Ich lese gerade "Concepts in Thermal Physics" und im Kapitel über unabhängige Variablen gibt es das folgende Beispiel:
Wenn wir haben unabhängige Variablen , jeweils mit einem Mittelwert , und eine Abweichung , können wir sie summieren, um Folgendes zu erhalten:
Ich verstehe die Ableitung von all dem gut, jedoch wird dann Folgendes gesagt:
Die in diesem letzten Beispiel bewiesenen Ergebnisse haben einige interessante Anwendungen. Die erste betrifft experimentelle Messungen. Stellen Sie sich das eine Menge vor wird gemessen Mal, jedes Mal mit einem unabhängigen Fehler, den wir nennen . Wenn Sie die Ergebnisse der zu machenden Messungen addieren , dann kommt der RMS-Fehler rein ist nur mal den Effektivwertfehler eines einzelnen . Wenn Sie also versuchen, eine gute Schätzung zu erhalten durch Rechnen , der Fehler in dieser Menge ist gleich .
Ich bin mir nicht ganz sicher, was sie hier mit dem mittleren quadratischen Fehler meinen. Ist das nur eine andere Art, die Standardabweichung zu sagen? Wenn ja, in welchem Sinne kann das obige Beispiel zu der folgenden Aussage führen?
Ich persönlich kann dies nur sinnvoll sehen, wenn sie den Fehler in einer einzelnen Messung als Standardabweichung einer Wahrscheinlichkeitsverteilung modellieren. Das scheint mir nicht richtig zu sein, ist das tatsächlich das, was sie tun?
Zu Ihrer ersten Frage zum RMS-Fehler:
Nennen Sie den wahren Wert von Ist , und du hast gemessen (was im Durchschnitt sein sollte ).
Der Messfehler wäre: .
Der Mittelwert des Quadrats der Fehler wäre das ist genau die Varianz.
Die Wurzel aus dem Mittelwert der Quadrate ist die Quadratwurzel der Varianz, also der Standardabweichung.
Zweitens, nachdem Sie hatten Messungen, die Sie schätzen möchten , also mitteln Sie Ihre Messungen und erhalten . Dies kann natürlich nicht genau gleich sein weil all diese Zahlen auf einem Kontinuum stehen. Wie weit sind Sie also von der Wahrheit entfernt? Der zentrale Grenzwertsatz sagt uns, dass nach ausreichender Messung unabhängig von der Verteilung von , Ihre Schätzung verhält sich wie eine Gaußsche mit einem Mittelwert von und Standardabweichung von , was bedeutet, je mehr Sie erhöhen , desto schmaler wird Ihr Gaußscher Wert sein und desto näher wird Ihre Schätzung an der Wahrheit sein. Die Intuition dahinter ist, wie @Physics Enthusiast antwortete.
Nehmen wir an, Sie tun es Messungen und addieren Sie die Ergebnisse der Messungen. Der Grund ist der RMS-Fehler in der Summe nicht multipliziert mit dem Effektivwert eines einzelnen Fehlers ist, dass angenommen wird, dass die Fehler unabhängig sind ("jedes Mal mit einem unabhängigen Fehler"), sodass sie sich bis zu einem gewissen Grad gegenseitig aufheben (dh ein Experiment könnte einen positiven Fehler ergeben, das nächste Experiment könnte einen negativen Fehler geben usw.).
Konnor
Ofek Gillon
Konnor
Ofek Gillon