- •8.Вопросы по теме « ряды и интеграл фурье»
- •8.1Примеры скалярного произведения для функций одной переменной
- •8.4 Определение ряда фурье и его коэффициентов для функций с периодом 2пи
- •8.5 Теорема Дирихле для разложения в ряд Фурье с периодом 2 пи
- •8.6 Ряд Фурье для функции с произвольным интегралом
- •8.7 Ряды Фурье для чётных и нечётных функций.
- •8.9 Комплексная формула для интеграла фурье
- •8.10Представление интеграла Фурье для четных и нечетных функций
- •9.Вопросы по теме «истоки операционного исчисленияы на примере преобразования Фурье»
- •9.1Преобразование Фурье (прямое и обратное) общего вида
- •9.2 Косинус-преобразование Фурье
- •9.3 Синус-преобразование Фурье
- •10 . Вопросы по теме «преобразование лаплпса».
- •11 Вопросы по теме «обыкновенные дифференциальные уравнения».
- •11.3 Понятие интеграла дифференциального уравнения
- •11.4 Задача Коши для дифференцмального уравнения
- •11.6 Понятие однородной функции двух переменных и однородного дифференциального уравнения.
- •11.7Уравнения в полных дифференциалах.
- •11.8 Неменее трех вариантов дифференциального уравнения с методом понижения его порядка
- •11.9 Линейные дифференциальные уравнения второго и высшего порядка Линейные дифференциальные уравнения второго порядка с постоянными коэффициентами
- •Линейные однородные уравнения высших порядков
- •12 Вопросы по теме «линейные диф-ные уравнения и системы с постоянными коэф-ми»
- •12.3 Метод вариации произвольных постоянных решения линейных неоднородных уравнений
- •12.5 Однородные системы линейных дифференциальных уравнений с постоянными коэффициентами
- •12.6 Метод решения системы линейных неоднородных дифференциальных уравнений с постоянными коэффициентами
- •13.Вопросы по теме»ряды и операционное исчисление решении Дифференциальных уравнений и систем
- •13.1Решение задачи Коши с помощью степенных рядов
- •13.2 Базовый подход к поиску общего решения дифференциального уравнения с помощью рядов
- •13.5 Базовый подход к решению задачи Коши для дифференциального уравнения с помощью операционного исчисления
- •13.6 Базовый подход к решению задачи Коши для систем дифференциальных уравнений с помощью операционного исчисления
- •14 Вопросы по теме «понятие статистики»
13.2 Базовый подход к поиску общего решения дифференциального уравнения с помощью рядов
Пусть необходимо найти решение у(х) задачи Коши для дифференциального уравнения 2-го порядка: Ищем у(х) в виде ряда Тейлора:
(30.14)
Значения известны, поэтому определяется
сразу Для нахождения следующих коэффициен-
тов ряда (30.14) необходимо брать последовательно производные от и подставлять в них известные уже значения предыдущих производных.
Пример: Найти первые три члена разложения в с.р. решения задачи Коши
у(х) ищем в виде Имеем:
Таким образом,
Изложенный метод применим для приближенного решения уравнений любого порядка
13.5 Базовый подход к решению задачи Коши для дифференциального уравнения с помощью операционного исчисления
Алгоритм решения задачи Коши для уравнений операционным методом состоит в следующем. Обозначим Y(p) и F(p) изображения для y(x) и f(x). Тогда по основным свойствам преобразования Лапласа, переходя к изображениям, получим: или, A(p)Y(p)+B(p) = F(p), где A(p) и B(p) - многочлены. Отсюда: и искомое решение задачи Коши y(x) является оригиналом для Y(p).
13.6 Базовый подход к решению задачи Коши для систем дифференциальных уравнений с помощью операционного исчисления
Алгоритм решения задачи Коши для систем операционным методом состоит в следующем. Обозначим изображения для - компонентами вектор-функций являются изображения соответствующих компонент вектор-функций . Тогда по основным свойствам преобразования Лапласа, переходя к изображениям, получим: , где E - единичная матрица, - обратная матрица к матрице .
Тогда искомое решение задачи Коши является оригиналом для .
14 Вопросы по теме «понятие статистики»
1 4.1 Вероя́тностное простра́нство — понятие, введённое А. Н. Колмогоровым в 30-х годах XX века для формализации понятия вероятности, которое дало начало бурному развитию теории вероятностей как строгой математической дисциплины.
Вероятностное пространство — это тройка (иногда обрамляемая угловыми скобками: ), где
— это произвольное множество, элементы которого называются элементарными событиями, исходами или точками;
— сигма-алгебра подмножеств , называемых (случайными) событиями;
— вероятностная мера или вероятность, т.е. сигма-аддитивная конечная мера, такая что .
[править]Замечания
Элементарные события (элементы ), по определению, — это исходы случайного эксперимента, из которых в эксперименте происходит ровно один.
Каждое случайное событие (элемент ) — это подмножество . Говорят, что в результате экспериментапроизошло случайное событие , если (элементарный) исход эксперимента является элементом . Требование, что является сигма-алгеброй подмножеств , позволяет, в частности, говорить о вероятности случайного события, являющегося объединением счетного числа случайных событий, а также о вероятностидополнения любого события.
14.2 Стати́стика — отрасль знаний, в которой излагаются общие вопросы сбора, измерения и анализа массовых статистических (количественных или качественных) данных.
Слово «статистика» происходит от латинского status — состояние дел[1]. В науку термин «статистика» ввел немецкий ученый Готфрид Ахенваль в 1746 году, предложив заменить название курса «Государствоведение», преподававшегося в университетах Германии, на «Статистику», положив тем самым начало развитию статистики как науки и учебной дисциплины. Несмотря на это, статистический учет вёлся намного раньше: проводилисьпереписи населения в Древнем Китае, осуществлялось сравнение военного потенциала государств, велся учетимущества граждан в Древнем Риме и т. п[2].
Статистика разрабатывает специальную методологию исследования и обработки материалов: массовые статистические наблюдения, метод группировок, средних величин, индексов, балансовый метод, метод графических изображений и другие методы анализа статистических данных.
14.3
Случайная величина - это величина, которая в результате испытания примет одно и только одно возможное значение, наперед неизвестное и зависящее от случайных причин, которые заранее не могут быть учтены.
Случайная величина Х называется непрерывной, если ее функция распределения F(x) есть непрерывная, кусочно-дифференцируемая функция с непрерывной производной.
Так как для таких случайных величин функция F(x) нигде не имеет скачков, то вероятность любого отдельного значения непрерывной случайной величины равна нулю
P{X=α}=0 для любого α.
В качестве закона распределения, имеющего смысл только для непрерывных случайных величин существует понятиеплотности распределения или плотности вероятности.
Вероятность попадания непрерывной случайной величины X на участок от x до x+Dx равна приращению функции распределения на этом участке:
P{x£ X <x+Dx}=F(x+Dx) - F(x).
Плотность вероятности на этом участке определяется отношением
(5.6)
Плотностью распределения (или плотностью вероятности) непрерывной случайной величины X в точке x называется производная ее функции распределения в этой точке и обозначается f(x). График плотности распределения называется кривой распределения.
Пусть имеется точка x и прилегающий к ней отрезок dx. Вероятность попадания случайной величины X на этот интервал равна f(x)dx. Эта величина называется элементом вероятности.
Вероятность попадания случайной величины X на произвольный участок [a, b[ равна сумме элементарных вероятностей на этом участке:
(5.7)
В геометрической интерпретации P{α≤X<β} равна площади, ограниченной сверху кривой плотности распределения f(x) и опирающейся на участок (α,β) (рис. 5.4).
Это соотношение позволяет выразить функцию распределения F(x) случайной величины X через ее плотность:
(5.8)
В геометрической интерпретации F(x) равна площади, ограниченной сверху кривой плотности распределения f(x) и лежащей левее точки x (рис. 5.5).
Основные свойства плотности распределения:
Плотность распределения неотрицательна: f(x) ³ 0.
Это свойство следует из определения f(x) – производная неубывающей функции не может быть отрицательной.
2. Условие нормировки: Это свойство следует из формулы (5.8), если положить в ней x=∞.
Геометрически основные свойства плотности f(x) интерпретируются так:
вся кривая распределения лежит не ниже оси абсцисс;
полная площадь, ограниченная кривой распределения и осью абсцисс, равна единице.