本帖最后由 李济科 于 2013-11-2 07:51 编辑
数理统计理论,是一门数学基础课,它包括概率论等许多知识。以我的水平,在这里只记与统计误差有关的结论。 1 标准相对统计误差 设期望值或期望值的近似值为m,则标准统计误差σ与m有如下关系: σ2 (σ的平方)=m (1) σ=m 1/2 (m的1/2次方) (2) 相对标准统计误差(准确度) K=σ/m=1/( m 1/2 )(即m1/2次方的倒数) (3) 通过公式(3) 可以看出:期望值或期望值m,数值越大,相对标准统计误差K,反而越小。m值决定于测量次数或微观系统相关粒子数N。N太小,就失去了统计性。 2 测量值与准确性的正态分布 符合统计性的测量值,应呈正态分布,通常用正态分布曲线表示。统计测量的正态分布曲线,横坐标为测量值,纵坐标为精确度。设期望值或期望值的近似值为m,当测量值为m时,精确度最高,100%,误差为零; 测量值往往在m两侧,由近而远大体对称分布,而准确度也在过m的垂线两侧由高而低的对称分布。 这就引出了不同误差的置信区间和置信度的问题。如一次测量结果即为m,精确度100%,误差为零,那么,它的置信区间---误差区间为零,可信程度---置信度为零,太巧了。所以,精确度和置信区间、置信度有相反关系,精确度高,误差小,置信区间窄,置信度低。通常,测量误差大小,用标准统计误差σ的若干倍表示,记作kσ,用以表示置信区间(即正态分布曲线某一误差下的水平宽度,m值在左右--实为上下波动范围),不同误差的置信区间和置信度的关系,如表1。 表1 不同误差的置信区间和置信度 误差名称 置信区间±kσ中的k值 置信度(%) 或然误差 0.6745 50 标准误差 1.0000 68.3 0.95误差 1.960 95 极艰误差 3.000 99.7 通常,如不特别指明,所谓“统计误差” ,均指标准误差。 根据正态分布理论和测量次数N的多少,也可以这样说:
大约有68.3%的测量值平均数落在m±1σ之间,
大约有95%的测量值平均数落在m±1.96σ之间,
大约有99%的测量值平均数落在m±3σ之间等等。如图1所示。
图1 平均数分布的概率
|