Пример 1 - решить дифференциальное уравнение

В математике линейное дифференциальное уравнение имеет вид

где дифференциальный оператор L линеен, y — неизвестная функция , а правая часть — функция от той же переменной, что и y.

Линейный оператор L можно рассматривать в форме

Обыкновенное дифференциальное уравнение вида:

называется уравнением Бернулли (при или получаем неоднородное или однородное линейное уравнение). При является частным случаем уравнения Риккати. Названо в честь Якоба Бернулли, опубликовавшего это уравнение в 1695 году. Метод решения с помощью замены, сводящей это уравнение к линейному, нашёл его братИоганн Бернулли в 1697 году.^[1]

Метод Лагранжа (метод вариации произвольных постоянных) — метод для получения общего решения неоднородного уравнения, зная общее решение однородного уравнениябез нахождения частного решения.

Дифференциальное уравнение второго порядка можно записать в виде . Мы будем рассматривать уравнения второго порядка, которые можно разрешить относительно производной второго порядка, то есть записать в виде

.

Линейное неоднородное уравнение данного типа имеет вид:

где p, q − постоянные числа (которые могут быть как действительными, так и комплексными). Для каждого такого уравнения можно записать соответствующее однородное уравнение:

Теорема: Общее решение неоднородного уравнения является суммой общего решения y ₀(x) соответствуюшего однородного уравнения и частного решения y ₁(x) неоднородного уравнения:

Тео́рия вероя́тностей — раздел математики, изучающий закономерности случайных явлений: случайные события, случайные величины, их свойства и операции над ними.

Основные определения. Результат любого случайного эксперимента можно характеризовать качественно и количественно. Качественный результат случайного эксперимента - случайноесобытие. Любая количественная характеристика, которая в результате случайного эксперимента может принять одно из некоторого множества значений, - случайная величина. Случайная величинаявляется одним из центральных понятий теории вероятностей.

Пусть - произвольное вероятностное пространство. Случайной величиной называется действительная числовая функция x =x (w), w W, такая, что при любом действительном x .

Событие принято записывать в виде x < x. В дальнейшем случайные величины будем обозначать строчными греческими буквами x, h, z, …

Случайной величиной является число очков, выпавших при бросании игральной кости, или рост случайно выбранного из учебной группы студента. В первом случае мы имеем дело с дискретной случайной величиной (она принимает значения из дискретного числового множества M= {1, 2, 3, 4, 5, 6}; во втором случае - с непрерывной случайной величиной (она принимает значения из непрерывного числового множества - из промежутка числовой прямой I =[100, 3000]).

Функция распределения случайной величины. Её свойства

Каждая случайная величина полностью определяется своей функцией распределения.

Если x.- случайная величина, то функция F (x) = F_x (x) = P (x < x) называется функцией распределения случайной величины x. Здесь P (x < x) - вероятность того, что случайная величина x принимает значение, меньшее x.

Важно понимать, что функция распределения является “паспортом” случайной величины: она содержит всю информация о случайной величине и поэтому изучение случайной величины заключается в исследовании ее функции распределения, которую часто называют просто распределением.

Функция распределения любой случайной величины обладает следующими свойствами:

· F (x)определена на всей числовой прямой R;

· F (x)не убывает, т.е. если x ₁ x ₂, то F (x ₁) F (x ₂);

· F (- )=0, F (+ )=1,т.е. и ;

· F (x) непрерывна справа, т.е.

.

Функция распределения дискретной случайной величины

Если x - дискретная случайная величина, принимающая значения x ₁ < x ₂ < … < x_i < … с вероятностями p ₁ < p ₂ < … < p_i < …, то таблица вида

x 1	x 2	…	xi	…
p 1	p 2	…	pi	…

называется распределением дискретной случайной величины.

Функция распределения случайной величины, с таким распределением, имеет вид

У дискретной случайной величины функция распределения ступенчатая. Например, для случайного числа очков, выпавших при одном бросании игральной кости, распределение, функция распределения и график функции распределения имеют вид:

1/6	1/6	1/6	1/6	1/6	1/6

Функция распределения и плотность вероятности непрерывной случайной величины

Если функция распределения F_x (x) непрерывна, то случайная величина x называется непрерывной случайной величиной.

Если функция распределения непрерывной случайной величины дифференцируема, то более наглядное представление о случайной величине дает плотность вероятности случайной величины p_x (x), которая связана с функцией распределения F_x (x) формулами

и .

Отсюда, в частности, следует, что для любой случайной величины .

Квантили

При решении практических задач часто требуется найти значение x, при котором функция распределения F_x (x) случайной величины x принимает заданное значение p, т.е. требуется решить уравнение F_x (x) = p. Решения такого уравнения (соответствующие значения x) в теории вероятностей называются квантилями.

Квантилью x_p (p -квантилью, квантилью уровня p) случайной величины , имеющей функцию распределения F_x (x), называют решение x_p уравнения F_x (x) = p, p (0, 1). Для некоторых p уравнение F_x (x) = p может иметь несколько решений, для некоторых - ни одного. Это означает, что для соответствующей случайной величины некоторые квантили определены неоднозначно, а некоторые кванитили не существуют.

Квантили, наиболее часто встречающиеся в практических задачах, имеют свои названия:

медиана - квантиль уровня0.5;

нижняя квартиль - квантиль уровня0.25;

верхняя квартиль - квантиль уровня0.75;

децили - квантили уровней0.1, 0.2, …, 0.9;

процентили - квантили уровней 0.01, 0.02, …, 0.99.

Вероятность попадания в интервал

Вероятность того, что значение случайной величины F_x (x) попадает в интервал (a, b), равная P (a < x < b) = F_x (b) - F_x (a), вычисляется по формулам:

- для непрерывной случайной величины и

- для дискретной случайной величины.

Если a= - , то ,

если b= , то .

ОСНОВНЫЕ ТЕОРЕМЫ ТЕОРИИ ВРОЯТНОСТИ

теорема сложения вероятностей;

еорема сложения вероятностей формулируется следующим образом.

Вероятность суммы двух несовместимых событий равна сумме вероятностей этих событий:

Дата добавления: 2015-07-10