КАТЕГОРИИ: Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748) |
Основные понятия из теории вероятности
Математические основы надёжности АСОИУ
Событие – всякий факт, который в результате опыта может произойти или не произойти. Случайное событие – событие, которое может или не может произойти. Достоверное событие – событие, которое должно произойти обязательно. Невозможное событие – событие, которое не может произойти. Если в результате опыта непременно должно появиться хотя бы одно из нескольких событий, то эти события образуют полную группу событий. Суммой нескольких событий A 1, A 2, A 3,…, An называется событие В, состоящее в появлении хотя бы одного из этих событий: B = A 1+ A 2+ A 3+ … + An. (2.1) Произведением нескольких событий A 1, A 2, A 3,…, A n называется событие С, состоящее в совместном появлении всех событий: C = A 1 A 2 A 3 … An. (2.2) Каждому случайному событию А поставлено в соответствие неотрицательное число Р (А), называемое его вероятностью. Вероятность события представляет собой численную меру степени объективной возможности (частоты) появления этого события. В качестве единицы измерения принимают вероятность достоверного события. Все другие события – возможные, но не достоверные – будут характеризоваться вероятностями, меньшими единицы, составляющими какую-либо долю единицы. Вероятность события А, вычисленная при условии, что имело место другое событие В, называется условной вероятностью события А и обозначается как: P усл(A)= P (A / B) =P B(A). (2.3) Теорема сложения вероятностей: для произвольных событий А и В вероятность суммы этих событий выражается формулой: P (A+B)= P (A)+ P (B)- P(A B). (2.4) Теорема умножения вероятностей: вероятность произведения двух событий равна произведению вероятности одного из них на условную вероятность другого, вычисленную при условии, что первое имело место:
P (A B)=P(A) P(B/A)=P (B) P(A/B). (2.5) Из этой теоремы вытекают два следствия: 1) если событие А не зависит от события В, то событие В не зависит от события А; 2) вероятность произведения двух независимых событий равна произведению вероятностей этих событий. Формула полной вероятности: если событие В может осуществляться с одним из n несовместимых событий A 1, A 2, A 3,…, An, образующих полную группу и обычно называемых гипотезами, то полная вероятность события В определяется формулой: . (2.6) Формула Бернулли: если произошло последовательно n независимых опытов, в каждом из которых событие А может произойти с одной и той же вероятностью q, то вероятность того, что событие А произойдет ровно m раз, определяется по формуле Бернулли или по биноминальному распределению: , (2.7) где . (2.8) Случайной величиной Х называется величина, которая в результате опыта может принять то или иное значение, причем неизвестно заранее, какое именно. Дискретная случайная величина – величина, принимающая только отделенные друг от друга значения, которые можно заранее перечислить. Непрерывная случайная величина – величина, возможные значения которой непрерывно заполняют некоторый промежуток. Если дискретная случайная величина Х принимает значения x 1, x 2, x 3,…, xm с заданными вероятностями P 1, P 2, P 3,…, Pm, то соотношение устанавливающее связь между возможными значениями случайной величины и соответствующими им вероятностями, называется законом распределения. Непрерывная случайная величина имеет бесчисленное множество возможных значений, сплошь заполняющих некоторый промежуток. А так как сумма вероятностей отдельных значений случайной величины равна единице, то вероятность каждого значения должна стремиться к нулю. Поэтому вводится другая количественная характеристика - функция распределения, показывающая не вероятность события X=xi, как закон распределения, а вероятность события Х<х, где х – некоторая текущая переменная:
F (x)= P (X < x). (2.9) Функция F (x) существует как для прерывных, так и непрерывных случайных величин. Ее свойства: является неубывающей, т.е. - F (x 2)³= F (x 1)³ при x 2> x 1, (2.10)
F (x)®0 при x ®-¥, (2.11)
F (x)®1 при x ®+¥, (2.12) P (a<x<b)= F (b)- F (a). (2.13) Плотность распределения: f (x)= dF (x)/ d (x). (2.14) Элемент вероятности dP – вероятность того, что случайная величина Х попадает на интервал dx около значения х: dP = f (x) d (x). (2.15) Наибольшее применение в практических задачах надежности находят показательные (экспоненциальные) и нормальные теоретические функции распределения для непрерывных случайных величин и закон Пуассона для дискретных случайных величин. Показательное (экспоненциальное) распределение имеет следующий вид: (2.16) Нормальное распределение: ; (2.17) . Закон Пуассона позволяет определить вероятность того, что случайная величина, значениями которой могут быть только целые, неотрицательные числа, примет определенное значение: . (2.18) Математическое ожидание (среднее значение) случайной величины Х, принимающей дискретные значения x 1, x 2, x 3 ,…, xn, с вероятностями P 1, P 2, P 3 ,…, Pn определяется как: . (2.19) Для непрерывной случайной величины математическое ожидание определяется как: . (2.20) Так, имеем: § для экспоненциального распределения ; (2.21) § для нормального ; (2.22)
§ для закона Пуассона . (2.23)
Основные свойства математического ожидания: - математическое ожидание постоянной С равно этой же постоянной: M [ C ] = C; (2.24) - постоянный множитель выносится за знак математического ожидания: M [ CX ] = CM [ X ]; (2.25) - математическое ожидание суммы любых случайных величин (как угодно связанных) равно сумме их математических ожиданий: M [ X+Y ] = M [ X ] + M [ Y ]; (2.26) - математическое ожидание произведения независимых случайных величин равно произведению их математических ожиданий: M [ XY ] = M [ X ] × M [ Y ]. (2.27) Дисперсия определяется как математическое ожидание квадрата уклонения случайной величины от ее математического ожидания: ; (2.28) дисперсия экспоненциального распределения:
Dx =1/l2 ; (2.29) § дисперсия нормального распределения Dx =s2 ; (2.30) § дисперсия закона Пуассона Dx = a. (2.31)
Дата добавления: 2014-01-07; Просмотров: 272; Нарушение авторских прав?; Мы поможем в написании вашей работы! Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет |