对粗大误差和随机误差处理.doc

误差理论与数据处理大作业题目:(粗大误差和随机误差的处理)():小组组长:调研及分析,书写报告张博():调研、整理、,人们对测量和仪器的精确性要求越来越高,传统的测量精确度远远不能满足当今科技以及人们生活方面的要求,所以需要一种能够快速分析误差的方法出现。matlab可以大大减少人工运算的成本,成本低,可行性高,而且具有普遍性,故采用matlab来进行误差处理。,,然后根据每个人擅长的方面进行了分配。由张景坤同学负责写程序,张博同学主要负责整理,书写报告。 (1)莱以特准则(3σ准则) 具体方法:求出平均值和σ,将残差的绝对值与3σ进行比较,大于3σ的测量值都是坏值。这种方法称为3σ法则(正态分布)。适合测量点数较大的情况,计算所有的点。逐一剔除异常值(2)罗曼诺夫斯基准则具体方法:首先剔除一个可疑的测得值,然后按照t分布检验被剔除的测量值是否含有粗大误差。如果是,剔除后,再判断其它的测试结果点。适合条件:测量次数较少的情况,是逐一剔除的。 (1) 算数平均值大多数情况下,真值未知,用来代替误差::测量次数(2)测量列算数平均值标准差(3)算数平均值的极限误差:t为置信系数,通过查表可得。(4)结果表示:,残差和残差平方和计算算数平均值,;clear;data=load('');%从文本文档中读出数据v_2=0;%定义残差的平方average_data=0;%定义数据的平均值average_data=mean(data);%计算平均值if(length(data)<10)%判断数据的长度,用罗曼诺夫斯基准则剔除粗大误差while(1)fori=1:length(data)%计算残差和残差的平方和v(i)=data(i)-average_data;v_2=v_2+v(i)^2;end[max_v,I]=max(abs(v));`sum=0;fori=1:length(data)sum=sum+v(i);endaverage_data=sum/(length(data)-1);%计算数据的平均值bzc=(v_2/(length(data)-2))^;%计算数据的标准差alpha=;t=tinv(1-alpha/2,length(data)-2);if(v(I)>=(t*bzc))%判断数据是否为粗大误差data(I)=[];elsebreak;endv=[];endendif(length(data)>=10)while(1)fori