ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 18.05.2025
Просмотров: 840
Скачиваний: 0
СОДЕРЖАНИЕ
1,Основные понятия Теории Вероятности
2, Сумма событий. Теорема сложения вероятностей
7. Дискретной случайной величиной
8. Числовые характеристики дискретных случайных величин.
16 Точечные оценки параметров распределения
9.Непрерывные функции распределения
10 Числовые характеристики непрерывных случайных величин.
17 Интервальные оценки параметров распределения при известном
13. Двумерные случайные величины
12 Нормальный закон распределения.
15 Основные понятия мат статистики
18 Интервальные оценки параметров распределения при неизвестнов
20. Элементы корреляционного анализа
19 Статистическая проверка гипотез
1 Этап. Построение первоначального базисного плана.
22.Примеры производственных задач лесного комплекса, приводящие к задачам линейного программирования
26. М –задача. Свойства решений м- задачи
Т.е. матрица состоит из одинаковых строк.
Теперь о величинах ui. Числа u1, u2, …, un называются предельными вероятностями. Эти вероятности не зависят от исходного состояния системы и являются компонентами собственного вектора матрицы РТ (транспонированной к матрице Р).
Этот вектор полностью определяется из условий:
Пример. Найдем предельные вероятности для рассмотренного вышепримера.
C
учетом того, что u1
+ u2
= 1,
получаем:
Получаем:
Процесс гибели – размножения и циклический процесс.
Определение. Марковский процесс с дискретными состояниями называют процессом гибели – размножения, если он имеет размеченный граф состоянийследующего вида:
Т.е. каждое из состояний системы связано с двумя соседними состояниями прямой и обратной связью, крайние состояния имеют только по одному соседнему.
Здесь ij – плотность вероятности перехода системы из состояния Si в состояние Sj в момент времени t.
Эта плотность находится по формуле:
t – время перехода из одного состояния в другое.
Изменив знак целвой функции (1) от ЗЛП на max можно перейти к задаче на min и наоборот.шзшзш
лица 2