- •Матрицы. Решение систем линейных уравнений. Метод Гаусса.
- •Элементарными преобразованиями строк называют:
- •Определители 2го и 3го порядка, их свойства. Алгебраические дополнения. Решение систем линейных уравнений. Правило Крамера.
- •Векторная алгебра.
- •Аналитическая геометрия.
- •Основные понятия теории вероятностей.
- •Теорема сложения вероятностей.
- •2.Полная группа событий. Противоположные события.
- •Теорема умножения вероятностей.
- •Следствия теорем сложения и умножения.
- •Виды случайных величин.
- •Математическое ожидание дискретной случайной величины.
- •Математическое ожидание дискретной случайной величины
- •Дисперсия дискретной случайной величины.
- •Функция распределений вероятностей случайной величины.
- •Плотность распределения вероятностей непрерывной случайной величины.
- •Нормальное распределение.
- •Показательное распределение.
Нормальное распределение.
1.Числовые характеристики непрерывных случайных величин.
Определение. Математическим ожиданием непрерывной случайной величины X, возможные значения которой принадлежат отрезку [а, b], называют определенный интеграл
. (11.1)
Если возможные значения принадлежат всей оси Ох, то
.
Предполагается, что несобственный интеграл сходится абсолютно, т.е. существует интеграл . Если бы это требование не выполнялось, то значение интеграла зависело бы от скорости стремления (в отдельности) нижнего предела к –, а верхнего – к +.
По аналогии с дисперсией дискретной величины определяется и дисперсия непрерывной величины.
Определение. Дисперсией непрерывной случайной величины называют математическое ожидание квадрата ее отклонения.
Если возможные значения X принадлежат отрезку [а, b], то
;
если возможные значения принадлежат всей оси х, то
.
Определение. Среднее кеадратическое отклонение непрерывной случайной величины определяется, как и для величины дискретной, равенством
2.Нормальное распределение. Нормальная кривая.
Нормальным называют распределение вероятностей непрерывной случайной величины, которое описывается плотностью
.
График плотности нормального распределения называют нормальной кривой (кривой Гаусса).
3.Вероятность попадания в заданный интервал нормальной случайной величины. Вычисление вероятности заданного отклонения. Правило 3х сигм.
в зад инт
Зад откл
3 сигм
Показательное распределение.
1.Определение показательного распределения. Вероятность попадания в заданный интервал показательно-распределительной случайной величины. Числовые характеристики показательного распределения.
Показательным или экспоненциальным называют распределение, которое характеризуется следующей функцией плотности: , где
Убедимся в том, что перед нами не «подделка». Поскольку и несобственный интеграл: , то функция действительно задаёт закон распределения НСВ
Таким образом, математическое ожидание показательного распределения равно величине, обратной параметру . Поэтому, если переменная x – время некоего процесса, то МХ=1/ имеет смысл времени релаксации (ослабления) этого процесса, когда плотность вероятности затухает в е раз. Тогда вероятность, что событие произойдет (например, лампочка перегорит) за время 1/, равна F(1/)–F(0)=1– 1/е=0.632.
Найдем дисперсию:
. (2.43)
Отсюда MX=(X)=1/.
Найдем вероятность попадания непрерывной случайной величины X, распределенной по показательному закону, на интервал (a;b). Воспользуемся общей формулой вероятности попадания непрерывной случайной величины X на заданный интервал:
P(a<X<b)=F(b)-F(a), где F(b)=1, аF(a)=1 Тогда имеем
P(a<X<b)=F(b) F(a)=1 (1)=
Буквы иные
2.Функция надёжности. Показательный закон надёжности.
пусть элемент начинает работать в момент времени t0=0, а по истечении времени длительностью t происходит отказ. Обозначим через Т непрерывную случайную величину – длительность времени безотказной работы элемента. Если элемент проработал безотказно (до наступления отказа) время, меньшее t, то, следовательно, за время длительностью t наступит отказ.
Таким образом, функция распределения F(t) = P(T < t) определяет вероятность отказа за время длительностью t. Следовательно, вероятность безотказной работы за это же время длительностью t, т.е. вероятность противоположного события Т > t, равна
. (12.4)
Функцией надежности R(t) называют функцию, определяющую вероятность безотказной работы элемента за время длительностью t: .
Часто длительность времени безотказной работы элемента имеет показательное распределение, функция распределения которого . Следовательно, в силу соотношения (12.4) функция надежности в случае показательного распределения времени безотказной работы элемента имеет вид
.
Показательным законом надежности называют функцию надежности, определяемую равенством
. (12.5)
где – интенсивность отказов.
Как следует из определения функции надежности, эта формула позволяет найти вероятность безотказной работы элемента на интервале времени длительностью t, если время безотказной работы имеет показательное распределение.