SCI Библиотека

Книга представляет собой изложение курса лекций, читавшихся
автором в течение ряда лет студентам Саратовского государствен-
ного университета. Для чтения книги достаточно владеть основами
математического анализа. Книга предназначена для студентов ма-
тематических и физических специальностей университетов.

Учебное пособие составлено в соответствии с программой курса «Теория
вероятностей и математическая статистика» и имеет целью научить студентов
основным методам статистического анализа данных гидрологических наблюде-
ний. Весь цикл практических работ включает 10 заданий с необходимыми пояс-
нениями и иллюстрациями.
Пособие предназначено для студентов географического факультета Москов-
ского государственного университета, обучающихся по профилю «Гидрология»
направления подготовки 05.03.04 «Гидрометеорология». Может быть полезно
для студентов других гидрометеорологических профилей подготовки и специа-
листов, занимающимися статистическим анализом данных наблюдений за ха-
рактеристиками состояния окружающей среды.

В учебном пособии приведены основные теоретические положения
теории вероятностей и математической статистики. Представлены тео-
рия корреляции и методика проверки статистических гипотез. Предло-
жены обобщающие схемы и примеры решения профессионально ориен-
тированных задач.
Издание предназначено для обучающихся по направлению подго-
товки 21.03.02 Землеустройство и кадастры (очная и заочная формы)

Настоящий выпуск представляет собой подборку авторских
нестандартных задач по теории вероятностей и математической
статистике. Содержит комплексный анализ каждой задачи с применением
различных методов решения. Предназначено для студентов бакалавриата,
обучающихся по направлениям 03.03.02 Физика, 03.03.03 Радиофизика и
27.03.05 Инноватика

Монография посвящена применению дифференциальной энтропии для моделирования процессов в сложных системах. Излагается общая теория энтропийного моделирования для описания многомерных стохастических систем. При этом стохастическая система может быть представлена в виде случайного вектора. Установлен триализм дифференциальной энтропии случайных векторов. Он состоит в том, что существуют три причины изменения энтропии случайного вектора: изменение степени рассеяния его компонент, изменение форм распределений его компонент и изменение тесноты корреляционных связей между его компонентами. На основе концепции, что энтропия является универсальным параметром состояния системы, предложены методы повышения эффективности функционирования стохастических систем. Рассмотрены задачи управления системой с целью увеличения или уменьшения ее энтропии, а также диагностики и контроля состояния системы на основе анализа изменения энтропии. Приведены примеры практического использования предложенного подхода для стохастических систем различной природы. Книга будет полезна специалистам в области математического моделирования сложных систем, прикладной статистики и многомерного статистического анализа, а также всем исследователям, изучающим поведение открытых стохастических систем.

Монография содержит введение в теорию производных в среднем, а также единое изложение новых результатов, полученных в последние годы автором и его учениками по приложениям уравнений и включений с производными в среднем к различным научным дисциплинам и не вошедших в предыдущую монографию [43]. В Дополнении (гл. 8) в доступной форме изложены основные понятия геометрии многообразий и стохастического анализа, используемые в книге.

Учебное пособие содержит основные теоретические сведения, необходимые для изучения дисциплины «Правовая статистика», и примеры выполнения практических заданий. Предназначено для курсантов (слушателей) учебных заведений системы МВД России, обучающихся по специальностям «Правовое обеспечение национальной безопасности», «Правоохранительная деятельность», «Юриспруденция»

В книге рассмотрены особенности ковариационной матрицы измерений марковских процессов. Исследованы ковариационные матрицы простого (односвязного), сложного (многосвязного) и векторного процессов. Введено понятие ковариационно марковского процесса (КМ-процесса), в котором условие марковости накладывается на вид ковариационной функции процесса. Введение понятия КМ-процесса дает возможность построить достаточно простые процедуры линейного оценивания характеристик для широкого класса процессов, не являющихся марковскими в обычном смысле, но широко используемые в практике инженерных исследований. Найдены структуры ковариационной матрицы измерений для измерений упорядоченных и неупорядоченных в порядке возрастания координат точек измерений. Это позволило построить весьма простые процедуры рекуррентного оценивания для задач фильтрации и идентификации КМ-процессов. Предложен метод дискретной аппроксимации немарковских процессов многосвязными марковскими процессами. Рассматриваются вопросы планирования эксперимента для задач оценивания КМ-процессов. Приведены примеры применения полученных результатов для решения некоторых практических задач. В приложениях приведены краткие сведения из матричной алгебры, примеры одно-, дву-, трех- и многомерных КМ-процессов, доказательства некоторых теорем и утверждений и формулы рекуррентного обращения матриц, рассмотренных в книге.

В учебном пособии изложены основные идеи теории вероятностей и математической
статистики. В начале параграфов даются теоретические сведения, содержание которых раскры-
вается в вопросах для самоконтроля, решенных примерах и трехуровневой системе задач.
Издание предназначено для студентов, обучающихся по стандарту ФГОС 3++, физико-
математического факультета по направлениям подготовки 44.03.05 «Педагогическое образо-
вание (с двумя профилями подготовки) профили, “Физика, информатика”»; «“Информатика,
математика”»; «“Математика, экономика”»; 44.03.01 «Педагогическое образование, профиль
“Математика и Информационные технологии”», а также факультета социального управления
по направлению 44.03.04 «Профессиональное обучение, профиль “Экономика и управление”».
Учитель математики может использовать пособие для модернизации школьного курса стоха-
стики.

Целью исследования является решение задачи идентификации и классификации различных подклассов автоматных марковских моделей (АММ) на основе генерируемых дискретных цепей Маркова (ЦМ). Эффективность распознавания АММ определяется уменьшением длин ЦМ, требуемых для решения задачи идентификации и классификации АММ, определенных на основе заданных подклассов эргодических стохастически матриц (ЭСМ), с заданной доверительной вероятностью и снижением сложности алгоритмов распознавания и погрешности вычисления признаков относительно ЭСМ.