Относительная и абсолютная ошибка при вычислении - Oshibs.top - большая энциклопедия ошибок и их решений

Абсолютная и относительная погрешность

4.2

Средняя оценка: 4.2

Всего получено оценок: 2205.

4.2

Средняя оценка: 4.2

Всего получено оценок: 2205.

Абсолютную и относительную погрешность используют для оценки неточности в производимых расчетах с высокой сложностью. Также они используются в различных измерениях и для округления результатов вычислений. Рассмотрим, как определить абсолютную и относительную погрешность.

Опыт работы учителем математики — более 33 лет.

Абсолютная погрешность

Абсолютной погрешностью числа называют разницу между этим числом и его точным значением.
Рассмотрим пример: в школе учится 374 ученика. Если округлить это число до 400, то абсолютная погрешность измерения равна 400-374=26.

Для подсчета абсолютной погрешности необходимо из большего числа вычитать меньшее.

Существует формула абсолютной погрешности. Обозначим точное число буквой А, а буквой а – приближение к точному числу. Приближенное число – это число, которое незначительно отличается от точного и обычно заменяет его в вычислениях. Тогда формула будет выглядеть следующим образом:

Δа=А-а. Как найти абсолютную погрешность по формуле, мы рассмотрели выше.

На практике абсолютной погрешности недостаточно для точной оценки измерения. Редко когда можно точно знать значение измеряемой величины, чтобы рассчитать абсолютную погрешность. Измеряя книгу в 20 см длиной и допустив погрешность в 1 см, можно считать измерение с большой ошибкой. Но если погрешность в 1 см была допущена при измерении стены в 20 метров, это измерение можно считать максимально точным. Поэтому в практике более важное значение имеет определение относительной погрешности измерения.

Записывают абсолютную погрешность числа, используя знак ±. Например, длина рулона обоев составляет 30 м ± 3 см. Границу абсолютной погрешности называют предельной абсолютной погрешностью.

Относительная погрешность

Относительной погрешностью называют отношение абсолютной погрешности числа к самому этому числу. Чтобы рассчитать относительную погрешность в примере с учениками, разделим 26 на 374.

Получим число 0,0695, переведем в проценты и получим 7 %. Относительную погрешность обозначают процентами, потому что это безразмерная величина. Относительная погрешность – это точная оценка ошибки измерений. Если взять абсолютную погрешность в 1 см при измерении длины отрезков 10 см и 10 м, то относительные погрешности будут соответственно равны 10 % и 0,1 %. Для отрезка длиной в 10 см погрешность в 1 см очень велика, это ошибка в 10 %. А для десятиметрового отрезка 1 см не имеет значения, всего 0,1 %.

Различают систематические и случайные погрешности. Систематической называют ту погрешность, которая остается неизменной при повторных измерениях. Случайная погрешность возникает в результате воздействия на процесс измерения внешних факторов и может изменять свое значение.

Правила подсчета погрешностей

Для номинальной оценки погрешностей существует несколько правил:

при сложении и вычитании чисел необходимо складывать их абсолютные погрешности;
при делении и умножении чисел требуется сложить относительные погрешности;
при возведении в степень относительную погрешность умножают на показатель степени.

Приближенные и точные числа записываются при помощи десятичных дробей. Берется только среднее значение, поскольку точное может быть бесконечно длинным. Чтобы понять, как записывать эти числа, необходимо узнать о верных и сомнительных цифрах.

Верными называются такие цифры, разряд которых превосходит абсолютную погрешность числа. Если же разряд цифры меньше абсолютной погрешности, она называется сомнительной. Например, для дроби 3,6714 с погрешностью 0,002 верными будут цифры 3,6,7, а сомнительными – 1 и 4. В записи приближенного числа оставляют только верные цифры. Дробь в этом случае будет выглядеть таким образом – 3,67.

Что мы узнали?

Абсолютные и относительные погрешности используются для оценки точности измерений. Абсолютной погрешностью называют разницу между точным и приближенным числом. Относительная погрешность – это отношение абсолютной погрешности числа к самому числу. На практике используют относительную погрешность, так как она является более точной.

Тест по теме

Доска почёта

Чтобы попасть сюда — пройдите тест.

Светлана Лобанова-Асямолова

10/10
Валерий Соломин

10/10
Анастасия Юшкова

10/10
Ксюша Пономарева

7/10
Паша Кривов

10/10
Евгений Холопик

9/10
Guzel Murtazina

10/10
Максим Аполонов

10/10
Olga Bimbirene

9/10
Света Колодий

10/10

Оценка статьи

4.2

Средняя оценка: 4.2

Всего получено оценок: 2205.

А какая ваша оценка?

Источник

Вычисление абсолютной и относительной погрешностей измерений при прямых измерениях

1. Абсолютная погрешность

Оценить отклонение
каждого из результатов измерения от
истинной величины можно лишь при наличии
данных большого числа измерений с
использованием теории вероятности.
Однако на практике, в лабораторных
условиях проводят 3-5 измерений. В этом
случае абсолютная погрешность отдельного
i-го
измерения будет следующей:

|DА_i|
= |А_СР
— А_i|,

где
А_СР
— средняя величина размера А. Средняя
арифметическая величина всех ½DА_i½
значений

называется
абсолютной погрешностью опыта.
Окончательный результат измерения
может быть записан в виде

А = А_СР
±
DА_СР,

где
А — искомая величина, которая лежит
внутри интервала

А_СР
±
DА_СР.

апример, если сделаем несколько
измерений длины заготовки в столярной
мастерской и получим среднее значение
l_СР= 75.5 см, а среднее
арифметическое абсолютной погрешности
l_СР= 0.3 см, то результат
запишется в виде

l
= (75.5 ± 0.3) см.

Это
означает, что истинное значение длины
заготовки лежит в интервале от 75.2 см до
75.8 см. При этом не имеет смысла вычислять
среднее значение с большим числом знаков
после запятой, так как от этого точность
не увеличивается.

2. Относительная погрешность

Абсолютная
погрешность измерения не характеризует
точности проведенных измерений. Поэтому
для того, чтобы сравнить точность
различных измерений и величин разной
размерности, находят среднюю относительную
погрешность результата (Е_А).
Относительная погрешность определяется
отношением абсолютной погрешности к
среднему арифметическому значению
измеряемой величины, которая определяется
в процентах:

Е_А=100%.

Относительная
погрешность показывает, какая часть
абсолютной погрешности приходится на
каждую единицу измеренной величины.
Это дает возможность оценить точность
проведенных измерений, качество работы.

Так,
например, пусть при измерении бруска
длиной l
= 1.51 см была допущена абсолютная
погрешность 0.03 мм, а при измерении
расстояния от Земли до Луны L
= 3.64^.10⁵
км абсолютная погрешность составила
100 км. Может показаться, что первое
измерение выполнено намного точнее
второго. Однако о точности измерения
можно судить по относительной погрешности,
а она показывает, что второе измерение
было выполнено в семь раз точнее первого:

E_l
=

100% = 0.2%

и
Е_L
=
100%
= 0.03%.

Вычисление абсолютных и относительных погрешностей при косвенных2 измерениях

В
большинстве случаев при выполнении
физических экспериментов исследуемая
величина не может быть измерена
непосредственно, а является функцией
одной или нескольких переменных,
измеренных непосредственно. При косвенных
измерениях абсолютная и относительная
погрешности результатов измерений
находятся вычислением через абсолютные
и относительные погрешности непосредственно
измеренных величин.

Использование формул дифференцирования

Для
определения абсолютных и относительных
погрешностей искомой величины при
косвенных измерениях можно воспользоваться
формулами дифференцирования, потому
что абсолютная ошибка функции равна
абсолютной ошибке аргумента, умноженной
на производную этой функции, то есть
полному дифференциалу функции.

Рассмотрим
это более подробно. Допустим, что
физическая величина А является функцией
многих переменных:

A
= f
(x,
y,
z
…).

Правило
I. Вначале
находят абсолютную погрешность величины
А, а затем относительную погрешность.
Для этого необходимо:

1) Найти полный
дифференциал функции

) Заменить бесконечно малые dx, dу,
dz, … соответствующими абсолютными
ошибками аргументовDx,
Dy,
Dz,
… (при этом знаки «минус» в абсолютных
ошибках аргументов заменяют знаками
«плюс», так чтобы величина ошибки
была максимальной):

Применяя
это правило к частным случаям, получим:

—
абсолютная погрешность суммы равна
сумме абсолютных погрешностей слагаемых.
Если X
= a
+ b,
то DX
= Da
+ Db;

—
абсолютная погрешность разности равна
сумме абсолютных погрешностей
уменьшаемого и вычитаемого. Если X
= a
— b,
то DX
= Da
+ Db;

—
абсолютная погрешность произведения
двух сомножителей равна сумме произведений
среднего значения первого множителя
(a_CP)
на абсолютную погрешность второго и
среднего значения второго множителя
(b_CP)
на абсолютную погрешность первого. Если
X
= а 
b,
то DX
= a_CP

Db
+ b_CP
Dа.
Если X
= a ⁿ, то DX
= nа_CPⁿ^-1Dа;

—
абсолютная погрешность дроби равна
сумме произведения знаменателя на
абсолютную погрешность числителя и
числителя на абсолютную погрешность
знаменателя, деленной на квадрат
знаменателя. Если X
=,
то DX=.

3) По определению
найдем относительную погрешность

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]

#
#
#
#
#
#
#
#
#
#
12.02.2015183.3 Кб27Пример работы по теме ПЕРЕСКАЗ.doc
#

Источник

Материал из MachineLearning.

Перейти к: навигация, поиск

Содержание

1 Введение
- 1.1 Постановка вопроса. Виды погрешностей
2 Виды мер точности
3 Предельные погрешности
4 Погрешности округлений при представлении чисел в компьютере
5 Погрешности арифметических операций
6 Погрешности вычисления функций
7 Числовые примеры
8 Список литературы
9 См. также

Введение

Постановка вопроса. Виды погрешностей

Процесс исследования исходного объекта методом математического моделирования и вычислительного эксперимента неизбежно носит приближенный характер, так как на каждом этапе вносятся погрешности. Построение математической модели связано с упрощением исходного явления, недостаточно точным заданием коэффициентов уравнения и других входных данных. По отношению к численному методу, реализующему данную математическую модель, указанные погрешности являются неустранимыми, поскольку они неизбежны в рамках данной модели.

При переходе от математической модели к численному методу возникают погрешности, называемые погрешностями метода. Они связаны с тем, что всякий численный метод воспроизводит исходную математическую модель приближенно. Наиболее типичными погрешностями метода являются погрешность дискретизации и погрешность округления.
При построении численного метода в качестве аналога исходной математической задачи обычно рассматривается её дискретная модель. Разность решений дискретизированной задачи и исходной называется погрешностью дискретизации. Обычно дискретная модель зависит от некоторого параметра (или их множества) дискретизации, при стремлении которого к нулю должна стремиться к нулю и погрешность дискретизации.
Дискретная модель представляет собой систему большого числа алгебраических уравнений. Для её решения используется тот или иной численный алгоритм. Входные данные этой системы, а именно коэффициенты и правые части, задаются в ЭВМ не точно, а с округлением. В процессе работы алгоритма погрешности округления обычно накапливаются, и в результате, решение, полученное на ЭВМ, будет отличаться от точного решения дискретизированной задачи. Результирующая погрешность называется погрешностью округления (вычислительной погрешностью). Величина этой погрешности определяется двумя факторами: точностью представления вещественных чисел в ЭВМ и чувствительностью данного алгоритма к погрешностям округления.

Итак, следует различать погрешности модели, дискретизации и округления. В вопросе преобладания какой-либо погрешности ответ неоднозначен. В общем случае нужно стремиться, чтобы все погрешности имели один и тот же порядок. Например, нецелесообразно пользоваться разностными схемами, имеющими точность 10⁻⁶, если коэффициенты исходных уравнений задаются с точностью 10⁻².

Виды мер точности

Мерой точности вычислений являются абсолютные и относительные погрешности. Абсолютная погрешность определяется формулой

где tilde a – приближение к точному значению .
Относительная погрешность определяется формулой

$delta(tilde a)=frac{|tilde a-a|}{a}.$

Относительная погрешность часто выражается в процентах. Абсолютная и относительная погрешности тесно связаны с понятием верных значащих цифр. Значащими цифрами числа называют все цифры в его записи, начиная с первой ненулевой цифры слева. Например, число 0,000129 имеет три значащих цифры. Значащая цифра называется верной, если абсолютная погрешность числа не превышает половины веса разряда, соответствующего этой цифре. Например, , абсолютная погрешность . Записывая число в виде

имеем , следовательно, число имеет две верных значащих цифр (9 и 3).

В общем случае абсолютная погрешность должна удовлетворять следующему неравенству:

$Delta(tilde a)<0,5cdot10^{m-n+1} ,$

где — порядок (вес) старшей цифры, — количество верных значащих цифр.
В рассматриваемом примере $Delta(tilde a)le0,5cdot10^{3-2+1}le0,5cdot10^2=50$ .

Относительная погрешность связана с количеством верных цифр приближенного числа соотношением:

$delta(tilde a)lefrac{Delta(tilde a)}{alpha_m}10^mlefrac{10^{m-n+1}}{alpha_m10^m}lefrac{1}{alpha_m10^{n-1}},$

где alpha_m — старшая значащая цифра числа.

Для двоичного представления чисел имеем $delta(tilde a)le2^{-n}$ .

Тот факт, что число tilde a является приближенным значением числа с абсолютной погрешностью , записывают в виде

причем числа tilde a и записываются с одинаковым количеством знаков после запятой, например, или $a=2,347pm2cdot10^{-3}$ .

Запись вида

означает, что число tilde a является приближенным значение числа с относительной погрешностью .

Так как точное решение задачи как правило неизвестно, то погрешности приходится оценивать через исходные данные и особенности алгоритма. Если оценка может быть вычислена до решения задачи, то она называется априорной. Если оценка вычисляется после получения приближенного решения задачи, то она называется апостериорной.

Очень часто степень точности решения задачи характеризуется некоторыми косвенными вспомогательными величинами. Например точность решения системы алгебраических уравнений

AX=F

характеризуется невязкой

где tilde X — приближенное решение системы.
Причём невязка достаточно сложным образом связана с погрешностью решения , причём если невязка мала, то погрешность может быть значительной.

Предельные погрешности

Пусть искомая величина является функцией параметров — приближенное значение . Тогда предельной абсолютной погрешностью называется величина

$D(a^*) = suplimits_{(t_1, ldots ,t_n) in Omega } left|{a(t_1, ldots ,t_n) - a^*}right| ,$

Предельной относительной погрешностью называется величина .

Пусть $left|{t_j - t_j^*}right| le Delta (t_j^* ), qquad j = 1 div n$ — приближенное значение . Предполагаем, что — непрерывно дифференцируемая функция своих аргументов. Тогда, по формуле Лагранжа,

$a(t_1, ldots ,t_n) - a^* = sumlimits_{j = 1}^n gamma_j (alpha )(t_j - t_j^*),$

где $gamma_j (alpha ) = a^{prime}_{t_j}(t_1^* + alpha (t_1 - t_1^*), ldots ,t_n^* + alpha (t_n - t_n^*)), qquad 0 le alpha le 1$ .

Отсюда

$left|{a(t_1, ldots ,t_n) - a^*}right| le D_1 (a^*) = sumlimits_{j = 1}^n b_j Delta (t_j^*),$

где $b_j = suplimits_Omega left|{a^{prime}_{t_j}(t_1, ldots ,t_n)}right|$ .

Можно показать, что при малых $rho = sqrt{{(Delta (t_1^* ))}^2 + ldots + {(Delta (t_n^* ))}^2 }$ эта оценка не может быть существенно улучшена. На практике иногда пользуются грубой (линейной) оценкой

$left|{a(t_1, ldots ,t_n) - a^*}right| le D_2 (a^*),$

где $D_2 (a^*) = sumlimits_{j = 1} left|{gamma_j (0)}right| Delta (t^*)$ .

Несложно показать, что:

— предельная погрешность суммы или разности равна сумме предельных погрешностей.
$delta (t_1^* cdots t_m^* cdot d_1^{* - 1} cdots d_m^{* - 1} ) = delta (t_1^* ) + ldots + delta (t_m^*) + delta (d_1^*) + ldots + delta (d_n^*)$ — предельная относительная погрешность произведения или частного приближенного равна сумме предельных относительных погрешностей.

Погрешности округлений при представлении чисел в компьютере

Одним из основных источников вычислительных погрешностей является приближенное представление чисел в компьютере, обусловленное конечностью разрядной сетки (см. Международный стандарт представления чисел с плавающей точкой в ЭВМ). Число , не представимое в компьютере, подвергается округлению, т. е. заменяется близким числом tilde a , представимым в компьютере точно.
Найдем границу относительной погрешности представления числа с плавающей точкой. Допустим, что применяется простейшее округление – отбрасывание всех разрядов числа, выходящих за пределы разрядной сетки. Система счисления – двоичная. Пусть надо записать число, представляющее бесконечную двоичную дробь

$a=underbrace{pm2^p}_{order}underbrace{left(frac{a_1}{2}+frac{a_2}{2^2}+dots+frac{a_t}{2^t}+frac{a_{t+1}}{2^{t+1}}+dotsright)}_{mantissa},$

где $a_j={0\1$ , — цифры мантиссы.
Пусть под запись мантиссы отводится t двоичных разрядов. Отбрасывая лишние разряды, получим округлённое число

$tilde a=pm2^pleft(frac{a_1}{2}+frac{a_2}{2^2}+dots+frac{a_t}{2^t}right).$

Абсолютная погрешность округления в этом случае равна

$a-tilde a=pm2^pleft(frac{a_{t+1}}{2^{t+1}}+frac{a_{t+2}}{2^{t+2}}+dotsright).$

Наибольшая погрешность будет в случае $a_{t+1}=1, qquad a_{t+2}=1,$ , тогда

$|a-tilde a|lepm2^pfrac{1}{2^{t+1}}underbrace{left(1+frac{1}{2}+frac{1}{2^2}+dotsright)}_{=2}=2^{p-t}.$

Т.к. , где — мантисса числа , то всегда a_1=1 . Тогда $|a|ge2^pcdot2^{-1}=2^{p-1}$ и относительная погрешность равна $frac{|a-tilde a|}{|a|}le2^{-t+1}$ . Практически применяют более точные методы округления и погрешность представления чисел равна

( 1 )

$frac{|a-tilde a|}{|a|}le2^{-t},$

т.е. точность представления чисел определяется разрядностью мантиссы .
Тогда приближенно представленное в компьютере число можно записать в виде , где $|epsilon|le2^{-t}$ – «машинный эпсилон» – относительная погрешность представления чисел.

Погрешности арифметических операций

При вычислениях с плавающей точкой операция округления может потребоваться после выполнения любой из арифметических операций. Так умножение или деление двух чисел сводится к умножению или делению мантисс. Так как в общем случае количество разрядов мантисс произведений и частных больше допустимой разрядности мантиссы, то требуется округление мантиссы результатов. При сложении или вычитании чисел с плавающей точкой операнды должны быть предварительно приведены к одному порядку, что осуществляется сдвигом вправо мантиссы числа, имеющего меньший порядок, и увеличением в соответствующее число раз порядка этого числа. Сдвиг мантиссы вправо может привести к потере младших разрядов мантиссы, т.е. появляется погрешность округления.

Округленное в системе с плавающей точкой число, соответствующее точному числу , обозначается через fl(x) (от англ. floating – плавающий). Выполнение каждой арифметической операции вносит относительную погрешность, не большую, чем погрешность представления чисел с плавающей точкой (1). Верна следующая запись:

где box — любая из арифметических операций, $|epsilon|le2^{-t}$ .

Рассмотрим трансформированные погрешности арифметических операций. Арифметические операции проводятся над приближенными числами, ошибка арифметических операций не учитывается (эту ошибку легко учесть, прибавив ошибку округления соответствующей операции к вычисленной ошибке).

Рассмотрим сложение и вычитание приближенных чисел. Абсолютная погрешность алгебраической суммы нескольких приближенных чисел равна сумме абсолютных погрешностей слагаемых.

Если сумма точных чисел равна

сумма приближенных чисел равна

где — абсолютные погрешности представления чисел.

Тогда абсолютная погрешность суммы равна

Относительная погрешность суммы нескольких чисел равна

( 2 )

$delta(S)=frac{Delta(S)}{S}=frac{a_1}{S}left(frac{Delta(a_1)}{a_1}right)+frac{a_2}{S}left(frac{Delta(a_2)}{a_2}right)+dots=frac{a_1delta(a_1)+a_2delta(a_2)+dots}{S},$

где — относительные погрешности представления чисел.

Из (2) следует, что относительная погрешность суммы нескольких чисел одного и того же знака заключена между наименьшей и наибольшей из относительных погрешностей слагаемых:

При сложении чисел разного знака или вычитании чисел одного знака относительная погрешность может быть очень большой (если числа близки между собой). Так как даже при малых величина может быть очень малой. Поэтому вычислительные алгоритмы необходимо строить таким образом, чтобы избегать вычитания близких чисел.

Необходимо отметить, что погрешности вычислений зависят от порядка вычислений. Далее будет рассмотрен пример сложения трех чисел.

( 3 )

tilde S=(tilde S_1+x_3)(1+delta_2)=(x_1+x_2)(1+delta_1)(1+delta_2)+x_3(1+delta_2).

При другой последовательности действий погрешность будет другой:

tilde S=(x_3+x_2)(1+delta_1)(1+delta_2)+x_1(1+delta_2).

Из (3) видно, что результат выполнения некоторого алгоритма, искаженный погрешностями округлений, совпадает с результатом выполнения того же алгоритма, но с неточными исходными данными. Т.е. можно применять обратный анализ: свести влияние погрешностей округления к возмущению исходных данных. Тогда вместо (3) будет следующая запись:

где

При умножении и делении приближенных чисел складываются и вычитаются их относительные погрешности.

tilde S=a_1cdot a_2(1+delta(a_1))(1+delta(a_2))

≅

с точностью величин второго порядка малости относительно delta .

Тогда .

Если $S=frac{a_1}{a_2}$ , то $Delta(S)=frac{a_1(1+delta_1)}{a_2(1+delta_2)}-frac{a_1}{a_2}=frac{a_1(delta_1-delta_2)}{a_2(1+delta_2)}approx frac{a_1}{a_2}(delta_1-delta_2), qquad delta(S)$ ≅

При большом числе n арифметических операций можно пользоваться приближенной статистической оценкой погрешности арифметических операций, учитывающей частичную компенсацию погрешностей разных знаков:

$delta_Sigma approx delta_{fl} quad sqrt{n},$

где – суммарная погрешность, $|delta_{fl}|leepsilon$ – погрешность выполнения операций с плавающей точкой, epsilon – погрешность представления чисел с плавающей точкой.

Погрешности вычисления функций

Рассмотрим трансформированную погрешность вычисления значений функций.

Абсолютная трансформированная погрешность дифференцируемой функции y=f(x) , вызываемая достаточно малой погрешностью аргумента , оценивается величиной .

Если f(x)>0 , то $delta(y)=frac{|f'(x)|}{f(x)}Delta(x)=left|(ln(f(x)))'right|cdotDelta(x)$ .

Абсолютная погрешность дифференцируемой функции многих аргументов , вызываемая достаточно малыми погрешностями аргументов оценивается величиной:

$Delta(y)=sumlimits_{i=1}^nleft|frac{partial f}{partial x_i}right|Delta(x_i)$

Если , то $delta(y)=sumlimits_{i=1}^nfrac{1}{f}cdotleft|frac{partial f}{partial x_i}right|cdotDelta(x_i)=sumlimits_{i=1}^{n}left|frac{partial l_n(f)}{partial x_i}right|Delta(x_i)$ .

Практически важно определить допустимую погрешность аргументов и допустимую погрешность функции (обратная задача). Эта задача имеет однозначное решение только для функций одной переменной y=f(x) , если f(x) дифференцируема и :

$Delta(x)=frac{1}{|f'(x)|}Delta(y)$ .

Для функций многих переменных задача не имеет однозначного решения, необходимо ввести дополнительные ограничения. Например, если функция наиболее критична к погрешности , то:

$Delta(x_i)=frac{Delta(y)}{left|frac{partial f}{partial x_i}right|}qquad$

(погрешностью других аргументов пренебрегаем).

Если вклад погрешностей всех аргументов примерно одинаков, то применяют принцип равных влияний:

$Delta(x_i)=frac{Delta(y)}{nleft|frac{partial f}{partial x_i}right|},qquad i=overline{1,n}.$

Числовые примеры

Специфику машинных вычислений можно пояснить на нескольких элементарных примерах.

ПРИМЕР 1. Вычислить все корни уравнения

$x^4 - 4x^3 + 8x^2 - 16x + 15.underbrace{99999999}_8 = {(x - 2)}^4 - 10^{- 8} = 0.$

Точное решение задачи легко найти:

$(x - 2)^2 = pm 10^{- 4},$

$x_1= 2,01; x_2= 1,99; x_{3,4}= 2 pm 0,01i.$

Если компьютер работает при $delta _M > 10^{ - 8}$ , то свободный член в исходном уравнении будет округлен до 16,0 и, с точки зрения представления чисел с плавающей точкой, будет решаться уравнение , т.е. $x_{1,2,3,4} = 2$ , что, очевидно, неверно. В данном случае малые погрешности в задании свободного члена $approx10^{-8}$ привели, независимо от метода решения, к погрешности в решении $approx10^{-2}$ .

ПРИМЕР 2. Решается задача Коши для обыкновенного дифференциального уравнения 2-го порядка:

u''(t) = u(t), qquad u(0) = 1, qquad u'(0) = - 1.

Общее решение имеет вид:

$u(t) = 0,5[u(0) + u'(0)]e^t + 0,5[u(0) - u'(0)]e^{- t}.$

При заданных начальных данных точное решение задачи: $u(x) = e^{-t}$ , однако малая погрешность delta в их задании приведет к появлению члена , который при больших значениях аргумента может существенно исказить решение.

ПРИМЕР 3. Пусть необходимо найти решение обыкновенного дифференциального уравнения:

$stackrel{cdot}{u} = 10u,qquad u = u(t),\ u(t_0) = u_0,qquad t in [0,1].$

Его решение: $u(t) = u_0e^{10(t - t_0 )}$ , однако значение u(t_0) известно лишь приближенно: , и на самом деле $u^*(t) = u_0^*e^{10(t - t_0)}$ .

Соответственно, разность u* - u будет:

$u^* - u = (u_0^* - u_0)e^{10(t - t_0)}.$

Предположим, что необходимо гарантировать некоторую заданную точность вычислений всюду на отрезке . Тогда должно выполняться условие:

$|{u^*(t) - u(t)}| le varepsilon.$

Очевидно, что:

$maxlimits_{t in [0,1]} |{u^*(t) - u(t)}| = |{u*(1) - u(1)}| = |{u_0^* - u_0}|e^{10(1 - t_0)}.$

Отсюда можно получить требования к точности задания начальных данных $delta: qquad|u_0^* - u_0| < delta, qquad delta le varepsilon e^{ - 10}$ при t_0= 0 .

Таким образом, требование к заданию точности начальных данных оказываются в $e^{10}$ раз выше необходимой точности результата решения задачи. Это требование, скорее всего, окажется нереальным.

Решение оказывается очень чувствительным к заданию начальных данных. Такого рода задачи называются плохо обусловленными.

ПРИМЕР 4. Решением системы линейных алгебраических уравнений (СЛАУ):

$left{ begin{array}{l} u + 10v = 11, \ 100u + 1001v = 1101; \ end{array} right.$

является пара чисел .

Изменив правую часть системы на 0,01 , получим возмущенную систему:

$left{ begin{array}{l} u + 10v = 11.01, \ 100u + 1001v = 1101; \ end{array} right.$

с решением , сильно отличающимся от решения невозмущенной системы. Эта система также плохо обусловлена.

ПРИМЕР 5. Рассмотрим методический пример вычислений на модельном компьютере, обеспечивающем точность . Проанализируем причину происхождения ошибки, например, при вычитании двух чисел, взятых с точностью до третьей цифры после десятичной точки , разность которых составляет .

В памяти машины эти же числа представляются в виде:

u_M = u(1 + delta_M^u), quad v_M = v(1 + delta_M^v)

, причем

Тогда:

u_M - u approx udelta_M^u, quad v_M - v approx vdelta_M^v.

Относительная ошибка при вычислении разности будет равна:

$delta = frac{(u_M - v_M) - (u - v)}{(u - v)} = frac{(u_M - u) - (v_M - v)}{(u - v)} = frac{delta_M^u - delta_M^v}{(u - v)}.$

Очевидно, что $delta = left|{frac{delta_M^u - delta_M^v}{Delta }} right| le frac{2delta_M}{0,001} approx 2000delta_M = 1$ , т.е. все значащие цифры могут оказаться неверными.

ПРИМЕР 6. Рассмотрим рекуррентное соотношение $u_{i+1} = qu_i, quad i ge 0, quad u_0 = a,quad q > 0, quad u_i > 0.$

Пусть при выполнении реальных вычислений с конечной длиной мантиссы на -м шаге возникла погрешность округления, и вычисления проводятся с возмущенным значением , тогда вместо $u_{i+1}$ получим $u_{i + 1}^M = q(u_i + delta_i) = u_{i + 1} + qdelta_i$ , т.е. $delta_{i + 1} = qdelta_i,quad i = 0,1,ldots$ .

Следовательно, если |q| > 1 , то в процессе вычислений погрешность, связанная с возникшей ошибкой округления, будет возрастать (алгоритм неустойчив). В случае погрешность не возрастает и численный алгоритм устойчив.

Список литературы

А.А.Самарский, А.В.Гулин. Численные методы. Москва «Наука», 1989.
http://www.mgopu.ru/PVU/2.1/nummethods/Chapter1.htm
http://www.intuit.ru/department/calculate/calcmathbase/1/4.html

См. также

Практикум ММП ВМК, 4й курс, осень 2008

Источник

Вычисление погрешности (или ошибки) сильно зависит от конкретной задачи, которую мы должны решить, а также от вида погрешности, которая нам необходима.

Оглавление

Общие сведения о погрешностях
Вычисление погрешности измерений
- Поясним это на примере
Основные правила вычисления погрешностей

Общие сведения о погрешностях

Точность полученного результата может быть охарактеризована при помощи разных видов погрешностей:

абсолютная погрешность – разность между истинным (точным) значением величины и тем значением, которое было получено в ходе измерений;
относительная погрешность – отношение абсолютной погрешности к истинному (точному) значению измеряемой величины; обычно эта ошибка выражается в процентах;
приведенная погрешность – отношение абсолютной ошибки к нормирующему значению, которое имеет прибор, с помощью которого было выполнено измерение;
основная погрешность – ошибка результата, которую обеспечивает прибор, выполняющий измерения при нормальных условиях (для каждого прибора эти условия свои);
дополнительная погрешность – ошибка результата, которую обеспечивает прибор, работающий в условиях, отличающихся от нормальных условий;
систематическая погрешность – постоянно возникающая ошибка, связанная с особенностями прибора;
случайная погрешность – ошибка, появляющаяся из-за действия случайных (непредсказуемых) факторов;инструментальная погрешность – ошибка, которая связана с ошибками, допущенными в процессе изготовления прибора;
методическая погрешность – ошибка, обусловленная особенностями выбранного метода измерений;
субъективная погрешность – ошибка, обусловленная квалификацией и личными характеристиками персонала, выполняющего измерения;
статистическая погрешность – ошибка, которая рассчитывается на основе теории вероятностей;
статическая погрешность – ошибка, которая появляется при измерении неизменных величин;
динамическая погрешность – ошибка, которая появляется при измерении меняющихся во времени величин.

Эти и другие виды погрешностей изучаются в рамках теории погрешностей.

Вычисление погрешности измерений

Школьникам и студентам, выполняющим лабораторные работы, чаще всего приходится вычислять абсолютные и относительные погрешности. Делается это при помощи некоторого набора формул и определений.

Абсолютная погрешность ΔА вычисляется как разность между истинным значением величины (А) и ее приблизительным значением (Апр):

ΔА = А — Апр.

Относительная погрешность δА вычисляется как выраженное в процентах отношение абсолютной погрешности ΔА к приблизительному значению Апр:

δА = (ΔА / Апр) • 100%.

Абсолютная инструментальная погрешность ΔиА зависит от конструкции конкретного измерительного прибора и от его класса точности. Обычно это значение указывается на шкале прибора или в его паспорте.

С помощью класса точности можно рассчитать инструментальную погрешность ΔиА, выраженную в процентах. Для этого значение класса точности нужно умножить на наибольшее значение, которое способен измерять данный прибор, и поделить результат на 100.

То есть класс точности (обозначим его γ) связан с абсолютной инструментальной погрешностью (ΔиА) и максимальным показанием шкалы (Аmax) следующей формулой:

γ = ΔиА / Аmax • 100%.

Величины класса точности (γ) и максимально возможного показания шкалы (Аmax) можно узнать из паспорта прибора, которым будет производиться измерение. На их основе можно рассчитать абсолютную погрешность, с которой будет произведено измерение:

ΔиА = γ • Аmax / 100.

Поясним это на примере

Пусть амперметр имеет шкалу от 0 до 5 А, и на его шкале указан класс точности 0,5. Тогда инструментальная погрешность измерений при помощи такого амперметра будет:

ΔиА = 0,5 • 5 / 100 = 0,025.

Часто бывает так, что класс точности не указывают. В этом случае абсолютная инструментальная погрешность принимается такой же, как и погрешность отсчета ΔоА, которая принимается равной половине цены деления шкалы измерительного прибора.

Например, погрешность отсчета у обычной школьной линейки с миллиметровыми делениями принимается равной 0,5 мм. Если же линейка проградуирована не в миллиметрах, а, скажем, в дюймах, то погрешность отсчета ΔоА будет равна 0,5 дюймов.

Одна и та же величина, измеренная разными инструментами, будет иметь разную ошибку, и даже разное значение, так как результат необходимо округлять с той точностью, которую обеспечивает конкретная линейка.

Например, вот какие результаты мы получаем при измерении отрезка длиной 7 дюймов сначала при помощи дюймовой линейки, а затем при помощи двухдюймовой линейки.

Также точность конечного результата будет зависеть и от условий, в которых проводится измерение.

Рассмотрим решение следующей простой задачи: 25 зубочисток плотно лежат в коробочке. Ширину коробочки измерили обычной линейкой и получили значение 30 мм. Чему равна толщина одной зубочистки (толщиной стенок коробочки можно пренебречь)?

Решение:

Линейка обеспечивает погрешность измерений 0,5 мм.

Толщина одной зубочистки:

l = 30 / 25 = 1,2 мм.

Погрешность измерения толщины 25 зубочисток будет 0,5 мм, значит погрешность измерения толщины одной зубочистки:

Δl = 0,5 / 25 = 0,02.

Согласно правилам в ответе мы должны привести определяемую величину с той же точностью, что и ее погрешность. Таким образом, получаем следующий ответ.

Ответ:

l = 1,20 ± 0,02 мм.

Если же инструментальная погрешность ΔиА прибора известна, то максимальная абсолютная погрешность произведенных с его помощью измерений будет равна сумме абсолютной погрешности измерений и абсолютной инструментальной. Она рассчитывается по формуле:

ΔА = ΔоА + ΔиА.

При расчетах абсолютную погрешность принято округлять до одной значащей цифры.

Основные правила вычисления погрешностей

Чаще всего при выполнении практических измерений приходится определять относительные погрешности величин, которые вычисляются по формулам, и каждый член формулы имеет свою погрешность. В этом случае используются следующие правила:

Соответственно, абсолютная погрешность в таких задачах вычисляется как произведение относительной погрешности и приблизительного значения интересующей нас величины:

ΔА = δА • Апр.

Видео по теме погрешностей:

Что такое относительная и абсолютная погрешность читайте в нашей статье.

Источник

Абсолютная и относительная погрешность

Абсолютная погрешность

Относительная погрешность

Правила подсчета погрешностей

Что мы узнали?

Тест по теме

Оценка статьи

Вычисление абсолютной и относительной погрешностей измерений при прямых измерениях

1. Абсолютная погрешность

2. Относительная погрешность

Вычисление абсолютных и относительных погрешностей при косвенных2 измерениях

Использование формул дифференцирования

Материал из MachineLearning.

Содержание

Введение

Постановка вопроса. Виды погрешностей

Виды мер точности

Предельные погрешности

Погрешности округлений при представлении чисел в компьютере

Погрешности арифметических операций

Погрешности вычисления функций

Числовые примеры

Список литературы

См. также

Общие сведения о погрешностях

Вычисление погрешности измерений

Поясним это на примере

Основные правила вычисления погрешностей

Возможно, вам также будет интересно: