Реферат Курсовая Конспект
Теория случайных чисел - раздел Математика, Раздел 1. Теория Случайных Чисел. ...
|
Раздел 1. Теория случайных чисел.
Все события делятся на детерминированные, случайные и неопределенные.
Если событие наступает в эксперименте всегда, оно называется достоверным, если никогда – невозможным. Это детерминированные события.
Статистическое определение вероятности: Если в опыте, повторяющемся n раз, событие появляется mA раз, тогда относительная частота наступления события: . Р(А) – вероятность наступления события А.
Для достоверного события W: Р(W)=1. Для невозможного события Æ: Р(Æ)=0.
0 £ P(A) £ 1, т.к. 0£mA£n à 0 £ hn(A) £ 1
Раздел 2. Сложные события.
Теория сложных событий позволяет по вероятностям простых событий определять вероятности сложных. Она базируется на теоремах сложения и умножения вероятностей.
1) Суммой (объединением) двух событий А и В называется новое событие А+В, заключающееся в проявлении хотя бы одного из этих событий.
2) Произведением (пересечением) двух событий А и В называется новое событие АВ, заключающееся в одновременном проявлении обоих событий. А*В=АВ, АА=А, АВА=АВ.
3) Событие А влечет за собой появление события В, если в результате наступления события А всякий раз наступает событие В. АÌВ
А=В: АÌВ, ВÌА
Два события называются несовместными, если появление одного из них исключает возможность появления другого.
Если события несовместны, то АВ=Æ.
События А1, А2, …Аn образуют полную группу событий в данном опыте, если они являются несовместными и одно из них обязательно происходит:
AiAj=Æ (i¹j, i,j=1,2…n)
Если число (np+q) нецелое, то k0 – единственное
Раздел 3. Случайные величины и распределение вероятностей.
Случайная – величина, которая в ходе опыта принимает то или иное значение из возможных своих значений, меняющееся от опыта к опыту и зависящее от множества непредсказуемых факторов.
Если случайные события характеризуют процесс качественно, то случайная величина – количественно.
Случайная величина – численная функция, задаваемая на множестве элементарных событий. На одном множестве может быть несколько случайных величин.
Дискретная случайная величина (ДСК) – величина, принимающая счетное (конечное или бесконечное) множество значений.
Непрерывная случайная величина (НСВ) – случайная величина, значения которой образуют несчетные множества. (Например, расход бензина на 100 км у автомобиля Жигули в Нижнем Новгороде).
Задать св – значит указать все множество ее значений и соответствующие этим значениям вероятности. Говорят, что задан закон распределения случайной величины.
Случайная величина может быть задана несколькими способами:
1. Табличный.
Х | a1 | a2 | … | аn |
Р | p1 | p2 | … | pn |
Значения случайных величин в таблице ранжируются, т.е. указываются в порядке возрастания.
Недостпаток табличного способа в том, что он пригоден только для случайных величин, принимающих небольшое количество значений.
2. Функция распределения F(x) = P(X<x) или интегральный закон распределения.
Указывается вероятность того, что случайная величина принимает значение < x.
Х | a1 | a2 | a3 | … | аn-1 |
Р | p1 | p2 | p3 | … | pn-1 |
F(x) | p1 | p1+p2 | p1+p2+p3 | … | p1+p2+…+pn-1 |
При увеличении значения случайной величины, количество ступенек функции F(х) возрастает, уменьшается их высота и в пределе при получаем гладкую непрерывную функцию F(х).
Свойства функции F(х).
1. Неотрицательна. 0£ F(х)£1
2. Неубывающая F(х2)> F(х1) при х2>х1
3.
4. Р(a<x<b) = F(a) – F(b) Вероятность того, что значение х попадет в интервал (а,b) определяется разностью значений функции на концах интервала.
Наряду с F(х) вводится f(x) - функция плотности вероятности или дифференциальный закон распределения:
Свойства функции f(x):
1. Неотрицательна. (т.к. F(x) неубывающая, f(x)³0)
2. Площадь фигуры под кривой на интервале (a,b) равна:
- условие нормировки функции f(x).
Операции со случайными величинами
Со случайными величинами, рассмотренными на одном и том же интервале исходов опыта, можно обращаться как с обычными числами и функциями.
X:
X | a1 | a2 | … | an |
p | p1 | p2 | … | pn |
Y=j(x)
Нужно найти закон распределения СВ Y. yk=j(ak), где k=1,2,…,n.
P(y=yk)=P(x=ak)=Pk
Если все значения СВ Y различны, то их надо проранжировать и указать соответствующие вероятности.
Если СВ Y принимает совпадающие значения, то их надо объединить под общей вероятностью, равной сумме соответствующих вероятностей, а после в ранжированном виде привести в таблице.
X={0,1,2,…,9}, P(x=k)=0.1, k=0,1,…,9, Y=x2, Z=(x-5)2.
X | ||||||||||
P | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 |
Y | ||||||||||
Py | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 |
Z | ||||||||||
Pz | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 |
Закон распределения СВ Z:
Z | ||||||
Pz | 0.1 | 0.2 | 0.2 | 0.2 | 0.2 | 0.1 |
Бинарные операции (с несколькими величинами)
СВ X,Y заданы в 1 опыте.
Исход опыта | E1 | E2 | … | En |
Вероятность исхода | P1 | P2 | … | Pn |
X | X1 | X2 | … | Xn |
Y | Y1 | Y2 | … | Yn |
Z=j(XY) | Z1 | Z2 | … | Zn |
Сложнее, если СВ задана только своим распределением:
X | a1 | a2 | … | an |
Р | p1 | p2 | … | pn |
Y | b1 | b2 | … | bn |
Р | g1 | g2 | … | Gn |
Z=X+Y
СВ Z принимает значения ak+bs, где ak=a1,a2,…,an; bs=b1,b2,…bm.
Общее количество возможных значений СВ = m×n.
P(Z=ak+bs)=P(X=ak, Y=bs)
Для нахождения такой вероятности необходимо знать закон совместного распределения СВ X и Y.
Набор точек (ak,bs) вместе с вероятностями P(X=ak, Y=bs) называется совместным распределением СВ X и Y. Обычно такое распределение задается таблицей.
Определение закона распределения суммы СВ по законам распределения слагаемых называется композицией законов распределения.
X Y | b1 | b12 | … | bs | … | bm | Px |
a1 | P11 | P12 | … | P1s | … | P1m | P1 |
a2 | P21 | P22 | … | P2s | … | P2m | P2 |
… | … | … | … | … | … | … | … |
ak | Pk1 | … | … | Pks | … | Pkm | Pk |
… | … | … | … | … | … | … | … |
an | Pn1 | Pn2 | … | Pns | … | Pnm | Pn |
Py | g1 | g2 | … | gs | … | gm |
Наиболее просто вероятности Pks находятся в случае независимости СВ X и Y. Две СВ X и Y называются независимыми тогда и только тогда, когда
P(X=ak, Y=bs)=P(X=ak)×P(Y=bs)
Pks=Pk×Ps
По известному закону распределения совместного распределения СВ X и Y могут быть найдены одномерные законы распределения СВ X и Y.
Теорема . Если СВ Х,Y являются независимыми, то любые функции j(Х) и y(У) от этих величин также являются независимыми.
Распределение функции от случайной величины
Х – непрерывная СВ
. По закону распределения СВ Х. Найти закон распределения СВ Y.
Если СВ ХÎ[х0 ,х1], то Î [y0 ,y1].
Предполагается, что функция j(х) является однозначной и имеет обратную функцию q(y).
Воспользовавшись элементами вероятности:
получим .
Закон распределения не меняется, если q(y) является линейной.
fy(y)=fx(x).
Раздел 4. Числовые характеристики СВ
Исчерпывающие представления о СВ дает закон её распределения.
Во многих задачах, особенно на заключительной стадии, возникает необходимость получить о величине некоторое суммарное представление: центры группирования СВ – среднее значение или математическое ожидание, разброс СВ относительно её центра группирования.
Эти числовые характеристики в сжатой форме отражают существенные особенности изучаемого распределения.
Математическое ожидание (МО)
М(х), МО(х), mx, m
Основные свойства МО:
1. М(х) СВ Х Þ Хmin£М(х)£Хmax
2. М(С)=С МО постоянной величины есть величина постоянная
3. М(Х±У)=М(Х) ±М(У)
4. М(Х×У)=М(х) ×М(у) Þ М(Сх)=СМ(х) – МО произведения двух независимых СВ
5. М(аХ+вУ)=аМ(Х)+вМ(У)
6. М(Х-m)=0 – МО СВ Х от её МО.
МО основных СВ
Дискретные Случайные Величины
1. Биноминальные СВ МО(Х)=np
2. Пуассоновские СВ МО(Х)=l
3. Бернуллиевы СВ МО(Х)=р
4. Равномерно распред. СВ
Непрерывные Случайные Величины
1. Равномерно распределенная СВ
2. Нормально распределенная СВ MO(X)=m
3. Экспоненциально распределенная СВ
ДСВ
1. Биноминальные D(X)=npq
2. Пуассоновские D(X)=l
3. Бернуллиевы D(X)=pq
НСВ
1. Равномерно распределенные D(X)=(b-a)2/12
2. Нормально распределенные D(X)= s2
3. Экспоненциально распределенные D(X)=1/l2
Распределение средней арифметической для выборки
Распределение дисперсии в выборках нормальной совокупности.
Раздел 6. Основы дисперсионного анализа.
Дисперсионный анализ – это статистический метод анализа результатов наблюдений зависящий от различных одновременно действующих факторов и позволяющий выбрать из ряда факторов наиболее важные, оценивать их влияние.
Основными предпосылками дисперсионного анализа является как правило нормальное распределение результатов наблюдений и отсутствие влияния исследуемых факторов на дисперсию результатов наблюдения.
Обязательным здесь является возможность управляемого изменения фактора в рамках его разновидностей называется уровнями фактора. Эти эксперименты могут быть пассивными, когда существование уровней и их смена является естественными для исследуемого объекта и активными, когда эти изменения искусственно вносятся экспериментатором по заранее составленному плану.
Идея дисперсионного анализа в разложении общей дисперсии случайной величины на независимые случайные слагаемые, каждый из которых характеризует влияние того или иного фактора, или их взаимодействие. Последующие сравнения этих дисперсий позволяют оценить сущность влияния факторов на исследуемую величину.
Пусть Х – это некоторая случайная величина зависящая от 2х действующих на неё факторов А и В.
- среднее значение исследуемой величины.
Отклонение:
где: α – отклонение вызванное фактором А;
β – отклонение вызванное фактором В;
γ - отклонение вызванное другими факторами.
α, β, γ – случайные величины независимы.
Дисперсию случайной величины Х, α, β, γ обозначим:
где: величина - остаточная дисперсия учитывающая влияние случайных и прочих неучтённых факторов.
Для независимых и случайных величин имеет место равенство:
Сравнивая или с величиной можно установить степень влияния факторов А и В на величину Х по сравнению с неучтёнными и случайными факторами.
Сравнивая между собой и мы можем оценить сравнительную степень влияния факторов А и В на величину Х.
Дисперсионный анализ позволяет на основании выборочных данных найти все значения дисперсии . Далее используя соответствующие критерии можно оценить степень влияния параметров А и В на исследуемую случайную величину.
Если речь идёт о влиянии одного фактора на исследуемую случайную величину, то речь идёт об однофакторном дисперсионном анализе. Если же речь идёт о многих факторах, то говорят о многофакторном дисперсионном анализе.
– Конец работы –
Используемые теги: Теория, случайных, чисел0.063
Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ: Теория случайных чисел
Если этот материал оказался полезным для Вас, Вы можете сохранить его на свою страничку в социальных сетях:
Твитнуть |
Новости и инфо для студентов