Неопределенность u можно выразить несколькими способами. Его можно определить абсолютной погрешностью Δ x . Неопределенности также можно определить с помощью относительной ошибки (Δ x ) / x , которая обычно записывается в процентах. Чаще всего, неопределенность в количестве количественно в терминах стандартного отклонения , сг , что положительный квадратный корень из дисперсии . Тогда значение величины и ее ошибка выражаются в виде интервала x ± u . Если статистическое распределение вероятностейЕсли переменная известна или может предполагаться, можно вывести доверительные границы для описания области, в которой может быть найдено истинное значение переменной. Например, 68% доверительный интервал для одномерной переменной, принадлежащей нормальному распределению, составляет примерно ± одно стандартное отклонение σ от центрального значения x , что означает, что область x ± σ будет охватывать истинное значение примерно в 68% от случаи.
Если неопределенность коррелируется то ковариационная должны быть приняты во внимание. Корреляция может возникать из двух разных источников. Во-первых, ошибки измерения могут быть скоррелированы. Во-вторых, когда лежащие в основе значения коррелируются по совокупности, неопределенности средних значений по группе будут коррелированы. [1]
Тогда матрица дисперсии-ковариации функции f имеет вид
или в матричной записи,
Это наиболее общее выражение для распространения ошибки от одного набора переменных к другому. Когда ошибки по x не коррелированы, общее выражение упрощается до
где - дисперсия k -го элемента вектора x . Обратите внимание, что даже если ошибки по x могут быть некоррелированными, ошибки по f, как правило, коррелированы; другими словами, даже если это диагональная матрица, в общем случае это полная матрица.
Общие выражения для скалярной функции f немного проще (здесь a - вектор-строка):
Каждый член ковариации может быть выражен в терминах коэффициента корреляции пути , так , что альтернативное выражение для дисперсии F является
В случае, если переменные в x не коррелированы, это еще больше упрощается до
В простейшем случае одинаковых коэффициентов и дисперсий находим
Когда f представляет собой набор нелинейных комбинаций переменных x , распространение интервала может быть выполнено для вычисления интервалов, которые содержат все согласованные значения переменных. При вероятностном подходе функция f обычно должна быть линеаризована путем приближения к разложению в ряд Тейлора первого порядка , хотя в некоторых случаях могут быть получены точные формулы, которые не зависят от разложения, как в случае точной дисперсии продуктов . [2] Расширение Тейлора будет:
где обозначает частную производную от ф к по отношению к я -й переменной, оцениваемые по среднему значению всех компонент вектора х . Или в матричной записи ,
где J - матрица Якоби . Поскольку f 0 является константой, она не вносит вклад в ошибку f. Следовательно, распространение ошибки следует линейному случаю, описанному выше, но с заменой линейных коэффициентов A ki и A kj частными производными, и . В матричной записи [3]
То есть якобиан функции используется для преобразования строк и столбцов ковариационно-дисперсионной матрицы аргумента. Обратите внимание, что это эквивалентно матричному выражению для линейного случая с .
Упрощение [ править ]
Пренебрежение корреляциями или допущение независимых переменных дает инженерам и ученым-экспериментаторам общую формулу для расчета распространения ошибок, формулу дисперсии: [4]
где представляет стандартное отклонение функции , представляет стандартное отклонение , представляет стандартное отклонение и т. д.
Важно отметить, что эта формула основана на линейных характеристиках градиента, и поэтому она является хорошей оценкой стандартного отклонения до тех пор, пока оно достаточно мало. В частности, линейное приближение должно быть близко к внутренней окрестности радиуса . [5]
Пример [ править ]
Любая нелинейная дифференцируемая функция двух переменных и может быть разложена как
следовательно:
где - стандартное отклонение функции , - стандартное отклонение , - стандартное отклонение и - ковариация между и .
В частном случае , . потом
или же
где - соотношение между и .
Когда переменные и некоррелированны, . потом
Предостережения и предупреждения [ править ]
Оценки ошибок для нелинейных функций смещены из-за использования разложения в усеченный ряд. Степень этого смещения зависит от характера функции. Например, смещение ошибки, вычисленной для log (1+ x ), увеличивается с увеличением x , поскольку расширение до x является хорошим приближением только тогда, когда x близко к нулю.
Для сильно нелинейных функций существует пять категорий вероятностных подходов к распространению неопределенности; [6] подробности см. В Методологиях количественной оценки неопределенности для прямого распространения неопределенности .
Взаимные и сдвинутые взаимные [ править ]
Основная статья: Взаимное нормальное распределение
В частном случае обратного или обратного , когда следует стандартное нормальное распределение , результирующее распределение является обратным стандартным нормальным распределением, и нет определяемой дисперсии. [7]
Однако в несколько более общем случае смещенной обратной функции для следования общему нормальному распределению статистика среднего и дисперсии действительно существует в смысле главного значения , если разница между полюсом и средним значением является действительной. [8]
Коэффициенты [ править ]
Основная статья: Нормальное распределение соотношения
Соотношения также проблематичны; нормальные приближения существуют при определенных условиях.
Примеры формул [ править ]
В этой таблице показаны дисперсии и стандартные отклонения простых функций реальных переменных с ковариацией стандартных отклонений и точно известными (детерминированными) действительными константами (a и b не связаны с A и B) (т. Е. ). В столбцах «Дисперсия» и «Стандартное отклонение» следует понимать ожидаемые значения (т. Е. Значения, вокруг которых мы оцениваем неопределенность) и следует понимать как значение функции, вычисленное при ожидаемом значении .
Функция
Дисперсия
Стандартное отклонение
[9] [10]
[11]
[12]
[12]
[13]
Для некоррелированных переменных ( ) члены ковариации также равны нулю, так как .
Автокорреляции А обозначается ; только если вариация точна ( ), ее самовычитание имеет нулевую дисперсию .
В этом случае выражения для более сложных функций могут быть получены путем объединения более простых функций. Например, повторное умножение при отсутствии корреляции дает
Для этого случая у нас также есть выражение Гудмана [2] для точной дисперсии: для некоррелированного случая это
и поэтому у нас есть:
Примеры расчетов [ править ]
Функция обратной касательной [ править ]
Мы можем рассчитать распространение неопределенности для функции обратной касательной в качестве примера использования частных производных для распространения ошибки.
Определять
где - абсолютная неопределенность нашего измерения x . Производная f ( x ) по x равна
Следовательно, наша распространенная неопределенность равна
где - абсолютная распространенная неопределенность.
Измерение сопротивления [ править ]
Практическое применение является эксперимент , в котором измеряется ток , I , и напряжение , В , на резисторе , с тем , чтобы определить сопротивление , R , с использованием закона Ома , R = V / I .
Учитывая измеряемые переменные с неопределенностями, I ± σ I и V ± σ V , и пренебрегая их возможной корреляцией, неопределенность вычисляемой величины σ R составляет:
См. Также [ править ]
Тщательность и точность
Автоматическая дифференциация
Дельта-метод
Снижение точности (навигация)
Ошибки и неточности в статистике
Экспериментальный анализ неопределенности
Интервальный конечный элемент
Погрешность измерения
Анализ границ вероятности
Значимость арифметики
Количественная оценка неопределенности
Случайно-нечеткая переменная
Ссылки [ править ]
^ Киршнер, Джеймс. «Инструментарий анализа данных № 5: Анализ неопределенности и распространение ошибок» (PDF) . Лаборатория сейсмологии Беркли . Калифорнийский университет . Проверено 22 апреля 2016 года .
^ a b Гудман, Лео (1960). «О точной дисперсии товаров». Журнал Американской статистической ассоциации . 55 (292): 708–713. DOI : 10.2307 / 2281592 . JSTOR 2281592 .
^ Очоа1, Бенджамин; Белонги, Серж «Распространение ковариации для управляемого сопоставления». Архивировано 20 июля 2011 г.в Wayback Machine.
^ Ку, HH (октябрь 1966). «Замечания по использованию формул распространения ошибок» . Журнал исследований Национального бюро стандартов . 70C (4): 262. DOI : 10,6028 / jres.070c.025 . ISSN 0022-4316 . Проверено 3 октября 2012 года .
^ Клиффорд, AA (1973). Многомерный анализ ошибок: руководство по распространению ошибок и расчетам в многопараметрических системах . Джон Вили и сыновья. ISBN 978-0470160558.[ требуется страница ]
^ Ли, SH; Чен, В. (2009). «Сравнительное исследование методов распространения неопределенности для задач типа черного ящика». Структурная и междисциплинарная оптимизация . 37 (3): 239–253. DOI : 10.1007 / s00158-008-0234-7 . S2CID 119988015 .
^ Джонсон, Норман L .; Коц, Самуэль; Балакришнан, Нараянасвами (1994). Непрерывные одномерные распределения, Том 1 . Вайли. п. 171. ISBN. 0-471-58495-9.
Перейти ↑ Lecomte, Christophe (май 2013 г.). «Точная статистика систем с неопределенностями: аналитическая теория стохастических динамических систем первого ранга». Журнал звука и вибраций . 332 (11): 2750–2776. DOI : 10.1016 / j.jsv.2012.12.009 .
^ «Сводка распространения ошибок» (PDF) . п. 2. Архивировано из оригинального (PDF) 13 декабря 2016 года . Проверено 4 апреля 2016 .
^ «Распространение неопределенности посредством математических операций» (PDF) . п. 5 . Проверено 4 апреля 2016 .
^ «Стратегии оценки дисперсии» (PDF) . п. 37 . Проверено 18 января 2013 .
^ a b Харрис, Дэниел С. (2003), Количественный химический анализ (6-е изд.), Macmillan, стр. 56, ISBN 978-0-7167-4464-1
^ «Учебник по распространению ошибок» (PDF) . Предгорный колледж . 9 октября 2009 . Проверено 1 марта 2012 .
Дальнейшее чтение [ править ]
Бевингтон, Филип Р .; Робинсон, Д. Кейт (2002), Обработка данных и анализ ошибок для физических наук (3-е изд.), McGraw-Hill, ISBN 978-0-07-119926-1
Форнасини, Паоло (2008), Неопределенность в физических измерениях: введение в анализ данных в физической лаборатории , Springer, стр. 161, ISBN 978-0-387-78649-0
Мейер, Стюарт Л. (1975), Анализ данных для ученых и инженеров , Wiley, ISBN 978-0-471-59995-1
Перальта, М. (2012), Распространение ошибок: как математически прогнозировать ошибки измерения , CreateSpace
Rouaud, M. (2013), Вероятность, статистика и оценка: распространение неопределенностей в экспериментальных измерениях (PDF) (сокращенное издание)
Тейлор, Дж. Р. (1997), Введение в анализ ошибок: исследование неопределенностей в физических измерениях (2-е изд.), University Science Books
Ван, СМ; Айер, Хари К. (2005-09-07). «О поправках высшего порядка для распространения неопределенностей». Метрология . 42 (5): 406–410. DOI : 10.1088 / 0026-1394 / 42/5/011 . ISSN 0026-1394 .
Внешние ссылки [ править ]
Подробное обсуждение измерений и распространения неопределенности, объясняющее преимущества использования формул распространения ошибок и моделирования Монте-Карло вместо простой арифметики значимости.
ГУМ , Руководство по выражению неопределенности в измерениях
EPFL Введение в распространение ошибок , вывод, значение и примеры Cy = Fx Cx Fx '
пакет неопределенностей , программа / библиотека для прозрачного выполнения расчетов с неопределенностями (и корреляциями ошибок).
пакет soerp , программа / библиотека на Python для прозрачного выполнения вычислений * второго порядка * с неопределенностями (и корреляциями ошибок).
Объединенный комитет руководств по метрологии (2011 г.). JCGM 102: Оценка данных измерений - Дополнение 2 к «Руководству по выражению неопределенности измерений» - Расширение на любое количество выходных величин (PDF) (Технический отчет). JCGM . Проверено 13 февраля 2013 года .
Калькулятор неопределенности Распространение неопределенности для любого выражения