误差理论与数据处理
分享
课程详情
课程评价
spContent=在新一轮物联网、大数据、人工智能科技革命背景下,测量数据在各个行业呈现爆炸式增长,《误差理论与数据处理》课程在其中将扮演越来越为重要的角度,为大数据清洗、数据优化拣选、信息综合利用等提供理论和技术支撑,并能够显著提升学生的理论与实践结合能力,为以后的科研和工作打下良好的基础。
—— 课程团队
课程概述

《误差理论与数据处理》是电子信息仪器类测控技术与仪器专业本科生基础课,它以高等数学、概率论以及线性代数等课程为先修课程,所学内容是传感器原理、测试理论与技术等课程实验数据处理的基础,并且是将来工程测量过程中必须掌握的数据处理理论之一。学习该课程的目的是让学生学会对工程中仪器测量结果进行科学处理,使测量结果更接近真值;或者以理论为指导,分析误差产生原因,根据实际测量需要选择测量仪器,更合理地设计实验过程。在新一轮物联网、大数据、人工智能科技革命背景下,测量数据在各个行业呈现爆炸式增长,《误差理论与数据处理》课程在其中将扮演越来越为重要的角色,为大数据清洗、数据优化拣选、信息综合利用等提供理论和技术支撑,并能够显著提升学生的理论与实践结合能力,为以后的科研和工作打下良好的基础。

该课程依托东南大学仪器科学与工程学院建设,任课教师包括宋爱国教授、刘澄玉教授、符金波副教授和朱利丰副教授。本课程教材使用由合肥工业大学费业泰教授编撰的“十二五”普通高等教育本科国家级规划经典教材,该教材同时为全国高校测控技术与仪器专业教学指导委员会审编教材。课程经过多年建设,教学大纲、教学内容、实验设计、课程设计等均已相对成熟,在理论授课的同时设置了多个课程设计实践环节,即突出了在信号采集、数据处理等方面的基本理论知识和实践方法,同时呈现给学生新的科技革命浪潮下的物联网、大数据和人工智能等新思维。本课程的受众对象为在校本专科高年级仪器仪表类、电子信息类、自动化类、机械类或其它相关专业学生或科研及生产单位的研究设计及计量测试等工程技术人员。

课程主要学习误差理论与数据处理的基本原理和方法,培养针对具体测量问题的误差分析与实验设计能力,了解如何应用误差分析原理进行大数据分析处理,掌握一定的理论联系实际技能,对进一步专业学习和从事科研工作起到铺垫作用。课程涵盖的主要知识点包括:误差的基本性质与处理,误差的合成与分配,最小二乘法,回归分析,动态测试数据基本方法等。

授课目标

仪器类,电子信息类,计算机类,生物医学工程类本科生,研究生,及从事测量工作的相关技术人员。

课程大纲
预备知识

高等数学、概率论以及线性代数等课程为先修课程。

参考资料

教材,费业泰,误差理论与数据处理(第7版),机械工程出版社,2015。

常见问题

2月27日发布首节lesson课,为了方便大家安排线上学习,提前做好课程预习,将每周lesson发布时间定于教学上一周六上午8:00,请大家知悉,并做好学习计划。

再次感谢!

时间

发布内容

227

Lesson 1 初识误差

36

Lesson 2 随机误差的基本性质

Lesson 3 测量的残余误差与标准差

313

Lesson 4 测量的极限误差

Lesson 5 不等精度测量

320

Lesson 6 系统误差的性质和判别

327

Lesson 7 粗大误差的性质和判别

43

Lesson 8 函数误差合成

410

Lesson 9 实验误差合成

417

Lesson 10 误差分配及微小误差取舍

Lesson 11 最佳测量方案的确定

424

Lesson 12 最小二乘原理

Lesson 13 正则方程,最小二乘与加权平均

51

Lesson 13 正则方程,最小二乘与加权平均

Lesson 15 非线性测量的正则方程

58

Lesson 14 精度估计

Lesson 16 最小二乘实例:组合测量

515

Lesson 17 概念、内容

Lesson 18 一元线性回归方程

522

Lesson 19 回归方程的稳定性

Lesson 20 方差分析与显著性检验

529

Lesson 21 重复测量

Lesson 22 两个变量都存在误差时处理

6月5日

Lesson 23 多元线性回归及因素分析

Lesson 24 平稳与各态遍历