Статистическая обработка априорной информации

После выполнения всех подготовительных операций начинается основная часть предварительного изучения объекта — экспериментальный выбор факторов, подлежащих детальному исследованию. К этому времени технолог должен уже иметь в своем распоряжении результаты статистической обработки априорной информации. Эти результаты дадут возможность составить план постановки экспериментов более точно. Опыты по выбору факторов, существенно влияющих на объект исследования, проводят по методу случайного баланса. [c.105]

Априорная информация о связях между измеряемыми величинами может быть использована для исключения результатов, которые сопровождаются грубыми ошибками (т.е. для повышения достоверности измерений), для повышения эффективности оценки по результатам измерений (повышение точности измерений). Наиболее целесообразно применение априорной информации для обеих этих целей первоначального исключения грубых ошибок измерений и последующей обработки оставшихся результатов. Чем больше точность задания априорной информации, тем больший эффект (повышение точности оценки) может дать ее применение. В этом смысле наиболее эффективно использование точной априорной информации при условии ее адекватной формализации. Информация, носящая статистический характер, формализуется методами теории вероятностей и математической статистики, а носящая нечеткий характер - методами теории нечетких множеств. [c.112]

Первый этап — установление вида статистической модели (закон распределения) показателя надежности. Это можно сделать па основе известных законов распределения объектов-аналогов использованием априорной информации о физико-статистических механизмах отказа и обработкой результатов испытаний данного объекта. [c.47]

Направление градиента зависит от выбранного интервала варьирования независимых факторов. При изменении в п раз интервала варьирования для некоторого /-го фактора, меняется в раз величина шага для этого фактора, так как в п раз изменяется коэффициент регрессии и также в п раз — интервал варьирования. Инвариантными к изменению интервала остаются только знаки составляющих градиента. Удачный выбор интервала варьирования во многом связан с наличием априорной информации о параметрической чувствительности процесса. Интервал варьирования должен быть, достаточно велик, чтобы диапазон изменения выходной величины был в несколько раз (не менее 3—4 раз) больше ошибки воспроизводимости. В то же время для большинства процессов линейное приближение поверхности отклика адекватно эксперименту только при небольших интервалах варьирования. Если на величины интервалов варьирования не наложено никаких ограничений, их стремятся выбрать таким образом, чтобы получить уравнение регрессии, симметричное относительно коэффициентов при линейных членах. Обработка результатов эксперимента, связанного с крутым восхождением, должна сопровождаться тщательным статистическим анализом полученных результатов. [c.175]

В представленном в этом разделе кратком описании расчетных методов нашли отражение основные тенденции развития конформационного анализа пептидов и белков в последнее время. Несмотря на многочисленность и видимое разнообразие новых теоретических разработок, их сближает ряд общих черт принципиального характера, причем тех же самых, что были присущи предшествующим теоретико-методологическим исследованиям. Отмечу лишь три таких особенности. Во-первых, практически все предложенные методы расчета исходят из предположения, что нативная трехмерная структура белка имеет самую низкую внутреннюю энергию. Поэтому конечная цель каждого метода состоит в установлении глобальной конформации молекулы по известной аминокислотной последовательности. Такое предположение, сформулированное более 40 лет назад, до сих пор не встретило каких-либо противоречий со стороны экспериментальных фактов и, следовательно, может считаться оправданным. Во-вторых, в последние годы, как и ранее, во всех случаях предпринимались попытки подойти к расчету глобальной конформации белка путем усовершенствования предсказательных алгоритмов, процедур минимизации и вычислительной техники. Надежды на решение структурной проблемы по-прежнему связываются не с более глубоким проникновением в молекулярную физику белка и разработкой соответствующих теорий, а главным образом с достижением в области методологии теоретического конформационного анализа и развитием компьютерной аппаратуры. Между тем такой подход в принципе не может привести к априорному расчету глобальной конформации белка. В разделе 2.1 уже указывалось, что перебор со скоростью вращательной флуктуации (10 с) всех мыслимых конформационных состояний даже у низкомолекулярной белковой цепи (< 100 остатков) занял бы не менее 10 лет. Следовательно, при беспорядочно-поисковом механизме сборка белка как в условиях in vivo в процессе рибосомного синтеза, так и в условиях in vitro в процессе ренатурации не может осуществляться через селекцию конформации всех локальных минимумов потенциальной поверхности. Реальные же возможности самых совершенных современных методов расчета ограничены независимым анализом тетра- и пентапептидов, рассчитанных четверть века назад. Ни один из существующих теоретических методов не в состоянии проводить конформационный анализ сложных олигопептидов, а тем более белков, без привлечения дополнительной информации - результатов прямого эксперимента, касающегося исследуемого объекта, или статистической обработки имеющихся структурных данных. В-третьих для всех предложенных методов расчета характерно отсутствие классификации пептидных структур, оправданной с физической точки зрения и [c.246]

Рассматриваются задачи интерпретации и планирования регрессионных экспериментов специального типа, когда регрессионная модель не задана явно, а является решением интегрального уравнения Фредгольма 1-го рода. Подобные задачи возникают, например, в спектроскопии при интерпретации наблвдаемых спектров газовых смесей (термическое зондирование атмосферы и тоцу подобное). Некорректность задачи, определякщей модель, и статистическая природа самой модели требует развития методов обработки, учитывающих априорную информацию о ней, и, кроме того, приводят естественным образом к проблеме оптимальной организации эксперимента. В данной работе сообщаются некоторые результаты авторов (теоретического плана) в указанном направлении. По методике исследования и тематике они непосредственно примыкают к [ I ], [ 2 ]. [c.10]

Размещение материала в справочнике подчинено логике и последовательности создания и использования технических систем сначала приводятся методы априорных вероятностных расчетов и статистического моделирования, т. е. методы, используемые на этапе проектирования, затем рассматриваются оптимизационные задачи надежности, возникающие на последних этапах проектирования и в процессе эксплуатации, и, наконец, приводятся методы статистической обработки информации о надежности изделий, полученной в результате эксплуатации и специальных испытаний. Книгу завершают главы, содержащие болеё тонкие специальные математические методы, а т акже примеры нестандартных задач надежности, возникающие в различных технических областях. [c.3]