Váratlan egybeesések Vida Péter
|
|
- Valéria Hegedüs
- 5 évvel ezelőtt
- Látták:
Átírás
1 Tartalomjegyzék Váratlan egybeesések Vida Péter Alapfogalmak Gauss-görbe Galton-deszka Ritka események,egybeesések és előfordulások Beatrice-i templom A valószínűség és a szerencsejátékok Craps-játék A játékos csődje A valószínűségszámítás eredete Alapfogalmak, definíciók A valószínűségszámítás a véletlen matematikája megalapozói közt elsősorban említendő a francia Pierre Fermat (60 665) és Blaise Pascal (6 66), bár néhány ilyen tárgyú mű már az ő működésük előtt is megjelent. A legfontosabb példa a A kockajátékról című könyv, amit Cardanónak (50 576) tulajdonítanak, de a kockajátékról már Claudius római császár is írt egy hosszabb, tréfás értekezést. A matematikának ez az ága a szerencsejátékok elméleteként indult, így a legtöbb korai, véletlenek törvényszerűségeiről szóló műnek hasonló címe volt. Levelezésükben Pascal és Fermat is a kockázáshoz és egyéb játékokhoz kapcsolódó problémákat, feladatokat ( pontosztozkodási probléma ill. de Méré lovag problémája ) tárgyalnak és oldanak meg, és lerakják a klasszikus vagy kombinatorikus valószínűségszámítás alapjait. Klasszikus valószínűségszámítás Várható érték Ha egy kísérletnek csak véges sok kimenetele lehet, és a kimeneteleknek azonos a valószínűségük, akkor a kísérlettel kapcsolatos események és ezek valószínűségei együtt ún. klasszikus valószínűségi mezőt alkotnak. Legyen A a kísérlettel kapcsolatos esemény. Ha az A esemény a kísérlet N elemi eseménye közül k különböző elemi esemény összegéből áll, akkor valószínűsége: P A = k N. Az A esemény komplementerének, A-nak a valószínűsége: P A = N k = P(A) N Adott: P A = p. Ha egy kísérlettel egymástól függetlenül n-szer elvégzünk, akkor annak a n valószínűsége, hogy az A esemény pontosan k -szor bekövetkezik: P k= k pk p n k Általánosabban, ha egy x mennyiség (ami lehet egy játékban a nyeremény, vagy bármilyen mérés vagy kísérlet eredménye, vagy valamilyen eljárásnál egy becsült érték) az x x,...x n különböző értékeket veheti fel, és rendre P(x ), P(x )..., P(x n ) annak a valószínűsége, hogy x ezeket felveszi, akkor x várható értékét, amit E x -szel jelölünk, a következőképpen definiáljuk: n E x = P(x i ) x i i= Pl. Kockadobásbál: E x = = = 6 =,5
2 Gauss-eloszlás Valószínűség eloszlások Az X valószínűségi változó normális eloszlást követ vagy rövidebben: normális eloszlású pontosan akkor, ha sűrűségfüggvénye: x m σ f x = σ π e Ahol a két paraméter, σ és m R, és σ > 0. Várható értéke: E X = m Szórása: D X = σ Egy kis érdekesség Galton-deszka Vegyünk egy széles deszkát, és verjünk be mondjuk félcentis szögeket egymástól egyenlő távolságra úgy, hogy minden következő sorban a szögek az előző sorbeliekhez képest középen helyezkedjenek el (lásd ábrát). A kaput, amelyen keresztül a golyók a zár kinyitása után kiesnek, pontosan a felső sor középső szöge fölött kell elhelyezni. Az üveglap megakadályozza, hogy a golyók kiugorjanak, de közben mégis láthatjuk, hogy mi történik. Mindegyik golyó a középső szög tetejére esik. Innen ugyanakkora valószínűséggel pattan balra, mint jobbra. Ha mondjuk balra tért el, akkor ismét egy kapuban találja magát, amelyet alulról a második sor egyik szöge zár le, erről megint egyforma eséllyel haladhat mindkét irányban tovább. Galton-deszka Kérdés: Ha kinyitjuk a kaput, és lepergetjük a golyókat, akkor a függőleges falakkal elválasztott alsó rekeszekben milyen kép alakul ki? Emlékezzünk vissza most a Pascal-háromszögre. Megállapítottuk, hogy egy sorban két szomszédos számot összeadva a következő sornak a két tag között álló elemét kapjuk. Ismeretes, hogy ezzel az eljárással éppen a binomiális együtthatókhoz jutunk. A valószínűsége annak, hogy N kísérletből m siker és N m kudarc forduljon elő, ha p = q =, N m pm q N m = N m N Tudjuk, hogy nagy N-re ez az eredmény megközelíti a Gausseloszlást, emiatt ha kinyitjuk a kaput, és leesnek a golyók, nagyjából a Gauss görbe alakját fogják követni. SZIMULÁCIÓ
3 A Beatrice-i templom Sztori: Ritka események,egybeesések és előfordulások A Life Magazine írta, hogy 950. március -én egy Beatrice-i templom (Nebraska állam) kórusának mind a tizenöt tagja elkésett az esti 7 óra 0 perces próbáról. A lelkész, a felesége és a lányuk azért, mert az asszony nem vasalta ki időben a kislány ruháját; egy másik kislány be akarta fejezni a mértanleckéjét; a harmadiknak nem indult be az autója; a negyediknél ugyanez volt a helyzet; ketten meg akarták várni egy nagyon izgalmas rádióműsor végét; egy mama és a lánya azért késtek, mert a lányt nehezen lehetett felkelteni a szundikálásból stb. Az okok meglehetősen mindennaposak, mindenesetre tíz különböző és teljesen független dolog miatt késett a tizenöt ember. És nagy szerencse, hogy egyikük sem érkezett meg 7 óra 0-ra, mert 7 óra 5- kor a templom felrobbant. A kórustagok, a Life jelentése szerint, azon tűnődtek, hogy a késésükben az isteni gondviselés játszott-e szerepet. Mekkora ennek a valószínűsége? Tíz különböző független ok egyszerre jelentkezett, ezért Ez valamivel kisebb, mint 0 6, tehát feltételezésünket elfogadva azt állíthatjuk, hogy körülbelül egy az egymillióhoz volt annak az esélye, hogy a tíz késési ok egyszerre forduljon elő. Megj.: Ha mind a tizenöt kórustagnak külön, független, véletlen indoka lett volna a 5 - el becsülhetjük, ami körülbelül egy az egymilliárdhoz. 0 az esély, hogy mindenki pontatlan. késésre, akkor a valószínűséget Az esethez nagyon nehéz lenne egy jól közelítő matematikai modellt találni, a szóban forgó valószínűségek nagyságrendjét azonban durván meg tudjuk becsülni. Fogadjuk el, hogy az egyes késési okok átlagosan minden negyedik próbánál fordulnak elő. Nehezen hihető, hogy ezek a lelkiismeretes és gondos emberek ennél gyakrabban elkésnének Az önkényesen vett egy ember valószínűséggel késik kiindulásból könnyen kiszámíthatjuk annak a valószínűségét is, hogy egy adott estén az egyik meghatározott kórustag késik, de a többi tizennégy pontos. Ennek értéke ami körülbelül 0,00. 5-ször ilyen valószínű, hogy valamelyikük (de csak az egyikük) késik; hiszen annak a 5 egymást kizáró esetnek a valószínűségeit kell összegezni, hogy az - es számú kórustag az egyetlen elkéső, illetve a -es számú, illetve... végül, hogy a 5-ös számú. Ugyanebből kiindulva 5 azaz kb. 0,99 annak a valószínűsége, hogy egy estén legalább az egyikük elkésik. Lehet, hogy ezt a feltételezést, amelyet néhány bekezdéssel ezelőtt az egy késési ok valószínűségére tettem,valaki nem találja jogosnak. Ebben az esetben egy másik modellt kell felállítani, és néhány valószínűséget abból kiszámítani. Világos, hogy reálisabb elképzelésekkel indulhatunk, ha a próbákról rendelkezésünkre állnak a jelenléti ívek. Kórustag Kórustag Kórustag Kórustag Kórustag Kórustag Kórustag Kórustag Kórustag Kórustag Kórustag Kórustag Kórustag Kórustag Kórustag Esély Igen Igen Igen Igen Igen Igen Igen Igen Igen Igen Nem Nem Nem Nem Nem : Igen Igen Igen Igen Igen Igen Igen Igen Igen Igen Igen Igen Igen Igen Igen : A valószínűség és a szerencsejátékok Érdekes kérdés persze ezeken felül, hogy mennyi a valószínűsége annak, hogy a templom felrobban?
4 Craps-játék A craps igen alkalmas hazárdjátékokkal kapcsolatos valószínűségek kiszámításának bemutatására; ugyanis lényegesen bonyolultabb, mint a fej vagy írás, és így néhány érdemlegesebb problémát is felvet, ugyanakkor nem olyan bonyolult (mint például a bridzs), hogy a számítások unalmassá váljanak. A craps továbbá egy tiszta szerencsejáték, amely semmiféle hozzáértést sem igényel, és dönteni is csak azzal kapcsolatban kell, hogy valaki beszáll-e a játékba, illetve abbahagyja-e. A craps -ben a játékos két kockával dob. Ha az összeg 7 vagy, akkor rögtön nyert. Ha, vagy, akkor vesztett. Ha előszörre, 5, 6, 8, 9 vagy 0 jött ki, akkor addig dob a kockákkal, amíg meg nem ismétlődik az eredeti összeg (azaz eléri a pontját ), ekkor nyer, vagy amíg 7-et nem dob (ez a craps"), ekkor veszít. Az első dobás után a játék vagy azonnali nyeréssel vagy azonnali vesztéssel véget ér, vagy pedig tovább folytatódik. Ennek a három esetnek a valószínűsége rendre: Véget ér: Nyer: Folytatódik: = = = Ha az első dobás, 5, 6, 8, 9 vagy 0, tehát a játék folytatódik, akkor a játékos abban az esetben nyer, ha sikerül a pontját elérnie, azaz az első dobását megismételnie, mielőtt egy 7- essel kiesne. Ha a 7 előbb következik be, mint ahogy az első dobás megismétlődik, akkor vesztett. Az első dobás eredménye után annak a menetnek a végéig a játékos számára csak két kritikus szám létezik; ez az eredmény és a 7. Összeg Hányféleképpen jöhet ki Milyen esélyei vannak a nyerésre, hogy elérje a pontját, még mielőtt 7-et dobna? Számoljunk kicsit! Legyen A = "Elérem a pontomat", B = "7 et dobok és vesztek", C = "Más eredmény jön ki, újra dobok" És legyen P A = a, P B = b, P C = c = a b. Mi a valószínűsége annak, hogy az A kimenetel előbb következik be, mint a B? Ez az alábbi egymást kizáró módokon történhet: Az. kísérlet eredménye A, ennek valószínűsége a. Az. kísérlet eredménye C, a.-é A, a valószínűség c a. Az. és. kísérlet eredménye C, a.-é A, a valószínűség c a. Stb. Így annak a valószínűsége, hogy A előbb következik be, mint B, a + ac + ac + = a + c + c + c +, aminek az értéke: a = a c a+b Miért nem kell aggódnunk amiatt, hogy A és B sem következik be, és a C esemény ismétlődik a végtelenségig? Most már ki tudjuk számítani annak a valószínűségét, hogy a játékos eléri a pontját, mielőtt 7-et dobna. Ha -et vagy 0 -et kell elérnie, akkor, mint láttuk, erre az esélye, a 7-es dobásé pedig 6 6. Tehát annak a valószínűsége, hogy előbb dob -et mint 7-et: = = 0,. 9 6 Hasonlóan, annak a valószínűsége, hogy előbb sikerül az 5-ös, illetve a 9-es, mint a 7-es, = 0,00; 0 azé pedig, hogy a 6-os, illetve a 8-as megelőzi a 7-est, 5 = 0,5. A és a 0 nehezen elérhető pontok (p = 0,), ha összevetjük a középnehéz 5-tel vagy 9-cel (p = 0,00) és a viszonylag könnyen elérhető 6 tal vagy 8 cal (p = 0,5). Ezeknek az adatoknak az ismeretében most már könnyen meghatározhatjuk, mennyi a játékos nyerési valószínűsége az első dobás előtt. Két egymást kizáró módon nyerhet vagy az első dobással, vagy pedig az első dobás pontjá -t megismételve. Az első lehetőség, mint korábban láttuk, 8 6 valószínűséggel következik be. Ehhez hozzá kell adnunk annak a valószínűségét, hogy a játékos egy későbbi dobással eléri a pontját. A teljes nyerési valószínűség ennek megfelelően: = 95 = 0,99 Az eredmény A játékos csődje Az eredmény nagyon érdekes. A legtöbb Craps-játékos dobó szeret lenni, feltehetőleg, mert szerencsésnek érzi magát, és élvezi a játékos aktív szerepét. Az esélye mindamellett nem éri el az igazságos játékra jellemző értéket. Hosszú távon a dobójátékos a tétjeinek körülbelül, százalékát veszíti el, amivel kicsit rosszabbul jár, mintha Monte Carlóban a ruletten párosra vagy páratlanra tenne (itt a bank várható haszna,5 százalék), majdnem kétszer olyan jól jár, mintha a ruletten egyes számokra tenne (,7 százalékos bankhaszon), és durván négyszer előnyösebb helyzetbe kerül, mintha egy olyan ruletten tenne párosra vagy páratlanra, ahol a keréken két nulla van. Tekintsünk egy játékost, nevezzük J-nek, aki a B bank ellen játszik. Minden egyes menet tétje egy dollár, és feltesszük, hogy a játék igazságos, vagyis a játékos nyerési esélye bármely fordulóban 50 százalék. A tárgyalást megkönnyíti, és a probléma lényegét nem érinti, ha feltesszük, hogy a játékban egy fix összeg forog, mondjuk T dollár. Ebből a játék kezdetén d dollár a J játékosé, D dollár a B banké, d + D = T. Feltesszük, hogy a játék addig folytatódik, amíg a két résztvevő valamelyike, a játékos vagy a bank, tönkremegy. Tehát a játék addig tart, amíg a játékos tőkéje nullára nem csökken, vagy el nem éri T-t, azaz bankot nem robbant.
5 Meg akarjuk határozni a játékos csődjének, illetve a bankrobbantásnak a valószínűségét. Jelöljük C-vel (utalva a csőd szóra) annak a valószínűségét, hogy a játékos végül is tönkremegy; és a C d jelölést használjuk abban az esetben, ha fel akarjuk hívni a figyelmet, hogy ez az esély függ a kezdeti tőkétől. Tehát például C d+ azon feltétel mellett jelenti a tönkremenés valószínűségét, ha a játékosnak eggyel több, mint d dollárja volt. Tudjuk, hogy az első játszma előtt a játékos csődbe jutásának a valószínűsége C d. Számítsuk ki ugyanezt a C d valószínűséget más módon is, és így egy olyan kifejezést kell kapnunk, amely megegyezik C d-vel. Gondoljunk az első kísérlet két lehetséges kimenetelére. valószínűséggel az első kísérlet után a játékosnak d + dollárja lesz, és így a tönkremenési valószínűsége C d+ -re módosul. Azonban ugyancsak annak a valószínűsége, hogy a tőkéje d dollárra csökken, és ekkor C d, adódik a tönkremenési valószínűségre. A tönkremenési valószínűség várható értéke: C d+ + C d Ugyanekkor, a kísérletek elvégzése előtt, C dvárható értékét másképpen is kiszámíthatjuk; biztosak vagyunk benne, hogy a játékos tőkéje most d, tehát C d várható értéke: C d = C d Tehát: C d = C d+ + C d Tudjuk, hogy d = 0 esetén a játékos tönkrement, tehát C 0 =. És azt is tudjuk, hogy ha a tőkéje eléri T-t, akkor bankot robbantott, és többé nem fenyegeti a megsemmisülés veszélye, vagyis: C T = 0. A kezdeti feltételeket egy egyszerű C d = A + Bd alakú lineáris kifejezés elégíti ki, ahol A és B konstansok. Innen: Illetve: C 0 =, azaz A = C T = 0, azaz 0 = + B T B = T Így a megoldás: C d = d T = D d + D Ugyanígy, a jelölések megfelelő módosításával, azt kapjuk, hogy a bank tönkremenési esélye: D T = d d + D Tehát gyakorlatilag biztos, hogy a játékos vagy tönkremegy, vagy bankot robbant, azaz a bank megy tönkre. Felhasznált irodalom Warren Weaver : Szerencse kisasszony (96) Szimuláció: Wikipédia: Köszönöm a figyelmet! 5
Az ész természetéhez tartozik, hogy a dolgokat nem mint véletleneket, hanem mint szükségszerűeket szemléli (Spinoza: Etika, II. rész, 44.
Dr. Vincze Szilvia Az ész természetéhez tartozik, hogy a dolgokat nem mint véletleneket, hanem mint szükségszerűeket szemléli (Spinoza: Etika, II. rész, 44. tétel) Környezetünkben sok olyan jelenséget
RészletesebbenValószínűségszámítás összefoglaló
Statisztikai módszerek BMEGEVGAT Készítette: Halász Gábor Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel:
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 3 III. VÉLETLEN VEKTOROK 1. A KÉTDIMENZIÓs VÉLETLEN VEKTOR Definíció: Az leképezést (kétdimenziós) véletlen vektornak nevezzük, ha Definíció:
RészletesebbenMatematikai alapok és valószínőségszámítás. Valószínőségi eloszlások Binomiális eloszlás
Matematikai alapok és valószínőségszámítás Valószínőségi eloszlások Binomiális eloszlás Bevezetés A tudományos életben megfigyeléseket teszünk, kísérleteket végzünk. Ezek többféle különbözı eredményre
RészletesebbenMatematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév
Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév 1. A várható érték és a szórás transzformációja 1. Ha egy valószínűségi változóhoz hozzáadunk ötöt, mínusz ötöt, egy b konstanst,
RészletesebbenTananyag: Kiss Béla - Krebsz Anna: Lineáris algebra, többváltozós függvények, valószínűségszámítás,
// KURZUS: Matematika II. MODUL: Valószínűség-számítás 21. lecke: A feltételes valószínűség, események függetlensége Tananyag: Kiss Béla - Krebsz Anna: Lineáris algebra, többváltozós függvények, valószínűségszámítás,
Részletesebben[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria 2016.02.22. Valószínűségi változó Véletlentől függő számértékeket (értékek sokasága) felvevő változókat valószínűségi változóknak nevezzük(jelölés: ξ, η, x). (pl. x =
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 10 X. SZIMULÁCIÓ 1. VÉLETLEN számok A véletlen számok fontos szerepet játszanak a véletlen helyzetek generálásában (pénzérme, dobókocka,
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 4 IV. MINTA, ALAPsTATIsZTIKÁK 1. MATEMATIKAI statisztika A matematikai statisztika alapfeladatát nagy általánosságban a következőképpen
RészletesebbenValószínűségi változók. Várható érték és szórás
Matematikai statisztika gyakorlat Valószínűségi változók. Várható érték és szórás Valószínűségi változók 2016. március 7-11. 1 / 13 Valószínűségi változók Legyen a (Ω, A, P) valószínűségi mező. Egy X :
Részletesebben2. A ξ valószín ségi változó eloszlásfüggvénye a következ : x 4 81 F (x) = x 4 ha 3 < x 0 különben
1 feladatsor 1 Egy dobozban 20 fehér golyó van Egy szabályos dobókockával dobunk, majd a következ t tesszük: ha a dobott szám 1,2 vagy 3, akkor tíz golyót cserélünk ki pirosra; ha a dobott szám 4 vagy
Részletesebben4. A negatív binomiális eloszlás
1 / 7 2011.03.17. 14:27 Virtuális laboratóriumok > 10. Bernoulli kísérletek > 1 2 3 4 5 6 4. Alapelmélet Tételezzük fel, hogy a véletlen kísérletünk, amit végrehajtunk Bernoulli kísérleteknek egy X = (X
RészletesebbenA valószínűségszámítás elemei
A valószínűségszámítás elemei Kísérletsorozatban az esemény relatív gyakorisága: k/n, ahol k az esemény bekövetkezésének abszolút gyakorisága, n a kísérletek száma. Pl. Jelenség: kockadobás Megfigyelés:
RészletesebbenVALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA
VALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA A VALÓSZÍNŰSÉGI SZEMLÉLET ALAPOZÁSA 1-6. OSZTÁLY A biztos, a lehetetlen és a lehet, de nem biztos események megkülünböztetése Valószínűségi játékok, kísérletek események
RészletesebbenValószínűségszámítás és statisztika
Valószínűségszámítás és statisztika Programtervező informatikus szak esti képzés Varga László Valószínűségelméleti és Statisztika Tanszék Matematikai Intézet Természettudományi Kar Eötvös Loránd Tudományegyetem
RészletesebbenMatematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása
Matematikai alapok és valószínőségszámítás Statisztikai becslés Statisztikák eloszlása Mintavétel A statisztikában a cél, hogy az érdeklõdés tárgyát képezõ populáció bizonyos paramétereit a populációból
RészletesebbenNagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem
agy számok törvényei Statisztikai mintavétel Várható érték becslése Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem A mérés mint statisztikai mintavétel A méréssel az eloszlásfüggvénnyel
RészletesebbenPélda a report dokumentumosztály használatára
Példa a report dokumentumosztály használatára Szerző neve évszám Tartalomjegyzék 1. Valószínűségszámítás 5 1.1. Események matematikai modellezése.............. 5 1.2. A valószínűség matematikai modellezése............
RészletesebbenStatisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1
Statisztika - bevezetés 00.04.05. Méréselmélet PE MIK MI_BSc VI_BSc Bevezetés Véletlen jelenség fogalma jelenséget okok bizonyos rendszere hozza létre ha mindegyik figyelembe vehető egyértelmű leírás általában
RészletesebbenValószín ségszámítás és statisztika
Valószín ségszámítás és statisztika Informatika BSc, esti tagozat Backhausz Ágnes agnes@math.elte.hu fogadóóra: szerda 10-11 és 13-14, D 3-415 2018/2019. tavaszi félév Bevezetés A valószín ségszámítás
RészletesebbenGazdasági matematika II. vizsgadolgozat megoldása A csoport
Gazdasági matematika II. vizsgadolgozat megoldása A csoport Definiálja az alábbi fogalmakat!. Egy eseménynek egy másik eseményre vonatkozó feltételes valószínűsége. ( pont) Az A esemény feltételes valószínűsége
Részletesebben1. Név:... Neptun Kód:... Feladat: Egy összeszerel½o üzemben 3 szalag van. Mindehárom szalagon ugyanazt
1. Név:......................... Egy összeszerel½o üzemben 3 szalag van. Mindehárom szalagon ugyanazt a gyártmányt készítik. Egy gyártmány összeszerelési ideje normális eloszlású valószín½uségi változó
RészletesebbenMi az adat? Az adat elemi ismeret. Az adatokból információkat
Mi az adat? Az adat elemi ismeret. Tények, fogalmak olyan megjelenési formája, amely alkalmas emberi eszközökkel történő értelmezésre, feldolgozásra, továbbításra. Az adatokból gondolkodás vagy gépi feldolgozás
Részletesebben1. Adatok kiértékelése. 2. A feltételek megvizsgálása. 3. A hipotézis megfogalmazása
HIPOTÉZIS VIZSGÁLAT A hipotézis feltételezés egy vagy több populációról. (pl. egy gyógyszer az esetek 90%-ában hatásos; egy kezelés jelentősen megnöveli a rákos betegek túlélését). A hipotézis vizsgálat
RészletesebbenNormális eloszlás tesztje
Valószínűség, pontbecslés, konfidenciaintervallum Normális eloszlás tesztje Kolmogorov-Szmirnov vagy Wilk-Shapiro próba. R-funkció: shapiro.test(vektor) balra ferde eloszlás jobbra ferde eloszlás balra
RészletesebbenSzerencsejátékok. Elméleti háttér
Szerencsejátékok A következőekben a Szerencsejáték Zrt. által adott játékokat szeretném megvizsgálni. Kiszámolom az egyes lehetőségeknek a valószínűségét, illetve azt, hogy mennyi szelvényt kell ahhoz
Részletesebben1. Feladatsor. I. rész
. feladatsor. Feladatsor I. rész. Mely x valós számokra lesz ebben a sorrendben a cos x, a sinx és a tg x egy mértani sorozat három egymást követő tagja?... (). Egy rombusz egyik átlója 0 cm, beírható
RészletesebbenAz Országos Középiskolai Tanulmányi Verseny 2005-2006. tanévi első fordulójának feladatmegoldásai. 81f 2 + 90l 2 f 2 + l 2
Az Országos Középiskolai Tanulmányi Verseny 2005-2006. tanévi első fordulójának feladatmegoldásai matematikából, a II. kategória számára 1. Két iskola tanulói műveltségi vetélkedőn vettek részt. A 100
RészletesebbenGyakorló feladatok. Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László
Gyakorló feladatok Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László I/. A vizsgaidőszak második napján a hallgatók %-ának az E épületben, %-ának a D épületben,
RészletesebbenFeladatok és megoldások a 8. hétre Építőkari Matematika A3
Feladatok és megoldások a 8. hétre Építőkari Matematika A3 1. Oldjuk meg a következő differenciálegyenlet rendszert: x + 2y 3x + 4y = 2 sin t 2x + y + 2x y = cos t. (1 2. Oldjuk meg a következő differenciálegyenlet
Részletesebben( 1) i 2 i. megbízhatóságú a levont következtetése? A matematikai statisztika eszközeivel értékelje a kapott eredményeket!
1. Név:......................... Egy szabályos pénzérmét feldobunk, ha az els½o FEJ az i-edik dobásra jön, akkor a játékos nyereménye ( 1) i i forint. Vizsgálja szimulációval a játékot, különböz½o induló
RészletesebbenGyakorló feladatok a 2. dolgozathoz
Gyakorló feladatok a. dolgozathoz. Tíz darab tízforintost feldobunk. Mennyi annak a valószínűsége hogy vagy mindegyiken írást vagy mindegyiken fejet kapunk? 9. Egy kör alakú asztal mellett tízen ebédelnek:
Részletesebben1. tétel. Valószínűségszámítás vizsga Frissült: 2013. január 19. Valószínűségi mező, véletlen tömegjelenség.
1. tétel Valószínűségszámítás vizsga Frissült: 2013. január 19. Valószínűségi mező, véletlen tömegjelenség. A valószínűségszámítás tárgya: véletlen tömegjelenségek vizsgálata. véletlen: a kísérlet kimenetelét
RészletesebbenArany Dániel Matematikai Tanulóverseny 2014/2015-ös tanév első (iskolai) forduló Haladók II. kategória
Bolyai János Matematikai Társulat Arany Dániel Matematikai Tanulóverseny 01/01-ös tanév első iskolai) forduló Haladók II. kategória Megoldások és javítási útmutató 1. Adott az alábbi két egyenletrendszer:
Részletesebben3. Egy szabályos dobókockával háromszor dobunk egymás után. Legyen A az az esemény, hogy
Valószínűségszámítás. zárthelyi dolgozat 009. október 5.. Egy osztályba 3-an járnak. Minden fizikaórán a a többi órától függetlenül a tanár kisorsol egy felelőt, véletlenszerűen, egyenletesen, azaz mindig
RészletesebbenFeladatok és megoldások az 1. sorozat Építőkari Matematika A3
Feladatok és megoldások az 1. sorozat Építőkari Matematika A3 1. Tegyük fel, hogy A és B egymást kölcsönösen kizáró események, melyekre P{A} = 0.3 és P{B} = 0.. Mi a valószínűsége, hogy (a A vagy B bekövetkezik;
RészletesebbenBrósch Zoltán (Debreceni Egyetem Kossuth Lajos Gyakorló Gimnáziuma) Sorozatok II.
Sorozatok II. DEFINÍCIÓ: (Mértani sorozat) Az (a n ) valós számsorozatot mértani sorozatnak nevezzük, ha van olyan valós szám, amellyel a sorozat bármely tagját megszorozva a következő tagot kapjuk. Jelöléssel:
RészletesebbenSTATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás
ELŐADÁS ÁTTEKINTÉSE STATISZTIKA 9. Előadás Binomiális eloszlás Egyenletes eloszlás Háromszög eloszlás Normális eloszlás Standard normális eloszlás Normális eloszlás mint modell 2/62 Matematikai statisztika
RészletesebbenA biomatematika alapjai és a kapcsolódó feladatok megoldása számítógép segítségével Abonyi-Tóth Zsolt, 2005-2006 készült Harnos Andrea, Reiczigel Jenő zoológus előadásainak valamint Fodor János és Solymosi
Részletesebben1. Lineáris differenciaegyenletek
Lineáris differenciaegyenletek Tekintsük az alábbi egyenletet: f(n) af(n ) + bf(n + ), (K < n < N) f(k) d, f(n) d Keressük a megoldást f(n) α n alakban Így kajuk a következőket: α n aα n + bα n+ α a +
RészletesebbenEseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem.
Eseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem. Elemi esemény: a kísérlet egyes lehetséges egyes lehetséges kimenetelei.
Részletesebben36 0,3. Mo.: 36 0,19. Mo.: 36 0,14. Mo.: 32 = 0,9375 32 = 0,8125 32 = 0,40625. Mo.: 32 = 0,25
Valószínűségszámítás I. Kombinatorikus valószínűségszámítás. BKSS 4... Egy szabályos dobókockát feldobva mennyi annak a valószínűsége, hogy a -ost dobunk; 0. b legalább 5-öt dobunk; 0, c nem az -est dobjuk;
Részletesebben4. Az A és B események egymást kizáró eseményeknek vagy idegen (diszjunkt)eseményeknek nevezzük, ha AB=O
1. Mit nevezünk elemi eseménynek és eseménytérnek? A kísérlet lehetséges kimeneteleit elemi eseményeknek nevezzük. Az adott kísélethez tartozó elemi események halmazát eseménytérnek nevezzük, jele: X 2.
Részletesebben3. gyakorlat. 1. Független események. Matematika A4 Vetier András kurzusa február 27.
3. gyakorlat Matematika A4 Vetier András kurzusa 2009. február 27. 1. Független események Az A és B események akkor és csak akkor függetlenek,ha az alábbbi négy egyenlőség teljesül: P(A B) = P(A)P(B) P(A
Részletesebben[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria 2016.02.29. A statisztika típusai Leíró jellegű statisztika: összegzi egy adathalmaz jellemzőit. A középértéket jelemzi (medián, módus, átlag) Az adatok változékonyságát
RészletesebbenEgészrészes feladatok
Kitűzött feladatok Egészrészes feladatok Győry Ákos Miskolc, Földes Ferenc Gimnázium 1. feladat. Oldjuk meg a valós számok halmazán a { } 3x 1 x+1 7 egyenletet!. feladat. Bizonyítsuk be, hogy tetszőleges
RészletesebbenNevezetes diszkre t eloszlá sok
Nevezetes diszkre t eloszlá sok Szűk elméleti összefoglaló Binomiális eloszlás: Jelölés: X~B(n, p) vagy X B(n, p) Tipikus használata: Egy kétféle kimenetelű (valami beteljesül vagy sem) kísérletet elvégzünk
RészletesebbenGazdasági matematika II. vizsgadolgozat, megoldással,
Gazdasági matematika II. vizsgadolgozat, megoldással, levelező képzés Definiálja az alábbi fogalmakat! 1. Kvadratikus mátrix invertálhatósága és inverze. (4 pont) Egy A kvadratikus mátrixot invertálhatónak
RészletesebbenMATEMATIKA JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ
Matematika középszint 09 ÉRETTSÉGI VIZSGA 20 május MATEMATIKA KÖZÉPSZINTŰ ÍRÁSBELI ÉRETTSÉGI VIZSGA JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ NEMZETI ERŐFORRÁS MINISZTÉRIUM Fontos tudnivalók Formai előírások: A dolgozatot
RészletesebbenArany Dániel Matematikai Tanulóverseny 2016/2017-es tanév Kezdők III. kategória I. forduló
Bolyai János Matematikai Társulat Arany Dániel Matematikai Tanulóverseny 016/017-es tanév Kezdők I II. kategória II. forduló Kezdők III. kategória I. forduló Megoldások és javítási útmutató 1. Egy kört
RészletesebbenKutatásmódszertan és prezentációkészítés
Kutatásmódszertan és prezentációkészítés 10. rész: Az adatelemzés alapjai Szerző: Kmetty Zoltán Lektor: Fokasz Nikosz Tizedik rész Az adatelemzés alapjai Tartalomjegyzék Bevezetés Leíró statisztikák I
Részletesebbenx, x R, x rögzített esetén esemény. : ( ) x Valószínűségi Változó: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel:
Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel: Valószínűségi változó általános fogalma: A : R leképezést valószínűségi változónak nevezzük, ha : ( ) x, x R, x rögzített esetén esemény.
RészletesebbenA 2014/2015. tanévi Országos Középiskolai Tanulmányi Verseny első forduló MATEMATIKA I. KATEGÓRIA (SZAKKÖZÉPISKOLA) Javítási-értékelési útmutató
Oktatási Hivatal 04/0 tanévi Országos Középiskolai Tanulmányi Verseny első forduló MTEMTIK I KTEGÓRI (SZKKÖZÉPISKOL) Javítási-értékelési útmutató Határozza meg a tízes számrendszerbeli x = abba és y =
RészletesebbenKözlemény. Biostatisztika és informatika alapjai. Alapsokaság és minta
Közlemény Biostatisztika és informatika alajai. előadás: Az orvostudományban előforduló nevezetes eloszlások 6. szetember 9. Veres Dániel Statisztika és Informatika tankönyv (Herényi Levente) már kaható
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 2 II. A valószínűségi VÁLTOZÓ És JELLEMZÉsE 1. Valószínűségi VÁLTOZÓ Definíció: Az leképezést valószínűségi változónak nevezzük, ha
RészletesebbenSorozatok I. Brósch Zoltán (Debreceni Egyetem Kossuth Lajos Gyakorló Gimnáziuma)
Sorozatok I. DEFINÍCIÓ: (Számsorozat) A számsorozat olyan függvény, amelynek értelmezési tartománya a pozitív egész számok halmaza, értékkészlete a valós számok egy részhalmaza. Jelölés: (a n ), {a n }.
RészletesebbenÁltalánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg
LMeasurement.tex, March, 00 Mérés Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg a mérendő mennyiségben egy másik, a mérendővel egynemű, önkényesen egységnek választott
RészletesebbenA maximum likelihood becslésről
A maximum likelihood becslésről Definíció Parametrikus becsléssel foglalkozunk. Adott egy modell, mellyel elképzeléseink szerint jól leírható a meghatározni kívánt rendszer. (A modell típusának és rendszámának
RészletesebbenVáltozatos Véletlen Árazási Problémák. Bihary Zsolt AtomCsill 2014
Változatos Véletlen Árazási Problémák Bihary Zsolt AtomCsill 2014 Fizikus a befektetési bankban Remek társaság Releváns matematikai műveltség Számítástechnikai affinitás Intuitív gondolkodás Modellezési
RészletesebbenEgyü ttes e s vetü leti eloszlá s, sü rü se gfü ggve ny, eloszlá sfü ggve ny
Együ ttes e s vetü leti eloszlá s, sü rü se gfü ggve ny, eloszlá sfü ggve ny Szűk elméleti összefoglaló Együttes és vetületi eloszlásfüggvény: X = (X, X, X n ) valószínűségi vektorváltozónak hívjuk. X
RészletesebbenNéhány kockadobással kapcsolatos feladat 1 P 6
Néhány kockadobással kapcsolatos feladat Feldobunk egy kockát. Az eseménytér: ; 2; ; ; ; Az összes esetek száma:. Feldobunk egy kockát. Mi a valószínűsége, hogy hatost dobunk? A kedvező esetek száma: (hatost
RészletesebbenBiomatematika 2 Orvosi biometria
Biomatematika 2 Orvosi biometria 2017.02.13. Populáció és minta jellemző adatai Hibaszámítás Valószínűség 1 Esemény Egy kísérlet vagy megfigyelés (vagy mérés) lehetséges eredményeinek összessége (halmaza)
Részletesebben1. Hányféle sorrendben vonulhat ki a pályára egy focimeccsen a tizenegy kezdő játékos?
Valószínűségszámítás, földtudomány alapszak, 2015/2016. őszi félév 1. Hányféle sorrendben vonulhat ki a pályára egy focimeccsen a tizenegy kezdő játékos? 2. Két tizenhárom fős vízilabdacsapat mérkőzik
RészletesebbenNyerni jó. 7.-8. évfolyam
Boronkay György Műszaki Középiskola és Gimnázium 2600 Vác, Németh László u. 4-6. : 27-317 - 077 /fax: 27-315 - 093 WEB: http://boronkay.vac.hu e-mail: boronkay@vac.hu Levelező Matematika Szakkör Nyerni
RészletesebbenVéletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.
Valószín ségelméleti és matematikai statisztikai alapfogalmak összefoglalása (Kemény Sándor - Deák András: Mérések tervezése és eredményeik értékelése, kivonat) Véletlen jelenség: okok rendszere hozza
RészletesebbenVillamosmérnök A4 4. gyakorlat (2012. 10. 01.-02.) Várható érték, szórás, módusz
Villamosmérnök A4 4. gyakorlat (0. 0. 0.-0.) Várható érték, szórás, módusz. A k 0, (k,,, 4) diszkrét eloszlásnak (itt P(X k)) mennyi a (a) várható értéke, (b) módusza, (c) második momentuma, (d) szórása?
RészletesebbenBME Nyílt Nap november 21.
Valószínűségszámítás, statisztika és valóság Néhány egyszerű példa Kói Tamás Budapesti Műszaki és Gazdaságtudományi Egyetem koitomi@math.bme.hu BME Nyílt Nap 2014. november 21. Matematikai modell Matematikai
RészletesebbenKészítette: Fegyverneki Sándor
VALÓSZÍNŰSÉGSZÁMÍTÁS Összefoglaló segédlet Készítette: Fegyverneki Sándor Miskolci Egyetem, 2001. i JELÖLÉSEK: N a természetes számok halmaza (pozitív egészek) R a valós számok halmaza R 2 {(x, y) x, y
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 8 VIII. REGREssZIÓ 1. A REGREssZIÓs EGYENEs Két valószínűségi változó kapcsolatának leírására az eddigiek alapján vagy egy numerikus
RészletesebbenBiomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János
Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 12. Regresszió- és korrelációanaĺızis Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision
Részletesebben0. Játék. Sportfogadás. 0. Játék. 0. Játék. 1. Alapok. 1. Alapok
0. Játék Sportfogadás 2 fogadás 1000 forintból legalább 800-at fel kell tenni, cél, hogy a végén több pénzünk legyen, mint 1000 ft Domán Dániel 0. Játék 2 fogadás 1000 forintból legalább 800-at fel kell
RészletesebbenMatematikai geodéziai számítások 5.
Matematikai geodéziai számítások 5 Hibaterjedési feladatok Dr Bácsatyai László Matematikai geodéziai számítások 5: Hibaterjedési feladatok Dr Bácsatyai László Lektor: Dr Benedek Judit Ez a modul a TÁMOP
RészletesebbenValószínűségszámítás és statisztika a fizikában február 16.
számítás és statisztika a fizikában 2018. február 16. Technikai információk Palla Gergely / pallag@hal.elte.hu / ELTE TTK Biológiai Fizika Tanszék, Északi Tömb, 3.90. szoba Fogadó óra: hétfő, 16-18. Az
RészletesebbenMatematika A3 Valószínűségszámítás, 0. és 1. gyakorlat 2013/14. tavaszi félév
Matematika A3 Valószínűségszámítás, 0. és 1. gyakorlat 2013/14. tavaszi félév 1. Kombinatorikus módszer ismétlés nélküli ismétléses permutáció k 1!k 2!...k r! n futó beérkezésének sorrendje n golyót ennyiféleképpen
RészletesebbenKísérlettervezés alapfogalmak
Kísérlettervezés alapfogalmak Rendszermodellezés Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Kísérlettervezés Cél: a modell paraméterezése a valóság alapján
Részletesebben1. A kísérlet naiv fogalma. melyek közül a kísérlet minden végrehajtásakor pontosan egy következik be.
IX. ESEMÉNYEK, VALÓSZÍNŰSÉG IX.1. Események, a valószínűség bevezetése 1. A kísérlet naiv fogalma. Kísérlet nek nevezzük egy olyan jelenség előidézését vagy megfigyelését, amelynek kimenetelét az általunk
RészletesebbenNegyedik A4 gyakorlat rövid megoldási útmutató
Negyedik A4 gyakorlat rövid megoldási útmutató 2013. október 14. 1. Feltéve, hogy a balkezesek aránya átlagosan 1%, becsüljük meg annak a valószínűségét, hogy 200 véletlenszerűen kiválasztott ember között
Részletesebbene (t µ) 2 f (t) = 1 F (t) = 1 Normális eloszlás negyedik centrális momentuma:
Normális eloszlás ξ valószínűségi változó normális eloszlású. ξ N ( µ, σ 2) Paraméterei: µ: várható érték, σ 2 : szórásnégyzet (µ tetszőleges, σ 2 tetszőleges pozitív valós szám) Normális eloszlás sűrűségfüggvénye:
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 9 IX. ROBUsZTUs statisztika 1. ROBUsZTUssÁG Az eddig kidolgozott módszerek főleg olyanok voltak, amelyek valamilyen értelemben optimálisak,
RészletesebbenElméleti összefoglaló a Valószín ségszámítás kurzushoz
Elméleti összefoglaló a Valószín ségszámítás kurzushoz Véletlen kísérletek, események valószín sége Deníció. Egy véletlen kísérlet lehetséges eredményeit kimeneteleknek nevezzük. A kísérlet kimeneteleinek
RészletesebbenMatematika A3 Valószínűségszámítás, 5. gyakorlat 2013/14. tavaszi félév
Matematika A3 Valószínűségszámítás, 5. gyakorlat 013/14. tavaszi félév 1. Folytonos eloszlások Eloszlásfüggvény és sűrűségfüggvény Egy valószínűségi változó, illetve egy eloszlás eloszlásfüggvényének egy
RészletesebbenAbszolút folytonos valószín ségi változó (4. el adás)
Abszolút folytonos valószín ségi változó (4. el adás) Deníció (Abszolút folytonosság és s r ségfüggvény) Az X valószín ségi változó abszolút folytonos, ha van olyan f : R R függvény, melyre P(X t) = t
RészletesebbenMesterséges Intelligencia MI
Mesterséges Intelligencia MI Valószínűségi hálók - következtetés Dobrowiecki Tadeusz Eredics Péter, és mások BME I.E. 437, 463-28-99 dobrowiecki@mit.bme.hu, http://www.mit.bme.hu/general/staff/tade Következtetés
RészletesebbenEllipszis átszelése. 1. ábra
1 Ellipszis átszelése Adott egy a és b féltengely - adatokkal bíró ellipszis, melyet a befoglaló téglalapjának bal alsó sarkában csuklósan rögzítettnek képzelünk. Az ellipszist e C csukló körül forgatva
RészletesebbenKísérlettervezés alapfogalmak
Kísérlettervezés alapfogalmak Rendszermodellezés Budapest University of Technology and Economics Fault Tolerant Systems Research Group Budapest University of Technology and Economics Department of Measurement
Részletesebben(x 5) 5 = y 5 (1) 4 x = y (2) Helyettesítsük be az els egyenletbe a második alapján y helyére 4 x-et. Így (x 5) 5 = 4 x 5 adódik.
C1. A nagymamám azt gondolja, hogy egyre atalabb, hiszen 5 éve ötször annyi id s volt, mint én akkor, most pedig csak négyszer annyi id s, mint én most. a) Hány éves a nagymamám? b) Hány év múlva lesz
RészletesebbenStatisztika I. 8. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 8. előadás Előadó: Dr. Ertsey Imre Minták alapján történő értékelések A statisztika foglalkozik. a tömegjelenségek vizsgálatával Bizonyos esetekben lehetetlen illetve célszerűtlen a teljes
Részletesebbenvásárlót átlag 2 perc alatt intéz el (blokkolás, kártyaleolvasás), de ez az
1. Név:......................... Egy ABC-ben délután (5-t½ol 9 óráig) a vásárlók száma óránként 200 várható érték½u Poisson eloszlású valószín½uségi változó. A pénztáros egy vásárlót átlag 2 perc alatt
RészletesebbenStatisztikai következtetések Nemlineáris regresszió Feladatok Vége
[GVMGS11MNC] Gazdaságstatisztika 10. előadás: 9. Regressziószámítás II. Kóczy Á. László koczy.laszlo@kgk.uni-obuda.hu Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet A standard lineáris modell
RészletesebbenBrósch Zoltán (Debreceni Egyetem Kossuth Lajos Gyakorló Gimnáziuma) Sorozatok II.
Sorozatok II. DEFINÍCIÓ: (Mértani sorozat) Az (a n ) valós számsorozatot mértani sorozatnak nevezzük, ha van olyan valós szám, amellyel a sorozat bármely tagját megszorozva a következő tagot kapjuk. Jelöléssel:
RészletesebbenMérési hibák 2006.10.04. 1
Mérési hibák 2006.10.04. 1 Mérés jel- és rendszerelméleti modellje Mérési hibák_labor/2 Mérési hibák mérési hiba: a meghatározandó értékre a mérés során kapott eredmény és ideális értéke közötti különbség
RészletesebbenVéletlen bolyongás. Márkus László március 17. Márkus László Véletlen bolyongás március / 31
Márkus László Véletlen bolyongás 2015. március 17. 1 / 31 Véletlen bolyongás Márkus László 2015. március 17. Modell Deníció Márkus László Véletlen bolyongás 2015. március 17. 2 / 31 Modell: Egy egyenesen
RészletesebbenKiváltott agyi jelek informatikai feldolgozása Statisztika - Gyakorlat Kiss Gábor IB.157.
Kiváltott agyi jelek informatikai feldolgozása 2018 Statisztika - Gyakorlat Kiss Gábor IB.157. kiss.gabor@tmit.bme.hu Példa I (Vonat probléma) Aladár 25 éves és mindkét nagymamája él még: Borbála és Cecília.
RészletesebbenValószín ségszámítás és statisztika
Valószín ségszámítás és statisztika Informatika BSc, esti tagozat Backhausz Ágnes agnes@cs.elte.hu 2016/2017. tavaszi félév Bevezetés Célok: véletlen folyamatok modellezése; kísérletekb l, felmérésekb
RészletesebbenA 2006-2007. tanévi matematika OKTV I. kategória első (iskolai) fordulójának pontozási útmutatója
SZAKKÖZÉPISKOLA A 006-007. tanévi matematika OKTV I. kategória első (iskolai) fordulójának pontozási útmutatója. Feladat: Egy számtani sorozat három egymást követő tagjához rendre 3-at, -et, 3-at adva
RészletesebbenTerületi sor Kárpát medence Magyarország Nyugat-Európa
Területi sor Terület megnevezése Magyarok száma 2011.01.01. Kárpát medence 13 820 000 Magyarország 10 600 00 Nyugat-Európa 1 340 000 HIV prevalence (%) in adults in Africa, 2005 2.5 Daganatos halálozás
RészletesebbenSzámelméleti alapfogalmak
1 Számelméleti alapfogalmak 1 Definíció Az a IN szám osztója a b IN számnak ha létezik c IN melyre a c = b Jelölése: a b 2 Példa a 0 bármely a számra teljesül, mivel c = 0 univerzálisan megfelel: a 0 =
Részletesebben1/50. Teljes indukció 1. Back Close
1/50 Teljes indukció 1 A teljes indukció talán a legfontosabb bizonyítási módszer a számítástudományban. Teljes indukció elve. Legyen P (n) egy állítás. Tegyük fel, hogy (1) P (0) igaz, (2) minden n N
RészletesebbenNyugat-magyarországi Egyetem Geoinformatikai Kara. Prof. Dr. Závoti József. Matematika III. 3. MA3-3 modul. A valószínűségszámítás elemei
Nyugat-magyarországi Egyetem Geoinformatikai Kara Prof Dr Závoti József Matematika III 3 MA3-3 modul A valószínűségszámítás elemei SZÉKESFEHÉRVÁR 2010 Jelen szellemi terméket a szerzői jogról szóló 1999
RészletesebbenAz egyenes egyenlete: 2 pont. Az összevont alak: 1 pont. Melyik ábrán látható e függvény grafikonjának egy részlete?
1. Írja fel annak az egyenesnek az egyenletét, amely áthalad az (1; 3) ponton, és egyik normálvektora a (8; 1) vektor! Az egyenes egyenlete: 2. Végezze el a következő műveleteket, és vonja össze az egynemű
Részletesebben