Cтраница 1
Неравноточность таких групп измерений объясняется различием неисключенных систематических погрешностей. [1]
Веса pi призваны учитывать неравноточность отдельных измерений в смысле погрешностей модели и других составляющих полной погрешности. [2]
Независимо от конкретного алгебраического подхода, с точки зрения учета неравноточности используемых экспериментальных данных все методы анализа ранга матриц можно разделить на две группы. [3]
Выбор в качестве весов величин сг2 ( tu) позволяет учесть неравноточность наблюдений. Получаемые на основе квадратичной формы (2.3) оценки параметров называются марковскими. Они более эффективны, чем оценки, определяемые при произвольно выбранных весах. [4]
Оценки коэффициентов а и 6 получают методом наименьших квадратов с учетом неравноточности наблюдений по всем усредненным результатам анализа всех проб при их различных разбавлениях, с различными добавками. Оптимизация степени разбавления и величин добавок может быть проведена по алгоритму синтеза точных оптимальных планов эксперимента. Для микро - ЭВМ Электроника ДЗ-28 составлена программа обработки результатов наблюдений, удобная при исследованиях методики способом разбавление - добавление. [5]
Это выражение применимо к нашему случаю потому, что несмотря на попарную неравноточность наблюдений L - и / -, полученные разности w / между собой равноточны. [6]
Знание вероятности Q позволяет с вполне определенной степенью уверенности делать заключения о равноточ-ности или неравноточности приборов на основе полученных экспериментальных данных. [7]
Результаты выполненных расчетов, а также анализ табл. 1 и 2 показывают, что неучет неравноточности значений InKm может приводить к значимому смещению оценок неизвестных параметров A. ST и ДЯг, а также ухудшает адекватность модели ( 3) - ( 6) как преобразованным ( 10), так и первичным ( 7) экспериментальным данным. [8]
Три последних метода, приведенных в табл. 6.4, являются наиболее строгими, так как наряду с неравноточностью значений функции учитывают неравноточность значений аргумента. Именно эти три метода обеспечивают наилучшее соответствие с экспериментальными данными и именно им следует отдавать предпочтение при возможности обработки данных на ЭВМ. [9]
Три последних метода, приведенных в табл. 6.4, являются наиболее строгими, так как наряду с неравноточностью значений функции учитывают неравноточность значений аргумента. Именно эти три метода обеспечивают наилучшее соответствие с экспериментальными данными и именно им следует отдавать предпочтение при возможности обработки данных на ЭВМ. [10]
ДЯ, аДЯ, Z) J, полученные с применением преобразованной целевой функции ( 10) при учете неравноточности значений 1ойГт, и аналогичные результаты, полученные при использовании исходной целевой функции ( 7), практически совпадают. Это указывает на несущественность влияния типа распределения параметров оптимизации целевых функций ( 7), ( 10) на свойства оценок величин Д5г, ДЯг, поскольку неравно-точность значений ln / Tm компенсировалась введением в критерий ( 10) весовой функции ( 12), тогда как отклонение распределения значений 1пКт от нормального никак не учитывалось. [11]
Три последних метода, приведенных в табл. 6.4, являются наиболее строгими, так как наряду с неравноточностью значений функции учитывают неравноточность значений аргумента. Именно эти три метода обеспечивают наилучшее соответствие с экспериментальными данными и именно им следует отдавать предпочтение при возможности обработки данных на ЭВМ. [12]
Распределение величины t должно быть, очевидно, то жег что и соответственной величины для равноточных измерений, так как все изменения, связанные с неравноточностью в ее структуре, уже учтены. [13]
Однако в практике геодезических измерений средняя квадра-тическая ошибка не всегда бывает известна, поэтому вес результата измерения или вычисления определяется в таких случаях по тем факторам, которые явились причиной неравноточности. [14]
Погрешности расчетов и оптимизационных исследований, результаты которых используются в качестве исходной или промежуточной информации, вследствие: необходимости аппроксимации многочисленных табличных и графических ( экспериментальных или статистических) данных; неравноточности моделирования одних и тех же объектов при решении задач разного охвата и масштаба; ограниченных возможностей и погрешностей существующих математических методов и вычислительных средств. [15]