
- •Федеральное агентство воздушного транспорта
- •Вероятностно-статистические модели эксплуатации летательных аппаратов
- •Редактор л.Е. Паталова
- •Введение
- •Раздел 1. Формирование вероятностно-статистических моделей объектов эксплуатации летательных аппаратов
- •1.2. Законы распределения непрерывных случайных величин, используемые при формировании вероятностно-статистических моделей
- •2. Параметрические и непараметрические модели оценки вероятностно-статистических характеристик объектов эксплуатации
- •2.1. Формирование параметрических моделей оценки случайных характеристик объектов
- •2.2. Проверка соответствия выбранной модели экспериментальным данным с помощью критериев согласия
- •2.3. Формирование непараметрических моделей оценки случайных характеристик объектов эксплуатации
- •2.4. Непараметрические критерии согласия
- •3. Точечная и интервальная оценка характеристик случайных величин объектов эксплуатации
- •3.1. Точечная оценка характеристик случайных величин
- •3.2. Интервальная оценка характеристик случайных величин. Доверительные границы
- •3.3. Определение доверительных границ для различных законов распределения
- •3.4. Прогнозирование случайных характеристик по времени работы
- •4. Дискретные вероятностно-статистические модели объектов эксплуатации
- •4.1. Использование законов распределения дискретных случайных величин
- •4.2. Законы распределения дискретных случайных величин, используемые при формировании вероятностно-статистических моделей
- •4.3. Модели приемочного контроля
- •4.4. Определение оперативных характеристик контроля
- •4.5. Формирование моделей статистического контроля по альтернативному признаку
- •Раздел 2. Вероятностно-статистические модели процессов эксплуатации летательных аппаратов
- •5. Случайные процессы. Классификация случайных процессов
- •5.1. Процессы эксплуатации как случайные процессы
- •5.2. Классификация случайных процессов
- •5.3. Марковские случайные процессы
- •5.4. Пуассоновский процесс
- •6.2. Стационарные случайные процессы
- •6.3. Вероятностно-статистические модели на основе непрерывных Марковских процессов Определение и основные уравнения для непрерывных Марковских процессов
- •6.4. Анализ модели изменения параметров объектов.
- •7. Однородные конечные цепи Маркова
- •7.1. Определение однородной конечной цепи Маркова
- •7.2. Графическое отображение конечной цепи Маркова
- •7.3. Эргодическая цепь Маркова
- •8. Дискретные Марковские процессы с непрерывным временем
- •8.1. Потоки событий
- •8.2. Дифференциальные уравнения Колмогорова. Предельные вероятности состояний
- •8.3. Решение системы алгебраических уравнений предельных вероятностей состояний с помощью математического пакета Mathcad
- •Решение системы алгебраических уравнений с помощью встроенной функции find
- •9. Полумарковские процессы эксплуатации
- •9.1. Определение и основные свойства полумарковских процессов эксплуатации
- •9.2. Основные соотношения для полумарковских моделей
- •9.3. Примеры моделей полумарковских процессов эксплуатации
- •10. Модели процессов восстановления
- •10.1. Понятие восстановления. Классификация процессов восстановления
- •10.2. Модели процессов восстановления
- •10.3. Характеристики процессов восстановления
- •0 TBt
- •Раздел 3. Модели идентификации объектов и процессов эксплуатации ла
- •11. Анализ временных рядов показателей объектов и процессов эксплуатации
- •11.1. Временные ряды показателей эффективности процессов эксплуатации
- •11.2. Анализ временных рядов. Компонентные составляющие временного ряда
- •11.3 Выбор кривой сглаживания значений исходного ряда
- •12. Модели корреляционно-регрессионного анализа показателей объектов и процессов эксплуатации
- •12.1. Понятие корреляции и регрессии
- •12.2. Модели корреляционного анализа
- •12.3. Модели регрессионного анализа
- •12.4. Использование метода наименьших квадратов для формирования линейной модели регрессии
- •12.5. Нелинейная регрессия
- •Использование системы Mathcad для построения
- •13. Модели эксплуатации на основе метода динамики средних
- •13.1. Сущность метода динамики средних
- •13.2. Математическое описание метода динамики средних
- •13.3. Примеры применения уравнений динамики средних для решения эксплуатационных задач с использованием системы Mathcad
- •Коэффициенты для распределения Вейбулла
- •Значение гамма - функции
- •Значения (критерий Колмогорова)
- •Коэффициенты для определения доверительных границ среднего квадратического отклонения
- •Литература
- •Раздел 1. Формирование вероятностно-статистических моделей объектов эксплуатации летательных аппаратов ……………………………………………….4
- •Раздел 2. Вероятностно-статистические модели процессов эксплуатации летательных аппаратов………………………………………………………………...42
- •Раздел 3. Модели идентификации объектов и процессов эксплуатации ла…………………………………………………………………………………77
3.2. Интервальная оценка характеристик случайных величин. Доверительные границы
Точечные оценки, рассмотренные в предыдущем пункте, дают приближенное значение истинной случайной величины, сама же выборочная характеристика U является случайной величиной.
С
некоторой вероятностью
(уровень значимости) случайные значения
величиныU
попадут в некоторый интервал вокруг
истинного значения
(рис. 3.1 а) :
.
(3.7)
Правомерна
и обратная постановка задачи: определить
интервал около вычисленной характеристики
U,
который накроет истинное значение
(рис. 3.1 б):
.
(3.8)
Рис. 3.1
Оценка, которая определяется двумя числами – концами интервала, покрывающего оцениваемый параметр, называется интервальной оценкой.
Интервал
от
до
имеет случайные концы и носит названиедоверительного
интервала,
а вероятность
называется
доверительной вероятностью (или уровнем
доверия).
Один
конец интервала, определенный соотношением
,
называется нижней доверительной, другой
конец -
- называется верхней доверительной
границей. Доверительные границы
определяют интервал, в котором с
достаточно высокой вероятностью
находится
значение
.
Если
,
то величина
будет находиться в интервале от
до бесконечности с вероятностью
:
.
(3.9)
Если
,
т.е.
=0
, то величина
будет не больше
,
или, другими словами, находится в
интервале от 0 до
с вероятностью
:
.
(3.10)
Выражения
(3.9) и (3.10) определяют односторонние
доверительные границы для характеристики
.
Односторонние доверительные границы
применяются в тех случаях, когда надо
убедиться, что одна случайная величина
строгобольше
другой (или строго меньше
другой).
Двусторонняя
доверительная вероятность
есть вероятность нахождения истинного
значения
между нижней и верхней доверительной
границами:
.
(3.11)
Двусторонние доверительные границы применяются в тех случаях, когда при сравнении двух случайных величин представляют одинаковый интерес как положительные, так и отрицательные разницы между изучаемыми величинами.
Имеет место соотношение:
.
(3.12)
В
частном случае, когда
,
уравнение (3.12) записывается в виде:
.
(3.13)
Величина (ширина) доверительного интервала характеризует точность выборочной оценки исследуемой характеристики, а именно, чем меньше эта величина, тем точнее выборочная оценка. Доверительная вероятность характеризует достоверность полученной интервальной оценки.
3.3. Определение доверительных границ для различных законов распределения
Доверительные границы определяются в зависимости от вида закона распределения исследуемой случайной величины.
Для
случая нормального
распределения
доверительные границы определяются по
критерию Стьюдента.
В соответствии с распределением Стьюдента
отклонение выборочной средней
от
математического ожидания
при наличии выборки объемаn
равно:
.
(3.14)
Для нижней доверительной границы математического ожидания на основании формулы (3.8) получаем:
.
(3.15)
Соответственно для верхней доверительной границы имеем:
,
(3.16)
где
-
выборочное среднеквадратическое
отклонение (3.4). В формулах (3.15) и (3.16)
-
коэффициенты Стьюдента, помещенные в
табл. П.8. Вход в таблицу производится
по значению двухсторонней вероятности
и
величине степени свободыk=n-1.
Например, имеется статистический
материал с
n=25
и принято
=0,95.
По таблице дляк=24
и заданного
определяем
=2,064.
По выборке определяем
по формуле (3.1), несмещенную дисперсию
по формуле (3.3) и среднеквадратическое
отклонение
по
формуле (3.4). Окончательно по формулам
(3.15) и (3.16) определяем нижнюю и верхнюю
доверительные границы. Иногда в случае
нормального распределения необходимо
знать не только доверительные границы
математического ожидания, но и
доверительные границы среднеквадратического
отклонения. Нижняя и верхняя границы
значения среднеквадратического
отклонения соответственно равны:
;
(3.17)
.
(3.18)
Коэффициенты
и
определяются
по табл. П.9, вход в которую производится
по величине доверительной вероятности
и
числу степеней свободыk=n-1
Для экспоненциального
распределения
с параметром распределения
,
который равен обратной величине
математического ожидания, его опытное
значение равно:
,
(3.19)
где
- значение случайной величины в выборке
объемомn
.
Доверительные границы
параметра λ находятся по формулам:
;
(3.20)
,
(3.21)
где
значения величин
и
определяются по табл. П.10 а и П.10 б, вход
в которые производится по доверительной
вероятности
и
числуm,
означающему,
например, число испытаний, при каждом
из которых произошел отказ, или число
отказов при заданном числе испытаний.
Во втором случае определяется вероятность
отказа и ее доверительные границы.
Так, если при n одинаковых опытах с невосстанавливаемыми изделиями получено m отказов, то нижняя и верхняя границы вероятности отказов будут равны:
;
(3.22)
,
(3.23)
где r1 и r2 определяются по табл. П.10 а и П.10 б.
Если случайная величина x имеет распределение Вейбулла с параметрами a и b, то, как это было показано в п. 1.23, закон распределения имеет вид:
.
Сравнивая
эту формулу с формулой для экспоненциального
распределения (1.9), можно заметить, что
случайная величинаимеет
экспоненциальное распределение с
параметром
.
Зная
из эксперимента значения,
можно определить
по формуле (3.1) и
по
формуле (3.4). По величине коэффициента
вариации
из
табл. П.4 определяем величиныв
и
.
По
значению параметра в
определяем значения
:
.
По
аналогии с формулой (3.19) для экспоненциального
распределения среднее значение
равно :
,
(3.24)
откуда
. (3.25)
Так
как для распределения Вейбулла
,
то
.
(3.26)
Учитывая,
что
и
учитывая выражения (3.20) и (3.21) для нижней
и верхней доверительных границ для
,
получаем:
;
(3.27)
,
(3.28)
где
и
как и для экспоненциального распределения
определяются по табл. П.10 а и П.10 б.
Если
случайная величина t
имеет
гамма-распределение,
то для плотности вероятностей в форме
(1.20) параметрами этого распределения
являются
иm,
причем m
известно, а
определяется из опыта.
Выборочная средняя равна
.
(3.29)
Среднеквадратическое
отклонение величины
равно:
.
(3.30)
Распределение
величины
приближенно нормальное, поэтому для
доверительных границ можно записать
выражения:
;
(3.31)
,
(3.32)
где
- квантили нормального распределения,
определяемые по табл. П.3.
Для
неизвестного параметра
справедливы соотношения:
;
(3.33)
;
(3.34)
,
(3.35)
где
величина
определяется по табл. П.3.
Для
случая логарифмически-нормального
распределения (1.2.5) приближенно можно
записать
и
,
тогда формула для логарифма математического
ожидания исходной случайной величиныy
имеет вид:
.
(3.36)
Приближенно
можно считать, что
распределен
нормально, тогда для доверительных
границ можно записать:
;
(3.37)
,
(3.38)
где
величина
определяется по табл. П.3.