Анализ Монте-Карло результаты, статистическое

Основным методом статического анализа в САПР является метод статистических испытаний (метод Монте-Карло). Каждое fe-e статистическое испытание заключается в присвоении элементам Xi вектора X случайных значений xni и расчете вектора выходных параметров Yh с помощью одновариантного анализа. После выполнения запланированного числа N статистических испытаний их результаты Y/ обрабатываются с целью оценки числовых характеристик распределений выходных параметров. [c.256]

Таким образом, для определения числа испытаний необходимо знать величину дисперсии D x t), которая вычисляется, в свою очередь, только при выполнении большого числа испытаний. Задача, следовательно, является неопределенной, так как до начала анализа нелинейной динамической системы методом Монте-Карло нельзя получить оценку о числе испытаний. Некоторые из таких оценок получены в работе [67], они позволяют уменьшить объем необходимых вычислений и освободиться от статистической неопределенности полученных результатов. [c.146]

Обстоятельное изучение долговечности конструкционных материалов при циклическом и длительном нагружениях остается важной прикладной проблемой. Решение этой проблемы с учетом всех требований математической статистики связано с трудоемкими и длительными испытаниями. Некоторые результаты можно получить, не прибегая к физическим экспериментам. В работе [20] для анализа и сопоставления моделей накопления повреждений был применен метод статистического моделирования (Монте-Карло). В принципе такое моделирование может дать только то, что заложено в принятой модели. По сравнению с физическим экспериментом математический эксперимент позволяет без труда получать статистические выборки сколь угодно больших объемов. Эти выборки можно использовать, чтобы оценить влияние разброса на конечные выводы (точнее, чтобы в результатах физических экспериментов отделить факторы, обусловленные разбросом, от факторов физического происхождения). [c.84]

Поэтому при машинном проектировании основным методом статистического анализа становится метод статистических испытаний (метод Монте-Карло). В этом методе в качестве исходных данных используются сведения о законах распределения х, а результатами являются гистограммы распределения выходных параметров г/J, по которым определяются вероятность выполнения условий работоспособности, величины 8 , фигурирующие в (2.7), и оценки числовых характеристик распределений у]. [c.112]

Вопросы реализации метода Монте-Карло при анализе электронных схем подробно рассмотрены в ряде работ, например, [20], [22]. Блок-схема статистического анализа по этому методу представлена на рис. 20. В каждом из N испытаний сначала задаются случайные значения параметрам компонентов в соответствии с законами их распределения. Далее производится анализ работы схемы, в результате получаем случайные значения выходных параметров очередного -го испытания. Эти значения используются для пополнения ранее накопленных сумм вида [c.112]

Воспользовавшись опцией PROBE Append (см. рецепт б в главе 5), объедините результаты, полученные в пунктах 2-4. Ваша диаграмма частотной характеристики активного фильтра (см. рис. 9.32) после успешного завершения работы должна быть аналогична той диаграмме, которую вы видите на рис. 9.46. Здесь изображены оба прогона наихудшего случая с самым большим отклонением вверх и вниз, а также двадцать прогонов анализа Монте-Карло со статистически установленными значениями разброса резисторов и конденсаторов. [c.207]

Рецепт 11. Создать в PROBE гистограмму статистического распределения результатов анализа Монте-Карло [c.213]

В САПР статистический анализ проводится численньпи методом — методом Монте-Карло (статистических испытаний). В соответствии с этим методом осуществляется N статистических испытаний, каждое статистическое испытание представляет собой одновариантный анализ, выполняемый при случайных значениях параметров-аргументов. Эти случайные значения выбирают в соответствии с заданными законами распределения аргументов х.. Полученные в каждом испытании значения выходных параметров накапливают, после N испьгганий обрабатывают, что дает следующие результаты [c.110]

Использование метода Монте-Карло и выполнение правил проведения статистических испытаний позволяет существенно повысить вероятность объективной оценки эксплуатационного состояния технико-технологической системы, аналитическое описание которой сопровождается допусками и, естественно, требует квалиметрической оценки искажения истинной ситуации. Для того, чтобы ошибка в определении вероятности события Р(А) была не больше заданной е, нужно провести не меньше (4хР(А)х(1-Р(А))/82) расчетов-исследований, но если задать Р(А), то истинное значение вероятности должно быть заключено в пределах (Р(А) е). Поэтому после того, как требуемое количество расчетов получено, проводится экспертиза результатов вероятностно-статистического анализа на информативность регистрируемых и расчетных параметров технико-технологического процесса. [c.157]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...