مقاله آمار و احتمال

اختصاصی از اینو دیدی مقاله آمار و احتمال دانلود با لینک مستقیم و پر سرعت .

 لینک پرداخت و دانلود در "پایین مطلب"

 فرمت فایل: word (قابل ویرایش و آماده پرینت)

 تعداد صفحات:17

توزیع دو جمله ای :

اگر آزمایشی دارای ویژگی های زیر باشد ، آزمایش تصادفی دوجمله ای است .

1- آزمایش ها مستقل از یکدیگر تکرار شوند

2- آزمایش ها به تعداد دفعات معین مثلا n  بار تکرار شوند

3- آزمایش تصادفی به دو نتیجة ممکن موفقیت و شکست منجرگردد .

4- احتمال موفقیت ها در همة آزمایش ها ثابت و برابر p  باشد .

مثال 1 :  کدام یک از موارد زیر می تواند به عنوان آزمایش دوجمله ای تلقی شود ؟

الف- نمونه گیری تصادفی از 500 زندانی برای تعیین اینکه آیا آنها قبلا در زندان بوده اند یا خیر .

ب- نمونه گیری تصادفی از 500 زندانی برای تعیین طول مدت محکومیت آنها .

حل :

مورد « الف » شرایط لازم برای یک آزمایش دوجمله ای را دارد .

1- آزمایش ها مستقل از یکدیگرند

2- تعداد آزمایش ها ( 500 ) ثابت است

3- هرآزمایش دو نتیجه دارد : یا در زندان بوده یا نبوده

4- احتمال موفقیت ها ( مثلا زندانی نبودن ) در همة آزمایش ها  ثابت است .

مورد « ب » شرایط لازم برای یک آزمایش دوجمله ای را ندارد زیرا طول مدت محکومیت زندانیان متفاوت بوده و بنابراین هرآزمایش بیش از دو نتیجه دارد .

متغیر تصادفی و تابع توزیع احتمال

متغیر تصادفی دو جمله ای عبارت است از تعداد موفقیت ها دریک آزمایش تصادفی دو جمله ای تابع توزیع احتمال دو جمله ای که در آن p  احتمال موفقیت و x تعداد موفقیت ها در n آزمایش باشد به صورت زیر تعریف می شود :

نکتة 1 :  توزیع احتمال دوجمله ای دارای دو پارامتر p , n  می باشد .

مثال 2  : یک آزمون چندگزینه ای دارای 30 سئوال ، و هرسئوال دارای 5 جواب ممکن است که یکی از آنها درست می باشد اگر به تمام سئوالات پاسخ داده شود ، چقدر احتمال داردکه دقیقا 4 تای آنها پاسخ درست باشد ؟

حل :

امید ریاضی ، واریانس و تابع مولدگشتاور

1-                                              E ( X ) = np

2-               Var ( X ) = npq                      

3-                                          

مثال 3  : احتمال اینکه مشتری ای که وارد فروشگاهی می شود چیزی بخرد 6 /0 است . اگر 10 مشتری وارد فروشگاهی شده باشند امید ریاضی و واریانس تعداد مشتریان خریدکرده چقدر است ؟

حل :

این موقعیت شرایط لازم برای یک آزمایش دوجمله ای را داردکه درآن 6 /0 = p ، 4/0= q و 10 = n  ، پس :

24 /0 = 4 /0 * 6 /0 * 10 = npq = Var ( x)   ،    6 = 6 /0 * 10 = np = E ( X)

مثال 4  : تابع مولدگشتاورهابرای کمیت تصادفی X به صورت10 ( t e 8 /0 +2 /0 ) =M x ( t )

به دست آمده است ضریب تغییرات متغیرتصادفی X  را بیابید .

حل :

   10 = n   ،   8 /0 = p  ،  2 /0  = q  → 10 ( t e 8 /0 + 2 /0 ) = M X ( t ) 

27 /1=  → 6 /1 = 2 /0 * 8 /0 * 10 = npq = Var (x) ،

            8 = 8 /0 * 10 = n .p = μ = E ( X )  

توزیع پواسن :

اگر آزمایشی دارای ویژگی های زیرباشد ، آزمایش تصادفی پواسن است .

1- احتمال رخداد بیش ازیک حادثه دریک فاصله زمانی یا مکانی بسیارکوچک تقریبا صفر باشد .

2- احتمال رخداد یک حادثه درهرفاصله زمانی یامکانی متناسب با طول آن فاصله باشد.

3- احتمال رخدادها درفواصل زمانی یا مکانی مستقل ازهم باشد .

متغیر تصادفی و تابع توزیع احتمال :

متغیر تصادفی X که بیانگر رخدادهای تصادفی پواسن دریک فاصله زمانی یامکانی معین است را متغیر تصادفی پواسن گویند اگر متوسط تعداد موفقیت درهرفاصله زمانی یامکانی برابر λ باشد ، تابع احتمال پواسن به صورت زیرتعریف می شود :

               . . . و 2 و 1 و 0 = x         

تحقیق درباره آمار و احتمال

اختصاصی از اینو دیدی تحقیق درباره آمار و احتمال دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 19

تخمین پارامترهای احتمال:

با توجه به بحث انجام شده دردرس 3 ، پایه قانون PFS شامل تئوری فازی است که نتایج چندگانه ای دارد . هر نتیجه به یک پارامتراحتمال مربوط می شود . این درس به احتمال تخمین پارامترها درPFS مربوط می شود . در این درس فرض بر این است که هم مقدمه وهم نتیجه mfsبه یک اندازه تعیین کننده هستند واحتیاجی به بهینه سازی بیشتر نمی باشد . طبقه بندی مسئله ها وتخمین mfs دردرس 5 ملاحظه می شود. دردرس16و18و34 پارامترهای احتمال به وسیله تئوری فازی تخمین زده می شوندو برای تخمین احتمالات شرطی ازفرمولهای اماری استفاده می شود (همانطور که دردرس 35 می بینیم ) این روش برای تخمین پارامترهای تخمین است وهمچنین دریاداوری نظریه ها به روش احنمال شرطی اشاره می کند . دراین درس نشان خواهیم دادکه روش احتمال شرطی کلا نتیجه بهینه ودقت مورد تاییدی دردوره های PFS نمی دهد . متناوبا هدف این است که ازحداکثر احتمال درست نمایی معیار ML برای تخمین پارامترهای احتمالی PFS استفاده شود . درادامه این درس الگوهایی وجود دارد . درقسمت (1-4 ) روش احتمال شرطی برای تخمین پارامترهای احتمال در PFSمورد بحث قرار می گیرد. همچنین نشان خواهیم داد هم مسئله ها ی طبقه بندی وهم مسئله های برگشتی که به وسیله پارامترهای احتمال تخمین زده می شوند روش احتمال شرطی غیرواقعی ، غیرواقعی مجانبی ، و ناهماهنگ می باشند که معیارهای ML را پاسخگو نمی باشند . در قسمت (2-4) برای تخمین پارامترهای احتمال در PFS معرفی یک روش جدید هدف می باشد . این روش بر پایه معیار ML می باشد . همچنین در قسمت 2-4نمونه هایی ازبهینه سازی مسئله که نتیجه معیار MLمی باشد مورد بررسی قرار می گیرد . توجه کنید که درتوصیف ازمایشها دردرس5 روش احتمال شرطی وروش ML به صورت تجربی به وسیله ارتباط ان روشها با مسئله های عددی طبقه بندی شده با هم مقایسه می شوند.

1-4 : روش احتمال شرطی

اجازه دهید(X1,Y1) , ... Xn,Yn) ,) نشان دهنده نمونه های تصادفی از جامعه n باشند این نمونه ها برای تخمین Рr(C|A) استفاده می شوند . احتمال شرطی رخداد C به شرط رخدادA به وسیله فرمول اماری زیر محاسبه می شود :

4)

که وظایف مشخصه های XA ,Xc نشان داده می شوند به وسیله :

(2. 4)

(3. 4)

حالافرض کنید به جای پدیده های معمولی Aو C پدیده های فازی جایگزین شوند .

این به این معناست که به وسیله mfs پدیده های A,C به µA وμC تعریف شوندو

به جای XΑ،Xc در معادله 4.1 جایگزین شوند . در نتیجه خواهیم داشت :

(4.4)

این فرمول پایه تعریف احتمال رخداد در پدیده فازی می باشد ( درس 37 ) .

مشتق اول فرمول 4.4 درسهای 35و36 را پدید می آورد .

نتیجه فرمول 4.4 در تخمین پارامترهای شرطی درPFS استفاده می شود . این دیدگاه دردرسهای 16و18و34 دنبال می شود که به روشهای احتمال شرطی در این تز اشاره

می کند .

فرض کنید مجموعه اطلاعاتی شاملn نمونه به صورت ( (i=1,2, ...,n) ( Xi,Yi

برای تخمین پارامترهای احتمال در دسترس باشد همچنین فرض کنید که هم مقدمه وهم نتیجه mfs درسیستم تعیین شده است ونیاز به بهینه سازی بیشتر نمی باشد یعنی فقط پارامترهای احتمال درتخمین باقی بمانند . به نظر منطقی می آید که پارامترهای Pj,k واقعی رابرای تخمین احتمال شرطی پدیده فازی Ck به شرط رخداد پدیده فازی Aj قرار دهیم . اگرچه ورودی X به تعریف بیشتر احتیاج ندارد اما برای نشان دادن غیر عادی بودن محاسبات mfµAj وmfµ¯Aj باید ازفرمول زیراستفاده شود :

(4.5)

بنابراین Pj,k واقعی است و برای تخمین احتمال شرطی پدیده فازی Ck ونشان دادن غیر عادی بودن پدیده فازی Aj باید ازآن استفاده شود .

توجه داشته باشید که PFSs برای نمونه های برگشتی یک قانون پایه دارد که فقط با همان قانون که در پارامترهای شرطی Pj,k استفاده می شود ودرفرمول 4.5 نشان داده شده هیستوگرامهای فازی مورد بحث دردرس 2 را معادل سازی می کند .

درPFS برای نمونه های طبقه بندی درهرطبقه Ck به صورت یک خروجی جدید نشان داده می شود پس فرمول 4.5 به صورت زیر هم نوشته می شود :

(4.6)

عملکرد مشخصه XCk بوسیله فرمول زیر نشان داده می شود :

(4.7)

درتعریف این قسمت ،احتمالات آماری پارامترها تخمین زده می شوند . به PFSs درنمونه های طبقه بندی در تجزیه وتحلیل فرمولهای (4.5) و(4.6) در قسمت (4.1.1) توجه می شود . همچنین در قسمت (4.1.2) درنمونه های برگشتی PFSs بررسی می شود .