On the balancing of some quasi systematic errors by the method of least squares. (Q1551345): Difference between revisions
From MaRDI portal
Created a new Item |
Set profile property. |
||
(One intermediate revision by one other user not shown) | |||
Property / MaRDI profile type | |||
Property / MaRDI profile type: MaRDI publication profile / rank | |||
Normal rank | |||
links / mardi / name | links / mardi / name | ||
Latest revision as of 03:51, 5 March 2024
scientific article
Language | Label | Description | Also known as |
---|---|---|---|
English | On the balancing of some quasi systematic errors by the method of least squares. |
scientific article |
Statements
On the balancing of some quasi systematic errors by the method of least squares. (English)
0 references
1880
0 references
(Siehe auch JFM 12.0160.01) Man findet zuweilen, z. B. bei der Untersuchung von Instrumentalconstanten oder persönlichen Fehlern, Fehlersysteme, welche scheinbar einen systematischen Character zeigen, wo aber doch eine wirkliche Abhängigkeit von irgend einer Variablen sich nicht nachweisen lässt. Dieses hat oft darin seinen Grund, dass der einzelne Fehler nicht nur eine einzige Beobachtung, sondern eine ganze Reihe derselben beeinflusst, so dass die Beobachtungsfehler sich anhäufen, wie es der Fall wäre, wenn nicht die einzelnen Beobachtungen, sondern deren succesive Summen betrachtet würden. Es ist dieser Fall, den der Verfasser einer Behandlung mittels der Methode der kleinsten Quadrate unterwirft. Er hebt dabei hervor, dass es für die Behandlung solcher Probleme von besonderer Wichtigkeit ist, dass alle Gleichungen, welche die vermutheten wirklichen Verhältnisse definiren, bei der analytischen Formulirung des Problems auch wirklich in Betracht kommen. Entsprechen den Zeitpunkten \(t_0\), \(t_1\), \(t_2 \ldots\) die Beobachtungen \(z_0\), \(z_1\), \(z_2\ldots\), während die wahren Werthe einer Instrumentalconstante \(x_0\) \(x_1\) \(x_2 \ldots\) sind, so erhält man zur Bestimmung dieser Unbekannten die folgenden beiden Systeme von Gleichungen \[ \begin{matrix} x_1 - x_0 & =0 & \text{Gewicht} & \underset{0,1} v \\ x_2 - x_1 & =0 & `` & \underset{1,2} v \\ \hdotsfor4 \\ x_n - x_{n-1} & =0 & `` & \underset{n-1,n} v \end{matrix} \left| \begin{matrix} z_0 - x_0 = 0 & \text{Gewicht} & v_0 \\ \\ z_1 - x_1 =0 & `` & v_1 \\ \hdotsfor3 \\ z_n - x_n =0 & `` & v_n. \end{matrix} \right. \] Werden diese nach der Methode der kleinsten Quadrate behandelt, so geht aus denselben ein verhältnismässig einfaches System hervor, welches sich durch eine Reihe von sinnreichen Transformationen auflösen lässt. Die Auflösung geschieht successive durch ein einfaches Verfahren, das sich auf einen gewissen Kettenbruch stützt und auch solche specielle Fälle zu berücksichtigen erlaubt, wo die Gewichte 0 oder \(\infty\) werden. Sie kann aber auch auf graphischen Wege ausgeführt werden, wodurch eine Art von mechanischer Ausgleichung geliefert wird, bei welcher auch auf die gegebenen Gewichte Rücksicht genommen wird. Nach der typischen Auflösung der Gleichungen, welche in der That nicht von dem bekannten Gauss'schen Verfahren abweicht, untersucht der Verfasser die resultirenden mittleren Fehler der ausgeglichenen Werthe. Hierbei macht er einen ausgedehnten Gebrauch von dem Satze, dass die in ``den transformirten Gleichungen'' links auftretenden Functionen als unter einander unabhängig beobachtete Grössen betrachtet werden können. Dadurch erhält man leicht den mittleren Fehler jeder linearen Function derselben und sodann auch diejenigen eines \(x\). Auch diese mittleren Fehler können durch einfache Recursionsformeln berechnet werden, welche auch für willkürlich eingeschaltete fictive Beobachtungen vom Gewicht Null ihre Gültigkeit behalten. Noch bleibt die Bestimmung der Einheiten der beiden Systeme von Gewichten übrig. Meistens sind nämlich von vornherein nur die Verhältnisse der Gewichte \(v_a\) unter sich, sowie die der \(\underset {a, a+1} v\), nicht aber die absoluten Werthe derselben bekannt. Die respectiven Einheiten \(E_v\) und \(E_w\) der beiden Systeme lassen sich nur hypothetisch bestimmen. Der Verfasser nimmt an, dass sie mittels der Formeln \[ E_v = \frac{n+1 - \varSigma v_a M^2 (x_a)}{\varSigma v_a (z_a -x_a)^2}, \quad E_w = \frac{n- \varSigma \underset {a, a+1} v M^2 (x_a - x_{a+1})}{\varSigma \underset{a,a+1} v (x_a - x_{a+1})^2} \] dargestellt werden können. Das Kennzeichen dafür, dass man, nachdem die ganze Rechnung mit verbesserten Gewichten wiederholt ist, schliesslich mit richtigen Gewichten gerechnet habe, wird dann, dass \(E_v\) und \(E_w\) der Einheit gleich werden. Schliesslich wird noch der Fall erwähnt, wo angenommen werden kann, dass das beobachtete Phänomen nach Gesetzen variirt, welche sich als lineare Functionen gewisser Veränderlicher ausdrücken lassen, und zuletzt erläutert dr Verfasser das ganze Verfahren durch ein numerisches Beispiel.
0 references
quasi-systematic errors
0 references