Cтраница 1
Статистические задачи, возникающие при анализе параметрических систем, связаны, во-первых, с рассмотрением случайных колебаний, возникающих под действием стороннего шума ( при регулярной, например монохроматической, накачке), а во-вторых, с эффектами, обусловленными случайным характером самой накачки. [1]
Статистические задачи, связанные с флуктуациями и шумами в автоколебательных системах, весьма разнообразны. [2]
Статистические задачи, с которыми приходится сталкиваться при рассмотрении показателей или параметров, влияющих на эффективность системы, аналогичны задачам, встречающимся в любом статистическом исследовании. Необходимо соответствующим образом интерпретировать числовые показатели, что в данном случае означает необходимость их перевода на язык понятий, связанных с эффективностью системы. Например, система, готовность которой равна 90 %, может быть совершенно неудовлетворительной, тогда как другая система, готовность которой равна 80 %, может оказаться вполне приемлемой даже для выполнения той же задачи. Тогда при 80 % - ной готовности вероятность выполнения задания может оказаться более высокой, если в начальный момент система была исправна. [3]
Статистические задачи решаются наиболее просто, если имеется возможность использовать закономерности нормального закона распределения случайных величин. Наблюдения показали, что распределения значений твердости и предела текучести по штампу существенно асимметричны, а распределение значений твердости, выраженной в категориях, более симметрично и не противоречит гипотезе о нормальном распределении. Ниже рассматривается решение задачи относительно категорий как единиц измерения твердости. [4]
Статистические задачи, с которыми приходится сталкиваться при рассмотрении показателей или параметров, влияющих на эффективность системы, аналогичны задачам, встречающимся в любом статистическом исследовании. Необходимо соответствующим образом интерпретировать числовые показатели, что в данном случае означает необходимость их перевода на язык понятий, связанных с эффективностью системы. Например, система, готовность которой равна 90 %, может быть совершенно неудовлетворительной, тогда как другая система, готовность которой равна 80 %, может оказаться вполне приемлемой даже для выполнения той же задачи. Тогда при 80 % - ной готовности вероятность выполнения задания может оказаться более высокой, если в начальный момент система была исправна. Любой параметр невозможно интерпретировать в отрыве от других. [5]
Статистические задачи, связанные с цепями Маркова. [6]
Любая статистическая задача предполагает некоторую степень неопределенности модели случайного механизма. [7]
Очень трудная статистическая задача связана с включением в рассмотрение нерабочего времени и времени хранения. Эти два параметра совместно часто придают системе вид хорошей системы. Все же эта задача не столь важна, как задача правильного использования этих интервалов времени для улучшения эффективности системы. [8]
Статистическая задача построения допусков и ее приложения вытекают не из математических соображений, а из затруднений проектанта при выявлении распределения и его средней для каждой изготавляе-мой детали, причем всегда предполагается статистическая независимость каждой из частей от всех остальных. [9]
Очень трудная статистическая задача связана с включением в рассмотрение нерабочего времени и времени хранения. Эти два параметра совместно часто придают системе вид хорошей системы. Все же эта задача не столь важна, как задача правильного использования этих интервалов времени для улучшения эффективности системы. [10]
Популярной статистической задачей в рамках практики спектрального анализа является оценка значимости различия генеральных средних двух выборок. Обратим внимание на простейший случай, хорошо согласующийся с практикой анализа, когда небольшое число значений одной выборки ( 2 - 7 отсчетов) расположено ниже минимального ( выше максимального) значения другой выборки подобного объема. [11]
Последней обобщенной статистической задачей в экономическом анализе является сравнение структуры связей в разных совокупностях. Сравнения могут быть пространственные и временные. При пространственных сравнениях исследуются информационная емкость разных систем показателей и различия в структуре связей в разных совокупностях хозяйственных объектов. Такие сравнения позволяют оценить возможность перенесения выводов, сделанных на основе анализа одной совокупности, на другие совокупности, которые подобны первой по своей внутренней структуре. Временные сравнения выявляют тенденции изменения структуры связей в соответствии с развитием экономического явления. [12]
Одна статистическая задача теории обнаружения сигнала на фоне шума в многоканальной системе, приводящая к устойчивым законам распределения. [13]
Рассматриваемые ниже статистические задачи теории нелинейных волн в математическом плане, несомненно, относятся к наиболее сложным задачам статистической радиофизики. Поэтому в этой главе мы в полной мере используем математический аппарат, изложенный в гл. Наряду с усреднением аналитических решений ниже широко используются уравнения для средних, записанные в различных приближениях. [14]
Постановка статистических задач в теории распространения радиоволн в первую очередь была связана с распространением радиоволн в турбулентной атмосфере. С тех пор теоретическая и экспериментальная активность в этой области неизменно возрастали; новый класс статистических задач возник здесь в последние годы в связи с изучением распространения лазерных пучков в турбулентной атмосфере. [15]