Статистическое моделирование и системный анализ технологических процессов: учеб. пособие / А. Н. Плотников. <...> В главе 1 излагаются общие вероятностные основы и рассмотрены наиболее употребительные выборочные статистики нормальных совокупностей, в том числе порядковые статистики. <...> В главах 3-5 рассмотрены модели функционирования контрольных, измерительных процессов, основы теории массового обслуживания и схемы статистического регулирования технологических процессов. <...> 3
3
8
Очень важную роль при анализе CB играют ее числовые характеристики, позволяющие определить ее положение на числовой оси,
величину рассеивания – степень случайности и форму рассеяния. <...> Гипергеометрическое распределение в наглядной интерпретации представляет собой распределение числа черных шаров в
случайной выборке или без возвращения из корзины (числа дефектных
единиц при выборочном контроле партии штучной продукции). <...> Числовые характеристики биномиального распределения имеют вид: μ Х = nq ; σ 2Х = nq(1 − q ) . <...> Плотность распределения и числовые характеристики CB X,
связанной с CB Z отношением X=σZ+μ , имеют следующий вид:
m − nq
nq (1− q )
z
1
+ Ф0 ( z ) , где Ф0 ( z ) – функция Лапласа,
2
или интеграл вероятностей, определяется уравнением
располагаются на числовой оси настолько тесно, что ряд в функции
распределения можно заменить интегралом:
1
− z k2
2
1
2π
представить в виде F ( z ) =
−
При этом дискретные точки нормированной CB Ζ m =
1 2
1 −2z
e
, называется
2π
плотностью распределения стандартной нормальной случайной величины. <...> Задача установления закона распределения и числовых характеристик функций от случайных величин представляет собой один из
основных элементов статистического моделирования. <...> Преобразованием FX−1 получается выборка
из совокупности с ФР
FX . <...> 15
Апостериорные условные вероятности гипотез Р(Нk/A), то есть
правдоподобие гипотез при условии, что событие А зафиксировано,
определяются по формуле вероятностей правдоподобия гипотез
Байеса <...>
Статистическое_моделирование_и_системный_анализ_технологических_процессов.pdf
ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ
ГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ
ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ
"САМАРСКИЙ ГОСУДАРСТВЕННЫЙ АЭРОКОСМИЧЕСКИЙ УНИВЕРСИТЕТ
имени академика С.П. КОРОЛЕВА"
УДК 519.21
ББК 22.171
П 396
Рецензенты:
д-р физ.-мат. наук, проф. А. Ф. К р у т о в
д-р техн. наук, проф. В. Д. Ю ш и н
Плотников А. Н.
П 396 Статистическое моделирование и системный анализ технологических
процессов: учеб. пособие / А. Н. Плотников. – Самара: Издво
Самар. гос. аэрокосм. ун-та, 2008. – 155 с.
А.Н. ПЛОТНИКОВ
СТАТИСТИЧЕСКОЕ МОДЕЛИРОВАНИЕ
И СИСТЕМНЫЙ АНАЛИЗ
ТЕХНОЛОГИЧЕСКИХ ПРОЦЕССОВ
Утверждено Редакционно-издательским советом университета
в качестве учебного пособия
ISBN 978-5-7883-0687-2
Содержит краткое изложение вероятностных основ статистических
методов в контексте их практического использования при анализе качества и
надежности продукции машиностроительного производства. В главе 1 излагаются
общие вероятностные основы и рассмотрены наиболее употребительные
выборочные статистики нормальных совокупностей, в том числе порядковые
статистики. Основная часть посвящена системам случайных величин и
типам их взаимодействий. В главе 2 даны основы дисперсионного анализа и
теории планирования эксперимента. В главах 3-5 рассмотрены модели функционирования
контрольных, измерительных процессов, основы теории массового
обслуживания и схемы статистического регулирования технологических
процессов. В качестве иллюстраций приведены примеры статистических
экспериментов по методу Монте-Карло, реализованные в пакете Mathcad-2001,
которые могут быть использованы для аудиторного и самостоятельного
лабораторного практикума по различным приложениям теории вероятностей.
Пособие
предназначено для студентов специальностей «Стандартизация
и сертификация» и «Управление качеством», а также других специальностей.
УДК 519.21
ББК 22.171
ISBN 978-5-7883-0687-2
САМАРА
Издательство СГАУ
2008
1
2
© Плотников А. Н.
© Самарский государственный
аэрокосмический университет, 2008
Стр.1
ОГЛАВЛЕНИЕ
Введение..................................................................................................5
Глава 1. Теоретические основы статистического моделирования
случайных процессов............................................................. 10
1.1. Преобразования случайных величин и сущность
метода Монте-Карло...........................................................10
1.2. Системы случайных величин..............................................13
1.3. Закон совместного распределения выборочных
значений................................................................................27
1.4. Выборочные оценки параметров распределения..............30
Глава 2. Основы теории планирования эксперимента.......................44
2.1.Факторы эксперимента. Понятие об эффекте фактора….44
2.2. Аппарат дисперсионного анализа......................................48
2.3. Планы со смешиванием эффектов и дробные
многофакторные планы.......................................................58
2.4.Планы эксперимента для исследования
поверхности отклика……………………………………….69
Глава 3. Системный анализ контрольных и измерительных
процессов..................................................................................81
3.1. Модель функционирования системы контроля.................81
3.2. Принцип накопления и анализа информации. Оценка
эффективности контроля.....................................................87
3.3. Сущность процесса измерения и основные элементы
измерительной системы.......................................................92
3.4. Модель функционирования измерительной системы.......95
3.5. Модель функционирования измерительной системы
при приемке по допуску.....................................................100
Глава 4. Основы теории надежности технологических
и информационных систем...................................................102
4.1. Потоки случайных событий и их свойства......................102
4.2. Парадокс инспекции и смежные вопросы........................109
4.3. Очереди и задачи обслуживания.......................................112
3
4
Глава 5. Статистическое моделирование случайных процессов......125
5.1. Модели процессов с непрерывным приращением..........125
5.2. Анализ схем статистического регулирования ................129
5.3. Выборочные оценки числовых индексов воспроизводимости............................................................................138
Список
литературы...............................................................................144
Приложения...........................................................................................145
Приложение I. Алгоритмы Монте-Карло, эксперементальные
и расчетные значения инвариантов структуры серий
в последовательной выборке……………………………..…145
Приложение II. Таблица распределения Кохрэна.................151
Приложение III. Таблица распределения выборочного
размаха................................................................................…..153
4.4. Статистическая оценка параметра показательного
закона...................................................................................122
Стр.2
ВВЕДЕНИЕ
1. Исходным понятием теории вероятностей является случайное
событие – событие, которое может произойти или не произойти при
воспроизводимой совокупности условий опыта (испытания, наблюдения).
Например, появление орла при бросании монеты, выпадение 11
очков при бросании двух игральных костей, попадание в поле допуска
размера очередной детали с автоматической производственной линии,
существенное улучшение состояния у группы больных после лечения
определенным препаратом и т.д. Из перечисленных примеров видно,
что каждое событие обладает некоторой степенью возможности. В
примере с монетой и игральными костями сразу можно решить, что
выпадение орла более возможно, чем выпадение 11 очков при бросании
двух игральных костей, а для анализа стабильности технологического
процесса или действия лекарственного препарата необходимо
иметь фактические результаты наблюдений. С понятием случайного
события связано другое фундаментальное понятие теории вероятностей
– понятие случайной величины (СВ). Под случайной величиной
понимается величина, которая в опыте с несколькими возможными
исходами может принимать то или иное значение. Например, число
очков при бросании игральной кости, частота появления «орла» в серии
повторных опытов с монетой, фактическое количественное значение
параметра при контроле и испытаниях промышленной продукции,
очередной результат в серии повторных измерений и т.д. Законом распределения
случайной величины называется любое правило (функция),
позволяющее однозначно определить вероятности возможных
значений случайной величины. Наиболее просто обстоит дело, когда
множество возможных значений случайной величины конечно либо
счетно и может быть отождествлено с пространством событий. Например,
появление любого из чисел от «1» до «6» при бросании игральной
кости равновероятно с вероятностью
6
р = 1 ; множество возможных
значений частоты появления «орла» при трех бросаниях монеты
составляет
р
3)
(1
= р
8
3) 3
(2
=
.
Очень важную роль при анализе CB играют ее числовые характеристики,
позволяющие определить ее положение на числовой оси,
величину рассеивания – степень случайности и форму рассеяния.
Важнейшей числовой характеристикой CB является ее среднее значение
или
M
X
[]=
∑
∞
i=1
Если под ( )xp
понимать дискретное распределение единичной
массы на тонком невесомом стержне, то среднее значение можно интерпретировать
как x – координату центра масс такой системы. Рассеивание
CB около своего среднего значения характеризуется дисперсией
[] [
D X = M X −
Х ] []−
2
2 = M X
Х =∑ kp xk −
2
2
k
стержня переменной плотности относительно перпендикулярной оси,
проходящей через точку
В механической интерпретации D [ ]X есть момент инерции
x M [ ]X=
ность, что и сама CB. Для более детального описания CB используют
4
также асимметрию []
[]
D X
S M X Х
x =
−
() 2/3
Для симметричного относительно
x = D [ ]X , которое имеет такую же размер3
и
эксцесс []
[]
D X
E M X Х
x =
Х
() 3 .
−
2
−
плотности распределения
Sx = 0 , Sx > 0 , если распределение быстрее стремится к нулю слева
от Х , и Sx < 0 – если справа. Эксцесс характеризует рассеивание CB
около среднего значения по сравнению с нормальной CB, у которой
Ex=0. Из определения M[X ] и D[X ] вытекают их следующие свойства:
5
6
.
Для большей наглядности рассеивание
CB характеризуют стандартным или средним квадратичным
отклонением (СКО)
Х .
2
xi pi =
математическое ожидание,
Х .
определяемой
как
v
⎩
⎨
= ⎧
3 ;1
3; 2
0;1
⎭
⎬
⎫
с вероятностями
p(0) = p
8 ,
(1) 1
=
μ
μ
μ
μ
μ
σ
μ
μ
μ
Стр.3