На бирже курсовых и дипломных проектов можно найти образцы готовых работ или получить помощь в написании уникальных курсовых работ, дипломов, лабораторных работ, контрольных работ, диссертаций, рефератов. Так же вы мажете самостоятельно повысить уникальность своей работы для прохождения проверки на плагиат всего за несколько минут.

ЛИЧНЫЙ КАБИНЕТ 

 

Здравствуйте гость!

 

Логин:

Пароль:

 

Запомнить

 

 

Забыли пароль? Регистрация

Повышение уникальности

Предлагаем нашим посетителям воспользоваться бесплатным программным обеспечением «StudentHelp», которое позволит вам всего за несколько минут, выполнить повышение уникальности любого файла в формате MS Word. После такого повышения уникальности, ваша работа легко пройдете проверку в системах антиплагиат вуз, antiplagiat.ru, etxt.ru или advego.ru. Программа «StudentHelp» работает по уникальной технологии и при повышении уникальности не вставляет в текст скрытых символов, и даже если препод скопирует текст в блокнот – не увидит ни каких отличий от текста в Word файле.

Результат поиска


Наименование:


курсовая работа Надежность трубобуров

Информация:

Тип работы: курсовая работа. Добавлен: 23.06.2012. Сдан: 2011. Страниц: 11. Уникальность по antiplagiat.ru: < 30%

Описание (план):



      Анализ  статистического материала.
 
                     Таблица 1: Рабочая таблица
ti Частота ti Частота ti Частота ti Частота
1 | 33 ||||| 65 | 97 |||
2 ||| 34 || 66 ||| 98 |
3 |||| 35 ||| 67 || 99 ||
4 ||||| 36 || 68   100  
5 | 37   69   101  
6 |||| 38   70 || 102 |||||
7 | 39 | 71 || 103  
8 || 40 | 72 | 104  
9 || 41 || 73 || 105  
10 ||| 42 | 74 | 106  
11 | 43 |||| 75 || 107 ||
12 || 44 ||| 76 ||||| 108  
13 | 45 || 77 | 109  
14 || 46 ||| 78 |||||| 110 ||
15   47 | 79 | 111  
16 || 48   80 | 112  
17 |||| 49 ||| 81 | 113 |
18 || 50 ||| 82 | 114  
19 ||| 51 ||| 83   115 |
20   52 | 84 || 116 |
21 |||| 53   85 | 117 ||
22 | 54 | 86   118  
23 | 55 || 87 | 119 |
24 |||| 56 || 88   120  
25 ||| 57 || 89 | 121  
26   58 || 90   122  
27 || 59 | 91 | 123  
28 || 60 | 92   124 |||
29 || 61   93 || 125  
30 ||| 62 ||| 94   126  
31 |||| 63 || 95   127 |
32   64 | 96 |    
 
      ti –наработка турбобура до отказа
      n*i-частота
 

        Построение вариационного ряда
Строим путем ранжирования
 Вариационный ряд: 1,2,2,2,3,3,3,3,4,4,4,4,4,5,6,6,6,6,7,8,8,9,9,10,10,10; 11,12,12,13,14,14,16,16,17,17,17,17,18,18,19,19,19,21,21,21,21,22,23,24,24,24,24,25, 25,25,27,27,28,28,29,29,30,30,30,31,31,31,31,33,33,33,33,33,34,34,35,35,35,36,36,39, 40,41,41,42,43,43,43,43,44,44,44,45,45,46,46,46,47,49,49,49,50,50,50,51,51,51,52,54, 55,55,56,56,57,57,58,58,59,60,62,62,62,62,63,63,64,65,66,66,66,67,67,70,70,71,71,72, 73,73,74,75,75,76,76,76,76,76,77,78,78,78,78,78,78,79,80,81,82,84,84,85,87,89,91,93, 93,96,97,97,97,98,99,99,102,102,102,102,102,107,107,110,110,113,115,116,117,117, 119,124,124,124,127. 

n = 193
 

     1.2Построение статистического ряда:
Статистический  материал представлен в виде статистического  ряда для облегчения расчетов
при числе n>25. 

Число интервалов ряда принимается равным: 

 
Принимаем к=13, где n – число случайных величин t, к – число интервалов.
Величину одного интервала определим по формуле: 

9,69  
     
Принимаем ?t=10, где ?t – величина одного интервала, tmax и tmin – максимальное и минимальное значение случайной величины соответственно. 

    1.3Посроение статического интервального ряда :
Для составления  статистического ряда для каждого  интервала подсчитаем: 

ni* – количество значений случайной величины в i-ом интервале (частота);
pi* – частость в i-ом интервале;
F*(t) – значение интегральной функции распределения;
f*(t) – эмпирическая плотность распределения;
P*(t) – обратная интегральная функция распределения;
?*(t) – значение функции интенсивности. 
 

Определим количество значений случайной величины в i-ом интервале ni: 

Таблица №2
Интервал,       ч
?t Середина n*i       p*i
1   0-10 10 5 23 0,119171
2   10-20 10 15 20 0,103627
3   20-30 10 25 19 0,098446
4   30-40 10 35 20 0,103627
5   40-50 10 45 20 0,103627
6   50-60 10 55 17 0,088083
7   60-70 10 65 15 0,07772
8   70-80 10 75 23 0,119171
9   80-90 10 85 8 0,041451
10 90-100 10 95 10 0,051813
11 100-110 10 105 7 0,036269
12 110-120 10 115 7 0,036269
13 120-130 10 125 4 0,020725
   
 
Так как  n13<5 , то объединяем n12 и n13 в один интервал:

 n12=11[110-130] 
 

Таблица №3 с  обработанными данными 

Интервал,       ч
?t Середина n*i      p*i
1   0-10 10 5 23 0,119171
2   10-20 10 15 20 0,103627
3   20-30 10 25 19 0,098446
4   30-40 10 35 20 0,103627
5   40-50 10 45 20 0,103627
6   50-60 10 55 17 0,088083
7   60-70 10 65 15 0,07772
8   70-80 10 75 23 0,119171
9   80-90 10 85 8 0,041451
10 90-100 10 95 10 0,051813
11 100-110 10 105 7 0,036269
12 110-130 20 120 11 0,056995
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Определим частость в i-ом интервале: 

 pi – частость в i-ом интервале;
          
 
 

 

 2. Расчет  параметров статистического распределения
2.1 Для оценки  математического ожидания используют среднее арифметическое значение случайной величины. 

     где    - математического ожидания;
                           tic - значение середины i-го интервала;
                           pi - опытная вероятность i-го интервала. 
 

[ч]. 

2.2 Дисперсия характеризует разбросанность значений случайной величины около её математического ожидания.
Определим значение дисперсии по формуле: 

    где D - дисперсия ;      

 
 
 

2.3 Дисперсия  имеет размерность квадрата случайной величины, поэтому, вычислим среднеквадратичное отклонение по формуле: 

   - среднеквадратичное отклонение     

[ч]. 

2.4 Определим  значение коэффициента вариации  по формуле: 

       V - коэффициент вариации ;  
 
 


    3. Оценка резко выделяющихся величин.
Статистическая  информация может содержать резко  выделяющиеся значения, которые
оказывают влияние  на оценку показателей надежности, поэтому все резко выделяющиеся
значения, которые  оказывают такое влияние, должны быть проанализированы и исключены
из рассмотрения, если они являются следствием грубых ошибок наблюдения.
Приближенно, оценку информации на выпадающие точки проводят по правилу « ».
Если значения случайной величины не выходят за пределы  , то эти точки
информации считают  действительными. 

3.1 Проверка по  правилу « ».                                    

 

Следовательно по правилу « »  точки входят в интервалы и их считаем действительными. 

3.2 Проверка по  критерию Романовского.
Рассматриваем и без учета сомнительных членов ряда распределения . Если ,
то с выбранной  вероятностью данные члены можно исключить из рассмотрения..
Сомнительные  члены: 124, 127. 

n=189 

 
         
 Принимаем к=13, где n – число случайных величин t.
Величину одного интервала определим по формуле:                      

                    
 

Принимаем ?t=10, где tmax и tmin – максимальное и минимальное значение случайной величины соответственно.
Для удобства опять  определяем значения случайной величины в i-ом интервале ni и пересчитаем и без учета сомнительных членов ряда. 

Таблица №5 - Значения случайной величины в i-ом интервале
    Интервал,      ч
    ?t Середина n*i       p*i
    1 0-10 10 5 23 0,121693
    2 10-20 10 15 20 0,10582
    3 20-30 10 25 19 0,100529
    4 30-40 10 35 20 0,10582
    5 40-50 10 45 20 0,10582
    6 50-60 10 55 17 0,089947
    7 60-70 10 65 15 0,079365
    8 70-80 10 75 23 0,121693
    9 80-90 10 85 8 0,042328
    10 90-100 10 95 10 0,05291
    11 100-110 10 105 7 0,037037
    12 110-120 10 115 7 0,037037
Определим математическое ожидание: 

                      

 

Определим среднеквадратичное отклонение: 

                       

 

Определим значение дисперсии: 

                   

 

Определим значение коэффициента вариации: 

               

 

Проверим член 124 и 127 по критерию Романовского по формуле: 

            
Проверяем t=127: 


                Проверяем t=124: 

 
 

Следовательно член 124 и 127 исключаем из дальнейшего рассмотрения. 


3.3 Проверка резко выделяющихся величин по критерию Ирвина по формуле: 

                       
 

      

     Следовательно,  анализируемые величины оставляем при дальнейшем рассмотрении.
 

3.4 Проверка резко выделяющихся величин по критерию Груббса по формуле: 

                            

     

     Так как для обеих точек при n=189 заведомо (таблица 5 приложения), то оставляем крайние точки в рассматриваемой совокупности.

      Таблица №7 – расчетная таблица
    Интервал,       ч
    ?t Середина n*i       p*i
    1 0-10 10 5 23 0,121693
    2 10-20 10 15 20 0,10582
    3 20-30 10 25 19 0,100529
    4 30-40 10 35 20 0,10582
    5 40-50 10 45 20 0,10582
    6 50-60 10 55 17 0,089947
    7 60-70 10 65 15 0,079365
    8 70-80 10 75 23 0,121693
    9 80-90 10 85 8 0,042328
    10 90-100 10 95 10 0,05291
    11 100-110 10 105 7 0,037037
    12 110-120 10 115 7 0,037037
 
 
Определим частность в i-ом интервале: 

                 
                                

 

     4 Построение графиков статистических функций(гистограмм)
4.1Определим значение интегральной функции распределения: 

              
 
 

4.2Определим эмпирическую плотность распределения: 

              

    





 

4.3Определим значение обратной интегральной функции распределения: 

             


 
 

4.4Определим значение функции интенсивности: 

             




 

Сведем полученные данные в таблицу:
Таблица №8
      
N ?t ticp n*i
1 10 5 23 0,121693 0,012169 0,121693 0,878307 0,013855
2 10 15 20 0,10582 0,010582 0,227513 0,772487 0,013699
3 10 25 19 0,100529 0,010053 0,328042 0,671958 0,014961
4 10 35 20 0,10582 0,010582 0,433862 0,566138 0,018692
5 10 45 20 0,10582 0,010582 0,539683 0,460317 0,022989
6 10 55 17 0,089947 0,008995 0,62963 0,37037 0,024286
7 10 65 15 0,079365 0,007937 0,708995 0,291005 0,027273
8 10 75 23 0,121693 0,012169 0,830688 0,169312 0,071875
9 10 85 8 0,042328 0,004233 0,873016 0,126984 0,033333
10 10 95 10 0,05291 0,005291 0,925926 0,074074 0,071429
11 10 105 7 0,037037 0,003704 0,962963 0,037037 0,1
12 10 115 7 0,037037 0,003704 1 0 ?
 
Рисунок №1 –  гистограмма эмпирической плотности  распределения
 


 

Рисунок №2 – гистограмма интегральной функции распределения
 

Рисунок №3 – гистограмма обратной интегральной функции 


 

Рисунок №4 – гистограмма функции интенсивности

 

5. Выбор теоретического закона распределения. 

При обработке  статистического материала важной задачей является подбор теоретического
закона распределения, наилучшим образом описывающего статистическое распределение. 

Теоретический закон подбирают, принимая во внимание: 

- физическую  природу отказов;
- опыт отработки  деталей и изделий аналогичного назначения;
- форму кривой  плотности распределения;
- совпадение  опытных точек с теоретической  кривой интегральной функции  безотказности;
- коэффициент  вариации. 

Значение коэффициента вариации, характеризующего рассеивание  показателя надежности,
уже позволяет  судить об условиях эксплуатации машин  и их технологии изготовления. 

5.1 Определим  коэффициент вариации: 

                  
 


Так как V=0,64, то выбираем закон распределения Вейбулла. 




 
 
 
 


5.2 Определим параметры распределения Вейбулла. 

Так как коэффициент  вариации V=0,64, то по таблице 2 приложения определим находим: 

b=1.6 

5.3 Для определения  параметра a нужно найти Кb. 

                 

По таблице  находим
0,640=V;
0,897=Kb;
 

Следовательно уравнения закона распределения  Вейбулла примут вид: 




 

 

     6.Рассчитаем  все теоретические функции.
6.1 определим значение интегральной функции распределения:
             

 

 

6.2 Определим дифференциальную функцию распределения: 

        

 

 

  6.3 Расчет обратной интегральной функции распределения: 

                   

 
 
 
 
 

 

6.4  Расчет значение функции интенсивности отказов: 

                    
 

 

 Найдем  разность между функциями F*(t) и F(t): 

        
 
 

 Определим  вероятность попадания случайной  величины в i-ый интервал pi: 

        
 
 

Сведем полученные данные в таблицу:
 

Таблица №6
t f(t) P(t) pi F*(t) F(t) ?(t)
0   0 1     0 0  
10 23 0,001795 0,936 0,0635 0,121693 0,064 0,001917 0,058
20 20 0,004762 0,819 0,1169 0,227513 0,181 0,005812 0,047
30 19 0,007596 0,683 0,1362 0,328042 0,317 0,011119 0,011
40 20 0,009633 0,547 0,1364 0,433862 0,453 0,017618 0,019
50 20 0,010624 0,422 0,1247 0,539683 0,578 0,025178 0,038
60 17 0,010619 0,315 0,1069 0,62963 0,685 0,033707 0,055
70 15 0,009837 0,228 0,086 0,708995 0,772 0,043135 0,063
80 23 0,008565 0,160 0,0676 0,830688 0,840 0,053409 0,009
90 8 0,007075 0,110 0,05 0,873016 0,890 0,064485 0,017
100 10 0,005581 0,073 0,0365 0,925926 0,927 0,076326 0,001
110 7 0,004225 0,048 0,0255 0,962963 0,952 0,0889 0,010
120 7 0,003081 0,030 0,0173 1 0,970 0,102179 0,030
 
 
      f(t) - дифференциальная функция распределения (эмпирическая плотность распределения)
    P(t) - обратная интегральной функции распределения
    pi - вероятность попадания случайной величины в i-ый интервал
    F(t) - интегральная функция распределения
    ?(t) - функция интенсивности отказов
    |D| - разность между функциями F*(t) и F(t) 
    Рисунок №5 – гистограмма и график теоретической эмпирической плотности



      Рисунок №6 – гистограмма и график теоретической интегральной функции

 

Рисунок №7 – гистограмма и график теоретической обратной интегральной функции распределения

Рисунок №8 – гистограмма и график теоретической функции интенсивности отказов

 

7. Проверка гипотезы о соответствии эмпирического и теоретического распределений с помощью критериев согласия. 

Назначение критерия ?2 - критерия Пирсона 

Критерий ?2 применяется  в двух целях:  

1) для сопоставления  эмпирического распределения признака  с теоретическим - равномерным, нормальным или каким-то иным;  

2) для сопоставления  двух, трех или более эмпирических  распределений одного и того  же признака (в скрипте до 10).  

Описание критерия 

Критерий ?2 отвечает на вопрос о том, с одинаковой ли частотой встречаются разные значения признака в эмпирическом и теоретическом распределениях или в двух и более эмпирических распределениях.  

Преимущество  метода состоит в том, что он позволяет  сопоставлять распределения признаков, представленных в любой шкале, начиная от шкалы наименований. В самом простом случае альтернативного распределения "да - нет", "допустил брак - не допустил брака", "решил задачу - не решил задачу" и т. п. мы уже можем применить критерий ?2.  

Чем больше расхождение  между двумя сопоставляемыми распределениями, тем больше эмпирическое значение ?2. 

7.1 Критерий согласия  К. Пирсона: 

                      

Проверка полученного  значения критерия согласия К. Пирсона  по Д. Письменному:

       Условие не выполняется, значит гипотеза о соответствии принятого теоретического закона эксперементальным данным отвергается.
и т.д.................


Перейти к полному тексту работы


Скачать работу с онлайн повышением уникальности до 90% по antiplagiat.ru, etxt.ru или advego.ru


Смотреть полный текст работы бесплатно


Смотреть похожие работы


* Примечание. Уникальность работы указана на дату публикации, текущее значение может отличаться от указанного.