Задачи определительных испытаний

Основной задачей определительных испытаний являетсязадача определения закона распределения случайной величины (или системы случайной величины) по статистическим данным.Так как исчерпывающей характеристикой надежности устройств с непрерывным характером работы служит закон распределения времени безотказной работы. Если известен вид закона и его параметры, то легко определить любую, интересующую нас характеристику надежности.

Доказано, что закономерности, наблюдаемые в случайных явлениях, проявляются тем точнее и отчетливее, чем больше объем статистического материала. При обработке обширных по своему объему статистических данных часто возникает вопрос об определении законов распределения тех или иных случайных величин. Теоретически, при достаточном количестве опытов свойственные этим случайным величинам закономерности будут осуществляться сколь угодно точно. На практике нам всегда приходится иметь дело с ограниченным количеством данных; в связи с этим результаты наблюдений и их обработки всегда содержат больший или меньший элемент случайности. Возникает вопрос о том, какие черты наблюдаемого явления относятся к постоянным, устойчивым и действительно присущи ему, а какие являются случайными и проявляются только за счет ограниченного объема экспериментальных данных. Естественно, к методике обработки экспериментальных данных следует предъявить такие требования, чтобы она, по возможности, сохраняла типичные, характерные черты наблюдаемого явления и отбрасывала все несущественное, второстепенное, связанное с недостаточным объемом опытного материала. В связи с этим возникает характерная для математической статистики задача сглаживания или выравнивания статистических данных, представления их в наиболее компактном виде с помощью простых аналитических зависимостей.

Практически подавляющее большинство статистических распределений, встречающихся при исследовании информационных систем, можно описать одним из следующих пяти стандартных распределений: нормальному, логарифмически-нормальному, гамма, Вейбулла, равномерному. Поэтому чаще возникает задача проверки правдоподобия гипотез.

Эта задача тесно связана с предыдущей; при решении такого рода задач мы обычно не располагаем настолько обширным статистическим материалом, чтобы выявляющиеся в нем статистические закономерности были в достаточной мере свободны от элементов случайности. Статистический материал может с большим или меньшим правдоподобием подтверждать или не подтверждать справедливость той или иной гипотезы. Например, может возникнуть вопрос: согласуются ли результаты эксперимента с гипотезой о том, что данная случайная величина подчинена какому-то закону распределения F(x)? В таком случае проверяется согласие теоретического (предполагаемого) и экспериментального распределений по критериям согласия математической статистики (критерию c-квадрат, Колмогорова-Смирнова и др.). Если проверка по критериям согласия дала положительный результат, то можно переходит к задаче определения неизвестных параметров распределения

Часто при обработке статистического материала вовсе не возникает вопрос об определении законов распределения исследуемых случайных величин. Обыкновенно это бывает связано с крайне недостаточным объемом экспериментального материала. Иногда же характер закона распределения качественно известен, из теоретических соображений; например, часто можно утверждать заранее, что случайная величина подчинена нормальному закону. Тогда возникает более узкая задача обработки наблюдений — определить только некоторые параметры (числовые характеристики) системы случайных величин. При небольшом числе опытов задача более или менее точного определения этих параметров не может быть решена; в этих случаях экспериментальный материал содержит в себе неизбежно значительный элемент случайности; поэтому случайными оказываются и все параметры, вычисленные на основе этих данных. В таких условиях может быть поставлена только задача об определении так называемых «оценок» или «подходящих значений» для искомых параметров, т.е. таких приближенных значений, которые при массовом применении приводили бы в среднем к меньшим ошибкам, чем всякие другие.