Оцените абсолютную ошибку определения g

Об этой статье

Была ли эта статья полезной?

ЛАБОРАТОРНАЯ
РАБОТА 1_3

МЕХАНИЧЕСКИЕ
КОЛЕБАНИЯ

ЛАБОРАТОРНАЯ
РАБОТА № 1_3

МЕХАНИЧЕСКИЕ
КОЛЕБАНИЯ

Ознакомьтесь с
конспектом лекций и учебником (Савельев,
т. 1, §
49, 50, 53, 58). Запустите программу. Выберите
«Механика», «Механические колебания и
волны» и «Свободные колебания» (сначала
математический маятник, потом груз на
пружине). Нажмите вверху внутреннего
окна кнопку с изображением страницы.
Прочитайте краткие теоретические
сведения. Необходимое запишите в свой
конспект. (Если вы забыли, как работать
с системой компьютерного моделирования,
прочитайте ВВЕДЕНИЕ еще раз.)

ЦЕЛЬ РАБОТЫ:

1. Выбор физических
   моделей для анализа движения тел.

2. Исследование
   движения тела под действием квазиупругой
   силы.

3. Экспериментальное
   определение зависимости частоты
   колебаний от параметров системы.

КРАТКАЯ ТЕОРИЯ:

КОЛЕБАНИЕ –
периодически повторяющееся движения
тела. ПЕРИОД T
– минимальное время, через которое
движение полностью повторяется.

ГАРМОНИЧЕСКОЕ
КОЛЕБАНИЕ – движение, при котором
координата тела меняется со временем
по закону синуса или косинуса:
.

Основными
характеристиками гармонических колебаний
являются:

АМПЛИТУДА А₀
– максимальное значение параметра А.

ЦИКЛИЧЕСКАЯ ЧАСТОТА
собственных колебаний ₀
– в 2
раз большая обычной или линейной частоты

= 1/Т
(
– число полных колебаний за единицу
времени).

ФАЗА (₀t
+ ₀)
– значение аргумента косинуса.

НАЧАЛЬНАЯ ФАЗА ₀
– значение аргумента косинуса при t
= 0.

ДИФФЕРЕНЦИАЛЬНОЕ
УРАВНЕНИЕ свободных гармонических
колебаний параметра А:

,
свободных затухающих колебаний:

,
где 
– коэффициент затухания.

МАТЕМАТИЧЕСКИЙ
МАЯТНИК (ММ) и ПРУЖИННЫЙ МАЯТНИК (ПМ) –
это МОДЕЛИ объектов, в которых могут
происходить гармонические колебания.

ММ – это материальная
точка, подвешенная на идеальной (невесомой
и нерастяжимой) нити.

ПМ – это материальная
точка, прикрепленная к идеальной
(невесомой и подчиняющейся закону Гука)
пружине. Формулы для ₀
в этих системах выпишите из конспекта
или учебника.

ЗАДАНИЕ: Выведите
формулу для циклической частоты свободных
колебаний кубика на пружине, лежащего
на горизонтальной абсолютно гладкой
поверхности.

УКАЗАНИЯ: Выпишите
формулу для второго закона Ньютона.
Подставьте в нее все реальные силы,
действующие на кубик. Спроектируйте
полученное векторное уравнение на
вертикальную и горизонтальную оси.
Проведя тождественные преобразования,
получите уравнение, похожее на
дифференциальное уравнение свободных
колебаний. Константу, являющуюся
множителем перед А,
приравняйте к квадрату циклической
частоты, откуда получите .

МЕТОДИКА И
ПОРЯДОК ИЗМЕРЕНИЙ

Внимательно
рассмотрите рисунки, найдите все
регуляторы и другие основные элементы.
Зарисуйте поле движения тела с регуляторами
соответствующих параметров (укажите,
что они регулируют).

ЭКСПЕРИМЕНТ 1

Выберите «Маятник».
Установите с помощью движков регуляторов
максимальную длину нити L
и значения коэффициента затухания и
начального угла, указанные в табл. 1 для
вашей бригады.

Нажимая мышью на
кнопку «СТАРТ», следите за движением
точки на графиках угла и скорости и за
поведением маятника. Потренируйтесь,
останавливая движение кнопкой «СТОП»
(например, в максимуме смещения) и
запуская далее кнопкой «СТАРТ». Выберите
число полных колебаний N
=3–5 и измеряйте их продолжительность
t
(как разность t₂
– t₁
из таблицы на экране).

Получите у
преподавателя допуск для выполнения
измерений.

Приступайте к
измерениям длительности t
для N
(3-5) полных колебаний, начиная с максимальной
длины (150 см) нити маятника и уменьшая
ее каждый раз на 10 см (до минимальной
длины 80 см). Длину нити L
и результаты измерений длительности
t
записывайте в табл. 2, образец которой
приведен ниже.

ЭКСПЕРИМЕНТ 2

Выберите «Груз на
пружине». Установите массу груза,
значение коэффициента затухания и
начальное смещение, указанные в табл.
1 для вашей бригады. Проведите измерения,
аналогичные эксперименту 1, уменьшая
коэффициент жесткости k
каждый раз на 1 Н/м.

Таблица 1. Значения
коэффициента затухания (вязкого трения),
начального угла отклонения (для первого
эксперимента) и начального отклонения
(для второго).

Таблица 2.
Результаты измерений (количество
измерений и строк –

Таблица 3.
Результаты измерений (количество
измерений и строк – 6)

ОБРАБОТКА
РЕЗУЛЬТАТОВ И ОФОРМЛЕНИЕ ОТЧЕТА:

1. Вычислите требуемые
   величины и заполните таблицы 2 и 3.

2. Постройте графики
   зависимости:

• квадрата периода
  колебаний от длины нити ММ,

• квадрата циклической
  частоты колебаний от жесткости пружины
  ПМ.

1. По наклону графика
   Т²
   = f(L) определите
   значение g, используя формулу

g
=4
².
Оцените абсолютную ошибку определения
g.

1. По наклону графика
   ²
   = f(k)
   определите значение m,
   используя формулу

m
=.
Оцените абсолютную ошибку определения
m.

Проанализируйте
ответ и графики.

Вопросы и задания
для самоконтроля

1. Что такое колебание?

2. Дайте определение
   периода колебаний.

3. Дайте определение
   частоты колебаний.

4. Дайте определение
   гармонических колебаний.

5. Запишите закон
   зависимости от времени характеристики
   А, совершающей гармоническое колебательное
   изменение.

6. Запишите закон
   движения МТ, совершающей гармонические
   колебания.

7. Дайте определение
   амплитуды гармонических колебаний.

8. Дайте определение
   фазы гармонических колебаний.

9. Дайте определение
   начальной фазы гармонических колебаний.

10. Напишите уравнение
    связи частоты и периода гармонических
    колебаний.

11. Напишите уравнение
    связи частоты и циклической частоты
    гармонических колебаний.

12. Напишите формулу
    зависимости скорости МТ от времени при
    гармонических колебаниях.

13. Напишите уравнения
    связи амплитуды скорости и амплитуды
    смещения при гармонических колебаниях
    МТ.

14. Напишите формулу
    зависимости ускорения МТ от времени
    при гармонических колебаниях.

15. Напишите уравнения
    связи амплитуды скорости и амплитуды
    ускорения при гармонических колебаниях
    МТ.

16. Напишите уравнения
    связи амплитуды смещения и амплитуды
    ускорения при гармонических колебаниях
    МТ.

17. Напишите
    дифференциальное уравнение свободных
    гармонических колебаний МТ.

18. Напишите
    дифференциальное уравнение свободных
    затухающих колебаний МТ.

19. Что определяет
    коэффициент затухания?

20. Дайте определение
    математического маятника.

21. Запишите формулу
    циклической частоты свободных колебаний
    математического маятника.

22. Дайте определение
    пружинного маятника.

23. Запишите формулу
    циклической частоты свободных колебаний
    пружинного маятника.

24. Какие процессы
    происходят при вынужденных колебаниях?

25. Что такое резонанс?

26. При каком затухании
    резонанс будет более резким?

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]

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

Систематические  погрешности (ошибки) обычно остаются постоянными на протяжении всей серии измерений. Например, при переключении шкалы вольтметра с одного предела на другой меняется его внутреннее сопротивление, что может внести в последующие измерения систематическую погрешность.

Систематические погрешности надо стараться отслеживать и учитывать, корректируя полученные результаты,  т.е. исправляя их на необходимую величину. Однако обнаружение систематических погрешностей требует, как правило, дополнительных более точных или альтернативных экспериментов, проведение которых  невозможно  в рамках  лабораторных работ. В этих случаях достаточно указать возможный источник ошибок.

Все остальные погрешности являются случайными.  

Промахи — грубые ошибки, обычно они связаны с неправильным отсчетом по шкале прибора, нарушением условий эксперимента и т.д. Их надо отбросить. В сомнительных случаях вопрос о том, является ли данный результат промахом, решают с помощью повторного, если возможно, более точного эксперимента или привлекая математические методы обработки полученных результатов, изучение которых лежит за рамками излагаемого элементарного анализа оценки погрешностей.

Приборные погрешности определяются двумя факторами:

1. классом точности прибора, связанным с его устройством – элементной базой и принципом действия.

  Абсолютная погрешность через класс точности оценивается следующим образом:
(Dx) к.т.= (g/100)A,
 где g — класс точности в %, указанный на панели прибора,
 А= Аmax – предел измерения для стрелочных приборов, либо А есть текущее значение для магазинов сопротивления, индуктивности, емкости;

2. ценой делений шкалы прибора:

(Dx) ц.д.=  h,

где  h – цена деления шкалы прибора, т.е. расстояние между ближайшими штрихами шкалы, выраженное в соответствующих  единицах измерения.
Погрешности разброса возникают вследствие различия экспериментальных значений при многократном повторении измерений одной и той же величины. Простейший способ определения (Dх)р дает метод Корнфельда, который предписывает следующий образ действий, если физическая величина х измерена n раз:

1) имея х1 , …,хn – значений измеряемой величины х, выбираем из  хmax  и хmin и находим  среднее значение  х:
;
2) находим абсолютную погрешность Dxр =
3) Записываем результат в виде:  с , где a — доверительная вероятность того, что истинное значение измеренной величины находится на отрезке .
       Доверительная вероятность определяет собой долю средних значений х, полученных в аналогичных сериях измерений, попадающих в доверительный интервал. (Эта формула доказывается в теории ошибок.)
Недостатком метода Корнфельда является то обстоятельство, что вероятность приводимого результата определяется исключительно количеством n проведенных измерений  и не может быть изменена посредством увеличения или  уменьшения  доверительного интервала   ± Dх.   Такую возможность предусматривает несколько более сложный метод расчета погрешностей Стьюдента [2,3,7].  Последовательность расчета погрешностей этим методом такова:

1)   Вы измерили  и получили  несколько  i = 1,…,m  значений случайной 
      величины i.  Сначала исключаем промахи, то есть заведомо неверные 
      результаты.
2)   По оставшимся n значениям определяем среднее значение величины :
                                                                            i
3)   Определяем среднеквадратичную погрешность среднего значения :
       
                                   i
4)   Задаемся доверительной вероятностью a. По таблице коэффициентов
      Стьюдента (Приложение 1) определяем по известному  значению
      числа измерений n и доверительной вероятности a коэффициент 
      Стьюдента tan.
5)   Определяем погрешность среднего значения величины  (доверительный интервал)
                                  D= tan s<X>
6)   Записываем результат
= ( ± D ) с  указанием доверительной вероятности a. 

В научных статьях обычно приводят доверительный интервал
             D = s<X>,

соответствующий доверительной вероятности  α =0,7. Такой интервал называется стандартным, при его использовании часто значение доверительной погрешности не приводят. Использование  метода Стьюдента является необходимым, когда требуется знать значение физических параметров  с  заданной доверительной вероятностью (как в ряде лабораторных работ).  На практике доверительная вероятность погрешности разброса выбирается в соответствии с доверительной вероятностью, соответствующей классу точности измерительного прибора.
Для большинства исследований, в которых не выдвигается жестких требований к вероятности полученных результатов, метод Корнфельда является вполне приемлемым.
В теории ошибок показывается, что результирующая погрешность , если все эти погрешности рассчитаны для одной и той же доверительной вероятности. На практике, т.к. суммарная погрешность округляется до одной значащей цифры, достаточно выбрать максимальную из трех вычисленных погрешностей, и если она в 3 или более раз превосходит остальные, принять ее за погрешность измеренной величины, при этом фактор, с которым связана эта погрешность и будет в данном случае определять собой точность (а вернее — погрешность) эксперимента (подробнее см. в работе [1]).

Погрешности измерений, представление результатов эксперимента

1. Шкала измерительного прибора
2. Цена деления
3. Виды измерений
4. Погрешность измерений, абсолютная и относительная погрешность
5. Абсолютная погрешность серии измерений
6. Представление результатов эксперимента
7. Задачи

п.1. Шкала измерительного прибора

Шкала – это показывающая часть измерительного прибора, состоящая из упорядоченного ряда отметок со связанной с ними нумерацией. Шкала может располагаться по окружности, дуге или прямой линии.

Примеры шкал различных приборов:

п.2. Цена деления

Цена деления измерительного прибора равна числу единиц измеряемой величины между двумя ближайшими делениями шкалы. Как правило, цена деления указана на маркировке прибора.

Алгоритм определения цены деления
Шаг 1. Найти два ближайшие пронумерованные крупные деления шкалы. Пусть первое значение равно a, второе равно b, b > a.
Шаг 2. Посчитать количество мелких делений шкалы между ними. Пусть это количество равно n.
Шаг 3. Разделить разницу значений крупных делений шкалы на количество отрезков, которые образуются мелкими делениями: $$ triangle=frac{b-a}{n+1} $$ Найденное значение (triangle) и есть цена деления данного прибора.

Пример определения цены деления:

Определим цену деления основной шкалы секундомера. Два ближайших пронумерованных деления на основной шкале:a = 5 c b = 10 cМежду ними находится 4 средних деления, а между каждыми средними делениями еще 4 мелких. Итого: 4+4·5=24 деления. Цена деления: begin{gather*} triangle=frac{b-a}{n+1}\ triangle=frac{10-5}{24+1}=frac15=0,2 c end{gather*}

п.3. Виды измерений

Вид измерений

Определение

Пример

Прямое измерение

Физическую величину измеряют с помощью прибора

Измерение длины бруска линейкой

Косвенное измерение

Физическую величину рассчитывают по формуле, куда подставляют значения величин, полученных с помощью прямых измерений

Определение площади столешницы при измеренной длине и ширине

п.4. Погрешность измерений, абсолютная и относительная погрешность

Погрешность измерений – это отклонение измеренного значения величины от её истинного значения.

Составляющие погрешности измерений

Причины

Инструментальная погрешность

Определяется погрешностью инструментов и приборов, используемых для измерений (принципом действия, точностью шкалы и т.п.)

Погрешность метода

Определяется несовершенством методов и допущениями в методике.

Погрешность теории (модели)

Определяется теоретическими упрощениями, степенью соответствия теоретической модели и реальности.

Погрешность оператора

Определяется субъективным фактором, ошибками экспериментатора.

Инструментальная погрешность измерений принимается равной половине цены деления прибора: $$ d=frac{triangle}{2} $$

Если величина (a_0) — это истинное значение, а (triangle a) — погрешность измерения, результат измерений физической величины записывают в виде (a=a_0pmtriangle a).

Абсолютная погрешность измерения – это модуль разности между измеренным и истинным значением измеряемой величины: $$ triangle a=|a-a_0| $$

Отношение абсолютной погрешности измерения к истинному значению, выраженное в процентах, называют относительной погрешностью измерения: $$ delta=frac{triangle a}{a_0}cdot 100text{%} $$

Относительная погрешность является мерой точности измерения: чем меньше относительная погрешность, тем измерение точнее. По абсолютной погрешности о точности измерения судить нельзя.
На практике абсолютную и относительную погрешности округляют до двух значащих цифр с избытком, т.е. всегда в сторону увеличения.

Значащие цифры – это все верные цифры числа, кроме нулей слева. Результаты измерений записывают только значащими цифрами.

Примеры значащих цифр:
0,403 – три значащих цифры, величина определена с точностью до тысячных.
40,3 – три значащих цифры, величина определена с точностью до десятых.
40,300 – пять значащих цифр, величина определена с точностью до тысячных.

В простейших измерениях инструментальная погрешность прибора является основной.
В таких случаях физическую величину измеряют один раз, полученное значение берут в качестве истинного, а абсолютную погрешность считают равной инструментальной погрешности прибора.
Примеры измерений с абсолютной погрешностью равной инструментальной:

• определение длины с помощью линейки или мерной ленты;
• определение объема с помощью мензурки.

Пример получения результатов прямых измерений с помощью линейки:

Измерим длину бруска линейкой, у которой пронумерованы сантиметры и есть только одно деление между пронумерованными делениями. Цена деления такой линейки: begin{gather*} triangle=frac{b-a}{n+1}= frac{1 text{см}}{1+1}=0,5 text{см} end{gather*} Инструментальная погрешность: begin{gather*} d=frac{triangle}{2}=frac{0,5}{2}=0,25 text{см} end{gather*} Истинное значение: (L_0=4 text{см}) Результат измерений: $$ L=L_0pm d=(4,00pm 0,25) text{см} $$ Относительная погрешность: $$ delta=frac{0,25}{4,00}cdot 100text{%}=6,25text{%}approx 6,3text{%} $$

Теперь возьмем линейку с n=9 мелкими делениями между пронумерованными делениями. Цена деления такой линейки: begin{gather*} triangle=frac{b-a}{n+1}= frac{1 text{см}}{9+1}=0,1 text{см} end{gather*} Инструментальная погрешность: begin{gather*} d=frac{triangle}{2}=frac{0,1}{2}=0,05 text{см} end{gather*} Истинное значение: (L_0=4,15 text{см}) Результат измерений: $$ L=L_0pm d=(4,15pm 0,05) text{см} $$ Относительная погрешность: $$ delta=frac{0,05}{4,15}cdot 100text{%}approx 1,2text{%} $$

Второе измерение точнее, т.к. его относительная погрешность меньше.

п.5. Абсолютная погрешность серии измерений

Измерение длины с помощью линейки (или объема с помощью мензурки) являются теми редкими случаями, когда для определения истинного значения достаточно одного измерения, а абсолютная погрешность сразу берется равной инструментальной погрешности, т.е. половине цены деления линейки (или мензурки).

Гораздо чаще погрешность метода или погрешность оператора оказываются заметно больше инструментальной погрешности. В таких случаях значение измеренной физической величины каждый раз немного меняется, и для оценки истинного значения и абсолютной погрешности нужна серия измерений и вычисление средних значений.

Алгоритм определения истинного значения и абсолютной погрешности в серии измерений
Шаг 1. Проводим серию из (N) измерений, в каждом из которых получаем значение величины (x_1,x_2,…,x_N)
Шаг 2. Истинное значение величины принимаем равным среднему арифметическому всех измерений: $$ x_0=x_{cp}=frac{x_1+x_2+…+x_N}{N} $$ Шаг 3. Находим абсолютные отклонения от истинного значения для каждого измерения: $$ triangle_1=|x_0-x_1|, triangle_2=|x_0-x_2|, …, triangle_N=|x_0-x_N| $$ Шаг 4. Находим среднее арифметическое всех абсолютных отклонений: $$ triangle_{cp}=frac{triangle_1+triangle_2+…+triangle_N}{N} $$ Шаг 5. Сравниваем полученную величину (triangle_{cp}) c инструментальной погрешностью прибора d (половина цены деления). Большую из этих двух величин принимаем за абсолютную погрешность: $$ triangle x=maxleft{triangle_{cp}; dright} $$ Шаг 6. Записываем результат серии измерений: (x=x_0pmtriangle x).

Пример расчета истинного значения и погрешности для серии прямых измерений:
Пусть при измерении массы шарика с помощью рычажных весов мы получили в трех опытах следующие значения: 99,8 г; 101,2 г; 100,3 г.
Инструментальная погрешность весов d = 0,05 г.
Найдем истинное значение массы и абсолютную погрешность.

Составим расчетную таблицу:

№ опыта	1	2	3	Сумма
Масса, г	99,8	101,2	100,3	301,3
Абсолютное отклонение, г	0,6	0,8	0,1	1,5

Сначала находим среднее значение всех измерений: begin{gather*} m_0=frac{99,8+101,2+100,3}{3}=frac{301,3}{3}approx 100,4 text{г} end{gather*} Это среднее значение принимаем за истинное значение массы.
Затем считаем абсолютное отклонение каждого опыта как модуль разности (m_0) и измерения. begin{gather*} triangle_1=|100,4-99,8|=0,6\ triangle_2=|100,4-101,2|=0,8\ triangle_3=|100,4-100,3|=0,1 end{gather*} Находим среднее абсолютное отклонение: begin{gather*} triangle_{cp}=frac{0,6+0,8+0,1}{3}=frac{1,5}{3}=0,5 text{(г)} end{gather*} Мы видим, что полученное значение (triangle_{cp}) больше инструментальной погрешности d.
Поэтому абсолютная погрешность измерения массы: begin{gather*} triangle m=maxleft{triangle_{cp}; dright}=maxleft{0,5; 0,05right} text{(г)} end{gather*} Записываем результат: begin{gather*} m=m_0pmtriangle m\ m=(100,4pm 0,5) text{(г)} end{gather*} Относительная погрешность (с двумя значащими цифрами): begin{gather*} delta_m=frac{0,5}{100,4}cdot 100text{%}approx 0,050text{%} end{gather*}

п.6. Представление результатов эксперимента

Результат измерения представляется в виде $$ a=a_0pmtriangle a $$ где (a_0) – истинное значение, (triangle a) – абсолютная погрешность измерения.

Как найти результат прямого измерения, мы рассмотрели выше.
Результат косвенного измерения зависит от действий, которые производятся при подстановке в формулу величин, полученных с помощью прямых измерений.

Погрешность суммы и разности
Если (a=a_0+triangle a) и (b=b_0+triangle b) – результаты двух прямых измерений, то

• абсолютная погрешность их суммы равна сумме абсолютных погрешностей

$$ triangle (a+b)=triangle a+triangle b $$

• абсолютная погрешность их разности также равна сумме абсолютных погрешностей

$$ triangle (a-b)=triangle a+triangle b $$

Погрешность произведения и частного
Если (a=a_0+triangle a) и (b=b_0+triangle b) – результаты двух прямых измерений, с относительными погрешностями (delta_a=frac{triangle a}{a_0}cdot 100text{%}) и (delta_b=frac{triangle b}{b_0}cdot 100text{%}) соответственно, то:

• относительная погрешность их произведения равна сумме относительных погрешностей

$$ delta_{acdot b}=delta_a+delta_b $$

• относительная погрешность их частного также равна сумме относительных погрешностей

$$ delta_{a/b}=delta_a+delta_b $$

Погрешность степени
Если (a=a_0+triangle a) результат прямого измерения, с относительной погрешностью (delta_a=frac{triangle a}{a_0}cdot 100text{%}), то:

• относительная погрешность квадрата (a^2) равна удвоенной относительной погрешности

$$ delta_{a^2}=2delta_a $$

• относительная погрешность куба (a^3) равна утроенной относительной погрешности

$$ delta_{a^3}=3delta_a $$

• относительная погрешность произвольной натуральной степени (a^n) равна

$$ delta_{a^n}=ndelta_a $$

Вывод этих формул достаточно сложен, но если интересно, его можно найти в Главе 7 справочника по алгебре для 8 класса.

п.7. Задачи

Задача 1. Определите цену деления и объем налитой жидкости для каждой из мензурок. В каком случае измерение наиболее точно; наименее точно?

Составим таблицу для расчета цены деления:

№ мензурки	a, мл	b, мл	n	(triangle=frac{b-a}{n+1}), мл
1	20	40	4	(frac{40-20}{4+1}=4)
2	100	200	4	(frac{200-100}{4+1}=20)
3	15	30	4	(frac{30-15}{4+1}=3)
4	200	400	4	(frac{400-200}{4+1}=40)

Инструментальная точность мензурки равна половине цены деления.
Принимаем инструментальную точность за абсолютную погрешность и измеренное значение объема за истинное.
Составим таблицу для расчета относительной погрешности (оставляем две значащих цифры и округляем с избытком):

№ мензурки	Объем (V_0), мл	Абсолютная погрешность (triangle V=frac{triangle}{2}), мл	Относительная погрешность (delta_V=frac{triangle V}{V_0}cdot 100text{%})
1	68	2	3,0%
2	280	10	3,6%
3	27	1,5	5,6%
4	480	20	4,2%

Наиболее точное измерение в 1-й мензурке, наименее точное – в 3-й мензурке.

Ответ:
Цена деления 4; 20; 3; 40 мл
Объем 68; 280; 27; 480 мл
Самое точное – 1-я мензурка; самое неточное – 3-я мензурка

Задача 2. В двух научных работах указаны два значения измерений одной и той же величины: $$ x_1=(4,0pm 0,1) text{м}, x_2=(4,0pm 0,03) text{м} $$ Какое из этих измерений точней и почему?

Мерой точности является относительная погрешность измерений. Получаем: begin{gather*} delta_1=frac{0,1}{4,0}cdot 100text{%}=2,5text{%}\ delta_2=frac{0,03}{4,0}cdot 100text{%}=0,75text{%} end{gather*} Относительная погрешность второго измерения меньше. Значит, второе измерение точней.
Ответ: (delta_2lt delta_1), второе измерение точней.

Задача 3. Две машины движутся навстречу друг другу со скоростями 54 км/ч и 72 км/ч.
Цена деления спидометра первой машины 10 км/ч, второй машины – 1 км/ч.
Найдите скорость их сближения, абсолютную и относительную погрешность этой величины.

Абсолютная погрешность скорости каждой машины равна инструментальной, т.е. половине деления спидометра: $$ triangle v_1=frac{10}{2}=5 (text{км/ч}), triangle v_2=frac{1}{2}=0,5 (text{км/ч}) $$ Показания каждого из спидометров: $$ v_1=(54pm 5) text{км/ч}, v_2=(72pm 0,5) text{км/ч} $$ Скорость сближения равна сумме скоростей: $$ v_0=v_{10}+v_{20}, v_0=54+72=125 text{км/ч} $$ Для суммы абсолютная погрешность равна сумме абсолютных погрешностей слагаемых. $$ triangle v=triangle v_1+triangle v_2, triangle v=5+0,5=5,5 text{км/ч} $$ Скорость сближения с учетом погрешности равна: $$ v=(126,0pm 5,5) text{км/ч} $$ Относительная погрешность: $$ delta_v=frac{5,5}{126,0}cdot 100text{%}approx 4,4text{%} $$ Ответ: (v=(126,0pm 5,5) text{км/ч}, delta_vapprox 4,4text{%})

Задача 4. Измеренная длина столешницы равна 90,2 см, ширина 60,1 см. Измерения проводились с помощью линейки с ценой деления 0,1 см. Найдите площадь столешницы, абсолютную и относительную погрешность этой величины.

Инструментальная погрешность линейки (d=frac{0,1}{2}=0,05 text{см})
Результаты прямых измерений длины и ширины: $$ a=(90,20pm 0,05) text{см}, b=(60,10pm 0,05) text{см} $$ Относительные погрешности (не забываем про правила округления): begin{gather*} delta_1=frac{0,05}{90,20}cdot 100text{%}approx 0,0554text{%}approx uparrow 0,056text{%}\ delta_2=frac{0,05}{60,10}cdot 100text{%}approx 0,0832text{%}approx uparrow 0,084text{%} end{gather*} Площадь столешницы: $$ S=ab, S=90,2cdot 60,1 = 5421,01 text{см}^2 $$ Для произведения относительная погрешность равна сумме относительных погрешностей слагаемых: $$ delta_S=delta_a+delta_b=0,056text{%}+0,084text{%}=0,140text{%}=0,14text{%} $$ Абсолютная погрешность: begin{gather*} triangle S=Scdot delta_S=5421,01cdot 0,0014=7,59approx 7,6 text{см}^2\ S=(5421,0pm 7,6) text{см}^2 end{gather*} Ответ: (S=(5421,0pm 7,6) text{см}^2, delta_Sapprox 0,14text{%})

ПРИМЕР:

Для измерения длины болта использованы метровая линейка с
делениями  0,5 см  и линейка с
делениями  1 мм. В обоих случаях получен результат  3,5
см. Ясно, что в первом случае отклонение найденной длины  3,5
см  от истинной, не
должно по модулю превышать  0,5 см, во втором случае 
0,1 см.

Если этот же результат получится при измерении
штангенциркулем, то

p(l; 3,5) = |l – 3,5 ≤ 0,01|.

Данный пример показывает зависимость абсолютной
погрешности и границ, в которых находится точный результат, от точности
измерительных приборов. В одном случае  ∆l = 0,5  и, следовательно,

3
≤ l ≤ 4,

в другом – ∆l = 0,1  и

3,4
≤ l ≤ 3,6.

ПРИМЕР:

Длина листа бумаги формата  А4  равна  (29,7 ± 0,1)
см. А расстояние от Санкт-Петербурга до Москвы равно  (650 ± 1) км. Абсолютная погрешность в первом случае
не превосходит одного миллиметра, а во втором – одного километра. Необходимо
сравнить точность этих измерений.

РЕШЕНИЕ:

Если вы думаете, что длина листа измерена точнее потому,
что величина абсолютной  погрешности не
превышает  1 мм, то вы ошибаетесь.
Напрямую сравнить эти величины нельзя. Проведём некоторые рассуждения.

При измерении длины листа абсолютная погрешность не
превышает  0,1 см на  29,7 см, то есть в процентном отношении это составляет

0,1
: 29,7 ∙ 100% ≈ 0,33%

измеряемой величины.

Когда мы измеряем расстояние от Санкт-Петербурга до
Москвы, то абсолютная погрешность не превышает 
1 км 
на  650 км, что в процентном соотношении составляет

1
: 650 ∙ 100% ≈ 0,15%

измеряемой величины.

Видим, что расстояние между городами измерено точнее, чем
длинна листа формата  А4.

Истинное значение
измеряемой величины известно бывает лишь в очень редких случаях, а поэтому и
действительная величина абсолютной погрешности почти никогда не может быть вычислена.
На практике абсолютной погрешности недостаточно для точной оценки измерения.
Поэтому на практике более важное значение имеет определение относительной
погрешности измерения.

Относительная погрешность.

Абсолютная
погрешность, как мы убедились, не даёт возможности судить о качестве измерения.
Поэтому для оценки качества приближения вводится новое понятие – относительная
погрешность. Относительная погрешность позволяет судить о качестве измерения.

Относительная погрешность –
это частное от деления абсолютной погрешности на модуль приближённого значения
измеряемой величины, выраженная в долях или процентах. 

Относительная
погрешность величина всегда положительная. Это следует из того, что абсолютная погрешность
всегда положительная величина, и мы делим её на модуль приближённого значения
измеряемой величины, а модуль тоже всегда положителен.

ПРИМЕР:

Округлим дробь  14,7 до целых и найдём относительную погрешность приближённого
значения:

14,7 ≈ 15,

Для вычисления
относительной погрешности, кроме приближённого значения, нужно знать ещё и
абсолютную погрешность. Обычно абсолютная погрешность неизвестна, поэтому
вычислить относительную погрешность нельзя. В таких случаях ограничиваются
оценкой относительной погрешности.

ПРИМЕР:

При измерении в (сантиметрах) толщины 
b 
стекла и длины  l  книжной полки
получили следующие результаты:

b ≈ 0,4 с
точностью до  0,1,

l ≈ 100 с
точностью до  0,1.

Абсолютная погрешность каждого из этих измерений не
превосходит  0,1. Однако  0,1  составляет
существенную часть числа  0,4  и
ничтожную часть числа  100. Это показывает, что качество второго
измерения намного выше, чем первого.

В результате измерения нашли,
что  b ≈ 0,4  с точностью до  0,1, то
есть абсолютная погрешность измерения не превосходит  0,1.
Значит, отношение абсолютной погрешности к приближённому значению меньше или равно

то есть относительная погрешность приближения не превосходит  25%.

Аналогично найдём, что
относительная погрешность приближения, полученного при измерении длины полки,
не превосходит

Говорят, что в первом случае измерение выполнено с
относительной точностью до  25%,
а во втором – с относительной точностью до  0,1%.

ПРИМЕР:

Если взять абсолютную погрешность в  1
см,  при измерении длины отрезков  10
см  и  10
м, то относительные погрешности будут соответственно равны  10%  и  0,1%. Для
отрезка длиной в  10 см  погрешность
в  1
см  очень велика, это ошибка в  10%. А для десятиметрового отрезка  1 см  не имеет значения, эта ошибка всего в   0,1%.

Чем меньше относительная погрешность
измерения, тем оно точнее.

Различают
систематические и случайные погрешности.

Систематической погрешностью называют ту погрешность, которая остаётся неизменной при
повторных измерениях.

Случайной погрешностью называют ту погрешность, которая возникает в результате
воздействия на процесс измерения внешних факторов и может изменять своё
значение.

В большинстве
случаев невозможно узнать точное значение приближённого числа, а значит, и
точную величину погрешности. Однако почти всегда можно установить, что
погрешность (абсолютная или относительная) не превосходит некоторого числа.

ПРИМЕР:

Продавец взвешивает арбуз на чашечных весах. В наборе
наименьшая гиря – 50
г. Взвешивание показало  3600 г. Это число – приближённое. Точный вес арбуза
неизвестен. Но абсолютная погрешность не превышает  50
г. Относительная погрешность не превосходит 

⁵⁰/₃₆₀₀ ≈
1,4%.

Число, заведомо превышающее абсолютную погрешность (или в худшем случае равное ей), называется предельной абсолютной
погрешностью.

Число, заведомо превышающее относительную погрешность (или в худшем случае равное ей), называется предельной относительной
погрешностью.

В предыдущем примере
за предельную абсолютную погрешность можно взять  50 г, а за предельную относительную погрешность  1,4%.

Величина предельной
погрешности не является вполне определённой. Так в предыдущем примере можно
принять за предельную абсолютную погрешность 
100 г, 150 г  и вообще всякое
число, большее чем  50 г.
На практике берётся по возможности меньшее значение предельной погрешности. В
тех случаях, когда известна точная величина погрешности, эта величина служит
одновременно предельной погрешностью. Для каждого приближённого числа должна
быть известна его предельная погрешность (абсолютная или относительная). Когда
она прямо не указана, подразумевается что предельная абсолютная погрешность
составляет половину единицы последнего выписанного разряда. Так, если приведено
приближённое число  4,78  без указания предельной погрешности, то подразумевается,
что предельная абсолютная погрешность составляет  0,005. В следствии этого соглашения всегда можно обойтись без указания
предельной погрешности числа.

Предельная
абсолютная погрешность обозначается греческой буквой  ∆ (<<дельта>>),
предельная относительная погрешность – греческой буквой  δ
(<<дельта малая>>). Если приближённое число обозначить буквой  а, 

From Wikipedia, the free encyclopedia

In statistics, mean absolute error (MAE) is a measure of errors between paired observations expressing the same phenomenon. Examples of Y versus X include comparisons of predicted versus observed, subsequent time versus initial time, and one technique of measurement versus an alternative technique of measurement. MAE is calculated as the sum of absolute errors divided by the sample size:^[1]

It is thus an arithmetic average of the absolute errors , where is the prediction and the true value. Note that alternative formulations may include relative frequencies as weight factors. The mean absolute error uses the same scale as the data being measured. This is known as a scale-dependent accuracy measure and therefore cannot be used to make comparisons between series using different scales.^[2] The mean absolute error is a common measure of forecast error in time series analysis,^[3] sometimes used in confusion with the more standard definition of mean absolute deviation. The same confusion exists more generally.

Quantity disagreement and allocation disagreement[edit]

It is possible to express MAE as the sum of two components: Quantity Disagreement and Allocation Disagreement. Quantity Disagreement is the absolute value of the Mean Error given by:^[4]

Allocation Disagreement is MAE minus Quantity Disagreement.

It is also possible to identify the types of difference by looking at an plot. Quantity difference exists when the average of the X values does not equal the average of the Y values. Allocation difference exists if and only if points reside on both sides of the identity line.^[4][5]

[edit]

The mean absolute error is one of a number of ways of comparing forecasts with their eventual outcomes. Well-established alternatives are the mean absolute scaled error (MASE) and the mean squared error. These all summarize performance in ways that disregard the direction of over- or under- prediction; a measure that does place emphasis on this is the mean signed difference.

Where a prediction model is to be fitted using a selected performance measure, in the sense that the least squares approach is related to the mean squared error, the equivalent for mean absolute error is least absolute deviations.

MAE is not identical to root-mean square error (RMSE), although some researchers report and interpret it that way. MAE is conceptually simpler and also easier to interpret than RMSE: it is simply the average absolute vertical or horizontal distance between each point in a scatter plot and the Y=X line. In other words, MAE is the average absolute difference between X and Y. Furthermore, each error contributes to MAE in proportion to the absolute value of the error. This is in contrast to RMSE which involves squaring the differences, so that a few large differences will increase the RMSE to a greater degree than the MAE.^[4] See the example above for an illustration of these differences.

Optimality property[edit]

The mean absolute error of a real variable c with respect to the random variable X is

Provided that the probability distribution of X is such that the above expectation exists, then m is a median of X if and only if m is a minimizer of the mean absolute error with respect to X.^[6] In particular, m is a sample median if and only if m minimizes the arithmetic mean of the absolute deviations.^[7]

More generally, a median is defined as a minimum of

as discussed at Multivariate median (and specifically at Spatial median).

This optimization-based definition of the median is useful in statistical data-analysis, for example, in k-medians clustering.

Proof of optimality[edit]

Statement: The classifier minimising is .

Proof:

The Loss functions for classification is

Differentiating with respect to a gives

This means

Hence

See also[edit]

• Least absolute deviations
• Mean absolute percentage error
• Mean percentage error
• Symmetric mean absolute percentage error

References[edit]

From Wikipedia, the free encyclopedia

In statistics, mean absolute error (MAE) is a measure of errors between paired observations expressing the same phenomenon. Examples of Y versus X include comparisons of predicted versus observed, subsequent time versus initial time, and one technique of measurement versus an alternative technique of measurement. MAE is calculated as the sum of absolute errors divided by the sample size:^[1]

It is thus an arithmetic average of the absolute errors , where is the prediction and the true value. Note that alternative formulations may include relative frequencies as weight factors. The mean absolute error uses the same scale as the data being measured. This is known as a scale-dependent accuracy measure and therefore cannot be used to make comparisons between series using different scales.^[2] The mean absolute error is a common measure of forecast error in time series analysis,^[3] sometimes used in confusion with the more standard definition of mean absolute deviation. The same confusion exists more generally.

Quantity disagreement and allocation disagreement[edit]

It is possible to express MAE as the sum of two components: Quantity Disagreement and Allocation Disagreement. Quantity Disagreement is the absolute value of the Mean Error given by:^[4]

Allocation Disagreement is MAE minus Quantity Disagreement.

It is also possible to identify the types of difference by looking at an plot. Quantity difference exists when the average of the X values does not equal the average of the Y values. Allocation difference exists if and only if points reside on both sides of the identity line.^[4][5]

[edit]

The mean absolute error is one of a number of ways of comparing forecasts with their eventual outcomes. Well-established alternatives are the mean absolute scaled error (MASE) and the mean squared error. These all summarize performance in ways that disregard the direction of over- or under- prediction; a measure that does place emphasis on this is the mean signed difference.

Where a prediction model is to be fitted using a selected performance measure, in the sense that the least squares approach is related to the mean squared error, the equivalent for mean absolute error is least absolute deviations.

MAE is not identical to root-mean square error (RMSE), although some researchers report and interpret it that way. MAE is conceptually simpler and also easier to interpret than RMSE: it is simply the average absolute vertical or horizontal distance between each point in a scatter plot and the Y=X line. In other words, MAE is the average absolute difference between X and Y. Furthermore, each error contributes to MAE in proportion to the absolute value of the error. This is in contrast to RMSE which involves squaring the differences, so that a few large differences will increase the RMSE to a greater degree than the MAE.^[4] See the example above for an illustration of these differences.

Optimality property[edit]

The mean absolute error of a real variable c with respect to the random variable X is

Provided that the probability distribution of X is such that the above expectation exists, then m is a median of X if and only if m is a minimizer of the mean absolute error with respect to X.^[6] In particular, m is a sample median if and only if m minimizes the arithmetic mean of the absolute deviations.^[7]

More generally, a median is defined as a minimum of

as discussed at Multivariate median (and specifically at Spatial median).

This optimization-based definition of the median is useful in statistical data-analysis, for example, in k-medians clustering.

Proof of optimality[edit]

Statement: The classifier minimising is .

Proof:

The Loss functions for classification is

Differentiating with respect to a gives

This means

Hence

See also[edit]

• Least absolute deviations
• Mean absolute percentage error
• Mean percentage error
• Symmetric mean absolute percentage error

References[edit]