Курсовая: Анализ метрологических характеристик - текст курсовой. Скачать бесплатно.
Банк рефератов, курсовых и дипломных работ. Много и бесплатно. # | Правила оформления работ | Добавить в избранное
 
 
   
Меню Меню Меню Меню Меню
   
Napishem.com Napishem.com Napishem.com

Курсовая

Анализ метрологических характеристик

Банк рефератов / Биология

Рубрики  Рубрики реферат банка

закрыть
Категория: Курсовая работа
Язык курсовой: Русский
Дата добавления:   
 
Скачать
Архив Zip, 51 kb, скачать бесплатно
Заказать
Узнать стоимость написания уникальной курсовой работы

Узнайте стоимость написания уникальной работы

Министерство Образования Российской Федерации Санкт-Петербургский Государственный Университет Аэрокосмического Приборостроения Курсовая работа по метрологии « Анализ метрологических х арактеристик» Факультет Радиотехники, электроники и связи Специальность Группа Выполнил: студент Зачтено: Преподаватель В.Ф. Санкт-Петербург 2004 С ОДЕРЖАНИЕ Введение …………………………………………………………………………… 3 Схема изделия, состав, принцип действия ……………………………………. 4 Генерация выборок ……………………………………………………………… 5 Описание методов генерации выборок …………………………………………………… 5 Приведением выборок ……………………………………………………………………… 6 Первичная обработка результатов измерений ………………………… …….. 8 Расчёт с помощью метода моментов оценок математического ожид ания и дисперсии 8 Анализ наличия результатов, которые содержат грубые погрешно сти или промахи …. 9 Переход к интервальным рядам …………………………………………………………... 10 Построение гистограммы, полигона и эмпирической функции расп ределения ……….. 10 Определение интервальных оценок ……………………………………………………….. 15 Гипотезы и их проверки …………………………………………………………. 16 Проверка гипотезы о равенстве точности измерений …………………………… ………. 16 Проверка гипотезы о равенстве средних …… …………………………………………….. 17 Гипотезы о тождественности эмпирического и теоретического за конов ………………. 19 - Критерий Пирсона c 2 ……………………… ……………………………………… 19 - Критерий Колмогорова ……………………………………… …………………….. 20 Нахождение процента выхода год ных для изделий …………………………. 22 Расчет суммарной погрешности и змерения …………………………………... 22 Выводы ………………………………………………………… ………………….. 23 Список литературы ………………………………………………………………. 23 Введение Тип датчика : Датчик Холла Магн итоэлектрический датчик Холла получил свое название по имени Э.Холла, ам ериканского физика, открывшего в 1879 г. важное гальваномагнитное явление. Бесконтактные клавишные переключатели на основе эффекта Холла применя лись за рубежом довольно широко уже с начала 70-х годов. Достоинства этого переключателя - высокая надежность и долговечность, малые габариты, а не достатки - постоянное потребление энергии и сравнительно высокая стоим ость. Если на полупроводник, по которому (вдоль) протекает ток, в оздействовать магнитным полем, то в нем возникает поперечная разность п отенциалов (ЭДС Холла). Возникающая поперечная ЭДС может иметь напряжени е только на 3 В меньше, чем напряжение питания. Рассмотрим полупроводн иковую пластинку размером 5х5 мм (см. рис., поз.а). Если по пластинке между дву мя параллельными сторонами пропустить ток и одновременно поднести к не й постоянный магнит, а к двум другим сторонам квадрата подсоединить пров ода, то получим генератор Холла (рис., поз.б). Если между магнитом и полупров одником поместить перемещающийся экран с прорезями, получим импульсны й генератор Холла. Принцип дей ствия генератора Холла: а - нет магнитн ого поля, по полупроводнику протекает ток питания - АВ; б - под действием ма гнитного поля - Н появляется ЭДС Холла - ЕF; в - датчик Холла Датчик Холла имеет щелевую конструкцию. С одной стороны щели расположен полупроводн ик, по которому при включенном зажигании протекает ток, а с другой сторон ы - постоянный магнит. В щель датчика входит стальной цилиндрический экр ан с прорезями. При вращении экрана, когда его прорези оказываются в щели датчика, магнитный поток воздействует на полупроводник с протекающим п о нему током и управляющие импульсы датчика Холла подаются в коммутатор , в котором они преобразуются в импульсы тока в первичной обмотке катушк и зажигания. Проверку датчика Холла проще всего производить заменой на заведомо исправный, но можно воспользоваться и обыкновенным вольтме тром (тестером). У исправного датчика Холла вольтметр, включенный на изме рения постоянного напряжения и подключенный к выходу датчика, по мере вр ащения вала датчика-распределителя должен резко менять показания от пр имерно 0,4В до величины, не более чем на 3 В отличающейся от напряжения питан ия. Схема изделия, состав, принцип д ействия В цехе выпускается изделие – сре дство измерения, состоящее из следующих частей: Д- первичный датчик (покупное из делие); У- масштабирующий усилитель (изготавливаемое изделие); АЦП- анолог ово – цифровой преобразователь (покупное изделие); ЦОУ- цифровое отсчёт ное устройство; ИСН- источник стабилизированного напряжения. Сигналы: Х- входная измеряемая величина, U д - напряжение на выходе первичного датчика; U у- напряжение на выходе усилителя; U п- цифровой сигнал на выходе АЦП. За смену выпускается партия изделий. Во время смены случайным образом от бирают n изделий и проводят их комплексные испытания, по результатам которых опр еделяют метрологические характеристики и делают заключение о качестве изделия и технологического процесса. Коэффициент усиления для масштабирующего усилителя определяется по ре зультатам испытаний. Точное значение к у с допустимой погрешностью m к ±D к. Однако из – за несовершенства оборудования технологии изг отовления, ошибок персонала, к у принимает статистический разброс. Теоретически уста новлено, значение выходного напряжения у датчика и усилителя распредел ено по нормальному закону со среднеквадратическим отклонением (СКО) s к . У датчика измеряется максимальное выходное напряжен ие U д , значение которого теоретически распределено по норм альному закону с математическим ожиданием m д и погрешнос тью в виде СКО s д. Для аналого – цифрового преобразователя напряжения закон р аспределения погрешности треугольный (Симпсона) при максимальном её зн ачении D m . Поскольку в процессе производства изнашивается обор удование или оно настраивается и обслуживается недостаточно квалифици рованно, меняется исходное сырьё и параметры приобретаемых элементов, т о указанные статистические параметры «уходят». Их уход необходимо устр анить подстройкой оборудования – внести коррекцию. Это в наибольшей ме ре касается масштабирующего усилителя. Для определения необходимости подстройки оборудования используют две выборки изделий, полученные в р азное время. Оценки основных параметров, найденные из этих выборок, опре деляются как m к1 * = к 1 * m * к , s * к1 = к 1 * s к * и m к2 * = к 2 * m * к , s * к2 = к 2 * s к * , где к 1 и к 2 – поправочные коэффициенты, задаваемые д ля определения оценок. Генерация выборок Описание методов генерации выборок Совокупность всех случайных вел ичин называется генеральной совокупностью. При измерениях генеральная совокупность – непрерывная случайная величина, характеризуемая каки м законом распределения. Множество значений случайной величины, получе нное в результате наблюдения над нею, называется случайной выборкой. Выб орка – конечное множество измерений, взятых из генеральной совокупнос ти случайным образом. Полным описанием случайной вел ичины и погрешности является её закон распределения: 1) Нормальный закон распределен ия (закон Гаусса) является одним и з наиболее распространённых законов распределения. Объясняется это те м, что во многих случаях погрешность измерения образуется под действием большой совокупности различных, независимых друг от друга причин. На осн овании центральной предельной теоремы теории вероятностей результато м действия этих причин будет погрешность, распределённая по нормальном у закону при условии, что ни одна из этих причин не является существенно п реобладающей. Генерирование выборки по норма льному закону: a = normrnd ( m x , s , m , n ) – где m x - математиче ское ожидание; s - оценка среднеквадратического отклонения (дисперсии); m – число стро к; n – чи сло столбцов. 2) Равномерный закон распределе ния . Если погрешность измерений с одинаковой вероятностью может принимать любые значения, не выходящие за некоторые границы, то такая погрешность описывается равномерным зак оном распределения. Генерация выборки по равномерн ому закону: с= unifrnd ( a , b , m , n ) – где a … b – интервал; m – число строк; n – число столбцов. Приведение выборок 1) Генерация выборки для датч ика. Закон распределения погрешности - нормальный матем атическое ожидание m д =0,05 среднеквадратическое отклонение s д =0,001 объем выборки n=100 Полученная выборка: a = 0.0496 0.0483 0.0501 0.0503 0.0489 0.0512 0.0512 0.0500 0.0503 0.0502 0.0498 0.0507 0.0494 0.0522 0.0499 0.0501 0.0511 0.0501 0.0499 0.0492 0.0503 0.0487 0.0507 0.0516 0.0493 0.0509 0.0513 0.0484 0.0486 0.0506 0.0496 0.0507 0.0508 0.0507 0.0513 0.0507 0.0512 0.0488 0.0500 0.0498 0.0484 0.0503 0.0489 0.0514 0.0492 0.0505 0.0502 0.0491 0.0478 0.0499 0.0490 0.0506 0.0505 0.0517 0.0506 0.0494 0.0504 0.0490 0.0500 0.0500 0.0500 0.0497 0.0511 0.0481 0.0504 0.0509 0.0507 0.0506 0.0500 0.0507 0.0506 0.0497 0.0496 0.0497 0.0485 0.0498 0.0501 0.0503 0.0514 0.0496 0.0506 0.0508 0.0509 0.0490 0.0502 0.0502 0.0490 0.0493 0.0511 0.0499 0.0504 0.0501 0.0494 0.0494 0.0504 0.0491 0.0508 0.0506 0.0492 0.0497 2) Генерация выборки для усил ителя Закон распределения погрешности - нормальный матем атическое ожидание m к =200 среднеквадратическое отклонение s к =0,9 объем выборки n =100 Полученная выборка: b = 198.9310 198.0179 200.8877 199.5332 200.2946 200.2107 200.0193 199.0964 199.1476 199.6630 198.9327 199.0497 201.3252 200.0502 198.9044 199.9629 198.9845 198.7857 199.7650 200.8581 200.1158 200.5908 198.9490 199.5855 199.7638 198.9082 198.8125 200.8381 200.0101 199.4194 200.7252 200.2085 199.1092 201.2056 200.2606 201.3310 201.0242 199.3843 198.8373 199.9344 199.7025 199.2407 200.4480 201.3396 199.5082 199.2379 199.7783 200.5967 199.2312 198.9188 199.8921 199.9412 200.4368 199.4641 199.8653 199.6087 199.9286 201.3816 199.4542 198.7874 200.4224 199.1868 200.0323 199.4352 200.4819 200.4976 199.8167 198.1511 200.1193 201.4336 200.9166 198.5776 199.9292 199.3865 199.0779 198.8891 200.2599 199.6136 200.0502 199.6689 199.5815 200.3339 200.6555 201.9009 198.7784 199.0797 200.9341 199.6492 198.7569 200.2840 201.3979 200.6371 201.7616 200.4541 201.6781 199.6942 198.9742 199.8100 201.712 198.9954 3) Генерация выборки для анал ого – цифрового преобразователя (АЦП) Закон рас пределения погрешности - равномерный Границы интервала выборки D m от – 0.02 до 0.02 объем выборки n =100 Полученная выборка C = 0.0180 -0.0108 0.0043 -0.0006 0.0157 0.0105 -0.0017 -0.0193 0.0129 -0.0022 0.0046 0.0117 0.0169 0.0095 -0.0129 -0.0038 0.0174 0.0167 -0.0036 0.0157 -0.0177 -0.0059 0.0125 -0.0196 -0.0144 -0.0119 -0.0121 0.0042 -0.0091 -0.0120 -0.0194 0.0099 -0.0022 0.0173 -0.0014 -0.0033 0.0138 0.0010 -0.0119 0.0069 0.0135 -0.0192 0.0073 -0.0048 0.0133 0.0001 0.0084 -0.0028 -0.0078 -0.0124 -0.0123 0.0073 -0.0079 0.0017 -0.0140 0.0079 -0.0049 0.0144 0.0141 0.0037 -0.0001 0.0160 0.0129 0.0058 0.0127 0.0064 -0.0063 -0.0084 -0.0064 0.0014 0.0091 -0.0076 0.0135 0.0027 -0.0052 0.0081 0.0019 -0.0022 0.0078 0.0049 0.0118 0.0183 0.0009 0.0152 -0.0131 0.0192 -0.0091 -0.0099 0.0150 0.0095 -0.0145 -0.0195 0.0158 -0.0120 -0.0081 0.0065 -0.0086 -0.0012 -0.0174 0.0195 Перви чная обработка результатов измерений К первичной обработке результа тов наблюдений относят такие операции как сортировка и уплотнение данн ых, обработка грубых, аномальных результатов и определение эмпирическо й функции распределения. Расчёт с помощью метода моментов оценок математиче ского ожидания и дисперсии Оценка находится путём приравнивания моментов генер альной совокупности соответствующим выборочным моментам, полученным и з эксперимента. Этот метод даёт состоятельные оценки, точность которых в озрастает с увеличением числа измерений. Оценка математического ожидания: где n – число измерений; x – случайная вел ичина. Оценка дисперсии: Оценка математического ожидани я для выборки случайных величин датчика: Полученная оценка математическ ого ожидания m 1 = 0.0499 Оценка математического ожидания для выборки случай ных величин усилителя: Полученная оценка математическ ого ожидания m 2 = 199.9391 Оценка ма тематического ожидания для выборки случайных величин АЦП: Полученная оценка математическ ого ожидания m 3 = 0.0012 Оценка дисперсии для выборки случайных величин датч ика: Полученная оценка дисперсии sigma = 0.00096 Оценка дисперсии для выборки случайных величин усил ителя: Полученная оценка дисперсии sigmb = 0.8756 Оценка дисперсии для выборки случайных величин АЦП: Полученная оценка дисперсии sigmc = 0.0108 Анализ наличия результатов, к оторые содержат грубые погрешности или промахи: Обработка грубых, аномальных р езультатов проводится с целью исключения их из дальнейшей выборки. Если один-два результата резко отличаются от остальных, то следует прежде все го проверить, не являются ли они промахами. Если это не обнаружено то необ ходимо подвергнуть результаты статистическому анализу. Преобразование выборок в вариационные ряды 1) Сортиров ка данных заключается в построении упорядоченного (вариационного) ряда, в котором результаты измерений расположены в порядке возрастания( x 1 < x 2 <…< x n ). 2) Определя ем оценку математического ожидания m x и оценку средне квадратического отклонения S x . 3) Для сомнительного результата x i вычисляют критерий Стьюдента: где t – критерий Стьюдента; x i – сомнительный результат. 4) По таблице находят значение и нтеграла вероятности (функции Лапласа) Ф( t ); 5) Вычисляю т a =1- P д =1-0,99=0,01 где P д – доверительный интервал; a - уровень значимости. 6) Если неравенство 1-2*Ф( t )< a выполняется, то x i содержит грубую погрешность и с надёжностью равной P д =0,99 этот результат удаляют из выборки. В результате обработки выборк и для датчика аномальных значений не было выявлено ( n =100); а при обработке выборки для усилителя были обнаружены 2 аномальных значения, которые был и удалены из этой выборки ( n =98). Переход к интервальным рядам Построение гистограммы, полигона и эмпирической функции распределения Для определения эмпирического закона распределения от вариационного ряда нужно перейти к статистиче скому (интервальному) ряду. Для этого вариационный ряд необходимо разбит ь на N ин тервалов. Построение гистограммы, полиг она для выборки датчика Разобьём выборку на 10 интервалов. Количество результатов попавших в каждый интер вал ( n i ): 4 3 5 13 16 20 17 10 6 6 Длина интервала ( I ): I =( I max - I min )/ N , где I max - максимальное значение выборки, I min - минимальное значение выборки, N - количество интервалов I =(0.0518-0.0474)/10=0.00044 Для каждого интервала подсчитываем частости: , где n i – число результатов в i - ом интервале; n – общее кол-во результатов в выборке. От частостей переходим к эмпирической плотности вероятности: , где I i - длина инт ервала; Эмпирическая функция распределения рассчитывается по формуле: n i 4 3 5 13 16 20 17 10 6 6 P i * 0.04 0.03 0.05 0.13 0.16 0.20 0.17 0.10 0.06 0.06 f i * 91.10 68.33 113.88 296.09 364.42 455.53 387.20 227.76 136.66 136.66 F i * 0.04 0.07 0.12 0.25 0.41 0.61 0.78 0.88 0.94 1.00 Полученные гистограммы: Гистограмма и полигон эмпиричес кой плотности распределения датчика: Гистограмма эмпирической функции распределения для датчика: Построение гистограммы и полигона для выборки усил ителя Разобьём выборку на 10 интервалов. Количество результа тов попавших в интервал ( n i ): 1 3 14 11 18 20 16 9 5 1 Длина интервала ( I ): I =( I max - I min )/ N , где I max - максимальное значение выборки, I min - минимальное значение выборки, N - количество интервалов I =(202.01-197.83)/10=0.4186 Для каждого интервала подсчитываем частости: , где n i – число результатов в i - ом интервале; n – обще е кол-во результатов в выборке. От частостей переходим к эмпирической плотности вероятности: , где I i - длина инт ервала; Эмпирическая функция распределения рассчитывается по формуле: ; n i 1 3 14 11 18 20 16 9 5 1 P i * 0.01 0.03 0.14 0.11 0.18 0.20 0.16 0.09 0.05 0.01 f i * 0.024 0.073 0.341 0.268 0.438 0.487 0.390 0.219 0.121 0.024 F i * 0.01 0.04 0.18 0.29 0.47 0.68 0.84 0.93 0.98 1.00 Полученные гистограммы: Гистограмма и полигон эмпиричес кой плотности распределения для усилителя. Гистограмма эмпирической функции распределения для усилителя: Построение гистограммы и полигона для выборки АЦП. Разобьём выборку на 10 интервалов. Количество результа тов попавших в интервал ( n i ): 6 11 4 13 14 8 15 8 11 10 Длина интервала ( I ): I =( I max - I min )/ N , где I max - максимальное значение выборки, I min - минимальное значение выборки, N - количество интервалов I =(0.0197+.00199)/10= 0.0040 Для каждого интервала подсчитываем частости: , где n i – число результатов в i - ом интервале; n – обще е кол-во результатов в выборке. От частостей переходим к эмпирической плотности вероятности: , где I i - длина инт ервала; Эмпирическая функция распределения рассчитывается по формуле: ; n i 6 11 4 13 14 8 15 8 11 10 P i * 0.06 0.11 0.04 0.13 0.14 0.08 0.15 0.08 0.11 0.10 f i * 15.09 27.66 10.06 32.70 35.21 20.12 37.73 20.12 27.66 25.15 F i * 0.06 0.17 0.21 0.34 0.48 0.56 0.71 0.79 0.90 1.00 Полученные гистограммы: Гистограмма и полигон эмпирической плотности распределения для АЦП Гистограмма эмпирической функции распределения для АЦП: Определение интервальных оценок первых двух выборо к при заданной доверительной вероятности Р д . Интервальным или доверительны м оцениванием называют оценивание, при котором по данным выборки опреде ляют интервал, накрывающий истинное значение оцениваемого параметра с заданной вероятностью. Интервальное оценивание особенно необходимо пр и малом объёме выборки, когда точечная оценка мало надёжна. Интервальная оценка для математического ожидания может быть представл ена в виде: ( m * x - e ) < m x < ( m * x + e ) или Ѕ m * x - m x Ѕ F ( a ) – принимается гипотеза Н 1 , о том что у двух выборок разная оценка дисперсии. 1.2100, затем находим по таблице F ( a )=1.00 F 2 > F ( a ) – принимается гипотеза Н 1 , о том что у двух выборок разная оценка дисперсии. Проверк а гипотезы о равенстве средних Имеется две выборки результат ов измерений одной и той же величины. Оценки математических ожиданий, по лученные по выборкам m x 1 и m x 2 . Требуется проверит ь гипотезу Н 0 : m x 1 = m x 2 относительно гипотезы Н 1 : m x 1 № m x 2 . Если гипотеза Н 0 будет принята, то мо жно считать, что отличия в значениях m x 1 и m x 2 обусловлены случай ными причинами и обе выборки далее можно использовать совместно. Если ж е будет принята гипотеза Н 1 , то различия в значениях m x 1 и m x 2 будут свидет ельствовать о существенных различиях в условиях эксперимента – выбор ки нельзя далее использовать совместно. 1) Проверка г ипотезы о равенстве средних для первой разновидности выборки, заданной через коэффициент к 1 =1.02. Находим значение двустороннего критерия Стьюдента Уровень значимости a =0.01; Число степеней свободы k = n 1 + n 2 -2; По таблице находим t a , k =2.63; t > t a , k - принима ется гипотеза Н 1 , о том, что у двух выборок различная оценка математического ожида ния. 2) Проверка гипотезы о равенстве средних для второй разновидности выборки, заданной через коэффициент к 2 =1.1. Находим значение двустороннего критерия Стьюдента Уровень значимости a =0.01; Число степеней свободы k = n 1 + n 2 -2; По таблице находим t a , k =2.63; t > t a , k - принима ется гипотеза Н 1 , о том, что у двух выборок различная оценка математического ожида ния. 3) Проверка гипотезы для усилител я о соответствии измеренного значения m x требованиям технического задания (ТЗ). Проверяется гипотеза Н 0 : m x = a , относи тельно гипотезы Н1: m x № a , где а – требования ТЗ. Для требований ТЗ полагают n 2 = Ґ и получают критерий в виде: t < t a , k - принима ется гипотеза Н 0 , о том что измеренное значение m x соответству ет требованиям ТЗ( m x = a ). 4) Проверка гипотезы о соответствии измеренного значе ния m x требованиям ТЗ для первой разновидности в ыборки, заданной через к 1 =1.02. t > t a , k - принимается гипотеза Н 1 , что свидетельствуе т о несоответствии измеренного значения m x 1 требованиям ТЗ ( m x 1 № а). 5) Проверка гипотезы о соответств ии измеренного значения m x требованиям ТЗ для второй разновидности выборки, заданной через к 2 =1.1. t > t a , k - принимается гипотеза Н 1 , что свидетельствуе т о несоответствии измеренного значения m x 2 требованиям ТЗ ( m x 2 № а). Гипотез ы о тождественности эмпирического и теоретического законов для всех тр ёх выборок Критерий Пирсона c 2 1) Проверка гипотезы о тождественности эмпирического и теоретического законов по критерию Пирсона c 2 для датчика: Н 0 : нормальный закон Н 1 : ненорма льный закон Используем те же интервалы, что и при построении гистограмм, но учитывая то, чтобы в интервалах было не менее пяти результатов. Если интервал соде ржит менее пяти значений его объединяют с соседним. В нашем случае объед иняется 1-ый и 2-ой интервалы. ( N =9) 4 3 5 13 16 20 17 10 6 6 7 5 13 16 20 17 10 6 6 Теоретические вероятности попадания результатов в и нтервалы находим по формуле: , где xi -1 – начало; xi – конец i - го интервала; Определяем теоретическое число результатов в каждом интервале: n iT = n * P i ; 0.0475 0.0484 0.0488 0.0492 0.0497 0.0501 0.0506 0.0510 0.0514 0.0519 I 1 2 3 4 5 6 7 8 9 n i 7 5 13 16 20 17 10 6 6 P i 0.0487 0.0601 0.0963 0.1693 0.1570 0.1855 0.1158 0.0785 0.0528 n iT 4.87 6.01 9.63 16.92 15.69 18.55 11.58 7.84 5.28 Вычисляем критерий согласия c 2 : a =0.01; По выборке определяется два параметра предполагаемо го распределения: математическое ожидание и среднеквадратическое откл онение, значит r =2 и число степеней свободы k = N - r -1=9-2-1=6. Для этих значе ний a и k находи м критическое значение по таблице: c 2 a , k =15.0 c 2 < c 2 a , k Ю При данном уровне значимости принимается исходная гипот еза Н 0 , что свидетельствует о распределении случайной величины по нормальному зак ону. 2) Проверка гипотезы о тождеств енности эмпирического и теоретического законов по критерию Пирсона c 2 для усилителя: Н 0 : нормальный закон Н 1 : ненормальный закон I 1 2 3 4 5 6 7 n i 18 11 18 20 16 9 6 P i 0.1638 0.1494 0.2143 0.2715 0.1701 0.0646 0.0561 n iT 16.37 14.93 21.42 27.15 17.01 6.46 5.60 c 2 =8.85 c 2 a ,k =11.7 c 2 < c 2 a , k Ю При данном уровне значимости приним ается исходная гипотеза Н 0 , что свидетельствует о распределении случайной велич ины по нормальному закону. 3) Проверка гипотезы о тождествен ности эмпирического и теоретического законов по критерию Пирсона c 2 для АЦ П: Н 0 : равноме рный закон Н 1 : неравно мерный закон D m =0.02 Закон равномерного распределения записывается в вид е: при - D m Ј D Ј D m при - D m > D > D m Вероятность появления погрешности в интервале равна: i 1 2 3 4 5 6 7 8 9 10 P i 0.097 0.097 0.097 0.097 0.097 0.097 0.097 0.097 0.097 0.097 n iT 9.7 9.7 9.7 9.7 9.7 9.7 9.7 9.7 9.7 9.7 c 2 =5.05 k=10-0-1=9 c 2 a ,k =19.7 c 2 < c 2 a , k Ю При данном уровне значимости приним ается исходная гипотеза Н 0 , что свидетельствует о распределении случайной велич ины по равномерному закону. Критерий Колмогорова 1) Гипотеза о тождественности э мпирического и теоретического законов по критерию Колмогорова для дат чика. F i * 0.04 0.07 0.12 0.25 0.41 0.61 0.78 0.88 0.94 1.00 F i 0.02 0.055 0.095 0.185 0.33 0.51 0.695 0.83 0.91 0.97 F i * - F i 0.02 0.015 0.025 0.065 0.08 0.1 0.085 0.05 0.03 0.03 Н 0 : нормальный закон Н 1 : ненормальный закон Находим максимальную разность F i * - F i D=max| F i * - F i |=0.1 l =D Ц N=0.1*3=0.3 a =0.01 Ю l a =1.63 l < l a Ю При данном уровне значимости принимается исходная гипотеза Н 0 , что свиде тельствует о распределении случайной величины по нормальному закону. 2) Гипотеза о тождественности эмпирического и теорет ического законов по критерию Колмогорова для усилителя. F i * 0.01 0.04 0.18 0.29 0.47 0.68 0.84 0.93 0.98 1.00 F i 0.005 0.025 0.11 0.235 0.38 0.575 0.76 0.885 0.955 0.99 F i * - F i 0.005 0.015 0.07 0.055 0.09 0.105 0.08 0.045 0.025 0.01 Н 0 : нормальный закон Н 1 : ненормальный закон Находим максимальную разность F i * - F i D=max| F i * - F i |=0.105 l =D Ц N=0.105*2.64=0.27 a =0.01 Ю l a =1.63 l < l a Ю При данном уровне значимости принимается исходная гипотеза Н 0 , что свиде тельствует о распределении случайной величины по нормальному закону. 3) Гипотеза о тождественности э мпирического и теоретического законов по критерию Колмогорова для АЦП. F i * 0.06 0.17 0.21 0.34 0.48 0.56 0.71 0.79 0.90 1.00 F i 0.03 0.115 0.19 0.275 0.43 0.52 0.635 0.75 0.845 0.95 F i * - F i 0.03 0.05 0.02 0.065 0.05 0.04 0.075 0.04 0.055 0.05 Н 0 : равномерный закон Н 1 : неравномерный закон Находим максимальную разность F i * - F i D=max| F i * - F i |=0.075 l =D Ц N=0.075*3=0.22 a =0.01 Ю l a =1.63 l < l a Ю При данном уровне значимости принимае тся исходная гипотеза Н 0 , что свидетельствует о распределении с лучайной величины по равномерному закону. Нах ождение процента выхода годных для изделий по результатам обработки вт орой выборки U s =200,00 ± 0,22 с Р д =0,99 По таблице функций Лапласа находим Ф( Z) По результатам обработки второй выборки процент вых ода годных получился равным %. Расчет суммарной погрешности измерения Если связь между частными погреш ностями слабая (вызвана независимыми причинами или источниками), то прин имают r ij =0. При этом погрешности измеряются геом етрически. Выражение случайных погрешностей в относительных зн ачениях: % % s = D m/ Ц 3=0.02/1.7=0.012 % Суммарная погрешность d е =1.2% Вы воды Контроль качества продукции, всл едствие ошибок, осуществляется с помощью наблюдений. Наблюдение над исс ледуемой величиной может осуществляться по-разному: путём зрительного или слухового восприятия, путём подсчёта числа событий, характеризующи х состояние исследуемой величины и, наконец, путём измерения её. Осущест вляя измерение, мы измеряем исследуемую величину, т.е. определяем некото рое приближённое её значение и устанавливаем с какой точностью проведе но измерение, вычисляем степень близости этого приближённого значения к действительному. Если точность недостаточна, то необходимо принять ме ры к её повышению и измерения повторить. Вследствие погрешностей, присущ их любому измерению, результат отдельного измерения x i случаен. Поэтому для выявления действительного значения изм еряемой величины необходимо произвести серию измерений. Результаты из мерений x i предстают в виде случайной величины x . Значит по результатам измерений, измеряемую величину можно характеризовать толь ко вероятностными характеристиками, которые могут быть установлены ли шь в результате статистической обработки результатов измерений. Поэтому цель нашей работы заключается в статистическом анализе качест ва, определении метрологических характеристик изделия методом имитаци онного моделирования, проверки ошибок ОТК, погрешностей, гипотез, и сдел ать заключение о качестве изделия и о качестве технологического процес са. Литература 1. Электрорадиоизмерения и об работка результатов измерений: Учебное пособие/Под ред. В.Г. Глаголевско го; ЛИАП. Л., 1987. 2. Справочник по преобразоват ельной технике/ Под ред. И.М. Чиженко. Киев: Техника, 1978. 3. Руденко В.С., Сенько В.И., Чижен ко И.М. Основы преобразовательной техники. М.: Высш. шк., 1980. Явление термоэлектричества, открытое в начале 20-го века русским академиком Эпинусом, заключается в следующем. Если в цепи, состоящей из 2-х различных проводников, соединенных между собой в точках 1 и 2, нагревать о дну из этих точек соединения, то в цепи появится Э.Д.С., называется термоэл ектродвижущей силой и являющаяся разностью функций температур, мест со единения проводников. Подобная термоэлектрическая цепь, составленная из двух проводников (те рмоэлектродов), называется термопарой. Точки соединения называют рабоч им и свободным концами термопары. Таким образом, изменение температуры рассматриваемым методом сводится к измерению Э.Д.С., которую термопара развивает при строго постоянной тем пературе t 2 свободного конца. Для того чтобы измерить Э.Д.С., необходимо в цепь термопары ввести измерит ельный прибор (измеритель). Прибор, состоящий из термопары и милливольтм етра для измерения Т.Э.Д.С., носит название термоэлектрического пирометра.
1Архитектура и строительство
2Астрономия, авиация, космонавтика
 
3Безопасность жизнедеятельности
4Биология
 
5Военная кафедра, гражданская оборона
 
6География, экономическая география
7Геология и геодезия
8Государственное регулирование и налоги
 
9Естествознание
 
10Журналистика
 
11Законодательство и право
12Адвокатура
13Административное право
14Арбитражное процессуальное право
15Банковское право
16Государство и право
17Гражданское право и процесс
18Жилищное право
19Законодательство зарубежных стран
20Земельное право
21Конституционное право
22Конституционное право зарубежных стран
23Международное право
24Муниципальное право
25Налоговое право
26Римское право
27Семейное право
28Таможенное право
29Трудовое право
30Уголовное право и процесс
31Финансовое право
32Хозяйственное право
33Экологическое право
34Юриспруденция
 
35Иностранные языки
36Информатика, информационные технологии
37Базы данных
38Компьютерные сети
39Программирование
40Искусство и культура
41Краеведение
42Культурология
43Музыка
44История
45Биографии
46Историческая личность
47Литература
 
48Маркетинг и реклама
49Математика
50Медицина и здоровье
51Менеджмент
52Антикризисное управление
53Делопроизводство и документооборот
54Логистика
 
55Педагогика
56Политология
57Правоохранительные органы
58Криминалистика и криминология
59Прочее
60Психология
61Юридическая психология
 
62Радиоэлектроника
63Религия
 
64Сельское хозяйство и землепользование
65Социология
66Страхование
 
67Технологии
68Материаловедение
69Машиностроение
70Металлургия
71Транспорт
72Туризм
 
73Физика
74Физкультура и спорт
75Философия
 
76Химия
 
77Экология, охрана природы
78Экономика и финансы
79Анализ хозяйственной деятельности
80Банковское дело и кредитование
81Биржевое дело
82Бухгалтерский учет и аудит
83История экономических учений
84Международные отношения
85Предпринимательство, бизнес, микроэкономика
86Финансы
87Ценные бумаги и фондовый рынок
88Экономика предприятия
89Экономико-математическое моделирование
90Экономическая теория

 Анекдоты - это почти как рефераты, только короткие и смешные Следующий
Я не молчун, просто жена запрещает материться.
Anekdot.ru

Узнайте стоимость курсовой, диплома, реферата на заказ.

Обратите внимание, курсовая по биологии "Анализ метрологических характеристик", также как и все другие рефераты, курсовые, дипломные и другие работы вы можете скачать бесплатно.

Смотрите также:


Банк рефератов - РефератБанк.ру
© РефератБанк, 2002 - 2016
Рейтинг@Mail.ru