Обработка прямых многократных измерений: алгоритм

Обработка результатов прямых многократных измерений - это стандартная процедура из лабораторного практикума: когда одну и ту же величину измеряют несколько раз, по разбросу полученных значений оценивают, насколько результату можно доверять. Цель не в том, чтобы выбрать «самое удачное» измерение, а в том, чтобы по всему ряду найти наилучшую оценку величины и честно указать её случайную погрешность. Ниже разберём весь алгоритм по шагам: выборочное среднее, два среднеквадратичных отклонения, коэффициент Стьюдента и доверительный интервал, а в конце запишем результат в каноническом виде с правильным округлением. Чтобы сразу почувствовать связь разброса точек и ширины интервала, впиши свой ряд измерений в калькулятор ниже, а дальше пройдём каждую формулу строго.

С чего начинается обработка ряда измерений

Прямое измерение - это когда значение величины снимают непосредственно с прибора (линейки, секундомера, вольтметра), а не вычисляют через другие величины. Многократное - значит, измерение повторяют $n$ раз в одних и тех же условиях, получая ряд $x_1, x_2, \dots, x_n$. Из-за случайных факторов (дрожание руки, шум прибора, округление отсчёта) значения немного различаются, и именно этот разброс позволяет оценить случайную погрешность.

Прежде чем считать статистику, ряд полезно осмотреть на грубые промахи - резко выпавшие значения, появившиеся из-за сбоя или ошибки записи. Их отбрасывают по критерию (например, правилу трёх сигм или критерию Романовского), иначе один промах сильно исказит и среднее, и оценку разброса. После этого переходят к расчёту по формулам.

Рассчитать для своей задачи

Выборочное среднее как лучшая оценка величины

Наилучшая оценка измеряемой величины по ряду равноточных измерений - это выборочное среднее арифметическое:

$\bar{x} = \frac{1}{n} \sum_{i=1}^{n} x_i.$

Среднее минимизирует сумму квадратов отклонений и потому считается оптимальной точечной оценкой. Оно работает в предположении, что измерения равноточные, то есть выполнены одним прибором в одинаковых условиях и не имеют разной значимости. Если часть измерений заведомо точнее (например, сделана прибором более высокого класса), используют средневзвешенное, но в типовой лабораторной работе все отсчёты считают равноправными.

Однако само по себе число $\bar{x}$ ещё не ответ: без указания погрешности оно бессмысленно, потому что неизвестно, в каких пределах лежит истинное значение. Записать просто $\bar{x} = 20{,}1$ Ом - значит не ответить на главный вопрос измерения: «насколько можно верить этой цифре?». Поэтому следующий шаг - оценить, насколько широко рассеяны отдельные отсчёты вокруг среднего.

Среднеквадратичное отклонение единичного измерения

Разброс отдельных измерений характеризует среднеквадратичное отклонение (СКО) единичного измерения. Его считают по выборочной формуле с делителем $n-1$ (поправка Бесселя):

$S = \sqrt{\frac{1}{n-1} \sum_{i=1}^{n} \left( x_i - \bar{x} \right)^2}.$

Делитель $n-1$, а не $n$, появляется потому, что одно «степень свободы» уже потрачено на вычисление самого среднего: отклонения считаются не от истинного значения, а от оценки $\bar{x}$. Величина $S$ имеет ту же размерность, что и измеряемая величина, и показывает, насколько типичное единичное измерение отличается от среднего.

Рассчитать для своей задачи

СКО среднего и почему оно меньше

Нас интересует погрешность не отдельного измерения, а итоговой оценки - среднего. Среднее «усредняет» случайные колебания, поэтому оно точнее любого единичного отсчёта. Его среднеквадратичное отклонение меньше в $\sqrt{n}$ раз:

$S_{\bar{x}} = \frac{S}{\sqrt{n}}.$

Отсюда важный практический вывод: чтобы вдвое уменьшить случайную погрешность среднего, число измерений нужно увеличить вчетверо. Корень из $n$ растёт медленно, поэтому бесконечно наращивать точность простым повторением невыгодно - рано или поздно начинают доминировать систематические погрешности прибора, которые усреднением не убираются. Именно поэтому в лабораторных работах редко берут больше 10-15 измерений: дальше вклад случайной составляющей становится меньше приборной, и дополнительные отсчёты почти ничего не дают.

Наглядно это и показывает калькулятор: при малом $n$ полоса доверительного интервала широкая, с ростом числа точек она быстро сужается, а затем выходит на «полку», ограниченную классом прибора.

Коэффициент Стьюдента и доверительный интервал

Само по себе $S_{\bar{x}}$ задаёт лишь масштаб разброса среднего. Чтобы перейти к интервалу, в который истинное значение попадает с заданной вероятностью, вводят коэффициент Стьюдента $t(P, n-1)$. Он зависит от доверительной вероятности $P$ (обычно 0,90, 0,95 или 0,99) и числа степеней свободы $f = n-1$, и берётся из таблицы распределения Стьюдента. Чем меньше измерений, тем больше коэффициент: при малой выборке оценка $S$ сама ненадёжна, и интервал приходится расширять.

Доверительная граница случайной погрешности результата:

$\Delta = t(P,\, n-1) \cdot S_{\bar{x}} = t(P,\, n-1) \cdot \frac{S}{\sqrt{n}}.$

Тогда искомое значение лежит в доверительном интервале $\bar{x} - \Delta \le x \le \bar{x} + \Delta$ с вероятностью $P$. На графике в калькуляторе это полоса вокруг линии среднего: подвигай число измерений и доверительную вероятность - видно, как ширина полосы меняется.

Запись окончательного результата

Итог обработки записывают в каноническом виде:

$x = \bar{x} \pm \Delta, \qquad P = 0{,}95.$

При записи соблюдают правила округления: погрешность округляют до одной-двух значащих цифр, а среднее - до того же разряда, что и погрешность. Например, если расчёт дал $\bar{x} = 20{,}1043$ Ом и $\Delta = 0{,}0827$ Ом, корректная запись - $x = (20{,}10 \pm 0{,}08)$ Ом при $P = 0{,}95$. Лишние цифры в среднем создают ложное впечатление точности, которой на самом деле нет.

Если по условию задачи известна ещё и приборная (систематическая) погрешность $\theta$, полную погрешность результата получают, объединяя случайную и систематическую составляющие: $\Delta_{\text{полн}} = \sqrt{\Delta^2 + \theta^2}$. В чисто статистической обработке многократных измерений, которую считает калькулятор выше, учитывается только случайная часть.

Частые ошибки

• Делитель $n$ вместо $n-1$ в формуле СКО. Деление на $n$ даёт смещённую (заниженную) оценку разброса. В обработке выборки всегда используется $n-1$.
• Путаница между $S$ и $S_{\bar{x}}$. В доверительный интервал подставляется СКО среднего $S_{\bar{x}} = S/\sqrt{n}$, а не СКО единичного измерения $S$. Подстановка $S$ завышает погрешность в $\sqrt{n}$ раз.
• Коэффициент Стьюдента не по тому числу степеней свободы. $t$ берут для $f = n-1$, а не для $n$, и для нужной доверительной вероятности. Чужая строка таблицы искажает интервал.
• Округление среднего до большего числа цифр, чем у погрешности. Запись $20{,}1043 \pm 0{,}08$ некорректна: среднее округляют до разряда погрешности.
• Отказ от отбраковки промахов. Один резко выпавший отсчёт тянет за собой и среднее, и СКО. Грубые промахи отсеивают до расчёта статистики.

FAQ

Сколько измерений нужно для обработки многократных измерений? Минимум - два, иначе нельзя оценить разброс (в формуле $S$ появляется деление на $n-1=0$). На практике берут 5-10 измерений: это даёт устойчивую оценку без чрезмерных затрат, ведь точность среднего растёт лишь как $\sqrt{n}$.

Чем отличается СКО единичного измерения от СКО среднего? СКО единичного $S$ показывает разброс отдельных отсчётов вокруг среднего, а СКО среднего $S_{\bar{x}} = S/\sqrt{n}$ - насколько точна сама оценка среднего. В доверительный интервал входит именно $S_{\bar{x}}$.

Зачем нужен коэффициент Стьюдента, если есть СКО? СКО задаёт масштаб разброса, но не учитывает, что при малой выборке сама оценка СКО ненадёжна. Коэффициент Стьюдента $t(P, n-1)$ расширяет интервал тем сильнее, чем меньше измерений, и привязывает его к заданной доверительной вероятности.

Коротко

Обработка прямых многократных измерений сводится к цепочке: выборочное среднее $\bar{x}$, СКО единичного измерения $S$ с делителем $n-1$, СКО среднего $S_{\bar{x}} = S/\sqrt{n}$, коэффициент Стьюдента $t(P, n-1)$ из таблицы и доверительная граница $\Delta = t \cdot S_{\bar{x}}$. Результат записывают как $x = \bar{x} \pm \Delta$ при выбранной доверительной вероятности, округляя среднее до разряда погрешности. Калькулятор выше выполняет всю эту цепочку, оставляя за вами контроль над формулами и округлением.