测量误差的处理（一）：随机误差的统计处理

测量误差的处理（一）：随机误差的统计处理

本文档详细介绍了随机误差的统计处理方法，是测量误差理论的核心内容。文档从随机误差的正态分布特征出发，系统阐述了算术平均值代替真值的原理、标准差的概念、残余误差与贝塞尔公式、以及算术平均值的标准差与测量次数的关系。

核心内容

随机误差的正态分布

随机误差具有四个特征：单峰性、有界性、对称性、抵偿性。当测量次数足够多时，随机误差服从正态分布，其概率密度函数为：

算术平均值代替真值

由于真值不可知，用多次测量的算术平均值作为真值的最佳估计：

标准差

标准差反映随机误差的分布范围，σ越小，测量精度越高。

残余误差与贝塞尔公式

残余误差 $v_i=x_i-\overline{x}$，由贝塞尔公式计算标准差的估计值：

分母为n-1而非n，因为残余误差之和为零，存在一个约束条件。

算术平均值的标准差

算术平均值的标准差与单次测量标准差的关系为：

当n>10时，精度提升效果显著递减，建议取n=5~10。

与现有Wiki的关联

本文档为测量误差、真值、准确度-精密度-精确度等现有条目提供了更详细的数学处理方法，并引入了残余误差、贝塞尔公式、算术平均值的标准差等新概念。