Случайная величина x полностью задается плотностью вероятности ρ(x) (другие

названия – распределение вероятности, распределение величины x).
Среднее значение		x измеряемой величины x указывает центр распределения, около
которого группируются результаты отдельных измерений:
			n
		x =	1 ∑xi					(3.1)
			n i=1
Дисперсию вводят как средний квадрат отклонения отдельных результатов от
среднего значения случайной величины:				n	(		− x 2 )
	1	n	)2 =
σ 2 =		∑(xi − x				x2		(3.2)
	n −1 i=1			n −1
Коэффициент n–1 появляется, поскольку в связи с конечным количеством
экспериментов вычисленное среднее значение						x	отличается от предельного (получаемого

при n → ∞), и такая поправка дает возможность получить несмещенную оценку для дисперсии.

Среднее квадратичное отклонение, называемое также стандартным, определяют как квадратный корень из дисперсии:

	1	n	)2 =	n	( x2	− x 2 )
σ =		∑(xi − x					(3.3)
	n −1 i=1			n −1

Эта величина характеризует разброс результатов отдельных измерений вокруг среднего значения, получаемого после обработки всех данных многократного измерения.

Конечно, точные значения σ и x являются предельными величинами, так как могут быть

получены лишь тогда, когда полное количество проведенных измерений достаточно велико, в пределе при n → ∞. При конечных n правильнее использовать термин экспериментальная оценка, который в равной мере относится и к среднему значению, и к дисперсии.

4. Нормальное распределение и его свойства

Нормальное распределение

При обработке данных измерений в науке и технике обычно предполагают нормальный закон распределения случайных погрешностей измерений. Оно всегда проявляется тогда, когда суммарная погрешность есть результат неучтенного совместного воздействия множества причин, каждая из которых дает малый вклад в погрешность. Причем совершенно неважно, по какому закону распределен каждый из вкладов в отдельности.

Свойства нормально распределенной случайной величины x:

1.x (−∞;+∞);

2.ρ(x) является непрерывной функцией;

3.Центр распределения случайной величины одновременно является центром симметрии;

4.Малые отклонения встречаются чаще больших, другими словами, реализуются с большей вероятностью.

Соответствующее функциональное выражение для распределения задает формула Гаусса:

ρ(x)=	σ	1	exp	−	(x − x	)2		,	(4.1)
		2π			2σ 2

где σ2 и x – дисперсия и среднее значение распределения.

6

Вероятность того, что результат измерения попадет в интервал [x1; x2 ], равна:

x
P (x1 ≤ x ≤ x2 )= ∫2	ρ(x)dx	(4.2)
x1

В скобках после P указано событие, для которого вычислена вероятность. При увеличении границ промежутка в обе стороны до бесконечности интеграл от функции распределения

+∞∫ ρ(x)dx =1,

−∞

т.е. попадание результата измерения в диапазон x (−∞;+∞) является достоверным

событием.
Пусть x – произвольное отклонение от средней величины		x . Введем ε – величину
отношения полуширины интервала x к среднему квадратичному отклонению σ:
ε =	x	(4.3)
В таблице 1 указана вероятность α:	σ
α = P ( x −εσ ≤ x ≤ x +εσ )		(4.4)

Таблица №1. Нормальное распределение: доверительные интервалы ( x − x; x +Δx) для доверительной вероятности α (в долях ε).

α	0,68	0,90	0,95	0,990	0,997	0,999
ε	1,0	1,65	2,0	2,6	3,0	3,3

Ее также можно рассчитать по приближенному выражению:

α ≈		−	2ε	2	(4.5)
	1−exp
			π
Правило «3 стандартов»
Видно, что результат измерения		с		вероятностью	около 68% попадет в

интервал (	x −σ;	x +σ ), т.е. примерно каждое третье измерение даст результат за
пределами	этого	интервала.	За	пределами интервала ( x	−2σ; x + 2σ )	окажется 5%
результатов, а для интервала (			x	−3σ; x +3σ ) – только один из трехсот. Значит, интервал
( x −3σ; x	+3σ )	является	почти достоверным, так как		подавляющее	большинство

отдельных результатов многократного измерения случайной величины окажется сосредоточенным именно в нем.

При обработке результатов эксперимента часто используется «правило 3σ», или правило «трех стандартов», которое основано на указанном свойстве нормального распределения. С учетом проведенного выше анализа, можно установить наличие промаха в результате отдельного измерения, а значит, отбросить его, если результат измерения более чем на 3σ отличается от измеренного среднего значения случайной величины.

Вто же время стоит более тщательно повторить измерения в этой области параметров

–возможно, данный результат измерения не является промахом, а свидетельствует о наличии необычного поведения изучаемой системы, которое не укладывается в рамки

7

существующей модели, т.е. речь идет об открытии нового качественного состояния (например, линии резонансного поглощения в спектре).

Коэффициент Стьюдента

Случайные погрешности, как уже отмечено, проявляются в разбросе результатов отдельных измерений постоянной величины. С увеличением количества измерений n оценка значения величины σ практически перестает зависеть от n, то есть уменьшается неточность при оценивании погрешности отдельного измерения. С ростом n также стабилизируется оценка x . Следовательно, должна уменьшаться погрешность окончательного результата

многократного измерения, за который принимают среднее значение x .

Связь среднего квадратичного отклонения σ x окончательного результата (другими

словами, погрешности определения среднего значения) и среднего квадратичного отклонения σ отдельного измерения задает соотношение

			n	)2
σ x =	σ	=	∑(xi − x		(4.6)
			i=1
	n		n (n −1)

Видно, что с увеличением числа измерений погрешность окончательного результата уменьшается. Однако повышение точности никогда не дается бесплатно. Так, чтобы узнать

дополнительную цифру в x , т.е. повысить точность в 10 раз, количество измерений

необходимо увеличить в 100 раз! Следует также учесть, что в конечную погрешность вносит свой вклад приборная (систематическая) погрешность, и с какого-то момента увеличение числа измерений становится неэффективным.

Пусть как результаты отдельных измерений xi , так и среднее значение распределены нормально. По аналогии с отдельным измерением, для оценки погрешности окончательного результата многократного измерения примем величину x, задающую симметричный относительно интервал значений от – x до + x, называемый доверительным интервалом.

Вероятность найти значение измеряемой величины в указанном интервале носит название доверительной вероятности α:

α = P ( x −εσ ≤ x ≤ x +εσ )

(4.7)

Для него в табл. 1 приведены доверительные вероятности для доверительных интервалов, размеры которых выражены в долях среднего квадратичного отклонения:

	ε =	x	(4.8)
		σтабл

Если понятие доверительного интервала использовать применительно к отдельному измерению, то под σтабл следует понимать среднее квадратичное отклонение σ результата этого отдельного измерения. Если же отнести доверительный интервал к многократному измерению, то под σтабл необходимо подразумевать среднее квадратичное отклонение окончательного результата x многократного измерения, т.е. σ x . С помощью указанной

таблицы случайную погрешность окончательного результата можно найти, воспользовавшись записью:

	(	x)случ = ε	σ	= ε σ x	(4.9)
			n

где величину ε берут из таблицы для заданного значения доверительной вероятности. При обработке результатов лабораторных работ рекомендуется применять

доверительную вероятность α = 0,68, поэтому нет нужды использовать ее в записи x ±Δx .

8