- •Общая постановка задачи оптимизации.
- •Классическая задача на условный экстремум. Необходимые и достаточные условия условного экстремума.
- •Метод множителей Лагранжа для решения классической задачи на условный экстремум.
- •Линейные неравенства и область решений системы линейных неравенств.
- •5. Общая задача линейного программирования. Геометрическая интерпретация задачи.
- •Графический метод решения задачи линейного программирования для двух переменных.
- •Решение задачи линейного программирования симплекс–методом. Симплексные таблицы. Алгоритм симплекс–метода.
- •Решение задачи оптимизации выпуска продукции симплекс–методом.
- •Модель оптимизации плана перевозок (транспортная задача). Экономическая постановка задачи.
- •9.2 Основные свойство транспортной задачи
- •9.3 Двойственная задача
- •9.4 Теоремы двойственности
- •9.5 Построение опорного плана транспортной задачи
- •9.6 Метод севево-западного угла
- •Математическая модель транспортной задачи. Открытые и закрытые задачи. Допустимый, опорный и оптимальный планы перевозок.
- •11. Построение начального (опорного) плана перевозок по методу северо–западного угла и по методу наименьшей стоимости.
- •12. Теорема о потенциалах. Метод потенциалов. Транспортные таблицы. Понятие цикла. Сущность метода потенциалов.
- •13.Критерий оптимальности и неоптимальности опорного плана. Критерий единственности оптимального опорного плана.
- •14. Понятия испытания и случайного события. Частота и относительная частота появления события в серии испытаний. Вероятность случайного события.
- •15. Совместные и несовместные события. Полная группа событий. Событие, благоприятствующее данному. Равновозможные события. Совокупность элементарных исходов.
- •16.Классическое определение вероятности. Простейшие свойства вероятности.
- •17. Основные правила комбинаторики. Сочетания, перестановки, размещения.
- •18. Частота и относительная частота появления события в серии испытаний. Стохастическая устойчивость случайного события. Статистическое определение вероятности.
- •19. Вероятность противоположного события. Условная вероятность.
- •20. Сумма и произведение случайных событий. Теорема сложения вероятностей: для двух произвольных событий, для двух несовместных.
- •21. Теорема умножения вероятностей: для двух произвольных событий; для двух независимых событий; для нескольких событий, независимых в совокупности.
- •22. Формула полной вероятности.
- •23. Теорема Байеса.
- •24. Формула Бернулли
- •25. Локальная и интегральная теоремы Лапласа. Функции Гаусса и Лапласа.
- •26. Понятие случайной величины. Закон распределения случайной величины. Функция распределения и ее свойства.
- •1) Биномиальное распределение (дискретное)
- •2) Пуассоновское распределение (дискретное)
- •3) Показательное распределение (непрерывное)
- •4) Равномерное распределение (непрерывное)
- •5) Нормальное распределение или распределение Гаусса (непрерывное)
- •27. Дискретная случайная величина. Способы задания закона распределения дискретной случайной величины.
- •28. Числовые характеристики дискретной случайной величины: математическое ожидание, дисперсия, среднее квадратическое отклонение. Их основные свойства.
- •29. Биномиальный закон распределения.
- •30. Распределение Пуассона. Простейший поток событий.
- •Ц.П.Т. Ляпунова
- •Слабый закон больших чисел
- •Усиленный закон больших чисел
- •Значение теоремы Чебышева для практики.
- •51. Понятие критерия. Критическая область и область принятия гипотезы. Односторонняя и двусторонняя критическая область, критические точки. Мощность критерия.
- •56. Коэффициенты регрессии. Линии регрессии.
- •59. Эмпирическая и теоретическая линии регрессии.
23. Теорема Байеса.
Теорема Байеса — позволяет определить вероятность того, что произошло какое-либо событие (гипотеза) при наличии лишь косвенных тому подтверждений (данных), которые могут быть неточны.
Формула Байеса:
,
где
— априорная вероятность (насколько вероятна причина вообще) гипотезы A
— вероятность гипотезы A при наступлении события B
— вероятность наступления события B при истинности гипотезы A
— полная вероятность наступления события B.
Следствие
Формула Байеса является важным следствием из формулы полной вероятности события, зависящего от нескольких несовместных гипотез (и только от них!).
— вероятность наступления события B, зависящего от ряда гипотез , если известны степени достоверности этих гипотез (например, измерены экспериментально);
24. Формула Бернулли
Если производятся испытания, при которых вероятность появления события А в каждом испытании не зависит от исходов других испытаний, то такие испытания называют независимыми относительно события А.
Вероятность того, что в n независимых испытаниях, в каждом из которых вероятность появления события равна р(0 < p < 1), событие наступит ровно k раз (безразлично, в какой последовательности), равна:
Pn(k)=Cnkpkqn-k
или
где q=1-p
Вероятность того, что в n испытаниях событие наступит: а) менее k раз; б) более k раз; в) не менее k раз; г) не более k раз, — находят соответственно по формулам:
Pn(0)+Pn(1)+...+Pn(k-1);
Pn(k+1)+Pn(k+2)+...+Pn(n);
Pn(k)+Pn(k+1)+...+Pn(n);
Pn(0)+Pn(1)+...+Pn(k);
25. Локальная и интегральная теоремы Лапласа. Функции Гаусса и Лапласа.
Локальная теорема Лапласа. Вероятность того, что в n независимых испытаниях, в каждом из которых вероятность появления события равна р(0 < р < 1), событие наступит ровно k раз (безразлично, в какой последовательности), приближенно равна (тем точнее, чем больше n)
Для определения значений φ(x) можно воспользоваться специальной таблицей.
Интегральная теорема Лапласа. Вероятность того, что в n независимых испытаниях, в каждом из которых вероятность появления события равна р (0 < р < 1), событие наступит не менее k1 раз и не более k2 раз, приближенно равна
P(k1;k2)=Φ(x'') - Φ(x')
Здесь
-функция Лапласа
Значения функции Лапласа находят по специальной таблице.
Функции Гаусса и Лапласа - одно из названий нормального распределения
П. Лаплас, кроме того, получил интеграл (функцию Лапласа)
Как приближенное значение (при больших га) вероятности того, что число успехов в испытаниях Бернулли с вероятностью успеха будет заключено в пределах и (так наз. предельная формула Лапласа). Однако соотношение, где нормальное распределение появляется как предельная форма биномиального с было найдено еще А. Муавром.
26. Понятие случайной величины. Закон распределения случайной величины. Функция распределения и ее свойства.
Случайная величина - числовая переменная величина, принимающая в зависимости от случая те или иные значения с определёнными вероятностями. Число попаданий в цель при данном числе выстрелов, скорость молекулы газа являются типичными примерами случайных величин.