WorksheetsТест по теме4: Вероятностно-статистические методы распознавания
Total questions: 30
Worksheet time: 18mins
Цель вероятностно-статистических методов распознавания —
Ускорение сборки узлов
Повышение точности диагностики
Снижение шума измерений
Измерение температуры
Изоляция дефектов
Преимущество вероятностных методов заключается в том, что они:
Требуют только качественных признаков
Позволяют учитывать признаки различной физической природы
Работают без предварительной информации
Не требуют статистических данных
Основаны только на одном параметре
Метод Байеса основан на:
Классификации по уровню шума
Случайном выборе диагноза
Учете априорной и апостериорной вероятностей
Геометрическом анализе
Методе интегралов
Априорная вероятность диагноза определяется:
По результатам наблюдений после проверки
По статистическим данным до получения признаков
По случайному выбору
Из формулы энтропии
По методу итераций
Апостериорная вероятность диагноза — это:
Вероятность до получения данных
Вероятность после получения информации о признаке
Средняя частота измерений
Среднее квадратическое отклонение
Вероятность ошибки
Формула Байеса имеет вид:
Для практического применения метода Байеса составляется:
Матричный фильтр
Диагностическая матрица
Гистограмма сигналов
Таблица Лапласа
Функция распределения
В диагностической матрице указываются:
Только количественные параметры
Вероятности проявления признаков при различных состояниях
Средние значения температур
Измеренные амплитуды
Уровень энтропии
Метод Байеса позволяет определить:
Априорные вероятности
Вероятность диагноза при наличии признаков
Количество дефектов
Массу детали
Интенсивность отказов
В таблице вероятностей состояния D1 соответствует ситуация, где:
Присутствуют признаки K1 и K2
Признаки отсутствуют
Признак K1 отсутствует
Признак K2 отсутствует
Только K2 присутствует
Основная трудность метода Байеса —
Необходимость точного знания априорных вероятностей
Невозможность использовать ЭВМ
Отсутствие формул
Ошибки округления
Избыточность признаков
Вероятность ошибочного решения состоит из:
Вероятности ложной тревоги и пропуска дефекта
Только вероятности ложной тревоги
Вероятности успешного решения
Среднего риска
Ошибки измерения
Ложная тревога обозначается как:
H11
H21
H12
H22
H02
Пропуск дефекта обозначается как:
H21
H12
H11
H02
H22
Общая вероятность ошибочного решения равна:
Разности H12 и H21
Сумме H12 и H21
Произведению H12 × H21
Делению H12 / H21
Случайной величине
Средний риск учитывает:
Только апостериорные вероятности
Цены ошибок
Число признаков
Плотность распределения
Средние значения
Среднестатистическое соотношение между ценами ошибок:
1:1
2:1
10…50
100:1
0,5:1
Метод минимального риска заключается в:
Случайном выборе граничного значения
Определении K₀ при минимуме среднего риска
Минимизации ложных тревог
Игнорировании статистических данных
Увеличении апостериорных вероятностей
Граничное значение K₀ выбирают:
При равенстве вероятностей ошибок
При максимуме риска
Случайным образом
По эмпирическим формулам
Только для неисправных двигателей
Метод минимального числа ошибочных решений не учитывает:
Количество ошибок
Цены ошибок
Вероятности
Статистические данные
Распределения
Метод наибольшего правдоподобия является частным случаем:
Метода итераций
Метода минимального риска
Байесовского метода
Гистографического анализа
Математического ожидания
Условие для метода наибольшего правдоподобия:
f(K₀/D₁) = f(K₀/D₂)
P(D₁) = P(D₂)
K₀ = 0
f(K₀/D₁) > f(K₀/D₂)
P(K₀) < 1
Метод итераций используется, если:
Неизвестны априорные вероятности
Известно распределение ошибок
Есть таблица Лапласа
В методе итераций граничное значение K₀ определяется:
Случайным образом
По уравнению f(K₀/D₁) = f(K₀/D₂)
Из уравнения приближений
Через апостериорную вероятность
Из графика Байеса
Функция нормального распределения имеет вид:
e−K2/σ2
log₂(P/P’)
sin(K/σ)
1+e−K1
Функция Лапласа используется для:
Построения диаграмм
Табулированного представления нормального распределения
Расчета риска
Уточнения апостериорных вероятностей
Расчета частоты
Первый шаг метода итераций — это:
Определение априорной вероятности
Расчет первого приближения K₀/2
Определение порога риска
Сравнение вероятностей
Логарифмирование выражений
Основная трудность применения статистических методов —
Построение правого «горба» функции f(K/D₂)
Избыток данных
Простота алгоритмов
Недостаток формул
Стабильность вероятностей
В авиации эти методы применяются преимущественно для:
Случайных неисправностей
Многократно резервируемых систем
Механических повреждений
Расчета аэродинамики
Визуальных осмотров
Основное назначение вероятностно-статистических методов —
Снижение времени ремонта
Повышение точности диагностики и принятия решений
Уменьшение массы ЛА
Ускорение производства
Измерение температуры
