基礎測量測量結果包含概率的表達

-
                                   基礎測量測量結果包含概率的表達
-
                                                                                              史錦順
-
       思考題
       在基礎測量（常量測量）中，要取σ_平，怎樣說明“包含區間”與“包含概率”的問題呢？
-
       測量有兩類：基礎測量與統計測量。經典測量是基礎測量，現代測量仍然以基礎測量為主。隨著科技的發展和儀器精密度與準確度的提高，統計測量越來越多。兩類測量的性質不同，處理方式不同，因而探討測量理論問題必須區分兩類測量。
-
       在基礎測量中有兩種區間：測得值區間與真值區間。
       測得值區間體現在測量儀器的研制場合與計量場合。研制場合，確定了測得值區間，計量場合公證了測得值區間。
       測量場合，測量者根據測量目的，選用夠格的測量儀器進行測量。測量者已知測量儀器的誤差范圍指標值R_儀（默認已經計量合格），就可用R_儀當作測得值的誤差范圍值。設測得值是M_平，測量結果為
                  L_真 = M_平±R_儀                                                                    （1）
       M_平是測量值M_i的平均值，稱為測得值。觀察幾次，如果測量值不變，或尾數僅有一個字的變化，可認定是基礎測量，不必進行重復測量。如果有兩個字以上的變化，要進行重復測量（取20次或30次，頻率短穩要求測100次），按貝塞爾公式計算σ。將計算得到的σ與儀器指標比較，按兩類測量的判別條件，認定測量的類別，再分別處理。
-
1 統計測量
       若
                  R_儀 ≤ σ                                                                                 （2）
R儀可略，認定是統計測量。按統計測量的規則處理。
       1）有異常數據要查找原因，不能輕易剔除；
       2）不能除以根號N。即用3σ表達被測量的偏差范圍；
       3）以測量值的平均值表征被測量的量值；
       4）被測統計變量的測量結果是
                  L = M_平±3σ
       5）被測統計變量的量值區間是
                  [M_平-3σ，M_平，M_平+3σ]
       6）包含概率
       隨機變量測量20次以上，即采樣次數N≥20，可認定是正態分布。從高斯正態密度分布圖可見，取值大于3σ的偏差值很小。（具體計算見前文《偏差區間的包含概率的計算》）
       以上是統計測量理論與操作。
       注：當對被測量的關注點是穩定度時（如多普勒測速雷達對信源的要求），可放松條件（1），變為
                  σ_儀 ≤ σ/3                                                                         （2.1）
                  β_儀 不嚴格要求                                                                 （2.2）
        σ_儀、β_儀是測量儀器的隨機誤差和系統誤差，σ、β是隨機變量的隨機變化與系統變化。β按工程要求計算；而β_儀可用R_儀代替。以高穩晶振為標準測量銫原子頻標的0.1秒以下采樣時間的短穩，標準的準確度可能低4個量級，而只要短穩高3倍，滿足條件（2.1）即可。
-
2 基礎測量
2.1 基礎測量的條件
       若
                  σ ≤ R_儀/3                                                                            （3）
則可認為在現有儀器水平的條件下，測量是基礎測量。
       注：如果出現如下情況
                  R_儀/3 ＜ σ ＜ R_儀                                                               （4）
這是混沌測量，不能判斷指標表征量的歸屬。在實際測量中，要選用指標高一些即R_儀小一些的測量儀器，使滿足條件（2）或在穩定度測量中滿足條件（2.1），使成為統計測量。
-
2.2 基礎測量的特性
       基礎測量的被測量（相對儀器而言）是常量或視在常量（N次測量為一場測量，在一場測量中被測量不變）。測得值指標表征量的著眼點是儀器的誤差。
       測量儀器的原理是一種物理機制，由物理量的真值決定測得值。儀器作用的數學表達是儀器的測得值函數。測得值函數是儀器的測得值對真值的關系。
       測得值區間是儀器的測得值函數的簡化表達。
                  M = Z±R                                                                              （5）
       M是測得值，Z是被測量的真值，R是儀器的誤差范圍。
-
       誤差范圍是誤差元（測得值與真值之差）的絕對值的一定概率（99%）意義上最大可能值。
       儀器的誤差，有隨機誤差與系統誤差。系統誤差包括恒值的誤差，以及長期穩定度，環境影響。
-
2.3 隨機誤差的分布
       儀器的隨機誤差，是隨機變量，要用統計的方法處理。
       高斯正態分布圖，是隨機變量概率密度分布圖。因此，有關分布、概率計算都是隨機誤差范疇內的事。（測量計量是時域統計，系統誤差為恒值，不是正態分布。）
       單值的隨機誤差，是正態分布，平均值的隨機誤差也是正態分布。
       單值的σ，表示測量值單值對測量值期望值的偏離程度，測量值平均值的σ_平就是測量值平均值M_平對測量值期望值的偏離程度。
       在概率密度分布圖上，橫坐標取測量值的單值M，圖形的意義是隨機變量單值的取值的概率密度。因為隨機變量的平均值M_平也是隨機變量，因此橫坐標取平均值M_平，圖形的意義就是平均值M_平的取值的概率密度。就是說，高斯正態分布，對對單值M、對平均值M_平都成立。只是把橫坐標換成M_平，σ換成σ_平，于是就成為以平均值為自變量的高斯概率密度分布圖。標準正態分布的中心點是測量值的期望值（可用平均值的平均值來代表，為方便，直稱期望值）。
       實驗的方法，對σ進行統計，要測量M組，每組N個數。每組得到一個σ，這樣就有M個平均值M_平i，以及相應的M個σ_i 。M個σ_i取方和根。就得到σ_平。
       在貝塞爾公式的推導中，需利用N×M的模式，順便可以證明：σ_平=σ/√N。有了這個理論結果，就方便多了。實際測量，無論是計量還是測量，就沒必要進行N×M的復雜測量，而只要重復測量N次就可以了。既知道了σ，也就知道了σ_平。
-
2.4 單值隨機誤差
2.4.1 測量值函數
       測量的隨機誤差元是
                  ε_i = M_i- (Z+β)
                     = M_i - EM                                                                          （6）
                  σ = √[(M_i – EM)²/N]                                                            （7）
       與（7）等價的實驗公式是貝塞爾公式   
                  σ = √[(M_i – M_平)2/(N-1)]                                                      （8）  
       隨機誤差的范圍是
                  R_隨 = 3σ
       測量值函數是
                  M=EM±3σ                                                                             （9）      
       測量值區間是
                  [EM-3σ，EM，EM+3σ]                                                           （10）
2.4.2 由單值求期望值
       有隨機誤差的情況下，求測量結果的第一步就是由測量值找期望值。
       由測得值函數（9）解得期望值是
                 EM=M±3σ                                                                              （11）
       期望值的區間是
                 [M-3σ，M，M+3σ]                                                                 （12）
       以上是單值情況。測量一次，得到一個M。期望值EM=M±3σ的意義是：被測量的期望值的表征量是測量值M。被測量期望值可能小些，但不會小于M-3σ；被測量期望值可能大些，但不會大于M+3σ。
-
2.5 多次測量，取平均值的情況
2.5.1 測得值函數
       測量N次，得到N個M，求得測量值的平均值M平，稱為測得值。按貝塞爾公式求出σ后，即知：
                 σ_平= σ/√N                                                                           （13）
       在以M_平為橫坐標的測得值概率密度圖上，分散性特征值是σ_平。
       隨機誤差的范圍是
                  R_隨 = 3σ_平
       測得值函數是
                  M_平=EM±3σ_平                                                                     （14）      
       測得值區間是
                  [EM-3σ_平，EM，EM+3σ_平]                                                    （15）
-
2.5.2 由平均值求期望值
       測量是由測得值找期望值。
       由測得值函數（14）解得測量結果是
                  EM=M_平±3σ_平                                                                     （16）
       期望值的區間是
                  [M_平-3σ_平，M_平，M_平+3σ平]                                                （17）
       以上是測量N次的期望值。
-
       期望值與被測量真值間差一個常數。這個常數就是系統誤差。以上討論，可以假設系統誤差為零，于是期望值變成真值，更符合通常的理解與習慣。總之，通常書上所稱的“取平均值用平均值的σ_平”、“取單值用單值的σ”，對基礎測量來說是正確的。但在統計測量中不行。統計測量中，被測的統計變量的每個值都是真值，都是客觀存在，不能丟。這樣，統計測量中，量值的表征量要用M_平，而分散性的表征量是σ而不是σ_平。只有M_平±3σ才能包含全部（99.73%）隨機變量。
-
       區分兩類測量，才能正確表達。不區分，混沌是難免的。
-
2.6 測量結果
       在基礎測量中，只知道期望值是不行的，還必須知道系統誤差，才能求得真值，而測量的任務是得知真值。即得到真值的最佳表征量與誤差范圍。
       單值測量，誤差范圍是系統誤差β與隨機誤差范圍3σ的合成：
                    R_測1 = √ [β²+(3σ)² ]                                                       （18）
       多次測量，誤差范圍是系統誤差β與隨機誤差范圍3σ_平的合成：
                    R_測N = √ [β²+(3σ_平)² ]                                                    （19）
       在研制與計量場合，有計量標準，可以測知儀器的測量誤差β，可按（18）式計算R_測，給出儀器的測量結果為
                  Z = M_平±R_測                                                                     （20）
       研制與計量場合，R_測取R_測1，在測量場合如果知道儀器系統誤差β，可取R_測N。通常，測量時只知道儀器的指標值R_指標（MPEV），其中包括σ的作用，因此測量者給出的測量結果為
                  L_Z =M_平±R_指標                                                                 （21）
-
3 測量結果的包含概率與包含因子
       （ 對思考題的回答。要點是：真值函數是測得值函數的反函數；測得值與真值的距離決定包含概率。基礎測量的測量結果區間的包含概率，是對真值的包含概率，包含對象是真值一個值；而統計測量的測量結果區間包含的對象是統計變量的全部值。）

       系統誤差，是恒值，“包含了”，包含概率就是100%. 因此，基礎測量的包含概率問題，是隨機誤差的事。包含因子只能乘在隨機誤差σ上，而系統誤差β是恒值，不可乘以或除以任何因子（儀器指標可整體留余量，那是另一回事）。
       由于總誤差對系統誤差的包含概率是1，隨機誤差對期望值的包含概率，就是總誤差的包含概率。
       A 在研制與計量場合，測量值中心是期望值，包含區間是以期望值為中心的對稱區間。單測量值以99.73%的包含概率，處于區間中。
       B 在測量場合，一次測量的包含區間是以M_i為中心的以3σ為半寬的區間，這就是測量結果。因為M_i與期望值的距離不大于3σ，則該區間以99.73%的概率包含期望值。測量的任務是找到期望值。測量結果區間中已包含。
       同樣， N次測量的包含區間是以M_平i為中心的以3σ_平為半寬的區間，這就是測量結果。因為M_平i 與期望值的距離不大于3σ_平，則該區間以99.73%的概率包含期望值。這就夠用了，達到了測量的目的。
-
       圖1是由測得的M_i而確定包含期望值的區間示意圖（原理說明）。
       圖2是由測得的M_平i而確定包含期望值的區間示意圖（原理說明）。
       圖3 是由測得的M_平和已知的儀器誤差范圍而確定包含真值的區間示意圖（原理說明）。如果圖3中的R是儀器的誤差范圍指標值R_儀（準確度、MPEV），則圖3就是直接測量的測量結果的示意圖。其中
                R=√ [β²+(3σ)² ]
                L_真= M_平±R
-
-        
--      -
-        
-

1、謝謝史老師！
2、想問問，這些圖，是用什么軟件畫的？

f8c8 發表于 2018-1-11 19:30
1、謝謝史老師！
2、想問問，這些圖，是用什么軟件畫的？

       我退休已20.8年。計算機只能算能用，而軟件應用水平很低。我文中所有的圖都是利用計算機中的“畫圖”版，手工畫出的。
       計算機“畫圖”功能版中，可以標出X軸像素1000的坐標。（x/y=100%）
       按“高斯誤差概率密度分布函數”（數學手冊上有，網上也可查得），找七個特征點：x=0（最大點）；X=1 （取100小格）即1σ點，是圖形中直線的中點，即凸凹曲線的轉折點；2σ點；3σ點；查表知道與0、1、2、3對應的縱坐標概率密度的值。由于圖形對稱，同樣知道-1、-2、-3各點的縱坐標之值。在各點間，間隔0.1取x點,對應查出Y值（概率密度值），逐點畫出。這時，鐘形圖已大體呈現，再圓滑一下，即可得基本準確的高斯概率密度分布圖。這是標準正態分布圖（σ=1，EX=0）.
-
       利用“畫圖”版的變換功能，取x與Y的比例關系（選σ的不同值），可得高斯無偏正態分布圖；再簡單平移，即得高斯有偏正態分布圖。
-
       附言：搞測量計量工作，熟知并理解高斯概率密度分布圖，十分重要。
       貝塞爾公式與高斯正態分布，是測量計量的兩項基本理論。是精確而又完美的。但必須明確，這兩大理論的前提是隨機變量與隨機誤差。隨機誤差是隨機變量的一種特定形式。
       系統誤差是另一回事。貝塞爾公式中，因取差值，系統誤差不起作用；而在高斯分布理論中，系統誤差是曲線對中心線的偏離。系統誤差是常量，不能按“統計方式”處理。基于這個基本點，衍生出《史法測量計量學》的新的誤差合成方法。
-
        近幾十年來，幾個美國人，提出的“不確定度體系”，哲學上是基于不可知論，邏輯上混淆對象與手段的關系。在測量計量的具體學術上，最基本的錯誤是混淆系統誤差與隨機誤差。系統誤差與隨機誤差，是客觀事實，是否定不了的。不同性質的事物，要用不同的方法處理。把處理隨機誤差的方法，用在系統誤差上，不確定度體系便處處出錯。其中重要的一條是統計方式的問題。系統誤差與隨機誤差的作用機理、測量計量的實際應用，都是時域統計（統計量隨時刻而變化）；而不確定度體系下所謂的分布，都是“臺域統計”（統計量依各臺儀器而不同）。臺域統計僅適用于用多臺儀器同時測量一個量的情況，而測量計量的實際情況是用一臺儀器重復測量一個量。因此，不確定度體系的分析計算，都不符合測量計量的實際情況，因而都是錯誤的。
       我最近在想，不確定度體系這種世界性錯誤的發生，與炮制者、應用者對高斯概率分布、貝塞爾公式這兩項基本理論的前提與內容的錯誤理解，關系極大。因此，我自己寫了一系列有關的文章，從各個角度來理解和說明這兩項基本理論。也希望網友們加深對這兩大基本理論的理解。這是測量計量的根本。也是識破不確定度體系錯誤的有力武器。
-

史錦順 發表于 2018-1-12 09:46
我退休已20.8年。計算機只能算能用，而軟件應用水平很低。我文中所有的圖都是利用計算機中的“畫 ...

太感謝了！ ..........................非常感謝！