- •Элементы вариационного исчисления. Задачи, приводящие к вариационному исчислению.
- •Элементы вариационного исчисления. Основные понятия (функционал, вариация функционала)
- •Простейшая вариационная задача с закрепленными границами. Понятие об экстремуме функционала.
- •Вариационная задача с подвижными границами. Задача с подвижными концами.
- •Вариационная задача с подвижными границами. Задача с подвижными границами.
- •Вариационные задачи на условный экстремум.
- •Постановка задачи оптимального управления.
- •Линейная стационарная задача оптимального быстродействия.
- •О возможности решения задач оптимального управления с помощью вариационного исчисления.
- •Принцип максимума Понтрягина в линейной стационарной задаче оптимального управления.
- •Множества. Операции над множествами.
- •Высказывания. Предикаты. Виды предикатов.
- •Операции над высказываниями (отрицание, конъюнкция, дизъюнкция, импликация, эквиваленция, штрих Шеффера, сумма по модулю два).
- •Конъюнктивная и дизъюнктивная нормальные формы. Их свойства. Приведение формул логики к кнф, днф.
- •Булевы функции. Булева алгебра.
- •Многочлен Жегалкина.
- •Предполные классы.
- •Теорема Поста (критерий полноты системы булевых функций).
- •Основные понятия теории графов.
- •Обход графа (алгоритмы «оптимиста» и «пессимиста»).
- •Нахождение кратчайшего пути (алгоритмы Флойда и Дийкстра).
- •Деревья. Построение сети дорог минимальной стоимости.
- •Построение максимального потока грузов по транспортной сети.
- •Автоматы.
- •Элементы комбинаторики.
- •События. Виды событий. Операции над ними.
- •Классическое определение вероятности события
- •Теоремы сложения и умножения вероятностей.
- •Формула полной вероятности. Формула Байеса.
- •Формула Бернулли
- •Локальная и интегральная теоремы Муавра- Лапласа.
- •Дискретные случайные величины. Закон распределения дсв. Законы биномиальный и Пуассона.
- •Числовые характеристики дсв.
- •Непрерывные случайные величины. Плотность распределения непрерывной случайной величины.
- •Числовые характеристики непрерывные случайных величин.
- •Функция случайного аргумента.
- •Закон распределения двумерной случайной величины.
- •Выборочный метод. Статистическое распределение выборки.
- •Выборочный метод. Эмпирическая функция распределения.
- •Выборочный метод. Полигон и гистограмма
- •Статистические оценки параметров распределения. Точечные оценки.
- •Статистические оценки параметров распределения. Интервальные оценки.
- •Методы расчета сводных характеристик выборки. Метод произведений вычисления выборочной средней и дисперсии.
- •Методы расчета сводных характеристик выборки. Метод сумм вычисления выборочной средней и дисперсии.
- •Элементы теории корреляции.
- •Статистическая проверка статистических гипотез.
- •Проверка гипотезы о нормальном распределении генеральной совокупности по критерию Пирсона в случае эмпирического распределения, заданного в виде последовательности равноотстоящих вариант.
Статистические оценки параметров распределения. Точечные оценки.
Статистические оценки — это статистики, которые используются для оценивания неизвестных параметров распределений случайной величины. То́чечная оце́нка в математической статистике — это число, вычисляемое на основе наблюдений, предположительно близкое к оцениваемому параметру. Пусть х1, х2, …, хn случайная выборка из распределения, зависящего от параметра . Тогда статистику (х1, х2, … хn) принимающую значения в , называют точечной оценкой параметра .
Статистические оценки параметров распределения. Интервальные оценки.
Статистические оценки — это статистики, которые используются для оценивания неизвестных параметров распределений случайной величины. Интервальной называют оценку, которая определяется двумя числами—концами интервала. Интервальные оценки позволяют установить точность и надежность оценок. Пусть найденная по данным выборки статистическая характеристика Q* служит оценкой неизвестного параметра Q. Будем считать Q постоянным числом (Q может быть и случайной величиной). Ясно, что Q* тем точнее определяет параметр Q, чем меньше абсолютная величина разности |Q- Q*|. Другими словами, если d>0 и |Q- Q*| <d , то чем меньше d , тем оценка точнее.
Методы расчета сводных характеристик выборки. Метод произведений вычисления выборочной средней и дисперсии.
Пусть выборка задана в виде распределения равноотстоящих вариант и соответствующих им частот. В этом случае удобно находить выборочные среднюю и дисперсию методом произведений по формулам: Xв=M1*h+C, Дв=[M2-M1^2]h^2. Условная варианта: Ui=(xi-C)/h, M1=( niUi)/n, M2=( niUi^2)/n
Методы расчета сводных характеристик выборки. Метод сумм вычисления выборочной средней и дисперсии.
Пусть выборка задана в виде распределения равноотстоящих вариант и соответствующих им частот. Выборочную среднюю и выборочную дисперсию вычисляют по формулам: Xв=M1*h+C, Дв=[M2-M1^2]h^2. В методе сумм теоритические моменты М1 и М2 вычисляются по формулам: М1=d1/n, M2=(S1+2S2)/n, d1=a1-b1, S1=a1+b1, S2=a2+b2.
Элементы теории корреляции.
Корреля́ция — статистическая взаимосвязь двух или нескольких случайных величин (либо величин, которые можно с некоторой допустимой степенью точности считать таковыми). При этом изменения значений одной или нескольких из этих величин сопутствуют систематическому изменению значений другой или других величин. Условные средние. Условным средним называют среднее арифметическое наблюдавшихся значений Y, соответствующих Х=х. Корреляционная таблица. Все сгруппированные данные записывают в виде таблицы, которую называют корреляционной. Выборочный коэффициент корреляции. Выборочный коэффициент корреляции определяется равенством r .
Статистическая проверка статистических гипотез.
Пусть в эксперименте доступна наблюдению случайная величина Х , распределение Р которой неизвестно полностью или частично. Тогда любое утверждение, касающееся Р называется статистической гипотезой. Этапы проверки статистических гипотез. 1. Формулировка основной и конкурирующей гипотезы . 2. Задание уровня значимости , на котором в дальнейшем и будет сделан вывод о справедливости гипотезы. 3. Расчёт статистики критерия 4. Построение критической области. 5. Вывод об истинности гипотезы. Наблюдаемые значения выборки подставляются в статистику и по попаданию (или непопаданию) в критическую область выносится решение об отвержении (или принятии) выдвинутой гипотезы .