تحقیق درباره انتخاب مدل برای یک فرآیند

اختصاصی از حامی فایل تحقیق درباره انتخاب مدل برای یک فرآیند دانلود با لینک مستقیم و پر سرعت .

فرمت فایل : word  (لینک دانلود پایین صفحه) تعداد صفحات 25 صفحه

انتخاب مدل

انتخاب مدل برای یک فرآیند مشخص ممکن است بوسیله شناخت ویژگی‌های فیزیکی فرآیند اجرا شود. مثلا در استحکام مواد ویژگی weakest – link‌ ممکن است قابل اجرا باشد و بنابراین یک توزیع احتمالاتی با این ویژگی ممکن است مناسب باشد تجربیات گذشته هم ممکن است یک راهنما باشد اگر آزمایشات مشابه نتایج مطابق با یک توزیع خاص داشته باشد ممکن است اولین عقیده برای پیگیری کردن باشد در صورت فقدان نکته مفید برخی آنالیز اکتشافی داده‌ها مورد نیاز است تا به چنین جنبه های رفتاری قابلیت اعتماد تجربی یا توابع مخاطره رسیدگی کند که ممکن است یک خانواده محتمل از توزیع ها را پیشنهاد کند هرراهی مورد استفاده قرار می‌گیرد تا انتخاب جزئی یک مدل را انجام دهد. برازش مدل باید توسط نمودار کامل شود تا تشخیص داده شود چگونه بهترین مدل به داده‌ها برازش داده شود.

مدل های تئوری مثل وایبل، نمایی و دیگر شکلهای خوش تعریف نامگذاری می‌شوند تا بعنوان یک خانواده مدل فکر شوند این خانواده پارامترهایی که معمولا نامعلوم هستند و احتیاج به برآورد از داده‌های در دسترس هستند را درگیر می‌کنند تشخیص پارامتر عضو خاصی از خانواده که به داده‌ها برازش داده می شود را تعیین هویت می‌کنند. روشهایی که با فرض برآورد یک خانواده مدل پایه گذاری می‌شود پارامتری نامیده می‌شود برای ساختن این فرضیات جزئی به برآورد یک توزیع احتمالاتی نیاز داریم.

برآورد ناپارامتری h(t), R(t)

برآورد توابع قابلیت اعتماد و مخاطره بر پایه داده‌هایی که به عنوان داده‌هایی آزمایشی ترجیح داده می شوند می‌باشد تکنیک رسم نمودار در آنالیز اکتشافی داده‌ها طراحی می‌شود تا به انتخاب مدل‌هایی که اغلب بر پایه این توابع هستند کمک کند.

یک مجموعه ازمشاهدات t1,t2,…tn را در نظر بگیرید آماره های ترتیبی با:

نشان داده می‌شوند که اندیس I هیچ رابطه خاصی با i ندارد. R(t(i))‌ مرتبط با نسبت مشاهدات بزرگتر t(i) می‌باشد گفته می‌شود (1-p­i) که pi­‌ نسبت مشاهده شده مشاهدات کمتر یا مساوی با t(i) است برآورد تابع قابلیت اعتماد با ‌ نشان داده می‌شود با مساوی قرار دادن  و  (1-pi)  یک تابع رتبه‌ای با جهش در t­(i) مشاهده می‌شود تعدادی فرمول برای pi  وجود دارد مثلا:

آخرین فرمول Hazen است و معمولا بر پایه بزرگترین نمونه است n>20 برای نمونه‌های کوچک  مطلوب است. تمام فرمول های نشان داده شده در بالا مواردی از فرمول عمومی  است. بحث درباره ویژگی این برآورد کننده‌ها در (1978) Cunnane‌ پیدا می‌شود.

چنین روشهایی از برآورد که هیچ فرضی درباره توزیع ندارند ناپارامتری نامیده می‌شوند. تابع مخاطره با H(t)=-logR(t)‌ نمایش داده می‌شود که برآورد H(t) به صورت

می‌باشد.

از نمودار  ارزیابی اینکه تابع مخاطره افزایشی، کاهش یا ثابت می‌ماند ممکن است یک نمودار خطی اشاره بر تابع مخاطره ثابت دارد یک نمودار محدب تابع مخاطره افزایشی و یک نمودار مقعر تابع مخاطره کاهشی دارد.

برآورد مستقیم تابع مخاطره بوسیله فرمول زیر است:

که  همان مقادیر که برای برآورد R(t) استفاده می‌شود را اختیار می کند تابع چگالی این گونه برآورد می‌شود:

با مجموعه داده‌های کوچک یا داده‌هایی با فاصله‌های زیاد لازم است تکنیک، هموار کردن، بکار رود باید آگاه باشیم که در نمونه‌های کوچک مشاهده جعلی تاثیر قابل ملاحظه‌ای دارد.

مثال (3-1): جدول زیر داده‌هایی از (1977) Kapur and Lamberson‌ است که نتایج برآورد توابع مخاطره و قابلیت اعتماد را به منظور هموار کردن چهارمین و پنجمین فاصله‌ها که ترکیب شده و بعنوان تنها فاصله در برآورد تابع مخاطره است را نشان می‌دهد.

   

نمودارهای (3-1) و (3-2) نمودارهایی از برآورد R(t)‌ و h(t) با شکلهای تابعی مناسب را نشان می‌دهد.