- •Министерство образования и науки российской федерации
- •Дифференциальные уравнения первого порядка
- •Уравнения с разделёнными и разделяющимися переменными
- •Однородные уравнения первого порядка
- •Линейные уравнения первого порядка
- •Уравнение в полных дифференциалах
- •Интегрирующий множитель
- •Дифференциальные уравнения высших порядков
- •Уравнения вида
- •Уравнения второго порядка, приводящиеся к уравнениям первого порядка
- •Линейные однородные уравнения. Определения и общие свойства
- •Линейные однородные уравнения второго порядка с постоянными коэффициентами
- •Линейные однородные уравнения го порядка с постоянными коэффициентами
- •Неоднородные линейные уравнения второго порядка
- •Неоднородные линейные уравнения второго порядка с постоянными коэффициентами
- •Неоднородные линейные уравнения высших порядков
- •Системы обыкновенных дифференциальных уравнений
- •Системы линейных дифференциальных уравнений с постоянными коэффициентами
- •Р я д ы Числовые ряды Числовой ряд. Сумма ряда. Необходимый признак сходимости ряда
- •Достаточные признаки сходимости рядов с положительными членами
- •Знакопеременные ряды
- •Функциональные ряды
- •Ряды Тейлора и Маклорена
- •Ряды Фурье
- •Ряды Фурье для четных и нечетных функций
- •Ряд Фурье для функции с периодом
- •К о м б и н а т о р и к а
- •Общие правила комбинаторики
- •Соединения в комбинаторике
- •Размещения без повторений
- •Перестановки без повторений
- •Сочетания без повторений
- •Размещения с повторениями
- •11 12 13 14 15 16 17 19
- •Перестановки с повторениями
- •Т е о р и я в е р о я т н о с т е й Случайные события Основные понятия теории вероятностей
- •Основные теоремы теории вероятностей Теорема сложения вероятностей несовместных событий
- •Зависимые и независимые события. Условная вероятность
- •Теорема умножения вероятностей
- •Теорема сложения вероятностей совместных событий
- •Вероятность появления хотя бы одного события
- •. Формула полной вероятности
- •Формула Бейеса
- •Повторение испытаний
- •Формула Бернулли
- •Локальная теорема Лапласа
- •. Формула Пуассона
- •Интегральная теорема Лапласа
- •Случайные величины Случайная величина. Виды случайных величин
- •Закон распределения вероятностей дискретной случайной величины
- •Числовые характеристики дискретных случайных величин
- •Математическое ожидание дискретной случайной величины
- •Дисперсия дискретной случайной величины
- •Плотность распределения вероятностей непрерывной случайной величины
- •Числовые характеристики непрерывных случайных величин
- •Законы распределений
- •Равномерное распределение
- •Нормальное распределение
- •. Правило трёх сигм
- •Показательное распределение
- •Функция надёжности
- •Элементы математической статистики Основные сведения из математической статистики
- •Статистическое распределение выборки. Полигон и гистограмма
- •1 4 6
- •10 15 25
- •Статистические оценки параметров распределения
- •Оценка генеральной дисперсии по исправленной выборочной
- •Точность оценки, доверительная вероятность (надёжность). Доверительный интервал
- •Методы расчёта сводных характеристик выборки
- •Сведение первоначальных вариант к равноотстоящим
- •Оценка отклонения теоретического и эмпирического распределений от нормального. Асимметрия и эксцесс
- •Элементы теории корреляции
- •. (1)
- •(4) . (5) Корреляционная таблица
- •Отыскание параметров выборочного уравнения прямой линии регрессии по сгруппированным данным
- •Методика вычисления выборочного коэффициента корреляции
- •. Статистическая проверка статистических гипотез
- •Линейное программирование Задача линейного программирования
- •Построение математической модели
- •Графическое решение задачи линейного программирования
- •Симплексный метод решения задачи линейного программирования
- •Решение задачи 1 симплексным методом
- •Искусственное начальное решение. Метод больших штрафов.
- •Особые случаи применения симплекс-метода
- •1.7.2 Бесконечное множество решений
- •1.7.4 Неограниченные решения
- •1.7.5 Промежуточное вырожденное решение
- •Задача о назначениях
- •4 Изменение запаса ресурса продукта а 7
- •1 Изменение единицы стоимости продукта а 4
- •Заключение
Формула Бейеса
Пусть событие A может наступить при условии появления одного из несовместных событий В1, В2, … , Вn , образующих полную группу. Поскольку заранее не известно, какое из этих событий наступит, их называют гипотезами. Допустим, что в результате испытания появилось событие А. Возникает задача, как изменились вероятности самих гипотез в результате наступления события А. Другими словами надо найти условные вероятности , где .
По теореме умножения зависимых событий имеем
.
Отсюда , зная, что, получим
.
Полученные формулы называются формулами Бейеса, которые позволяют переоценить вероятности гипотез после того, как становится известным результат испытания, в итоге которого появилось событие А.
Повторение испытаний
Пусть производится независимых испытаний, в каждом из которых событие А может появиться либо не появиться. Условимся считать, что вероятность события А в каждом испытании одна и та же, и равна . Следовательно, вероятность ненаступления события А в каждом испытании также постоянна и равна.
Поставим перед собой задачу вычислить вероятность того, что при испытаниях событие А осуществится ровнораз и, следовательно, не осуществитсяраз, причём совсем не требуется, чтобы событие А повторилось ровнораз в определённой последовательности. Такая вероятность обозначается.
Формула Бернулли
Поставленную задачу можно решить с помощью так называемой формулы Бернулли. Вероятность сложного события, состоящего в том, что в испытаниях событие А наступит раз и не наступитраз, по теореме умножения вероятностей независимых событий равна. Таких сложных событий может быть столько, сколько можно составить. Так как эти сложные события несовместны, то по теореме сложения вероятностей несовместных событий искомая вероятность равна сумме вероятностей всех возможных сложных событий. А так как вероятности этих сложных событий одинаковы, то искомая вероятность равна вероятности одного сложного события, умноженной на их число:.
Полученная формула называется формулой Бернулли.
Локальная теорема Лапласа
Формула Бернулли применяется, как правило, при небольших значениях . Если число испытаний достаточно велико, то в этом случае применяется локальная теорема Лапласа:
Теорема. Если вероятность появления события А в каждом испытании постоянна и отлична от нуля и единицы, то вероятность того, что событие А появится в испытаниях ровно раз , приближённо равна значению функции
.
Имеются таблицы, в которых помещены значения функции , соответствующие положительным значениям аргумента . Для отрицательных значений аргумента пользуются теми же таблицами, т.к. функциячетна, т.е..
Итак, вероятность того, что событие А появится в независимых испытаниях ровнораз, приближённо равна
. Формула Пуассона
Чуть изменим условие поставленной задачи, а именно, найти вероятность того, что при очень большом числе испытаний, в каждом из которых вероятность события очень мала (), событие наступит ровно раз. В этих случаях (велико,прибегают к асимптотической формуле Пуассона.
Сделаем важное допущение: произведение сохраняет постоянное значение, а именно,Воспользуемся формулой Бернулли для вычисления интересующей нас вероятности: (т.к. , то) =. Приняв во внимание, что имеет большое значение, вместонайдём. При этом будет найдено лишь приближённое значение отыскиваемой вероятности:хотя и велико, но конечно, а при отыскании предела мы устремимк бесконечности. Заметим, что поскольку произведение ,сохраняет постоянное значение, то привероятность. Итак,