Documente Academic
Documente Profesional
Documente Cultură
MASURAREA
PARAMETRILOR
-continuare-
B. Erori grosolane
xk x
v
în care xk este valoarea măsurării suspecte de a fi afectată de o eroare grosolană. Valoarea
parametrului de calitate calculat se compară cu valoarea v 0 (n, ) standard care depinde de
numărul n de determinări şi de coeficientul de risc .
( 0,005; 0,01; 0,05; 0,1)
Coeficientul de risc 1 P (numit şi prag de semnificaţie) reprezintă probabilitatea apariţiei
unui rezultat în exteriorul intervalului corespunzător nivelului de încredere P.
Dacă v v 0 (n, ) măsurarea este afectată de o eroare grosolană şi se înlătură din
sistemul de măsurări. Dacă v v 0 (n, ) ipoteza unei erori grosolane nu se confirmă şi valoarea
xk
se reţine în şirul de rezultate.
x După eliminarea valorilor constatate ca erori grosolane se recalculează valoarea
medie , eroarea medie pătratică şi se pot detecta din nou erori grosolane.
C. Erori sistematice (incertitudini sistematice)
a
s
3
1.3.4. Combinarea şi compunerea incertitudinilor parţiale. În procesul de măsurare se disting
măsurări directe şi indirecte. La măsurările directe valoarea măsurandului se obţine direct în
procesul de măsurare. La măsurările indirecte valoarea măsurandului se obţine din valorile altor
mărimi, măsurate direct, care se leagă printr-o relaţie funcţională de mărimea de măsurat.
Combinarea incertitudinilor parţiale se referă la modul de reuniune a incertitudinilor
aleatoare şi sistematice ale măsurandului.
Compunerea incertitudinilor parţiale se referă la măsurări indirecte. Reprezintă
modul în care se însumează incertitudinile mărimilor măsurate direct în determinarea mărimii
indirect măsurate.
În cazul măsurărilor directe erorile absolute sau incertitudinile absolute totale se
exprimă prin relaţia liniară
el a t
a
în care s-a notat s s sau s x
, iar si sunt incertitudinile sistematice relative, adică
x
si ai
si
xi xi
1.4. PRELUCRAREA ŞI PREZENTAREA REZULTATELOR MĂSURĂRILOR
sau x x mas s
x x mas a
În cazul prelucrării rezultatelor măsurărilor mărimilor cu erori aleatoare se ţine seama de
următoarele cerinţe:
- se execută 5 - 10 măsurări repetate (se recomandă un număr cât mai mare);
- se calculează valoarea medie x ;
- se determină eroarea medie pătratică a mediei ;
- se alege nivelul de încredere P (în absenţa altor indicaţii se recomandă P = 0,95);
- se determină din tabele (de exemplu din tabelul 1.2) parametrul de distribuţie al unei distribuţii
Student t = t(P, n);
- se prezintă rezultatul sub forma
x x t s
În cazul prelucrării rezultatelor unor măsurări cu precizie mare se urmăresc cerinţele:
•- se execută n măsurări repetate (se recomandă 10, ..., 20);
•- se calculează valoarea medie x ;
•- se calculează eroarea pătratică a unei măsurări s sau a mediei s ;
•- se alege nivelul de incertitudine P ;
•- se alege parametrul distribuţiei Student t = t(P, n);
•- se evaluează incertitudinile sistematice;
•- se combină liniar sau pătratic incertitudinile parţiale (el sau ep) sub forma
1.4.2. Prelucrarea rezultatelor.
În procesul de măsurare cu dependenţă funcţională este necesară interpolarea şi/sau
regresia rezultatelor experimentale pentru a fi descrise de un model matematic adecvat.
Interpolarea rezultatelor experimentale este un procedeu matematic prin care se
determină expresia unei funcţii (curbe) care trece prin puncte date.
Interpolarea liniară prin două puncte, presupune determinarea parametrilor funcţiei
y Ax B
în care A ( y1 y 2 ) /( x1 x 2 ) şi B y1 Ax1
y Ax 2 Bx C
din sistemul de ecuaţii
y1 Ax12 Bx1 C
y 2 A x 22 Bx 2 C
y 3 A x32 Bx3 C
Interpolarea Lagrange presupune determinarea funcţiei
n
y Li ( x) f ( xi )
i 1
y ax3 bx 2 cx d
y1 a x13 b x12 c x1 d
y 2 a x 23 b x 22 c x 2 d
dy
3a x12 2b x1 c
dx x x1
dy
3a x 22 2b x 2 c
dx x x2
Regresia rezultatelor este un procedeu matematic de aproximare a unei funcţii (curbe) care trece
prin punctele date. Dependenţele funcţionale prin regresie sunt netezite utilizând metoda celor mai
mici pătrate.
α) Regresia liniară presupune determinarea celei mai bune aproximaţii a funcţiei
y ax b
pe baza măsurărilor a n puncte de coordonate xi, yi, i=1, 2, ..., n.
Coeficienţii dreptei se calculează cu relaţiile
n1 n n n n n n
yi xi2 xi yi xi n xi y i xi y i
i 1 i 1 i 1 i 1 i 1 i 1 i 1
a b 2
2 n
n
n n
n xi2 xi n xi2 xi
i 1 i 1 i 1 i 1
y p 2 a 0 a1 x a 2 x 2 .... a d 1 x d 1 a d x d
Sistemul este liniar faţă de necunoscutele a0, a1, ..., ad şi se soluţionează în funcţie de cele n
cupluri de valori(xi, yi). Coeficientul de corelaţie este
2
n a 0 y i a1 xi y i a 2 xi2 y i ... a d x id y i n
y i
r2 i 1
n y i2 xi y i
) Regresia polinomială multiplă se referă la dependenţe exprimate prin funcţii de mai multe
variabile. Pentru funcţii de forma
z a bx cy
determinarea coeficienţilor a, b şi c se face prin rezolvarea sistemului
an b xi c y i z i
2
a x i b x i c x i y i x i z i
a y b x y c y 2 y z
i i i i i i
na z i b x i z i c y i z i z i
2
2
r
n z i2 z i2
1.4.3. Alegerea formulelor empirice şi netezirea lor. Anterior s-au arătat metodele de aflare a
parametrilor în situaţiile în care forma relaţiilor este cunoscută apriori (de exemplu din analiza
fizică a problemelor). Uneori se întâlnesc probleme pentru care analiza fizică nu conduce la
forma relaţiilor. În general, în afară de aceasta, pentru simplificarea calculelor se preferă să se
aleagă tipul de dependenţă sub forma unui polinom, fără a se cunoaşte gradul acestuia.
Alegerea gradului polinomului. Dacă se folosesc polinoame ca formule empirice
apare problema alegerii gradului optim al polinomului. Un polinom cu un grad prea mic va da o
descriere prea grosolană a materialului empiric, iar un polinom cu un grad prea mare (apropiat n-
i; unde n este numărul determinărilor) nu va atenua zgomotul experimentului - se vor manifesta
erorile. În particular dacă gradul polinomului este n-i, atunci polinomul descrie exact toate
punctele date şi deci va păstra tot zgomotul.
În prezent se găsesc programe care prelucrează şiruri de date şi care permit
determinarea celei mai exacte dependenţe funcţionale între aceste şiruri.