- •Лекция № 1 Тема: Алгебра событий
- •1. События, их классификация, вероятность события.
- •2. Операции над событиями.
- •Свойства классической вероятности:
- •4. Теорема сложения и умножения вероятностей.
- •Вероятность того, что деталь находится только в одном ящике, равна
- •5. Формула Бернулли. Формулы полной вероятностей и Байеса.
- •5.1. Повторение испытаний. Формула Бернулли.
- •5.2. Формула полной вероятности
- •5.3. Формула Бейеса. (формула гипотез)
- •6. Локальная и интегральная теорема Лапласа.
- •Лекция № 2 Тема: Характеристики случайных величин. Распределения случайных величин
- •1. Дискретные и непрерывные случайные величины.
- •2. Основные законы распределения дискретных и непрерывных случайных величин (биномиальный, геометрический, нормальный, показательный, равномерное распределение).
- •2.1. Биноминальное распределение.
- •2.3. Равномерное распределение.
- •2.4. Показательное распределение.
- •2.5. Нормальный закон распределения.
- •Лекция № 3 Тема: Распределения случайных величин
- •1. Функция, плотность распределения
- •2.1. Функция распределения.
- •Свойства функции распределения:
- •2.2. Плотность распределения.
- •Свойства плотности распределения:
- •2. Числовые характеристики (математическое ожидание, дисперсия, среднее квадратическое отклонение, мода, медиана).
- •Свойства математического ожидания:
- •Вычисление дисперсии.
- •Свойства дисперсии.
- •Среднее квадратическое отклонение.
- •Лекция № 4 Тема: Формы представления статистических данных.
- •Предмет математической статистики
- •1. Выборка из генеральной совокупности. Вариационный ряд. Гистограмма относительных частот
- •Выборочная функция распределения
- •Лекция № 5 Тема: Оценка параметров распределения.
- •1. Выборочные оценки параметров случайной величины. Основные требования к оценкам
- •2. Состоятельные несмещенные оценки для математического ожидания, дисперсии, ковариации
- •Два распределения, связанные с нормальным законом
- •Доверительные интервалы для математического ожидания и дисперсии
- •Лекция № 6 Тема: Проверка статистических гипотез
- •Правило проверки гипотезы о законе распределения:
- •Критерии согласия
- •2. Параметрические гипотезы.
- •Традиционный метод проверки однородности двух независимых выборок (критерий Стьюдента)
- •Общая постановка задачи проверки гипотез:
- •Лекция № 7 Тема: Математическая формулировка экономических и производственных задач
- •1. Представление ограничений ресурсов, капиталовложений и т.Д. В виде линейных неравенств.
- •Каноническая задача линейного программирования
- •Общая задача линейного программирования
- •2. Определение функции цели и нахождение вектора решений, удовлетворяющего задаче с заданными ограничениями.
- •Лекция № 8 Тема: Графический способ определения оптимального плана
- •1. Графическое решение задач с двумя неизвестными, заданных линейными неравенствами ограничений.
- •Частные случаи использования графического метода
- •Общий алгоритм графического метода
- •2. Построение выпуклого многоугольника возможных решений и определение оптимального плана с помощью градиента функции цели.
- •Лекция № 9 Тема: Симплексный метод для задач с естественным базисом
- •1. Симплекс-метод. Алгоритм симплекс-метода.
- •1. Симплекс-метод. Алгоритм симплекс-метода.
- •Алгоритм симплекс-метода
- •2. Введение естественных базисных переменных. Построение симплексной таблицы. Определение нулевого плана.
- •Лекция № 10 Тема: Симплексный метод для задач с искусственным базисом
- •Лекция № 11 Тема: Закрытая транспортная задача
- •1. Математическая формулировка закрытой транспортной задачи. Определение необходимого количества неизвестных.
- •2. Этапы определения плана решения транспортной задачи.
- •Лекция № 12 Тема: Открытая транспортная задача
- •1. Математическая формулировка открытой транспортной задачи.
- •2. Введение фиктивного поставщика (потребителя) для сведения данной транспортной модели к зтз.
- •Методическое обеспечение
- •2. Формула полной вероятности. Формула Байеса
- •3. Формула Бернулли.
- •4. Применение локальной и интегральной теоремы Лапласа.
- •Практическое занятие № 2 основные законы распределения дискретных случайных величин
- •1. Решение задач на биномиальный закон распределения.
- •2. Основные законы распределения.
- •3. Решение задач на закон Пуассона.
- •Практическое занятие № 3 совместный закон распределения двух случайных величин
- •1. Совместный закон распределения двух случайных величин
- •2. Решение задач по проверке параметрических гипотез.
- •Проверка гипотезы о законе распределения случайной величины по данным опыта
- •Модуль 3. Методы моделирования производственных процессов.
- •Требования к содержанию отдельных частей отчета по лабораторной работе
- •Лабораторная работа № 1 графический (геометрический) способ определения оптимального плана.
- •1. Математическая формулировка смысловой экономической задачи.
- •2. Построение выпуклого многоугольника возможных решений.
- •3. Варианты заданий лабораторной работы:
- •Лабораторная работа № 2 составление математической модели производственной задачи
- •1. Представление ограничений ресурсов в видее математических неравенств. Введение естественных или искусственных базисных переменных.
- •2. Формулировка функции цели.
- •3. Составление и преобразование симплексной таблицы для получения оптимального плана.
- •4. Варианты заданий
- •Лабораторная работа № 3, № 4 модель оптимального состава машинно-тракторного парка (мтп) для выполнения заданных с/х работ
- •4. Лабораторная работа № 4. Модель оптимального доукомплектования мтп.
- •1. Введение основных переменных по количеству используемых агрегатов.
- •2. Составление ограничений на данные переменные. Определение целевой функции.
- •3. Математическая формулировка задачи для использования программного продукта.
- •Лабораторная работа № 4. Модель оптимального доукомплектования мтп.
- •4. Порядок выполнения работы. Варианты заданий
- •Варианты заданий:
- •Лабораторная работа № 5 транспортная задача с закрытой моделью
- •1. Составление распределительной таблицы между поставщиками и потребителями
- •2. Поиск клеток с отрицательными потенциалами в планах «северо-западного угла» и «минимального элемента».
- •3. Порядок выполнения работы. Варианты заданий
- •Лабораторная работа № 6 Транспортная задача с открытой моделью
- •1.Составление распределительной таблицы между поставщиками и потребителями, введение фиктивного потребителя для превращения данной модели в закрытую.
- •2. План выполнения работы. Варианты заданий
- •1. Общие методические рекомендации
- •Контрольные задания для студентов
Свойства классической вероятности:
1.
Если все случаи являются
благоприятствующими данному событию
,
то это событие обязательно произойдет.
Следовательно, рассматриваемое событие
является достоверным, а вероятность
его появления Р(А) = 1, так как в
этом случае т
= п:
= 1
2.
Если нет ни одного случая,
благоприятствующего данному событию
,
то это событие в результате опыта
произойти не может. Следовательно,
рассматриваемое событие является
невозможным, а вероятность его появления
Р(А) = 0, так как в этом случае
:
3. Вероятность наступления событий, образующих полную группу, равна единице.
4.
Вероятность
наступления противоположного события,
которое обозначается символом
,
определяется:
Р(А)
где
- число случаев, благоприятствующих
появлению противоположного события
.
Отсюда вероятность наступления
противоположного события
равна разнице между единицей и вероятностью
наступления события
:
Важное достоинство классического определения вероятности события состоит в том, что с его помощью вероятность события можно определить, не прибегая к опыту, а исходя из логических рассуждений.
Пример. Набирая номер телефона, абонент забыл одну цифру и набрал ее наудачу. Найти вероятность того, что набрана нужная цифра.
Решение. Обозначим событие, состоящее в том, что набрана нужная цифра. Абонент мог набрать любую из 10 цифр, поэтому общее число возможных исходов равно 10. Эти исходы единственно возможны (одна из цифр набрана обязательно) и равновозможны (цифра набрана наудачу). Благоприятствует событию лишь один исход (нужная цифра лишь одна). Искомая вероятность равна отношению числа исходов, благоприятствующих событию, к числу всех исходов:
.
Пример. В коробке находится 10 шаров. 3 из них красные, 2 – зеленые, остальные белые. Найти вероятность того, что вынутый наугад шар будет красным, зеленым или белым.
Появление красного, зеленого и белого шаров составляют полную группу событий. Обозначим появление красного шара – событие А, появление зеленого – событие В, появление белого – событие С.
Тогда в соответствием с записанными выше формулами получаем:
Отметим, что вероятность наступления одного из двух попарно несовместных событий равна сумме вероятностей этих событий.
Но классический метод определения вероятности случайного события довольно относительный, так как на практике сложно представить результат опыта в виде совокупности элементарных событий, доказать, что события равновероятные.
Например, при произведении опыта с подбрасыванием монеты на результат опыта могут влиять такие факторы как несимметричность монеты, влияние ее формы на аэродинамические характеристики полета, атмосферные условия и т.д.
Классический
метод определения вероятности неприменим
к испытаниям
с бесконечным числом исходов
по двум
причинам: во-первых, классическое
определение вероятности предполагает,
что общее число случаев
должно быть конечно. На самом же деле
оно зачастую не ограничено. Во-вторых,
часто невозможно представить исходы
опыта в виде равновозможных и несовместных
событий.
Следовательно, необходимо использовать другие методы вычисления вероятностей.
Геометрический метод определения вероятности.
Введем понятие геометрической вероятности, т.е. вероятности попадания точки в какой – либо отрезок или часть плоскости (пространства).
Пусть случайное испытание можно представить себе как бросание точки наудачу в некоторую геометрическую область G (на прямой, плоскости или пространстве).
Элементарные исходы – это отдельные точки G, любое событие – это подмножество этой области, пространства элементарных исходов G. Можно считать, что все точки G «равноправны» и тогда вероятность попадания точки в некоторое подмножество пропорционально его мере (длине, площади, объему) и не зависит от его расположения и формы.
Таким образом, в общем случае, если возможность случайного появления точки внутри некоторой области на прямой, плоскости или в пространстве определяется не положением этой области и ее границами, а только ее размером, т. е. длиной, площадью или объемом, то вероятность попадания случайной точки внутрь некоторой области определяется как отношение размера этой области к размеру всей области, в которой может появляться данная точка. Это есть геометрическое определение вероятности.
где
– геометрическая мера, выражающая общее
число всех возможных и равновозможных
исходов данного испытания, а
– мера, выражающая количество
благоприятствующих событию
исходов. На практике в качестве такой
геометрической меры чаще всего выступает
длина или площадь, реже объём.
Пример.
Пусть на плоскости задана некоторая
область
площадью
,
в которой содержится другая область
площадью
В область наудачу бросается точка. Чему равна вероятность того, что точка попадет в область ? При этом предполагается, что наудачу брошенная точка может попасть в любую точку области , и вероятность попасть в какую-либо часть области пропорциональна площади части и не зависит от ее расположения и формы. В таком случае вероятность попадания в область при бросании наудачу точки в область
Пример. Круглая мишень вращается с постоянной угловой скоростью. Пятая часть мишени окрашена в зеленый цвет, а остальная — в белый:
По мишени производится выстрел так, что попадание в мишень — событие достоверное. Требуется определить вероятность попадания в сектор мишени, окрашенный в зелёный цвет.
Решение.
Обозначим
— «выстрел попал в сектор, окрашенный
в зелёный цвет». Тогда
.
Вероятность
получена
как отношение
площади части
мишени, окрашенной в зелёный цвет, ко
всей площади мишени,
поскольку попадания в любые части мишени
равновозможны.
Статистический метод определения вероятности.
Введем понятие - частота появления событий W(A) - при многократно повторяющихся опытах имеет тенденцию стабилизироваться около какой-то постоянной величины. Таким образом, с рассматриваемым событием можно связать некоторую постоянную величину, около которой группируются частоты и которая является характеристикой объективной связи между комплексом условий, при которых проводятся опыты, и событием.
Относительной частотой события А называется отношение числа опытов, в результате которых произошло событие А к общему числу опытов.
Отличие относительной частоты от вероятности заключается в том, что вероятность вычисляется без непосредственного проведения опытов, а относительная частота – после опыта.
При достаточно большом числе произведенных опытов относительная частота изменяется мало, колеблясь около одного числа. Это число может быть принято за вероятность события.
Статистической вероятностью случайного события называется число, около которого группируются частоты этого события по мере увеличения числа испытаний (или: число, к которому стремится устойчивая относительная частота):
Пример. если из коробки наугад извлечено 5 шаров и 2 из них оказались красными, то относительная частота появления красного шара равна:
Как видно, эта величина не будет совпадать с вероятностью события.
Преимущество статистического способа определения вероятности состоит в том, что он опирается на реальный эксперимент. Однако его существенный недостаток заключается в том, что для определения вероятности необходимо выполнить большое число опытов, которые очень часто связаны с материальными затратами. Статистическое определение вероятности события хотя и достаточно полно раскрывает содержание этого понятия, но не дает возможности фактического вычисления вероятности.
