Cтраница 1
Априорная оценка погрешностей производится также с целью изучения возможностей средства измерений данного типа при его использовании для измерений. [1]
Однако при априорной оценке погрешности, планировании измерений оказывается очень полезным оценить случайную погрешность расчетным путем. [2]
Измерения с априорной оценкой погрешностей, называемые техническими, проводят по стандартизованным методикам. При этом обработка экспериментальных данных бывает минимальной, а погрешность измерения оценивают заранее, в рамках аттестации методики выполнения измерений. Средняя категория - измерения с приближенной оценкой погрешностей по экспериментальным данным - включает в себя многие контрольно-поверочные измерения, а также часть измерений по стандартизованным методикам, если один или несколько существенных факторов не удовлетворяют требованиям методики. При этом обработка данных может быть более сложной, чем при технических измерениях, с учетом сведений о типовых свойствах средств измерений и приближенных оценок основных влияющих величин. [3]
Измерения с априорной оценкой погрешностей отличаются от рассмотренных выше тем, что при их проведении, и в особенности подготовке, чрезвычайно важна априорная информация, в первую очередь, об измеряемой величине. Необходимо определить диапазон возможных значений конкретной измеряемой величины, поскольку от ширины этого диапазона зависит качество априорной оценки погрешности результата измерения. Если указанный диапазон не удается найти, то приходится использовать при оценке погрешности данные о диапазоне измерений, взятые из нормативно-технической документации на применяемые средства измерений. При этом, естественно, априорная оценка ( как обычно, оценка сверху) оказывается во многих конкретных случаях завышенной. [4]
Для теоретического исследования итерационных методов выводят априорные оценки погрешности, позволяющие еще до вычислений дать некоторое заключение о качестве метода. Практическая реализация итерационных методов всегда связана с необходимостью выбора критерия окончания итерационного процесса. Для формирования критерия окончания по достижении заданной точности используют апостериорные оценки погрешности, в которых погрешность оценивается через известные или получаемые в ходе вычислительного процесса величины. [5]
При k 1 неравенство (3.202) дает априорную оценку погрешности &-го приближения. [6]
Обычно в качестве такой дополнительной информации выступают априорные оценки погрешности наблюдений, полученные, например, из анализа погрешности измерения. [7]
Для определения порядка метода р необходимо проведение априорной оценки погрешности, что не всегда легко осуществить. [8]
У подынтегральной функции даже первая производная не ограничена, поэтому все приведенные ранее априорные оценки погрешности неприменимы. Мы не знаем, каков здесь эффективный порядок точности каждой из рассмотренных ранее формул численного интегрирования. [9]
В отношении полноты ( тщательности) оценивания точности обычно выделяют три категории измерений: с точной апостериорной, приближенной апостериорной и априорной оценкой погрешностей. К первой категории относятся измерения, проводимые при метрологических исследованиях, а также особо ответственные измерения, осуществляемые с помощью рабочих средств. При этом обработка данных выполняется наиболее точно, с учетом индивидуальных свойств используемых средств измерений и результатов дополнительных измерений, выполняемых для контроля условий измерений. [10]
В первом случае ( при решении первой задачи), аттестация МВИ - это исследования, направленные на априорную оценку погрешностей измерений, которые могут и будут выполняться по данной МВИ ( методом, средствами и по правилам, регламентированным МВИ), и выдача документа ( аттестата) с указанием полученных результатов. [11]
Автором и Атанбаевым1161 разработан метод решения условно корректных задач эволюционного типа на основе применения метода минимальных невязок для всей пространственно-временной области определения решения. Регуляризация в этом методе производится за счет выбора оптимального числа шагов итерационного процесса на основе априорной оценки погрешностей во входных данных. [12]
Автором и С. А. Атанбаевым [16] разработан метод решения условно корректных задач эволюционного типа на основе применения метода минимальных невязок для всей пространственно-временной области определения решения. Регуляризация в этом методе производится за счет выбора оптимального числа шагов итерационного процесса на основе априорной оценки погрешностей во входных данных. [13]
Измерения с априорной оценкой погрешностей отличаются от рассмотренных выше тем, что при их проведении, и в особенности подготовке, чрезвычайно важна априорная информация, в первую очередь, об измеряемой величине. Необходимо определить диапазон возможных значений конкретной измеряемой величины, поскольку от ширины этого диапазона зависит качество априорной оценки погрешности результата измерения. Если указанный диапазон не удается найти, то приходится использовать при оценке погрешности данные о диапазоне измерений, взятые из нормативно-технической документации на применяемые средства измерений. При этом, естественно, априорная оценка ( как обычно, оценка сверху) оказывается во многих конкретных случаях завышенной. [14]
Методы получения различных оценок погрешностей можно разбить на четыре группы: аналитические, алгоритмические или программные, статистического моделирования и комбинированные. При аналитическом способе путем проведения аналитических оценок с применением определенных априорных сведений о свойствах исходных данных и решений задачи находятся априорные оценки погрешностей. Качество оценок здесь определяется искусством исследователя и количеством априорных сведений. В сложных случаях задачи получения требуемых оценок погрешностей целесообразно решать при помощи соответствующей библиотеки оценочных стандартных программ на ВМ. Разработка и применение таких программ составляют суть алгоритмического или программного метода. Для получения статистических оценок погрешностей полезно применять метод статистического моделирования [40, 276, 159] и для набора статистик применять числовой эксперимент. Наиболее эффективным оказывается комбинированный метод, когда весь алгоритм решения задачи расчленяется на части, для каждой из которых может быть с успехом применен один из четырех методов. [15]