滚动滚针轴承的数据稳健化处理与数据的离散性

Huber M方法是数据稳健化的一种方法，具有较好的稳健性;中位数是稳健性良好的位置估计。为了更好地分析数据的稳健性，将二者结合，形成一种以中位数为中心的单调不减的有界函数方法，对数据进行稳健化处理,获得稳健数据,可以改善数据的离散性。
例如，某种轴承的无失效数据为(单位: h):
422，539, 602, 770, 847, 924 计算结果为:数据的中位数为686,平均值为684。稳健化处理数据第1组数据:
539，539, 602, 770, 847，847

计算结果为:数据的中位数为686,平均值为686。斤于中位数。可以看出，数据经过稳健化处理，平均值越来越接近

      例如，滚动轴承无失效数据为(单位: h):  909.0(1个)190.4(1 个), 250.(1个，783.04个)，850.03个), 870.01个,计算结果为:数据的中位数为783,平均值为718.3。对数据进行稳健化处理:

      250.4(2 个), 783.04个), 850.0(3个),870.02个)计算结果为:数据的中位数为783,平均值为720.3。进行稳健化处理:

      783.0(6个), 850.0(5个)计算结果为:数据的中位数为783,平均值为813.4.

      根据上述数据处理结果，可以看出在数据稳健化处理过程中，数据平均值越来越接近中位数。

      例如，某导弹无失效数据为(单位: a):根据上述数据计算结果，可以看出稳健数据的平均值最接近中位数。

      0.51个), 1.03↑个)15(3，↑),2.04↑),2514↑,2303个)计算结果为:数据的中位数为175,平均值为1.85。对数据进行稳健化处理

      对数据进行该数据的中位数为175,稳健化处理:1051.1.13平均值为184;4)2.04 1.257个)

      均值相差起来超小，从上述数据稳健计算结果为:数据的中位数为为平均低为17.1580) 20)可以看出数据经能越好。稳健化处理后，  中位数与化处理过程。