Kõrgem matemaatika ja operatsioonianalüüs (VAY1100)
PÕHIANDMED
õppeaine register
A - põhiregister
õppeaine kood
VAY1100
õppeaine nimetus eesti k
Kõrgem matemaatika ja operatsioonianalüüs
õppeaine nimetus inglise k
Higher Mathematics and Operations Research
õppeaine maht AP
-
õppeaine maht EAP
6.00
deklareeritav
jah
kontrollivorm
eksam
õpetamise semester
sügis-kevad
õppekeel
eesti keel
inglise keel
Õppekavad, millesse aine kuulub
kavaversiooni kood
aine kohustuslik
VDSR25/25
jah
Ainet õpetavad struktuuriüksused
V - Eesti Mereakadeemia
Ainekaardi link
Tunniplaani link
Vaata tunniplaani
Versioon:
VERSIOONIPÕHISED ANDMED
õppeaine eesmärgid eesti k
Tutvustada tõenäosusteooria põhilisi mõisteid ja meetodeid. Süvendada teadmisi juhuslikkusest. Anda oskusi juhuslikkuses peituvate seaduspärasuste kirjeldamiseks statistika meetodite abil. Süvendada teadmisi ja oskusi andmetöötluses. Esitada arv- ja funktsionaalridade põhiprobleemide praktilised rakendused. Õpetada lahendama mainitud teooriaga seotud põhilisi ülesandeid. Harjutada üliõpilasi matemaatilise mõtlemise ja sümboolikaga.
Omandada teadmisi operatsioonianalüüsi ülesannetest ja meetoditest. Õppida lahendama lineaarse planeerimise ülesandeid.
õppeaine eesmärgid inglise k
To give an overview of the main methods stemming from the theory of probability. To deepen the knowledge about randomness. To give knowledge about the laws of random phenomena and ability to indentify them by means of methods of statistics. To deepen knowledge and skills for data processing. To give knowledge about the theory of functional series and their applications. To teach to solve main problems of the theory mentioned above. To make the students accustomed with the mathematical thinking and symbolism.
To obtain a knowledge about problems and methods of operations research. To learn to solve problems of linear programming
õppeaine õpiväljundid eesti k.
Aine läbinud üliõpilane:
• tunneb tõenäosusteooria põhimõisteid, oskab leida sündmuste summa ja korrutise tõenäosust ning kasutada täistõenäosuse, Bayesi ja Bernoulli valemeid ülesannete lahendamisel;
• tunneb juhusliku suuruse, selle jaotusfunktsiooni, jaotustiheduse, karakteristliku funktsiooni, genereeriva funktsiooni ja põhiliste arvkarakteristikute mõisteid ning oskab lahendada ülesandeid enamlevinud jaotuste parameetrite määramise ja nendega seotud tõenäosuste arvutamise kohta;
• tunneb juhusliku vektori, selle jaotusfunktsiooni, jaotustiheduse mõisteid ning oskab lahendada vastavaid ülesandeid;
• tunneb matemaatilise statistika põhimõisteid, oskab leida punkt- ja vahemikhinnanguid;
• oskab kasutada MS Exceli korrelatsioon- ja regressioonananlüüsi vahendeid nähtustevaheliste seoste uurimiseks ja kirjeldamiseks
• uurida astmeridade koonduvust, arendada funktsiooni astmeritta ja kasutada astmeridu rakendustes;
• arendada funktsiooni Fourier' ritta, leida funktsiooni Fourier' teisendust ning kasutada Fourier' ridu ja Fourier' teisendusi;
• testida praktiliste ülesannete lahendamisel saadud tulemuste õigsust.
• tunneb operatsioonianalüüsi põhimõisteid ja -seoseid;
• oskab lahendada laiemaid probleeme, valides häid vahendeid ja kontrollida vastuseid.
• tunneb otsustuste teooria elemente ja oskab lahendada lihtsamaid maatriksmänge.
• oskab formuleerida lihtsamaid lineaarplaneerimise ülesandeid ja lahendab neid graafiliselt ning hariliku või duaalse simpleksmeetodiga.
õppeaine õpiväljundid ingl k.
Having finished the study of the subject a student:
• knows the main concepts of the theory of probability, is able to find probabilities of sums and products of events and use the formula of total probability and Bayes and Bernoulli formulas to solve problems;
• knows the concepts of the random variable, distribution function, density function, characteristic function, generating function and main numerical characteristics and is able to solve problems to find parameters of distributions and to compute related probabilities;
• knows the concepts of event, its distribution function, density and is able to solve related problems;
• knows of main concepts of the mathematical statistics, is able to find point and interval estimators;
• is able to use MS Excel tools of correlation and regression analysis and describe linear relationships between variables
• is able to investigate the convergence of functional series;
• is able to find Fourier-series expansions, Fourier transforms of function and to apply Fourier series and transforms;
• is able to check the correctness of results obtained by solution of practical exercises.
• knows the main concepts and issues of operations research;
• is able to use methods in volume of a subject.
• is able to apply theoretical knowledge into practice
• is know the fundamentals of decision theory and will be able to solve simple matrix games.
• is be able to formulate simple problems of linear programming and solve them graphically and with the help of the ordinary or dual simplex method.
õppeaine sisu lühikirjeldus eesti k
Tõenäosusteooria põhimõisted ja seosed. Juhuslik suurus. Jaotusfunktsioonid. Juhuslikud protsessid. Matemaatilise statistika põhimõisted. Akvakarakteristikud ja vahemikuhinnangud. Dispersioon, korrelatsioon, regressioon. Ms Exceli vahendid andmete töötlemiseks. Astmeread. Fourier' rida. Taylori rida. Fourier' teisendus. Matemaatika tarkvara. Lineaarplaneerimine. Simpleksmeetod ja tema erijuhud. Duaalne simpleksmeetod. Transpodiülesanne. Täisarvuline planeerimine. Mänguteooria elemendid.
õppeaine sisu lühikirjeldus ingl k
Main concepts of the theory of probability. Random variable. Distribution function. Main concepts of the mathematical statistics. Numerical characteristics. Confidence intervals for parameters. Dispersion. Regression. Correlation.
Computer statistics. Power series. Fourier' series. Taylor’ series. Fourier' transforms. Mathematical software.
Standard and canonical forms of linear programming problems. Optimal solutions. Dual linear programming. Duality theorems. Graphical solutions of programming problems. Simplex method. Integer programming. Transportation problems, Elements of game theory.
hindamisviis eesti k
Eristav hindamine
hindamisviis ingl k
Grading
iseseisev töö eesti k
-
iseseisev töö ingl k
-
õppekirjandus
.
õppevormid ja mahud
päevaõpe: nädalatunnid
4.0
sessioonõppe töömahud (semestris):
loenguid
0.0
loenguid
-
praktikume
0.0
praktikume
-
harjutusi
4.0
harjutusi
-
vastutav õppejõud
-
ÕPPEJÕU AINEKAVA INFO
õppetöö semester
õpetav õppejõud / üksus
õppetöö keel
Laiendatud ainekava
2025/2026 kevad
Anna Saksa, LT - küberneetika instituut
eesti keel
    hindamine_VAY1100_est.pdf 
    kuva rohkem
    2025/2026 sügis
    Anna Saksa, LT - küberneetika instituut
    eesti keel
      hindamine_VAY1100_est.pdf 
      2024/2025 kevad
      Anna Saksa, LT - küberneetika instituut
      eesti keel
        hindamine_VAY1100_est.pdf 
        2023/2024 kevad
        Anna Saksa, LT - küberneetika instituut
        eesti keel
        Laiendatud ainekava asub Moodles: https://moodle.taltech.ee/course/view.php?id=20798
          hindamine_VAY1100_est.pdf 
          2022/2023 kevad
          Anna Saksa, LT - küberneetika instituut
          eesti keel
            2021/2022 kevad
            Anna Saksa, LT - küberneetika instituut
            eesti keel
              hindamine_VAY1100_est.pdf 
              2021/2022 sügis
              Anna Saksa, LT - küberneetika instituut
              eesti keel
                hindamine_VAY1100_est.pdf 
                2020/2021 kevad
                Anna Saksa, LT - küberneetika instituut
                eesti keel
                  hindamine_VAY1100_est.pdf 
                  2020/2021 sügis
                  Anna Saksa, LT - küberneetika instituut
                  eesti keel
                    hindamine_VAY1100_est.pdf 
                    2019/2020 kevad
                    Anna Saksa, LT - küberneetika instituut
                    eesti keel
                      hindamine_VAY1100_est.pdf 
                      2019/2020 sügis
                      Anna Saksa, LT - küberneetika instituut
                      eesti keel
                        hindamine_VAY1100_est.pdf 
                        2018/2019 kevad
                        Anna Saksa, LT - küberneetika instituut
                        eesti keel
                          hindamine_VAY1100_est.pdf 
                          2017/2018 kevad
                          Anna Saksa, LT - küberneetika instituut
                          eesti keel
                            hindamine_VAY1100_est.pdf 
                            Ainekaart eesti keeles
                            Ainekaart inglise keeles