Cтраница 2
Наиболее общий способ задать вероятности тех или иных аначений случайной величины любой природы, включая непрерывные величины, состоит в использовании функций распределения, которые могут быть представлены в графической форме или в виде явной функциональной зависимости, где аргументом всегда является значение или набор значений случайной величины, а функцией - величина вероятности для этих значений случайной величины или производная от нее. [16]
Наиболее общий способ задать вероятности тех или иных значений случайной величины любой природы, включая непрерывные величины, состоит в использовании функций распределения. Они могут быть представлены в графической форме или в виде явной функциональной зависимости, где аргументом - всегда является значение или набор значений случайной величины, а функцией - вероятность этих значений случайной величины или производная от нее. [17]
Весьма простым и эффективным методом учета влияния макронеоднородности пластов на процесс заводнения и конечную нефтеотдачу является метод, основанный на использовании функции распределения проницаемости, разработанный в работах Ю. П. Борисова [13], М. М. Саттарова [59], И. Ф. Куранова [39] и Б. Т. Баишева [2], а также в [88, 94, 99] и др. Согласно этому методу расчетная схема пласта представляется в виде комплекса однородных, различно проницаемых слоев одинаковой длины. [18]
Поэтому осреднение второго и третьего членов в (1.1) можно проводить в квази ламинарном приближении, а члены 1 и / 2 должны осредняться с использованием функции распределения плотности вероятности концентрации пассивной примеси. [19]
Следует подчеркнуть, что по формуле (3.14) можно рассчитывать параметр kr / jLTm не только для Оренбургского газоконденсат-ного и ему подобных месторождений и не только с использованием функций распределения по пласту концентраций неуглеводородных компонентов. Эту формулу можно применять для любого месторождения ( газового, нефтяного, водоносного) и с учетом функции распределения любого компонента, если мехнанизм его переноса - конвективный. [20]
Возможны два подхода к оценке влияния структуры потоков на время пребывания пара и жидкости на ступени разделения. Первый состоит в использовании функций распределения времени пребывания элементов потока в аппарате. В этом случае необходимо иметь модельную или экспериментальную кривую отклика на импульсное возмущение. При таком подходе предполагается наличие экспериментального объекта, что в большей степени подходит для анализа действующих процессов. [21]
Однако интерпретация действующих систем скольжения на основании текстурных данных далеко не всегда однозначна, особенно при исследовании материалов с высокой симметрией кристаллической решетки, например кубической. В связи с этим большой интерес при текстурных исследованиях представляет использование функции распределения кристаллографических ориентировок, позволяющих получать информацию о распределении зерен в трехмерном пространстве и подсчитывать долю различных идеальных ориентировок. [22]
Гидродинамика дисперсной фазы учитывает наличие циркуляционных течений. Вопрос обобщения результатов, полученных для одиночных пузырей решается о использованием бимодальной функции распределения пузырей по размерам, которая, как показывают теоретические в экспериментальные исследования, имеет место на контактных устройствах. [23]
В процессе производства вискозной целлюлозы наблюдается характерная рентгенограмма целлюлозы IV, которая имеет сходство с рентгенограммой целлюлозы I. Использование функций распределения [103] показало, что конформации цепей в целлюлозе I рами и целлюлозе IV рами более близки между собой, чем конформации цепей в препаратах целлюлозы IV, полученных из рами и вискозного шелка. Как и целлюлоза III, целлюлоза IVi отличается от целлюлозы IVn ИК-спектрами и интенсивностью рефлексов О & О. [24]
Величина ys представляет собой непосредственную меру неоднородности полимера. Указанная функция распределения оказывается, в частности, применимой для многих полимеров, но все же Юлландер [27] расширил границы применения описанного метода путем введения функций распределения с тремя параметрами, чтобы иметь возможность независимого измерения асимметрии и дисперсии. Использование трехпараметрических функций распределения Юлландера позволяет сберечь время и довольно широко применяется [28, 31, 34] при исследовании синтетических макромолекул; все же метод Юлландера не позволяет получить детальных характеристик распределения и оказывается абсолютно непригодным, если кривая распределения обладает более чем одним максимумом. [25]
Полными характеристиками случайных величин являются их функции распределения или плотности распределения вероятностей. Заметим, что при расчетах не всегда удобно пользоваться этими характеристиками, так как обычно их точные выражения неизвестны. Кроме того, расчеты с использованием функции распределения ( или плотности распределения) вероятностей часто оказываются весьма сложными или громоздкими. [26]
Пропускная способность является дискретной случайной величиной, поскольку состояния звеньев представляют собой целочисленные случайные величины. Однако число возможных состояний газопровода обычно так велико, что нереально пытаться определить все значения пропускной способности и отвечающие им вероятности. Поэтому иногда дискретное распределение заменяют непрерывным. В этих случаях формулы, основанные на использовании функций распределения или функции надежности, остаются справедливыми, а рядами распределений пользоваться нельзя. [27]
Было принято, что ED является степенной функцией расстояния от поверхности. Установлено, что показатель этой степенной функции равен четырем. Время контакта t остается в качестве переменной, хотя и обсуждается возможность использования функции распределения элементов поверхности по возрастам. Анализ, который связан в основном с изучением зависимости kc от D, показывает, что переход от модели проницания к модели турбулентного пограничного слоя происходит плавно с увеличением времени контакта. [28]
Одной из основных задач ЕМАР является определение необходимого значения ( порога) отдельных индикаторов, чтобы признать состояние ресурса хорошим или приемлемым. Субъективные прилагательные, такие как хороший, приемлемый, желательный, неповрежденный и неподверженный риску могут использоваться в описаниях в зависимости от контекста. В ЕМАР для обозначения желательного и нежелательного состояний наиболее общими являются термины номинал и субноминал. Если a priori точно известно, какое значение индикатора является пороговым между номиналом и субноминалом, процентное соотношение региональных классов ресурсов в каждой категории может быть легко выражено в виде гистограммы или круговой диаграммы. Тем не менее, на практике, первоначальные мнения по пороговым значениям могут быть различны и изменяться по мере накопления данных. Следовательно, важно знать распределение значений каждого индикатора реагирования для класса ресурсов. Рис, 4 показывает, как это будет выполнено в ЕМАР с использованием гипотетической функции распределения значений для индекса биотической полноты ( IBI), разработанного Карром и др. ( 1986), который описывает состав сообщества рыб в водотоках - региональном классе ресурсов. [29]
Экспериментальные точки, представляющие результаты фракционирования, часто разбросаны относительно плавной кривой при графическом представлении интегрального распределения. Подобный разброс обусловлен главным образом различиями весов получаемых фракций и эффективностью фракционирования. Как было показано в разд. IIIА 2, а, точность расчета кумулятивных весовых долей определяется степенью перекрывания кривых распределения фракций. Если вслед за фракцией малого веса получают фракцию с большим весом, то нарушается компенсация перекрывания и возникает разброс экспериментальных точек. Точно так же, если среди соседних фракций с менее широкими распределениями появляется фракция с более широким распределением, будет нарушена компенсация перекрывания. Указанный разброс экспериментальных точек зависит также от величины ошибки, возникающей при экспериментальном определении средних молекулярных весов этих фракций. При обработке данных такой разброс редко принимается за истинные выступы или впадины кривой интегрального распределения, и через эти точки проводят плавную кривую. Были предложены несколько методов, позволяющих избежать произвола при проведении подобных кривых и исключить графическое дифференцирование на следующей стадии получения дифференциальной кривой распределения. Все такие методы основаны на использовании функций распределения, которые описывают результаты фракционирования таким образом, что экспериментальные точки подчиняются линейной зависимости. [30]