представляют собой приборные погрешности линейки и секундомера, а величина δv, оказывается связанной с ними определённым соотношением (В.8).

При оформлении результатов измерений необходимо придерживаться нескольких простых общепринятых правил. Это сделает Ваши записи наглядными и понятными.

Запись результата измерения какой-либо величины требует предварительного округления значений самой величины и её погрешности. Сначала производится округление погрешности до первой значащей цифры (расчёт погрешности должен быть произведён с точностью до двух значащих цифр). При этом окажется, что первая значащая цифра будет соответствовать определённому порядку или разряду (например, десяткам, единицам, десятым долям и т.п.). После этого производится округление значения измеренной величины до того же самого порядка (разряда). Например, если погрешность составляет единицы, то значение измеренной величины округляется до единиц.

Примеры правильных записей результатов:

L = (125 ± 3) м;

t = (0,067 ± 0,002) c;

g = (9,83 ± 0,01) м/с2 ( n = 10, P = 90%).

Если значения измеренной величины и её погрешности очень малы или велики, то используется показательная форма записи, в которой за скобки выносится общий десятичный множитель, например:

e = (1,6 ± 0,5) 10-19 Кл,

m = (9 ± 1) 10-31 кг.

Результаты большого количества измерений принято заносить в таблицы. В этом случае информация представляется наглядно и компактно. Предварительно необходимо продумать структуру таблицы и последовательность расположения информации в ней.

Таблицы могут быть горизонтального или вертикального исполнения. В первом случае значения одной и той же величины располагаются в строке, во втором – в столбце. При большом количестве измерений чаще используется второй вариант. В начале каждой строки (столбца) пишется название или символ (обозначение) соответствующей величины и указывается единица измерения. Если измеряемые величины очень малы или велики, то используется показательная форма записи чисел. В этом случае десятичный множитель не ставится у каждого значения величины, а выносится в начало строки или столбца и записывается перед единицей измерения.

В качестве примера приведём таблицу, представляющую результаты обработки многократного измерения величины x:

Таблица 2

i	xi , 10-3 м	(xi- ), 10-3 м	(xi- )2,10-6 м2
1 2 3 4 5	2,1 2,2 1,8 1,7 1,9	0,16 0,26 -0,14 -0,24 -0,04	0,0256 0,0676 0,0196 0,0578 0,0016
x = (1,9 ± 0,2)·10-3 м, (n = 5, P =90%)

Приступая к измерениям, необходимо сразу заносить результаты измерений в заранее подготовленную таблицу.

Функциональная зависимость одной величины от другой должна быть представлена графиком. График – это самый наглядный способ представления информации в этом случае. Для более надёжного построения графиков следует пользоваться миллиметровой бумагой Принято по горизонтальной оси графика откладывать значения независимой переменной. По вертикальной - значения функции этой переменной. Прежде чем строить график, определите, что в анализируемой ситуации является причиной (ей соответствуют значения независимой переменной), а что – следствием (ей соответствуют значения функции).

В качестве примера на рис. 4 изображён график зависимости силы тока проводящего элемента от приложенного к нему напряжения.

Р ис.4. Зависимость силы тока проводящего элемента от напряжения

По каждой оси графика через равные интервалы наносятся масштабные метки. Масштаб для каждой оси выбирается индивидуально. Сначала необходимо определить диапазон изменения значений представляемых величин. Масштаб выбирается так, чтобы экспериментальные точки максимально распределились вдоль каждой из осей. При этом в частности, необходимо решить - являются ли важными для представления результатов нулевые значения аргумента и функции. Последнее определит значения масштабных меток начала координат (если нули важны, то это будут нулевые метки, если нет – то не обязательно).

Около координатных осей указываются символы (обозначения) величин и единицы их измерений. При необходимости применения показательной формы записи у единиц измерений ставятся десятичные множители.

Экспериментальные точки наносятся только после того, как поставлены масштабные метки и указаны обозначения осей с единицами измерений. Численные значения величин, соответствующие экспериментальным точкам, на осях не указываются. Сами точки должны быть достаточно выделяющимися.

Если на одних и тех же осях представляется несколько экспериментальных графиков, то для обозначения разных наборов точек рационально использовать разные символьные изображения, например: ●, ○, ■, □, ▲, Δ. При необходимости кроме самих значений величин на графиках указываются соответствующие им погрешности. Это делается с помощью горизонтальных и вертикальных чёрточек, пересекающих экспериментальные точки (см. рис. 4). Длина каждой чёрточки определяется погрешностью измерения соответствующей величины.

По массиву экспериментальных точек проводят «наилучшую» плавную кривую. Не должно быть простого соединения точек ломаной линией. Эти изломы, как правило, не соответствуют действительности.

Существуют специальные математические методы определения «наилучшей» кривой. Вам придётся это делать «на глазок», используя три простых принципа:

1) ожидаемая зависимость в лабораторном практикуме чаще всего известна, следовательно, понятно кривую какого вида надо проводить,

2) кривая должна быть плавной, без изломов (если это не какой-либо специальный случай),

3) кривая должна проходить по массиву экспериментальных точек так, чтобы отклонения разных точек от кривой наилучшим образом компенсировали друг друга (например, точкам, лежащим выше кривой, должны соответствовать точки, лежащие ниже).

106