浅谈计量检测数据的处理及微机处理程序

    在计量测试过程中,常通过重复测量得到一系列检测数据。我们把这些数据经过科学的处理,才能给出比较可靠的测量结果。本文所说的计量检测数据,是指等精度直接测量所得到的相互独立的计量检测值,并假定不存在不可忽视的系统偏差或对已知的系统偏差已经消除,且接近正态分布。下面简单介绍计量检测数据的处理。

    1·几个重要概念和公式

    1·1实验标准偏差s和总体标准偏差σ

    《国际通用计量学基本名词》给出了s和σ这两个有区别的概念。在日常检测中,按贝塞尔公式求出的只是实验标准偏差s,一般情况下,总体标准偏差σ总是未知的,实验标准偏差s只能在重复次数n较时作为总体标准偏差σ的估计值。但是现在使用中将s与σ不分的现象相当普遍,把s当作σ运用,并把它的三倍称为极限误差,认为真值存在于±3σ之内的或然率为99·73%,这是错误的。

    计算实验标准偏差s常用的有贝塞尔公式和彼得斯公式,但基本方法是贝塞尔公式。

    (1)贝塞尔公式

    在测量次数n较大时(一般要求大于10)用彼得斯公式求实验标准偏差比较简便,不需计算残差平方和。

    1·2异常数据

    在计量检测过程中,难免存在粗大过失,从而造成检测值含有粗大误差,其检测值即为异常数据,必须剔除,否则将影响检测结果的正确性。判断异常数据的准则有莱因达准则、肖维勒准则,t分布检验准则、格拉布斯准则和狄克逊准则等方法。但国家标准GB4883-85《数据的统计处理和解释,正态样本异常值的判断和处理》只推荐了格拉布斯准则和狄克逊准则。

    1·3测量不确定度与t分布

    计量检测中总是存在着误差的的,以往人们用3σ作为极限误差笼统地估计随机误差的大小。事实上,用测量不确定度来表征随机误差的大小,更严密、更科学。总不确定度U与实验标准偏差s、t分布临界值和测量次数n的关系,可以表示为: 。t分布是一种与正态分布既有联系又有区别的随机变量分布形式,t值不仅与置信概率p有关,还与检测次数n有关,理论上只有当检测次数趋于无穷大时,t分布曲线才与正态分布曲线重合,因此,在给出t值时应明确n与p值。

　　2·检测数据的处理及检测结果的表示

　　当我们得到一系列检测数值后,首先要判断其是否含有异常数据,如有则剔除之;然后计算检测数据的算术平均值-X和实验标准偏差s,并根据置信概率p求出总不确定度U。最后结果表示为:

    举例:对一工件进行测量,所得数如下(单位mm):

    试判断其中是否含有异常数据,并计算测量结果。