
- •1. Визначення ф-ції двох незалежних змінних. Геометричне зображення ф-ції двох змінних.
- •2 Границя і неперервність ф-ції 2-х змінних.
- •3. Частинні прирости та частинні похідні ф-ції декількох незалежних змінних.
- •4. Повний приріст. Повний диференціал ф-ції 2-х незалежних змінних;його застосування в наближених обчисленнях.
- •5.Частинні похідні вищих порядків.
- •6.Похідні за напрямками. Градієнт ф-ї декількох змінних.
- •7.Екстремум ф-ї 2х змінних. Необхідна і достатня умови екстремуму.
- •8.Умовний екстремум ф-ї 2х змінних. Метод множників Лагранжа.
- •9. Найбільше і найменше значення функції 2-ох змінних у замкнутій області)
- •10. Диференціальні рівняння. Основні поняття і означення. Задача Коші.
- •12. Однорідні диф. Р-ня 1-го порядку.
- •13. Лінійні диф. Р-ня 1-го порядку.
- •16. Лінійні однорідні диф.Р-ня 2-го пор.Означення і загальні властивості
- •17.Лінійні однорідні диф. Р-ня 2-го пор. Зі сталими коефіцієнтами
- •18.Неоднорідні лінійні диференціальні рівняння 2-го порядку. Метод варіації довільних сталих.
- •19. Метод невизначених коефіцієнтів для знаходження частинного розв’язку
- •20,Властивості збіжних рядів.
- •21. Необхідна ознака збіжності ряду. Гармонічний ряд.
- •22.Ознаки порівняння збіжності ряду. Приклади
- •23. Ознака Даламбера збіжності ряду.
- •24. Радикальна ознака Коші.Приклади.
- •28.Знакозмінні ряди. Абсолютна і умовна збіжність
- •29. Степеневі ряди. Інтервал збіжності.
- •30.Ряд Тейлора і Маклорена.
- •31.Роскладання в ряди Макларена
- •33. Інтегрування диференціальних рівнянь за допомогою степеневих рядів.
- •34. Обчислення значених функцій за допомогою степеневих рядів.
- •35. Елементи комбінаторики. Перестановки. Розміщення і сполуки з n елементів по m.
- •36.Випадкові події. Операції над подіями.
- •37.Сумісні, несумісні події. Повна група подій. Протилежні події
- •38.Класичне означення ймовірності. Властивості ймовірностей
- •46. Формула Бейєса.
- •47.Повторні незалежні випробування. Формула Бернуллі.
- •48. Наймовірніше число появи події в незалежних випробуваннях.
- •49. Локальна теорема Муавра-Лапласа.
- •50. Послідовність незалежних випробувань. Формула Пуассона .
- •56.Математичне сподівання одновимірної випадкової величини та його властивості
- •57.Числові характеристики дискретної випадкової величини m(X),d(X), ∂(X) та їх властивості .
- •58. Медіана і мода розподілу
- •60. Біноміальний закон розподілу
- •61. Закон розподілу Пуассона
- •62. Рівномірний закон розподілу
- •63. Показниковий закон розподілу
- •64. Нормальний закон розподілу
- •65. Ймовірність попадання в заданий інтервал нормально розподіленої випадкової величини. Ймовірність її відхилення від математичного сподівання. Правило трьох сигм
- •66.Закон великих чисел Лема і нерівність Чебишева.
- •67. Закон великих чисел. Теорема Чебишева.
- •68. Теорема Бернуллі.
- •69. Теорема Ляпунова.
- •70.Дискретні двовимірні випадкові величини. Закон розподілу. Основні властивості. Закони розподілу компонент.
- •71.Неперервні двовимірні випадкові величини. Функція розподілу та її властивості.
- •72.Щільність сумісного розподілу ймовірностей неперервної двовимірної випадкової величини та її основні властивості. Ймовірність попадання випадкової точки в задану область.
- •73.Щільності розподілу ймовірностей складових двовимірної випадкової величини (безумовні щільності).
- •74.Умовні закони розподілу складових двовимірної випадкової величини (дискретної і неперервної).
- •75.Умовне математичне сподівання дискретної і неперервної двовимірної випадкової величини.
- •76.Залежні і незалежні випадкові величини. Необхідна і достатня умова незалежності випадкових величин.
- •78.Функція дискретної випадкової величини. Закон розподілу функції, числові характеристики.
- •79.Визначення щільності розподілу функції неперервної випадкової величини по щільності розподілу аргументу.
46. Формула Бейєса.
Баєсів підхід не робить припущень про ймовірності елементарних подій, а намагається отримати їх із аналізу попереднього досвіду, спираючись на теорему Баєса і на попередні гіпотези. Оскільки ці ймовірності наперед невідомі, результати серії дослідів розбиваються на сприятливі й несприятливі, і експериментально визначена ймовірність дорівнює відношенню числа сприятливих подій до числа дослідів, тобто частоті подій. Теорема Байєса – одна з осн. теорем елементарної теорії ймовірності, яка визначає ймовірність настання події в умовах, коли на основі спостережень відома лише деяка часткова інформація про події. За допомогою формули Байєса можно більш точно обчислювати ймовірність, взявши до уваги як і раніше відому інформацію так і дані нових спостережень.
47.Повторні незалежні випробування. Формула Бернуллі.
Нехай
проводяться n випробувань, у кожному з
яких подія А може як відбутись, так і не
відбутись. Якщо ця ймовірність у кожному
випробуванні не залежить від того,
відбулась вона в інших випробуваннях
чи ні, то такі випробування називаються
незалежними щодо події А. Згідно з
означенням випробування також незалежні,
якщо в кожному з них імовірність настання
події А однакова, тобто дорівнює тому
самому числу. Імовірність того, що подія
А відбудеться в кожному з незалежних
випробувань, позначають
а ймовірність настання протилежної
події
Формула Бернуллі.
Імовірність того, що в n незалежних випробуваннях, у кожному з яких імовірність Р(А) = р, подія А відбудеться m раз, подається так:
Формула
застосовується, якщо
Імовірність
того, що в результаті n незалежних
експериментів подія А з’явиться від
mi до mj раз, обчислюється так:
48. Наймовірніше число появи події в незалежних випробуваннях.
У формулі Бернуллі параметр m може змінюватися від 0 до n, тобто в n-випробуваннях подія А може зявитися 0 (жодного разу) до n (зявится в кожному випробуванні) з різними ймовірностями обчисленими за формулою Бернуллі: Pn(m)=Cnm pmqn-m
Число m для якого ймовірність Pn(m) є найбільшой називаєтся наймовірнішим числом настання події. Наймовірніше число настання події знаходиться: np-q ≤ m0 ≤ np+p
Зауваження:
1.) Якщо np-q – число дробове, то існує одне наймовірніше число n0, воно =найближчому цілому до m0 зправа;
2.) Якщо np-q – є ціле, то існує два наймовірніші числа m0 та m0+1, де m0= np-q
49. Локальна теорема Муавра-Лапласа.
Рассмотрим последовательность из n независимых опытов, в каждом из которых событие A может произойти с вероятностью p,либо не произойти — с вероятностью q = 1 − p. Обозначим через Pn(k)вероятность того, что событие A произойдет ровно k раз из n возможных.В таком случае величину Pn(k) можно найти по теореме Бернулли
Эта теорема прекрасно работает, однако у нее есть недостаток. Если n будет достаточно большим, то найти значение Pn(k) становится нереально из-за огромного объема вычислений. В этом случае работает Локальная теорема Муавра — Лапласа, которая позволяют найти приближенное значение вероятности. Імовірність того, що в n незалежних випробуваннях, у кожному з яких Р(А) = р, подія А відбудеться m раз, подається такою наближеною залежністю:
Локальна
теорема Лапласа дає змогу обчислювати
ймовірності
,
якщо n > 10 i p > 0,1.