Cтраница 3
Точность предлагаемого ДАФ характеризуется средним квадратом ошибки фильтрации R M Y ( k) - Y ( k) 2, определение которого опирается на решение задачи статистического анализа дискретных нелинейных систем. Однако, несмотря на сложность определения среднего квадрата ошибки R, следует отметить, что для вычисления R необходимы только априорные данные. Поэтому точность фильтра может быть определена заранее в процессе его проектирования. [31]
При обработке экспериментального материала данную систему наблюдений над случайной величиной принято рассматривать как случайную выборку из некоторой гипотетической генеральной совокупности, которая представляет собой совокупность всех мыслимых наблюдений над случайной величиной при данных условиях эксперимента. Задача статистического анализа состоит в том, чтобы оценить параметры генеральной совокупности по результатам данной случайной выборки с учетом того элемента неопределенности, который вносится ограниченностью экспериментального материала. Поэтому в статистическом анализе все время приходится проводить четкое разграничение между выборочными параметрами и параметрами генеральной совокупности. [32]
Многомерные системы авгимагмческого управления з оишг-м IN час имеют нескслько входов п несколько выходов. Задача статистического анализа динамических систем такого вида сводится к задаче статистического анализа динамических систем, со многими входами н одним выходом. [33]
С ранный материал может представлять несомненный интерес сам но себе. Однако задача статистического анализа данных наблюдений заключается в том ( и в этом состоит его сложность), что на основании конечного числа данных приходится делать выводы ( и оценивать их достоверность) относительно более широкого круга явлений. [34]
При решении задачи статистического анализа систем со случайными параметрами мы использовали прием разложения случайных обратных матриц в выражениях для стохастических матричных операторов (2.19), (2.20), (2.55), (2.56), (2.64), (2.65), (2.86) в матричные ряды, что позволяет упростить осреднение этих обратных матриц. [35]
Часто случайный характер свойств системы или их изменения во времени в малой степени сказываются на значениях обобщенных координат системы; тогда можно считать, что система имеет неслучайные параметры. Это существенно упрощает задачу статистического анализа. Но в ряде случаев случайный характер свойств системы может оказать существенное влияние на характер протекания случайных процессов в системе и тогда его необходимо учитывать. Обсуждению возможностей и методов такого учета и посвящен настоящий параграф. [36]
Во второй части книги приведены работы, посвященные применению АВМ. В третьей части предлагаются задачи статистического анализа, оптимизации, обработки данных и др. Приведенные в практикуме работы рассчитаны на применение серийно выпускаемых машин. [37]
В большинстве практически важных случаев для описания работы систем достаточно знать первые две момент ные функции выходного сигнала. Поэтому считаем, что задача статистического анализа заключается в определении математического ожидания и корреляционной функции сигнала на выходе системы. [38]
Методы статистического анализа точности нелинейных САУ чаще всего связывают с приближенными методами вычислений, основанными на методах математической статистики. Применение аппарата математической статистики в задачах статистического анализа нелинейных систем основано на анализе случайных выборок. [39]
Процесс статистического анализа, использующий в своей основе теорию выборочного метода математической статистики и предполагающей построение выборки (9.52), называют методом статистических испытаний. Этот метод часто используют в задачах статистического анализа точности нелинейных систем. [40]
Рассматривается применение методов математической статистики в исследовательских работах. Детально излагается планирование эксперимента, исходя из задач статистического анализа. Рассматриваются условия, при которых можно получить максимальную информацию при минимальной стоимости экспериментальных работ. Дается теоретическое обоснование статистических методов анализа и в частности дисперсионного анализа. [41]
Примером автоматизированного рабочего места статистика является АРМ, разработанное в Московском экономико-статистическом институте. Оно представляет широкие возможности для автоматизированного решения задач статистического анализа в диалоговом режиме. АРМ статистика имеет следующую структуру: ввод исходных данных; первичная обработка; корреляционный анализ; регрессионный анализ; многомерный статистический анализ; дисперсионный анализ; анализ временных рядов; непараметрическая статистика; изменение параметров. [42]
Книга подчинена совершенно определенной цели: ускорить практичен ское освоение Фортрана, который в настоящее время чрезвычайно широко применяется при решении научных и инженерных задач. В ней рассматривается более 30 различных по сложности задач численного, нечисленного и статистического анализа, а также задач из области финансовых расче-тов. Тщательно прослеживаются все фазы решения каждой задачи: постановка, составление алгоритма и блок-схемы, программирование на Фортране, анализ результатов после выполнения программы. [43]
Упомянутые недостатки общих методов сделали актуальной проблему создания новых методов анализа стохастических систем, таких, которые сочетают преимущества упомянутых подходов и ориентированы на решение практических задач исследования сложных технических систем. Оказалось, что в ряде случаев можно упростить задачу статистического анализа за счет уменьшения полноты получаемых вероятностных характеристик, тем более что такое полное решение как, например, определение многомерной плотности вероятностей, для большинства практических задач, в том числе задач анализа и синтеза систем управления, не требуется. [44]
Многомерные системы авгимагмческого управления з оишг-м IN час имеют нескслько входов п несколько выходов. Задача статистического анализа динамических систем такого вида сводится к задаче статистического анализа динамических систем, со многими входами н одним выходом. [45]