- •1.Электрическая система. Элементы, структура, режимы работы. Показатели, определяющие режимы работы системы.
- •2. Основные понятия теории вероятности.
- •10. Законы распределения случайных величин.
- •11. Определение вероятности, подчиняющейся нормальному закону распределения.
- •13. Определение вероятности по закону Пуассона.
- •14.Определение вероятности, подчиняющейся биноминальному закону распределения.
- •15. Качественные определения основных показателей надежности.
- •17. Аналитическая взаимосвязь основных показателей надежности.
- •18. Расчетные формулы показателей надежности, их упрощение и область применения.
- •19. Полная и расчетная диаграммы состояния объекта расчета надежности.
- •20.Количественные показатели восстановления.
- •21. Расчетные формулы показателей восстановления.
- •22. Метод дифференциальных уравнений Колмогорова.
- •23. Логические схемы расчета надежности.
- •24.Типовые логические схемы расчета надежности.
- •25. Частные случаи типовых логических схем расчета надежности
- •26.Правило Рябинина.
- •27.Реальные соединения элементов при расчете надежности.
- •28.Системы случайных величин и их характеристики. Функция распределения и плотность распределения системы случайных величин.
- •29.Числовые характеристики системы 2-х случайных величин.
- •30.Общие сведения о случайных функциях и процессах.
- •32. Стационарные и нестационарные случайные функции.
- •37. Критерий согласия (Пирсона, Колмогорова, ĩ).
- •38.Регрессионный анализ результатов измерения.
- •Цели регрессионного анализа
- •Математическое определение регрессии
- •40.Нелинейная регрессия.
- •41.Задачи электроснабжения, требующие поиска оптимальных решений.
- •43.Модели, применяемые для решения оптимизационных задач.
- •44. Классификация методов оптимизации.
- •45. Методы линейного планирования.
- •48. Каноническая форма задачи линейного планирования.
- •51.Симплекс-таблица задачи линейного планирования.
- •55.Градиентный метод решения задачи нелинейного планирования.
- •Алгоритм
- •56.Метод динамического планирования. Область применения и содержание.
- •57.Рекурентное соотношение методов динамического планирования.
- •58.Принцип оптимальности Белмана на примере задачи.
30.Общие сведения о случайных функциях и процессах.
Случайная функция - функция произвольного аргумента t (заданная на множестве Т его значений и сама принимающая или числовые значения или, более общо, значения из какого-то векторного пространства) такая, что её значения определяются с помощью некоторого испытания и в зависимости от его исхода могут быть различными, причём для них существует определённое распределение вероятностей. Если множество Т конечно, то С. ф. представляет собой конечный набор случайных величин, который можно рассматривать как одну векторную случайную величину. Из числа С. ф. с бесконечным Т наиболее изучен важнейший частный случай, когда t принимает числовые значения и является временем; соответствующая С. ф. X (t) тогда называется случайным процессом (а если время t пробегает лишь целочисленные значения, то также и случайной последовательностью, или временным рядом). Если же значениями аргумента t являются точки из некоторой области многомерного пространства, то С. ф. называется случайным полем. Типичными примерами С. ф., отличных от случайных процессов, являются поля скорости, давления и температуры турбулентного течения жидкости или газа, а также значения высоты z взволнованной морской поверхности или поверхности какой-либо искусственной шероховатой пластинки.
Математическая теория С. ф. совпадает с теорией распределений вероятностей в функциональном пространстве значений функции X (t), эти распределения могут задаваться набором конечномерных распределений вероятностей для совокупностей случайных величин X (t1), X (t2),..., X (tn), отвечающих всевозможным конечным подмножествам (t1, t2,..., tn) точек множества Т, или же характеристическим функционалом С. ф. X (t), представляющим собой математическое ожидание случайной величины il [X (t)], где l [X (t)] — линейный функционал от Х (t) общего вида. Значительное развитие получила теория однородных случайных полей, являющихся частным классом С. ф., обобщающим класс стационарных случайных процессов.
Случайный процесс (вероятностный, или стохастический) - процесс (т. е. изменение во времени состояния некоторой системы), течение которого может быть различным в зависимости от случая и для которого определена вероятность того или иного его течения. Типичным примером С. п. может служить Броуновское движение
31. Характеристики случаных функций.
Хар-ки СФ предст-ют собой определенные ф-ции: M[x], D[x], КФ.
Мат. ожидмнием СФ x(t) наз-ют такую неслучайную ф-цию mx(t), кот. при каждом допустимом зн-нии аргумента равна МО ординаты: mx(tj)=M[x(tj)]. Т. е. МО представляет собой среднюю функцию, отн-но кот. группируются возможные реализации СФ.
Дисперсией СФ x(t) наз-ют такую неслучайную ф-цию Dx(t), кот. при каждом допустимом зн-нии аргумента (t=tj) равна дисперсии ординат в этой точке: Dx(t)=D[x(tj)]. Дисперсия СФ неотрицательная ф-ция. Арифметическое зн-ние квадратного корня из дисперсии наз-ся средним квадратическим отклонением: .
Ср. квадр. отклонение СФ при каждом t хар-ет средний разброс реализаций СФ отн-но МО. МО и дисперсия – важные хар-ки СФ, но для описания основных особенностей СФ этих хар-к недостаточно. Хар-к изменения СФ м. б. различен, а МО и дисперсия одинаковы. Для более полного описания СФ применяют КФ, кот. опр-ет момент между двумя зн-ями аргумента. Кор. ф-цией СВ наз-ют неслучайную ф-цию, кот. при каждой паре допустимых зн-ний аргумента равен КМ ординат, центрированных отн-но МО. Т. к. КМ СВ не зависит от последовательности, в кот. рассм-тся аргумент, то и КФ не меняется при перемене аргумента местами. Kx(tj, ti)=Kx(ti, tj).