- •Предисловие
- •Глава 1. Исходные положения
- •Глава 2. Первая аксиома метрологии
- •2.1. Априорная информация
- •2.2. Источники априорной информации
- •2.2.1. Опыт предшествовавших измерений
- •2.2.2. Классы точности средств измерений
- •2.2.3. Условия измерений
- •Глава 3. Вторая аксиома метрологии
- •3.1. Способ получения измерительной информации
- •3.2. Измерительные шкалы
- •3.2.1. Шкала порядка
- •3.2.2. Шкала интервалов
- •3.2.3. Шкала отношений
- •Глава 4. Третья аксиома метрологии
- •4.1. Факторы, влияющие на результат измерения
- •4.2. Результат измерения
- •4.3. Формы представления результата измерения
- •4.3.1. Результат измерения по шкале порядка
- •4.3.2. Результат измерения по градуированным шкалам
- •4.4. Обратная задача теории измерений
- •4.5. Математические действия с результатами измерений
- •4.5.1. Математические действия с одним результатом измерения
- •4.5.2. Математические действия с несколькими результатами измерений
- •4.5.3. Приближенные вычисления
- •4.5.4. Решение систем уравнений, содержащих результаты измерений
- •Глава 5. Однократное измерение
- •5.2. Однократное измерение по градуированным шкалам
- •Глава 6. Многократное измерение
- •6.2. Многократное измерение по градуированным шкалам
- •6.2.1. Многократное измерение с равноточными значениями отсчета
- •6.2.2. Многократное измерение с неравноточными значениями отсчета
- •6.2.3. Обработка нескольких серий измерений
- •Глава 7. Качество измерений
- •7.1. Качество измерений по шкале порядка
- •7.2. Качество измерений по градуированным шкалам
- •7.3. Измерительная информация
- •Библиографический список
- •Предметный указатель
И.Ф. Шишкин. ТЕОРЕТИЧЕСКАЯ МЕТРОЛОГИЯ
________________________________________________________________
4.5. МАТЕМАТИЧЕСКИЕ ДЕЙСТВИЯ С РЕЗУЛЬТАТАМИ ИЗМЕРЕНИЙ
4.5.1. Математические действия с одним результатом измерения
При математических действиях над результатами измерений нужно учитывать, что последние являются случайными значениями измеренных величин. Обращение с
результатами измерений как с неслучайными значениями приводит к ошибкам.
Некоторые из них будут рассмотрены на конкретных примерах.
Начнем с умножения результата измерения на постоянный множитель.
Пример 39. Удвоить результат измерения r, эмпирическое распределение вероятности числового значения которого представлено табл. 10.
|
|
Таблица 10 |
|
|
|
r |
m |
|
Р |
|
3 |
20 |
|
0,2 |
|
4 |
50 |
|
0,5 |
|
5 |
30 |
|
0,3 |
Решение. |
Результатом умножения случайного числа r на 2 будет новое случайное число 2r, |
|||
распределение вероятности которого: |
2r |
P |
|
|
|
|
|
||
|
|
6 |
0,2 |
|
|
|
8 |
0,5 |
|
|
|
10 |
0,3 |
|
Графически оно показано на рис. 36. Вероятность |
удвоенных |
по сравнению с r значений остается |
||
прежней. |
|
|
|
|
|
|
Рис. 36. |
|
|
|
Распределение вероятностей P(r), P(2r) и P(r+r) в примерах 39 и 43 |
76
Часть I. ОБЩАЯ ТЕОРИЯ ИЗМЕРЕНИЙ
___________________________________________________________________________
Оценки числовых характеристик теоретической модели эмпирического распределения вероятности, представленного табл. 10,
|
|
|
ˆ |
|
|
1 |
|
n |
|
|
3× 20 + 4 ×50 + 5 ×30 |
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
r |
|
= |
|
|
|
|
ri |
= |
|
|
= 4,1; |
|
|
|
|
|
|
|
n |
|
|
|
100 |
|
||||||
|
|
|
|
|
|
|
∑i=1 |
|
|
|
|
|
||||
2 |
|
1 |
|
n |
|
2 |
ˆ |
2 |
|
9×20 +16×50 + 25×30 |
|
|
||||
|
∑ri |
|
|
|
||||||||||||
Sr |
= |
|
|
|
|
−r |
= |
|
|
16,8 |
= 0,5 . |
|||||
|
n |
|
100 |
|
||||||||||||
|
|
|
i=1 |
|
|
|
|
|
|
|
|
Оценки числовых характеристик теоретической модели нового случайного числа
|
|
|
|
|
||
|
|
2r |
= 8 ; S22r = 2 , |
|||
следовательно, |
|
|
||||
|
|
|
|
|||
|
|
|
|
ˆ |
2 |
2 |
|
|
|
|
|||
2r = 2r ; S2r |
= 4Sr . |
Таким образом, для оценок справедливы свойства самих числовых характери-
стик (см. п. 4.3.2): среднее арифметическое произведение постоянного множителя а
и результата измерения А равно произведению постоянного множителя и среднего арифметического значения результата измерения, то есть, если
Q = a A ,
то
ˆ = ˆ Q aA.
В равной мере стандартное отклонение произведения постоянного множителя а и результата измерения А равно произведению модуля постоянного множителя и стандартного отклонения результата измерения:
SQ = a SA .
Теперь рассмотрим операцию возведения результата измерения в квадрат. Под квадратом результата измерения А понимается случайная величина
Q = A2 ,
которая с вероятностями Pi , соответствующими значениям Ai , принимает значения, равные Qi .
77
И.Ф. Шишкин. ТЕОРЕТИЧЕСКАЯ МЕТРОЛОГИЯ
________________________________________________________________
Пример 40. Возвести в квадрат результат измерения, рассмотренный в предыдущем примере. Решение. Распределение вероятности числовых значений r2 выглядит следующим образом:
r2 |
Р |
9 |
0,2 |
16 |
0,5 |
25 |
0,3 |
Оценки числовых характеристик теоретической модели этого распределения вероятности
r 2 =17,3 ; Sr2 = 5,7.
Рассмотренные примеры показывают, что при функциональном преобразовании результата измерения
Q = f(A) |
(14) |
происходит трансформация его эмпирического закона распределения вероятности в соответствии с правилом
P(Qi ) = P(Ai ).
Если результат измерения А задан теоретической моделью эмпирического закона распределения вероятности, то используется то, что интегральная функция распределения вероятности F(Q) представляет собой вероятность того, что
f(A) < Q.
Решение этого неравенства относительно А устанавливает пределы, в которых находится А с вероятностью F(Q). Последняя равна интегралу от плотности вероятности pA
(A) в установленных пределах.
Пример 41. Определить трансформацию плотности вероятности pA (A) результата измерения A после линейного преобразования Q = а А + b.
Решение. 1. F(Q) = P{aA + b < Q}.
2. С вероятностью F(Q) результат измерения
A < |
Q − b |
при |
а > 0; |
|
|||
a |
|
|
|
||||
|
|
|
|
|
|
|
|
A > |
Q − b |
при |
а < 0. Отсюда |
||||
a |
|
|
|||||
|
|
|
|
|
|
|
|
|
|
Q−b |
|
|
|
|
|
F(Q)= |
∫a pA (A)d A |
при |
а > 0 , |
||||
|
|
−∞ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
∞∫pA (A)d A |
|
|
|||
F(Q)= |
при |
а < 0. |
|||||
|
Q−b |
|
|
|
|
||
|
|
|
|
|
|
|
|
|
a |
|
|
|
|
78
Часть I. ОБЩАЯ ТЕОРИЯ ИЗМЕРЕНИЙ
___________________________________________________________________________
3. После перестановки пределов в последнем интеграле и дифференцирования получаем:
p(Q)= |
|
1 |
|
|
Q − b |
||
|
|
|
p |
|
|
. |
|
|
a |
|
a |
||||
|
|
|
|
A |
|
Таким образом, как это можно было заметить еще на примере 39, при линейном преобразовании результата измерения распределение вероятности не меняется, а
происходит только его смещение по оси абсцисс и компрессия либо декомпрессия.
Результат, полученный в примере 41, применительно к любой монотонной функции (14) обобщается следующим образом:
p(Q)= |
|
df −1(Q) |
|
pA [f −1(Q)], |
|
|
|||
|
|
d Q |
|
|
где f -1 — функция, обратная функции f. В примере 41 f −1 = |
Q − b |
. Если f -1 |
— много- |
|
a |
||||
|
|
|
значная функция, то это отражается на пределах, в которых находится А с вероятностью F(Q).
Пример 42. Определить трансформацию нормированного нормального закона распределений вероятности, которому подчиняется результат измерения A, после нелинейного преобразования Q = А 2 .
Решение.
Рис.37.
Графическое решение уравнения, обратного возведению A в квадрат
1.F (Q) = Р {А2 < Q}.
2.Пределы, в которых выполняется неравенство,
устанавливаются функцией A = ± Q , обратной возведению A в квадрат (рис. 37). Поэтому
Q |
1 |
e− |
A2 |
1 |
Q |
e− |
A2 |
1 |
− |
Q |
|
A2 |
|||
F(Q)= ∫ |
|
d A = |
∫ |
|
d A − |
|
∫ |
e |
|
d A . |
|||||
2 |
2 |
|
2 |
||||||||||||
2 π |
2 π |
2 π |
|
||||||||||||
− Q |
|
|
|
0 |
|
|
|
|
0 |
|
|
|
3. После дифференцирования получаем:
p(Q)= 21πQ e−Q2 .
Для сравнения графики плотности исходного и преобразованного распределения вероятности показаны на рис. 38.
На практике преобразованиями законов распределения вероятности результатов измерений интересуются сравнительно редко. Обычно ограничиваются расчетами на уровне оценок числовых характеристик законов распределений.
79