توضیحات :
درس آمار و احتمالات کاربردی رشته حسابداری یکی از اصلی ترین و مهم ترین دروس این رشته است و دارای ضریب 4 در سیلابل درسی است. این مجموعه شامل 2 جزوه درسی آمار و اجتمالات کاربردی و 2 سری نمونه سوالات مربوط به همین درس است که جهت استفاده دانشجویان این رشته ارائه شده است.
تعداد صفحات:411
فرمت PDF
دانلود پاور پوینت آمار و احتمالات مهندسی
حجم:1/1مگابایت
فرمت فایل : word(قابل ویرایش)
تعداد صفحات:18
چکیده:
تعریف احتمال
اگر بتوانیم احتمالی به هر یک ازپیشامد های ساده موجود در آزمایشی با یک فضای نمونه گسسته تخصیص دهیم آنگاه می گوییم که یک مدل احتمالی برای آزمایش ساخته ایم. تخصیص این عدد (احتمال) که معیاری برای اندازه گیری میزان باور ما در رخ دادن یک پیش آمد ساده است، به نحوی انجام می گیرد که با مفهوم فراوانی نسبی احتمال سازگار باشد. اگر چه فراوانی نسبی تعریف بسیار دقیقی از احتمال به دست نمی دهد، ولی هر تعریفی از احتمال که بخواهد واقعاً به کار گرفته شود باید با معیار ذهنی ما در مورد رفتار فراوانی نسبی پیشامد ها هماهنگ و سازگار باشد.
قبلاًدیدیم که فراوانی نسبی یکی از راههایی است که برای تخصیص احتمال به یک پیشامد به کار میرود و ما اینک آن را به عنوان یک اصل می پذیریم. بدین صورت که اگر آزمایشی با فضای نمونه S داشته باشیم و برای هر پیشامد مانند A در فضای نمونه تابع مجموعه ای (A )n را به عنوان تعداد دفعاتی به کار گیریم که پیشامد A در k تکرار آزمایش رخ میدهد، آنگاه بر اساس مفهوم فراوانی نسبی، احتمال پیشامد A عبارت است از:
به عبارت دیگر درصد حدی دفعاتی که پیشامد A رخ میدهد برابر با احتمال پیشامد A است. (اینکه چگونه مطمئن باشیم که نسبت برای هر دنباله بزرگ از آزمایش ها به سمت عدد ثابتی میل میکند یکی از نارسایی های تعریف احتمال با استفاده از مفهوم فراوانی نسبی است. )
در تجزیه و تحلیل مفهوم فراوانی نسبی احتمال دیده میشود که سه شرط باید برقرار باشد:
1. فراوانی نسبی رخ دادن یک پیشامد باید بزرگتر از یا مساوی با صفر باشد و فراوانی نسبی منفی معنایی ندارد.
2. فراوانی نسبی کل فضای نمونه آزمایش باید مساوی یک باشد، زیرا هر یک از نتایج ممکن حاصل از آزمایش نقطه ای در فضای نمونه است، بنابراین هر بار که آزمایش انجام شود فضای نمونه رخ میدهد.
3. اگر دو پیشامد ناسازگار باشند آنگاه فراوانی نسبی اجتماع آنها عبارت از مجموع فراوانی های نسبی هر یک از آنهاست.
مثال 15. در مورد شرط سوم بالا، آزمایش پرتاب تاس را یک بار دیگر در نظر بگیرید. اگر در تکرار این آزمایش در از تعداد کل پرتاب ها عدد یک و در دیگر از تعداد کل پرتاب ها عدد 2 به دست آید،آنگاه عدد 1 یا 2 در + از تعداد کل پرتاب ها حاصل شده است.
سه شرط بالا را به عنوان پایه های اساسی و یا اصول دیگر در تعریف احتمال می پذیریم. به عبارت دیگر، اگر یک آزمایش آماری دارای فضای نمونه S باشد و پیشامد A در S تعریف شده باشد، آنگاه تابع مجموعه ای (A)P عددی حقیقی است که احتمال پیشامد A نام دارد.
فرمت فایل : word(قابل ویرایش)
تعداد صفحات:19
فهرست مطالب:
1- مقدمه
2- شبکه های عصبی مصنوعی
2-1- مفاهیم پایه در شبکه های عصبی مصنوعی
2-2- شبکه عصبی پرسپترون ساده
2-3- شبکه عصبی پرسپترون چند لایه ) MLP (
3- شرح تحقیق
3-2- استفاده از دادههای ماهیانه
3-3- استفاده از دادههای روزانه
4- تولید جریان مصنوعی توسط HEC4
5- نتیجهگیری
فهرست مراجع
1- مقدمه
با توجه به اهمیت و حساسیت امر مهار آبهای سطحی خصوصاً در کشور ما که اکثر رودخانههای مناطق مختلف فصلی بوده و کمبود آبی که در پهنه وسیعی از کشور وجود دارد ، نیاز به شناسایی و به مدل درآوردن رفتار رودها و شریانهای آبی جهت برنامهریزیهای بلندمدت و استفاده بیشتر و بهتر از پتانسیلهای آنها عمیقاً احساس میشود . جدیدالتاسیس بودن بیشتر ایستگاههای هیدرومتری ، نواقص موجود در آمار اکثر این ایستگاهها ، قرارگرفتن بیشتر رودها در مناطق خشک ، وضعیت بحرانی برداشت آبهای زیرزمینی و لزوم توجه بیشتر به آبهای سطحی همه و همه دلایل بیشتر و ظریفتری میباشد که به مقوله پیشبینی و تولید آمار مصنوعی در حوزههای آبریز کشورمان جلوه و نمودی کاملتر میبخشد .
روشهای متداول آماری و احتمالی بر پایه روابط و فرمولهای صرفاً ریاضی که به طور اخص به پیشبینی سریهای زمانی میپردازد ، از دیرباز مورد توجه مهندسین علوم آب قرار گرفته است . آنها با دستمایه قراردادن این بخش از علم آمار به تحلیل ، بررسی و شناخت رفتار رودخانهها میپرداختند . در این راستا نرمافزارهای مختلفی نیز تهیه وتنظیم شده که از مهمترین و بارزترین آنها میتوان SPIGOT و HEC4 را نام برد .
شبکه عصبی مصنوعی نامی نوین در علوم مهندسی است که بهطور ابتدایی و آغازین درسال 1962 توسط فرانک روزن بلات و در شکل جدی و تأثیرگذار در سال 1986 توسط روملهارت و مککلند با ابداع و ارائه مدل پرسپترون بهبود یافته به جهان معرفی شد . این شیوه از ساختاری نرونی و هوشمند با الگوبرداری مناسب از نرونهای موجود در مغز انسان سعی میکند تا از طریق توابع تعریف شده ریاضی رفتار درونسلولی نرونهای مغز را شبیهسازی کند و از طریق وزنهای محاسباتی موجود در خطوط ارتباطی نرونهای مصنوعی ، عملکرد سیناپسی را در نرونهای طبیعی به مدل در آورد. ماهیت و ذات تجربی و منعطف این روش باعث میشود تا در مسائلی مانند مقوله پیش بینی که یک چنین نگرشی در ساختار آنها مشاهده میشود و از رفتاری غیرخطی و لجامگسیخته برخوردار هستند ، به خوبی قابل استفاده باشد .