- •Основные сведения о матрицах. Операции над матрицами.
- •2.Определитель n-го порядка и их свойства.
- •Определители любого порядка. Свойства определителей.
- •6.Решение системы n линейных уравнений с n неизвестными методом обратных матриц.
- •7. Система m линейных уравнений с n неизвестными. Метод Гаусса.
- •9. Модель Леонтьева многоотраслевой экономики (балансовый анализ).
- •10. Расстояние между двумя точками. Деление отрезка в данном отношении. Площадь треугольника.
- •11. Линии первого порядка на плоскости.
- •12. Параллельность и перпендикулярность прямых.
- •13. Расстояние от точки до прямой.
- •14.Вектор. N-мерное векторное пространство. Линейные операции над векторами.
- •15. Линейная зависимость и независимость векторов. Базис. Разложение вектора по базису.
- •16. Предел функций в точке. Арифметические операций над пределами.
- •Первый замечательный предел
- •Второй замечательный предел
- •18. Бесконечно малые и бесконечно большие функций. Свойства.
- •Свойства бесконечно малых
- •19. Сравнение бесконечно малых.
- •22. Разрывы первого и второго рода.
- •23. Задача о производительности труда. Определение производной. Зависимость между непрерывностью и дифференцируемостью функции.
- •Понятие производной
- •24.Основные правила дифференцирования. Производные элементарных функций. Правила дифференцирования
- •25.Производные обратной и сложной функций.
- •26. Производные и дифференциалы высших порядков.
- •27.Понятие дифференциала функции. Применение дифференциала в приближенных вычислениях.
- •28.Основные теоремы дифференциального исчисления: Ферма, Ролля, Лагранжа.
- •29.Раскрытие неопределенностей.
- •30.Экстремумы функций. Необходимые и достаточные условие экстремума.
- •31.Наибольшее и наименьшее значение функций.
- •32.Выпуклость, вогнутость и точки перегиба кривой.
- •33.Асимптота графика функций. Общая схема исследования и построение графика функций.
- •34.Первообразная функций и неопределенный интеграл. Свойства неопределенного интеграла.
- •41.Дифференциальные уравнения с разделяющимися переменными.
- •42.Однородные линейные дифференциальные уравнения первого порядка.
- •43.Линейные дифференциальные уравнения первого порядка. Использование дифференциальных уравнении в экономике.
- •44. Определение функции двух переменных. Линии и поверхности уровня функции двух переменных.
- •45. Частные производные. Полное производное и полный дифференциал.
- •46. Производная по направлению. Градиент функции.
- •47. Экстремум функции многих переменных (необходимое и достаточное условия).
- •48. Наибольшее и наименьшее значения функции.
- •49. Метод Лагранжа.
- •50. Классическое и статистическое определение вероятности.
- •51. Элементы комбинаторики.
- •52. Теоремы сложения и умножения вероятностей.
- •53. Условная вероятность. Теорема сложения вероятностей для совместных событий.
- •54. Формула полной вероятности. Формула Бейеса.
- •55. Формула Бернулли. Формула Пуассона.
- •56. Понятие случайной величины. Закон распределения дискретных случайных величин.
- •57. Числовые характеристики дискретных случайных величин.
- •58. Биноминальный закон распределения.
- •59. Непрерывная случайная величина. Закон распределения вероятностей и основные числовые характеристики.
- •60. Функция плотности вероятностей.
- •61. Нормальное распределение.
- •62. Неравенство и теорема Чебышева. Закон больших чисел.
- •63. Задача математической статистики. Выборочный метод. Статистические оценки параметров распределения.
- •64. Несмещенные, эффективные и состоятельные оценки.
- •65. Интервальная оценка.
- •66. Корреляционный анализ. Линейная регрессия. Коэффициент корреляции.
51. Элементы комбинаторики.
Пусть имеется n различных объектов произвольной природы. Выберем из них
k объектов. Комбинаторика – это раздел математики, который изучает, сколькими
способами можно осуществить этот выбор согласно заданным условиям.
52. Теоремы сложения и умножения вероятностей.
Если объект А можно выбрать k1 различными способами, а объект В – k2 различными способами, то пару объектов А и В можно выбрать k1 k2 различными способами.
Правило сложения
Если объект А можно выбрать k1 различными способами, а объект В – k2 различными способами, то выбрать один объект А или В можно k1 k2 различными способами.
53. Условная вероятность. Теорема сложения вероятностей для совместных событий.
Условная вероятность события d при данном s — это вероятность того, что событие d наступит при условии, что наступило событие s. Например, вероятность того, что пациент действительно страдает заболеванием d, если у него (или у нее) обнаружен только симптом s.
В традиционной теории вероятностей для вычисления условной вероятности события d при данном s используется следующая формула:
P(d|s)=(d^ s)/P(S)
Два события называют совместными если появления одного из них не исключает появление другого в одном и том же испытании.
Суммой 2-х совместных событий называют событие, состоящее в появлении либо события A, либо события B, либо обоих сразу.
Теорема. Вероятность суммы 2-х совместных событий равна сумме вероятностей этих событий без учета их совместного появления. p(A+B)=p(A)+p(B)−p(AB)
Замечание: в этой теореме может существовать 2 различные ситуации.
p(A+B)=p(A)+p(B)−p(A)p(B), где A и B - независимые;
p(A+B)=p(A)+p(B)−p(A)p(B∖A), где A и B - зависимые;
54. Формула полной вероятности. Формула Бейеса.
События образуют полную группу, если хотя бы одно из них обязательно про-
изойдет в результате эксперимента.
Предположим, что событие A может наступить только вместе с одним из не-
скольких попарно несовместных событий H1, H 2 ,..., H n , образующих полную группу.
Будем называть события H i (i = 1, 2, … , n) гипотезами. Имеет место следующая
формула
которая называется формулой полной вероятности.
Пусть событие А может наступить при условии появления одного из несовместных событий B1, B2,...,Bn образующих полную группу. Поскольку заранее не известно, какое из этих событий наступит, их называют гипотезами. Вероятность появления события А определяется по формуле полной вероятности (12).
Допустим, что произведено испытание, в результате которого появилось событие А. Поставим своей задачей определить, как изменилось (в связи с тем, что событие А уже наступило) вероятность гипотез. Другими словами, будем искать условные вероятности:
PA(B1),PA(B2),...,PA(Bn)
Найдем сначала условную вероятность PA(B1). По теореме умножения имеем:
P(AB1)=P(A)•PA(B1)=P(B1)•PB1(A)
Отсюда . Заменив здесь Р(А) по формуле (12), получим:
Аналогично выводятся формулы, определяющие условные вероятности остальных гипотез, т.е. условная вероятность любой гипотезы Bi (i=1,2,...,n) может быть вычислена по формуле:
(13)
Формулу (13) называют формулой Байеса (от имени английского математика, который их вывел; опубликованы в 1764). Формула Байеса позволяет переоценить вероятности гипотез после того, как становится известным результат испытания, в итоге которого появилось событие А.