Оценка статистическая

ПРЕДВАРИТЕЛЬНАЯ ОБРАБОТКА РЕЗУЛЬТАТОВ ИЗМЕРЕНИЯ. Экспериментальные данные, регистрируемые в виде аналогового сигнала требуют оценки статистических характеристик [c.63]

Исследования надежности на стендах дают эмпирические (выборочные) характеристики распределения сроков службы или наработки и других показателей надежности. Для суждения по этой выборке о всей генеральной совокупности и о ее законе распределения необходимо располагать достаточным объемом данных и иметь методы оценки статистических параметров распределения. [c.496]

Поскольку анализ экспертных оценок является весьма трудоемким процессом, для ЭВМ разработаны программы статистического анализа ранговых экспертных оценок, статистического анализа экспертных оценок относительной важности, выраженной в баллах. [c.77]

Оценка статистической значимости среднего коэффициента ранговой корреляции производится по величине к = N М — ) и/, которая имеет при Л/ > 7 о( -распре-деление с Ы — 1) числом степеней свободы. [c.96]

Часто вместо схемы вычитания применяют схему, дающую на выходе сигнал, пропорциональный отношению входных сигналов. Такая схема регистрации имеет некоторые преимущества, например уменьшение влияния вибраций изделия на результаты контроля. Однако следует отметить, что оценка статистических свойств выходного сигнала в этом случае усложняется, так как операция деления является нелинейной. [c.148]

Существующие методы определения данных прочностных характеристик композиционных материалов являются трудоемкими и сложными. Это объясняется специфическими особенностями данных материалов, требующих соблюдения ряда дополнительных условий при испытаниях. Важнейшее значение для оценки прочности имеет точность определения, которая зависит от погрешностей механических и физических испытаний, а также от. погрешностей оценки статистических связей между этими параметрами. Если погрешность физических испытаний может быть незначительной (до 1 —3%), то погрешность механических стандартных испытаний может достигать до 10%, что предопределяет необходимость разработки специальных мер по повышению точности механических испытаний. [c.143]

Для оценки статистических характеристик сопротивления усталости деталей, в частности средних значений и коэффициентов вариации пределов выносливости, в Институте машиноведения АН СССР [12] разработана ста- [c.127]

Перед статистическим анализом необходимо оценить надежность результатов, чтобы достоверные характеристики пульсаций можно было отличить от недостоверных. Методика оценки статистической надежности найденного энергетического спектра описана выше, и остается лишь выбрать необходимые для этой оценки величины. Были выбраны следующие величины [c.18]

Расчет статистических характеристик по приведенным выше методикам требует больших вычислений. Для таких расчетов необходимо произвести громоздкую статистическую обработку данных по пульсациям температур. Однако часто такие данные отсутствуют (особенно на стадии проектирования). Иногда записи колебаний температуры невозможно ввести в ЭЦВМ для обработки (например, при малой скорости протяжки ленты). Для таких случаев предлагается ускоренный метод оценки статистических характеристик, который, по крайней мере, может дать ответ на вопрос о целесообразности уточненной оценки. Для оценки интенсивности колебаний температуры воспользуемся данными о размахе колебаний л Т Для гармонических колебаний [c.31]

Для иллюстрации предложенного экспресс-метода рассмотрим оценку статистических характеристик случайных напряжений по приведенной в рассматриваемом примере записи пульсаций температур. Как следует из рис. 4.6 , размах колебаний температуры составляет Л Т= 30 К. Тогда предельная интенсивность пульсаций температур, оцененная по формуле (4.10), составит = sr/О А (можно выполнить оценку интенсивности по формуле К, что ближе соответствует результатам статистической обработки, но при практических расчетах лучше пользоваться первой оценкой, обеспечивающей гарантированный запас при оценке долговечности). Для оценки эффективного периода подсчитаем число нулей (количество пересечений случайным процессом линии математического ожидания) в единицу времени. На рис. 4.6/7 пунктиром проведена (ориентировочно) линия математического ожидания. Как следует из рисунка, кривая температуры пересекает эту линию за 6,5 с приблизительно 30 раз. Тогда число нулей п в единицу временил. =4,62 1/с, и эффективный период, оцененный по формуле (2.82), составит Q 113 с [c.57]

В представленных материалах изложены основные положения, составляющие методики инженерного расчета долговечности элементов энергооборудования АЭС, работающих в условиях температурных пульсаций. В силу громоздкости точных решений задач разработаны приближенные способы оценки статистических характеристик, имеющие достаточную для практических целей точность (погрешность 2-5%) и существенно упрощающие проведение расчетов. Построен [c.58]

АЭС с натриевым теплоносителем. Эти результаты могут быть использованы для практических расчетов в подобных условиях. На ряде примеров показана последовательность выполнения оценок статистических характеристик и долговечности элементов. [c.59]

Для оценки статистических характеристик предпочтение отдается менее частому событию. Если в процессе испытаний число неразрушенных образцов превышает число разрушенных, то значения Хп и определяют только по разрушенным образцам. Оценка 8п достаточно точна, если выполняется условие [c.227]

Точечные оценки статистических характеристик исходных данных наблюдений и результатов их обработки необходимы для количественного определения возможной погрешности как самих данных наблюдений [vj., д . ] дг, так и полученных на основе их обработки МНК-оценок параметров модели 0 = [0,] и некоторых других величин. [c.471]

Статистический анализ результатов обработки проводится на основе полученных точечных оценок статистических характеристик, включает в себя построение доверительных интервалов для интересующих величин и критериев значимости статистических гипотез, служащих для проверки предположений, касающихся результатов обработки исходных данных наблюдений. [c.472]

Оценка статистическая средней наработки между отказами 226 [c.589]

Значительные объемы экспериментальных исследований по оценке влияния на характеристики трещиностойкости различных эксплуатационных и технологических факторов, переход к аттестации материалов по характеристикам трещиностойкости, расширение области их применения в расчетах и при выборе материалов привели к необходимости создания специализированных баз данных [33-34]. Накопление и систематизация экспериментальной информации имеют важное самостоятельное значение (оценка статистических параметров и законов распределения, установление верхних и нижних предельных значений и корреляционных соотношений, функциональное описание зависимости характеристик от анализируемого фактора, оптимизация технологических процессов, состава и структуры материалов и т.д.) и являются обязательной составной частью автоматизированных систем расчета конструкций на прочность, ресурс и живучесть. [c.22]

Следует иметь в виду, что грубые ошибки при проведении измерений должны исключаться из данных, используемых при вычислении оценок статистических параметров. Если на основании анализа процесса измерения не удается исключить причины или увидеть и отбросить грубые ошибки, то используют один из критериев их определения. [c.710]

Ранее нами была проведена оценка статистической связи между пределом прочности при сжатии и скоростью продольных волн для стекловолокнитов типа премикс [125]. Установлено, что связь между этими параметрами для данного материала описывается линейной зависимостью с высоким коэффициентом корреляции Гй=0,9. Оценка связи между пределом прочности при изгибе и скоростью продольных волн показала, что коэффициент корреляции значительно ниже rft=0,69, что объяснено различием характера деформирования при ультразвуковых (волны, сжатия) и механических испытаниях (деформации изгиба). [c.138]

Оценка статистических параметров. Доверительные интервалы [c.41]

Отмеченные выше методы основаны на корреляционной теории. Поэтому основное внимание в них уделяется способам построения передаточных функций дифференциальных уравнений с переменными параметрами. По-нашему мнению, для оценки статистических параметров выхода системы можно успешно применить стохастический метод, основанный на составлении и решении уравнения Фоккера—Планка—Колмогорова. [c.138]

В большинстве конкретных случаев получаемые оценки статистических характеристик полезного сигнала и, тем более, помехи слишком приближенны, чтобы принимать для их корреляционных функций более точные, чем экспоненты аппроксимации, поэтому эти аппроксимации и приняты для дальнейшего анализа. [c.73]

При контроле процессов для целей анализа их протекания, совершенствования задаваемых режимов работы, учета степени квалификации управляющего персонала целесообразно для ряда основных измеряемых величин определять в процессе конкретной работы объекта рекуррентными методами их основные статистические характеристики оценки математического ожидания и дисперсии. Основная особенность алгоритмов указанного вида заключается в том, что параллельно с контролем объекта в каждый такт своей работы система контроля приносит оператору данные об оценках статистических характеристиках измеряемых величин. Отличие от рассмотренных выше алгоритмов интегрирования и усреднения заключается в том, что здесь не ставится задача определения среднего значения измеряемой величины за какой-либо определенный, заранее заданный интервал времени. Система контроля в этом случае определяет оценки среднего значения и дисперсии измеряемой величины в текущий момент за непрерывно наращиваемый интервал времени. Эти оценки могут быть использованы оператором в любой момент времени работы системы. При этом, естественно, они будут тем точнее, чем больше времени прошло от момента начала работы рассматриваемого алгоритма (т. е. чем больше использованная длина реализации исследуемого случайного процесса). Обычно максимальные интервалы времени работы таких алгоритмов (максимальные длины используемых реализаций) ограничиваются интервалом, в котором режим работы агрегата можно считать неизменным. При изменении режима работы контролируемого объекта вычисление оценок статистических характеристик начинается заново. [c.122]

Поскольку рекуррентные соотношения (1-176) и (1-178) формально идентичны исходным формулам (1-175) и (1-177), погрешности оценок математического ожидания и дисперсии не отличаются от погрешностей аналогичных оценок по формулам (1-175) и (1-177). Эти погрешности существенно зависят от текущего значения шага п (т. е. используемой длины реализации), от расстояния между соседними шагами (периода опроса о) и от корреляционной функции измеряемой величины. Подробное рассмотрение этих зависимостей и анализ средних квадратичных погрешностей оценок статистических характеристик приведены в 3-3. [c.123]

Полученные оценки статистических характеристик показаны в табл. 2- 1. [c.255]

Само исследование автоматизируемого объекта распадается на несколько самостоятельных работ по оценке отдельных групп параметров. Оценки статистических характеристик измеряемых величии математического ожидания, корреляционных функций, спектральных плотностей— одна из важнейших работ по исследованию объекта — производится путем проведения на объекте пассивного эксперимента с последующей обработкой его результатов на ЦВМ. Основные сведения о методике проведения такого пассивного эксперимента изложены ниже в 3-3. [c.321]

Таким образом, задача определения корреляционной функции процесса для расчета погрешностей оценок статистических характеристик сведена к задаче определения одного параметра а. На рассматриваемой стадии изучения процесса этот параметр должен быть найден достаточно простым анализом имеющейся реализации процесса. [c.353]

Все эти обстоятельства подлежат дальнейшему тщательному анализу в гл. П. Здесь же отметим только, что основная часть исходных данных, необходимых для расчета годовой дополнительной прибыли, как это ясно из приведенных особенностей их оценки, принципиально не может быть абсолютно точной. Полученные изменения характеристик работы производства служат оценками статистических характеристик случайных процессов, которыми являются технико-экономические показатели производства. Средние квадратические погреш-. ности этих оценок либо рассчитываются по длительности экспериментов, либо оцениваются другим путем. Как известно, средняя квадратическая погрешность сГф любой функции ф х) от случайных независимых аргументов х Хх,. .., Хп приближенно определяется из равенства [c.28]

Как будет показано ниже, указанными статистическими характеристиками, как правило, являются средние значения или накопленные значения (интегралы) на некоторых интервалах времени (час, смена, сутки, декада, месяц, год и т. д.), например сортность продукции, определяемая по средним показателям качества, выпуск продукции за сутки, получаемый путем суммирования значений выпуска продукции за смену, и т. д. Оценки статистических характеристик случайных процессов при конечном времени усреднения также являются случайными величинами. [c.55]

Проведенная оценка статистической достоверности полученных АФЧХ упругой системы (см. [1]) станка мод. КУ-38 (рис. 3) показывает, что на собственных частотах системы 90%-ный доверительный интервал для АЧХ по смещениям в направлении X (рис. 3, б т=20 мм, (S) 1040 мм) и Y (рис. 3, а тп = 12 мм, [c.64]

Р. Н. Вильданов, А. Н. Домара-цкий, Л. Н. Иванов. Влияние дискретности выборки на точт ность оценок статистических характеристик и структуру оперативной обработки случайных сигналов. — Сб. науч. трудов Ин-та автоматики и электрометрии Прикладной анализ случайных процессов , под ред. А. Н. Домарацкого. Новосибирск, 1973. [c.25]

Методы расчета усталостной долговечности по параметру вероятности разрушения до образования трещины основываются на оценке статистических характеристик сопротивления устапости и переменной эксплуатационной нагруженности, на применении гипотез накопления усталостных повреждений и оценке вероятности разрушения до достижения заданной долговечности [4,12, 13, 15]. [c.127]

Погреишости, допускаемые при обработке реализации случайного процесса, можно разделить на три основные категории погрешности оценок (статистические оишбки), инструментальные погрешности, просчеты. [c.40]

Оценка статистическая среднего времени воссганов-ления 227 [c.589]

Серенсен С.В., Стреляев B. . Статистические закономерности разрушения и вероятностная оценка статистической прочности конструкционных элементов из полимерных композитных материалов // Механика полимеров. [c.270]

Таким образом, полученные результаты оценки статистической связи прочности и скорости продольных БОЛИ в стеклово-локннтах дают основания использовать эти результаты для определения прочностных свойств стекловолокнитов в изделиях по параметрам распространения упругих волн. [c.138]

Одним из основных вопросов, связанных с вычислением оценок статистических характеристик случайных стационарных эргодических процессов по их реализациям, является вопрос точности получаемых оценок. Как известно, точность оценки зависит от длины используемых реализаций случайных процессов и частоты съема данных с них, однако количественная мера этой зависимости может быть получена в общем виде лишь при априорном знании корреляционной (взаимнокорреляционной) функции процесса, что практически не может иметь место. В то же время для практического использования необходимо заранее, до вычислений оценок статистических характеристик процессов, уметь хотя бы приближенно оценивать параметры реализации, дающие требуемую точность оценок, т. е. определять основные характеристики эксперимента, проводимого на объекте контроля. Важность решения этих вопросов привела к появлению ряда работ, в которых при определенных ограничениях на структуру статистических характеристик даются реко.мендации по выбору параметров реализации [104, 105, 106]. [c.350]

Для оценки статистической значимости найденных коэффициентов проверялась гипотеза о равенстве этих коэффициентов нулю. Использовался -кри-терий. Коэффициенты принимались статистически значимыми, если [c.304]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...