Часто используются тестовые модели, которые содержат две или более величины с некоторой степенью корреляции, то есть систематически при изменении значения одного из них другой увеличивается или уменьшается. Коэффициенты корреляции между двумя переменными изменяются между -1 и 1, где значение указывает силу корреляции, а знак указывает направление. Таким образом, мы понимаем, что если корреляция равна 1, существует абсолютная прямая пропорциональность между величинами, тогда как если значение равно -1, пропорциональность является обратной. С другой стороны, нулевое значение коэффициента корреляции указывает, что переменные независимы.
Если мы знаем коэффициенты корреляции между величинами математической модели нашего исследования, мы можем использовать корреляционную панель. Корреляционная матрица автоматически строится с переменными нашей модели, поэтому мы указываем коэффициент корреляции между ними. Когда мы закончим матрицу, щелкните по < подключиться к проекту >, и после проверки правильности матрицы зеленый индикатор кнопки покажет, что он подключен.
В этом случае симуляция будет выполняться с помощью коррелированных переменных. Если в любой момент мы снова захотим работать с независимыми величинами, нам нужно снять флажок < коррелированный > на кнопке имитации. Таким образом, мы можем чередовать оба состояния без коррекции матрицы корреляции каждый раз.
В конце списка дистрибутивов MCM Alchimia имеет доступ к этому инструменту, который позволяет назначать параметры регрессии нашей тестовой модели. Таким образом, у нас есть 3 варианта, связанные с нашей кривой соединения:
Этот дистрибутив не является само по себе распределением, а мощной и эксклюзивной формой MCM Alchimia для ввода необработанных значений повторяемости модели нашего исследования без необходимости делать какие-либо предыдущие операции в таблицу.
Слева от панели у нас есть 5 переключателей (селекторов), которые указывают программному обеспечению форму, в которую будут вводиться входные данные. Затем мы получим 5 форм ввода:
В верхнем правом углу панели MCM Alchimia имеет поле, где мы должны указать количество повторений, которые мы хотим оценить параметры моделирования, то есть среднее и стандартное отклонение чулки По умолчанию приложение имеет 10 значений, однако это значение может быть изменено путем ручного редактирования номера или стрелками увеличения / уменьшения.
Этот раздел панели предоставляет два способа выполнения моделирования из параметров ранее определенного распределения из введенных значений:
Обычно во всех типах анализов, тестов или калибровок предполагается, что повторяющиеся события без внешних стимулов, которые изменяют их вероятности, будут распределяться в соответствии с нормальным или гауссовым распределением, определяемым средним и стандартное отклонение, рассчитанное для образца. Строго говоря, это верно только тогда, когда число повторений велико, согласуется с центральной предельной теоремой, однако, когда у нас недостаточно информации для описания свойств этого гауссовского распределения, потому что наш образец исследования недостаточно велик, предположим, что эти условия также выполняются, мы, несомненно, будем забрасывать значения неопределенности, недооцененные для нашего измерения, как указано в руководстве JCGM 100 — Руководство по выражению неопределенности в измерении.
Непрерывное треугольное распределение характеризуется ограничением до двух крайностей, как в случае прямоугольника, но также имеет режим (или значение более вероятного) в этом диапазоне. Вероятность в любом подинтервале равной длины будет линейно увеличиваться до моды, а затем сходится точно так же, как и к верхней границе. Это распределение широко используется в переменных, где информация ограничена, как в случае однородности, но где мы имеем приблизительное знание Модального значения, то есть, где, хотя точная точка этого значения неизвестна, имеется информация региона или интервала, где его можно найти.
Это непрерывное распределение характеризуется одинаковой вероятностью для любого значения интервала. Он широко используется для вкладов неопределенностей типа B, в которых известны только основные и малые размеры интервала, например, в разделении или разрешении цифрового инструмента. Во многих случаях это распределение также может быть назначено, когда информации о случайной переменной мало, в библиографических данных или когда коэффициент покрытия неопределенности неизвестен,
Это распределение является тем, которое чаще всего представляет собой природные и социальные события. Значительная часть доказательств классической статистики, а также оценка неопределенностей основаны на предположении, что данные соответствуют нормальному распределению. С теоретической точки зрения Центральная предельная теорема утверждает, что, учитывая случайную выборку достаточно больших размеров, будет наблюдаться, что распределение сред следует приблизительно нормальному распределению. Общая формула этого распределения:
Это распределение представляет случайные величины, логарифмы которых распределены в соответствии с нормальным распределением. Логнормальное распределение принимает различные формы в зависимости от значения его масштабного параметра и часто используется в надежности высокотехнологичных продуктов, а также в микробиологических подсчетах, поскольку они основаны на мультипликативной модели роста.
Это непрерывное распределение вероятностей в поле положительных чисел тесно связано с нормальным распределением, например, это распределение образцов σ². Распределение Chi Ssquare определяется одним параметром, который является степенями свободы. Функция всегда асимметрична и смещена вправо. Это распределение очень часто используется в различных областях науки, поскольку оно позволяет анализировать наборы данных и определять, связано ли различие между ними случайностью (нулевая гипотеза) или другим внешним фактором.