Надёжность функционирования автоматизированных систем
Экспериментальная оценка надёжности изделий
Для решения
теоретических
и практических
задач надёжности
необходимо
знать законы
распределения
исходных случайных
величин. При
оценке надёжности
изделий может
решаться задача
определения
по данным
эксплуатации
или специальных
испытаний
среднего времени
безотказной
работы
,
среднего времени
восстановления
.
Рассмотрим случайную величину Т - время безотказной работы. При эксплуатации или испытаниях изделий в течении определённого времени случайная величина Т может принять n различных значений. Совокупность этих значений случайной величины Т называется статистической выборкой объёма n. Эта выборка может использоваться для статистической оценки закона распределения случайной величины Т.
Приведём пример статистической выборки для 10 однотипных изделий.
При большом числе n удобнее перейти от статистической выборки к статистическому ряду. Определяем диапазон значений случайной величины Т.
,
где
,
- максимальное
и минимальное
значение случайной
величины Т.
Этот диапозон
R разбивается
на интервалы
длины
;
где K-
количество
интервалов.
Целесообразно
выбирать число
интервалов
порядка 10 - 20. Обозначим
через
количество
значений случайной
величины Т,
попавших в
интервал i
- й длины
.
Полагаем
;
i = 1, 2,…..,K.
Определим частоту попадания в i - й интервал
.
Определяем статистическую плотность вероятности времени безотказной работы Т
.
Результаты сведём в таблицу:
Наглядное представление о законе распределения случайной величины Т дают статистические графики. Из них самые распространённые: полигон, гистограмма, статистическая функция распределения.
Полигон
строится следующим
образом: на оси
абцисс откладываются
интервалы
,
i = 1, 2, …..k
, в серединах
интервалов
строятся ординаты,
равные частотам
и концы ординат
соединяются.
Построение
гистограммы:
над каждым
интервалом
,
i = 1, 2, …..k
строится
прямоугольник,
площадь которого
равна частоте
в этом интервале.
Построение
статистической
функции распределения
случайной
величины Т. Над
каждым интервалом
проводится
горизонтальная
линия на уровне
ординаты, равной
величине накопленной
частоты.
Второй способ построения статистической функции распределения случайной величины Т:
,
где
-
частота выполнения
события
.
,
где
- число опытов,
при которых
![]()
Статистическая
плотность
вероятности
и статистическая
функция распределения
случайной
величины Т
представляют
статистический
закон распределения
случайной
величины Т.
Выравнивание статистического закона распределения случайной величины Т
На практике число опытов n ограничено, и статистический закон распределения является каким-то приближением к теоретическому (истинному) закону распределения случайной величины Т. Стремятся подобрать такую теоретическую кривую, которая бы отражала существенные черты статистического закона распределения и не отражала бы случайностей из-за малого количества данных. Вид закона распределения подбирают из существа задачи, либо по внешнему виду статистического закона распределения.
Будем аппроксимировать статистический закон распределения случайной величины Т экспоненциальным законом распределения f(t).
Для экспоненциального закона распределения имеем
;
.
Нужно
определить
параметры
выбранного
закона распределения.
Выбранный
экспоненциальный
закон распределения
зависит от
одного параметра
.
Оценку параметра
обозначим через
.
Оценку
мы определяем
из результатов
опытов.
Используем
для определения
метод моментов;
приравниваем
теоретические
и статистические
моменты данного
закона распределения.
Имеем
.
Здесь
-
первый теоретический
момент. По
результатам
опытов определяем
статистический
первый момент
.
Имеем
;
где
-время
безотказной
работы i
- го изделия; n
- число опытов
или число изделий,
поставленных
на испытания.
Приравниваем
эти моменты
или
![]()
откуда
Пример
2: из результатов
опытов определим
i =1, 2, ….,
k.
Будем
аппроксимировать
статистический
закон распределения
случайной
величины Т
нормальным
законом распределения
f(t)
вида
Нужно
определить
параметры
выбранного
закона распределения.
Выбранный
нормальный
закон распределения
зависит от двух
параметров
и
.
Определим
оценки
и
этих параметров
из результатов
опытов. Используем
для определения
и
метод моментов.
Теоретические
моменты закона
распределения
случайной
величины Т:
начальные моменты порядка S определяются соотношением
;
S = 1, 2,……;
центральные моменты порядка S определяются формулой
;
S = 1, 2, …….
Здесь
.
Определим
и
(
- начальный
момент 1 - го
порядка;
- центральный
момент 2 - го
порядка). Имеем:
;
;
Таким образом
;
;
По результатам
опытов определяем
статистические
моменты
и
.
Имеем:
;
.
Приравниваем
и
,
и
;
Имеем
=
,
=
;
или
,
.
Следовательно
;
.
Для оценки степени расхождения статистического закона распределения с теоретическим законом распределения выбираем меру расхождения, по величине которой можно судить о том, вызвано ли расхождение случайными причинами, или разница между распределениями настолько велика, что выбранный теоретический закон распределения непригоден.
Обозначим
меру расхождения
через
,
которая может
быть выбрана
различными
способами.
,
где
-
статистическая
функция распределения
случайной Т
; q(t)
- функция распределения
случайной
величины Т.
Например:
![]()
;
;
где
частота
попадания
случайной
величины Т в
интервал
,
i = 1, 2, ….,
K;
-
вероятность
попадания
случайной
величины Т в
интервал
,
i = 1, 2, …..K.
Чем меньше
,
тем лучше согласуется
статистический
закон распределения
с теоретическим
законом распределения.
Выдвигаем гипотезу H о том, что выбранный нами закон распределения случайной величины Т не противоречит статистическому закону распределения. На основании имеющегося статистического материала следует проверить эту гипотезу H. Широко используются два критерия проверки гипотезы H: критерий Пирсона и критерий Колмогорова.
Критерий Пирсона
Разбиваем полученные в опытах значения Т на k интервалов:
k - число интервалов. Выдвигаем гипотезу H о том, что выбранная теоретическая плотность вероятности случайной величины Т есть функция f(t).
В качестве
величины
выбираем величину
,
определяемую
по формуле
;
где n - число опытов (число отказов);
-
частота попадания
случайной
величины Т в
интервал
;
-
количество
значений случайной
величины Т,
попавших в
интервал
;
-
вероятность
попадания
случайной
величины Т в
интервал
;
;
;
i = 1, 2, ….,
K;
;
- это случайная
величина.
Можно
доказать, что
если верна
гипотеза Н, то
при
распределение
величины
независимо
от вида функции
f(t)
стремится к
распределению
с числом степеней
свободы
;
где K
- число интервалов,
r - число
параметров
функции f(t),
оцениваемых
по результатам
опытов, по
результатам
статистической
выборки объёма
n.
Т.о. при
![]()
;
Пусть
-
такое число,
что можно считать
практически
невозможным
осуществление
события с такой
вероятностью
.
Если
то
.
маловероятное событие для гипотезы Н.
Т.о, в этом случае гипотеза Н отклоняется, т.е выбранная теоретическая плотность вероятности не согласуется с результатами опытов.
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()