Случайная проба

Cтраница 1

Случайные пробы X определяются re - мерным нормальным законом распределения N ( X ], ot), где Х - математическое ожидание этого распределения, соответствующее наилучшей оценке глобального экстремума на i - м шаге; о - дисперсия. В памяти алгоритма, таким образом, на каждом шаге хранятся Х, Ql и а, которые изменяются следующим образом. [1]

Поведение приращения показателя качества при перестройке вектора памяти по дискретному алгоритму. [2]

Пусть случайные пробы Et определяются точками на поверхности тг-мерной гиперсферы, а сама эта гиперсфера несколько выдвинута в направлении вектора памяти W. Тогда образованные таким образом случайные направления имеют тенденцию в сторону W, причем эта тенденция тем сильнее выражена, чем на большую величину выдвинута гиперсфера вдоль вектора памяти W. Описанная схема образует алгоритм с направляющей сферой. [3]

Способы отбора случайной пробы очень сильно различаются в зависимости от агрегатного состояния вещества, от способа его хранения и общего его количества. [4]

Общее количество случайных проб зависит от числа неизвестных, требуемой точности искомых величин и заданной вероятности получения оптимума. Поиск прекращается, когда число испытанных точек достигает расчетного. Точку с наибольшим ( наименьшим) значением функционала считаем оптимальной. [5]

При использовании метода случайных проб практически невозможно поддерживать список упорядоченным. [6]

Почему же метод случайных проб позволяет получить существенно лучшие результаты. [7]

В данном случае метод случайных проб состоит в том, что производится серия опытов, состоящая в выборе случайных значений параметров элементов и определении ( работоспособности триггера при этих параметрах. [8]

Эти выражения полностью определяют направление случайной пробы. [9]

Эти выражения полностью определяют направление случайной пробы. [10]

Структура координатной сетки ЕМАР с примерами 3 -, 4 - и 7-кратного увеличения. [11]

Эта рандомизация превращает пробы систематической сетки в случайные пробы. Предложенная плотность базовой сетки составляет приблизительно одна точка на 635 км2 ( рис. 3), что дает приблизительно 12600 точек в 48 штатах и 2400 точек и 26 точек соответственно на Аляске и Гавайях. [12]

Существо метода Монте-Карло состоит в получении статистического материала путем случайных проб. [13]

Некоторыми окружными ветеринарными инстанциями ГДР были проведены анализы случайных проб отдельных компонентов промышленных кормов. При этом наибольшее внимание уделялось импортируемым партиям, так как история обработки их агрохимикатами почти неизвестна. Среди отдельных компонентов промышленных кормов особый интерес представляет рыбная мука в связи с тем, что водные организмы, как известно, накапливают прежде всего хлорорганичес-кие инсектициды. В литературе приводятся очень высокие показатели накопления хлорорганических инсектицидов водными организмами. Результаты, полученные с помощью полуколичественного метода ( тонкослойная хроматография), вопреки ожиданию, очень благоприятны, но они, несомненно, должны быть подкреплены дальнейшими исследованиями. Так, было проанализировано на содержание ДДТ 12 проб рыбной муки из разных стран. Минимальное содержание 0 01 мг / кг, максимальное ( мука из Норвегии) - 1 0 мг / кг, среднее-0 2 мг / кг. [14]

Положительные стороны непрерывного контроля лучше всего проявляются при его сравнении с программой случайных проб. Этот пункт является прагматическим решением, основанным на допущении, что три замера должны представить более надежный показатель, чем одно измерение, и самым важным является то, что затраты на программу экстенсивных измерений неприемлемы. В принципе, три измерения должны быть статистически обработаны, хотя на практике это не рассматривается как основное необходимое требование для приемлемости статистической оценки ( репрезентативности случайных проб, статистической независимости отдельных измерений) и обычно не выполняется. Более того, широко варьирующие условия эмиссии и экстремальные ситуации производственных нарушений регистрируются в недостаточной степени Подобных неудобств можно избежать при использовании непрерывного мониторинга, который предоставляет достаточно данных для статистических оценок и гарантирует сведение к минимуму недопустимых состояний производств, являющихся результатом либо неожиданных, либо намеренных сбоев производственных циклов. Ясность показаний позволяет считать непрерывный мониторинг выбросов одной из наиболее эффективных и надежных независимых стратегий контроля загрязнения атмосферы. [15]

Страницы: 1 2 3 4