Последовательная выборка по точкам

Рис. 10.1.1. Четыре типа экспериментов в ЯМР-интроскопии. а — последовательная выборка по точкам б — последовательная выборка по линиям в — последовательная выборка по плоскостям г — одновременное сканирование всего объема. (Из работы [10.50].)

Последовательная выборка по точкам [c.639]

Методы последовательной выборки по линиям так же, как и методы линейного сканирования и множества чувствительных точек, имеют примерно на порядок величины меньшую чувствительность, чем одновременные методы измерений. Чувствительность метода линейного сканирования оказывается несколько выше, чем у метода множества чувствительных точек. Это можно объяснить пре- [c.662]

С помощью метода Фурье можно ускорить накопление данных приблизительно в и раз (где и — число разрешаемых элементов объема в каждом направлении). В этом случае не имеет значения, какой метод используется последовательной выборки по линиям, по плоскостям или метод одновременных измерений сигналов всего объема требуется приблизительно одно и то же время измерения, хотя различные методы и имеют разную чувствительность. Для всех этих методов фурье-интроскопии требуется одно и то же количество измерений. Методы отличаются только числом экспериментов, которые содержат в себе информацию об одном выделенном элементе объема. [c.664]

Контрольная диаграмма представляет собой непрерывную кривую некой качественной характеристики. Это может быть ежедневно составляемая кривая средней влажности зерна в выборках или концентрации стандартного раствора, или процентного содержания компонента в последовательных партиях продукции. Диаграмма состоит из центральной линии и двух предельных линий или в некоторых случаях двух предельных линий для внутреннего и внешнего контроля. Последовательно нанося точки на график, получаем непрерывную запись качественной характеристики. Изменения в ходе данных или внезапное ухудшение точности указывает на необходимость выявления причин, вызвавших эти изменения. Контрольные диаграммы могут быть построены для многих статистик, но наиболее общим случаем является построение диаграмм для средних значений и для размахов значений. [c.588]

Следует отметить, что обрабатываемые сигналы представляют собой, как правило, последовательность дискретных точек (по крайней мере, сигнал становится таковым на этапе ввода в цифровую вычислительную машину). В этом случае приходится иметь дело с конечной выборкой и важной [c.61]

Метод случайного поиска основан на применении последовательностей случайных чисел, с помощью которых в области изменения независимых переменных производится выборка случайных точек или определение случайных направлений. Ниже рассматривается одна из разновидностей случайного поиска — метод случайных направлений с обратным шагом. [c.388]

Исходной информацией для построения решающего правила является обучающая последовательность, содержащая представительный набор объектов разных классов (обучающая выборка). Если для каждого объекта задается информация о его принадлежности к конкретному классу, то возникает задача обучения распознаванию образов. При отсутствии указаний о принадлежности объектов к тем или иным классам возникает проблема самообучения. [c.242]

ЭВМ предназначаются для производства большого количества арифметических и логических операций в заданной последовательности, обеспечивающих численное решение математических задач. Так как численное решение почти любой задачи может быть сведено к последовательному выполнению четырех арифметических действий и выборке из таблиц, то эти машины являются машинами универсального назначения. Однако, несмотря на принципиальную возможность решения на ЭВМ любой задачи, практически не все задачи одинаково удобно решаются на машине. [c.371]

Если К и Крл распределены одинаково, то следует оценить возможность того, что вид распределения к связан не с БГК а с матрицей сходства анализируемых ПП. Для этого достаточно получить выборку, состоящую из случайных нуклеотидных последовательностей того же размера и с тем же частотным составом что и в ПП. с матрицей сходства, идентичной матрице сходства исходной реальной выборки. При этом из рассмотрения необходимо исключать высококонсервативные участки функциональных сайтов в реальных ПП. [c.83]

Если случайная однородная выборка конечного объема п получена в результате последовательных измерений некоторой величины А, имеющей истинное значение ц, то среднее этой выборки X следует рассматривать лишь как приближенную оценку А. Достоверность этой оценки характеризуется величиной доверительного интервала для которой с [c.205]

В представленной на рис. 7.3.1, а схеме в период эволюции на систему действует полный гамильтониан с выключенным РЧ-полем, в то время как в период регистрации прикладывается многоимпульсная дипольная развязка [7.43]. Выборка сигнала при этом должна быть синхронизована с циклической импульсной последовательностью. Чтобы избежать насыщения приемника, в импульсной последовательности необходимо предусмотреть наличие окон для наблюдения сигнала. В другой схеме, приведенной на рис. 7.3.1, б, дипольная развязка включается в период эволюции в этом случае может применяться импульсная последовательность без окон (рис. 7.3.1, в) [7.44]. [c.458]

Если случайная однородная выборка конечного объема п получена в результате последовательных измерений некоторой величины А, имеющей истинное значение ц,то среднее этой выборки X следует рассматривать лишь как приближенную оценку А. До- [c.272]

С целью дальнейшего анализа задачи необходимо обратиться к некоторым вопросам теории хаотических колебаний. При математическом исследовании динамических систем отображением называют временную выборку данных л (т1),д (т2),..., д-(т ),. ..,х(т у) , для которой вводят обозначение х = х х ). Простое детерминированное отображение имеет вид =/(х ). Понятие отображение обобщается и на большее число переменных, в частности на две. При хаотичном движении частицы, отображенном в фазовой плоскости [л (т), л (т)], траектория стремится заполнить некоторую область фазового пространства. Если фиксировать ее динамические характеристики только в отдельные моменты времени, то движение будет представлено последовательностью точек фазовой плоскости. Если х = х(х ) VI у = х(т ), то эта последовательность точек фазового пространства представляет собой двумерное отображение х =/(х , у ), у +у = ф , у ). [c.681]

Совершенно очевидно, что подобный подход можно применить и при планировании испытаний с числом этапов наблюдения, большим двух. Так можно подойти к идее последовательных испытаний. В литературе по статистическим методам контроля иногда [10] испытания с использованием последовательного анализа рассматривают как дальнейшее развитие идеи, положенной в основу метода двукратной выборки. Такой точки зрения придерживался и основоположник последовательного анализа А. Вальд [1]. [c.27]

Как попутный результат, таблицы планов испытаний Т4 и Т5, Тб и Т7 могут быть 1/спользованы для построения планов контроля методом однократной выборки (одноступенчатого контроля), поскольку последний шаг последовательной процедуры, соответствующий г = Д, отвечает условиям выбора оценочных уровней при одноступенчатом контроле. Значения qa и сц последовательной процедуры соответствуют в этом случае значениям а v 3 при одноступенчатом контроле. Поскольку значения qo и qi заранее не выбираются, то и значения а и /3 не могут быть заданы в виде фиксированных значений, как это сделано при последовательных испытаниях. Практически это приводит к тому, что при планировании испытаний приходится выбирать значения а и из числа значений qo и qi, имеющихся в планах контроля. При этом сами значения могут оказаться неравными круглым значениям (0,1 0,05 0,2 и т.п.), к которым привыкли в практике планирования испытаний. Однако, по мнению автора, это не приводит к каким-либо отрицательным последствиям. А учитывая, что необходимые данные по построению планов контроля методом однократной выборки, особенно при биномиальном распределении, в литературе не достаточно распространены, было бы, по-видимому, неправильно пренебрегать возможностью использования указанных таблиц для построения планов одноступенчатого контроля. [c.108]

Эти соображения можно проиллюстрировать на примере совокупности, состоящей из пакетов с реактивами, движущихся по конвейеру. Если пакеты отбираются в случайном порядке, например с помощью таблицы случайных чисел, то каждый пакет имеет шанс попасть в выборку. Даже если отбор проводится через правильные интервалы, случайный выбор первого элемента удовлетворяет требованию равных шансов. Предположим, например, что каждый десятый пакет берется в правильной последовательности. Если первый пакет отбирался при первом появлении определенной цифры в колонке случайных чисел, то вероятность попадания в выборку каждого пакета равна 0,1. Однако эта операция могла дать лишь десять различных выборок данного объема из многих возможных выборок, поэтому второе указанное выше требование не было бы выполнено. Вместе с тем, если бы вся выборка отбиралась согласно колонке случайных чисел, каждый десятый образец мог бы попасть в выборку. [c.603]

Особый случай цифровой фильтрации представляет так называемое группирование выборок. Если имеется возможность брать выборки с очень большой скоростью, то можно сложить последовательно определенное количество выборок и заменить все рассматриваемое количество точек их суммой, искусственно уменьшая таким образом общее количество выборок [18]. [c.75]

При тщательном изучении вопроса оказывается, что искусство человека распознавать образы включает в себя довольно сложную логику. Одна из причин сложности, создания компьютерных программ для распознавания образов состоит в трудности объяснения самим человеком этих мысленных операций. Человек, который описывает образ, часто не осознает основу применяемой им классификации. Если попросить человека назвать выявленный им образ, то он может указать примеры похожих образов, вместо того, чтобы перечислить его характерные признаки. Так, вынуждаемый ответить человек скажет, что он разглядел особый круг, потому что фигура напоминает круг. Другими словами, распознавание образов человеком — это последовательность опытов или обучение, и на вопрос о внутреннем содержании этого процесса он отвечает, что он накладывает новый образ на тот, который находится у него в сознании. Такая процедура, названная наложением на шаблон, состоит в сравнении выборки с рядом хранящихся прототипов. Машинные программы могут сравнить новый образец с хранящимся вариантом каждого альтернативного образа, и наиболее близкое совпадение (в соответствии с заранее выбранным критерием) выявляет класс данного образца. [c.222]

Отличие программ состоит в изменении последовательности выборки элементов массива А. При М = 64 для ЭВМ Крей-1 быстродействие возрастает с 50 до 58 мегафлопов (миллионов операций с плавающей точкой в секунду). Эти примеры показывают, что искусство программиста пока остается доминирующим фактором в разработке оптимальных моделей и вряд ли в ближайшем будущем может быть формализовано. [c.263]

П(. Здесь р - число признаков и Л[ - число последовательностей в /-той выборке. Введем линейную дискриминанптую функцию как линейно независимую комбинацию всех признаков [c.30]

Особенно успешным вариантом последовательной выборки по точкам является метод чувствительной точки, предложенный Хиншоу [10.13 — 10.15]. Он использует неселективные возбуждающие импульсы и расфокусирует нежелательную часть намагниченности с помощью зависящих от времени градиентов магнитного поля. Принцип метода чувствительной точки демонстрируется на рис. [c.639]

В методах последовательной выборки по линиям выделяется колонка из элементов объема. С помощью линейного градиента поля, приложенного вдоль осевой линии колонки, можно получить необходимый разброс частот. Один эксперимент после преобразования Фурье дает информацию одновременно обо всей линии. Используя преимущества мультиплексности фурье-спектроскопии, можно достичь существенной экономии времени по сравнению с методами чувствительной точки. Различные методы линейного сканирования, описанные в этом разделе, отличаются способами селективного возбуждения или регистрации чувствительной линии . [c.642]

Если известна полная информация о гипотетической функции распределения, то такая гипотеза называется простой. Допустим мы имеем информацию о реакции объекта на импульсное возмущение в виде последовательности дискретных величин в результате N наблюдений. Строим гистограмму распределения этих величин во времени. Для этого сгруппируем величины близкие по вероятности, в интервалы Д,.. Полученная таким путем гистограмма будет разбита на некоторое число V интервалов Д . Количество значений времени I. из всего объема выборки М, попавпшх в интервал Д<, обозначим через Пусть Р,- — вероятность того, что I принимает значение на множестве Д , тогда величина Р = =п Ш характеризует частоту этого события, где п — случайная величина. Итак, каждой случайной величине гаД1=1, 2,. . . . . ., V) может быть поставлена в соответствие вероятность Р. попадания в интервал Д и непопадания — Иными словами, каждая из случайных величин га, имеет биноминальный закон распределения, зависящий от Р и N — объема выборки, причем [c.257]

Первая выборка содержала 40, а вторая зб последовательностей. Для выборки промоторов брались участки последовательностей от -I00 до точки инициации транскрипции. Последовательности сайтов инициации трансляции содержали по so нуклеотидов к 5 - и 3 - концу мРНК от инициаторного кодона. [c.232]

Для составления контрольной диаграммы на график в последовательном порядке наносят отдельные наблюдения, а затем сравнивают с контрольными пределами, полученными на основании более ранних опытных данных. Например, если практически постоянная средняя х и стандартное отклонение 5 получены, скажем, из 20 наблюдений, то эти величины можно считать обоснованными оценками р, и о для совокупности. Соответствующие 95%-иой доверительной вероятности пределы, равные 1,96сг, могут быть взяты в качестве контрольных пределов. Вероятность того, что последующее наблюдение случайно окажется вне этих пределов, равна 1/20. Если рассеяние будет превышать эту величину, то это будет указывать на неслучайное распределение, т. е. на систематическую ошибку. Если контрольные пределы установлены, исходя из ограниченной выборки, например из 20 объектов, как в приведенном выше примере, то существует некоторая вероятность, что чрезмерное рассеивание вызывается слишком жесткими первоначальными контрольными пределами из-за несоразмерных оценок 1 и а. Для проверки этой вероятности нужно провести новый расчет с большим числом наблюдений. В промышленной практике внутренние контрольные пределы, или предупредительные пределы, обычно равны 1,96а, а внешние контрольные пределы 3,09а. Внешние контрольные пределы соответствуют 99,8%-ной доверительной вероятности, или вероятности, равной 0,002, что точка окажется вне пределов. Половина вероятности соответствует высшему результату и половина — низшему. Следует уделить особое внимание одностороннему отклонению от контрольных пределов, так как систематические ошибки чаще вызывают отклонение в одном направлении. Две систематические ошибки противоположного знака, несомненно, вызывали бы рассеивание, но маловероятно, что они действовали бы в одно и то же время. Необязательно, чтобы контрольная диаграмма составлялась во временной последовательности. [c.604]

Сортировка и поиск [96, 97] —две, по-видимому, наиболее распространенные операции обработки нечисловых данных наряду с сохранением записей и составлением отчетов. Цель операции сортировки состоит в подборе подлежащих хранению в памяти элементов с тем, чтобы в определенном порядке (восходящем или нисходящем) облегчить некоторые из последующих стадий обработки, например корректировку хранящейся в памяти совокупности данных или выборку их при помощи определенного метода поиска данных. В качестве примера рассмотрим простую встроенную в микрокомпьютер систему поиска данных, содержащую физические характеристики лабораторных реактивов. Аналитику необходимо, чтобы компьютер отыскал данные о растворимости соединения X при О °С. Предположим, что база данных содержит соответствующие сведения о N соединениях, что элементы данных не упорядочены каким-либо способом. Если в данном случае будет осуществляться последовательный поиск, т. е. элементы данных будут проверяться строго в том порядке, в каком они записывались в базу данных, то при каждом запросе об информационном поиске потребуется проверка в среднем (N+l)/2 элементов. Если, однако, элементы данных рассортированы в каком-либо порядке, например по названиям соединений, то возможен более эффективный метод поиска, основанный на дихотомическом поиске [17], который потребует проверки в среднем только FLOOR (log2N) — 1 элементов (FLOOR — наибольщее целое). В принципе если сформулировать подходящий ключ для алгоритма преобразования адреса, то возможно и дальнейщее уменьщение числа искомых элементов данных, что может позволить отыскивать данные прямым путем [96, 17, 18]. [c.386]

Для сокращения необходимого объема выборки и сроков испытания можно применить метод последовательного анализа (подробнее об этом см. у Я- Б. Шора [55, с. 287]). Он основан на следующем при постепенном увеличении числа испытываемых образцов или времени их испытания число отказов т может достичь такого значения, при котором с большой степенью достоверности (90—95%) можно гарантировать, что все образцы этого типа имеют интенсивность отказов выше допустимой, т. е. партию надо браковать, не дожидаясь намеченного срока окончания эксплуатационных испытаний. С другой стороны, число отказов может оказаться настолько малым, что интенсивность отказов будет значительно ниже, чем у самых лучших существующих моделей. В этом случае следует сделать заключение о целесообразности перехода к массовому выпуску, также не дожидаясь окончания срока испытаний. Дальнейшие испытания представляют интерес уже только с точки зрения выявления характеристики надежности отдельных элементов. [c.54]

Справочник химика 21

Химия и химическая технология