- •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.
Теоремы сложения и умножения вероятностей.
Теорема сложения вероятностей. Вероятность суммы двух совместных событий есть сумма их вероятностей минус вероятность их произведения. Р(А+В)=Р(А)+Р(В)-Р(АВ). В случае трёх событий имеем: Р(А+В+С)=Р(А)+Р(В)+Р(С)-Р(АВ)-Р(АС)-Р(ВС)-Р(АВС)
Теорема умножения вероятностей. Вероятность произведения двух событий равна произведению вероятности одного из них на условную вероятность другого, при условии, что первое событие произошло. Р(АВ)=Р(А)*Р(В/А). В случае m событий формула имеет вид: P(A1*…An)=P(A1)*P(A2/A1)*P(A3/A1A2)*…*P(An/A1A2*…An-1). Событие А наз-ся независимым от условия В, если вероятность события А не зависит от того, произошло событие В или нет. В этом случае правило умножения примет вид: P(AB)=P(A)*P(B). В случае n независимых событий имеем: P(A1*A2*…*An)=P(A1)*P(A2)*…*P(An)
Формула полной вероятности. Формула Байеса.
Формула полной вероятности. Теорема. Вероятность события А, кот. может наступить лишь при появлении одного из несовместных событий В1, В2, …Вn образующих полную группу равна сумме произведений вероятностей каждой их гипотез на соответствующую условную вероятность события А: P(A)=P(B1)*P(A/B1)+P(B2)*P(A/B2)+…+P(Bn)*P(A/Bn). Формула Байеса. Пусть событие А может наступить лишь при условии появления одного из несовместных событий B1, B2, …Bn кот. образуют полную группу. Если событие А уже произошло, то вероятности гипотез могут быть переоценены по формуле Байеса: Pa(Bi)=(P(Bi)*P(A/Bi))/P(A)
Формула Бернулли
Вероятность того, что в n независимых испытаний в каждом из кот. вероятность появления события равна р, событие наступит ровно k раз равна: Pn(k)= , где q=1-p. Схема Бернулли: Вероятность того, что в n испытаниях событие наступит: а) менее k раз: Pn(0)+Pn(1)+…+Pn(k-1). b) более k раз: Pn(k+1)+Pn(k+2)+…+Pn(n). c) не менее k раз: Pn(k)+Pn(k+1)+…+Pn(n). d) не более k раз: Pn(0)+Pn(1)+…+Pn(n).
Локальная и интегральная теоремы Муавра- Лапласа.
Локальная теорема. В случае, когда npq>9 для расчетов используют приближения по теореме Муавра-Лапласса: -> . Интегральная теорема. Вероятность того, что в n независимых испытаниях в каждом из кот. вероятность пояления событий равно р, событие наступит не менее k1 раз и не более k2 раз приближ. Равна: Pn(k1;k2)=F(x”)-F(x’). Функция Лапласа: F(x)=
Дискретные случайные величины. Закон распределения дсв. Законы биномиальный и Пуассона.
Дискретной называют случайную величину(СВ) возможные значения кот. есть отдельно изолированные числа, в кот. эта величина принимает с опред. вероятностями. Законом распределения ДСВ называют перечень её возможных значений и соответствующих им вероятностей. Его можно задавать в виду таблицы, первая строка кот. содержит возможные значения, а вторая соответствующие им вероятности. Так же его можно задать аналитически: P(X=xi)= (xi). Третий способ задания закона- графический. Биномиальным наз-ся закон распределения дискретной случайно величины Х- числа появления события в n независимых испытаниях, в кажд. из кот. вероятность появления события равна р. В случае, когда n->
, р->0 и вероятности возможных значений Х вычисляют по формуле Пуассона, говорят что СВ распределена по закону Пуассона.