критерий случайные

Поэтому основным требованием к вырабатываемым значениям является удовлетворение критерию случайности . Случайность квантилей х является следствием случайности значений кумулятивной функции распределения со. [c.155]

Критерием случайного характера распределения является Статистический критерий Пирсона х - Если обозначить М — 1 = (число степеней свободы), то можно записать [c.15]

Статистическая обработка опытных данных. При экспериментальных измерениях некоторой физической величины, истинное значение а которой неизвестно, результаты отдельных измерений представляют собой случайные величины. Истинное значение оценивают методами математической статистики. Первичная обработка экспериментальных данных заключается в получении ранжированного ряда, т. е. экспериментальные данные располагают в порядке увеличения исследуемого параметра и с помощью специальных критериев выявляют грубо ошибочные значения. Для этого рассчитывают среднее арифметическое всей выборки из п опытов х = [c.14]

При проведении эксперимента, когда меняется несколько факторов, прежде всего возникает вопрос об оценке их влияния на функцию отклика. Изучение влияния различных факторов на статистические характеристики объекта является задачей дисперсионного анализа, который позволяет специальной обработкой результатов наблюдений разложить их общую вариацию на систематическую и случайную, оценить достоверность систематической вариации по отношению к случайной, вызванной неучтенными факторами. За количественную меру вариации принимают дисперсию, полученную статистической обработкой экспериментальных данных. Сравнение дисперсий выполняют обычно по критерию Фишера. [c.16]

Для определенного конструктивного типа печи лишь один комплекс размеров оптимален, т. е, соответствует критериям, выбранным в качестве основы для оценки конструкции ее, поэтому недопустим случайный выбор комплекса размеров конструкции печи. [c.228]

Из результатов исследования исключают грубые ошибки — промахи. Для установления границы между грубыми и случайными ошибками пользуются критериями Райта или Шовене. По критерию Райта отклонения от центра группирования размеров, подчиняющихся закону Гаусса, по абсолютной величине больше За, т. е. I л I > За они относятся к грубым ошибкам. [c.49]

По значению X находим соответствующую характеристику Р(л) (см. приложения работы (16]). При неизвестных теоретических значениях параметров закона распределения применение критерия Колмогорова дает несколько завышенные результаты, поэтому для данного критерия уровень достоверности увеличим до 0,1. Если Р(А,)<0,1, то расхождение считается существенным, а не случайным. Если Р(Х)>0,1, то расхождение считается случайным, несущественным, и распределение признается достаточно хорошим приближением к теоретическому. [c.53]

Чтобы КЭ достаточно полно характеризовал качество функционирования ХТС, он должен учитывать основные особенности и свойства объекта, а также должен зависеть от технологической и информационной структуры системы, от значения параметров технологических режимов и конструкционных параметров элементов, от значения оценок свойств ХТС (в частности, от показателей надежности), от характера воздействия внешней среды, внешних и внутренних случайных факторов. В общем случае критерий эффективности ХТС представляет собой функционал вида [c.34]

Эта вероятность тем меньше, чем выше уровень значимости, так как при этом увеличивается число отвергаемых гипотез. Одну и ту же статистическую гипотезу можно исследовать при помощи различных критериев значимости. Если вероятность ошибки второго рода равна а, то 1—а называют мощностью критерия. На рис. 17 приведены две кривые плотности вероятности случайной величины О, соответствующие двум конкурирующим гипотезам Н (а) и Н б). Если из опыта получается значение О>0 ь отвергается гипотеза Н и принимается альтернативная гипотеза Н, и наоборот, если О<0р. Площадь под кривой плотности вероятности, соответствующей справедливости гипотезы Н вправо от 0р, равна уровню значимости р, т. е. вероятности ошибки первого рода. Площадь под кривой вероятности, соответствующей справедливости Н влево от Пр, равна вероятности ошибки второго рода а, а вправо от ир — мощности критерия. Таким образом, чем больше р, тем больше 1—а. Для проверки гипотезы стремятся из всех возможных критериев вы-.бра ъ тот, у которого при заданном уровне значимости меньше [c.39]

Сравнение двух средних. Для сравнения между собой двух средних, полученных по выборкам пз нормально распределенных генеральных совокупностей, применяется критерий Стьюдента или /-критерий. Пусть заданы две случайные выборки хи Х2,. .., Хщ и Уь Уь. .., Упг- Первая выборка взята из нормально распределенной генеральной совокупности с параметрами Шх и сГж , вторая — из генеральной совокупности с параметрами т и Оу . По выборкам получены оценки для этих параметров х, и у, 5,/. Требуется проверить нулевую гипотезу (Пх = 1Пу при условии Ох = Оу = а . Рассмотрим случайную величину [c.51]

Сравнение выборочного распределения и распределения генеральной совокупности. Проверку гипотез относительно параметров распределения генеральной совокупности проводили в предположении нормального распределения наблюдаемой случайной величины. Гипотезу о нормальности изучаемого распределения в л атематической статистике называют основной гипотезой. Проверку этой гипотезы по выборке проводят при помощи критериев согласия. Критерии согласия применяются для проверки гипотезы о предполагаемом виде закона распределения. Критерии согласия позволяют определить вероятность того, что при гипотетическом законе распределения наблюдающееся в рассматриваемой выборке отклонение вызывается случайными причинами, а не ошибкой в гипотезе. Если эта вероятность велика, то отклонение от гипотетического закона распределения следует признать случайным и считать, что гипотеза о предполагаемом законе распределения не опровергается. [c.58]

Для применения критерия (хи-квадрат) весь диапазон изменения случайной величины в выборке объема п разбивается на к интервалов. Число интервалов к берут обычно в зависимости от объема выборки в пределах от 8 до 20. Число интервалов можно определить по полуэмпирической формуле (П.22). Число элементов выборки, попавших в г-й интервал, обозначим через щ. Построенная гистограмма (см. гл. П, 1) выборочного распределения или общие соображения о механизме возникновения случайной величины служат основанием для выбора типа закона распределения. Параметры этого закона могут быть определены или из теоретических соображений, или нахождением их оценок по выборке. На основании принятого закона распределения вычисляются вероятности рг попадания случайной величины X в г-й интервал. Величина, характеризующая отклонение выборочного распределения от предполагаемого, определяется формулой [c.58]

Можно доказать, что при исходных нормальных совокупностях величина 1-) имеет расиределение Стьюдента с / = /п—2 степенями свободы. При проверке гипотезы нормальности по большому числу малых выборок из каждой выборки случайным образом отбирается по одному значению. Здесь возможно некоторое упрощение — можно отобрать только первые измерения, только вторые и т. д. Такой отбор также можно рассматривать как случайный. Если число элементов в выборках велико, например т>10, то мой- ет быть сделано несколько самостоятельных проверок гипотезы, например, по первым и последним элементам каждой выборки. Затем, если т==4, для каждого отобранного значения по формуле (П. 131) вычисляется т, если тфА, по формуле (П. 134) т). После перехода к величинам т и т) для проверки гипотезы равномерного распределение т илп распределения Стьюдента т] (и, следовательно, нормальности исходного распределения) может быть применен любой из ра смотренных ранее критериев согласия. [c.68]

Факторы, рассматриваемые в дисперсионном анализе, бывают двух родов 1) со случайными уровнями и 2) с фиксированными. В первом случае предполагается, что выбор уровней производится из бесконечной совокупности возможных уровней и сопровождается рандомизацией. При этом результаты эксперимента имеют большее значение, поскольку выводы по эксперименту можно распространить иа всю генеральную совокупность. Если все уровни выбираются случайным образом, математическая модель эксперимента называется моделью со случайными уровнями факторов (случайная модель). Когда все уровни фиксированы, модель называется моделью с фиксированными уровнями факторов. Когда часть факторов рассматривается на фиксированных уровнях, а уровни остальных выбираются случайным образом, модель называется моделью смешанного типа. Иногда отсутствует различие в критериях, применяемых для разных моделей, и единственное различие состоит в общности выводов, в других случаях существует ра личие в критериях. [c.79]

Проверка гипотезы о значимости взаимодействия факторов А и В проводится по / -критерию одинаково для моделей со случайными и фиксированными уровнями. Однако Проверки гипотез о значимости факторов Ли В проводят неодинаково для разных моделей. В табл. 10 приведен двухфакторный дисперсионный анализ с повторными опытами для модели со случайными уровнями. [c.94]

Функции критерия имеют сложный мультимодально-овражный характер. Исследования изолиний критериев для ряда бинарных систем позволили сделать следующие выводы чем ниже качество экспериментальных данных, т. е. чем больше погрешность эксперимента и чем меньше число точек, тем сложнее вид целевой функции практически во всех случаях целевые функции имеют резко выраженный овражный характер минимумы критериев в общем случае не совпадают. Минимизация целевой функции производится по двухуровневому алгоритму. На первом уровне исп оль-зуется самообучающийся информационно-статистический метод, а на втором — алгоритм случайных направлений с обратным шагом. Переход от одного уровня на другой производится в диалоговом. режиме, что позволяет более гибко управлять процессом расчета. [c.411]

В методе случайных направлений с обратным шагом поиск ведется шаговым способом с расчетом критерия оптимальности на каждом шаге. Если в результате очередного шага получается лучшее значение критерия, то шаг считается удачным и следующий шаг выполняется из найденной точки. Если же шаг из некоторой точки оказывается неудачным, то следующий шаг вновь производится из той же точки, но в обратном направлении. [c.390]

Задача идентификации состоит в том, чтобы по известным реализациям случайных процессов и (1) и у 1) построить такой функциональный оператор Ф, который являлся бы оптимальным приближением истинного оператора вШ(в смысле некоторого критерия). [c.303]

Если зависимость между значениями случайных функций и t) и у (<) нелинейная, то коэффициент корреляции между значениями случайной функции уже не может служить достаточно хорошим критерием для измерения тесноты связи между ними. Поэтому для характеристики связи между илу используются [c.438]

Оценка переменных состояния нелинейного химико-технологического объекта [9]. Как уже упоминалось (см. 5.1), задача оценки переменных состояния химико-технологического процесса, к которым можно отнести температуру, давление, составы фаз, расходы жидких и газообразных сред и т. д., состоит в том, чтобы по показаниям измерительных приборов, функционирующих в условиях случайных помех, восстановить значения иеременных состояния системы, наиболее близкие в смысле заданного критерия к истинным значениям. Пусть химико-технологический процесс, протекающий в условиях случайных помех у, характеризуется п-мерным вектором состояний Х = ( Г1, х ,. . ., х , г-мерным вектором управлений и = (и1, щ,. . ., иУ, т-мерным вектором наблюдений у=(г/ц. . , 1/, ) (по числу контрольноизмерительных приборов), причем на показания измерительных приборов накладывается шум V. Математическое описание про- [c.456]

Наличие ограничений на оптимизируемые параметры приводит к некоторому усложнению использования перечисленных выше методов. Наличие ограничений не сказывается на использовании для поиска оптимума методов слепого и случайного поиска, уменьшается только допустимая область параметров. Если оптимум функции находится внутри допустимой области изменения независимых переменных то задачу иногда можно решить перечисленными выше методами поиска. Если же оптимум расположен на границе области у, то для его отыскания приходится применять специальные методы [24] метод прямого поиска с возвратом, метод проектирования вектора градиента, метод обобщенного критерия. [c.363]

Так как каждое химическое экспериментальное открытие — результат воспроизведения той или иной реакции, а реакция предполагает выбор объекта для нее (вещества или совокупности веществ) и выбор способа воздействия на этот объект, в качестве критерия случайности открытия мы будем иметь в виду случайность выбора объекта или случайность выбора способа воздействия на него. Так, открытие Пристлеем кислорода является случайным, поскольку случайным был и выбор объекта для его опыта — ртутной окалины, а выбор способа воздействия — накаливания. [c.179]

Порядок рождения и возраст матери. Гипотеза простого типа наследования предсказывает также, что последовательность пораженных и непораженных сибсов случайна и что нет влияния порядка рождения или возраста отца или матери. Наиболее общие критерии случайности последовательностей базируются на теории случайных процессов и адаптированы к использованию в анализе родословных человека. Старое утверждение, что при анемии Фанкони сибсы, пораженные рецессивной болезнью крови (разд. 5.1.6) образуют кластеры внутри сибств, недавно было опровергнуто тестом, основанным на теории случайных процессов [895]. [c.194]

Критерием для перехода к градиентному методу служит резкое увеличение относительного числа неудачных шагов. Вместе с тем, в подобном случае иногда достаточно эффективным оказывается такисе метод случайных направлений с переменным шагом. При умепьтенин Н1ага как бы производится возврат в область преимущественного использовапия случайного метода, так как число нгагов до оптимума при этом, естественно, возрастает. [c.546]

Для того чтобы отвергнуть 0-гипотезу, нужно доказать значимость различий между а и при выбранном уровне значимости р. Это удобно сделать при помощи критерия Фишера. Р-распределением Фишера называется распределение случайной величины Р = (в /ог)- Сравнивать дисперсии необходимо именно по критерию Фишера, а не по критерию, например, Стьюдента, поскольку, как легко видеть, распределение 5 не есть распределение Гаусса, хотя и очень медленно приближается к нему при Уа ->оо. Распределение положительно асимметрично, т. е. значения 5 < О невозможны, в то время как сколь угодно большие значения допустимы. Если5 2> ( 11 р ), то с вероятностью ро дисперсия 5 больше дисперсии [c.142]

Существуют многочисленные модификации критерия D-on-тимальности, отражающие специфику эксперимента и постановки исходной задачи.- Так, например, при проведении кпнетическпх исследований в ходе реализации единичного опыта часто измеряются концентрации не одного, а нескольких реагентов (откликов системы). При этом результаты из.мерений представляют собой независимые норлшльно распределенные случайные величины. Тогда целесообразно использовать более общий критерий [c.26]

Максимальные значения критериев дискриминацпи обычно находят методами нелинейного программирования градиентными, симплексными, а также методами случайного поиска. При этом рациональный поиск может быть выполнен только с применением вычислительных машин, обладающих высоким быстродействием и большой памятью. [c.28]

ХТС — определение параметров фнзнко-химических свойств технологических потоков и характеристик равновесия /3 — разработка приближенных или простых математических моделей элементов 14 — выбор параметров элементов 15 — разработка априорной математической модели ХТС 16 — выделение элементов, изменение параметров которых оказы вает наибольшее влияние на чувствительность ХТС — определение материально-тепловых нагрузок на элементы (расчет матернально-тепловых балансов) 18 — компоновка производства и размещение оборудования 19 — разработка более точных стационарных и динамических моделей элементов 20 — уточнение значений параметров элементов 2/— информационная модель ХТС 22 — математическая модель для исследования надежности и случайных процессов функционирования ХТС 25 — математическая модель динамических режимов функционирования ХТС 24 — математическая модель стационарных режимов функционирования ХТС 25 —значение характеристик помехозащищенности 25 — значение характеристик надежности 27 — значение характеристик наблюдаемости 28 — значение-характеристик управляемости 29 — исследование гидравлических режимов технологических потоков ХТ(3 30 —значение характеристик устойчивости 37 —значение характеристик ин-терэктности 32—значение характеристик чувствительности 33 —значение критерия эффективности ХТС 34 — оптимизация ХТС 35 — алгоритмы для АСУ ХТС 36 —параметры технологического режима 37 — параметры насосов, компрессоров и другого вспомогательного-оборудования Зв —параметры элементов ХТС 39 — технологическая топология ХТС 40 — выдача заданий на конструкционное проектирование объекта химической промышлен ностп. [c.55]

Решать задачу повышения надежности оборудования ХТС в работе [147] предлагается на основе оптимизации сроков эксплуатации оборудования с учетом затрат на ремонт. Исследование и отыскание оптимальных сроков эксплуатации (фактически это межремонтные сроки) осуществляется с иопользо-ванием метода статистических испытаний. Критерием эффективности выбора срока проведения ТО являются общие затраты на эксплуатацию и ремонт. Однако этот метод не позволяет активно управлять процессом эксплуатации оборудования, представляющим собой случайный процесс смены состояний. Аналогичное повышение уровня надежности ХТС иа основе определения оптимальных межремонтных сроков оборудования рассмотрено в работе [100]. [c.97]

Проверка статистических гипотез. Под статистическими гипотезами понимаются некоторые предположения относительно распределений генеральной совокупности той или иной случайной величины. Проверка гипотезы заключается в сопоставлении некоторых статистических показателей, критериев проверки (критериев значимости), вычисляемых по выборке, со значениями этих показателей, определенными в предположении, что проверяемая гипотеза верна. При проверке гипотез подвергается испытанию некоторая гипотеза Но в сравнении с альтернативной гипотезой Н, которая формулируется или подразумевается. Альтернативных гипотез может быть несколько. [c.38]

Чтобы отвергнуть эту гипотезу, нужно доказать значимость различия между и 52 при выбрапном уровне значимости р. В качестве критерия значимости обычно используется критерий Фишера. Распределением Фишера (Р — распределение, 1)2 — распределение) называется распределение случайной величины [c.47]

Проверка однородности результатов измерений. Грубые измерения являются результатом поломки прибора или недосмотра экспериментатора, и результат, содержащий грубую ошибку, резко отличается по величине. На этом основаны статистические критерии оценки и исключения грубых измерений. Наличие грубой ошибки в выборке значений случайной величины X нарушает характер расиределеиия, изменяет его параметры, т. е. нарушается однородность наблюдений. Поэтому выявление грубых ошибок можно трактовать как проверку однородности наблюдений, т. е. проверку гипотезы о том, что все элементы выборки Х, Х2,. .., Хп получены из одной и той же генеральной совокупности. Будем по-прежнему по,1агать, что случайная величина подчиняется нормальному распределению. Для решения этой задачи предложено несколько методов. [c.56]

Критерий согласия В отличие от критерия Пирсона критерий (омега-квадрат) основывается на непосредственно наблюденных (несгрунпированных) значениях случайной величины X. [c.63]

Критерий Вилькоксона. Критерий Вилькоксона применяется для проверки гипотезы принадлежности двух выборок одной и той же генеральной совокупности. Пусть имеются выборки случайных величин X и Y объема т и п. Преобразуем выборки в вариационные ряды [c.65]

Дисперсионный анализ состоит в выделении и оценке отдельных факторов, вызывающих изменчивость изучаемой случайной величины. Для этого производится разложение суммарной выборочно дисперсии на составляющие, обусловленные независимыми факторами. Каждая из этих составляющих представляет собой оценку дисперсии генеральной совокупности. Чтобы решить, значимо ли влияние данного фактора, необходимо оценить значимость соответ-стг(ую1цей выборочной диснерсии в сравнении с дисперсией воспроизводимости, обусловленной случайными факторами. Проверка значимости оценок дисперсий проводится по критерию Фишера (см. гл. И, 11). Если рассчитанное значение критерия Фишера окажется меньше табличного, то влияние рассматриваемого фактора нет оснований считать значимым. Если же рассчитаниос значение критерия Фишера окажется больше табличного, то рассматриваемый фактор влияет па изменчивость средних. В дальнейшем будем полагать, что выполняются следующие допущения 1) случайные ошибки наблюдений имеют нормальное расиределение 3) факторы [c.78]

По этим критериям на ЭВМ в результате случайного смешива-няя реплик 2 , и случайного выбора столбцов были получены матрицы планирования, представленные в табл, 57 и в табл. И, 12 пэиложения. Эти матрицы также можно использовать для мень-н его числа факторов. [c.236]

Задача оценки переменных состояния химико-технологического процесса, к которым можно отнести температуру, дав.ттение, составы фаз, расходы жидких и газообразных среди т. д., состоит в том, чтобы по показаниям измерительных приборов, функционирующих в условиях случайных помех, восстановить значения переменных состояния системы, наиболее близкие в смысле заданного критерия к истинным значениям. Применительно к химико-технологическим процессам важность решения задач оценки переменных состояния и определения неизвестных параметров модели объекта имеет три аспекта открывается возможность получать непрерывно информацию о тех переменных состояния слон<-ного объекта, непосредственное измерение которых невозможно по технологическим причинам (например, концентрации промежуточных веществ, параметры состояния межфазной поверхности, доля свободных активных мест катализатора и т. п.) реализация непрерывной (в темпе с процессом) оценки переменных состояния и поиска неизвестных параметров модели создает предпосылки для прямого цифрового оптимального управления технологическим процессом решение задач идентификации решает проблему непрерывной оптимальной адаптации нелинейной математической модели к моделируемому процессу в условиях случайных помех и дрейфа технологических характеристик последнего, что необходимо для осуществления статической и динамической оптимизации. [c.283]

Указанный критерий может применяться только для достаточно однотипных веществ, а случайная близость Ср, 293 у веществ мало однотипных или неоднотипных не дает никаких оснований для применения описанного упрощенного пути расчета. Следует заметить также, что рассмотренные закономерности в изменении значений as и ан относятся только к отношению высокотемпературных составляющих энтропии и энтальпии, но не к 8т и не к Н°т — Яо. Для соединений, достаточно однотипных, ббычно можно принять приближенно aH = as и в уравнениях (III, 32)—(III, 37). В табл. III, 15 и III, 16 представлены данные, характеризующие применимость уравнений (111,33) и (111,36) при этом допущении и слабое изменение отношения сравниваемых функций с температурой. [c.116]

Система (И) содержит Ь X N уравнений, Ь X N неизвестных величин и 8 неизвестных параметров К . Таким образов , эта система педоопределена и без дополнительных условий единственное решение ее невозможно. Предположение о том, что А является случайной величиной, позволяет решить систему (11) в статистическом смысле. Такое решение выбирается из естественных соображений, чтобы константы К ,.. ., давали наилучшее в каком-то смысле описание экспериментально измеренных величин. В качестве критерия наилучшего описания обычно выбирается оптимум некоторой функции Ф (Д " ) в пространстве переменных К ,.. ., Кд. Вопрос о выборе критерия является одним из важнейших при математической интерпретации измерений. Он связан со статистической гипотезой о законе распределения случайной величины Д . При формулировании указанного критерия наиболее последовательным представляется следующий путь высказывается гипотеза о функциях распределения случайных величин бХ и бУ , на основе этих функций строится функция плотности вероятности случайной величины Д( и далее вырабатывается критерий согласия между расчетом и эксперилгентом — требование экстремума Ф(Д ). В общем случае, однако, этот подход трудно реализовать. При отсутствии информации о взаимной корреляции величин бХ и бУ невозможно построить функцию распределения для Д(. Даже если такая функция построена, она может оказаться настолько сложной, что сконструировать с ее помощью критерий согласия между расчетом и экспериментом окажется невозможным. Наконец, нахождение экстре-лгума полученной (например, в соответствии с принципом максимального правдоподобия) функции Ф(Д ) может представлять практически неразрешимую задачу. [c.55]

Справочник химика 21

Химия и химическая технология