Cтраница 2
Рассмотрим решение задачи статистического анализа устойчивых стационарных нелинейных замкнутых систем с использованием метода статистической линеаризации. Как и ранее, полагаем, что нелинейный элемент имеет однозначную нечетную характеристику. [16]
На практике многие задачи статистического анализа решаются с помощью хотя и не оптимальных, но технически легко реализуемых квазиоптимальных операторов. [17]
ОКП используется при решении задач статистического анализа производства, структуризации экономической информации по видам продукции для маркетинговых исследований и снабженческо-сбытовых операций. [18]
Существующие различные методы решения задач статистического анализа нелинейных динамических систем можно разделить в общем случае на точные и приближенные. К точным методам относятся такие, которые в принципе позволяют отыскать вероятностные характеристики исследуемых случайных процессов, определяющие их полностью в статистическом смысле: n - мерные функции плотности распределения вероятностей или характеристики моментов высших порядков. Приближенное решение характеристических уравнений для соответствующих вероятностных распределений или моментов обусловливает множество приближенных методов анализа. [19]
ППП САП предназначен для решения задач статистического анализа и прогнозирования параметров исследуемых процессов. Пакет функционирует в двух режимах: автоматическом и пользователя. В автоматическом режиме производится выбор наиболее эффективного метода для построения и анализа той или иной модели. В режиме пользователя метод построения и анализа модели задается пользователем. Выбор конкретной стратегии решения той или иной задачи осуществляется с помощью управляющих операторов входного языка пакета. [20]
При обработке результатов экспериментов часто встречаются задачи статистического анализа серий данных. [21]
Получение зависимости ( 248) представляет собой задачу статистического анализа систем управления. Следовательно, дополнительным этапом решения рассматриваемой задача оптимизации является задача отыскания экстремума функции Q по варьируемым параметрам системы. [22]
Число элементов выборки. [23] |
Говоря о применении метода статистических испытаний в задачах статистического анализа нелинейных систем, следует рассматривать вопрос о сходимости вычисляемых статистик к реальным статистическим характеристикам и точности определения выборочных средних и выборочной ковариационной матрицы. [24]
Схема формирую. [25] |
Понятие формирующего фильтра оказывается удобным и полезным при рассмотрении задач статистического анализа систем управления, так как позволяет от рассмотрения системы с произвольным случайным входным сигналом перейти к рассмотрению системы, на вход которой действует белый шум. [26]
Тем не менее проблема стандартизации методов прикладной статистики для решения задач статистического анализа технологических процессов и качества продукции является весьма актуальной по ряду причин. [27]
Применяя изложенный в § 1.6 метод к операторным уравнениям, соответствующим разностным уравнениям (2.5.1), (2.5.6) и (2.5.7), получим решение задачи статистического анализа. [28]
Рассмотренные методы анализа точности САУ, на входе которых действуют стационарные случайные сигналы, и решенные иллюстративные примеры указывают на сравнительную простоту задач статистического анализа линейных стационарных систем в установившемся режиме и в переходном процессе. [29]
В работе [34] приведены подпрограммы, которые не нашли отражения в работах [29, 30], в частности подпрограммы, с помощью которых можно решать задачи статистического анализа и синтеза сложных систем. Например, подпрограммы: решения систем обыкновенных дифференциальных уравнений; моделирования дискретных реализаций случайных процессов по заданным корреляционным функциям и математическим ожиданиям; анализа стохастических систем методом Монте-Карло; оптимизации некоторыми методами детерминированного поиска; оптимизации некоторыми методами случайного поиска; оптимизации методом стохастической аппроксимации. [30]