试验数据的修约.doc

试验数据 读取 运算 修约 评定

一、有效数字
（末）的概念：任何一个数最末一位数字所对应的单位量值。
有效数字的概念：当近似数的绝对误差的模小于0.5（末）时，从左边的第一个非零数字算起，直至最末一位数字为止的所有数字。
例1：将e=2.71828……截取到百分位
得近似数2.72，则此时引起的误差绝对值为|2.72-2.71828……|=0.00172……。
2.72的（末）为0.01，因为0.5（末）=0.5×0.01=0.005>0.00172……，所以称2.72为三位有效数字。同理：2.718为四位有效数字；2.7182不是五位有效数字。
例2：用分度值为1mm的钢直尺测出某混凝土试块边长为150mm。
150的（末）为1mm，绝对误差的模小于0.5（末）=0.5×1=0.5mm，为三位有效数字，即该测量值误差小于0.5mm。
例3：用最小刻度为0.02mm的游标卡尺量出某Φ12钢筋直径为11.96mm。
11.96的（末）为0.02mm，绝对误差的模小于0.5（末）=0.5×0.02=0.01mm，为四位有效数字，即该测量值误差小于0.01mm。
例4：用分度值为0.5mm的砖用卡尺测量出某块普通砖高度为52.5mm。
52.5的（末）为0.5mm，绝对误差的模小于0.5（末）=0.5×0.5=0.25mm，为三位有效数字，即该测量值误差小于0.25mm。
从上可知，测量结果的有效位数同所用测量仪器的最小刻度值（末）密切相关，不同的有效数代表不同的检测精度，如20.10mm比20.1mm检测精度要高。所以，数字右边的“0”不能随意取舍，因为这些“0”都是有效数字。

二、近似数运算
1、加减法运算
以参与运算的各数中（末）最大的数为准，其余的数均比它多保留一位，多余位数应舍去。计算结果的（末），应与参与运算的数中（末）最大的那个数相同。若计算结果尚需参与下一步运算，则可多保留一位。
例5：15.3m+2.786m-0.8749m
取15.3m+2.79m-0.87m=17.22m≈17.2m
计算结果为17.2m。若需参与下一步运算，则取17.22m。
2、乘除法（或乘方开方）运算
以有效数字位数最少的那个数为准，其余数的有效数字均比它多保留一位。运算结果（积、商或乘幂、方根）的有效数字位数，应与参与运算中有效数字位数最少的那个相同。若需参与下一步运算，则可多保留一位。
例6：1.1m×0.3469m×0.20900m
取1.1m×0.347m×0.209m=0.0798m3≈0.080m3
计算结果为0.080m3。若需参与下一步结算，则取0.0798 m3。

三、数据修约
1、基本概念
选取一个其值为修约间隔整数倍的数（称为修约数）来代替拟修约数，这一过程称为数据修约。
修约间隔又称为修约区间或化整间隔，是确定修约保留位数的一种方式，一般以k×10n的形式表示（k=1.2.5；n为正、负整数）。
修约间隔一经确定，修约数只能是修约间隔的整数倍。
2、修约规则
（1）如果为修约间隔整数倍的一系列数中，只有一个数最接近拟修约数，这个数就是修约数。
例7：将1.250001按0.1修约间隔进行修约。
与拟修约数1.250001邻近的为修约间隔0.1整数倍的数有1.2和1.3，而1.3最接近拟修约数，所以1.3就是修约数。
例8：将2.015修约至十分位的0.2个单位。
修约间隔为0.02，与拟修约数邻近的为0.02整数倍的数有2.00（100倍）和2.02（101倍），2.02最接近拟修约数，故2.02是修约数。
例9：将2.2505按5间隔修约至十分位。
修约间隔是0.5的邻近数为2.0和2.5。2.5最接近拟修约数，故2.5为修约数。
（2）如果为修约间隔整数倍的一系列数中，有连续的两个数相同等地接近拟修约数，则这两个数中，只有为修约间隔偶数倍的那个数才是修约数。
例10：将250按100修约间隔修约
邻近数有200和300，它们同等地接近拟修约数。200是100的2倍，而300是100的3倍，所以200是修约数。
例11：将0.500按0.2间隔修约
邻近数为0.4和0.6，它们同等地接近拟修约数。0.4是0.2的2倍，0.6是0.2的3倍，因而0.4是修约数。
例12：将2.025按5间隔修约到3位有效数字。
邻近数为2.00和2.05。2.00是0.05的40倍，2.05是0.05的41倍，因而2.00是修约数。
（3）负数修约时，先将它的绝对值进行修约，然后在修约值前加上负号。
（4）不许对同一个数进行连续修约。

四、实际应用
例13：现对用雷氏夹膨胀测定仪（最小刻度0.5mm）测得的两组水泥安定性试件数据作如下评定
级别
雷氏夹试件膨胀值（mm）
结果评定
试件1
试件2
平均值
技术要求
1
5.5
4.0
5.0(4.75)
平均值≤5.0
合格
2
5.5
5.0
5.0(5.25)
合格
属加法运算，计算结果的（末）应为0.5，修约间隔为0.5。第一组平均值为4.75，邻近数为4.5（9倍）和5.0(10倍)，取5.0；第二组平均值为5.25，邻近数为5.0（10倍）和5.5（11倍），取5.0。
例14：用砖用卡尺（分度值0.5mm）测定某烧结多孔砖的外观尺寸过程如下：

序号
测量内容
测量数据（mm）
平均值（mm）
测量结果（mm）
1次
2次
1
长
191.5
191.5
191.5(191.5)
192
2
宽
189.0
188.5
190.0(188.75)
190
3
高
90.0
89.5
90.0(89.75)
90
因为砖用卡尺的分度值为0.5mm，故长宽高平均值修约间隔取0.5mm。又因为砖表面有缺损或凸出现象，各人每次测量都不会得出相同数据，故标准把最终测量结果的修约间隔放宽至1mm。
例15：用100kg磅秤（最小刻度50g）和5L容量筒测定砼拌合物表观密度过程如下：

次数
容量筒容积V（m3）
容量筒质量m1（kg）
容量筒与砼试样总质量m2（kg/m3）
砼质量
（m2 -m1）（kg）
砼拌合物表观密度ρ（kg/m3）
表观密度
平均值ρ（kg/m3）
1
5.0403×10-3
1.115
13.15
12.035
2390(2388)
2400(2395)
2
13.20
12.085
2400(2398)
为降低试验误差，首先用15kg电子秤（最小显示值5g）和500mm钢直尺（最小刻度0.5mm）对容量筒进行校准，结果如下：
筒质量1.115kg，筒内径185.5mm，筒净高186.5mm。
V=185.52×3.1416×186.5÷4=5.0403×10-3(m3)
V为乘法运算，π取5位有效数字，因m2为4位有效数字，故V取5位有效数字；（m2-m1）为减法运算，其结果需代入下一步运算，故取5位有效数字。
本试验系统误差主要由磅秤和试验人员产生的，由容量筒质量和容积引起的误差可忽略不计。
经综合评估，砼表观密度的修约间隔取10kg/m3。
例16：试对下列两根钢筋原材拉伸性能作出评价

序号
规格
牌号
面积
A0
(mm2)
屈服
荷载FS(KN)
屈服强度(Mpa)
破坏荷载Fb
(KN)
抗拉强度(MPa)
伸长率(%)
结果评定
技术要求
σs
技术要求
σb
L0
mm
L1
mm
技术要求
δ5
1
16
R235
201.1
47.0
≥235
235
(233.7)
76.0
≥370
380
(377.9)
80.0
103.0
≥25
29.0
(28.75)
合格
2
18
HRB335
254.5
90
≥335
355
(353.6)
124
≥490
485
(487.2)
90.0
110.5
≥16
23.0
(22.78)
不合格
因液压万能试验机荷载读取值一般为3位有效数字，故钢筋的计算截面积取4位有效数字，钢筋直径取公称直径（如16、18），π取3.1416（5位有效数字）。
本例使用WE-300型万能试验机拉伸钢筋，Φ16选用0-150KN（分度值0.5KN）度盘，Φ18选用0-300KN（分度值1KN）度盘，其均在有效量程20-80%范围内；测量伸长率选用500mm（最小刻度0.5mm） 钢直尺。
由于试验设备、操作环境、检测人员和试验方法均影响钢筋原材拉伸性能试验的结果，其系统误差的来源较复杂，标准规定强度的修约间隔取5Mpa，伸长率的修约间隔取0.5%。

五、结束语
本试验中心遵循的建筑材料试验数据处理原则如下：
1、不准使用精度低于要求精度的测量设备，测量值应该读取刻度值，当示值处于两条刻度线之间时，应以最靠近的刻度值作为示值。
2、有效数字的截取应符合近似数的运算规则，不得随意增加或减少。
3、读取和计算的试验数据均存在各种修约间隔，其大小由测量仪器的最小刻度或系统误差决定。在修约间隔整数倍的一系列数中，如果有一个数最接近拟修约数，这个数就是修约数；如果有连续的两个数同等地接近拟修约数，为修约间隔偶数倍的数是修约数。

参考文献
[1]计量认证/审查认可（验收）评审准则宣贯指南 中国计量出版社 2001
[2]GB/T1346-2001《水泥标准稠度用水量、凝结时间、安定性检验方法》
[3]GB/T2542-2003《砌墙砖试验方法》
[4]GB/T50080-2002《普通混凝土拌合物性能试验方法标准》
[5]GB/T228-2002《金属材料室温拉伸试验方法》
[6]GB13013-91《钢筋混凝土用热轧光圆钢筋》
[7]GB1499-1998《钢筋混凝土用热轧带肋钢筋》

试验检测数据处理
第一节 数字的修约规则
一、育效数字
在测量工作中，由于测量结果总会有误差，因此表示测量结果的位数不宜大多，也不宜太少，大多容易使人误认为测量精度很高，太少则会损失精度。
测量过程中，由于受到一系列不可控制和不可避免的主观和客观因素的影响，所获得的测量值必定含有误差，即获得的测量值仅仅是被测量的近似值。另一方面，在数据处理过程中引人的诸如п、21/2等一些常量，在大多数情况下，是以无穷小数形式的元理数来表示，这就需要确定一项原则，将测得的或计算的数截取到所需的位数。认为在一个数值中小数点后面的位数愈多，这个数直就愈准确；或者在计算中，保留的位数愈多，这个数值就愈准确的想法都是错误的，第一种想法的错误在于没有弄清楚小数点的位置不是决定准确与否的标准，而仅与所用计量单位的大小有关。如长度为21．3mm与0．O213m，其准确程度完全相同；第二种想法的错误在于不了解所有测量，由于仪器和人们的感官只能做到一定的准确程度。这个准确程度一方面决定于所用仪器刻度的精细程度；另一方面也与所用方法有关。因此在计算结果中，无论取多少位数都不可能把准确程度增加到超过测量误差所允许的范围。反之，表示一个数值时，如果书写的位数过少，即数值所取的有效位数少于实际所能达到的精度，不能把已经达到的精度表示出来，也是错误的。
例如，不考虑测量误差，单从有效数字来考虑，在数学上23与23.00 两个数是相等的。而作为表示测量结果的数值，两者相差是很悬殊的。用23表示的测量结果，其误差可能为土0．5；而23．00表示的测量结果，其误差可能是土0.005。再如，1和0．1在数值上相差10倍，单从数值上看两数是不等的，而作为测量结果可能因所用单位不同，所表示的测量结果和所达到的精度是相同的。
因此，在对测量数据的处理中，掌握有效数字的有关知识是十分重要的。
有效数字的概念可表述为：由数字组成的一个数，除最末一位数字是不确切值或可疑值外，其它数字皆为可靠值或确切值，则组成该数的所有数字包括未位数字称为有效数字，除有效数字外其余数字为多余数字。
对于“0“这个数字，它在数中的位置不同，可能是有效数字，也可能是多余数字。
    整数前面的“0”无意义，是多余数字。对纯小数，在小数点后，数字前的“0”只起定位，决定数量级的作用（相当于所取的测量单位不同），所以，也是多余数字。
    处于数中间位置的“0”是有效数字。
    处于数后面位置的“0”是否算有效数字可分三种情况：
    （1）数后面的“0”，若把多余数字的”0”用10的乘幂来表示，使其与有效数字分开，这样在10的乘幂前面所有数字包括“0”皆为有效数字；
    （2）作为测量结果并注明误差值的数值，其表示的数值等于或大于误差值的所有数字，包括“0”皆为有效数字；
    （3）上面两种情况外的数后面的“0”则很难判断是有效数字还是多余数字，因此，应避免采用这种不确切的表示方法。
    一个数，有效数字占有的位数，即有效数字的个数，为该数的有效位数。
    为弄清有效数字的概念，举例如下：
    00713，0.0715,7.03,7.03×102 ，这四个数的有效位数均为3，有效数字都是3个。
    再如，测量某一试件面积、得其有效面积A=0．O50150 2m2 ，测量的极限误差 ＝
0.000005 m2 。则测量结果应当表示为A=（0．O50150土0.oo0oo5）m2 。误差的有效数字为1位，即5；而有效面积的有效数字应为5个，即50  150；因2小于误差的数量级，故为多余数字。
    若给出的数值为71  300，则为不确切的表示方法。它可能是713 x 102 ，也可能是7.130  x104，也可能是7.130 0  x 104  。即有效数字可能是3个，4个或5个。若无其它说明，则很难判定其有效数字究竟是几个。   
    在测量或计量中应取多少位有效数字，可根据下述准则判定：
    （1）对不需要标明误差的数据，其有效位数应取到最末一位数字为可疑数字（也称不确切或参考数字）；
    （2）对需要标明误差的数据，其有效位数应取到与误差同一数量级。
二、数字修约规则
    L修约间隔
    修约间隔是指确定修约保留位数的一种方式。修约间隔的数值一经确定，修约值即应为
该数值的整数倍。
    例如指定修约间隔为0．1，修约值即应在0．1的整数倍中选取，相当干将数值修约到一位小数。又如指定修约间隔为100，修约值即应在100的整数倍中选取，相当于将数值修约到“百”数位。
    0．5单位修约（半个单位修约）是指修约间隔为指定数位的0．5单位，即修约到指定数位的0．5单位。
    0．2单位修约是指修约间隔为指定数位的0．2单位，即修约到指定数位的0．2单位。
    最基本的修约间隔是10n（n为整数），它等同于确定修约到某数位。
    2．数值修约进舍规则
    （1）拟舍弃数字的最左一位数字小于5时，则舍去，即保留的各位数字不变。
  （2）拟舍弃数字的最左一位数字大于5；或者是5，而且后面的数字并非全部为0时，则进1，即保留的末位数字加。
    （3）拟舍弃数字的最左一位数字为5，而后面无数字或全部为0时，若所保留的未位数字为奇数（1，3，5，7，9）则进一，为偶数（2，4，6，8，0）则舍弃。
    （4）负数修约时，先将它的绝对值按上述三条规定进行修约，然后在修约值前面加上负号。  
    （5）0.5单位修约时，将拟修约数值乘以2,按指定数位依进舍规则修约，所得数值再除
以2。
（6）0．2单位修约时，将拟修约数值乘以5，按指定数位依进舍规则修约，所得数值再除以5。
  上述数值修约规则（有时称之为“奇升偶舍法”）与常用的“四舍五人”的方法区别在于，用“四舍五人”法对数值进行修约，从很多修约后的数值中得到的均值偏大。而用上述的修约规则，进舍的状况具有平衡性，进舍误差也具有平衡性，若干数值经过这种修约后，修约值之和变大的可能性与变小的可能性是一样的。
    3．数值修约注意事项
    实行数值修约，应在明确修约间隔、确定修约位数后一次完成，而不应连续修约，否则会导致不正确的结果。然而，实际工作中常有这种情况，有的部门先将原始数据按修约要求多一位至几位报出，而后另一个部门按此报出值再按规定位数修约和判定，这样就有连续修约的错误。
    （1）拟修约数字应在确定修约后一次修约获得结果，而不得多次按进舍规则连续修约。
    （2）在具体实施中，有时测量与计算部门先将获得数值按指定的修约数位多一位或几位报出，而后由其他部门判定。为避免产生连续修约的错误，应按下列步骤进行。
    ①报出数值最右的非0数字为5时，应在数值后面加“（+）”号或“（一）”号或不加符号，以分别表明己进行过舍、进或未舍未进。
    ②如果判定报出值需要进行修约，当拟舍弃数字的最左一位数字为5而后面无数字或全
部为0时，数值后面有（+）号者进1，数值后面有（一）号者舍去，其他仍按进舍规则进行。
三、计算法则
    1.加减运算
应以各数中有效数字未位数的数位最高者为准（小数即以小数部分位数最少者为准），其余数均比该数向右多保留一位有效数字。
    2，乘除运算
    应以各数中有效数字位数最少者为准，其余数均多取一位有效数字，所得积或商也多取一位有效数字。
    3．平方或开方运算
其结果可比原数多保留一位有效数字。
    4，对数运算  
    所取对数位数应与真数有效数字位数相等。
    5，查角度的三角函数
  所用函数值的位数通常随角度误差的减小而增多，一般三角函数表选择如下：
   角度误差  表的位数
  10”5
  1”6
0．1”  7
0．01”、8
    在所有计算式中，常数п,e 的数值以及因子屋等的有效数字位数，可认为无限制，需要几
位就取几位。表示精度时，一般取一位有效数字，最多取两位有效数字
第二节 数据的统计特征与分布
一、总体与样本
在工程质量检验中，对无限总体中的个体，逐一考察其某个质量特性显然是不可能的；对有限总体，若所含个体数量虽不大，但考察方法往往是破坏性的，同样不能采用全数考察。所以，通过抽取总体中的一小部分个体加以检测，以了解和分析总体质量状况，这是工程质量检验的主要方法（有关工程质量的抽样检验方法将在第五节中讨论）。因此，除特殊项目外，大多采用抽样检验，这就涉及到总体与样本的概念。
总体又称母体，是统计分析中所要研究对象的全体。而组成总体的每个单元称为个体。
例如，在沥青混合料拌和工地上需要确定某公司运来的一批沥青质量是否合格，则这批沥青就是总体。
总体分为有限总体和无限总体，如果是一批产品，由于其数量有限，所以称其为有限总体；如果是一道工序，由于工序总在源源不断地生产出产品，有时是一个连续的整体，所以这样的总体称为无限总体。
从总体中抽取一部分个体就是样本（又称子样）。例如，从每一桶沥青中取两个试样，一批沥青有100桶，抽查了2oo个试样做试验，则这200个试样就是样本。而组成样本的每一个个体，即为样品。例如，上述2oo个试样中的某一个，就是该样本中的一个样品。
样本容量是样本中所含样品的数量，通常用n来表示。上例中样本容量n＝2oo。样本容量的大小，直接关系到判断结果的可靠性。一般来说，样本容量愈大，可靠性愈好，但检测所耗费的工作量亦愈大，成本也就愈高。样本容量与总体中所含个体的数量相等时，是一种极限情况，因此，全数检验是抽样检验的极限。
    二、数据的统计特征量
用来表示统计数据分布及其某些特性的特征量分为两类：一类表示数据的集中位置，例如算术平均值、中位数等；一类表示数据的离散程度，主要有极差、标准离差、变异系数等。
1．算术平均值
算术平均值是表示一组数据集中位置最有用的统计特征量，经常用样本的算术平均值来代表总体的平均水平。总体的算术平均值用户表示，样本的算术平均值则用x表示。如果n个样本数据为x1、x2、…、xn，那么，计算样本的算术平均值。
2．中位数
    在一组数据x1、x2、…、xn中，按其大小次序排序，以排在正中间的一个数表示总体的平均水平，称之为中位数，或称中值，用x-‘ 表示。n为奇数时，正中间的数只有一个；n为偶数时，正中间的数有两个，则取这两个数的平均值作为中位数，即：
    3.极差
    在一组数据中最大值与最小值之差，称为极差，记作R：
    极差没有充分利用数据的信息，但计算十分简单，仅适用于样本容量较小（n＜10）的
情况。
    4.标准偏差
标准偏差有时也称标准离差、标准差或称均方差,它是衡量样本数据波动性（离散程度）的指标占在质量检验中，总体的标准偏差 一般不易求得。样本的标准偏差3按下式计算：
5．变异系数  
标准偏差是反映样本数据的绝对波动状况,当测量较大的量值时，绝对误差一般较大；而测量较小的量值时，绝对误差一般较小，因此，用相对波动的大小，即变异系数更能反映样本数据的波动性。
变异系数用 表示，是标准偏差S与算术平均值ò 的比值。
三、直方图
直方图即质量分布图，是把收集到的工序质量数据，用相等的组距进行分组，按要求进行频数（每组中出现数据的个数）统计，再在直角坐标系中以组界为顺序、组距为宽度在横坐标上描点，以各组的频数为高度在纵坐标上描点，然后画成长方形（柱状）连接图。
四、正态分帝
正态分布是应用最多、最广泛的一种概率分布曲线，而且，是其他概率分布的基础。
   正态分布具有以下特点：
    （1）正态分布曲线对称于x=μ，即以平均值为中心；
    （2）当x=μ时，曲线处于最高点、当x向左右偏离时，曲线逐渐降低，整个曲线呈中间高、两边低的形状；
（3）曲线与横坐标轴所围成的面积等于1
第三节 可疑数据的取舍方法
    在一组条件完全相同的重复试验中，个别的测量值可能会出现异常。如测量值过大或过
小，这些过大或过小的测量数据是不正常的，或称为可疑的。对于这些可疑数据应该用数理统计的方法判别其真伪，并决定取舍。常用的方法有拉依达法、肖维纳特（Chavenet）法。
格拉布斯（Grubbs）法等。
一、拉依达法
    当试验次数较多时，可简单地用3倍标准偏差（3S）作为确定可疑数据取舍的标准。当某一测量数据（xi）与其测量结果的算术平均值（x-‘）之差大于3倍标准偏差时，用公式表示为：
  ︳xi －x-‘︳＞3S
    则该测量数据应舍弃。
    这是美国混凝土标准中所采用的方法，由于该方法是以3倍标准偏差作为判别标准，所以亦称3倍标准偏差法，简称3S法。
    取3S的理由是：根据随机变量的正态分布规律，在多次试验中，测量值落在 x-‘一3S与x-‘ 十3S之间的概率为99.73％，出现在此范围之外的概率仅为0.27%，也就是在近400次试验中才能遇到一次，这种事件为小概率事件，出现的可能性很小，几乎是不可能。因而在实际试验中，一旦出现，就认为该测量数据是不可靠的，应将其舍弃。
另外，当测量值与平均值之差大于2倍标准偏差（即 ︳xi －x-‘︳＞ 2S）时，则该测量值应保留，但需存疑。如发现生产（施工）、试验过程屯有可疑的变异时，该测量值则应予舍弃。
    拉依达法简单方便，不需查表，但要求较宽，当试验检测次数较多或要求不高时可以应用，当试验检测次数较少时（如n<10）在一组测量值中即使混有异常值，也无法舍弃。
二、肖维纳特法
    进行n次试验，其测量值服从正态分布，以概率1／（2n）设定一判别范围（一knS，knS），当偏差（测量值xi与其算术平均值x-‘之差）超出该范围时，就意味着该测量值xi是可疑的，应予舍弃。判别范围由下式确定：
肖维纳特法可疑数据舍弃的标准为：
︳xi一 x-‘︳/S≥kn
    三、格拉布斯法
格拉布斯法假定测量结果服从正态分布，根据顺序统计量来确定可疑数据的取舍。
进行n次重复试验，试验结果为x1、x2、…、xi、…、xn ，而且xi服从正态分布。
为了检验 （i=1，2，…，n）中是否有可疑值，可将 按其值由小到大顺序重新排列，
根据顺序统计原则，给出标准化顺序统计量g：
当最小值x(1)可疑时，则: g=( x-‘一x(1) )/S
当最大值x(n)可疑时，则: g=( x(n) 一 x-‘ )/S
    根据格拉布斯统计量的分布，在指定的显著性水平β（一般β＝0.05）下，求得判别可疑值的临界值g0（ β,n） ,格拉布斯法的判别标准为：
g≥g0（ β,n）
利用格拉布斯法每次只能舍弃一个可疑值，若有两个以上的可疑数据，应该一个一个数据的舍弃，舍弃第一个数据后，试验次数由n变为n一1,以此为基础再判别第二个可疑数据。
第四节 数据的表达方法
通过试验检测获得一系列数据，如何对这些数据进行深入的分析，以便得到各参数之间的关系，甚至用数学解析的方法，导出各参数之间的函数关系，这是数据处理的任务之一。
    测量数据的表达方法通常有表格法、图示法和经验公式法等三种。
一、表格法
    用表格来表示函数的方法，在自然科学和工程技术上用得特别多。在科学试验中一系列
测量数据都是首先列成表格，然后再进行其他的处理。表格法简单方便，但要进行深入的分
析，表格就不能胜任了。首先，尽管测量次数相当多，但它不能给出所有的函数关系；其次，从表格中不易看出自变量变化时函数的变化规律，而只能大致估计出函数是递增的、递减的或是周期性变化的等。列成表格是为了表示出测量结果，或是为了以后的计算方便，同时也是图示法和经验公式法的基础。
    表格有两种：一种是试验检测数据记录表，另一种是试验检测结果表。
    试验检测数据记录表是该项试验检测的原始记录表，它包括的内容应有试验检测目的，内容摘要、试验日期、环境条件、检测仪器设备、原始数据、测量数据、结果分析以及参加人员和负责人等。
    试验检测结果表只反映试验检测结果的最后结论，一般只有几个变量之间的对应关系。
试验检测结果表应力求简明扼要，能说明问题。
二、图示法
    在自然科学和工程技术中用图形来表示测量数据是最普追的一种方法。图示法的最大优
点是一目了然，即从图形中可非常直观地看出函数的变化规律，如递增性或递减性，最大值或最小值，是否具有周期性变化规律等。但是，从图形上只能得到函数变化关系而不能进行数学分析。
    图示法的基本要点为：
    （1）在直角坐标系中绘制测量数据的图形时，应以横坐标为自变量，纵坐标为对应的函数量。
    （2）坐标纸的大小与分度的选择应与测量数据的精度相适应。分度过粗时，影响原始数据的有效数字，绘图精度将低于试验中参数测量的精度；分度过细时会高于原始数据的精度。
    坐标分度值不一定自零起，可用低于试验数据的某一数值作起点和高于试验数据的某一
数值作终点，曲线以基本占满全幅坐标纸为宜。
    （3）坐标轴应注明分度值的有效数字和名称、单位，必要时还应标明试验条件，坐标的文字书写方向应与该坐标轴平行，在同一图上表示不同数据时应该用不同的符号加以区别。
（4）曲线平滑方法。测量数据往往是分散的，如果用短线连接各点得到的就不是光滑的曲线，而是折线。由于每一个测点总存在误差，按带有误差的各数据所描的点不一定是真实值的正确位置。根据足够多的测量数据，完全有可能作出一光滑曲线，决定曲线的走向应考虑曲线应尽可能通过或接近所有的点，但曲线不必强求通过所有的点，尤其是两端的点，当不可能时，则应移动曲线尺，顾及到所绘制的曲线与实测值之间的误差的平方和最小。此时曲线两边的点数接近于相等。
三、经验公式法
测量数据不仅可用图形表示出函数之间的关系，而且可用与图形对应的一个公式来表示所有的测量数据，当然这个公式不可能完全准确地表达全部数据。因此，常把与曲线对应的公式称为经验公式，在回归分析中则称之为回归方程。
    把全部测量数据用一个公式宋代替，不仅有紧凑扼要的优点，而且可以对公式进行必要的数学运算，以研究各自变量与函数之间的关系。
    根据一系列测量数据，如何建立公式，建立什么形式的公式，这是首先需要解决的问题。
    所建立的公式能正确表达测量数据的函数关系，往往不是一件容易的事情，在很大程度上取决于试验人员的经验和判断能力，而且建立公式的过程比较繁琐，有时还要多次反复才能得到与测量数据更接近的公式。
    建立公式的步骤大致可归纳如下：
    （1）描绘曲线。以自变量为横坐标，函数量为纵坐标，将测量数据描绘在坐标纸上，并把数据点描绘成测量曲线（详见图示法）。
    （2）对所描绘的曲线进行分析，确定公式的基本形式。
    如果数据点描绘的基本上是直线，则可用一元线性回归方法确定直线方程。
    如果数据点描绘的是曲线，则要根据曲线的特点判断曲线属于何种类型。判断时可参考
现成的数学曲线形状加以选择，对选择的曲线则按一元非线性回归方法处理。
    如果测量曲线很难判断属何种类型，则可按多项式回归处理。
    （3）曲线化直。如果测量数据描绘的曲线被确定为某种类型的曲线，则可先将该曲线方程变换为直线方程，然后按一元线性回归方法处理。
    （4）确定公式中的常量。代表测量数据的直线方程或经曲线化直后的直线方程表达式为y=a+bx，可根据一系列测量数据确定方程中的常量a和b，其方法一般有图解法、端值法。
平均法和最小二乘法等。
    （5）检验所确定的公式的准确性，即用测量数据中自变量值代人公式计算出函数值，看它与实际测量值是否一致，如果差别很大，说明所确定的公式基本形式可能有错误，则应建立另外形式的公式。
    四、一元线性回归分析
    若两个变量x和y之间存在一定的关系，并通过试验获得x和y的一系列数据，用数学处理的方法得出这两个变量之间的关系式，这就是回归分析，也就是工程上所说的拟合问题，所得关系式称为经验公式，或称回归方程、拟合方程。
如果两变量x和y之间的关系是线性关系，就称为一元线性回归或称直线拟合。如果两变量之间的关系是非线性关系，则称为一元非线性回归或称曲线拟合。前面已经介绍，对于非线性问题，可以通过坐标变换转化为线性回归问题进行处理。
测量不确定度的评定
由于始终存在于测量过程中的随机误差影响和不可能完全消除或修正的系统误差影响，任何实际的测量都不可能获得被测量的真值，即测量结果总是不能准确确定的。测量不确定度的评定就是要决定测量结果的不确定程度及其相应的置信概率，即给出一定置信概率的测量不确定度。
1.3.1 标准不确定度的A类评定（1.3.1）
标准不确定度的A类评定是对由重复性测量引起的不确定度分量进行评定。
对被测量X，在重复性条件下进行n次独立重复观测，观测值为 （ ），算术平均值 为

为单次测量的实验标准差，由贝塞尔公式计算得到
    （1.3.2）
为平均值的实验标准差，其值为
    （1.3.3）在某物理量的观测值中，若系统误差已消除或可以忽略不计，只存在随机误差，则观测值散布在其期望值附近。当取若干组观测值，它们各自的平均值也散布在期望值附近，但比单个观测值更靠近期望值。也就是说，多次测量的平均值比一次测量值更准确，随着测量次数的增多，平均值收敛于期望值。因此，通常以样本的算术平均值作为被测量值的估计（即测量结果），以平均值的实验标准差 作为测量结果的标准不确定度，即A类标准不确定度。      （1.3.4）  
观测次数n充分多，才能使A类不确定度的评定可靠，一般认为n应大于6。但也要视实际情况而定，当该A类不确定度分量对合成标准不确定度的贡献较大时，n不宜太小，反之，当该A类不确定度分量对合成标准不确定度的贡献较小时，n小一些关系也不大。
1.3.2标准不确定度的B类评定
1.3.2 .1 B类不确定度评定的信息来源
B类不确定度主要来自于各种不同类型的仪器、不同的测量方法、方法的不同应用以及测量理论模型的不同近似等方面。因此，B类不确定度的评定主要从以上几个方面获得信息。在实际测量中，测量方法可以优选，理论模型的近似可以修正，它们所产生的测量不确定度基本上可以忽略不计，重点考虑的应该是各种不同类型的仪器所产生的不确定度。  
    当被测量X的估计值 不是由重复观测得到，其标准不确定度 可用 的可能变化的有关信息或资料来评定。
    B类评定的信息来源主要有以下五项：
    ①以前的观测数据；
    ②对有关技术资料和测量仪器特性的了解和经验；
    ③生产部门提供的技术说明文件；
    ④校准证书、检定证书或其他文件提供的数据、准确度的等别或级别，包括目前暂在使用的极限误差等；
⑤手册或某些资料给出的参考数据及其不确定度；
1.3.2.2 测量仪器的最大允许误差
测量仪器的特性可以用最大允许误差、示值误差等术语描述。在技术规范、规程中规定的测量仪器允许误差的极限值，称为“最大允许误差”或“允许误差限”。它是制造厂对某种型号仪器所规定的示值误差的允许范围，而不是某一台仪器实际存在的误差。测量仪器的最大允许误差可在仪器说明书中查到，或根据仪器的等别、级别、分度值估算出来。测量仪器的最大允许误差不是测量不确定度，但可以作为测量不确定度评定的依据。测量结果中由测量仪器引入的不确定度可根据该仪器的最大允许误差按B类评定方法评定。
1.3.2.3 B类不确定度的评定方法
    在不确定度的B类评定方法中，首先要解决的问题是，如何假设其概率分布。根据 “中心极限定理”，尽管被测量的值 的概率分布是任意的，但只要测量次数足够多，其算术平均值的概率分布为近似正态分布。如果被测量受许多个相互独立的随机影响量的影响，这些影响量变化的概率分布各不相同，但每个变量影响均很小时，被测量的随机变化将服从正态分布。如果被测量既受随机影响又受系统影响，而又对影响量缺乏任何其他信息的情况下，一般假设为均匀分布。有些情况下，可采用同行的共识，如微波测量中的失配误差为反正弦分布等。B类不确定度评定的可靠性取决于可利用的信息的质量，在可能情况下应尽量充分利用长期实际观测的值来估计其概率分布。下面是在已知某些信息的情况下，评定B类不确定度的几种方法。
    （1）已知置信区间和包含因子
    根据经验和有关信息或资料，先分析或判断被测量值落入的区间 ，并估计区间内被测量值的概率分布，再按置信水准 来估计包含因子 ，则B类标准不确定度 为
  (1.3.2.1)
式中 a ——置信区间半宽；
k ——对应于置信水准的包含因子。
    （2）已知扩展不确定度U和包含因子k
    如估计值 来源于制造部门的说明书、校准证书、手册或其他资料，其中同时还明确给出了其扩展不确定度 是标准差 的 倍，指明了包含因子 的大小，则标准不确定度 = 。
    （3）已知扩展不确定度 和置信水准 的正态分布
如 的扩展不确定度不是按标准差 的 倍给出，而是给出了置信水准 和置信区间的半宽 ，一般按正态分布考虑评定其标准不确定度 。
  (1.3.2.2)
    正态分布的置信水准（置信概率） 与包含因子 之间存在着表1.3.1所示的关系。
  表1.3.1 正态分布情况下置信水准 与包含因子 间的关系
        50        68.27        90        95        95.45        99        99.73
        0.67        1        1.645