Дисперсия средняя

Характеристиками распределения прочности группы волокон является средняя прочность и ее дисперсия. Средняя прочность связана с параметрами а и т соотношением [c.21]

Как видно, мера точности среднего арифметического в V п раз больше, чем для единичного наблюдения. Отсюда вытекает, что дисперсия среднего арифметического в п раз меньше [c.71]

ВИИ с предыдущим выборочная дисперсия среднего, Подсчитанного по ограниченному числу измерений, будет равна [c.76]

Гб ожидания выражалась через дисперсию или стандарт измерений Ох и число наблюдений п. При этом дисперсия среднего [c.122]

Математическое ожидание, дисперсия, среднее квадратическое отклонение и характеристическая функция равны соответственно [c.69]

Для центрированного распределения Симпсона математическое ожидание М Х = О, дисперсия, среднее квадратическое отклонение и другие характеристики остаются без изменений. [c.77]

Пусть За <02 тогда между дисперсиями, средними квадратическими отклонениями, средними арифметическими отклонениями амплитуды погрешностей расположения [c.574]

Для среднего арифметического значения измеряемой величины справедливы те же вероятностные оценки, что и для единичного наблюдения. Дисперсия среднего арифметического значения ог [c.32]

Выборочную дисперсию средних значений (оценку о ) для разных объемов отдельных партии вычисляют по формуле [c.66]

Характерным признаком закона Пуассона является равенство дисперсии среднему значению, поэтому коэффициент вариации потока требований и = Это означает, что с увеличением программы вариация ее фактического значения сокращается [c.48]

Основным методом изучения кристаллизации и фазового расслоения являются калориметрические измерения, описанные в разделе 4.3. Однако для детальных исследований структурных изменений, происходящих в процессе расслоения и кристаллизации на атомном уровне используются методы малоуглового рассеяния рентгеновского и нейтронного излучений. Пусть нормированная интенсивность малоуглового рассеяния равна /n(Q), тогда дисперсия среднего распределения колебаний плотности образца [c.102]

При обработке результатов испытания для каждого из установленных выходных параметров определяются размер области состояний Xi - наибольшее значение выходного параметра, среднее значение (математическое ожидание) параметра Х р и его дисперсия (среднее квадратическое отклонение) сг/. [c.366]

Таблица 90. Дисперсии среднего арифметического

Дисперсия — средний квадрат отклонения величины от ее среднего значения [c.163]

Для ансамбля Af ], очевидно, могут быть подсчитаны математическое ожидание (среднее арифметическое значение), дисперсия (среднее квадратическое отклонение), определен вид функции распределения элементов Л и другие характеристики. [c.164]

До и после ТО поликристаллический материал представляет собой набор различных по концентрации участков, поэтому в работе применили статистический анализ распределения химических элементов [1-32] Из полученных данных концентраций твердого раствора строили гистограммы распределения, определяли среднее значение концентрации химического элемента в твердом растворе, дисперсию среднего значения концентрации, характеризующую структурную однородность материала, а также коэффициент асимметрии, по которому судили о характере распределения. [c.34]

Сопоставление результатов ТО тройного сплава А1—Nig—51 показывает, что средняя концентрация кремния и магния в твердом растворе выше после ТЦО, чем после закалки (табл. 2.6). Дисперсия средней концентрации кремния в сопоставимых случаях меньше после ТЦО, а магния — в обоих состояниях примерно одинакова. [c.74]

Для того чтобы принять статистические характеристики (частость, среднее арифметическое, дисперсию, среднее квадратическое отклонение и т. д.) за соответствующие характеристики генеральной совокупности (вероятность, математическое ожидание, дисперсию, - среднее квадратическое отклонение и т. д.), следует определить минимально необходимое число циклов изменения нагрузки в выборочной совокупности. [c.68]

На практике наибольшее распространение получили следующие распределения экспоненциальное, Гаусса, Вейбулла и логарифмически нормальное. Как уже отмечалось, основными характеристиками случайных величин и их распределений являются математическое ожидание и дисперсия (среднее квадратическое отклонение). [c.299]

Величина представляет собой приближенное значение дисперсии среднего арифметического суммы независимых величин л ,, определяет нормированную ошибку измерения и при имеет распределение, которое обозначается 5 ( ) [c.23]

Так как обычно при анализе динамических систем, на которые действуют случайные возмущения, интересуются первыми двумя вероятностными моментами случайных функций на выходе системы математическим ожиданием (средним) и корреляционной функцией или дисперсией (средним квадратическим), а остальные вероятностные моменты, как правило, недоступны, то становится очевидным преимущество метода статистической линеаризации. Недостатком этого метода является то, что он не дает представления о виде функции плот- [c.36]

Таким образом, при нормальном распределении случайных погрешностей оценкой максимального правдоподобия для истинного значения является среднее арифметическое из результатов отдельных наблюдений, а оценкой дисперсии — среднее из квадратов отклонений результатов наблюдений от среднего арифметического. [c.107]

Вторая производная от логарифмической функции преобразования равна д Ь1д( -——п1о х, поэтому дисперсия среднего ариф- [c.109]

В соответствии со свойствами оценок максимального правдоподобия ( 39) дисперсия среднего взвешенного должна равняться единице, деленной на математическое ожидание второй производной от логарифмической функции правдоподобия [c.152]

Для рассматриваемой модели оказывается затруднительным построение формул суммирования погрешностей деталей из-за нелинейности исходного уравнения (11.219). Эта нелинейность возникает вследствие того, что текущий размер детали выражает суммарно и погрешность размеров, и погрешность формы, и не-прямолинёйность геометрического места центров поперечных сечений. Между тем существует практическая потребность в определении формул такого рода и, в частности, для расчета математического ожидания, дисперсии, среднего квадратического отклонения, практически предельного поля рассеивания и т. п. Для преодоления этого затруднения может быть использован метод статистических испытаний (Монте-Карло), который является весьма перспективным при моделировании, анализе и расчете точности нелинейных технологических процессов. Для упрощенного решения этой задачи можно ограничиться расчетом вероятностных характеристик двух более простых случайных функций, получаемых из исходной формулы (11.219) путем приравнивания нулю либо выражения Wp os ( — -j-nip , либо г + [c.438]

Объектом исследования является фактура трикотажа, которую в достаточной степени для рассматриваемого случая можно описать следующими параметрами ее структуры длина нити в петле / L п /, мм, линейная плотность нити / Т /, текс, плотность по вертикали / П, / и цвет, описываемый тремя параметрами цветовой тон / Л /, нм, координата цветности X и координата цветности У. Для проведения эксперимента изготавливались образцы трикотажных переплетений из полушерстяной пряжи линейной плотности 32 х 2 текс (табл.1). Все указанные параметры трикотажа рассчитаны эксп >иментальным путем по образцам, а параметры цвета определены по цветовому локусу. Степень влияния каждого параметра и фактора в целом определялась методом множественного регрессионного анализа. Оценку исследуемых образцов переплетений трикотажа ( всего 60 образцов ) проводили методом экспертных оценок. Сущность метода сводится к выставлению экспертами логико - лингвистических оценок по эмоциональному признаку. Далее полученные данные переводятся из качественных в количественные оценки ( в баллах ). Результаты экспертизы обрабатывались на ЭВМ и были определены следующие параметры средний балл экспертных оценок, дисперсия, средне- квадратичное отклонение, доверительный интервал. Расчеты производились по следующим уравнениям регрессии [c.36]

При fej 14 и feo — 285 значительно превышает Г .= 1,73 н — 2,15 (табл. VIII при ложеиия). Следовательно, вариация химического состава плавок н колебания в режимах технологии пронэводства полуфабрикатов оказывают значимое влияние на среднее значение предела прочности алюминиевого сплава. Оценку дисперсии средних значений, вызванной этими вариациями и колебаниями, производим по формуле (3.63) [c.67]

Для уровней напряжения, на которых разрушились все образцы серии, выборочные средние, дисперсии, средние квадратические отклонения логарифма долговечности, доверительные интервалы для математического огкидания и генеральной дисперсии определяют по формулам (2.4)—(2.9), (2.44) и (2.53), где л = lg Л/. [c.140]

Вследствие неравноточности серий их дисперсии ст будут меняться от серии к серии. Дисперсия среднего арифметического Х каждой серии будет иметь вид [c.312]

Отсюда следует, что дисперсия среднего взвешенного меньше дисперсии любого из исходных средних арифметических отдельных рядов наблюдений и поэтому при обработке неравнорассеянных рядов наблюдений точность измерений повышается. [c.152]

Иногда однородность продукции оценивается в совокупности партий или между партиями. Показателягля однородности могут быть дисперсии, средние квадратические отклонения, коэфг )ИЦйент вариации. [c.64]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...