Tilastollinen häiriö - Statistical interference

Ei pidä sekoittaa tilastollisiin päätelmiin .

Kun kaksi todennäköisyysjakaumaa menee päällekkäin, esiintyy tilastollista häiriötä . Jakaumien tuntemusta voidaan käyttää määrittämään todennäköisyys, että yksi parametri ylittää toisen ja kuinka paljon.

Tätä tekniikkaa voidaan käyttää mekaanisten osien mitoitukseen, sen määrittämiseen, milloin kuormitus ylittää rakenteen lujuuden, ja monissa muissa tilanteissa. Tämän tyyppistä analyysiä voidaan käyttää myös arvioimaan epäonnistumisen todennäköisyys tai vikatiheys .

Mittasuhteet

Image
Mittausjakaumien häiriöt osien sopivuuden määrittämiseksi

Mekaaniset osat on yleensä suunniteltu sopimaan tarkasti yhteen. Esimerkiksi, jos akseli on suunniteltu "liukuvaksi" reikään, akselin on oltava hieman pienempi kuin reikä. (Perinteiset toleranssit saattavat viitata siihen, että kaikki mitat kuuluvat suunniteltuihin toleransseihin. Tosiasiallisen tuotannon prosessikapasiteettitutkimus saattaa kuitenkin paljastaa normaalit jakaumat pitkillä hännillä.) Sekä akselin että reiän koot muodostavat yleensä normaalijakaumia jonkin verran keskiarvoa ( aritmeettinen keskiarvo) ) ja keskihajonta .

Kahdella tällaisella normaalijakaumalla häiriön jakauma voidaan laskea. Johdettu jakauma on myös normaali, ja sen keskiarvo on yhtä suuri kuin kahden perusjakauman keskiarvojen välinen ero. Varianssi on johdettua jakaumaa on summa varianssien kahden emäksen jakaumat.

Tätä johdettua jakaumaa voidaan käyttää määrittämään, kuinka usein mittojen ero on pienempi kuin nolla (ts. Akseli ei mahdu reikään), kuinka usein ero on pienempi kuin vaadittu liukuraja (akseli sopii, mutta myös ja kuinka usein ero on suurempi kuin suurin sallittu rako (akseli sopii, mutta ei tarpeeksi tiukasti).

Fyysisen omaisuuden häiriöt

Image
Käytetyn kuorman ja lujuuden jakaumien häiriöt

Fysikaaliset ominaisuudet ja käyttöolosuhteet ovat myös luonnostaan ​​vaihtelevia. Esimerkiksi mekaanisen osan kuormitus (jännitys) voi vaihdella. Kyseisen osan mitattu lujuus (vetolujuus jne.) Voi myös vaihdella. Osa rikkoutuu, kun stressi ylittää voiman.

Kahden normaalijakauman avulla tilastollinen häiriö voidaan laskea kuten yllä. (Tämä ongelma toimii myös muunnetuille yksiköille, kuten log-normaalijakaumalle ). Muiden jakaumien tai eri jakaumien yhdistelmien kanssa Monte Carlon menetelmä tai simulointi on usein käytännöllisin tapa kvantifioida tilastollisten häiriöiden vaikutukset.

Katso myös

Viitteet