Статистический анализ результатов наблюдений

Для получения дисперсионного отношения необходимо сравнить две оценки дисперсии признака. Вид используемых оценок дисперсии признака определяется характером информации, имеющейся в распоряжении при статистическом анализе результатов наблюдений. В зависимости от этого при проверке гипотезы об адекватности модели при вычислении F-статистики, могут быть два случая [c.98]

Следовательно, статистический анализ результатов наблюдений можно осуществить. [c.113]

Контроль характеристик ремонтопригодности состоит из этапов планирования испытаний, их проведения и статистического анализа результатов наблюдений. [c.281]

Определительные испытания содержат те же этапы, что и контролирующие, т. е. планирование и проведение испытаний и статистический анализ результатов наблюдений. [c.287]

Основной задачей статистического анализа результатов наблюдений является проверка выдвинутой при планировании испытаний гипотезы в отношении значения оцениваемой характеристики ремонтопригодности. Процедуре проверки выдвинутой гипотезы в отдельных случаях должна предшествовать проверка гипотезы о виде закона распределения характеристики и гипотезы об однородности результатов наблюдений в рассматриваемом эксперименте. [c.292]

Статистический анализ результатов наблюдений [c.332]

Статистический анализ результатов наблюдений рассмотрим на примерах решения следующих задач [c.332]

Выбор вероятностной модели для конкретного типа нагрузок основан как на представлениях о физической природе и свойствах этих нагрузок, так и на статистическом анализе результатов наблюдений. Простейший способ обработки — нанесение опытных точек на вероятностную бумагу, функциональные шкалы которой выбраны таким образом, чтобы точки, отвечающие выбранному типу модели, ложились около некоторой прямой. Два параметра распределения нетрудно оценить по параметрам прямой. [c.233]

Применение ЭВМ позволяет быстро провести статистическую обработку результатов наблюдений. Для этого предварительно должна быть составлена программа обработки, предусматривающая, в частности, введение таблиц статистических критериев в память машины. С помощью ЭВМ получают гистограмму распределения и другие результаты первичного статистического анализа, а также проводят исследование статистических зависимостей. [c.107]

Оценка функционирования АЛ. Программа используется как при проектировании новых АЛ (для расчета производительности, выбора компоновки, оптимальных режимов работы и т. п.), так и при анализе действующих АЛ, в частности для определения резервов повышения их производительности. Программа включает три основные подпрограммы статистической обработки результатов наблюдений за работой действующих АЛ, расчета их производительности и моделирования функционирования системы автоматических линий. [c.113]

Многофакторные эксперименты. Планирование и статистический анализ результатов многофакторных экспериментов (под которыми понимаются случаи, когда число исследуемых факторов более одного) отличаются от рассмотренных для однофакторного эксперимента. В случае многофакторных экспериментов наряду с исследованием существенности влияния основных эффектов (влияния факторов) устанавливается существенность влияния эффектов взаимодействия факторов. Несмотря на значительное возрастание объема наблюдений в связи с увеличением числа изучаемых эффектов такие эксперименты обладают рядом преимуществ по сравнению с однофакторными эксперимент осуществляется в условиях более близких к реальным, когда изменение исследуемого признака происходит в результате одновременного воздействия нескольких факторов и их взаимодействий при одной и той же точности осуществления эксперимента суммарный объем наблюдений в случае многофакторных экспериментов значительно меньше по сравнению с однофакторными экспериментами. Эти и некоторые другие обстоятельства обусловили широкое распространение в практике исследований многофакторных экспериментов. [c.78]

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]

Тщательное применение необходимых мер калибровки, анализ и статистическая обработка результатов наблюдений позволяет достичь точности внешней калибровки РСА порядка 1,5-3 дБ. [c.141]

Статистические данные о характере распределения, размерах, типе, ориентации дефектов, полученные на основании анализа результатов достаточно большого числа наблюдений, отличаются постоянством для установившегося технологического процесса. Они остаются стабильными до тех пор, пока технология или условия производства существенно не изменятся. [c.214]

Обработка полученных результатов наблюдений, анализ полученного объема информации статистическими методами. Такая обработка включает в себя получение основных параметров работы автоматической линии фактической усредненной циклограммы и баланса затрат фонда времени, который дает первое представление о ее работоспособности. Баланс затрат фонда времени показы- [c.30]

Для получения математических моделей, описываюш их поведение диффузных систем, с большим успехом используется аппарат многофакторного регрессионного анализа. Особенно широкое распространение он получил в связи с развитием теории и практики активных многофакторных статистических экспериментов. Часто успешное решение может быть получено и в случае статистической обработки и анализа результатов пассивных наблюдений. Такими экспериментами являются данные наблюдений, осуществляемые в процессе эксплуатации машин. [c.70]

Следующий важный вопрос статистического анализа — это анализ полученного уравнения регрессии. Такой анализ необходим в связи с тем, что при вычислении значений коэффициентов регрессии предполагалась определенная форма связи между рассматриваемым признаком ремонтопригодности и факторами, в данном случае — линейная связь. Следовательно, необходимо проверить гипотезу об адекватности (соответствии) рассматриваемой модели результатам наблюдений. В качестве критерия для проверки гипотезы об адекватности уравнения регрессии обычно используется F-критерий, т. е. критерий дисперсионного отношения. [c.98]

Для решения этой задачи применяется излагаемая ниже методика обработки данных наблюдений, основанная на использовании метода наименьших квадратов (МНК) и статистических методах линейного регрессионного анализа. Погрешность наблюдений вносит свой вклад в результаты обработки, поэтому они носят приближенный, оценочный характер, и, в свою очередь, содержат погрешность. Следовательно, наряду с определением зависимости желательно также оценивать величины, характеризующие погрешности исходных данных наблюдения и результатов их обработки. [c.469]

Статистический метод анализа точности имеет тот недостаток, что при обработке результатов наблюдений не учитывается последовательность обработки деталей. Этого недостатка лишен статистический метод точечных диаграмм, который заключается в графическом построении размеров деталей в порядке последовательности их обработки. [c.49]

Статистический анализ уравнения регрессии. Поскольку изменение выходной величины у носит случайный характер, приходится в каждой точке факторного пространства проводить т параллельных опытов и результаты наблюдений у , у ,. ., Уgn осреднять [c.503]

Математическая обработка результатов измерений производится с целью определения оценок коэффициентов регрессии и статистического анализа уравнения (П.З) в целом (см. раздел четвертый). Математический аппарат регрессионного анализа построен на основе определенных предпосылок [891. Для определения коэффициентов регрессии полинома порядка т при ьи независимых переменных и N результатов наблюдений над величиной Я необходимо, чтобы удовлетворялось соотношение [c.33]

Если поверяется прибор, у которого случайная составляющая погрешности соизмерима с пределом допускаемой погрешности, при поверке целесообразно использовать статистические методы обработки результатов наблюдений. В таком случае весьма эффективен так называемый метод последовательного статистического анализа, заключающийся в последовательном (при каждом наблюдении) принятии решений по проверке статистических гипотез. Нетрудно догадаться, что проверяемых гипотез две прибор годен и прибор бракован. [c.123]

Вопросами, связанными с разработкой методов регистрации, описания и анализа статистических данных, получаемых в результате эксперимента, занимается специальная наука — математическая статистика. Все задачи математической статистики касаются вопросов обработки наблюдений над массовыми случайными явлениями, но в зависимости от характера решаемого практического вопроса и от объема имеющегося экспериментального материала, эти задачи могут принимать ту или иную форму. Статистический анализ в технике широко используется [c.71]

Результаты статистической обработки с применением автоматизированной базы данных позволили оценить влияние основных факторов на коррозионные процессы в ТП с применением факторного и регрессионного анализа. Матрица наблюдений, по которой построены модели прогноза образования числа дефектов, состоит из 11 параметров и включает характеристики дефектов и труб, а также режимы работы ТП. Особенность прогнозирования заключается в подготовке исходных данных для расчета, так как построение модели по существующей базе данных положительных результатов не дает. Матрица наблюдений сформирована после исследования и статистического анализа дефектов. За зависимый параметр принято количество дефектов типа потеря металла , так как они наиболее полно отражают процессы коррозии на внутренней поверхности ТП. На основе полученного регрессионного уравнения по данным первого прогона внутритрубной УЗД (рис. 3.14, кривая УЗД-90) построена 9 131 [c.131]

Так как о виде закона распределения данных и результатов наблюдений, уровне засорения и других особенностях измерения может быть известно только в процессе измерений, то при разработке МВИ и аттестации точных методов измерений в зависимости от выявленных особенностей измерений целесообразно предусматривать несколько вариантов обработки данных. В процессе измерений после статистического анализа данных и результатов следует выбирать наиболее эффективный метод обработки измерительной информации. В этой связи большой интерес для эксплуатации сложных изделий при оценивании особо важных параметров представляет оценка, предложенная в [27]. Из единой выборки определенного объема по результатам наблюдения искомого параметра вычисляют пять различных оценок медиану, центр сгиба, середину размаха, усеченное среднее арифметическое и нормальное среднее арифметическое. Пять полученных результатов располагают в вариационный ряд и выбирают оценку, занявшую медианное положение в этом ряду. Полученная оценка, будучи не чувствительной к промахам, будет наиболее эффективной в диапазоне реальных распределений искомого параметра. [c.41]

Редкие ветры (например, ураганы), которые отличаются метеорологическими условиями возникновения и являются значительно более сильными, чем обычные ежегодные экстремальные ветры, будем называть здесь экстраординарными ветрами. Климатические условия, в которых не ожидается появление экстраординарных ветров, принято называть благоприятными. Есть основания полагать, что в таких климатических условиях каждый результат наблюдений в ряду максимальных годовых скоростей ветра вносит свой вклад в описание вероятностных характеристик экстремальных ветров. Следовательно, можно ожидать, что статистический анализ таких рядов даст возможность [c.68]

Поверочные органы завода участвуют также совместно с ОТК и отделом главного технолога в организации и внедрении статистических методов анализа и контроля качества продукции, производят обработку результатов массовых наблюдений с целью ана- лиза производственных процессов, применяемых в цехах завода. [c.71]

В ряде случаев, например, при установлении нормативов на обслуживание и ремонт машин, необходимо знать значения характеристик ремонтопригодности для конкретных условий их использования, обслуживания и ремонта. Существенность влияния факторов, определяющих эти условия, может быть оценена планированием экспериментов и анализом их результатов с использованием методов дисперсионного и регрессионного анализа, рассмотренных в гл. 5. Для этой цели могут быть использованы и методы проверки статистических гипотез о равенстве (различии) числовых характеристик двух или более групп наблюдений показателя ремонтопригодности, проведенных при различных уровнях (условиях) интересующего фактора. Примеры применения этих методов рассматриваются в гл. 17. [c.292]

Однако путь вычислений, разобранный в примере, несмотря на простоту, не может быть рекомендован для оперативного нахождения статистических характеристик и сравнения опытного распределения с гипотетическим. Автоматизировать такие расчеты можно по программе предварительной обработки результатов статистических наблюдений. Эти расчеты должны предшествовать анализу качественных показателей технологического процесса [37]. [c.15]

В табл. 8.24 приведены используемые на практике расчетные формулы для точечных оценок наиболее важных статистических характеристик исходных данных наблюдений и результатов их обработки с помощью линейных моделей и МНК. Эти формулы получены методами регрессионного анализа в предположении, что данные наблюдений у , k N удовлетворяют уравнению регрессии (8.2) в виде d [c.471]

Теоретический анализ явлений, технологических процессов и функционирования машин и конструкций основан на выборе определенных моделей или расчетных схем. При этом выделяют существенные факторы и отбрасывают несущественные, второстепенные. Возможны два подхода к анализу детерминистический и стохастический (вероятностный, статистический). При детерминистическом подходе все факторы, влияющие на поведение модели, т.е. параметры модели и параметры окружающей среды, начальные условия и т.п. считают вполне определенными, детерминированными. Решение корректно поставленной детерминистической задачи единственно и, следовательно, предсказывает поведение реальной системы однозначным образом. Однако выводы, основанные на детерминистических моделях, могут расходиться с результатами опытных наблюдений. Одна из причин состоит в том, что на поведение реальных систем влияет большое количество разнообразных, слабо контролируемых и сложным образом взаимодействующих факторов. Поэтому поведение реальных систем в том или иной мере носит неоднозначный, [c.11]

Дополнительная информация о надежности изделия содержит данные статистического анализа результатов нормальных испытаний продукции, продуищи-аналогов, сборочных единиц наблюдений за изделиями в эксплуатации исследований физико-статистических моделей процессов, описывающих развитие отказов, полученных по результатам испьпаний исследований причин отказов и процессов, приводящих к их возникновению конструкторских расчетов. Основные правила и методы оценки надежности при приемочных, периодических и типовых испьпаниях, минимально находимые номенклатурные формы учета и обобщение информации о надежности должны быть приведены в формулярах и утверждены руководителем. [c.137]

В теории надежности отмечается два основных подхода формирования моделей - полуэмпирический (феноменологический) и структурный. Феноменологический подход основан на обобщении результатов наблюдений и экспериментов, выявлении основных статистических закономерностей и прогнозировании функционирования технических систем. Среди этого класса моделей приведены многостадийная модель накопления повреждений, теория замедленного разрушения, статистическая модель разрушения и др. Структурный подход предусматривает прежде всего исследование структурных особенностей рассматриваемого объекта (например, при анализе прочностных свойств металлических деталей необходимо учитывачь структуру металла и связанных с ней дефектов - микро фещин, дислокаций, конфигурации и положения границ зерен и г.д.). Ко второму классу можно отнести моде ш хрупкого разрушения, пластического разрушения, так называемую объединенную структурную модель, причем автором особо подчеркивается перспективность дальнейшего развития структурного моделирования. [c.128]

Стокгольмского университета. Метод измерений, использованный на шотландских станциях ЕХЛА, не изменялся в течение 1958— 1972 гг., и результаты их наблюдений не обнаружили увеличения концентрации сульфатов или кислотности. Статистический анализ данных, собранных системой сбора ортаняза-Цйи ОЭСР, выявил возможность систематического прогнозирования тенденций. [c.211]

Что касается характера статистической информации, то результаты наблюдений представляют собой, как правило, многократно усеченные выборки, т.е. содержат как случайные наработки до отказа, так и различной величины наработки до цензурирования (прекращения наблюдений до отказа). Подробный анализ особенностей и характера статистической информации о надежности имеется в [71]. [c.372]

Статистический анализ точности технологического процесса производится с целью определения возможностей обеспечить изготовление иродущии стабильного уровня качества. Он осуществляется путем определения параметров выполняемой технологической операции (или группы таких операций) с последующей обработкой результатов наблюдений и оценкой показателей точности технологического оборудования. При этом, как правило, устанавливают [c.138]

Результаты статистического анализа хорошо согласуются с результатами хронометражных наблюдений, проведенных но крановым работам при монтаже турбогруппы газотурбинной установки ГТ-700-4. Линия зависимостей удельной продолжительности крановых работ на заводе и на монтажной площадке от единичного веса транспортируемых деталей или узлов (рис. 15) имеют почти одинаковые углы наклона с линиями на рис. 14. [c.39]

Результаты специальных статистических наблюдений за производственным и потребительским качеством продукции обрабатываются методами корреляционного анализа. Статистико-математическая обработка результатов наблюдений за качеством продукции состоит из следующих этапов подготовка собранной информации о качестве продукции разработка алгоритмов нахождения, исчисления уравнений и коэффициентов корреляции оценка надежности и точности полученных уравнений корреляции. [c.587]

Другим, более универсальным методом виброакустического диагностирования являются регистрация и анализ всего спектра, т. е. всей совокупности колебательных процессов. Анализ спектра (рис 6.45) заключается в группировке по частотам составляющих его колебательных процессов при помощи фильтров (подобно настройке радиоприемника на соответствующую волну). Колебательный спектр снимают на узко1 1, характерном участке процесса при соответствующем скоростном и нагрузочном режимах работы диагностируемого механизма. Дефект выявляют по максимальному или среднему уровню колебательного процесса в полосе частот, обусловленной работой диагностируемого сопряжения. Полученные результаты сравнивают с нормативами (эталонами), которые определяют экспериментально путем искусственного введения дефектов или же накоплением и статистической обработкой результатов эксплуатационных наблюдений. 1 [c.160]

К середине 1994 г. на DO подняли нижнюю границу величины rrit до 128 ГэВ. К этому времени уже был получен ряд косвенных оценок mt, основанных прежде всего на анализе параметров Z в рамках электрослабой теории. Согласно этим оценкам 130 210 ГэВ. В том же 1994 г. на DF наблюдали в области масс около 175 ГэВ 12 событий, соответствующих критериям отбора для t-кварков. Однако ожидаемый фон составлял примерно шесть событий, и хотя наиболее вероятной являлась интерпретация полученных данных как наблюдение t-кварка, статистическая обеспеченность результата была недостаточной, чтобы признать его обнаружением искомого кварка. [c.200]

Реальные ветровые волны на поверхности водоемов не всегда имеют правильную форму зыби. При действии ветра, его порывах, турбулентной циркуляции и сменах местных давлений зарождается множество исходных волновых форм, расходящихся в разные стороны от места своего возникновения. По пути распространения исходные волны пересекаются с аналогичными образованиями, появившимися на других участках акватории. В результате их сложения (интерференции) колебательные движения частиц усложняются и формирующиеся на поверхности воды видимые волны приобретают нерегулярность. Следовательно, очертания поверхности видимых штормовых волн можно представить как совокупность множества простых спектральных составляющих — разнообразно сочетающихся первичных гармонических колебаний со случайным сдвигбм фаз (рис. XXVI.1). Нерегулярные волновые процессы потребовали расширения методов исследования. В связи с этим в настоящее время теория волн, продолжающая развиваться с использованием приемов классической гидродинамики и энергетических принципов В. М. Маккавеева, включает новые перспективные направления. Основываются они на вероятностно-статистическом анализе получаемых при наблюдениях в природных условиях эмпирических данных по параметрам видимых волн, а также на спектральном представлении о действительных ветровых волнах. Спектральное теоретическое направление исследований исходит из допущения, что отдельные составляющие видимых волн могут быть описаны с позиций гидродинамической теории волн бесконечно малой амплитуды. [c.516]

Результаты наблюдений, особенно при невысокой стабильности экспериментов, полезно подвергнуть статистическому анализу (см. гл. VII) 1) определение погрешности измеренной в каждом опыте силы и установление доверительного интервала при заданном уровне надежности 2) оценка воспроизводимости результатов отдельных опытов (однородности дисперсий опытов) по критерию Кохрена. [c.198]

Уборку проводят малогабаритным комбайном, например Сам-по-25 . Для полного технологического и биологического анализов отбирают средний образец зерна каждого сорта массой 2—3 кг. Данные учета урожая и соответствующих наблюдений подвф-гают статистическому анализу. По результатам сравнения сою-купных данных о каждом сорте и стандарте выделяют лучшие для изучения в конкурсном сортоиспытании. [c.429]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...