دانلود آمار و احتمالات مهندسی

اختصاصی از یاری فایل دانلود آمار و احتمالات مهندسی دانلود با لینک مستقیم و پر سرعت .

دسته بندی : پاورپوینت 

نوع فایل:  ppt _ pptx

( قابلیت ویرایش )

---

 قسمتی از محتوی متن پاورپوینت : 

تعداد اسلاید : 190 صفحه

بسم الله الرحمن الرحیم آمار و احتمالات مهندسی رشته : کامپیوتر فصل اول آمار توصیفی دراین فصل مسائل زیر بررسی می شود: -مفاهیم اساسی -شاخص های گرایش مرکزی -شاخص های پراکندگی -جدول توزیع فراوانی -نمودارها -چولگی و برجستگی -کدگزاری -جامعه آماری دو بعدی مفاهیم اساسی 1-جامعه 2-نمونه 3-داده های آماری 4-متغیر i=1,2,…,N ام جامعه است برای i عضو xiکه 1-جامعه 2- نمونه i=1,2,…,N ام جامعه است برای i عضو xiکه 3-انواع داده های آماری انواع داده های آماری به دو گروه، داده های دست اول (خام) و داده های دست دوم تقسیم بندی می شوند.
4-متغیر انواع آن: 1-کمی 2-کیفی شاخص های گرایش مرکزی: 1-میانگین 2- میانه 3- نما 4- چارکها 1- میانگین فرض کنید جامعه مورد بررسی دارای Nعضو Xn,…,X2,X1 باشد.
میانگین جامعه از رابطه زیر بدست می آید.
الف- میانگین حسابی الف-میانگین حسابی ب- میانگین هندسی پ-میانگین هارمونیک ت- میانگین پیراسته ب- میانگین هندسی اگر Xn,…,X2,X1 یک نمونه به حجم n از جامعه مورد بررسی باشد میانگین هندسی از رابطه زیر بدست می آید و با علامت G نمایش داده می شود.
اگر Xn,…,X2,X1 یک نمونه به حجم n از جامعه مورد بررسی باشد میانگین هارمونیک از رابطه زیر بدست می آید و با علامت H نمایش داده می شود.
یا پ-میانگین هارمونیک ت-میانگین پیراسته اگرkتا از مشاهدات حذف شده باشند میانگین پیراسته از رابطه زیر بدست می آید .k3- نما نمای یک مجموعه عددی است که در آن مجموعه بیش از بقیه تکرار شده باشد.
چارکهای یک مجموعه مورد بررسی عبارتست از کمیت­ها یا مقادیری که مجموعه را به چهار قسمت مساوی تقسیم می­کنند.
محاسبه چارکها همانند میانه می‌باشد.
4- چارکها شاخص های پراکندگی: 1- دامنه 2-واریانس 3-انحراف معیار 4-متغیرهای استاندارد 5-ضریب تغییر یا تعیین 6-انحراف چارکی 7-گشتاورها 1- دامنه R=XMAX-XMIN 2-واریانس ویژگی های واریانس نمونه: 1-واریانس عدد ثابت C برابر با صفر است. 2-اگرمقدار ثابت α رابه مشاهدات اضافه یا ازآنها کم کنیم واریانس تغییر نمی‌‌کند. 3-اگر مشاهدات در مقدار ثابت K ضرب یا برآن تقسیم شود واریانس جدید از ضرب یا تقسیم واریانس قدیم درK2 بدست می آید 3-انحراف معیار انحراف معیار در نمونه جذر واریانس یا پراش می باشد.
µ= میانگین جامعه δ2 = واریانس جامعه و جذر آن انحراف معیار جامعه ویژگی های متغیرهای استاندارد: 1- میانگین متغیرهای استاندارد برابر صفر است. 2-واریانس متغیرهای استاندارد برابر با 1 است . 3- متغیرهای استاندارد فاقد واحد اندازه گیری هستند. 4- مقدار Zi می تواند، منفی، صفر یا مثبت باشد.
4-متغیرهای استاندارد 1,2,…,n ویژگیهای ضریب تغییر 1- به واحد اندازه گیری بستگی ندارد. 2- برای مقایسه دو صفت از یک جامعه با واحدهای اندازه گیری متفاوت مورد استفاده قرار می گیرد. 3- مجموعه مشاهداتی که دارای C.V کمتری است از سازگاری و همگنی بیشتری برخوردار هستند.
5- ضریب تغییر یا ضریب تعیین 6- انحراف چارکی ویژگیهای انحراف چارکی: 1- این شاخص چون میزان پراکندگی در اطراف مرکز توزیع را نشان

  متن بالا فقط قسمتی از محتوی متن پاورپوینت میباشد،شما بعد از پرداخت آنلاین ، فایل را فورا دانلود نمایید 

---

  لطفا به نکات زیر در هنگام خرید دانلود پاورپوینت:  توجه فرمایید.

• در این مطلب، متن اسلاید های اولیه قرار داده شده است.
• به علت اینکه امکان درج تصاویر استفاده شده در پاورپوینت وجود ندارد،در صورتی که مایل به دریافت  تصاویری از ان قبل از خرید هستید، می توانید با پشتیبانی تماس حاصل فرمایید
• پس از پرداخت هزینه ،ارسال آنی پاورپوینت خرید شده ، به ادرس ایمیل شما و لینک دانلود فایل برای شما نمایش داده خواهد شد
• در صورت  مشاهده  بهم ریختگی احتمالی در متون بالا ،دلیل آن کپی کردن این مطالب از داخل اسلاید ها میباشد ودر فایل اصلی این پاورپوینت،به هیچ وجه بهم ریختگی وجود ندارد
• در صورتی که اسلاید ها داری جدول و یا عکس باشند در متون پاورپوینت قرار نخواهند گرفت.
  
• هدف فروشگاه پاورپوینت کمک به سیستم آموزشی و رفاه دانشجویان و علم آموزان میهن عزیزمان میباشد. 
  

---

دانلود فایل  پرداخت آنلاین 

دانلود تحقیق درمورد کاربرد آمار و احتمالات در مدیریت تنش سرما و یخ زدگی 19 ص

اختصاصی از یاری فایل دانلود تحقیق درمورد کاربرد آمار و احتمالات در مدیریت تنش سرما و یخ زدگی 19 ص دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 19

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 .

2- شبکه های عصبی مصنوعی

2-1- مفاهیم پایه در شبکه های عصبی مصنوعی

یک نرون بیولوژیک با جمع ورودی‌های خود که از طریق دندریت‌ها با یک وزن سیناپسی خاص به نرون اعمال می‌شوند ، با رسیدن به یک حد معین تولید خروجی می‌کند . این حد معین که همان حد آستانه می‌باشد ، در حقیقت عامل فعالیت نرون یا غیر فعال بودن آن است .

با توضیحات فوق می‌توان گفت که در مدل‌سازی یک نرون بیولوژیک به طور مصنوعی می‌بایست به سه عامل توجه شود :

نرون یا فعال است یا غیر فعال

خروجی تنها به ورودی‌های نرون بستگی دارد

ورودی‌ها باید به حدی برسند تا خروجی ایجاد گردد]1[.

2-2- شبکه عصبی پرسپترون ساده

فرانک روزن بلات ، با اتصال این نرون‌ها به طریقی ساده پرسپترون را ایجاد و ابداع کرد ، و برای نخستین بار این مدل را در کامپیوترهای دیجیتال شبیه‌سازی و آن‌ها را به طور رسمی تحلیل نمود]1[.

2-3- شبکه عصبی پرسپترون چند لایه ) MLP (

در بسیاری از مسائل پیچیدة ریاضی که به حل معادلات بغرنج غیر خطی منجر می‌شود ، یک شبکة پرسپترون چند لایه می‌تواند به سادگی با تعریف اوزان و توابع مناسب مورد استفاده قرارگیرد . توابع فعالیت مختلفی به فراخور اسلوب مسئله در نرون ها مورد استفاده قرار می‌گیرد . در این نوع شبکه‌ها از یک لایة ورودی جهت اعمال ورودی‌های مسئله یک لایة پنهان و یک لایة خروجی که نهایتاً پاسخ‌های مسئله را ارائه می‌نمایند ، استفاده می‌شود.

گره‌هایی که در لایة ورودی هستند ، نرون‌های حسی و گره‌های لایة خروجی ، نرون‌های پاسخ ‌دهنده هستند . در لایة پنهان نیز ، نرون‌های پنهان وجود دارند]2[.

آموزش این‌گونه شبکه‌ها معمولاً با روش پس انتشار خطا انجام می‌شود . نمونه‌ای از یک شبکه پرسپترون چند لایه در زیر نمایش داده شده است . شکل (1).

شکل 1- ساختار پرسپترون چندلایه با نرون‌های پنهان tansigو نرون‌های خروجی با تابع خطی]3[.

شبکه‌های پرسپترون چند لایه می‌توانند با هر تعداد لایه ساخته و به کار گرفته شوند ، ولی قضیه‌ای که ما در این‌جا بدون اثبات می پذیریم بیان می‌کند که یک شبکه پرسپترون سه لایه قادر است هر نوع فضایی را تفکیک کند . این قضیه که قضیة کولموگوروف نامیده می‌شود ، بیانگر مفهوم بسیار مهمی است که می‌توان در ساخت شبکه‌های عصبی از آن استفاده کرد]1[.

نوع خاصی از شبکه‌های عصبی چند لایه به نام پرسپترون تک لایه

) SLP (می‌باشد . این شبکه از یک لایة ورودی و یک لایة خروجی تشکیل شده است .

3- شرح تحقیق

تحقیق درباره ی مباحثی از احتمالات 18 ص

اختصاصی از یاری فایل تحقیق درباره ی مباحثی از احتمالات 18 ص دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 18

دانشگاه جامع علمی کاربردی

تهران 2

جهاد دانشگاهی صنعتی شریف

موضوع:

مباحثی از احتمالات

استاد :

جناب آقای کلانتری

گردآورنده:

غزاله توانگر

سال تحصیلی:

زمستان 86

9.1. 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.

تابع مجموعه ای P دارای خواص زیر است:

3. برای هر تعداد محدود k از پیشامد های ناسازگار تعریف شده در S داریم:

برای فضاهای نمونه گسسته کافی است که به هر یک از پیشامد های موجود، احتمال را چنان تخصیص داد که غیر منفی باشد و جمع احتمالات نقاط موجود در فضای نمونه برابر با یک شود. درباره چگونگی تخصیص احتمال در مورد فضاهای نمونه پیوسته و آمیخته در فصل های آینده بحث خواهد شد.

دانلود پاورپوینت آمار و احتمالات مهندسی

اختصاصی از یاری فایل دانلود پاورپوینت آمار و احتمالات مهندسی دانلود با لینک مستقیم و پر سرعت .

دسته بندی : پاورپوینت 

نوع فایل:  ppt _ pptx

( قابلیت ویرایش )

---

 قسمتی از محتوی متن پاورپوینت : 

تعداد اسلاید : 190 صفحه

بسم الله الرحمن الرحیم آمار و احتمالات مهندسی رشته : کامپیوتر فصل اول آمار توصیفی دراین فصل مسائل زیر بررسی می شود: -مفاهیم اساسی -شاخص های گرایش مرکزی -شاخص های پراکندگی -جدول توزیع فراوانی -نمودارها -چولگی و برجستگی -کدگزاری -جامعه آماری دو بعدی مفاهیم اساسی 1-جامعه 2-نمونه 3-داده های آماری 4-متغیر i=1,2,…,N ام جامعه است برای i عضو xiکه 1-جامعه 2- نمونه i=1,2,…,N ام جامعه است برای i عضو xiکه 3-انواع داده های آماری انواع داده های آماری به دو گروه، داده های دست اول (خام) و داده های دست دوم تقسیم بندی می شوند.
4-متغیر انواع آن: 1-کمی 2-کیفی شاخص های گرایش مرکزی: 1-میانگین 2- میانه 3- نما 4- چارکها 1- میانگین فرض کنید جامعه مورد بررسی دارای Nعضو Xn,…,X2,X1 باشد.
میانگین جامعه از رابطه زیر بدست می آید.
الف- میانگین حسابی الف-میانگین حسابی ب- میانگین هندسی پ-میانگین هارمونیک ت- میانگین پیراسته ب- میانگین هندسی اگر Xn,…,X2,X1 یک نمونه به حجم n از جامعه مورد بررسی باشد میانگین هندسی از رابطه زیر بدست می آید و با علامت G نمایش داده می شود.
اگر Xn,…,X2,X1 یک نمونه به حجم n از جامعه مورد بررسی باشد میانگین هارمونیک از رابطه زیر بدست می آید و با علامت H نمایش داده می شود.
یا پ-میانگین هارمونیک ت-میانگین پیراسته اگرkتا از مشاهدات حذف شده باشند میانگین پیراسته از رابطه زیر بدست می آید .
k
ب- منحصر به فرد است.
ج- تحت تأثیر داده های پرت قرار نمی­گیرد.
د- محاسبه آن ساده است.
3- نما نمای یک مجموعه عددی است که در آن مجموعه بیش از بقیه تکرار شده باشد.
چارکهای یک مجموعه مورد بررسی عبارتست از کمیت­ها یا مقادیری که مجموعه را به چهار قسمت مساوی تقسیم می­کنند.
محاسبه چارکها همانند میانه می‌باشد.
4- چارکها شاخص های پراکندگی: 1- دامنه 2-واریانس 3-انحراف معیار 4-متغیرهای استاندارد 5-ضریب تغییر یا تعیین 6-انحراف چارکی 7-گشتاورها 1- دامنه R=XMAX-XMIN 2-واریانس ویژگی های واریانس نمونه: 1-واریانس عدد ثابت C برابر با صفر است.
2-اگرمقدار ثابت α رابه مشاهدات اضافه یا ازآنها کم کنیم واریانس تغییر نمی‌‌کند.
  متن بالا فقط قسمتی از محتوی متن پاورپوینت میباشد،شما بعد از پرداخت آنلاین ، فایل را فورا دانلود نمایید 

---

  لطفا به نکات زیر در هنگام خرید دانلود پاورپوینت:  توجه فرمایید.

• در این مطلب، متن اسلاید های اولیه قرار داده شده است.
• به علت اینکه امکان درج تصاویر استفاده شده در پاورپوینت وجود ندارد،در صورتی که مایل به دریافت  تصاویری از ان قبل از خرید هستید، می توانید با پشتیبانی تماس حاصل فرمایید
• پس از پرداخت هزینه ،ارسال آنی پاورپوینت خرید شده ، به ادرس ایمیل شما و لینک دانلود فایل برای شما نمایش داده خواهد شد
• در صورت  مشاهده  بهم ریختگی احتمالی در متون بالا ،دلیل آن کپی کردن این مطالب از داخل اسلاید ها میباشد ودر فایل اصلی این پاورپوینت،به هیچ وجه بهم ریختگی وجود ندارد
• در صورتی که اسلاید ها داری جدول و یا عکس باشند در متون پاورپوینت قرار نخواهند گرفت.
  
• هدف فروشگاه ایران پاورپوینت کمک به سیستم آموزشی و رفاه دانشجویان و علم آموزان میهن عزیزمان میباشد. 
  

---

دانلود فایل  پرداخت آنلاین 

جزوه آمار و احتمالات مهندسی مهندس طاهره سیدنا دانشگاه صنعتی امیرکبیر

اختصاصی از یاری فایل جزوه آمار و احتمالات مهندسی مهندس طاهره سیدنا دانشگاه صنعتی امیرکبیر دانلود با لینک مستقیم و پر سرعت .

این جزوه به صورت دستنویس است.

این جزوه درس آمار و احتمالات مهندسی مهندس طاهره سیدنا دانشگاه صنعتی امیرکبیر می باشد که به طور کامل به ارائه مباحث مطرح در این واحد درسی پرداخته است.

درس آمار و احتمالات مهندسی از جمله دروس رشته مهندسی برق و مهندسی صنایع در مقطع کارشناسی می باشد. این جزوه در 124 صفحه با کیفیت عالی اسکن شده و امیدواریم در جهت کمک به شما عزیزان مورد استفاده قرار بگیرد.