- •1.Событием называется любой факт, который в результате опыта может произойти или не произойти.
- •2. С событиями связываются некоторые числа, характеризующие степень объективной возможности появления этих событий, называемые вероятностями событий.
- •Гипергеометрическое распределение
- •Показательное (экспоненциальное распределение)
- •Условные законы распределения составляющих дискретной двумерной случайной величины.
- •Неравенство Чебышева
- •Теорема Чебышева(основное утверждение збч)
- •Теорема Бернулли
- •Доверительный интервал для мат. Ожидания при известной дисперсии.
- •32.Критерий Стьюдента (t-критерий)
- •А) случай независимых выборок
- •Б) случай связанных (парных) выборок
- •33. Дисперсионный анализ.
- •34. Дисперсионный анализ.
- •37.Пусть св z зависит от нескольких параметров . Предположим, что зависимость линейная , т.Е. Структура аппроксимирующей функции
- •40.Рассмотрим некоторую систему s, которая проходит случайный процесс , т.Е. С течением времени система переходит из одного состояния в др. → →…..
40.Рассмотрим некоторую систему s, которая проходит случайный процесс , т.Е. С течением времени система переходит из одного состояния в др. → →…..
Если число состояний конечно, то процесс называют случайным с дискретными состояниями. Если переходы возможны в любой момент времени, то процесс относится к непрерывным. Случайный процесс с дискретными состояниями называют Марковским, если для любого момента времени вероятность перехода из одного состояния в другое зависит только от предыдущего состояния и не зависит от того, каким образом система попала в предыдущее состояние. Такие процессы называются процессы беспоследействия. Будущее здесь зависит только от настоящего , но не от прошлого.
С помощью Марковских процессов моделируют рост популяций, организация и обслуживание очередей в теории массового обслуживания.
Случайные процессы дискретными состояниями удобно отображать с помощью графических состояний. В нем возможные состояния обозначаются S возможные переходы стрелками, т.е.
Для
описания марковского процесса используют
вероятности состояния.
(t),
(t),
….. – вероятность того, что в момент
времени t
система находится в соответствующем
состоянии .
,
…..
Очевидно,
что для любых вероятностей t
сумма состояний должна быть равно
единице, т.е.
= 1
Предположим,
что время t
меняется дискретно, т.е. переход S
из одного состояния в другое проходит
только в моменты времени
……..,
где
- начало процесса,
-
=
–
- шаг процесса.
Тогда процесс можно рассматривать как последовательность или цепь событий S(0) ; S(1), где S(0) – шаг состояния системы. S(1) – состояние после 1- го шага и т.д.
Такой процесс с дискретным временем и дискретным состоянием называют марковским процессом.
Вероятность
состояния этого процесса рассматривается
как вероятность того, что на каждом шаге
система находится на
(k)
= P{S(k)
=
},
т.е. для нахождения вероятностей P(
)
надо знать первоначальное распределение
вероятностей
(0),
(0), ….,
(0), т.е. вероятности состояния в начальный
момент времени и вероятности переходов
(k)
Вероятностью
переходов
(k)
называют вероятность перехода системы
S
на к-ом шаге и состояние
от
.
Цепи маркова называются однородной , если вероятности переходов не зависит от шага к. Такая цепь маркова задается с помощью векторов состояния системы ( (0), (0), …., (0)) и матрицы переходов.
Р
=
Элементы матрицы обладают свойствами:
0
= 1
Для
однородной цепи справедлива формула :
Р(n)
=
