Как найти среднеквадратичное значение

В зарубежной терминологии применяется аббревиатура RMS (rms) — root mean square.
В математике для набора чисел x₁, x₂, . x_n количеством n среднеквадратичное значение (rms) определяется выражением:

Например, для чисел 2,3 и 6 среднеквадратичным значением будет квадратный корень из (2²+3²+6²)/3. √(49/3) = 4.04

Среднеквадратичным значением двух или нескольких чисел является квадратный корень из среднеарифметического значения квадратов этих чисел.

Для любой непрерывной функции в интервале T₁ — T₂ среднеквадратичное значение можно рассчитать по формуле:

Среднеквадратичное значение применяется в расчётах, где существует пропорциональная зависимость не самих переменных значений, а их квадратов.

Действующее значение напряжения и тока

В качестве примера можно рассмотреть квадратичную зависимость мощности или работы электрического тока от значений тока или напряжения.

P = I²R; A = I²Rt; P = U²/R; A = U²t/R

Величина постоянного напряжения или тока является его среднеквадратичным значением.
Среднеквадратичное значение переменного тока равно величине постоянного тока, действие которого произведёт такую же работу в активной (резистивной) нагрузке за время периода.
Определяющим фактором здесь является среднее (среднеарифметическое) значение мощности P avg или работы A avg, пропорциональное квадрату значения тока.
Так же среднеквадратичное значение переменного напряжения за период равносильно по своему воздействию на активную нагрузку такому же значению постоянного напряжения.

Среднеквадратичное значение переменного напряжения или тока часто называют действующим или эффективным.

Величину переменного напряжения или тока, в большинстве случаев, выражают его среднеквадратичным значением и измеряют приборами электромагнитного типа или специальными среднеквадратичными измерителями — True RMS.

Примечание:
Электромагнитные приборы используют для измерения переменного тока и напряжения в промышленных установках. Усилие, создаваемое измерительной катушкой в электромагнитном приборе, пропорционально квадрату тока, поэтому не меняется по направлению.
Угол отклонения стрелки определится некоторым средним усилием F, которое будет пропорционально среднеквадратичному значению тока.

Расчёт действующего значения

В качестве примера рассчитаем среднеквадратичное значение синусоидального напряжения.

Запишем выражение U rms с применением интеграла функции U = U ampsin(t) для одного периода 2π :

Вынесем U amp из под знака радикала. Воспользуемся табличным интегралом , перепишем и решим последнее выражение с применением формулы Ньютона-Лейбница:

Так как sin(2π), sin(4π) и sin(0) равны нулю, вычисляем RMS синусоиды следующим образом:

В результате решения в итоге получим:

Расчёт RMS для напряжения или тока треугольной и пилообразной формы можно рассмотреть на примере одного периода T для функции , представленной на рисунке:

Выразим U rms искомой функции с помощью определённого интеграла:

Используя табличный интеграл и формулу Ньютона-Лейбница, получаем:

В итоге преобразований получим:

Ток или напряжение любой сложной формы можно рассмотреть, как набор функций в пределах периода. Тогда значением RMS будет квадратный корень из среднеарифметического значения интегралов для квадрата каждой функции, ограниченной её интервалом времени в периоде.
Например, для множества функций F₁(t) , F₂(t) , . , F n(t) в соответствующих им интервалах времени (0 — T₁), (T₁ — T₂), . (T n — T), составляющих период T, действующее напряжение (RMS) определится выражением:

Для вариантов однополярного или двуполярного напряжения пилообразной и треугольной формы в периоде 2T или 4T, представленных на рисунке ниже, T и U amp имеют те же расчётные величины, что и в рассмотренном случае c функцией , а интегралы, определённые в интервалах, равных T, для квадратов используемых функций , будут иметь одно и то же значение

Следовательно, вышеуказанные варианты однополярного или двуполярного напряжения пилообразной и треугольной формы будут иметь среднеквадратичное значение .

В заключении рассмотрим пример вычисления действующего значения положительных прямоугольных импульсов длительностью T i .

Выразим U rms одного периода T, как квадратный корень из среднеарифметического значения интегралов, определённых в интервалах 0 — T i и T i — T для квадратов всех значений периода.

В результате получаем значение RMS, равное произведению амплитуды импульсов U amp на квадратный корень из коэффициента заполнения (T i / T).

В качестве дополнительного материала предлагаем рассмотреть расчёт средеквадратичного значения напряжения накала кинескопа цветного телевизора, исходя из амплитуды и формы напряжения.

Замечания и предложения принимаются и приветствуются!

Например, для чисел 2,3 и 6 среднеквадратичным значением будет квадратный корень из (2²+3²+6²)/3. √(49/3) = 4.04

Для любой непрерывной функции в интервале T₁ — T₂ среднеквадратичное значение можно рассчитать по формуле:

Действующее значение напряжения и тока

P = I²R; A = I²Rt; P = U²/R; A = U²t/R

Среднеквадратичное значение переменного напряжения или тока часто называют действующим или эффективным.

Расчёт действующего значения

В качестве примера рассчитаем среднеквадратичное значение синусоидального напряжения.

Запишем выражение U rms с применением интеграла функции U = U ampsin(t) для одного периода 2π :

Так как sin(2π), sin(4π) и sin(0) равны нулю, вычисляем RMS синусоиды следующим образом:

В результате решения в итоге получим:

Выразим U rms искомой функции с помощью определённого интеграла:

Используя табличный интеграл и формулу Ньютона-Лейбница, получаем:

В итоге преобразований получим:

Замечания и предложения принимаются и приветствуются!

Наиболее совершенной характеристикой вариации является среднее квадратическое откложение, которое называют стандартом (или стандартным отклонение). Среднее квадратическое отклонение ( ) равно квадратному корню из среднего квадрата отклонений отдельных значений признака от средней арифметической:

Среднее квадратическое отклонение простое:

Среднее квадратическое отклонение взвешенное применяется для сгруппированных данных:

Между средним квадратическим и средним линейным отклонениями в условиях нормального распределения имеет место следующее соотношение:

Среднее квадратическое отклонение, являясь основной абсолютной мерой вариации, используется при определении значений ординат кривой нормального распределения, в расчетах, связанных с организацией выборочного наблюдения и установлением точности выборочных характеристик, а также при оценке границ вариации признака в однородной совокупности.

Дисперсия, ее виды, среднеквадратическое отклонение.

Дисперсия случайной величины — мера разброса данной случайной величины, т. е. её отклонения отматематического ожидания. В статистике часто употребляется обозначение или . Квадратный корень из дисперсии называется среднеквадратичным отклонением, стандартным отклонением или стандартным разбросом.

Общая дисперсия (σ 2 ) измеряет вариацию признака во всей совокупности под влиянием всех факторов, обусловивших эту вариацию. Вместе с тем, благодаря методу группировок можно выделить и измерить вариацию, обусловленную группировочным признаком, и вариацию, возникающую под влиянием неучтенных факторов.

Межгрупповая дисперсия (σ 2 _м.гр) характеризует систематическую вариацию, т. е. различия в величине изучаемого признака, возникающие под влиянием признака – фактора, положенного в основание группировки.

Среднеквадратическое отклонение (синонимы: среднее квадратическое отклонение, среднеквадратичное отклонение, квадратичное отклонение; близкие термины: стандартное отклонение, стандартный разброс) — в теории вероятностей и статистике наиболее распространённый показатель рассеивания значений случайной величиныотносительно её математического ожидания. При ограниченных массивах выборок значений вместо математического ожидания используется среднее арифметическоесовокупности выборок.

Среднеквадратическое отклонение измеряется в единицах измерения самой случайной величины и используется при расчёте стандартной ошибки среднего арифметического, при построении доверительных интервалов, при статистической проверке гипотез, при измерении линейной взаимосвязи между случайными величинами. Определяется какквадратный корень из дисперсии случайной величины.

Среднеквадратическое отклонение:

Стандартное отклонение (оценка среднеквадратического отклонения случайной величины x относительно её математического ожидания на основе несмещённой оценки её дисперсии):

где — дисперсия; — i-й элемент выборки; — объём выборки; — среднее арифметическое выборки:

Следует отметить, что обе оценки являются смещёнными. В общем случае несмещённую оценку построить невозможно. Однако оценка на основе оценки несмещённой дисперсии является состоятельной.

Сущность, область применения и порядок определения моды и медианы.

Кроме степенных средних в статистике для относительной характеристики величины варьирующего признака и внутреннего строения рядов распределения пользуются структурными средними, которые представлены ,в основном, модой и медианой.

Мода — это наиболее часто встречающийся вариант ряда. Мода применяется, например, при определении размера одежды, обуви, пользующейся наибольшим спросом у покупателей. Модой для дискретного ряда является варианта, обладающая наибольшей частотой. При вычислении моды для интервального вариационного ряда необходимо сначала определить модальный интервал (по максимальной частоте), а затем — значение модальной величины признака по формуле:

где:

— — значение моды

— — нижняя граница модального интервала

— — величина интервала

— — частота модального интервала

— — частота интервала, предшествующего модальному

— — частота интервала, следующего за модальным

Медиана — это значение признака, которое лежит в основе ранжированного ряда и делит этот ряд на две равные по численности части.

Для определения медианы в дискретном ряду при наличии частот сначала вычисляют полусумму частот , а затем определяют, какое значение варианта приходится на нее. (Если отсортированный ряд содержит нечетное число признаков, то номер медианы вычисляют по формуле:

М_е = (n_{(число признаков в совокупности)} + 1)/2,

в случае четного числа признаков медиана будет равна средней из двух признаков находящихся в середине ряда).

При вычислении медианы для интервального вариационного ряда сначала определяют медианный интервал, в пределах которого находится медиана, а затем — значение медианы по формуле:

где:

— — искомая медиана

— — нижняя граница интервала, который содержит медиану

— — величина интервала

— — сумма частот или число членов ряда

— — сумма накопленных частот интервалов, предшествующих медианному

— — частота медианного интервала

Пример. Найти моду и медиану.

Возрастные группы	Число студентов	Сумма накопленных частот ΣS
До 20 лет
20 — 25
25 — 30
30 — 35
35 — 40
40 — 45
45 лет и более
Итого

Решение:
В данном примере модальный интервал находится в пределах возрастной группы 25-30 лет, так как на этот интервал приходится наибольшая частота (1054).

Рассчитаем величину моды:

Это значит что модальный возраст студентов равен 27 годам.

Вычислим медиану. Медианный интервал находится в возрастной группе 25-30 лет, так как в пределах этого интервала расположена варианта, которая делит совокупность на две равные части (Σf_i/2 = 3462/2 = 1731). Далее подставляем в формулу необходимые числовые данные и получаем значение медианы:

Это значит что одна половина студентов имеет возраст до 27,4 года, а другая свыше 27,4 года.

Кроме моды и медианы могут быть использованы такие показатели, как квартили, делящие ранжированный ряд на 4 равные части, децили — 10 частей и перцентили — на 100 частей.

Понятие выборочного наблюдения и область его применения.

Выборочное наблюдение применяется, когда применение сплошного наблюдения физически невозможно из-за большого массива данных или экономически нецелесообразно. Физическая невозможность имеет место, например, при изучении пассажиропотоков, рыночных цен, семейных бюджетов. Экономическая нецелесообразность имеет место при оценке качества товаров, связанной с их уничтожением, например, дегустация, испытание кирпичей на прочность и т.п.

Статистические единицы, отобранные для наблюдения, составляют выборочную совокупность или выборку, а весь их массив — генеральную совокупность (ГС). При этом числоединиц ввыборке обозначают n, а во всей ГС — N. Отношение n/N называется относительныйразмер или долявыборки.

Качество результатов выборочного наблюдения зависит от репрезентативности выборки, то есть от того, насколько она представительна в ГС. Для обеспечения репрезентативности выборки необходимо соблюдать принцип случайности отбора единиц, который предполагает, что на включение единицы ГС в выборку не может повлиять какой-либо иной фактор кроме случая.

Существует 4 способа случайного отбора в выборку:

Собственно случайный отбор или «метод лото», когда статистическим величинам присваиваются порядковые номера, заносимые на определенные предметы (например, бочонки), которые затем перемешиваются в некоторой емкости (например, в мешке) и выбираются наугад. На практике этот способ осуществляют с помощью генератора случайных чисел или математических таблиц случайных чисел.
Механический отбор, согласно которому отбирается каждая (N/n)-я величина генеральной совокупности. Например, если она содержит 100 000 величин, а требуется выбрать 1 000, то в выборку попадет каждая 100 000 / 1000 = 100-я величина. Причем, если они не ранжированы, то первая выбирается наугад из первой сотни, а номера других будут на сотню больше. Например, если первой оказалась единица № 19, то следующей должна быть № 119, затем № 219, затем № 319 и т.д. Если единицы генеральной совокупности ранжированы, то первой выбирается № 50, затем № 150, затем № 250 и так далее.
Отбор величин из неоднородного массива данных ведется стратифицированным (расслоенным) способом, когда генеральная совокупность предварительно разбивается на однородные группы, к которым применяется случайный или механический отбор.
Особый способ составления выборки представляет собой серийный отбор, при котором случайно или механически выбирают не отдельные величины, а их серии (последовательности с какого-то номера по какой-то подряд), внутри которых ведут сплошное наблюдение.

Качество выборочных наблюдений зависит и от типа выборки: повторная или бесповторная.

При повторном отборе попавшие в выборку статистические величины или их серии после использования возвращаются в генеральную совокупность, имея шанс попасть в новую выборку. При этом у всех величин генеральной совокупности одинаковая вероятность включения в выборку.

Бесповторный отбор означает, что попавшие в выборку статистические величины или их серии после использования не возвращаются в генеральную совокупность, а потому для остальных величин последней повышается вероятность попадания в следующую выборку.

Бесповторный отбор дает более точные результаты, поэтому применяется чаще. Но есть ситуации, когда его применить нельзя (изучение пассажиропотоков, потребительского спроса и т.п.) и тогда ведется повторный отбор.

Предельная ошибка выборки наблюдения, средняя ошибка выборки, порядок их расчета.

Рассмотрим подробно перечисленные выше способы формирования выборочной совокупности и возникающие при этом ошибки репрезентативности.
Собственно-случайная выборка основывается на отборе единиц из генеральной совокупности наугад без каких-либо элементов системности. Технически собственно-случайный отбор проводят методом жеребьевки (например, розыгрыши лотерей) или по таблице случайных чисел.

Собственно-случайный отбор «в чистом виде» в практике выборочного наблюдения применяется редко, но он является исходным среди других видов отбора, в нем реализуются основные принципы выборочного наблюдения. Рассмотрим некоторые вопросы теории выборочного метода и формулы ошибок для простой случайной выборки.

Ошибка выборочного наблюдения – это разность между величиной параметра в генеральной совокупности, и его величиной, вычисленной по результатам выборочного наблюдения. Для средней количественного признака ошибка выборки определяется

Показатель называется предельной ошибкой выборки.
Выборочная средняя является случайной величиной, которая может принимать различные значения в зависимости от того, какие единицы попали в выборку. Следовательно, ошибки выборки также являются случайными величинами и могут принимать различные значения. Поэтому определяют среднюю из возможных ошибок – среднюю ошибку выборки , которая зависит от:

— объема выборки: чем больше численность, тем меньше величина средней ошибки;

— степени изменения изучаемого признака: чем меньше вариация признака, а, следовательно, и дисперсия, тем меньше средняя ошибка выборки.

При случайном повторном отборе средняя ошибка рассчитывается:
.
Практически генеральная дисперсия точно не известна, но в теории вероятности доказано, что
.
Так как величина при достаточно больших n близка к 1, можно считать, что . Тогда средняя ошибка выборки может быть рассчитана:
.
Но в случаях малой выборки (при n 0 или равномерное падение при b1 1 или замедляющееся падение при b1