Управление качеством электронных средств - 46 стр.

UptoLike

ВУЗ: 

ТГТУ | Тамбов

Составители: 

Рубрика: 

Таблица 3
Первый способ Второй способ
Принимаемое решение
Расположение
доверительной области
Нулевая
гипотеза Н
0
,
показатель незначим
Альтернативная
гипотеза Н
1
,
показатель значим
Определяемая
вероятность
т
Pq
=
гипотеза Н
0
,
показатель
незначим
гипотеза
Н
1
,
показатель
значим
να
να−
λ=
=λ=λ<λ
,
,1гр
ˆ
να
να−
λ=
=λ=λ≥λ
,
,1гр
ˆ
(
)
()
λ≥λ=
=νλλ=λ=
−
ˆ
Bep
,,
ˆ
1т qp
P
α>
т
P
α
≤
т
P
να−να
λ=λ=
=λ>λ
,1,
гр
ˆ
να−
να
λ=
=λ=λ≤λ
,1
,гр
ˆ
(
)
()
λ<λ=
=νλ=λ=λ=
−
ˆ
Bep
,,
ˆ
1т qq
P
α<
т
P
α
>
т
P
νλ=νλ=
=λ<λ<νλ=
=νλ=λ
αα
−
α
−
α
,,
ˆ
,
,
22
1
в
гр
2
1
2
н
гр
νλ=νλ=
=λ≤λ
α
−
α
,,
ˆ
2
1
2
н
гр
или
νλ=νλ=
=λ≥λ
αα
−
,,
ˆ
22
1
в
гр
(
)
()
[]
λ<λ=
=νλ=
=νλ=
−
ˆ
Bep
,
ˆ
,
ˆ
1
т
p
p
p
pP
2
1
2
т
α
−<
<<
α
P
2
т
α
≤P
или
2
1
т
α
−≥P
8.2. ОБРАБОТКА И АНАЛИЗ РЕЗУЛЬТАТОВ МОДЕЛИРОВАНИЯ СИСТЕМ
После того как спланирован вычислительный эксперимент, необходимо предусмотреть меры по организации его
эффективной обработки и представления результатов. При выборе методов обработки существенную роль играют три
особенности эксперимента с моделью системы.
1. Возможность получать при моделировании системы на ЭВМ большие выборки позволяет количественно оценить
характеристики процесса функционирования системы, но превращает в серьезную проблему хранение промежуточных
результатов моделирования. Эту проблему можно решить, используя рекуррентные алгоритмы обработки, когда оценки
вычисляют по ходу моделирования, причем большой объем выборки дает возможность пользоваться при этом достаточно
простыми для расчетов на ЭВМ асимптотическими формулами.
2. Сложность исследуемой системы при ее моделировании на ЭВМ часто приводит к тому, что априорное суждение о
характеристиках процесса функционирования системы, например о типе ожидаемого распределения выходных переменных,
является невозможным. Поэтому при моделировании систем широко используются непараметрические оценки и оценки
моментов распределения.
3. Блочность конструкции компьютерной модели и раздельное исследование блоков.
Рассмотрим наиболее удобные для программной реализации методы оценки распределений и некоторых их моментов
при достаточно большом объеме выборки (числе реализаций
N ). Математическое ожидание и дисперсия случайной
величины
X
соответственно имеют вид:
{} {} ( )
{}
()
,)(
;)(
2
2
2
dxxfx
xMXDdxxfxXM
X
XXX
∫
∫
∞+
∞−
+∞
∞−
µ−=
=µ−==σ⋅==µ
где
−)(xf плотность распределения случайной величины
X
, принимающей значения
x
.
При проведении имитационного эксперимента со стохастической моделью системы определить эти моменты нельзя,
так как плотность распределения, как правило, неизвестна. Поэтому при обработке результатов моделирования приходится
довольствоваться лишь некоторыми оценками моментов, полученными на конечном числе реализаций
N . При независимых
наблюдениях значений случайной величины
X
в качестве таких оценок используются
()
,
~
;
~
1
2
22
1
N
xx
S
N
x
x
N
i
i
Xb
N
i
i
X
∑∑
==
−
=σ==µ=
λ
гр
Λ
Λ
кр
λ
λ
н
гр
λ
в
гр
λ
Λ
кр
Λ
Λ
кр
λ
гр
ΛΛ
кр
λ

Страницы