Разделы презентаций


лекция № 2 для студентов 1 курса, обучающихся по специальности 060101 –

Содержание

План лекции Случайное событие. Вероятность события. Теоремы сложения и умножения вероятностей. Формула полной вероятности. Формула Байеса. Законы распределения случайных величин Основные характеристики дискретных и непрерывных случайных величин Правила группировки данных

Слайды и текст этой презентации

Слайд 1 лекция № 2 для студентов 1 курса, обучающихся по специальности

060101 – Лечебное дело К.п.н., доцент Шилина Н.Г. Красноярск, 2013
Тема: Элементы теории

вероятностей. Законы распределения случайных величин.

Кафедра медицинской и биологической физики

лекция № 2 для студентов 1 курса, обучающихся по специальности  060101 – Лечебное дело

Слайд 2План лекции
Случайное событие. Вероятность события.
Теоремы сложения и умножения

вероятностей. Формула полной вероятности. Формула Байеса.
Законы распределения случайных величин


Основные характеристики дискретных и непрерывных случайных величин
Правила группировки данных
План лекции Случайное событие. Вероятность события. Теоремы сложения и умножения вероятностей. Формула полной вероятности. Формула Байеса. Законы

Слайд 3 Понятие случайного события
События (явления) подразделяют на три вида:
достоверные,
невозможные,
случайные.

Понятие случайного события События (явления) подразделяют на три вида:достоверные,невозможные,случайные.

Слайд 4Достоверное событие
событие, которое обязательно произойдет, если будет осуществлена определенная совокупность

условий.
Примером достоверных событий может быть и наступление времени 15.00 после

14.59, и образование кристаллов солей после испарения соленой воды и др.
Достоверное событиесобытие, которое обязательно произойдет, если будет осуществлена определенная совокупность условий.Примером достоверных событий может быть и наступление

Слайд 5Невозможное событие
событие, которое заведомо не произойдет, если будет осуществлена определенная

совокупность условий.
В качестве невозможных событий можно назвать и образование устойчивого

следа в воздухе после полета птицы, и самопроизвольное преобразование гранита в воду, и притяжение магнитом полиэтилена и др.
Невозможное событиесобытие, которое заведомо не произойдет, если будет осуществлена определенная совокупность условий.В качестве невозможных событий можно назвать

Слайд 6Случайное событие
событие, которое при осуществлении совокупности условий может либо произойти,

либо не произойти.
Примерами случайных событий являются выбор конкретной конфеты из

коробки, содержащей одинаковые конфеты, перемещение броуновской частицы, бросание монетки с целью получить на верхней стороне “орел” или “решка” и т.д.
Случайное событиесобытие, которое при осуществлении совокупности условий может либо произойти, либо не произойти.Примерами случайных событий являются выбор

Слайд 7Несовместные события
если появление одного из них исключает появление других событий

в одном и том же испытании.
В качестве примера несовместных событий

укажем розыгрыш в лотерею, где событие выигрыша всегда несовместно с проигрышем.
Несовместные событияесли появление одного из них исключает появление других событий в одном и том же испытании.В качестве

Слайд 8Независимые события
если появление одного события не изменяет вероятности другого события.
В

качестве примера независимых событий укажем бросание подряд 2 монеток с

целью получить на верхней стороне “орел” или “решка”.
Независимые событияесли появление одного события не изменяет вероятности другого события.В качестве примера независимых событий укажем бросание подряд

Слайд 9Полная группа событий
Несколько случайных несовместных событий образуют полную группу, если

в результате испытания появится только одно из них.
Примером полной группы

- выбор случайной цифры в забытом телефонном номере, который состоит из 10 несовместных событий - десятичных цифр 0, 1, 2, 3 … 9.
Полная группа событийНесколько случайных несовместных событий образуют полную группу, если в результате испытания появится только одно из

Слайд 10Противоположные события
Если полная группа состоит только из двух событий, то

такие события обычно называют противоположными и обозначают A - исходное

событие, А - противоположное.

Например, стрелок выстрелил по мишени. Обязательно произойдет одно из двух событий: попадание, промах.

Противоположные событияЕсли полная группа состоит только из двух событий, то такие события обычно называют противоположными и обозначают

Слайд 11Классическое определение вероятности события
Вероятностью события A называют отношение числа благоприятствующих

этому событию элементарных событий к общему числу всех равновозможных несовместных

элементарных событий, образующих полную группу.

где m- число элементарных событий, благоприятствующих событию A,
n- число всех возможных элементарных событий.

Классическое определение вероятности событияВероятностью события A называют отношение числа благоприятствующих этому событию элементарных событий к общему числу

Слайд 12Числовые значения вероятностей
вероятность достоверного события равна P(A)=n/n=1.
вероятность невозможного события равна

P(A)=0/n=0.
вероятность случайного события заключена в пределах 0

Числовые значения вероятностейвероятность достоверного события равна P(A)=n/n=1.вероятность невозможного события равна P(A)=0/n=0.вероятность случайного события заключена в пределах 0

Слайд 13Относительная частота события A
отношение числа испытаний, в которых событие появилось,

к общему числу фактически произведенных испытаний.
m - число испытаний, где

проявилось событие A,
n - число всех испытаний.
Относительная частота события Aотношение числа испытаний, в которых событие появилось, к общему числу фактически произведенных испытаний.m -

Слайд 14Статистическое определение вероятности события
Вероятностью события A называют число, к которому

стремиться относительная частота события A при увеличении количества испытаний.

Статистическое определение вероятности событияВероятностью события A называют число, к которому стремиться относительная частота события A при увеличении

Слайд 15Результаты испытаний

Результаты испытаний

Слайд 16Теоремы сложения и умножения событий
P(A+B)=
P(AB)=
P(A)+P(B)
P(A)+P(B)-P(AB)
P(A)P(B)
P(A)PA(B)
несовместные
совместные
независимые
зависимые

Теоремы сложения и умножения событийP(A+B)=P(AB)=P(A)+P(B)P(A)+P(B)-P(AB)P(A)P(B)P(A)PA(B)несовместныесовместныенезависимыезависимые

Слайд 17Теорема сложения несовместных событий
Вероятность появления одного из двух несовместных событий,

безразлично какого, равна сумме вероятностей этих событий:
P(A+B)=P(A)+P(B)

Теорема сложения несовместных событийВероятность появления одного из двух несовместных событий, безразлично какого, равна сумме вероятностей этих событий:P(A+B)=P(A)+P(B)

Слайд 18Теорема сложения совместных событий
Вероятность появления одного из двух совместных событий,

безразлично какого, равна сумме вероятностей этих событий минус вероятность их

совместного появления:

P(A+B)=P(A)+P(B)-P(AB)

Теорема сложения совместных событийВероятность появления одного из двух совместных событий, безразлично какого, равна сумме вероятностей этих событий

Слайд 19Теорема умножения независимых событий
Вероятность совместного появления двух независимых событий равна

произведению вероятностей этих событий:
P(AB)=P(A)  P(B)

Теорема умножения независимых событийВероятность совместного появления двух независимых событий равна произведению вероятностей этих событий:P(AB)=P(A)  P(B)

Слайд 20Теорема умножения независимых событий (пример)
Найти вероятность совместного появления “орла” при

одном бросании двух монет.
Решение. Вероятность появления “орла” для первой монеты

P(A)=0,5.
Вероятность появления “орла” для второй монеты P(B)=0,5. Так как события A и B независимые, то:
P(A·B)=P(A) · P(B)=0,5 · 0,5=0,25.
Теорема умножения независимых событий (пример)Найти вероятность совместного появления “орла” при одном бросании двух монет.Решение. Вероятность появления “орла”

Слайд 21Теорема умножения зависимых событий
Вероятность совместного появления двух зависимых событий равна

произведению вероятности одно из них на условную вероятность другого события,

вычисленную в предположении, что первое событие уже произошло:

P(AB)=P(A)  PA(B)

Теорема умножения зависимых событийВероятность совместного появления двух зависимых событий равна произведению вероятности одно из них на условную

Слайд 22Условная вероятность PA(B)
вероятность события B, вычисленную в предположении, что

событие A уже наступило.

Условная вероятность PA(B) вероятность события B, вычисленную в предположении, что событие A уже наступило.

Слайд 23Теорема умножения зависимых событий (пример)
В коробке имеется две израсходованные

и восемь новых ампул. Найдите вероятность того, что подряд будут

взяты одна новая и одна израсходованная ампула.
Решение. Вероятность события A (извлечь новую ампулу) равна P(A)=8/10=0,8.
Вероятность события B (извлечь пустую ампулу после извлечения новой) равна PA(B)=2/90,222.
Искомая вероятность
P(A · B)=P(A) · PA(B) = 0,8·0,222  0,178.
Теорема умножения зависимых событий (пример) В коробке имеется две израсходованные и восемь новых ампул. Найдите вероятность того,

Слайд 24Формула полной вероятности
Вероятность события A, которое может наступить лишь при

условии появления одного из несовместных событий B1, B2 , B3,

… , Bn, образующих полную группу, равна сумме произведений вероятностей каждого из этих событий на соответствующую условную вероятность события A:

P(A)=P(B1)PB1(A)+
P(B2)PB2(A)+… +P(Bn)PBn(A)

Формула полной вероятностиВероятность события A, которое может наступить лишь при условии появления одного из несовместных событий B1,

Слайд 25Формула полной вероятности
P(A)=P(B1)PB1(A)+
P(B2)PB2(A)+… +P(Bn)PBn(A)
краткая запись

Формула полной вероятностиP(A)=P(B1)PB1(A)+    P(B2)PB2(A)+… +P(Bn)PBn(A)краткая запись

Слайд 26Формула Байеса (переоценки вероятности)
Пусть событие A может наступить лишь при

условии появления одного из несовместных событий B1, B2 , B3,

… , Bn ,образующих полную группу. Поскольку заранее неизвестно, какое из этих событий наступит, их называют гипотезами. Произведено испытание, в результате которого появилось событие A. Как же изменились вероятности гипотез (в связи с тем, что событие A уже наступило)?
Формула Байеса  (переоценки вероятности)Пусть событие A может наступить лишь при условии появления одного из несовместных событий

Слайд 27Формула Байеса

Формула Байеса

Слайд 28Формула Бернулли
Вероятность одного события B, состоящего в том, что в

n независимых испытаниях событие A наступит k раз и не

наступит n-k раз, по теореме умножения вероятностей независимых событий равна pk(1-p)n-k.
Но таких событий B может быть столько, сколько существует вариантов выбора k элементов из n ( или число сочетаний)

q=1-p

Формула БернуллиВероятность одного события B, состоящего в том, что в n независимых испытаниях событие A наступит k

Слайд 29Формула Бернулли (пример)
Требуется узнать какова вероятность выпадения “орла” ровно 4

раза при подбрасывании монеты 6 раз?
Решение.
Считаем каждое подбрасывание монеты независимым.

Очевидно, что p=0,5, а q=0,5:
Формула Бернулли (пример)Требуется узнать какова вероятность выпадения “орла” ровно 4 раза при подбрасывании монеты 6 раз?Решение.Считаем каждое

Слайд 30Виды случайных величин
Случайная величина – это такая величина, которая в

результате опыта может принять то или иное значение, причем неизвестно

заранее какое именно.
Виды случайных величинСлучайная величина – это такая величина, которая в результате опыта может принять то или иное

Слайд 31Дискретная и непрерывная случайные величины (понятие)
Дискретная случайная величина – это

такая величина, которая может принимать только конечное или счетное множество

значений.

Непрерывная случайная величина – это такая величина, которая может принимать все значения из некоторого конечного или бесконечного промежутка.

Дискретная и непрерывная случайные величины (понятие)Дискретная случайная величина – это такая величина, которая может принимать только конечное

Слайд 32 Закон распределения случайной величины
всякое соотношение, устанавливающее связь между

возможными значениями случайной величины и соответствующими им вероятностями.
Может задаваться в

виде:
таблицы
графика
формулы (аналитически).
Закон распределения случайной величины всякое соотношение, устанавливающее связь между возможными значениями случайной величины и соответствующими им

Слайд 33Вид закона распределения (таблица)

Вид закона распределения (таблица)

Слайд 34Вид закона распределения (график)
Дискретное распределение
Непрерывное
распределение

Вид закона распределения (график)Дискретное распределениеНепрерывное распределение

Слайд 35Вид закона распределения (формула)
Функция плотности вероятностей распределения частоты пульса
у

студентов 1 курса КрасГМА

Вид закона распределения (формула)Функция плотности вероятностей распределения частоты пульса у студентов 1 курса КрасГМА

Слайд 36Основные характеристики дискретных случайных величин
Математическое ожидание
Дисперсия
Среднее квадратическое отклонение

Основные характеристики дискретных случайных величинМатематическое ожидание ДисперсияСреднее квадратическое отклонение

Слайд 37Математическое ожидание дискретной случайной величины
(среднее значение) равно сумме произведений

значений, принимаемых этой величиной, на соответствующие им вероятности:

Математическое ожидание   дискретной случайной величины(среднее значение) равно сумме произведений значений, принимаемых этой величиной, на соответствующие

Слайд 38Дисперсия дискретной случайной величины
это математическое ожидание квадрата соответствующего отклонения случайной

величины x от ее математического ожидания:

Дисперсия дискретной случайной величиныэто математическое ожидание квадрата соответствующего отклонения случайной величины x от ее математического ожидания:

Слайд 39Среднее квадратическое отклонение

Среднее квадратическое отклонение

Слайд 40Дисперсия

Дисперсия

Слайд 41Пример
Рассчитать основные числовые характеристики для осадков в виде дождя.
M(x)=
D(x)=

ПримерРассчитать основные числовые характеристики для осадков в виде дождя.M(x)=D(x)=

Слайд 42Расчет примера
М(x)=10,3+20,19+30,5+40,01=2,22
D(x)=(1-2,22)2∙0,3+(2-2,22)2∙0,19+
(3-2,22)2∙0,5+(4-2,22)2∙0,01= 0,792
(x)= =0,890

Расчет примераМ(x)=10,3+20,19+30,5+40,01=2,22D(x)=(1-2,22)2∙0,3+(2-2,22)2∙0,19+  (3-2,22)2∙0,5+(4-2,22)2∙0,01= 0,792(x)=     =0,890

Слайд 43Биномиальный закон распределения
Формула Бернулли описывает вероятность появления Рn(k) события А

в n независимых испытаниях k раз.

Биномиальный закон распределенияФормула Бернулли описывает вероятность появления Рn(k) события А в n независимых испытаниях k раз.

Слайд 44Распределение Пуассона
характеризуется средней арифметической =np и дисперсией σ2 = D

причем Dnp

Распределение Пуассонахарактеризуется средней арифметической =np и дисперсией σ2 = D причем Dnp

Слайд 45Основные характеристики непрерывных случайных величин
Функция F(х) распределения вероятностей
Функция

f(x) плотности распределения вероятностей
f(x)=F(x)

Основные характеристики непрерывных случайных величин Функция F(х) распределения вероятностей Функция f(x) плотности распределения вероятностей f(x)=F(x)

Слайд 46Функция F(х) распределения вероятностей
(или накопленной вероятности).
равна вероятности того,

что случайная величина Х примет значение меньше наперед заданного числа

x.

F(x) = P(Х

Свойства:
F(x)-неубывающая
0  F(x)  1
P(a

Функция F(х) распределения вероятностей (или накопленной вероятности). равна вероятности того, что случайная величина Х примет значение меньше

Слайд 47Плотность распределения вероятностей
отношение вероятности Р(a

тот или иной интервал x ее значений к величине этого

интервала:
Плотность распределения вероятностейотношение вероятности Р(a

Слайд 48Функция f(х) плотности распределения вероятностей
зависимость плотности распределения от значений

случайной величины x.

Функция f(х) плотности распределения вероятностей зависимость плотности распределения от значений случайной величины x.

Слайд 49Основные числовые характеристики непрерывных случайных величин
Математическое
ожидание
Дисперсия
Среднее квадратическое
отклонение

Основные числовые характеристики непрерывных случайных величинМатематическое ожиданиеДисперсияСреднее квадратическое отклонение

Слайд 50Распределение Максвелла
распределение газовых молекул по скоростям. В равновесном состоянии

макроскопические параметры газа (Р, V, Т) остаются постоянными, а микросостояния

меняются.

функция плотности
распределения
вероятности

наиболее вероятная скорость молекул

средняя скорость молекул

Распределение Максвелла распределение газовых молекул по скоростям. В равновесном состоянии макроскопические параметры газа (Р, V, Т) остаются

Слайд 51Распределение Максвелла

Распределение Максвелла

Слайд 52Распределение Больцмана
распределение Больцмана – это распределение частиц в силовых полях

(гравитационном, электромагнитном и т.п.)
При сравнении распределений Больцмана и


Максвелла видно, что это распределения частиц
по энергиям (потенциальной и кинетической)
Распределение Больцманараспределение Больцмана – это распределение частиц в силовых полях (гравитационном, электромагнитном и т.п.)При сравнении  распределений

Слайд 53Распределение Больцмана

Распределение Больцмана

Слайд 54Гистограмма распределения студентов по возрасту

Гистограмма распределения студентов по возрасту

Слайд 55Правила группировки данных
Из имеющихся значений признака x выбрать наименьшее (xmin),

наибольшее (xmax), т.о. определяют размах распределения (xmax – xmin).
Определить число

классов группировки: k=1+3,32·lgn, где n – число измерений. Величину k округляют до целых чисел.
Правила группировки данныхИз имеющихся значений признака x выбрать наименьшее (xmin), наибольшее (xmax), т.о. определяют размах распределения (xmax

Слайд 56Правила группировки данных
Определить оптимальную величину класса (интервала группировки)


Выбрать границы классов.

Границы первого класса следует выбрать так, чтобы он содержал наименьшее

значение, но не начинался с него. Последующие классы образуются добавлением величины интервала xi.
Определить середину интервала .
Правила группировки данныхОпределить оптимальную величину класса (интервала группировки)Выбрать границы классов. Границы первого класса следует выбрать так, чтобы

Слайд 57Заключение
Нами определены:
основные характеристики случайных величин (дискретных и

непрерывных) и рассмотрены теоремы теории вероятностей;
Законы распределения и правила группировки

данных
Заключение  Нами определены: основные характеристики случайных величин (дискретных и непрерывных) и рассмотрены теоремы теории вероятностей;Законы распределения

Слайд 58Тест-контроль
На столе находятся 15 ампул с новокаином, 25

– с пенициллином и 10 – с лидокаином. Вероятность того,

что наугад выбранная ампула окажется ампулой с пенициллином, равна:
0,1
0,15
0,25
0,5


Тест-контроль  На столе находятся 15 ампул с новокаином, 25 – с пенициллином и 10 – с

Слайд 59РЕКОМЕНДУЕМАЯ ЛИТЕРАТУРА
Обязательная:
Павлушков И.В. Основы высшей математики и математической статистики: учебник

для мед.вузов.- М.: ГЭОТАР-Медиа, 2007.-
Дополнительная:
Математика в примерах и задачах: учебное

пособие /Л.Н.Журбенко, Г.А. Никонова, Н.В.Никонова и др.- М.: ИНФРА-М, 2010.-
Шаповалов К.А. Основы высшей математики: учебное пособие. -Красноярск: Печатные технологии, 2004
Математика: метод. указания к внеаудит. работе для студ. по спец. – педиатрия /сост. Л.А.Шапиро и др.- Красноярск: тип.КрасГМУ, 2009.-
Электронные ресурсы:
ЭБС КрасГМУ
Ресурсы интернет

РЕКОМЕНДУЕМАЯ ЛИТЕРАТУРАОбязательная:	Павлушков И.В. Основы высшей математики и математической статистики: учебник для мед.вузов.- М.: ГЭОТАР-Медиа, 2007.-Дополнительная:Математика в примерах

Слайд 60Благодарю за внимание!

Благодарю за внимание!

Обратная связь

Если не удалось найти и скачать доклад-презентацию, Вы можете заказать его на нашем сайте. Мы постараемся найти нужный Вам материал и отправим по электронной почте. Не стесняйтесь обращаться к нам, если у вас возникли вопросы или пожелания:

Email: Нажмите что бы посмотреть 

Что такое TheSlide.ru?

Это сайт презентации, докладов, проектов в PowerPoint. Здесь удобно  хранить и делиться своими презентациями с другими пользователями.


Для правообладателей

Яндекс.Метрика