- •1. Погрешность вычисления. (Источники возникновения погрешностей вычисления. Устранимые и неустранимые погрешности. Абсолютная и относительная погрешности). Задача.
- •2. Точные и приближенные численные методы. Понятие о сходимости приближенных методов. Задача.
- •3. Численные методы решения обыкновенных диф уравнений (понятие разностной производной, численные методы решения задачи Коши для уравнения первого порядка, Метод Эйлера, методы Рунге-Кутта). Задача.
- •5. Повторные независимые испытания. (Понятие повторных независимых испытаний. Формула Бернулли. Асимптотическая формула Пуассона.) Задача.
- •6. Понятие случайной величины и ее закона распределения. Дискретные и непрерывные случайные величины. Задача.
- •7. Функция распределения и плотность вероятности случайной величины. Задача.
- •8. Основные характеристики случайной величины (математическое ожидание, дисперсия, среднее квадратическое отклонение). Задача.
- •9. Случайные процессы. (Понятие случайного процесса, реализация и сечение случайного процесса, марковский случайный процесс, марковские цепи).
- •10. Задачи безусловной оптимизации. (Постановка задачи, необходимые и достаточные условия оптимальности в задачах безусловной оптимизации.) Задача.
- •11. Численные методы многомерной безусловной оптимизации. (Направление убывания и общая схема методов спуска. Метод покоординатного спуска и градиентные методы спуска.) Задача.
- •13. Основные свойства задач линейного программирования. (Первая геометрическая интерпретация. Основная теорема линейного программирования.)
- •14. Модели линейного программирования (простейшая задача производственного планирования). Задача.
- •15. Задачи нелинейного программирования. (Постановка задачи математического программирования, классическая задача на условный экстремум.). Задача.
- •16. Задачи принятия решения. (Общая постановка, принцип оптимальности и функция выбора, основные виды задач принятия решений. Функции выбора, порожденные бинарными отношениями.). Задача.
9. Случайные процессы. (Понятие случайного процесса, реализация и сечение случайного процесса, марковский случайный процесс, марковские цепи).
Случайный процесс (случайная функция) в теории вероятностей - семейство случайных величин, индексированных некоторым параметром, чаще всего играющим роль времени или пространства.
Случайный процесс (вероятностный, или стохастический), процесс (т. е. изменение во времени состояния некоторой системы), течение которого может быть различным в зависимости от случая и для которого определена вероятность того или иного его течения. К числу С. п. могут быть причислены и многие производственные процессы, сопровождающиеся случайными флуктуациями, а также ряд процессов, встречающихся в геофизике (например, вариации земного магнитного поля), физиологии (например, изменение биоэлектрических потенциалов мозга, регистрируемое на электроэнцефалограмме) и экономике.
Теория случайных процессов – наука, изучающая закономерности случайных явлений и динамики их развития. Например: напряжение в сети, население в городе, броуновское движение, население города, запуск ракеты в космос и т.д.
Случайной функцией называют функцию неслучайного аргумента t, которая при каждом фиксированном значении аргумента является случайной величиной. Случайные функции аргумента t обозначают прописными буквами X(t), Y(t) и т.д.
Сечением случайного процесса называют случайную величину, соответствующую фиксированному значению в момент времени t = t0.
Реализацией случайного процесса X(t) называют конкретный вид случайного процесса, который наблюдался на каком-то отрезке времени от 0 до τ
Классификация случайных процессов
Случайный процесс X(t) называется процессом дискретным во времени, если система в которой он протекает, меняет свои состояния только в моменты времени t1, t2,…,tn, число которых конечно или счетно.
Случайный процесс называется процессом с непрерывным временем, если переход их состояния в состояние может происходить в любой момент времени.
Случайный процесс называется процессом с непрерывными состояниями, если значением случайного процесса является непрерывная случайная величина.
Случайный процесс называется случайным процессом с дискретными состояниями, если значением случайного процесса является дискретная величина.
В зависимости от того, дискретны или непрерывны время t и реализации ξi(t), различают четыре типа случайных процессов.
1). Случайный процесс общего типа: время t - непрерывно и реализации ξi(t) - непрерывны.
2). Дискретный случайный процесс: время t - непрерывно и ξi(t) - дискретны.
3). Случайная последовательность: t - дискретно и ξi(t) - непрерывны. В литературе случайные процессы этого типа принято называть временными рядами.
4). Дискретная случайная последовательность: t - дискретно и ξi(t) - дискретны.
Случайный процесс, протекающий в системе, называется Марковским, если для любого момента времени t0 вероятностные характеристики процесса в будущем зависят только от его состояния в данный момент t0 и не зависят от того, когда и как система пришла в это состояние.
Случайный процесс ξ(t) называется марковским, если его условная плотность вероятности удовлетворяет равенству:
. Таким образом, для марковского процесса случайная величина ξ(tn) зависит только от ξ(tn-1) и не зависит от всех ξ(t), ti < tn-1. Принято говорить, что марковский процесс помнит свою историю только на один шаг.
Способы описания марковского случайного процесса, протекающего в системе с дискретными состояниями, зависят от того, в какие моменты времени — заранее известные или случайные — могут происходить переходы («перескоки») системы из состояния в состояние.
Це́пь Ма́ркова — последовательность случайных событий с конечным или счётным числом исходов, характеризующаяся тем свойством, что, говоря нестрого, при фиксированном настоящем будущее независимо от прошлого.