ЙМОВІРНІСТЬ: ВІД ПОЛІНОМІВ ЕРМІТА ДО КВАДРАТУРИ ГАУССА

Анотація

Стаття присвячена використанню ймовірнісних моделей у неймовірнісних задачах. Нові приклади, що наведені в роботі, допоможуть збільшити кількість прихильників рандомізації в математичному моделюванні. Розглядаються задачі відновлення фінітних функцій (функції-«кришки», функції Ерміта), які дуже поширені в методі скінченних елементів (МСЕ). Функція-«кришка» – це інша назва барицентричної координати, запропонованої Мьобіусом. На відміну від інтерполяції за Лагранжем, інтерполяція за Ермітом передбачає наявність у вершинах контрольного інтервалу інформації про функцію та її похідну. Зростаючі поліноми Ерміта на канонічних інтервалах [0; 1] і [-1; 1] розглядаються як функції розподілу ймовірностей. Порівнюються два методи побудови поліномів Ерміта: традиційний (матричний) і нетрадиційний (ймовірнісний). Показано, що щільність і середнє квадратичне відхилення закону розподілу ймовірностей Ерміта мають тісний зв’язок із формулами наближеного інтегрування (квадратурами) підвищеної точності: Гаусса- Бернуллі (два вузли на [0; 1]), Гаусса-Лежандра (два вузли на [-1; 1]), Гаусса-Лобатто (для чотирьох вузлів). Ці результати свідчать про наявність «зворотного руху» ідей і методів із теорії ймовірностей в інші математичні науки. На гостру необхідність «зворотного руху» неодноразово звертав увагу видатний український науковець, фахівець з теорії ймовірностей і випадкових процесів академік А.В. Скороход. Дуже важливо, щоб «зворотний рух» підтримували усі математики, як «ймовірнісники», так і «неймовірнісники» (термін А.В. Скорохода). Отримані результати вже не вперше переконують, що геометрична ймовірність – це простий, наочний і дуже ефективний метод математичного моделювання. Не дивно, що сучасні інформаційні технології починаються з когнітивних моделей прикладної геометрії. Такі моделі, як правило, математично обґрунтовані і фізично адекватні.