Раздел 2

средние квадратические отклонения

а_?= >,019194 =0,1385 м³; 25= 9,91с.

Таблица 2.2

Результаты наблюдений

Номер наблю­дений	9хл, м3	'№ с	Номер наблю­дений	?хл, м3	1№ с	Номер наблю­дений	Я™, м3	с
1	0,29	18	8	0,44	31	15	0,53	34
2	0,43	24	9	0,36	26	16	0,66	55
3	0,55	27	10	0,52	37	17	0,64	38
4	0,58	38	11	0,33	22	18	0,29	25
5	0,64	45	12	0,41	38	19	0,61	49
6	0,74	46	13	0,61	42	20	0,71	40
7	0,53	41	14	0,49	31	21	0,71	48

Коэффициент корреляции по формуле (2.36) равен r_ql = 0,8485.

Его значение свидетельствует о достаточно тесной связи между объ­емом хлыста и временем цикла.

Таблица 2.3

Результаты вычислений

п	9хл	А	'ц	Яхя 'и	п	?хл	А	'в	?хл'ц
1	0,29	0,0841	18	5,22	12	0,41	0,1681	38	15,58
2	0,43	0,1849	24	10,32	13	0,61	0,3721	42	25,62
3	0,55	0,3025	27	14,85	14	0,49	0,2401	31	15,19
4	0,58	0,3364	38	22,04	15	0,53	0,2809	34	18,02
5	0,64	0,4096	45	28,80	16	0,66	0,4356	55	36,30
6	0,74	0,5476	46	34,04	17	0,64	0,4096	38	24,32
7	0,53	0,2809	41	21,73	18	0,29	0,0841	25	7.25
8	0,44	0,1936	31	13,64	19	0,61	0,3721	49	29,89
9	0,36	0,1296	26	9,36	20	0,71	0.5041	40	28,40
10	0,52	0,2704	37	19,24	21	0,71	0,5041	48	34,08
11	0,33	0,1089	22	7,26	I	11,07	6,2193	755	421,15

На примере экспериментальных данных, приведенных в табл. 2.2,

применим метод наименьших квадратов для выявления линейной зависи-

II. iiiiifuM информация для моделирования

73

мости вида t_u = а + bq_xn. Для этого производим ряд вычислений, сведен­ных в табл. 2.3.

В соответствии с формулой (2.37) имеем

f21a+l 1,076 = 755;

1,07а +6,216 = 421,15. (3.39)

Решив эту систему уравнений, получаем: а = 4,14; 6 = 60,3.

Таким образом, искомое уравнение имеет вид

V=4,15+60,3q„. (3.40)

Построив график уравнения (3.40), можно убедиться, что прямая приходит через поле точек, разделяя его примерно пополам.

Для углубленной проработки рекомендуем [19, 32].

2.4.3. ОБРАБОТКА СТАТИСТИЧЕСКОЙ ИНФОРМАЦИИ В КОМПЬЮТЕРНЫХ ПРОГРАММНЫХ СРЕДАХ

Изложенные выше теоретические положения и методики обработки it"чи гической информации, полученной в ходе различных эксперимен-

, ревизуются в различных математических программных средах. К ним

и шея Excel, Mathcad, Maple [33-35] и другие. Однако перечисленные

• ремы лишь частично используют методики статистических процедур об-

mi случайной величины и определения статистических зависимостей.

I ак, например, в них не предусмотрена возможность сравнения теоретиче- miMi распределения с эмпирическим и, соответственно, выбор или под-

I наиболее подходящего распределения к реальным данным и пр.

11олностью отвечают требованиям ГОСТа по обработке статистиче- |п . минных лишь специализированные программные среды, например, I \ KIRAPHICS или STATISTICA [36]. Наибольшее распространение в

• -i.p.имккс статистических результатов получила последняя из названных I pr I Поэтому далее приводится пример компьютерной обработки и йыП| ipa шкона распределения в среде STATISTICA.

И результате наблюдений за работой ВПМ ЛП-19 получена выборка жим! null ирсмени цикла объемом п, равным 192. Наблюдения проводн­иц I при запасе на гектар, равном 275 м³, и среднем объеме хлыста, рав- ним (I ' I м'. Последовательность обработки наблюдений в математической ч риммной среде STATISTICA представлена на рис. 2.5-2.8. Анормаль-

р. iv иматы исключаются лицом, принимающим решение (ЛПР), по- i I | ним сравнения рассчитанного им же критерия Греббса и его таблич- н ния, при программном пересчете статистических оценок.

74