Cтраница 1
Дисперсия ошибки измерения 297 Дифференциальные уравнения, коэффициенты и порядок 293, 294 Дифференцирование численное 295, 296 Достижимость 88 ел. [1]
Определить несмещенную оценку дисперсии ошибок измерений, если: а) длина измеряемой базы известна: Д; 375 м б) длина измеряемой базы неизвестна. [2]
Определить несмещенную оценку дисперсии ошибок измерений, если: а) длина измеряемой базы известна: х - 375 м; б) длина измеряемой базы неизвестна. [3]
Оказалось, что при дисперсии ошибки измерений 0 25 град2 имеются потери поиска, которые составляют 10 % от теоретически возможного повышения выхода аммиака ( при рассмотренном конкретном реакторе это означало 480 т NH3 / r [ 213, S. Подобные результаты были получены и при оптимизации других ХТС. [4]
Может показаться, что дисперсия ошибок измерения изменилась, превысив 5 % - ный уровень значимости. [5]
Gxx - спектральная плотность белого шума, а2 - дисперсия ошибки измерений переменной, для которой находится производная, а - коэффициент, размерность которого совпадает с размерностью интервала. [6]
При этом Gxx - спектральная плотность белого шума; о2 - дисперсия ошибки измерений переменной, для которой находится производная; а - коэффициент, размерность которого совпадает с размерностью параметра интервала. Таким образом, рассматриваемый способ обработки экспериментальных данных дает возможность с достаточной точностью определять давление насыщения пластовых смесей как в пористой среде, так и без нее. Это особенно важно, когда другие способы определения давления начала фазовых переходов ( визуальный, ультразвуковой и др.) не могут быть применены. [7]
Формула ( 406) показывает, что среднее количество информации о величине Y, получаемое на выходе измерительного устройства, зависит только от отношения дисперсии измеряемой величины Y к дисперсии ошибки измерения - помехи. [8]
Если же ошибки измерения представляют собой нестационарный случайный процесс, причем статистические характеристики его известны ( например, закон изменения дисперсии), то естественно обрабатывать измерения с учетом их веса, зависящего от дисперсии ошибки измерения. Такой учет в наиболее ясной форме проводится при оценке параметров по методу максимума правдоподобия. [9]
Коэффициент К ( k / N 1) выбирается, чтобы удовлетворить обычным для метода стохастической аппроксимации ограничениям. Отметим, что по постановке задачи необходимо знание дисперсии ошибок измерений, но не дисперсии входного шума системы. [10]
При отсутствии помех оптимальное значение у равно единице. Если же переменные измеряются с ошибкой, то оптимальное значение у в момент времени t меньше единицы и тем ближе к нулю, чем больше дисперсия ошибки измерения переменных и меньше ошибка вычисления коэффициентов. [11]
Ниже описывается метод коррекции, разработанный в проблемной лаборатории автоматики МЭИ, который позволяет оценить и устранить искажающее влияние ошибок измерения с учетом особенностей реальной ситуации. В основе метода лежат достаточно общие предпосылки, которые выполняются в большинстве практических случаев: предполагается, что ошибки измерения имеют нулевое математическое ожидание, не кор-релированы между собой и с независимой переменной, а также известна оценка ( или оценки - в многомерном случае) дисперсии ошибки измерения. [12]
Представляет интерес изучить некоторые асимптотические свойства обсуждаемых решений задачи синтеза. Предположим, в частности, что измерения величины у очень точны. Это значит, что дисперсия ошибок измерения этой величины мала. [13]
Так как в основе указанного метода лежит принцип максимума правдоподобия, то он обеспечивает математически достаточно сильный результат и в рамках выдвинутых предпосылок позволяет получить состоятельную, несмещенную оценку. Однако использование метода в практических ситуациях сильно затруднено из-за жесткости положенных в его основу предпосылок. С позиций экспериментатора случайные величины 8xg и Eg принципиально различны, поскольку оценку 02 дисперсии ошибки измерения 6 % можно получить априори, а оптимальную по своим свойствам оценку дисперсии а можно найти только после проведения полного регрессионного анализа, так так случайная величина гк есть результат действия всех неконтролируемых случайных факторов. [14]
Изложенная схема решения задачи идентификации отнюдь не является универсальной. Она обладает существенными ограничениями, связанными с теми допущениями, которые заложены в исходной постановке задачи. Перечислим наиболее важные с практической точки зрения ситуации, которые не укладываются в рамки рассмотренной схемы решения задачи идентификации: неизвестные параметры не являются постоянными, а плывут во времени; отсутствует априорная информация о дисперсии ошибок измерений; шум объекта и помехи измерений являются стационарными случайными процессами, отличными от белого шума; шум объекта является нестационарным случайным процессом; шум объекта и помехи измерений коррелированы. [15]