병렬 저항의 변화


10

저항 세트 R이 있고 모든 평균이 평균 μ 및 분산 σ로 분포되어 있다고 가정합니다.

다음과 같은 레이아웃의 회로 부분을 고려하십시오. (r) || (r + r) || (r + r + r). 각 부품의 등가 저항은 r, 2r 및 3r입니다. 각 섹션의 분산은 σ2 , 2σ2 , 3σ2 입니다.

전체 회로의 저항 차이는 무엇입니까?

수백만 점을 샘플링 한 후 분산이 대략 .10286 \ sigma ^ 2 임을 알 수 .10286σ2있습니다.

우리는 어떻게이 결론에 분석적으로 도달 할 것입니까?

편집 : 저항 값은 일부 평균 저항 r 및 분산 σ ^ 2 와 함께 정규 분포로 가정됩니다 σ2.


1
나는 이것이 시작하기에 적합한 모델이라고 확신하지 못한다. Nyquist-Johnson 열 회로 노이즈 이론 에 익숙 하십니까? 의도적으로 다른 일을하고 있다면 동기 부여를 보는 것이 흥미로울 것입니다. 그렇지 않으면 더 표준적인 모델을 고려해 볼 가치가 있습니다. :)
— 추기경

네, 제가 답을 쓰려고 노력하는 동안, 모델이 제시된대로 다루기 힘들다는 것을 깨달았습니다. 그러나 나는 이것이 실제적인 문제가 아니라 학문적 문제라고 생각했습니다 (결국 시뮬레이션을하고 있습니다).
— Néstor

시그마를 분산으로 사용하는 것에 대한 사과는 원래 VAR을 사용했으며 누군가가 시그마를 편집했습니다.
— lrAndroid

업데이트 해 주셔서 감사합니다. 나는 당신이 당신의 질문에 약간을 기꺼이 추가하고 싶다면이 질문의 동기에 여전히 관심이 있습니다. :)
— 추기경

답변:


9

전체 회로 의 등가 저항 은 우리는 라고 가정합니다. 독립된 임의의 변수 에 대해 중심이 있고 분산이 입니다.R

1R=∑i=131Ri.
Ri=iμ+σiZiZi1

추가 지시가 없으면 의 분산을 계산할 수 없으므로 더 나아 가기 위해 정권을 고려합니다 그런 다음 이므로 에서 하나는보고 또한 따라서 한도R

σ≪μ.
1Ri=1iμ−σμ2Ziii+higher order terms,
1R=aμ−σμ2Z+higher order terms,
a=∑i=131i=116,Z=∑i=13Ziii.
E(Z)=0,E(Z2)=b,b=∑i=131i3=251216.
R=μa−σa2Z+higher order terms,
σ→0, 및 이러한 의 및 은 병렬로 여러 개의 저항으로 일반화 할 수 있습니다. 각 저항 은 기본 저항 의 결과이며 , 기본 저항은 독립적이며 각각 평균 및 분산 . 그런 다음 이면 여기서
E(R)≈μa=611μ,
Var(R)≈σ2⋅ba4=σ2⋅(611)4⋅251216=σ2⋅0.10286…
E(R)Var(R)niμσ2σ→0
E(R)→μa,σ−2Var(R)→ba4,
a=∑i1ni,b=∑i1ni3.

8

정확한 대답은 및 에만 달려 있다고 생각하지 않습니다 . 표본을 추출 할 때 구체적 분포 (정규 분포)를 사용해야한다고 가정합니다. 어쨌든 우리는 선형 근사치로 회로 저항의 평균 및 분산을 계산할 수 있으며 정확한 분포 형태는 관련이 없습니다.μσ2

회로의 저항은 입니다. 선형 근사에서 평균 및 분산 랜덤 변수의 역수의 평균과 분산은 각각 및 입니다. 따라서 우리는 평균 , 및 와 분산 , 및 는 각각 평균 및 분산(R1−1+R2−1+R3−1)−1μσ21/μσ2/μ41/μ1/(2μ)1/(3μ)σ2/μ4σ2/(8μ4)σ2/(27μ4)116/μ251216σ2/μ4. 그 역수를 취하면 평균 와 분산 결과와 일치하여 .611μ(251216σ2/μ4)/(116/μ)4=150614641σ2≈0.10286σ2


물론 이것은 저항이 독립적 인 랜덤 변수라고 가정합니다.

@Robert : 그렇습니다. 그것은 문제의 분산 , 및 계산에서 이미 가정되었으며 물리적 의미가 있습니다 (동일한 배치에서 모든 저항을 가져가더라도 저항은 다소 상관 관계가 있습니다) ). σ2σ3σ
— joriki

실제 설계에서 저항은 독립적 인 RV와는 거리가 멀다. 실제로, 일부 요소 그룹이 서로를 추적하도록하기 위해 많은 작업이 레이아웃으로 진행됩니다 (당연히``일치 ''라고 함).

1
당신이 사용하고 ? 나는 이것을 라고 쓰는 데 더 익숙합니다 . σ=E(X−EX)2σ2

@ copper.hat : 물론 당신은 에 대해 옳 습니다-나는 생각없이 질문에 사용 된 표기법을 채택했습니다. σ2
— joriki

5

이것은 저항 분포의 모양에 따라 다릅니다. 분포를 모르면 평균 저항조차 말할 수 없지만 제약이 있다고 생각합니다.

그래서, 가시적 인 인 분포를 선택하자하자 하나 개의 저항의 저항의 표준 편차합니다. 저항을 로 설정하고 각 부호는 확률 발생 합니다. 이것은 우리에게 고려할 건, 또는 만약 우리가 어떤 경우들을 결합한다면 . 물론 우리는 저항이 독립적이라고 가정합니다.sμ±s1/226=642×3×4=24

우리가 선택하면 및 평균은 다음 (약간보다 낮은 ) 및 분산은 . 우리가 선택하는 경우 및 , 그 차이는 .μ=100s=154.543291100×6110.102864μ=5s=10.103693

평균이 이고 분산이 때 분산 간의 비율에 대한 거듭 제곱 확장은 다음과 같습니다 . . 가 작을 때 , 지배적 인 항은 입니다.1x150614641+360001771561x+21801619487171x2+O(x3)x150614641=0.102862

기술적으로 묻는 질문은 분포에 의존하지만 표준 편차가 평균과 비교하여 작은 상황에 관심이있을 수 있으며 분포에 의존하지 않는 잘 정의 된 한계가 있다고 생각합니다. 각 부품의 저항 함수로 회로 저항의 의존성을 선형화하십시오.

C=11/R1+1/(R2+R3)+1/(R4+R5+R6)

≈611μ+∑i=16(Ri−μ)∂C∂Ri(μ,μ,μ,μ,μ,μ)

∴Var(C)≈∑i=16Var(Ri)(∂C∂Ri(μ,μ,μ,μ,μ,μ))2

이 특정 회로에서 축척 된 부분 도함수는 및36121,9121,9121,4121,4121,4121

(36121)2+2(9121)2+3(4121)2=150614641=0.102862

1
이 다변량 델타 정리 즉 생각 나게 평균 갖는다 및 분산 각각 다음 은 , 여기서 및 . 최종 답변은 @Douglas Zare 및 OP와 동일하며 0.1028 입니다. R1,R2,R3μ,2μ,3μσ2,2σ2,3σ2g(R1,R2,R3)=((1/R1)+(1/R2)+(1/R3))−1∇g(μ)Σ∇g(μ)′∇g(μ)=(36121,9121,4121)Σ=\[(.σ20002σ20003σ2)\]σ2
— VitalStatistix

1

나는 내가 추론했을 때, 이것은 긴 대답 이지만, 누군가 내 시도에서 더 나은 것을 얻을 수 있다고 경고합니다 (최적의 것이 아닐 수도 있음). 또한, 원래의 OPs 질문을 잘못 읽고 저항이 정상적으로 분포되어 있다고 생각했습니다. 어쨌든 대답을 남겨 두 겠지만 그것은 근본적인 가정입니다.

1. 문제의 물리적 추론

내 추론은 다음과 같습니다. 병렬로되어있는 저항의 경우 등가 저항 이 다음과 같이 주어집니다.Req

Req−1=∑iN1Ri,

여기서 는 회로의 각 부분의 저항입니다. 당신의 경우에, 이것은 우리를 제공합니다Ri

Req=(1R1+1R2+1R3)−1,   (∗)
여기서 은 저항이 1 인 회로의 일부이므로 평균 및 분산 갖는 정규 분포를 가지며 , 같은 이유로 는 2 개의 저항을 갖는 회로 부분의 등가 저항, 마지막으로 는 3 개의 저항을 갖는 회로 부분의 등가 저항입니다. 의 분포를 찾아서 분산을 구해야합니다.R1μσ2R2∼N(2μ,2σ2)R3∼N(3μ,3σ2)Req

2. 의 분포 구하기Req

분포를 찾는 한 가지 방법은 다음과 같습니다. 여기에서 (베이 즈 정리를 통해 획득 함). , 및 (물리적으로 그럴듯 함) 간의 독립성 을 이것을 에서 대체 하고 세 저항 사이의 독립의 또 다른 결과는

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)
R1R2R3
p(Req,R2,R3)=p(R2|Req)p(Req|R3)p(R3).
(1)p(R1|Req,R2,R3)=p(R1|Req)우리가 얻을 : 마지막 문제는 , 즉 rv 의 분포 를 찾는 것 입니다. . 이 문제는 우리가 여기에있는 것과 유사하다, 당신은 대체 지금을 제외시켰다 EQ에. 라는 상수로 . 위와 동일한 인수를 따르면 분명히 나머지는 조금 문제를 제외한 공지 분포 대체 : 분포 얻을 수있다 것을주의하여
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(∗)r3
p(Req|R3)=∫p(Req|R2,R3)p(R2)dR2.   (3)
Req|R2,R3(∗)X1 은 가우시안이므로 기본적으로 랜덤 변수 의 분포를 찾아야합니다 여기서 와 는 상수입니다. 그리고 는 평균 및 분산 가우스입니다 . 계산이 올 바르면이 분포는 여기서 이므로 의 분포는
W=(1X+a+b)−1,
abXμσ2
p(W)=1[1−W(a+b)]212πσ2exp(−X(W)−μ2σ2),
X(W)=1W−1−a−b,
Req|R2,R3
p(Req|R2,R3)=1[1−Req(a+b)]212πσ2exp(−X(Req)−μ2σ2),
여기서 및 입니다. 문제는 방정식 의 적분을 풀기 위해 이것이 분석적으로 다루기 쉬운 지 모른다는 것입니다. 그러면 우리는 방정식 의 결과를 대체하여 poblem을 해결할 것 입니다. 적어도 밤에는이 시간이 아닙니다.a=1/R2b=1/R3(3)(2)

저항이 음수 일 수는 없지만 정규 분포를 가정하고 있습니까? 내 생각에 이것이 회로의 분산을 분기시킬 것입니다.
— Douglas Zare

1
나도 알아 차 렸지만 실제로는 및 의 값에 따라 달라집니다 . 만약 과 , 우리가 할 수있는 "저장"모델. 정상적인 조건에서는 저항의 분산이 그리 높지 않으므로 마지막 가정이 명확하게 충족됩니다. 이것은 사람들이 높이를 일반적인 랜덤 변수로 모델링 할 때 처음에 나를 귀찮게 한 것이었지만 여기에 준 것과 같은 이유로 Stack-exchange의 일부 사람들은 나를 기분이 좋게했습니다 :-). μσ2μ>>0μ>>σ
— Néstor

흠, 나는 평소 모델링 높이가 너무 나빠서 분명히 정상이 아닌 분포의 예로서 사용한다고 생각합니다. 동일한 유전 적 배경을 가진 건강한 성인 남성 인구가 있다면 끔찍하지 않을 것이라고 생각합니다. 그러나 나는 생물 학자에게 이것이 괜찮다는 것을 듣고 싶습니다. 내가 각 뼈의 크기가 독립적이라는 것을 너무 자주 들었던 이유는 완전히 말도 안됩니다.
— Douglas Zare

나는 저항이 정상적으로 분포되어 있지 않다는 것을 깨달았습니다.
— Néstor
당사 사이트를 사용함과 동시에 당사의 쿠키 정책과 개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.