Cтраница 1
Рассматриваемое испытание широко применяют при анализе моторных топлив и более ограниченно при анализе смазочных масел. В первом случае испытание проводят, чтобы предотвратить применение топлива, которое может оказать разрушающее действие на металл в карбюрационной и то-пливоподающей системе двигателя внутреннего сгорания. Во втором случае испытание проводится для предупреждения возможности коррозии смазываемых частей машин. [1]
Рассматриваемые испытания, очевидно, удовлетворяют схеме Бернулли. [2]
Проводя рассматриваемые испытания, нужно иметь в виду, что хорошие результаты получаются лишь при ровном непрерывном дутье. Чтобы достигнуть такого дутья, необходимо путем упражнения научиться дуть, дыша в то же время носом. [3]
Программа рассматриваемых испытаний и объем проводимых измерений зависят от типа котла ( прямоточный, барабанный), его конструктивных особенностей ( системы экранирования топки, конструкции и компоновки поверхностей нагрева), типа установки ( моноблок, дубль-блок, установки с поперечными связями) и поставленных задач. [4]
Элементарный исход рассматриваемых испытаний описывается парой ( MI, WE), где он - элементарный исход в первом, 0) 2 - элементарный исход во втором испытаниях. Интуиция подсказывает, что для равновероятных и независимых исходов ai e е QI и о) 2 е Q2 элементарные исходы со ( MI, а2) также должны быть равновероятными. [5]
Для использования результатов рассматриваемых испытаний необходимо, чтобы технология изготовления образца, основной материал пластины, металл шва и острота надрезов были такими же, как в реальной конструкции. Особое значение придается глубине надреза, поэтому, как было проиллюстрировано выше на примере низколегированной стали, для определения зоны максимального охрупчивания и, следовательно, требуемой глубины надреза необходимо провести предварительные исследования. [6]
Основные технические характеристики наиболее приемлемых для рассматриваемых испытаний и исследований термометров сопротивления представлены в табл. III-4, там же указан тип градуировки. [7]
Статистическая вероятность усредненно характеризует всю длинную серию рассматриваемых испытаний в целом. Если речь идет о статистической вероятности, полностью лишено смысла говорить о вероятности наступления события в каждом отдельном испытании. Должная устойчивость частоты, как и любой другой вид статистической устойчивости, к сожалению, не вытекает с непреложностью из стабильности контролируемых условий эксперимента. [8]
Оно возможно лишь при определенной симметрии, рассматриваемого испытания. [9]
Случайная величина имеет биномиальное распределение, так как рассматриваемые испытания удовлетворяют схеме Бернулли. [10]
Несмотря на большое разнообразие методов и средств измерения, применяемых при рассматриваемых испытаниях, общая методика их проведения сохраняется во всех случаях. Ее можно проследить на простейшем примере, когда оценке подлежит только один параметр испытуемого объекта, что, как указывалось, имеет место при испытании дискретных мер. Если оставить в стороне требования к внешнему виду, материалу и качеству обработки таких мер, то единственной метрологической характеристикой является действительное значение меры. Поэтому для оценки качества испытуемых мер необходимо исследовать распределение отклонений отдельных мер от номинала. [11]
На этой диаграмме показана полоса разброса, в пределы которой попадают 80 % данных рассматриваемых испытаний. Однако для построения такой диаграммы необходимо испытать образцы при четырех или пяти уровнях напряжений, а также при уровнях, близких к пределу выносливости. Таким образом, для построения кривых усталости для данного элемента конструкции и данного типа цикла нагружения необходимо не менее 20 одинаковых образцов. [12]
Во многих случаях вероятность рассматриваемого случайного события может быть подсчитана, исходя из анализа рассматриваемого испытания. [13]
Разделив М ( А) на N, мы получим частоту появления события А в рассматриваемых испытаниях. [14]
В теории вероятностей рассматривают абстрактные модели подобного рода реальных испытаний; вероятность понимается как идеальная мера возможности появления событий, распределенная между всеми событиями поля; чем ббльшая вероятностная мера приходится на данное событие, тем больше возможность его появления в рассматриваемом испытании. [15]