针对产品在设计初期影响产品质量的各种不确定性因素,将不精确法与稳健设计相结合.根据不精确法的映射方法,把产品的设计变量从设计变量空间(DVS)映射到性能变量空间(PVS),并建立设计变量到性能参数的映射函数——集成函数,利用其合成PVS中的不同性能偏爱,完成多属性的偏爱集成或多个评价者之间的偏爱集成.以减速器为例说明集成函数对多属性集成稳健设计方案求取最优决策的应用.实例表明该方法是方便和实用的

使用盲数表达优化设计中的不确定变量,结合常用的基于实数变量的优化算法,提出了基于盲数的优化方法.该方法从微观的角度分析和描述设计变量与优化参数之间的关系,给出优化问题的盲数解.盲数解不但给出了设计变量的取值,而且还给出了不同取值时优化对象处于最优状态的可靠性的评价

一、高敬型随机变量的概 二、种常见高型随机变量及其分布

本文研究了一种特殊的、但具有代表性的队决策问题。这种问题包括有二位的逻辑变量。文中提出了一种所谓的加权布尔多项式——它把实变量空间和逻辑变量空间联系起来——用来做为一种对这类队决策问题的求解方法。在讨论了加权布尔多项式的若干重要性质之后,如完备性、正交性、增生与蜕化,作者提出了一种广义支付矩阵（或称W矩阵）的概念。并通过一个典型的例子（协同模型）来说明它的运用技巧

随机变量的数学期望是对随机变量取值水平的综合评价,而随机变量取值的稳定性是 判断随机现象性质的另一个十分重要的指标

前面讨论了随机变量的分布函数,从中知道随机变量的分布函数能完整地描述随机变 量的统计规律性 但在许多实际问题中,人们并不需要去全面考察随机变量的变化情况,而只要知道它的 某些数字特征即可

社会上，许多现象之间也都有相互联系，例如：身高与体重、教育程度和收入、学业成就和家庭环境、智商与父母智力等。在这些有关系的现象中，它们之间联系的程度和性质也各不相同。本书第十章提出了两总体的检验及估计的问题，这意味着我们开始与双变量统计方法打交道了。双变量统计与单变量统计最大的不同之处是，客观事物间的关联性开始披露出来。这一章我们将把相关关系的讨论深入下去，不仅要对相关关系的存在给出判断，更要对相关关系的强度给出测量，同时要披露两变量间的因果联系，其内容分为相关分析和回归分析这两个大的方面

一、随机变量的概念 二、随机变量的特征

直观上看,所谓随机变量,就是我们在随机实验中测定的量。例如观察10只新生动物的性。 一、随机变量: 别,并计算其中雄性动物的数量X,显然X可能取值为0,1,…,10;但究竟取值为几,只能 在实验结束时才知道。象这样在实验中所得到的取值有随机性的量,就称为随机变量。随机变 量的特点就是当实验条件一定时,实验结果仍不确定

一、填空(每空5分,共60分) 1.方差分析(ANOVA)通常用于检验 一元单因素( Univariate One--way)方差分析指个测试变量、个分类变量的方差分 析。 一元双因素( Univariate Two-way)方差分析指个测试变量、个分类变量的方差分 析。 在双因素方差分析中考虑交互效应的模型称为 否则称为