- состоятельности оценок, т.е. при увеличении числа (объема) экспериментальных данных оценка параметра должна стремится к его истинному значению;

- несмещенности оценок, т.е. должны отсутствовать систематические ошибки в процессе вычисления параметров.

Для обеспечения указанных требований, а также для того, чтобы экспериментальные исследования соответствовали заданной точности и достоверности, необходимо определить минимальный, но достаточный объем Nmin экспериментальных данных, при котором исследователь может быть уверен в положительном исходе.

На основании результатов экспериментальных данных Xi вычислим:

- среднее значение :

;

- среднее квадратичное отклонение:

;

- коэффициент вариации:

,

который характеризует относительную меру рассеивания Xi вокруг ;

- размах вариации, характеризующий абсолютную величину рассеивания результатов эксперимента:

,

где - соответственно максимальное и минимальное значение результатов эксперимента.

Принимаем  и выбираем из таблицы значение критерия Стьюдента для оценки односторонней доверительной вероятности, т.е. .

Вычисляем предельную абсолютную погрешность интервальной оценки математического ожидания:

          .

Значение  характеризует абсолютную точность проведенного эксперимента и численно равно половине ширины доверительного интервала, т.е. принимаем значение t для .

Вычислим относительную точность  интервальной оценки M(X):

          ,

которая характеризует относительную ширину (в долях от ) половины доверительного интервала. Рекомендуется принимать значение = 0,05…0,15. Это значит, что половина ширины доверительного интервала для M(X) будет в пределах 5… 15% от X.

          Требуемый минимальный объем экспериментальных данных для достижения заданных  :

.

Применяя формулу Стеджарса, находим приближенную ширину итервала:

.

Принимаем .

Определяем число интервалов группирования экспериментальных данных:

.

Принимаем число интервалов r = 7.

2.2 Расчет числовых характеристик распределения случайных величин

Более полное, а главное, обобщенное представление о результатах эксперимента дают не абсолютные, а относительные (удельные) значения

Полученных данных. Так, вместо абсолютных значений числа экспериментальных данных ni, целесообразно подсчитать долю рассматриваемых событий в интервале, приходящихся на одно изделие (деталь, узел, агрегат или автомобиль) из числа находящихся под наблюдением, т.е. на единицу выборки. Эта характеристика экспериментального распределения называется относительной частотой (частостью) mi появления данного события (значений признака Xi):

.

Относительная частота mi при этом, в соответствии с законом больших чисел, является приближенной экспериментальной оценкой вероятности появления события .

Значения экспериментальных точек интегральной функции распределения  рассчитывают как сумму накопленных частостей mi в каждом интервале ri. В первом интервале  во втором интервале

 и т.д.,

т.е.

Таким образом, значение  изменяются в интервале [0;1] и однозначно определяют распределение относительных частот в интервальном вариационном ряду.

Другим удельным показателем экспериментального распределения является дифференциальная функция , определяемая как отношение частости  к длине интервала

и характеризующая долю рассматриваемых событий в интервале, приходящуюся на одно испытываемое изделие и на величину ширины интервала. Функция  также еще называется плотностью вероятности распределения.

Полученные результаты расчета сводим в статистическую таблицу.

Таблица 2

Результаты интервальной обработки экспериментальных данных.

2.3 Анализ физических закономерностей формирования распределения случайных величин по значениям продолжительности проверки крепления стартера на автомобиле

Нормальное распределение.

Нормальное распределение, называемое также законом Гуса, находит широкое применение при исследовании эффективности функционирования транспортных средств и систем.

Теоретическим обоснованием широкого применения этого закона служит центральная предельная теорема (теорема Ляпунова А.М.), согласно которой распределение суммы независимых или слабо зависимых случайных величин, имеющих конечные математические ожидания и дисперсии одного порядка, при увеличении числа слагаемых всё меньше отличаются от нормального закона. При этом складываемые законы могут быть одинаковыми и разными.

Плотность распределения нормального закона имеет следующий вид:

,

где - математическое ожидание;

- среднее квадратичное отклонение.

Функция распределения нормального закона имеет вид:

Вероятность попадания в интервал a, b случайной величины, распределенной нормально, определяется с помощью табличной функции Лапласа Ф0:

Логарифмически - нормальное распределение.

В этом случае нормальное распределение имеет не сама величина, а значение ее логарифма. Логарифмически-нормальное распределение формируется в случае, если на протекание исследуемого процесса и его результата влияет сравнительно большое число случайных и взаимно независимых величин, интенсивность действия которых зависит от достигнутого случайной величиной состояния.

Модель формирования называется моделью “пропорционального эффекта”. Данным законом хорошо описывать изменение геометрических, диагностических параметров, а так же для описания усталостных процессов, коррозии, наработки крепежных соединений.

В решении задач ТЭА Vx=0.3…0.7

Данное распределение описывает произведение воздействий случайных величин.

Дифференциальная функция логарифмически-нормального закона имеет вид:

где -случайная величина, логарифм которой распределен нормально;

-математическое ожидание логарифма случайной величины;

-среднее квадратическое отклонение логарифма случайной величины

Интегральная функция логарифмически-нормального распределения определяется следующим образом:

2.4 Расчет параметров математических моделей

2.4.2 Нормальное распределение

Нормальный закон формируется, если на протекание исследуемого процесса и его показателей влияет сравнительно большое число независимых или слабо зависимых элементарных факторов (слагаемых), каждый из которых в отдельности оказывает лишь незначительное действие по сравнению с суммарным влиянием всех остальных.

Нормальный закон хорошо согласуется с результатами эксперимента по оценке параметров, характеризующих техническое состояние деталей, узла, агрегата и автомобиля в целом, а так же их ресурсов и наработки до появления первого отказа. Достаточно широкое распространение этого закона определяется тем, что рассматриваемые параметры формируются в реальных условиях эксплуатации под влиянием многочисленных взаимно независимых или слабо зависимых факторов. Интенсивность изнашивания и, следовательно, износ, ресурс детали зависит, например, от первоначальных свойств сопряженных деталей, смазочных материалов, условий работы, квалификации персонала, качества ТО, ремонта и т.д.

Страницы: 1, 2, 3, 4, 5, 6, 7, 8, 9