Данные о партиях продукта

ОТ абсолютного времени Например, было бы разумно предположить для данных о партиях продукта, приведенных на рис. 5 2, что если бы контроль за процессом осуществлялся достаточно хорошо, то статистические свойства ряда оставались бы довольно стабильными во времени Наименьшее требование для того, чтобы это было верно, состоит в том, что плотность вероятности хщ (х) не должна зависеть от времени и, следовательно, стационарный временной ряд имеет постоянное среднее значение ц и постоянную дисперсию Поэтому одинаковую для всех моментов времени плотность вероятности х х) можно оценить, построив гистограмму данных так, как это описывалось в гл. 3 Например, гистограмма данных табл 5 1 показана на рис 5 4. [c.183]

Рис 515 Линии уровня суммы квадратов для процесса авторегрессии второго порядка, подобранного к данным о партиях продукта, изображенным на рис 5 2 [c.235]

На рис 5.18 показана частная корреляционная функция для данных о партиях продукта, изображенных на рис. 5 2 Доверительные интервалы с уровнем доверия 95% на рис. 5 18 центрированы около нуля, чтобы выделить те коэффициенты, которые можно [c.242]

Рис 518 Частные корреляции для данных о партиях продукта, изображенных [c.243]

На рис 5 21 показаны (т, /) в зависимости от т + 1 для данных о партиях продукта, изображенных на рис 5 2 Видно, что при / + т < 8 наилучшее согласие получается для модели чистой авторегрессии порядка 3 Основываясь иа значениях остаточных дисперсий, можно заключить, что наилучшее согласие с этими данными достигается для модели авторегрессии третьего порядка Однако, как показано в разд 5 4 3, в действительности адекватной является модель авторегрессии второго порядка [c.248]

В предыдущих главах статистическая теория спектрального оценивания была развита в предположении, что данные х 1) непрерывны Однако во многих случаях данные являются дискретными по существу, как, например, данные о партиях продукта на рис 5 2, и, следовательно, необходимы дискретные формулы Кроме того, все более широкое распространение в настоящее время получают цифровые вычислительные машины благодаря своей точности, универсальности и относительной доступности Поэтому можно предположить, что в большинстве случаев спектральный анализ будет теперь проводиться с помощью цифровых вычислительных машин Следовательно, непрерывный, или аналоговый, сигнал нужно отсчитывать в дискретные моменты времени, как это описывалось в гл 2, и отсчитанные значения переводить в числа, содержащие конечное число цифр Процесс перевода из аналоговой в цифровую форму называется квантованием Детальный разбор влияния этого процесса на корреляционный анализ можно найти в [1] Мы будем предполагать, что квантование производится с достаточно малым шагом, так что при переводе из аналоговой в цифровую форму не вносится никаких ошибок Практически это означает, что данные нужно отсчитывать с точностью, равной одной десятой (или одной сотой) от полного диапазона изменения сигнала [c.8]

Воображаемый план эксперимента для данных о партиях продукта [c.39]

На рис. 5.21 показаны (m. I) в зависимости от т + 1 для данных о партиях продукта, изображенных на рис. 5.2. Видно, что при [c.248]

Спектральный анализ данных о партиях продукта. /. Предвар1 рительный анализ Проверка данных о партиях продукта н рис 5 2 не выявила какого-либо очевидного тренда Поэтому был использована выборочная оценка ковариационной функции (7 1 2) [c.44]

Пример 3 Данные о партиях продукта на рис 5 2 были получены без каких-либо преднамеренных изменений переменных, управляющих процессом Таким образом, функция xxif), показанная на рис 7 15, дает выборочную оценку спектра Fzzif) шума процесса Эту информацию можно использовать при планировании эксперимента, где некоторая переменная, управляющая процессом, намеренно изменяется по косинусоидальному закону (7 4 1) или по другому периодическому закону, скажем, в виде прямоугольной волны с периодом 2Ь. [c.58]

Справочник химика 21

Химия и химическая технология