I.Теоретические основы
1.1 Основные сведения о распределении вероятностей
Для непрерывной случайной величины , имеющей множество реализаций (-∞, +∞), функция распределения вероятной F (x) определяется как вероятность того, что случайная величина , не превышает х, т.е.
=P(<x) (1.1)
Из опред. След =>
В случае, если случайная величина =T -наработка до отказа, то функция распределения вероятности отказов F (t) (функция отказов) является вероятностью того, что T<t или отказ наступил на отрезке [0, t). Множество реализаций Т [0, ∞) => Ft(0)=0, Fx(∞)=1.
Вероятность безотказной работы PH(t) (ВБР) равна («функция надежности)
PH(t) = 1 - FT(t) = 1 - P(T<t) = P(Т>t) (1.2)
Таким образом, ВБР - основной показатель безотказности - вероятность того, что отказ за период наработки, равный t, не наступил, т.е. T>t.
Эмпирическая функция распределения случайной величины имеющей множество реализаций (,…)определяется как
(1.3)
1 для х<
Частость наступления отказов определяется плотностью распределения вероятности
f (x)= для ВБР (1.4)
f (x)= (1.5)
Можно решать обратную задачу
F(x)=
PH(t) = 1 - FT(t) = 1 - =-=
Функции f(x) и f(t) обладают важным свойством, называемым условием нормировки
(1.6)
1.2.Числовые характеристики случайных величин
Для ответа на практические вопросы надежности часто удобно оперировать числовыми характеристиками распределений. Основными из них являются: математическое ожидание, дисперсия, коэффициент вариации и квантиль.
1.2.1 .Математическое ожидание
По определению математическое ожидание имеет следующий вид:
. ( 1.7)
Величина mt является средним временем безотказной работы, то есть средней наработкой до отказа.
Среднюю наработку до отказа можно выразить через вероятность безотказной работы. Действительно
(1.8)
Таким образом, средняя наработка до отказа численно равна площади под кривой функции надежности.
В случае эмпирических оценок математическое ожидание оценивается средним временем безотказной работы
(1.9)
Математическое ожидание обладает следующим свойством
М[аХ + bY] = аМ[Х] + bM[Y] (1.10)
где а и в детерминированные постоянные, X и Y - независимые С.В.
1.2.2. Дисперсия случайной величины
По определению дисперсия случайной величины определяется как математическое ожидание квадрата отклонения этой величины от ее математического ожидания.
или (1.11)
Дисперсия характеризует рассеяние, имеет размерность квадрата случайной величины, поэтому часто используют величину, имеющую размерность случайной величины. Её называют стандартным отклонением и определяют из соотношения
(1.12 )
При обработке эмпирических данных дисперсия оценивается средним квадратным отклонением
(1.13)
Дисперсия независимых С.В. X, Y обладает следующим, легко доказываемым, свойством:
D[aX ± bY] = a2D[X] + b2D[X] (1.14)
где а и в - детерминированные постоянные.
1.2.3. Коэффициент вариации.
По определению коэффициент вариации определяется соотношением
или (1.15)
Он является безразмерной величиной, характеризующей рассеяние случайной величины около математического ожидания.
1.2.4. Квантиль.
Квантилью уровня у случайной величины называют значения случайной величины, соответствующие заданной вероятности, то есть квантиль является решением уравнения . Если находится квантилВБР, то этот квантиль Тy называется у%-ресурсом. Он является корнем уравнения
(1.16)