- •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.
- •4. Определить основные числовые характеристики системы случайных величин. Обосновать их использование в задачах анализа ткс.
- •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.
- •10. Определить основные свойства с.В, имеющей нормальное распределение. Обосновать использование такой с.В. Для получения белого шума.
- •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.
- •27. Способы обработки опытных данных статистический ряд и группированный статистический ряд.
- •28. Основные свойства оценок числовых характеристик случайной величины и формулы для их определения.
- •29. Определить простейший поток событий, привести примеры использования в моделях ткс.
- •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.
- •37. Вероятность случайного события. Основные аксиомы теории вероятностей.
- •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.
- •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
1. Центральная предельная теорема теории вероятностей и ее практическое использование в задачах синтеза ткс.
Теорема. Если случайные величины Х1, Х2, ... , Хn взаимно независимы и имеют один и тот же закон распределения f(x) и
то при неограниченном увеличении n закон распределения суммы неограниченно приближается к нормальному.
Она может быть сформулирована в более общем случае. Закон распределения вероятностей суммы независимых случайных величин одинакового порядка при неограниченном увеличении слагаемых вне зависимости законов распределения слагаемых стремится к нормальному закону с плотностью вероятностей
где
2. Теорема Чебышева и ее практическое использование в задачах анализа ткс.
Пусть mx и Dx – математическое ожидание и дисперсия случайной величины Х. Тогда неравенство Чебышева гласит: вероятность того, что отклонение случайной величины от ее математического ожидания будет по абсолютной величине не меньше любого положительного числа , ограничена величиной , т.е.
Теорема: при неограниченном увеличении числа независимых испытаний, среднее арифметическое значение дисперсии, сходится по вероятности от ее математического ожидания.
3. Определить понятие системы случайных величин. Дать определение зависимых случайных величии. Привести критерии независимости двух с. В., используемые практически.
Система случайных величин - упорядоченный набор (x1,x2,…xn) слу.величин Xi(i=1,n), заданных на одном и том же Пространстве Элементарных Событий Ω (называется n-мерной случайной величиной)
Две слу.величины называются зависимыми, если закон распределения вероятностей одной из них меняется в зависимости от того, какое значение принимает другая.
Если слу.вел. независимы, то
f(x,y)=f(x)*f(y)
Kxy=0(корреляционный момент=0, отсутствует линейная зависимость)
M[x y] =mx* my (математическое ожидание)
rxy=Kxy/(σx*σy); 0<=|rxy|<=1
коефициент корреляции
4. Определить основные числовые характеристики системы случайных величин. Обосновать их использование в задачах анализа ткс.
Математическое ожидание, мода и медиана случайной величины. Моменты. Дисперсия. Среднее квадратическое отклонение.
Пусть дискретная случайная величина X принимает значения и вероятность принятия случайной величиной значения равна . Интуитивно ясно, что при наблюдении случайной величины X в n (n>>1) повторных независимых экспериментах значение появится примерно раз. Таким образом, среднее значение этой величины , подсчитанное по n экспериментам , есть примерно
.
Поэтому математическим ожиданием или средним значением дискретной случайной величины X называется число .Если и ряд сходится абсолютно, математическим ожиданием является величина .
Можно дать механическую интерпретацию математического ожидания. Если в точки прямой линии с абсциссами положены соответственно массы , то с учетом , что , есть абсцисса центра тяжести этой системы материальных точек. С позиции математики математическое ожидании является линейным функционалом, т.е. линейной операцией, ставящей в соответствие функции X(w) число M(X).
Модой с.в. называется наиболее вероятное значение с.в., т.е. для которого вероятность или плотность распределения достигает максимума.
Моду обычно обозначают . Экспериментальные аналоги моды: для дискретной с.в.Х – то значение, которое в данной серии опытов встречается чаще всего; для непрерывной с.в. – центр того элементарного интервала, для которого плотностьчастоты (отношение частоты попадания в этот интервал к его длине) достигает максимума.
Медианой непрерывной случайной величины Х называется такое её значение , для которого .
Начальным моментом S-го порядка с.в.Х называется математическое ожидание S-ой степени этой величины
Для дискретной с.в.Х начальный момент S-го порядка выражается суммой
, для непрерывной - интегралом
, где - плотность распределения.
Ранее введенная характеристика- есть не что иное, как первый начальный момент
.
Центральным моментом S-го порядка с.в.Х называется математическое ожидание S-ой степени центрированной с.в.
;
Для дискретной с.в. , для непрерывной- .
Для непосредственного вычисления дисперсии служат формулы:
для дискретной с.в.
для непрерывной с.в.