LabVIEW数据处理中30σ准则的应用

对多次重复测量得到的数据进行分析处理时,适当地应用3σ准则,可以有效地判别并剔除粗大误差.采用了常用的统计判别3σ准则,并以电子称量虚拟仪器系统为例,论述了在LabVIEW程序中如何使用3σ准则来进行粗大误差的判别和剔除.实际应用表明,系统运行稳定可靠,可使得最终得到的测量结果更真实、更准确,适合在易产生粗大误差的测试环境中采用.     

高分子科学实验中异常数据的判别与剔除

简单介绍了对测量值中异常数据进行判别与剔除的三种统计判别方法——3σ准则、格鲁布斯准则和Q检验方法的基本原理,并以高分子科学实验中的两个实例为代表,应用Visual Basic for Applica-tions(VBA)编写的程序模块,对测量值中异常数据的判别与剔除进行了详细讨论。     

计量检定中3种判别和剔除异常值的统计方法

检定人员在日常计量检定的数据处理中,为使预处理的检定数据能准确地反映实际测量结果,需要熟练掌握一些判别和剔除异常值的统计方法。该文结合对标称值为5g的砝码进行测量次数为20次的计量检定实例,分别采用3种数学统计学中的判别和剔除异常值的方法(拉依达准则、格拉布斯准则和狄克逊准则),对比分析后发现:拉依达准则一般适用于n50的情况;当统计单个异常值并且n处于[3,50]区间情况下,格拉布斯准则法剔除效果较好;狄克逊准则适用于对多个异常值的剔除。当对统计数值有较高要求时,可以3种统计方法同时进行,但是当出现既可能是异常值又可能不是异常值的情况时,该可疑值应该保留,不予以剔除。     

浅谈狄克逊准则巧记方法

正狄克逊准则是在测量过程中进行数据处理判别异常值的一种方法,它属于统计判别法。在一、二级注册计量师考试中,对狄克逊准则的记忆是一个难点,很多考生会因为狄克逊准则公式多、比较难记从而放弃。通过对整个公式的观察,总结规律,四步即可将准则默写出来,具体方法如下。第一步:根据n值的大小进行分类,记住γ和γ的下标值,默写出以下公式。     

极差法剔除坏值及其不确定度的估计

在处理一列测量数据时,如果其中有粗差未予剔除或将一些误差较大而不属粗差的观测值剔除,都会歪曲了测量结果,所以首先需要判别测量列中是否包含有粗差的观测值。供判别粗差的一些熟知法则有:莱依达法则、肖维勒法则和文中给出的较好 t 判别法,本文再介绍一个简便的判别法——狄克逊法则,然后再谈如何用极差计算随机不确定度的方法。一、剔除坏值对某一个量同一条件下,独立测得 n 个值:     

一级注册计量师习题解答思路(六)

第三章计量综合知识四、案例分析题案例1:重复测量某一电阻之值共n=10次,其10个结果从小到大排为:10.0003Ω、10.0004Ω、10.0004Ω、10.0005Ω、10.0005Ω、10.0005Ω、10.0006Ω、10.0006Ω、10.0007Ω、10.0012Ω。用狄克逊准则判别异常值,并用格拉布斯准则判别以作比较。案例分析:①采用狄克逊准则判别     

稳健统计与格拉布斯准则在能力验证结果分析中的应用

分别运用稳健统计（四分位和迭代）法、格拉布斯准则剔除离群值后用经典统计法对热轧带肋钢筋的6组数据进行了统计分析。结果表明:数据组中Z比分值大于5的数据,为离群值。数据组总体服从正态分布或接近正态分布的,3种统计方法结果基本吻合;不存在离群数据的情况下,建议采用稳健统计（四分位或迭代）法进行统计;存在离群数据的情况下,应采用格拉布斯准则剔除离群值后用经典统计法进行统计。对于数据明显偏离正态分布的,不存在离群数据的情况下,建议采用迭代稳健统计法进行统计;存在离群数据的情况下,应采用格拉布斯准则剔除离群值后用经典统计法进行统计。     

孔组复合位置度误差的评定和判别

本文探讨孔组复合位置度误差最小条件的判别准则和评定方法。一、判别准则实现孔组复合位置度误差最小条件的两个关键问题是:(1)如何判别误差达到了最小(判别准则);(2)如何求得这一最小值(评定方法)。我们首先讨论第一个问题。孔组的理论位置和测量偏差可以用直角坐标,也可用极坐标表示。     

利用DPS剔除测量数据中的异常值

本文简述判别测量值异常的三种统计学方法,并结合实例介绍如何利用DPS软件发现及剔除实验数据中异常值,该方法简单、直观、快捷,适合学生用于物理实验的数据处理和分析.     

多传感器测量数据预处理

传统传感器测量数据处理方法只采用算术平均值的数字滤波法，虽然这种方法具有一定的抗干扰性，但从统计理论和实际应用情况分析来看，这种方法处理的数据不是测量结果的最好表示，尤其对于多传感器测量情况甚至更糟糕。针对这种情况提出了通过2次利用偏度分析建立动态检测门限判别并剔除粗差，再进行数据融合的分批估计方法．数据分析结果表明。这样处理后的数据测量误差和方差均更小，测量结果更接近测量真值。     

基于模糊判别准则的马田系统基准空间优化

应用模糊数学及稳健性设计原理,从理论上证明了望大特性模糊稳健性判别准则能同时使均值达到最大和方差达到最小,其效果与望大特性信噪比稳健性判别准则一致.通过实例,分别使用两个判别准则对马田系统基准空间进行优化,得到了一致的最优方案.     

格拉布斯准则剔除的值必然被t检验（罗马诺夫斯基）准则剔除的探讨

从计算标准偏差的严格的较差公式出发，比较两个检验准则所用的标准偏差与临界值之间的关系，可以看出：凡是被格拉布斯准则剔除的值，必然会被ｔ检验准则剔除，即后的保留数据域较窄。     

图像处理在微小尺寸测量中的应用研究

介绍图像测晕系统的基本原理和结构,以及在微小尺寸测量中常用的罔像处理方法和步骤.采用在灰度图像下利用罗森菲尔德算法直接提取边缘,避免设定阈值所带来的误差影响,并利用准则剔除粗大误差.最后通过实例来验证了该方法是可行的.     

基于EXCEL的异常值快速准确判别与剔除

基于EXCEL以格拉布斯检验法为依据,构建了一套快速准确实用的异常值判别与剔除系统,并对其进行对比验证,证明了利用本系统进行异常值判别与剔除的准确性和可靠性。系统具有界面友好、操作简单、实用方便的特点,为异常值判别与剔除提供了一个快速准确实用的方案。     

巧记狄克逊准则

正在注册计量师的学习教材中,介绍了3种判别异常值的统计方法,但有时我们会因为狄克逊准则公式多、难记而放弃。下面我给大家介绍一下狄克逊准则的规律,这样记住狄克逊准则就很容易了。首先将重复观测值按由小到大的规律排列为:     

圆弧多点测量中粗差的特殊影响和检查

本文指出圆弧多点测量中粗差影响的特殊性，必须引起精测人员的充分重视，并介绍用微机辅助检查判别和剔除粗差的实用方法。     

工程技术领域等精度数据异常值判定系统

论文设计了一个通用的异常值判定系统,用于判定测量和加工制造等工程技术领域中的等精度数据中的异常值。用莱以达准则、肖维勒准则、格达布斯准则和罗曼诺夫斯基准则剔除等精度数据中的异常值。给出了系统实现方法、组成模块及其功能、数据整体分布图形,给出了一个计算实例。系统具有快速、可靠、方便等优点。     

运用Excel实现粗大误差的自动检测和最佳方程的拟合

本文分为两部分.从介绍判别粗大误差的方法开始,然后选择典型实例,运用Excel软件编辑程序,实现粗大误差自动检测,并通过线性拟合方法显示最佳测量方程.本方法基于Excel软件强大的数据库函数,启用了相关的宏,在Windows环境下双击即可运行.当相应数据栏中出现"FALSE"字样时,表示该组数据存在粗大误差,应予以剔除.     

采用统计方法减小黑体辐射源比较分度噪声等效温差

分析了黑体辐射源比较测量过程的特点,采用消除辐射温度计线性漂移的比较测量方法,抑制辐射温度计输出非线性漂移和随机噪声影响统计平均处理方法,减小辐射温度计的噪声等效温差.使用不同的统计平均数量,得到相应测量条件下黑体辐射源比较分度的测量水平.测量结果中噪声等效温差可以优于0.01℃.统计处理方法不仅可以应用在黑体辐射源比较分度中,而且可以扩展应用在与黑体辐射源比较分度类似比较测量过程.     

基于目标轮廓的附着物定位与剔除方法

工业现场清洁过的微型工件表面仍会有少量灰尘、发屑等附着物存在,在微型工件的视觉检测系统中会因其改变提取的目标轮廓而影响检测结果.为此,以灰尘与工件存在较小差异的任意位置和形状的一类附着物为考察对象,以区域生长提取的目标轮廓为先验背景,研究附着物定位与剔除算法.首先,荻取沾染附着物的工件图像,采用基于区域的分割算法做处理,以建立工件轮廓的先验知识;其次,从曲率角度定位附着物轮廓角点,以此剔除附着物轮廓;最后,根据先验知识自动修复断开的外轮廓.实验结果显示,加入附着物去除与修复算法后测量精度没有降低,测量结果误差6 μm以内,图像边缘的定位准确度能够给予保证.表明所研究的附着物定位与剔除方法使检测系统在允许微小附着物存在并且不影响测量精度的情况下,实现了目标轮廓的正确判别,提高了视觉检测系统的可靠性.