- •Лекция № 1. Вводная лекция
- •1.1Материя и формы движения материи. Физика, ее предмет и методы исследования.
- •Диаграмма иерархической организации материи
- •1.2. Биофизика. Значение физики и биофизики для биологии и медицины.
- •1.3. Связь физики с другими естественными науками. Содержание медицинской и биологической физики.
- •Лекция № 2. Системный подход и системный анализ в физике и биофизике
- •2.1. Понятие системы. Элементы системы и виды связи между ними
- •2.2. Кибернетические системы.
- •2.3.Системный анализ.
- •Система: законы поведения, свойства
- •Лекция № 3 методы численного анализа причинно-следственных связей.
- •Элементарный метод.
- •Метод регрессии
- •3.3 Метод корреляции.
- •Анализ с использованием показателей эластичности.
- •Лекция № 4. Моделирование.
- •Модели и их назначение.
- •Виды моделей.
- •4.3.Основные этапы математического моделирования.
- •Высшая математика. Занятие № 1. Теория пределов.
- •§ 1.1 Бесконечно малая и бесконечно большая величины.
- •§ 1.2. Предел переменной величины.
- •§ 1.3. Понятие о пределе функции. Некоторые приемы нахождения пределов функций.
- •Упражнения
- •Занятие №2. Производная функции
- •§ 2.1 Производная функции и метод ее нахождения
- •§ 2.2 Физический смысл производной функции.
- •2.3 Геометрический смысл производной.
- •§ 2.4 Производные второго и высших порядков. Механический смысл второй производной.
- •§ 2.5 Правило нахождения максимума и минимума функции.
- •§ 2.6 Построений графиков функций
- •Упражнения.
- •Занятие №3. Дифференциал функции.
- •§3.1 Дифференциал функции как главная часть приращения функции.
- •§ 3.2 Геометрический смысл дифференциала функции.
- •§ 3.3 Дифференциал второго порядка.
- •§ 3.4 Приложения дифференциала функции к приближенным вычислениям.
- •§ 3.5 Функции многих переменных. Предел функции.
- •§ 3.6 Частные производные. Полный дифференциал функции нескольких переменных.
- •Упражнения
- •Занятие №4. Неопределенный интервал.
- •§ 4.1 Понятие о неопределенном интеграле.
- •§ 4.2 Геометрический смысл неопределенного интеграла.
- •§ 4.3 Основные свойства неопределенного интеграла.
- •§ 4.4 Непосредственное интегрирование.
- •§ 4.5 Основные методы интегрирования.
- •Интегрирование методом разложения с использованием элементарных математических операций.
- •Интегрирование методом замены переменной.
- •Интегрирование по частям.
- •Упражнения.
- •2)Найти интегралы методом подстановки:
- •3.Найти интегралы методом интегрирования по частям:
- •§ 5.1 Определенный интеграл и его геометрический смысл.
- •Простейшие свойства определенного интеграла.
- •§ 5.2 Формула ньютона-лейбница.
- •§5.3. Замена переменной и интегрирование по частям в определенном интеграле.
- •Интегрирование по частям.
- •§5.4 Некоторые сведения о рядах и их использование в процессе интегрирования.
- •Признак Даламбера.
- •Разложение в степенной ряд функции.
- •Понятие об интегралах, не берущихся в элементарных функциях.
- •Приближенное вычисление интегралов методом разложения функции в ряд.
- •§5.5 Несобственные интегралы.
- •§ 5.6 Приближенные методы вычисления определенных интегралов.
- •Метод средних прямоугольников.
- •Метод трапеций.
- •Метод параболических трапеций (метод Симпсона).
- •§5.7 Приложения определенного интеграла Вычисление площади в декартовых координатах.
- •Объем тела вращения.
- •Длина дуги кривой.
- •Площадь поверхности тела вращения.
- •Упражнения.
- •Занятие № 6. Основные сведения о дифференциальных уравнениях.
- •§ 6.1 Общие понятия о дифференциальных уравнениях и их определение.
- •§6.2 Дифференциальные уравнения первого порядка с разделенными и разделяющимимся переменными.
- •§6.3 Однородные дифференциальные уравенния первого порядка.
- •§6.4 Линейные дифференциальные уравнения первого порядка.
- •§ 6.5 Дифференциальные уравнения второго порядка уравнения вида
- •§ 6.6 Комплексные числа и их алгебраическая форма.
- •§ 6. 7 Линейные однородные дифференциальные уравнения второго порядка с постоянными коэффициентами.
- •Рассмотрим эти случаи по порядку.
- •Упражнения.
- •Задачи.
- •Математическая статистика. Занятие № 1. Элементы комбинаторики. Бином ньютона.
- •§ 1.1. Множества
- •§ 1.2 Размещения
- •§ 1.3. Перестановки.
- •§1.4. Сочетания
- •1.5. Бином ньютона
- •Свойства разложения степени бинома.
- •Упражнения.
- •Занятие №2. Элементы теории вероятностей.
- •§ 2.1. Событие. Вероятность события.
- •§ 2.2. Основные теоремы теории вероятностей.
- •Теорема сложения вероятностей.
- •Теорема умножения вероятностей.
- •Условная вероятность.
- •Формула полной вероятности.
- •§ 2.3. Формула байеса (теорема гипотез)
- •§ 2.4. Формула бернулли.
- •§2.5. Теория вероятностей в генетике.
- •Примеры решения задач.
- •Упражнения
- •Занятие № 3 случайные величины и их основные характеристики.
- •§ 3.1. Случайная величина. Функция распределения.
- •Свойства интегральной функции распределения.
- •§ 3.2. Числовые характеристики случайных величин.
- •Характеристики разброса.
- •Моменты. Характеристики формы.
- •Упражнения.
- •Занятие № 4. Законы распределения случайных величин.
- •§ 4.1. Основные задачи математической статистики.
- •§ 4.2. Генеральная совокупность и выборка.
- •§ 4.3. Ряды распределения.
- •§ 4.4. Закон нормального распределения (закон гаусса)
- •§ 4.5 Распределение стьюдента.
- •§4.6. Оценка точности прямых равноточных измерений при малом числе опытов
- •Упражнения
- •Занятие № 5. Временные ряды
- •§ 5.1. Временные ряды и их виды.
- •§5.2. Характеристики динамики как единицы абсолютного и относительного измерения.
- •§5.3. Сущность и формы тренда и приемы выявления тенденции развития.
- •§5.4. Интерполяция и экстраполяция рядов динамики.
- •Контрольные вопросы.
- •Упражнения.
- •Используемая литература.
- •Оглавление
- •Высшая математика
- •Математическая статистика
- •Основы высшей математики и математической статистики
Занятие №2. Элементы теории вероятностей.
§ 2.1. Событие. Вероятность события.
Теория вероятностей есть математическая наука, которая изучает закономерности в случайных явлениях. Случайное явление - это такое явление, которое при неоднократном воспроизведении одного и того же опыта протекает каждый раз несколько по-иному.
Известно, что каждая наука, развивающая общую теорию, соответствующую области изучаемого ею круга явлений, содержит ряд основных понятий, на которых она базируется. Такими понятиями в области геометрии являются понятия точка, линия; в области физики - понятия силы, массы, скорости, ускорения и т. д. Естественно, что не все основные понятия могут быть строго определены, т. к. определить понятие - это значит свести его к другим, более известным. Очевидно, процесс определения одних понятий через другие должен где-то заканчиваться, дойдя до первичных понятий, к которым сводятся все остальные, и которые сами строго не определяются, а только поясняются.
Такие основные понятия существуют и в теории вероятностей, и к ним относятся такие понятия, как понятие события, вероятность события, частота события и так далее.
Под событием в теории вероятностей понимается всякий факт, который в результате проведения опыта может произойти или не произойти.
Случайные события можно разделить на единичные и массовые (или статистические). Отдельные исторические события, «катастрофы», «неожиданности» и т. п., представляющие собой единичные события, поскольку они являются как бы неповторимыми. Единичные события в теории вероятностей и в математической статистике не рассматриваются. Массовые события или явления составляют предмет изучения теории вероятности и математической статистики. Представление о массовых событиях мы связываем с понятием испытания. Если осуществляются определенные условия, позволяющие судить о наступлении какого-нибудь события, то в этом случае говорят, что производятся испытания. События принято обозначать большими буквами латинского алфавита: А, В, С ...
Приведем несколько примеров событий:
А - появление герба при бросании монеты,
В - появление туза при вынимании карты из колоды,
С - приобретение выигрышного лотерейного билета,
D - появление любимого артиста (Ю.Г.) в праздничный день на экране телевизора,
Е - возможность студента Б получить пятерку при сдаче экзамена по биофизике,
F - возможность студента Б остаться здоровым во время эпидемии гриппа.
Рассматривая вышеперечисленные события, мы видим, что каждое из них обладает какой-то степенью возможности: одни - большей, другие -меньшей. Например, сразу видно, что событие А более возможно, чем событие В и тем более событие С. Ясно, что каждое из таких событий обладает той или иной степенью возможности появления. Чтобы количественно сравнить между собой события по степени их возможности появления, очевидно, необходимо с каждым событием связать определенное число, которое тем больше, чем более возможно событие. Такое число можно назвать вероятностью события. Более вероятными считаются те события, которые происходят чаще; менее вероятными - те события, которые происходят реже. Таким образом, понятие вероятности события в самой своей основе связано с опытным понятием частоты появления события.
Случай называется благоприятным некоторому событию, если появление этого случая влечет за собой появление данного события.
Например, при бросании игральной кости возможны шесть случаев: появление 1, 2, 3, 4, 5, 6 очков. Из них событие А - появление, например, цифры 5, будем считать благоприятным случаем. Игральную кость бросают n раз (n - общее число случаев или число испытаний), при этом в m случаях появляется событие А.
Отношение числа благоприятных случаев к общему числу случаев (числу полных испытаний) называют частотой события или статистической вероятностью.
Р*(А)
=
,
(2.1)
где Р*(А) — статистическая (классическая) вероятность или частота события. Предел отношения числа благоприятных случаев к числу полных испытаний при стремлении п к бесконечности называют математической вероятностью, т. е
которая изменяется
в том же интервале, что и статистическая
вероятность. Так как
следовательно, статистическая и
математическая вероятности могут
изменяться в промежутке:
.
Вычисление вероятности сводится к подсчету элементов того или иного множества и оказывается чисто комбинаторной задачей, иногда весьма трудной. Классическое определение оправдано тогда, когда существует возможность предсказания вероятности на основании симметрии условий, при которых происходит испытание, и вследствие этого, симметрии исходов испытания, что и приводит к представлению о «равновозможности». События называются равновозможными, если при испытании не существует никаких объективных причин, вследствие которых одно из них могло бы наступить чаще, чем какое-либо другое. Например, если сделанная из однородного материала геометрически правильная игральная кость подбрасывается так, что она успевает сделать достаточно большое число оборотов перед тем, как упасть, то выпадание любой из ее граней мы считаем равновозможными исходами: Таким образом, классическое определение лишь сводит понятие «вероятности» к понятию «равновозможности». «Равновозможность» представляет собой объективное свойство испытаний, определяемое условиями их проведения, но, как всякое конкретное свойство, может быть установлено только с известной степенью точности. Наше представление о «симметрии» игральной кости, монете, и т. п. было бы только иллюзией, если бы данные опыта не подтверждали правоту сделанных предположений. Данные проверки в совокупности показывают, что предположение о равновозможности герба и решки, т. е. о том, что с вероятностью 0,5 появляется любая сторона монеты при достаточно большом числе испытаний, находится в согласии с опытом. Однако если для исследования применять специальные вероятностные методы, то вполне возможен вывод, что выпадание герба и решки, в отдельных случаях, не одинаково вероятно. Это будет проявлением того факта, что любая реальная монета (или игральная кость) не является идеально симметричной. И, тем не менее, представление об абсолютно симметричной монете (или игральной кости и т. п.) очень полезно, так как во многих приложениях теории вероятностей такая модель с равновозможными исходами достаточно точно описывает случайные явления.
Статистические закономерности такого рода были впервые обнаружены на примере азартных игр, таких, как например, игра в кости, игра в «орел -решку», карточные игры и т. п., то есть на примере тех испытаний, которые характеризуются разновозможностью исходов. Эти наблюдения открыли путь для статистического подхода к численному определению вероятности, который особенно важен тогда, когда из теоретических соображений, подобным соображениям симметрии, значение вероятности заранее установить нельзя.
На практике часто приходится иметь дело с невозможными и достоверными событиями и с так называемыми « практически невозможными» и «практически достоверными» событиями и другими событиями. События, вероятность которых равна нулю, т. е. события, которые в процессе испытаний не могут произойти, называются невозможными. События, вероятность
которых
не в точности равна нулю, но весьма
близка к нулю, называется практически
невозможными. События,
вероятность которых равна единице,
т. е. события, которые в процессе испытаний
обязательно происходят, называются
достоверными.
События,
вероятность которых не в точности равна
единице, но весьма близка к единице,
называются практически
достоверными. События
называются несовместимыми,
если
появление одного из них
при испытании исключает появление
остальных событий при том же испытании.
В противном случае события называются
совместимыми.
События
А,
В, С...
называются единственно
возможными, если
в результате каждого испытания
хотя бы одно из них наступает. Говорят
также, что рассматриваемая
совокупность событий образует полную
группу событий. Два
события
считаются независимыми, если
вероятность одного из них не зависит
от вероятности
появления или непоявления другого. В
противном случае события
называются зависимыми.
Противоположное событие -
событие
, составляющее
с событием А полную группу событий.
Можно сказать, что два
события А и называются противоположными, если появление одного из них исключает появление другого. Таким образом, как это следует из изложенного выше, основные свойства вероятности заключаются в следующем:
1. Вероятность любого события заключена между нулем и единицей:
.
2.Вероятность достоверного события, т. е. такого события, которое при испытании обязательно произойдет, равна единице:
Р(В) = 1
3.Вероятность невозможного события, т. е. события, которое в результате испытания не может произойти, равна нулю: Р(С) = 0.
