В данном случае мы решали задачу линейного программирования.
Существуют и другие решения задачи о загрузки печи.
Вместо стоимости можно выбрать другие характеристики. Например, сложность приобретения заданного ингредиента.
Задача (пример).
Подготовить состав смеси наиболее подходящий к заданному процентному уровню содержащегося элемента. В этом случае цены на ингредиенты нет и нет значимости ингредиента.
Пусть A=(aij) матрица содержания элементов в ингредиентах.
P – вектор требуемого состава в процентах, тогда если
вариант загрузки печи
- на 100% загружена печь
Получим F- вектор фактического процентного содержания элементов в печи.
Цель: минимизировать различие фактического содержания в печи элементов от заданного ограничения.
Сформулируем задачу для решения в MathCAD.
Найти такой вариант значений , при котором данная разность является минимальной при заданных ограничениях.
Основные понятия теории вероятности и
математической статистики.
Основные понятия теории вероятности (ТВ).
Событием в ТВ называется факт, который может произойти или не произойти в результате некоторого испытания (отказ компьютера в момент включения).
Для каждого испытания можно указать некоторую совокупность или множество взаимоисключающих элементарных событий, причем в результате испытания может произойти только одно из них. Такая совокупность называется пространством элементарных событий.
Пример: 2 раза бросаем монетку: в этом случае пространство событий содержит 4 элемента.
-частотой случайных событий А данной серии испытаний называется отношение числа испытаний к общему числу испытаний.
m-число событий, которое произошло.
n-число испытаний.
Вероятностью случайного события А называется некоторое число, около которого группируется частота этого события, по мере увеличения количества испытаний. Статистическое определение вероятности событий:
P(a)=m/n
m -благоприятные исходы
n-вероятность события
Основные свойства вероятности:
1. вероятность случайного события А есть неотрицательное число от 0 до 1.
2. вероятность достоверного события равна 1.
3. вероятность невозможного события =0.
4. условной вероятностью события А по отношению к событию В называется вероятность наступления события А, вычисленная при успешном наступлении события В.
P(A/B)- вероятность наступления события А при условии что произошло В.
5. два события называются зависимыми, если вероятность любого из них меняется с наступлением другого, в противном случае они независимы.
Для независимых событий вероятность события А или В равна в сумме вероятности А и В.
P(A+B)=Р(А)+Р(В)
Р(А*В)=Р(А)*Р(В)
Сумма вероятности событий образующих полную группу =1.
Вероятность не наступления события:
Для совместных событий:
Р(А+В)=Р(А)+Р(В)-Р(А)*Р(В)
Р(А*В)=Р(А)*Р(В)
Пример:
При приемке партии производится проверка половины изделий. Условие приемки допускает не более 2% брака. Определить вероятность того, что партия из 100 изделий, содержащая часть бракованных будет принята.
Решение:
Условие приемки - 2% брака. Проверяется половина партии, допускается не более 1 бракованного изделия.
Событие А – при проверке не обнаружено бракованное изделие.
Событие В - при проверке обнаружено одно бракованное изделие.
Условие приема партии наступит либо событие А либо событие В.
Р(А+В)=Р(А)+Р(В)=0.18
Для первого случая из 100 изделий 50 можно выбрать следующим числом способов:
,
Р(А)= Р(В)=
Случайная величина Х может быть задана дискретным или непрерывным распределением.
Если случайная величина может принимать конечное множество значений, то ее будем называть случайной дискретной величиной. В противном случае непрерыв- ной. Случайные дискретные величины задаются таблицей распределения.
Пример:
Xi |
X1 |
X2 |
…..... |
Xn |
Pi |
P1 |
P2 |
……. |
Pn |
Xi - возможное значение случайной величины
Pi – соответствующая им вероятность
Число бракованных изделий в партии из 5 штук может принять ряд значений
Уважаемый посетитель!
Чтобы распечатать файл, скачайте его (в формате Word).
Ссылка на скачивание - внизу страницы.