Испытания ЭС
Лекция 4
Основы теории испытаний ЭС.
Некоторые понятия теории
вероятностей. Выборочный метод
испытаний
Понятия теории вероятностей
•
•
•
•
•
•
•
Случайное событие – событие, которое может произойти или не произойти при
определенном комплексе условий, тесно связанном с возможностью появления
события.
Предположим, что сдается партия изделий, состоящая из N образцов.
Заранее известно, что в ней имеется D дефектных изделий. ероятность
извлечения из этой партии дефектного образца
Q = D/N
(2.1)
Вероятность извлечения из N образцов одного бездефектного
P=1-Q=(N-Q)/N
(2.2)
Очевидно, что значения Q и Р для данной партии изделий постоянны и
определяются числом D дефектных изделий в партии. Величины Q и P
называют генеральными характеристиками.
Если в сдаваемой партии дефектные изделия отсутствуют (D = 0), то, согласно
(2.2), вероятность извлечения бездефектного изделия P = 1. Такое событие
называют достоверным. Если же партия состоит только из дефектных
изделий ( D = N ), то, согласно (2.2), вероятность извлечения бездефектного
изделия P = 0. Такое событие в противоположность достоверному
называют невозможным. На практике чаще приходится иметь дело с так
называемыми «практически невозможными» и «практически достоверными»
событиями. Практически невозможным событием называется событие,
вероятность которого близка нулю, а практически достоверным – событие,
вероятность которого близка единице.
2
Понятия теории вероятностей
•
•
•
•
•
•
•
•
•
Предположим, что методом случайного отбора из сдаваемой партии изделий
составлена выборка (часть изделий, отобранных из общей совокупности для
получения информации о всей массе изделий) объемом n. После проверки
выяснилось, что из n изделий в выборке d изделий оказались дефектными.
Доля дефектных изделий в выборке, взятой из партии,
q = d/n
(2.3)
называется статистической вероятностью дефектных изделий в выборке.
Статистическая вероятность бездефектных изделий в выборке
P=1-q=(n-d)/n
(2.4)
Величины q и p называют выборочными характеристиками.
Предположим, что в партии изделий производят замер какого-либо
параметра, конкретное значение xi которого для каждого изделия является
случайным. Число повторяющихся значений обозначают через mi и называют
абсолютной частотой или статистическим весом, а сам ряд значений
случайной величины – статистическим рядом.
Среднее арифметическое значение ряда, где каждое значение случайной
величины встречается только один раз:
Среднее взвешенное значение ряда:
3
Понятия теории вероятностей
•
•
•
Медиана случайной величины приходится на середину упорядоченного
ряда.
Характеристики, описывающие рассеивание случайной величины
вокруг среднего значения.
Размах Rmax=Xmax+Xmin;
Выборочная дисперсия:
•
Взвешенная выборочная дисперсия:
•
Среднеквадратическое отклонение:
•
Коэффициент вариации:
V=(s/x) 100%
•
4
Понятия теории вероятностей
•
Для характеристики среднего положения случайной величины в
генеральной совокупности служит математическое ожидание случайной
величины (M[X]), которое иногда называют генеральным средним
арифметическим. Оно может быть получено следующим образом. Пусть
случайная величина X принимает дискретные значения x1,x2,x3…xi…xn с
соответствующими вероятностями p1,p,p3…pi…pn. Тогда
•
•
С учетом
получаем
Следует заметить, что если выборочное среднее арифметическое значение
всегда содержит элемент случайности, то математическое ожидание –
величина постоянная для данной генеральной совокупности (например,
сдаваемой партии изделий).
5
Понятия теории вероятностей
•
•
Дисперсия случайной величины X в генеральной совокупности
для случая, когда значения X в генеральной совокупности не
повторяются
•
и при повторяющихся значениях X:
•
Случайные величины могут быть дискретными или непрерывными.
Соответственно и распределения их вероятностей описываются
законами распределения дискретных или непрерывных случайных
величин. Пример дискретной случайной величины – число изделий в
выборке, параметры которых не отвечают тем или иным
требованиям. Это число дефектных изделий может быть только
целым. Пример непрерывной случайной величины – время работы
изделия до отказа, которое может принимать как целые, так и
дробные значения.
6
Композиция и суперпозиция
распределений случайных значений
•
•
•
•
При проведении испытаний ЭС и обработке их результатов
часто встречаются с композицией и суперпозицией
распределений. Остановимся на этих понятиях более
подробно. Пусть имеется ряд независимых случайных
величин х1,х2,х3…хi…xn с плотностями вероятностей
f(x1), f(x2), f(x3)…f(xn). Плотность вероятности – отношение
вероятности попадания значений случайной величины в
заданный интервал к длине интервала.
Просуммировав указанные величины, получим новую
случайную величину
Y=x1+x2+x3+…+xn, с плотностью вероятности f(Y). Закон
распределения случайной величины Y называется
композицией законов распределения случайных величин
х1,х2,х3…хi…xn.
7
Композиция распределений
•
•
•
•
•
•
•
•
•
•
•
•
Рассмотрим общие и частные свойства композиции распределений.
Общие св-ва не зависят от вида законов распределения случайных величин,
составляющих композицию:
1. Математическое ожидание случайной величины Y равно арифметической
сумме математических ожиданий случайных величин, законы распределения
которых составляют композицию распределений:
M[y]=M[x1]+M[x2]+…+M[xn].
2. Дисперсия случайной величины Y равна арифметической сумме
дисперсий случайных величин, законы распределения которых составляют
композицию распределений:
σ2[y]= σ2[x1]+ σ2[x2]+…+ σ2[xn];
Из этих свойств можно вывести два следствия:
1) с ростом числа n изделий в выборке коэффициент вариации убывает, а
следовательно, мера точности возрастает пропорционально.
2) если имеются две (или более) случайные величины с резко отличными
средними квадратическими отклонениями, то в композиции их распределений
случайная величина с меньшей дисперсией практически не оказывает влияния
на суммарную дисперсию.
Композиция распределения встречается на практике при обобщении
результатов испытаний нескольких выборок, взятых из различных партий
изделий.
8
Суперпозиция распределений
•
•
•
•
•
•
Предположим, что на испытания предъявляется партия,
состоящая из N изделий. Из них для N1 изделий плотность
вероятности случайной величины x составляет f1(x), а для N2
изделий – f2(x)
В этом случае получается суперпозиция распределений f1(x)
и f2(x):
f(x)=w1f1(x)+w2f2(x), где w1=N1/N; w2=N2/N.
M(x)=w1M1(x)+w2M2(x);
σ2[x]=(w1 σ12[x]+w2 σ22[x]+w1w2{M1(x)-M2(x)}2;
Суперпозиция распределений может иметь место, когда
партию изделий, предъявляемых заказчику, комплектуют из
однотипных изделий, изготовленных из различных партий
сырья и полуфабрикатов или на различных технологических
линиях.
9
Равномерное
распределение
10
Нормальное распределение
(Гаусса)
Для нормального распределения
значения, отличающиеся от среднего на
число, меньшее чем одно стандартное
отклонение, составляют 68,27 %
популяции. В то же время значения,
отличающиеся от среднего на два
стандартных отклонения, составляют
95,45 %, а на три стандартных
отклонения — 99,73 %.
11
12
Распределение Вейбулла
•
•
•
•
Если величину X принять за наработку
до отказа, тогда получается
распределение, в
котором интенсивность
отказов пропорциональна времени.
Тогда:
k < 1 показывает, что интенсивность
отказов уменьшается со временем
k = 1 показывает, что интенсивность
отказов не меняется со временем
k > 1 показывает, что интенсивность
отказов увеличивается со временем
13
Выборочный метод испытаний
•
•
•
Большинство методов испытаний ЭС являются либо разрушающими, либо
значительно сокращающими технический ресурс изделий. Поэтому
наиболее широкое применение в практике испытаний получил выборочный
метод, который позволяет судить о всей генеральной совокупности изделий по
взятой из нее выборке. Если изделия, входящие в выборку, в полной мере
отражают характер и структуру генеральной совокупности, то такая
выборка называется представительной или репрезентативной.
Выборки классифицируют по ряду признаков, например по способу образования
(повторные и бесповторные), по преднамеренности отбора
(преднамеренные и случайные), по отношению ко времени образования
(единовременные и текущие), по целевому назначению (расслоенные и
общепроизводственные) и т. д.
Выборочные характеристики, с помощью которых делают статистические
выводы относительно генеральной совокупности, называют оценками
генеральных характеристик. Так, при испытании ЭС с помощью выборочной
характеристики q оценивают генеральную характеристику Q для партии
изделий, из которых взята данная выборка, а выборочные среднее
арифметическое x и среднее квадратическое отклонение s служат
оценками математического ожидания M[x ] и дисперсии σ.
14
Выборочный метод испытаний
•
•
•
•
•
•
•
Чтобы дать представление о точности и надежности оценки числа D дефектных
изделий в генеральной совокупности с помощью полученного значения числа
d дефектных изделий в выборке, пользуются так называемыми
доверительными границами. Вероятность нахождения оцениваемого
параметра в доверительных границах называют достоверностью.
Достоверность P является количественной характеристикой практически
достоверного события и характеризует степень нашего доверия к
анализируемым событиям.
Обычно достоверность берется близкой единице: 0,9; 0,95; 0,99. Достоверность
P называют односторонней, если она отражает степень нашего доверия к
тому, что Q≥Qн или Q≤ Qв, где
Qн и Qв – нижняя и верхняя доверительные границы. Двусторонняя
достоверность P*отражает степень нашего доверия к тому, что Q нdдоп , то партия изделий заказчиком не
принимается, так как она не удовлетворяет требованиям на
надежность, которые оговариваются в ТУ на эти изделия.
Наименьшее число отказавших изделий в испытываемой выборке,
при котором результаты испытаний считаются отрицательными,
называют браковочным числом C' . Наибольшее число отказавших
изделий в испытываемой выборке, при котором результаты
испытаний считаются положительными, называют приемочным числом
C.
17
Определение объема выборки
для испытаний партии продукции
•
Кривая зависимости вероятности ОП P приемки партии изделий по
результатам испытания выборки объемом n от заданной вероятности Q
отказа изделий в партии, из которой взята выборка, называется
оперативной характеристикой плана контроля надежности изделий.
18