پاورپوینت توزيع يكنواخت گسسته

پاورپوینت توزيع يكنواخت گسسته (pptx) 26 اسلاید

دسته بندی : پاورپوینت

نوع فایل : PowerPoint (.pptx) ( قابل ویرایش و آماده پرینت )

تعداد اسلاید: 26 اسلاید

قسمتی از متن PowerPoint (.pptx) :

تئوري احتمال و كاربردآن جلسه هفتم مقدمه توزيع يكنواخت گسسته خواص توزيع يكنواخت گسسته توزيع برنولي خواص توزيع برنولي توزيع دوجمله اي خواص توزيع دوجمله اي توزيع چند جمله اي خواص توزيع چند جمله اي جلسه هفتم مقدمه رفتار يك متغير تصادفي با تابع توزيع احتمال آن توضيح داده مي شود. تابع توزيع احتمال را مي توان در قالب شكل، هيسنوگرام، جدول يا يك فرمول رياضي بيان نمود. گاهي نتايج حاصل از آزمايشهاي آماري كه داراي فضاي نمونه گسسته هستند داراي رفتار عمومي از نوع خاصي هستند. مثل: رفتار عمومي تمامي ازمايشهايي كه تنها يك نتيجه موفقيت يا شكست دارند. در نتيجه اين متغيرها داراي توزيع جرمي احتمال يكساني هستند كه با آن مي توان رفتار متغير تصادفي را توضيح داد. با در دست داشتن توزيع هاي جرمي احتمال مهم كه مدلهاي احتمال گسسته ناميده مي شوند مي توان رفتار بسياري از متغيرهاي تصادفي گسسته را توضيح داد. در اين فصل در مورد مدلهاي احتمالي كه بيشترين كاربرد را در علوم مهندسي، مديريت و تحقيق در عمليات دارند بحث مي گردد. جلسه هفتم توزيع يكنواخت گسسته تعريف: اگر متغير تصادفي X مقادير x1، x2، ... و xn را با احتمال يكسان اختيار كند، آنگاه توزيع يكنواخت گسسته به صورت زير خواهد بود. به n پارامتر توزيع گويند. مثال 1: اگر تاس سالمي يكبار پرتاب شود هر يك از عناصر فضاي نمونه s={1,2,3,4,5,6} با احتمال يكسان 6/1 مي تواند نتيجه شود.در اين صورت اگر متغير تصادفي گسسته X را به عنوان نتيجه حاصل از پرتاب تاس تعريف كنيم آنگاه X از توزيع يكنواخت گسسته به صورت زير برخوردار است جلسه هفتم توزيع يكنواخت گسسته خواص توزيع يكنواخت گسسته قضيه: ميانگين و واريانس توزيع يكنواخت گسسته با پارامتر n عبارت است از اثبات: جلسه هفتم توزيع يكنواخت گسسته خواص توزيع يكنواخت گسسته اگر برد مقادير متغير تصادفي X كه داراي توزيع يكنواخت گسسته است شامل مقادير صحيح a,a+1,…,b باشد آنگاه داريم اثبات: قضيه: تابع مولد گشتاور توزيع يكنواخت گسسته به صورت زير است: جلسه هفتم توزيع برنولي گاهي يك آزمايش آماري از دنباله اي از آزمايشهاي كوچكتر تشكيل مي شود كه هر يك مي تواند فقط دو نتيجه به دو صورت موفقيت(S) و شكست(F) تلقي شود. مثلا در يك نمونه 10 تايي از قطعات هر يك از آنها يا سالم است يا خراب اگر سالم بودن را موفقيت و خراب بودن را شكست تلقي كنيم آنگاه آزمايش ما به 10آزمايش كوچكتر تقسيم مي شود كه فقط مي تواند دو نتيجه داشته باشد. اگر متغير تصادفي X را براي يك آزمايش برنولي طوري تعريف كنيم كه به ازاي نتيجه موفقيت مقدار يك و به ازاي نتيجه شكست مقدار صفر بگيرد توزيع احتمال جرمي X عبارت است از f(0)=P(X=0)=P(F)=1-p f(1)=P(X=1)=P(S)=p جلسه هفتم توزيع برنولي خواص توزيع برنولي قضيه 1: ميانگين و واريانس توزيع برنولي با پارامتر p به ترتيب p و p(1-p) است. اثبات: قضيه 2: تابع مولد گشتاور يك توزيع برنولي با پارامتر p عبارت است از M(t)=pet+(1-p) اثبات: جلسه هفتم توزيع برنولي خواص توزيع برنولي توزيع برنولي در حيطه وسيعي مانند كنترل كيفيت، پزشكي، پايايي قطعات و سيستمها و ... به كار مي رود. مثلا يك تلكوپ فضايي يا يك نيروگاه اتمي را در نظر بگيريد كه از n قطعه تشكيل شده است كه مي تواند سالم يا خراب باشد. حالت قطعه iام مي تواند به وسيله يك متغير تصادفي برنولي Xi نمايش داده شود كه Xi=1 نشاندهنده سالم بودن قطعه iام و Xi=0 مبين خراب بودن آن است در اين صورت پايايي قطعه iام ((Pi به صورت Pi =P(Xi=1)=E(Xi) تعريف مي شود. حالت كل سيستم نيز مي تواند به وسيله متغير تصادفي برنولي X كه X=1 در حال كار بودن سيستم و X=0 كار نكردن سيستم را نشان مي دهد نمايش داده شود. در اين حالت پايايي سيستم به صورت R=P(X=1)=E(X) تعريف مي گردد. حالت كل سيستم (X) تابع سيستم نام دارد و خود تابعي از حالتهاي قطعات سيستم است. سيستم هاي متشكل از n قطعه سه نوعند: سيستمهاي سري: موقعي كار مي كنند كه تمام قطعات آن كار كند. سيستمهاي موازي: موقعي كار مي كنند كه حداقل يكي از قطعات آن كار كند. سيستمهاي –k از n-: موقعي كار مي كند كه حداقل k قطعه از n قطعه كار كند.