1. Példa. A gamma függvény és a Fubini-tétel.
|
|
- Győző Papp
- 5 évvel ezelőtt
- Látták:
Átírás
1 . Példa. A gamma függvény és a Fubini-tétel.. Az x exp x + t )) függvény az x, t tartományon folytonos, és nem negatív, ezért alkalmazható rá a Fubini-tétel. I x exp x + t )) dxdt + t dt π 4. [ exp x + t )) + t ) ] dt Ugyanakkor u xt helyettesítéssel I x exp x + t )) dtdx x exp x ) x exp x ) exp xt) ) dtdx exp u ) du x dx exp x ) dx), vagyis exp x ) dx π. ) Ebb l elemi számolással u x helyettesítéssel π exp x ) ) dx Γ.. Tekintsük a gamma és a béta függvények közötti B x, y) Γ x) Γ y) Γ x + y) nevezetes kapcsolatot. A gamma függvény mellett vezessük be a Γ x, λ) függvényt. Egyszer u tλ helyettesítéssel Γ x, λ) t x exp λt) dt, x, λ >. u λ ) x exp u) du λ Γ x) λ x.
2 Ebb l s t/ t) helyettesítéssel I Γ x + y) Γ x + y) Γ x + y) Γ x + y) Γ x + y, + s) s x ds + s) x+y) s x ds + t t Γ x + y) B x, y). ) x+y) ) x t t t t) dt ) x+y) ) x t t t) dt t x t) y dt Az integrandus folytonos és nem negatív, ezért alább a két integrál felcserélhet : amib l I Γ x) Γ x + y, + s) s x ds exp t + s)) t x+y s x dtds exp t + s)) t x+y s x dsdt t x+y exp t) t x+y exp t) Γ x, t) dt t x+y exp t) Γ x) dt t x exp ts) s x dsdt t y exp t) dt Γ x) Γ y), Γ x + y) B x, y) Γ x) Γ y).. Példa. A χ n eloszlás s r ségfüggvénye. Legyen N, ) és határozzuk meg az η eloszlását! Ha x, akkor F η x) P < x ). Ha x > akkor F η x) P < x ) P x < < x ) π x x π ) exp t dt. x ) exp t dt
3 Deriválással, ha x > f η x) π exp y ) y x x exp x ). πx Az n szabadságfokú χ n változót mint n darab független, standard normális eloszlású változó négyzetének összegét deniáljuk..ha n, akkor, miként már láttuk, a χ N, ) s r ségfüggvénye k x) πx exp x ), x >. Az indukciós sejtés szerint k n x) n/ Γ n/) xn/ exp x ), x >. Az összeg eloszlására vonatkozó konvolúciós képlet szerint k n+ x) k x y) k n y) dy k x y) k n y) dy, R hiszen ha y, akkor k n y). Ha x, y, akkor x y, amib l k x y), vagyis ha x, akkor k n+ x). Ha x >, akkor a k x y) k n y) a [, x] intervallumon kívül nulla, vagyis k n+ x) A t y/x helyettesítéssel k n+ x) x k x y) k n y) dy π exp x/) n/ Γ n/) x y n/ x y dy. exp x/) x n/ t n/ xdt π n/ Γ n/) x tx exp x/) xn/ x π n/ Γ n/) B n, ), ahol B x, y) a béta függvény. A béta és a gamma függvény közötti azonosságot valamint a Γ /) π összefüggést felhasználva k n+ x) xn+)/ π xn+)/ exp x/) Γ n/) Γ /) n/ Γ n/) Γ n + ) /) exp x/) n/ Γ n + ) /) n+)/ Γ n + ) /) xn+)/ exp x ). 3
4 3. Példa. Független valószín ségi változók hányadosának s r ségfüggvénye. Legyenek és η valószín ségi változók, és legyen f az együttes s r ségfüggvényük. Határozzuk meg a ζ η változó s r ségfüggvényét! Megjegyezzük, hogy mivel feltételeztük, hogy a, η) párnak létezik f s r ségfüggvénye, ezért P η ) P, η) R {}) fdλ, R {} vagyis, bár a hányados, mint valószín ségi változó nem feltétlenül minden kimenetelre értelmes, de egy nullmérték halmaztól eltekintve értelmes, vagyis valószín ségi változó, amelynek az eloszlása egyértelm en meghatározott. Legyen h a ζ s r ségfüggvénye, és H jelölje az eloszlásfüggvényt. Ha G jelöli az η eloszlásfüggvényét és g a s r ségfüggvényét, akkor a függetlenség miatt alább behelyettesíthetjük a feltételt ) ) H z) P η < z P R η < z η y dg y) ) ) P dg y) P g y) dy R P y < z y < z ) g y) dy + P > yz) g y) dy + R P yz) g y) dy + y < z ) P y < z g y) dy P < yz) g y) dy P < yz) g y) dy. A majorált konvergencia tétel miatt az integrálok alatt deriválhatunk. Ha f Emlékeztetünk, hogy egy Z f a, x) dµ x) X paraméteres integrálba akkor lehet a paraméer szerint bederiválni, ha az integrandust a paraméter szerint lederiválva a kapott f a, x) α kétváltozós függvénynek van az integrálandó változó szerint integrálható g x) majoránsa amely a paraméter szerint egyenletesen majorálja a lederivált kétváltozós függvényt, vagyis f α a, x) g x) L µ). 4
5 jelöli a s r ségfüggvényét, akkor h z) f yz) yg y) dy + f yz) g y) y dy. f yz) yg y) dy 4. Deníció. Ha α és β pozitív számok, akkor az.. f x) Γ α + β) Γ α) Γ β) xα x) β, x, ) s r ségfüggvénnyel rendelkez eloszlást α, β) paraméter béta eloszlásnak hívjuk és B a, β) módon jelöljük, a g x) Γ α + β) Γ α) Γ β) xα + x) α+β, x > s r ségfüggvénnyel rendelkez eloszlást általánosított, vagy másodfajú béta eloszlásnak nevezzük. A másodfajú béta eloszlást B α, β)-val fogjuk jelölni. 5. Állítás. Ha a béta eloszlású, akkor az η másodfajú béta eloszlású. Ha η másodfajú béta eloszlású, akkor a béta eloszlású. η + η Bizonyítás: Ha ϕ u) u/ u), akkor ϕ x) x/ + x), és a s r ségfüggvények transzformációs szabálya szerint g x) f ϕ x) ) d dx ϕ x) Γ α + β) x Γ α) Γ β) + x ) α x + x Γ α + β) Γ α) Γ β) xa + x) α+β. ) β + x) A fordított irány igazolása analóg. 5
6 6. Példa. Két független χ eloszlás hányadosa másodfajú béta eloszlás. Ha x, y >, akkor a hányados s r ségfüggvényének képlete alapján m+n)/ Γ m/) Γ n/) x m/ m+n)/ Γ m/) Γ n/) y xy) m/ exp xy ) y n/ exp y ) dy y m+n)/ exp y ) + x) dy. Az integrandust ismételten a Γ függvényre akarjuk visszavinni, ezért helyettesítést végzünk. t y + x) x m/ m+n)/ Γ m/) Γ n/) x m/ Γ m + n) /) Γ m/) Γ n/) + x). m+n)/ ) m+n)/ t exp t) + x + x dt 7. Deníció. Ha λ és a pozitív számok, akkor az f x) λa Γ a) xa exp λx), x > s r ségfüggvénnyel rendelkez eloszlást a, λ) paraméter gamma eloszlásnak hívjuk és Γ a, λ) módon jelöljük. A Γ eloszlás jelent ségét az adja, hogy egyrészt az exponenciális eloszlás általánosítása, Γ, λ) éppen a λ paraméter exponenciális eloszlás, másrészt szorosan köt dik a normális eloszlás négyzetének eloszlásához. 8. Állítás. A χ n és a Γ n/, /) eloszlások megegyeznek. 9. Állítás. Ha τ k ) n k független, azonos λ paraméter exponenciális eloszlású változók, akkor a σ n τ + τ τ n ) eloszlása Γ n, λ), általánosabban ha a τ i független változók eloszlása Γ a i, λ), akkor a ) összeg eloszlása Γ n i a i, λ). Bizonyítás: A Γ, λ) s r ségfüggvénye λ Γ ) x exp λx) λ exp λx), x >, 6
7 éppen a λ paraméter exponenciális eloszlás s r ségfüggvénye. Az állítást elegend két változóra belátni, az általános eset ebb l indukcióval következik. x λ a Γ a) x t)a exp λ x t)) exp λx) Γ a) Γ b) exp λx) Γ a) Γ b) x exp λx) xa+b Γ a) Γ b) Γ a + b) exp λx) xa+b, x t) a t b dt λ b Γ b) tb exp λt) dt x xz) a xz) b xdz z) a z b dz ahol az utolsó lépésben felhasználtuk a gamma és a béta függvények közötti nevezetes azonosságot.. Állítás. Két független Γ eloszlás hányadosa másodfajú béta eloszlású, vagyis ha Γ a, λ) és η Γ b, λ) valamint a és az η függetlenek, akkor η B a, b). Bizonyítás: A hányados valószín ségi változó s r ségfüggvényének képletét felírva, és kihasználva a két változó nem negativitását, ha u >, akkor λ a Γ a) uy)a exp λuy) Γ a) Γ b) ua Γ a) Γ b) ua Γ a) Γ b) ua + u) a+b Γ a + b) Γ a) Γ b) ua + u) a+b, λ b Γ b) yb exp λy) ydy y a+b exp λy u + )) dy ) a+b t exp t) λ + u) t a+b exp t) dt λ + u) dt ami éppen a B a, b).. Példa. Az exponenciális és a Poisson-eloszlás kapcsolata. 7
8 Legyen t <, és τ n ) n független, azonos λ paraméter exponenciális eloszlású változók. A τ n ) n változók tekinthet k egymást követ események id pontjainak. Legyen t) a [, t] id szak alatt bekövetkezett események száma. Határozzuk meg a t) eloszlását. Vezessük be a σ n n k τ k változót. Az el z példa alapján a σ n+ eloszlása Γ n +, λ). Parciálisan integrálva, illetve felhasználva, hogy Γ n + ) n! P t) < n + ) P σ n+ > t) Ebb l [ λ n+ x n λt)n n! Γ n + ) t exp λx) λ λ n+ Γ n + ) xn exp λx) dx ] t + exp λt) + P t) < n). P t) n) P t) < n + ) P t) < n) λt)n n! t n λn x n exp λx) dx Γ n + ) exp λt), tehát a t) λt paraméter Poisson-eloszlást alkot.. Állítás. Ha Γ a, λ) és η Γ b, λ) valamint a és az η függetlenek, akkor η B a, b), + η B a, b). 3) Bizonyítás: A hányados valószín ségi változó s r ségfüggvényének képletét felírva, és kihasználva a két változó nem negativitását, ha u >, akkor λ a Γ a) uy)a exp λuy) Γ a) Γ b) ua Γ a) Γ b) ua Γ a) Γ b) ua + u) a+b Γ a + b) Γ a) Γ b) ua + u) a+b, λ b Γ b) yb exp λy) ydy y a+b exp λy u + )) dy ) a+b t exp t) λ + u) t a+b exp t) dt λ + u) dt 8
9 ami éppen a B a, b). A második állítás igazolása a következ : ) ) /η P + η < x P + /η < x P η < x + )) η P η < x ), x így deriválással az imént belátottak alapján a s r ségfüggvény Γ a + b) Γ a) Γ b) Ez elemi számolással ami pedig x x Γ a + b) Γ a) Γ b) ami éppen a B a, b) s r ségfüggvénye. ) a + x/ x)) a+b x). ) a x x) a+b x x), Γ a + b) Γ a) Γ b) xa x) b, 3. Példa. Exponenciális eloszlású valószín ségi változók összege és az egyenletes eloszlásból származó rendezett minta kapcsolata. Legyenek k ) n k független azonos, λ paraméter exponenciális eloszlású valószín ségi változók. Legyen σ m m k k. Határozzuk meg az η k σ k /σ n változók eloszlását. ) P η < x) P < x n A eloszlása Γ, λ), a n k k eloszlása Γ n, λ). Ebb l a 3) miatt az η eloszlása B, n ). A B, n ) eloszlás s r ségfüggvénye f x) A Γ n) n )! értéket beírva Γ n) Γ ) Γ n ) x x) n, x, ). f x) n ) x) n x, ). Legyenek τ k ) n k a, ) intervallumon egyenletes eloszlású változók és jelölje τ a legkisebb elemet, vagyis τ min τ k. {τ < x} pontosan akkor, ha legalább egy elem az n )-b l kisebb mint x, tehát F x) P τ < x) x) n. 9
10 A τ s r ségfüggvénye F x) n ) x) n amely éppen azonos az f x) függvénnyel, vagyis az η eloszlása azonos a τ eloszlásával. Hasonlóan a k i i eloszlása Γ k, λ) a n ik+ i eloszlása Γ n k, λ) így az η k eloszlása B k, n k), amely s r ségfüggvénye ) Γ n) Γ k) Γ n k) xk x) n k n n ) x k x) n k. k Határozzuk meg az τ k eloszlásfüggvényét. Az egyszer bb jelölés kedvéért legyen el ször τ k egyenletes eloszlásból származó n elem rendezett minta k-dik eleme. A {τ k < x} esemény ekvivalens avval, hogy legalább k változó kisebb mint x. Ebb l n ) n F k x) P τ k < x) x i x) n i. i A derivált kiszámolásának komplikáltsága miatt a s r ségfüggvény meghatározása a következ : F k x + h) F k x) h ik P x τ k < x + h). h Tekintsük a x < x + h intervallumokat. A P x τ k < x + h) annak a valószín sége, hogy legfeljebb k ) változó kisebb mint x és legalább k változó kisebb mint x + h. Annak a valószín sége, hogy r változó esik az [x, x + h) intervallumba h r o h r ) nagyságrend, így egyedül az r, illetve az r eseteket kell megvizsgálnunk. Ha az {x τ k < x + h} esemény teljesül, akkor az r lehetetlen, így a s r ségfüggvény meghatározásakor egyedül az r esetet kell kiszámolnunk. Ilyenkor k elem kisebb mint x, egy az [x, x + h) intervallumban van és n k elem nagyobb mint x, vagyis P x τ k < x + h) ) n n h x k x) n k + k +o h). Ebb l a s r ségfüggvény ) n n x k x) n k. k Ha n helyébe n )-et írunk, akkor éppen az η k s r ségfüggvényét kapjuk. 4. Példa. Rendezett minta s r ségfüggvénye.
11 Legyenek a k ) n k változók függetlenek és rendelkezzenek azonos eloszlással. Jelölje F a közös eloszlásfüggvényt és f a közös s r ségfüggvényt. Ha k jelöli a rendezett minta k-dik elemét akkor az el z példa gondolatmenetét általánosítva F k x + h) F k x) h P x k < x + h) h ) n n f x) h F x) k F x)) n k + k +o h), vagyis a k s r ségfüggvénye ) n n f x) F x) k F x)) n k. k
Abszolút 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
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:
RészletesebbenMegoldások. ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4; 2, 3) normális eloszlású P (ξ
Megoldások Harmadik fejezet gyakorlatai 3.. gyakorlat megoldása ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4;, 3 normális eloszlású P (ξ 8 ξ 5 feltételes valószínűségét (.3. alapján számoljuk.
RészletesebbenA következő feladat célja az, hogy egyszerű módon konstruáljunk Poisson folyamatokat.
Poisson folyamatok, exponenciális eloszlások Azt mondjuk, hogy a ξ valószínűségi változó Poisson eloszlású λ, 0 < λ
Részletesebbenegyenletesen, és c olyan színű golyót teszünk az urnába, amilyen színűt húztunk. Bizonyítsuk
Valószínűségszámítás 8. feladatsor 2015. november 26. 1. Bizonyítsuk be, hogy az alábbi folyamatok mindegyike martingál. a S n, Sn 2 n, Y n = t n 1+ 1 t 2 Sn, t Fn = σ S 1,..., S n, 0 < t < 1 rögzített,
Részletesebben0.1 Deníció. Egy (X, A, µ) téren értelmezett mérhet függvényekb l álló valamely (f α ) α egyenletesen integrálhatónak mondunk, ha
Vegyük észre, hogy egy mérhet f függvény pontosn kkor integrálhtó, h f dµ =. lim N Ez indokolj következ deníciót. { f α >N}. Deníció. Egy X, A, µ téren értelmezett mérhet függvényekb l álló vlmely f α
RészletesebbenItô-formula. A sztochasztikus folyamatok egyik legfontosabb formulája. Medvegyev Péter Matematika tanszék
Itô-formula A sztochasztikus folyamatok egyik legfontosabb formulája Medvegyev Péter Matematika tanszék 2008 Medvegyev (Corvinus Egyetem) Itô-formula 2008 1 / 39 Az Itô-formula Theorem Ha F kétszer folytonosan
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
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.
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
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
RészletesebbenElméleti összefoglaló a Sztochasztika alapjai kurzushoz
Elméleti összefoglaló a Sztochasztika alapjai kurzushoz 1. dolgozat Véletlen kísérletek, események valószín sége Deníció. Egy véletlen kísérlet lehetséges eredményeit kimeneteleknek nevezzük. A kísérlet
RészletesebbenMatematika III előadás
Matematika III. - 2. előadás Vinczéné Varga Adrienn Debreceni Egyetem Műszaki Kar, Műszaki Alaptárgyi Tanszék Előadáskövető fóliák Vinczéné Varga Adrienn (DE-MK) Matematika III. 2016/2017/I 1 / 23 paramétervonalak,
RészletesebbenMatematikai statisztika I. témakör: Valószínűségszámítási ismétlés
Matematikai statisztika I. témakör: Valószínűségszámítási ismétlés Elek Péter 1. Valószínűségi változók és eloszlások 1.1. Egyváltozós eset Ismétlés: valószínűség fogalma Valószínűségekre vonatkozó axiómák
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
RészletesebbenSzélsőérték feladatok megoldása
Szélsőérték feladatok megoldása A z = f (x,y) függvény lokális szélsőértékének meghatározása: A. Szükséges feltétel: f x (x,y) = 0 f y (x,y) = 0 egyenletrendszer megoldása, amire a továbbiakban az x =
RészletesebbenMatematikai statisztika szorgalmi feladatok
Matematikai statisztika szorgalmi feladatok 1. Feltételes várható érték és konvolúció 1. Legyen X és Y független és azonos eloszlású valószín ségi változó véges második momentummal. Mutassuk meg, hogy
Részletesebben1. Komplex függvények dierenciálhatósága, Cauchy-Riemann egyenletek. Hatványsorok, elemi függvények
1. Komplex függvények dierenciálhatósága, Cauchy-Riemann egyenletek. Hatványsorok, elemi függvények 1.1. Dierenciálhatóság 1.1. deníció. Legyen a z 0 pont az f(z) függvény értelmezési tartományának torlódási
RészletesebbenLeíró és matematikai statisztika el adásnapló Matematika alapszak, matematikai elemz szakirány 2016/2017. tavaszi félév
Leíró és matematikai statisztika el adásnapló Matematika alapszak, matematikai elemz szakirány 2016/2017. tavaszi félév A pirossal írt anyagrészeket nem fogom közvetlenül számon kérni a vizsgán, azok háttérismeretként,
RészletesebbenDiszkrét Matematika. zöld könyv ): XIII. fejezet: 1583, 1587, 1588, 1590, Matematikai feladatgyűjtemény II. (
FELADATOK A LEKÉPEZÉSEK, PERMUTÁCIÓK TÉMAKÖRHÖZ Diszkrét Matematika 4. LEKÉPEZÉSEK Értelmezési tartomány és értékkészlet meghatározása : Összefoglaló feladatgyűjtemény matematikából ( zöld könyv ): XIII.
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:
RészletesebbenBIOMATEMATIKA ELŐADÁS
BIOMATEMATIKA ELŐADÁS 9. Együttes eloszlás, kovarianca, nevezetes eloszlások Debreceni Egyetem, 2015 Dr. Bérczes Attila, Bertók Csanád A diasor tartalma 1 Bevezetés, definíciók Együttes eloszlás Függetlenség
RészletesebbenMatematika I. NÉV:... FELADATOK: 2. Határozzuk meg az f(x) = 2x 3 + 2x 2 2x + 1 függvény szélsőértékeit a [ 2, 2] halmazon.
215.12.8. Matematika I. NÉV:... 1. Lineáris transzformációk segítségével ábrázoljuk az f(x) = ln(2 3x) függvényt. 7pt 2. Határozzuk meg az f(x) = 2x 3 + 2x 2 2x + 1 függvény szélsőértékeit a [ 2, 2] halmazon.
RészletesebbenVéletlen bolyongás. 2. rész. Márkus László jegyzete alapján Tóth Tamás december 10.
2. rész 2012. december 10. Határeloszlás tételek a bolyongás funkcionáljaira 1 A bolygó pont helyzete: EX i = 0, D 2 X i = EX 2 = 1 miatt i ES n = 0, D 2 S n = n, és a centrális határeloszlás tétel (CHT)
RészletesebbenGazdasági matematika II. vizsgadolgozat megoldása, június 10
Gazdasági matematika II. vizsgadolgozat megoldása, 204. június 0 A dolgozatírásnál íróeszközön kívül más segédeszköz nem használható. A dolgozat időtartama: 90 perc. Ha a dolgozat első részéből szerzett
RészletesebbenANALÍZIS III. ELMÉLETI KÉRDÉSEK
ANALÍZIS III. ELMÉLETI KÉRDÉSEK Szerkesztette: Balogh Tamás 2014. május 15. Ha hibát találsz, kérlek jelezd a info@baloghtamas.hu e-mail címen! Ez a Mű a Creative Commons Nevezd meg! - Ne add el! - Így
Részletesebben1. Parciális függvény, parciális derivált (ismétlés)
Operációkutatás NYME Gazdaságinformatikus mesterképzés El adó: Kalmár János (kalmar[kukac]inf.nyme.hu) Többváltozós széls érték számítás Parciális függvény, parciális derivált Széls érték korlátos zárt
RészletesebbenBiostatisztika. Sz cs Gábor. 2018/19 tavaszi félév. Szegedi Tudományegyetem, Bolyai Intézet
Biostatisztika Sz cs Gábor Szegedi Tudományegyetem, Bolyai Intézet 2018/19 tavaszi félév Bevezetés Tudnivalók, követelmények Tudnivalók, követelmények Félév tematikája: Értékelés: 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
RészletesebbenDr. Karácsony Zsolt. Miskolci Egyetem november
Valószínűségszámítás és Matematikai statisztika Dr. Karácsony Zsolt Miskolci Egyetem, Alkalmazott Matematikai Tanszék 2013-2014 tanév 1. félév Miskolci Egyetem 2013. november 11-18 - 25. Dr. Karácsony
RészletesebbenKalkulus I. gyakorlat Fizika BSc I/1.
. Ábrázoljuk a következő halmazokat a síkon! {, y) R 2 : + y < }, b) {, y) R 2 : 2 + y 2 < 4}, c) {, y) R 2 : 2 + y 2 < 4, + y < }, {, y) R 2 : + y < }. Kalkulus I. gyakorlat Fizika BSc I/.. gyakorlat
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.
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
Részletesebbeny = y 0 exp (ax) Y (x) = exp (Ax)Y 0 A n x n 1 (n 1)! = A I + d exp (Ax) = A exp (Ax) exp (Ax)
III Az exp (Ax mátrixfüggvény módszere Ha y = ay, y( = y, a = állandó y = y exp (ax d dx [exp (Ax] = Y = AY, Y ( = Y, Y (x = exp (AxY exp (Ax = I + n= A n x n (n! = A A n x n, n! ] A n x n I + = A exp
RészletesebbenT obbv altoz os f uggv enyek integr alja. 3. r esz aprilis 19.
Többváltozós függvények integrálja. 3. rész. 2018. április 19. Kettős integrál Kettős integrál téglalap alakú tartományon. Ismétlés Ha = [a, b] [c, d] téglalap-tartomány, f : I integrálható függvény, akkor
RészletesebbenFüggvénytranszformációk
. fejezet Függvénytranszformációk A matematika talán legfontosabb trükkje, hogy különböző matematikai területeket, meglepő és mély módon összekapcsol. A valószínűségszámítás legfontosabb analitikus eszköze
RészletesebbenNegyedik fejezet. meglehetősen nagy, de az is lehet, hogy az X szín 5 évvel ezelőtt elő sem fordult. Tehát két. P (a ξ b, c η d)
Negyedik fejezet Többdimenziós eloszlások Több valószínűségi változó együttes vizsgálatához nem elegendő az egyes változók eloszlásának ismerete. Ez a tény jól érzékelhető a következő hétköznapi életből
RészletesebbenFourier sorok február 19.
Fourier sorok. 1. rész. 2018. február 19. Függvénysor, ismétlés Taylor sor: Speciális függvénysor, melynek tagjai: cf n (x) = cx n, n = 0, 1, 2,... Állítás. Bizonyos feltételekkel minden f előállítható
RészletesebbenLagrange-féle multiplikátor módszer és alkalmazása
Eötvös Loránd Tudományegyetem Természettudományi Kar Nemesné Jónás Nikolett Lagrange-féle multiplikátor módszer és alkalmazása Matematika BSc, Matematikai elemz szakirány Témavezet : Szekeres Béla János,
RészletesebbenModellek és Algoritmusok - 2.ZH Elmélet
Modellek és Algoritmusok - 2.ZH Elmélet Ha hibát elírást találsz kérlek jelezd: sellei_m@hotmail.com A fríss/javított változat elérhet : people.inf.elte.hu/semsaai/modalg/ 2.ZH Számonkérés: 3.EA-tól(DE-ek)
Részletesebbenegyetemi jegyzet Meskó Balázs
egyetemi jegyzet 2011 Előszó 2. oldal Tartalomjegyzék 1. Bevezetés 4 1.1. A matematikai statisztika céljai.............................. 4 1.2. Alapfogalmak......................................... 4 2.
RészletesebbenANALÍZIS II. Példatár
ANALÍZIS II. Példatár Többszörös integrálok 3. április 8. . fejezet Feladatok 3 4.. Kett s integrálok Számítsa ki az alábbi integrálokat:...3. π 4 sinx.. (x + y) dx dy (x + y) dy dx.4. 5 3 y (5x y y 3
Részletesebbeni p i p 0 p 1 p 2... i p i
. vizsga, 06--9, Feladatok és megoldások. (a) Adja meg az diszkrét eloszlás várható értékének a definícióját! i 0... p i p 0 p p... i p i (b) Tegyük fel, hogy a rigófészkekben található tojások X száma
RészletesebbenLineáris leképezések. Wettl Ferenc március 9. Wettl Ferenc Lineáris leképezések március 9. 1 / 31
Lineáris leképezések Wettl Ferenc 2015. március 9. Wettl Ferenc Lineáris leképezések 2015. március 9. 1 / 31 Tartalom 1 Mátrixleképezés, lineáris leképezés 2 Alkalmazás: dierenciálhatóság 3 2- és 3-dimenziós
RészletesebbenStatisztika elméleti összefoglaló
1 Statisztika elméleti összefoglaló Tel.: 0/453-91-78 1. Tartalomjegyzék 1. Tartalomjegyzék.... Becsléselmélet... 3 3. Intervallumbecslések... 5 4. Hipotézisvizsgálat... 8 5. Regresszió-számítás... 11
Részletesebben2. gyakorlat. A polárkoordináta-rendszer
. gyakorlat A polárkoordináta-rendszer Az 1. gyakorlaton megismerkedtünk a descartesi koordináta-rendszerrel. Síkvektorokat gyakran kényelmes ún. polárkoordinátákkal megadni: az r hosszúsággal és a φ irányszöggel
RészletesebbenMatematika III. harmadik előadás
Matematika III. harmadik előadás Kézi Csaba Debreceni Egyetem, Műszaki Kar Debrecen, 2013/14 tanév, I. félév Kézi Csaba (DE) Matematika III. harmadik előadás 2013/14 tanév, I. félév 1 / 13 tétel Az y (x)
RészletesebbenIntegrálszámítás. a Matematika A1a-Analízis nevű tárgyhoz november
Integrálszámítás a Matematika Aa-Analízis nevű tárgyhoz 009. november Tartalomjegyzék I. Feladatok 5. A határozatlan integrál (primitív függvények........... 7.. A definíciók egyszerű következményei..................
RészletesebbenMegoldott feladatok november 30. n+3 szigorúan monoton csökken, 5. n+3. lim a n = lim. n+3 = 2n+3 n+4 2n+1
Megoldott feladatok 00. november 0.. Feladat: Vizsgáljuk az a n = n+ n+ sorozat monotonitását, korlátosságát és konvergenciáját. Konvergencia esetén számítsuk ki a határértéket! : a n = n+ n+ = n+ n+ =
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:
RészletesebbenDierenciálhányados, derivált
9. fejezet Dierenciálhányados, derivált A dierenciálhányados deníciója D 9.1 Az egyváltozós valós f függvény x0 pontbeli dierenciálhányadosának nevezzük a lim f(x0 + h) f(x0) h 0 h határértéket, ha ez
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 =
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
RészletesebbenObudai Egyetem RKK Kar. Feladatok a Matematika I tantárgyhoz
Obudai Egyetem RKK Kar Feladatok a Matematika I tantárgyhoz Gyakorló Feladatok a Matematika I Tantárgyhoz Els rész: Feladatok. Halmazelmélet, Számhalmazok, Függvények... Feladat. Legyen A = { : + 3 = 3},
Részletesebbenbiometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás
Kísérlettervezés - biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás A matematikai-statisztika feladata tapasztalati adatok feldolgozásával segítséget nyújtani
RészletesebbenMatematika I. NÉV:... FELADATOK:
24.2.9. Matematika I. NÉV:... FELADATOK:. A tanult módon vizsgáljuk az a = 3, a n = 3a n 2 (n > ) rekurzív sorozatot. pt 2n 2 + e 2. Definíció szerint és formálisan is igazoljuk, hogy lim =. pt n 3 + n
RészletesebbenMarkov-láncok stacionárius eloszlása
Markov-láncok stacionárius eloszlása Adatbányászat és Keresés Csoport, MTA SZTAKI dms.sztaki.hu Kiss Tamás 2013. április 11. Tartalom Markov láncok definíciója, jellemzése Visszatérési idők Stacionárius
RészletesebbenFirst Prev Next Last Go Back Full Screen Close Quit
Többváltozós függvények (2) First Prev Next Last Go Back Full Screen Close Quit 1. Egyváltozós függvények esetén a differenciálhatóságból következett a folytonosság. Fontos tudni, hogy abból, hogy egy
RészletesebbenHatározott integrál és alkalmazásai
Határozott integrál és alkalmazásai 5. május 5.. Alapfeladatok. Feladat: + d = Megoldás: Egy határozott integrál kiszámolása a feladat. Ilyenkor a Newton-Leibniz-tételt használhatjuk, mely azt mondja ki,
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
RészletesebbenUtolsó el adás. Wettl Ferenc BME Algebra Tanszék, Wettl Ferenc (BME) Utolsó el adás / 20
Utolsó el adás Wettl Ferenc BME Algebra Tanszék, http://www.math.bme.hu/~wettl 2013-12-09 Wettl Ferenc (BME) Utolsó el adás 2013-12-09 1 / 20 1 Dierenciálegyenletek megoldhatóságának elmélete 2 Parciális
RészletesebbenGazdasági matematika II. tanmenet
Gazdasági matematika II. tanmenet Mádi-Nagy Gergely A hivatkozásokban az alábbi tankönyvekre utalunk: T: Tóth Irén (szerk.): Operációkutatás I., Nemzeti Tankönyvkiadó 1987. Cs: Csernyák László (szerk.):
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
RészletesebbenMegjegyzés: jelenti. akkor létezik az. ekkor
. Hármas Integrál. Bevezetés és definíciók A bevezetés első részében egy feladaton keresztül jutunk el a hármasintegrál definíciójához. Feladat: Legyen R korlátos test, és a testnek legyen az f(x, y, z
RészletesebbenMatematika A1a Analízis
B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M Matematika Aa Analízis BMETE90AX00 Az exp és ln függvények H607, EIC 209-04-24 Wettl
Részletesebben17. előadás: Vektorok a térben
17. előadás: Vektorok a térben Szabó Szilárd A vektor fogalma A mai előadásban n 1 tetszőleges egész szám lehet, de az egyszerűség kedvéért a képletek az n = 2 esetben szerepelnek. Vektorok: rendezett
RészletesebbenMiért fontos számunkra az előző gyakorlaton tárgyalt lineáris algebrai ismeretek
Az november 23-i szeminárium témája Rövid összefoglaló Miért fontos számunkra az előző gyakorlaton tárgyalt lineáris algebrai ismeretek felfrissítése? Tekintsünk ξ 1,..., ξ k valószínűségi változókat,
RészletesebbenBemenet modellezése (III.), forgalommodellezés
Bemenet modellezése (III.), forgalommodellezés Vidács Attila 2007. október 31. Hálózati szimulációs technikák, 2007/10/31 1 Modellválasztás A modellezés kedvez esetben leegyszer södik a megfelel eloszlás
RészletesebbenMBNK12: Permutációk (el adásvázlat, április 11.) Maróti Miklós
MBNK12: Permutációk el adásvázlat 2016 április 11 Maróti Miklós 1 Deníció Az A halmaz permutációin a π : A A bijektív leképezéseket értjünk Tetsz leges n pozitív egészre az {1 n} halmaz összes permutációinak
RészletesebbenA brachistochron probléma megoldása
A brachistochron probléma megoldása Adott a függőleges síkban két nem egy függőleges egyenesen fekvő P 0 és P 1 pont, amelyek közül a P 1 fekszik alacsonyabban. Azt a kérdést fogjuk vizsgálni. hogy van-e
RészletesebbenGyakorló feladatok I.
Gyakorló feladatok I. a Matematika Aa Vektorüggvények tárgyhoz (D D5 kurzusok) Összeállította: Szili László Ajánlott irodalmak:. G.B. Thomas, M.D. Weir, J. Hass, F.R. Giordano: Thomas-féle KALKULUS I.,
Részletesebben1. Absztrakt terek 1. (x, y) x + y X és (λ, x) λx X. műveletek értelmezve vannak, és amelyekre teljesülnek a következő axiómák:
1. Absztrakt terek 1 1. Absztrakt terek 1.1. Lineáris terek 1.1. Definíció. Az X halmazt lineáris térnek vagy vektortérnek nevezzük a valós számtest (komplex számtest) felett, ha bármely x, y X elemekre
Részletesebben2. SZÉLSŽÉRTÉKSZÁMÍTÁS. 2.1 A széls érték fogalma, létezése
2 SZÉLSŽÉRTÉKSZÁMÍTÁS DEFINÍCIÓ 21 A széls érték fogalma, létezése Azt mondjuk, hogy az f : D R k R függvénynek lokális (helyi) maximuma (minimuma) van az x 0 D pontban, ha van olyan ε > 0 hogy f(x 0 )
RészletesebbenSztochasztikus folyamatok alapfogalmak
Matematikai Modellalkotás Szeminárium 2012. szeptember 4. 1 Folytonos idejű Markov láncok 2 3 4 1 Folytonos idejű Markov láncok 2 3 4 Folytonos idejű Markov láncok I Adott egy G = (V, E) gráf Folytonos
RészletesebbenDierenciálhatóság. Wettl Ferenc el adása alapján és
205.0.9. és 205.0.26. 205.0.9. és 205.0.26. / Tartalom A dierenciálhatóság fogalma Pontbeli dierenciálhatóság Jobb és bal oldali dierenciálhatóság Folytonosság és dierenciálhatóság Deriváltfüggvény 2 Dierenciálási
RészletesebbenSzili László. Integrálszámítás (Gyakorló feladatok) Analízis 3. Programtervező informatikus szak BSc, B és C szakirány
Szili László Integrálszámítás (Gyakorló feladatok Analízis. Programtervező informatikus szak BSc, B és C szakirány. február Tartalomjegyzék I. Feladatok 5. A határozatlan integrál (primitív függvények...........
RészletesebbenA valószínűségszámítás elemei
Alapfogalmak BIOSTATISZTIKA ÉS INFORMATIKA A valószínűségszámítás elemei Jelenség: minden, ami lényegében azonos feltételek mellett megismételhető, amivel kapcsolatban megfigyeléseket lehet végezni, lehet
RészletesebbenMatematika III. 5. Nevezetes valószínűség-eloszlások Prof. Dr. Závoti, József
Matematika III. 5. Nevezetes valószínűség-eloszlások Prof. Dr. Závoti, József Matematika III. 5. : Nevezetes valószínűség-eloszlások Prof. Dr. Závoti, József Lektor : Bischof, Annamária Ez a modul a TÁMOP
RészletesebbenDifferenciálegyenletek december 13.
Differenciálegyenletek 2018. december 13. Elsőrendű DE Definíció. Az elsőrendű differenciálegyenlet általános alakja y = f (x, y), ahol f (x, y) adott kétváltozós függvény. Minden y = y(x) függvény, amire
RészletesebbenValószínűségszámítás jegyzet 2. rész
Valószínűségszámítás jegyzet 2. rész. Valószínűségi változó, eloszlásfüggvény, diszkrét és folytonos eset. Az eloszlásfüggvény négy tulajdonsága. Intervallumok valószínűségei. Diszkrét eloszlás. Sűrűségfüggvény.
RészletesebbenEgyváltozós függvények 1.
Egyváltozós függvények 1. Filip Ferdinánd filip.ferdinand@bgk.uni-obuda.hu siva.banki.hu/jegyzetek 015 szeptember 1. Filip Ferdinánd 015 szeptember 1. Egyváltozós függvények 1. 1 / 5 Az el adás vázlata
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
RészletesebbenAnalízis előadás és gyakorlat vázlat
Analízis előadás és gyakorlat vázlat Készült a PTE TTK GI szakos hallgatóinak Király Balázs 2010-11. I. Félév 2 1. fejezet Számhalmazok és tulajdonságaik 1.1. Nevezetes számhalmazok ➀ a) jelölése: N b)
RészletesebbenBoros Zoltán február
Többváltozós függvények differenciál- és integrálszámítása (2 3. előadás) Boros Zoltán 209. február 9 26.. Vektorváltozós függvények differenciálhatósága és iránymenti deriváltjai A továbbiakban D R n
RészletesebbenCentrális határeloszlás-tétel
13. fejezet Centrális határeloszlás-tétel A valószínűségszámítás legfontosabb állításai azok, amelyek független valószínűségi változók normalizált összegeire vonatkoznak. A legfontosabb ilyen tételek a
RészletesebbenGAZDASÁGMATEMATIKA KÖZÉPHALADÓ SZINTEN
GAZDASÁGMATEMATIKA KÖZÉPHALADÓ SZINTEN Készült a TÁMOP-4.1.-08//a/KMR-009-0041 pályázati projekt keretében Tartalomfejlesztés az ELTE TáTK Közgazdaságtudományi Tanszékén az ELTE Közgazdaságtudományi Tanszék
RészletesebbenFeladatok és megoldások a 13. hétre
Feladatok és megoldások a. hétre Építőkari Matematika A. Az alábbi függvények melyike lehet eloszlásfüggvény? + e x, ha x >, (a F(x =, ha x, (b F(x = x + e x, ha x, (c F(x =, ha x, x (d F(x = (4 x, ha
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 :
RészletesebbenPermutációk véges halmazon (el adásvázlat, február 12.)
Permutációk véges halmazon el adásvázlat 2008 február 12 Maróti Miklós Ennek az el adásnak a megértéséhez a következ fogalmakat kell tudni: ismétlés nélküli variáció leképezés indulási és érkezési halmaz
RészletesebbenJármőtervezés és vizsgálat I. VALÓSZÍNŐSÉGSZÁMÍTÁSI ALAPFOGALMAK Dr. Márialigeti János
BUDAPESTI MŐSZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM KÖZLEKEDÉSMÉRNÖKI KAR JÁRMŐELEMEK ÉS HAJTÁSOK TANSZÉK Jármőtervezés és vizsgálat I. VALÓSZÍNŐSÉGSZÁMÍTÁSI ALAPFOGALMAK Dr. Márialigeti János Budapest 2008
Részletesebben(x + 1) sh x) (x 2 4) = cos(x 2 ) 2x, e cos x = e
Az. gyakorlat HF-inak megoldása. Deriváljuk az alábbi függvényeket. sin x cos x = cos x sin x, x ln x = x / ln x + x x x, x x = x / = x/ = = e x cos x+e x sin x e x cos x cos x, x sin x ln x = + x x, x
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
RészletesebbenAz R halmazt a valós számok halmazának nevezzük, ha teljesíti az alábbi 3 axiómacsoport axiómáit.
2. A VALÓS SZÁMOK 2.1 A valós számok aximómarendszere Az R halmazt a valós számok halmazának nevezzük, ha teljesíti az alábbi 3 axiómacsoport axiómáit. 1.Testaxiómák R-ben két művelet van értelmezve, az
RészletesebbenVéletlen mátrix extrém-érték statisztika: Tracy-Widom eloszlás
Véletlen mátrix extrém-érték statisztika: Ábel Dániel June 15, 2006 1 / 34 2 / 34 Előző alkalommal bevezetett dolgok, amiket használni fogunk: 3 / 34 Előző alkalommal bevezetett dolgok, amiket használni
RészletesebbenMatematika II. 1 sin xdx =, 1 cos xdx =, 1 + x 2 dx =
Matematika előadás elméleti kérdéseinél kérdezhető képletek Matematika II Határozatlan Integrálszámítás d) Adja meg az alábbi alapintegrálokat! x n 1 dx =, sin 2 x dx = d) Adja meg az alábbi alapintegrálokat!
Részletesebben2. sillabusz a Többváltozós függvények kurzushoz
Az implicitfüggvény-tétel 2. sillabusz a Többváltozós függvények kurzushoz Mi az hogy sillabusz? Ez egy olyan iromány ami segédanyagnak készült. Vázlatos pontatlan (szándékoltan) hiányos. Segíti a tanulást
RészletesebbenSzámítógépes döntéstámogatás. Statisztikai elemzés
SZDT-03 p. 1/22 Számítógépes döntéstámogatás Statisztikai elemzés Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Előadás SZDT-03 p. 2/22 Rendelkezésre
Részletesebben2 (j) f(x) dx = 1 arcsin(3x 2) + C. (d) A x + Bx + C 5x (2x 2 + 7) + Hx + I. 2 2x F x + G. x
I feladatsor Határozza meg az alábbi függvények határozatlan integrálját: a fx dx = x arctg + C b fx dx = arctgx + C c fx dx = 5/x 4 arctg 5 x + C d fx dx = arctg + C 5/ e fx dx = x + arctg + C f fx dx
RészletesebbenLNM folytonos Az interpoláció Lagrange interpoláció. Lineáris algebra numerikus módszerei
Legkisebb négyzetek módszere, folytonos eset Folytonos eset Legyen f C[a, b]és h(x) = a 1 φ 1 (x) + a 2 φ 2 (x) +... + a n φ n (x). Ekkor tehát az n 2 F (a 1,..., a n ) = f a i φ i = = b a i=1 f (x) 2
Részletesebben