Häufig werden Testmodelle verwendet, die zwei oder mehr Größen mit einem gewissen Korrelationsgrad enthalten, d. h. systematisch, wenn der Wert einer der beiden geändert wird, nimmt die andere zu oder ab. Die Korrelationskoeffizienten zwischen zwei Variablen variieren zwischen -1 und 1, wobei der Wert die Stärke der Korrelation angibt, während das Vorzeichen die Richtung angibt. Auf diese Weise verstehen wir, dass, wenn die Korrelation = 1 ist, eine absolute direkte Proportionalität zwischen den Beträgen besteht, während bei einem Wert von -1 die Proportionalität umgekehrt ist. Andererseits zeigt ein Nullwert für den Korrelationskoeffizienten an, dass die Variablen unabhängig sind.
Wenn wir die Korrelationskoeffizienten zwischen den Größen des mathematischen Modells unseres Versuchs kennen, können wir das Korrelationspanel verwenden. Die Korrelationsmatrix wird automatisch mit den Variablen unseres Modells erstellt, sodass wir den Korrelationskoeffizienten zwischen ihnen angeben. Wenn Sie die Matrix fertiggestellt haben, klicken Sie auf < Mit dem Projekt verbinden >. Nachdem Sie überprüft haben, dass die Matrix korrekt ist, zeigt das grüne Licht der Schaltfläche an, dass sie verbunden ist.
In diesem Fall wird die Simulation mit korrelierten Variablen durchgeführt. Wenn Sie zu einem beliebigen Zeitpunkt wieder mit unabhängigen Größen arbeiten möchten, müssen Sie nur das Kontrollkästchen < korreliert > auf der Simulationsschaltfläche deaktivieren. Auf diese Weise können wir zwischen beiden Zuständen wechseln, ohne die Korrelationsmatrix jedes Mal zu korrigieren.
Auf der linken Seite des Bedienfelds befinden sich 5 Auswahlknöpfe (Auswahlschalter), die der Software anzeigen, in welcher Form die Eingabedaten eingegeben werden. Wir haben dann 5 Eingabeformulare:
In der oberen rechten Ecke des MCM-Bedienfelds hat Alchimia ein Feld, in dem die Anzahl der Wiederholungen angegeben werden muss, bis zu der die Simulationsparameter geschätzt werden sollen, d. h. der Mittelwert und die Standardabweichung Strümpfe Standardmäßig hat die Anwendung 10 Werte. Dieser Wert kann jedoch durch manuelles Bearbeiten der Nummer oder mit den Inkrement- / Dekrementpfeilen geändert werden.
In diesem Abschnitt des Fensters können Sie die Simulation anhand der Parameter der zuvor definierten Verteilung anhand der eingegebenen Werte durchführen:
Es ist üblich, bei allen Arten von Analysen, Tests oder Kalibrierungen davon auszugehen, dass sich wiederholende Ereignisse ohne externe Stimuli, die ihre Wahrscheinlichkeiten variieren, gemäß einer durch den Mittelwert definierten Normal- oder Gaußverteilung verteilt werden und die für die Probe berechnete Standardabweichung. Genau genommen trifft dies nur zu, wenn die Anzahl der Wiederholungen groß ist, was mit dem zentralen Grenzwertsatz übereinstimmt. Wenn wir jedoch nicht über ausreichende Informationen verfügen, um die Eigenschaften dieser Gaußschen Verteilung zu beschreiben, weil unsere Untersuchungsstichprobe nicht groß genug ist, nehmen Sie diese Bedingungen an erfüllt sind, werden wir die für unsere Messung unterschätzten Unsicherheitswerte, wie im Leitfaden JCGM 100 – Leitfaden zum Ausdruck der Unsicherheit bei der Messung angegeben, sicherlich überschreiten.
Die durchgehende Dreiecksverteilung ist dadurch gekennzeichnet, dass sie wie im Fall des Rechtecks an zwei Extreme begrenzt ist, aber auch einen Modus (oder einen wahrscheinlicheren Wert) innerhalb dieses Bereichs aufweist. Die Wahrscheinlichkeit in jedem Teilintervall gleicher Länge steigt linear bis zur Art und Weise und fällt dann auf die gleiche Weise bis zur oberen Grenze ab. Diese Verteilung wird häufig in Variablen verwendet, bei denen die Informationen begrenzt sind, wie im Fall der Uniform, bei denen jedoch eine ungefähre Kenntnis des Modalwerts vorliegt, d. H. Wo der genaue Punkt dieses Wertes nicht bekannt ist, jedoch Informationen vorhanden sind der Region oder des Teilintervalls, wo sie zu finden sind.
Diese kontinuierliche Verteilung ist dadurch gekennzeichnet, dass sie für jeden Wert des Intervalls die gleiche Wahrscheinlichkeit hat. Es wird häufig für Beiträge von Typ-B-Unsicherheiten verwendet, bei denen nur die Haupt- und Nebenabmessungen des Intervalls bekannt sind, beispielsweise in der Aufteilung oder Auflösung eines digitalen Instruments. In vielen Fällen kann diese Verteilung auch zugeordnet werden, wenn wenig Informationen über die Zufallsvariable, in bibliographischen Daten vorhanden sind oder wenn der Überdeckungsfaktor einer Unsicherheit nicht bekannt ist.
Diese Verteilung ist diejenige, die am häufigsten natürliche und soziale Ereignisse darstellt. Die meisten Beweise aus der klassischen Statistik sowie die Abschätzung von Unsicherheiten beruhen auf der Annahme, dass die Daten einer Normalverteilung entsprechen. Aus theoretischer Sicht behauptet der zentrale Grenzwertsatz, dass bei einer ausreichend großen Stichprobe die Verteilung der Mittel einer annähernd Normalverteilung folgt. Die allgemeine Formel dieser Verteilung lautet:
Diese Verteilung stellt Zufallsvariablen dar, deren Logarithmen gemäß einer Normalverteilung verteilt sind. Die logarithmische Normalverteilung nimmt abhängig vom Wert ihres Skalenparameters unterschiedliche Formen an und wird häufig in der Zuverlässigkeit von Hochtechnologieprodukten und auch in mikrobiologischen Zählungen verwendet, da sie auf dem multiplikativen Wachstumsmodell basieren.
Diese kontinuierliche Wahrscheinlichkeitsverteilung im Bereich der positiven Realen steht in engem Zusammenhang mit der Normalverteilung, zum Beispiel ist sie die Stichprobenverteilung von σ². Die Chi Ssquare-Verteilung wird mit einem einzigen Parameter definiert, bei dem es sich um Freiheitsgrade handelt. Die Funktion ist immer asymmetrisch und nach rechts geneigt. Diese Verteilung wird in verschiedenen Bereichen der Wissenschaft sehr häufig verwendet, da sie die Analyse von Datensätzen ermöglicht und bestimmt, ob der Unterschied zwischen ihnen durch Zufall (Nullhypothese) oder durch einen anderen externen Faktor bedingt ist.