- •Лекция 1. Общие сведения по теории вероятностей.
- •Условные и безусловные вероятности.
- •1.5. Формула полной вероятности и формула Байеса
- •Понятие случайного события.
- •1) Вероятность достоверного события равна 1;
- •2) Вероятность невозможного события равна 0;
- •Вероятность случайного события заключена
- •1.2. Алгебра событий.
- •1.3. Зависимые и независимые события.
- •1.4. Основные формулы теории вероятностей.
- •1.5. Формула полной вероятности и формула Байеса
- •1.6. Частная теорема о повторении опытов.
- •2.1. Случайные величины и их законы распределения.
- •2.2. Функция распределения.
- •2 .3. Вероятность попадания случайной величины
- •2.4. Плотность распределения
- •2.5. Числовые характеристики случайной величины
- •2.6 Понятие о моментах случайной величины.
- •2.7. Основные свойства математического ожидания
- •Свойства математического ожидания:
- •Свойства дисперсии случайной величины:
- •Лекция 3. Основные законы распределения
- •3.1. Гипергеометрическое распределение
- •3.5. Закон равной вероятности
- •3.7. Закон распределения модуля разности
- •3.8. Композиция законов распределения
- •3.1.Гипергеометрическое распределение.
- •3.5. Закон равной вероятности.
- •3.7. Закон распределения модуля разности.
- •Статистики
- •4.1. Основные задачи математической статистики
- •4.2. Основные понятия и определения. Выборочного метода
- •4.3. Выборочные характеристики. Состоятельные,
- •Свойства выборочных средних и дисперсий.
- •Доверительный интервал. Доверительная вероятность.
- •Задача определения закона распределения случайной величины.
- •2. Задача проверки правдоподобия гипотез.
- •3.Задача нахождения неизвестных параметров распределения.
- •4.2. Основные понятия и определения. Выборочного метода.
- •Генеральная совокупность и выборка из нее.
- •4.3. Выборочные характеристики. Состоятельные, несмещенные и эффективные оценки характеристики.
- •4.5. Доверительный интервал. Доверительная вероятность.
- •5.1. Определение характеристик эмпирического
- •5.2. Сопоставление и проверка сходимости
- •Координаты характерных точек кривой
- •5.3. Сопоставление эмпирического распределения
- •5.4. Статистическая проверка гипотез.
- •5.5. Проверка гипотезы о законе распределения случайной
- •Критерий
- •Критерий 2
- •5.6. Проверка гипотезы равенства двух выборочных средних
- •5.7. Проверка гипотезы равенства двух выборочных
- •5.8. Проверка гипотезы равенства ряда дисперсий .
- •Критерий Бартлета.
- •Критерий Кохрана.
- •5.9. Проверка гипотезы равенства ряда средних.
- •5.10. Метод исключения грубых ошибок измерения
- •5.11. Выбор числа наблюдений
- •6.1.Закон больших чисел и центральная
- •6.2. Неравенство Чебышева.
- •Неравенство Чебышева.
- •6.3. Закон больших чисел (теорема Чебышева).
- •6.4 Теорема Бернулли.
- •7.2. Коэффициент корреляции и корреляционное отношение.
- •7.3. Корреляционный анализ
- •7.4 Выбор уравнения регрессии
- •7.5. Понятие о множественной корреляции
- •Лекция 8. Основы планирования
- •8.6.1. Метод крутого восхождения.
- •8.1. Основные определения.
- •«Черный ящик »
- •8.3. Полный факторный эксперимент.
- •8.3.1 Выбор интервалов варьирования факторов
- •8.3.2 Полный факторный эксперимент типа 2
- •Построение матрицы 2
- •8.3.3. Свойства полного факторного эксперимента типа 2 к
- •8.3.4. Полный факторный эксперимент
- •8.3.5 Анализ модели.
- •8.3.5.1. Проверка значимости коэффициентов модели.
- •Расчет дисперсии опытов и оценка их однородности
- •Расчет дисперсий параметра оптимизации и коэффициентов регрессии
- •Проверка значимости коэффициентов регрессии
- •8.3.5.2. Проверка адекватности модели
- •8.4. Дробный факторный эксперимент.
- •8.4.1.Минимизация числа опытов.
- •Дробная реплика
- •8.4.3. Выбор полуреплик. Генерирующие соотношения и определяющие контрасты
- •8.4.4.Выбор 1/4-реплик. Обобщающий
- •8.6. Оптимизация функции отклика.
- •8.6.1. Метод крутого восхождения.
- •6.6.2. Методика расчета крутого восхождения
- •6.7. Принятие решений после построения модели процесса
- •8.5 Рандомизация опытов.
- •8.6 Оптимизация функции отклика
- •8.6.1. Метод крутого восхождения. Движение по градиенту
- •8.6.2. Методика расчета крутого восхождения
- •8.7.Принятие решений после построения
- •9.1. Статистический анализ точности обработки.
- •9.3. Статистический анализ посредством малых выборок.
- •9.4. Статистический анализ с помощью точечных
- •9.4.1. Карта средних значений (карта « »)
- •9.4.2. Карта медиан (карта )
- •9.4.3. Карты « »
- •9.4.4. Метод средних арифметических значений и
- •9.4.4. Контрольные карты по неизмеримым
- •Карта «р»
- •Карта «с».
3.7. Закон распределения модуля разности.
Если две случайные величины х1 и х2 каждая в отдельности имеют нормальное распределение с параметрами М(х1), М(х2) и = = ,то модуль разности этих величин r = имеет распределение, которое носит название закона распределения модуля разности. Этому закону часто подчиняются погрешности взаимно расположенных поверхностей и осей, а также погрешности формы деталей: овальность, конусность и т.д.
Плотность вероятности или дифференциальная функция распределения случайной величины r выражается следующим уравнением:
f(r) = 1/ 0 [ e- (r – M(x ))/ 2 + e- (r +M(x ))/ 2 ],
г де М(х0) = М(х1) – М(х2) и являются параметрами распределения модуля разности r.
Интегральная функция распределения модуля разности имеет вид: F(r) ) = 1/ 0 [ e- (r – M(x ))/ 2 +
+ e- (r +M(x ))/ 2 ],
Вид кривой распределения f(r) зависит от отношения M(x0)/ :
f(r) M(x0)/ = 0
M(x0)/ = 3
r
3.8. Композиция законов распределения.
Если величина U является суммой других взаимно независимых случайных величин X, Y, Z ,...,то закон распределения суммы U называется композицией законов распределения слагаемых X, Y, Z, ... . Операция нахождения закона называется компонированием и обозначается значком .
В случаях, когда суммируемые слагаемые X, Y, Z ,... заданы вероятностями p1(xi), p2(yi), p3(zi), ... или функциями F(x), F(y), F(z),... или плотностями вероятности f(x), f(y), f(z), ... формулы компонирования записываются следующим образом:
P(Uk) = p1(xi) p2(yi) p3(zi)... ;
F(U) = F(x) F(y) F(z)... ;
f(U) = f(x) f(y) f(z) ... .
Закон распределения суммы нескольких слагаемых находится путем последовательного определения закона для суммы 2-х слагаемых, потом к этой сумме добавляется третье слагаемое и т.д.
Рассмотрим следующий пример. Дискретные случайные величины X и Y заданы рядами распределения
-
Хi
1
2
3
4
5
pi
P(Xi)
1/5
1/5
1/5
1/5
1/5
1
Yi
1
2
3
4
5
P(Yi)
1/5
1/5
1/5
1/5
1/5
1
Закон распределения суммы U двух независимых д.с.в. X и Y, заданных их законами распределения P(Xi) и P(Yi), определяется по следующей формуле композиции дискретных законов распределения:
P(Uk) = p(xi)p(yi) = p1(xi)p2(uk – xi) = p1(yi)p2(uk – yi).
Определим область возможных значений величины U:
Umin = Xmin + Ymin = 2; Umax = Xmax + Ymax = 10;
Применяя способ непосредственного подсчета вероятностей и пользуясь основными теоремами о вероятностях, определим p(xi)p(yi). Расчеты удобно вести с помощью таблицы
Uk |
xi |
yi |
P(xi) |
P(yi) |
P(xi)P(yi) |
P(u k) |
2 |
1 |
1 |
1/5 |
1/5 |
1/25 |
1/25 |
3 |
1 2 |
2 1 |
1/5 1/5 |
1/5 1/5 |
1/25 1/25 |
2/25
|
4
|
1 2 3 |
3 2 1
|
1/5 1/5 1/5 |
1/5 1/5 1/5 |
1/25 1/25 1/25 |
3/25 |
5 |
1 2 3 4 |
4 3 2 1 |
1/5 1/5 1/5 1/5 |
1/5 1/5 1/5 1/5 |
1/25 1/25 1/25 1/25 |
4/25 |
6 |
1 2 3 4 5 |
5 4 3 2 1 |
1/5 1/5 1/5 1/5 1/5 |
1/5 1/5 1/5 1/5 1/5 |
1/25 1/25 1/25 1/25 1/25 |
5/25 |
7 |
2 3 4 5 |
5 4 3 2 |
1/5 1/5 1/5 1/5 |
1/5 1/5 1/5 1/5 |
1/25 1/25 1/25 1/25 |
4/25 |
8 |
3 4 5 |
5 4 3 |
1/5 1/5 1/5 |
1/5 1/5 1/5 |
1/25 1/25 1/25 |
3/25 |
9 |
4 5 |
5 4 |
1/5 1/5 |
1/5 1/5 |
1/25 1/25 |
2/25 |
10 |
5 |
5 |
1/5 |
1/5 |
1/25 |
1/25 |
Составим ряд распределения случайной величины U:
ui |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
P(ui) |
1/25 |
2/25 |
3/25 |
4/25 |
5/25 |
4/25 |
3/25 |
2/25 |
1/25 |
Графическое представление результатов:
P(x) P(y)
1/25 1/25
1 2 3 4 5 X 1 2 3 4 5 Y
P(U)
5/25
4/25
3/25
2/25
1/25
1 2 3 4 5 6 7 8 9 10 U
Пример. Случайная величина Х распределена по нормальному закону с плотностью f(x) = (1/ )e-[x-M(x)] /2 , случайная величина Y распределена по закону равной вероятности в интервале от а до в с плотностью f(y) = 1/(b – a).
Плотность вероятности суммы U двух независимых случайных величин X и Y, заданных их плотностями вероятностей f1(x) и f2(y), определится по формуле:
f(u) = f(x+y) = f1(x) f(y) = f1(x)f2(y) = f1(x)f2(u – x)dx = = f2(y)f2(u – y)dy
Для рассматриваемого примера уравнение примет конкретный вид:
f(u) = [1/(b – a)](1/ )e-[u – y – M(x)] /2 dy, a y b.
Здесь интеграл берется от a до b, потому что только в этих пределах y 0. Введем подстановку:
[u – y – M (x)] / = – t ; dy = dt ;
[a – u + M(x)] / = t1 ; [b – u + M(x)] / = t2 ;
Тогда уравнение примет вид:
f(u) = (1/b – a)(1/ ) e-t dt = 1/(b – a)[ (t1) – (t2) ] ,
где (t) – функция Лапласа.
Так как среднее значение для х равно М(х), для y - (b + a)/2, то
M(u) = M(x) + (b + a)/2 ; D(u) = D( x) + (b – a)2/12.
f(u) = 0
= 0,67
=2,2
u
На рисунке приведены кривые распределения по закону композиции нормального и равновероятного распределения при различных = (b – a)/ . Вид кривых показывает, что с уменьшением они приближаются к нормальной кривой. Поэтому, когда b – a , для практических целей можно использовать закон нормального распределения.
ЛЕКЦИЯ 4. ОСНОВЫ МАТЕМАТИЧЕСКОЙ