- •Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования
- •1. Цели и задачи дисциплины
- •2. Требования к уровню освоения содержания дисциплины
- •3.Трудоемкость дисциплины по видам занятий
- •4. Содержание дисциплины
- •4.1. Разделы дисциплины и виды занятий (в часах)
- •4.2. Содержание разделов
- •I семестр
- •Раздел 1. Элементы векторной алгебры и аналитической геометрии
- •Раздел 2. Введение в математический анализ: функция, теория пределов,
- •Раздел3. Дифференциальное исчисление функции одной переменной
- •Раздел 4. Функции нескольких переменных
- •II семестр Раздел 5 Элементы теории функции комплексного переменного и высшей алгебры
- •Раздел6. Неопределенный интеграл
- •Раздел7. Определенный интеграл
- •Раздел8. Кратные, криволинейные, поверхностные интегралы
- •III семестр
- •Раздел 9. Элементы теории поля
- •Раздел 10. Обыкновенные дифференциальные уравнения
- •5. Перечень практических занятий
- •I семестр
- •II семестр
- •III семестр
- •IV семестр
- •5 Самостоятельная работа студентов (срс)
- •5.3 Примерный перечень тем курсовых проектов (работ).
- •5.4 Примерный перечень тем рефератов.
- •5.5 Самостоятельное изучение тем разделов программы (материалы для самостоятельной работы студентов:умк дисциплины «Математика»).
- •6.Методические указания к самостоятельной работе студентов.
- •6.1.Векторный анализ
- •6.2.Числовые ряды Основные понятия
- •Простейшие свойства сходящихся рядов
- •Остаток ряда
- •Необходимый признак сходимости ряда
- •Положительные ряды
- •I. Признаки сравнения рядов
- •II. Признак Даламбера (в предельной форме)
- •III. Признак Коши (в предельной форме)
- •IV. Интегральный признак Коши
- •Знакопеременные ряды
- •Достаточный признак сходимости знакопеременных рядов
- •Свойства абсолютно сходящихся рядов
- •Функциональные ряды
- •Понятие функционального ряда и его области сходимости
- •Мажорируемость функционального ряда
- •Равномерная сходимость функционального ряда
- •Степенные ряды
- •Область сходимости степенного ряда
- •Нахождение интервала и радиуса сходимости ряда
- •Условия разложения функции в ряд Тейлора
- •Разложение в ряд маклорена некоторых элементарных функций
- •I Разложение функции
- •II Разложение функции
- •III Разложение функции
- •IV Разложение функции
- •V Разложение функции
- •6.3.Комплексные числа
- •Используя правило возведения в степень, получим
- •6.4.Дифференциальные уравнения Основные понятия
- •Уравнения с разделяющимися переменными
- •Однородные уравнения
- •Линейные уравнения
- •Уравнения в полных дифференциалах. Интегрирующий множитель
- •Уравнения Лагранжа и Клеро
- •Дифференциальные уравнения высших порядков, допускающие понижение порядка.
- •Линейные однородные дифференциальные уравнения высших порядков с постоянными коэффициентами
- •Линейные неоднородные дифференциальные уравнения второго порядка с постоянными коэффициентами
- •Системы дифференциальных уравнений
- •6.5.Теория вероятности
- •Оценим значение
- •6.6. Математическая статистика Вариационные ряды
- •Основные формулы
- •Выборочный метод. Общие вопросы.
- •Эмпирическая функция распределения.
- •Оценка генеральной доли признака
- •Элементы проверки статических гипотез
- •Элементы корреляционного анализа Линейная корреляция
- •Основные формулы
- •Построение теоретического закона распределения по опытным данным. Статистическая гипотеза. Понятие о критериях согласия. Критерий 2 Пирсона.
- •7.Контрольные работы
- •7.1 Контрольная работа №5 Векторный анализ
- •Числовые ряды
- •Комплексные переменные
- •Дифференциальные уравнения
- •7.2Котрольная работа №6
- •7.3 Контрольная работа №7
- •7.4 Контрольная работа №8
- •Математическая статистика
- •8. Учебно-методическое обеспечение дисциплины
- •9.Карта обеспеченности студентов учебниками, учебными пособиями, учебно-методическими материалами по дисциплине "Математика".
- •10. Перечень контрольных вопросов
- •Семестр II
- •Семестр III
- •Семестр IV
Оценим значение
Практически
формула непригодна для вычисления.
Найдем np=200
0.01=2, меньше 10 Можно использовать
формулу Пуассона при X
=
2 и m=3;
сразу получаем Р3,200 =0.1805; б)-
не более 3 деталей вышло из строя
Для вычисления каждого слагаемого используем формулу Пуассона, определяя значения вероятностей по таблице при и приm=0,1, 2,3.
Р200() = 0.8572;
в){т > 2}- не менее двух деталей вышло из строя .Здесь следует перейти к противоположному событию m<2. Тогда Р200(m>2)=1-Р0,2ОО –P1,200=0.5940.
г)2< m <1 от двух до четырех деталей включительно за время t вышли из строя следует найти Р200(2<m< 4)=Р2,200+Р3,200+Р4,200. Используя, формулу Пуассона опять при =2 и m=2,3,4 по таблице находим
Р200
Задача 6.5.10
Вероятность изделию быть, бракованным равна 0.05. Найти вероятность того, что среди 1000 изделий а) 40 бракованных; б) число бракованных находится в промежутке от 40 до 70 включительно; в) сколько изделий надо взять, чтобы с вероятностью, не менее 0,9 среди них оказалось не менее 50 бракованных?
Решение: Испытание изделий на брак удовлетворяет модели испытаний Бернулли Вероятность для каждого изделия быть бракованным, р=0.05, а набракованным q=0.95. Испытаниям подвергаются n=1000 изделий.
a) m=40; Р 40,1000 находим по формуле Муавра Лапласа. Определим необходимые величины: np=50; npq=47,5,
f(-1.45)=f(1.45)=0.1392.Окончательно получаем
б) Р1000 (40< m < 70) находим по интегральной формуле Муавра –Лапласа при
в) необходимо найти число n,удовлетворяющее условию
(Очевидно, что ).Следовательно Ф(x2)=1. Получаем
По таблице, что Ф(t)=-0,8 при t=-1,29. Поэтому и после упрощения получаемРешив это неравенство, найдемСледует взять менее 1198 изделий.
Функция распределения случайной величины. Непрерывная случайная величина
Функция распределения F(x) примет значение
F(x)=P(X<x). (6.5.4)
Свойства функции распределения: F(-) =0; F(+) = 1. О <F(x) < 1; если х2 >, to F()F().
Вероятность попадания случайной величины X в промежуток [а;b) определяется формулой
P(a<X<b) = F(b)-F{a). (6.5.5)
Существуют случайные величины, множество значений которых непрерывно заполняют некоторый числовой промежуток.
Если функция F(x) распределения случайной величины X непрерывна и имеет почти всюду (кроме, возможно, конечного числа точек) непрерывную производную, то случайную величину X называют непрерывной, а функцию f(x) = F'(x) называют плотностью вероятности случайной величины X. Имеют место формулы:
а) б)
в) ; г).
Вероятность того, что непрерывная случайная величина имеет конкретное значение, равна нулю.
Математическим ожиданием непрерывной случайной величины X называется число M(X), равное
(6.5.6)
Дисперсия D(x) непрерывной случайной величины
X определяется по формуле
(6.5.7)
Задача 6.5.11
Прибор состоит из двух блоков, вероятность безотказной работы каждого из которых в течение времени равна 0,5. Найти рядраспределения для числа блоков, работающих, и момент t=T . Найти функцию распределения F(x) ДСВ X
Решение. Обозначим состояние каждого блока через (R) или (О), в зависимости от того, работает он или отказал. Вероятность F(R)=P(O)=1/2. Множество всех исходов опыта Е содержит 4 элемента, вероятность каждого равна ¼, Е = {(0,0); (0,R); (R,0); (R,R)}- Случайная величина X- число работающих блоков к моменту t. Случаю (О О) соответствует значение X=0 (оба блока отказали), = Р(Х = 0) = 1/4, случаям (О R) и (R О) соответствует значение Х=1 (один блок отказал), =Р(X = 1)=1/4+1/4=1/2. Случаю (R R) соответствует значение Х=2 (оба блока работают) , =Р(Х = 2) =1/4.Ряд распределения для случайной величины Х- числа работающих блоков имеет вид
0 |
1 |
2 | |
1/4 |
1/2 |
1/4 |
Если x 0, то F(x)=0, так как нет ни одного значения X левее нуля.
Если 0 < x 1 ,то в промежуток (-;0) попадает одно значениеХ=0, следовательно, F(x)=P(x=0)=1/4.
Если 1 < x 2,то в промежуток (-;х) попадает два значенияX =0 и X=1, следовательно, F(x) = Р(Х = 0) + Р(Х = 1) = ¾.
Если 2 < x ,то в промежуток (-;x) попадают все значения X, т.е. Х=0, Х=1, Х=2. Следовательно, F(x)=1.
Получаем
Задача 6.5.12
Составить функцию распределения случайной величины, распределенной по биномиальному закону.
Решение. X принимает значение с вероятностями. При . При нужно найти сумму значений, попавших в промежуток от -доx, т.е. значения 0,1,2…k.
Следовательно, . Приx>n, F(x)=1.
Задача 6.5.13
Случайная величина Х имеет плотность распределения, пропорциональную х при 0и равную 0 прии.
а) Найти выражение для f(x)
б) Найти М(х), D(x),.
Решение. а) Выражение плотности распределения имеет вид
Пользуясь свойством плотности распределения, находим
откуда 1/2
б) Математическое ожидание М(Х)=
Дисперсия D(X)=
Задача 6.5.14
Задана функция распределения случайной величины X:
Найти вероятность того, что случайная величина Х примет значение в интервале (1;3).
Решение. Вероятность попадания случайной величины в интервал (1;3) по формуле (1.2) равна P(1<X<3)=F(3)-F(1)=1-1/2=1/2.
Закон больших чисел. Предельные теоремы
Теорема Чебышева 6.5.1 Если Х – неотрицательная случайная величина и М(Х) – её математическое ожидание, то для любой А>0 имеет место неравенство
, (6.5.8)
или . (6.5.9)
Если случайная величина имеет дисперсию D(X), то для любого имеет место неравенство Чебышева:
, (6.5.10)
или . (6.5.11)
Если - средняя арифметическая независимых случайных величин,k=1, … n, каждая из которых имеет и, то неравенство Чебышева принимает вид
. (6.5.12)
Для случайных величин, одинаково распределённых с и, неравенство (6.5.12) принимает вид
. (6.5.13)
Если дисперсия независимых случайных величин равномерно ограничены числом С, то следствием (6.5.11) является неравенство
. (6.5.14)
Следствием (6.5.11) является также неравенство Чебышева для случайной величины, распределенной по биноминальному закону:
, (6.5.15)
и для случайной величины, равной частности появлений события в n независимых испытаниях:
. (6.5.16)
Теорема Ляпунова 6.5.2 Пусть дана последовательность независимых случайных величин ,k=1, … n,…, для каждой из которых существует математическое ожидание =, дисперсия=и третий центральный абсолютный момент. Если выполняется условие
(6.5.17)
то случайная величина распределена нормально с математическим ожиданиемМ(Х)=∑ и дисперсией=.
Теорема Ляпунова относится к группе теорем, объединённых общим названием центральная предельная теорема. Одна из простых формулировок центральной предельной теоремы относится к одинаково распределённым случайным величинам: если - независимые одинаково распределённые случайные величины с математическими ожиданиямии дисперсиями, то при неограниченном увеличении их числаn закон распределения их суммы X приближается к нормальному с параметрами M(X)=na и D(X)= .
Теорема Лапласа 6.5.3. Пусть m – частота появлений события A в n независимых испытаниях, а p – вероятность наступления события A в отдельном испытании. При случайная величинараспределена нормально сМ(Х)=0 и D(X)=1, то есть
.
Приближение формулы Муавра – Лапласа следует из того, что закон распределения случайной величины при большомn близок к нормальному с плотностью вероятности .
Задача 6.5.15
Математическое ожидание скорости ветра на аэродроме равно 7 м/с. Оценить вероятность того, что скорость ветра на аэродроме а) не превзойдет 28 м/с : б) будет не менее 35 м/с.
Решение. Случайная величина Х – скорость ветра. а) по условию А – 28 м/с. Применяем неравенство (6.5.12’):
б) По условию А = 35 м/с. Применяем неравенство (6.5.12):
.
Задача 6.5.16
Средний вес детали равен 50 г, а дисперсия равна 0,1. Оценить вероятность того, что вес случайно выбранной из партии детали окажется в границах (49,5;50,5).
Решение. Случайная величина Х – вес детали. По условию
=50 г, =0,1 и=0,5. Неравенство 49,5<X<50,5 равносильно -0,5<X-50<0,5 , или . Поэтому применяем неравенство Чебышева (1.7.2’):
Искомая вероятность не меньше 0,6.
Задача 6.5.17
Сумма всех вкладов в некоторую сберегательную кассу составляет 20000 руб., а вероятность того, что случайно взятый вклад не превышает 100 руб., равна 0,8. Что можно сказать о числе вкладчиков данной сберкассы?
Решение. Пусть Х – размер случайно взятого вклада ,а n – число всех вкладов. Тогда из условия задачи средний размер вклада Так каки по неравенству (1.7.1’)тоОтсюдаи, следовательно,
Задача 6.5.18
Ёмкость изготовляемого заводом конденсатора должна быть по техническим условиям равной 2 мкФ с разрешённым допуском 0,1 мкФ. Завод добился средней ёмкости, равной 2 мкФ с дисперсией, равной 0,004 мкФ. Какова вероятность изготовления бракованного конденсатора? Расчёт провести по неравенству Чебышева, предположив, что ёмкости конденсаторов распределены по нормальному закону с теми же параметрами.
Решение. Конденсатор будет бракованным, если отклонение ёмкости конденсатора Х от среднего значения М(Х)=2 мкФ будет по абсолютной величине болеем =0,1 мкФ. По неравенству Чебышева (6.5.13 ) имеем
а поэтому вероятность события P
Если же предположить, что значения ёмкости распределены по нормальному закону, то
Видим, что, используя значение о нормальном законе распределения, ответ получаем более точным. Неравенство же Чебышева дает грубую оценку, зато оно применимо к случайным величинам, распределенным по любому закону.
Системы случайных величин
Систему двух случайных величин (X,Y) можно изобразить случайно точкой на плоскости.
Событие, состоящее в попадании случайной точки (X;Y) в область D, принято обозначать в виде (X;Y)D.
Закон распределения системы непрерывных случайных величин (X,Y) будем задавать с помощью функции плотности вероятности f(x,y).
Вероятность попадания случайной точки (X,Y) в область D определяется равенством
Функция плотности вероятности обладает следующими свойствами:
Если все случайные точки (X;Y) принадлежат конечной области D , то последнее условие принимает вид
. (6.5.18)
Математическое ожидание дискретных случайных величин X и Y, входящих в систему, определяются по формулам
(6.5.19)
а математические ожидания непрерывных случайных величии - по формулам
(6.5.20)
(6.5.21)
Точка (;) называетсяцентром рассеивания системы случайных величин (X,Y).
Математические ожидания и ту можно найти и проще, если случайные величины X и Y независимы. В этом случае из законов распределения этих случайных величин можно определить математические ожидания и ту по формуле
(6.5.22)
(6.5.23)
Дисперсии дискретных случайных величин X и Y определяются по формулам
; (6.5.24)
. (6.5.25)
Дисперсии же непрерывных случайных величин X и Y, входящих в систему, находятся по формулам
; (6.5.26)
. (6.5.27)
Средние квадратичные отклонения случайных величин X и Y определяются по формулам
(6.5.28)
Для вычисления дисперсий могут быть применены формулы
(6.5.29)
Важную роль в теории систем случайных величин играет так называемый корреляционный момент (ковариация)
(6.5.30)
Для дискретных случайных величин корреляционный момент находится по формуле
(6.5.31)
а для непрерывных – по формуле
(6.5.32)
Корреляционный момент можно также найти по формуле
(6.5.33)
Здесь
для дискретных величин X и Y и
(6.5.34)
для непрерывных величин.
Случайные величины X и Y называются независимыми, если вероятность одной из них принимает значение, лежащее в любом промежутке области ее значений, и не зависит от того, какое значение приняла другая величина. В этом случае
M(XY)=M(X)M(Y);
Для характеристики связи между величинами X и Y рассматривается так называемый коэффициент корреляции
(6.5.35)
являющийся безразмерной величиной.
Если случайные величины X и Y независимы, то =0. Если же случайные величины X и Y связаны точной линейной зависимостью Y=aX+b, то = sgna ,т.е. =1 при а > 0 и = -1 при а < 0. Вообще же коэффициент корреляцииудовлетворяет условию
-1 1.
Задача 6.5.19
Дана таблица 6.5.1, определяющая закон распределения системы двух случайных величин (X,Y):
X y |
20 |
40 |
60 |
10 |
3 |
0 | |
20 |
2 |
4 |
2 |
30 |
2 |
5 |
Таблица 6.5.1
Найти: 1) коэффициент ; 2) математическое ожидание и;3) дисперсиии; 4) коэффициент корреляции.
Решение.
Таблица 6.5.2
X Y |
20 |
40 |
60 |
∑ |
10 |
3 |
0 |
4 | |
20 |
2 |
4 |
2 |
8 |
30 |
2 |
5 |
8 | |
∑ |
6 |
7 |
7 |
∑20=1 |
X y |
20 |
40 |
60 | |
10 |
3 |
0 |
4 | |
20 |
2 |
4 |
2 |
8 |
30 |
2 |
5 |
8 | |
6 |
7 |
7 |
20=1 |
Таблица 6.5.3
|
-21 |
-1 |
19 |
-12 |
3 |
0 | |
-2 |
2 |
4 |
2 |
8 |
2 |
5 |
Найдём из условий (6.5.1):
Вычислим дисперсии по формулам:
или ,
или ,
Вычислим ии составим таблицу 1.8.3
Определим ковариацию по формуле
Вычислим коэффициент корреляции: