自动定理证明（ATP）

三重模块冗余（TMR）是一种硬件容错技术，它使用三个相同的模块并行执行相同的操作。它们的输出被送入一个多数投票电路。如果一个模块发生故障并产生错误输出，投票电路仍然能够根据其他两个模块的输出确定正确的输出，从而掩盖故障并确保系统持续运行。

马尔可夫链蒙特卡罗（MCMC）方法是一类用于从概率分布中采样的算法。它构建一个马尔可夫链，使其平衡分布或平稳分布为目标分布。经过大量步骤后，链的状态被用作目标分布的样本，从而可以计算积分和期望值。

G 代码（正式名称为 RS-274）是用于控制 CNC 机床的最常用编程语言。它由一系列顺序命令组成，用于指示机床的定位、速度和特定操作。命令以字母地址开头；“G”表示运动准备命令（例如，G01 表示线性进给），而“M”表示辅助功能（例如，M03 表示主轴启动）。

验证技术大致分为静态和动态两种。静态验证（或静态分析）在不执行的情况下检查系统的代码或设计。这方面的例子包括代码审查、检查和自动静态分析工具。动态验证（或测试）涉及使用一组输入执行系统，并观察其行为以发现缺陷。对于全面的质量保证而言，两者相辅相成。

风险优先级编号 (RPN) 是 FMEA 中用于确定风险优先级的量化指标。其计算方法是三个排序因素的乘积：严重性（S）、发生率（O）和检测率（D）。计算公式为 [latex]RPN = S 乘以 O 乘以 D[/latex]。每个因素通常按 1 到 10 的等级评分，使团队能够首先关注得分最高的风险。.

蒙特卡罗方法的一个经典例子是估计 [latex]\pi[/latex] 的值。将半径为 [latex]r[/latex] 的圆嵌入边长为 [latex]2r[/latex] 的正方形中，它们的面积之比为 [latex]\frac\{pi r^2}{(2r)^2} = \frac\{pi}{4}[/latex]。在正方形内随机散布点，并计算落在圆内的 [latex]p[/latex] 的分数，就可以估算出：[latex]\pi （约 4p[/latex]）。.

这是一套用于检测休哈特控制图上非随机模式的四条决策规则，即使没有数据点超出3σ限值，也能指示过程失控。这些规则可以识别数据点的异常运行、趋势或聚集，这些异常表明存在特殊原因造成的变异。它们提高了控制图的灵敏度。

针对分类因变量（通常为二进制因变量）的回归模型。它不是直接对结果进行建模，而是使用 logistic（sigmoid）函数对结果的概率进行建模。该模型将事件的对数概率预测为自变量的线性组合：[latex]/ln(\frac{p}{1-p}) = \beta_0 + \beta_1 x_1 + \dots + \beta_p x_p[/latex]，其中 p 是事件的概率。.

Metropolis-Hastings算法是一种著名的马尔可夫链蒙特卡罗（MCMC）方法，用于从难以直接采样的概率分布中获取随机样本序列。在每次迭代中，它基于当前样本生成下一个样本的候选值。然后，该候选值以一定的概率被接受或拒绝，从而确保生成的链收敛到期望的分布。

面向对象编程 (OOP) 中的抽象是指隐藏复杂的实现细节，仅显示对象的基本功能。它关注的是对象做什么，而不是如何做。抽象类和接口可以实现这一点，它们为其他类定义蓝图，但不提供完整的实现，从而简化了复杂的系统。