- •Ю.Ю. Герасимов, в.К. Хлюстов
- •Математические методы и модели в расчетах на эвм: применение в лесоуправлении и экологии
- •Часть 1. Вариационная статистика
- •Глава 1.
- •1.1. Общие положения
- •1.2. Основные понятия статистики
- •1.3. Основы теории вероятностей
- •1.3.1. Понятие случайной величины
- •1.3.2. Классическое и статистическое определения вероятности события
- •1.3.3. Основные теоремы теории вероятностей
- •1.4. Контрольные вопросы и задания
- •Глава 2.
- •2.1. Постановка задачи
- •2.2. Классификация и группировка вариант
- •2.3. Графическое представление вариационных рядов
- •2.4.1. Показатели центральной тенденции
- •2.4.2. Показатели вариации
- •2.4.3. Достоверность статистических показателей
- •2.4.4. Показатели скошенности и крутизны
- •2.5. Доверительный интервал
- •2.6. Контрольные вопросы и задания
- •Глава 3.
- •3.1. Постановка задачи
- •3.2. Нормальное распределение
- •3.3. Логнормальное распределение
- •3.4.2. Бета-распределение
- •3.5. Распределение Пуассона
- •3.6. Семейство кривых распределения Джонсона
- •3.7. Семейство кривых Пирсона
- •Контрольные вопросы и задания
- •Глава 4.
- •4.1. Постановка задачи
- •4.3. Сравнение эмпирического распределения с теоретическим (критерий "хи-квадрат")
- •4.5. Сравнение дисперсий двух эмпирических совокупностей
- •4.6. Сравнение частот взвешенных рядов по критерию
- •4.7. Использование пакетов прикладных программ
- •4.8. Контрольные вопросы и задания
- •Глава 5.
- •5.1. Постановка задачи
- •5.2. Однофакторный комплекс
- •5.3. Двухфакторный комплекс
- •5.4. Использование ms Excel для проведения дисперсионного анализа
- •5.4.1. Однофакторный дисперсионный анализ
- •5.4.2. Двухфакторный дисперсионный анализ без повторения
- •5.5. Контрольные вопросы и задания
- •Глава 6.
- •6.1. Постановка задачи
- •6.2. Коэффициент корреляции
- •6.3. Корреляционное отношение
- •6.4. Схема полного корреляционного анализа
- •6.5. Использование пакетов прикладных программ Вычисление коэффициента корреляции с использованием ms Excel
- •Контрольные вопросы и задания
- •Глава 7.
- •7.1. Постановка задачи
- •7.2. Статистический анализ одномерных моделей
- •Уравнение прямой линии
- •Уравнение гиперболы
- •Уравнение показательной кривой
- •Окончательный выбор типа уравнения регрессии
- •7.4. Множественная регрессия
- •7.5. Применение ms Excel для расчета регрессии
- •Часть 2. Исследование операций
- •Глава 8.
- •8.1. Общие положения
- •8.2. Основные понятия системного анализа
- •8.3. Основные понятия исследования операций
- •8.4. Постановка задач принятия оптимальных решений
- •8.5. Контрольные вопросы и задания
- •Глава 9.
- •9.1. Постановка задачи
- •9.2. Графическое решение задачи линейного программирования
- •9.3. Задача линейного программирования в стандартной форме
- •Преобразования неравенств
- •Преобразование неограниченных по знаку переменных
- •2.4. Основы симплекс - метода линейного программирования
- •9.5. Метод искусственных переменных
- •9.6. Анализ чувствительности в линейном программировании
- •9.7. Решение задач линейного программирования на эвм
- •9.8. Контрольные вопросы и задания
- •Глава 10.
- •10.1. Постановка задачи
- •10.2. Метод ветвей и границ
- •10.3. Рекомендации по формулировке и решению задач цп
- •10.4. Задачи оптимизации раскроя
- •XA 0, xB 0, k 0 - целые.
- •XA 0, xB 0, k 0 - целые.
- •10.5. Постановка задачи дискретного программирования
- •Решение задач целочисленного и дискретного программирования на эвм
- •10.7. Контрольные вопросы и задания
- •Глава 11.
- •11.1. Общие понятия
- •11.2. Практические рекомендации при постановке задач динамического программирования
- •11.3. Оптимальное распределение ресурсов
- •11.4. Оптимальное управление запасами
- •11.5. Оптимальная политика замены оборудования
- •11.6. Контрольные вопросы и задания
- •Глава 12.
- •12.1. Постановка задачи
- •12.2. Применение стохастического программирования
- •12.3. Метод статистического моделирования
- •12.4. Контрольные вопросы и задания
- •Глава 13.
- •13.1. Постановка задач нелинейного программирования
- •13.2. Безусловная однопараметрическая оптимизация
- •13.2.1. Методы исключения интервалов
- •13.2.2. Методы полиномиальной аппроксимации
- •13.2.3. Методы с использованием производных
- •13.2.4. Сравнение методов безусловной однопараметрической оптимизации
- •13.3. Безусловная многопараметрическая оптимизация
- •13.3.1. Постановка задачи
- •13.3.2. Методы прямого поиска
- •13.3.3. Градиентные методы
- •13.4. Нелинейная условная оптимизация
- •13.4.1. Постановка задач условной нелинейной оптимизации
- •13.4.2. Методы штрафных функций
- •13.4.3. Методы прямого поиска
- •13.4.4. Методы линеаризации
- •13.5. Решение задач нелинейной оптимизации на эвм
- •13.6. Контрольные вопросы и задания
- •Приложение 1 Значения t - распределения Стьюдента при доверительной вероятности р и числе степеней свободы k
- •Плотность вероятности нормального распределения
- •Приложение 3 Значения χ2 при доверительной вероятности р и числе степеней свободы k
- •Продолжение приложения 3
- •Значения -функции
- •Приложение 5 Значения - в распределении Джонсона
- •Продолжение приложения 5
- •Продолжение приложения 5
- •Продолжение приложения 5
- •Приложение 6
- •Продолжение приложения 6
- •Продолжение приложения 6
- •Продолжение приложения 6
- •Приложение 7
- •Продолжение приложения 7
- •Продолжение приложения 7
- •Продолжение приложения 7
1.3. Основы теории вероятностей
1.3.1. Понятие случайной величины
Специалист лесного хозяйства имеет дело со случайными величинами. Любой биометрический признак деревьев в пределах древостоя (диаметр, высота, объем и т.д.) - случайные величины, меняющие свое значение от объекта к объекту в пределах однородной совокупности. Причем заранее предсказать каждое из этих значений случайной величины невозможно. Случайные величины, возможные значения которых можно заранее перечислить, называются дискретными. Если же возможные значения случайных величин непрерывно заполняют некоторый промежуток, то они называются непрерывными.
Все значения, которые может принимать случайная величина, составляют генеральную совокупность. Она может состоять из конечного числа случайной величины или быть бесконечной. Во всех случаях в одну генеральную совокупность объединяются случайные величины, сходные по своей внутренней природе. Они должны представлять собой биологическое единство, которое сформировалось под воздействием одинаковых внешних и внутренних факторов среды. Нельзя, например, объединять в одну генеральную совокупность древостои двух разных поколений леса, хотя и произрастающих совместно.
1.3.2. Классическое и статистическое определения вероятности события
Вероятностью появления какого-либо события называется отношение числа случаев, благоприятствующих появлению этого события (M), к общему числу всех возможных случаев (N):
P=M/N. (1.1)
Пример 1.1. На пробной площади 300 деревьев. Из них 100 поражены грибом. Вероятность того, что наудачу взятое дерево окажется пораженным, равна P=100/300=1/3, а здоровым (300-100)/300=2/3.
Событие достоверно, если его вероятность равна 1, т.е. все шансы благоприятны. Событие вероятно, если вероятность его более 0,5. Событие маловероятно, если его вероятность меньше 0,5. Сумма вероятностей всех событий, взаимоисключающих друг друга, в пределах совокупности равна 1.
Понятие вероятности относят только к генеральной совокупности. Так как в практике можно установить только значения частот и частостей, то вероятность можно оценить только с некоторой долей надежности. На основе теории вероятностей разработан метод оценки результатов наблюдений, т.е. оценки степени надежности вывода - коэффициент достоверности t.
1.3.3. Основные теоремы теории вероятностей
На лесной практике часто требуется определять вероятности событий, непосредственное экспериментальное воспроизведение которых затруднено. Например, если требуется определить повреждения древостоя при выполнении механизированных рубок, ясно, что определение этой вероятности по частоте практически невозможно. Во-первых, заложение пробных площадей окажется непомерно дорогостоящим. Во-вторых, часто требуется оценить вероятность того или иного исхода рубок не для существующих лесосечных машин и технологий, а для проектируемых. Обычно такая оценка и производится для того, чтобы выявить наиболее рациональные параметры перспективных технологий и машин.
Поэтому для определения вероятностей событий применяются не прямые методы, а косвенные, которые позволяют по известным вероятностям одних событий определять вероятности других событий. Теория вероятностей, по сути, представляет собой систему косвенных методов, использование которых позволяет свести объем экспериментальных работ к минимуму.
При применении косвенных методов всегда в той или иной форме используются основные теоремы теории вероятностей:
теорема сложения вероятностей,
теорема умножения вероятностей.
Прежде чем сформулируем теоремы, целесообразно ввести понятия о сумме событий и произведении событий.
Суммой нескольких событий называется событие, состоящее в появлении хотя бы одного из этих событий.
Например, если опыт состоит в трех выстрелах и рассматриваются события:
A0 - ни одного попадания,
A1 - ровно одно попадание,
A2 - ровно два попадания,
A3 - ровно три попадания,
то событие
А03 = A0 + A1 + A2 + A3
представляет собой событие, состоящее в появлении не более трех попаданий.
Произведением нескольких событий называется событие, состоящее в совместном появлении всех этих событий.
Например, если опыт состоит в трех выстрелах и даны события:
В1 - промах при первом выстреле,
В2 - промах при втором выстреле,
В3 - промах при третьем выстреле,
то событие
В13 = В1 В2 В3
представляет собой событие, при котором в мишени не будет ни одного попадания.
При определении вероятностей часто сложные события представляются в виде комбинации более простых событий с использованием операций сложения и произведения событий.
Например, пусть по мишени производится три выстрела и рассматриваются следующие элементарные события:
A1 - попадание при первом выстреле,
A2 - попадание при втором выстреле,
A3 - попадание при третьем выстреле,
В1 - промах при первом выстреле,
В2 - промах при втором выстреле,
В3 - промах при третьем выстреле.
Рассмотрим сложное событие С, состоящее в том, что в результате трех выстрелов будет не менее двух попаданий. Это событие можно записать в виде следующей комбинации элементарных событий:
С = A1 A2 В3 + A1 В2 А3 + В1 A2 А3 + A1 A2 А3.
Теорема сложения вероятностей
Теорема сложения вероятностей формулируется следующим образом. Вероятность суммы несовместных событий равна вероятности этих событий:
Р(Ai) = Р(Ai).
Теорема умножения вероятностей
Теорема сложения вероятностей формулируется следующим образом. Вероятность произведения несовместных событий равна произведению вероятностей этих событий:
Р(Ai) = Р(Ai).