有限元方法

要使方差分析的结果有效，必须满足几个关于数据的关键假设。这些假设包括：(1) 观测值独立，即误差不相关。(2) 正态性，即每组的残差近似呈正态分布。(3) 同方差性，即所有组的残差方差相等。

蒙特卡罗方法是一类广泛的计算算法，它依赖于重复的随机抽样来获得数值结果。其基本思想是利用随机性来解决原则上可能是确定性的问题。当其他方法难以或无法使用时，蒙特卡罗方法通常被采用，尤其是在模拟复杂系统或积分高维函数时。

插补是 CNC 控制器内的计算过程，它生成一系列中间坐标点，以在编程的端点之间创建平滑路径。最基本的插补类型是用于直线的线性插补 (G01) 和用于圆弧的圆弧插补 (G02/G03)。这使得可以通过 G 代码程序中的简单几何命令来加工复杂的轮廓。

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。

哥德尔编号是一种基础技术，它为形式语言中的每个符号、公式和证明分配一个唯一的自然数（哥德尔数）。这种语法算术化使得关于形式系统的元数学陈述（例如，“这个公式是可证明的”）能够被编码为关于数字的算术陈述，从而可以在系统内部进行推理。

贝叶斯因子是两个竞争假设的边缘似然比值，通常指原假设（[latex]M_1[/latex]）与备择假设（[latex]M_2[/latex]）的比值。它量化了在观测数据[latex]D[/latex]条件下，某一假设相对于另一假设的支持程度。 其计算公式为：[latex]K = \frac{P(D|M_1)}{P(D|M_2)}[/latex]。当K值大于1时，表明数据更支持[latex]M_1[/latex]而非[latex]M_2[/latex]。.

可信区间是贝叶斯统计中与频率学派置信区间相对应的概念。它基于后验概率分布，是一个包含特定概率参数的数值范围。 例如，参数\theta\的95%可信区间意味着：在给定数据和模型的条件下，\theta\的真实值有95%的概率位于该区间内。.

可靠性函数 R(t)定义了系统或部件在指定时间 "t "内无故障地执行其所需功能的概率。对于故障率（λ）恒定的系统来说，它可以用指数分布来描述：[latex]R(t) = e^{-\lambda t}[/latex].该函数是预测产品寿命和性能的基础。

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。