- •Лекция № 3 Введение. Классификация событий. Действия над событиями
- •2. События. Классификация событий. Пространство элементарных событий
- •4. Практические занятия
- •Лекция№5:Условная вероятность. Формула полной вероятности и формула Байеса. Независимые случайные события
- •1.1 Распределение Релея
- •1 Система двух случайных величин
- •1.Введение
- •4. Практические занятия
- •2.Элементы теории множеств.
- •2.1 Определение множества. Мощность множества. Подмножества.
- •2.2 Множества и подмножества.
- •2.3 Способы задания множеств. Универсальное множество.
- •2.4 Операции над множествами.
- •Практическое занятие №2
- •Тема: Основные понятия комбинаторики.
- •2. Перестановки, размещения.
- •3. Сочетания.
- •4. Разбиение на группы:
- •1. Введение
- •3. Алгебра событий
- •1. Введение
- •2. События. Классификация событий. Пространство элементарных событий
- •Примеры.
- •3. Алгебра событий
- •События Вi образуют полную группу событий, если
- •Особый интерес представляют полные группы несовместимых событий
- •План лекции:
- •2. Классический способ задания вероятностей.
- •3. Статистическая вероятность
- •4. Геометрическая вероятность.
- •Лекция№5
- •2. Формула полной вероятности.
- •3. Формула Байеса (теорема гипотез).
- •4. Независимые случайные события.
- •Контрольные вопросы и тесты
- •2 Закон распределения случайной величины.
- •3. Функция распределения
- •4. Плотность распределения случайной величины
- •Практическое занятие №1
- •1.Математическое ожидание , мода и медиана случайной величины
- •2. Моменты. Дисперсия. Среднее квадратическое отклонение.
- •3. Моменты высших порядков
- •Математическое ожидание, мода и медиана случайной величины
- •2. Моменты. Дисперсия. Среднее квадратическое отклонение.
- •3. Моменты высших порядков
- •Практическое занятие №1
- •5. Контрольные вопросы и задания
- •1. Биномиальное распределение
- •2. Распределение Пуассона
- •3. Простейший поток событий
- •1. Испытания (схема) Бернулли. Биномиальное распределение
- •Если ставить вопрос о появлении события а k-раз в n испытаниях в произвольном порядке, то событие представимо в виде
- •2. Распределение Пуассона.
- •3. Простейший поток событий
- •Задача 4
- •Задача 5
- •Задача 6
- •Практическое занятие № 2
- •5. Контрольные вопросы
- •1.1 Равномерное распределение вероятностей
- •1.2 Показательное (экспоненциальное) распределение
- •1.3 Нормальное распределение
- •Задача 1
- •Решение
- •Решение
- •Задача 4
- •Задача 6
- •Практическое занятие №2
- •2. Рекомендуемые фрагменты программ
- •1.1 Распределение Релея
- •1.1 Распределение Релея
- •1.2 Распределение Максвелла
- •1.3 Логарифмическое нормальное распределение
- •2. Функция случайной величины.
- •Практическое занятие №1
- •3. Рекомендации к выполнению.
- •Практическое занятие №2
- •Задача3
- •1 Система двух случайных величин
- •1 Система двух случайных величин
- •1.2 Плотность распределения двух случайных величин
- •1.3 Условные функция распределения и плотность распределения
- •1.4 Корреляция двух случайных величин
- •Аналогично имеем
- •2. Система произвольного числа случайных величин
- •Задача1
- •Практическое занятие №2 Тема: Исследование системы двух случайных величин
- •Так как под интегралом в (1) находится неотрицательная величина, то, выбросив из интервала интегрирования отрезок ав, мы значение интеграла не увеличим, т.Е.
- •2. Характеристические функции
- •Для дискретной случайной величины х с законом распределения
- •Свойства характеристической функции
- •3. Центральная предельная теорема
- •2. Числовые характеристики выборки
- •2.1. Выборочное среднее
- •Выборочная дисперсия
- •3. Статистический ряд. Статистическая функция распределения
- •4. Статистическая совокупность. Гистограмма
- •1. Оценка параметров
- •2. Метод наибольшего правдоподобия для нахождения оценок
- •3. Метод наименьших квадратов
1.3 Нормальное распределение
Среди распределений случайных величин особое место занимает нормальное распределение (распределение Гаусса). Этот закон является широко распространенным , часто и обоснованно используется в теории и практике телекоммуникаций. Это объясняется следующими причинами.
Это хорошая математическая модель для ряда наблюдаемых случайных величин и во многих случаях можно строго доказать, что случайная величина имеет гауссовскую модель, в соответствии с теоремой Шермана нормальный закон является наилучшей аппроксимацией неизвестного распределения.
Линейные комбинации гауссовских величин являются гауссовскими .
Гауссовский случайный процесс может быть описан двумя параметрами - первого и второго моментов.
Гауссовский закон распределения очень распространен в задачах практики . Так он проявляется в тех случаях , когда случайная величина Х является результатом действия многих факторов , каждых из которых оказывает незначительные действия и нельзя доказать какой из них определяющий . Причем законы распределения этих составляющих могут быть самыми различными. Это подтверждается центральной предельной теоремой. В каналах связи часто возникает многолучевой характер распространения радиоволн, поэтому мгновенные значения сигнала являются случайно замирающими, и в силу выполнения условий центральной предельной теоремы подчиняются нормальному закону.
Плотность вероятности нормального распределения имеет вид:
График этой функции представлен ниже:
Для нахождения математического ожидания и дисперсии нормального распределения случайной величины нужно произвести замену переменной
, а затем,
воспользовавшись интегралом Пуассона:
.
проинтегрировать по частям. В результате получим, что
и
Отметим некоторые характерные свойства графика плотности вероятностей нормального распределения.
Кривая обладает симметрией относительно ординаты, походящей через точку .
Кривая имеет один максимум при равный
При |x| ветвь кривой асимптотически приближается к оси Х-ов.
Изменение приводит к смещению вдоль оси Х-ов кривой; стремление приближает кривую к дельта-функции, т.е.
.
Для вычисления вероятности попадания нормально распределенной случайной величины в интервал (<x<) используется так называемая функция Лапласа (интеграл ошибок):
,
таблицы значений которой приведены в справочной литературе. Путем несложных преобразований можно показать, что
.
Воспользуемся полученной формулой для нахождения вероятности того, что разброс нормально распределенной величины около своего среднего значения не превышает :
Это значит, что выполнение неравенства практически достоверно. В этом заключается так называемое «правило трех сигм», которое нашло широкое практическое применение для приближенного определения диапазона изменения возможных значений .случайных величин, имеющих распределения, отличные от нормального.
Практическое занятие №1