Статистическое распределение признака

Статистическое распределение признака Табличное представление [c.9]

В вопросах технологии за основу приняты представления, выработанные советской школой ([12, 23, 1, 28] и др.) о технологической системе станок—приспособление—инструмент—деталь с параметром системы жесткость. Но в книге выделены настраиваемые элементы системы (станок—приспособление—инструмент) с параметром износ и элементы — проводники воздействия внешнего фактора, чаще всего соответствующие в обычной схеме элементу деталь. Предполагается, что управление системой, связанное с обеспечением качества продукции, осуществляется только в процессе таких наладок (подналадок), которые меняют распределение признака качества (они именуются в книге настройками). Между настройками система работает автономно, подчиняясь детерминированным законам механики, с одной стороны, и статистическим закономерностям (перманентностям), с другой. Особое внимание уделено физической природе и статистическим проявлениям ненормальностей технологической системы (гл. 2, 10). [c.10]

Все расчеты, связывающие затраты S с комплексом решений, опираются на систему постоянств (перманентностей), выраженных параметрами распределений или параметрами уравнений, описывающих изменения распределений. Эти постоянства уже упоминались в гл. I и были названы статистическими закономерностями. В примере встречаются три статистические закономерности а) распределение ошибки регулировки, обусловленное распределением диаметра матрицы, выраженной математическим ожиданием м. о. и средним квадратическим отклонением Оу-, б) гауссово мгновенное распределение признака качества х, заданное средним квадратическим отклонением а в) уравнение износа настройки, заданное двумя параметрами и а- [c.53]

Промежуточное место занимают комплексно автоматизированные технологические процессы с вмонтированными на линии датчиками, с электронными статистическими анализаторами, обеспечивающими сигнал о необходимости вмешательства при отклонении от нормы параметров распределения признака качества или величин, характеризующих состояние технологической системы. Здесь налицо проблема оптимизации выбора решения на основе вероятностной информации, но с особыми возможностями в смысле сроков выборочных проверок, вплоть до непрерывного вычисления накопленных средних, скользящих средних, средних квадратических отклонений по накопленным данным, корреляционной функции и пр. (в зависимости от особенностей процесса). [c.246]

Для непрерывно распределенных признаков х вероятность дискретных значений заменяется плотностью вероятности, суммирование— интегрированием по области значений Xj. В тех случаях, когда отсутствуют статистические сведения, величины с,/ могут быть назначены на основании экспертной оценки и т. п. В практических задачах величины X / подбирают с учетом опыта диагностики, причем принимают те значения, которые обеспечивают наибольшее число правильных ответов. [c.86]

Основной задачей статистической обработки экспериментального ряда наблюдений является построение такого теоретического распределения, которое наилучшим образом воспроизводило бы характерные признаки экспериментального ряда (см. рис. 19 и 20). Однако как бы хорошо ни была подобрана теоретическая кривая, между нею и экспериментальным статистическим распределением неизбежны некоторые расхождения. Представляется необходимым установить некоторые числовые критерии, с помощью которых было бы можно оценивать степень близости теоретического и экспериментального распределения и судить о том, объясняются ли расхождения чисто случайными обстоятельствами или эти расхождения являются результатом неудачного выбора вида теоретического распределения. [c.36]

Статистическое распределение при наличии двух признаков [c.13]

Для вычисления статистических характеристик должны быть известны статистические распределения этих признаков прочности и расчетного напряжения. Одним из критериев согласия является графический метод, основанный на построении вероятности признака в так называемых вероятностных координатах. Пусть задан вариационный ряд аь. .., Оп, причем [c.13]

Для решения задачи распознавания недостаточно иметь только номенклатуру признаков, но необходимо иметь также статистические характеристики признаков, для того чтобы сформировать устройство памяти параметров эталонов (см. рис. 6.14), т. е. обучить систему. Необходимо иметь распределение вероятностей значений признаков и знать априорные вероятности каждого класса. [c.277]

По статистическим характеристикам признаков можно определить плотность распределения признаков для каждого класса по следующей зависимости [c.278]

Все используемые здесь при распознавании методы можно разбить на три основных класса, основанных на глобальных признаках, статистическом распределении точек и топологических признаках. [c.116]

Кривые распределения могут строиться по опытным данным или в некоторых случаях чисто умозрительно по теоретическим законам, отвечающим существенным признакам дайной статистической совокупности. По признакам Пирсона, Колмогорова, Бернштейна можно установить, что теоретическая кривая достаточно хорошо отвечает эмпирической. [c.338]

Суждение о годности изделия осуществляется по альтернативному или количественному признакам. При контроле по альтернативному признаку все изделия в выборке разбиваются на две категории — годные и негодные (дефектные). Оценка партии производится по величине доли дефектных изделий от общего числа проверенных. При контроле изделий по количественному признаку у каждого изделия определяется один или несколько параметров и оценка партии изделий производится по статистическим характеристикам распределения этих параметров, поскольку каждое значение параметра является случайной величиной. В работах, посвященных статистическим методам оценки качества продукции, рассматриваются такие вопросы, как оценка риска забраковать годную продукцию или принять дефектную, выбор различных планов приемочного контроля изготовленной продукции, методы контроля по количественным признакам с различными законами распределения параметров и др. 188]. Обычно статистические методы контроля качества применяются в массовом и крупносерийном производстве. [c.453]

Во многих задачах акустической динамики машин возникает необходимость анализировать одновременно два или несколько акустических сигналов. В этих случаях требуется знать их совместное распределение вероятностей. Помимо того, что совместное распределение содержит как предельные случаи одномерные распределения исследуемых сигналов, в нем содержится также полная информация о статистических связях между ними. Это особенно важно, например, в задачах определения вкладов одновременно работающих машин в акустическое поле, где вопросы вязи между различными сигналами имеют определяющее значение (см. главу 4). Кроме того, как показали исследования, некоторые характеристики совместных распределений машинных сигналов чувствительны к изменению параметров внутреннего состояния машин и могут использоваться в качестве информативных признаков в акустической диагностике машин. [c.52]

Увеличенное рассеяние признака качества. Эта разновидность ненормальностей при механической обработке нередко состоит в уменьшении жесткости технологической системы станок—приспособление—инструмент—деталь, вследствие чего на признаке качества в большей степени сказываются дисперсии многочисленных случайных слагаемых вектора усилия обработки. Но нередко причиной могут оказаться нарушения допуска на припуски, загрязнение базисных поверхностей и др. Моменты возможного возникновения ненормальностей а) обычно возникает постепенно вследствие износа (засорения) станка или приспособления б) может возникнуть при наладке, например в результате использования пружинящих подкладок, установки резца с большим вылетом и пр. в) может возникнуть с доставкой очередной партии заготовок с чрезмерной дисперсией припуска. Форма проявления — увеличение среднего квадратического отклонения мгновенного распределения х, о чем судят по различиям между наблюденными значениями признака качества х в выборке (интуитивно или опираясь на математико-статистические методы). [c.33]

При контроле изделий по количественному признаку у каждого изделия при испытаниях определяется один или несколько параметров и оценка партии изделий проводится по статистическим характеристикам распределения этих параметров. [c.190]

При контроле готовой продукции по количественному признаку у каждого проверяемого изделия определяются один или несколько количественных параметров. Результат контроля зависит от статистических характеристик распределения этих параметров. [c.194]

Под стабильностью процесса понимается постоянство во времени оцениваемых статистических характеристик распределения исследуемого признака качества. Устойчивость процесса проявляется как свойство сохранения качества (точности) во времени. Для автоматического оборудования это свойство проявляется в длительных периодах бесподналадочной работы. [c.89]

Для технологического режима вальцевания резиновой смеси, описанного в примере 4.5.3, определить время смешения, рассматривая введение серы как последнюю операцию по приготовлению смеси. В качестве признака завершения смешения принять приближение индекса смешения (4.5) к предельному значению, достигаемому при длительной переработке материала. Воспользоваться экспериментальными данными , показывающими (при определенных условиях) корреляцию между деформационным критерием смесительного воздействия и указанным статистическим критерием распределения диспергируемого компонента в смеси. Данные экспериментальных исследований, выполненных для разных каучуков и резиновых смесей на вальцах, в том числе оснащенных клиновым устройством, показаны на рис. 4.3. [c.148]

Для усовершенствования процесса сборки, разработки опти-л альной конструкции оборудования и оптимизации управления работой этого оборудования необходимо найти количественную зависимость между качеством готовой покрышки и качеством процесса ее сборки. Предложено [23] качество сборки оценивать по неравномерности разряжения (НРК) нитей корда каркаса, образующейся в процессе формования покрышек. Параметр оптимизации НРК является эффективным с точки зрения улучшения качества собираемых покрышек, достаточно универсальным и имеет ясный физический смысл. Отклонение истинного расстояния между нитями корда от расчетного носит случайный характер и соответствует статистическому нормальному закону распределения. Отклонение нити от расчетного месторасположения есть неравномерность, и ее измеряемый признак можно представить как относительное отклонение от их расчетного расстояния. Оценка НРК проводится при помощи методов статистического анализа. Таким образом сформулирована и решена задача [23] разработки оптимизационного метода расчета [c.205]

В данном случае с помощью признака kj получается дискретное описание, тогда как параметр Xj дает непрерывное описание. Отметим, что при непрерывном описании обычно требуется значительно больший объем предварительной информации, но описание получается более точным. Если, однако, известны статистические законы распределения параметра, то необходимый объем предварительной информации сокращается. [c.9]

Проверку указанных условий осуществляют путем предварительного анализа точности и стабильности технологического процесса. На этапе подготовки производства для анализа используют главным образом расчетные методы, а на этапе изготовления продукции — опыт-но-статистические методы. Для применения стандартизованных планов контроля по количественному признаку необходимо также в процессе предварительного анализа проверить нормальность распределения контролируемого параметра. [c.326]

Программа обработки на ЭВМ Минск-22 предусматривает систематизацию материала и построение статистического ряда наработки на отказ погрузчика, узла, детали, а также определение законов распределения наработки на отказ и проверку согласия по критерию Пирсона. В зависимости от варианта обработки на печать выдается номер детали или узла, статистический ряд наработки, среднее значение, среднеквадратичное отклонение, коэффициент вариации, по Пирсону, шифр и параметры установленного закона распределения, экспериментальная частость и значения функции плотности распределения для каждого интервала. В результате машинной обработки можно получить любые данные по интересующему признаку. [c.163]

Распределение или распределение частот — ряд чисел в форме списка или таблицы, или графического изображения, которые показывают, какова частота в каждом интервале. Распределение частот устанавливают, пользуясь исходной таблицей. Она содержит величины признаков в порядке производства измерений (табл. 134-1). Если расположить эти величины в порядке их возрастания или убывания, то получим первичную таблицу распределения (табл, 134-2). Если разделить весь диапазон изменения величины признака на равные интервалы и подсчитать частоту в каждом интервале, то получим преобразованную таблицу распределения (табл. 134-3). Если эту таблицу представить графически в какой-либо форме, то получим изображение частоты или график частоты (фиг. 134-1 см. разд. 845). Величину интервала к нельзя выбирать произвольно, так как от этого сильно зависит результат статистического исследования (см разд. 845. 3). [c.98]

ИНФОРМАТИВНОСТЬ ПРИЗНАКОВ - характеристика множества признаков или одного признака, выражающего его пригодность для принятия по нему правильного решения в процессе распознавания образов. Оценки И П используются для того, чтобы обеспечить требуемую эффективность Снапример. вероятность правильного распознавания) распознающей системы при минимальном наборе признаков. И ГГ есть смысл оценивать для данной конкретной задачи распознавания, когда заданы, например, число распознаваемых классов, их априорные вероятности, а также совместные условия распределения вероятностей признаков при заданном классе. В таком случае наиболее целесообразно измерять И П средней вероятностью правильного решения, достигаемой при оптимальной решающей функции, использующей данные признаки. Критерий И П используется также для выбора оптимального поднабора признаков из заданного набора. Эта задача является весьма сложной, поскольку в общем случае, когда признаки являются статистически взаимозависимыми, информативность к.-л. поднабора признаков не определяется информативностью отдельно входящих в него признаков. Для ка>ццого из испытываемых поднаборов необходимо найти оптимальную решающую функцию и оценить полученную вероятность правильного распознавания. [c.20]

Начнем с наиболее благоприятного варианта, особенно желательного, если до внедрения статистического регулирования применялся стопроцентный контроль данного признака или применялся дорогой выборочный контроль (например, по таблицам Доджа и Ромига [37], Колумбийского университета [40], по американским стандартам военной приемки или им подобным). Если признак качества не связан с абсолютными требованиями безопасности и с чрезмерными убытками при нарушении допуска по отдельному изделию, то, как уже говорилось, выгодно совмещение функций приемочного контроля и дополнительной проверки на стадии собственно настройки. Поскольку речь идет о проверках ошибок регулировки, выполняемых рабочим, заполнение контрольной карты оправдывается на операциях с трудной настройкой и на операциях, где важно следить за распределением технической ошибки при регулировке, особенно тогда, когда она зависит от инструмента или приспособления. [c.232]

Из сравнения графиков приближенной F Xi) и теоретической F(Xi) функций распределения видим, что обследуемый признак (т. е. Предел текучести трубной стали ат) распределен по нормальному закону. Чтобы окончательно убедиться в том, что распределение йначений с подчиняется нормальному закону, произведем проверку согласованности эмпирического и теоретического распределений ho критериям согласия. В практике статистических исследований наиболее частб применяется критерий Пирсона у . [c.194]

Рассмотрим еще один вопрос, связанный со структурой медицинской памяти. Пусть имеем некоторый признак х, выражающийся в виде непрерывной величины (например, температура тела). Понятие испытание в этом случае состоит в измерении этой величины. Переменная л разбивается на ряд интервалов х .....х и попадание результата измерения в один из них представляет собой один дискретный исход испытания N — признак). Таким образом, для каждой непрерывной величины в медицинской памяти отводится ряд столбцов л 1, л 2,. . ., х , объединенных одним испытанием N,. Содержимое этих столбцов по строке В / представляет собой вероятности Р (xJB/), Р (xJB ),. . Р (xJBj), т. е. содержимое соответствующей строчки для указанных столбцов является гистограммой распределения вероятностей переменной Х-, табулированной для выбранных градаций. Эта гистограмма определяется опытным путем на основании статистической обработки медицинского архива, в процессе самообучения системы и т. д. Если вместо гистограммы можно представить распределение величины л в виде некоторой аналитической функции распределения (с определенной степенью приближения) рд,- (х), обладающей некоторыми параметрами Aj, Bj, j.. . ),то таблицу можно существенно упростить и вместе с тем повысить точность. Для этого нужно иметь подпрограмму вычисления функции (х), а в соответствующем элементе таблицы проставлять код вызова подпрограммы. Теперь уже достаточно в кодированной истории болезни отметить конкретное значение измеренной величины х, по коду будет вызвана упомянутая подпрограмма, осуществляющая вычисление искомой плотности вероятности. [c.102]

С помощью ЭВМ было установлено, что погрешности, характеризующие биение С, следуют закону Максвелла (эксцентриситета), размер Л и угол f —нормальному закону, некруглость —закону модуля разности (некруглости), неперпенди-кулярность Р — закону Максвелла (эксцентриситета). Полученная информация явилась основой для статистического анализа точности. Признаком, определяющим применение того или иного алгоритма расчета, был закон выборочного распределения. [c.99]

Если рассчитанное значение t меньше приведенного, то с вероятностью 0,95 статистическая связь между признаками oT jfT TBj eT, и иасборот. Критерием t можно пользоваться для проверки связи при нормальном законе распределения или близком к нему. [c.411]

Еще один оптический метод извлечения признаков основан на вычислении хордовых гистограмм, получаемых с помощью ради-ально-кольцевого фотоприемника, который помещается на выходе оптического коррелятора [229]. Структурная схема такого устройства показана на рис. 5.13. По выходным сигналам радиально-кольцевого фотоприемника вычисляется функция распределения длины и углов контуров-хорд функции взаимной корреляции входного объекта и эталона. Анализ этой функции позволяет идентифицировать объект и определять его масштаб и ориентацию относительно Эталона. Другой способ анализа функции корреляции состоит в вычислении контуров постоянной интенсивности в выходной плоскости олтическото коррелятора ц в анализе формы этих контуров извлечение признаков) с по.чощью ряда статистических методов, реализуемых цифровыми устройствами [230]. Сходные результаты дает анализ контуров постоянной интенсивности в фурье-спектрах распознаваемых объектов [231]. Однако признаки объектов в последних двух случаях получаются в результате весьма сложной вычислительной процедуры. [c.277]

В работах Л. Г. Седракяна (1958 и сл.) предложена статистическая теория деформирования и разрушения хрупких материалов, позволяющая выявить некоторые особенности сопротивления деформированию реальных конструкционных материалов типа чугуна, бетона, горных пород и др. В основе теории лежит схема идеально неоднородного материала, причем реальные характеристики деформирования зависят от одной произвольной функции (функция распределения неоднородности материала по данному признаку неоднородности) и постоянной материала (коэффициент трения), которые определяются из опыта. Эта модель позволяет объяснить постепенный характер процесса разрушения, усталостную и долговременную прочность, увеличение объема материала при его преимущественном сжатии, наличие нисходящей ветви диаграммы сжатия — растяжения и др. [c.408]

Для изучения законов вариации вторичных случайных признаков статистических совокупностей (коллективов), для нахождения их математического выражения с наибольшей степенью приближения к реальным фактам приходитс.ч строить специальные диаграммы, так называемые гистограммы, полигоны или эмпирические кривые распределения. Для этого поступают следующим образом. Как и в предыдущем случае, по оси абсцисс откладывают в принятом масштабе интервалы вариации изучаемого вторичного признака статистического коллектива или совокупности, а по оси ординат — частость, т. е. отношение числа случаев, приходящихся на данный интервал, ко всему числу членов группы. [c.25]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...