00:00 / 00:00
1.8x
1.4x
1.0x
0.7x
HD SD
HD
SD
ثبت‌نام رایگان
  • دسترسی به تمام جلسات دوره
  • دسترسی به تمام جلسات دوره
  • اضافه شدن دوره به پروفایل
00:00 / 00:00
1.8x
1.4x
1.0x
0.7x
HD SD
HD
SD

آموزش رایگان احتمال و کاربردها

دوره‌های رایگان
26 جلسه
94٪ (637 رای)

درس آمار و احتمال یکی از دروس ضروری و پایه رشته‌های فنی و مهندسی و همچنین برخی از علوم پایه به‌حساب می‌آید که یادگیری آن اهمیت بسیار زیادی دارد. دوره آموزش احتمال و کاربردها موجود با هدف آموزش این درس در مکتب خونه گردآوری شده است که در ادامه به معرفی آن خواهیم پرداخت.

دوره آموزش احتمال و کاربردها

درس احتمال و کاربردها در نیمسال اول سال تحصیلی 97-96، در دانشکده علوم ریاضی دانشگاه صنعتی شریف ضبط شده است. این درس احتمال و کاربردها اولین درس احتمال در دوره کارشناسی به‌حساب می‌آید. دوره آموزش احتمال و کاربردها فعلی در ٢٦ جلسه و ٣٩ ساعت از کلاس‌های دانشگاه صنعتی شریف تهیه و گردآوری شده است.

پیش‌نیاز دوره آموزش احتمال و کاربردها چیست؟

 پیش‌نیاز این درس ریاضی ۱ و ۲ است. آشنایی با ریاضی گسسته در این درس می‌تواند یادگیری فصل‌های ابتدایی درس را تسهیل کند. کتابی که این درس بر اساس آن ارائه شده، کتاب A first course in probability نوشته Sheldon Ross (نسخه هشتم) است.

دوره آموزش احتمال و کاربردها برای چه کسانی مناسب است؟

دوره آموزش احتمال و کاربردها برای تمامی دانشجویان رشته‌های فنی مهندسی و برخی از رشته‌های علوم پایه مناسب است و دانشجویان می‌توانند با استفاده از آن خود را برای امتحانات پایانی و کنکور ارشد آماده کنند.

چه مباحثی در این دوره تدریس خواهند شد؟

در این دوره آموزش احتمال و کاربردها ما ابتدا به معرفی مفهوم احتمال می‌پردازیم. مفهوم احتمال با این‌که موضوعی است که در زندگی روزمره بسیار مورد استفاده قرار می‌گیرد ولی تعریف دقیق آن چالش زیادی ایجاد می‌کند. پس از آن ما به معرفی فضای نمونه، تابع احتمال و اصول احتمال می‌پردازیم.

احتمال بر پایه پیشامدهای هم‌احتمال جزء اولین موضوعاتی است که در درس احتمال مطرح می‌شود. در حقیقت موضوع احتمال با تعداد متناهی پیشامد در این درس مطرح می‌شود. به طور عمده این بخش از درس مبتنی بر مثال‌هایی شمارشی است. تسلط بر اصول شمارش و نحوه مناسب استفاده از آن برای این بخش از درس می‌تواند بسیار مفید باشد.

پس از آن به معرفی مفهوم احتمال شرطی و استقلال می‌پردازیم. این دو مفهوم از مهم‌ترین مفاهیمی است که در درک درست علم احتمال می‌تواند کمک فراوانی بکند. مثال‌های زیاد در این رابطه معرفی و بررسی می‌شود. قانون احتمال کل که محاسبه احتمال را به کمک احتمال شرطی تسهیل می‌کند جزء مفاهیمی است که در این بخش از درس مطرح می‌شود. همچنین در این بخش قانون بیز را معرفی و بررسی می‌کنیم. قانون بیز یکی از پرکاربردترین قوانین احتمال در سایر علوم است. این قانون که به‌نوعی مبنا و اساس شاخه آمار بیزی است کاربردهای فراوان و نتایجی فوق‌العاده دارد. در این بخش از درس ما کاربردهایی ساده ولی نابدیهی از این قضیه آشنا می‌شویم و می‌بینیم که چگونه می‌توان از آن برای محاسبه احتمال‌های شرطی استفاده کرد.

در ادامه این درس ما متغیرهای تصادفی و مفهوم امید ریاضی (میانگین) و واریانس را معرفی می‌کنیم. مفهوم متغیر تصادفی یکی از کلیدی‌ترین مفاهیم درس احتمال است که به کمک آن مفاهیم زیادی در علم احتمال و سایر علوم را می‌توان بهتر مدل‌سازی کرد. درک این مفهوم از اساسی‌ترین موضوعات درس احتمال است.

سپس به معرفی برخی متغیرهای تصادفی شناخته‌شده گسسته و پیوسته می‌پردازیم. متغیرهای یکنواخت، دوجمله‌ای، هندسی و پواسون از مهم‌ترین توزیع‌های گسسته‌ای است که به مطالعه آن می‌پردازیم و متغیرهای یکنواخت، هندسی، نرمال و گاما نیز از مهم‌ترین متغیرهای پیوسته هستند که در این بخش بررسی می‌شوند. علاوه بر معرفی این متغیرها این‌که در چه مواردی این متغیرها کاربرد دارند موردبحث و بررسی قرار می‌گیرد.

یکی از مفاهیم مهم دیگری که در این درس بررسی می‌شود توزیع توأم متغیرهای تصادفی است. این مفهوم به طور دقیق تعریف می‌شود و خواص آن مطالعه می‌شود. مفهوم متغیرهای تصادفی مستقل نیز در این بخش مطرح می‌شود. سعی می‌شود این مفاهیم با مثال‌های متعدد بررسی شوند.

در ادامه به بررسی خواص امید ریاضی و واریانس می‌پردازیم. تأثیر عملیات جمع و ضرب بر روی امید ریاضی و واریانس متغیرهای تصادفی و به طور خاص برای متغیرهای تصادفی مستقل بررسی می‌شود. به‌علاوه در این بخش به معرفی کوواریانس و ضریب همبستگی نیز پرداخته می‌شود و در مورد خواص آن‌ها صحبت می‌شود.

در ادامه درس به مطالعه تابع مولد گشتاور می‌پردازیم. محاسبات مرتبط با تابع مولد گشتاور و ارتباط آن با توزیع‌ها بررسی می‌شود.

در بخش انتهایی درس به مطالعه دو قضیه اساسی حدی در احتمال می‌پردازیم. قضیه اول قانون اعداد بزرگ است که به ارتباط متغیرهای تصادفی مستقل و هم‌توزیع و میانگین آن‌ها می‌پردازد. این قضیه به‌نوعی جزء مهم‌ترین قضایای حدی در رشته احتمال است. قضیه دوم قضیه حد مرکزی است که هم به‌نوعی در رابطه با سرعت هم‌گرایی در قانون اعداد بزرگ صحبت می‌کند و هم در سایه این قضیه مشخص می‌شود که چرا توزیع نرمال توزیعی با این اهمیت، فراوانی و کاربرد در مثال‌های واقعی است

سرفصل‌های دوره آموزش رایگان احتمال و کاربردها

احتمال و کاربردها
38:55 ساعت
38:55
Combined Shape Created with Sketch. 26 جلسه
جلسه اول: فضای نمونه
"91:21
جلسه دوم: مثال‌های اولیه - بخش اول
"96:48
جلسه سوم: مثال‌های اولیه - بخش دوم
"82:19
جلسه چهارم: احتمال شرطی - بخش اول
"93:15
جلسه پنجم: احتمال شرطی - بخش دوم
"94:38
جلسه ششم: قانون بیز
"87:40
جلسه هفتم: احتمال شرطی - بحث تکمیلی
"92:12
جلسه هشتم: استقلال
"96:06
جلسه نهم: ورشکستگی قمار باز، متغیر تصادفی
"93:21
جلسه دهم: امید ریاضی
"89:45
جلسه یازدهم: امید ریاضی و واریانس
"81:34
جلسه وازدهم: متغیر دوجمله‌ای - بخش اول
"91:42
جلسه سیزدهم: متغیر دوجمله‌ای - بخش دوم
"82:38
جلسه چهاردهم: مجموع متغیرهای هندسی - متغیر دوجمله‌ای منفی
"84:03
جلسه پانزدهم: متغیرهای پیوسته - بخش اول
"91:00
جلسه شانزدهم: متغیرهای پیوسته - بخش دوم
"91:16
جلسه هفدهم: متغیرهای یکنواخت و نرمال
"84:10
جلسه هجدهم: متغیرهای نرمال، نمایی و گاما
"95:07
جلسه نوزدهم: توابع متغیرهای تصادفی، توزیع توأم
"85:34
جلسه بیستم: توزیع‌های توأم
"85:01
جلسه بیست و یکم: متغیرهای تصادفی مستقل، مجموع متغیرهای تصادفی مستقل
"95:22
جلسه بیست و دوم: خواص امید ریاضی
"77:42
جلسه بیست و سوم: کوواریانس و همبستگی
"89:43
جلسه بیست و چهارم: امید ریاضی شرطی، تابع مولد گشتاور
"83:13
جلسه بیست و پنجم: تابع مولد گشتاور
"76:06
جلسه بیست و ششم: قانون اعداد بزرگ و حد مرکزی
"124:01
استاد دوره
میر امید حاجی میرصادقی میر امید حاجی میرصادقی

دکتر میرصادقی از اساتید جوان دانشکده ریاضی و علوم کامپیوتر دانشگاه شریف است. وی مدرک کارشناسی و کارشناسی ارشد خویش را در رشته‌ی ریاضی از دانشگاه صنعتی شریف کسب کرد. نام‌برده در دوره‌ی دکترا وارد دوره‌ی مشترک بین دانشگاه صنعتی شریف و دانشگاه پاریس ۶ فرانسه شد و در سال ۱۳۹۱ موفق به اخذ دو مدرک دکترای خود از این دو دانشگاه شد.

از جمله افتخارات وی می‌توان به کسب دو مدال طلای کشوری و دو مدال برنز جهانی المپیاد دانش‌آموزی ریاضی، کسب دو مدال طلای کشوری مسابقات دانشجویی کشوری، کسب جایزه‌ی اول و دوم مسابقات دانشجویی ریاضی جهانی، کسب رتبه‌ی اول آزمون کارشناسی ارشد و دکترا اشاره کرد.

اطلاعات بیشتر
درباره برگزارکننده
دانشگاه صنعتی شریف دانشگاه صنعتی شریف (اطلاعات بیشتر)

پیش‌نیاز‌های دوره آموزش رایگان احتمال و کاربردها

دوره آموزش ریاضی عمومی 2
اطلاعات بیشتر
ریاضی عمومی ۱
اطلاعات بیشتر

نظرات  (5 نظر)

علی
10:08 - 1401/05/30
کاربر‌ سایت
اشخاصی که به آموزش اصولی و علت توسعه هر کدام از مفاهیم نظیر توزیع نرمال و ... علاقه مند هستند برایشان فوق العادست. بیان استاد بسیار شیوا و کلاس اصلا خسته کننده نیست.
سمانه
16:16 - 1400/05/24
کاربر‌ سایت
بسیار عالی بود
امیر محمد
05:00 - 1399/09/12
کاربر‌ سایت
عالی
علی
22:44 - 1399/09/09
کاربر‌ سایت
بسیار پایه ای و برای امثال من که چند سال از درس دور بودن فوق العاده قابل فهم و نحوه تدریس بسیار مفهومی و جذاب پیشنهاد می دهم حتی اگر این درس رو کاملا بلدید دوباره از این آموزش استفاده بکنید به درد امتحان نمی خوره ولی یک درک بسیار عمیق نسبت به مفهوم احتمال بهتون میده که به درک بقیه دروس به شدت کمک می کنه و پایه ای بسیار عالی براتون به ارمغان میاره با تشکر از استاد محترم که واقعا نحوه تدریسشون عالیه عالی عالی عالی
مهدی
19:51 - 1399/01/09
کاربر‌ سایت
خیلی ممنون اقای میر صادقی....کارت درسته

سوالات پرتکرار

آیا ممکن است که درسی ناقص ضبط شده باشد؟
ما همواره تلاش کرده­‌ایم که دروس را به طور کامل ضبط نماییم و در اختیار شما دوستان قرار دهیم. اما گاهی برخی ناهماهنگی ها سبب می شود که یک یا تعدادی از جلسات یک درس ضبط نشود. توضیح این گونه نواقص در توضیح درس­ ها آمده است.
اگر لینک دانلود یا پخش ویدئو مشکل داشت چه باید کرد؟
در صورتی که با هر گونه مشکلی رو به رو شدید می توانید از طریق صفحه ارتباط با ما به ما اطلاع دهید تا ما سریعا مشکل را پیگیری و برطرف نماییم.
آیا امکان دریافت فیلم های یک درس به صورت سی دی یا دی وی دی وجود دارد؟
در حال حاضر امکان ارسال دروس به صورت سی دی یا دی وی دی وجود ندارد.

اطلاعات بیشتر

آمار و احتمال

مبحث احتمال یکی از دروس هیجان‌انگیز ریاضیات است که از مقطع متوسطه شروع و در برخی رشته‌های دانشگاهی نیز وجود دارد. حتماً مثال طاس در کتاب درسی آمار و احتمال را به خاطر که آنچه از ما می‌خواستند این بود که محاسبه کنیم برای مثال از 50 باری که طاس را پرتاب می‌کنیم چند بار آن شیر و چند بار احتمال آمدن خط وجود دارد. 

آمار و احتمال نظام جدید و جبر و احتمال نظام قدیم

 ازنظر محتوا تغییر چندانی باهم ندارند. تنها مطالب با اهمیت که در نظام قبل در دو کتاب گنجانده شده بود، این بار در یک کتاب گردآوری شده‌اند. 

مفهوم احتمال

شاید بهتر است بگوییم مفهوم احتمال همان شانس رخداد دادن یک پیشامد یا توصیف پدیده‌های تصادفی به‌حساب می‌آید و یک پیشامد آن چیزی است که پیش می‌آید. امروزه مفهوم احتمال تنها یک درس و مبحث دانشگاهی نیست. ابزاری است که اقتصاددان‌ها از آن استفاده می‌کنند. و با حوزه‌های دیگر مثل علوم طبیعی، هوش مصنوعی، اقتصاد و غیره در ارتباط است. احتمال در واقع احتمال یک پیشامد به تعداد دفعات کل پیشامد را در نظر دارد.

اصطلاحات در مبحث احتمال

  • فضای نمونه: به تعداد حالت‌هایی که برای یک پدیده‌ی تصادفی رخ می‌دهد فضای نمونه می‌گویند و آن را با s نمایش می‌دهند. برای مثال فضای نمونه‌ی پرتاب دو سکه را بنویسید: -هر دو سکه خط-هردو سکه شیر – سکه اول شیر سکه دوم خط – سکه اول خط سکه دوم شیر
  • پدیده‌ی تصادفی: به پدیده‌ی طبیعی و یا آزمایشی که نتیجه‌ی آن را نمی‌دانیم یا نامشخص است پدیده‌ی تصادفی می‌گوییم. برای مثال: انداختن تاس –پیدا کردن سیب خراب از یک جعبه‌ی صدتایی
  • پیشامد: هر زیرمجموعه‌ای از یک فضای نمونه را پیشامد می گویند. احتمال وقوع پیشامد A را با p(A) نشان می دهیم.

مهم: اگر فضای نمونه S دارای n عضو باشد، آنگاه S دارای پیشامد است.

تعاریف پیشامد

پیشامد ناسازگار: اگر A و B دو پیشامد از فضای نمونه‌ S باشد و طوری باشد که نتوانند باهم اتفاق بیفتند به آن پیشامد ناسازگار می‌گویند. در این صورت: A∩B=ꬾ و P(A∩B)=0 است که با توجه به این نکته می‌توانیم قاعده جمع احتمال را به صورت زیر بیان کنیم:

P(A∩B) = P(A) + P(B)

پیشامد مستقل: اگر A و B دو پیشامد از فضای نمونه‌ S باشد و وقوع دیگری بر طرف دیگر تأثیر ندارد به این دو پیشامد مستقل می‌گوییم و قاعده‌ی آن به صورت زیر خواهد بود:

P(A∩B) = P(A) P(B)

به زبان ساده اگر A و B دو پیشامد باشند:

  • پیشامد A∩B وقتی رخ می‌دهد که هر دو پیشامد اتفاق بیفتد.
    پیشامد A∪B  وقتی رخ می‌دهد که حداقل یکی از پیشامدها رخ دهد.

احتمال: به نسبت حالات ممکن وقوع پیشامد به تعداد کل فضای نمونه احتمال می‌گویند.

قوانین و قضایای احتمال

  • قانون جمع احتمالات: اگر Aو B دو پیشامد از فضای نمونه ی S باشد احتمال وقوع A یا B را به صورت زیر محاسبه می‌نماییم.
  • متمم پیشامد: پیشامد اتفاق نیفتادن پیشامد A را متمم آن می گوییم و با 'A نشان می‌دهیم.

مهم: در حالت کلی داریم P(ꬾ)=0 و P(S)=1 و برای هر پیشامد A داریم:

 P(A) ≤ 1≥ 0

قضیه: P(Ø) = 0

قضیه: اگر Bn ,… ,B2 ,B1  پیشامدهای دو به دو ناسازگار باشند، آنگاه:

  • P(B1 ∪ B2 … ∪ Bn) = P(B1) + P(B2) + … + P(Bn)

 نتیجه: اگر A و B دو پیشامد ناسازگار باشد، آنگاه:

  • P(A ∪ B) = P(A) + P(B)

قضیه: اگر A یک پیشامد و ´A متمم آن باشد (A ∪ A´ = S)، آنگاه:

  • P(A) + P(A´) = 1    یا    P(A´) =1 - P(A)

قضیه: اگر A و B دو پیشامد دلخواه باشند، آنگاه:

  • P(B - A) = P(B) – P(A ∩ B)

نتیجه: اگر A و B دو پیشامد باشند که A ⊂ B، آنگاه:

الف) P(B - A) = P(B) - P(A)              ب) P(A) ≤ P(B)

احتمال شرطی

در واقع به زبان ساده بخواهیم بگوییم این‌طور است که زمانی که با عدم قطعیت و با احتمال با مسائل روبرو خواهیم شد گاهی سؤالات شرطی برسر راه ما قرار دارند مانند اینکه «اگر فردا برف ببارد، چقدر احتمال دارد راه برخی روستاهای دهستان‌های شهرستان کنگاور مسدود شود؟ اگر A و B دو پیشامد از فضای نمونه S باشد› 0 P(B)، دراین صورت احتمال وقوع A به شرطی است که بدانیم پیشامد B نیز رخ می دهد و رابطه ی آن به صورت زیر خواهد شد:

احتمال غیرهم شانس

فرض کنید یک تاس داریم که سه وجه آن عدد یک، دو وجه آن عدد دو و وجه دیگر عدد سه است. به نظر شما احتمال افتادن هر سه وجه برابر است؟ خیر. همان‌طور که در مثال بیان کردیم، در فضای نمونه‌ای  S را فضای احتمال وقوع پیشامدهای ساده با یکدیگر برابر نیست . هرگاه حداقل دو پیشامد ساده از فضای نمونه   احتمال نابرابر داشته باشند. S  را فضای نمونه‌ای با احتمال غیرهم شانس می‌نامیم. در فضای نمونه‌ای متناهی با احتمال غیر هم شانس اگر فضای نمونه‌ای و یک زیرمجموعه K عضوی S باشد خواهیم داشت:

  • 0 ≤ P(A) ≤ 1
  • P(S) = 1
  • P(A) = P(a1) + P(a2) + ... + P  (ak)

قانون ضرب احتمال

اگر A و B دو پیشامد باشند به طوریکه P(A) ≥0:

  • P(A∩B)= P(A) P(B⃒A)

 قانون ضرب احتمال را می توان به راحتی برای سه پیشامد نیز نوشت:

اگر  پیشامدهایی با احتمال ناصفر باشند آنگاه:

  • P(A1∩A2∩A3)= P(A1) P(A2|A1) P(A3|( A1∩A2))

قانون احتمال کل

زمانی که از داده‌های جزیی به نتیجه‌ی کلی می‌رسید. برای مثال داده‌هایی که از جمع‌آوری خانوارها به دست می‌آید منجر به آمار کلی کشوری می‌گردد. در آمار و احتمالات قانون احتمال کامل به شرح زیر است:

  • P(A) = ∑ P(A ∩ Bi) = ∑ P(A | Bi) P(Bi)

قانون بیز

توماس بیز آماردان و فیلسوف و کشیش انگلیسی بود که بعد از مرگش ریچارد پرایس از روی یادداشت‌های او این قانون را منتشر نمود. یکسری پیش‌فرض بابت یک اتفاق برای مثال با شخصی قرار دارید که نمی‌دانید صادق هست یا خیر. قانون بیز که از مهم‌ترین قوانین در علم احتمال است، این موضوع را به زبان ریاضی فرمول‌بندی می‌کند. اگر فضای نمونه Ω به B1 ،B2 و ... افراز شده باشد، داریم:

  • P(Bi | A) = (P(A | Bi) P(Bi)) / ∑P(A | Bj) P(Bj)

مخرج برابر با P(A) است.

برای درک و یادگیری بیشتر این مطلب باید تمرینات بسیار انجام و دوره آموزش احتمال و کاربردها مرتبط را مشاهده نمایید.

×

ثبت نظر

به این دوره از ۱ تا ۵ چه امتیازی می‌دهید؟

احتمال و کاربردها
38:55 ساعت
38:55
Combined Shape Created with Sketch. 26 جلسه
جلسه اول: فضای نمونه
"91:21
جلسه دوم: مثال‌های اولیه - بخش اول
"96:48
جلسه سوم: مثال‌های اولیه - بخش دوم
"82:19
جلسه چهارم: احتمال شرطی - بخش اول
"93:15
جلسه پنجم: احتمال شرطی - بخش دوم
"94:38
جلسه ششم: قانون بیز
"87:40
جلسه هفتم: احتمال شرطی - بحث تکمیلی
"92:12
جلسه هشتم: استقلال
"96:06
جلسه نهم: ورشکستگی قمار باز، متغیر تصادفی
"93:21
جلسه دهم: امید ریاضی
"89:45
جلسه یازدهم: امید ریاضی و واریانس
"81:34
جلسه وازدهم: متغیر دوجمله‌ای - بخش اول
"91:42
جلسه سیزدهم: متغیر دوجمله‌ای - بخش دوم
"82:38
جلسه چهاردهم: مجموع متغیرهای هندسی - متغیر دوجمله‌ای منفی
"84:03
جلسه پانزدهم: متغیرهای پیوسته - بخش اول
"91:00
جلسه شانزدهم: متغیرهای پیوسته - بخش دوم
"91:16
جلسه هفدهم: متغیرهای یکنواخت و نرمال
"84:10
جلسه هجدهم: متغیرهای نرمال، نمایی و گاما
"95:07
جلسه نوزدهم: توابع متغیرهای تصادفی، توزیع توأم
"85:34
جلسه بیستم: توزیع‌های توأم
"85:01
جلسه بیست و یکم: متغیرهای تصادفی مستقل، مجموع متغیرهای تصادفی مستقل
"95:22
جلسه بیست و دوم: خواص امید ریاضی
"77:42
جلسه بیست و سوم: کوواریانس و همبستگی
"89:43
جلسه بیست و چهارم: امید ریاضی شرطی، تابع مولد گشتاور
"83:13
جلسه بیست و پنجم: تابع مولد گشتاور
"76:06
جلسه بیست و ششم: قانون اعداد بزرگ و حد مرکزی
"124:01