
فصل دوم: معادله و تابع های درجه دوم
فصل سوم: ترکیبات
زبان:فارسی
تعداد صفحه:137
نوع فایل:PDF
حجم:1.28MB
ریاضی سوم انسانی
این فایل pdf شامل 40 سوال در زمینه تشابه می باشد .این فایل شامل مجموعه سوالات تیزهوشان سال های قبل و سوال های تالیفی هست . این سوالات برای دانش آموزانی که خود را می خواهند برای کنکور تیزهوشان ورودی دبیرستان آماده کنند مفید می باشد.
موضوع فارسی :مدلهای ریاضی از مشکل گذر و OrderMatic
بازی رایانه ای
موضوع انگلیسی :Mathematical models of the Bandpass problem and OrderMatic
computer game
تعداد صفحه :7
فرمت فایل :PDF
سال انتشار :2011
زبان مقاله : انگلیسی
یک مشکل جدید بهینه سازی ترکیبی، مشکل پایین گذار، در بل تعریف شد
و بابایف (2004) [4]. به تازگی، این مشکل در جزئیات در بابایف و همکاران انجام شد.
(2009) [5]. در این مقاله، ما برای اولین بار در حال حاضر برخی از مدل های جدید ریاضی از پایین گذار
مسئله. سپس به این مشکل مربوط، معرفی می کنیم یک نرم افزار به نام OrderMatic که
برای جایگشت آموزش بسیار مفید است.
لینک پرداخت و دانلود *پایین مطلب*
فرمت فایل:Word (قابل ویرایش و آماده پرینت)
تعداد صفحه:130
فهرست مطالب
فهرست مطالب
تعاریف و مفاهیم اولیه
1-1 مقدمه ای در مفاهیم بقا
در این بخش پارامترهای اصلی را که در مدل داده های بقا به کار می روند بررسی می کنیم.
فرض کنید زمانی تا بعضی پیشامدهای معین مانند مرگ، ظاهر شدن تومور، پیشرفت یک بیماری، برگشت بیماری، فرسودگی تجهیزات، توقف استعمال دخانیات، و غیره باشد.
با دقت بیشتری یک متغیر تصادفی نامنفی از یک جامعه همپراش[1] است. توزیع را می توان توسط 4 تابعی که در زیر معرفی می کنیم، مشخص کرد.
اگر هر یک از این توابع مشخص باشند، سه تای دیگر به طور یکتا تعیین می شوند. در عمل این 4 تابع، همراه تابع بخت تجمعی[6] برای تشریح مفاهیم مختلف توزیع به کار می روند.
تعریف 1-1-1 (تابع بقا) کمیت اصلی که برای توصیف پدیده های زمان تا پیشامد[7] بکار می رود تابع بقا است . احتمال این که فردی بعد زمان زنده بماند (تجربه پیشامد بعد زمان ) ، که به صورت زیر تعریف می شود
توجه کنید که تابع بقا، تابعی غیر صعودی با مقدار یک در مبدأ و صفر در بینهایت است. اگر متغیر تصادفی پیوسته باشد، پس تابعی پیوسته و اکیداً نزولی است.
وقتی متغیر تصادفی است، تابع بقا متمم تابع توزیع تجمعی است، یعنی که . همچنین تابع بقا انتگرال تابع چگالی احتمال است، یعنی
بنابراین
وقتی متغیر تصادفی گسسته است به تکنیکهای مختلفی نیاز داریم. متغیرهای تصادفی گسسته در تحلیلهای بقا بواسطه گردکردن اندازه ها، طبقه بندی زمانهای شکست به فاصله ها و یا زمانی که طول عمرها به تعداد درستی از واحدها ارجاع شوند، بوجود می آیند. فرض کنید که مقادیر ، را با تابع جرم احتمال بگیرد، که ، تابع بقا برای متغیر تصادفی گسسته به صورت زیر داده می شود
تعریف 1-1-2 (تابع بخت) نسبت بخت به صورت زیر تعریف می شود
اگر متغیر تصادفی پیوسته باشد، پس
یک کمیت نسبی، تابع بخت تجمعی، است که به صورت زیر تعریف می شود
بنابراین برای طول عمرهای پیوسته
1-2 خلاصه ای از مقدمات
بعضی از تعاریف و لم هایی که در بخشهای بعد مورد استفاده قرار می گیرند در زیر بیان می داریم.
تعریف 1-2-1 (محکم بودن[8]) خانواده های روی مجموعه اندیس ی مفروض محکم است اگر برای هر ، فاصله متناهی وجود داشته باشد به طوری که
لم 1-2-1 (لم اسلاتسکی[9]) اگر ،، هر سه در توزیع، که و ثابت هستند.آنگاه در توزیع.
تعریف 1-2-2 (تابع کدلاگ[10]) فرض کنید فضای توابع حقیقی روی باشد که از راست پیوسته اند و حد چپ دارند یعنی
توابعی که این خاصیت را دارند توابع کدلاگ نامیده می شوند. گوییم تابع در ناپیوستگی نوع اول دارد اگر و وجود داشته اما متفاوت باشند و بین آنها قرار گیرد. نا پیوستگی های تابع کدلاگ از نوع اول می باشند.
تعریف 1-2-3 (عملگر خطی) فرض کنید و دو فضای خطی روی باشند. تابع را یک عملگر خطی[11] از به گوئیم هرگاه به ازای هر و هر داشته باشیم
[1] Homogeneous
[2]Survival function
[3] Hazard rate function
[4] Probability density function
[5] Mean residual life
[6] Commulative hazard function
[7] Time to event data
[8] Tightness
[9] Slutskey lemma
[10] Cadlog function
[11] Operator linear