, где
.
Для
решения задачи статистического оценивания параметров модели а, Р0
и по результатам отработки изделия может
быть использован метод максимального правдоподобия, применение которого предполагает
справедливость допущения о независимости результатов испытаний. Исследование
статистической независимости результатов испытаний, относящихся к разным
этапам (после i-ой и (
)-ой доработок) сводится
к определению и исследованию корреляционного момента дискретной случайной величины
X (отражающей исход j-го испытания после i-ой доработки) и Y ((j+к)-го
испытания после (
)-ой доработки):
, где mx, my -
математические ожидания случайных величин X и Y.
После
преобразования: , где Pi = Pj
- вероятность успеха в j-м испытании;
-
условные вероятности успеха в (j+к)-м испытании после (i+z)-й
доработки, если в j-м испытании был отказ х1j или
успех х2j. Коэффициент корреляции величин X и Y
равен:
.
В соответствии с принятыми допущениями
изменение вероятности от Pj до Рj+к
происходит только из-за внесения доработок, которые возможны после успешных
испытаний или отказов. Факты внесения доработок не связаны с исходами испытаний
и являются достоверными событиями. Это предопределяет статистическую
независимость исходов испытаний, т.е. вероятности и
являются безусловными и равными между
собой и
. В силу показанной независимости результатов
испытаний вероятность получения
отказов в ni
испытаниях определяется биномиальным выражением
.
Вероятность получения всей выборки (
), т.е. функция
правдоподобия, определяется произведением вероятностей:
.
При этом,
В
качестве оценок максимального правдоподобия принимаются значения , при которых функция правдоподобия
при заданной выборке (
) обращается в максимум
(- lnL в минимум). Получаемые оценки максимального правдоподобия
являются состоятельными, асимптотически несмещенными и асимптотически
эффективными (для больших выборок). Предельным законом распределения оценок
максимального правдоподобия является трёхмерный нормальный закон распределения
со средним значением
() и матрицей ковариаций:
Здесь J - информационная матрица Фишера, элемент которой равен:
.
Точность
оценок параметров можно определить, если в
выражении для С или J вмеcто истинных значений параметров а,
Р0,
подставить оценки максимального
правдоподобия
. Дисперсия
оценки Рi может быть
найдена путём замены нелинейной зависимости для Рi,
линеаризованной:
.
При нормальном законе распределения
оценки доверительный интервал для оценки
в каждом сечении процесса (считая
со средним квадратическим отклонением
):
- двухсторонний доверительный интервал с коэффициентом доверия
;
- односторонний нижний доверительный предел , где
- квантиль нормального распределения.
В практических задачах при анализе
точности исследования надёжности отрабатываемых изделий рекомендуется, в целях
упрощения расчётов, оценивать сверху среднее квадратическое отклонение оценки ПН
на последнем этапе (после последней доработки) по формуле: .
Рассмотренная модель роста надёжности
отрабатываемого изделия при дополнительных упрощающих допущениях (в каждой
доработке устраняется одинаковое количество причин отказов кi=к=const
и при проведении n испытании доработок проводятся
равномерно, т.е. существует линейная зависимость между номером доработки i
и номером испытании j
) сводится к модели
математического ожидания:
, описывающей
изменение надёжности отрабатываемого изделия в зависимости от номера испытаний j.
Основная сфера применения упрощенных
моделей роста надёжности - задачи прогнозирования. При этом, считая частоту
доработок аналогом вероятности проведения доработки,
становится возможным определение величины этой характеристики при
прогнозировании процесса изменения надёжности отрабатываемой конструкции по
данным отработки подобных образцов в близких условиях.
Рекуррентная модель (дифференцированная по доработкам) [4].
Уважаемый посетитель!
Чтобы распечатать файл, скачайте его (в формате Word).
Ссылка на скачивание - внизу страницы.