Измерение физических величин в непрогнозируемо изменяющихся статистических условиях
Установлено, что при существенных нарушениях статистической устойчивости использование классической детерминированно-случайной модели измерения и основанных на ней методиках измерения приводит к недопустимо большим погрешностям. Разработана методика измерения физических величин в непрогнозируемо изм...
Збережено в:
Дата: | 2015 |
---|---|
Автор: | |
Формат: | Стаття |
Мова: | Russian |
Опубліковано: |
Інститут проблем математичних машин і систем НАН України
2015
|
Назва видання: | Математичні машини і системи |
Теми: | |
Онлайн доступ: | http://dspace.nbuv.gov.ua/handle/123456789/113753 |
Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
Цитувати: | Измерение физических величин в непрогнозируемо изменяющихся статистических условиях / И.И. Горбань // Математичні машини і системи. — 2015. — № 4. — С. 80-91. — Бібліогр.: 4 назв. — рос. |
Репозитарії
Digital Library of Periodicals of National Academy of Sciences of Ukraineid |
irk-123456789-113753 |
---|---|
record_format |
dspace |
spelling |
irk-123456789-1137532017-02-14T03:02:46Z Измерение физических величин в непрогнозируемо изменяющихся статистических условиях Горбань, И.И. Моделювання і управління Установлено, что при существенных нарушениях статистической устойчивости использование классической детерминированно-случайной модели измерения и основанных на ней методиках измерения приводит к недопустимо большим погрешностям. Разработана методика измерения физических величин в непрогнозируемо изменяющихся статистических условиях. Продемонстрирована эффективность новой методики. Встановлено, що при суттєвих порушеннях статистичної стійкості використання класичної детерміновано-випадкової моделі вимірювання та заснованих на ній методиках вимірювання призводить до недопустимо великих похибок. Розроблено методику вимірювання фізичних величин у статистичних умовах, що непрогнозовано змінюються. Продемонстровано ефективність нової методики. It has been found that under essential violations of statistical stability, using of the classic determinately-random measurement model and based on it measurement techniques lead to unacceptable large errors. A technique for measuring of physical quantities under unpredictable changing statistical conditions is developed. The effectiveness of the new technique is demonstrated. 2015 Article Измерение физических величин в непрогнозируемо изменяющихся статистических условиях / И.И. Горбань // Математичні машини і системи. — 2015. — № 4. — С. 80-91. — Бібліогр.: 4 назв. — рос. 1028-9763 http://dspace.nbuv.gov.ua/handle/123456789/113753 53.01:53.05+519.2 ru Математичні машини і системи Інститут проблем математичних машин і систем НАН України |
institution |
Digital Library of Periodicals of National Academy of Sciences of Ukraine |
collection |
DSpace DC |
language |
Russian |
topic |
Моделювання і управління Моделювання і управління |
spellingShingle |
Моделювання і управління Моделювання і управління Горбань, И.И. Измерение физических величин в непрогнозируемо изменяющихся статистических условиях Математичні машини і системи |
description |
Установлено, что при существенных нарушениях статистической устойчивости использование классической детерминированно-случайной модели измерения и основанных на ней методиках измерения приводит к недопустимо большим погрешностям. Разработана методика измерения физических величин в непрогнозируемо изменяющихся статистических условиях. Продемонстрирована эффективность новой методики. |
format |
Article |
author |
Горбань, И.И. |
author_facet |
Горбань, И.И. |
author_sort |
Горбань, И.И. |
title |
Измерение физических величин в непрогнозируемо изменяющихся статистических условиях |
title_short |
Измерение физических величин в непрогнозируемо изменяющихся статистических условиях |
title_full |
Измерение физических величин в непрогнозируемо изменяющихся статистических условиях |
title_fullStr |
Измерение физических величин в непрогнозируемо изменяющихся статистических условиях |
title_full_unstemmed |
Измерение физических величин в непрогнозируемо изменяющихся статистических условиях |
title_sort |
измерение физических величин в непрогнозируемо изменяющихся статистических условиях |
publisher |
Інститут проблем математичних машин і систем НАН України |
publishDate |
2015 |
topic_facet |
Моделювання і управління |
url |
http://dspace.nbuv.gov.ua/handle/123456789/113753 |
citation_txt |
Измерение физических величин в непрогнозируемо изменяющихся статистических условиях / И.И. Горбань // Математичні машини і системи. — 2015. — № 4. — С. 80-91. — Бібліогр.: 4 назв. — рос. |
series |
Математичні машини і системи |
work_keys_str_mv |
AT gorbanʹii izmereniefizičeskihveličinvneprognoziruemoizmenâûŝihsâstatističeskihusloviâh |
first_indexed |
2025-07-08T06:20:34Z |
last_indexed |
2025-07-08T06:20:34Z |
_version_ |
1837058632495136768 |
fulltext |
80 © Горбань И.И., 2015
ISSN 1028-9763. Математичні машини і системи, 2015, № 4
МОДЕЛЮВАННЯ І УПРАВЛІННЯ
УДК 53.01:53.05+519.2
И.И. ГОРБАНЬ
*
ИЗМЕРЕНИЕ ФИЗИЧЕСКИХ ВЕЛИЧИН В НЕПРОГНОЗИРУЕМО
ИЗМЕНЯЮЩИХСЯ СТАТИСТИЧЕСКИХ УСЛОВИЯХ
*
Институт проблем математических машин и систем НАН Украины, Киев, Украина
Анотація. Встановлено, що при суттєвих порушеннях статистичної стійкості використання
класичної детерміновано-випадкової моделі вимірювання та заснованих на ній методиках
вимірювання призводить до недопустимо великих похибок. Розроблено методику вимірювання
фізичних величин у статистичних умовах, що непрогнозовано змінюються. Продемонстровано
ефективність нової методики.
Ключові слова: статистична стійкість, параметр статистичної нестійкості, теорія
гіпервипадкових явищ, похибка вимірювання, модель вимірювання.
Аннотация. Установлено, что при существенных нарушениях статистической устойчивости ис-
пользование классической детерминированно-случайной модели измерения и основанных на ней мето-
диках измерения приводит к недопустимо большим погрешностям. Разработана методика измере-
ния физических величин в непрогнозируемо изменяющихся статистических условиях. Продемонст-
рирована эффективность новой методики.
Ключевые слова: статистическая устойчивость, параметр статистической неустойчивости,
теория гиперслучайных явлений, погрешность измерения, модель измерения.
Abstract. It has been found that under essential violations of statistical stability, using of the classic de-
terminately-random measurement model and based on it measurement techniques lead to unacceptable
large errors. A technique for measuring of physical quantities under unpredictable changing statistical
conditions is developed. The effectiveness of the new technique is demonstrated.
Keywords: statistical stability, parameter of statistical instability, theory of hyper-random phenomena,
measurement error, measurement model.
1. Введение
Одним из наиболее распространенных видов измерений является прямое статистическое
измерение, представляющее собой непосредственное многократное измерение физической
величины и статистическую обработку полученных данных. Физической основой таких
измерений служит феномен статистической устойчивости, проявляющийся в стабильности
статистик.
Существует множество методик прямых статистических измерений, учитывающих
разную специфику условий их проведения. Разнообразие методик обусловлено тем, что
любая методика базируется на множестве предположений и моделей, приближенно опи-
сывающих реальные условия. От степени адекватности используемых моделей зависит как
сам результат измерения, так и оценка его точности.
В классической модели измерения, которую можно назвать детерминированно-
случайной [1, 2], и разработанных на ее основе методиках измерения измеряемая величина
(параметр) полагается неизменной и однозначной, а результаты одиночных ее измере-
ний 1 2, , , NX X X и конечный результат измерения (оценка) – случайными величина-
ми.
ISSN 1028-9763. Математичні машини і системи, 2015, № 4 81
Рис. 1. Классическая (детерминированно-
случайная) модель измерения
Эта модель базируется на гипотезе идеальной статистической устойчивости реаль-
ных физических процессов, предполагающей, что при неограниченном увеличении объема
выборки N оценка имеет некоторый предел.
В реальном мире все изменяется. Изменяются и статистические условия. Пренеб-
режимо малые на небольших интервалах наблюдения нарушения статистической устойчи-
вости на больших интервалах наблюдения проявляются сильно.
Исследования реальных процессов разной физической природы показывают [1–3],
что феномен статистической устойчивости не идеален. При длительном наблюдении про-
цессы теряют статистическую устойчивость.
Это обстоятельство необходимо учитывать при проведении измерений.
В настоящее время вопрос учета нарушений статистической устойчивости доста-
точно глубоко проработан в теоретическом плане в рамках физико-математической теории
гиперслучайных явлений (ТГСЯ) [1, 2], однако он все еще не доведен до практических ме-
тодик измерения физических величин.
Цель настоящей статьи – разработка практической методики измерения физических
величин, учитывающей нарушения статистической устойчивости.
Рассмотрим вначале классическую модель измерения.
2. Детерминированно-случайная модель измерения
Согласно [1, 2], детерминированную измеряемую величину можно рассматривать как
вырожденную случайную величину, у которой функция распределения имеет вид единич-
ного скачка в точке :
0 при ,
1 при
( ) sign[ ]
.
F x x
x
x
Тогда детерминированно-случайную
модель измерения схематично можно пред-
ставить в виде рис. 1, где * ( )F x
– функция
распределения оценки , *m
и *
– со-
ответственно математическое ожидание и
среднеквадратическое отклонение (СКО)
этой оценки, а 0 – систематическая по-
грешность измерения.
Используя результаты конкретных измерений 1 2, , , Nx x x , можно рассчитать ин-
тервал, в котором предположительно находится параметр (доверительный интервал).
Границы этого интервала описываются выражениями
* *
* * * *
0 0,i sk k
, (1)
где * и *
*
– соответственно оценка измеряемой величины и оценка среднеквадратиче-
ского отклонения оценки, сформированные по выборке 1 2, , , Nx x x , k – коэффициент, оп-
ределяющий степень доверия.
Соответствующие этим границам доверительного интервала границы погрешности
*z описываются выражениями
*
*
0iz k
, *
*
0sz k
. (2)
82 ISSN 1028-9763. Математичні машини і системи, 2015, № 4
3. Методика прямых статистических измерений на основе детерминированно-
случайной модели
Наиболее простой и широко распространенной методикой прямых статистических измере-
ний, основанной на детерминированно-случайной модели, является методика, изложенная
в стандарте [1]. Не вдаваясь в подробности, изложим ее суть.
Согласно этой методике в качестве случайной оценки измеряемой физической
величины выступает среднее множества результатов измерений: *
1
1 N
n
n
X
N
. Тогда
детерминированная оценка * , сформированная на основе множества конкретных измере-
ний 1 2, , , Nx x x , описывается выражением *
1
1 N
n
n
x
N
.
Предполагается, что результаты измерений 1 2, , , NX X X независимы, имеют один
и тот же неизвестный закон распределения, неизвестное математическое ожидание и неиз-
вестную дисперсию xD . Тогда СКО *
оценки связано с дисперсией отсчетов xD со-
отношением /xD N
.
Вместо неизвестной дисперсии xD используется ее оценка * * 2
1
1
( )
1
N
x n N
n
D x
N
, а
вместо неизвестного СКО *
– оценка * * /xD N
.
Отсюда следует, что методика измерения включает:
1) проведение N измерений 1 2, , , Nx x x измеряемой физической величины ;
2) расчет оценки *
1
1 N
n
n
x
N
измеряемой физической величины ;
3) расчет оценки *
* * 2
1
1
( )
( 1)
N
n
n
x
N N
СКО оценки * ;
4) определение по формулам (1) и (2) границ i , s интервала, в котором находится
измеряемый параметр , и границ iz , sz интервала погрешности измерения z 1
.
При нарушениях статистической устойчивости классическая детерминированно-
случайная модель измерения неадекватно представляет действительность и описанная ме-
тодика измерения дает большую погрешность измерения.
4. Нарушение статистической устойчивости
Факт существенного нарушения статистической устойчивости процесса может быть за-
фиксирован на основе анализа динамики изменения различных параметров статистической
неустойчивости. Статистическая устойчивость зависит не только от специфики самого
процесса, но также и от статистики, по отношению к которой рассматривается устойчи-
вость. Простейшим параметром, характеризующим статистическую неустойчивость про-
цесса по отношению к среднему, является параметр
1
При практических расчетах константа k задается исследователем (обычно в диапазоне от 1 до 3),
а в качестве систематической погрешности 0 берется величина, указанная в паспорте измеритель-
ного прибора.
ISSN 1028-9763. Математичні машини і системи, 2015, № 4 83
M[ ]
γ
M[ ]
N
N
Y
N
X
D
D
, (3)
где M[ ] – оператор математического ожидания,
2
1
1
( )
1N N
N
Y n Y
n
D Y m
N
(4)
– выборочная дисперсия флуктуации выборочного среднего
1
1 n
n i
i
Y X
n
( 1, )n N , (5)
1
1
N
N
Y n
n
m Y
N
– выборочное среднее флуктуации среднего,
2
1
1
( )
1N
N
X i N
n
D X Y
N
(6)
– выборочная дисперсия процесса.
Теоретически статистически устойчивым по отношению к среднему считается слу-
чайный процесс, у которого параметр статистической неустойчивости γN стремится к ну-
лю при N .
Обратим внимание, что если реальный процесс носит неслучайный характер, для
оценки нарушений статистической устойчивости также может быть использован параметр
статистической неустойчивости (3). Для корректного его применения в этом случае под
оператором M[ ] следует понимать усреднение по ансамблю, конечному или бесконечно-
му. В вырожденном случае усреднение по ансамблю может отсутствовать.
На практике объем данных всегда ограничен, а потому объем выборки N и ан-
самбль реализаций конечны. Тогда принятие решения о наличии или отсутствии наруше-
ний статистической устойчивости возможно на основе анализа тенденции изменения
оценки параметра *γN при больших значениях N или, что более корректно, на основе со-
поставления значения этой оценки со значением 0γ N параметра γN , рассчитанного для
эталонного статистически устойчивого процесса.
В качестве эталона удобно использовать белый гауссовский шум
2
. Для него рассчи-
таны [1] параметр 0γ N и СКО
0γ
σ
N величины 0γ /M[ ]
N NN Y XD D . По этим параметрам не-
трудно рассчитать верхнюю границу
00 γ0γ σγ
NN N k коридора параметра статистической
неустойчивости по отношению к среднему ( k – параметр, определяющий ширину коридо-
ра). Выход оценки параметра статистической неустойчивости *γN за верхнюю границу ко-
ридора свидетельствует о нарушении статистической устойчивости по отношению к сред-
нему.
Экспериментальные исследования показывают [1–3], что все реальные физические
процессы статистически неустойчивы, однако интервал, на котором нарушения статисти-
ческой устойчивости остаются еще пренебрежимо малыми (интервал статистической ус-
тойчивости), разный.
2
Для корректного использования этого эталона период дискретизации исследуемого процесса
должен быть равен интервалу его корреляции.
84 ISSN 1028-9763. Математичні машини і системи, 2015, № 4
5. Методика оценки интервала статистической устойчивости по отношению к сред-
нему
На основании п. 4 методика оценки интервала статистической устойчивости по отноше-
нию к среднему процесса, представленного выборкой 1 2, ,x x , сводится к:
1) расчету для разных объемов выборки n ( 1, )n N выборочных средних
1
1 n
n i
i
y x
n
;
2) расчету для разных объемов выборки N выборочной дисперсии
2
1
1
( )
1N
N
x i N
n
D x y
N
;
3) расчету для разных объемов выборки N выборочного среднего флуктуации
среднего
1
1
N
N
y n
n
m y
N
;
4) расчету для разных объемов выборки N выборочной дисперсии флуктуации вы-
борочного среднего 2
1
1
( )
1N N
N
y n y
n
D y m
N
;
5) расчету для разных объемов выборки N оценки параметра статистической неус-
тойчивости по отношению к среднему *γ N
N
y
N
x
D
D
;
6) построению зависимости оценки параметра статистической неустойчивости по
отношению к среднему *γN от объема выборки N ;
7) сравнению полученной зависимости с зависимостью верхней границы коридора
параметра статистической неустойчивости по отношению к среднему 0γ N
(для заданной
величины k ).
Интервалом статистической устойчивости sN (в терминах объема выборки N ) счи-
тается объем N , при котором происходит выход оценки параметра *γN за верхнюю грани-
цу коридора 0γ N
.
В монографиях [1, 2] рассмотрен ряд различных моделей измерения, учитывающих
нарушения статистической устойчивости. Одна из них – детерминированно-
гиперслучайная модель. На ней и остановимся, но прежде, чем переходить к ее описанию,
кратко охарактеризуем используемое в ней понятие гиперслучайной величины.
6. Гиперслучайная величина
Под гиперслучайной величиной X подразумевается множество G случайных величин gX
( , gX X g G ), каждая из которых описывается определенной функцией распределе-
ния / ( )x gF x .
Гиперслучайная величина представляется многозначной функцией распределения
/( ) ( ),
x x gF x F x g G , а также рядом параметров и характеристик, характеризующих ее.
ISSN 1028-9763. Математичні машини і системи, 2015, № 4 85
Рис. 2. Детерминированно-гиперслучайная модель
измерения
Наряду с множеством функцией распределения / ( )x gF x характеристиками, дающи-
ми представление о гиперслучайной величине, являются верхняя
/( ) sup ( )
Sx x g
g G
F x F x и
нижняя
/( ) inf ( )
Ix x g
g G
F x F x границы функции распределения.
К числу параметров, характеризующих гиперслучайную величину, относятся ус-
ловные моменты: математические ожидания /x gm , СКО /x g и пр., моменты границ ( )SxF x ,
( )IxF x – математические ожидания границ Sxm , Ixm , СКО границ Sx , Ix и пр., а также
границы моментов – нижняя и верхняя границы математического ожидания
/inf
ix x g
g G
m m ,
/sup
sx x g
g G
m m , нижняя и верхняя границы СКО
/inf
ix x g
g G
,
/sup
sx x g
g G
и др.
Обратим внимание, что частным случаем гиперслучайной величины является слу-
чайная величина.
7. Детерминированно-гиперслучайная модель измерения
В детерминированно-гиперслучайной модели измерения измеряемая величина пред-
ставляется детерминированной, а результаты одиночных измерений 1 2, , , NX X X и ко-
нечный результат измерения – гиперслучайными величинами.
Как и в детерминированно-случайной модели, измеряемую величину будем
рассматривать как вырожденную
случайную величину, описываемую
функцией распределения ( )F x . Под
оценкой будем понимать некото-
рую статистику – функцию выборки
1 2( , , , )
NX X X X объемом N из
гиперслучайной генеральной сово-
купности (рис. 2).
Оценку можно представить
множеством случайных оценок * * / g g , соответствующих различным условиям g G :
* * , g g G , где *g является функцией случайной выборки /
gX X g .
Конкретную величину
* гиперслучайной оценки можно представить множест-
вом детерминированных величин * * /g g , соответствующих различным условиям
g G : * * , g g G .
В зависимости от постановки задачи точность точечной оценки можно характери-
зовать по-разному. В общем случае точность характеризует гиперслучайная погрешность
* Z . В фиксированных условиях g параметром, характеризующим точность слу-
чайной оценки
*g , является величина 2
gz – математическое ожидание квадрата случай-
ной погрешности
* g gZ , а именно:
2
2 *
gz g .
Точность конкретной оценки
*
g , полученной в фиксированных условиях g , харак-
теризует детерминированная погрешность
* g gz .
86 ISSN 1028-9763. Математичні машини і системи, 2015, № 4
Рис. 3. Веер условных функций распределения *
/
( )
g
F x
(тонкие линии) для различных условий g , верхняя
* ( )
S
F x
(полужирная сплошная линия) и нижняя * ( )
I
F x
(полужирная пунктирная линия) границы функции
распределения
Точность оценки в изменяющихся условиях характеризует интервал, в котором нахо-
дятся величины 2
gz
, g G . Погрешность может принимать как положительные, так и отри-
цательные значения. Поэтому верхняя граница рассматриваемого интервала описывается вы-
ражением
2 2 2max[ , ], z Sz Iz
где
2
2 *M [ ], Sz S
2
2 *M [ ] Iz I – средние квадраты погрешности Z , рассчитанные
с использованием соответственно верхней * ( )
S
F
и нижней * ( )
I
F
границ функции распре-
деления оценки.
Точность оценки характеризуют также границы среднего квадрата погрешности Z :
2 2
2 * 2 *inf [ ], sup [ ]
iz g sz g
g G g G
и корни из этих величин iz , sz , которые для простоты изложения будем называть грани-
цами погрешности.
В условиях g G смещение гиперслучайной оценки (систематическая погрешность)
описывается выражением *0/ / /
g z g g
m m
, где *
*
/
M[ ] gg
m
и /z gm – математические
ожидания соответственно случайных величин *g и gZ .
Границы 2Sz , 2 Iz и 2iz , 2sz можно представить следующим образом:
2 2 2 Sz Sz Szm , 2 2 2 Iz Iz Izm ,
2 2 2
/ /inf[ ]
iz z g z g
g G
m , 2 2 2
/ /sup[ ]
sz z g z g
g G
m ,
где * 0 Sz SS
m m
, * 0 Iz II
m m
– математические ожидания границ погрешности,
представляющие собой смещения оценки относительно соответственно верхней и нижней гра-
ниц функции распределения:
22 2
Sz S Sz S
Z m
,
22 2
Iz I Iz I
Z m
– дисперсии границ погрешности, совпадающие с дисперсиями границ оценки;
* *
2
2 2 *
/ / /
z g gg g
m
– ус-
ловная дисперсия погрешности, совпа-
дающая с условной дисперсией оценки
(рис. 3).
В изменяющихся условиях
погрешность z описывается нера-
венством
* *0 0S IS I
k z k
,
а интервал нахождения измеряемой
величины (доверительный интер-
вал) – неравенством
* *
0 0 I SI S
k k
,
ISSN 1028-9763. Математичні машини і системи, 2015, № 4 87
где k – константа, определяющая степень доверия.
8. Формализация условий проведения измерений
Уточним условия проведения измерений. Будем исходить из того, что в результате пред-
варительного анализа статистической устойчивости выборки 1 ,..., Nx x большого объема
N обнаружены нарушения статистической устойчивости по отношению к среднему, а в
результате измерения интервала статистической устойчивости sN (см. пп. 4, 5) оценена
величина sN и выяснено, что sN N .
Предполагается, что измеряется скалярная детерминированная однозначная вели-
чина , не меняющая значения в процессе измерения, а результаты измерения носят ги-
перслучайный характер и адекватно описываются гиперслучайной выборкой
1 2, , , NX X X .
В процессе измерения статистические условия непрогнозируемо изменяются. При
этом изменяются они медленно, что позволяет разделить интервал наблюдения на G оди-
наковых по длительности фрагментов, соответствующих практически постоянным стати-
стическим условиям. Элементы выборки берутся с равномерным шагом. Количество от-
счетов, соответствующих одному фрагменту, равно sN .
В фиксированных статистических условиях g ( 1,g G ) элементы случайной вы-
борки 1 ,...,
sg N gX X некоррелированные и имеют один и тот же неизвестный закон распре-
деления ( )gF x и неизвестную дисперсию /x gD .
Результаты конкретных N измерений 1 ,..., Nx x представляют собой реализацию ги-
перслучайной выборки, а результаты конкретных sN измерений 1 ,...,
sg N gx x в условиях g –
реализацию случайной выборки 1 ,...,
sg N gX X .
На интервалах / /3x g x gm функции распределения ( )gF x ( 1,g G ) не пересекают-
ся, где /x gm и
/ /x g x gD – соответственно математическое ожидание и СКО элементов
случайной выборки 1 ,...,
sg N gX X . Это предположение позволяет упростить расчет границ
функции распределения ( )SxF x , ( )IxF x гиперслучайной величины X : представить их
функциями распределения случайных величин gX с минимальным и максимальным мате-
матическим ожиданием /x gm ( Sx ixm m , Ix sxm m ).
В качестве оценки измеряемой величины * используется среднее оценок матема-
тических ожиданий границ *
Sxm , *
Ixm , сформированных по результатам наблюдения
1 ,..., Nx x :
* * *( ) / 2 Sx Ixm m , (7)
а в роли систематической погрешности рассматривается величина *0 0SS
m
.
9. Методика измерения физической величины в непрогнозируемо изменяющихся ус-
ловиях
Принимая во внимание п. 8, методика измерения величины сводится к следующему:
1) проведение N измерений 1 ,..., Nx x искомой величины ;
2) разбивка выборки на фрагменты по sN отсчетов в каждой;
88 ISSN 1028-9763. Математичні машини і системи, 2015, № 4
3) для каждого g -го фрагмента ( 1,g G ) расчет оценки математического ожидания
*
/
1
1 sN
x g ng
ns
m x
N
;
4) определение оценок, *
Sxm , *
Ixm математических ожиданий границ
( * * *
/inf Sx ix x g
g
m m m , * * *
/sup Ix sx x g
g
m m m ) и номеров фрагментов Sg , Ig , соответствующих
математическим ожиданиям верхней и нижней границ;
5) расчет по фрагментам Sg , Ig оценок среднеквадратических отклонений *
Sx , *
Ix
верхней и нижней границ;
6) расчет по формуле (7) оценки * ;
7) расчет границ доверительного интервала ,i s с учетом уменьшения СКО гра-
ниц распределения в sN раз за счет усреднения данных:
* * * *
0 ( ) / ,i Ix Sx Ix sm m k N * *
0 /s Sx sk N ; (8)
8) расчет границ интервала погрешности измерения
*
0 / i Sx sz k N , * * *
0 ( ) / s Ix Sx Ix sz m m k N .
Заметим, что в случае наличия корреляции между отсчетами, величина sN должна
быть уменьшена в /c sT раз, где c – интервал корреляции, а sT – длительность фрагмен-
та, содержащего sN отсчетов.
10. Пример
Для получения представления о величине возможных отличий результатов измерений с
использованием разных методик рассмотрим конкретный пример оценки напряжения го-
родской электросети.
а б
Рис. 4. Результаты измерения напряжения городской электросети на протяжении 60 ч наблюдения
(а) и соответствующее им выборочное среднее (б)
Рис. 5. Результаты измерения напряжения городской электросети на протяжении 100 c наблюдения
(а) и соответствующее им выборочное среднее (б)
ISSN 1028-9763. Математичні машини і системи, 2015, № 4 89
На рис. 4 а приведены результаты записи колебания напряжения в сети на протяже-
нии 60 ч наблюдения [1], а на рис. 5 а – начальный 100 с фрагмент этого 60-часового ин-
тервала. На рис. 4 б и 5 б изображена динамика изменения соответствующих выборочных
средних рассматриваемых процессов.
Анализ приведенной на рис. 4 а зависимости напряжения сети от времени в соот-
ветствии с методикой, описанной в п.5, показывает, что рассматриваемый процесс ( )x t яв-
но статистически неустойчивый, а интервал его статистической устойчивости s составля-
ет примерно 1 ч.
Представление об изменениях закона распределения на протяжении рассматривае-
мых 60 ч наблюдения дает рис. 6 а, а об изменениях оценки функции распределения выбо-
рочного среднего *
1
1
ixN
N
i
xm
N
– рис. 6 б.
Рис. 6. Оценки функции распределения напряжения электросети * ( )gF x на 64 прилегающих друг к дру-
гу интервалах наблюдения (а) и оценки функции распределения выборочного среднего напряжения
*
* ( )
xNm
F x при различных объемах выборки 2rN ( 8,10,12,14,16,18, 20)r (б) (толщина линий
возрастает с увеличением параметра r )
Результаты расчета различных параметров, характеризующих колебания напряже-
ния сети, с использованием рассмотренных методик измерения представлены на рис. 7.
Левая часть рис. 7, соответствующая 100-секундному интервалу наблюдения, пред-
ставляет параметры, полученные с использованием детерминированно-случайной модели
измерения и описанной в п. 3 методики, основанной на положениях теории вероятностей.
Правая часть рис. 7, соответствующая 60-часовому интервалу наблюдения, пред-
ставляет параметры, полученные с использованием детерминированно-гиперслучайной мо-
дели измерения (за исключением параметра, отмеченного тонкой стрелкой) и описанной в
п. 9 методики, основанной на положениях теории гиперслучайных явлений.
Для 60-часового интервала наблюдения размах выборки и размах выборочного
среднего вычислены по данным рис. 4 а, 4 б, а доверительный интервал (ТГСЯ), отмечен-
ный жирной стрелкой, и оценка (ТГСЯ) рассчитаны по методике, описанной в п. 9. Дове-
рительный интервал (ТВ), отмеченный тонкой стрелкой, рассчитан по методике, изложен-
ной в п. 3.
Как видно из рисунка, результаты существенно отличаются.
Параметры в левой части рисунка отражают состояние электрической сети в конкрет-
ных статистических условиях, которые имели место на рассматриваемом 100-секундном ин-
тервале наблюдения. Параметры в правой части рисунка (за исключением отмеченного тон-
кой стрелкой) представляют состояние сети во множестве различных статистических условий,
которые непрогнозируемо сменяли друг друга на протяжении рассматриваемого 60-часового
интервала наблюдения. Параметр, отмеченный тонкой стрелкой, характеризует состояние се-
90 ISSN 1028-9763. Математичні машини і системи, 2015, № 4
ти во множестве различных, но вполне конкретных, статистических условиях, которые сменя-
ли друг друга на протяжении того же 60-часового интервала наблюдения.
210
220
230
240
250
260
Р
а
зм
а
х
в
ы
б
о
р
ки
Д
о
в
е
р
и
те
л
ь
н
ы
й
и
н
те
р
в
а
л
(
Т
В
)
В
ы
б
о
р
о
ч
н
о
е
с
р
е
д
н
е
е
100 с 60 ч
О
ц
е
н
ка
(Т
Г
С
Я
)
Р
а
зм
а
х
в
ы
б
.
с
р
.
Р
а
зм
а
х
в
ы
б
.
с
р
.
Р
а
зм
а
х
в
ы
б
о
р
ки
Д
о
в
е
р
.
и
н
те
р
в
а
л
(Т
Г
С
Я
)
Д
о
в
е
р
.
и
н
те
р
в
а
л
(Т
В
)
Рис. 7. Результаты расчета параметров, характеризующих напряжение сети по данным рис. 4–6
с использованием методик измерения, основанных на положениях теории вероятностей (ТВ) и теории
гиперслучайных явлений (ТГСЯ)
Для 100-секундного интервала наблюдения наиболее информативным параметром яв-
ляется доверительный интервал, рассчитанный по методике теории вероятностей, а для 60-
часового интервала – по методике теории гиперслучайных явлений (на рис. 7 эти параметры
отмечены двумя жирными стрелками).
Для 60-часового интервала наблюдения доверительный интервал шириной 50 мВ и со
средним значением 229,4 В, рассчитанный в соответствии с теорией вероятностей (отмечен-
ный на рисунке тонкой стрелкой), совершенно не информативен, т.к. учитывает конкретную
последовательность смены условий, которая на следующих 60-часовых интервалах наблюде-
ния, скорее всего, не повторится, а доверительный интервал шириной 33 В и со средним зна-
чением 233,5 В, рассчитанный в соответствии с теорией гиперслучайных явлений (отмечен-
ный жирной стрелкой), содержит полезную для практики информацию об усредненной дина-
мике изменения напряжения сети.
Потеря полезной информации в первом случае и сохранение ее во втором связаны с
тем, что при нарушениях статистической устойчивости классическая детерминированно-
случайная модель измерения искаженно отражает реальную ситуацию, а детерминированно-
гиперслучайная модель – представляет ее адекватно.
Как следует из приведенного примера, игнорирование факта нарушений статистиче-
ской устойчивости может приводить к абсурдным результатам, в частности, к необоснован-
ному завышению оценок точности измерений.
11. Выводы
1. Установлено, что при существенных нарушениях статистической устойчивости нельзя ис-
пользовать классическую детерминированно-случайную модель измерения и основанные на
ней методики измерения.
2. Показано, что игнорирование факта нарушения статистической устойчивости может приво-
дить к абсурдным результатам, в частности, к необоснованному завышению оценок точности
измерений в сотни и более раз.
3. На основе детерминированно-гиперслучайной модели измерения разработана методика из-
мерения физических величин, учитывающая непрогнозируемые изменения статистических
условий.
ISSN 1028-9763. Математичні машини і системи, 2015, № 4 91
4. Описанная в статье методика – лишь одна из множества возможных методик, основанных
на детерминированно-гиперслучайной модели измерения. На базе этой модели могут быть
разработаны другие методики, учитывающие специфические особенности конкретных усло-
вий проведения измерений.
СПИСОК ЛИТЕРАТУРЫ
1. Горбань И.И. Феномен статистической устойчивости [Электронный режим] / Горбань И.И. – К.:
Наукова думка, 2014. – 444 с. – Режим доступа: http://www.immsp.kiev.ua/perspages/
gorban_i_i/index.html.
2. Горбань И.И. Теория гиперслучайных явлений: физические и математические основы [Элек-
тронный режим] / Горбань И.И. – К.: Наукова думка, 2011. – 318 с. – Режим доступа:
http://www.immsp.kiev.ua/perspages/gorban_i_i/index.html.
3. Горбань И.И. Феномен статистической устойчивости / И.И. Горбань // Журнал технической фи-
зики. – 2014. – Т. 84, № 3. – С. 22 – 30.
4. ГОСТ 8.207-76. Прямые измерения с многократными наблюдениями. Методы обработки резуль-
татов наблюдений. Основные положения. – М.: ИПК Издательство стандартов, 2001. – 8 с.
Стаття надійшла до редакції 02.11.2015
http://www.immsp.kiev.ua/perspages/%20gorban_i_i/index.html
http://www.immsp.kiev.ua/perspages/%20gorban_i_i/index.html
http://www.immsp.kiev.ua/perspages/%20gorban_i_i/index.html
http://www.immsp.kiev.ua/perspages/gorban_i_i/index.html
|