Оценка выборок

Относительные колебания основных размеров деталей, например диаметров валов, невелики, и, как показывают расчеты, ими можно пренебречь при оценке. Основное влияние на величину оказывают случайные отклонения радиуса кривизны в зоне концентрации напряжений р, которые можно охарактеризовать коэффициентом вариации Up. Значения коэффициента должны находиться по результатам измерения достаточных по объему выборок деталей (не менее 30—50). [c.150]

Сплошной и выборочный контроль. Приемочный контроль может быть сплошным, когда качество, партии оценивается на основании проверки каждого изделия, и выборочным, когда оценка качества партии дается по результатам проверки одной или нескольких выборок из зтой партии. [c.125]

В работе [2J предлагается производить оценку точности определения характеристик сопротивления усталости различными методами с помощью проведения многократных выборок различного объема, из результатов испытаний большого числа образцов и статистической оценки получаемых при этом параметров распределения характеристик сопротивления усталости. Такой подход имеет ограниченные возможности статистического моделирования из-за трудностей получения в большом объеме исходных экспериментальных данных по усталости. [c.61]

На операциях с трудной настройкой уточнениями полезно выполнить специальное исследование точности механизмов регулировки в эксплуатационных условиях, но лабораторными методами, выполнив серию настроек по определенной программе с достаточно точной оценкой на основании выборок относительно большого объема. Методы такого рода выходят за рамки темы и здесь не рассматриваются. [c.222]

Переходя к количественной оценке результатов исследования выборочных статистических характеристик, необходимо отметить прежде всего весьма существенную для данных случайных процессов зависимость параметров распределения этих характеристик от степени корреляционной связи величин, образующих процессы, а также от способа комплектования выборок. Следует указать, что степень автокорреляционной связи случайных величин, образующих процесс II, достаточно характерна для целого ряда современных способов автоматической обработки деталей машин, чего нельзя сказать в отношении случайного процесса III, охваченного весьма сильной автокорреляционной связью. Процесс III [c.26]

Другим способом получения функции распределения долговечностей и пределов усталости является статистическая обработка результатов натурных испытаний деталей на усталость. Обычно эти испытания малочисленны, однако серия соответствующих выборок позволяет получить данные из системы малых выборок, которые достаточны для обоснования параметров функции распределения, необходимых для оценки надежности [13]. [c.145]

Статистический метод — 597 — Анализ контрольных документов — 636 — Внедрение — 642 — Исключение предположительно установленного переменного рассеивания — 641 — Исключение предположительно установленного смещения центра группирования — 640 — Применяемые понятия, термины и обозначения— 599 — Сопоставление практических для всей партии распределений с теоретическими — 642 — Суммарная оценка изменяемости во времени по методу упорядоченных выборок — 642 — Эмпирические групповые средние отдельные— Установление значимости расхождений—641 — Эмпирические групповые средние квадратические — Установление значимости расхождений — 641 — Переменные во времени рассеивания по скользящей сигме и по способу наименьших квадратов — Установление характера — 641 [c.373]

Контрольная диаграмма представляет собой графленый лист с пятью горизонтальными линиями балльной оценки. При выборочном контроле объём выборок и промежутки между ними рекомендуется брать такими же, как при контроле доли дефектности (см. ниже стр. 633). [c.630]

Далее, для делаются те же поверки, что первоначально были сделаны для Xi и Суммарная оценка изменяемости во времени по методу упорядоченных выборок". [c.642]

На основе развитой В. И. Романовским теории. упорядоченных выборок" [15] простая суммарная оценка наличия или отсутствия смещения центра группирования и переменного во времени рассеивания может производиться путём подсчёта в последовательных группах числа значений fi., меньших, чем наименьшее значение в предшествующей группе, и числа значений -v, больших, чем наибольшее значение в предшествующей группе. [c.642]

Итак, с помощью приведенных выше соотношений в условиях независимости случайных величин, представляющих собой текущие размеры изделий и подчиняющихся произвольным законам распределения, могут быть получены оценки медиан и крайних членов выборок. На основании этих оценок определяются границы регулирования технологических процессов. При этом величины зон рассеивания значений х и а " не зависят от способа формирования выборок, т. е. выборки могут быть составлены из деталей, обработанных подряд или с интервалами в несколько деталей. [c.165]

Указанными институтами разработана методика статистической оценки технологической точности операций серийных производств. На первом этапе методика предусматривает наиболее простой метод одновременных выборок. Методика проверена на двух предприятиях Ленинграда. Опробование этой методики на заводе, ,Электрик позволило выявить причины некачественно выполненных операций и разработать рекомендации для их устранения. [c.421]

В таблице приведены значения интервальных оценок г , Лв для отдельных величин выборок (чисел отказов) и вероятностной величины Y = 0.9- [c.33]

К, К2 — оценки коэффициента ускорения, полученные по результатам испытаний выборок из двух партий изделий [c.36]

Массивы данных, освобожденные от резко выделяющихся значений, были введены в оперативную память ЭВМ вместе с константами, определяющими заданные допуски, число элементов выборок и допустимые предельные значения. Некоторые результаты расчетов даны в табл. 19. Приведены оценки следующих характеристик среднего арифметического X среднего квадратического отклонения 5 технологического допуска бт процента брака q коэффициента точности Тп. [c.99]

Оценка среднего квадратического отклонения по результатам испытаний несколь ких выборок. Если из нормально распределенной генеральной совокупности испытано т выборок объемом я каждая, то оценкой генерального среднего квадратического отклонения может служить статистика, вычисляемая по формуле [c.23]

Другим методом оценки среднего квадратического отклонения по совокупности малых выборок является метод оценки по размахам варьирования случайной величины в каждой выборке, который применим при постоянном объеме выборки [c.23]

Как уже отмечалось, при использовании метода Про требуется такое же число обп>ектов для оценки медианы предела выносливости, как и при обычных испытаниях. Однако при построении кривой распределения предела выносливости ускоренным методом в связи с возможностью объединения отдельных выборок в единую совокупность для сплавов со стабильными усталостными свойствами число объектов должно составлять лишь 30—40, а для сплавов с повышенной дисперсией усталостных свойств 40—60. Случайная ошибка оценки квантили предела выносливости для малых уровней вероятностей будет такой же, как и при обычном методе испытаний 100—150 [c.196]

Среднее квадратическое отклонение — Оценка по результатам испытаний нескольких выборок 23, 24 [c.228]

Предположим, что ведется непрерывное наблюдение за параметром л и анализируются данные за два периода k и I (рис. 25). Сопоставляются совокупность щ значений параметра х (выборка и совокупность tii значений за другой отрезок времени (выборка Тем самым поведение кривой на двух участках описывается конечным числом признаков — ординатами кривой. Обычно эти ординаты выбирают в виде последовательных, равноотстоящих по времени значений д t). Существует довольно большое число способов оценки различия двух выборок. Одним из наиболее простых и эффективных является метод средних, в соответствии с которым определяется среднее значение и среднеквадратичное отклонение каждой из выборок [c.106]

Для оценки различия выборок иногда используется простой критерий Фишера (отношение дисперсий) [c.107]

Вопрос существования несмещенных оценок параметров распределения и функций от параметров распределения для стандартных выборок ( 20 = S 1 ) и методов получения таких оценок исследован основательно. Если семейство распределений (гипотеза) Р е Р допускает необходимую и достаточную статистику, которая не является тривиальной достаточной статистикой, то несмещенная оценка минимального риска (с минимальной дисперсией) должна быть функцией минимальных достаточных статистик. Если существует полная достаточная статистика, то всякая функция от нее является равномерно наи-лучшей несмещенной оценкой своего математического ожидания. В этом случае для получения несмещенной оценки с минимальной дисперсией можно начать с любой несмещенной оценки и взять ее условное математическое ожидание относительно достаточной статистики. [c.501]

Вместо построения непосредственного отображения пространства измерений частично регистрируемых выборок где п = nt + + nf в пространство оценок неизвестных параметров распределения срока активного существования космических аппаратов . предлагается использовать промежуточное отображение X1, где 1 - вектор размерности п, все координаты которого равны единице, т.е. пространство стандартных выборок (все реализации которых завершились отказами). [c.505]

Если итерационный процесс сошелся, то с заданной как угодно малой погрешностью е оценки параметров распределения остаются без изменения, а значит восполнение выборки х"хю до стандартной х" х1 проводится при тех же значениях оценок, которые получаются в результате использования стандартной статистики TQ. Распределение стандартной выборки jxg X l является распределением наработок при условии, что nt наработок завершились отказами в моменты х,- (/ = 1,. .., п1), nf наработок не имели отказов до моментов х, (/ = 1,. .., nj), а оценки параметров распределения равны 0. Так как эксперимент y> x 1 достаточен для , то Xg X 1 будет тем более достаточен для . Так как статистика tq х" х1 является полной достаточной статистикой для Р, то она содержит всю необходимую информацию для восполнения выборок х хш . [c.507]

При использовании соответствующего распределения минимальных значений (an)min для вероятностной оценки разрушения некоторого равномерно напряженного объема материала полагают его состоящим из весьма большого, числа элементов (звеньев), прочность которых описывается распределением Р(о) для генеральной совокупности, а прочность наиболее слабых (также многочисленных) звеньев — распределением (6.10). Переход от (6.10) к пределу для больших п осуществляется путем введения минимального значения прочности и из всех выборок, т..е. Р(о)=0 для а и. На основе этого накопления вероятность разушения равномерно напрягаемого объема V получается равной для а и [c.110]

Такие расчеты характеризуют прочность в аспекте надежности представительных выборок из генеральной совокупности изделий данного типа, опираясь на вероятностные оценки как переменной нагруженности, так и усталостного сопротивления. Представительной выборкой является совокупность изделий, изготовленных из металла большого числа плавок данной марки, которой свойственны механические характеристики, отражающие межплавочный разброс. Этой выборке также свойственны отклонения фактических размеров деталей от номинальных в пределах допуска, вследствие чего оказывается изменчивым уровень концентрации напряжений (например, в результате отклонения величины радиуса канавок, галтелей, профилей резьбы и др.). [c.151]

Вторым уровнем программного обеспечения АСНИ Надежность является уровень программ для статистической обработки данных. Он включает в себя шесть программных модулей и предназначен для статистической оценки показателей надежности на основе выборок, сформированных модулями предыдущего уровня. Таким образом, программные модули этого уровня не образуют самостоятельных транзакций. Они могут работать только в тех транзакциях, где обеспечено их сочетание с модулями первого уровня. [c.380]

Непараметрическая и параметрическая оценки показателей надежности (программы NPAR, PAR и DSN) проводятся методами, рекомендованными ГОСТ 27504-84. Параметрическая оценка показателей надежности метолом динамики частостей (программный модуль DSN) дает практически приемлемые результаты прогноза. Метод динамики частостей является одним из приближенных способов исследования многократно цензурированных выборок малого объема. Суть метода заключается в том, что по эмпирическим значениям частостей, определяемым в моменты возникновения отказов, выбираются теоретический закон распределения и наилучшие оценки его параметров. Вид закона распределения вероятностей наработок на отказ подбирается по критерию минимума среднего квадратического отклонения эмпирических частостей от плотностей теоретического закона по критерию Колмогорова [16]. [c.381]

Исходное значение сопротивляемости нагружаемого (испытываемого) элемента неопределенно. Ее неопределенность выражается функцией распределения (х) величины ж, определяемой по испытаниям выборок элементов-аналогов, оценкам экспертов, ра-счетиыхм и справочным данным, являющимся для рассматриваемого элемента приближенными. Поэтому функция (.г) является гипотетической функцией распределения неопределенной величины X. Чтобы оценить, как изменяется величина сопротивляемости в прогнозируемом будущем, следует произвести серию мысленных экспериментов, в каждом из которых реализуется комплекс условий испытаний й и f, т. е. совокупность переменных, исчерпывающих причину появления отказа. При этом будем полагать, что в процессе мысленного эксперимента необратимое изменение сопротивляемости, т. е. старение, не наблюдается. [c.109]

Метод двунратноА выборки. В рассматриваемом случае примем,что объемы первой и второй выборок одинаковы и равны п, а контрольные нормативы f . < 3 устанавливаются исходя из того, что условием приемки по первой выборке является i условием браковки по первой выбадке > г, условием приемки после второй выборки - С J Сз, где и - средние значения оценок вероятностей отказа изделия, определяемых изложенным выше способом по результатам испытаний соответственно первой и второй выборок. Тогда риск поставщика представляет собой вероятность суммы двух несовместных событий вида < / / > при j < i. в , вследствие чего [c.95]

Распределение Стюдента имеет значение при оценке средних, полученных из малых выборок, например, при оценке среднего отклонения от номинала в большой партии по среднему отклонению, полученному из небольшого числа экземпляров, выбранных случайно из этой партии (статистические методы контроля), и в других подобных задачах. Распределением Стюдента пользуются, когда л < 20, так как при л 20 оно мало отличается от нормального по закону Гаусса. (Подробнее см. [6G]). [c.300]

Большое внимание авторы справочника уделяют вопросам испытаний изделий на надежность и анализу эксплуатационных данных. Эти вопросы, пожалуй, выдвинуты на первый план и обсуждаются с различных точек зрения теоретической, технической и организационной. Читатель обнаружит их в каждой главе первого тома, хотя здесь в соответствии с назначением этих глав содержатся главным образдм статистические методы извлечения информации о показателях надежности из выборочных данных, получаемых в результате специальных испытаний, или из эксплуатационных данных. Они имеются и в большинстве глав второго и третьего томов. Как правило, речь идет о параметрических методах, которые указывают наилучшие (в смысле некоторого критерия качества) алгоритмы обработки наблюдаемых величин (так называемые статистики), позволяющие оценить неизвестные параметры модели отказов или принять решение о соответствии этих параметров заданным техническим условиям. Иначе говоря, и в этом случае модель отказов (т. е. функция распределения вероятностей) может быть известной, но не полностью, а лишь с точностью до некоторых неизвестных параметров, информация о которых й виде оценок или решений извлекается из конечной совокупности выборок. В справочнике содержатся краткие указания и на непараметрические методы (критерии согласия, порядковые статистики), которые могут быть использованы при отсутствии априорной информации о виде функции распределения вероятностей, определяющей модель отказов. Один из разделов (разд. 5.4.5) посвящен ускоренным испытаниям на надежность элементов, при которых создаются форсированные нагрузки, приводящие к повышенной частоте отказов, и устанавливаются соотношения, позволяющие расчетным путем перейти от количественных показателей надежности при форсированных нагрузках к показателям, соответствующим условиям нормальной эксплуатации. [c.10]

Руководящий технический материал Статистическая оценка точности путем единовременных выборок и математическая обработка опытных данных . Л., и д. НИИТМАШ-ЛИКИ. 1966. [c.347]

Дл11 больших выборок экспериментальные данные могут быть представлены в виде еисшоераммы (рис. 2.1), являющейся графической оценкой плотности вероятности ( .()), т. ё. эмпирической плотностью вероятности. [c.35]

Оценка параметров логарифмически нормального распределения по цензурированной выборке. В случае усталостных испытаний при сравнительно низком уровне амплитуды цикла напряжений часть образцов серин не разрушается за базовое число циклов и обычно снимается с дальнейших испытаний. Таким образом получается цензурированная справа выборка. В табл. 6.1 приведены ряды распределения цензурированных выборок, образовавшихся при амплитудах цикла напряжений Од = 210 МПа и Оа = 190 МПа. Оценку математического о кидания, среднего квадратического отклонения, границы доверительных интервалов для этих числовых характеристик находят по формулам (2.26), (2.27), (2.45) и (2.54). [c.141]

Таким образом, подводя итоги сравнения классических методов решения стандартной задачи статистического точечного оценивания, можно указать регулярный метод нахождения наилучших оценок - метод максимального правдоподобия. Для обшей поспга-новки задачи точечного оценивания по частично регистрируемым выборкам необходима модификация метода максимального правдоподобия с реализацией на ЭВМ. Однако в этом случае не удается обеспечить свойство несмещенности точечных оценок параметров распределения. В то же время оптимальные свойства аналитических оценок максимального правдоподобия стандартных выборок как функций достаточных статистик наводят на идею оригинального метода итеративного восполнения частично регистрируемых выбо-рюк, обеспечивающего несмещенное оценивание параметров распределений экспоненциального семейства. Оба метода допускают простое обобщение на любой вид показателя надежности R, выражаемого аналитически через параметры распределения. [c.503]

Оценки максимального правдоподобия (ОМП) по группированным, усеченным и цензурированным данным. На возможности расширения условий применения метода максимального правдоподобия указывал Крамер. Эти условия включают случаи, когда замеры коррелированны или когда они образуют несколько выборок из различных распределений. [c.503]

Для получения полной картины свойств оценок используется модель статистической задачи, позволяющая построить распределение оценки Р при известном Р е Я. Для метода восполнения выборки задача построения модели формально упрощается за счет того, что для многих случаев обработки стандартных выборок построены точные выборочные распределения конкретных статистик. Эти распределения, кроме зависимости от гипотезы Р с Р, зависят от объема выборки п. В нащем случае ясно, что эффективный объем выборки находится в пределах от nt до nt + nf и зависит от конкретных значений незавер- [c.506]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...