- •1. Краткие сведения из теории вероятностей
- •Функция распределения и плотность распределения случайной величины
- •Меры положения и рассеяния кривой распределения
- •1.3. Начальные и центральные моменты
- •1.4. Коэффициенты относительного рассеяния и относительной асимметрии
- •1.5. Квантили распределения
- •1.6. Интервальные оценки истинного значения
- •1.7. Методы оценки точности результатов
- •1.8. Точечные диаграммы и практические кривые распределения размеров
- •1.9. Теоретические законы распределения
- •1.9.1. Закон нормального распределения (закон Гаусса)
- •Кривая Гаусса имеет следующие особенности.
- •1.9.2. Усеченное нормальное распределение
- •1.9.3. Экспоненциальное распределение
- •1.9.4. Распределение Эрланга
- •1.9.5. Логарифмически нормальное распределение
- •1.9.6. Распределение Вейбулла
- •1.9.7. Закон равной вероятности
- •1.9.8. Закон Релея (эксцентриситета)
- •Основными параметрами закона Релея являются:
- •1.9.9. Треугольный закон распределения (закон Симпсона)
- •1.10. Статистическое регулирование технологического процесса
- •1.11. Проверка статистических гипотез
- •1.12. Композиция законов распределения и суммирование погрешностей
- •Контрольные вопросы к главе 1
1.9.8. Закон Релея (эксцентриситета)
Распределение таких существенно положительных величин как эксцентриситет, биение, разностенность, непараллельность, неперпендикулярность, овальность, конусообразность характеризуется их абсолютными значениями (без учета знака) подчиняется закону распределения эксцентриситета (закон Релея).
Распределение по закону Релея формируется тогда, когда случайная величина Rс представляет собой геометрическую сумму двух случайных величин Х и У (рис. 1.25), т.е.
, (1.57)
каждая из которых подчиняется закону Гаусса.
Закон Релея однопараметрический, и уравнение его кривой распределения имеет вид:
, (1.58)
где σ – среднее квадратическое отклонение значений координат х и у.
Для теоретической кривой распределения по закону Релея (рис. 1.26) характерны крутой подъем восходящей ветви и более пологий спуск нисходящей ветви, вершина кривой более заострена, чем у кривой нормального распределения, и смещена от среднего значения переменной величины Rc в сторону начала координат. Из уравнения (1.58) следует, что при Rc = 0, y = 0, т.е. начало кривой распределения эксцентриситета совпадает с началом координат. Нисходящая ветвь этой кривой асимптотически приближается к оси абсцисс.
Основными параметрами закона Релея являются:
Rср среднее арифметическое переменной случайной величины;
σRс среднее квадратическое отклонение Rc;
σ среднее квадратическое отклонение значений координат х и у конца радиус-вектора Rc.
Они связаны между собой следующими соотношениями:
σ = σRс / 0,655; Rср = 1,92 ×σRс = 1,257 × σ . (1.59)
Фактическое поле рассеяния значений переменной величины радиус-вектора Rc находят из выражений:
ω = 5,252 σ Rс = 3,44 σ. (1.60)
При распределении Релея, когда фактическое поле рассеяния превосходит поле допуска ( > ), возможно появление брака (рис. 1.26).
Общую площадь F(Rc), ограниченную кривой распределения, находят по интегральному закону распределения эксцентриситета:
, (1.61)
который после подстановки величин t = Rc/σ принимает нормированный вид
(1.62)
и табулируется аналогично функции Лапласа (табл. П.4).
Пример 1.5. Рассчитать вероятный процент брака, если допуск на изготовление детали равен = 0,04 мм. В результате непосредственных измерений первых 25 деталей установлено среднее квадратическое отклонение S = 0,009 мм.
Решение. Расчетное значение среднего квадратического отклонения находим по формуле σ = k×S и табл.1.3 σRc = σ = k∙S = 1,4∙0,009 = 0,0126 мм.
Фактическое поле рассеяния значений эксцентриситета – по формуле (1.60): ω = 5,252σRc = 5,252∙0,0126 = 0,0662 мм.
При Rc= = 0,04 мм и t = 0,655 /σRc = 0,655∙0,04/0,0126 = 2,08. В соответствии с табл. П.4. Ф(t) = 0,8851, т.е. количество годных деталей составляет 88,51% и количество брака – оставшиеся 11,49%.
1.9.9. Треугольный закон распределения (закон Симпсона)
При выборе в качестве начала отсчета случайной величины ее плотность распределения и математическое ожидание имеют следующий вид:
, (1.63)
Mx = 0 , , . (1.64)