Какие ошибки называются случайными физика - Не ошибается лишь тот, кто ничего не делает!

Если повторять
несколько раз измерения одной и той же
физической величины (например, веса
или, скажем, времени падения грузика),
стараясь при этом сохранить все условия
опыта постоянными, то, тем не менее,
полученные результаты будут обязательно
несколько отличаться друг от друга
(если, конечно, для результатов каждого
измерения записать достаточное количество
значащих цифр). Тому существует множество
разных причин, которые практически
невозможно учесть. Как пример: неточности
в фиксации времени включения и выключения
секундомера, которые, кстати, важны для
точного определения интервалов времени
не только при физических измерениях,
но и во многих других случаях, в частности,
на спортивных соревнованиях. Как уже
указывалось ранее, соответствующие
ошибки называют случайными ошибками.

Со случайными
изменениями некоторых величин мы
встречаемся и в повседневной жизни,
например, многократно отмечая время,
которое требуется, чтобы доехать до
нужного пункта. Случайные величины
важны для многих разделов естествознания,
например для молекулярной физики при
измерениях скорости теплового движения
молекул газа или в ядерной физике при
изучении закономерностей радиоактивности.
Для количественного описания всех таких
случайно изменяющихся величин используют
хорошо разработанные методы теории
вероятностей. Эти методы позволяют
строго определить не только средние и
наиболее вероятные значения величин,
но и вероятности отклонений от этих
значений.

Среднее значение
любой случайной величины х, а данном
случае результатов нескольких
последовательных её измерений (x₁,
x₂, x_3…x_n),
определяют каксреднее арифметическое
значение xпо
формуле:

, (5)

где n
– число измерений.

Далее
необходимо установить тот интервал
значений (—x ≤ x
≤
+x), так называемыйдоверительный интервал, за пределы
которого с обусловленнойдоверительной
вероятностьюρ(Δx) (определяющей
коэффициент надежности полученных
результатов измерения) не должны выходить
значенияx.

Доверительная
вероятность ρ(Δx) в случае непрерывного
распределения значенийxопределяется
как:

, (6)

где P(x)
– плотность вероятности реализации
значенийxв диапазоне отxдоx
+ dx, причем
знаменатель в этом выражении обычно
принимается равным 1 (условие нормировки).

В теории
вероятностей строго обосновывается,
что с той же вероятностью ρ(Δx) за
пределы этого интервала не будут выходить
средние значенияx, определенные в
различных сериях измерений, в том числе
проводимых разными экспериментаторами
или на разных, но однотипных установках.

Еще важнее, что
эти две величины (доверительный интервал
и доверительная вероятность) однозначно
определяют отличие измеренного значения
xот истинного значения той же
физической величиныa.
Именно в их определении и состоит
основная задача математической обработки
результатов измерений.

Для решения этой
задачи необходимо помимо
найтисреднюю квадратичную ошибку
измерений
в
данной серии опытов, которая определяется
по следующей формуле:

.
(7)

Вычисление средней квадратичной,
а не, как часто делается, средней
арифметической ошибки измерений :

, (8)

позволяет более корректно и
просто определить затем доверительный
интервал и доверительную вероятность,
как это будет показано в дальнейшем.

Таким образом,
при n,0
и случайную ошибку измерения можно в
принципе сделать столь угодно малой
величиной, что однако потребует бесконечно
долгого процесса измерения.

Определение
доверительного интервала для случайной
ошибки и, соответственно, отличие
среднего значения
от истинного значения этой величиныадля заданного значения доверительной
вероятности(x)
очевидно требует знания конкретного
вида функции распределенияP_i(x_i),
т.е. функции реализации определенных
значенийx_i.

Рассмотрим
вначале наиболее простой для математической
обработки, но сложный для практического
осуществления случай достаточно большого
числа измерений. Строго говоря, для
этого необходимо, чтобы nи дискретная функция распределенияP_i(x_i)
переходила в непрерывную функцию
плотности вероятностиP(x).
Однако, как будет показано далее, для
этого достаточноn100
или дажеn30.
При этом обычно реализуется функция
нормального распределения или функция
Гаусса, названная так в честь великого
немецкого математика, впервые установившего
вид этой функции:

.
(9)

Здесь использована
новая величина –
среднестатистический предел
среднеквадратичной ошибки одного
измерения при очень большом количестве
измерений. Квадрат этой величины²,
однозначно определяющей ширину функции
распределения для ошибок измерения и
вообще распределения случайных величин,
называют нормой или дисперсией
распределения.

Для обоснования
применимости формулы Гаусса необходимо
выполнение трех положений, а именно:

— ошибки измерения
могут принимать непрерывный ряд значений,

— при достаточно
большом числе измерения ошибки одинаковой
абсолютной величины, но разного знака,
встречаются одинаково часто

— большие ошибки
наблюдается реже, чем меньшие.

Тогда измеренные
значения величины x, будут находиться
внутри доверительного интервала (-x≤x≤+x) с доверительной
вероятностью(x),
определяемой по формуле:

.
(10)

При этом, чем
больше требуется доверительная
вероятность (x)
и, соответственно, надежность того, что
измеренные значенияx
отличаются от истинного значения
этой величиныане более, чем наx,
тем шире по отношению кстановится доверительный интервал.
Так, если, например, требуется, чтобы(x)
= 0,7; 0,95; 0,98 или 0,999, то соответствующие
доверительные интервалы будут равны; 2;
2,3или 3,3.

Для выбора
конкретного значения доверительной
вероятности (x),
определяющей значения доверительного
интервалаx,
необходимо понимать, насколько опасен
выход за пределы этого интервала,
вероятность которого, очевидно, равна
1–(x).
Такие задачи возникают на практике,
например, при отбраковке изделий,
выпускаемых в машиностроительной
промышленности, по их габаритам или
другим параметрам.

Реально очень
трудно осуществить (по причинам большой
длительности и малой продуктивности)
вышеуказанный идеализированный случай,
требующий, чтобы число измерений было,
по крайней мере, больше тридцати. Поэтому
необходимо рассмотреть реальный, но
более сложный для анализа случай
относительно небольшого числа измерений
(3n10).
Интуитивно понятно, что в этом случае
возникают повышенные требования к
доверительному интервалу (-x;+x) при заданном
значении(x),
то есть он становится шире. Увеличение
числа измерений, наоборот, сужает этот
интервал.

На опыте часто
измеряют физические величины, которые
могут принимать лишь дискретные значения,
а число этих измерений конечно. В ряде
случаев вероятность реализации
определенных значений таких величин
хорошо описывается распределением
Пуассона (знаменитый французский
математик и физик).

Для многих
лабораторных работ, когда число измерений
не велико, распределение погрешностей
описывается еще более сложными,
специальными гамма–функциями
(распределение Стьюдента или “t”–
распределение. “Стьюдент” – это
псевдоним английского математика
Уильяма Сита Госсета.). Для такого
распределения с высокой точностью
вычислены и затабулированы так называемые
коэффициенты Стьюдента(таблица №1). Они определяют отношение
доверительного интервалаxк средней квадратичной ошибкедля данной серии измерений и определенных
значенийnи(x),
то есть:

. (11)

Коэффициенты Стьюдента .
Таблица №1.

(число измерений)

Доверительная вероятность

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

0,95

0,98

0,99

0,999

21-24

26-27

120

0,16

0,14

0,13

0,33

0,29

0,28

0,27

0,26

0,25

0,51

0,45

0,42

0,41

0,40

0,39

0,73

0,62

0,58

0,57

0,56

0,55

0,54

0,53

0,52

1,00

0,82

0,77

0,74

0,73

0,72

0,71

0,70

0,69

0,68

0,67

1,38

1,06

0,98

0,94

0,92

0,90

0,88

0,87

0,86

0,85

0,84

2,0

1,3

1,2

1,1

1,0

3,1

1,9

1,6

1,5

1,4

1,3

6,3

2,9

2,4

2,1

2,0

1,9

1,8

1,7

1,6

12,7

4,3

3,2

2,8

2,6

2,4

2,3

2,2

2,1

2,0

31,8

7,0

4,5

3,7

3,4

3,1

3,0

2,9

2,8

2,7

2,6

2,5

2,4

2,3

63,7

9,9

5,8

4,6

4,0

3,7

3,5

3,4

3,3

3,2

3,1

3,0

2,9

2,8

2,7

2,6

636,6

31,6

12,9

8,6

6,9

6,0

5,4

5,0

4,8

4,6

4,5

4,3

4,2

4,1

4,0

3,9

3,8

3,7

3,6

3,5

3,4

3,3

Из таблицы 1
следует, что при доверительной вероятности
(x)0,7 доверительный интервалxвсегда несколько превышает значение,
но для(x)=0,7
по мере увеличения числа измеренийn
стремится к этому значению, причем
их различие становится незначительным
(меньше 10%) уже приn 7. Аналогичное, но более медленное
уменьшениенаблюдается и для более высоких значений(x)=
0,95; 0,98; 0,999. Для этих значений,
чтобы достаточно приблизиться к
предельным значениям(2; 2,3; 3,3), соответствующим функции Гаусса,
необходимо значительно большее число
измерений (n 15,
20 и 40). В большинстве лабораторных работ
число измерений (3n 10), а доверительная
вероятность(x)
принимается равной 0,95, так что
соответствующие коэффициенты Стьюдента
изменяются от 4,3 до 2,3. Если значения
доверительной вероятности не указаны,
то её обычно выбирают равной 0,7.

Таким образом,
окончательный результат измерений с
указанием доверительной вероятности
в лабораторных практикумах следует
представлять в виде:

, (12)

где за скобкой указывают единицу
измерения данной величины в общепринятой
международной системе единиц (СИ).

При этом
необходимо, чтобы среднее значение
и доверительный интервалxбыли записаны в одних и тех же единицах
и с одинаковой точностью. Доверительный
интервалx
обычно записывают в виде двух (реже
одной) значащих цифр, округляя последующие
цифры. Если числоnизмерений совсем невелико (менее 5 –
6), что имеет место в большинстве
лабораторных работ, то достаточно
округления доверительного интервала
до первой значащей цифры, и только если
она является единицей – до двух. При
большем числе измеренийn10, как правило,
следует оставлять одну значащую цифру,
если только она больше трёх. При ещё
большем числе измерений (n30 и
более) оставляются две значащие цифры.
Предварительные вычисленияиследует
проводить, разумеется, с несколько более
высокой точностью.

Всё вышеуказанное
справедливо прежде всего для прямых
измерений, когда на опыте непосредственно
измеряется интересующая нас физическая
величина. При косвенных измерениях,
когда эта величина определяется по
известной формуле, в которую входят
несколько других измеряемых на опыте
независимых величин, необходимо провести
дополнительный анализ общей ошибки
измерения. Если искомая величинаy=(x₁,
x₂….x_k),
то есть является известной функцией
нескольких непосредственно измеряемых
величинx_i,
то её среднее значение определяется
как.
Если в данном опыте преобладают приборные
ошибки, то оценку абсолютнойyи относительной
ошибки измерения следует производить
по формулам:

, (13)

. (14)

Если, наоборот,
в этих измерениях преобладают случайные
ошибки, то расчет общей ошибки производят
по формуле:

.
(15)

Вопрос о том,
какими формулами пользоваться, решают
при анализе результатов измерений. Если
отклонения большинства из результатов
измерений от среднего арифметического
значения не превышает абсолютную ошибку
используемых приборов, то расчет
производят по формулам (13) и (14), а в
противоположном случае по формуле (15).
В общем случае случайные x_сли приборные ошибкиx_npскладываются по общему закону сложения
всех случайных величин, а именно:

. (16)

Поэтому, если
одна из этих ошибок в три и более раз
превышает другую ошибку, то последняя
из этих ошибок будет очень слабо влиять
на общую точность измерения. Исходя из
этих соображений обычно и выбирается
необходимое число измерений n,
поскольку нет никакого смысла стремиться
получить случайную ошибку значительно
меньше приборной ошибки.

Наглядной
иллюстрацией систематических и случайных
ошибок могут служить результаты стрельбы
из различных видов оружия, в том числе
на спортивных соревнованиях. Так, если
имеется только систематическая ошибка
(сбит прицел, неправильное прицеливание
или расчеты), то все пули (снаряды, стрелы,
бомбы и т.д.) попадут в одно и то же место,
но смещенное от центра мишени или цели.
Наоборот, если существуют только
случайные ошибки, то будет значительный
разброс в местах попадания («плохая
кучность»), но усредненное отклонение
от центра мишени (или цели) будет
стремиться к нулю. Реально, конечно,
наблюдаются оба вида ошибок, но один из
них обычно существенно преобладает над
другим.

Теория вероятностей
полезна и для правильного построения
графиков на основе полученных
экспериментальных данных. Недопустимо
рисовать изломанную кривую, точно
проходящую через экспериментальные
точки: следует провести такую плавную
линию, чтобы отклонение экспериментальных
точек от нее в разные стороны приблизительно
компенсировали друг друга. По методу
наименьших квадратов построение графика
экспериментальной зависимостиy=(x)следует проводить таким образом, чтобы
свести к минимуму сумму квадратичных
отклонений
экспериментальных точекy_iот проводимой кривойf(x_i),
гдеi —номер
экспериментальной точки,n
– число экспериментальных точек.

Для построения
графика кривой по экспериментальным
точкам вначале подбирается функциональная
зависимость определённого вида (линейная:
y=a+bx,
квадратичная:y=a+bx+cx²,
экспоненциальная:y
= a+be^x
и т.д.), которая предположительно
наилучшим образом соответствует
экспериментальным данным, и определяются
значения её параметровa,b,c.
При этих значениях функцияSдолжна минимальна, то есть её частные
производные по этим параметрам должны
быть равны нулю: .
Решая полученную систему уравнений,
сначала находят значения этих параметров,
а затем и значениеS.
Сравнивая значенияS,
полученные таким же образом для разного
вида функцийf(x),
выбирают функцию, для которойS
будет минимальна – этой функцией и
аппроксимируются полученные
экспериментальные данные.

Следует отметить,
что разработаны способы, с помощью
которых можно достаточно просто оценить
наиболее подходящую функцию y
= f(x)для описания известных экспериментальных
данных. Кроме того, существует компьютерная
программаGrapher, которая
даёт возможность подбирать необходимые
функции с соответствующими параметрами
для приближения экспериментально
полученных точекx_i
иy_i.
Добавим, что удобно использовать для
построения графиков такие координаты,
при которых график функции представляет
собой прямую (эти координаты следует
выбирать на основании подобранной
функцииy=f(x)).

Методы теории
вероятностей успешно используют и для
планирования различных экспериментов,
например по разработке технологии
синтеза многокомпонентных материалов
с оптимальными свойствами (электрическими,
оптическими, механическими и др.),
требующимися для их практических
применений.

Прогресс физики
и других разделов естествознания во
многом определяется точностью
экспериментов. В настоящее время
достигнута поразительная точность при
измерении ряда физических величин
(расстояние, время и др.). Так, с помощью
молекулярных генераторов и стандартов
частоты удается осуществить такие
молекулярные часы, что их ошибка
составляет всего одну секунду за 10⁶лет, т.е. относительная погрешность
равна 10^-12%.

С очень высокой
точностью измерена и такая важнейшая
физическая величина как скорость
распространения света в вакууме с =
(299792458,0 1,2) м/с. Это
позволяет производить очень точные
измерения больших расстояний: до Луны,
планет Солнечной системы и других
космических объектов.

На смену
общеизвестного эталона метра в виде
стержня, изготовленного из платиноиридиевого
сплава и хранящегося в международной
Палате мер и весов вблизи Парижа, пришел
«оптический эталон». Он равен 1650763,73
длин волн оранжевой линии излучения
атомов криптона, то есть на одном метре
должно укладываться ровно столько длин
волн этого излучения. Такой эталон
примерно в 100 раз точнее прежнего и может
быть легче воспроизведен в научных
лабораториях. При обычных измерениях,
например в физическом практикуме,
конечно, не удается достичь таких
прецизионнных точностей измерений,
которые во многом определяются
погрешностью используемых приборов.
Вместе с тем при работе в практикуме
нужно стремиться к уменьшению ошибок
измерения, правильно производить их
оценки и грамотно оформлять промежуточные
и окончательные результаты измерений.

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:

Systematic error which always occurs, with the same value, when we use the instrument in the same way and in the same case.
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]

References[edit]

^ ^a ^b Dodge, Y. (2003) The Oxford Dictionary of Statistical Terms, OUP. ISBN 978-0-19-920613-1
^ ^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.
^ «Systematic error». Merriam-webster.com. Retrieved 2016-09-10.
^ Salant, P.; Dillman, D. A. (1994). How to conduct your survey. New York: John Wiley & Sons. ISBN 0-471-01273-4.
^ 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.
^ 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.
^ 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
^ 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.
^ Hayashi, Fumio (2000). Econometrics. Princeton University Press. ISBN 978-0-691-01018-2.
^ 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.

Science and experiments[edit]

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:

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

Characterization[edit]

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

Sources[edit]

Sources of systematic error[edit]

Imperfect calibration[edit]

Quantity[edit]

Drift[edit]

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

Sources of random error[edit]

Surveys[edit]

Effect on regression analysis[edit]

References[edit]

^ ^a ^b Dodge, Y. (2003) The Oxford Dictionary of Statistical Terms, OUP. ISBN 978-0-19-920613-1
^ ^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.
^ «Systematic error». Merriam-webster.com. Retrieved 2016-09-10.
^ Salant, P.; Dillman, D. A. (1994). How to conduct your survey. New York: John Wiley & Sons. ISBN 0-471-01273-4.
^ 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.
^ 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.
^ 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
^ 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.
^ Hayashi, Fumio (2000). Econometrics. Princeton University Press. ISBN 978-0-691-01018-2.
^ 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.

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.
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.
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.
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.
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).

Случайная погрешность — это ошибка в измерениях, которая носит неконтролируемый характер и очень труднопредсказуема. Так происходит из-за того, что существует огромное количество параметров, находящихся вне контроля экспериментатора, которые влияют на итоговые показатели. Случайные погрешности с абсолютной точностью вычислить невозможно. Они вызваны не сразу очевидными источниками и требуют много времени на выяснение причины их возникновения.

Как определить наличие случайной погрешности

Непредсказуемые ошибки присутствует не во всех измерениях. Но для того чтобы полностью исключить ее возможное влияние на результаты измерений, необходимо повторить эту процедуру несколько раз. Если итог не меняется от эксперимента к эксперименту либо изменяется, но на определенное относительное число — величина этой случайной погрешности равна нулю, и о ней можно не думать. И, наоборот, если полученный результат измерений каждый раз другой (близкий к какому-то среднему значению, но отличный), и отличия носят неопределенный характер, следовательно, на него влияет непредсказуемая ошибка.

Пример возникновения

Случайная составляющая погрешности возникает вследствие действия различных факторов. Например, при измерении сопротивления проводника, необходимо собрать электрическую цепь, состоящую из вольтметра, амперметра и источника тока, которым служит выпрямитель, подключенный в осветительную сеть. Первым делом нужно измерить напряжение, записав показания с вольтметра. Затем перенести взгляд на амперметр, чтобы зафиксировать его данные о силе тока. После использовать формулу, где R = U / I.

Но может случиться так, что в момент снятия показаний с вольтметра в соседней комнате включили кондиционер. Это довольно мощный прибор. В результате этого напряжение сети немного уменьшилось. Если бы не пришлось отводить взгляд на амперметр, можно было заметить, что показания вольтметра изменились. Поэтому данные первого прибора уже не соответствуют записанным ранее значениям. Из-за непредсказуемого включения кондиционера в соседней комнате получается результат уже со случайной погрешностью. Сквозняки, трения в осях измерительных приборов — потенциальные источники ошибок в измерениях.

Как проявляется

Допустим, необходимо рассчитать сопротивление круглого проводника. Для этого нужно знать его длину и диаметр. Помимо этого, учитывается удельное сопротивление материала, из которого он изготовлен. При измерении длины проводника случайная погрешность себя проявлять не будет. Ведь этот параметр всегда один и тот же. Но вот при измерении диаметра штангенциркулем или микрометром окажется, что данные разняться. Так происходит потому, что идеально круглый проводник невозможно изготовить в принципе. Поэтому, если измерить диаметр в нескольких местах изделия, то он может оказаться разным вследствие действия непредсказуемых факторов в момент его изготовления. Это случайная погрешность.

Иногда она также называется статистической погрешностью, поскольку эту величину можно уменьшить, увеличив количество экспериментов при одинаковых условиях их проведения.

Природа возникновения

В отличие от систематической ошибки, простое усреднение нескольких итоговых показателей одной и той же величины компенсирует случайные погрешности результатов измерений. Природа их возникновения определяется очень редко, и поэтому никогда не фиксируется, как постоянная величина. Случайная погрешность — это отсутствие каких-либо природных закономерностей. Например, она не пропорциональна измеряемой величине или никогда не остается постоянной при проведении нескольких измерений.

Может существовать ряд возможных источников случайных ошибок в экспериментах, и он полностью зависит от типа эксперимента и используемых приборов.

Например, биолог, изучающий размножение конкретного штамма бактерии, может столкнуться с непредсказуемой ошибкой из-за небольшого изменения температуры или освещения в помещении. Однако когда эксперимент будет повторяться в течение определенного периода времени, он избавится от этих различий в результатах путем их усреднения.

Формула случайной погрешности

Допустим, нужно определить какую-то физическую величину x. Чтобы исключить случайную погрешность необходимо провести несколько измерений, итогом которых будет серия результатов N количества измерений — x_1,x_2,…,x_n.

Чтобы обработать эти данные следует:

За результат измерений х₀принять среднее арифметическое х̅. Иными словами, х₀= (x₁ +x₂ +… +x_n)/ N_.
Найти стандартное отклонение. Обозначается оно греческой буквой σ и вычисляется следующим образом: σ = √((х₁— х̅ )²+ (х₂-х̅ )²+ … + (х_n— х̅ )²/ N — 1). Физический смысл σ состоит в том, что если провести еще одно измерение (N+1), то оно с вероятностью 997 шансов из 1000 ляжет в интервал х̅ -3σ < х_n+1< с + 3σ.
Найти границу абсолютной погрешности среднего арифметического х̅. Находится она по следующей формуле: Δх = 3σ / √N.
Ответ: х = х̅ + (-Δх).

Относительная погрешность будет равна ε = Δх /х̅.

Пример вычисления

Формулы расчета случайной погрешности достаточно громоздкие, поэтому, чтобы не запутаться в вычислениях, лучше использовать табличный способ.

Пример:

При измерении длины l, были получены следующие значения: 250 см, 245 см, 262 см, 248 см, 260 см. Количество измерений N = 5.

N п/п	l, см	I _{ср. арифм.,}см	\|l-l _{ср. арифм.}\|	(l-l _{ср. арифм.})²	σ, см	Δ l, см
1	250	253,0	3	9	7,55	10,13
2	245	8	64
3	262	9	81
4	248	5	25
5	260	7	49
	Σ = 1265			Σ = 228

Относительная погрешность равна ε = 10,13 см / 253,0 см = 0,0400 см.

Ответ: l = (253 + (-10)) см, ε = 4 %.

Практическая польза высокой точности измерений

Следует учитывать, что достоверность результатов тем выше, чем большее количество измерений проводится. Чтобы повысить точность в 10 раз, необходимо провести в 100 раз больше измерений. Это достаточно трудоемкое занятие. Однако оно может привести к очень важным результатам. Иногда приходится иметь дело со слабыми сигналами.

Например, в астрономических наблюдениях. Допустим, необходимо изучить звезду, блеск которой изменяется периодически. Но это небесное тело настолько далеко, что шум электронной аппаратуры или датчиков, принимающих излучения, может быть во много раз больше, чем сигнал, который необходимо обработать. Что же делать? Оказывается, если проводить миллионы измерений, то возможно среди этого шума выделить необходимый сигнал с очень большой достоверностью. Однако для этого потребуется совершать огромное количество измерений. Такая методика используется, чтобы различать слабые сигналы, которые едва заметны на фоне различных шумов.

Причина, по которой случайные погрешности могут быть решены путем усреднения, заключается в том, что они имеют нулевое ожидаемое значение. Они действительно непредсказуемы и разбросаны по среднему значению. Исходя из этого, среднее арифметическое ошибок ожидается равным нулю.

Случайная погрешность присутствуют в большинстве экспериментов. Поэтому исследователь должен быть подготовлен к ним. В отличие от систематических, случайные погрешности не предсказуемы. Это затрудняет их обнаружение, но от них легче избавиться, поскольку они являются статистическими и удаляются математическим методом, таким как усреднение.

Источник

Природа случайных ошибок и распределение выборочных статистик — Никто не любит ошибаться, но некоторые ошибки просто неизбежны! 0 Нажми, если пригодилось =ъ Дембицкий С. Природа случайных ошибок и распределение выборочных средних, — Режим доступа: http://www.soc-research.info/quantitative/3.html Отличия в характеристиках выборочной и генеральной совокупностей называются ошибками репрезентативности.

Можно выделить два вида таких ошибок – систематические и случайные.
Систематические ошибки — это определенные постоянные смещения, не уменьшающиеся при увеличении количества опрошенных.
В свою очередь, случайные ошибки – это те, которые при увеличении выборки изменяются по вероятностным законам.
Систематическую ошибку можно устранить, изменяя процедуру формирования выборки; случайная же ошибка будет всегда, при любом выборочном опросе.

Тем не менее, систематическая ошибка является значительно опаснее, поскольку: а) ее невозможно оценить; б) она не уменьшается с увеличением выборки. Классическим примером краха исследования по причине систематических ошибок является предвыборный опрос, проведеленный Литерири дайджест в 1936 году.

По его результатам на выборах президента США должен был победить Альфред Лэндон.
Показательно то, что для исследования проводимого Литерари Дайджест было отобрано более 2 млн.
Респондентов.
На самих же выборах победил Теодор Рузвельт, победу которого предсказывали Гэлап и Роупер на основе опроса всего 4000 человек.

Ошибка Литерари Дайджест заключалась в том, что основой выборки (часть генеральной совокупности из которой отбирались респонденты) выступили телефонные книги. Телефоны же в 1936 году имели преимущественно зажиточные слои населения США, большинство которых собиралось голосовать за Альфреда Лэндона.

Следовательно полученная выборка отражала не всех избирателей США, а лишь их специфическую группу.
Очевидно и то, что увеличении выборки получаемой таким способом никак бы не помогло, так как новые респонденты точно так же представляли бы зажиточных американцев.
Выборка же Гэлапа и Роупера носила случайный характер и отображала все населения США, что позволило им сделать правильный прогноз.

Но если систематические ошибки не уменьшаются с увеличением количества опрошенных и способ устранения таких ошибок следует искать прежде всего в особенностях построения самой выборки, то случайные ошибки подчиняются вероятностным законам и подлежат оценке.

Одно из главных их свойств заключается в том, что они уменьшаются с увеличением выборки. Рассмотрим соответствующий пример (отчасти фантастический). Рассмотрим следующий премер. Представим себе огромный лототрон на 100.000 шаров, в котором 10.000 шаров с №1, 10.000 — с №2, 10.000 — с №3, 10.000 — с №4, 10.000 — с №5, 10.000 — с №6, 10.000 — с №7, 10.000 — с №8, 10.000 — с №9 и 10.000 — с №10.

При условии правильной работы лототрона каждый шар имеет равную вероятность выпадения (по крайней мере в самом начале, а после того как шары начнут выпадать, вероятности будут очень близки).

Что такое случайная ошибка исследования?

СЛУЧАЙНАЯ ОШИБКА отклонение результата отдельного наблюдения в выборке от истинного значения в популяции, обусловленное исключительно случайностью.

Что такое случайная ошибка в физике?

Случайная погрешность — составляющая погрешности результата измерения, изменяющаяся случайным образом (по знаку и значению) в серии повторных измерений одного и того же размера величины с одинаковой тщательностью. В появлении этого вида погрешности не наблюдается какой-либо закономерности.

Почему возникает случайная ошибка?

Случайные ошибки берут свое происхождение из множества одновременно действующих источников помех. Они проявляют- ся лишь при многократных измерениях. Это ошибки, которые поддаются обработке с помощью математической статистики, более точно, теории вероятностей. Их непредсказуемость, таким образом, сводится к минимуму.

Какие ошибки называются систематическими и случайными?

Можно выделить два вида таких ошибок – систематические и случайные.
Систематические ошибки — это определенные постоянные смещения, не уменьшающиеся при увеличении количества опрошенных.
В свою очередь, случайные ошибки – это те, которые при увеличении выборки изменяются по вероятностным законам.
Систематическую ошибку можно устранить, изменяя процедуру формирования выборки; случайная же ошибка будет всегда, при любом выборочном опросе.

По его результатам на выборах президента США должен был победить Альфред Лэндон. Показательно то, что для исследования проводимого Литерари Дайджест было отобрано более 2 млн. респондентов. На самих же выборах победил Теодор Рузвельт, победу которого предсказывали Гэлап и Роупер на основе опроса всего 4000 человек.

Следовательно полученная выборка отражала не всех избирателей США, а лишь их специфическую группу.
Очевидно и то, что увеличении выборки получаемой таким способом никак бы не помогло, так как новые респонденты точно так же представляли бы зажиточных американцев.
Выборка же Гэлапа и Роупера носила случайный характер и отображала все населения США, что позволило им сделать правильный прогноз.

Как рассчитать ошибку эксперимента?

Для оценки истинности данных эксперимента следует рассмотреть возможные причины ошибок и степень их влияния на измеряемую величину. Приборные погрешности. Эта погрешность равна той доле шкалы прибора, до которой с уверенностью можно производить отсчет, что определяется конструкцией и ценой деления шкалы прибора.

Как считается случайная погрешность?

Случайная погрешность измерения равна разности погрешности измерения и систематической погрешности измерения.

Как оценить ошибку измерений?

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 = x изм,
Можно ли утверждать, что x изм — 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 = x изм — x ист,
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.

Что такое абсолютная ошибка?

Смотреть что такое «Ошибка Абсолютная» в других словарях: —

ОШИБКА, АБСОЛЮТНАЯ — абсолютная величина расхождения (разности) между величиной признака (показателя), установленной на основе статистического наблюдения, и действительной его величиной. Понятие А.о. используется, главным образом, при выборочном наблюдении Большой экономический словарь ОШИБКА, АБСОЛЮТНАЯ — Абсолютное значение (то есть безотносительно к знаку) различия между наблюдаемым значением и истинным значением измерения. Например, переоценка чьего то роста на два дюйма приводит к такой абсолютной ошибке, как переоценка на два дюйма Толковый словарь по психологии абсолютная ошибка — абсолютная погрешность — Тематики электросвязь, основные понятия Синонимы абсолютная погрешность EN absolute error Справочник технического переводчика абсолютная ошибка — absoliučioji paklaida statusas T sritis Kūno kultūra ir sportas apibrėžtis Matas, rodantis skirtumą tarp išmatuotos reikšmės ir matuojamojo dydžio tikrosios reikšmės. Absoliučioji paklaida nustatoma pagal vieno arba kelių bandymų rezultatų Sporto terminų žodynas АБСОЛЮТНАЯ ОШИБКА — См. ошибка, абсолютная Толковый словарь по психологии абсолютная погрешность — absoliučioji paklaida statusas T sritis Kūno kultūra ir sportas apibrėžtis Matas, rodantis skirtumą tarp išmatuotos reikšmės ir matuojamojo dydžio tikrosios reikšmės. Absoliučioji paklaida nustatoma pagal vieno arba kelių bandymų rezultatų Sporto terminų žodynas Абсолютная пустота — Doskonała próżnia Жанр: Сборник рассказов Автор: Станислав Лем Язык оригинала: польский Год написания: 1971 год Википедия Абсолютная ошибка (точность) прогноза метеорологической величины — Абсолютная ошибка (точность) прогноза метеорологической величины: разность между прогностическим значением метеорологической величины и фактически наблюдавшимся ее значением. Источник: РД 52.27.724 2009. Руководящий документ. Наставление по Официальная терминология абсолютная ошибка измерений — — Тематики релейная защита EN absolute error of measurement Справочник технического переводчика Ошибка измерения — Погрешность измерения оценка отклонения величины измеренного значения величины от её истинного значения. Погрешность измерения является характеристикой (мерой) точности измерения. Поскольку выяснить с абсолютной точностью истинное значение любой Википедия

Что такое грубая ошибка?

Грубая ошибка — Ошибка типа неверная команда или ‘случайно’ нажатая клавиша, обычно возникающая по вине обслуживающего персонала и приводящая к большой погрешности. [Л.

В чем выражают относительную ошибку?

Физические величины и погрешности их измерений — Задачей физического эксперимента является определение числового значения измеряемых физических величин с заданной точностью. Сразу оговоримся, что при выборе измерительного оборудования часто нужно также знать диапазон измерения и какое именно значение интересует: например, среднеквадратическое значение (СКЗ) измеряемой величины в определённом интервале времени, или требуется измерять среднеквадратическое отклонение (СКО) (для измерения переменной составляющей величины), или требуется измерять мгновенное (пиковое) значение.

При измерении переменных физических величин (например, напряжение переменного тока) требуется знать динамические характеристики измеряемой физической величины: диапазон частот или максимальную скорость изменения физической величины, Эти данные, необходимые при выборе измерительного оборудования, зависят от физического смысла задачи измерения в конкретном физическом эксперименте,

Итак, повторимся: задачей физического эксперимента является определение числового значения измеряемых физических величин с заданной точностью. Эта задача решается с помощью прямых или косвенных измерений, При прямом измерении осуществляется количественное сравнение физической величины с соответствующим эталоном при помощи измерительных приборов.

Отсчет по шкале прибора указывает непосредственно измеряемое значение.
Например, термометр дает значения измеряемой температуры, а вольтметр – значение напряжения.
При косвенных измерениях интересующая нас физическая величина находится при помощи математических операций над непосредственно измеренными физическими величинами (непосредственно измеряя напряжение U на резисторе и ток I через него, вычисляем значение сопротивления R = U / I ).

Точность прямых измерений некоторой величины X оценивается величиной погрешности или ошибки, измерений относительно действительного значения физической величины X Д, Действительное значение величины X Д (согласно РМГ 29-99 ) – это значение физической величины, полученное экспериментальным путем и настолько близкое к истинному значению, что в поставленной измерительной задаче может быть использовано вместо него.

Различают абсолютную (∆ X) и относительную (δ) погрешности измерений. Абсолютная погрешность измерения – это п огрешность средства измерений, выраженная в единицах измеряемой физической величины, характеризующая абсолютное отклонение измеряемой величины от действительного значения физической величины: ∆X = X – X Д,

Относительная погрешность измерения – это п огрешность измерения, выраженная отношением абсолютной погрешности измерения к действительному значению измеряемой величины. Обычно относительную погрешность выражают в процентах: δ = (∆X / Xд) * 100%, При оценке точности косвенных измерений некоторой величины X 1, функционально связанной с физическими величинами X 2, X 3,, X 1 = F (X 2, X 3, ), учитывают погрешности прямых измерений каждой из величин X 2, X 3, и характер функциональной зависимости F (),

Какие виды погрешностей ошибок могут встречаться при работе лаборатории?

Внутрилабораторные ошибки — Надежность результатов исследования при проведении анализов в лаборатории зависит от целого ряда факторов. Погрешность в аналитическом процессе — это внутрилабораторные ошибки, появление и предупреждение которых зависит только от работников лабораторий.

Результаты анализов в большой мере зависят от индивидуальных способностей лабораторного персонала, важным фактором является и качество применяемых измерительных инструментов. Существенным источником ошибок является приготовление стандартных растворов, который может иметь иную концентрацию, чем должна быть по расчету.

Многочисленность применяемых методов, из которых большая часть уже устарела, также является частой причиной многих ненадежных результатов. Помочь этому может последовательное внедрение унифицированных методов. Наиболее распространена следующая классификация ошибок.

Различают три основных вида ошибок: грубые, случайные и систематические. Грубая ошибка — это одиночное значение исследуемого компонента, выходящее за пределы установленного для данного компонента области (за допустимые пределы погрешности). Причиной грубых ошибок является недостаточная тщательность в работе.

Случайная ошибка — одиночное значение, не выходящее за пределы установленной для данного компонента области. Случайными называются неопределенные по величине и знаку ошибки, в появлении каждой из которых не наблюдается какой-либо закономерности. Эти ошибки происходят при любом аналитическом определении.

Наличие их сказывается в том, что повторные определения того или иного компонента в данном образце, выполненные одним и тем же методом, дают как правило несколько различающиеся между собой результаты.
Случайные ошибки практически невозможно исключить совсем, они могут возникать из-за негомогенности пробы материала, недостаточно высокого качества оборудования, чаще случайные ошибки вызываются субъективными факторами.

Этот вид ошибок можно значительно ограничить после оценки их размера, величина ошибки (разброс данных) является мерилом воспроизводимости лабораторных результатов. Чем меньше величина случайных ошибок, тем лучше воспроизводимость исследований. Распространенным способом характеристики воспроизводимости результатов является величина среднеквадратического отклонения.

Для суждения о правильности анализа совпадение или расхождение результатов параллельных проб не имеет значения.
В этом случае на первый план выступают систематические ошибки.
Систематическими ошибками называют погрешности, одинаковые по знаку, имеющие определенную причину, влияющие на результат либо в сторону увеличения, либо в сторону уменьшения его.

Систематические ошибки можно обычно предусмотреть или же ввести соответствующие поправки (ошибки методического характера). Систематические ошибки повторяются при каждом измерении, так как они вызываются постоянными причинами, влияют они на всю серию определений.

Источник

1.1 Результат измерения

О необходимости оценки погрешностей.

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

1.2 Многократные измерения

По набору результатов 𝐱 можно вычислить их среднее арифметическое:

⟨x⟩=x1+x2+…+xnn≡1n⁢∑i=1nxi.

(1.1)

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.

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

Предельную величину среднеквадратичного отклонения при n→∞
обозначим как

sn-12=1n-1⁢∑i=1nΔ⁢xi2,

(1.4)

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

•

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

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.

1.3.1 Случайные погрешности

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).

1.3.2 Систематические погрешности

Систематические погрешности условно можно разделить на следующие категории.

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.

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.

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.

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.

Источник

Как определить наличие случайной погрешности

Пример возникновения

Как проявляется

Природа возникновения

Формула случайной погрешности

Чтобы обработать эти данные следует:

За результат измерений х₀принять среднее арифметическое х̅. Иными словами, х₀= (x₁ +x₂ +… +x_n)/ N_.
Найти стандартное отклонение. Обозначается оно греческой буквой σ и вычисляется следующим образом: σ = √((х₁— х̅ )²+ (х₂-х̅ )²+ … + (х_n— х̅ )²/ N — 1). Физический смысл σ состоит в том, что если провести еще одно измерение (N+1), то оно с вероятностью 997 шансов из 1000 ляжет в интервал х̅ -3σ < х_n+1< с + 3σ.
Найти границу абсолютной погрешности среднего арифметического х̅. Находится она по следующей формуле: Δх = 3σ / √N.
Ответ: х = х̅ + (-Δх).

Относительная погрешность будет равна ε = Δх /х̅.

Пример вычисления

Пример:

При измерении длины l, были получены следующие значения: 250 см, 245 см, 262 см, 248 см, 260 см. Количество измерений N = 5.

N п/п	l, см	I _{ср. арифм.,}см	\|l-l _{ср. арифм.}\|	(l-l _{ср. арифм.})²	σ, см	Δ l, см
1	250	253,0	3	9	7,55	10,13
2	245	8	64
3	262	9	81
4	248	5	25
5	260	7	49
	Σ = 1265			Σ = 228

Относительная погрешность равна ε = 10,13 см / 253,0 см = 0,0400 см.

Ответ: l = (253 + (-10)) см, ε = 4 %.

Практическая польза высокой точности измерений

Источник

Science and experiments[edit]

Characterization[edit]

Sources[edit]

Sources of systematic error[edit]

Imperfect calibration[edit]

Quantity[edit]

Drift[edit]

Sources of random error[edit]

Surveys[edit]

Effect on regression analysis[edit]

See also[edit]

References[edit]

Further reading[edit]

Science and experiments[edit]

Characterization[edit]

Sources[edit]

Sources of systematic error[edit]

Imperfect calibration[edit]

Quantity[edit]

Drift[edit]

Sources of random error[edit]

Surveys[edit]

Effect on regression analysis[edit]

See also[edit]

References[edit]

Further reading[edit]

1.1 Результат измерения

О необходимости оценки погрешностей.

1.2 Многократные измерения

1.3 Классификация погрешностей

1.3.1 Случайные погрешности

1.3.2 Систематические погрешности

Как определить наличие случайной погрешности

Пример возникновения

Как проявляется

Природа возникновения

Формула случайной погрешности

Пример вычисления

Практическая польза высокой точности измерений

Что такое случайная ошибка исследования?

Что такое случайная ошибка в физике?

Почему возникает случайная ошибка?

Какие ошибки называются систематическими и случайными?

Как рассчитать ошибку эксперимента?

Как считается случайная погрешность?

Как оценить ошибку измерений?

Что такое абсолютная ошибка?

Что такое грубая ошибка?

В чем выражают относительную ошибку?

Какие виды погрешностей ошибок могут встречаться при работе лаборатории?

1.1 Результат измерения

О необходимости оценки погрешностей.

1.2 Многократные измерения

1.3 Классификация погрешностей

1.3.1 Случайные погрешности

1.3.2 Систематические погрешности

Как определить наличие случайной погрешности

Пример возникновения

Как проявляется

Природа возникновения

Формула случайной погрешности

Пример вычисления

Практическая польза высокой точности измерений