Обработка результатов дисперсионного анализа

ОБРАБОТКА РЕЗУЛЬТАТОВ ДИСПЕРСИОННОГО АНАЛИЗА [c.209]

Рассмотрим основные положения математической статистики применительно к обработке результатов дисперсионного анализа. [c.209]

Для проведения расчетов при обработке результатов дисперсионного анализа удобно пользоваться таблицей, в которой последовательно отражен порядок вычислительных операций, например табл. 5.1. [c.215]

Результаты дисперсионного анализа технологической операции позволяют оценить степень влияния рассматриваемых факторов на погрешность обработки детали. В случае, если управляющие воздействия на операцию не однозначны (значимыми оказались несколько факторов) и необходимо выбрать оптимальный план обеспечения требуемой точности обработки, дальнейшее исследование вопроса необходимо осуществлять на основе использования статистической (регрессионной) модели операции. [c.233]

Дисперсные материалы. ГОСТ 8.531-85 (СТ СЭВ 4569-84) регламентирует исследование однородности дисперсного материала СО методом, основанным на многократном измерении содержания аттестуемого компонента в ряде проб, отобранных случайным образом от всего материала СО, с последующей обработкой результатов по схеме дисперсионного анализа. Методика аналитического контроля, применяемая для оценки однородности, должна удовлетворять одному из следующих условий 1) проба в процессе измерений не разрушается и ее химический состав может быть измерен требуемое число раз 2) необходимое число навесок отбирают от предварительно гомогенизированной (например, переведенной в раствор) пробы материала. [c.133]

В результате рассмотрения особенностей влияния факторов и статистической обработки (регрессивный и дисперсионный анализ с определением наиболее вероятных значений параметров и их оценкой) большого числа опытных данных по параметрам кривых усталости установлены следующие основные закономерности (табл. 4 и 5). [c.93]

Урожай убирают малогабаритными комбайнами. Результаты сортоиспытания подвергают статистической обработке, используя обьино метод дисперсионного анализа. [c.430]

Для получения достоверной информации о численных значениях показателей надежности клиноременных передач проведены широкие эксплуатационные испытания клиновых вентиляторных ремней автомобильных и тракторных двигателей, приводных ремней сельскохозяйственных машин, приводных ремней промышленного оборудования. Испытано свыше 30 тысяч клиновых вентиляторных ремней автомобилей, эксплуатируемых в основных дорожных и климатических условиях( включая Крайний Север), более двух тысяч ремней промышленного оборудования. В ходе испытаний фиксировались моменты установки и снятия каждого ремня, производилась классификация характера отказа каждого ремня с предполагаемой причиной отказа. При испытаниях вентиляторных ремней использовалась факториальная схема планирования испытаний с варьированием основных факторов конструкции передачи (марка машины), конструкции и материала ремня, климатических зон эксплуатации машины и т. д. с дисперсионным анализом полученных данных. Планирование и математическая обработка результатов испытаний проведены стандартными методами (см. гл. I п. 2, 3). [c.29]

Выявить факторы, влияющие на характеристики ремонтопригодности машин, можно путем статистической обработки данных эксплуатации, т. е. данных пассивных экспериментов, и в результате постановки специальных экспериментов. Последний метод обладает рядом преимуществ. Для планирования и статистического анализа данных специальных экспериментов находят применение методы и математический аппарат дисперсионного и факторного анализа. В основе последнего лежит аппарат многофакторного регрессионного анализа. [c.70]

С помощью дисперсионного анализа могут также решаться такие задачи, как определения существенности влияния на точность обработки одновременно и свойств обрабатываемых материалов, режимов обработки, жесткости станка и т.д. По результатам дисперсионного анализа в этом случае могут бьггь выявлены факторы, которые должны подлежать статистическому регулированию. В результате становится возможным перейти от методов регулирования технологических процессов по качеству обработанных деталей и статистическому контролю параметров, лимитирующих точность обработки. [c.531]

Теорема о прогнозировании критериев оптимизации качества поверхности. При планировании и обработке результатов интерполяционных и экстремальных экспериментов по системе технология—качество поверхности—качество продукции (ТКПКП) критерием оптимизации должен быть главный эксплуатационный показатель заданного качества продукции, эффективно, полно и статистически однозначно выражающий соответствующие ее свойства, а его прогнозирование целесообразно осуществлять методами дисперсионного анализа и множественной регрессии с использованием для оценки распределения эффекта действия по факторам с помощью коэффициента множественной детерминации. [c.184]

Из данного выражения могут быть определены эффективная масса электрона и высота потенциального барьера на инжектирующей границе. Для границы Si—SiOj значения эффективной массы и высоты потенциального барьера, полученные различными авторами, варьируются в пределах т Q,Ъ2mQ..Л,QЪmQ, ф = 2,8...3,19 эВ. Наблюдаемый разброс параметров связан с различными условиями эксперимента, накоплением заряда в диэлектрике в процессе измерений, влиянием дефектов на фанице раздела полупроводник—диэлектрик, применением при математической обработке результатов различных моделей туннельного процесса, учитывающих отклонения дисперсионной зависимости от параболической. Анализ (проведенный 3. Вайнбергом) полученных экспериментальных зависимостей туннельного тока от электрического поля, определенных по ним значений эффективной массы электрона и высоты потенциального барьера и применяемых при этом моделей туннель- [c.118]

Прежде всего ЭВМ можно использовать для обработки результатов экспериментаВ этом случае ЭВМ оценивает параметры распределений случайных величин, подбирает их законы распределения, выполняет дисперсионный и регрессионный анализ. Результаты испытаний могут непосредственно вводиться с испытательной установки (ИУ) в ЭВМ через устройство связи с объектом испытаний (УСО), или их предварительно обрабатывают вручную и затем вводят в ЭВМ в виде массивов данных. В математическом обеспечении ЭВМ должны быть стандартные программы обработки экспериментальных результатов. [c.162]

Наиболее сильные оценки сверху яа флуктуации МФИ в диапазоне углов б — 90 получены в эксперименте Реликт , проведенном иа спутнике Прогноз-9 [26]. Согласно [27] в результате обработки экспериментальных данных методом дисперсионного и мультипольиого анализа на сфере с 95%-ной доверительной вероятностью верхний порог на генеральное значение дисперсии квадрупольной компоненты не превосходит [c.108]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...