Монография знакомит читателя с элементарными основами теории вероятностей и математической статистики, изложенными с современных позиций, а также с приложением этих дисциплин к геодезии.
Теоретическая часть книги включает основные понятия и законы теории вероятностей, которым следуют массовые результаты геодезических измерений. При этом наиболее полно рассматриваются основные теоретические характеристики распределения непрерывной случайной величины: плотность распределения вероятности, функция распределения вероятностей, а также математическое ожидание, дисперсия и т. д., т. е. числовые характеристики, имеющие важное теоретическое и прикладное значение для геодезии. Теоретически рассмотрены нормальный и биномиальный законы, дано понятие о законе больших чисел и о центральной предельной теореме.
В главах математической статистики теоретически и как приложения к геодезии рассмотрены: статистическая оценка параметров распределения; статистическая проверка гипотез; основы дисперсионного и корреляционного анализа, а также вероятностно-статистические методы изучения и анализа результатов геодезических измерений, обоснование технических допусков.
Важнейшие методы и приемы теории вероятностей и математической статистики иллюстрируются примерами, экспериментальные данные для которых извлечены из научно-технических отчетов и научных трудов ЦНИИГАиК, записок ВТУ Генштаба и т. д.
Монография американских ученых, рассчитанная на читателей, знакомых с основами математической статистики, но ие имеющих опыта работы с ЭВМ и не знающих программирования. Изложение ориеитироваио иа применение пакетов прикладных программ, приведены примеры из биологии, медицины, гуманитаргуманитарных иаук.
Для математиков-прикладников, иаучиых работников, использующих стастатистический анализ, для аспирантов и студентов университетов.
Краткая сводка основных понятий и методов математической статистики. Содержит множество примеров приложения теории к конкретным статистическим задачам. Послужит хорошим дополнением к книгам Д. Кокса и Д. Хинкли «Теоретическая статистика» (М.: Мир, 1978), «Задачи по теоретической статистике с решениями» (М.: Мир, 1981).
Книга будет полезна студентам, аспирантам и специалистам, занимающимся математической статистикой, а также широкому кругу инженеров и научных работников, использующих ее методы.
Первое систематическое изложение теории робастных оценок — важного и интенсивно развивающегося направления современной математической статистики.
Монография написана американским специалистом — одним из создателей этой теории. В ней обобщены разрозненные методы проверки устойчивости конкретных статистических процедур. Часть результатов публикуется впервые. Приведены алгоритмы вычислений робастных оценок, а также таблицы, количественно характеризующие робастность нескольких оценок.
Для научных работников, инженеров и студентов, специализирующихся в области математической и прикладной статистики
Книга профессора Морана, одного из ведущих специалистов в своей области, посвящена изложению результатов исследования математических моделей популяционной генетики. Основное внимание в книге уделено эволюции генетического состава популяции, в частности исследованию стационарных распределений при ограничениях разного рода. Используемый математический аппарат доступен для читателей-нематематиков.
Книга может быть полезна биологам, интересующимся современным состоянием математической биологии. Читатель-математик найдет здесь много нерешенных задач, способных положить начало интересным исследованиям.
Предлагаемая читателю книга американских математиков Самюэля Карлина и Вильяма Стаддена необычайно привлекательна богатством приложений излагаемой в ней фундаментальной теории.
Приложения в области анализа, теории вероятностей, математической статистики и теории планирования эксперимента делают эту книгу весьма актуальной.
Монография посвящена изучению временных рядов, встречающихся в различных областях физики, механики, астрономии, техники, экономики, биологии, медицины. Основная ориентация книги — практическая: методы теоретического анализа иллюстрируются детально проработанными примерами, а результаты наглядно представлены на многочисленных графиках. Вместе с тем теоретический уровень изложения очень высок. Для более глубокого понимания выводов и выкладок приводится большое число упражнений. Книга рассчитана на математиков и специалистов различных областей науки и техники. Она доступна аспирантам и студентам университетов.
Монография американских ученых, рассчитанная на читателей, знакомых с основами математической статистики, но не имеющих опыта работы с ЭВМ и не знающих программирования. Изложение ориентировано на применение пакетов прикладных программ, приведены примеры из биологии, медицины, гуманитарных наук. Для математиков-прикладников, научных работников, использующих статистический анализ, для аспирантов и студентов университетов.
Рассматриваются нейросетевые технологии статистической обра-
ботки малых выборок, основанной на использовании быстрых алгорит-
мов автоматического обучения и быстрых алгоритмов тестирования
нейросетевых преобразователей. Основной задачей вводного курса явля-
ется снятие барьера, возникшего сегодня между классической статисти-
кой и технологиями создания и применения нейросетевых решений.
В качестве базовой основы курса используется программное сред-
ство моделирования нейросетевых преобразователей биометрических
данных рукописных легко запоминаемых парольных фраз в длинный
очень трудно запоминаемый людьми личный криптографический ключ.
Обучение начинается с вводной лекции и самостоятельного выполнения
трех лабораторных работ, это позволяет обучающимся самостоятельно
получить первоначальные навыки по обучению искусственных нейрон-
ных сетей и их тестированию.
Курс ориентирован на курсантов и адъюнктов, уже владеющих ос-
новами математической статистики. Специальных знаний по нейроин-
форматике (программированию) от обучаемых не требуется, также нет
необходимости в освоении глубоких знаний, относящихся к физико-
математическим наукам
Рассматривается проблема обнаружения и корректировки ошибок в выходном коде нейронной сети, заранее обученной распознавать уникальный биометрический образ человека. Использование для этой цели обычных самокорректирующихся кодов с высокой избыточностью возможно, однако приводит к многократному сокращению длины получаемого из выходного кода криптографического ключа аутентификации. Рассматриваемые в работе коды формируют синдромы ошибок в виде отдельно хранящихся коротких фрагментов хеш-функции. Исправление ошибок ведется перебором возможных состояний выходного кода путем изменения одного, двух, трех разрядов, что не приводит к значительному сокращению длины получаемого ключа. Ускорение перебора выполняется определением показателей стабильности наиболее слабых разрядов выходного кода. Преимущества рассматриваемых в работе процедур обнаружения и исправления ошибок возникают в ситуации, когда данные нейросетевого решающего правила искусственного интеллекта биометрических приложений защищены криптографическими механизмами от исследования. Классические самокорректирующиеся коды с высокой избыточностью не способны править разряды кодов после их защиты шифрованием. Предложенные же коды без избыточности оказываются частично гомоморфны к некоторым криптографическим механизмам размножения ошибок.