- •1. Задачи, приводящие к понятию определенного интеграла. Определение определенного интеграла.
- •2. Теорема существования определенного интеграла. Свойства определенного интеграла.
- •3. Теорема о связи определенного и неопределенного интегралов. Формула Ньютона-Лейбница.
- •4. Замена переменной в ои.
- •5. Интегрирование по частям в ои.
- •6. Несобственные интегралы по бесконечному промежутку интегрирования
- •7. Несобственные интегралы от ф-й, терпящих бесконечный разрыв
- •8. Применение определенных интегралов для выч. Площадей
- •9. Применение определенного интеграла для выч. Длин дуг
- •10. Применение определенного интеграла для выч. Объемов тел
- •11. Задачи приводящие к дифферинциальным уравнениям. Основныепонятия о дифференциальных уравнениях.
- •12. Дифференциальные уравнения первого порядка. Поле направлений. Изоклины. Задача Коши. Теорема Коши.
- •13. Дифференциальные уравнения с разделяющимися переменными. Однородные дифференциальные уравнения первого порядка.
- •14. Линейные дифференциальные уравнения первого порядка и уравнения Бернулли. Общая схема решения дифференциальных уравнений первого порядка.
- •15. Дифференциальные уравнения второго порядка, допускающие понижение порядка.
- •16.Линейные диф.Уравнения высших порядков. Теорема сущ.И единственности. Свойства решений.
- •17.Теорема о структуре общего решения линейного однородного дифференциального уравнения.
- •18. Линейные однородные диф уравнения 2 порядка с постоянным коэффициентом
- •19. Теорема о структуре общего решения линейного неоднородного уравнения
- •20. Нахождение частного решения для линейного диф уравнения 2 порядка с постоянным коэф и спец правой частью
- •24. Знакоположительные ряды. Первый и второй достаточный признаки сходимости рядов
- •25. Знакоположительные ряды. Признак Даламбера и интегральный признак Коши
- •26.Знакочередующиеся ряды.Признак Лейбница.Абсолютно и условно сходящиеся ряды.
- •27.Знакопеременные ряды. Достаточный признак сходимости. Абсолютно и условно сходящиеся ряды.
- •28.Функциональные ряды. Область сходимости ряда, достаточный признак сходимости.
- •29.Степенные ряды. Радиус сходимости степенного ряда
- •31. Ряд Тейлора.
- •32. Разложение основных эл-ных ф-й в ряд Тейлора.
- •33. Применение рядов к приближенным выч.М и решению дифференциальных уравнений.
- •34.Задачи приводящие к понятию двойного интеграла. Двойной интеграл и его выч..
- •35. Тройной интеграл и его выч..
- •36.Криволинейные интегралы первого и второго рода и их выч.
- •37. Основные понятия и определения теории вероятностей. Классическое определение вероятности.
- •38. Сумма событий. Теорема сложения вероятностей.
- •39. Произведение событий. Теорема умножения вероятностей.
- •40. Формула полной вероятности.
- •41. Схема Бернулли. Формула Бернулли.
- •42. Локальная и интегральная теоремы Лапласа. Формула Пуассона.
- •43. Дискретные случайные величины.
- •44. Числовые характеристики дискретных случайных величин.
- •45.Непрерывные случайные величины. Интегральная и дифференциальная ф-и распределения.
- •46.Числовые характеристики непрерывных случайных величин.
- •48. Нормальный з-н распределения.
- •49.Основные понятия математической статистики. Генеральная совокупность и выборка. Вариационный и интервальный статистические ряды. Полигон. Гистограмма. Эмпирическая ф-я распределения.
- •50.Точечные оценки параметров распределения. Их свойства и выч..
- •51. Интервальные оценки параметров распределения. Доверительный интервал для математического ожидания нормального з-на распределения при известном .
- •52.Интервальные оценки параметров распределения. Доверительный интервал для математического ожидания нормального з-на распределения при неизвестном .
- •53. Элементы корреляционного анализа. Двумерная случайная величина. Функциональная и корреляционная зависимость
44. Числовые характеристики дискретных случайных величин.
Числовыми характеристиками случ. величин явл. матем. ожидание и дисперсия, а так же и моменты случ. величин.
Математич. ожидание M(X) назыв. средняя величина возможн. знач. случ. величин, взвешенных по их вероятности. Выраж. формулой: . Свойство 1. Мат. ожид. постоянной равно этой постоянной. Свойство 2. Мат. ожид. суммы случ. величин равно сумме их мат. ожиданий: M (X1 + X2, + ..., + Xn) = M(X1) + M(X2) + ..., + M(Xn). Свойство 3. Мат. ожид. произведения независ. случ. величин X и Y равно произвед. мат. ожид. этих величин: M(XY) = M(X) • M(Y). Следствие: пост. множитель можно вынести за знак. мат. ожид. M(cX) = cM(X).
Дисперсией назыв. мат. ожидание квадрата отклонения случ. величин от мат. ожид. D(X) = M[X-M(X)]2. Свойство 1. Дисперсия пост. величины = 0. Свойство 2. Пост. величину можно вынести за знак дисперсии, предварит. возведя в квадрат: D(cX) = c2D(X). Свойство 3. Дисперсия суммы независ. случ. величин X и Y равна сумме их дисперсий: D(X+Y) = D(X) + D(Y), от сюда следствие: если x1, x2, ..., xn – случ. величины, каждая из которых независ. от суммы остальных, то D (X1 + X2, + ..., + Xn) = D(X1) + D(X2) + ..., + D(Xn).
Моментом k-порядка назыв. мат. ожид. k-й степени отклонения случ. величины X от некоторой пост. c. Если в кач. c берется 0(нуль), моменты наз. начальными. ʋk = M(X)k. Если c = М(Х), то моменты назыв. центральными = М[X - M(X)]k.
Понятие о моментах. Начальные и центральные моменты.
Моментами случ. величины назыв. математ. ожидание этой величины, возвед. в целую положит. степень. Например, третьим начальным моментом случ. величины X назыв. величина EX3. Моменты делятся на начальные и центральные.
k-м нач. моментом величины Х наз. мат. ожид. величины Х.
k-м центральным моментом величины Х наз. мат. ожид. величины (X – EX)k. Т.е. центральный момент характеризует отклонение случ. величины Х от ожидаемого значения.
45.Непрерывные случайные величины. Интегральная и дифференциальная ф-и распределения.
Если случ. величина Х непрерывная, то её возможное значение сплошь заполняет нек. интервал ab, кот. Может быть как конечным, так и бесконечным. Для такой случ. Величины не может быть составлен ряд распределения. З-н распределения для непрерывной случ. величины задаётся с помощью ф-ции распределения интегральной или дифференциальной.
Интрегр. ф-цией распределения наз-ся ф-ция F(x)=P(X<x), точно также, как и для дискретной случ. величины.
Пусть F(x) непрерывная случ. величина, тогда f(x)=наз-ся дифференц. ф-цией распред.
Вероятностный смысл сост. в том, что это есть плотность вероятности
46.Числовые характеристики непрерывных случайных величин.
-
математическое ожидание Мξ, которое характерезует среднее значение (центр рассеивания) СВ ξ.
-
дисперсия Dξ = M(ξ – Mξ)2, которая характеризует величину (меру) рассеивания значений СВ около математического ожидания.
-
среднее квадратическое отклонение , которое (в отличие от дисперсии) имеет размерность СВ ξ.
Математическое ожидание дискретной СВ ξ:
(предполагается, что ряд в правой части этого равенства абсолютно сходится) характеризует среднее значение СВ ξ.
Математическое ожидание Мξ НСВ определяется по формуле:
-
Математическое ожидание постоянной равно этой постоянной: Mc = c, если с = const.
-
Постоянный множитель выносится за знак математического ожидания: M(cξ) = cMξ.
-
Мат. ожидание суммы СВ равно сумме их математических ожиданий: M(ξ + η) = Mξ + Mη.
-
Математическое ожидание произведения независимых ВА равно произведению их мат. ожиданий: M(ξη) = Mξ∙Mη.
Дисперсия СВ ξ – математическое ожидание квадрата отклонения СВ от ее математического ожидания: 2
Дисперсия Dξ НСВ определяется по формуле:
-
Дисперсия постоянной равна нулю: Dc = 0, если c = const.
-
Дисперсия неотрицательна: Dξ ≥ 0.
-
Постоянный множитель выносится за знак дисперсии в квадрате.
-
Дисперсия суммы независимых СВ равна сумме их дисперсий: D(ξ + η) = Dξ + Dη.
-
Дисперсия разности независимых СВ равно сумме их дисперсий.
Средним квадратич. отклонением назыв. корень квадратный из дисперсии (σ)
47.З-ны распределения случайных величин: Пуассона, показательный,
равномерный.
Дискретная СВ ξ имеет распределение Пуассона с параметром а, если она принимает значения 0, 1, 2, …, n, … с вероятностями:
Мат. ожидание и дисперсия СВ ξ, распределенной по з-ну Пуассона, равны Мξ = Dξ = a.
З-н распределения Пуассона (з-н редких явлений) является хорошим приближением для биномиального распределения при больших значениях n и малых p (или 1 – p).
НСВ имеет равномерное распределение на отрезке [a; b], если ее плотность распределения постоянна на этом отрезке, а вне его равна нулю:
Функция распределения равномерно распределенной на [a, b] СВ имеет сл. вид:
а вероятность попадания этой СВ в некоторый интервал, лежащий внутри отрезка [a, b], зависит только от длины этого интервала и не зависит от его положения:
Числовые характеристики равномерного распределения:
Примерами равномерно распределенных СВ могут служить: время ожидания пассажиром транспорта, курсирующего с определенным интервалом; ошибка округления числа до ближайшего целого.
Распределение НСВ ξ называется показательным (экспоненциальным) с параметром λ > 0, если ее плотность распределения имеет следующий вид:
Функция показательного распределения:
Числовые характеристики показательного распределения:
Показательное распределение является одним из основных в теории массового обслуживания и теории надежности. Примером СВ, имеющей показательное распределение, является время ожидания редких явлений: между двумя взрывами на АТС, продолжительность безотказной работы приборов и т.д.