- •Введение
- •Глава I определениясистемного анализа
- •Системность - общее свойство материи
- •Определения системного анализа
- •Понятие сложной системы
- •Характеристика задач системного анализа
- •Особенности задач системного анализа
- •Глава 2 характеристика этапов системного анализа
- •Процедуры системного анализа
- •Анализ структуры системы
- •Построение моделей систем
- •Исследование ресурсных возможностей
- •Определение целей системного анализа
- •Формирование критериев
- •Генерирование альтернатив
- •Реализация выбора и принятия решений
- •Внедрение результатов анализа
- •Глава 3 построение моделей систем
- •Понятие модели системы
- •Агрегирование - метод обобщения моделей
- •Глава 4 имитационное моделирование - метод проведения системных исследований
- •Сущность имитационного моделирования
- •Композиция дискретных систем
- •Содержательное описание сложной системы
- •Глава 5 теория подобия - методология обоснования применения моделей
- •Модели и виды подобия
- •Основные понятия физического подобия
- •Элементы статистической теории подобия
- •Глава 6 эксперимент - средство построения модели
- •Характеристика эксперимента
- •Обработка экспериментальных данных
- •Глава 7 параметрические методы обработки экспериментальной информации
- •7.1. Оценивание показателей систем и определениеихточности
- •7.2. Использование метода максимального правдоподобия для оценивания параметров законов распределения
- •Глава I определения системного анализа 7
- •Глава 2 33
- •Глава 3 построение моделей систем 53
- •Глава I определения системного анализа 7
- •Глава 2 33
- •Глава 3 построение моделей систем 53
- •7.5. Примеры оценки показателей законов распределения
- •Глава 8
- •Глава I определения системного анализа 7
- •Глава 2 33
- •Глава 3 построение моделей систем 53
- •Формулировка теоремы Байеса для событий
- •Глава I определения системного анализа 7
- •Глава 2 33
- •Глава 3 построение моделей систем 53
- •8.3. Вычисление апостериорной плотности при последовательном накоплении информации
- •Достаточные статистики
- •Сопряженные распределения
- •8.9. Оценивание параметров семейства гамма-распределений
- •Глава I определения системного анализа 7
- •Глава 2 33
- •Глава 3 построение моделей систем 53
- •Глава 9
- •Общие замечания
- •Ядерная оценка плотности
- •Глава 10
- •Задача линейного программирования
- •Глава I определения системного анализа 7
- •Глава 2 33
- •Глава 3 построение моделей систем 53
- •Метод искусственных переменных
- •Дискретное программирование
- •Нелинейное программирование
- •Глава 11 системный анализ и модели теории массового обслуживания
- •Глава I определения системного анализа 7
- •Глава 2 33
- •Глава 3 построение моделей систем 53
- •Замкнутые системы с ожиданием
- •11.5. Пример расчета надежности системы с ограниченным количеством запасных элементов
- •Глава 12 численные методы в системном анализе
- •Метод последовательных приближений
- •Глава I определения системного анализа 7
- •Глава 2 33
- •Глава 3 построение моделей систем 53
- •Глава 13 выбор или принятие решений
- •Глава I определения системного анализа 7
- •Глава 2 33
- •Глава 3 построение моделей систем 53
Глава 3 построение моделей систем 53
3.1.Понятие модели системы 53
3.2.Способы описания систем Модель черного ящика 54
3.3.Анализ и синтез - методы исследования систем 60
Глава 4 ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ - МЕТОД ПРОВЕДЕНИЯ СИСТЕМНЫХ ИССЛЕДОВАНИЙ 67
Глава 5 75
ТЕОРИЯ ПОДОБИЯ - МЕТОДОЛОГИЯ ОБОСНОВАНИЯ ПРИМЕНЕНИЯ МОДЕЛЕЙ 75
[р,:і=ша'[лр'[м]\ 80
[c]=[Mf[Lfm\ 80
7С, = : : 81
7С, = 81
р. 85
шр = J Ч(к^к 85
°р = J K2Zp(K)^K-Wp2, 85
ZprCO= JJ /, (*,)/2 (f2Vfc1A1 = 86
Глава 6 92
ЭКСПЕРИМЕНТ - СРЕДСТВО ПОСТРОЕНИЯ МОДЕЛИ 92
Глава 7 110
ПАРАМЕТРИЧЕСКИЕ МЕТОДЫ ОБРАБОТКИ ЭКСПЕРИМЕНТАЛЬНОЙ ИНФОРМАЦИИ 110
1Lt, 128
Ь, = (в, Ґ 138
мм>.го>=П[ j*-JШГ 152
^,B)= ртам, 168
J p*~m+I(l-p)mdp 173
J pk-m(l-p)mdp 173
т{т'у>’шга«~кг‘щцтг- 207
238
AJ 238
=0=8= - A 277
8^==8 •■• ^8 - *8= •■ 281
Таким образом, рассмотрен метод оценки параметров законов распределения и определения точности в их оценке. Рассмотренные примеры определения параметров законов распределения имеют важное прикладное значение. Как было указано, экспоненциальное распределение применяется в теории надежности для описания наработок до отказа объектов. Область применения нормального закона распределения еще более широка. Он используется для описания погрешностей, дрейфов параметров, наработок до отказа механических изделий, для которых не удается выделить доминирующей причины, приводящей к отказу, для описания времени обслуживания систем и т.д.
Оценка вероятностных показателей систем путем обработки цензурированных данных
Постановка задачи при обработке цензурированных выборок формулируется следующим образом. Пусть имеется выборка объема г = k+v, которая содержит ряд наблюдений за функционированием объектов с реализовавшимся признаком Tv T2,..., Tk (полные наработки), и ряд
(х
- mf
2о2
+
!,In
Idx
=
0,
л/2ко
j=і
1
наблюдений
с нереализовавшимся признаком
Т',Т',...,Т'.
Пусть известен закон распределения
времени до реализации наблюдаемого
признака F(9,
t).
Оценим
параметры закона распределения. Функция
правдоподобия для выборки, содержащей
цензурированные наработки при
цензурировании справа, запишется
следующим образом:
А1(Є.О
=
П(1-^е*гі,»П/(0'7у>- (7.7)
і=і J=і
Для
цензурированной выборки при цензурировании
слева функция правдоподобия имеет
вид:
ме,о=ПИе^'))П/(е’7> (7.8)
(=і J=I
Процедура
получения оценок параметров аналогична
изложенной в п. 7.2.
А
именно, необходимо прологарифмировать
функцию правдоподобия, взять от нее
производную по искомому параметру и
приравнять ее нулю. Например, в случае
цензурирования справа решение будет
выглядеть
следующим
образом. Логарифм от функции правдоподобия
записывается в виде
*(Є,7>І>
/
(0,г.)
+
£ ln(l
-
F(0,
Tl)).
j-i
(=1
Возьмем
производную от данного выражения по
искомому параметру Э/(9,Г)
_
у
Э1п/(Э,7У)
t
у
Э1п(1-FCfrff))
Э9
"
эе h
эе
и
приравняем полученное выражение нулю.
Если 9
-
вектор порядка к,
то
необходимо взять к
частных производных для получения
системы уравнений
®=0
І.ГЇ
эе,
•
•*’
при
решении которой находим эффективные
несмещенные оценки параметров закона
распределения F(Q,
t).
Рассмотрим
примеры оценивания параметров законов
распределения.
Экспоненциальное
распределение
Запишем
функцию распределения F(K,
0
= 1-
exp(-Ai)
и
плотность распределения/(А,,
і)
=
А-ехр(-Аі)
величины
t.
Пусть
требуется опреде-
206
лить
оценку интенсивности отказа с учетом
полных и цензурированных справа
наработок. Функция правдоподобия для
данного случая представления
информации имеет вид
l(X,t)
=
£іп(Я.ехр(-Я.7;))+Xln
(exP .
і=I J=I
Возьмем
производную от функции правдоподобия
по параметру X
и
приравняем ее нулю:
Ч-ЪЛт’
=
0.
л
і=і
у=і
откуда
получаем оценку параметра
1^1
т;
1=1
j=i
Точность
определения оценки вычисляется по
формуле
Ї2
D(X)
=
к
Нормальное
распределение
Логарифмическая
функция правдоподобия для цензурированной
справа выборки имеет вид
=
-~
(In
271+In
о2 +
(
2
>
т
f
(Т'-т)2
) ехр 2? -ехр 2
о2
V
J
^
1
dl(t,m,a)
1
у1/,.
ч
1V Г
і
(х-т) 2
Л dx
Параметры
закона распределения определяются из
системы уравнений
1
1
--T=-Jexp
V27IO
о
X
=
(Т'-т)
2
а2
(Т'-т)
ехр
+
техр
EJ
1
Matxp
E'
Zjb
T'-m
(
ехр
(
пГ}
2
а2
т
+Ж?ехр
F'
=
J-I
Ь
2V27CG3
Данная
система уравнений является трансцендентной,
решается численными методами. В
качестве первого приближения при
решении системы можно
взять
следующие оценки: (Tj-т)3 (
(ГГт?) т3 Ґ
тМ —-—-—ехр
2а4
2
а2 V
J +—-ехр
2а4 2а2
\
/
Т!
f
(х-ш)2Л 2
а2 dx
(Т'-т)
2
а2 2
Л
(
2
\
т
2аг
2
Л
D
_
d2l(t,m,o)
dm1
B
=
ехр
(х
- т)
2
а2
(
(Т'-т)2Л
(
2
V т ехр 2
а2 \ -ехр 2
а2 V
Л
C
= I- yfliio
□
В;
3
I7;
I
к-ч?
,
а?=-*=?
W1=J=I
к ‘ к
Элементы информационной матрицы определяются в виде
( (Т'-т)2] |
|
г щї |
2 а2 V , |
-ехр |
2 а2 \ |
1 АВ'С-С'В
CT2+VSiaifC2’
( (Т'-т)2) |
т |
' т2 ' |
2 а2 ' > |
+ -ехр |
2а2 V / |
,Т'-т В =-!——
ехр
ехр
г\
dx\
С' =
tW-m)2
а _ B2Ijt,т,а) к i=!
Э(с2)2 2a4 a6 4v& £Г'
d2l(t,m,a) п
В этом случае ковариация между параметрами а и а2 равна нулю, а дисперсии параметров определяются из выражений
D[m] = ——;£>[a2] = ——•
Аналогичные действия выполняются в случае других законов распределения случайной величины, отражающей реализацию наблюдаемого признака. Приведенные примеры иллюстрируют тот факт, что учет цензурированной информации приводит к существенному усложнению процедуры вычисления параметров рассматриваемого закона распределения. Ho следует отметить, что сложность решения задачи оценивания компенсируется точностью оценок, которую в итоге удается достичь за счет учета цензурированной информации.
Оценивание показателей систем по группированным данным
В ходе проведения наблюдений за функционированием систем в ряде случаев исследователь не имеет возможности получать информацию
о реализовавшихся значениях наблюдаемой случайной величины. Известными бывают лишь интервалы значений, в которые попал тот или иной результат наблюдения. Наиболее просто и ясно данную ситуацию иллюстрирует пример с организацией и проведением исследований по определению характеристик надежности элементов и систем.
14—4355209
Так при решении задачи анализа надежности реально функционирующих объектов осуществляется сбор информации о поведении объектов в процессе их эксплуатации, в частности фиксируются отказы и соответственно наработки объектов до отказа. Однако в большинстве случаев доступной является лишь информация о том, что отказы произошли в некотором интервале времени. Это связано с тем, что отказы устройств фиксируются не мгновенно, а в некоторые, наперед спланированные моменты контроля исправности функционирования оборудования или даже в моменты проведения плановых профилактических работ. Практически мгновенно отказы выявляются у незначительной группы устройств, имеющих встроенный контроль. В остальных случаях у исследователя имеется информация о том, что отказ произошел в интервале времени между предыдущим и последующим контролем либо в интервале между очередными профилактиками.
Итак, пусть в системе спланированы моменты контроля исправности функ-ционирования оборудования S1, S2,---, Sfc, где 0 < S,< ^<.. .< Sk< < В моменты контроля выявляется количество отказавших в интервале времени [£,, р S,] устройств, т.е. наблюдаемыми случайными величинами являются целые неотрицательные числа, характеризующие количество отказавших объектов на рассматриваемом интервале N1, JV2, ..., JVrtfl где N. - число устройств, отказавших в интервале [Si [( S,], 3~-
Данные, представленные таким образом, называются группированными данными, которые являются частным случаем цензурированных данных, причем этот случай называется цензурированием интервалом.
Функция правдоподобия в данном случае имеет вид [39]
*+1
UN1,N2,...,NM,Q) = (7.9)
Следует обратить особое внимание на граничные точки области определения параметра S1- В левой крайней точке = 0 функция распределения тождественно равна нулю: F(Gj^0), поэтому первый член сомножителя (7.9) имеет вид
[F(QtS1)-F(9,S0 )f = [Е(Є,5,)Ґ\
В правой крайней точке Sitfl = «> функция распределения тождественно равна единице F(O5Sjtfl) = 1, поэтому последний член произведения (7.9) равен
[F(0, Stfl) - F (9, S1 )]*“ = [I - F (0, S* )f “.
Интервал [S*, °°] по своему смыслу представляет собой интервал цензурирования справа. В него попадают те элементы, которые не отказали до последнего момента контроля Sjfc- Предполагается, что далее наблюдения не проводились, и элементы, которые не отказали до момента St, образуют выборку цензурированных справа наработок. С учетом этого окончательно функцию правдоподобия можно записать следующим образом:
*-i
Ц9, {JVi}) =[F(е,S1)]"■ П[тSw)-F(0,Si)Г“ [I-F(0,St)]"“. (7.10)1=1
Прологарифмируем выражение (7.10):
/(9,[N1 V=N1 In F(0, S1) + X Nm In [F(9,Si+1) ■- F(0, Si)] +Nt+l In [l - F(0, S1)].
i«l
Решение данного уравнения возможно, как правило, численными методами: если допустить в последнем уравнении Pj(Q) = F(9, S1) - F(9, Si.,). то получим, что оценка максимального правдоподобия будет корнем уравнения правдоподобия
(7Л1>
Покажем процедуру вычисления оценки параметра интенсивности отказа для экспоненциального закона распределения наработки. Функция правдоподобия в этом случае будет выглядеть следующим образом:
к+1
L(K {N,}) = П [exP №,-i) - exP )] ‘ •
1=1
Подставляя в (7.11) Pj(K) = ехр(-А4м) - ехр(Х£„), получаем уравнение для определения параметра X экспоненциального закона распределения. Получить решение данного уравнения можно численными методами. Для приближенного решения может быть применен итеративный метод Ньютона-Рафсона с начальным значением
Ь, = (в, Ґ
Jfc+11
где I = YjnII гі =+^.)’ 1 = ^к’ tM= ^k+1-