Модель - случайный процесс
Cтраница 2
Рассмотренный метод расчета показателей надежности с помощью моделей случайных процессов обладает определенными преимуществами перед моделированием на уровне случайных величин. Он может учесть изменение внешних воздействий по времени, например, падение мощности ГПА и уменьшение пропускной способности линейных участков в летний период. Метод допускает естественное обобщение на системы газоснабжения с подземными хранилищами как регуляторами сезонной неравномерности и как аварийными емкостями. В то же время метод не прошел практической проверки и остаются невыясненными вопросы о необходимом количестве реализаций и времени счета. В итоге именно скорость расчета будет служить главным критерием при выборе той или иной методики исследования надежности. [16]
Особенности метода статистических испытаний при биномиальной последовательной процедуре определяются лишь моделью случайного процесса, связанного с появлением дефектов и определяемого в данном случае биномиальным распределением, а также особенностями вычисления оценочных уровней. [17]
Составной частью общей проблемы цифрового моделирования является задача синтеза алгоритмов построения моделей случайных процессов, обладающих заданными статистическими характеристиками. Основные требования к моделям случайных процессов: адекватность свойств модели характеристикам исходного случайного процесса; экономичность, обеспечивающая незначительные затраты машинного времени и памяти; универсальность и гибкость, позволяющие осуществлять программное варьирование статистических характеристик моделей. [18]
Для руководящих материалов по статистическому регулированию технологических процессов рекомендуется разработать гамму моделей типовых случайных процессов, различающихся по степени корреляционной связи. Для типовых процессов должны быть определены автокорреляционные функции и приведены данные, необходимые для расчета границ регулирования процессов по упомянутым выше методам. При наличии таких материалов границы регулирования реального технологического процесса могут устанавливаться на основе сопоставления автокорреляционной функции этого процесса с функциями типовых процессов. [19]
Во-вторых, автокорреляционная функция часто позволяет аналитически вычислять спектральную плотность мощности для модели случайного процесса, описываемой только статистически. [20]
Легко видеть, что гармонический случайный процесс со случайной начальной фазой ( см. раздел Модели случайных процессов и вычисление характеристик этого процесса в разделе Корреляционные функции случайных процессов) является стационарным в широком смысле. [21]
 |
Интенсивность отказов как функция наработки.| Блок-схемы последовательной, параллельной, последовательно-параллельной н парадлелъно-последовательион систем. [22] |
Надежность восстанавливаемых элементов ( в общем случае - восстанавливаемых объектов) обычно описывают, используя модели случайных процессов. Рассмотрим, например, модель однородного пуассоновского потока с параметром ц, равным среднему числу отказов в единицу времени. [23]
Интегральные характеристики режимов определяются либо в результате статистической обработки данных измерений, либо специальными методами восстановления по заданным пределам изменения и интегральным параметрам, либо анали-тико-статистическими методами по характеристикам модели случайных процессов. [24]
Модели случайных процессов, правдоподобно отражая одни черты какого-то явления, часто являются бессмысленными в других отношениях. Следует это понимать и не напрягать модель выше пределов ее возможностей. [25]
Моделирование случайных процессов ( СП) играет большую роль в задачах проектирования измерительно-вычислительных комплексов и систем для автоматизации производственных процессов, так как позволяет проводить исследования в условиях, приближенных к реальным, эксплуатационным. При этом модели случайных процессов имитируют информационные сигналы на входах и выходах отдельных блоков измерительных каналов, а также отображают воздействие шумов и помех. [26]
Составной частью общей проблемы цифрового моделирования является задача синтеза алгоритмов построения моделей случайных процессов, обладающих заданными статистическими характеристиками. Основные требования к моделям случайных процессов: адекватность свойств модели характеристикам исходного случайного процесса; экономичность, обеспечивающая незначительные затраты машинного времени и памяти; универсальность и гибкость, позволяющие осуществлять программное варьирование статистических характеристик моделей. [27]
В книге [6] приводятся и результаты иных обработок. В целом выводы из модели случайного процесса находятся в неплохом согласии с экспериментальными данными. В рассматриваемой задаче технической физики такое согласие не разумеется само собой и даже довольно удивительно. [28]
Перед разбором теоремы об изоморфизме мы рассмотрим введенный Колмогоровым класс систем, который содержит сдвиги Бернулли, а условия принадлежности к нему могут быть высказаны в энтропийных терминах. Входящие в этот класс системы служат моделями случайных процессов, для которых выполняется закон нуля-единицы, и были некоторые основания считать, что он исчерпывается сдвигами Бернулли. [29]
Теория случайных процессов и ее применения возникли сравнительно недавно - уже в XX в. Основная мысль главы состоит в том, что сначала модели случайных процессов применялись статистиками к изучению динамики тех или иных экономических показателей. Поэтому хоть официально и не объявлено, что от применений теории случайных процессов в экономике ждать особенно нечего, но фактически это так. Для физики любой из этих уровней по-своему полезен. [30]
Страницы: 1 2 3