Как найти общее число измерений

1. Выбор числа измерений

Цель
любого измерения – это получение
результата измерений с оценкой истинного
значения измеряемой величины. Для чего
проводится обработка результатов
измерений. В большинстве случаев
обработка результатов измерений
проводится с помощью вероятностно –
статистических методов, известных из
курсов теории вероятности и математической
статистики.

Вопрос,
сколько измерений необходимо произвести,
чтобы считать их результаты вполне
надежными, однозначного решения не
имеет. Все зависит от целей организуемых
измерений, ответственности их результатов
для оценки состояния объекта измерений,
а также от степени исключения
систематических погрешностей измерений.
Здесь возможны четыре варианта.

1
Однократные измерения (1 – 3 измерения)
допустимы только в порядке исключения,
так как они по существу не позволяют
судить о достоверности измерительной
информации.

2
Если принять, что в погрешности результата
измерений роль систематической
погрешности пренебрежимо мала по
сравнению со случайной погрешностью,
то при определении необходимого
количества измерений следует исходить
из возможности проведения статистической
обработки результатов измерений. Уже
при 25 … 30 измерениях оценки их результатов
являются достоверными.

3
Если метрологически объект измерений
предварительно не исследовался, и кроме
расчетных значений величин о нем мало
что известно, то число измерений должно
быть увеличено до 50 … 100.

4
Если необходимо установить закон
распределения оцениваемых величин
число измерений необходимо увеличить
на порядок (500 … 1000).

Главная
цель увеличения числа измерений состоит
в уменьшении случайности результата
измерений, и следовательно, в наилучшем
приближении результата к истинному
значению величины. Но увеличивать число
измерений с целью нахождения истинного
значения величины бессмысленно, так
как оно не зависит от организации
измерений, а существует независимо от
того, проводятся они или нет.

2.9 Статистические параметры распределения результатов измерений. Законы распределения случайных величин

Производя
оценку истинного значения измеряемой
величины по результатам измерений, мы
пользуемся методами теории вероятностей,
применяемыми для оценки неизвестных
параметров функции распределения
случайной величины. Основными
статистическими параметрами распределения
случайных величин являются: среднее
арифметическое значение измеряемой
величины
,
диапазон рассеянияR,
дисперсия и среднее квадратическое
отклонение s_х.

Среднее
арифметическое значение
— это сумма действительных значений,
деленная на их число:

,
(2)

где
x₁,
x₂,….x_n
– действительные
значения измеряемой величины;

n
– число измерений.

Среднее арифметическое
значение определяет положение центра
группирования и является оценкой
математического ожидания.

Диапазон
распределения значений измеряемой
величины R
– разность между наибольшим и наименьшим
значениями:

,
(3)

где
x_max
и
x_min
– набольшее
и наименьшее значения измеряемой
величины.

Диапазон
распределения значений измеряемой
величины характеризует только разброс
значений около центра группирования.

Другая
статистическая характеристика
распределения значе­ний измеряемой
величины показывает, как тесно группируются
отдельные значения вокруг средней
арифметической или как они рассеиваются
вокруг этой средней. За меру рассе­яния
принимают сумму квадратов отклонений
отдельных значений от сред­него
арифметического, деленную на число
измерений, уменьшенное на еди­ницу.
Эту меру называют дисперсией и обозначают
через
.

.
(4)

Вместо
дисперсии
часто применяют среднее квадратическое
отклонение (СКО)s_х.
Оно имеет ту же размерность, что и средняя
арифметичес­кая и определяется по
фор­муле:

(5)

И дисперсия и СКО
являются характеристиками рассеивания.
СКО характеризует ширину области
рассеивания значений случайной величины.
Чем меньше ширина области рассеивания,
тем точнее проведены измерения, и
наоборот.

Наглядное
представление о характере распределения
дают так называемые кривые распределения,
которые в зависимости от способа
построения делятся на гистограммы
распределения, эмпирические кривые или
полигоны распределения и теоретические
кривые распределения (рис. 6).

При
построении кривых распределения по оси
абсцисс откладывают или сам результат
измерения x_i
или его
отклонения Δx_i
от среднего
арифметического
.
По оси ординат для построения гистограмм
и полигонов распределения откладывают
относительную частоту, равную

,
(6)

где
n_xi
– частота
или число измерений, попадающих в один
и тот же интервал; N
– общее
число измерений.

Рисунок
6 — Гистограмма (1), полигон (3) и

теоретическая
кривая (2) распределения

При
построении теоретической кривой
распределения по оси ординат откладывают
плотность вероятности y
случайной величины. Таким образом,
теоретическая кривая отражает закон
распределения вероятности случайной
величины. Законом распределения
вероятности случайной величины называется
всякое соотношение, устанавливающее
связь между возможными значениями
случайной величины и соответствующими
им вероятностями.

На
гистограмме или полигоне распределения
площадь в пределах интервала равна
относительной частоте, а на теоретической
кривой – вероятности появления результата
измерения в данном интервале.

Под
вероятностью какого-либо события
(например, попадания случайной величины
в пределы от а
до в)
понимается количественная оценка
возможности возникновения данного
события. Вероятность может принимать
значения от 0 до 1. Вероятность, равная
0, соответствует заведомо недостоверному
событию. Вероятность, равная 1, заведомо
достоверному событию.

Помимо
кривой распределения закон распределения
может представляться аналитически в
виде функции распределения.

Закон распределения
обладает рядом свойств. Рассмотрим два
из них:

1
Вероятность появления значения случайной
величины в заданном интервале численно
равна площади под кривой распределения
в том же интервале, т.е.

P
(a < x < b)
=
(7)

2
Полная площадь под кривой распределения,
охватывающая всю совокупность случайных
величин численно равна 1.

P
(-< x <+)
=
=
1
(8)

Математическое
ожидание случайной величины представляет
собой абсциссу центра тяжести фигуры,
лежащей под кривой распределения.
Математическое ожидание определяется
по уравнению

М_x
=

(9)

При
практических расчетах пользуются
теоретическими кривыми распределения,
полученными аппроксимацией гистограмм
или эмпирических кривых распределения.
Для аппроксимации наиболее часто
используют следующие законы распределения.

1
Закон нормального распределения (закон
Гаусса)(рис.7).

Рисунок 7- Закон
нормального распределения

Нормальный
закон распределения величины х
представляется
плотностью распределения

(10)

Это
наиболее распространенный закон
распределения случайных величин имеет
место, когда из большого числа факторов
ни один не является доминирующим, а
каждый играет относительно малую роль
в общей совокупности. Закон нормального
распределения часто имеет место при
обработке деталей, особенно на
станках-автоматах, а также при измерении
размеров универсальными средствами
измерения.

Для
определенного распределения М(х)
и σ
— величины постоянные. Они являются
параметрами гауссовского распределения.
Как видно, кривая распределения имеет
характерную колоколообразную форму.
Максимальная ордината кривой, равная
,
соответствует точкеx
= M(x)
— центру
распределения. Точка перегиба кри­вой
располагается на расстоянии
от центра распределения (как показано
на рис. 7а). По мере удаления от точкиМ(х)
плотность распределения умень­шается,
и при

кривая асимптотически приближается к
оси абсцисс.

Площадь
под кривой Гаусса равна 1, или 100 % всех
значений случайной величины в генеральной
совокупности. Так как площадь под кривой
всегда должна оста­ваться равной
единице, то при увеличении
кривая опускается вниз, одно­временно
растягиваясь вдоль оси абсцисс. Напротив,
при уменьшениикри­вая вытягивается вверх, одновременно
сжимаясь с боков.

Между
трехсигмовыми границами [М(х)-3;
М(х)+3]
находится 99,73 % всех измерений, т.е.
практически все значения. Только 0,27 %
значений лежит за этими границами. Это
означает, что при проведении 270 измерений
в среднем 1 измерение будет лежать за
трехсигмовыми границами. Поэтому, зная
стандартное отклонение и математи­ческое
ожидание случайной величины, подчиняющейся
гауссовскому закону распределения,
можно ориентировочно указать интервал
ее практически воз­можных минимальных
и максимальных значений. И если какое-либо
значе­ние появляется за пределами
трехсигмового участка, то с большой
вероятно­стью его можно считать чисто
случайным. Так как вероятность появления
такого события очень мала (1/270), то следует
считать, что рассматриваемое событие
является практически невозможным. Такой
способ оценки диапазо­на возможных
значений случайной величины известен
в математической ста­тистике под
названием правила
трех сигм.

2
Закон равной вероятности. Он
характерен для случайных величин, на
которые оказывает влияние резко
доминирующий фактор, равномерно
изменяющийся в пространстве или во
времени (рис. 8а). Описывается следующим
уравнением

.
(11)

3
Закон равнобедренного треугольника
или Симпсона. Этому
закону подчиняются случайные величины,
на которые оказывают суммарное влияние
два резко доминирующих фактора (рис.
8б).

а
б

Рисунок 8 – Законы
распределения случайных величин:

а – закон Симпсона;
б – закон равной вероятности

При
аппроксимации тот или иной закон выбирают
как из общих соображений о законе
распределения, так и исходя из формы
изображений эмпирического распределения,
которая может помочь в предварительном
выборе теоретической кривой распределения.
Окончательное заключение о правильности
выбора закона распределения случайной
величины, делают после определения
соответствия экспериментальной и
теоретической кривых распределения по
одному из критериев согласия, согласно
ГОСТ 11.006 – 74 «Прикладная статистика.
Правила проверки согласия опытного
распределения с теоретическим».

Соседние файлы в папке МСС1

• #
• #
• #
• #
• #
• #
• #
• #
• #
• #
• #

1.

4.3. Число измерений, необходимое для получения заданной точности
Ситуация: после проведения измерений при выбранной доверительной
вероятности р , доверительный интервал для результата измерения слишком
широк. Так как СКО среднего уменьшается с ростом числа измерений N
Sx
S
N
и, следовательно, уменьшается доверительный интервал
t Sx
Таким образом, можно увеличить число измерений для получения заданного
доверительного интервала. Это задача из раздела математической статистики,
называемого планирование эксперимента.

2.

Алгоритм:
1). Задаются доверительным интервалом ∆;
2). Используя СКО наблюдений из предыдущих измерений
S
1 N
2
x
x
i
N 1 i 1
определяют относительный интервал
S
3). Задаются доверительной вероятностью р
4). По ε и р из таблицы определяют числа измерений N для получения
Заданного доверительного интервала.

3.

4.4. Исключение промахов
Промахом называют грубую погрешность, т.е. погрешность результата
отдельного измерения, входящего в ряд измерений, которая для данных
условий резко отличается от остальных результатов.
Именно грубые погрешности и могут быть вызваны ошибками, которые
допускает оператор: неправильный отсчет по шкале измерительного прибора
или неправильная запись результата наблюдений. Также их причинами могут
стать внезапные и кратковременные изменения условий измерения или
незамеченные неисправности в аппаратуре.
Промахи могут возникать при однократных измерениях и могут быть
выявлены и устранены при повторных измерениях.
Что же надо делать с измерениями, погрешность которых существенно
выше погрешности остальных измерений? Надо их отбрасывать или можно
оставить? Для ответа на данный вопрос существует ряд статистических
критериев. Сама же процедура выявления слишком больших погрешностей,
называется цензурированием выборки. Для того чтобы воспользоваться
определенным критерием, необходимо знать закон распределения результата
измерения.

4.

Для проверки подозрительных результатов на промах используются
статистические гипотезы. Гипотеза заключается в предположении, что
некоторый результат наблюдения xi не содержит грубой погрешности. Далее
задаются уровнем значимости q – вероятностью того, что сомнительный
результат (промах) действительно мог иметь место (q можно выбрать равным
0,01; 0,02; 0,05 или 0,1). Пользуясь статистическими критериями, пытаются
опровергнуть выдвинутую гипотезу. Если это удается, то результат признается
промахом, и его исключают.
В ГОСТ Р 8.736 – 2011 (Измерения прямые однократные. Методы обработки
результатов наблюдений) рекомендуется использовать критерий Граббса.
Данный статистический критерий используется для нормального
распределения результатов наблюдений. Для наибольшего xmax и
наименьшего xmin результатов измерений вычисляют критерии Граббса,
предполагая, что эти результаты вызваны грубыми погрешностями:
S
1 N
2
x
x
i
N 1 i 1
S — СКО наблюдений:

5.

Если G1 (G2) > GТ, то xmax (xmin ) исключают, как маловероятное значение.
Далее вновь вычисляют среднее арифметическое и среднеквадратическое
отклонения ряда результатов измерений и процедуру проверки наличия
грубых погрешностей при необходимости повторяют.

6. 4.5. Прямые однократные измерения

сл c
Р 50.2.038-2004
Рекомендации по метрологии «Измерения
прямые однократные. Оценивание
погрешностей и неопределенности
результата измерений»

7. Прямые однократные измерения

– производственная необходимость ;
– возможность пренебрежения случайными погрешностями;
– случайные погрешности существенны, но доверительная
граница погрешности результата измерения не превышает
допускаемой погрешности измерений.

8. При наличии нескольких неисключенных систематических погрешностей Δi , они суммируются

За погрешность измерения принимают неисключенную
систематических погрешностей, если она одна.
При наличии нескольких неисключенных систематических
погрешностей Δi , они суммируются
k
n
i 1
2
i
,
где k – поправочный коэффициент, определяемый принятой
доверительной вероятностью и числом n составляющих Δi.
• P=0,95 => k =1,1.
• P=0,99 => k =1,45 при n > 4.

9.

5. Полная погрешность измерений
5.1. Вычисление погрешностей косвенных измерений
Косвенные измерения: значение искомой физической величины определяют
на основании результатов прямых измерений других величин, связанных
с искомой функциональным соотношением.
На практике при вычислении погрешности косвенных измерений можно
руководствоваться следующими правилами. Пусть y = f (x1; x2;… xn ) есть
косвенно измеряемая величина, являющаяся произвольной функцией
непосредственно измеряемых и независимых величин x1; x2; x3; …xn.
В таком случае абсолютная погрешность Δy
2
2
f
f
f
y
1
2 …
n
x1 x2
xn
f
y
i
i xi
n
f
xi
2
2
или
(1)
— частная производная
∆ — абсолютная систематическая ∆С (или случайная ∆о) погрешности

10.

Частная производная от функции f (x1; x2;… xn ) по переменной xi,
т.е. производная, взятая при условии, что на момент взятия все остальные
переменные xj (j ≠ i) есть постоянные величины; Δ стоящее перед y или со
знаком i, в сумме означает суммарную погрешность величины y или xi,
систематическую составляющую погрешности Δ C или случайную
составляющую погрешности Δ xi
Погрешности ∆ i должны быть взяты при одной и той же доверительной
вероятности, например при p = 0,95
В этом случае погрешность результата косвенного измерения ∆ y будет
иметь ту же доверительную вероятность.
Приведенной формулой можно пользоваться при любом виде функции
y = f (x1; x2;… xm ), однако формула (1) наиболее удобна, если
независимые переменные или функции от них образуют сумму или разность,
например,
Для
y = A x1 + B x2 абсолютная погрешность y будет:
y
A x1 2 B x2 2

11.

Если переменные xi или функции от них образуют произведение или
частное, удобнее пользоваться следующей формулой для подсчета
относительной погрешности результата косвенного измерения:
2
ln y ln f ( x1 , x2 …xn )
2
ln f
ln f ln f
y
1
2 …
n
y
x1
x2
xn
2
(2)
Или что тоже самое
2
2
f xn
f x1 f x2
…
x1 f x2 f
xn f
2

12.

Можно рассчитать абсолютную (относительную)
погрешность косвенного измерения используя таблицу
Номер
Вид функции
Абсолютная или относительная
погрешность
1
y = A x1 + B x2
y
A x1 B x2
2
y = A x1 — B x2
y
A x1 2 B x2 2
3
y = A x1× x2
y
2
Ax2 x1 2 Ax1 x2 2
5
y
Ax1
x2
y Ax1 x2 x3
или по (2)
x1 2
y
y
x1
Аналогично как и для
произведения
4
2
x2 2
x2

13.

5.2. Оценка оптимальных требований к точности измерений
Задача: получить максимальную точность при проведении косвенных
измерений и минимизировать затраты на их проведение и обработку
результатов измерений
Определение плотности цилиндра
m 4m
2 ; ln ln 4 ln m ln 2 ln d ln l
V d l
3.1415926535
Частные производные :
1
2 ln
1 ln
ln 1 ln
;
;
;
;
l
l
d
d
m
m
2
ln
i 1 xi
n
m d l
C C 2 C C
m d l
2
2
2
2
Пренебрегать
составляющими
погрешности
x
xi
0.1 i
xi
xi max

14.

l 11см, d 5 мм, m 20г
C m 0.0001 г
5 10 6 ; — аналитические весы, допустимая погрешность < 0.1 мг
m
20 г
2 C d 2 0.004 мм
1,6 10 3 ; -микрометр, допустимая погрешность ± 0.004 мм
играет основную роль
d
5 мм
C l 0.1 мм
1 10 3
l
100 мм
— штангенциркуль, допустимая
погрешность ± 0.1 мм
3.1415926535
— можно взять с любой точностью, в зависимости от знаков
Пренебрегать
составляющими
погрешности
xi
xi
0.1
xi
xi max
Массу m с максимально возможной точностью измерять нет смысла,
достаточно чтобы
C m
— на порядок точнее d и l
2 10 4
m
Аналогично,
3.142
C
2 10 4 , следовательно, можно брать до третьего знака
C * 0.000628

15.

5.3. Правила сложения систематической и случайной составляющих
погрешности (ГОСТ 8.207-76)
Рассмотрим суммированние систематической и
случайной составляющих погрешности,
сложившийся в настоящий момент в
метрологической практике.
Пусть:
С- неисключённая систематическая погрешность,
0- случайная погрешностью
Сл. 1. Если , C 0.8 S x то неисключенными систематическими
погрешностями пренебрегают по сравнению со случайными и принимают, что
граница погрешности измерений равна границе доверительного интервала
случайной составляющей.
= 0 ;
Сл. 2. Если , C 8 S x
то случайной погрешностью пренебрегают по
сравнению с систематической и считают, что граница погрешности результата
измерений равна границе неисключенной систематической погрешности.
= С

16.

0.8 S x C 8 S x то границу погрешности результата
Сл.3. Если
измерения находят путем построения композиции распределений случайной
и неисключенной систематической погрешностей по формуле
—
— = k S ;
k — коэффициент, зависящий от соотношения случайной и
систематической погрешностей, он вычисляется по эмпирической
формуле,
-S — оценка суммарного квадратического отклонения результата
измерения
0 C
k
; S
Sx C
3
2C
S x2
3
для N 10 и Pд = 0,95
k 3;
2C 0
2

17.

На практике обычно применяют для суммарной погрешности
0 2
2
C
Также на практике разумно использовать критерий
ничтожно малой погрешности, который можно
сформулировать следующим образом: если одна величина
меньше другой на порядок, то ею можно пренебречь.

18.

5.4 Округление результата измерений.
Сколько значащих цифр оставлять в погрешности?
Для постоянного использования на практике можно сформулировать
следующие правила:
Значение погрешности при пользовании современной вычислительной
техникой может быть получено с большим числом знаков. Поскольку роль
погрешности состоит в демонстрации того, каким значащим цифрам можно
доверять в результате измерений, то часто приходится производить
процедуру округления. Весь вопрос: сколько значащих цифр оставлять в
погрешности?
В практике неметрологических (обычных) измерений сложилось
следующее правило: если полученное число начинается с цифры равной
или большей трех, то в нем оставляют один знак, а если оно начинается с
цифр 1 и 2, то в нем сохраняют два знака (для представления точных, а
также промежуточных измерений сохраняют две и три значащих цифры
соответственно).
Округление результата измерения проводят после округления погрешности,
т.е. числовое значение результата должно оканчиваться цифрой того ж
разряда, что и значение погрешности. Для постоянного использования на
практике можно сформулировать следующие правила:

19.

Округление результата измерения проводят после округления погрешности,
т.е. числовое значение результата должно оканчиваться цифрой того ж
разряда, что и значение погрешности.
Для постоянного использования на практике можно сформулировать
следующие правила:
1. Погрешность результата указывается двумя значащими цифрами,
если первая из них равна 1 или 2, и одной – если первая 3 и более.
2. Результат измерения округляется до того же десятичного разряда,
которым оканчивается округленное значение абсолютной
погрешности.
3. Округление проводится лишь в окончательном результате, все
предварительные вычисления проводятся с одним-двумя лишними
знаками.

20.

Цифры в числе могут быть значащими и незначащими. Значащими цифрами
числа являются все цифры данного числа, кроме нулей, стоящих слева.
Нули, стоящие в середине или в конце числа (справа) являются значащими
цифрами, так как обозначают отсутствие единиц в соответствующем
разряде. При этом цифры множителя 10n не учитываются. Примеры
определения количества значащих цифр в числах представлены в табл.

21.

Примеры ограничения числа значащих цифр и округления погрешности
Пример
Пояснения
0,154 ≈ 0,15
1,967 ≈ 2,0
19,37 ≈ 19
144,1 ≈ 0,14⋅103
Первая значащая цифра погрешности “1”, поэтому оставляем две значащие цифры.
Замечание. При необходимости число записывают с множителем 10n , где n – показатель степени.
0,294 ≈ 0,29
2,94 ≈ 2,9
Первая значащая цифра погрешности “2”, поэтому оставляем две значащие цифры.
0,297 ≈ 0,3
2,97 ≈ 3
Первая значащая цифра погрешности “2”, поэтому оставляем две значащие цифры, но так как при округлении
цифра “2” превращается в цифру “3”, то оставляем только
одну значащую цифру.
0,917 ≈ 0,9
9,17 ≈ 9
91,7 ≈ 9⋅10
9123 ≈ 9⋅103
Первая значащая цифра погрешности “9”, поэтому оставляем одну значащую цифру.
0,0977 ≈ 0,10
0,956 ≈ 1,0
956 ≈ 1,0⋅103
Первая значащая цифра погрешности “9”, поэтому оставляем одну значащую цифру, но так как при округлении
цифра “9” превращается в число “10”, т.е. первая значащая цифра “1”, то оставляем две значащие цифры.

22.

Примеры ограничения количества значащих цифр
в измеренном значении и его погрешности
Пример
Пояснения
43,234 ± 0,0417 ≈ 43,23 ± 0,04
32,3754 ± 0,0917 ≈ 32,38 ± 0,09
В погрешности оставляем одну значащую
цифру, младший разряд – сотые.
В измеренном значении оставляем также
младший разряд – сотые.
4,3234 ± 0,0397 ≈ 4,32 ± 0,04
43,2364 ± 0,0522 ≈ 43,24 ± 0,05
432,37 ± 0,0917 ≈ 432,37 ± 0,09
В погрешности оставляем одну значащую цифру, младший разряд – сотые.
В измеренном значении оставляем также
младший разряд – сотые.
432,37 ± 0,956 ≈ 432,4 ±1,0
432,3477 ± 2,45 ≈ 432,3± 2,4
432,134 ± 2,86 ≈ 432,1± 2,9
43,234 ± 3,94 ≈ 43,2 ± 3,9
В погрешности оставляем две значащие
цифры, последний разряд – десятые.
В измеренном значении оставляем также
младший разряд – десятые.
43,234 ± 3,97 ≈ 43 ± 4
432,364 ± 5,55 ≈ 432 ± 6
432,34 ± 39,4 ≈ 432 ± 39
432,34 ±19,37 ≈ 432 ±19
В погрешности оставляем одну значащую
цифру, младший разряд – единицы.
В измеренном значении оставляем также
младший разряд – единицы.

23.

Пример.
При измерении напряжения было получено значение U = 4,65 В,
погрешность составила ±0,07245 В.
В результате округления результат должен быть записан в следующем
виде U = (4,65 ± 0,07) В.
Если погрешность будет составлять ± 0,007245 В, то результат
надо будет представлять так: U = (4,650 ± 0,007) В.
Правила округления погрешности такие же, как и в математике: если
цифра отбрасываемого разряда меньше пяти, то оставляемую цифру не
изменяют, а если больше пяти, то увеличивают на единицу. Как же быть в
случае, если отбрасываемая цифра равна 5? С 2012 года в России при
обработке результатов прямых многократных измерений необходимо
руководствоваться ГОСТ Р 8.736 — 2011.
В приложении Е к этому ГОСТу идет речь о правилах округления
результатов измерений. Наряду с основными требованиям к округлению,
там рассмотрен вопрос, как надо поступать в случае, если отбрасываемая
при округлении цифра равна пяти: если отбрасываемая цифра
неуказываемого младшего разряда равна пяти, то сохраняемую значащую
цифру в погрешности оценки измеряемой величины увеличивают на
единицу.
U = 4,65 В, погрешность составила ±0,075 В, U = (4,65 ± 0,08) В

Общее число — измерение

Cтраница 1

Общее число измерений важно для повышения надежности данных и для качественного определения параметров воздушной фазы.
 [1]

Тогда из общего числа измерений п подсчитывают число положительных заключений k и сравнивают его с оптимальным числом & опт. Если k koui, то принимается решение о нахождении параметра в заданных пределах; если kkon.
 [2]

В последних двух случаях общее число измерений равно 2 — k, а длина интервалов ( при неизменной длительности эксперимента Т) различна.
 [3]

Ввиду этого, а также поскольку общее число измерений, проведенных для любого переходного металла, меньше, чем для тугоплавких металлов, удобнее все эти данные обсуждать вместе, а не порознь.
 [4]

Приближенность может обусловливаться также и недостаточным зачастую общим числом измерений.
 [5]

В статистике число степеней свободы определяют как общее число измерений за вычетом числа оценок, уже рассчитанных по этим измерениям и применяемых при расчете рассматриваемой характеристики.
 [6]

Хг следует производить равномерно по всей поверхности изоляторов, а общее число измерений п должно быть достаточно велико.
 [7]

Среднее арифметическое равно сумме результатов всех измерений, деленной на общее число измерений.
 [8]

Среднее арифметическое — это сумма результатов всех измерений, деленная на общее число измерений.
 [10]

Пг — число попаданий в t — й интервал; п — общее число измерений.
 [11]

Контроль по вызову на аналоговые приборы охватывает ограниченную группу ( до 20 % общего числа измерений) оперативных технологических параметров, отклонения которых от нормальных значений сигнализируются, и параметры, характеризующие управляющие воздействия ( например, рас.
 [13]

Можно показать, что количество анормальных результатов может достигать 10 — 20 % общего числа измерений [24], что вызывает большие погрешности.
 [14]

Контроль и регистрация наиболее ответственных важнейших технологических параметров энергоблока ( 3 — 5 % общего числа измерений) выполняется на индивидуальных постоянно включенных аналоговых приборах.
 [15]

Страницы:  

   1

   2

   3