Оши'бок тео'рия, раздел математической статистики , посвященный построению уточнённых выводов о численных значениях приближённо измеренных величин, а также об ошибках (погрешностях) измерений. Повторные измерения одной и той же постоянной величины дают, как правило, различные результаты, так как каждое измерение содержит некоторую ошибку. Различают 3 основных вида ошибок: систематические, грубые и случайные. Систематические ошибки всё время либо преувеличивают, либо преуменьшают результаты измерений и происходят от определённых причин (неправильной установки измерительных приборов, влияния окружающей среды и т. д.), систематически влияющих на измерения и изменяющих их в одном направлении. Оценка систематических ошибок производится с помощью методов, выходящих за пределы математической статистики (см. Наблюдений обработка ). Грубые ошибки возникают в результате просчёта, неправильного чтения показаний измерительного прибора и т. п. Результаты измерений, содержащие грубые ошибки, сильно отличаются от других результатов измерений и поэтому часто бывают хорошо заметны. Случайные ошибки происходят от различных случайных причин, действующих при каждом из отдельных измерений непредвиденным образом то в сторону уменьшения, то в сторону увеличения результатов.

  О. т. занимается изучением лишь грубых и случайных ошибок. Основные задачи О. т.: разыскание законов распределения случайных ошибок, разыскание оценок (см. Статистические оценки ) неизвестных измеряемых величин по результатам измерений, установление погрешностей таких оценок и устранение грубых ошибок.

  Пусть в результате n независимых равноточных измерений некоторой неизвестной величины а получены значения x 1 , x 2 ,..., x n . Разности

d1 = x 1 — a,…, dn = x n — a

  называются истинными ошибками. В терминах вероятностной О. т. все di трактуются как случайные величины; независимость измерений понимается как взаимная независимость случайных величин d1 ,..., dn . Равноточность измерений в широком смысле истолковывается как одинаковая распределённость: истинные ошибки равноточных измерений суть одинаково распределённые случайные величины. При этом математическое ожидание случайных ошибок b = Ed1 =...= Еdn называется систематической ошибкой, а разности d1 — b,..., dn — b — случайными ошибками. Таким образом, отсутствие систематической ошибки означает, что b = 0, и в этой ситуации d1 ,..., dn суть случайные ошибки. Величину , где а — квадратичное отклонение , называют мерой точности (при наличии систематической ошибки мера точности выражается отношением  . Равноточность измерений в узком смысле понимается как одинаковость меры точности всех результатов измерений. Наличие грубых ошибок означает нарушение равноточности (как в широком, так и в узком смысле) для некоторых отдельных измерений. В качестве оценки неизвестной величины а обычно берут арифметическое среднее из результатов измерений

,

  а разности D1 = x 1 — #i-images-146678455.png ,..., D n = x n — #i-images-190233621.png    называются кажущимися ошибками. Выбор #i-images-110504744.png   в качестве оценки для а основан на том, что при достаточно большом числе n равноточных измерений, лишённых систематической ошибки, оценка  с вероятностью, сколь угодно близкой к единице, сколь угодно мало отличается от неизвестной величины а (см. Больших чисел закон ); оценка  лишена систематической ошибки (оценки с таким свойством называются несмещенными); дисперсия оценки есть

  D#i-images-195552038.png = E (#i-images-134148771.png — а )2 = s2 /n.

  Опыт показывает, что практически очень часто случайные ошибки di подчиняются распределениям, близким к нормальному (причины этого вскрыты так называемыми предельными теоремами теории вероятностей). В этом случае величина  имеет мало отличающееся от нормального распределение, с математическим ожиданием а и дисперсией s2/n. Если распределения di в точности нормальны, то дисперсия всякой другой несмещенной оценки для а, например медианы , не меньше D#i-images-142720666.png . Если же распределение di отлично от нормального, то последнее свойство может не иметь места.

  Если дисперсия s2 отдельных измерений заранее известна, то для её оценки пользуются величиной

  (Es 2 = s 2 , т. е. s 2 — несмещенная оценка для s2 ), если случайные ошибки di имеют нормальное распределение, то отношение

  подчиняется Стьюдента распределению с n — 1 степенями свободы. Этим можно воспользоваться для оценки погрешности приближённого равенства а » #i-images-149069512.png  (см. Наименьших квадратов метод ).

  Величина (n — 1) s 2 / s2 при тех же предположениях имеет распределение c2 (см. «Хи-квадрат» распределение) с n — 1 степенями свободы. Это позволяет оценить погрешность приближённого равенства s » s. Можно показать, что относительная погрешность |s — s|Is не будет превышать числа q с вероятностью

  w = F (z 2 , n — 1 ) — F (z 1 , n — 1 ),

  где F (z, n — 1) — функция распределения c2,

, .

  Лит.: Линник Ю. В., Метод наименьших квадратов и основы математико-статистической теории обработки наблюдений, 2 изд., М., 1962; Большев Л. Н., Смирнов Н. В., Таблицы математической статистики, 2 изд., М., 1968.

  Л. Н. Большев.