- •Кафедра эттм «Эксплуатация транспортно-технологических машин»
- •Содержание
- •2.2 Методы научного исследования 8
- •4.2 Тесты 34
- •5.5 Тесты 46
- •Обозначения:
- •Введение
- •1 Предварительная обработка экспериментальных данных 4
- •1.1 Вычисление характеристик эмпирических распределений
- •1 Содержание и объем отчета по самостоятельной работе
- •Оглавление Введение 3
- •1.1 Основные правила оформления пояснительной записки
- •2 Наука. Научное исследование
- •2.1 Основные сведения
- •Теория без практики мертва. Практика без теории неэффективна
- •2.2 Методы научного исследования
- •2. 3 Тесты:
- •2 Процесс научного исследования?
- •Синтез?
- •8 Индукция?
- •9 Дедукция?
- •10 Аналогия?
- •11 Моделирование?
- •12 Виды моделей?
- •13 Абстрагирование?
- •14 Метод «исторической аналогии»?
- •15 Теория подобия?
- •16 Теория?
- •17 Гипотеза?
- •18 Эвристика?
- •19 Математическая модель?
- •20 Закон?
- •21 Виды научных задач?
- •22 Наблюдение?
- •23 Теоретические задачи?
- •24 Эмпирические задачи?
- •25 Наука?
- •26 Цель науки?
- •27 Развитие науки?
- •28 Путь познания?
- •29 Процесс познания?
- •30 Познание?
- •31 Практика?
- •32 Научное исследование?
- •33 Методология?
- •3. Предварительная обработка экспериментальных данных
- •3.1 Основные понятия теории вероятностей и математической статистики
- •3.1.1 Относительная частота и вероятность
- •Генеральная совокупность и выборка
- •Вычисление характеристик эмпирических распределений (выборочных характеристик). Точечные оценки. Моменты
- •Распределение случайных ошибок измерения
- •3.3. Нормальный закон распределения
- •3.4 Основные законы распределения случайных величин
- •4 Пример статистической обработки данных
- •4.1 Порядок выполнения работы
- •Варианты заданий: Исходные данные и результаты расчетов
- •4.1.1 Отсев грубых погрешностей
- •4.1.2 Проверка гипотезы нормальности распределения
- •4.2 Тесты
- •Цель предварительной обработки экспериментальных данных?
- •2 Методы отсева грубых погрешностей?
- •3 Методы проверки гипотезы нормальности распределения?
- •4 Отличие между генеральной совокупностью и выборкой?
- •5 Закон больших чисел?
- •3. Меру рассеивания случайной величины. 4. Меру рассеивания генеральной совокупности.
- •20 Стандартное нормальное распределение?
- •21 Логарифмически-нормальное распределение?
- •22 Эксцесс? 23 Асимметрия?
- •24 Размах варьирования?
- •1. Случайная величина, у которой математическое ожидание равно 0, а дисперсия равна 1.
- •2. Случайная величина, у которой математическое ожидание равно 1, а дисперсия равна 0.
- •5.1 Факторы
- •5.2 Априорное ранжирование факторов
- •5.3. Порядок выполнения работы:
- •5.4 Варианты заданий:
- •5.5 Тесты
- •9. Учет «связанных» рангов? где п - произведение
- •10. Чему равно число факторов tj?
- •1. Стьюдента. 2. Фишера. 3. Кохрена. 4. Пирсона.
- •31. Априорная информация?
- •32. Цель априорного ранжирования факторов?
- •В зависимости от числа степеней свободы f
- •Критические значения для отсева грубых погрешностей
- •Процентные точки распределения Стьюдента
- •Критические границы отношения r/s
- •Предварительная обработка экспериментальных данных
1. Случайная величина, у которой математическое ожидание равно 0, а дисперсия равна 1.
2. Случайная величина, у которой математическое ожидание равно 1, а дисперсия равна 0.
3. Случайная величина, у которой математическое ожидание и дисперсия равны 1.
4. Случайная величина, у которой математическое ожидание и дисперсия равны 0,
Какой процент наблюдений нормального распределения расположен между z-оценками: 43 (-0,67 и 0,67)? 44 (-1,0 и 1,0)? 45 (-2,0 и 2,0)? 46 (-3,0 и 3,0)?
1. 99,7%; 2. 95,0%; 3. 68,0%; 4. 50,0%.
Чему равна z-оценка при коэффициенте:
47 (IQ = 110)? 48 (IQ = 90)? 49 (IQ = 120)? 50 (IQ = 130)?
1. - 0,67; 2. 0,67; 3. 1,33; 4. 2,0.
51 Правило 3σ?
1. Среднее арифметическое расположено в интервале 3σ.
2. 68% измерений расположены в интервале 3σ.
3. 95% измерений расположены в интервале 3σ.
4. Выход случайной ошибки измерений за трехсигмовые пределы считают практически невозможным.
52 Мода? 53 Медиана? 54 Вероятность?
1. Срединное значение случайной величины.
2. Абсцисса центра тяжести площади под кривой плотности вероятности.
3. Значение случайной величины, при котором плотность вероятности имеет максимальное значение.
4. Мера объективной возможности наступления случайного события.
55 Содержание предварительной обработки экспериментальных данных?
1. Определение среднего арифметического и дисперсии результатов измерений.
2. Отсеивание промахов и проверка соответствия распределения результатов измерений закону нормального распределения.
3. Построение гистограммы результатов измерений.
4. Отсеивание промахов и построение гистограммы результатов измерений.
56 Генеральная совокупность? 57 Выборка?
1. Все мыслимые наблюдения, которые могли бы быть сделаны при данном комплексе условий.
2. Это результаты бесконечного ряда наблюдений из генеральной совокупности.
3. Это результаты ограниченного ряда наблюдений из генеральной совокупности.
4. Это результаты бесконечного ряда наблюдений из выборки.
58 Точечная оценка?
1. Это оценка, определяемая по одной выборке и выражаемая в виде одного интервала величин.
2. Это оценка, определяемая по нескольким выборкам и выражаемая в виде одного числа.
3. Это оценка, определяемая по генеральной совокупности и выражаемая в виде одного числа.
4. Это оценка, определяемая по одной выборке и выражаемая в виде одного числа.
59 Момент?
1. Моментом порядка k в случае одномерного эмпирического распределения называется произведение k-х степеней отклонений результатов наблюдений от произвольного числа С, деленная на объем выборки n.
2. Моментом порядка k в случае одномерного эмпирического распределения называется сумма k-х степеней отклонений результатов наблюдений от произвольного числа С, деленная на объем выборки n.
3. Моментом порядка k в случае одномерного эмпирического распределения называется сумма k-х степеней отклонений результатов наблюдений от произвольного числа С.
4. Моментом порядка k в случае одномерного эмпирического распределения называется разность k-х степеней отклонений результатов наблюдений от произвольного числа С.
60 Начальный момент? 61 Центральный момент?
1. Момент называется начальным, если произвольное число С= 0.
2. Момент называется начальным, если произвольное число С равно среднему арифметическому.
3. Момент называется центральным, если произвольное число С равно среднему арифметическому.
4. Момент называется центральным, если произвольное число С= 0.
62 Дисперсия? 63 Выборочное среднее?
1. Первый центральный момент. 2. Второй центральный момент.
3. Начальный момент первого порядка. 4. Начальный момент второго порядка.
64 Стандарт? 65 Коэффициент вариации?
1. Отношение среднего арифметического к среднеквадратичному отклонению.
2. Отношение стандарта к среднему арифметическому.
3. Корень квадратный от среднеквадратического отклонения.
4. Корень квадратный от дисперсии.
66 Вариационный ряд? 67 Интервальный ряд?
1. Упорядочивание выборочных наблюдений в порядке возрастания.
2. Группировка членов интервального ряда по интервалам.
3. Группировка членов вариационного ряда по интервалам.
4. Упорядочивание членов генеральной совокупности в порядке возрастания.
68 Коэффициент вариации, его величина
при распределении близком к нормальному?
1. Отношение стандарта к среднему арифметическому, более 0,35.
2. Отношение стандарта к размаху, более 0,35.
3. Отношение стандарта к среднему арифметическому, не более 0,35.
4. Отношение стандарта к размаху, не более 0,35.
5 ЭКСПЕРТНЫЕ ОЦЕНКИ
При оценке надежности автомобилей, ТТМ (транспортно-технологических машин), ГМ (гидравлических машин) и их элементов экспертные методы используют для решения задач двух типов:
1. определение показателей надежности в условиях, когда применение других методов невозможно или нецелесообразно по экономическим соображениям;
2. ранжирование случайных величин (показателей надежности; факторов, определяющих надежность изделий; элементов, лимитирующих надежность машин и др.) в порядке их значимости.
Методы экспертных оценок чаще всего используют в ситуации, когда достоверность исходной информации невелика. Эти методы являются вероятностными. Они основаны на способности специалиста (эксперта) давать полезную информацию в условиях неопределенности. Неизвестную количественную характеристику надежности рассматривают как случайную величину, отражением распределения которой является индивидуальная оценка достоверности или значимости того или иного события. Когда такие оценки получены от группы экспертов, то предполагают, что ''истинное'' значение исследуемой величины находится внутри диапазона оценок и что ''обобщенное'' коллективное мнение является более достоверным.
Методы экспертных оценок связаны со сбором и систематизацией различного рода оценок экспертов. Обычно используют мнение многих экспертов (метод комиссий). Оценки экспертов переводят в количественную форму (баллы), ранжируют, что позволяет обрабатывать полученную информацию методами математической статистики.
Недостатки: не все эксперты равноценны, их мнения субъективны, на оценки и мнения экспертов влияют заслуги, авторитет коллег и т.п.
Методы организации и проведения экспертиз: Делфи и ПАТТЕРН, М.М.Глушкова и Г.С.Поспелова и др.
