Общие случайные переменные

Общая формулировка детерминированных процессов дана в разд. 2. Ее можно проиллюстрировать на примере обобщенной задачи распределения. Аналогично в разд. 3 дана общая формулировка стохастических процессов. Она проиллюстрирована на примере стохастической задачи распределения, использующей понятие математического ожидания. Сравнение детерминированных и стохастических процессов приведено в разд. 4. Кроме того, указываются стохастические элементы во многих процессах, в частности химических процессах. В разд. 5 рассматривается стохастический вариант описанной выше задачи распределения, а в разд. 6 — стохастическая модель регенерации катализатора. Задача управления по среднему значению рассматривается как стохастическая благодаря наличию случайной переменной в уравнении Ван дер Поля. Посколь- [c.437]

В случае если изучается более чем один случайный процесс, могут рассматриваться общие случайные переменные двух различных процессов x t) и y(t), т.е. x = x(t ) и у — = y[t2)=y(ti- -х) в уравнениях (24) — (33). Взаимную корреляционную функцию Rxy и взаимную ковариацию Сху можно определить аналогичным образом. В случае если оба процесса стационарны, Rxy и Сху есть функции только т. [c.470]

При исследовании взаимосвязи нескольких или многих случайных величин коэффициенты корреляции между каждой парой переменных оцениваются по одной из формул (X.23) — (Х.25). Может быть также введен множественный корреляционный коэффициент Ру, отражающий общую зависимость переменной у от остальных переменных Хи- Оценка Гу коэффициента ру вычисляется по формуле [c.426]

Последний эффект достигается при условии правильного выбора частоты сканирования, отвечающего уровню флуктуаций в приемнике и частотному распределению флуктуаций в источнике света [748, 750]. Это положение иллюстрируется рис. 17 для дуги постоянного тока. (Аналогичная картина имеет место для дуги переменного тока н ряда других источ- ников.) Из рис. 17 видно, что величина флуктуаций в, источнике спадает с увеличением частоты, шум же в приемнике является белым и уровень его зависит от светового потока, падающего на приемник. Это обстоятельство дает возможность в каждом конкретном случае выбрать такую частоту сканирования, при которой флуктуации в источнике будут значительно меньше флуктуа ций в приемнике света. Таким образом, общая случайная ошибка анализа будет определяться в основном статистическими свойствами приемника излучения, т. е. будут созданы оптимальные условия для обнаружения слабых спектральных линий (см. 2.1.3). Следовательно, метод периодического, сканирования позволяет приблизиться к наименьшему пределу обнаружения аналитического сигнала, достижимому с помощью данного фотоэлектрического приемника. [c.64]

В общем виде корреляционная связь между случайными переменными величинами проявляется тогда, когда имеются общие случайные факторы, влияющие на переменные, наряду с другими неодинаковыми для рассматриваемых переменных случайными факторами. Например, если х представляет некоторую функцию от случайных величин [c.191]

Рис. 2.3. Соотношение между нормированной (стандартизированной) нормальной случайной переменной V и нормальной случайной переменной X. Проценты относятся к площади под кривой внутри указанных пределов, исходя из общей площади 100 %.

Ли — вектор коэффициентов чувствительности в разделе 5.6 и — общий коэффициент теплопередачи и — стандартизованная нормальная случайная переменная и (Ь) — функция единичного шага [c.338]

Как значения х, так и значения у подвержены случайным колебаниям. В рамках этих случайных ошибок возможны любые комбинации хяу для исследуемой пробы. Если требуется охарактеризовать цифровой материал, полученный в одном опыте, при помощи ступенчатой диаграммы, то необходимо прибегнуть к трудному для представления трехмерному изображению. Оси переменных X и у лежат в этом случае в основании фигуры, а частоты представляются вертикально в пространстве. Из-за трудности такого представления отдельные точки изображают па двумерной плоскости ху и судят о плотности точек. Максимум поверхности находится там, где обнаруживается наибольшая плотность точек в двумерном изображении. Вообще, все измеренные значения лежат внутри эллипса или окружности. Подобные распределения, в которых рассматривается частота двух взаимосвязанных случайных величин, называют двумерными распределениями. Двумерные распределения характеризуются также средним значением и рассеянием. Эти характеристики следует вычислять отдельно ] ля обеих случайных переменных х я у. Точка М (х, у) лежит в месте теоретически ожидаемого максимума частоты. Общее рассеяние 5 составляет сумму квадратов двух единичных рас- [c.36]

Иногда начальное значение а также является случайной величиной (или вектором). Получающийся в результате стохастический процесс и (/ [у], uj тогда является функцией случайной переменной а, функционалом, зависящим от функции у. Поскольку это является тривиальным обобщением задачи с фиксированным начальным )начением а, нет необходимости рассматривать случайные начальные значения отдельно. Уравнение Ланжевена (8.8.1) и более общее уравнение Ито (8.8.15) представляют собой примеры стохастических дифференциальных уравнений. Действительно, в большей части математической литературы название стохастическое дифференциальное уравнение ограничивается именно этими случаями . [c.344]

В графу 7 табл. 3 внесены накопленные практические частоты S p. Накопленные частоты получаются путем последовательного суммирования обычных (практических) частот от нижнего предела переменной (случайной величины) до верхнего. Таким образом, накопленная частота второй переменной равна сумме первой и второй частот. Накопленная частота третьей переменной равна накопленной частоте второй плюс обычная частота третьей и т. д. Последняя накопленная частота должна равняться общему числу случаев. [c.53]

Методы учета ограничений. До сих пор рассматривалось применение методов направленного и случайного поиска для простейшего случая оптимизации нелинейной функции 3(Х) при отсутствии каких-либо ограничений. Более общим случаем является задача минимизации функции многих переменных при наличии ограничений в виде равенств. Эта задача может быть сформулирована следующим образом. [c.136]

Естественно предположить, что эффективность i-ro процесса зависит от принятого в данный момент времени распределения потоков сырья, т. е. представляет собой функцию величин vlk (k=, . .., m). Кроме того, в общем случае на эффективность г] может оказывать влияние еще ряд параметров 1-го процесса, которые характеризуют его режим и могут быть как управляемыми, так и неуправляемыми переменными величинами. Это могут быть, например, параметры теплового режима процесса, поддающиеся управлению, или же активность катализатора, изменяющаяся случайным образом в процессе эксплуатации, и т. п. [c.155]

В общем случае произвольное изменение нагрузки во времени можно представить как действие некоторого среднего напряжения о , на которое наложен переменный процесс случайных колебаний, характеризуемый параметром х = о - Для определения функции распределения амплитуд напряжений, эквивалентной рассматриваемому случайному процессу по степени вносимого усталостного повреждения, используют различные способы систематизации. На рис.9.3.25 представлен пример обработки участка осциллограммы в пределах одного блока нагружения, по методу дождя [117]. Установленная в результате такой обработки функция распределения амплитуд с общим числом циклов Кд в блоке нагружения является исходной информацией о случайной нагруженности, используемой при расчете на выносливость. На рис.9.3.26 схематически показан один блок нагружения, состоящий из г ступеней, каждой из которых соответствует амплитуда напряжений а . при числе циклов повторения этой амплитуды в блоке г = 1, 2. .. г. Если число блоков нагружения до появления трещины то число циклов повторения амплитуды составит [c.326]

До сих пор мы получали численные значения параметра б р для всех случаев, кроме плоского, посредством численного интегрирования. Этот совершенно общий метод применим при любой форме сосуда. Для бесконечного цилиндрического сосуда критическое значение б с той точностью, какой удалось достигнуть численными методами, оказалось равным целому числу 2. Но оставался открытым вопрос, случайное ли это совпадение или в случае цилиндра задача о критическом условии действительно имеет простое целочисленное решение. В дальнейшем вопрос этот был разрешен в работах [19, 20], в которых показано, что для цилиндрического случая задача может быть решена аналитически. Для этого достаточно ввести в качестве независимой переменной вместо величины [c.332]

Общие методы решения задач невыпуклого программирования достаточно сложны В них используют случайный или упорядоченный перебор возможных сочетаний переменных, либо разбиение задачи на подзадачи выпуклого программирования и дальнейший перебор частных экстремумов. Рассмотрим некоторые частные виды невыпуклых характеристик, встречающихся в химической промышленности. [c.51]

В практических приложениях этими соображениями общего характера надо пользоваться с большой осторожностью. Неравенство Чебышева применимо только до тех пор, пока генеральное среднее остается постоянным. В аналитической работе ряд факторов удается стабилизировать только на короткий промежуток времени. Если нам потребуется сделать очень большое число определе ний, то на это понадобиться длительное время, в течение которого часть факторов из постоянных превратится в переменные—появятся новые источники ошибок, и мы вынуждены будем констатировать смещение генерального среднего. Серии анализов, сделанные с большим промежутком времени, уже нельзя будет рассматривать как случайные выборки из генеральной совокупности с одним и тем же средним значением. Поэтому вопрос о планировании эксперимента и выборе оптимального числа измерений является весьма трудной задачей к ней мы еще вернемся в дальнейшем. [c.196]

Как мы уже подчеркивали, в общем случае невозможно получить точное решение, например, для стационарной плотности вероятности системы, когда рассматривается шум произвольной формы. Дело обстоит так даже в довольно простом случае марковского гауссовского шума. Следовательно, общий случай внешнего цветного шума может быть рассмотрен лишь приближенными методами. Методы, развитые в гл. 8, позволяют исследовать два предельных случая — низкочастотного и высокочастотного внешнего шума. В частности, для последнего случая малых корреляционных времен в нашем распоряжении имеется метод разложения в ряд по теории возмущений. Этот метод использовался, чтобы показать, что фазовые переходы, индуцированные внешним шумом с малым временем корреляции, могут быть идентифицированы с переходами, исследованными в случае применения идеализации белого шума. Однако благодаря различию между двумя приближенными методами, используемыми для описания высокочастотного и низкочастотного шума, остается не ясным, каким образом переходы, предсказанные для случая быстрого шума, связаны с переходами, имеющими место в случае медленного внешнего шума. Желательно поэтому дополнить ту информацию, которая получается с помощью общих приближенных методов, информацией, полученной из изучения специальных классов внешнего цветного шума. Другими словами, полезно найти такие примеры Цветного шума, которые позволяют для произвольной системы с одной переменной точно вычислить по крайней мере стационарную плотность вероятности при любом значении времени корреляции. Как говорилось выше, гауссовский шум не принадлежит к этому классу. Следует обратиться к случайным процессам с более простой структурой, и вполне естественным кандидатом оказывается марковский процесс с дискретным пространством состояний. Простейшим процессом такого типа является дихотомический марковский шум, известный так же, как случайный телеграфный сигнал. В данной главе мы покажем, что он действительно позво ляет получить точные результаты и построить полную картину влияния корреляций. [c.324]

Одной из важпейпшх теорем теории вероятности является теорема о центральном предельном распределении, связывающая математическое ожидание и дисперсию и утверждающая, что сложение большого числа независимых случайных переменных при весьма общих условиях имеет нормальное распределение [c.139]

При решении задачи для общего случая (образование тройного соединения, т. е. содержащего компоненты X, У и 2, состав которого находится пересечением лучей Скрейнемакерса между собой) конечная ошибка ( Уу,) зависит уже от десяти параметров (число случайных переменных удваивается, так как мы рассматриваем парные сочетания лучей). Программа расчета состава трех-компопентного соединения утаты- [c.161]

Заметим, что г у не является случайной переменной, но может зависеть от времени. Рассмотрим рис. 2.2. Две случайные переменные X я являются некоррелированными, если Е ХК = = Е Х Е У, и независимыми, если р (х, у) = р (х) р (у). Если случайные переменные X и V независимы, то они также и некор-релированы. Некоррелированность — более слабое условие, чем независимость, поскольку если случайные переменные X и V являются некоррелированными, то в общем случае Е / (X) g (7) Ф Ф Е (Х) E g Y)]. Но если X и К независимы, то Еи(Х)ЦУ)] =E f(X)]E giY) . [c.32]

В качестве общей статистики, которая вычисляется по значениям многих переменных и может откладываться на какой-либо контрольной карте, Джексон [8 ] предложил использовать статистику Т , введенную ранее Хоттеллипгом [9]. Статистика Г Хоттелинга представляет геометрическое место точек эллипса доверительной области и для двух совместно распределенных нормальных случайных переменных X и У выражается через объем выборки п, выборочные средние и выборочные дисперсии следующим образом [c.134]

После введения понятий детерминированных и случайных переменных, сигналов, шума и фона мы охарактеризуем их как во временном (разд, 7.2.4), так и частотном представлении (т. е. посредством фурье-иреобразовании раад. 7.2.5). Выделены практические основы проведения измерений, базирующиеся иа этих понятиях, и связанные с ними погрешности. Методы линейной фильтрации, применяемые для выделения сигналов из шумов, рассмотрены в разд. 7.3 совместно с кратким обсуждением дo тижИiMЫx пределов и оити.мальной фильтрации, относящейся к каждому отдельному случаю. В разд. 7.4 и 7.5 в общих чертах описаны источники шумов и фотодетекторы, чтобы можно было выделить информацию, которую несет сигнал, и типы шумов, которые могут скрыть эту информацию. И наконец, в общих чертах рассмотрены аналоговое и цифровое оборудование и аппаратура, затем приведено краткое обсуждение типов измерений, связанных с ними проблем и параметров. [c.451]

Рассмотрим теперь более общий случай [150]. Пусть X будет случайной переменной, распределение которой зависит только от р. Тогда функцию плотности вероятности для X можно записать как /(х р). Пусть имеются п реализиций (выборка объема п) х , х ,. .., х переменной х. Тогда вероятность такой выборки можно записать следующим образом [c.182]

Наконец, можно обобш,ить задачу на два, три и большее число измерений, предполагая, что все перемещения происходят независимо друг от друга. В этом случае распределения в каждом измерении независимый общая функция будет произведением частных функций. Функция для случайного блуждания в трех измерениях с переменным шагом имеет вид [c.121]

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]

Рассмотрим теперь методы статистического анализа чувствительности. В наиболее общей постановке задача состоит в расчете плотности вероятности р (у, t) вектора концешраций у (г) по заданным плотностям Ро (ко) и Ро (Уо) для векторов ко и уо. Эта задача может быть сведена к исследованию влияния случайных начальных условий на решения задачи Коши, так как вектор параметров к может быть присоединен к вектору концентраций у, образуя новый вектор переменных х = у, к . Таким образом, необходимо исследовать влияние случайных начальных условий (вектор ко) на решение задачи Коши [c.158]

Уже не раз было установлено, что все моющие средства представляют собой смачивающие агенты, но что лишь немногие агенты обладают качествами моющих средств. Этот факт становится полностью понятным, если егб рассматривать с точки зрения коэффициента распределения. Многие смачивающие агенты способны выполнять свою задачу лишь в отношении ограниченного количества веществ, но тем не менее они могут быть полезными благодаря случайному соединению в них различных свойств. Так, например, очень немногие смачивающие средства обладают способностью смачивать чистое минеральное масло, и, следовательно, их нельзя расценивать как хорошие моющие средства общего назначения. В то же время они в состоянии удовлетворительно смачивать другие виды масел и вполне могут служить в качестве моющих средств для их удаления. Принимая во внимание, что смачивание минерального масла связано с наибольшими трудностями, включение такового в состав искусственных пятнообразователей исключает возможность испытания всех моющих средств, за исключением разве только тех, которые обладают высшей степенью смачивающей способности. По этой причине для искусственного пятнообразования применяют обычно масла, которые смачиваются легче, чем минеральное. Надо полагать, что вид масла, применяемого для указанной цели, является одной из главнейших переменных величин, вызывающих столь резкие расхождения в лабораторной оценке моющих средств. Приведенные ниже данные, которые заимствованы из каталога поверхностно-активных веществ, изготовляемых фирмой Атлас (см. ссылку 58), иллюстрируют разнообразие коэффициента распределения, свойственного этим средствам в отношении минерального масла. Концентрация всех растворов перечисленных средств равна 0,1%. [c.61]

Коррсляцпоппый анализ подобен регрессионному анализу, В случае регрессионного анализа обычно пытаются предсказать значения одной переменной на основании сведений о контролируемой точно известной) другой переменной. В отличпе от этого при корреляционном анализе имеют дело с общей задачей отыскания зависимости между двумя илп несколькими переменными, включающими случайные ошибки, а также с выяснением ее статистического характера. Например, при изучении механизма реакции бывает интересно выяснить, какое влияние иа скорость (изменение концентрации, К) может оказывать в отдельности или в совокупности каждая из следующих причин (X) давление, вязкость, концентрация каждого из компонентов, интенсивность облучения и т. д. График завпсимости У от X (в виде точек) называется диаграммой рассеяния если экспериментальные точки хорошо укладываются на прямую линию, имеющую положительный тангенс наклона, говорят, что между двумя переменными существует хорошая положительная корреляция (при отрицательном тангенсе угла наклона — хорошая отрицательная корреляция). Нри совершенно случайном расположении точек имеет место пулевая корреляция (не существует явной линейной зависимости между переменными X и У). Здесь мы ограничимся обсуждением линейных соотноилений (и.мея в виду, что любая из переменных X и У или они обе могут быть выражены в логарифмической шкале). [c.523]

Установка как объект управления характеризуется многомерностью, многосвязанностью, то есть наличием большого числа входных, выходных, промежуточных переменных, связанных между собой, наличием жестких связей между технологическими аппаратами. Характерной чертой объекта является наличие большого числа случайных возмущений, действующих на объект, многие из которых трудно поддаются измерению. К основным возмущениям относятся изменение свойств и расхода перерабатываемого сырья, изменение активности катализатора. Нелинейный характер зависимости выходных параметров от входных. Все выше перечисленные свойства установки Г-43-107 М позволяет судить о ней, как о сложном объекте управления. Провести идентификацию такого объекта, то есть создать работоспособную математическую модель, представляет собой довольно сложную задачу. Поэтому для получения ее математического описания предлагается использовать принцип технологической декомпозиции, то есть расчленить установку на ряд последовательных технологических блоков и для каждого из них выбрать свой критерий управления, который не будет противоречить общему критерию управления установкой в целом. [c.20]

Значения х, как и значения у, подвержены случайным колебаниям. В рамках этих случайных ошибок для исследуемой пробы возможны любые комбинации значений х и у. Если надо представить результаты одного опыта при помощи ступенчатой диаграммы, то придется прибегнуть к трудному для построения трехмерному изображению. Оси переменных х и у лежат в этом случае в основании фигуры. А частоты откладываются на вертикальной оси. Из-за сложности такого представления отдельные точки наносят на (двумерную) плоскость х-у и судят о распределении по плотности точек. Максимум поверхности в пространстве находится там, где в двумерном изображении обнаруживается наибольшая плотность точек. Вообще, все значения лежат внутри некоторого эллипса или круга. Такие распределения, в которых рассматриваются частоты двух взаимосвязанных случайных величин, называют двумерными распределениями. Двумерные распределения также характеризуются средним и рассеянием. Эти показатели вычисляются отдельно для каждой из случайных величин х и /.Точка М х,у) лежит в месте теоретически о кидаемого максимума частоты. Общий разброс 5 получается как сумма квадратов (по теореме Пифагора) двух единичных разбросов (значит, суммируются дисперсии). Подробности можно найти у Смирнова и Дунина-Барковского [9]. [c.41]

Поисковые методы оптимизации [107—112] используют математическую модель, полученную экспериментально-статистическими методами. Модель описывает исследуемый объект в некоторой локальной области изменения переменных. Область оптимума в общем случае не совпадает с областью математического описания, поэтому целевая функция служит лишь для выработки стратегии поиска оптимума. К числу основных поисковых методов относят метод Гаусса — Зейделя, метод случайного поиска, метод симплексов, метод градиента, метод наиско-рейшего спуска (крутого восхождения). [c.175]

Третье направление находит отражение в двух областях. Во-первых, при дальнейшем развитии метода молекулярных аналогий допустимо в принципе построение для пористых систем, аналогичное статистике Гиббса. Затем, рассматривая статистические ансамбли пористых систем и вводя гамильтониан системы, содержащий вместо энергии ее аналог в виде новых переменных, определяющих собой сохранение массы, можно обычные понятия и теоремы физической статистики перенести и на пористые системы [7, 9]. Второй путь заключается в статистическом описании различных процессов переноса в пористых средах. Это направление ведет начало от классических работ Кирквуда с учениками [10 и в настоящее время развивается многими авторами [11]. Таким путем, не рассматривая подробностей структуры пористых тел, удается статистически вывести и обосновать закон Дарси [2] и дать наиболее общее обоснование эффекта продольной диффузии в зерненом слое. Кинетика процесса мас-сообмена в неоднородной пористой среде неоднократно рассматривалась в форме случайного блуждания в работах Шейдеггера [7] и Гиддингса [12]. Особенностью этого направления является отвлечение от описания структуры пористой системы и анализ процессов в условной неоднородной среде, которая здесь представляется столь сложной, что детали вообще не могут быть рассмотрены. [c.276]

Выявление влияния погрешностей исходных величин, входящих в расчетные формулы, на погрешность конечного результата является одной из основных задач статистической обработки данных. Как правило, в физико-химических расчетах фигурируют функции нескольких аргументов, значения каждого из которых подвержены влиянию случайных источников ошибок. Общим приемом оценки таких влияний погрешностей отдельных переменных на значение искомой функции (хих2,. .., х ) является расчет величин Длгь. .., Ал , характеризующих колебания результата вычислений в зависимости от значений Ахи Дхг,. .., Ахп [9]. Суммарная величина А/ [c.15]

Для Al можно использовать усилитель переменного тока, и, следовательно, необходимо иметь прерыватель возбуждающего света такой частоты, на которую настроен усилитель. Такая схема имеет несколько преимуществ. Во-первых, нет необходимости в схеме для компенсации темнового тока, так как постоян-кая составляющая темнового тока не проходит через усилитель. Во-вторых, прибор нечувствителен к случайному свету, который может частично проникать в кюветпое отделение монохроматора флуоресценции. В-третьих, прибор будет регистрировать коротко-живущую флуоресценцию, но не будет регистрировать долго-живующую фосфоресценцию, если не помещать прерыватель в пучок фосфоресценции вместо пучка возбуждающего света. Одпако такая схема имеет и недостатки. Один из них — это необходимость включать в оптическую схему прерыватель, а другой— это то, что половина возбуждающего света бесполезно теряется в процессе прерывания света и общая чувствительность уменьшается. Можно, однако, установить прерыватели в обоих пучках, и в этом случае прибор можно использовать и как спектрофлуориметр, и как спектрофосфориметр (раздел 111,-Н,1). В этом случае последний недостаток устраняется. [c.209]

Дробовой эффект. Явление термоэлектронной эмиссии используется в электронных лампах, получивщих очень широкое применение в радиотехнике. Одна из выполняемых этими лампами функций — усиление слабых переменных токов и напряжений. Усилительная схема состоит обычно из целого ряда звеньев, называемых отдельными каскадами схемы. Подведённое к сетке электронной лампы первого каскада переменное напряжение последовательно усиливается в каждом следующем каскаде и на выходе усилителя достигает значений, легко регистрируемых обычными приборами и вполне достаточных для приведения в движение мембраны телефона или громкоговорителя. Общий коэффициент усиления схемы в целом зависит от числа каскадов и путём увеличения этого числа, казалось бы, мог бы быть доведён до сколь угодно больших значений, допускающих приём сколь угодно слабых сигналов. Однако вместе с усилением сигнала происходит и усиление всех сопровождающих его помех и всех случайных колебаний, возникающих в цепи сетки первой и последующих усилительных ламп. Изучение природы этих случайных колебаний привело к открытию специфического явления, имеющего место при термоэлектронной эмиссии, названного дробовой эффект [240, 159]. [c.120]

Справочник химика 21

Химия и химическая технология