计量方法与误差理论CH5误差部分ppt课件.ppt

《计量方法与误差理论CH5误差部分ppt课件.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

第五章测试数据处理一个简单的数学问题:①③②由①、②代入③： 第五章测试数据处理一个实际的例子：电容器的测量（并、串联）电容最可信赖的值是多少？ 求标准米尺的温度膨胀系数：一个实例为确定α、β，需要进行2组测量！实际为提高测量精度，往往增加测量组数n，利用抵偿性减小随机误差的影响。根据任意2个方程求得的解代入其它方程不能完全满足。 希望找到一组最佳的解，使与零相差很小，从方程组整体上看，这组解可以理解为误差最小的解。这就是最小二乘法的出发点！ 第1节最小二乘法的数据处理一、最小二乘法的基本原理测量方程：xi为待求解的参数,yi为直接测量量的估计值，n>m 第1节最小二乘法的数据处理误差（残差）方程：参数的最佳估计值应在残差平方和为最小的条件下求出，即。也就是说，另取任一组其它解，其都将大于。有误差的实际测量值 等精度测量的最小二乘原理：最小不等精度测量的最小二乘原理：最小最小二乘原理测量结果的最可信赖值应使残余误差平方和（或加权残余误差平方和）最小。最小二乘原理 第1节最小二乘法的数据处理二、最小二乘法的基本运算1、等精度线性函数运算误差方程：m个参数n个方程（n>m）待求解参数 第1节最小二乘法的数据处理矩阵形式：（L、A为测量数据）待求解参数 第1节最小二乘法的数据处理最小二乘法要求：利用微分求极值：n个方程转化成m个新的方程，“正规方程组”解出正规方程组，即得符合最小二乘原理的最佳解 第1节最小二乘法的数据处理先看： 第1节最小二乘法的数据处理将以上各式相加：高斯符号，对应列相加列号 第1节最小二乘法的数据处理得正规方程：对称分布的各系数彼此两两相等如何求解X？主对角线分布着平方项系数 第1节最小二乘法的数据处理对第r个方程： 第1节最小二乘法的数据处理即： 第1节最小二乘法的数据处理故：正规方程可写成矩阵形式： 第1节最小二乘法的数据处理 第1节最小二乘法的数据处理 第1节最小二乘法的数据处理 第1节最小二乘法的数据处理 第1节最小二乘法的数据处理按矩阵形式解算，则有 第1节最小二乘法的数据处理2、不等精度线性函数运算原理：测量值li的方差 第1节最小二乘法的数据处理 第1节最小二乘法的数据处理矩阵解： 第1节最小二乘法的数据处理如果在不等精度误差方程的两端同乘以 第1节最小二乘法的数据处理3、（等精度、不等精度）非线性函数运算 第1节最小二乘法的数据处理 第1节最小二乘法的数据处理 第1节最小二乘法的数据处理 第1节最小二乘法的数据处理最终的近似线性方程组：再按等精度、不等精度方式处理 第1节最小二乘法的数据处理4、最小二乘原理与算数平均值的关系 第1节最小二乘法的数据处理正规方程为： 第1节最小二乘法的数据处理三、最小二乘法的精度估计 第1节最小二乘法的数据处理1、测量数据的精度估计 第1节最小二乘法的数据处理2、最小二乘法估计量的精度 第1节最小二乘法的数据处理 第1节最小二乘法的数据处理由于： 第1节最小二乘法的数据处理注：若为非等精度，单位权标准差为：（需要对上式进行化简，使结论更明确） 第1节最小二乘法的数据处理由于：需要将左边矩阵乘积展开： 第1节最小二乘法的数据处理 第1节最小二乘法的数据处理 第1节最小二乘法的数据处理对于将其系数h展开，并注意到：适当的合并同类项后得： 第1节最小二乘法的数据处理结论：（等精度测量） 第1节最小二乘法的数据处理对于非等精度测量：结论： 通过直接测量待测参数的组合量（一般是等精度），然后对这些测量数据进行处理，从而求得待测参数的估计量及精度估计。四、最小二乘法的组合测量第1节最小二乘法的数据处理 以检定三段刻线间距为例，要求检定刻线A、B、C、D间的距离。ABCDABCD第1节最小二乘法的数据处理 直接测量各组合量，得首先列出误差方程由此可得：第1节最小二乘法的数据处理 则第1节最小二乘法的数据处理 式中，现求上述估计量的精度估计。将最佳估计值代入误差方程中，第1节最小二乘法的数据处理 那么，测量数据的标准差为第1节最小二乘法的数据处理 已知：第1节最小二乘法的数据处理 第1节最小二乘法的数据处理则最小二乘估计量的标准差为 第1节最小二乘法的数据处理思考：两个电容器，分别测量其电容（串、并联），得如下结果电容最可信赖的值及精度是多少？ 第2节回归分析最小二乘法：如何寻求待测量的最佳估计值及精度。回归分析：寻找两个或多个变量之间的内在关系。 第2节回归分析一、回归分析的基本概念变量之间既存在密切的关系，又不能精确求解，要通过试验和调查研究确定它们之间的关系。(数理统计中称为回归分析regressionanalysis)可以用明确的函数关系式精确地表示出来。函数关系：函数与相关相关关系:(确定性关系)(非确定性关系) 第2节回归分析①测量数据——确定经验公式（回归方程）的形式回归分析思路②确定参数——参数估计，最小二乘法③可信度检验——对回归方程的可信赖度进行统计检验④因素分析——确定影响变量的主要因素、次要因素 一个回归分析的例子例：确定某段导线的电阻与温度之间的关系：温度19.125.030.136.040.046.550.0电阻76.3077.8079.7580.8082.3583.9085.10散点图：202530354045507678828084从散点图可以看出：电阻与温度大致成线性关系。 设测量数据有如下结构形式：思路：要求电阻y与x的关系，即根据测量数据要求出和的估计值。根据测量数据，可以得到7个测量方程，未知数有两个，而方程个数大于未知数的个数，适合于用最小二乘法求解。 设得到的回归方程对照最小二乘法的矩阵形式，令相当于矩阵A相当于矩阵L 设测得值yt的精度相等，则有回归方程：问题：这条回归直线是否符合y与x之间的客观规律？回归直线的预报精度如何？ 第2节回归分析二、一元线性回归分析确定两个变量之间的线性关系，工程或科研中常用的“直线拟合”问题。1、回归方程的求解方法图解法平均值法最小二乘法 第2节回归分析a、图解法测量点均匀分布在“回归直线”两侧，回归参数从图中量取后计算。 第2节回归分析 第2节回归分析b、平均值法将n对测量数据分成两组，代入回归方程其中k=n/2(n为偶数) 第2节回归分析 第2节回归分析 第2节回归分析c、最小二乘法使各实验点与回归直线的偏差的平方和最小。误差函数： 第2节回归分析假设y为等精度测量，则（矩阵B为待估计量） 第2节回归分析 第2节回归分析代入回归方程得：将说明回归直线通过点 第2节回归分析利用代数法 第2节回归分析回归成线性是否合理？——显著性检验问题回归的是否准确？——回归精度问题两个问题：解决方法：方差分析法 第2节回归分析2、回归方程的方差分析（精度分析）令：x离差平方和y离差平方和x、y离差积之和 第2节回归分析y的离差ii 第2节回归分析(1)引起观测值y发生差异（变差）的原因：A、自变量x取值的不同；B、其它因素（试验误差）的影响。(2)方差分析总的离差平方和（即N个观测值之间的变差） 第2节回归分析由于：可以证明：所以： 第2节回归分析其中： 第2节回归分析U—回归平方和，反映总变差中由于x和y的线性关系而引起y变化的部分。Q—残余平方和，反映所有观测点到回归直线的残余误差，即其它因素对y变差的影响。S、U、Q的自由度： 第2节回归分析回归方程的精度：残余方差(Q残余平方和，N-2为自由度)残余标准差：衡量所有随机因素对y的一次性观测的平均变差的大小，值越小，回归直线精度越高，可作为回归方程的精度参数。 第2节回归分析3、回归方程的显著性检验从回归平方和U与残差平方和Q的意义可知：检验公式效果的好坏，取决于U与Q的大小，或者说U/Q的大小，U越大或Q越小，经验公式精度越高。 第2节回归分析显著性检验方法——相关系数、F统计量(线性关系的显著性检验) 第2节回归分析 第2节回归分析例：是否为线性关系？（99%的可能） 第2节回归分析高度显著不显著在0.1水平显著在0.05水平显著(回归方程的显著性检验) 第2节回归分析（1）重复试验回归直线的求法设N个试验点，每个试验点重复m次试验，则将这m次试验取平均值，然后再按照前面的方法进行拟合。（2）方差分析4、重复试验情况 第2节回归分析 第2节回归分析（3）失拟检验（一元回归方程拟合的好）（若误差显著，重做回归方程） 第2节回归分析1）重复试验的回归分析对了解测量误差来源和提高测量精度是有益的。2）方程拟合得好的真正含义应该是失拟平方和相对误差平方和不显著。但如果没有条件做重复试验，只能用残余平方和对回归平方和进行F检验，也大致说明回归效果的好坏，习惯上也称为拟合得好与坏（不严格）。总结： 第2节回归分析三、一元非线性回归分析3、求解未知参数。可化曲线回归为直线回归，用最小二乘法求解；可化曲线回归为多项式回归。1、确定函数类型。求解思路：2、对经验公式进行检验。 第2节回归分析1、确定经验公式的类型(1)直接判断法。专业知识、实际经验或其他资料(2)作图观察法。与典型曲线比较，确定其属于何种类型。2、经验公式类型的检验(1)直线检验法(只含1-2个未知参量时)(2)表差法 第2节回归分析a、直线检验法直线检验法适合： 第2节回归分析作图发现：（X,Y）各试验点较好地处于一条直线上。 第2节回归分析b、表差法（适用于多项式回归）①用试验数据画图②确定定差　，列出xi,yi各对应值③根据x,y的读出值作出差值，看其是否与确定方程式的标准相符，若一致，则说明原选定的曲线类型是合适的。 第2节回归分析 第2节回归分析 第2节回归分析 第2节回归分析 第2节回归分析 第2节回归分析 例：观测数据可否表示成思考：能否用直线检验法？ 第2节回归分析3、参数求取——化曲线为直线回归问题可用直线检验法或表差法检验的曲线，其回归方程都可以通过变量代换转换为直线回归方程（或多项式形式），然后用一元线性回归方法（或最小二乘法）求解。 思考：如何求解拟合参数？ 第2节回归分析讨论：回归曲线的效果与精度相关系数：注意：ρ2越接近1，则表示所配曲线的效果越好。标准差：作为根据回归方程预报值的精度指标。 四、多元线性（非线性）回归分析第2节回归分析（可利用最小二乘法求解）非线性回归通过变量替换可转化成上述线性方程。 显著性检验：第2节回归分析若：，则回归方程显著精度——残余标准差：（M——自变量个数） 本章小节1．非线性函数的最小二乘法的处理思路？2．最小二乘法处理的精度估计什么量的精度？找出被估计量与什么量的关系？精度估计公式？3．回归分析的主要内容？4．一元线性回归的三种基本方法与最小二乘法的关系？一元线性回归结果分析？显著性检验的目的和内容？失拟检验的目的和内容？5．一元非线性回归的基本方法？ 练习1