- •Тема 1. Основные понятия теории случайных процессов 68
- •Понятие подмножества. Свойства подмножеств.
- •Операции над множествами.
- •Дистрибутивные законы.
- •Законы Моргана.
- •Конечные множества и их элементы.
- •Понятие алгебры множеств σ – алгебры.
- •Борелевские множества. Борелевскаяσ– алгебра.
- •Выбор с возвращением.
- •Выборка без возвращения.
- •Размещения с повторениями.
- •Теория вероятностей. События и их классификация.
- •Операции над событиями.
- •Понятие вероятности.
- •Вечерняя электричка.
- •Геометрический подход.
- •Задача Бюффона.
- •Аксиоматический подход к вероятности. Вероятностное пространство. Аксиомы вероятности Колмогорова.
- •Вероятности, вытекающие из аксиом.
- •Задача о совпадениях.
- •Условная вероятность. Правило умножения вероятностей.
- •Независимость событий.
- •Задача о наилучшем выборе.
- •Расчет работоспособности цепей
- •Формула полной вероятности.
- •Задача о разорении игрока.
- •Формула вероятностей гипотез. (Формула Байеса)
- •Случайные величины.
- •Дискретные случайные величины.
- •Свойства функции распределения.
- •Биноминальное распределение (Независимые испытания по схеме Бернулли).
- •Асимптотическое представление формулы Бернулли.
- •Теорема (формула) Пуассона.
- •Локальная теорема Муавра-Лапласа.
- •Интегральная теорема Муавра-Лапласа.
- •Независимые случайные величины
- •Операции над случайными величинами:
- •Математическое ожидание
- •Свойства математического ожидания
- •Функции случайного аргумента и их мат. Ожидание.
- •Дисперсия
- •Свойства дисперсии
- •Свойства условных вероятностей и плотностей вероятностей
- •Условное математическое ожидание
- •Корреляционный момент (корреляция) двух случайных величин
- •Свойства корреляционного момента
- •Коэффициент корреляции и его свойства
- •Свойства
- •Уравнения Регрессии
- •Характеристики
- •Неравенство Чебышева
- •Нормальное распределение с параметрами (а;σ)
- •Основные свойства кривой Гаусса
- •Расчет доверительных интервалов
- •Некоторые важнейшие распределения связанные с нормальным. - распределение.
- •Распределение Стьюдента (t– распределение)
- •Распределение Фишера-Снедекора (f– распределение).
- •Закон больших чисел.
- •Теорема Чебышева.
- •Теорема Бернулли.
- •1. Биноминальное распределение.
- •2. Распределение Пуассона.
- •3. Геометрическое распределение.
- •Введение в теорию случайных процессов тема 1. Основные понятия теории случайных процессов
- •1.1. Определение случайного процесса. Основные подходы к заданию случайных процессов. Понятие реализации и сечения. Элементарные случайные процессы.
- •1.2. Некоторые классы и виды случайных процессов
- •2.2. Математическое ожидание и дисперсия случайного процесса. Среднеквадратическое отклонение
- •2.3. Корреляционная функция случайного процесса и ее свойства. Нормированная корреляционная функция
- •2.4. Взаимная корреляционная функция и нормированная взаимная корреляционная функция двух случайных процессов
- •2.5 Вероятностные характеристики суммы двух случайных величин
- •Тема 3. Элементы случайного анализа
- •3.1. Сходимость и непрерывность
- •1. Классические виды сходимости
- •2. Сходимость по вероятности
- •3. Сходимость в среднем в степени p1
- •3.3. Интеграл от случайного процесса и его свойства
- •ТеМа 4. Канонические разложения случайных процессов
- •4.1. Понятие канонического разложения случайного процесса
- •4.2. Понятие обобщенной функции. Дельта-функция Дирака. Интегральное каноническое представление случайных процессов.
- •4.3. Линейные и нелинейные преобразования случайных процессов
- •Глава 5. Стационарные cлучайные процессы
- •5.1. Понятие стационарного случайного процесса. Стационарность в узком и широком смыслах
- •5.2 Свойства вероятностных характеристик стационарного случайного процесса
- •5.3. Стационарно связанные случайные процессы. Производная и интеграл от стационарного случайного процесса
- •5.4. Эргодические стационарные случайные процессы и их характеристики
- •Эргодическая теорема Биркгофа-Хинчина
- •Для ссп с непрерывным временем, для ссп с дискретным временем.
- •Достаточные условия эргодичности
Расчет работоспособности цепей
1. оба прибора соединены последовательно
Сигнал
Р1 Р2
работает первый
работает второй
А сигнал прошел по цепи
А = ∙инезависимы
Р(А) = Р()∙Р()=
2. приборы подключены параллельно
Р1
Р2
∙совместные события
а) А = +
Р(А) = Р()+Р() - Р(∙) =+-
б) А = ++∙
в) Ā = ∙
Р(Ā) = Р() ∙ Р()= (1-)∙(1-)
Р(А) = 1- (1-)∙(1-)
Формула полной вероятности.
Предположим, что в результате некоторого опыта происходит одно из попарно не совместных событий Вместе с тем в рамках этого опыта рассматривается событие А
А= ++ … +
Р(А)=
Р(А)
Замечание:
Ω
Пример: На сборочный ковер поступают однотипные детали с 3-х заводов равными партиями. В продукции 1-го завода брак – 5%, 2-го завода – 7%, 3-го завода – 1%. Какова вероятность, что случайно взятая с конвейера деталь бракованная?
случайно выбранная деталь изготовленная 1,2,3 заводом (несовместные события)
А – случайно выбранная деталь бракованная
Р() = Р()=Р()=
Какова вероятность того что брак взят с 1,2 или 3 завода
P(A|) = 0.05
P(A|) = 0.07
P(A|) = 0.01
Р(А) =
Задача о разорении игрока.
Подбрасывается монетка. Перед броском игрок предугадывает результат. Если угадал + 1 рубль, не угадал – 1 рубль. Начальный капитал Х рублей. Игра продолжается до тех пор пока он не наберет а (а>x) рублей или разорится. Какова вероятность, что игрок разорится.
Р(х) - вероятность разорения при начальном капитале в х рублей
Р(х+1) - вероятность разорения при угаданном первом броске
Р(х-1) – вероятность разорения при не угаданном первом броске
- игрок угадывает 1-е выпадение монеты
- игрок не угадывает 1-е выпадение монеты
А – игрок разорился
Р(А)
Р(х)=
приращение постоянно
Р(х) – линейная функция
Р(х)=
Р(0)=1 Р(0)=1=
Р(а)=0 Р(а)=0=+
Р(х)= 1-
Формула вероятностей гипотез. (Формула Байеса)
Пусть в результате опыта происходит одно из несовместных событий . Известно, также что в ходе этого опыта произошло событие А
Какова вероятность, что событие А произошло в рамках события
До проведения опыта вероятности определялись следующими значениямиэто априорные(доопытные) вероятности. После того как событие А произошло необходимо пересмотреть вероятности событийкак условныеэто апостериорное (послеопытные) вероятности
Формула Байеса
Пример: Имеется два внешне одинаковых ящика с шарами
Из произвольного взятого ящика случайным образом выбирают шар. Он оказался белым. Какова вероятность что это ящик номер № 1
А – достали белый шар
-достали белый шар из 1-го ящика события
не совместны
- достали белый шар из 2-го ящика
Р() = Р()=P(A|) = P(A|) =
=
Случайные величины.
Опр. 1:Пусть в результате некоторого опыта происходит одно из элементарных событий. Числовая функция от элементарных событийназывается случайной величиной.
Опр. 2:Пусть (Ω,А,Р) вероятностное пространство, тогда функцияназывается случайной величиной, еслимножество элементарных исходов следующего видаявляется событием, т.е. оноА.
Опр. 3: Пусть (Ω,А,Р) вероятностное пространство. Функцияназывается случайной величиной, еслиß множество элементарных исходов следующего видаявляется событием, т.е. оноА.
Пример № 1:Бросается монетка
«Орел» |
«Решка» |
-
1
0
1
0
1
-1
Пример № 2: Бросаем кубик
«1» |
«2» |
«3» |
«4» |
«5» |
«6» |
1 |
1 |
1 | |
2 |
1 |
2 | |
3 |
2 |
1 | |
4 |
2 |
2 | |
5 |
3 |
1 | |
6 |
3 |
2 |
Все случайные величины разделяются на 2 класса
дискретные
непрерывные
Дискретные случайные величины – это такие, которые принимают конечное и счетное множество значений.
Непрерывные случайные величины – это такие, которые принимают все значения (-).