- •1. Центральная предельная теорема теории вероятностей и ее практическое использование в задачах синтеза ткс.
- •2. Теорема Чебышева и ее практическое использование в задачах анализа ткс.
- •3. Определить понятие системы случайных величин. Дать определение зависимых случайных величии. Привести критерии независимости двух с. В., используемые практически.
- •5. Определить основные свойства с.В, имеющей равномерное распределение.
- •6. Обосновать использование такой с.В. Для получения белого шума.
- •7. Определить функцию распределения системы двух с. В и ее основные свойства. Привести геометрическую интерпретацию, указать практическое применение.
- •8. Определить функцию плотности распределения вероятности системы двух с. В. И ее основные свойства. Привести геометрическую интерпретацию, указать практическое применение.
- •9. Определить нормальный закон распределения с.В. И обосновать его широкое применение в моделях ткс.
- •11. Проанализировать график функции плотности вероятности с.В. С нормальным законом распределения. Сформулировать правило «трех сигм» и указать его »фактическое применение в задачах анализа ткс.
- •12. Определить распределение Рэлея и его основные параметры. Привести пример использования этой модели при проектировании систем радиосвязи.
- •13. Определить логарифмически-нормальное распределение с.В и его параметры. Привести пример использования этой модели в сфере телекоммуникаций.
- •16. Проанализировать зависимость закона Пуассона и биномиального закона распределения с. В. Показать использование этой зависимости на практике.
- •18. Привести классификацию случайных явлений. Определить понятие случайного событие и дать определение пространства случайных событий.
- •19. Привести классификацию случайных явлений. Дать определение случайной величины и проанализировать связь с пространством случайных событий.
- •20. Определить вероятность случайного события. Сформулировать основные аксиомы и законы теории вероятностей.
- •21. Обосновать многообразие методов определения вероятности случайного события, дать рекомендации по их применению.
- •22. Определить цель задачи курса. Обосновать необходимость использования вероятностных моделей и методов в практике инженеров телекоммуникаций.
- •23. Дать определение взаимно корреляционной функции двух случайных процессов и привести основные свойства.
- •24. Дать определение корреляционной функции случайного процесса и привести основные свойства.
- •25. Определение и способы описания случайных процессов. Закон распределения случайного процесса.
- •26. Основные характеристики случайного процесса. Классификация случайных процессов.
- •30. Определение множества. Конечные, бесконечные множества. Мощность множества. Множества и подмножества.
- •31. Способы задания множеств. Операции над множествами.
- •32. Основные свойства алгебры множеств.
- •33. Основной принцип комбинаторики. Перестановки, размещения, сочетания.
- •34. Что изучает теория вероятностей? Основные этапы формирования теории вероятностей, как науки.
- •35. Случайное событие. Классификация событий. Элементарное событие. Пространство элементарных событий.
- •36. Случайное событие, как множество элементарных событий. Алгебра событий.
- •38. Способы задания вероятностей.
- •39. Условная вероятность. Правило умножения вероятностей. Формула полной вероятности. Теорема гипотез (формула Байеса).
- •40. Зависимые и независимые случайные события.
- •41. Вероятность события в испытаниях Бернулли. Формула Пуассона.
- •41)[Стр2] Если ставить вопрос о появлении события а k-раз в n испытаниях в произвольном порядке, то событие представимо в виде
- •42. Понятие случайной величины. Классификация случайных величин. Примеры случайных величин.
- •43. 3Акон распределения случайной величины. Закон распределения дискретной случайной величины.
- •44. Функция распределения случайной величины, ее свойства. Функция распределения дискретной и непрерывной случайной величины.
- •45. Функция плотности распределения вероятности, ее свойства
- •46. Числовые характеристики случайных величин. Математическое ожидание дискретной и непрерывной случайной величины. Свойства математического ожидания
- •47. Мода и медиана случайной величины. Начальные и центральные моменты случайной величины. Математическое ожидание центрированной случайной величины
- •48. Дисперсия случайной величины. Дисперсия дискретной и непрерывной случайной величины.
- •Постоянный множитель выносится за знак дисперсии в квадрате:.
- •49. Коэффициент вариации, коэффициент асимметрии и эксцесс случайной величины.
- •Свойства коэффициента эксцесса
- •Смысл коэффициента
34. Что изучает теория вероятностей? Основные этапы формирования теории вероятностей, как науки.
Предметом теории вероятностей является математический анализ случайных явлений с целью выявления закономерностей этих явлений при массовом их проявлении.
Случайное явление – это явление, которое при воспроизводстве может протекать каждый раз по-иному. Например, выпадение “герба” при бросании монеты, может произойти, а может и нет. При “независимых” бросаниях, количество которых велико, частота выпадения “герба”, т.е. отношение количества выпадения “герба” к общему количеству бросаний, будет близко к ½. Таким образом проявляется определенная систематическая устойчивость появления события (выпадения “герба”). Систематическая устойчивость частот делает весьма правдоподобной гипотезу о возможности количественной оценке “случайности“ того или иного события А, осуществляемого в результате эксперимента. Исходя из этого, теория вероятностей постулирует существование у события А определенной числовой характеристики Р(А), называемой вероятностью этого события, свойство которой состоит в том , что с ростом числа “независимых” испытаний (экспериментов) частота появления события А приближается к величине Р(А). Призванная изучать количественные характеристики “случайности”, теория вероятностей стала точной наукой лишь тогда, когда была создана ее аксиоматика. В этой связи кратко остановимся на основных этапах становления теории вероятностей.
Возникновение теории вероятностей как науки относится к середине XVП века и связано с именами Паскаля (1623-1662), Ферма (1601-1665), Гюйгенса (1629-1695).
Основы теории вероятностей были заложены Я. Бернулли (1654-1705) и Муавром (1667-1754). Якобу Бернулли принадлежит заслуга введения в науку “классического” определения понятия вероятности события как отношение числа возможный результатов испытания, благоприятствующих рассматриваемому событию, к числу всевозможных результатов испытаний.
Весьма значительный вклад в науку внес Лаплас (1749-1827), состоящий в применении вероятностных методов к теории ошибок наблюдений.
С именем Пуассона (1781-1840) в современной теории вероятностей связано понятие распределения и процесса, носящего его имя.
Гауссу (1777-1855) принадлежит заслуга создания теории ошибок и, в частности, обоснования одного из основных принципов обработки экспериментальных данных – метода наименьших квадратов.
Следующий важный период в развитии теории вероятностей связан с именами П.Л. Чебышева (1821-1894) , А.А. Маркова (1856-1922) , А.М. Ляпунова (1857-1918), создавших эффективные методы доказательства предельных теорем для сумм независимых произвольных случайных величин.
Лучшим выразителем идей Чебышева стал его ближайший ученик Марков. Значительным вкладом Маркова в теорию вероятностей является начатое им исследование предельных теорем для сумм независимых величин и создание одного из новых разделов теории вероятностей – теория независимых случайных величин – цепей Маркова.
Современный период развития теории вероятностей начинается с установлением аксиоматики. Первые работы в этом направлении принадлежат С.Н. Бернштейну (1880-1968), Р. Мизесу (1883-1953), Э. Борелю (1871-1956). В 1933 году вышла книга А.Н. Колмогорова “Основные понятия теории вероятностей”, в которой была предложена аксиоматика, получившая всеобщее признание и позволившая охватить не только все классические разделы теории вероятностей, но и дать строгую основу для развития ее новых разделов, связанных с бесконечными распределениями.
Теория вероятностей находит широкое применение в технике. Это связано с тем, что далеко не все физические явления могут быть описаны с помощью детерминированных законов достаточно точно. Например, полагают, что закон Ома u(t)=Ri(t) справедлив в любой момент времени, и на макроуровне такое утверждение можно считать вполне справедливым. Однако, на микроуровне это будет неверно. В этом можно убедится, подключив резистор большого номинала к входу усилителя с большим коэффициентом усиления и услышав шумы на выходе громкоговорителя. Вероятностный подход описания различного явления является более полным и детерминистический подход вытекает из него как частный случай.
Основное понятие, на котором базируется теория вероятностей, является понятие события. Это понятие первично, как понятие точки и прямой в геометрии. Под событием будем понимать всякий факт, который в результате реализации комплекса условий может произойти или не произойти.