تحقیق درمورد انتگرال تصادفی

اختصاصی از هایدی تحقیق درمورد انتگرال تصادفی دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 66

انتگرال تصادفی: (18)

فرآیند x(t)، انتگرال پذیر MS است اگر

(5-39)

قضیه: فرآیند x(t) انتگرال پذیر MS است اگر (5-40)

نتیجه: (5-41)

فصل ششم: زنجیرهای مارکف:

فرآیندهای مارکف یک تعمیم ساده برای فرآیندهای مستقل است برای مجاز کردن وابستگی برآمد فاصله به یکی از برآمدهای قبلی که به برآمدهای قبل از آن وابسته نباشد. بنابراین در فرآیند مارکف x(t) گذشته روی آینده بی تاثیر است اگر وضعیت فعلی فرآیند مشخص باشد. یعنی اگر آنگاه: (6-1)

و اگر آنگاه:

حالت خاصی از فرآیندهای مارکف، زنجیر مارکف است. هر دو فرآیند و زنجیر مارکف تبه به اینکه فضای حالتشان گفته یا پیوسته است، می توانند گسسته یا پیوسته باشند.

تعریف: زنجیر مارکف با زمان گسسته یک فرآیند تصادفی مارکف است که فضای حالت آن مجموعه ای شمارا یا شما را نامتناهی بوده و در آن که تعداد Lxn نتیجه آزمایش n ام می نامند.

تئوری زنجیرهای پیوسته(زنجیرهایی با فضای حالت ناشما را یا شما را نامتناهی) بوسیله کلوموگروف آغاز و پل به وسیله دوبلین- دوب- لوی و بسیاری دیگر اولویت یافت.

احتمالات انتقال: (20)

احتمال تغییر وضعیت یک مرحله ای برابر احتمال شرطی است که به صورت زیر تعریف می شود:

(6-3)

احتمال تغییر وضعیت یک مرحله ای برابر احتمال رفتن از حالت I به حالت j در یک دوره زمانی با آغاز از n بیان می شود.

این نماد تاکید می کند که در حالت کلی، احتمالات انتقال نه فقط توابعی از وضعیت ابتدایی و انتهایی اند، بلکه به زمان انتقال نیز بستگی دارند.

تعریف، وقتی احتمالات انتقال یک مرحله ای از متغیر زمان( یعنی مقدار n) منتقل باشند، آنگاه گوییم فرآیند مارکف دارای احتمالات انتقال مانا می باشد. ماتریس مارکف یا ماتریس احتمال انتقال یک آرایه مربعی نامتناهی به صورت. می باشد که در آن سطر(i+1) ام توزیع احتمال مقادیر Xn+1 تحت شرط(Xn=i) است.

هر گاه تغییر حالتها متناهی باشد آنگاه P یک ماتریس مربعی متناهی است که مرتبه اش( تعداد سطرها) مساوی تعداد حالتهاست. واضح است که Pij ما در شرایط زیر صدق می کنند:

سطر فرآیندی با مشخص بودن تابع احتمال انتقال یک مرحله ای و X0(به عنوان حالت آغازین فرآیند) کاملا معین است زیرا طبق تعریف احتمالات شرطی، داریم:

(6-5)

و اگر فضای حالت متوالی نباشد یا فرآیند فضای حالت را به گونه ای متوالی طی نکند می توان گفت:

(6-6)

نمونه هایی از زنجیره های مارکف: (20)

1) زنجیرهای مارکف همگن: (18)

تعریف: یک زنجیر مارکف را همگن در زمان نامنداگر(m,n) Pij فقط به تفاضل n-m بستگی داشته باشد. و اگر این احتمالات انتقال به زمان بستگی داشته باشند آنگاه فرآیند را ناهمگن می گوئیم. اگر زنجیر همگن باشد، احتمالات تغییر وضعیت را مانا می نامیم و (6-7)

که نشان دهنده احتمال شرطی یک زنجیر مارکف همگن است زمانی که زنجیر در n مرحله از حالتi به حالت j می رود.

مدت زمانی که زنجیر مارکف همگن y صدف می کند در رسیدن به یک حالت(زمان رسیدن) باید بی حافظه باشد، زمانی که حالت فعلی برای تعیین آینده کافیست. بنابراین در حالت گسسته اگر زمانهای جاری tn به طور یکنواخت در tn=nt قرار بگیرند، y رابطه زیر را برآورد می سازد که y یک متغیر تصادفی هندسی است.

(6-8)

بنابراین مدتی که یک زنجیر مارکف گسسته زمان همگن در هر حالتی می گذارند یک توزیع هندسی است.

زنجیره های مارکف همگن(فضایی) را در دو حالت بررسی کرده و در هر حالت فرض می کنیم:

یک متغیر تصادفی گسسته با مقدار صحیح نامنفی باشد

همچنین و

مشاهداتی مستقل از باشند و همچنین فضای فرآیند مجموعه اعداد صحیح نامنفی است.

الف) فرآیند به ازای را در نظر می گیریم که با تعریف شده است. ماتریس آن

پاورپوینت مدل صف MM1 با سرویس دهی دروازه ای به ترتیب تصادفی

اختصاصی از هایدی پاورپوینت مدل صف MM1 با سرویس دهی دروازه ای به ترتیب تصادفی دانلود با لینک مستقیم و پر سرعت .

دسته بندی : پاورپوینت 

نوع فایل:  ppt _ pptx

( قابلیت ویرایش )

---

 قسمتی از محتوی متن پاورپوینت : 

تعداد اسلاید : 6 صفحه

Mostafa Hajiaghaei-Keshteli [e-mail] Fall 2006 The M/M/1 queue with gated random order of service مدل صف M/M/1 با سرویس دهی دروازه ای به ترتیب تصادفی سرویس دهی دروازه ای به ترتیب تصادفی یعنی مشتریان پشت دروازه می ایستند و به صورت تصادفی وارد اتاق می شوند.
اتاق انتظار ترتیب نداریم FCFS صف سرویس فرضیات: مدت زمان انتقال بین 2 اتاق صفر می باشد. P<1 صف سرویس نمی تواند خالی باشد مگر این که اتاق انتظار خالی باشد. در این مقاله نشان داده شده است که تعداد مشتریان در اتاق انتظار و صف سرویس دارای توزیع پیوسته ثابت هستند.
برای بدست آوردن توزیع زمان های اقامت در صف سرویس و اتاق انتظار از فرآیند مارکوف دو بعدی استفاده می کنیم و نشان میدهیم که این فرآیند مارکوف دو بعدی دارای توزیع ثابت می باشد. X1:t تعداد مشتریان در اتاق انتظار در زمان X2:t تعداد مشتریان در صف سرویس در زمان X1+x2: M/M/1 همان توزیع S1 و S2 بترتیب زمان اقامت مشتری (به صورت ثابت) در اتاق انتظار و صف سرویس باشد.
تبدیل دو متغیره Laplace –Stieltjes را برای این زمانهای اقامت ثابت بدست می آوریم . S=S1 + S2 سپس با استفاده از آن امید و واریانس S را در مدل M/M/1 که ترتیب سرویس دهی آن به صورت FCFS می باشد، بدست می آوریم. با استفاده از اینکه تعداد مشتریان در اتاق انتظار و صف سرویس دارای توزیع پیوسته ثابت هستند : نتیجه ی حاصل از توزیع پیوسته ثابت زمانهای اقامت مشتریان در اتاق انتظار و صف سرویس: با مقایسه واریانس زمان اقامت در مدل M/M/1 که ترتیب سرویس دهی آن به صورت FCFS می باشد و مدلی که ترتیب سرویس دهی آن بصورت تصادفی می باشد مشاهده می شود که: با مقایسه روابط بالا مشاهده می شود که واریانس در مدل با سرویس دهی دروازه ای به ترتیب تصادفی بزرگتر از واریانس مدل با ترتیب سرویس دهی FCFS می باشد اما از واریانس مدل با ترتیب سرویس دهی تصادفی کوچکتر است.
.

  متن بالا فقط قسمتی از محتوی متن پاورپوینت میباشد،شما بعد از پرداخت آنلاین ، فایل را فورا دانلود نمایید 

---

  لطفا به نکات زیر در هنگام خرید دانلود پاورپوینت:  توجه فرمایید.

• در این مطلب، متن اسلاید های اولیه قرار داده شده است.
• به علت اینکه امکان درج تصاویر استفاده شده در پاورپوینت وجود ندارد،در صورتی که مایل به دریافت  تصاویری از ان قبل از خرید هستید، می توانید با پشتیبانی تماس حاصل فرمایید
• پس از پرداخت هزینه ،ارسال آنی پاورپوینت خرید شده ، به ادرس ایمیل شما و لینک دانلود فایل برای شما نمایش داده خواهد شد
• در صورت  مشاهده  بهم ریختگی احتمالی در متون بالا ،دلیل آن کپی کردن این مطالب از داخل اسلاید ها میباشد ودر فایل اصلی این پاورپوینت،به هیچ وجه بهم ریختگی وجود ندارد
• در صورتی که اسلاید ها داری جدول و یا عکس باشند در متون پاورپوینت قرار نخواهند گرفت.
  
• هدف فروشگاه بانک پاورپوینت کمک به سیستم آموزشی و رفاه دانشجویان و علم آموزان میهن عزیزمان میباشد. 
  

---

دانلود فایل  پرداخت آنلاین 

مقاله ای در مورد تولید اعداد رندوم تصادفی

اختصاصی از هایدی مقاله ای در مورد تولید اعداد رندوم تصادفی دانلود با لینک مستقیم و پر سرعت .

بسم الله الرحمن الرحیم – فرمت فایل : ورد (با قابلیت ویرایش ) – تعداد صفحه : 8 صفحه -

روش همنهشتـــی :

روش همنهشتی خطی  Xn+1=(a*Xn + b) mod m ،m  مشخص می کند که اعداد تصادفی تا چه مقداری تولید می شود مثلا اگر m =13 باشد . 13  عدد تصادفی  می توانیم تولید کنیم.

a=2

b=1

X0=5                           X1=( 2 X0 + 1)mod13

m=13

اعدادی که تولید می کند مستقل از هم است ،ولی دنباله اعداد تصادفی که تولید می شود به a وb وm وابسته است . از نظر تئوری اگر a وb  خوب انتخاب شوند می تواند همه اعداد تصادفی را تولید کند .

تست آنتروپـــــــــــی :

در این روش تست ، مبنای آن احتمال آمدن هر عدد می باشد از فرمول زیر محاسبه می شود که Pi احتمال تولید عدد i  - ام توسط مولد عدد تصادفی است.

مثــــال:

X1=( 2 X0 + 1)mod13

X15=7

X10=9

X5=5

X0=0

X16=2

X11=6

X6=11

X1=1

X17=5

X12=0

X7=10

X2=3

X18=11

X13=1

X8=8

X3=7

X19=10

X14=3

X9=4

X4=2

Pi

عدد

2/20

0

2/20

1

2/20

2

2/20

3

1/20

4

2/20

5

1/20

6

2/20

7

1/20

8

1/20

9

2/20

10

2/20

11

0

12

H = - ∑ Pi log Pi

هرچه آنتروپی مقدار H به H max  نزدیک تر باشد این مولد بهتر عمل می کند.

Hmax = log 2 m

تست کی دو :

آزمون آماری خوبی برای تعیین یکنواختی اعداد و ارتباط با مشاهدات و انتظار مشاهده می باشد. برای نمونه های بیشتر از 50 عدد استفاده می گردد. ( N >= 50)

اساس این روش بر تقسیم بندی دسته های مشاهدات  استوار است .

فراوانی اعداد تصادفی تولیدی در هر دسته را با فراوانی انتظار مشاهده مقایسه و نزدیکی آنها را می سنجد. دسته ها هیچ گونه رویهم افتادگی نباید داشته باشند  تعداد  ( دسته ها باید 3 یا بیشتر باشد ).

سپس کای دو را به صورت زیر می یابیم :

Chi2 = ∑ ( Oi – Ei)2

                                                           Ei      

که مجموع اختلاف مشاهدات و رخ داد ، داده ها در دسته هاست . هرچه مشاهدات و انتظارات از یکدیگر فاصله بگیرند ، مقدار ( Oi – Ei)2 بیش تر می شود و لذا chi2 افزایش می یابد و چنانچه این دو یکسان باشند مقدارchi2    صفر می شود .

روال کار چنین است :

• نمونه ها به n دسته تقسیم می گردند که باید n>= 3 باشد.
• Oi تعداد مشاهدات در i – امین دسته.
• Ei تعداد انتظار مشاهده در i – امین دسته.
• = ( N/n)  Ei که N تعداد کل نمونه های مشاهده شده است ( انتظار مشاهده یکسان ) .
• نیاز به جدول کای دو می باشد که مقدار بحرانی را از آن می یابیم تا با chi2 حاصل مقایسه گردد.
• چنانچه chi2 مشاهده شده ، از مقدار بحرانی در جدول کوچکتر باشد یکنواختی نمونه ها صحیح است.
• یافتن مقدار بحرانی از جدول بر اساس درجه آزادی ( V=n -1) و پارامتر α می باشد . می توان گفت که توزیع نمونه های chi2 تقریبا توزیع کای دو با ( n-1) درجه آزادی است . چنانچه chi2< chi2v-p باشد، آزمون یکنواختی تایید می شود .

بررسی احتمالات باتوجه به پدیده های منظم یا تصادفی برای خداشناسی

اختصاصی از هایدی بررسی احتمالات باتوجه به پدیده های منظم یا تصادفی برای خداشناسی دانلود با لینک مستقیم و پر سرعت .

فرمت pdf

24 صفحه

مقاله متغیرهای تصادفی گسسته و توزیع های احتمال

اختصاصی از هایدی مقاله متغیرهای تصادفی گسسته و توزیع های احتمال دانلود با لینک مستقیم و پر سرعت .

 دانلود مقاله متغیرهای تصادفی گسسته و توزیع های احتمال

نوع فایل : Word

تعداد صفحات : 27

فهرست و پیشگفتار

طبق علم آمار ما باید به نتایج آزمایشات مقادیر عددی اختصاص دهیم حتی هنگامی که آنها کیفی هستند .
تمرین 1 ) هنگامی که یک شاخه از موردی را برای تشخیص تناسب ناقص بررسی می کنیم ، بنابراین ‌‌‍‌[ n , d  ‍ ‍‍‍‍‍‍‍‍‍‍‍‍‌‌‌ برآمد های ممکن از بررسی یک مورد است که مجموعه O   را برای d و  I  را برای  N  در نظر می گیریم ...
1 . تعریف اساسی
متغیرهای تصادفی قانونی است که یک عدد را به هر برآمد  S مربوط می سازد .
علامت اختصاری r.v  یا  rv  اغلب برای نشان دادن متغیرهای تصادفی به کار می رود ...
اصطلاحات علمی و نمادگزاری :
r.v گسسته : 
2 . توزیعهای احتمال برای R.V.S گسسته :
پارامتر یک توزیع احتمال :
2.1 . تعداد امید  ( یا میانیگین عمومی ) متغیر های تصادفی گسسته  .
اتصال آماری :
ریاضیات مجزا :
تفسیر امید ریاضی با مثال :
قواعد تعداد امید :
2.2 ) واریانس متغیرهای تصادفی گسسته :
ویژگی هایی درباره واریانس و انحراف استاندارد :
روش کوتاه برای محاسبه واریانس : 
3 . تابع مولد گشتاورها :
4 ) توزیع دوجمله ای :
( قائده متمم )
5 ) توزیع فوق هندسی 
اصطلاحات :
روابط با دوجمله ای  : 
6 ) دو جمله ای منفی : 
7 ) فرایند پواسن :
تقریب احتمالات برنولی :
.7.2 فرآیند پواسن :
فضاهای احتمالات متناهی
تبصره ها 
فضاهای احتمالات متناهی و پیشامدها :
مشاهده 1.1  )
فرمول استرلینگ 
( استنتاج (7 ) از فرمول ( 8 )  )
متغیرهای تصادفی و مقدار امید