
- •1.Задачи, приводящие к дифференциальным уравнениям (ду). Основные сведения о ду (обыкновенные ду, оду n-ого порядка, решение ду на интервале).
- •2.Задача Коши для ду 1-ого порядка. Теорема существования и единственности решения задачи Коши для ду 1-ого порядка.
- •3.Геометрическая интерпретация ду 1-ого порядка. Метод изоклин.
- •4.Задача Коши для ду n-ого порядка. Общее решение, частное решение, особое решение ду n-ого порядка.
- •5. Уравн. С разделяющимися переменными
- •6. Однородные ду 1-ого порядка
- •7.Линейные ду 1-ого порядка (метод подстановки Бернулли, метод вариации произвольной постоянной Лагранжа).
- •8.Уравнение Бернулли
- •9. Уравнение в полных дифференциалах.
- •10.Дифференциальные уравнения высших порядков. Теорема о существовании и единственности решения. Задача Коши. Приемы понижения порядка (на примерах ду 2-ого порядка).
- •13.Линейные однородные ду n-ого порядка с постоянными коэффициентами. Теорема о структуре общего решения линейного однородного ду n-ого порядка с постоянными коэффициентами.
- •14.Линейные неоднородные ду 2-ого порядка. Теорема о структуре общего решения неоднородного ду.
- •15.Метод вариации произвольных постоянных (Лагранжа) для отыскания частного решения линейного неоднородного ду 2-ого порядка.
- •16. Линейные неоднородные ду с постоянными коэффициентами и специальной правой частью.
- •17. Системы ду. Нормальные системы. Теорема о существовании и единственности решения нормальной системы ду. Задача Коши для системы ду.
- •19.Системы линейных однородных ду с постоянными коэффициентами. Характеристическое уравнение системы ду.
- •20. Решение системы линейных однородных ду с постоянными коэффициентами. Случай действительных различных корней характеристического уравнения.
- •21. Пространство элементарных событий. Алгебра событий.
- •22. Вероятность события. Классическое, статистическое определение вероятности. Геометрическая вероятность.
- •23. Теоремы сложения вероятностей несовместных и совместных событий.
- •24. Условная вероятность. Теорема умножения вероятностей. Вероятность появления хотя бы одного события.
- •25. Формула полной вероятности. Формула Байеса.
- •26. Повторение испытаний. Схема испытаний Бернулли. Биномиальное распределение вероятностей. Наивероятнейшее число появлений события в независимых испытаниях.
- •27. Распределение Пуассона. Локальная предельная теорема Муавра-Лапласа.
- •28. Интегральная предельна теорема Муавра-Лапласа. Отклонение относительной частоты от постоянной вероятности в независимых испытаниях.
- •Понятие случайной величины. Функция распределения случайной величины, ее свойства.
- •Дискретные случайные величины. Построение функции распределения.
- •Непрерывные случайные величины. Плотность вероятности случайной величины, ее свойства.
- •Числовые характеристики случайных величин. Математическое ожидание дискретных и непрерывных случайных величин. Свойства.
- •33.Числовые характеристики случайных величин. Дисперсия дискретных и непрерывных случайных величин. Свойства.
- •34.Числовые характеристики случайных величин. Мода, медиана, начальные и центральные моменты, асимметрия, эксцесс случайных величин.
- •35.Равномерный закон распределения случайных величин.
- •36.Биномиальный закон распределения случайных величин.
- •40.Закон больших чисел. Неравенство Чебышева. Теорема Чебышева. Теорема Бернулли.
- •46.Линии регрессии. Корреляция.
- •47.Определение характеристик случайных величин на основе опытных данных. Выборка и ее характеристики. Частота и относительная частота.
- •48.Эмпирическая функция распределения. Полигон и гистограмма.
- •51.Проверка статистических гипотез. Критерии согласия Пирсона и Колмогорова.
- •52.Понятие о двумерных выборках и выборочных оценках двумерных св.
- •55. Временные ряды и прогнозирование. Автокорреляционная функция. Авторегрессионная модель.
24. Условная вероятность. Теорема умножения вероятностей. Вероятность появления хотя бы одного события.
В ряде случаев приходится рассматривать вероятности событий при дополнительном условии, сто произойдёт некоторое другое событие, имеющее вероятность ≠0. Такие вероятности называются условными.
Вероятность события
А при условии, что событие В произошло,
называется условной вероятностью
события А и обозначается Р(А/В) или
при (Р(В)≠0)>0
Формула умножения вероятности.
Р(АВ)=Р(А)*Р(В/А)
Р(АВ)=Р(В)*Р(А/В) (11) -теорема умножения вероятностей
Вероятностное совместное наступление 2-ух событий равна произведению вероятности одного из них на условную вероятность другого, при условии, что они уже произошли.
Если Р(В/А)=Р(В), то событие В называется независимым от события А.
Независимость является взаимным свойством. Если Р(В/А)=Р(В), то и Р(А/В)=Р(А)
Когда А и В независимые события, то ф-ла (11) принимает вид: Р(АВ)=Р(А)*Р(В)
Вероятность появления хотя бы одного события.
Вероятность наступления хотя бы одного события А из независимых в совокупности событий А1, А2, …, Аn – есть величина:
Р(А)=1-Р(
1)*Р(
2)*…*Р(
n)=
Р(А)=1-q1*q2*…*qn,
где qk=Р(
),
k=
Р+q=1
25. Формула полной вероятности. Формула Байеса.
Пусть события Н1,
Н2,
…, Нn
попарно-независимые и образуют полную
группу событий:
.
Такие события называются гипотезами.
Допустим, что событие А может произойти только совместно с одним из n-числа появлений Н1, Н2, …, Нn. Тогда событие А представляет собой:
А= Н1*А+ Н2*А+ …+Нn*А
Применяя для несовместных событий получим:
Р(А)=Р(Н1А+Н2А+…+НnА)=Р(Н1А)+Р(Н2А)+…+Р(НnА)
Формула полной вероятности:
Р(А)=
=Р(Н1)*Р(А/Н1)+Р(Н2)*Р(А/Н2)+…+Р(Нn)*Р(А/Нn)
Теорема: вероятность события А, которое может наступить лишь при появлении одного из несовместных событий Н1, Н2, …, Нn, образует полную группу событий, = сумме произведений вероятностей каждой из гипотез на соответствующую условную вероятность события А.
Формула Байеса.(ф-ла гипотез)
Пусть Н1,
Н2,
…, Нn
– попарно-несовместные события с
вероятностями Р(Нi)≠0,
i=1,n.
И события А⊂
Н1+
Н2+
…+ Нn,
для которого известны условные
вероятности. Произведём опыт, в результате
которого появилась вероятность А.
Необходимо определить условные
вероятности событий Н1,
Н2,
…, Нn
относительно события А. Применяя теорему
умножения
вероятностей:Р(А/Н)=Р(А)*Р(Нк/А)=Р(Нк)*Р(А/Нк)⇒Р(Нк/А)=
Даёт
возможность определить апостериорные
(после опыта) вероятности Р(Нк/А),
если известны априорные (до опыта)
вероятности.
Р(Нк)- вероятность гипотез, образующих полную группу событий.
Ф-ла Байеса служит для принятий решений после проведения эксперимента. Для того, чтобы выбор правдоподобной гипотезы имел достаточно оснований, необходимо, чтобы в результате эксперимента её послеопытная вероятность была близка к 0 или 1.
Если доопытные
вероятности гипотез неизвестны, их
полагают одинаковыми. Р(Нк)=Р(Н2)=…=Р(Нn)
в этом случает ф-ла Байеса примет вид:
Р(Нк/А)=