Метод статистический

Физические свойства макроскопических систем изучаются статистическим и термодинамическим методами. Статистический метод основан на использовании теории вероятностей и определенных моделей строения этих систем и представляет собой содержание статистической физики. Термодинамический метод не требует привлечения модельных представлений о структуре вещества и является феноменологическим (т. е. рассматривает феномены — явления в целом). При этом все основные выводы термодинамики можно получить методом дедукции, используя только два основных эмпирических закона (начала) термодинамики. [c.6]

Для решения задач методами термодинамики совершенно необходимо знать уравнение состояния. Однако оно не может быть получено в рамках термодинамики и должно быть найдено либо экспериментально, либо методами статистической физики. Конкретный вид уравнения состояния зависит от индивидуальных свойств вещества. [c.9]

Обычно теплоемкости определяются экспериментально, но для многих веществ их можно рассчитать методами статистической физики. [c.16]

Общие свойства сложной системы, составленной из большого числа индивидуальных молекул, могут быть вычислены методами статистической механики и интерпретированы с точки зрения свойств индивидуальных молекул. [c.69]

Численное значение постоянной i также было определено методами статистической термодинамики. Согласно уравнению (8-17), критерий равновесия для фазовой системы твердое вещество — пар выражается отношением [c.266]

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]

Процесс имитации включает в себя большое число операций, связанных с формированием, преобразованием и использованием реализации случайных событий, величин и процессов, поэтому результаты моделирования также носят случайный характер. Они отражают случайные сочетания действующих факторов, складывающихся в процессе моделирования. Искомые величины при имитационном моделировании определяют в результате статистической обработки совокупностей данных некоторого числа реализаций процесса моделирования. Совокупность реализаций выступает в роли статистического материала при машинном эксперименте, а оценка параметров — в роли экспериментальных данных, поэтому имитационное моделирование иногда называют методом статистического моделирования. [c.351]

Метод статистического градиента 296 [c.395]

ООП — Прикладная статистика. Методы статистического контроля качества, надежности, долговечности. Общие М -тоды контроля и испытания продукции. [c.13]

Зависимости для статической грузоподъемности f,, динамической грузоподъемности /- д при 10 циклов нагружения и жесткости j в Н/мкм, полученные методом статистического моделирования в лаборатории МВТУ им. Баумана (для сравнения) [c.313]

Вначале (гл. 1) даны общие представления о САПР как о сложной организационно-технической системе и перспективах ее развития. Затем анализируются традиционные процессы проектирования ЭМП и возможности их преобразований в САПР (гл. 2). В гл. 3 на основе анализа обобщенной модели ЭМП формализуются задачи проектирования и приводятся к виду, удобному для решения на ЭВМ. Показывается, что задачи проектирования ЭМП по сути являются оптимизационными. В гл. 4 дается краткий обзор методов расчетного моделирования ЭМП. Часть методов, особенно теоретического плана, достаточно подробно описывается в специальных учебных курсах по ЭМП. Однако здесь целесообразно изложить основные идеи методов по классам, чтобы показать имеющиеся широкие возможности для составления семейства моделей ЭМП в САПР. Значительное внимание уделяется новым, нетрадиционным для электромеханики методам (статистическим, кибернетическим и численным). [c.4]

В общем случае достаточно эффективным оказывается применение алгоритмов с комбинацией методов статистических испытаний (Монте-Карло) и покоординатного поиска. Для ограничений достаточно общего вида (7.22) путем введения соответствующих масштабов строится многомерный куб. В этом кубе путем статистических испытаний с определенной вероятностью находится аппроксимирующая управляющая функция, которая принимается за начальное приближение к глобальному оптимуму. Принимая полученное решение за начальное, методом покоординатного поиска находится ближайший локальный оптимум. Если начальное решение находится в сфере притяжения глобального оптимума, то полученное после покоординатного поиска решение можно считать окончательным. При наличии овражных ситуаций можно использовать специальные приемы, например поворот координатных осей. [c.217]

На стадии проектирования эта задача решается различными математическими методами — наихудшего случая, вероятностными и методом статистических испытаний. [c.231]

Реализация метода статистических испытаний не требует допущений о линейности и дифференцируемости функций Hj и возможна для произвольных законов распределения г в пределах полей допусков. В результате расчетов по этому методу можно получить не только средние значения и диапазоны технологического разброса Я/, но и законы распределения случайных значений Hj внутри полученных границ. Таким образом, метод статистических испыта- [c.233]

Сравнительный анализ методов показывает, что при расчетах на ЭВМ целесообразно использовать либо метод статистических испытаний, либо вероятностный метод. Для метода статистических испытаний дополнительно к программам вычислений Hj необходимо иметь программы выработки псевдослучайных чисел, которые входят в стандартное математическое обеспечение многих ЭВМ. В случае вероятностного метода достаточно ограничиться программами вычисления Hj, но зато нужна априорная информация о выполнении исходных предпосылок метода. [c.234]

Термическое уравнение состояния слабо вырожденного газа, пользуясь методами статистической физики, можно записать в виде [c.91]

МОМЕНТОВ МЕТОД - метод статистической оценки параметров, основанный на использовании эмпирических моментов распределения. Пусть имеется и независимых наблюдений [c.41]

Каскадная стадия процесса взаимодействия. Множественность. Каскадная стадия процесса взаимодействия первичной частицы с нуклонами ядра представляется последовательностью попарных случайных взаимодействий. Поэтому описание этой стадии процесса может быть проведено методами статистических испытаний (методом Монте-Карло), Расчеты требуют больших вычислений, однако использование ЭВМ позволяет проводить такие расчеты и получать результаты с достаточной точностью. Наиболее полные характеристики каскада, рассчитанные методом Монте-Карло, получены в работах [13—16]. Рассчитан [13, 14] каскад для ядер АР , Си , Ри °°, Се °, ВР , и энергий первичных протонов от 82 Мэе до 2 Гэв. Расчеты проведены при некоторых упрощающих предположениях [11]. Так, не учитывали диффузную границу ядра ядро рассматривали как однородную сферу радиусом = в качестве импульсного [c.245]

Имеются трудности и в расчетных исследованиях. Расчет нуклон-мезонного каскада можно проводить решением систем кинетических уравнений или методом статистических испытаний (методом Монте-Карло). Для высоких энергий, когда развивается межъядерный каскад, функция распределения вторичных частиц может быть получена решением систем кинетических уравнений [22—24]. [c.256]

Что касается принципов построения моделей для вероятностного анализа объекта, то и здесь удается избрать единый метод статистических испытаний, суть которого состоит в прямой имитации случайных величин, характеризующих разброс технологических и эксплуатационных (в некоторых сечениях периода эксплуатации) факторов 98 [c.98]

Для выполнения поверочных расчетов размерных цепей при малом числе составляющих размеров применяется метод максимума-минимума, в соответствии с которым допуск на замыкающий размер определяется при условии, что составляющие размеры принимают предельные (минимальные или максимальные) значения в самых неблагоприятных сочетаниях. При увеличении числа составляющих размеров (более трех) применение метода максимума-минимума приводит к значительному увеличению определяемого допуска в сравнении с реальным его значением, что происходит из-за неучета вероятностной природы формирования размеров. Поэтому поверочные расчеты размерных цепей необходимо выполнять вероятностными методами, которые учитывают характер распределения размеров в пределах допусков. Наиболее строгим вероятностным методом является метод статистических испытаний, который был рассмотрен в 5.1.4. [c.188]

Основу методического обеспечения подсистемы составляет метод статистических испытаний и развитые алгоритмы имитационного модели- [c.264]

Если калорическое и термические уравнения состояния известны, то с помощью начал термодинамики можно определить все термодинамические свойства системы. Вывести сами уравнения состояния на основе начал термодинамики нельзя они или устанавливаются из опыта, или находятся методами статистической физики. Это еще раз указывает, что термодинамика и статистическая физика дополняют друг друга и полностью отделить их невозможно. [c.30]

Как калорическое, так и термическое уравнения состояния для реальных газов могут быть теоретически выведены методами статистической физики. [c.32]

Только для двух систем можно вычислить термодинамические потенциалы с помощью начал термодинамики для идеального газа и для равновесного излучения, поскольку для них известны и термические, и калорические уравнения состояния. Для всех же других систем термодинамические потенциалы находят или из опыта, или методами статистической физики и потом с помощью полученных термодинамических соотнощений определяют уравнения состояния и другие термодинамические свойства. [c.110]

Современное состояние вопроса общего математического описания дисперсных систем нельзя признать до-статочло удовлетворительным, несмотря на растущий интерес к этой проблеме. Каж травило, в работах, шо-священных этому вопросу, фактически используется феноменологический подход к исследованию дисперсного потока в целом. Идея условного континуума п03(В0Ляет полностью использовать математический аппарат механики сплошных сред, но несет с собой погрешности физического порядка тем более существенные, чем значительней макроднскретность системы. Системы таких уравнений, полученные рядом авторов как общие, все же не охватывают класс дисперсных потоков во всем диапазоне концентраций (вплоть до плотного движущегося слоя). Они не учитывают качественного изменения структуры потока и в связи с этим изменения закономерностей распределения частиц, появления новых сил (например, сухого трения), изменения с ростом концентрации (до предельно большой величины) условий однозначности и пр. В основном большинство работ посвящено турбулентному течению без ограничений по концентрациям, хотя при определенных значениях р наступает переход к флюидному транспорту, а затем — плотному слою. Сама теория турбулентности применительно к дисперсным потокам находится по существу в стадии становления (гл. 3). Наиболее перспективные методы — статистические (вероятностные) применяются мало, по-видимому, в силу недостаточной изученности временной и пространственной структур дисперсных систем Общим недостатком предложенных систем уравнений является их незамкнутость, которая объясняется отсутствием конкретных данных о тензорах напряжений и [c.32]

Вычисление геометрических характеристик пространственных ГО производится также с помощью их разбиения па простые (типовые) области, для которых известны формулы, определяющие эти характеристики. В некоторых случаях, например при использовании алгебрологических геометрических моделей, для вычисления характеристик деталей применяют метод статистических испытаний, который достаточно просто реализуется на ЭВМ. Однако при повыщенных требованиях к точности расчетов этот метод требует больших затрат машинного времени. [c.46]

Одним из таких алгоритмов является алгоритм центрирования по методу статистического градиента. На каждом шаге алгоритма выполняются N статистических испытаний с выбором случайных Точек в пределах некоторой области U T. По результатам испытаний выделяются те точки Up U T, которые оказались в области работоспособности Uo. Для следующего шага в качестве координат ui центра и допусковой области U t принимаются средние арифметические значения координат ,> выделенных точек Up, [c.296]

Статистический анализ выполняется с целью получения тех или иных сведений о распределении параметров У , при задании статистических сведений о параметрах Хг. Результаты статистического анализа могут быть представлены в виде гистограмм распределения у оценок числовых характеристик распределений (математического ожидания, дисперсии, квантилей и нтеркван-тильных широт). Основной метод статистического анали- [c.52]

Статистическая физика—наука о самых общих свойствах макроскопических объектов, т.е. таких объектов, которые составлены из множества микроскопических частиц. Этими частицами могут быть, например, атомы или молекулы, и тогда мы имеем дело с неметаллически1Щ1 твердыми телами, жидкостями или газами. Ими могут быть электроны и ионы, составляющие плазму, или электроны и ионы, образующие металл. Свет, рассматриваемый как совокупность фотонов, или ядерная материя, рассматриваемая как совокупность нуклонов, тоже являются макроскопическими объектами и подлежат изучению методами статистической физики. [c.9]

Сущность метода статистических испытаний состоит в многократном разыгрывании случайных значений переменных z в пределах полей допусков и в соответствии с заданными законами вероятностного распределения. Для каждой совокупности значений z вычисляется Hj, что завершает единичное испытание. После выполнения заданного числа испытаний производится статистическая обработка полученных значений Hj, которая устанавливает количественные и качественные характеристики технологического разброса Ну [c.233]

Идеальный одноатомный газ —один из очень немногих объектов, для которых термодинамические свойства могут быть рассчитаны полностью теоретически, так как для него известны и точные уравнения состояния, и (конкретные значения входящих 3 них параметров. Вся изменяющаяся часть его внутренней эйергии связана с кинетической энергией движения частиц,, которая, как показано методами статистической физики, составляет (312) пЯТ, т. е. [c.92]

Подход Рэлея к изучению теплового излучения. Во всех разобранных выше случаях подход к изучению теплового излучения был термодинамическим. Рэлей в отличие от своих предшественников впервые применил методы статистической физики к явлениям теплового излучения. Равновесное электромагнитное излучение, находящееся в замкнутой полости с постоянной температурой стенок, рассматривалось им как система стоячих волн разных частот, распространяющихся во всевозможных направлениях. Частоты образовавшихся стоячих волн должны удовлетворять тем же условиям, что и частоты стоячих упругих волн в стержне. При колебаниях упругого стержня на его закрепленпых концах образуются узлы смещения и на длине стержня L укладывается целое число полуволн [c.330]

Методом Монте-Карло, или методом статистических (случайных) испытаний, называется такой расчет эксперимента, при котором подробно прск леживается индивидуальная судьба каждой частицы. Выбор из равновероятных значений для того или иного параметра частицы (направления и величины ее скорости, пройденного пути до распада или взаимодействия и т. п.), а также выб0 р самих частиц, т. е. в рассматриваемом случае конкретного канала из числа перечисленных (14.1 0), производится по закону случая (с помощью рулетки или заменяющей ее таблицы случайных чисел и т. п.). Отсюда,и название метода. , [c.211]

Наиболее целесообразно в этих условиях применить метод статистических испытаний (метод Монте-Карло) [22], хорошо учитывающий вероятностную природу разброса случайных значений выходных характеристик. Математическое моделирование по этому методу полностью передает сущность и характер натурных экспериментов и в практической постановке сводится к многократному разыгрыванию (согласно установленным вероятностным распределениям) случайных значений х,- и определению для каждого случайного их набора соответствующих значений у . По завершении требуемого числа испытаний Л хр статистическая обработка последовательностей случайных значений у - дает необходимую информацию о распределении значений выходных показателей и параметрах этого распределения. В результате по каждому выходному показателю можно получить его номиналь- [c.131]

Метод статистических испытаний. Это метод известен также под названием метода случайного перебора или метода Монте-Карло, а его сущность была изложена в 5.1.4. Применительно к оптимизаищи здесь производится просмотр изображающих точек, рассеянных в заданной области пространства параметров, также определяемой условиями (5.39), но случайным образом в соответствии с равномерным распределением вероятности. Иными словами, поиск в данном случае строится на предположении, що вероятность попадания изображающей точки в каждый участок разбиения (х, х. + Дх ) одинакова. Равномерное распределение плотйости вероятности по / -му параметру оптимизации показано на рис. 6.34. Для того чтобы изображающие точки были равномерно рассеяны по -мерному объему, необходимо обеспечить взаимную независимость случайных координат текущей изображающей точки по всем осям х.. На рис. 5.19 точки 1—4 распределены в пространстве параметров х,, Хг случайным образом. [c.154]

Особетостью реализации метода статистических испытаний является необходимость получения случайных значений параметров оптимизации. Эти значения могут быть получены на ЭВМ с помощью специальных программ — так называемых датчиков случайных чисел, которые будут рассмотрены в 6.6. В данном случае достаточно организовать только один цикл, в котором бы последовательно просматривались все УУр изображающих точек, каждая из которых формируется" из п случайных значений координат, которые получаются с помощью датчика случайных чисел. [c.155]

Настоящая книга представляет собой первую часть курса Термодинамика и статистическая физика , читаемого на физических и физико-матемалических факультетах университетов. Этот курс является одним из основных курсов теоретической физики. В нем макроскопические тела, т. е. системы из большого числа частиц, изучаются вначале термодинамическим методом, а потом методами статистической физики. Такая последовательность обусловлена постепенным переходом в процессе изучения от простого к более сложному методу познания. В отличие от основного курса спецкурсы по термодинамике и статистической физике можно излагать в любом порядке. [c.7]

Сопротивление материалов (1988) -- [ c.338 ]

Атомная физика (1989) -- [ c.282 ]

Разрушение и усталость Том 5 (1978) -- [ c.131 ]

История науки о сопротивлении материалов (1957) -- [ c.431 ]

Сопротивление материалов Издание 6 (1979) -- [ c.29 ]

Механика жидкости и газа Издание3 (1970) -- [ c.15 , c.665 , c.784 , c.785 ]

Справочное руководство по физике (0) -- [ c.117 ]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...