Точность результатов имитационной модели. Распределение Бернулли Дисперсия: Математическое ожидание: Плотность вероятности случайной величины, принимающей.

Презентация:



Advertisements
Похожие презентации
Точность результатов имитационной модели Распространенные законы распределения дискретных случайных величин Точность оценки вероятности Точность оценки.
Advertisements

Точность оценок случайных величин. Определение термина Случайная величина: в теории вероятностей, величина, принимающая в зависимости от случая те или.
Простейшие вероятностные модели Случайные величины Свойства и характеристики случайных величин Генерация псевдослучайных величин Примеры моделей.
Примеры моделей Защита компьютерной системы от опасного проникновения.
Оценка случайных погрешностей прямых многократных измерений. (Математическая часть).
Величина называется случайной, если она принимает различные результаты при проведении опыта, причем вероятность каждого исхода различна. Случайная величина.
1 Оглавление Способы задания случайных величин Числовые характеристики Основные дискретные распределения Основные непрерывные распределения Предельные.
Ташкентский автомобильно-дорожный институт Кафедра «Высшая математика» Ст.преп. Н.Рузматова.
Кафедра математики и моделирования Старший преподаватель Е.Г. Гусев Курс «Высшая математика» Лекция 15. Тема: Случайные величины и их числовые характеристики.
Анализ случайных величин. Опр. Случайной называется величина, которая в результате опыта может принять то или иное возможное значение, неизвестное заранее,
Список литературы 1. Гнеденко б.В. Курс теории вероятностей. – М.: Физматгиз, Ивченко Г.И., Медведев Ю.И. Математическая статистика. 2-е изд.
Случайные величины: законы распределения. Что было: понятие о случайной величине СЛУЧАЙНОЙ ВЕЛИЧИНОЙ называется величина, которая в результате испытания.
Числовые характеристики (параметры) распределений случайных величин.
Где q=1-p. Случайная величина Х называется распределенной по биномиальному закону с параметрами n,p >0, если Х принимает значения: 0,1,2,…n и вероятность.
Занятие 2. Распределения и доверительные интервалы Теоретическая часть 1. Распределение случайной величины и функция плотности распределения 2. Нормальное.
Биномиальное распределение Обозначение : Область значений :, где m – целое Параметры : n – целое положительное число ( испытаний ), – параметр схемы Бернулли.
Законы распределения случайных величин. Опр. Законом распределения дискретной случайной величины называется всякое соотношение, устанавливающее связь.
Тема 3. Законы распределения случайных величин. 1. Повторение опытов n независимых испытаний n независимых испытаний P(A)=p P( )=1-p=q P(A)=p P( )=1-p=q.
1 Вероятность и энтропия (часть 1) Отвечаем на вопросы о: - связи вероятности состояния и энтропии - распределениях молекул и характеристиках этих распределений.
1 Тема 6. Числовые характеристики СВ Математическое ожидание Математическим ожиданием дискретной случайной величины называют сумму произведений.
Транксрипт:

Точность результатов имитационной модели

Распределение Бернулли Дисперсия: Математическое ожидание: Плотность вероятности случайной величины, принимающей два значения

Биномиальное распределение Дисперсия: Математическое ожидание: Плотность вероятности Пусть - конечная последовательность независимых случайных величин с распределением Бернулли Случайная величинаимеет биномиальное распределение Если n большое, то в силу центральной предельной теоремы Если n большое, а

Биномиальное распределение Дисперсия: Мат. ожидание: Плотность вероятности Пусть - конечная последовательность независимых случайных величин с распределением Бернулли Случайная величина тоже подчиняется биномиальному распределению Если n большое, то в силу центральной предельной теоремы

От чего зависит точность результатов модели Процентили стандартного нормального распределения 0,50,550,60,650,70,750,80,850,90,95 z 0.000,12570,25330,38530,52440,67450,84161,03641,28161, % всех испытаний p 0 ± 1,65 70% всех испытаний p 0 ± 50% всех испытаний p 0 ± 0,67

Примеры простейших моделей Необходимо оценить защищенность объекта от воздействия угроз Модель защиты объекта Формальная постановка Определить вероятность того, что объект останется непораженным Исходные условия и основные моделируемые факторы Угрозы поступают на объект непрерывно с заданной интенсивностью Поток угроз простейший Меры защиты обеспечивают защиту от угроз с вероятностью p Вопрос. Какова вероятность, что за время T объект останется в сохранности ?

Примеры простейших моделей Модель защиты объекта Плотность вероятности для времени появления угрозы Плотность вероятности для времени прохождения угрозы через систему защиты - вероятность противодействия угрозе