26,395
次編輯
變更
偶然误差
,创建页面，内容为“{| class="wikitable" align="right" |- | style="background: #66CCFF" align= center| '''<big>偶然误差</big> ''' |- |[[File:|缩略图|居中|[ 原图链接]]]…”
{| class="wikitable" align="right"
|-
| style="background: #66CCFF" align= center| '''<big>偶然误差</big> '''
|-
|[[File:|缩略图|居中|[ 原图链接]]]
|-
| style="background: #66CCFF" align= center|
|-
| align= light|
|}
随机误差也称为'''偶然误差'''和不定误差，是由于在测定过程中一系列有关因素微小的随机波动而形成的具有相互抵偿性的误差。其产生的原因是分析过程中种种不稳定随机因素的影响,如室温、相对湿度和气压等环境条件的不稳定,分析人员操作的微小差异以及仪器的不稳定等。随机误差的大小和正负都不固定,但多次测量就会发现,绝对值相同的正负随机误差出现的概率大致相等,因此它们之间常能互相抵消,所以可以通过增加平行测定的次数取平均值的办法减小随机误差。<ref>[ ], , --</ref>
==定义==
随机误差（又称偶然误差）是指测量结果与同一待测量的大量重复测量的平均结果之差。
“同一待测量的大量重复测量的平均结果”指在重复条件下得到待测量的期望值或所有可能测得值的平均值。
它的特点：大小和方向都不固定，也无法测量或校正。随机误差的性质是：随着测定次数的增加，正负误差可以相互抵偿，误差的平均值将逐渐趋向于零。
==特征==
即使测试系统的灵敏度足够高，在相同的测量条件下，对同一量值进行多次等精度测量时，仍会有各种偶然的，无法预测的不确定因素干扰而产生测量误差，其绝对值和符号均不可预知。
虽然单次测量的随机误差没有规律，但多次测量的总体却服从统计规律，通过对测量数据的统计处理，能在理论上估计起对测量结果的影响。
随机误差不能用修正或采取某种技术措施的办法来消除。
==产生因素==
其产生因素十分复杂，如电磁场的微变，零件的摩擦、间隙，热起伏，空气扰动，气压及湿度的变化，测量人员的感觉器官的生理变化等，以及它们的综合影响都可以成为产生随机误差的因素。
==抽样误差==
在随机误差中，最重要的是抽样误差。我们从同一总体中随机抽取若干个大小相同的样本，各样本平均数（或平均率）之间会有所不同。这些样本间的差异，同时反映了样本与总体间的差异。它是由于从总体中抽取样本才出现的误差，统计上称为抽样误差（或抽样波动）。例如，抽样误差在医学生物实验中最主要的来源是个体的变异。所以这是一种难以控制的、不可避免的误差。但抽样误差是有一定规律的。研究和运用抽样误差的规律,是根据样本估计总体时所必须领会的基本概念之一，也是医学统计学的重要内容之一。
==实验误差==
随机误差中还包括重复误差。它是由于对同一受试对象或检样采用同一方法重复测定时所出现的误差。如用天平称同一个烧杯的重量，重复测定多次，其结果会有某些波动。控制重复误差的手段主要是改进测定方法，提高操作者的熟练程度。重复是摸清实验误差大小的手段，以便分析和减少实验误差。
==统计规律==
测量值的随机误差分布规律有正态分布、t分布、三角分布和均匀分布等，但测量值大多数都服从正态分布，在此主要以正态分布为主进行介绍。
测量值的随机误差δ是随机变量，它的概率分布密度函数为：
P(δ)=exp[-δ^2/(2*σ^2)]/[σ√(2*pi)]
式中 exp（）表示以e为底的指数函数，pi表示圆周率，σ表示随机误差的标准偏差。√表示根号
随机误差具有以下规律：
（1）大小性：绝对值小的误差出现的概率比绝对值大的误差出现的概率大。
（2）对称性：绝对值相等的正误差和负误差出现的概率相等。
（3）有界性：绝对值很大的误差出现的概率近于零。误差的绝对值不会超过某一个界限。
（4）抵偿性：在一定测量条件下，测量值误差的算术平均值随着测量次数的增加而趋于零。
== 参考来源 ==
{{reflist}}
[[Category: ]]
|-
| style="background: #66CCFF" align= center| '''<big>偶然误差</big> '''
|-
|[[File:|缩略图|居中|[ 原图链接]]]
|-
| style="background: #66CCFF" align= center|
|-
| align= light|
|}
随机误差也称为'''偶然误差'''和不定误差，是由于在测定过程中一系列有关因素微小的随机波动而形成的具有相互抵偿性的误差。其产生的原因是分析过程中种种不稳定随机因素的影响,如室温、相对湿度和气压等环境条件的不稳定,分析人员操作的微小差异以及仪器的不稳定等。随机误差的大小和正负都不固定,但多次测量就会发现,绝对值相同的正负随机误差出现的概率大致相等,因此它们之间常能互相抵消,所以可以通过增加平行测定的次数取平均值的办法减小随机误差。<ref>[ ], , --</ref>
==定义==
随机误差（又称偶然误差）是指测量结果与同一待测量的大量重复测量的平均结果之差。
“同一待测量的大量重复测量的平均结果”指在重复条件下得到待测量的期望值或所有可能测得值的平均值。
它的特点：大小和方向都不固定，也无法测量或校正。随机误差的性质是：随着测定次数的增加，正负误差可以相互抵偿，误差的平均值将逐渐趋向于零。
==特征==
即使测试系统的灵敏度足够高，在相同的测量条件下，对同一量值进行多次等精度测量时，仍会有各种偶然的，无法预测的不确定因素干扰而产生测量误差，其绝对值和符号均不可预知。
虽然单次测量的随机误差没有规律，但多次测量的总体却服从统计规律，通过对测量数据的统计处理，能在理论上估计起对测量结果的影响。
随机误差不能用修正或采取某种技术措施的办法来消除。
==产生因素==
其产生因素十分复杂，如电磁场的微变，零件的摩擦、间隙，热起伏，空气扰动，气压及湿度的变化，测量人员的感觉器官的生理变化等，以及它们的综合影响都可以成为产生随机误差的因素。
==抽样误差==
在随机误差中，最重要的是抽样误差。我们从同一总体中随机抽取若干个大小相同的样本，各样本平均数（或平均率）之间会有所不同。这些样本间的差异，同时反映了样本与总体间的差异。它是由于从总体中抽取样本才出现的误差，统计上称为抽样误差（或抽样波动）。例如，抽样误差在医学生物实验中最主要的来源是个体的变异。所以这是一种难以控制的、不可避免的误差。但抽样误差是有一定规律的。研究和运用抽样误差的规律,是根据样本估计总体时所必须领会的基本概念之一，也是医学统计学的重要内容之一。
==实验误差==
随机误差中还包括重复误差。它是由于对同一受试对象或检样采用同一方法重复测定时所出现的误差。如用天平称同一个烧杯的重量，重复测定多次，其结果会有某些波动。控制重复误差的手段主要是改进测定方法，提高操作者的熟练程度。重复是摸清实验误差大小的手段，以便分析和减少实验误差。
==统计规律==
测量值的随机误差分布规律有正态分布、t分布、三角分布和均匀分布等，但测量值大多数都服从正态分布，在此主要以正态分布为主进行介绍。
测量值的随机误差δ是随机变量，它的概率分布密度函数为：
P(δ)=exp[-δ^2/(2*σ^2)]/[σ√(2*pi)]
式中 exp（）表示以e为底的指数函数，pi表示圆周率，σ表示随机误差的标准偏差。√表示根号
随机误差具有以下规律：
（1）大小性：绝对值小的误差出现的概率比绝对值大的误差出现的概率大。
（2）对称性：绝对值相等的正误差和负误差出现的概率相等。
（3）有界性：绝对值很大的误差出现的概率近于零。误差的绝对值不会超过某一个界限。
（4）抵偿性：在一定测量条件下，测量值误差的算术平均值随着测量次数的增加而趋于零。
== 参考来源 ==
{{reflist}}
[[Category: ]]