1.3.3.2. Обработка результатов измерений с точным оцениванием погрешностей

Для точного оценивания погрешностей однократных прямых измерений необходимо знать метрологические характеристики конкретного, используемого при измерениях СИ. Каждое СИ имеет свои, только ему присущие метрологические характеристики, которые наиболее полно описывают возможности прибора. В большинстве случаев эти характеристики гораздо лучше метрологических характеристик типа СИ. Но экспериментальное определение индивидуальных метрологических характеристик связано со значительными затратами времени и средств. Кроме того, со временем погрешности СИ изменяются и достоверность полученных данных постепенно снижается. Поэтому к определению и нормированию индивидуальных метрологических характеристик прибегают только при создании эталонов, при метрологической аттестации серийно выпускаемого СИ в качестве рабочего эталона соответствующего разряда, а также перед проведением измерений, связанных с научными исследованиями, требующими повышенной точности. Таким образом, отличительной особенностью измерений с точным оцениванием погрешностей является то, что СИ предварительно подвергается всесторонним исследованиям его свойств, что позволяет в дальнейшем для каждой составляющей систематической погрешности получить оценку ее величины (с определенным знаком) - и неисключенного остатка - , а для случайных составляющих удается оценить их СКП - и степень корреляционных связей. Эти данные позволяют существенно уменьшить систематические погрешности путем введения поправок и, используя правила и формулы раздела 1.3.1, определить более реальные границы доверительного интервала погрешности результата измерений.

Примеры обработки результатов однократных прямых измерений с точным оцениванием погрешностей можно найти в [6,9].

1.3.4. Обработка результатов прямых многократных измерений

Смысл задачи обработки многократных (статистических) измерений состоит в том, чтобы получить оценку действительного значения измеряемой величины и определить погрешность этой оценки.

Способ обработки результатов статистических измерений зависит от вида распределения. Наиболее хорошо отработаны методы обработки экспериментальных данных, если их распределение не противоречит нормальному закону. Но для того, чтобы этими методами можно было воспользоваться, необходимо прежде доказать, что распределение опытных данных не противоречит нормальному закону. Главным фактором, затрудняющим идентификацию закона распределения, является всегда относительно малое количество экспериментальных данных. В этом случае следует максимально использовать априорную информацию о виде распределения погрешностей. Эта информация заключается в том, что кривая плотности распределения предполагается плавной и симметричной. Плавной кривая должна быть потому, что (в подавляющем большинстве случаев) сама измеряемая величина является непрерывной. Предположение о симметрии базируется на относительной малости размера погрешности. Его также можно считать справедливым, так как в большинстве случаев, представляющих практический интерес, величина относительной погрешности измерений находится в интервале значений от долей, до нескольких единиц процента. Для того, чтобы использовать вероятностно-статистические методы при обработке результатов многократных измерений, систематические погрешности должны быть исключены (т.е. все результаты исправлены), либо должно быть заранее известно, что случайные погрешности много больше систематических. Промахи из совокупности опытных данных должны быть исключены экспериментатором.

Задача обработки прямых многократных измерений может формулироваться в двух вариантах:

1. Обработка результатов многократных измерений, когда заранее известно, что закон распределения опытных данных нормальный. Количество опытных данных в этом случае должно быть . Обработка результатов в этом случае ведется по формулам (1.16-1.22;1.30) и результат представляется в виде (1.31).

2. Обработка результатов многократных измерений, когда закон распределения заранее неизвестен. В этом случае вначале необходимо идентифицировать закон распределения опытных данных, чтобы затем применить соответствующие вероятностно-статистические методы обработки данных. Для уверенной идентификации закона распределения количество опытных данных n должно удовлетворять условию (хотя эта граница достаточно условна).

Для того, чтобы достаточно обоснованно выдвинуть гипотезу о виде закона распределения, экспериментальные данные группируют и выборку представляют в виде гистограммы, состоящей из r столбцов с определенной протяженностью (h) соответствующих им интервалов. По виду полученной гистограммы и формулируется гипотеза о законе распределения опытных данных, которую затем подтверждают с использованием соответствующего критерия согласия (либо отвергают и выдвигают новую, которую также предстоит затем подтвердить). При построении гистограммы следует соблюдать некоторые общие правила. [8]

Опытные данные упорядочивают (представляют в виде вариационного ряда от до в порядке возрастания) и группируют по интервалам. Ширину интервалов обычно выбирают одинаковой, равной h

(1.47)

где r - количество интервалов разбиения.

Число интервалов разбиения нельзя выбирать очень большим или очень малым. При группировании данных в большое число мелких интервалов некоторые из них окажутся пустыми. Гистограмма будет иметь “гребенчатый” вид, то есть резко отличаться от плавной кривой. Следовательно, если внутри гистограммы получаются пустые интервалы, это, чаще всего, говорит о том, что число интервалов разбиения выбрано слишком большим.

При очень малом числе интервалов будут потеряны характерные особенности опытного распределения. Так, например, при трех интервалах любое колоколообразное распределение сведется к треугольному. Задача оптимального выбора количества интервалов не имеет в общем виде строгого решения. Для практических целей можно выбирать число интервалов r, руководствуясь таблицей 1.4, приводимой ниже [5].

Таблица 1.4

Количество наблюдений в выборке - n	40 – 100	100 - 500	500-1000
Число интервалов разбиения - r	7 – 9	8 - 12	10 - 16

Предпочтительно выбирать число интервалов r нечетным, чтобы принудительно не уплощать островершинные распределения.

Значение ширины интервала h определенное из (1.47) нужно всегда округлять в большую сторону (например, округляют до значения ), причем желательно, чтобы h легко делилось на 2 (для определения координат центров столбцов).

Нижняя граница первого интервала не обязательно должна быть равной . Эта граница может быть выбрана несколько меньше значения но так, чтобы границы всех интервалов получались удобными для построения гистограммы (например, при и , целесообразно выбрать , тогда и т.д.)

Масштаб по осям при построении гистограммы рекомендуется выбирать так, чтобы высота графика относилась к его основанию как 3 к 5 . При этом общая площадь между осью абсцисс и ступенчатой кривой должна быть равной единице (условие нормировки).

Если из построенной гистограммы следует, что кривая опытного распределения имеет форму близкую к колоколообразной, целесообразно первой проверить гипотезу о нормальности распределения опытных данных.