Обработка результатов эксперимента
В настоящее время для обработки экспериментальных данных прямых многократных измерений принято использовать методы математической статистики. При этом следует помнить, что применение этих методов позволяет получить корректные результаты только в том случае, когда из экспериментальных данных исключены систематические погрешности.
Обработка экспериментальных данных прямых многократных измерений в общем случае предусматривает выявление закономерности поведения случайной погрешности (определения закона распределения) и статистические процедуры исключения грубых погрешностей.
Нормальный закон распределения является наиболее распространенным законом распределения случайных величин, в том числе случайных погрешностей. Поэтому в практике обработки экспериментальных данных, когда число измерений мало (не превышает 5… 
15) пользуются вполне оправданным предположением о том, что закон распределения случайной погрешности является нормальным, а грубые погрешности не выявляются или определяются и отбрасываются интуитивно.
Обработка экспериментальных данных прямых многократных измерений базируется на теоретических положениях математической статистики, которые предполагают определение вместо характеристик нормального распределения их оценок. Так вместо математического ожидания М[Х], т.е. значения величины, вокруг которого группируются результаты отдельных измерений при бесконечном числе измерений, определяют его оценку, которая представляет собой среднее арифметическое 
при конечном числе измерений:
М[Х] ≈ = 
i ,
где Xi - результат i -го измерения, - n число измерений.
Вместо среднеквадратического отклонения σ, характеризующего рассеяние результатов отдельных измерений относительно математического ожидания, определяют оценку среднеквадратического отклонения результата измерений по формуле:
S( )= 
При обработке экспериментальных данных прямых многократных измерений принято вычислять интервальную оценку погрешности, которая определяется с использованием точечной погрешности S( ) и доверительных интервалов.
При этом чаще всего задаются значением доверительной вероятности Рд = 0,95 и определяют значение доверительного интервала. Коэффициент t обычно определяют по таблице вместо того, чтобы рассчитывать по сложной формуле, описывающей распределение Стьюдента.
Последовательность обработки экспериментальных данных прямых многократных измерений приведена ниже. При этом предполагается, что:
- результаты измерений являются достоверными, т.е. из них исключены систематические погрешности;
- неисключенные систематические погрешности настолько малы, что ими можно пренебречь;
- результаты измерений являются равнорассеянными (равноточными) одинаково распределенными величинами (такие результаты получаются при выполнении измерений одним оператором с помощью одних и тех же средств измерений);
- из результатов измерений исключены грубые погрешности (промахи);
- число измерений не превосходит 15 (в этом случае признается и не проверяется нормальность распределения случайных погрешностей).
Алгоритм обработки экспериментальных данных прямых многократных измерений:
1. Получение n результатов наблюдений;
2. Вычисление среднего арифметического ;
3. Вычисление оценки среднеквадратического отклонения результата измерения S( );
4. Принятие значения доверительной вероятности Рд (обычно Рд = 0,95)
5. Определение коэффициента t в зависимости от Рд и n по таблице распределения Стьюдента;
6. Определение доверительных границ Δд случайной погрешности;
7. Запись результата измерений с использованием правил округления в виде: А = ± Δд (Рд = ; n = ).
Обработка экспериментальных данных прямых однократных измерений.
Ввиду того, что однократные измерения проводятся при условиях, когда всеми погрешностями, кроме погрешностей средств измерений (инструментальные погрешности) можно пренебречь, результат прямого однократного измерения представляется в виде:
Α = X ± Δ,
где X - значение физической величины, найденное по шкале измерительного прибора;
Δ - абсолютная погрешность для найденного значения X, определяемая классом точности средства измерений.