Ich warne davor, dass dies, wie ich es begründet habe, eine lange Antwort ist , aber vielleicht kann sich jemand von meinem Versuch etwas Besseres einfallen lassen (was möglicherweise nicht optimal ist). Außerdem habe ich die ursprüngliche OP-Frage falsch verstanden und dachte, dass die Widerstände normal verteilt sind. Ich werde die Antwort trotzdem hinterlassen, aber das ist eine zugrunde liegende Annahme.
1. Physikalische Begründung des Problems
Meine Argumentation lautet wie folgt: Denken Sie daran, dass für Widerstände, die parallel sind, der äquivalente Widerstand gegeben ist durch:Req
R−1eq=∑iN1Ri,
wobei die Widerstände jedes Teils der Schaltung sind. In Ihrem Fall gibt uns diesRi
Req=(1R1+1R2+1R3)−1, (∗)
wobei ist der Teil der Schaltung mit 1 Widerstand und hat daher eine Normalverteilung mit dem Mittelwert und der Varianz , und nach der gleichen Überlegung ist die äquivalenter Widerstand des Teils der Schaltung mit zwei Widerständen und schließlich ist der äquivalente Widerstand des Teils der Schaltung mit drei Widerständen. Sie sollten die Verteilung von und von dort die Varianz davon erhalten.
R1μσ2R2∼N(2μ,2σ2)R3∼N(3μ,3σ2)Req
2. Erhalten der Verteilung vonReq
Eine Möglichkeit, die Verteilung zu finden :
Von hier aus stellen wir auch fest, dass wir schreiben können
(erhalten über den Bayes-Satz), was unter der Annahme Die Unabhängigkeit zwischen , und (was physikalisch plausibel ist) kann geschrieben werden als
Ersetzen Sie dies in und stellen Sie fest, dass eine weitere Folge der Unabhängigkeit zwischen den drei Widerständen ist, dass
p(Req)=∫p(Req,R1,R2,R3)dR1dR2dR3=∫p(R1|Req,R2,R3)p(Req,R2,R3)dR1dR2dR3. (1)
p(Req,R2,R3)=p(R2|Req,R3)p(Req,R3)=p(R2|Req,R3)p(Req|R3)p(R3)
R1R2R3p(Req,R2,R3)=p(R2|Req)p(Req|R3)p(R3).
(1)p(R1|Req,R2,R3)=p(R1|Req)erhalten wir:
Unser letztes Problem besteht dann darin, , dh die Verteilung des rv . Dieses Problem ist analog zu dem hier gefundenen, außer dass Sie jetzt in Gl. durch eine Konstante, sagen wir . Nach den gleichen Argumenten wie oben können Sie feststellen, dass
Anscheinend ist der Rest Ersetzen der bekannten Verteilungen, bis auf ein kleines Problem: Die Verteilung von kann aus indem man dies bemerkt
p(Req)=∫p(R1|Req)p(R2|Req)p(Req|R3)p(R3)dR1dR2dR3=∫p(Req|R3)p(R3)dR3. (2)
p(Req|R3)Req|R3R3(∗)r3p(Req|R3)=∫p(Req|R2,R3)p(R2)dR2. (3)
Req|R2,R3(∗)X1 ist Gauß, also müssen Sie im Wesentlichen die Verteilung der Zufallsvariablen
wobei und Konstanten sind. und ist Gauß mit Mittelwert und Varianz . Wenn meine Berechnungen korrekt sind, lautet diese Verteilung:
wobei
so ‚s Verteilung wäre
W=(1X+a+b)−1,
abXμσ2p(W)=1[1−W(a+b)]212πσ2−−−−√exp(−X(W)−μ2σ2),
X(W)=1W−1−a−b,
Req|R2,R3p(Req|R2,R3)=1[1−Req(a+b)]212πσ2−−−−√exp(−X(Req)−μ2σ2),
wobei und . Die Sache ist, dass ich nicht weiß, ob dies analytisch nachvollziehbar ist, um das Integral in Gleichung zu lösen, was uns dann dazu bringt, das Problem zu lösen, indem wir das Ergebnis in Gleichung ersetzen . Zumindest für mich um diese Zeit der Nacht ist es nicht.
a=1/R2b=1/R3(3)(2)