误差认识论与测量理论.pptVIP

它表达的是测量结果的误差Y存在于一个以0为数学期望以标准差为σ(Y)的概率区间内，这个标准差就是标准不确定度。这个例子中，σ(Y)是由计量检测资料σ(C)、σ(R)、σ(Z)导出的，这也就是计量检测的作用。改正不能根除误差由于传统的误差分类主义认识论，人们通常在系统误差可以改正和随机误差不能改正中纠结。系统误差既然可以检测出来那就把它改了不就没有了吗？仪器制造者怎么连加减法都不会做呢？实际上，仪器制造领域和测绘领域应该是最容易沟通的二个领域，它们所面对的测量问题完全相同，对误差所采取的应对策略也完全相同。跟测绘领域提交的测量结果的误差一样，那些仪器检测中发现的所有误差都是他们采取各种误差处理措施后的残留误差，或叫所谓随机误差而已。譬如：在仪器生产厂的一个经纬仪的横轴调校工位上。企业给工人师傅下达的限差标准不可能是绝对0秒，因为没有人能够把横轴误差改正到绝对0秒；而且即使改正到近似0秒也没有实际意义，因为经过一段时间后检测会发现，那些曾经改正到近似0秒的横轴误差几乎都不再是近似0秒，而是服从于一个以0秒为期望的随机分布。再譬如：测距仪加乘常数误差、钟表的运行误差、量块的标称误差等，本来就是上游的制造者经过改正或校正处理后的残余误差。因为没有人能把误差改正到绝对0，所以制造者通常给出其限差范围，譬如：标准差±1mm、标准差±1ppm、最大允许误差±15秒/天、最大允许误差±0.01mm等。这些标准差和最大允许误差恰恰就是随机分布区间的表达，是通过大量检测样本统计而给出的。仪器设备制造领域的这些表达方法和测绘领域用标准差表达珠峰高程的精度显然是完全一致的！误差改正当然也是仪器设计制造者对付误差的首选项误差改正永远有残剩因为误差的真值不可知、误差也不稳定和检测也有误差等原因，当误差小到一定程度的时候，残剩误差将不能通过改正而继续减少，继续改正就已经没有了意义。所以，不论是测绘还是仪器制造，谁也不能确保其测量误差为0，只能承诺其误差在一个可以预测的概率区间内。这也是误差理论的基本哲学，也是诸如测距仪加乘常数误差、全站仪轴系误差等必须存在的理由。前边加乘常数误差的限差问题的学派争执中有四个错误点：加乘常数误差不影响精度的说法与事实不符，它们事实上是影响导线网精度的；加乘常数误差是仪器制造者的输出误差，既是偏差，也遵循随机分布。把它们归类为系统误差实质是否定了它们遵循随机分布；任何误差都是偏差，只要已知了都可以改，不仅仅限于所谓的系统误差；加乘常数误差本来就是仪器制造者经过改正处理后的残余误差，因为没有人能把误差改正到绝对0，继续纠缠改正已经没有什么意义了。那么在推翻了误差分类理论后的误差认识论将如何解释打靶例子呢？传统误差理论的教科书都经常用打靶例子解释误差分类、解释系统误差和随机误差不能合成只能以精度和准确度定性评价精确度。01在打靶例子的解释中，传统教科书都只观察了一支枪的重复射击，因而把枪支瞄准器的误差归类为系统误差。前边已经说过，造成系统误差印象的根源是子样本问题。02打靶理论的重新解释而站在一批枪支的角度，瞄准器偏差仍然遵循一个随机分布，那么其标准差所表达的含义：任意挑选的一支枪的瞄准器偏差的未知程度。而射击总误差来自人的瞄准误差和瞄准器误差的合成，所以至少是一个二元随机变量问题。要获得任意一枪任意一弹下的命中概率区间评价就必须使用足够多的枪支且每支枪涉及足够多的子弹，以所有样本合并后的弹孔密度分布区间来评价任意一枪任意一弹下的命中概率区间。采用误差分析则数学过程如下：这就是任意一枪任意一弹下的命中概率区间的定量评价值。可见系统误差和随机误差不能合成原本就是一个伪命题。01这和传统教科书的精度、准确度定性评价精确度的解释当然就决然不同了。021、误差分类认识论根源---盲人摸象。因为测量专业分工，测量者通常只站在自己的测量领域看问题。误差分类定义存在二种解释：上游解释和下游解释。2、误差都是偏差且都遵循随机分布关键点是，误差不仅仅只是下游测量的误差源，而且更重要的是，误差还是更上游测量的结果误差。已知误差不是误差，是测量结果的概念范畴。误差样本和误差也有概念区别。随机分布是指概率分布，指误差值存在于一个有限的概率区间内，并不一定表示误差必须随时间随机地变化。遵循随机分布与表现某种规律性是不存在矛盾的。所有误差都可以以标准差来评价其未知程度。计量检测不能变误差为已知计量检测得到的误差值是用于统计评价的抽样值，计量检测的主要任务是做可靠性评价，而不是做误差改正的。计量只是把误差检测出来而没有改正使其灭失，就不能说它是已知误差。只有马上改正灭失的误差才是已知误差，改正灭失了的误差属于测量结果的组成