
- •Лекция 1. Предмет теории вероятностей и математической статистики и их роль в экономике и менеджменте
- •Лекция 2. Аксиоматика теории вероятности Понятие случайного эксперимента.
- •Пространство элементарных событий.
- •Совместные и несовместные события.
- •Операции над событиями (сумма, разность, произведение).
- •Свойства операций над событиями.
- •Алгебра и сигма-алгебра событий.
- •Лекция 3. Методы определения вероятностей событий
- •Классическое определение вероятности события. Случаи равновероятных исходов.
- •Статистическое определение вероятности события. Случаи неравновероятных исходов.
- •Геометрические вероятности.
- •Аксиоматическое построение теории вероятностей.
- •Вероятностное пространство
- •Лекция 4. Основные теоремы теории вероятностей. Формула полной вероятности и формула Байеса Полная группа событий.
- •Условная вероятность.
- •Формула умножения вероятностей.
- •Формула сложения вероятностей.
- •Независимость событий.
- •Формула полной вероятности.
- •Формула Байеса
- •Основные понятия комбинаторики.
- •Правила суммы и произведения.
- •Лекция 5. Схема независимых испытаний Бернулли
- •Случай непостоянной вероятности появления события в опытах
- •Наивероятнейшее число наступления событий в схеме Бернулли.
- •Предельные теоремы для схемы Бернулли.
- •Теорема Пуассона.
- •Понятие потока событий.
- •Локальная теорема Муавра –Лапласа.
- •Интегральная (глобальная) теорема Муавра – Лапласа.
- •Лекция 6. Виды случайных величин и расчет вероятностей событий с использованием функций и плотностей распределения
- •Закон распределения дискретной случайной величины.
- •Функция распределения случайной величины и ее свойства.
- •Свойства функции распределения
- •Плотность распределения вероятностей.
- •Лекция 7. Основные параметры распределений одномерных случайных величин.
- •Математическое ожидание случайной величины
- •Свойства математического ожидания:
- •Дисперсия случайной величины и ее свойства.
- •Среднее квадратическое отклонение.
- •Лекция 8. Основные законы распределений случайных величин
- •Биномиальное распределение, его математическое ожидание и дисперсия.
- •Распределение Пуассона.
- •Геометрическое распределение
- •Гипергеометрическое распределение (урновая схема)
- •Равномерное распределение.
- •Показательное распределение.
- •Лекция 9. Нормальное распределение и его свойства
- •Свойства функции Гаусса.
- •Вероятность попадания нормальной случайной величины в заданный интервал.
- •Функция Лапласа и ее свойства.
- •О тклонение нормальной случайной величины от ее математического ожидания. Правило «трех сигм».
- •Лекция 10. Многомерные случайные величины
- •Закон распределения вероятностей двумерной случайной величины
- •Совместная функция распределения двух случайных величин
- •Свойства совместной функции распределения двух случайных величин
- •Плотность совместного распределения вероятностей непрерывной двумерной случайной величины
- •Свойства двумерной плотности вероятности
- •Независимые случайные величины
- •Для независимых случайных величин справедливы соотношения
- •Числовые характеристики системы двух случайных величин
- •Корреляционный момент
- •Коэффициент корреляции
- •Свойства коэффициента корреляции
- •Лекция 11. Предельные теоремы теории вероятностей.
- •Неравенство Чебышева
- •Теорема Чебышева.
- •Центральная предельная теорема.
- •Лекция 12. Выборочный метод анализа свойств генеральной совокупности.
- •Выборочный метод и его основные понятия. Случайная выборка и ее объем
- •Способы отбора
- •Вариационный ряд для дискретных и непрерывных случайных величин.
- •Полигон и гистограмма
- •Лекция 13. Понятие о статистических оценках случайных величин Эмпирическая функция распределения
- •Важнейшие свойства статистических оценок
- •Надежность и доверительный интервал.
- •Лекция 14. Доверительные интервалы для математического ожидания и дисперсии Доверительный интервал для математического ожидания нормального распределения при известной дисперсии.
- •Доверительный интервал для математического ожидания нормального распределения при неизвестной дисперсии
- •. Доверительный интервал для оценки среднего квадратического отклонения нормального распределения
- •Лекция 15. Проверка статистических гипотез.
- •Статистический критерий
- •Критическая область. Область принятия гипотезы. Критические точки.
- •Критерий согласия Пирсона о виде распределения.
- •Лекция 16. (уир) Понятие о регрессионном анализе
- •Понятие о регрессионном анализе
- •Выборочные уравнения регрессии.
- •Линейная регрессия
- •Множественная линейная регрессия
- •Нелинейная регрессия
- •Логарифмическая модель.
- •Обратная модель.
- •Степенная модель.
- •Показательная модель.
- •Лекция 17 (уир). Понятие о корреляционном анализе.
- •А. Парная корреляция
- •Б. Множественная корреляция
- •Лекция 18 (уир). Цепи Маркова с дискретным временем
- •Однородные цепи Маркова
- •Переходные вероятности. Матрица перехода.
- •Равенство Маркова
- •Лекция 19 (уир). Цепи Маркова с непрерывным временем.
- •Уравнения Колмогорова
- •Финальные вероятности состояний системы
- •Лекция 20 (уир). Системы массового обслуживания.
- •Расчет характеристик систем массового обслуживания Одноканальные модели а. Одноканальная модель с отказами
- •Б. Одноканальная модель с ожиданием
- •Многоканальные модели
Финальные вероятности состояний системы
Если
процесс, протекающий в системе, длится
достаточно долго, то имеет смысл говорить
о предельном поведении вероятностей
при
.
В некоторых случаях существуют финальные
(предельные) вероятности состояний:
,
.,
не
зависящие от того, в каком состоянии
система находилась в начальный момент.
Говорят, что в системе устанавливается
предельный
стационарный режим,
при котором она переходит из состояние
в состояние, но вероятности состояний
уже не
меняются во времени.
Система, для которой существуют финальные
состояния, называется эргодической,
а соответствующий случайный процесс –
эргодическим.
Финальные
вероятности системы могут быть получены
путем решения системы линейных
алгебраических
уравнений, которые получаются из
дифференциальных уравнений Колмогорова,
если приравнять производные к нулю, а
вероятностные функции состояний
в правых частях уравнений Колмогорова
заменить на неизвестные финальные
вероятности
Таким
образом, для системы с
состояниями получается система
линейных однородных алгебраических
уравнений с
неизвестными
,
которые можно найти с точностью до
постоянного множителя. Для нахождения
их точных значений к уравнениям добавляют
нормировочное условие
,
пользуясь которым можно выразить любую
из вероятностей через другие и отбросить
одно из уравнений.
Рассмотрим
следующий пример. Имеется размеченный
граф состояний системы
(рис. 2). Необходимо составить систему
дифференциальных уравнений Колмогорова
и записать начальные условия для решения
этой системы, если известно, что в
начальный момент система находилась в
состоянии
.
Рис. 2. Граф состояний системы из примера.
Решение. Согласно приведенному выше мнемоническому правилу, система дифференциальных уравнений Колмогорова имеет вид:
Начальные
условия при
:
.
При
функции
стремятся к предельным (финальным)
вероятностям состояний системы. Поскольку
финальные вероятности не зависят от
времени, в системе дифференциальных
уравнений Колмогорова все левые части
принимаем равными нулю. При этом система
дифференциальных уравнений превратится
в систему линейных алгебраических
уравнений вида:
Решая
ее с учетом условия
,
получим все предельные вероятности.
Эти вероятности представляют собой
среднее
относительное время пребывания системы
в каждом из состояний.
Финальные состояния марковской системы с непрерывным временем существуют при следующих условиях:
плотности вероятности всех переходов не должны зависеть от времени
;
из любого состояния системы возможен переход в любое другое состояние за конечное число шагов.
Например, для системы, изображенной на рис. 3, финальные вероятности не существуют
Рис. 3. Пример системы, для которой не существует финальных вероятностей.
В заключение рассмотрим одну из наиболее простых и часто встречающихся на практике разновидностей дискретных марковских цепей с непрерывным временем – так называемую схему гибели и размножения.
Схема гибели и размножения
Марковский
процесс с дискретными состояниями
называется процессом
гибели и размножения,
если все состояния можно вытянуть в
цепочку, в которой каждое из промежуточных
состояний
может переходить только в соседние
состояния, а крайние состояния
переходят лишь в состояния
и
соответственно. Граф состояний такой
системы приведен на рис. 4.
Рис. 4. Граф состояний для процесса гибели и размножения.
Название
схемы взято из биологических задач, где
состояние популяции
означает наличие в ней
особей.
На
рис. 4 переход вправо соответствует
увеличению популяции, влево – ее
уменьшению. Таким образом можно определить
как интенсивности размножения, а
- как интенсивности гибели. Используется
следующее соглашение: буквам
и
приписывается
индекс того состояния, из которого
выходит стрелка.
Процессом чистого размножения называется такой процесс, у которого интенсивности всех потоков гибели равны нулю; аналогично процессом чистой “гибели” называется процесс, у которого равны нулю интенсивности всех потоков размножения.
Предельные (финальные) вероятности состояний для простейшего эргодического процесса гибели и размножения, находящегося в стационарном режиме, определяются по следующим формулам:
В качестве примера решения системы уравнений схемы гибели и размножения рассмотрим эксплуатацию автомобилей в крупной транспортной фирме.
Интенсивность
поступления автомобилей на предприятие
равна
.
Каждый поступивший на предприятие
автомобиль списывается через случайное
время
.
Срок службы автомобиля
распределен по показательному закону
с параметром
.
Процесс эксплуатации автомобилей
является случайным процессом.
-
число автомобилей данной марки,
находящихся в эксплуатации в момент
времени
.
Рассмотрим два случая: 1) нет ограничений на число эксплуатируемых автомобилей, 2) на предприятии может эксплуатироваться не более автомобилей.
Если
в начальный момент
на предприятии не было ни одного
автомобиля, то решать систему уравнений
нужно при начальных условиях
.
Аналогично, если при эксплуатировалось автомобилей, то начальные условия имеют вид
Решение системы дифференциальных уравнений Колмогорова при произвольном виде функции не может быть найдено в аналитическом виде. Однако при постоянных интенсивностях потоков гибели и размножения и конечном числе состояний будет существовать стационарный режим. Система в этом случае является простейшей эргодической системой.
Если интенсивности потока поступления и списания автомобилей постоянны, то оказываются справедливы формулы:
Максимальное число автомобилей не ограничено
.
Математическое ожидание (среднее значение) числа эксплуатируемых автомобилей
;
При ограниченном
В этом случае математическое ожидание равно