- •Введение.
- •Основные понятия теории вероятности.
- •Числовые характеристики случайных величин.
- •Основные законы распределения.
- •Обработка статистических данных
- •Лабораторная работа 1. Программная генерация псевдослучайных чисел.
- •Метод Парка – Миллера (мультипликативный конгруэнтный метод)
- •Лабораторная работа 2. Генерация случайных чисел с заданным распределением.
- •Системы случайных величин.
- •Лабораторная работа 3. Генерация системы случайных чисел с заданным распределением.
- •Случайные процессы
Введение.
Стохастический процесс – процесс, поведение которого не является детерминированным. Другое определение – набор случайных величин, индексирующихся каким-либо параметром, часто временем или координатой.
Понятие «случайной» величины применяется к отдельным событиям, наступление которых нельзя предсказать заранее, например, выпадение орла или решки.
С точки зрения теории вероятностей все процессы, развивающиеся во времени стохастические. Данный тип процессов в основном используется для описания явлений, в которых участвует большое число частиц. Это обычно процессы, протекающие в жидкости, например, химические превращения, которые происходят при довольно плотном контактном столкновении двух молекул реагентов в растворителе. Движение молекул реагентов и растворителя, в данном случае – стохастический процесс.
-
Основные понятия теории вероятности.
Величина X, представляющая собой результат случайного события, называется случайной величиной. Различают дискретные и непрерывные случайные величины. Возможное значение дискретной случайной величины заранее известно, а непрерывной – заполняет некоторый интервал.
Рассмотрим случайную величину Х - х1, х2, х3,…хn. Можно ввести понятие вероятности наступления xi-го события:
(1)
где N- число экспериментов, – число случаев выпадения .
(2)
Набор вероятностей устанавливает закон распределения случайной величины X – заданная в той или иной форме связь между возможными значениями случайной величины и вероятностями их появления.
Для дискретной случайной величины закон распределения может быть представлен в виде таблицы. |
… … |
Универсальной формой закона распределения (непрерывных и дискретных величин) является функция распределения вероятностей – это такая функция F(x) , значение которой в точке x равно вероятности P того, что при проведении опыта значение случайной величины X окажется меньше, чем x:
F(x) = P(X < x)
Основные свойства функции распределения вероятностей следующие:
1) числовые значения заключены в пределах 0 ≤ F(x) ≤ 1 ;
2) если, то F(x1) ≤ F(x2 ) , т.е. F(x) − неубывающая функция;
3) F(x) →0 при x → −∞ , F(x) →1 при x →∞ .
В случае дискретной случайной величины функция распределения представляет собой ступенчатую функцию (рис. a), а у непрерывных случайных величин функция распределения также непрерывна (рис. b ).
Пусть имеется случайная величина Х с функцией распределения Рассмотрим вероятность попадания Х на участок от .
Разделив это соотношение на получим среднюю вероятность выпадения случайной величины на единицу длины участка.
Плотность распределения случайной величины.
(4)
Свойства:
|
Величина - вероятность попадания на участок dx. Для произвольного участка вероятность попадания случайной величины в данный интервал, можно выразить в виде: