Cтраница 1
Разброс возможных значений У ввиду равной вероятности любого значения в пределах разрешающей способности может быть описан прямоугольным законом распределения погрешности ( фиг. [1]
В общем случае существует разброс возможных значений измеряемой величины от ср. [2]
Дисперсия даст возможность определить разброс возможных значений случайной величины вокруг математического ожидания, вызванный свойствами случайной величины или погрешностей измерений. Однако значение X - М ( Х) практического значения не имеет, а математическое отклонение случайной величины равно нулю вследствие компенсации положительных и отрицательных значений отклонений. Для устранения отмеченных недостатков принято рассматривать не сами отклонения, а их вторые степени. В этом случае большие отклонения сказываются на конечном результате оценки значительно больше, чем малые. [3]
Очевидно, что чем больше разброс возможных значений случайной величины от математического ожидания, тем больше дисперсия этой случайной величины. Из выражения ( 5) следует, что дисперсия есть математическое ожидание квадрата разности случайной величины и ее математического ожидания. [4]
Многократные измерения содержат информацию о разбросе возможных значений результата измерений и потому позволяют найти оценку дисперсии П если ее значение неизвестно. [5]
Покажем, что дисперсия минимальна при разбросе возможных значений только относительно математического ожидания. [6]
Подставляя минимальное и максимальное значения р из ( 7) в ( 3) вместо 6, получим 50 % - ный разброс возможных значений F. Еще большая неопределенность возникает при анализе других решеток в РП. [7]
Структура ресурсов для различных видов управления. [8] |
Выводы, которые можно сделать по результатам перспективного анализа, носят вероятностный характер, и чем дальше в будущее уходит горизонт прогноза, тем больше разброс возможных значений исследуемых характеристик. [9]
Чем лучше налажено производство, чем однороднее используемое сырье, материалы, комплектующие изделия, чем стабильнее внешние ( в том числе климатические) условия производства, тем меньше разброс возможных значений случайных величин, характеризующих продукцию. [10]
Частости распределения динами. [11] |
В настоящее время расчетная оценка долговечности деталей автомобиля методами теории случайных функций производится на основании центрированных стационарных функций, подчиняющихся нормальному закону распределения. При расчете необходимо оценить разброс возможных значений основного отклонения ( стандарта) 5 и средней частоты появления нулей п0 и экстремумов пэ процесса, обусловленных конечностью его реа-лизации. Обычно п0 и пэ определяют по корреляционным функциям процессов. [12]
Если неопределенность слишком велика, т.е. разброс возможных значений риска при данном х слишком велик для любого решения z, то можно поставить вопрос о получении дополнительной информации для принятия решения с целью уменьшения неопределенности. Чем больше дополнительной информации получено, тем меньше будут потери. Однако получение любой информации связано с затратами средств и времени, что приводит к увеличению потерь. Таким образом, получение дополнительной информации приводит, с одной стороны, к уменьшению ожидаемых потерь за счет возможных последствий принимаемого решения, а с другой стороны, к увеличению потерь за счет стоимости информации. Поэтому возникает задача определения оптимальной дополнительной информации, при которой суммарные ожидаемые потери минимальны. [13]
Подчеркнем, что любые статистики, будучи функциями исходных наблюдений, т.е. величин случайных, также являются случайными. Но разброс их возможных значений при повторных выборках значительно меньше разброса возможных значений отдельных наблюдений. [14]
Сравнивая это значение дисперсии со значением дисперсии для статического режима, которое равно 0 16 В2, видно, что дисперсия для динамического режима меньше, чем для статического. Причина этого заключается в том, что инерция СИ, представленная параметром Т, уменьшает разброс возможных значений результата измерения. [15]