- •202. Алгоритм імітації роботи обчислювальної системи з терміналами.
- •203. Визначення інтервалів значень випадкових параметрів.
- •204. Визначення ключових параметрів ризику.
- •206. Визначення математичного сподівання та дисперсії з генерованих випадкових величин.
- •207. Визначення тісноти взаємозв'язку між випадковими параметрами.
- •209. Задачі планування експериментів.
- •208. Загальна схема і цілі машинної імітації.
- •211. Застосування методу Монте-Карло для розв'язування детермінованих задач (обчислення визначеного інтегралу).
- •212. Збір даних про чинники та побудова аналітичної моделі для проведення імітаційних експериментів.
- •213. Імітаційна модель керування запасами (логічна структурна схема).
- •214. Імітація випадкових подій, Схема випробувань за "жеребкуванням".
- •215. Імітація еволюційних процесів у динамічних моделях.
- •216. Керування багато продуктовими запасами: основні перед посилки.
- •217. Опис концептуальної моделі та перевірка її вірогідності.
- •218. Основні етапи факторного аналізу.
- •219. Основні поняття планування експериментів: відгук, фактори, функція відгуку.
- •220. Перевірка значущості коефіцієнтів регресії.
- •222. Побудова імітаційної моделі: визначення задачі та її аналіз.
- •221. Перевірка однорідності дисперсії.
- •223. Поняття і характеристики квазірівномірної випадкової послідовність чисел.
- •224. Поняття і характеристики рівномірної випадкової послідовність чисел.
- •233. Статична детермінована модель керування запасами: економіко-математична модель.
- •226. Поняття та інструментарій планування експериментів.
- •227. Прийняття гіпотез стосовно розподілів випадкових параметрів.
- •228. Програмні способи одержання рівномірної випадкової послідовність чисел: метод серединних квадратів.
- •229. Програмні способи одержання рівномірної випадкової послідовність чисел: мультиплікативний конгруентний метод.
- •230. Способи програмної реалізації імітаційних моделей, їх переваги та вади.
- •234. Статична детермінована модель керування запасами: основні перед посилки.
- •231. Стандартний метод імітації дискретної випадкової величини.
- •232. Статистичне оброблення експериментальних даних.
- •235. Стратегії (політики) керування запасами.
- •236. Сутність критерію Стьюдента.
- •237. Сутність критерію Фішера.
- •240. Сутність оптимального керування запасами.
- •238. Сутність методу Бокса-Уілсона.
- •239. Сутність методу добору при генеруванні випадкових величин.
- •201. Gpss- програма імітаційної моделі завантаження еом.
- •202. Алгоритм імітації роботи обчислювальної системи з терміналами.
- •203. Визначення інтервалів значень випадкових параметрів.
227. Прийняття гіпотез стосовно розподілів випадкових параметрів.
В математиці та статистиці, розподіл імовірностей (який має математично описуватися функцією розподілу ймовірностей), ставить у відповідність кожному інтервалу ймовірність таким чином, що аксіоми ймовірностей виконуються. Математичною мовою, функція розподілу ймовірностей є ймовірнісною мірою, визначеною на борелівській алгебрі інтервалів.
Розподіл імовірностей є окремим випадком більш загального означення ймовірнісної міри, яка є функцією, що ставить у відповідність вимірним множинам з вимірного простору ймовірності за аксіомами Колмогорова.
Згідно з означенням П. Лапласа, мірою ймовірності є дріб, чисельником якого є число сприятливих подій, а знаменником - число всіх можливих випадків. [1]
Також, деякі вчені означають розподіл як ймовірнісну міру, індуковану випадковою величиною X на деякому інтервалі — ймовірність множини B є P(X − 1(B)). Однак, у цій статті розглядаємо лише ймовірнісні міри на множині інтервалів числової прямої. Строге визначення Будь-яка випадкова величина задається своїм розподілом імовірностей. Якщо X є випадковою величиною, його розподіл ставить у відповідність відрізкам [a, b] ймовірність Pr[a ≤ X ≤ b], тобто ймовірність, що випадкова величина X прийме значення з інтервалу [a, b]. Розподіл ймовірностей величини X може бути однозначно описаний своєюфункцією розподілу ймовірностей F(x), яка визначається, як
для усіх x з R.
Розподіл є дискретним, якщо його функція розподілу складається зі скінченної послідовності уступів, що фактично означає, що величина X є дискретною випадковою величиною: вона може набувати значення лише із визначеної скінченної (або зліченної) множини. Дехто визначає неперервний розподіл як такий, що його функція розподілу єнеперервною функцією, що означає, що вона відповідає такій випадковій величині X для якої Pr[ X = x ] = 0 для усіх x в R. Інше визначення використовує термін неперервна функція розподілу лише для абсолютно неперервного розподілу. В термінах функції щільності, на множині дійсних чисел визначено невід'ємний інтеграл Лебега функції fщо задовольняє умові
для всіх a та b. Очевидно, для дискретних розподілів функція щільності не визначена; хоча треба відмітити, що для деяких неперервних розподілів, як драбина Канторафункція щільності також не визначена.
Дискретна функція розподілу виражається як -
для . Де є ймовірністю елементарної події.
Розподіл імовірностей суми двох незалежних випадкових величин є згорткою їх функцій щільності.
Розподіл імовірностей різниці двох незалежних випадкових величин є крос-кореляцією їх функцій щільності. (Опционально)
Список важливих ймовірнісних розподілів
Деякі ймовірнісні розподіли є дуже важливим в теорії та практиці, тож їм дали свої назви:
Дискретні розподіли
Зі скінченною множиною подій
Розподіл Бернуллі, що приймає значення 1 з ймовірністю p і значення 0 з ймовірністю q = 1 − p.
Розподіл Радемахера що приймає значення 1 з імовірністю 1/2 та значення −1 з імовірністю 1/2.
Біноміальний розподіл описує кількість успіхів в схемі незалежних випробувань Бернуллі.
Вироджений розподіл в x0, де X приймає значення x0 завжди. На перший погляд, такий розподіл не виглядає ймовірнісним, але він задовольняє означенню випадкової величини. Це часто стає в нагоді, оскільки вкладає однаковий зміст у константи і випадкові величини.
З нескінченою множиною подій
Розподіл Гіббса
Розподіл Максвелла-Больцмана
Розподіл Бозе-Ейнштейна
Розподіл Фермі-Дірака
Геометричний розподіл, дискретний розподіл, що описує кількість спроб необхідних щоб отримати перший успіх в схемі незалежних випробувань Бернуллі.
логарифмічний (ряд) розподіл
Неперервні розподіли
Визначені на замкненому інтервалі
Бета розподіл на [0,1], частковим випадком якого є рівномірний розподіл, використовується для оцінки ймовірностей успіху.
Неперервний рівномірний розподіл на [a,b], має однакове значення в усіх точках інтервалу.
Прямокутний розподіл рівномірний розподіл на [-1/2,1/2].
Визначений на пів-інтервалі [0,∞)
Хі-розподіл
Нецентрований хі-розподіл
Розподіл хі-квадрат, що є сумою квадратів n незалежних Гаусівських випадкових величин. Це частковий випадок Гамма-розподілу.
Експоненціальний розподіл, що описує час між двома послідовними рідкими випадковими подіями під час процесу без післядії.