- •Министерство образования и науки российской федерации
- •Дифференциальные уравнения первого порядка
- •Уравнения с разделёнными и разделяющимися переменными
- •Однородные уравнения первого порядка
- •Линейные уравнения первого порядка
- •Уравнение в полных дифференциалах
- •Интегрирующий множитель
- •Дифференциальные уравнения высших порядков
- •Уравнения вида
- •Уравнения второго порядка, приводящиеся к уравнениям первого порядка
- •Линейные однородные уравнения. Определения и общие свойства
- •Линейные однородные уравнения второго порядка с постоянными коэффициентами
- •Линейные однородные уравнения го порядка с постоянными коэффициентами
- •Неоднородные линейные уравнения второго порядка
- •Неоднородные линейные уравнения второго порядка с постоянными коэффициентами
- •Неоднородные линейные уравнения высших порядков
- •Системы обыкновенных дифференциальных уравнений
- •Системы линейных дифференциальных уравнений с постоянными коэффициентами
- •Р я д ы Числовые ряды Числовой ряд. Сумма ряда. Необходимый признак сходимости ряда
- •Достаточные признаки сходимости рядов с положительными членами
- •Знакопеременные ряды
- •Функциональные ряды
- •Ряды Тейлора и Маклорена
- •Ряды Фурье
- •Ряды Фурье для четных и нечетных функций
- •Ряд Фурье для функции с периодом
- •К о м б и н а т о р и к а
- •Общие правила комбинаторики
- •Соединения в комбинаторике
- •Размещения без повторений
- •Перестановки без повторений
- •Сочетания без повторений
- •Размещения с повторениями
- •11 12 13 14 15 16 17 19
- •Перестановки с повторениями
- •Т е о р и я в е р о я т н о с т е й Случайные события Основные понятия теории вероятностей
- •Основные теоремы теории вероятностей Теорема сложения вероятностей несовместных событий
- •Зависимые и независимые события. Условная вероятность
- •Теорема умножения вероятностей
- •Теорема сложения вероятностей совместных событий
- •Вероятность появления хотя бы одного события
- •. Формула полной вероятности
- •Формула Бейеса
- •Повторение испытаний
- •Формула Бернулли
- •Локальная теорема Лапласа
- •. Формула Пуассона
- •Интегральная теорема Лапласа
- •Случайные величины Случайная величина. Виды случайных величин
- •Закон распределения вероятностей дискретной случайной величины
- •Числовые характеристики дискретных случайных величин
- •Математическое ожидание дискретной случайной величины
- •Дисперсия дискретной случайной величины
- •Плотность распределения вероятностей непрерывной случайной величины
- •Числовые характеристики непрерывных случайных величин
- •Законы распределений
- •Равномерное распределение
- •Нормальное распределение
- •. Правило трёх сигм
- •Показательное распределение
- •Функция надёжности
- •Элементы математической статистики Основные сведения из математической статистики
- •Статистическое распределение выборки. Полигон и гистограмма
- •1 4 6
- •10 15 25
- •Статистические оценки параметров распределения
- •Оценка генеральной дисперсии по исправленной выборочной
- •Точность оценки, доверительная вероятность (надёжность). Доверительный интервал
- •Методы расчёта сводных характеристик выборки
- •Сведение первоначальных вариант к равноотстоящим
- •Оценка отклонения теоретического и эмпирического распределений от нормального. Асимметрия и эксцесс
- •Элементы теории корреляции
- •. (1)
- •(4) . (5) Корреляционная таблица
- •Отыскание параметров выборочного уравнения прямой линии регрессии по сгруппированным данным
- •Методика вычисления выборочного коэффициента корреляции
- •. Статистическая проверка статистических гипотез
- •Линейное программирование Задача линейного программирования
- •Построение математической модели
- •Графическое решение задачи линейного программирования
- •Симплексный метод решения задачи линейного программирования
- •Решение задачи 1 симплексным методом
- •Искусственное начальное решение. Метод больших штрафов.
- •Особые случаи применения симплекс-метода
- •1.7.2 Бесконечное множество решений
- •1.7.4 Неограниченные решения
- •1.7.5 Промежуточное вырожденное решение
- •Задача о назначениях
- •4 Изменение запаса ресурса продукта а 7
- •1 Изменение единицы стоимости продукта а 4
- •Заключение
Нормальное распределение
Нормальным называется распределение вероятностей непрерывной случайной величины, которое описывается плотностью
Заметим, что для определения нормального распределения необходимо знать параметры: . Выясним вероятностный смысл этих параметров. Найдём математическое ожидание непрерывной случайной величины
- интеграл Пуассона. Итак, математическое ожидание нормального распределения равно параметру , т.е..
Определим дисперсию, учитывая, что .
==, т.к.. Итак,. Таким образом второй параметрравен среднему квадратическому отклонению.
Вычислим вероятность попадания в заданный интервал нормальной случайной величины.
Часто требуется вычислить вероятность того, что отклонение нормально распределённой величины по абсолютной величине меньше заданного положительного числа, т.е. требуется найти вероятность осуществления неравенства.
.
. Правило трёх сигм
Преобразуем формулу , полагая . В итоге получим.
Если t=3 и, следовательно, , то, т.е. вероятность того, что отклонение по абсолютной величине будет меньше утроенного среднего квадратического отклонения, равна 0,9973. Другими словами, вероятность того, что абсолютная величина отклонения превысит утроенное среднее квадратическое отклонение, очень мала, а именно равна 0,0027. Это означает, что лишь в 0,27% случаев так может произойти. Такие события практически считаются невозможными. В этом и состоит сущность правила трёх сигм:если случайная величина распределена нормально, то абсолютная величина её отклонения от математического ожидания не превосходит утроенного среднего квадратического отклонения.
На практике правило трёх сигм применяют так: если распределение изучаемой случайной величины неизвестно, но условие, указанное в приведённом правиле, выполняется, то есть основание предполагать, что изучаемая величина распределена нормально; в противном случае она не распределена нормально.
Показательное распределение
Показательным называется распределение вероятностей непрерывной случайной величины , которое описывается плотностью
где - постоянная положительная величина.
Найдём функцию распределения показательного закона
. Итак,
Найдём математическое ожидание =;.
Найдём дисперсию
=
=;;
Найдём вероятность попадания в интервал непрерывной случайной величины, которая распределена по показательному закону, заданному функций распределения
Функция надёжности
Всякое устройство, независимо от того, «простое» оно или «сложное» будем называть элементом.
Пусть элемент начинает работать в момент времени , а по истечении времени длительностью происходит отказ. Обозначим черезнепрерывную случайную величину – длительность времени безотказной работы элемента. Если элемент проработал безотказно время, меньшее, то, следовательно, за время длительностьюнаступит отказ. Таким образом функция распределенияопределяет вероятность отказа за время длительностью. Тогда вероятность безотказной работы за это же время длительностью, т.е. вероятность противоположного события, равна.
Функцией надёжности называют функцию, определяющую вероятность безотказной работы элемента за время длительностью:
.
Часто длительность времени безотказной работы элемента имеет показательное распределение, функция распределения которого . Тогда .
Показательным законом надёжности называют функцию надёжности, определяемую равенством , где- интенсивность отказов.