- •78 Елементи диференціального числення Розділ 1. Математична обробка медико-біологічної інформації
- •Елементи диференціального числення
- •1.1.1.Похідна та диференціал функції
- •Геометричне тлумачення похідної і диференціала
- •Фізичне тлумачення похідної і диференціала
- •1.1.2. Основні правила диференціювання
- •1.1.3. Таблиця похідних основних елементарних функцій
- •1.1.4. Правило диференціювання складної функції
- •1.1.5. Похідні вищого порядку
- •1.1.6. Дослідження функцій на монотонність.Максимуми та мінімуми функцій
- •1.1.7. Випуклість та увігнутість графіка функції.Точки перегину
- •1.1.8. Побудова графіків функцій
- •1.1.9. Практичне заняття
- •1.1.10. Завдання для самостійної роботи
- •Функції декількох змінних
- •1.2.1. Частинні похідні і диференціали функції декількох змінних
- •1.2.2. Повний диференціал
- •1.2.3. Застосування диференціала функції для обчислення похибок
- •Правила визначення похибок
- •1.2.4. Практичне заняття
- •1.2.5. Завдання для самостійної роботи
- •Елементи інтегрального числення
- •1.3.1. Первісна.Невизначений інтеграл
- •1.3.2. Властивості невизначеного інтегралу
- •1.3.3. Таблиця найпростіших інтегралів
- •1.3.4. Основні методи інтегрування
- •1.3.5.Визначений інтеграл
- •1.3.6. Властивості визначеного інтеграла
- •1.3.7. Формула Ньютона–Лейбніца
- •1.3.8. Практичне заняття
- •1.3.9. Завдання для самостійної роботи
- •Елементи теорії Звичайних диференціальних рівнянь
- •1.4.1. Поняття про диференціальні рівняння
- •1.4.2. Лінійні диференціальні рівняння
- •Лінійні диференціальні рівняння першого порядку
- •1.4.3. Диференціальні рівняння зі змінними,що розділяються
- •1.4.4. Лінійні диференціальні рівняння другого порядку з постійними коефіцієнтами
- •1.4.5.Практичне заняття
- •1.4.6. Завдання для самостійної роботи
- •Основи теорії йМовірностей та математичної статистики
- •1.5.1. Класифікація явищ.Частота та ймовірність події
- •1.5.2. Теорема додавання ймовірностей
- •1.5.3. Теорема множення ймовірностей
- •1.5.4. Формула повної ймовірності.Формули Байєса
- •1.5.5. Повторні випробування. Формула Бернуллі
- •1.5.6. Випадкова величина,дискретні та неперервні випадкові величини
- •1.5.7. Інтегральна та диференціальна функції розподілу
- •1.5.8. Основні кількісні характеристики розподілу випадкових величин
- •1.5.9. Основні закони розподілу випадкових величин
- •1.5.10. Кореляційна залежність
- •1.5.11. Практичне заняття
- •1.5.12. Завдання для самостійної роботи
Основи теорії йМовірностей та математичної статистики
1.5.1. Класифікація явищ.Частота та ймовірність події
Багато явищ живої та неживої природи є недетермінованими, тобто такими, що їх кінцевий результат неможливо передбачити однозначно. Такі явища (їх у теорії ймовірностей називаютьподіями)часто зустрічаються у повсякденному житті і мікросвіті, їх роль чимала і у медико-біологічних системах. Події можна поділити на три типи:
достовірні– ті, які відбуваються завжди, незалежно від умов, в яких вони спостерігаються;
неможливі– ті, які ніколи не мають місця;
випадкові(стохастичні) – ті, які можуть виникати або не виникати при виконанні певного комплексу умов.
Теорія ймовірностей займається вивченням закономірностей випадкових подій при їх масовій появі.
Випадкові події підрозділяються на: несумісні– ті, які не можуть реалізуватися одночасно;незалежні – ті, що ніяк не пов’язані між собою;залежні – ті, протікання яких взаємообумовлене, тобто поява однієї події впливає на реалізацію іншої.
Для випадкових подій вводиться поняття частоти події– це відношення числа випробувань (дослідів, спостережень), в яких дана подія реалізується, до повного числа випробувань:
, (1.24)
де m(A) – число дослідів, в яких подіяAреалізується, n– повне число дослідів.
Якщо число випробувань велике, то, як правило, частоти появи подійАв різних серіях дослідів мало відрізняються одна від одної, і їх відмінність тим менша, чим більше випробувань у серії. Тобто, частота події при великому числі випробувань втрачає випадковий характер.
Ймовірністю P(A) випадкової події A називається границя, до якої наближається частота події A при необмеженому зростанні повного числа випробувань, тобто
. (1.25)
У теорії ймовірностей існує теорема Бернуллі, яка доводить, що при великому, але скінченному числі випробуваньnчастота події(A)збігається з імовірністю P(A).
Ймовірність будь-якої події задовольняє подвійну нерівність
,
причому ймовірність неможливої події дорівнює нулю, а достовірної – одиниці.
1.5.2. Теорема додавання ймовірностей
Введемо поняття об’єднання(суми) двох і більше випадкових подій.Об’єднання двох випадкових подійA1iA2–це така подіяA,за якої відбувається хоча б одна з цих подій, тобтоA1абоA2.
Теорема додавання ймовірностей для несумісних подій: ймовірність об’єднання двох випадкових несумісних подій дорівнює сумі ймовірностей кожної події окремо, тобто
P (A1 або A2) = P(A1A2) = P(A1) + P(A2).
Якщо в результаті досліду обов’язково повинна реалізуватись одна із подійА1, А2, ..., Аnі ніяка інша подія реалізуватись не може, то говорять, що ці події утворюютьповну групу.
Якщо для деякої події Асприятливими є всіnвипадків, котрі утворюють повну групу несумісних подій, то ймовірність такої події:
P(A) = P(A1) + P(A2) + ... + Р(Аn) = 1.
І
Мал. 1.12.
і називають умовою нормування.
Дві події Аіназиваються протилежними, якщо вони несумісні і утворюють повну групу. Згідно з теоремою додавання ймовірностей
Р(А) + Р() = 1,
тобто сума ймовірностей протилежних подій дорівнює одиниці.
Випадкові події АіВназиваютьсясумісними, якщо в результаті випробування можуть відбутись обидві ці події.
Теорема додавання ймовірностей для сумісних подіймає вигляд
P
Мал.
1.13.
де Р(А1 і А2) – ймовірність суміщення подійA1 i A2; зміст цього виразу пояснюється нижче. Справедливість наведених формул проілюструємо графічно (для несумісних подій мал. 1.12, для сумісних – мал. 1.13). Об’єднання подій характеризується всією заштрихованою площею.