Page 150 - 70

сності є значна кількість оцінок середнього (центру) вибірок, які за-
лежно від особливостей вибірок для кожної із них є оптимальними.
Наявність значної кількості методів обробки даних, деякі з яких
були розглянуті раніше, дає широкі можливості вибору найоптималь-
нішого для вирішення конкретної задачі. Вибір алгоритму обробки по-
винен бути, з одного боку, оснований на достатньо повній апріорній
інформації, а з другого боку — на достатньо повному наборі характе-
ристик алгоритмів, які придатні для вирішення даної задачі.
Перш за все необхідно виділити випадок, коли є значна інфо-
рмація та наближено відомий закон розподілу похибок. При цьому
можна використати оптимальні або близькі до оптимальних статис-
тичні методи, розроблені стосовно до відомих розподілів, а також
відповідний апарат статистичних висновків.
Розглянемо деякі із законів розподілів результатів спостере-
жень у вибірках:
1) якщо розподіл результатів спостережень у вибірці є норма-
льним, то за результат вимірювання (оцінку середнього) приймають
середнє арифметичне вибірки .x СКВ результатів спостережень 
x
визначають за допомогою залежності (5.16).
Однак слід відмітити, що при n  10 рекомендується розраху-

нок  проводити таким чином:
x
n
' 2
 x   x i  x    ,n 1  5 . (5.20)
 i 1
Це викликане тим, що для n < 10 СКВ  згідно (5.16) є де-
x
що зміщеним, а   згідно (5.20) є значно з меншим зміщенням.
x
Середнє квадратичне відхилення  середнього арифметич-
x
ного x розраховується таким чином:
 x   x n . (5.21)
Довірчі границі випадкової похибки  p (x ) розраховують за

допомогою залежності (2.23);
2) якщо результати спостережень мають розподіл Лапласа
(подвійний експоненціальний), то за результат вимірювання прий-

190