Cтраница 1
Статистические методы обработки позволяют по данным тест-измерений прогнозировать процент выхода годных схем на стадии контроля электрических характеристик структур на пластине. [1]
Статистические методы обработки кривой отклика могут быть распространены на случай соизмеримых значений х и Я и ввода трассера в любой участок колонны. [2]
Статистические методы обработки кривой отклика могут быть распространены на случай соизмеримых значений jc и Я и ввода трассера в любой участок колонны. [3]
Статистические методы обработки и анализа геологического и геолого-промыслового материала Получили особенно широкое развитие начиная с 60 - х годов. В работах Б.Т. Баишева, Ю.П. Борисова, Л.Ф. Дементьева, З.К. Рябининой, М.М. Саттарова, Е.И. Семина и других показаны возможности практического применения различных методов математической статистики при решении разнообразных задач нефтепромысловой геологии и разработки нефтяных месторождений, подсчета запасов, обоснования кондиционных значений параметров, оценки взаимовлияния различных факторов на процесс нефтеизвлечения и т.п. Ряд работ специально посвящен исследованию с помощью статистических методов влияния различных природных и технологических факторов на нефтеотдачу продуктивных пластов. [4]
Статистические методы обработки промысловых данных ( дисперсионный, корреляционный и регрессионный анализы, методы распознавания образов и др.) дают возможность выявить влияние различных факторов на процесс бурения и получить аналитические выражения, связывающие эти факторы с основными показателями процесса. [5]
Статистические методы обработки опытных данных при составлении уравнений типа ( 342) позволяет использовать не только р, и, Т, но и теплоемкости, энтальпию, энтропию, теплоту испарения и другие свойства исследуемого рабочего тела. [6]
Типовые статистические методы обработки опытных данных имеют самостоятельное значение, а также широко используются при планировании эксперимента. [7]
Используя статистические методы обработки кривых откликаfбыли рассчитаны значения первого начального и второго центрального моментов. По величине второго центрального момента исследуемый аппарат находится ближе к аппаратам идеального вытеснения, в то время как аппараты псевдо-ожиженного слоя принято описывать моделью идеального смешения. [8]
Изложены статистические методы обработки оперативно-диспетчерской информации для идентификации коэффициентов в расчетных моделях. [9]
Указываются статистические методы обработки экспериментальных данных с использованием скалярных инвариантов, что позволяет уменьшить объем контрольных данных. Эти методы полезны при установлении корреляции и анализе данных о прочности, полученных в экспериментах для различных ориентации материала; используемые здесь скалярные инварианты представляют собой удобный и компактный набор табулируемых параметров, которые легко применять при проектировании конкретных элементов конструкций. [10]
Рассмотрим подробнее статистические методы обработки данных, которые в настоящее время наиболее разработаны и широко применяются. При этом целесообразно рассмотреть три основные группы методов: классические ( традиционные), робастные и непараметрические. [11]
При этом используют статистические методы обработки экспертной информации, поскольку оценки отдельных экспертов можно рассматривать как независимые реализации случайной величины. [12]
Они основаны на статистических методах обработки экспертных оценок сходства между анализируемыми объектами, которые выбираются из определенной шкалы. Результаты обработки представляются в виде точек некоторого координатного пространства. [13]
В первых четырех главах рассматривались статистические методы обработки экспериментальных данных, предназначенные для построения эмпирических зависимостей. Это дает возможность перейти к рассмотрению принципиально нового подхода к экспериментированию, который состоит в том, что в каждом опыте варьируют одновременно все независимые переменные ( факторы) по специальному плану. [14]
Эффективным дополнением к гидродинамическому анализу оказываются статистические методы обработки реальных данных разработки месторождений, позволяющие изучать зависимость нефтеотдачи от различных факторов по промысловым данным. Ниже в качестве примера для решения данной задачи рассматриваются два метода: метод ранговой корреляции и определение информативности признаков по Кульбаку. [15]