- •Предисловие
- •Лекция 1 Общие сведения о стохастических системах
- •1.1 Общие сведения о системах
- •1.2. Основные задачи теории стохастических систем
- •1.3. Моделирование сложных (стохастических) систем
- •Лекция 2 Случайные события
- •2.1 Испытание. Поле событий. Операции над событиями [4]
- •2.2 Частость и вероятность [4]
- •2.3 Основные аксиомы теории вероятностей [4]. Из того, что
- •2.4 Элементы теории вероятностей [4]
- •Лекция 3 Случайные величины
- •3.1 Определение случайной величины [5]
- •Контрольные вопросы
- •Лекция 4. Непрерывные случайные величины
- •4.1. Экспоненциальный закон распределения
- •Контрольные вопросы.
- •Лекция 5
- •5.3. Закон больших чисел
- •5.4. Основные предельные законы теории вероятностей
- •Контрольные вопросы
- •Лекция 6
- •Лекция 7Случайные процессы и их аналитическое описание
- •7.4 Определение статистических оценок математического ожидания и корреляционной функции случайного процесса
- •7.5 Стационарные случайные процессы
- •Контрольные вопросы
- •Лекция 8 Корреляционный анализ
- •1. Функциональные и корреляционные связи между переменными
- •2. Корреляционный анализ
- •Контрольные вопросы
- •Лекция 9 Дисперсионный и регрессионный анализы
- •9.1 Дисперсионный анализ
- •9.2 Регрессионный анализ. Множественная регрессия
- •Приложение 9.1. D-статистика Дарбина - Уотсона: d1 и d2, уровень значимости в 5%
- •Контрольные вопросы
- •Лекция 10 стохастическое программирование
- •1. Линейное программирование.
- •2. Стохастическое программирование
- •3. Формальная постановка стохастической задачи
- •4. Методы решения задач стохастического программирования
- •Контрольные вопросы
- •Лекция 11 Особенности решения одноэтапных задач стохастического программирования
- •1. Моделирование систем массового обслуживания
- •2. Основы теории статистических решений. Статистические игры
- •Контрольные вопросы
- •2. Задача достижения нечеткой цели
- •Контрольные вопросы
- •2. Методы анализа больших систем, планирование экспериментов
- •Контрольные вопросы
- •Лекция 14 Адаптационная оптимизация
- •1. Постановка задачи адаптационной оптимизации [14]
- •2. Симплекс планирование
- •Лекция 15 Имитационное моделирование стохастических систем
- •1. Модели и моделирование. Общие понятия
- •2. Методы статистического моделирования
- •3. Имитационное моделирование непрерывных процессов
- •4. Имитационное моделирование процесса стекловарения в производстве листового стекла флоат-способом
- •Контрольные вопросы
- •Список литературы
Контрольные вопросы
1. Понятия случайный вектор, случайные одномерные величины,
к-мерная случайная величина.
2. Функция распределения случайного вектора, его свойства.
3. Плотность и функция распределения непрерывной к-мерной случайной величины, их свойства.
4. Вероятность попадания дискретной к-мерной случайной величины в любую точку счетного множества допустимых точек.
5. Функция распределения дискретной к-мерной случайной величины.
6. Плотность вероятностей двумерного нормального распределения зависимых и независимых случайных величин.
7. Условное нормальное распределение. Центр распределения и дисперсия, линия нормальной регрессии.
8. Неравенство Чебышева.
9. Теорема Бернулли.
10. Закон больших чисел.
Лекция 6
Оценивание параметров. Статистическая проверка гипотез
6.1. Описательная статистика
6.2. Оценивание параметров
6.3.
6.4.
6.5.
6.6.
Контрольные вопросы
1. Что рассматриваются в описательной статистике?
2. Что называется вариационным рядом и как он составляется?
3. Как группируются выборки большого объема?
4. Как строиться выборочная функция распределения?
5. Как строится гистограмма частот?
5. Как вычисляются числовые характеристики выборочного распределения?
6. Что называется точечной оценкой неизвестного параметра?
7. Понятие состоятельности, несмещенности и эффективности оценок.
8. Сущность метода максимального правдоподобия, используемого для оценивания параметров распределения.
9.Что называется доверительным интервалом параметра и доверительной вероятностью?
10. Как вычисляется доверительный интервал математического ожидания нормального распределения?
11. Как вычисляется доверительный интервал дисперсии нормального распределения?
Лекция 7Случайные процессы и их аналитическое описание
7.1
7.2
7.3
7.4 Определение статистических оценок математического ожидания и корреляционной функции случайного процесса
Рассмотрим случайный процесс как совокупность величин X(t). Мы можем в отношении каждой из них решать статистическую оценку интересующих нас параметров: математических ожиданий M[X(t)] и корреляционных моментов RX(t1, t2), Для этого необходимо располагать достаточным числом независимых реализаций процесса X(t), полученных в одинаковых условиях (например, осциллограммы). Для всех реализаций выбирается общее начало отсчета по параметру t, например, начало цикла по изучаемому процессу.
Далее ось параметров разбивается на k равных интервалов, выбирая их длину так, чтобы на ее протяжении каждая реализация мало изменялась. При каждом значении ti в конце каждого интервала математическое ожидание M[X(ti)] мы оцениваем по средней арифметической xcp(ti) из значений xi,1, xi,2, ….xi,n величины полученных из n реализаций процесса.
Получив ряд средних арифметических xcp(t1), xcp(t2), … xcp(tk), их аппроксимируют подходящей кривой и, таким образом получают эмпирическую оценку xcp(t), функции M[X(t)] – математического ожидания процесса.
При оценке корреляционного момента пользуются выше описанной методикой, формула для вычислений имеет вид:
RX cp(t1, t2) = 1/n[xl(t1) – xcp(t1)][xl(t2) – xcp(t2)]
где n – число реализаций; t1, t2 выборочные параметры t; l – реализация процесса 1, 2, .. n.
Давая t1 и t2 все возможные значения получают ряд значений RX cp(t1, t2) Аппроксимируя эти значения подходящей поверхностью в координатной системе t1, t2, RX(t1, t2) получают статистическую оценку корреляционной функции.
Аналогично определяют эмпирическое значение взаимной корреляционной функции двух случайных процессов X(t) и Y(t). Расчетная формула имеет вид:
RXY cp(t1, t2) = 1/n [xl(t1) – xcp(t1)][yl(t2) – ycp(t2)].