
- •1. Предмет и аксиомы теории вероятностей
- •1. Нормальный закон распределения и центральная предельная теорема.
- •2. Классическое определение вероятности. Геометрические вероятности.
- •2. Вычисление среднего и дисперсии биномиального и нормального законов распределения.
- •3. Модель теории вероятностей. Вероятностное пространство.
- •3. Характеристическая функция и её свойства.
- •4. События. Операции над событиями.
- •4. Функция регрессии и ее физическая интерпретация.
- •5. Понятие статистической зависимости. Условные вероятности. Необходимое и достаточное условие независимости событий.
- •5. Кумулянтная функция и её свойства.
- •6. Формула полной вероятности.
- •6. Линейная функция регрессии.
- •7. Формула Байеса.
- •7. Применение линейной функции регрессии в задаче измерения физической величины.
- •8. Теоремы сложения и умножения вероятностей.
- •8. Характеристические и кумулянтные функции нормального, биномиального и пуассоновского законов распределения.
- •9. Определение непрерывной случайной величины и её вероятностное описание.
- •9. Двумерный нормальный закон распределения.
- •10. Определение дискретной случайной величины и её вероятностное описание.
- •1 0. Изменение закона распределения случайной величины при нелинейном преобразовании.
- •11. Числовые характеристики случайных величин. Физическая интерпретация среднего и дисперсии.
- •11. Закон распределения Релея.
- •12. Биномиальный закон распределение и способы его получения.
- •12. Закон распределения Релея-Райса.
- •13. Пуассоновский закон распределения как предельный случай биномиального.
- •13. Производящая функция и её применение при решении задач.
- •14. Локальная и интегральная предельные теоремы Муавра-Лапласа.
- •16. Лемма Маркова.
- •16. Закон распределения Эрланга.
- •17. Регрессионный анализ. Сглаживание экспериментальных зависимостей по методу наименьших квадратов.
- •17. Определение энергетического спектра случайного процесса.
- •18. Методы увеличения длины периода псевдослучайной последовательности.
- •18. Точечные оценки параметров и их свойства.
- •19.Разложение Карунена-Лоэва.
- •19. Определение акф случайного процесса.
- •20. Канонические разложения случайных величин.
- •20. Два определения случайного процесса и их эквивалентность.
- •22. Способы генерирования случайной величины с гауссовым законом распределения.
- •22. Энергетический спектр детерминированного процесса и временная автокорреляционная функция.
- •23. Генерирование случайных чисел методом Неймана.
- •23. Интервальные оценки параметров.
- •24.Проверка простой гипотезы против простой альтернативы.
- •24. Марковские эргодические последовательности.
- •25. Гипотеза о среднем значении случайной величины с нормальным законом распределения при неизвестной дисперсии.
- •25. Определение стационарных случайных процессов. Эргодичность.
- •26. Гипотеза о равенстве двух дисперсий.
- •26. Получение несмещенной оценки дисперсии гауссова закона распределения.
- •27. Имитация двух зависимых событий.
- •27. Закон распределения Эрланга.
- •28. Требования, предъявляемые к свойствам базовой последовательности случайных чисел.
- •28. Гипотеза о равенстве двух средних значений.
- •29. Приближенные методы генерирования случайных чисел с заданным законом распределения.
- •29. Метод моментов при оценке параметров.
- •30. Гипотеза о среднем значении случайной величины с нормальным законом распределения при известной дисперсии.
- •30. Марковские эргодические последовательности.
- •31. Программное генерирование случайных чисел. Алгоритмы.
- •31. Гипотеза о дисперсии нормального закона распределения.
- •32. Получение случайной величины с заданным законои распределения посредством нелинейного преобразования случайной величины с равномерным законом распределения.
- •32. Оценка параметров по методу максимального правдоподобия.
- •33. Критерии согласия Колмогорова и Пирсона.
- •33. Нестационарный пуассоновский поток.
- •34. Линеаризация функции нескольких случайных аргументов.
- •34. Связь между акф и энергетическим спектром случайного процесса.
- •35. Связь нормального закона распределения с гамма-распределением.
- •35. Стационарный пуассоновский поток.
34. Связь между акф и энергетическим спектром случайного процесса.
Энергетический спектр случайного процесса – это спектр (среднее) по ансамблю. C(k)m(ω) = |S(k)T(jω)|2 / T, где k – реализация.
S
T(jω)
– Фурье преобразование от конкретной
реализации.
Берем среднее по ансамблю:
ρ(t1, t2) – корреляция между двумя величинами, взятыми в моменты времени t1 и t2
35. Связь нормального закона распределения с гамма-распределением.
Функцию распределения гамма-распределения можно записать, вообще говоря, только в виде интеграла:
Если ξ имеет
стандартное нормальное распределение,
то ξ2
имеет гамма-распределение
.
35. Стационарный пуассоновский поток.
Под потоком событий в теории вероятностей понимается последовательность событий, происходящих одно за другим в какие-то моменты времени.
1. Поток называется стационарным, если вероятность попадания того или иного числа событий на участок времени длиной τ зависит только от длины участка и не зависит от того, где именно на оси Ot расположен этот участок.
2. Поток событий называется потоком без последствия, если для любых неперекрывающихся участков времени число событий, попадающих на один из них, не зависит от числа событий, попадающих на другие.
3. Поток событий называется ординарным, если вероятность попадания на элементарный участок Δt двух или более событий пренебрежимо мала по сравнению с вероятностью попадания одного события.
Если поток событий обладает всеми тремя свойствами (т.е. стационарен, ординарен и не имеет последствия), то он называется простейшим, или стационарным пуассоновским потоком.