tokenpocketApp下载|sprt
思普瑞特官网
思普瑞特官网
首页
产品中心
查看全部产品
票据打印机
标签打印机
便携打印机
微型打印机
嵌入式打印单元
智能打印机
液晶模块
58热敏系列
SP-POS5812
SP-POS5813/5814
SP-POS58IV
SP-POS58V
SP-POS586
SP-POS588
SP-POS5810
80热敏系列
SP-POS892
SP-POS890plus
SP-POS88V
SP-POS88VI
SP-POS887
SP-POS891
SP-POS8810
SP-POS8811/SP-POS8822
76针打系列
SP-POS764
2寸标签
SP-TL24 PLUS
SP-TL26
SP-TL21N
SP-TL24
3寸标签
SP-TL31
4寸标签
SP-TL51
SP-TL54
便携票据
SP-T9
SP-T12
便携标签
SP-L39
SP-L21
SP-L31
SP-L36
SP-L51
便携针打
SP-T7
热敏微打
SP-RME5A
SP-RME6
SP-RMDIIID
SP-RMDIVD
SP-RME3
SP-RME4
SP-RME5
SP-RMD8A
SP-RMD8B
SP-RMD8C
SP-RMD8D
SP-RMD9
SP-RMD11
SP-RMD12
SP-RMD15
SP-RMD17
SP-RMD18A
针式微打
SP-DVII
SP-D10
58嵌入式
SP-EU58
SP-EU58III
SP-EU586
80嵌入式
SP-EU8010/EU8011
SP-EU80
SP-EU801/EU802
SP-EU803
SP-EU804/EU805
SP-EU807
SP-EU1121
SP-EU1122
76针打嵌入
智能打印机
SP-Y37
SP-Y33
液晶模块
液晶模块
驱动下载
驱动程序
设置工具
SDK-Demo
OPOS
测试工具
使用手册
产品彩页
应用场景
消防行业
智慧金融
零售商超
快递物流
餐饮行业
警务执法
公司介绍
公司概况
新闻中心
加入我们
联系我们
业务合作
售后服务
常见问题
常见问题
官方商城
天猫旗舰店
京东旗舰店
En
首页
产品中心
票据打印机
标签打印机
便携打印机
微型打印机
嵌入式打印单元
智能打印机
液晶模块
驱动下载
驱动程序
设置工具
SDK-Demo
OPOS
测试工具
使用手册
产品彩页
应用场景
消防行业
智慧金融
零售商超
快递物流
餐饮行业
警务执法
公司介绍
公司概况
新闻中心
加入我们
联系我们
业务合作
售后服务
常见问题
常见问题
官方商城
天猫旗舰店
京东旗舰店
产品中心
拥有POS、标签、便携、微打 、嵌入式、智能机、液晶模块7条产品线,数百款产品
票据打印机
标签打印机
便携打印机
微型打印机
嵌入式打印单元
智能打印机
液晶模块
SP-POS8810
SP-POS887
SP-POS891
SP-POS88V
SP-POS588
查看更多
SP-TL21N
SP-TL24
SP-TL31
SP-TL51
SP-TL54
查看更多
SP-L21
SP-T12
SP-L51
SP-T7
SP-L39
查看更多
SP-RME3
SP-RMD9
SP-RMD11
SP-RMD8C
SP-DVII
查看更多
SP-EU807
SP-EU58III
SP-EU586
SP-EU80
SP-EU1121
查看更多
SP-Y33
查看更多
查看更多
应用场景
消防行业
消防行业
思普瑞特的微型热敏打印机和嵌入式打印单元,因其工业级别的打印性能,被消防行业普遍认可和使用。可为用户提供量身定制的解决方案,完美匹配客户各种设备,如火灾报警控制器、光电感烟火灾探测器等各种灭火、探测设备的状态、日志及时打印,帮助客户及时处理各种警报。
了解更多
+
智慧金融
智慧金融
紧跟时事,顺应行业发展,坚持创新,思普的微型打印机助力智慧金融行业快速发展,排队叫号机、智能柜员、ATM终端、人工柜台业务办理等各个环节皆能看到思普瑞特产品的身影。
了解更多
+
零售商超
零售商超
思普瑞特POS打印机、热敏标签打印机、热敏微型打印机在零售商超行业的应用十分广泛,为零售商超行业领域提供高质量的打印解决方案,可实现价格标签、生鲜标签、消费清单和收据小票等信息内容的高速清晰打印。
了解更多
+
快递物流
快递物流
思普瑞特的便携式打印机,具备小巧灵敏,打印速度快,待机时间长等特点,是专门为快递物流行业研发的产品系列,可以为客户提供商品入库、产品分类、盘点、商品出库、发货物流、电子面单等全环节的打印解决方案。
了解更多
+
餐饮行业
餐饮行业
思普瑞特POS热敏打印机和标签打印机,不仅能在收银小票、点餐清单、消费明细这些常规环节为餐饮行业提供打印服务,在食品入库管理、后厨管理、食品标识等多环节也能为商家提供高速清晰的打印解决方案。
了解更多
+
警务执法
警务执法
税控、警务、政务、冷链配送及仪器仪表等行业思普瑞特产品的身影,随着公司产品线的完善,产品种类的丰富,未来,思普瑞特将为全行业提供优质的产品技术服务和系统解决方案。
了解更多
+
消防行业
思普瑞特的微型热敏打印机和嵌入式打印单元,因其工业级别的打印性能,被消防行业普遍认可和使用。可为用户提供量身定制的解决方案,完美匹配客户各种设备,如火灾报警控制器、光电感烟火灾探测器等各种灭火、探测设备的状态、日志及时打印,帮助客户及时处理各种警报。
智慧金融
紧跟时事,顺应行业发展,坚持创新,思普的微型打印机助力智慧金融行业快速发展,排队叫号机、智能柜员、ATM终端、人工柜台业务办理等各个环节皆能看到思普瑞特产品的身影。
零售商超
思普瑞特POS打印机、热敏标签打印机、热敏微型打印机在零售商超行业的应用十分广泛,为零售商超行业领域提供高质量的打印解决方案,可实现价格标签、生鲜标签、消费清单和收据小票等信息内容的高速清晰打印。
快递物流
思普瑞特的便携式打印机,具备小巧灵敏,打印速度快,待机时间长等特点,是专门为快递物流行业研发的产品系列,可以为客户提供商品入库、产品分类、盘点、商品出库、发货物流、电子面单等全环节的打印解决方案。
餐饮行业
思普瑞特POS热敏打印机和标签打印机,不仅能在收银小票、点餐清单、消费明细这些常规环节为餐饮行业提供打印服务,在食品入库管理、后厨管理、食品标识等多环节也能为商家提供高速清晰的打印解决方案。
警务执法
税控、警务、政务、冷链配送及仪器仪表等行业思普瑞特产品的身影,随着公司产品线的完善,产品种类的丰富,未来,思普瑞特将为全行业提供优质的产品技术服务和系统解决方案。
驱动下载
在这里您可以找到驱动程序、设置工具、SDK-DE、Opos、测试工具、使用手册、产品彩页等相关资料。
视频教程
+
了解更多
+
新闻中心
现金红包、礼品来袭,我们在第二十四届零售展览会上等你!
2024-03-07
聚焦2024年国际零售展会:思普瑞特德国EuroCIS精彩回顾!
2024-03-01
探索未来零售业,思普瑞特邀您共赴德国杜塞尔多夫展览会!
2024-02-21
了解更多
+
0年
始终如一,专注打印机行业科技研发与产品创新
0㎡
斥资自建生产基地20000㎡,廊坊微印电子,集生产、研发、销售于一体
0个
公司产品远销218个国家及地区,备受海内外用户一致好评
产品中心
票据打印机
标签打印机
便携打印机
微型打印机
嵌入式打印单元
智能打印机
液晶模块
驱动下载
驱动程序
设置工具
SDK-Demo
OPOS
测试工具
使用手册
产品彩页
应用场景
消防行业
智慧金融
零售商超
快递物流
餐饮行业
警务执法
公司介绍
公司概况
新闻中心
加入我们
官方商城
天猫旗舰店
京东旗舰店
在线客服
010-62969379
全国客户服务热线
官方微信二维码
©2021 北京思普瑞特科技发展有限公司 版权所有 | 隐私政策 | 法律声明 |
京ICP备10011988号-1
在线沟通
服务热线
售后服务:0316-7788330-8260316-7788330-837
在线留言
微信扫一扫
返回顶部
序贯概率比检验Sequential Probability Ratio Test - 那抹阳光1994 - 博客园
序贯概率比检验Sequential Probability Ratio Test - 那抹阳光1994 - 博客园
会员
周边
新闻
博问
AI培训
云市场
所有博客
当前博客
我的博客
我的园子
账号设置
简洁模式 ...
退出登录
注册
登录
那抹阳光1994
勤学如春起之苗,不见其增,日有所长。
序贯概率比检验Sequential Probability Ratio Test
序贯概率比检验(Sequential probability ratio test,SPRT)
什么是序贯概率比检验
数理统计学的一个分支,其名称源出于亚伯拉罕·瓦尔德在1947年发表的一本同名著作,它研究的对象是所谓“序贯抽样方案”,及如何用这种抽样方案得到的样本去作统计推断。序贯抽样方案是指在抽样时,不事先规定总的抽样个数(观测或实验次数),而是先抽少量样本,根据其结果,再决定停止抽样或继续抽样、抽多少,这样下去,直至决定停止抽样为止。反之,事先确定抽样个数的那种抽样方案,称为固定抽样方案。
例如,一个产品抽样检验方案规定按批抽样品20件,若其中不合格品件数不超过 3,则接收该批,否则拒收。在此,抽样个数20是预定的,是固定抽样。若方案规定为:第一批抽出3个,若全为不合格品,拒收该批,若其中不合格品件数为x1<3,则第二批再抽3-x1个,若全为不合格品,则拒收该批,若其中不合格品数为 x2<3-x1,则第三批再抽3-x1-x2个,这样下去,直到抽满20件或抽得 3个不合格品为止。这是一个序贯抽样方案,其效果与前述固定抽样方案相同,但抽样个数平均讲要节省些。此例中,抽样个数是随机的,但有一个不能超过的上限20。有的序贯抽样方案,其可能抽样个数无上限,例如,序贯概率比检验的抽样个数就没有上限。
Sequential Probability Ratio Test for Reliability Demonstration
The Sequential Probability Ratio Test (SPRT) was developed by Abraham Wald more than a half century ago [1]. It is widely used in quality control in manufacturing and detection of anomalies in medical trials. In this article, we will explain the theory behind this method and illustrate its use in reliability engineering, especially in reliability demonstration test design. An example using the SPRT report template in Weibull++ is provided.
序列概率比测试(SPRT)是由Abraham Wald在半个多世纪前[1]开发的。它被广泛应用于制造质量控制和医学试验中异常的检测。在本文中,我们将解释这种方法背后的理论,并说明其在可靠性工程,特别是可靠性演示试验设计中的应用。在Weibull++中提供了一个使用SPRT报告模板的示例。
SPRT Theory
SPRT was originally developed as an inspection tool to determine whether a given lot meets the production requirements. Basically, a sequential test is a method by which items are tested in sequence (one after another). The test results are reviewed after each test. Two tests of significance are applied to the data accumulated up to that time.
SPRT最初是作为一种检验工具开发的,用于确定给定批次是否满足生产要求。基本上,序贯测试是一种按顺序(一个接一个)测试项目的方法。每次测试后都会对测试结果进行评审。对到那时为止积累的数据进行了两种显著性检验。
Concept of SPRT
Let's first use a simple example to explain the principal behind SPRT. Two vendors provide the same component to a company. Although the components from the two companies look exactly the same, their lifetime distributions are different. Components from vendor A have a mean life of μ1 = 15, and components made by vendor B have a mean life of μ2 = 20. An unlabeled box of components was received by the company. We want to determine if the components are from vendor A or from vendor B by conducting a test. The test should meet the following requirements:
让我们先用一个简单的例子来解释SPRT背后的原理。两个供应商为一个公司提供相同的组件。尽管这两家公司的组件看起来完全相同,但它们的寿命分布却不同。厂商A的元器件平均寿命为μ1 = 15,厂商B的元器件平均寿命为μ2 = 20。该公司收到了一盒没有标签的组件。我们想通过测试来确定组件是来自供应商A还是来自供应商B。试验应满足以下要求:
If the component is indeed from vendor A, the chance of making a wrong claim that it is from vendor B should be less than α1 = 0.01.
如果该组件确实来自供应商A,则错误声称其来自供应商B的几率应小于α1 = 0.01。
If the component is indeed from vendor B, the chance of making a wrong claim that it is from vendor A should be less than α2 = 0.05.
如果该组件确实来自供应商B,则错误声称其来自供应商a的几率应小于α2 = 0.05。
Therefore, we need to conduct two statistical hypothesis tests. Since we know μ2 > μ1, the two tests are one-sided tests. The first test is for vendor A:
因此,我们需要进行两次统计假设检验。因为我们知道μ2 > μ1,所以这两个测试都是单侧检验。第一个测试是针对供应商A的:
The second one is for vendor B:
第一个测试是给供应商B的:
These two separate hypothesis tests are shown graphically below:
这两个独立的假设检验如下图所示:
The top plot is for the first hypothesis test (vendor A). C1 is the critical value at a significance level of α1. If we take some samples and the sample mean is less than C1, then we accept , which is that the components are from vendor A. Otherwise, we accept , that the components are not from vendor A.
最上面的图是第一个假设检验(供应商A)。C1为α1显著性水平下的临界值。如果我们取一些样本,样本均值小于C1,则接受原假设,即组件来自供应商A。否则,接受备择假设,即组件不是来自供应商A。
The bottom plot is for the second test (vendor B). C2 is the critical value at a significance level of α2. If a sample mean is greater than C2, then we accept that the component is from vendor B; otherwise, we accept , that the component is not from vendor B.
下图为第二次试验(供应商B)。C2是α2显著性水平下的临界值。如果样本均值大于C2,则接受原假设,即该成组件来自供应商B;否则,我们接受备择假设,即组件不是来自供应商B。
When we take samples for the life test, the resulting sample mean has one of the following values:
当我们进行寿命试验取样时,得到的样本均值有以下值之一:
Assume a sample with mean was drawn. For the test for vendor A, since it is less than C1, we accept that μ = μ1. For the test for vendor B, since it is less than C2, we accept that μ < μ2. The test is ended and we conclude that the component is from vendor A.
假设样本具有均值。对于供应商A的测试,由于它小于C1,我们接受μ = μ1。对于供应商B的测试,由于它小于C2,我们接受μ < μ2。测试结束,我们得出组件来自供应商A。
Assume a sample with mean was drawn. For the test for vendor A, since it is greater than C1, we reject that μ = μ1. For the test for vendor B, since it is greater than C2, we accept that μ = μ2. The test is ended and we conclude that the component is from vendor B.
假设样本具有均值。对于供应商A的测试,由于它大于C1,我们拒绝μ = μ1。对于供应商B的测试,由于它大于C2,我们接受μ = μ2。测试结束,我们得出组件来自供应商B。
Assume a sample with mean was drawn. For the test for vendor A, since it is less than C1, we accept that μ = μ1. For the test for vendor B, since it is greater than C2, we accept that μ = μ2. We conclude the component is from both vendor A and vendor B, which is impossible. Therefore, the test is not ended and more samples are needed.
假设样本具有均值 。对于供应商A的测试,由于它小于C1,我们接受μ = μ1。对于供应商B的测试,由于它大于C2,我们接受μ = μ2。我们得出的结论是组件来自供应商A和供应商B,这是不可能的。因此,测试还没有结束,还需要更多的样品。
With more and more samples, the sample mean will be closer to the true population mean. The test will end with a conclusion either from vendor A or from vendor B. This is the principal behind a sequential test. A sequential probability ratio test is based on this idea.
随着样本数的增加,样本均值会更接近真实总体均值。测试将以来自供应商a或供应商b的结论结束。这是序贯测试背后的主要内容。序贯概率比检验正是基于这一思想。
Calculation of SPRT
Now assume the lifetime t of the component follows an exponential distribution. Let θA = μA for vendor A and θB = μB for vendor B. The probability density function (pdf) of the exponential distribution is:
现在假设这个组件的寿命t服从指数分布。θA = μA(厂商A), θB = μB(厂商b)。指数分布的概率密度函数为:
(1)
For an observed failure time t, if it is from vendor A, then the “probability” of observing it is:
对于观察到的故障时间t,如果它来自供应商A,则观察到它的“概率”为:
(2)
where Δt is a very small time duration around t.
Δt是一个在t附近很小的持续时间。
If the observation is from vendor B, then the “probability” of observing it is:
如果观察来自供应商B,则观察到它的“概率”为:
(3)
If the component is from vendor A, then Eqn. (2) will likely have a larger value than the one given in Eqn. (3), and vice versa.
如果组件来自供应商A,则Eqn(2)可能会有一个比Eqn(3)更大的值,反之亦然。
The logarithm of the ratio of the above two probabilities is given by:
上述两种概率比率的对数如下:
(4)
When there are more samples, the log-likelihood ratio becomes:
当样本数增加时,对数似然比为:
(5)
If the ratio is greater than a critical value U, then the chance that the samples are from vendor B is much larger than the chance that the samples are from vendor A. We can conclude that the samples are from vendor B.
如果比值大于临界值U,则样本来自供应商B的概率远大于样本来自供应商a的概率,我们可以得出样本来自供应商B的结论。
If the ratio is less than a critical value L, then the chance that the samples are from vendor A is much larger than the chance that the samples are from vendor B. We can conclude that the samples are from vendor A.
如果比值小于临界值L,那么样本来自供应商a的概率远大于样本来自供应商b的概率,我们可以得出样本来自供应商a的结论。
If the ratio is between L and U, then no conclusion can be made. More samples are needed. The decision is made based on the following formula:
如果比例在L和U之间,则无法得出结论。还需要更多的样品。决策依据如下公式:
(6)
But what are the values for U and L? U and L are determined based on the two significance levels α1 and α2. The significance level is also called a Type I error. For details on Type I and Type II errors, please refer to https://www.weibull.com/hotwire/issue88/relbasics88.htm.
但是U和L的值是多少?U和L是根据两个显著性水平α1和α2确定的。显著性水平也称为第一类错误。关于第一类和第二类错误的详细信息,请参考https://www.weibull.com/hotwire/issue88/relbasics88.htm。
When the ratio is less than L, we accept vendor A:
当比值小于L时,我们接受供应商A:
(7)
When we accept vendor A, the probability of making the right decision (the component is from vendor A) should be greater than 1-α1, as required by the hypothesis test. The probability of making the wrong decision (the component is actually from vendor B) should be less than α2. Here α1 is the Type I error α and α2 is the Type II error β for the hypothesis test for vendor A.
当我们接受供应商A时,根据假设检验的要求,做出正确决策的概率(组件来自供应商A)应该大于1-α1。做出错误决策(组件实际上来自供应商B)的概率应该小于α2。这里α1是对供应商A的假设检验的第一类错误α, α2是第二类错误β。
Please note that Type I and Type II errors are related to a given statistical hypothesis test. Since SPRT combines two hypothesis tests together, it is very important to determine which one is the Type I error and which one is the Type II error.
请注意,第一类和第二类错误与给定的统计假设检验有关。由于SPRT将两个假设检验结合在一起,因此确定哪一个是第一类错误,哪一个是第二类错误非常重要。
When vendor A is accepted, based on the requirement for the Type I and Type II errors, we have:
当供应商A被接受时,基于对I类和II类错误的要求,我们有:
(8)
From Eqns. (7) and (8), we set:
从方程式(7)和(8),设:
(9)
Similarly, when the ratio is larger than U, we accept vendor B:
同样,当比值大于U时,我们接受供应商B:
(10)
When we accept vendor B, the probability of making the right decision (the component is indeed from vendor B) should be greater than 1-α2. The probability of making the wrong decision (the component is actually from vendor A) should be less than α1. Here α2 is the Type I error and α1 is the Type II error for the hypothesis test for vendor B. Therefore, we have:
当我们接受供应商B时,做出正确决策的概率(组件确实来自供应商B)应该大于1-α2。做出错误决策(组件实际上来自供应商A)的概率应该小于α1。这里α2是对供应商b的假设检验的第一类错误,α1是第二类错误。因此,我们有:
(11)
From Eqns. (7) and (8), we can set:
从方程式(7)和(8),设:
(12)
Combining all the above equations, we get the decision formula for SPRT as the follows:
综合以上方程,得到SPRT决策公式如下:
(13)
Which is:
即:
(14)
SPRT for Weibull Distribution
SPRT can be used for any distribution. The likelihood ratio can be calculated based on the assumed distribution. In this section, we will use the Weibull distribution to illustrate how it is used in a reliability requirement test. The probability density function for a Weibull distribution is given by:
SPRT可以用于任何分布。似然比可以根据假设的分布来计算。在本节中,我们将使用Weibull分布来说明如何在可靠性需求测试中使用它。Weibull分布的概率密度函数为:
(15)
where:
η is the scale parameter.
η为尺度参数。
b is the shape parameter. Note that here we do not use the traditional notation beta for the shape parameter because beta is used for the Type II error in this article.
b为形状参数。注意,这里我们不使用传统的符号beta来表示形状参数,因为在本文中使用beta表示Type II型错误。
Assume we want to test if a component is from a Weibull population with parameters of b1 and η1, or from a population with parameters of b2 and η2(η2 > η1). The two likelihood functions are:
假设我们要检验一个组件是来自参数为b1 和η1的Weibull种群,还是来自参数为b2 和η2的种群(η2 > η1)。两个似然函数为:
(16)
and
(17)
The likelihood ratio is:
似然比为:
(18)
When b1 = b2, the above equation becomes:
当b1 = b2时,上式为:
(19)
The decision equation for the log-likelihood ratio R is:
对数似然比R的决策方程为:
(20)
L and U are given in Eqns. (9) and (12). Therefore, Eqn. (20) becomes:
L和U用等式(9)和(12)表示。因此,Eqn(20)就变成:
(21)
Example
Let's assume the lifetime of a component is described by a Weibull distribution with the shape parameter b = 1.5. We will use SPRT to determine if the component meets the following reliability requirements:
让我们假设一个组件的寿命是由形状参数b = 1.5的威布尔分布描述的。我们将使用SPRT来确定组件是否满足以下可靠性要求:
A target reliability of 92% at 200 hours. If the component meets or exceeds the target reliability, the chance of rejecting it (i.e., Type I error or α error) should be less than 0.05. This is comparable to α2 in the previous section.
目标可靠性在200小时内达到92%。如果该组件达到或超过目标可靠性,则拒绝该组件的机会(即I型误差或α误差)应小于0.05。这可与上一节中的α2相当。
A minimum reliability of 82% at 200 hours. If the component’s reliability is 82% or less, the probability of accepting it (i.e., Type II error or β error) should be less than 0.1. This is comparable to α1 in the previous section.
在200小时内的最低可靠性为82%。如果元件的可靠性为82%或更少,接受它的概率(即II型误差或β误差)应小于0.1。这可与上一节中的α1相当。
Our objectives are to:
我们的目标是:
Calculate the acceptance and rejection line for the SPRT test.
计算SPRT测试的接受和拒绝线。
Determine whether to accept or reject the component based on a series of observed failure times.
根据观察到的一系列故障时间决定是否接受或拒绝组件。
Solution Using Manual Calculations
Calculate η1 and η2 based on the reliability requirements. The reliability function for a Weibull distribution is given by:
Therefore, η2 equals:
and η1 equals:
Enter the calculated values for η1 and η2 into the decision equations from Eqn. (21).
The equation becomes:
Calculate for each observed failure time. The observed time from each sequential test and the calculated results are shown next. (Note that in the table, negative rejection values were adjusted to 0.)
ID
Ti
T
Acceptance Value
Rejection Value
Decision
1
629
15,775.24
76,651.04125
0
Continue
2
369
22,863.5
97,964.88014
0
Continue
3
685
40,791.66
119,278.719
0
Continue
4
270
45,228.22
140,592.5579
14,209.44008
Continue
5
682
63,038.74
161,906.3968
35,523.27897
Continue
6
194
65,740.84
183,220.2357
56,837.11786
Continue
7
113
66,942.05
204,534.0746
78,150.95675
Reject
The plot of the data is shown next. The component is rejected at a failure time of 113 hours.
Solution Using the Weibull SPRT Template in Weibull++
The Synthesis version of Weibull++ includes a report template for calculating the SPRT results using a Weibull distribution and generating a plot of the results. To use the template:
Add a new analysis workbook in an existing project, by choosing Insert > Reports and Plots > Analysis Workbook.
Select the Based on Existing Template check box and then choose Weibull SPRT Template on the Standard tab.
Click OK, then click Yes to create the workbook.
Enter the reliability and risk requirement values, and the observed failure times in the white cells. The results and plot are shown next.
The resulting report provides all of the information that you obtained by doing the calculations manually and it automatically creates a plot.
Conclusion
Many published materials on SPRT only provide the simplified final formulas, such as Eqn. (21), for specific distributions for ease of use. In this article, we reviewed the basic theory of SPRT and illustrated its use in reliability engineering. It can be seen that it is a general tool that can be used for any distribution. Once the theory is understood, it is an easy task to develop your own SPRT for your applications.
许多关于SPRT的出版物只提供简化的最终公式,如Eqn(21)、针对特定分布,便于使用。本文回顾了SPRT的基本理论,并阐述了SPRT在可靠性工程中的应用。可以看出,它是一个通用的工具,可以用于任何分布。一旦理解了这个理论,就很容易为应用程序开发自己的SPRT。
Reference
[1] A. Wald, Sequential Analysis, John Wiley & Sons, Inc, New York, 1947.
快去成为你想要的样子!
posted on
2021-08-02 10:54
那抹阳光1994
阅读(2912)
评论(0)
编辑
收藏
举报
会员力量,点亮园子希望
刷新页面返回顶部
导航
博客园
首页
新随笔
联系
订阅
管理
公告
Powered by:
博客园
Copyright © 2024 那抹阳光1994
Powered by .NET 8.0 on Kubernetes
c语言sprt的程序怎么用,sqrt函数在c语言中怎么用?-CSDN博客
>c语言sprt的程序怎么用,sqrt函数在c语言中怎么用?-CSDN博客
c语言sprt的程序怎么用,sqrt函数在c语言中怎么用?
最新推荐文章于 2023-12-31 00:05:24 发布
Adam-何荣
最新推荐文章于 2023-12-31 00:05:24 发布
阅读量1w
收藏
9
点赞数
3
文章标签:
c语言sprt的程序怎么用
c语言中,sqrt函数用于计算一个非负实数的平方根。使用方法:1、在程序中添加头文件“
c语言中,sqrt函数用于计算一个非负实数的平方根。
使用方法:
要在c语言中使用sqrt函数,首先需要添加头文件math.h,如下图所示。
接下来需要在c语言中定义函数中需要使用的变量类型,一般定义为Double类型变量,如下图所示。
然后就可以直接用sqrt函数求参数变量的平方根并赋值给double类型的变量了,如下图所示。
最后,可以通过Printf函数打印计算结果并查看,代码如下图所示。
调试运行之后,得到程序编译结果如下图所示。
总结:
1、添加math.h头文件;
2、定义浮点类型变量;
3、使用sqrt求参数平方根;
4、使用printf显示计算结果;
5、调试运行后,显示结果。
更多web开发知识,请查阅 DMOZ中文网站分类目录 !!
优惠劵
Adam-何荣
关注
关注
3
点赞
踩
9
收藏
觉得还不错?
一键收藏
知道了
0
评论
c语言sprt的程序怎么用,sqrt函数在c语言中怎么用?
c语言中,sqrt函数用于计算一个非负实数的平方根。使用方法:1、在程序中添加头文件“<math.h>”;2、定义浮点类型变量x;3、使用sqrt(x)来求参数x的平方根;4、使用printf()显示计算结果;5、调试运行程序,显示结果。c语言中,sqrt函数用于计算一个非负实数的平方根。使用方法:要在c语言中使用sqrt函数,首先需要添加头文件math.h,如下图所示。接下来需要在c...
复制链接
扫一扫
威纶500各种标准实例程序MT500与SPRT打印机连接图
03-19
威纶500各种标准实例程序MT500与SPRT打印机连接图.pdf 介绍了关于威纶500各种标准实例程序MT500与SPRT打印机连接图的详细说明,提供威纶的技术资料的下载。
C语言中 sqrt(); 函数的最全用法总结,最全!!!
fucheng的博客
02-03
9万+
C语言在中
功 能: 计算一个非负实数的平方根
函数原型: 在VC6.0中的math.h头文件的函数原型为double sqrt(double);
说明:sqrt系Square Root Calculations(平方根计算),通过这种运算可以考验CPU的浮点能力。
头文件:math
特别注意!!!
sqrt使用时大多需要要强制类型转化,因为s...
参与评论
您还未登录,请先
登录
后发表或查看评论
C语言函数篇——sqrt()函数
D_ovis的博客
12-31
1058
在这个示例中,我们首先包含了stdio.h和math.h头文件,以便使用printf()、scanf()和sqrt()函数。接下来,我们使用printf()函数提示用户输入一个正数,并使用scanf()函数读取用户输入的数。如果输入的数是正数,我们使用sqrt()函数计算其平方根,并将结果存储在squareRoot变量中。假设我们要编写一个程序,要求用户输入一个正数,并计算该数的平方根。总之,平方根函数sqrt()在许多领域都有广泛的应用,它是一种基本的数学运算,可以帮助我们解决各种问题。
卡方和SPRT组合故障检测在多传感器导航中的应用
03-12
卡方和SPRT组合故障检测在多传感器导航中的应用
C语言sqrt函数的实例用法讲解
08-25
在本篇文章里小编给大家整理的是关于C语言sqrt函数的实例内容以及用法详解,需要的朋友们可以参考下。
传感技术中的新型微型传感器特征及在医疗仪中的应用
12-05
1、前言
当今,具有智能传感器技术捡测头的呼吸医疗监视仪已经闻世,这就比较理想地解决了对各种情感和呼吸之间联系作大量研究的问题,并且可以用来真实纪录一个人的呼吸状况及其变化。
在此本文对呼吸监视仪中用微型传感器-硅压阻式传感器(SPRT)与MAX1450或MAX1457信号调理器组成新型智能传感器及在技术方案中的功能作一个分析与介绍。
2、呼吸医疗监视仪与智能传感器及技术(其组成框图,见图1所示)
2.1呼吸医疗监视仪(见图1右面所示)
该监视仪的用途是用来监视呼吸状况,并能给出大致的呼吸深度。这个监测仪监测一些可以用来评价焦虑程度的重要参数:呼吸频率、
C语言中的sqrt函数
m0_68824353的博客
08-31
7万+
在日常生活中,我们往往会需要使用到计算机进行庞大的运算,例如求一个数的平方根。在本章中我会教大家编写一个叫”求一个数的平方根“的程序。但我们在没学到C语言sqrt函数之前写这个程序未免有些许困难,但在学完sqrt函数后,我们会大幅度降低编写的难度,所以我们在编写”求一个数的平方根“程序时必须得要学习sqrt函数,但在学习sqrt函数之前我们必须要搭建环境才可使用sqrt函数。...
C语言二——sqrt函数
weixin_66547608的博客
08-28
8782
这段代码计算了一个数字的平方根并输出结果。具体而言,它计算了16的平方根,并将结果存储在变量squareRoot中。然后,通过使用printf函数将计算结果打印出来。
C语言的sqrt函数的调用
weixin_44148902的博客
11-15
1万+
1.sqrt的含义:在math头文件中,sqrt(a,b)的含义是a的根号b
c++常用数学函数
小学生蒟蒻
07-28
1672
1.算术平方根
sprt(参数);
比如,9的算术平方根是3,这个函数能帮你算出算术平方根
2.取整
向上取整&向下取整:
ceil(参数);
floor(参数);
3.平方
pow(参数1,参数2);
...
sqrt()函数的详解和用法
热门推荐
辉小歌的博客
03-22
27万+
sqrt()函数是我们经常使用的一个函数。下面我就详细的介绍它的一些用法和使用规范
所需的头文件
#include
函数原型
double sqrt(double x);
作用:
sqrt() 用来求给定值的平方根
常见的使用错误
输出 36的开根号
忽略了sqrt()函数的返回值是 double型。导致出错
解决办法如下:
常见的使用sqrt()函数的规范写法
例如: 我们要判断一个数是不是质数,只需要判断 2 ~ n开根号 之间有没有可以整除的数就可以了
错误的.
用C语言求幂函数和指数函数的方法
09-03
主要介绍了用C语言求幂函数和指数函数的方法,即pow()函数和sqrt()函数的使用,需要的朋友可以参考下
详细解析C语言中的开方实现
12-31
关于C语言中的开方计算,首先想到的当然是sqrt()函数,让我们先来回顾一下它的基本用法:
头文件:#include
sqrt() 用来求给定值的平方根,其原型为:
double sqrt(double x);
参数
x 为要计算平方根的值。
如果 x < 0>
main(){
double root;
root = sqrt(
SPRT.rar_SPRT matlab_sprt_假设分布检验_假设检验
09-24
程序先SPRT假设检验功能。我们将通过SPRT的假设检验方法决定这组观测序列符合两个假设分布中的哪一个。
蓝桥杯练习系统-基础题全解C++
最新发布
03-06
蓝桥杯练习系统-基础题全解C++
springboot145基于SpringBoot基于java的在线问卷调查系统的设计-毕业源码案例设计
03-06
如今社会上各行各业,都在用属于自己专用的软件来进行工作,互联网发展到这个时候,人们已经发现离不开了互联网。互联网的发展,离不开一些新的技术,而新技术的产生往往是为了解决现有问题而产生的。针对于问卷调查信息管理方面的不规范,容错率低,管理人员处理数据费工费时,采用新开发的在线问卷调查系统可以从根源上规范整个数据处理流程的正规性和合法性。
在线问卷调查系统能够实现问卷管理,用户管理,题目管理,问卷调查管理,新闻资讯管理等功能。该系统采用了Mysql数据库,Java语言,Spring Boot框架等技术进行编程实现。
在线问卷调查系统可以提高问卷调查信息管理问题的解决效率,优化问卷调查信息处理流程,并且能够保证存储数据的安全,它是一个非常可靠,非常安全的应用程序。
关键词:在线问卷调查系统;Mysql数据库;Java语言
Java毕设-基于springboot+vue的智慧图书管理系统设计与实现(附源码,数据库,教程).zip
03-06
Java 毕业设计,Java 课程设计,基于 SpringBoot 开发的,含有代码注释,新手也可看懂。毕业设计、期末大作业、课程设计、高分必看,下载下来,简单部署,就可以使用。
包含:项目源码、数据库脚本、软件工具等,前后端代码都在里面。
该系统功能完善、界面美观、操作简单、功能齐全、管理便捷,具有很高的实际应用价值。
项目都经过严格调试,确保可以运行!
1. 技术组成
前端:html、javascript、Vue
后台框架:SpringBoot
开发环境:idea
数据库:MySql(建议用 5.7 版本,8.0 有时候会有坑)
数据库工具:navicat
部署环境:Tomcat(建议用 7.x 或者 8.x 版本), maven
2. 部署
如果部署有疑问的话,可以找我咨询
后台路径地址:localhost:8080/项目名称/admin/dist/index.html
前台路径地址:localhost:8080/项目名称/front/index.html (无前台不需要输入)
Java毕设-基于springboot+Vue的人事管理系统(附源码,数据库,教程).zip
03-06
Java 毕业设计,Java 课程设计,基于 SpringBoot 开发的,含有代码注释,新手也可看懂。毕业设计、期末大作业、课程设计、高分必看,下载下来,简单部署,就可以使用。
包含:项目源码、数据库脚本、软件工具等,前后端代码都在里面。
该系统功能完善、界面美观、操作简单、功能齐全、管理便捷,具有很高的实际应用价值。
项目都经过严格调试,确保可以运行!
1. 技术组成
前端:html、javascript、Vue
后台框架:SpringBoot
开发环境:idea
数据库:MySql(建议用 5.7 版本,8.0 有时候会有坑)
数据库工具:navicat
部署环境:Tomcat(建议用 7.x 或者 8.x 版本), maven
2. 部署
如果部署有疑问的话,可以找我咨询
后台路径地址:localhost:8080/项目名称/admin/dist/index.html
前台路径地址:localhost:8080/项目名称/front/index.html (无前台不需要输入)
c语言sqrt函数的用法
11-04
C语言中的sqrt函数是一个数学函数,用于计算一个数的平方根。它的原型定义在math.h头文件中,函数的返回值类型为double类型,参数为一个double类型的数值。使用sqrt函数时,只需要将需要计算平方根的数值作为参数传入函数中即可,函数会返回该数值的平方根。下面是一个使用sqrt函数的示例代码:
```c
#include
#include
int main(void) {
double num = 16.0;
double result = sqrt(num);
printf("The square root of %lf is %lf\n", num, result);
return 0;
}
```
上述代码中,我们首先包含了math.h头文件,然后定义了一个double类型的变量num,并将其赋值为16.0。接着,我们调用了sqrt函数,将num作为参数传入,并将函数的返回值赋值给了另一个double类型的变量result。最后,我们使用printf函数输出了结果。
“相关推荐”对你有帮助么?
非常没帮助
没帮助
一般
有帮助
非常有帮助
提交
Adam-何荣
CSDN认证博客专家
CSDN认证企业博客
码龄4年
暂无认证
70
原创
-
周排名
121万+
总排名
13万+
访问
等级
75
积分
17
粉丝
22
获赞
0
评论
115
收藏
私信
关注
热门文章
c语言sprt的程序怎么用,sqrt函数在c语言中怎么用?
10515
声音大小与振幅的关系_原来声音的属性有这三种!
9486
三星 android recovery,三星recovery模式怎么操作
7797
linux那个目录存放用户密码信息,linux试题及答案
6451
安装JAVA内部错误61003_JDK1.8 安装报内部错误:61003
5015
您愿意向朋友推荐“博客详情页”吗?
强烈不推荐
不推荐
一般般
推荐
强烈推荐
提交
最新文章
在layui中使用ajax传值给后台,解决layui批量传值到后台操作时出现传值为空的问题...
ajax在项目中怎么使用,我如何添加项目在sql中使用jQuery(ajax)通过web服务
ajax模拟省市级联动,省市区三级联动和ajax模拟请求(示例代码)
2021年151篇
2020年19篇
目录
目录
最新文章
在layui中使用ajax传值给后台,解决layui批量传值到后台操作时出现传值为空的问题...
ajax在项目中怎么使用,我如何添加项目在sql中使用jQuery(ajax)通过web服务
ajax模拟省市级联动,省市区三级联动和ajax模拟请求(示例代码)
2021年151篇
2020年19篇
目录
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
祝福语
请填写红包祝福语或标题
红包数量
个
红包个数最小为10个
红包总金额
元
红包金额最低5元
余额支付
当前余额3.43元
前往充值 >
需支付:10.00元
取消
确定
下一步
知道了
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝
规则
hope_wisdom 发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额
0
抵扣说明:
1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。 2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。
余额充值
序贯概率比检验_百度百科
比检验_百度百科 网页新闻贴吧知道网盘图片视频地图文库资讯采购百科百度首页登录注册进入词条全站搜索帮助首页秒懂百科特色百科知识专题加入百科百科团队权威合作下载百科APP个人中心收藏查看我的收藏0有用+10序贯概率比检验播报讨论上传视频数理统计学术语本词条由“科普中国”科学百科词条编写与应用工作项目 审核 。序贯概率比检验是数理统计学的一个分支,其名称源出于亚伯拉罕·瓦尔德在1947年发表的一本同名著作,它研究的对象是所谓“序贯抽样方案”,及如何用这种抽样方案得到的样本去作统计推断。序贯抽样方案是指在抽样时,不事先规定总的抽样个数(观测或实验次数),而是先抽少量样本,根据其结果,再决定停止抽样或继续抽样、抽多少,这样下去,直至决定停止抽样为止。反之,事先确定抽样个数的那种抽样方案,称为固定抽样方案。中文名序贯概率比检验外文名Sequential probability ratio test,SPRT出 处亚伯拉罕·瓦尔德时 间1947年提出者亚伯拉罕·瓦尔德目录1定义2检验要点3序贯检验4举例定义播报编辑设随机变量 X 的概率分布为 或 是样本观察值。而对备择假设 服从分布 来检验零假设 服从分布 。用似然比统计量 的序贯概率比检验方法是:确定两个常数 A,B(00和0<α<1后,可作出均值μ的一个置信区间,其置信系数为1-α,而长度不超过l。可以证明:当方差未知时,具有这种性质的置信区间在固定样本的情况下不可能找到。由此可以看出序贯抽样方案除了可节省抽样量之外,还有一种作用,即为了达到预定的推断可靠程度(这里为置信系数)及精确程度(这里是以区间长度来刻画),有时必须使用序贯抽样。例如,估计一事件A的概率p(00及0<α<1,要找到这样的估计,使能以不小于1-α的概率保证估计的相对误差小于等于ε。可以证明,若用固定抽样方案,事先指定自然数n,做n次试验,每次观察A是否发生,则不论n多么大,具有上述性质的不存在。但用下述序贯抽样方案可得到这样的:作试验,观察A是否发生,设到A第一次发生时已作了n1次试验,计算取其整数部分n2,再作n2次试验,记n2次试验中A出现的次数为m,m/n2,则有p(|-p|/p≤ε)≥1-α,而估计具有所指定的性质。新手上路成长任务编辑入门编辑规则本人编辑我有疑问内容质疑在线客服官方贴吧意见反馈投诉建议举报不良信息未通过词条申诉投诉侵权信息封禁查询与解封©2024 Baidu 使用百度前必读 | 百科协议 | 隐私政策 | 百度百科合作平台 | 京ICP证030173号 京公网安备110000020000
现实中如何使用惯序概率比检验sequential probability ratio test? - 知乎
现实中如何使用惯序概率比检验sequential probability ratio test? - 知乎首页知乎知学堂发现等你来答切换模式登录/注册统计学数据分析A/B 测试数据科学现实中如何使用惯序概率比检验sequential probability ratio test?对重要数据进行假设检验,需要尽早得到结果(至少防止严重副作用)。 初步了解sprt后,发现入门资料中举例总是对正态分布的检验。现实中很多数据的分布比较…显示全部 关注者5被浏览312关注问题写回答邀请回答好问题添加评论分享暂时还没有回答,开始写第一-1.5 %����
347 0 obj <> endobj
383 0 obj <>/Filter/FlateDecode/ID[<36954E2C6DFB88459CB17315AE78FF97>]/Index[347 82]/Info 346 0 R/Length 155/Prev 705403/Root 348 0 R/Size 429/Type/XRef/W[1 3 1]>>stream
h�bbd```b``Y"�A$�?ɵD����H� 0��d��'�"�`r"X$̞6S L��M�6A���lKXVDF��Lre@�1A,� "@.a��,R"����
Y� �q�t��QH�aig`bd`|���qD��y� O|
endstream endobj startxref
0
%%EOF
428 0 obj <>stream
h�b```f``����� b� ̀ �@16��-
L��5_����$����Df���Lz �N���g_��,��d �$�pL����VQǔ���\��-�;ucVȥe �:2��V.N��&2D�EG�o��y���L$7m��ԑ�k�����M�Ҧ�4��'�� ������An�f��oM��dM�m�Y���BF��p���Fo�Ͱݚ+dԹ�Mh�4+D�eY����C+�<9���������T�2h5�Ʉ03G���*���*:��T�PCXF �L0&� � Tc1{�X�*H�L�,��6V� 3�� ��8� ���EL���}0�a�`d; #���<���A� � ��?vL��3ls``И��N,O�`��k2�'c�p}e8������`���|�����Kp0=|et9�����<�� o3W@Ļ=�N ���Z �����.�� ` E���
endstream endobj 348 0 obj <> endobj 349 0 obj <>/ExtGState<>/Font<>/XObject<>>>/Rotate 0/Tabs/S/Type/Page>> endobj 350 0 obj <>stream
h��Z�n7����E���8�Q'�5q`�MQ�([�u�%CR����N}����pw�����K{w8r9��p��pH�D+�0� c��B9Ke:�;
��S$��p:Q����iႧ�4�M�ɉ�Ie"}2����dJ+�HT JX)iL������RES�����T�BE�№!P����
��5zE��E�$����,։�`����B6f�����,�rV�⅋ � �2�*Q#�J"8Cݵ�C��Ƥ��E�Ь�H�L�dS
,rFp�x�"�bu���~����P��������>��>}�����ݰ؛L/��❐ϟ�g���y�8*N��3�dϒʠcϓW���@��z.�����ʾ��jw������r`������>��'w�:�A�4��a���*�{��B��UT\��$�������-���<�5����!*������ho0^
��z��B�4�~FK�ڇ���8������x3��n��]�z�8~[r�߾��������~%��0[������|0�7����+ǘ�h|���r8���_�Ҍ�F���˓�����S�������pl�]�#�T��s28#ip�r8���mq0̂ϔU����j&|q8���&�ϞEfP �A�Ιu8��|y������47�n����ny3��ɝ�y�����q����t8���܄�w�
B��|p3��_��,�������#�����n>�?�������b錉������ I�����������]Q9�8x����}*Q_H�&������["b�1�ٗ�1g������������z8� ���� )~(����A�Ώ.Db"�"�����D�Y��o�w!b������W� �%D�} m����B$n��0���B�mL"8���!�Y�"��Ed" ��ѧ���/;/v�v��Q;� ߆��<�毃���{�(�ŕh۠Y5r:ȕ�U��rtYe�2���1!� P %Mj.�ы�76��ot#D8J���l�V��>-��騽�q�IR�>ۛ�\�aͺ+m7/|�+��е7ߍƻ�٨�>Mg������@k���"J��P^�f5�!���F��_��4gg�?��Zi�S�-���R�_,���?��R�/��7kz�}��D��F�� ����:r�|��$.�RcC�"˞ty9o�P�� DHXB2<