Алгоритм расчета статистических характеристик

Основные алгоритмы расчета статистических характеристик высотного распределения метеорологических величин [c.80]

В настоящем параграфе рассмотрим алгоритмы расчета статистических количественных характеристик надежности систем, работающих до первого отказа. [c.67]

Исходной информацией для алгоритмов расчета статистических количественных характеристик надежности систем, работающих до первого отказа, будет совокупность значений t случайной величины Т, полученных в результате проведения заданного числа опытов (испытаний). [c.67]

Определение всей исходной информации (в основном расчет статистических характеристик измеряемых величин), необходимой для выбора алгоритмов, реализующих типовые операции составленной структурной схемы, и расчета их оптимальных параметров. [c.11]

Алгоритмы первичной обработки, контроля исходной информации и расчета статистических характеристик вертикальных профилей метеорологических величин [c.77]

Поэтому для расчета статистических характеристик вертикальных профилей температуры, влажности воздуха и озона использован специальный алгоритм, который учитывает неоднородность вводимой в ЭВМ аэрологической информации. [c.80]

Алгоритм включает следующие операторы 1 — формирования неубывающего ряда чисел 2(,) 2 —вычисления статистических характеристик 3 — исключения грубых ошибок 4 — формирования нового ряда чисел 2(j), вычисления новых статистических характеристик 5 — расчета данных для построения гистограммы распределения 6 — аппроксимации опытных данных по заданному закону распределения 7 — формирования таблицы для расчета опытного значения критерия 8 — сравнения табличных и заданных значений критерия и поиска эмпирической функции частот, наиболее удовлетворяющей заданному значению вероятности 9 —варьирования интервалов груп- [c.16]

Приведенные рекуррентные формулы содержат операции деления и умножения, сравнительно длительно реализуемые на ЦВМ, поэтому при наличии в системе контроля десятков измеряемых величин, для которых требуется расчет оценок их статистических характеристик, целесообразно воспользоваться модифицированными алгоритмами расчета. Они упрощают процедуру расчета за счет замены операций деления на сдвиг, но тем самым увеличивают погрешность оценок искомых характеристик. [c.123]

Для расчета оптимальных параметров любого варианта алгоритма и оценки его погрешности, что необходимо для сопоставления разных вариантов алгоритмов, реализующих одну и ту же операцию, необходимо в качестве исходных данных использовать определенные статистические характеристики измеряемых величин. [c.334]

Для прогноза характеристик жаропрочности н получения расчетным путем первичных и изохронных кривых по результатам испытаний ограниченного объема проанализирован один из возможных вариантов уравнения состояния. Составлены алгоритмы и программы статистической обработки результатов испытаний с измерением пластической деформации на всех этапах процесса ползучести с целью определения параметров уравнения и расчета кривых ползучести и релаксации напряжений. Проведен анализ устойчивости оценок параметров уравнения состояния — характеристик материала. Показано, что достаточно устойчивое решение [c.43]

В гл. 1 кратко обобщаются сведения об основных эффектах физического взаимодействия, сопровождающих процесс распространения оптического излучения в атмосфере, приводятся формулы расчета и табличные данные, касающиеся характеристик когерентного и некогерентного рассеяния. В гл. 2 обосновывается статистически обусловленная микрофизическая модель аэрозоля анализируются экспериментальные данные по изучению микроструктуры аэрозоля и его вертикальной стратификации. В гл. 3 систематизированы новые данные, касающиеся адекватного выбора исходных оптических постоянных аэрозольного вещества. В гл. 4 представлены оригинальные результаты количественного анализа критериев точности расчетного прогноза оптических параметров аэрозоля. В гл. 5 приведены и проанализированы таблицы высотного распределения основных оптических параметров аэрозоля проведены сопоставления предложенных моделей с известными результатами оптического зондирования. В гл. 6 и 7 рассмотрены вопросы построения оптических моделей газовой атмосферы для широкополосных и селективных источников излучения приведены результаты расчетов, выполненных на основании уточненных метеорологических моделей и оригинальных алгоритмов, даны рекомендации по практическому использованию развитых моделей для дистанционного зондирования атмосферы. [c.6]

Алгоритм расчета статистических характеристик. Построение динамической модели технологического процесса статистическими методами требует обработки большого объема информации, получаемой непосредственно в процессе нормального функционирования объекта или при проведении специальных планируемых экспериментов. Ествественно, что для реальных технологических процессов динамические характеристики не остаются неизменными, и они изменяются в связи с изменениями условий ведения процесса, износом оборудования, изменениями жесткости, внешней среды и т. д. В связи с этим решение задач точности и управления на базе динамических моделей может принести максимальную пользу в случае, когда счет и обработка информации, необходимой для построения модели, а также решение задач на базе построенной модели будут осуществляться оперативно, в минимальные сроки. Поэтому во многих отраслях промышленности интенсивно ведутся работы по автоматизации получения реализаций входных и выходных переменных и их обработки. Это, естественно, является оптимальным решением, однако в связи с тем, что таких средств и приборов еще мало, в настоящее время для обработки полученной информации в основном используются универсальные цифровые электронные вычислительные машины (ЦВМ). [c.341]

Во второй главе обсуждаются принципы построения алгоритмов исследования надежности систем методом статистического моделирования на УЦВМ. Дана общая характеристика алгоритмов оценки надежности двух классов представления систем и особенности записи алгоритмов с помощью АЛГОЛ-60. Приведены алгоритмы формирования последовательностей случайных чисел, алгоритмы расчета количественных характеристик надежности систем, работающих до первого отказа, и восстанавливаемых систем. Рассмотрены конструкции алгоритмов исследования надежности условных систем при последовательном, параллельном и смешанном соединении элементов и алгоритмов исследования надежности безусловных систем. В конце главы описан алгоритм расчета надежности систем с учетом ухода основных параметров за допустимые пределы. [c.9]

Программа обработки предусматривает ввод графической информации, контроль и устранение ошибок, связанных со сбоями перфоратора, расчет статистических характеристик и печать результатов. По приведенным в гл. 1 алгоритмам определялись следующие характеристики пульсаций математическое ожидание, дисперсия, автокорреляционная функция, плотность распределения, спектральная плотность и эффективный период (см. (1.1.) — (1.5), (2.19)). При вычислениях интегрирование заменялось суммированием. Сглаживание первичной оценки спектральной плотности осуществлялось по методу Ханна. [c.39]

При статистических расчетах установок, т. е. при нахождении их удельных показателей и оптимальных размеров элементов, система определяющих алгоритмов включает в себя алгоритмы приближенного и уточненного расчетов, статистических характеристик, техникоэкономических критериев эффективности, а также оптимизации параметров. При разработке алгоритмов исходят либо из системы уравнений одного элемента опреснительной установки—испарительного аппарата с последующим пспользованием его для всех остальных ступеней, либо решают замкнутую систему уравнений для всей установки в целом. [c.128]

Следовательно, полученный результат можно интерпретировать следующим образом при достаточно мощном сигнале расчет статистических характеристик алгоритма распознавания (3.5.6) может быть сведен к расчету аналогичных статистических характеристик алгоритма, соответствующего простой двухальтернативной гипотезе, для формирования которой отбираются наиболее похожие между собой изображения из всех тех, которые входят в сложную гипотезу. Критерий похожести этих изображений устанавливается соотношениями (3.5.13) и (3.5.16). Аналогичный критерий похожести можно получить и для любых других эталонных образцов. [c.146]

Алгоритм расчета коэффициентов показан на рис. 7.26. После ввода в блок / массива исходных (измеренных для первого процесса) данных п блоке 2 производится вычисление статистических характеристик Ац (/ ), X (/j), сг (ij). В блоке и вычисляется техиолопгческий допуск Тг- В блоке 4 производится проверка о г р а и 11 ч е I и I i i т е х и о л о г и ч е с i и i i д о п у с к должен быть меньше функционального (табличного) Tf < Г число фактически бракованных изделии (в ироцеитах) не дол)К1Ю иревьпнать предельно допустимого А % < /1т %. [c.169]

Для выполнения отдельных этапов синтеза АСР разработаны алгоритмы и программы расчетов на ЭВМ. В [29] приведены программы для расчета на ЭВМ Наири-2 КЧХ замкнутых н разомкнутых автоматических систем регулирования, границы области заданного запаса устойчивости для АСР с ПИ-регулятором, переходных характеристик объектов и замкнутых АСР, статистических характеристик случайных возмущений. Полный аглоритмический синтез АСР может быть выполнен с использованием пакета прикладных программ (ППП), реализованного на ЭВМ ЕС-1020 (ДОС) [37]. Основные модули ППП позволяют решать следующие задачи расчет КЧХ элементов структурной схемы АСР, решение нелинейных уравнений типа F(a )=0, поиск максимума унимодальных функций и глобального экстремума функции нескольких переменных при огранпчении типа неравенства, расчет переходных процессов и построение их графиков. [c.457]

С помощью функции распределения (4.7) и алгоритма ее расчета можно решить как задачу анализа, так и задачу синтеза для установления первичных допусков на негоризонтальность установки бар-ботажных тарелок и их связи со статистическими характеристиками возможных ошибок. [c.172]

Предварительные замечания. Статистическая обработка экспериментальных данных, результатов расчетов и математического моделирования прежде всего необходима для представления информации в более компактной форме, удобной для дальнейшего использования. В настоящее время все шире используют хорошо разработанный аппарат математической статистики, которая занимается методами систематизации, обработки и использования статистических данных для научных и практических выводов [8] Статистическая обработка неизбежно связана с потерей икформации, поэтому при выборе статистических характеристик важно глубокое понимание специфики конкретных задач, чтобы в концентрированной форме сохранять нужную информацию. Большой опыт накоплен, например, в экономической статистике [4]. Однако имеется тенденция к универсализации алгоритмов статистической обработки [c.89]

Для оценки эффективности алгоритма можно воспользоваться методом статистического моделирования. Метод сводится к многократному наигрыванию < в соответствии с (2.6.1), (2.6.2) и обработке их по алгоритму. Средние частоты принятия правильных и ошибочных решений принимаются в качестве статистических характеристик алгоритма. Результаты подобного моделирования представлены на рис. 2.14 в виде зависимости вероятности правильного определения зеркальности P Hi Hi) от вероятности ошибочного решения о зеркальности P HiI Hq). Расчет прове- [c.100]

Метод статистических испытаний используется при автоматизированных расчетах, для моделирования процессов и объектов со случайным изменением параметров с целью оценки качества функционирования оборудования (точности, надежности, производительности) и в алгоритмах оптимизации. Суть метода статистических испытаний заключается в разыгрывании параметров аналитических моделей в соответствии с их вероятностными законами распределения. В результате таких испытаний получаем статистические характеристики выходного параметра математической модели. Таким образом, естественная вероятностная природа параметров физического объекта заменяется искусственным (прр-граммным)представлением случайных параметров машинной модели. [c.169]

Обратимся к результатам модельных оценок. Особенности математического аппарата, лежащего в основе расчетных программ для ЭВМ указывались в п. 1.2 и 4.2. Алгоритм расчета оптических параметров для однородных полидисперсных сфер внедрен в Государственный фонд алгоритмов и программ [19]. В табл. 5.4 сгруппированы оптические характеристики, определяющие энергетику монохроматического лазерного излучения при распространении в аэрозольной атмосфере и оптико-локационные характеристики аэрозоля, необходимые для оценки потенциальных возможностей лазерных локаторов или фонов обратного рассеяния в оптических системах связи. В табл. 5.4 приведены статистические модели вертикального профиля объемных коэффициентов ослабления ( i), поглощения ( ) и обратного рассеяния ( . ) для фоновой модели глоба ьного аэрозоля, а также указаны соответствующие среднеквадратичные отклонения ( 6 ), возникающие за счет вариации профиля N[h) в соответствии с масштабом 6Л (Л). Результаты приведены для наиболее употребительных длин волн лазерного зондирования i=0,53 0,6943 1,06 и 10,6 мкм. [c.144]

Диалоговое моделирование. Наличие в методике макромоделирования эвристических и формальных операций обусловливает целесообразность разработки моделей элементов в диалоговом режиме работы с ЭВМ. Язык взаимодействия человека с ЭВМ должен позволять оперативный ввод исходной информации о структуре модели, об известных характеристиках и параметрах объекта, о плане экспериментов. Диалоговое моделирование должно иметь программное обеспечение, в котором реализованы алгоритмы статистической обработки результатов экспериментов, расчета выходных параметров эталонных моделей и создаваемых макромоделей, в том числе расчета параметров по методам планирования экспериментов и регрессионного анализа, алгоритмы методов поиска экстремума, расчета областей адекватности и др. Пользователь, разрабатывающий модель, может менять уравнения модели, задавать их в аналитической, схемной или табличной форме, обращаться к нужным подпрограммам и тем самым оценивать результаты предпринимаемых действий, приближаясь к получению модели с требуемыми свойствами. [c.154]

Учет разброса параметров и характеристик для выбора технологических допусков на стадии проектирования является одним из эффективных способов повышения качества ЭМП. Однако конструирование расчетных алгоритмов с вероятностными значениями проектных данных приведет к недопустимому переусложнению инженерных методик расчета и необходимости статистической обработки громадного объема информации. Поэтому йлияние технологических допус1 Ьв обычно анализируется после определения расчетных проектных данных. При этом решается следующая задача анализа исследовать отклонения расчетных проектных данных в зависимости от заданных законов распределения случайных значений исходных конструктивных данных и параметров. Отклонения расчетных данных исследуются с помощью тех же детерминированных расчетных алгоритмов, которые применяются без учета технологического разброса конструктивных данных. [c.231]

В связи с комплексностью поставленной задачи массив исходных данных для ее решений значительно увеличивается И содер-яит кроме статистических данных о нагружении и физико-механических характеристик материалов, данные о трудоемкости изготовления, ремонтопригодности, величинах критериев оптимизации. Разработан алгоритм машинного проектирования соединений с натягом. Блок расчета геометрических параметров позволяет получить нулевое решение о Конструкц ии соединения, которое впоследствии уточняется с целью получения оптимальных Нараметров. Блоки расчета напряженно-деформированного состояния ГНДС), давления автофрет фования, долговечности, ремонтопригодности и экономичности потребовали самостоятельного рассмотрения. [c.35]

Надежность и высокое качество проектов радиационной защиты ядерно-технических установок прямо зависят от качества моделей расчетов их адекватности реальным условиям и надежности константного обеспечения. Эти свойства расчетных моделей могут быть проверены только в результате измерений наиболее общей характеристики поля излучения за макетом радиационной защиты — спектра излучения в необходимом энергетическом интервале, обработанном по методике, дающей возможность вычислить погрешности восстановления спектра, а также погрешность определения любого линейного функционала от спектра. Для измерений спектра в области энергий нейтронов от 0,4—1 до 10— 5 МэВ в настоящее время применяют сцинтилляционный спектрометр быстрых нейтронов с кристаллом стильбена различных размеров и электронной схемой дискриминации импульсов от Y-фона по фронту нарастания импульсов. При измерении и обработке (восстановлении) спектра из измеренных амплитудных распределений возникают погрешности, обусловленные методикой эксперимента (неправильный учет фона, различных поправок и т. п.), применяемым методом обработки, а также статистические погрешности. Здесь описываются алгоритмы и программа восстановления спектров быстрых нейтронов и вычисления статистических погрешностей, вызванных статистикой отсчетов в каналах анализатора и нестабильностью регистрирующей аппаратуры спектрометра, приводящей к нестабильности энергетической шкалы анализатора импульсов. Проверку использованных алгоритмов и программы обработки проводили при измерении спектра быстрых нейтронов, образующихся при спонтанном распаде f. Этот спектр хорошо известен по результатам многочисленных экспериментов с использованием различных методик и является своеобразным международным стандартом . Измерения и обработки результатов проводили на измерительно-вычислительном комплексе (мини-ЭВМ 328 [c.328]

С помощью банка теоретических зависимостей управляющая программа формирует г.гатематическую модель. Эффективную работу этой модели обеспечивает наличие информационного банка 9—11, содержащего статистически представленный объем экспериментальных данных относительно типа и параметров распределений, характеризующих геометрические размеры дефектов, харакгеристик сопротивления различных участков сварного соединения зарождению разрушения и характеристик трещиностойкости при циклическом и статическом нагружении. В зависимости от цели расчета и вида исходной информации управляющая программа с помощью банка зависимостей включает математическую модель в алгоритм имитационного моделирования. По существу имитационное моделирование представляет собой статистический машинный эксперимент. Из банка экспериментальных данных выбираются блоки информации, приводятся в исходное состояние датчики случайных чисел и начинается прогон модели. Результаты расчетов после каждого прогона помещаются в банк 16. Многократная прогонка модели на ЭВМ при измененных состояниях датчиков случайных чисел и последующая статистическая обработка численного эксперимента позволяют учесть влияние случайного рассеяния параметров, характеризующих долговечность и трещиностойкость, а также случай- [c.380]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...