Статистические методы в управлении качеством. Ефимов В.В. - 35 стр.

UptoLike

Составители:

Рубрика:

показателей процесса, рассчитанных в приведенном уравнении на какие-то

постоянные условия обработки. Эти постоянные условия заложены в посто-

янный множитель k. К динамическим факторам резания относятся темпера-

тура резания, износ режущей кромки резца, вибрации элементов технологи-

ческой системы и др. Возможный график стохастической зависимости объе-

ма материала от глубины резания имеет вид, отраженный на рис. 2.15.

Такого рода статистическая зависимость между переменными величина-

ми называются корреляционной. Корреляционная зависимость возникает

тогда, когда один из признаков зависит не только от второго, но и от ряда

случайных факторов или условий, от которых зависят оба фактора. Корреля-

ционные связи не могут рассматриваться как свидетельство причинно-

следственной зависимости. Они свидетельствуют лишь о том, что изменения

одного признака, как правило, соответствуют определенному изменению

другого. При этом неизвестно, находится ли причина изменений в одном из

признаков или она оказывается за пределами исследуемой пары признаков

[17].

Виды корреляционных связей между измеренными признаками могут

быть линейными и нелинейными, положительными или отрицательными.

Варианты корреляционных связей отражены на рис. 2.16 (а − г). Возможна

также ситуация, когда между переменными невозможно установить какую-

либо зависимость (рис. 2.16 г). В этом случае говорят об отсутствии корреля-

ционной связи. С целью выявления характеристик корреляционных зависи-

мостей применяют корреляционный анализ.

Прежде чем начать исследование парной стохастической зависимости,

необходимо убедиться, что массив данных характеризует наличие только

двух переменных, корреляционные связи которых надо раскрыть. То есть на-

до проанализировать собранную информацию на предмет расслоения дан-

ных измерения, проверить возможность вмешательства в одну из перемен-

ных дополнительного стратифицирующего фактора.

Q, см

s, мм

Рис. 2. 15. Стохастическая зависимость переменных Q

и s. 1 – линия регрессии