4.5 Случайные погрешности

4.5.1 Статистическая устойчивость распределения наблюдений

При наличии случайных погрешностей измерений прибегают к многократным наблюдениям и последующей статистической обработке их результатов. При этом результаты наблюдений и измерений и случайные погрешности рассматриваются как случайные величины, то есть величины, которые характеризуют случайное явление и в результате измерений принимают то или иное значение. Обработка результатов таких наблюдений возможна, если их рассеивание обнаруживает определенные статистические закономерности. Если же результаты наблюдений разбросаны произвольно, то использовать какие-либо способы обработки таких наблюдений и получить результат измерения не представляется возможным.

Поэтому при формулировании конкретной задачи измерений и при получении результатов наблюдений необходимо прежде всего проверить наличие закономерностей в распределении наблюдений. Если такие закономерности обнаруживаются, то распределение наблюдений обладает статистической устойчивостью и для их обработки возможно применение методов теории вероятностей и математической статистики. При этом необходимо отметить, что обнаружение статистических закономерностей в распределении результатов наблюдений проводится после исключения из них всех известных систематических погрешностей.

4.5.2 Дифференциальные и интегральные законы распределения случайной величины

Случайная величина наилучшим и исчерпывающим образом характеризуется в теории вероятностей законом ее распределения. Этот закон устанавливает связь между возможными значениями случайной величины и соответствующими этим значениям вероятностям их появления. Существует две формы описания закона распределения случайной величины  дифференциальная и интегральная. Причем, в метрологии в основном используется дифференциальная форма  закон распределения плотности вероятностей случайной величины.

Дифференциальный закон распределения характеризуется плотностью распределения вероятностей f(x) случайной величины х. Вероятность Р попадания случайной величины в интервал от х₁ до х₂ при этом дается формулой:

Графически эта вероятность представляет собой отношение площади под кривой f(x) в интервале от х₁ до х₂ к общей площади, ограниченной всей кривой распределения. Как правило, площадь под всей кривой распределения вероятностей нормируют на единицу.

В данном случае представлено распределение непрерывной случайной величины. Кроме них существуют и дискретные случайные величины, принимающие ряд определенных значений, которые можно пронумеровать.

Интегральный закон распределения случайной величины представляет собой функцию F(x), определяемую формулой

Вероятность, что случайная величина будет меньше х₁ дается значением функции F(х) при х = х₁ :

Хотя закон распределения случайных величин является их полной вероятностной характеристикой, нахождение этого закона является довольно трудной задачей и требует проведения многочисленных измерений. Поэтому на практике для описания свойств случайной величины используют различные числовые характеристики распределений. К ним относятся моменты слу-чайных величин: начальные и центральные, которые представляют собой некоторые средние значения. При этом если усредняются величины, отсчитываемые от начала координат, то моменты называются начальными, а если от центра распределения – то центральными.

Начальный момент k-го порядка определяется формулой:

Наибольший практический интерес представляет начальный момент первого порядка - математическое ожидание случайной величины m₁ (k=1):

Математическое ожидание определяет положение центра группирования случайной величины, вокруг которого наблюдается ее рассеяние. Экспериментальной оценкой математического ожидания при многократных измерениях является среднее арифметическое значение измеряемой величины.

Центральный момент k-го порядка определяется формулой:

Особую роль играет центральный момент второго порядка. Он называется дисперсией D случайной величины и характеризует рассеяние отдельных ее значений:

На практике чаще используется среднее квадратическое отклонение σ (СКО) случайной величины, определяемое формулой:

При более подробном изучении распределений случайной величины используются моменты более высоких порядков. Так, любой нечетный центральный момент характеризует асимметрию распределения. Например, третий момент используют для нахождения коэффициента асимметрии кривой распределения относительно математического ожидания. Четвертый центральный момент характеризует остроту вершины кривой распределения.