1. 估计误差值越小越好?
表面粗糙度参数值并不是选用越小越好，选用越小，表面越光滑，外观也越漂亮。但是在一些不做特殊要求的表面选用越小，加工成本越高。并不实际。
表面粗糙度的选用的原则：
表面粗糙度的选择既要满足零件表面的使用功能要求，又要考虑加工的经济性。
表面粗糙度(surface roughness)是指加工表面具有的较小间距和微小峰谷的不平度。其两波峰或两波谷之间的距离(波距)很小(在1mm以下)，它属于微观几何形状误差。表面粗糙度越小，则表面越光滑。
表面粗糙度一般是由所采用的加工方法和其他因素所形成的，例如加工过程中刀具与零件表面间的摩擦、切屑分离时表面层金属的塑性变形以及工艺系统中的高频振动等。由于加工方法和工件材料的不同，被加工表面留下痕迹的深浅、疏密、形状和纹理都有差别。
表面粗糙度与机械零件的配合性质、耐磨性、疲劳强度、接触刚度、振动和噪声等有密切关系，对机械产品的使用寿命和可靠性有重要影响。一般标注采用Ra。
相关的规范有"GB/T 1031-2009《表面结构 轮廓法 表面粗糙度参数及其数值》"和"GB/T 131-2006 (ISO 1302:2002)《表面结构的表示法》"。
发展
为研究表面粗糙度对零件性能的影响和度量表面微观不平度的需要，从20年代末到30年代，德国、美国和英国等国的一些专家设计制作了轮廓记录仪、轮廓仪，同时也产生出了光切式显微镜和干涉显微镜等用光学方法来测量表面微观不平度的仪器，给从数值上定量评定表面粗糙度创造了条件。
从30年代起，已对表面粗糙度定量评定参数进行了研究，如美国的Abbott就提出了用距表面轮廓峰顶的深度和支承长度率曲线来表征表面粗糙度。1936年出版了Schmaltz论述表面粗糙度的专著，对表面粗糙度的评定参数和数值的标准化提出了建议。但粗糙度评定参数及其数值的使用，真正成为一个被广泛接受的标准还是从40年代各国相应的国家标准发布以后开始的。
影响
表面粗糙度对零件的影响主要表现在以下几个方面:
此外，表面粗糙度对零件的镀涂层、导热性和接触电阻、反射能力和辐射性能、液体和气体流动的阻力、导体表面电流的流通等都会有不同程度的影响。
2. 估计误差和允许误差
1、误差与偏差之间的联系是：误差计量或测定中的误差是指测定结果与真实结果之间的差值。而偏差是指个别测定值与测定的平均值之差，它可以用来衡量测定结果的精密度高低。两者区别是：误差越小对实验的准确度提升的帮助越大，但偏差对实验结果不一定有害，尽管一个有偏采样会难以分析或引起不准确甚至错误的推断，但是有偏估计在某些情况下也有一些好的特性，例如较小的方差。
2、准确度与精密度之间的联系是：准确度是由系统误差和随机误差所决定的，它反映结果的可靠性。而精密度是由随机误差所决定的，它代表方法的稳定性和重现性。在检测过程中，有以下关系：1、准确度高，则精密度就一定高2、虽然有很高的精密度，但并不能说明实验的准确度很高。
3、精密度是保证准确度的前提。准确度：分析结果的准确度是指测定值与“真实值”相符合的程度，测定值与“真实值”越接近，说明准确度越高。用误差表示：绝对误差=测定值–真实值相对误差：绝对误差在真实值中所占的百分率绝对误差的数值并不能正确表达测定结果的准确度。2、精度度与偏差精密度：在相同条件下，多次重复测定结果彼此相接近的程度叫精密度。用偏差来表示：偏差是将个别测定结果与几次测定结果的平均值进行比较所得的数值。个别测定值与几次分析结果平均值的差值称为绝对偏差。相对偏差：绝对偏差在平均平均所占的百分率。
3. 估计差值误差
误差不是表示测定值与已知值之间的差值。而是，每当检测一批样品时，都必须同时检测已知值的质量控制液，检测结果参数，如果质量控制液参数与已知含量值参数误差在允许范围内，则表示本批次样品检测结果参数可靠，准确，反之。
4. 估计标准误差数值越大
气体压强传感器的精度值越大越好还是越小越好 传感器的精度,无论是绝对精度还是相对精度,都是数值越小越好.数值越小代表误差越小,误差越小则精度越高. 你举的第一个例子中（45mV/kPa和0.8mV/kPa）不是精度,而是传感器的灵敏度.它表示气压传感器在受到同样的压力后,谁输出的电压高.在你的例子中,45mV/kPa的灵敏度比0.8mV/kPa的高. 0.3%FS和0.1%FS是相对精度,0.1%FS比0.3%FS的误差小（精度高）.
5. 估计误差 近似误差
实验误差？1）仪器误差 这是由于仪器本身的缺陷或没有按规定条件使用仪器而造成的。如仪器的零点不准，仪器未调整好，外界环境（光线、温度、湿度、电磁场等）对测量仪器的影响等所产生的误差。 （2）理论误差（方法误差） 这是由于测量所依据的理论公式本身的近似性，或实验条件不能达到理论公式所规定的要求，或者是实验方法本身不完善所带来的误差。例如热学实验中没有考虑散热所导致的热量损失，伏安法测电阻时没有考虑电表内阻对实验结果的影响等。 （3）个人误差 这是由于观测者个人感官和运动器官的反应或习惯不同而产生的误差，它因人而异，并与观测者当时的精神状态有关。 系统误差有些是定值的，如仪器的零点不准，有些是积累性的，如用受热膨胀的钢质米尺测量时，读数就小于其真实长度。 條萊垍頭
6. 估计误差值越小越好正确吗
1、误差与偏差之间的联系是：误差计量或测定中的误差是指测定结果与真实结果之间的差值。而偏差是指个别测定值与测定的平均值之差，它可以用来衡量测定结果的精密度高低。两者区别是：误差越小对实验的准确度提升的帮助越大，但偏差对实验结果不一定有害，尽管一个有偏采样会难以分析或引起不准确甚至错误的推断，但是有偏估计在某些情况下也有一些好的特性，例如较小的方差。
2、准确度与精密度之间的联系是：准确度是由系统误差和随机误差所决定的，它反映结果的可靠性。而精密度是由随机误差所决定的，它代表方法的稳定性和重现性。在检测过程中，有以下关系：1、准确度高，则精密度就一定高2、虽然有很高的精密度，但并不能说明实验的准确度很高。
3、精密度是保证准确度的前提。
7. 参数估计中对估计误差的控制越小越好
估计误差公式是=测定值—真实值，估计误差是指数据处理过程中对误差的估计，有多种统计表示方式。在统计学中，估计误差是此估计量的期望值与估计参数的真值之差。
8. 估计误差和近似误差
一 三大要素
KNN算法三大要素：K值的选择，距离向量，以及分类规则。
KNN属于懒惰学习算法，不需要训练过程。既可以分类，也可以进行回归分析。
（1）K值的选择会对算法的结果产生重大影响。K值较小意味着只有与输入实例较近的训练实例才会对预测结果起作用，但容易发生过拟合；如果 K 值较大，优点是可以减少学习的估计误差，但缺点是学习的近似误差增大，这时与输入实例较远的训练实例也会对预测起作用，是预测发生错误。在实际应用中，K 值一般选择一个较小的数值，通常采用交叉验证的方法来选择最有的 K值。随着训练实例数目趋向于无穷和 K=1 时，误差率不会超过贝叶斯误差率的2倍，如果K也趋向于无穷，则误差率趋向于贝叶斯误差率。
（2）该算法中的分类决策规则往往是多数表决，即由输入实例的 K 个最临近的训练实例中的多数类决定输入实例的类别，对应于经验风险最小化。
（3）距离度量一般采用 Lp 距离，当p=2时，即为欧氏距离，在度量之前，应该将每个属性的值规范化，这样有助于防止具有较大初始值域的属性比具有较小初始值域的属性的权重过大。
二 优化方法
实现K近邻，主要考虑的问题是如何对训练数据进行快速K近邻搜索。这点在特征空间维数大以及训练数据量大的时候，尤其重要。一种解决方式就是KD树。
KD树是一种对K维空间中的实例点进行存储以便对其进行快速检索的树形数据结构，KD树是一颗二叉树，表示对K维空间的一个划分。时间复杂度为O(logn)。
KNN是基于准确率的，不需要训练过程。
9. 估计的误差范围
估计误差公式是=测定值—真实值，估计误差是指数据处理过程中对误差的估计，有多种统计表示方式。在统计学中，估计误差是此估计量的期望值与估计参数的真值之差。误差为零的估计量或决策规则称为无偏的。否则该估计量是有偏的。在统计中，“误差”是一个函数的客观陈述。條萊垍頭
系统误差是由某些固定不便的因素引起的，这些因素影响的结果永远朝一个方向偏移，其大小及符号在同一组实验测量中完全相同。当实验条件一经确定，系统误差就是一个客观上的恒定值，多次测量的平均值也不能减弱它的影响。误差随实验条件的改变按一定规律变化垍頭條萊
10. 估计误差值越小越好还是越大
因为每次都滴一滴进去的时候,浓度越稀,加入的盐酸量就越少,所以误差也就越小。
对于酸碱滴定的滴定误差来说：溶液的浓度越小，滴定误差越大；现在的指示剂的变色点与计量点的PH值相差越大，滴定误差越大。
滴定误差（titration error）又称终点误差（end point error）。滴定分析中，利用指示剂的变色来确定滴定终点，滴定终点与等当点不一致时所产生的误差，称为终点误差，它表示该滴定方法的系统误差。
- 相关评论
- 我要评论
-