Cтраница 1
Статистические описания позволяют решать лишь задачи определения оптимальных условий в уже созданном реакторе ( оптимальное управление), но не задачи оптимального проектирования. Так, для решения задач оптимального проектирования с помощью статистических описаний требуется экспериментальное изучение влияния размеров аппарата на результаты в довольно широком интервале и в связи с этим - создание значительного числа опытных установок. Совершенно очевидно поэтому, что статистическими описаниями в этом случае пользоваться не следует. [1]
Статистическое описание основано на обработке экспериментальных данных. Исследуемый объект характеризуется вектором факторов, определяющих целевую функцию или выходные параметры. Планируя эксперимент, набираются данные для определения коэффициентов зависимости между входными и выходными параметрами процесса. Имеется, по существу, бесконечное число вариантов установления такой зависимости на основе статистического анализа. Основная трудность заключается в выборе вектора состояния, элементы которого действительно характеризовали бы поведение реального процесса, а также в получении зависимости, допускающей не только интерполирование, но и экстраполирование решения за пределы области определения коэффициентов этой зависимости. [2]
Статистическое описание этих отклонений представляется естественным: если установленные нормы соблюдаются не всегда, то с какой же вероятностью. Понимание вероятности в данном случае весьма неоднозначно. [3]
Статистические описания позволяют решать лишь задачи оптимального управления ( определения оптимальных условий в уже созданном реакторе), но не оптимального проектирования. Так, для решения задач оптимального проектирования с помощью статистических описаний требуется экспериментальное изучение влияния размеров аппарата на результаты процесса в довольно широком интервале и в связи с этим - создание значительного числа опытных установок. Поэтому совершенно очевидно, что статистическими описаниями в этом случае пользоваться не следует. [4]
Статистическое описание газа осуществляется функцией распределения f ( t q p) молекул газа в их фазовом пространстве. Обозначим через dr dqdp элемент объема фазового пространства молекулы; dq и dp условно обозначают соответственно произведения дифференциалов всех координат и всех импульсов. [5]
Статистическое описание зернистого слоя должно учитывать области, не занятые твердыми частицами. [6]
Статистическое описание циклизации цепей на ранних стадиях выделения сополимера [140] проведено в предположении о точечном размере химического узла. [7]
Статистическое описание туристической деятельности включает два взаимосвязанных потока информации: со стороны спроса и со стороны предложения. [8]
Статистическое описание явления разрушения достигается в данном случае сравнительно простыми средствами, так как экспериментальные распределения пределов прочности и долговечности удовлетворительно аппроксимируются с помощью двухпараметрической формулы распределения Вей-булла. [9]
Рассмотрим теперь статистическое описание амплитудно-фазовых флуктуации волны. [10]
Дано статистическое описание рельефа поверхности планеты и его эволюции на основе аналогии процессов формирования рельефа со случайными движениями броуновской частицы в молекулярной теории газов. Основанием служит наблюдаемая обратно квадратичная форма пространственного спектра рельефа поверхности, что указывает на стохастическую природу процесса. Оценены дисперсия рельефа и среднеквадратичная разность высот, отвечающие определенной временной шкале формирования особенностей морфологии поверхности планеты, и потребная для этого мощность. [11]
Рассмотрим сперва статистическое описание функций Грина в приближении параболического уравнения. [12]
Для статистического описания такого квантового объекта естественно ввести матрицу плотности для ансамбля одинаковых систем, т.е. фактически атомов со сходным поведением. При таком подходе все атомы ведут себя однотипным образом, а любая мгновенная волновая функция j / ( r, t) многих атомов может рассматриваться как случайный набор волновых пакетов, вероятностные характеристики которых описываются кинетическим уравнением для функции распределения и дополнительным уравнением для формы и размеров волновых пакетов. [13]
Для статистического описания систем, состоящих из одинаковых по своей природе микрообъектов, необходимо учитывать еще одно весьма важное свойство последних. Это свойство с помощью обычных моделей нельзя представить вполне наглядно, хотя грубо можно изобразить как способность частицы вращаться вокруг собственной оси. Из общего курса известно, что на основании опытов Штерна и Герляха ( 1921) по расщеплению потока атомов в неоднородном магнитном поле на два пучка Юленбек и Гаудсмит ( 1925) впервые высказали гипотезу о существовании спина электрона. Эта гипотеза вскоре получила количественное подтверждение в дальнейших исследованиях, и наличие спина электрона было затем теоретически обосновано в работах Дирака. [14]
Для статистического описания хрупкого разрушения предложены три модели, каждая из которых приводит к своей функции распределения: нормальное распределение, гамма-распределение и третье асимптоматическое распределение наименьших значений. Хотя аналитические выражения для этих трех функций совершенно различны, они не всегда легко различимы при использовании небольшого числа данных. Поэтому в большинстве случаев ограничиваются третьим асимптотическим распределением наименьших значений, которое следует из модели наислабейшего звена: разрушение образца в целом определяется локальной прочностью его наиболее слабого элемента объема. [15]