त्रुटि के प्रकार: व्यवस्थित यादृच्छिक, निरपेक्ष, अनुमानित

एक सटीक विज्ञान होने के नाते, गणित एक विशिष्ट उदाहरण के peculiarities पर विचार किए बिना सामान्य करने के लिए स्थितियों लाने बर्दाश्त नहीं करता है। विशेष रूप से, यह गणित, भौतिक विज्ञान में करने के लिए असंभव है, सही माप सचमुच है "आँख से", नहीं एक ही समय त्रुटि प्रदर्शित होने पर ध्यान में रखते हुए।

इसके बारे में क्या है?

त्रुटियों के विभिन्न प्रकार के वैज्ञानिकों ने पाया गया है इसलिए आज हमने सुरक्षित रूप से कह सकते हैं कि कोई भी दशमलव स्थान ध्यान के बिना नहीं रहता। बेशक, यह, नहीं तो इस ग्रह पर हर किसी के असंभव है, गोलाई के बिना, और केवल उस खाते पर कर रही है, हजारवें और दस हजारवें हिस्से में गहरी जा रहा है। के रूप में जाना जाता है, कई नंबर अवशेषों और प्रयोगों के दौरान प्राप्त माप के बिना एक-दूसरे से विभाजित नहीं किया जा सकता - अलग-अलग टुकड़ों में विभाजित करने के लिए उन्हें मापने के लिए एक सतत प्रयास।

लगभग सटीकता और कंप्यूटिंग वास्तव में के रूप में यह मुख्य मापदंडों में से एक है, डेटा की शुद्धता के बारे में बात करने के लिए अनुमति देता है, बहुत महत्वपूर्ण है। त्रुटियों के प्रकार के कितने करीब वास्तविकता के आंकड़े दर्शाते हैं। मात्रात्मक अभिव्यक्ति माप अनिश्चितता का सवाल है - कि क्या दिखाता है कि कैसे वफादार परिणाम आया है। इसके बाद के संस्करण, अगर त्रुटि की सटीकता छोटी थी।

विज्ञान के नियमों

त्रुटि के वर्तमान में मौजूदा सिद्धांत में बल में पाया कानूनों के अनुसार, एक स्थिति में जहाँ परिणाम की सटीकता से अधिक उपलब्ध है होना चाहिए, आधा प्रयोगों की संख्या चौगुनी करने की है। इस मामले में जहां सटीकता तीन बार बढ़ जाती है में, प्रयोगों से अधिक 9 गुना होना चाहिए। अपवर्जित व्यवस्थित त्रुटि।

मैट्रोलोजी मापन त्रुटियों पर विचार करता है सबसे महत्वपूर्ण चरण हैं, जो मदद पता लगाने की क्षमता सुनिश्चित से एक है। ध्यान में रखा जाना करने के लिए है: सटीकता कारकों की एक विस्तृत श्रृंखला से प्रभावित है। यह एक बहुत ही जटिल वर्गीकरण प्रणाली परंतुक कि यह सशर्त है साथ ही संचालन के विकास का मार्ग प्रशस्त। असली शर्तों के तहत, परिणाम दृढ़ता से निर्भर न केवल प्रक्रिया के निहित त्रुटि पर, लेकिन यह भी विश्लेषण के लिए जानकारी प्राप्त करने की प्रक्रिया की विशेषताओं पर कर रहे हैं।

ग्रेडिंग प्रणाली

आधुनिक विद्वानों द्वारा उत्सर्जित त्रुटियों के प्रकार:

• पूर्ण;
• रिश्तेदार;
• कम कर दिया।

क्या गणना की अशुद्धि, प्रयोगों के लिए कारण हैं के आधार पर करता है, तो आप अन्य समूहों में इस श्रेणी विभाजित कर सकते हैं,। यह कहा जाता है वहाँ थे कि:

• व्यवस्थित त्रुटि;
• दुर्घटना।

पहले मान निरंतर माप प्रक्रिया की विशेषताओं पर निर्भर करता है और अपरिवर्तित रहता है यदि निम्न जोड़तोड़ से प्रत्येक के लिए की स्थिति में कोई बदलाव नहीं है।

लेकिन यादृच्छिक त्रुटि, बदला जा सकता है परीक्षण को दोहराता है, तो इसी तरह के अध्ययन में एक ही उपकरण का उपयोग किया है और पहले की अवधि के समान परिस्थितियों में।

व्यवस्थित, यादृच्छिक त्रुटि एक साथ होते हैं और किसी भी परीक्षण में हैं। यादृच्छिक चर का मान, पहले से ज्ञात नहीं है, क्योंकि यह अप्रत्याशित कारकों भड़काती है। अक्षमता को बाहर करने के बावजूद एल्गोरिदम इस मात्रा विकसित कम। वे डेटा जांच के दौरान प्राप्त प्रसंस्करण के स्तर पर किया जाता है।

व्यवस्थित यादृच्छिक स्पष्ट रूप से भिन्न स्रोतों के साथ तुलना में, अपने ट्रिगर। यह पहले से पता चला है और उसके कारणों के साथ पंजीकृत संबंध में वैज्ञानिकों द्वारा समीक्षा की जा सकती है।

और अगर आप अधिक समझते हैं?

अवधारणा की पूरी समझ है के लिए, यह त्रुटियों की न केवल प्रकार पता करने के लिए आवश्यक है, लेकिन यह भी क्या इस घटना के घटक हैं। गणित विलग घटक निम्नलिखित:

• प्रक्रिया के साथ जुड़े;
• उपकरण की वजह से;
• व्यक्तिपरक।

गणना त्रुटियों जनरेट कर रहा है, ऑपरेटर ठोस, अपनी विशिष्ट, व्यक्तिगत विशेषताओं पर निर्भर करता है। यही कारण है कि वे त्रुटि के एक व्यक्तिपरक घटक है कि जानकारी विश्लेषण की सटीकता का उल्लंघन करता है के रूप में। फ्रेम संकेत की शुरुआत के साथ जुड़े त्रुटियों में - शायद कारण अनुभव की कमी है, कभी कभी है।

अधिकतर त्रुटि गणना खाते में अन्य दो अंक ले जाता है, कि महत्वपूर्ण भूमिका निभाई और व्यवस्थित है।

महत्वपूर्ण अवयव

प्रेसिजन और सटीकता - अवधारणा, न तो भौतिक विज्ञान है और न ही गणित, और न ही अन्य प्राकृतिक और सटीक विज्ञान के एक नंबर, उन पर आधारित है जो बिना।

यह याद रखा जाना चाहिए सभी तरीकों मानव जाति के लिए जाना जाता पुनः प्राप्त है कि प्रयोगों के डेटा के त्रुटिपूर्ण हैं। यह वही व्यवस्थित त्रुटि है, जो से बचने के लिए पूरी तरह से असंभव है उकसाया है। यह भी गणना को अपनाया और गणना के फार्मूले में निहित अनिश्चितताओं की प्रणाली से प्रभावित है। बेशक, उनके प्रभाव और परिणाम दौर की जरूरत है।

भूलों, यानी त्रुटि है, जो के कारण आवंटन - .. प्रयोग के दौरान ऑपरेटर, साथ ही विफलता, उपकरणों की गलत आपरेशन या एक अप्रत्याशित स्थिति की घटना के अनुचित व्यवहार।

मोटे त्रुटि मान डेटा का विश्लेषण और जब विशिष्ट मानदंडों के साथ डेटा की तुलना गलत मान की पहचान करके संभव पता लगाने के लिए।

क्या आज बात गणित, भौतिक विज्ञान? त्रुटि निवारक उपाय से बचा जा सकता। कई तर्कसंगत इस अवधारणा को कम करने के तरीकों का आविष्कार किया। ऐसा करने के लिए एक या एक और पहलू खराब का परिणाम के लिए अग्रणी को हटा दें।

वर्गीकरण और वर्गीकरण

त्रुटियां हैं:

• पूर्ण;
• व्यवस्थित;
• यादृच्छिक;
• रिश्तेदार;
• पेश;
• उपकरण;
• थोक;
• अतिरिक्त;
• व्यवस्थित;
• व्यक्तिगत;
• स्थिर;
• गतिशील।

फॉर्मूला त्रुटि विभिन्न प्रजातियों के लिए अलग है, के बाद से में प्रत्येक मामले को ध्यान में डेटा अशुद्धियों के गठन को प्रभावित करने वाले कारकों की एक संख्या लेता है।

अगर हम तो ऐसे शर्तों के तहत, गणित के बारे में बात केवल सापेक्ष और निरपेक्ष त्रुटि फेंकना। लेकिन जब बातचीत का एक पूर्व निर्धारित समय अंतराल में परिवर्तन, हम गतिशील, स्थिर घटकों के बोल सकते हैं।

फॉर्मूला त्रुटि है कि खाते में बाहरी शर्तों के साथ लक्ष्य की बातचीत लेता है, अतिरिक्त पंजीकरण होता है, बुनियादी आंकड़े। एक विशेष प्रयोग के लिए इनपुट डेटा की निर्भरता गुणक त्रुटि या additive के बारे में बात की जाएगी।

पूर्ण

यह शब्द आमतौर पर समझा डेटा, गणना की जाती है कि प्रयोग के दौरान लिए गए वैध दरों के बीच अंतर की रिहाई। यह निम्नलिखित सूत्र द्वारा आविष्कार किया गया था:

एक Qn = Qn - एक Q0

एक Qn - वांछित डेटा, Qn - प्रयोग में पहचान, और शून्य - इस बुनियादी आंकड़े जो तुलना की जाती है।

ऊपर

यह शब्द है जो निरपेक्ष त्रुटि और आदर्श के बीच अनुपात को व्यक्त करता है एक मूल्य मतलब करने के लिए लिया जाता है।

इस प्रकार की त्रुटि की गणना में न केवल उपकरणों के साथ जुड़े कमियों प्रयोग में शामिल काम कर रहे हैं, लेकिन methodological घटक है, साथ ही उनकी गिनती की अनुमानित त्रुटि। बाद के मूल्य की कमी द्वारा उत्तेजित स्नातक स्तर की पढ़ाई मीटर पर उपस्थित पैमाने।

बारीकी से इस धारणा को और वाद्य त्रुटि से जुड़ा हुआ। यह तब होता है जब साधन गलत तरीके से निर्मित किया गया था, गलत तरीके से, गलत तरीके से, उनके द्वारा जारी किए गए के कारण रीडिंग नहीं सटीक पर्याप्त हैं। हालांकि, अब हमारे समाज तकनीकी प्रगति के स्तर पर है, जब साधन के सृजन महत्वपूर्ण भूमिका निभाई त्रुटि है, फिर भी अप्राप्य नहीं है। स्कूल और छात्र प्रयोगों अप्रचलित नमूने में लागू के बारे में यहाँ क्या बात करने के लिए। इसलिए, नियंत्रित करने के लिए, प्रयोगशाला काम उम्मीद कर रहा, उपेक्षा महत्वपूर्ण भूमिका निभाई त्रुटि अस्वीकार्य है।

सामग्री

दो कारणों में से एक, या जटिल शुरू हो रहा इस तरह की:

• अनुप्रयुक्त अनुसंधान गणितीय मॉडल पर्याप्त रूप से सटीक नहीं था,
• चयनित गलत माप तरीकों।

व्यक्तिपरक

अवधि एक स्थिति है जहाँ जानकारी परिकलन के दौरान प्राप्त होता है या प्रयोगों मानव आपरेशन के उत्पादन की योग्यता की कमी के कारण गलतियां करने के लिए लागू होता है।

हम यह नहीं कह सकते है कि वहाँ केवल तभी होता है जब परियोजना अशिक्षित या मूर्ख लोगों ने भाग लिया ले लिया है। विशेष रूप से, त्रुटि अपूर्णता मानव दृश्य प्रणाली शुरू हो रहा है। नतीजतन, कारणों सीधे प्रयोगात्मक उपयोगकर्ता पर निर्भर नहीं रह सकते, फिर भी, वे एक मानव कारक के रूप में वर्गीकृत किया जाता है।

स्टैटिक्स और त्रुटियों के सिद्धांत की गतिशीलता

कुछ त्रुटि हमेशा कैसे इनपुट और आउटपुट मूल्य बातचीत के साथ जुड़ा हुआ है। विशेष रूप से, प्रक्रिया एक पूर्व निर्धारित समय अंतराल में संबंध का विश्लेषण करती है। के बारे में बात करने के लिए:

• एक पूर्व निर्धारित लगातार समय अंतराल में निश्चित मूल्यों की गणना में दिखाई देने वाली त्रुटियों। ये स्थिर कहा जाता है।
• पैरा ऊपर वर्णित आंतरायिक डेटा प्रकार को मापने के द्वारा पता लगाया उपस्थिति अंतर के साथ गतिशील संयुग्म।

क्या प्राथमिक है और क्या माध्यमिक है?

बेशक, त्रुटि का मार्जिन बुनियादी मानकों कि एक विशेष कार्य को प्रभावित कर से शुरू हो रहा है, तथापि, असमान है, जिसकी अनुमति शोधकर्ताओं डेटा की दो श्रेणियों में विभाजित समूह के प्रभाव:

• संख्यात्मक व्यंजक के मानकों, सभी को प्रभावित करने वाले अंकों के साथ सामान्य प्रचालन स्थितियों में परिकलित। उन बुनियादी कहा जाता है।
• असामान्य कारकों, अनुचित सामान्य मूल्यों के प्रभाव में अतिरिक्त गठन किया था। एक ही चेहरे की विशेषताओं मामले में जहां मुख्य मूल्य सामान्य की सीमा से परे है में कहते हैं।

और क्या चारों ओर हो रहा है?

हम एक बार अवधि "सामान्य" करने के लिए भेजा से पहले से ही अधिक है, लेकिन स्पष्टीकरण नहीं दिया गया था विज्ञान सामान्य कहा जाता है और साथ ही है कि अलग-थलग और अन्य शर्तों एक उल्लेख में स्थिति किस तरह के रूप में।

तो, सामान्य - एक स्थिति है, जहां सभी को प्रभावित करने वाले कार्यप्रवाह मूल्यों रेंज अपने सामान्य मूल्यों के लिए पहचान में हैं।

लेकिन कार्यकर्ताओं - एक शब्द जिन परिस्थितियों में मूल्य में परिवर्तन होता है के लिए लागू। तो सामान्य के साथ तुलना में गुंजाइश बहुत व्यापक है, तथापि, को प्रभावित मूल्य के भीतर उन्हें कार्यक्षेत्र के लिए निर्दिष्ट गिर चाहिए।

एक प्रभाव दर मूल्य के साथ कार्य करना एक मूल्य के अंतराल अक्ष जब एक अतिरिक्त त्रुटि शुरू करने से संभव राशन मान लिया गया है।

क्या इनपुट मूल्य को प्रभावित करता है?

गणना त्रुटियों जनरेट कर रहा है, यह है कि इनपुट मूल्य क्या त्रुटियों के प्रकार किसी विशेष स्थिति में होते हैं पर प्रभाव पड़ता है याद करने के लिए आवश्यक है। एक ही समय में के बारे में बात:

• additive, जो अनिश्चितता की विशेषता है, मॉड्यूल द्वारा उठाए गए विभिन्न मूल्यों की राशि के रूप में गणना। इस प्रकार पर सूचक को प्रभावित नहीं करता महान मापा मूल्य;
• गुणक, जो जब मापा मूल्य प्रभावित होता है बदल जाएगा।

यह याद रखना चाहिए कि पूर्ण additive - प्रयोग के उद्देश्य - अनिश्चितता मूल्य उपाय उस के साथ कोई संबंध नहीं है कि है। में मूल्यों सूचकांक की सीमा के किसी भी हिस्से को स्थिर रखा गया है, यह मानकों और संवेदनशीलता सहित मापने उपकरणों, से प्रभावित नहीं है।

additive त्रुटि किस हद तक छोटी मात्रा चयनित माप साधन के आवेदन के द्वारा उत्पादित किया जा सकता इंगित करता है।

लेकिन गुणक बेतरतीब ढंग से बदल जाएगा नहीं है, लेकिन अनुपात में के रूप में यह मापा मूल्यों के मानकों के साथ जुड़ा हुआ है। कैसे महान त्रुटि, डिवाइस की संवेदनशीलता की जांच के रूप में यह मूल्य के अनुपात में हो जाएगा करके की जाती है। इस त्रुटि की एक उप तथ्य यह है कि मापने उपकरण पर इनपुट मूल्य और इसकी सेटिंग्स बदल की वजह से हुआ है।

कैसे त्रुटि को दूर करने के?

कुछ मामलों में, आप, त्रुटि समाप्त कर सकते हैं, हालांकि यह हर प्रजाति के लिए सही नहीं है। उदाहरण के लिए, ऊपर के मामले में, इस मामले में एक त्रुटि वर्ग डिवाइस मापदंडों पर निर्भर करता है और, आधुनिक साधनों और अधिक सही इस बात के लिए बदला जा सकता है। एक ही समय में यह पूरी तरह से, माप का इस्तेमाल किया कारों की तकनीकी सुविधाओं के साथ जुड़े नुकसान को खत्म करने की है क्योंकि वहाँ हमेशा कारक है कि डेटा की सटीकता को कम किया जाएगा असंभव है।

क्लासिक चार विधियों को खत्म करने या त्रुटि को कम करने के भेद:

• कारण, स्रोत प्रयोग करने से पहले निकाला जा रहा है।
• डाटा अधिग्रहण के लिए उपायों में त्रुटियां समाप्त। ऐसा करने के लिए, प्रतिस्थापन तरीकों का उपयोग, सममित टिप्पणियों का सहारा, एक दूसरे के संकेत और काउंटर निगरानी के लिए क्षतिपूर्ति करने की कोशिश कर रहा है और साथ ही।
• बनाने संशोधन, यानी, त्रुटियों को दूर करने के कम्प्यूटेशनल विधि के पाठ्यक्रम में प्राप्त परिणामों का सुधार।
• निर्धारण क्या व्यवस्थित त्रुटि की सीमा, उन्हें मामले में रखते हुए कर रहे हैं, जहां इस तरह अपरक्राम्य का उन्मूलन।

सबसे अच्छा विकल्प - कारण बनता है, पायलट डाटा अधिग्रहण में त्रुटि के स्रोतों को खत्म करने की है। तथ्य यह है कि विधि सबसे उपयुक्त में जाना जाता है के बावजूद, यह कार्य प्रक्रिया को जटिल नहीं है, पर इसके विपरीत, यह और भी आसान बना देता है। यह तथ्य यह है कि ऑपरेटर तत्काल डेटा के पाठ्यक्रम में त्रुटियों को बाहर करने की जरूरत नहीं है की वजह से है। और समाप्त परिणाम संपादित करने के लिए, नियमों के तहत यह फिटिंग नहीं।

लेकिन जब यह माप के दौरान त्रुटियों को खत्म करने का निर्णय लिया गया, सबसे लोकप्रिय प्रौद्योगिकियों में से एक का सहारा लिया।

उल्लेखनीय अपवाद विकल्प

सबसे अधिक इस्तेमाल किया प्रशासन संपादन। उन्हें उपयोग करने के लिए आप को पता है पूर्वाग्रह विशेष प्रयोग में निहित है कि वास्तव में क्या जरूरत है।

इसके अलावा, प्रतिस्थापन संस्करण मांग करते हैं। यह का सहारा, विशेषज्ञों उनके मान के स्थान पर रुचि एक समान वातावरण में दिया प्रतिस्थापित किया जाता है। जब बिजली मात्रा की आवश्यकता को मापने यह आम बात है।

विषम -, विधि दो बार प्रयोगों की आवश्यकता होती है, दूसरे चरण में स्रोत जब पहली की तुलना में विपरीत परिणाम पर कार्य करता है। इस विधि अवतार के तर्क के निकट, एक प्रयोग में "के रूप में मुआवजे की निशानी" कहा जाता है जब मात्रा में अन्य सकारात्मक होना चाहिए - नकारात्मक, और विशिष्ट मूल्य दो माप के परिणाम की तुलना की जाती है।