Случайные величины

Приведены определения вероятности (классическое, статистическое, геометрическое и аксиоматическое), примеры вычисления вероятности, а также теоремы сложения и умножения, формула полной вероятности, формула Байеса. Рассмотрены основные распределения случайной величины и доказательства их свойств. Исследованы многомерные случайные величины, их характеристики, доказаны свойства функции распределения, плотности распределения, математического ожидания и ковариации. Приведены доказательства неравенств Чебышева и законов больших чисел. Представлена без доказательства предельная теорема в форме теоремы Ляпунова. Выведена интегральная теорема Муавра—Лапласа. Для студентов, изучающих курс «Основы теории вероятностей и математической статистики».

Приводится ряд общих сведений из математического анализа и теории вероятностных распределений, а также необходимые алгоритмы компьютерной генерации одномерных дискретных случайных величин. Вводятся важные общие классы одномерных дискретных величин, включая семейства смешанных и составных случайных величин. Подробно рассмотрены свойства семейств биномиальных, пуассоновских, отрицательных биномиальных, геометрических, гипергеометрических, логарифмических распределений. Менее подробно рассмотрено несколько десятков связанных с ними семейств распределений дискретных случайных величин.

Приводятся необходимые общие сведения из теории непрерывных одномерных распределений, описан ряд их важных общих классов. Подробно излагаются свойства девяти семейств базовых распределений (нормального, логнормального, Коши, Вейбулла, хи-квадрат, гамма-, обратного гауссовского, Парето). Важно, что издание снабжено обширной библиографией, таблицами и графиками, необходимыми для активной работы с соответствующими семействами распределений.

Приводятся необходимые общие сведения из теории непрерывных одномерных распределений, описан ряд их важных общих классов. Подробно излагаются свойства девяти семейств базовых распределений (нормального, логнормального, Коши, Вейбулла, хи-квадрат, гамма-, обратного гауссовского, Парето). Важно, что издание снабжено обширной библиографией, таблицами и графиками, необходимыми для активной работы с соответствующими семействами распределений.

Монография представляет собой первое систематизированное изложение теории оптимального сглаживания в нелинейных дискретных системах со случайной скачкообразной структурой и в системах с детерминированной структурой, снабженное подробными доказательствами, комментариями и примерами. Материал изложен с позиции единого методологического подхода, основанного на фундаментальных концепциях теории марковских процессов и байесовского оценивания. Полученные рекуррентные алгоритмы оптимального и приближенно-оптимального сглаживания состоят из алгоритмов прогнозирования, фильтрации и интерполяции с использованием разработанного автором метода двухмоментной параметрической аппроксимации законов распределения случайных процессов. Книга адресована научным работникам, инженерам и учащимся вузов, специализирующимся в области информационно-управляющих систем.

Предложенный в пособии материал подкрепляет школьный курс математики. Отличительной особенностью пособия является применение инфокоммуникационных технологий при изложении основных вопросов стохастики и решении задач. Книга предназначена школьникам общеобразовательных школ, лицеев, гимназий и т.д., учителям математики, преподавателям методики математики педагогических вузов, а также студентам нематематических специальностей вузов, знакомящихся со стохастическими закономерностями.

Рассмотрены основные понятия, теоремы и методы теории случайных процессов и их применение к инженерным задачам проектирования, строительства и эксплуатации зданий и сооружений. Дана классификация случайных процессов (с особым вниманием к Пуассоновскому процессу), теория цепей Маркова с непрерывным и дискретным временем. Более половины курса занимает изложение теории систем массового обслуживания (СМО). Приведена классификация СМО, рассмотрены показатели качества обслуживания и эффективности работы СМО, разобраны примеры анализа работы различных СМО. Заключительные лекции посвящены статистике случайных процессов, их линейному прогнозированию и моделированию. Излагаемые понятия и теоремы сопровождаются разбором большого числа задач. Для студентов бакалавриата, обучающихся по направлению подготовки 01.03.04 Прикладная математика.

Тематика посвященного основам статистической обработки педагогической информации учебного пособия оказалась на редкость востребованной и актуальной, что послужило стимулом к написанию продолжения. Учебное пособие предназначено для бакалавров, обучающихся по направлению подготовки «Математическое образование» интересы которых лежат в области статистической обработки социальной и педагогической информации. Из отличительных особенностей R хорош тем, что бесплатен и установлен на серверах Google Cloud и ИМ СО РАН, а значит позволяет задействовать вычислительную мощь современных суперкомпьютеров. Кроме того, статистический анализ большого числа переменных на сегодняшний день лучше всего реализован в его дополнительном пакете mixOmics, а в современных реалиях R позволяет неподготовленному читателю разворачивать веб-сервер для решения задач собственной онлайн-школы, на открытие которой всё больше нас вдохновляют современные реалии.

В учебном пособии рассмотрены основы современной теории марковских процессов – важного самостоятельного раздела теории случайных процессов, который используется при построении моделей функционирования систем массового обслуживания. В книге приводятся общие сведения по теории случайных процессов и теории массового обслуживания, более подробно изложен материал по теории марковских процессов с дискретным временем (цепи Маркова) и непрерывным временем. В пособии предложены задачи для самостоятельного решения и теоретические вопросы для проверки качества усвоения материала по каждой из тем. Пособие рассчитано на подготовку будущих бакалавров направлений подготовки «Прикладная математика и информатика», «Информационная безопасность», «Информатика и вычислительная техника», «Радиотехника» и др. Оно также может быть полезно магистрантам и аспирантам.

Приводятся необходимые общие сведения из теории непрерывных одномерных распределений, описан ряд их важных общих классов. Подробно излагаются свойства девяти семейств базовых распределений (нормального, логнормального, Коши, Вейбулла, хи-квадрат, гамма-, обратного гауссовского, Парето). Важно, что издание снабжено обширной библиографией, таблицами и графиками, необходимыми для активной работы с соответствующими семействами распределений.

Приводятся необходимые общие сведения из теории непрерывных одномерных распределений, описан ряд их важных общих классов. Подробно излагаются свойства девяти семейств базовых распределений (нормального, логнормального, Коши, Вейбулла, хи-квадрат, гамма-, обратного гауссовского, Парето). Важно, что издание снабжено обширной библиографией, таблицами и графиками, необходимыми для активной работы с соответствующими семействами распределений.

Приводится ряд общих сведений из математического анализа и теории вероятностных распределений, а также необходимые алгоритмы компьютерной генерации одномерных дискретных случайных величин. Вводятся важные общие классы одномерных дискретных величин, включая семейства смешанных и составных случайных величин. Подробно рассмотрены свойства семейств биномиальных, пуассоновских, отрицательных биномиальных, геометрических, гипергеометрических, логарифмических распределений. Менее подробно рассмотрено несколько десятков связанных с ними семейств распределений дискретных случайных величин.