随机变量-线性规划-粗糙集.pptVIP

3、随机变量及概率

;在大量重复试验中却具有某种规律性的现象称为随机事件(Randomevents)，简称事件。

例如，{某病患的治疗结果}

{某批药丸的合格率是99％}

…

都是随机事件,随机事件通常用字母A，B，C等表示。;在大量重复试验中，如果事件出现的频率稳定地在某一常数p的附近摆动，便称常数p为事件A的概率(Probability)，记作P(A)＝p。;定理1若事件A和B是两个互不相容的事件，则;解：设B＝{3片中至少有1片穿心莲}，

Ak＝{3片中恰有k片穿心莲}，

k＝0，1，2，3，则;因为A1，A2，A3互不相容，且B＝A1+A2+A3，所以;Excel组合计算;有人提出舌癌手术治疗的新方案，试行5例，有4例成功(患者生存5年以上)，据此认为新方案的成功率为80％。该推断可靠吗?为什么?;条件概率;在事件B发生的条件下，事件A发生的概率叫做条件概率(Conditionalprobability)，记作P(A｜B)。;【举例】据估计成年人口中约15%患有高血压，而所有成年人口中约75%的人没有感觉到血压高。

同时估计人口中约6%患高血压而不自觉有病。如果一成年人认为自己没有高血压，问此人实际有病的概率是多少？;解：设A1＝{病人不觉得有病}，A2＝{此病存在}，

则P(A1)=0.75P(A2A1)=0.06;在某限定条件下求解由不同变量组成的最优目标值是实际中常见的问题。;表4-1显示了制药厂生产每千克药品“克感”和“清开灵”在各设备上所需的加工台时数及生产各药品可得的利润。;制药厂要决策的问题是生产多少千克的“克感”和“清开灵”药品，使得利润最大化。因此，要定义两个决策变量分别表示在计划期内生产“克感”和“清开灵”药品的数量。决策变量表示为：;2X1+2X2≤120（台时）

X1+2X2≤80（台时）;约束条件作图;约束区域;X1=？

X2=？

MaxZ=?;医院扩大业务收益的案例;模型求解;粗糙集理论，是继概率论、模糊集、证据理论之后的又一个处理不确定性的数学工具。;A={x1,x2,x3,x4,x5,x6,x7,x8};条件属性;一种对集合A的划分就对应着关于A中元素的一个知识，假如还有其他的属性：

形状R2={三角,方块,圆形}

大小R3={大,中,小}

这样加上R1属性对A构成的划分分别为：;还可以表达的知识有;假设给定了一个A上的子集合X={x2,x5,x7};“稳定”的集合{x1,x2,x5}

“不稳定”的集合{x3,x4,x6,x7,x8};去掉“颜色”属性？;得到化简后的知识库R2,R3;;(1)它能处理各种数据,包括不完整(incomplete)的数据以及拥有众多变量的数据;

(2)它能处理数据的不精确性和模棱两可(ambiguity),包括确定性和非确定性的情况;

(3)它能求得知识的最小表达(reduct);

(4)它能从数据中揭示出概念简单,易于操作的模式(pattern);;利用粗糙集理论对疾病诊断结果和症状之间的关系进行数据挖掘，确定疾病诊断的主要症状和冗余症状，得到最小症状组合，提取简洁的诊断规则。;一个简单的练习;又一个练习;