- •Основные понятия теории вероятностей: испытание, событие. Классификация событий. Полная группа событий. Примеры.
- •Вероятность. Классическое определение вероятности. Использование формул комбинаторики. Примеры.
- •Статическое определение вероятности.
- •Формула полной вероятности. Формула Байеса. Примеры.
- •Повторение независимых испытаний. Формула Бернулли. Примеры.
- •Повторение независимых испытаний. Асимптотические формулы. Локальная и интегральная теоремы Лапласа. Примеры.
- •Дискретные случайные величины. Закон распределения. Полигон распределения. Примеры построения дискретной случайной величины.
- •Числовые хар-ки дискретной случайной величины: математическое ожидание, дисперсия, среднее квадратическое отклонение. Примеры.
- •Свойства математического ожидания и дисперсии. Математическое ожидание и дисперсия среднего значения. Примеры.
- •Биномиальное распределение. Распределение Пуассона. Геометрическое распределение. Их числовые хар-ки. Примеры.
- •Непрерывная случайная величина. Функции распределения. Плотность вероятностей. Их свойства. Вероятность попадания в заданный интервал. Примеры.
- •Числовые хар-ки непрерывной случайной величины: математическое ожидание, дисперсия, среднее квадратическое отклонение, мода, медиана. Примеры.
- •Равномерное распределение. Нормальное распределение. Функции Гаусса и Лапласа. Их числовые хар-ки. Примеры.
- •Вероятность попадания в заданный интервал нормально распределенной случайной величины. Отыскание интервала по заданной вероятности. Примеры.
- •Понятие о центральной предельной теореме Ляпунова.
- •Понятие о случайном процессе. Система массового обслуживания как случайный процесс.
- •Случайный процесс со счетным множеством состояний. Виды. Система массового обслуживания с необратимыми и обратимыми переходами состояний.
- •Поток событий. Простейший поток и его свойства. Виды потоков событий.
- •Марковский случайный процесс.
- •Понятие о методе Монте-Карло.
- •Математическая статистика. Генеральная и выборочная совокупности. Репрезентативность выборки. Вариационные ряды. Полигон и гистограмма. Примеры.
- •Оценка числовых хар-к. Состоятельность, несмещенность и эффективность оценок. Оценка математического ожидания. Примеры.
- •Выборочная и исправленная дисперсии. Другие хар-ки вариации данных. Исправленная дисперсия среднего значения. Примеры.
- •Интервальные оценки. Доверительный интервал для оценки математического ожидания. Распределение Стьюдента.
- •Статистическая, корреляционная и функциональная зависимости. Уравнения регрессии. Примеры.
- •Коэффициент корреляции и его свойства. Нахождение уравнений регрессии по корреляционной таблице. Примеры.
Понятие о методе Монте-Карло.
Принято считать, что метод Монте-Карло возник в 1949 году, когда в связи с работой по созданию атомных реакторов. Нейман и Улам предложили испытать аппарат теории вер-ти д/решения прикладных задач с помощью ЭВМ. Название метода связывают с горным домом, рулеткой. Если в расчете по методу М-К моделируются величины, определяемые реальным содержанием, то расчет представляет собой прямое моделирование имитацию этого явления. Разработано моделирование на ЭВМ процесса переноса, рассеивания и размножения частиц: электронов, нейтронов, гамма-квантов. Моделирование эволюции ансамблей молекул д/решения важнейших задач квантовой стат-ой физики, моделирование массового обслуживания и производственных процессов в моделирование случайных процессов в химии, биологии, геологии и т.д.
Требуется найти значение а некоторой случайной величины. Д/этого выбирают такую случайную величину х, мат-ое ожидание кот равно а: М(х)=а. Отыскание возможных случайной величины х (моделирование) назыв «разыгрыванием» случайной величины. Теория метода М-К указывает, как наиболее целесообразно выбрать случайную величину х, как найти ее возможное значение, в частности, используемых случайных величин, в результате чего уместна ошибка, допускаемая при замене искомого мат-го ожидания, а его оценкой а. При разыгрывании случайной величины испытывают известные методы теории вер-ти.
Пример: события А и В независимы и совместимы. Разыграть 6 испытаний, в каждом из кот Р(А)=0,6 и Р(В)=0,2. Решение: т.к. А и В независимые испытания, то возможны 4 исхода испытания
Р( )= Р(А)*Р(В)=0,6*0,2=0,12
Р( )= 0,6*0,8=0,48
Р( )= 0,4*0,2=0,08
Р( )= 0,4*0,8=0,32
Т.о., задача сведена к разыгрыванию 4 событий, кот в свою очередь сводятся к разыгрыванию случайной величины х, имеющая следующий закон распределения:
х |
1 |
2 |
3 |
4 |
Р(х) |
0,12 |
0,48 |
0,08 |
0,32 |
Выберем 6 случайных чисел из интервала (0;1) – 0,45; 0,65; 0,06; 0,59; 0,33; 0,70. Построим частичные интервалы (0; ), ( ),…,
= (0;0,12)
= (0,12;0,60)
= (0,60;0,68)
= (0,68;1)
Случайное число , поэтому наступило событие , , , . Получим искомую пос-ть исхода разыгранных событий.
Математическая статистика. Генеральная и выборочная совокупности. Репрезентативность выборки. Вариационные ряды. Полигон и гистограмма. Примеры.
МС – наука, занимающаяся методом обработки опытных данных, получаемых в результате наблюдений над случайными величинами. Задачи МС: 1.описание явления, 2.анализ и прогноз, 3.выработка оптимальных решений.
Пусть требуется изучить мн-во однородных объектов (статистическая сов-ть) относительно некоторого качеств-го или количеств-го признака, характерного д/этого объекта. Пр: имеется партия деталей, качеств-ый признак: стандартность деталей, колич-ый признак: размер детали. Идеальным вариантом явл сплошное обследование, но в большинстве случаев это сделать невозможно. В этом случае из всего мн-ва объекта выбирают часть его. Генеральная сов-ть – статист-ая сов-ть, из кот отбирают часть объектов. Выборочная сов-ть – мн-во объектов, случайно отобранных из генеральной сов-ти. Число объектов генер-ой сов-ти и выборки – их объем. Выборка д.б. репрезентативной. Считается, что выборка репрезентативна, если все объекты генер-ой сов-ти имеют одинаковую вер-ть попасть в выборку, т.е. выбор производится случайно.
Пусть из генер-ой сов-ти извлечена выборка, причем наблюдалось раз, - раз, - раз и - объем выборки. Наблюдаемые значения - варианты, а пос-ть вариант, записанных в возрастающем порядке, - вариационные ряды. Числа наблюдений назыв частотами, а их отношение к объему выборки - относительная частота.
Для наглядности строят различные графики стат-го распределения, в частности, полигон и гистограмму. Полигон частот – ломаная, отрезки кот соединяют точками Для построения полигона частот на оси абсцисс откладывают варианты , а на оси ординат соответствующие им частоты . Точки ( ; ) соединяют отрезками прямых и получают полигон частот. Полигон относительных частот – ломаная, отрезки кот соединяют точками Для построения полигона относительных частот на оси абсцисс откладывают варианты , а на оси ординат соответствующие им относительные частоты . Точки ( ; ) соединяют отрезками прямых и получают полигон относительных частот. В случае непрерывного признака целесообразно строить гистограмму, д/чего интервал, в кот заключены все наблюдаемые значения признака, кот разбивают на несколько частичных интервалов длиной h и находят л/каждого частичного интервала - сумму частот вариант, попавших в i-тый вариант. Гистограмма частот – ступенчатая фигура, состоящая из прямоугольников, основаниями кот служат частичные интервалы h, а высоты равны отношению (плотность частоты). Для построения гистограммы частот на оси абсцисс откладывают частичные интервалы, а над ними проводят отрезки, параллельные оси абсцисс на расстоянии . Площадь i-того частичного прямоугольника равна - сумме частот вариант i-того интервала; следовательно, площадь гистограммы частот равна сумме всех частот, т.е. объему выборки. Гистограмма относительных частот – ступенчатая фигура, состоящая из прямоугольников, основаниями кот служат частичные интервалы h, а высоты равны отношению (плотность относительных частоты). Для построения гистограммы частот на оси абсцисс откладывают частичные интервалы, а над ними проводят отрезки, параллельные оси абсцисс на расстоянии . Площадь i-того частичного прямоугольника равна - сумме относительных частот вариант i-того интервала; следовательно, площадь гистограммы относительных частот равна сумме всех относительных частот, т.е. единице.