- •2. Методика построения уравнения регрессии для двух переменных факторов с помощью графоаналитического метода при изучении параметров тушения пожаров.
- •2. Матрица полного факторного плана 22 и его геометрическое толкование в натуральных и нормализированных обозначениях. Расчет коэффициентов уравнения регрессии пфп – 22 .
- •1. Роль коэффициента Фишера в научных исследованиях оперативно-тактических действий пожарных подразделений. Привести примеры.
- •2. Свойства матрицы планирования полного факторного плана типа 2к, используемого для исследования оперативно-тактических действий пожарных подразделений.
- •1. Технология оперативно-тактических действий по развертыванию насосно-рукавных систем по транспортированию раствора и подачи пены.
- •2. Методика определения коэффициентов уравнения регрессии при проведении экспериментов с дублированными опытами при планировании дробного многофакторного эксперимента типа 2 к-1.
- •1. Методика построения матрицы планирования многофакторного эксперимента типа пфп – 22 для исследования оперативно-тактических действий пожарных подразделений при дублировании опытов.
- •2. Роль коэффициента Стьюдента в изучении параметров оперативно тактических действий пожарных подразделений. Привести примеры.
- •1. Методика построения матрицы дробного многофакторного эксперимента без дублирования опытов для исследования оперативно – тактических действий пожарных подразделений.
- •2. Понятие истинного значения измеряемой статистической величины и его определение при изучении параметров оперативно – тактических действий.
- •7.1. Методика оптимизации технологического процесса оперативно-тактических действий с использованием микроэлементных нормативов. Привести примеры.
- •7.2. Методика использования графо-аналитического метода при изучении параметров оперативно-тактических действий при организации спасательных работ.
- •8.1. Оценка эффективности пожарного оборудования с использованием методов математической статистики (на примере двух устройств).
- •8.2. Методика подбора участников экспериментов для исследования элементов оперативно-тактических действий по развертыванию насосно-рукавных систем.
- •9.1. Оптимизация оперативно-тактических действий. Математическая модель оптимизации для двух исполнителей.
- •9.2. Обоснование истинного значения затрат времени при изучении оперативно-тактических действий.
- •10.1. Методика перевода математической модели на основе дробных факторных планов с кодированными значениями факторов в модель с натуральными значениями факторов. Привести пример.
- •10.2. Методика подбора исполнителей для проведения экспериментов для исследования элементов оперативно-тактических действий.
- •11.1. Методика проверки адекватности математической модели на основе в – планов 2 – го порядка реальному процессу.
- •11.2. Построение уравнения регрессии на основе метода наименьших квадратов. Привести пример.
- •12.1. Основы методики оптимизации оперативно-тактических действий пожарных подразделений с использованием микроэлементных нормативов. Привести пример.
- •12.2. Методика перевода математической модели, построенной на основе полных факторных планов с кодированными значениями факторов в модель с натуральными значениями факторов.
- •13 (1) Технология оперативно-тактических действий пожарных подразделений при транспортировании и подаче воды на пожаре при неблагоприятных условиях.
- •17(1). Методика моделирования умственно-зрительной работы и вычислительных действий с использованием микроэлементных нормативов при принятии управленческих решений при проведении отд.
- •17(2). Роль корреляционной зависимости в исследовании оперативно-тактических действий пожарных подразделений. Методика определения коэффициента корреляции.
- •18(1). Методы моделирования перемещения пожарного оборудования с использованием микроэлементных нормативов. Привести пример.
- •18(2). Методика определения доверительного интервала для определения истинного значения определяемой величины.
- •19(1). Методика построения интервального вариационного ряда. Частости и накопленные частости.
- •19(2) Методика определения количества измерений и интервалов между измерениями при исследовании оперативно – тактических действий.
19(1). Методика построения интервального вариационного ряда. Частости и накопленные частости.
Вариационные ряды – ряды распределения единиц совокупности по признакам, имеющим количественное выражение, т. е. образованы численными значениями.
Вариационные ряды по строению делятся на:
Дискретные (прерывные) – основаны на прерывных вариациях признака. Это такие ряды, где значения вариант имеют значения целых чисел (т. е. не могут принимать дробные значения). Дискретные признаки отличаются друг от друга на некоторую конкретную величину.
Интервальные (непрерывные) – имеют любые, в том числе и дробные количественные выражения и представлены в виде интервалов. Непрерывные признаки могут отличаться один от другого на сколь угодно малую величину.
Вариационные ряды имеют два элемента:
варианта (x)
частота (f)
Варианта – отдельное значение варьируемого признака, которое он принимает в ряду распределения.
Частота – численность отдельных вариант или каждой группы вариационного ряда. В некоторых случаях применяется частость. Частоты, выраженные в % или долях процента, называются частостями и рссчитываются как отношение локальной частоты варианты к сумме накопленных частот.
Накопленная частость- сумма частостей.
Пусть в результате наблюдений или опытов исследователь получил некоторые статистические данные - статистическую совокупность, -численно характеризующие свойства объекта исследования. Статистические данные могут состоять из длинного ряда сотен и даже тысяч чисел. Чтобы извлечь из них полезную информацию, исследователь должен систематизировать эти данные, то есть привести их в какой-то порядок. Для этого отдельные наблюдения, совпадающие по величине или не очень отличающиеся друг от друга, объединяют в группы. При этом исследователь отмечает, какое количество наблюдений попадает в ту или иную группу. В результате получается относительно короткий ряд данных, который называется статистическим рядом.
для получения статистического ряда необходимо весь диапазон изменения случайной величины разделить на к интервалов. Обычно используют 10–20 интервалов, а сами интервалы берутся одинаковой длины h. В этом случае длины всех интервалов вычисляют по формуле:
Где уmax и ymin - максимальное и минимальное значения случайных величин выборки, k-количество интервалов.
Далее определяется количество m наблюдений, попавших в каждый i-й интервал. Количество m наблюдений, попавших в какой-либо интервал, называют частотой.
приведен статистический ряд, получившийся в результате группирования 140 замеров временных параметров выполнения одного из видов развертывания насосно-рукавных систем для транспортирования и подачи огнетушащих веществ с использованием насосной установки мобильного средства пожаротушения. Минимальная время 400 с (ymin = 400 с), а максимальная -1300 с (уmax =1300 с). Следовательно, весь диапазон изменения случайных величин выборки равен 1300 - 400 = 900с. Этот диапазон разбит на 18 интервалов, т. е.
длина каждого интервала равна
Количество значений времени заключённых между 400 и 450 с, равняется 4; между 450 и 500 с - 8 и т. д. Как видим, результаты наблюдений, содержащие 140 замеров, удалось при помощи статического ряда представить в компактной и удобной для дальнейшего анализа форме.
Статический ряд можно изображать графиком, который называется гистограммой. Гистограмма состоит из примыкающих друг к другу прямоугольников, основание которых равно длине интервала h, а высота соответствует числу элементов выборки, попавших в данный интервал.
Результаты 140 временных параметров ,с
Частота mi представляет собой количество наблюдений, соответствующих данному наблюдению для дискретной переменной для сгруппированного ряда или число наблюдений, попавших в данный интервал для интервального ряда. Значение соответствующей частоты, деленной на объем выборки характеризует частость попадания xi в частичные интервалы.
