Valószín ségszámítás (jegyzet)
|
|
- András Kis
- 5 évvel ezelőtt
- Látták:
Átírás
1 Valószí ségszámítás (jegyzet) Csiszár Vill 9. február 8.. Valószí ségi mez Két bevezet példa: ) Osztozkodási probléma (494, helyes megoldás több, mit évvel kés bb, Pascal, Fermat): Két játékos fej-írás játékot játszik, az yer, aki el bb ér el 6 potot. Azoba a játék 5 : 3-as állásál félbeszakad. Kérdés: milye aráyba osztozzaak a yereméye? Válasz: ha a yerési esélyek aráyába tartjuk igazságosak az osztozást, akkor 7 : aráyba kell osztoziuk. )Körbever kockák: Három kockára felírjuk az 8 számokat az alábbiak szerit: I. 3 4 II III A játék a következ. El ször A választhat egy kockát, majd B választhat a maradék kett b l. Ezutá midkette feldobják a kockájukat, és az yer, aki agyobbat dob. Kiek el yös a játék? Válasz: B-ek el yös, mert a kockák körbeverik egymást: I-él jobb II, II-él jobb III, III-ál jobb I. Tehát akármit választ A, aál tud B jobbat választai. Tekitsük egy véletle kísérletet: Jelölje a lehetséges kimetelek halmazát Ω, eek eve eseméytér. Az eseméytér elemeit jelölje ω Ω, ezek az elemi eseméyek. Az eseméytér (bizoyos) A Ω részhalmazai az eseméyek. ω A, akkor az A eseméy bekövetkezett Ha a kísérlet kimeetele ω, és ω / A, akkor az A eseméy em következett be.. Példa. Feldobuk egy dobókockát. Ω {,, 3, 4, 5, 6} (mit dobuk) Legye A {, 4, 6} az az eseméy, hogy "páros számot dobuk" Ha 4-est dobtuk, azaz ω 4, akkor az A eseméy bekövetkezett. Ha 5-öst dobtuk, azaz ω 5, akkor az A eseméy em következett be. Eseméyek: techikai okokból sokszor em lesz az eseméytér mide részhalmaza (meggyelhet ) eseméy. Jelölje az eseméyek családját A Ω, err l a következ tulajdoságokat követeljük meg: ) Ω A: Ω eve biztos eseméy ) A A A A: ha A eseméy, akkor a komplemetere is 3) A, A, A 3,... A A i A: megszámlálható sok eseméy uiója is eseméy Mj.: Az ),),3) feltételekek elget tev A halmazredszert σ-algebráak hívjuk. Azt, hogy eseméyek metszete is eseméy legye, azért em követeljük meg, mert az már következik a ) és 3) feltételekb l, felhaszálva, hogy i A i i A i. Valószí ség: Mide eseméyek va valószí sége, az A eseméy valószí ségét P (A) jelöli, ahol P a probability szóból származik. Azaz P egy A R függvéy. P -r l a következ tulajdoságokat követeljük meg:
2 ) P (A) : mide valószí ség emegatív ) P (Ω) : a biztos eseméy valószí sége 3) Ha A, A,... A párokét diszjukt eseméyek, akkor P ( A i ) P (A i ) Mj.: Az ),),3) feltételekek elget tev P függvéyt valószí ségi mértékek hívjuk. Ezek a követelméyek a relatív gyakoriság tulajdoságaiból származtathatók. Ugyais azt szereték, ha egy eseméy valószí sége azt fejezé ki, hogy a kísérletekek kb. háyad részébe következik be az eseméy. Tegyük fel, hogy egy kísérletet egymástól függetleül -szer elvégzük, és jelölje k A, hogy háyszor következett be A. Ekkor k A az A gyakorisága, r A k A / pedig az A eseméy relatív gyakorisága. Köye elle rizhet, hogy a relatív gyakoriságra teljesülek a feti )-3) követelméyek megfelel i: ) r A ) r Ω 3) r A B r A + r B, ha A B.. Deíció. Az (Ω, A, P ) hármast Kolmogorov-féle valószí ségi mez ek hívjuk, ahol Ω emüres halmaz, A σ-agebra, P pedig valószí ségi mérték. Néháy egyszer állítás: ) P ( ) : P (Ω) P (Ω ) P (Ω) + P ( ) + P ( ). ) Mide A eseméyre P (A). P (Ω) P (A A) P (A) + P (A) P (A). S t, kijött, hogy P (A) P (A). 3) A B P (A) P (B). 4) Tetsz leges A, B A eseméyekre P (A B) P (A)P (B) 4.. Klasszikus valószí ségi mez Akkor beszélük klasszikus valószí ségi mez r l, ha az eseméytér elemszáma véges, az eseméytér mide részhalmaza eseméy, és mide elemi eseméy egyformá valószí. Azaz: Ω és ω Ω-ra P (ω) Legye A Ω. Ekkor P (A) A kedvez esetek száma összes esetek száma. i i.. Példa. (demère lovag esete) 3 kockával dobuk, a -es vagy a -es összeg valószí sége agyobb? Lehet ségek: : : Azoba ha egyformá valószí lehet ségekkel akaruk dolgozi, akkor a sorredet is gyelembe kell vei! Azaz Ω 6 3, és P ( ) ez a valószí bb 63 P ( ) Példa klasszikus valószí ségi mez re: Mitavételezés Tegyük fel, hogy egy gyár egy adott apo N terméket gyártott, melyb l M selejtes, azaz a selejtaráy p M/N. A termékekb l elem mitát veszük. Ha visszatevés élkül vesszük a mitát, akkor ( M ) ( k N M ) k P (k db selejtes) ( N. ) Ha visszatevéssel vesszük a mitát, akkor P (k db selejtes) ( k ) M k (N M) k N ( ) p k ( p) k. k
3 Visszatevés élküli mitavételél tegyük fel, hogy N, és a p selejtaráy rögzített. Nézzük meg, hová tart a korábba kiszámolt valószí ség! M! k!(m k)! (N M)! ( k)!(n M + k)! N!!(N )! ( ) k k db k db {}}{ M(M )(M ) (M k + ) (N M)(N M ) (N M + k + ) N(N ) (N + ) db 3. A szita (Poicaré) formula és a Jordá formula ( ) p k ( p) k. k Legyeek A,..., A eseméyek. Ha em diszjuktak, akkor a P (A A ) valószí ség kiszámítása ehéz lehet. Erre ad módszert a szita formula. 3.. Tétel. (Szita formula) Legyeek A,..., A eseméyek. Ekkor P (A A ) ( ) k S k, k ahol S k P (A i A i A ik ). i <...<i k (A A ) + P (A A 3 ) + P (A A + (A A Speciálisa, 3-ra a következ t kapjuk: : P (A A ) P (A ) + P (A ) P (A A ) 3 : P (A A A 3 ) P (A ) + P (A ) + P (A 3 ) (P } {{ 3 )) } P } A {{ 3 ) } S S A formula bizoyítása (vázlat): az eseméy az eseméyteret a következ részre partícioálja: Ω Ω Ω Ω (A A ) (A A ) (A A ) (A A A A ) (A A A A ) (A A A A ). ez tag Úgy kapjuk a tagot, hogy mide tagba midegyik i-re vagy A i, vagy A i szerepel. A tagok közül csak A A A ics bee az A A eseméybe. k db komplemeter élkül Vegyük egy olya tagot, amelybe eseméy szerepel k db komplemeterrel és k(. ) Azt ( kell ) megmutati, ( ) hogy ezt( a részt ) potosa egyszer számoltuk le a szita formulába: k k k k k ( ) k (k ). 3 4 k 3.. Tétel. (Jordá formula) Legyeek A,..., A eseméyek. Ekkor r ( ) k + r P (Az eseméyb l potosa r teljesül) ( ) k S k+r, r ahol S k ugyaaz, mit a szita formulába. 3.. Példa. (Névjegy probléma) Tegyük fel, hogy ember véletleszer e összekeveri a évjegyét. Jelölje B azt az eseméyt, hogy seki sem a sajátját kapja. k S 3 3
4 P (B) P (B) P (A A ), ahol A i az i.-edik ember a sajátját kapja. Alkalmazzuk a szita formulát! ( ) ( k)! ( k)! P (A i A ik ) S k! k! k!. Tehát P (B) ( )! ( ) k k! ( ) k k! e mivel x k ex k!. k k A Jordá formula segítségével azt is kiszámolhatjuk, hogy meyi az esélye, hogy potosa r ember kapja a saját évjegyét. 3.. Példa. (Születésapok) Va N ember. k P (va hóap, amelybe seki sem született) P (A A ), ahol A i az az eseméy, hogy az i.-dik hóapba em született seki, i,...,. ( ) N ( k)n k P (A i A ik ) N, ( ) ( ) N k S k. k 3.3. Példa. (Vezetékszakadás) A beszámozott vezetékek midegyike vagy vezet, vagy em, / / valószí séggel Tekitsük a következ égy eseméyt: A :, vezet, A :, 5, 4 vezet A 3 : 3, 5, vezet, A 4 : 3, 4 vezet. P (ég a lámpa) P (A A A 3 A 4 ). Most P (A i A ik ) em írható fel általáosa. S P (A ) + P (A ) + P (A 3 ) + P (A 4 ) S P (A A ) + P (A A 3 ) + P (A A 4 ) + P (A A 3 ) + P (A A 4 ) + P (A 3 A 4 ) S 3 P (A A A 3 ) + P (A A A 4 ) + P (A A 3 A 4 ) + P (A A 3 A 4 ) S 4 P (A A A 3 A 4 ) 3 P (ég a lámpa) Feltételes valószí ség 4.. Deíció. Legye A, B A és P (B) >. Az A eseméy valószí sége, feltéve hogy B bekövetkezett P (A B) (A feltételes valószí sége a B eseméyre ézve) P (A B) P (B) Ω A B 4
5 4.. Példa. Egy urába jó és selejtes csavar va, kétszer húzuk. Legye A els re jó csavart húzuk, B másodikra selejtes csavart húzuk. a) Visszatevéssel húzuk: P (A B) P (A B) P (A) B bekövetkezése em változtat A valószí ségé. P (B) 4 4 P (A B) 4 P (B A) P (A) P (B) A bekövetkezése em változtat B valószí ségé. b) Visszatevés ékül húzuk: P (A B) 4 3 P (B A) P (A) 3 > P (B) A bekövetkezése öveli B valószí ségét. P (B) P (A B) midkett selejt {}}{ P (A B) P (B) 4 els jó, második selejt 3 {}}{ 3 > P (A) B bekövetkezése öveli A valószí ségét. Mj.: Egy urába N jó és M selejtes termék va. Egymás utá, visszatevés élkül, midet kihúzzuk. Bizoyítsuk be, hogy P (k-adikra selejteset húzuk l-edikre jót húzuk), mide k l párra. M N+M 4.. Tétel. Legye A B {A B : A A} A. Ekkor A B σ-algebra B-, és (B, A B, P ( B)) valószí ségi mez. Bizoyítás. A B σ-algebra B-, mivel ) B B Ω A B ) A B A B B \ (A B) A B A B 3) A i B A B i (A i B) ( i A i ) B A B P ( B)valószí ségi mérték B-, mivel ) általáosabba: A A : P (A B P (B B) ) P (B B) P (B B) P (B) P (B) P (B) 3) általáosabba: A, A,... A : A i A j (i j) P ( A i B) P (A i B) i P ( i i A i B) P (( i A i) B) P (B) (A i B) (A j B) mivel A j, A i diszjuktak (i j) P ( i (A i B)) P (Ai B) def P (A i B) P (B) P (B) 4.. Deíció. B, B,... A teljes eseméyredszer (TER), ha ) P (B i ) > ) i B i Ω (elég, ha P ( B i ) ) 3) B i B j (i j) B B B i Ω A 4.. Tétel. (Teljes valószí ség tétele) Legye A A tetsz leges eseméy, és B, B,... TER. Ekkor P (A) P (A B i ) P (B i ). Bizoyítás. P (A) P (A Ω) P (A ( B i )) P ( (B i A)) diszj i P (B i A) P (B i ) P (B i ) P (A B i ) P (B i ). i i P (B i A) i 5
6 4.. Példa. Egy dobókockával addig dobuk, amíg hatost em kapuk. Meyi aak a valószí sége, hogy em dobuk közbe ötöst? Legye B : -edikre dobuk el ször hatost (,, 3,...). Ekkor B, B,... TER, és P (B ) 5 6. Legye még A: em dobuk ötöst közbe. A feti tétel szerit P (A) P (A B ) P (B ). Itt Visszahelyettesítve, P (A B ) P (A B ) P (B ) P (A) ( ) Tétel. (Bayes tétele) Legye A A eseméy, és B, B,... teljes eseméyredszer. Ekkor P (B k A) P (A B k ) P (B k ) P (A. Bi ) P (B i ) i Bizoyítás. A jobboldal számlálója P (A B k) P (B k ) P (A B k ), a jobboldal evez je pedig éppe P (B k ) P (A) a teljes valószí ség tétele szerit Példa. Tegyük fel, hogy egy hallgató a feltett kérdésre 3 4 valószí séggel tudja a választ. Ha em tudja, akkor tippel, és 3 valószí séggel találja el a helyes választ. a) Meyi az esélye, hogy a hallgató helyese válaszol? b) Ha a hallgató helyese válaszolt, meyi a valószí sége, hogy tudta is a választ? Legye A: a hallgató helyese válaszol, B : tudja a választ, B : em tudja a választ. Ekkor B, B TER, P (B ) 3 4, P (B ) 4, P (A B ), P (A B ) 3. Ebb l a) P (A) P (A B ) P (B ) + P (A B ) P (B ) P (A B ) P (B ) b) P (B A) P (A B ) P (B ) + P (A B ) P (B ) Eseméyek függetlesége Deíció. Az A és B eseméyek függetleek, ha P (A B) P (A) P (B). Mj.: Ha P (B) >, akkor az azzal ekvivales, hogy P (A B) P (A). 5.. Deíció. a) Az A,..., A eseméyek függetleek, ha i < < i k választásra P (A i A i A ik ) P (A i ) P (A i ) P (A ik ). b) Az A,..., A eseméyek párokét függetleek, ha i j-re A i és A j függetleek Deíció. Az A, A,... végtele sok eseméy függetle, ha közülük bármely véges sok eseméy függetle. 6
7 5.. Példa. Egy kockával -szer dobuk. Legye A: az. dobás páros, B: a. dobás páratla, C: a két dobás összege páros. Ekkor A, B, C párokét függetleek, mivel P (A) P (B) P (C) és de em fóggetleek, mivel P (A B C). P (A B) P (A C) P (B C) 4, 5.. Tétel. Függetle eseméyek közül tetsz leges sokat kicserélve a komplemeterére, függetle eseméyeket kapuk. Bizoyítás. Elég beláti, hogy egy eseméyt ki lehet cseréli a komplemeterére. Feltehetjük, hogy A - et cseréljük A -re. Az új eseméyek metszetére voatkozó szorzási szabály csak abba az esetbe szorul bizoyításra, ha az A, A,..., A k eseméyek lettek kiválasztva. Azt kell tehát beláti, hogy B P (B) {}}{ P (A A A k ) P (A ) P (A ) P (A k ). Ez viszot köy : P (A B) P (B) P (A B) P (B) P (A )P (B) ( P (A ))P (B) P (A )P (B). 5.. Tétel. Legye P (A) vagy, és B tetsz leges eseméy. Ekkor A és B függetleek. Bizoyítás. a) Legye el ször P (A). Ekkor P (A) P (B), valamit A B A miatt P (A B). b) A P (A) eset az el z tételb l következik. 6. Valószí ségi változók 6.. Deíció. Egy X : Ω R függvéyt valószí ségi változóak evezük, ha teljesül rá, hogy mide a < b valós számpárra {ω Ω : a X(ω) < b} A. Mj.: A feltétel azért kell, hogy a P (X B) valószí ségek értelmesek legyeek a szép B R halmazokra. 6.. Példa. Feldobuk két dobókockát, evezzük ket egyes és kettes kockákak. Láttuk, hogy a kísérlethez tartozó eseméytér 36 elem, Ω {(ω, ω ) : ω, ω 6}. Ha a két kockát em tudjuk megkülöbözteti, akkor Ω em mide részhalmaza eseméy, csak az olyaok, melyekre ha (ω, ω ) A, akkor (ω, ω ) A is teljesül. Ezért az az X : Ω R függvéy, melyre X((ω, ω )) ω (azaz az egyes kockával dobott érték) em valószí ségi változó, hisze pl. { X < } {X } {(, ω ) : ω 6} A. Ilye függvéyel em lee érdemes foglalkozi, hisze az értékét em tudjuk meggyeli. 6.. Deíció. Az X valószí ségi változó diszkrét, ha értékkészlete megszámlálható (véges vagy végtele). Ha X diszkrét, akkor lehetséges értékei felsorolhatók: x, x,.... Továbbá a valószí ségi változóra tett feltétel miatt i : { ω } X(ω) xi A azaz a P (X xi ) valószí ség értelmes. Jelölje p i P (X x i ). Ekkor a p i számok emegatívak, és p i, ui. az {X x i } eseméyek párokét diszjuktak és az egyesítésük Ω. i 6.3. Deíció. a) A p (p, p,...) (véges vagy végtele) sorozatot diszkrét valószí ségeloszlásak evezzük, ha p i és p i. i b) Az X diszkrét valószí ségi változó eloszlása az (x i, p i ) i,... párok sorozata, ahol x i -k az X lehetséges értékei, és p i P (X x i ). 7
8 6.. Nevezetes diszkrét eloszlások Biomiális eloszlás Jelölje X, hogy függetle kísérletb l háyszor következik be egy p valószí ség A eseméy. Ekkor X eloszlása biomiális, az eloszlás redje, paramétere p. Jelölésbe: X Bi(, p). X eloszlása: (k, p k ) k,,...,, ahol p k ( k) p k ( p) k. A p k valószí ség levezetése: legye A i : az i. kísérletbe bekövetkezik az A eseméy. Ekkor {X k} ɛ: ɛika ɛ Aɛ, ahol ɛ (ɛ,..., ɛ ) {, }, és A i A i, A i A i. Mivel az uió diszjukt, és a metszet tagjai függetleek: P (X k) ɛ: ɛ ik P (A ɛ ) P (Aɛ ) ɛ: ɛ ik p k ( p) k ( ) p k ( p) k. k 6.. Példa. a) Egy urába M piros és N M fekete golyó va, -szer húzuk visszatevéssel. Jelölje X, hogy háyszor húzuk pirosat. Ekkor X Bi(, M/N). b) Jelölje X, hogy hallgatóból háya születtek októberbe. Ekkor X Bi(, /). c) Egy teszte 5 kérdés va, midehol 4 válaszlehet ség. Véletleszer e töltöm ki a tesztet. Jelölje X a helyes válaszok számát. Ekkor X Bi(5, /4). Mj.: Az red biomiális eloszlás másik eve idikátor eloszlás, jelölésbe Bi(, p) Id(p). Hipergeometriai eloszlás Egy urába N golyóból M jelölt. Jelölje X, hogy visszatevés élküli húzásból háyszor húzuk jelölt golyót. Ekkor X eloszlása hipergeometriai, az eloszlás paraméterei N, M,. Jelölésbe: X Hipgeo(N, M, ). ( M )( N M ) k k X eloszlása: (k, p k ) k,,...,, ahol p k ( N. ) Geometriai (Pascal) eloszlás Jelölje X, hogy háyadik függetle kísérletbe következik be el ször egy p valószí ség A eseméy. Ekkor X eloszlása geometriai, az eloszlás paramétere p. Jelölésbe: X Geo(p). X eloszlása: (k, p k ) k,,..., ahol p k ( p) k p. A p k valószí ség levezetése: legye A i : az i. kísérletbe bekövetkezik az A eseméy. Ekkor a függetleség miatt tehát {X k} A A k A k, p k P (A ) P (A k )P (A k ) ( p) k p Példa. a) Jelölje X, hogy háyadik kockadobásra kapuk el ször 6-ost. Ekkor X Geo(/6). b) Jelölje X, hogy háy hallgatót kell végigkérdezi, mire az els Skorpiót megtalálom. Ekkor X Geo(/). Negatív biomiális eloszlás Jelölje X, hogy háyadik függetle kísérletbe következik be r-edszer egy p valószí ség A eseméy. Ekkor X eloszlása egatív biomiális, az eloszlás redje r, paramétere p. Jelölésbe: X N egbi(r, p). X eloszlása: (k, p k ) kr,r+,..., ahol p k ( k r ) p r ( p) k r. 8
9 A p k valószí ség levezetése: legye A i : az i. kísérletbe bekövetkezik az A eseméy. Ekkor {X k} ɛ: ɛir A ɛ Aɛ k k A k, ahol ɛ (ɛ,..., ɛ k ) {, } k, és A i A i, A i A i. Az uió most is diszjukt, a metszet tagjai pedig függetleek, tehát ugyaúgy számolhatuk tovább, mit a biomiális eloszlásál. Mj.: Az r red egatív biomiális eloszlás éppe a geometriai, azaz Negbi(, p) Geo(p). Poisso eloszlás λ λk Ha X eloszlása (k, p k ) k,,..., ahol p k e k!, akkor X Poisso eloszlású. Az eloszlás paramétere a λ > szám. Jelölésbe: X P oisso(λ). Mivel a p k valószí ségeket most em egy modellb l számoltuk ki, meg kell mutati, hogy a p k sorozat valószí ségeloszlás: λ k k! e λ e λ λ k. k! k k e λ A Poisso eloszlás a gyakorlatba felbukkaó, fotos eloszlás. A következ tétel mutatja, hogy agy red biomiális eloszlás jól közelíthet Poisso eloszlással. 6.. Tétel. Tegyük fel, hogy és p λ, azaz p λ. Ekkor ( lim )p k( p ) k λ λk e k k!. Bizoyítás. Itt ( ) ( k + ) k! ( ) k ( λ λ ) k ( λk ( ) ( k + ) k! k ) λ ( ) λ k. ( ( ) ( k + ) k ) ( k ) ha, továbbá ( λ ) e λ és ( λ ) k. Mj.: A tétel feltételei mellett az is igaz, hogy ( )p k( p ) k λk k k k! e λ Példa. A gyakorlatba Poisso eloszlásúak tekithet például a sajtóhibák száma egy oldalas szövegbe, a telitalálatos szelvéyek száma egy adott heti lottóhúzáso, vagy a magyarországi autóbalesetek száma egy apo. 6.. Eloszlásfüggvéy, s r ségfüggvéy 6.4. Deíció. Az X valószí ségi változó eloszlásfüggvéye az F : R [, ] függvéy, ahol F (x) P (X < x) (x R). Az eloszlásfüggvéy segítségével kiszámolhatók a P (X B) valószí ségek. A legegyszer bb eset, ha B (esetleg elfajult) itervallum vagy félegyees. Szükség lesz a következ lemmára. 6.. Lemma. (Folytoossági lemma) Legye B B B 3 eseméyek mooto csökke sorozata, és B i. Ekkor P (B i ) ha i. i 9
10 Bizoyítás. Tekitsük a B eseméy következ diszjukt felbotását: B (B \ B ) (B \ B 3 ). A valószí ség additivitása miatt tehát P (B ) P (B i \ B i+ ) (P (B i ) P (B i+ )) lim i i Ebb l adódik, hogy lim P (B + ). i (P (B i ) P (B i+ )) lim (P (B ) P (B + )) P (B ) lim P (B +). 6.. Feladat. (Folytoossági lemma átfogalmazása) Legye B B és i B i B. Bizoyítsuk be, hogy lim i P (B i ) P (B). Visszatérve a félegyeesek és itervallumok valószí ségére: a) P (X < b) F (b). b) P (a X < b) P (X < b) P (X < a) F (b) F (a). c) P (X a) F (a). d) P (X b) lim x b F (x) F (b + ): legye ugyais x b (azaz x x x 3, x x), és B {b < X < x }. Ezekre teljesül B B B 3 és B i, így a lemma szerit P (B ). Továbbá F (x ) P (X < x ) P (X b) + P (B ), így P (X b) lim F (x ) F (b + ). e) P (X > a) F (a + ). f) P (a < X < b) F (b) F (a + ). g) P (a X b) F (b + ) F (a). h) P (X b) F (b + ) F (b). 6.. Tétel. Legye F egy X valószí ségi változó eloszlásfüggvéye. Ekkor ) F mooto emcsökke, azaz a < b-re F (a) F (b). ) lim F (x) és lim F (x). x x 3) F balról folytoos, azaz ha x x, akkor F (x ) F (x). Bizoyítás. ) a < b-re {X < a} {X < b}, így F (a) F (b). ) Az els höz: Legye x és B {X < x }. A B sorozatra alkalmazható a lemma, tehát F (x ) P (B ). A másodikhoz: Legye x és B {X x }. A B sorozatra alkalmazható a lemma, tehát F (x ) P (B ). 3) Legye B {x X < x}, ezekre alkalmazható a lemma, tehát F (x) F (x ) P (B ). Mj.: Ha egy F függvéyre teljesülek a feti feltételek, akkor létezik hozzájuk X valószí ségi változó, melyek eloszlásfüggvéye éppe F. Milye kapcsolatba áll egymással egy X diszkrét valószí ségi változó eloszlása és eloszlásfüggvéye? Köy láti, hogy az (x i, p i ) eloszlású diszkrét valószí ségi változó eloszlásfüggvéye lépcs s, azaz az x i értékekbe szakadása va, az ugrás agysága éppe p i, és két szomszédos x i érték között az eloszlásfüggvéy kostas. 6.. Feladat. Rajzoljuk fel a következ diszkrét valószí ségi változók eloszlásfüggvéyét! a) X egy dobókockával dobott érték. b) X három érmedobásból a fejek száma. Diszkrét valószí ségi változók esetébe kéyelmesebb az eloszlással dolgozi, mit az eloszlásfüggvéyel. Az F függvéy ikább a folytoos változók esetébe haszos Deíció. a) X folytoos valószí ségi változó, ha az F eloszlásfüggvéy (midehol) folytoos. Ez azzal ekvivales, hogy P (X x) mide x-re. b) X abszolút folytoos valószí ségiváltozó, ha va olya f függvéy, melyre F (x) az f függvéyt az X s r ségfüggvéyéek evezzük. i x f(t) dt. Ekkor
11 A gyakorlatba haszált valószí ségi változók majdem midig vagy diszkrétek, vagy abszolút folytoosak. Abszolút folytoos esetbe F (majdem midehol) diereciálható, és f(x) F (x) Tétel. Legye f egy X valószí ségi változó s r ségfüggvéye. Ekkor ) f(x). ) f(x) dx. Bizoyítás. ) Mivel F mooto öv, így deriváltja emegatív. y ) f(x) dx lim f(x) dx lim F (y). y y Mj.: Ha egy f függvéyre teljesülek a feti tulajdoságok, akkor létezik hozzájuk X valószí ségi változó, melyek s r ségfüggvéye éppe f. A s r ségfüggvéy segítségével is kiszámolhatók a P (X B) valószí ségek. A legegyszer bb eset megit az, amikor B itervallum (vagy félegyees). Most P (a < X < b) P (a X b) F (b) F (a) A helyzet tehát egyszer bb, mivel < és között ics külöbség Nevezetes abszolút folytoos eloszlások Egyeletes eloszlás b a f(x)dx. Az X egyeletes eloszlású az (a, b) itervallumo, ha s r ségfüggvéye: f(x) Elle rzés: f(x) dx X eloszlásfüggvéye: F (x) b a x b a f(t) dt Jelölésbe: X E(a, b). dx. x a f(t) dt x a, ha a x b. b a { b a ha a < x < b, egyébkét. Továbbá P (c < X < d) d c, azaz egy szakasz valószí sége a hosszával aráyos. Ezért az egyeletes b a eloszlás aak felel meg, hogy az (a, b) itervallumból véletleszer e választuk egy potot. Expoeciális eloszlás Az X expoeciális eloszlású λ > paraméterrel, ha s r ségfüggvéye: f(x) Elle rzés: f(x) dx λ X eloszlásfüggvéye: F (x) x Jelölésbe: X Exp(λ). e λx dx. f(t) dt x λe λt dt [ e λt] x eλx +, ha x. { λe λx x x < Tétel. (Expoeiális eloszlás örökifjú tulajdosága) Legye X Exp(λ). Ekkor mide x és z pozitív számra teljesül, hogy Bizoyítás. P (X > x + z X > x) P (X > z). P (X > x + z X > x) P (X > x + z) P (X > x) F (x + z) F (x) e λ(x+z) e λx e λz F (z) P (X > z).
12 Az örökifjú tulajdoság azt jeleti, hogy az id mide pillaatba újrakezd dik, a múlt ics hatással a jöv beli eseméyekre. Megmutatható, hogy a folytoos eloszlások közül csak az expoeciális eloszlás redelkezik ezzel a tulajdosággal. Eek alapjá a következ valószí ségi változók modellezhet k pl. ezpoeciális eloszlással: a) Mikor fut be az els hívás egy telefoközpotba. b) Mikor szakad el el ször a szál a szöv széke. c) Meyit kell vária az autóstopposak, amíg felveszik Feladat. Mutassuk meg, hogy a diszkrét eloszlások közül a geometriai eloszlás örökifjú tulajdoságú. Normális eloszlás Az X stadard ormális eloszlású, ha s r ségfüggvéye: φ(x) π e x (x R). Jelölésbe: X N(, ). Vegyük észre, hogy a feti s r ségfüggvéyt most φ-vel jelöltük. Ezt a speciális jelölést a stadard ormális eloszlás fotossága idokolja. Most em olya köy elle rizi, hogy φ itegrálja, mivel a primitív függvéy em adható meg zárt alakba Tétel. φ(x) s r ségfüggvéy. Bizoyítás. Kell: φ(x) dx. Trükk: az itegrál égyzetét fogjuk kiszámoli: [ φ(x) dx] φ(x) dx φ(y) dy π π e r π e x +y dx dy (a) r dρdr r e r dr [ e r (a) itegráltraszformációval: x r cos ρ ; y r si ρ ; x + y r dx dx dr dρ cos ρ r si ρ cos ρ r cos ρ ( r si ρ si ρ) r. si ρ r cos ρ dy dr dy dρ A stadard ormális eloszlás eloszlásfüggvéye: Φ(x) x ]. φ(t) dt. Ez em adható meg zárt alakba, értékeit pozitív x-ekre táblázatba foglalták, egatív x-ekre pedig a Φ( x) Φ(x) összefüggésb l kapjuk az értékeket Feladat. Mutassuk meg, hogy φ páros függvéy, egyetle lokális maximumhelye a -ba va, iexiós potjai pedig a ±. Vezessük le továbbá a Φ( x) Φ(x) összefüggést. Mj.: Legye X N(, ). Ekkor P ( X < ).7, P ( X < ).95 P ( X < 3).99. Az X ormális eloszlású m R és σ > paraméterekkel, ha s r ségfüggvéye { } exp. πσ f(x) σ φ(x m ) σ (x m) σ Ez azzal ekvivales, hogy X σy + m alakú, ahol Y N(, ). Jelölésbe: X N(m, σ). Mj.: Ha Y N(, ), és X σy +m, ahol σ <, akkor Y N(m, σ), mert ha Y stadard ormális, akkor Y is az.
13 Láttuk tehát, hogy az általáos ormális eloszlást a stadard ormális eloszlásból származtatjuk lieáris traszformációval. Általába is megkérdezhet, hogy ha az abszolút folytoos eloszlású X eloszlásfüggvéye F, s r ségfüggvéye pedig f, akkor az Y ax + b (a ) lieáris traszformáltak hogya számolhatjuk ki G eloszlásfüggvéyét és g s r ségfüggvéyét. A választ a következ számolás adja meg: { P (X < x b G(x) P (Y < x) P (ax + b < x) a ) F ( x b a ) ha a >, P (X > x b a ) F ( x b a ) ha a <. g(x) G (x) ( ) x b a f. a 6.5. Feladat. a) Adjuk meg Y ax + b eloszlását (a ), ha i) X E(c, d), ii) X Exp(λ). b) Legye X N(, ). Adjuk meg Y X eloszlás- és s r ségfüggvéyét! 7. Valószí ségi vektorváltozók Gyakra em csak egy valószí ségi változó érdekel miket, haem szereték több valószí ségi változó együttes viselkedését taulmáyozi. 7.. Deíció. Az X (X,..., X ) : Ω R függvéy valószí ségi vektorváltozó (vvv), ha teljesül rá a következ : a i < b i (i... ) valós számokra { ω Ω X(ω) X [a i, b i ) } A. i Mj.: A feti deíció biztosítja, hogy X i valószí ségi változó mide i-re. 7.. Deíció. Az X vvv eloszlásfüggvéye az F : R [, ] függvéy, melyre F (x) F (x, x,..., x ) P (X < x, X < x,..., X < x ). 7.. Tétel. Legye X vvv, eloszlásfüggvéye F. Ekkor ) F midegyik változójába mooto emcsökke, azaz mide i-re, ha a i < b i, akkor F (a,..., a ) F (a,..., a i, b i, a i+,..., a ). ) teljesül, hogy lim F (x,..., x ), mi x i lim F (x,..., x ). mi x i 3) F midegyik változójába balról folytoos. 4) mide a i < b i (i,..., ) számpárra ( ) i ɛi F (c,..., c ), ahol ɛ (ɛ,..., ɛ ) {, }, és c i ɛ i a i + ( ɛ i )b i. ɛ Bizoyítás. Az )-3) tulajdoságokat ugyaúgy bizoyíthatjuk, mit egy dimezióba. A 4) tulajdoság oa következik, hogy az F (c,..., c ) meyiségek feti összege éppe a P X X i [a i, b i ) valószí ség(ezt a szita formula segítségével lehet bizoyítai), és így emegatív. Nézzük meg speciálisa az esetet! A 4) tulajdoság kiírva: F (b, b ) F (b, a ) F (a, b ) + F (a, a ) (a < b, a < b ). ha x + y Legye F (x, y) x + y ha < x + y < ha x + y Erre teljesül )-3), viszot F (, ) F (, ) F (, ) + F (, ) +, így F em lehet eloszlásfüggvéy. Mj.: Ha F redelkezik az ()-(4) tulajdoságokkal, akkor létezik X vvv, melyek eloszlásfüggvéye éppe F. 3
14 7.. Tétel. (Peremeloszlásfüggvéy) Jelölje az X vvv eloszlásfüggvéyét F, és legye F i az X i koordiáta eloszlásfüggvéye. Ekkor F i (x i ) lim F (x x j,..., x ). j i Bizoyítás. Válasszuk tetsz legese x N j, j i sorozatokat, x i pedig legye x. Legye még {X < x N,..., X i < x N i, X i < x i, X i+ < x N i+,..., X < x N } B N. Köye látszik, hogy a B N eseméyek b vülek, uiójuk pedig a B {X i < x i } eseméy. A folytoossági lemma átfogalmazása szerit tehát F (x N,..., x N i, x i, x N i+,..., x ) P (B N ) P (B) F i (x i ). Mj.: az (X,..., X ) vektor tetsz leges részvektoráak eloszlásfüggvéyét úgy kapjuk a teljes vektor eloszlásfüggvéyéb l, hogy a felesleges változókkal végtelehez tartuk. A vektorváltozókak is két f típusuk va, a diszkrétek és az abszolút folytoosak Deíció. Az X (X,..., X ) vvv diszkrét, ha megszámlálható sok értéket vehet fel. Ekkor X eloszlása megadható az (x i, p i ) i,,... sorozatokkal, ahol x i R a lehetséges értékek, és p i P (X x i ). 7.. Példa. (Poliomiális eloszlás) Tegyük fel, hogy egy kísérletek r lehetséges kimeetele lehet, A,..., A r, és P (A i ) p i. A kísérletet -szer elvégezve (egymástól függetleül), jelölje X i, hogy háyszor következett be az A i eseméy. Ekkor X (X,..., X r ) eloszlása red, p (p,..., p r ) paraméter poliomiális eloszlás. Képlettel kifejezve P (X k,..., X r k r )! k! k r! pk pkr r, ha k i és r i k i, egyébkét pedig. Pl.: egy dobókockával -szor dobuk, legye X (X,..., X 6 ), ahol X i jelöli a dobott i-esek számát. Ekkor X poliomiális eloszlású, redje, paramétere p (/6,..., /6). 7.. Példa. Egy pakli magyar kártyából kivesszük a 4 királyt és a 4 ászt. Ebb l a 8 lapból kihúzuk kett t visszatevés élkül. Legye X a kihúzott pirosak száma, Y a kihúzott ászok száma. Adjuk meg (X, Y ) eloszlását! Ha az eloszlás két dimeziós, és a felvett értékek száma kevés, legegyszer bb táblázattal megadi az eloszlást. Klasszikus valószí ségi mez k va. Összes eset száma: ( 8 ) 8 Az eloszlás táblázata: X/Y X illetve Y eloszlását peremeloszlásak evezzük, mivel a táblázat peremére írhatók, pl.: P (X ) P (X, Y ) + P (X, Y ) + P (X, Y ) Általába, diszkrét vektorváltozó részvektoráak eloszlását (valószí ségeit) úgy kapjuk meg, ha a felesleges változók szerit összegzük: P (X i x i,..., X ik x ik ) P (X x,..., X x ) x i:i / {i,...,i k } 4
15 7.4. Deíció. Az X (X,..., X ) vvv eloszlása abszolút folytoos, ha F el áll itegrál-alakba, azaz va olya -változós f függvéy, melyre x x F (x,..., x ) f(t,..., t ) dt dt. Ekkor f az X (együttes/-dimeziós) s r ségfüggvéye Tétel. ) Ha (X,..., X ) abszolút folytoos, akkor F (x,..., x ) folytoos ) Ott, ahol f folytoos, F -ek az -szeres vegyes parciális deriváltja, és F (x,..., x ) f(x,..., x ) x x 3) f, és f(x,..., x ) dx dx 4) Mide, a gyakorlatba el forduló -dimeziós B halmazra: P ((x,..., x ) B) B f(x,..., x ) dx dx Spec: B X [a, b i ), akkor i b b P ((X,..., X ) X [a i, b i ]) f(x,..., x ) dx dx a i a 5) Az (X i,..., X ik ) részvektor s r ségfüggvéye f i,...,i k (x i,..., x ik ) f(x,..., x ) dx j dx j k ahol {,..., } {i,..., i k } {j,..., j k }, azaz a felesleges változók szerit itegráluk. diszjukt uió { B ha (x,..., x ) B Példa: (X,..., X ) egyeletes eloszlású egy B halmazo, ha f(x,..., x ) ha (x,..., x ) / B ahol B a B halmaz dimeziós térfogata: B dx dx B P ((X,..., X ) A) f(x,..., x ) dx dx A A B B dx A B dx { B ha x, y és x + y Példa: Legye (X, Y ) egyeletes eloszlású a B háromszögö. f(x, y) egyébkét + x X s r ségfüggvéye f X (x) f(x, y) dy dy ( x) ( x ) x x x X eloszlásfüggvéye f X (t) dt ( t) dt x x Y eloszlása ugyaaz, mit X-é (szimmetria miatt) X eloszlásfüggvéye: F X (x) P (X < x)? A {(s, t) s < x} P (X < x) P ((X, Y ) A) A B B ( x) ( x) ( x + x ) x x 8. Függetleség - valószí ségi változókra 8.. Deíció. X,..., X függetle valószí ségi változók, ha P (X < x,..., X < x ) P (X < x ) P (X < x ) x,..., x -re, azaz F (x,..., x ) F (x ) F (x ) Belátható, hogy diszkrét esetbe, azaz ha (X,..., X ) diszkrét, akkor ezzel ekvivales: 5
16 P (X x,..., X x ) P (X x ) P (X x ) x,..., x -re. Példa: 4 ász, 4 király: X és Y em függetle P (X, Y ) P (X ) P (Y ) Keresük olya (X, Y ) párt, amelyek a margiálisai ugyaazok, de X és Y függetle. Y X Kihúzuk két lapot. X: pirosak száma. Visszatesszük, és megit húzuk két lapot. Y : ászok száma Tétel. Ha (X,..., X ) abszolút folytoos, akkor: X,..., X függetleek f(x,..., x ) f (x ) f (x ) Biz.: : F (x,..., x ) F (x ) F (x ) F f(x,..., x ) f (x ) f (x ) x x : F (x,..., x ) x x f (t ) f (t ) dt dt x f (t ) dt x f (t ) dt F (x ) F (x ) Példa: (X, Y ) egyeletes - { ha x, y és x + y f(x, y) { egyébkét ( x) ha x f X (x) { egyébkét ( y) ha y f Y (y) egyébkét Tehát: f(x, y) f X (x) f Y (y) y Keressük olya kétváltozós s r ségfüggvéyt, melyek margiálisai ugyaezek, de a két kooridáta függetle! { Válasz: 4( x)( y) ha x, y h(x, y) egyébkét x 8.. Tétel. ) ha X,..., X függetleek, és g,..., g : R R függvéyek, akkor g (X ),..., g (X ) is függetleek ) ha X,..., X függetleek, és g : R k R függvéy, akkor g(x,..., X k ) ; X k+,..., X is függetleek Biz. élk. 9. Kovolúció 9.. Deíció. X,..., X függetleek, X i eloszlása (eloszlásfüggvéye) F i. Ekkor X + + X H eloszlása az F i eloszlások kovolúciója, jel. H F F. 6
17 9.. Diszkrét eset 9.. Tétel. Tegyük fel, hogy X és Y függetleek és emegatív egész érték ek, továbbá Z X + Y. Ekkor k k P (Z k) P (X j, Y k j) P (X j) P (Y k j) Példa: j X Poisso(λ) Y Poisso(µ) függetleek, és Z X + Y k P (Z k) e λ λj e (λ+µ) k! j j! e µ k ( ) k λ j µ k j j j (λ+µ) k j µ k j (k j)! e (λ+µ) (λ + µ)k k! Z Poisso(λ + µ) Példa: X Biom(, p) Y Biom(m, p) függetleek, és Z X + Y k ( ) ( ) m P (Z k) p j ( p) j p k j ( p) m (k j) j k j j k ( )( ) m p k ( p) (+m) k Z Biom( + m, p) j k j j ( +m k ) Példa: X Geom(p) Y Geom(p) függetleek, és Z X + Y NegBi(, p) Példa: X NegBi(r, p) Y NegBi(s, p) függetleek, és Z X + Y NegBi(r + s, p) 9.. Abszolút folytoos eset 9.. Tétel. Legye Ekkor H(z) X: F(x),f(x) Y: G(x),g(x) g(y)f (z y)dy és h(z) Biz: H(z) P (Z < z) P (X + Y < z) P ((X, Y ) B) f(x)g(y) dx dy z y B f(x)g(y) dx dy g(y)f (z y) dy h(z) H (z) függetleek, és ZX+Y. g(y)f(z y) dy g(y) ( z y g(y)f(z y)dy ) f(x) dx dy (X, Y ) s r ségfüggvéye f(x)g(y) a függetleség miatt z z B 7
18 Példa: N N(m, σ ) N N(m, σ ) függetleek N σ X + m N σ X + m N N + N σ X + σ X +m + m Z v σ X s r ségfüggvéye: f(v) e σ πσ σ X s r ségfüggvéye: g(y) y e σ πσ ahol X, X N(, ) és függetleek Ekkor h(z) g(y)f(z y) dy π(σ + σ ) e (σ + σ ) Z N(, σ + σ ) és N N(m + m, σ + σ ) z Példa: X, Y E(, ) függetleek, és Z X + Y y kell: y z ; y z ; z z y z. Várható érték h(z) f(y)g(z y) dy mi(,z) dy max(,z ) z h(z) dy z ha z dy z ha z X x, x,..., x k lehetséges értékek p, p,..., p k valószí ségek kísérletet végzük a kapott értékek átlaga: i : háyszor kaptuk x i értéket x + x + + k x k k i i x i p x + p x + + p k x k.. Deíció. Az X diszkrét valószí ségi változó várható értéke: E(X) i x i p i, feltéve, hogy a sor abszolút koverges. Példa: Kockadobás várható értéke X : E(X) , 5 8
19 .. Várható érték tulajdoságai ) Ha X korlátos, akkor E(X) létezik Biz: x i K x i p i Kp i K p i K K a sor absz.kov. i i i ) Ha a X b, akkor a E(X) b Biz: E(X) x i p i bp i b i i 3) Ha X kostas, azaz P (X c), akkor E(X) c c 4) Ha E(X) létezik, akkor E(cX) is létezik, és E(cX) c E(X) cx, cx,... Biz: p, p,... E(cX) (cx i )p i c x i p i ce(x) i i 5) Legyeek X,..., X valószí ségi változók és g : R R függvéy. Ekkor E(g(X,..., X )) g(x, x,..., x ) P (X x, X x,..., X x ) (x,...,x ) ha a jobb oldali sor abszolút koverges 6) Ha E(X) és E(Y ) létezik, akkor E(X + Y ) is létezik, és E(X + Y ) E(X) + E(Y ) Biz: E(X) + E(Y ) x i p i + y j q j i j x i P (X x i, Y y j ) + y j P (X x i, Y y j ) i j j i (x i + y j )P (X x i, Y y j ) 5) E(X + Y ) ; (g(x, y) x + y) i,j Példa: E(aX + b) 6) E(aX) + E(b) 3) E(aX) + b 4) ae(x) + b Példa: tfh X Y E(X) E(Y ) X Y ) E(X Y ) E(X + ( )Y ) E(X) + E(( )Y ) E(X) + ( )E(Y ) E(X) E(Y ) 7) Ha X és Y függetleek E(X Y ) E(X) E(Y ) Biz: E(X)E(Y ) fgl x i p i y j q j x i y j P (X x i, Y y j ) E(XY ) i,j i,j Megj.: fordítva em igaz, azaz E(XY ) E(X)E(Y ) X és Y függetleek.. Deíció. Legye X diszkrét valószí ségi változó, A eseméy, melyre P (A) >. X feltételes várható értéke A-ra ézve: E(X A) x i P (X x i A), i ha a sor abszolút koverges... Tétel. A teljes várható érték tétele. Legye X diszkrét valószí ségi változó, A k pedig teljes eseméyredszer. Ekkor E(X) E(X A k )P (A k ). k 9
20 .. Nevezetes diszkrét eloszlások várható értéke ) X Bi(, p) x i i ; i,..., ; p i ( ) i p i ( p) i ( ) E(X) i p i ( p) i! i i i!( i)! pi ( p) i i i ( ) p i i i :j ( ) ( p) p p j ( p) ( ) j p i j i j { ha az i. kísérletre bekövetkezett az eseméy másik módszer: X X + + X ; X i egyébkét X i Id(p) E(X i ) p E(X + + X ) E(X ) + E(X ) p + + p p ) X Hipgeo(N, M, ) Hipergeometriai eloszlás X : x i,..., ) ( M )( N M i i p i ( N ) { ha az i. kísérletre bekövetkezett az eseméy X X + + X ; X i egyébkét X i Id( M N ) P (i. jó) M (N ) ( )! ( N ) M! N E(X + + X ) E(X ) + E(X ) M N + + M N M N 3) X Poisso(λ) X : x i,,... E(X) p i e λ λi i! i e λ λi i! λ e λ λi (i )! i 4) X Geo(p) X : x i,,... p i ( p) i p tfh.: i X lehetséges értékei,,... p, p,... E(X) p + p + 3 p 3 + p P (X > ) p p P (X > ) p 3 p 3 p 3 P (X > ) i :j λ e λ P (X > i) i e λ {}}{ j λ j j! λ P (X > i) ( p) i E(X) ( p) i ( p) p i Másik módszer: teljes várható érték tételével. A { az els kísérletre bekövetkezett az eseméy }. E(X) E(X A)P (A) + E(X A)P (A) p + ( + E(X))( p) ebb l E(X) /p.
21 5) X NegBi(r, p) X : x i r, r +,... p i ( ) i r p r ( p) i r X X + X + + X r X j j. bekövetkezés utá háyadjára következett be j.-szer X j Geo(p) E(X) r p r p 6) Névjegykártya { ha az i. hallgató a sajátját kapta X X + + X ; X i egyébkét ( )! P (X i )! E(X i ) E(X).3. Abszolút folytoos eset X s r ségfüggvéye f(x).3. Deíció. X várható értéke E(X) a diszkrét esettel: x lehetséges érték f(x) "valószí ség" x f(x), ha ez az itegrál abszolút koverges. Aalógia Köy láti, hogy a tulajdoságok közül igaz marad ),),4),5'),6),7), ahol 5') (X,..., X ) absz. folyt., f(x,..., x ) s r ségfüggvéy, g : R R függvéy. Ekkor E(g(X,..., X )) g(x,..., x )f(x,..., x )dx dx.4. Nevezetes abszolút folytoos eloszlások várható értéke ) X E(a, b) E(X) b a x b a dx b a [ x ] b a ( ) b b a a a + b a a+b b ) X Exp(λ) { λe λx ha x > f(x) ha x E(X) x λe λx dx [ x ( e λx ) ] + : u x ; v e λx v e λx 3) X N(m, σ) Y N(, ) E(Y ) x e x dx π páratla függvéy X σy + m E(X) σ E(Y ) + m σ + m m e λx dx ] [ e λx λ λ
22 . Szórás, szóráségyzet.. [ Deíció. E (X E(X)) ] D (X) az X szóráségyzete D(X) D (X) az X szórása Megj.: D (X) véges E(X ) véges.. Szóráségyzet tulajdoságai ) D (X) E(X ) E(X) Biz.: D (X) E [ (X E(X)) ] E [ X XE(X) + E(X) ] E(X ) E(X E(X)) + E(E(X) ) E(X ) E(X) E(X) ) D (X) P (X c) (azaz kostasfüggvéy) Biz.: : X E(X) c c valószí séggel (X E(X)) valószí séggel E [ (X E(X)) ] : E[(X E(X)) ] (X E(X)) valószí séggel X E(X) valószí séggel X E(X) c 3) D (X + b) D (X) Biz.: (X + b) E(X + b) (X + b) (E(X) + b) X E(X) 4) D (ax) a D (X) D(aX) a D(X) Biz.: E [ (ax E(aX)) ] E [ a (X E(X)) ] a D (X) 5) D (X + Y ) D (X) + D (Y ) + cov(x, Y ) ahol cov(x, Y ) E [(X E(X))(Y E(Y ))] az X és az Y kovariaciája elevezés: X és Y korrelálatlaok, ha cov(x, Y ) spec.: X, Y függetleek, akkor korrelálatlaok is, mivel cov(x, Y ) E [XY E(X)Y E(Y )X + E(X)E(Y )] E(XY ) E(X)E(Y ) Biz.: D (X + Y ) E[((X + Y ) E(X + Y )) ] (X E(X))+(Y E(Y )) E[(X E(X)) + (Y E(Y )) + (X E(X))(Y E(Y ))] 5') D (X + + X ) D (X i ) + i i<j cov(x i, X j )
23 .. Nevezetes eloszlások szóráségyzete ) X Idikátor(p) E(X) p ; E(X ) p mert X X ( ; ) D (X) p p p( p) ) X Biom(, p) X X + + X X i Idikátor(p) és függetleek D (X) D (X ) + + D (X ) p( p) 3) X HipGeom(N, M, ) X X + + X X i Idikátor ( ) M N D (X) D (X i ) + cov(x i, X j ) i M N ( M N i<j ) + ( ) ( M N M N ahol cov(x i, X{ j ) E(X i X j ) E(X i )E(X j ) ha Xi és X X i X j j egyébkét M (M ) E(X i X j ) P (X i X j ) N (N ) cov(x i, X j ) M N M N M N M N 4) X Geom(p) ( ) ) M N E(X) p E(X ) k ( p) k p k q k k q k q q k k k ((k + ) k )q k kq k + q k q p k k k k k+ D (X) q + p p p q + p p q q p p p M ( M N N ) N N kq k p + q q p + p q + p p 3
24 5) X NegBi(r, p) X X + + X r X i Geom(p) és függetleek D (X) r i D (X i ) r p p 6) X Poisso(λ) k k(k ) + k E(X ) k e λ λk k! λ λk k(k )e D (X) k k e λ k λ k (k )! + λ k :j e λ λ E(X ) E(X) λ k! + j λ j j! e λ λ λk k e k! k E(X)λ +λ λ + λ 7) X Egyeletes(a, b) b [ E(X ) x a b a dx x 3 ] b b3 a 3 3(b a) a 3(b a) b + ab + a 3 D (X) b + ab + a ( ) a + b 4b + 4ab + 4a 3a 6ab 3b 3 8) X N(m, σ) X σy + m ahol Y N(, ) (b a) D (Y ) E(Y ) x e x π x e x dx π + } {{ } x π xe x dx e x π ez stadard ormális s r ségfüggvéy ahol u x ; v xe x v e x π π D (X) σ D (Y ) σ 9) X Exp(λ) E(X ) x λe λx dx [ x ( e λx)] + ahol u x ; v λe λx v e λx D (X) λ λ λ xe λx dx xλe λx dx λ λ E(X) λ Exp(λ) 4
25 . Korreláció, kovariacia ) cov(x, Y ) E[(X E(X))(Y E(Y ))] ) cov(x, Y ) cov(y, X) 3) cov(x, b) 4) cov(x, X) D (X) 5) cov(x, Y + Z) cov(x, Y ) + cov(x, Z) 6) cov(ax, Y ) a cov(x, Y ).. Deíció. X és Y korrelációs együtthatója: R(X, Y ) cov(x, Y ) D(X)D(Y ) Ha D(X) vagy D(Y ) akkor R(X, Y ).. Tétel. R(X, Y ) Biz.: E[(U λv ) ] E(U ) λe(uv ) + λ E(V ) λ R ( E(UV )) 4E(V )E(U ) E(UV ) E(U )E(V ) E(UV ) E(U )E(V ) cov(x, Y ) D (X) D (Y ) D(X)D(Y ) másodfokú egyelet λ-ba ics mo.: diszkrimiás (b 4ac).. Deíció. X stadardizáltja: X X E(X). Erre E(X ) ; D(X ). D(X) R(X, Y ) E(X Y ) köv.: R(aX + b, cy + d) ±R(X, Y ) Megj.: R(X, Y ) abszolút értéke a függ ség er sségét mutatja el jele pedig a függ ség iráyát mutatja.. Tétel. R(X, Y ) Y ax + b valószí séggel (a ; b R) és R + ha a > és R ha a < 5
26 D (X) cov(x, ax + b) Biz.: : R(X, Y ) R(X, ax + b) D(X)D(aX + b) a cov(x, X) + a D(X) a D(X) a ± : tfh. R(X, Y ) (D (X ) E(X ) E(X ) ) E[(X Y ) ] E(X ) + E(Y ) E(X Y ) (X Y ) valószí séggel Példa: X E(X) D(X) X Y Y E(Y ) D(Y ) valószí séggel Y D(Y ) D(X) a ha R(X, Y ) akkor E[(X + Y ) ] X + E(Y ) D(Y ) D(X) E(X) b kockadobás X: 6-osok száma Y : páratlaok száma cov(x, Y )? D(X) X Biom(, 6 ) D(Y ) Y Biom(, ) { ha az i. dobás 6-os X X i X i egyébkét i { ha a j. dobás páratla Y Y j Y j egyébkét (páros) j cov(x, Y ) cov X i, Y j cov(x i, Y j ) 6 { cov(x i, Y j ) i j i j ha i j, mert X i és Y j ilyekor függetleek cov(x i, Y i ) ha i j E(X i )E(Y i ) 6 cov(x i, Y i ) E(X i, Y i ) R(X, Y ) Példa: X, Y függetleek, azoos eloszlásúak D (X) D (Y ) R(X, X + Y ) cov(x, X + Y ) D(X)D(X + Y ) 3. A Nagy Számok Törvéyei 3.. Tétel. Markov egyel tleség: Legye X valószí ségi változó ; {}}{ cov(x, X) + cov(x, Y ) D(X) D (X) + D (Y ) E(X) létezik. Ekkor P (X K) E(X) K. { K ha X K Biz.: X egyébkét X X ; E( X) E(X) E(X) E( X) K P ( X K) + P ( X ) K P (X K) 3.. Tétel. Csebisev-egyel tleség: Legye X tetsz. valószí ségi változó ; D (X) D(X) D(X) E(X), D(X) létezik. Ekkor P ( X E(X) K) D (X) K. 6
27 Biz.: Példa: P ( (X E(X)) K ) Markov E[ (X E(X)) ] K pézérme; jelöljük dobásból a fejek számát: S P (S, 6)-t szereték becsüli. a) Markov:P (S, 6) E(S ), 6, 5, 83., 6 D (X) b) Csebisev:P (S, 6) P (S, 5, ) P ( S, 5, ) (, ) 8 itt -es szorzó: szimmetria, dobásból 5-at vagy 48-at u.a. valószí séggel dobhatok c) Még jobb: P (S, 6) P ( (, 5) S (, 5),6 ) E(, ( ) 5 4) 5S, 5,6 (, 5,6, 98 ) ahol E(, 5 S ) E(, 5 X+ +X ) E(, 5 X, 5 X ) fgtl { ha az i. fej X i egyébkét E(, 5 Xi ), 5 : P (S 6) Markov:, 83 Cseb.: ös:, 68 9 Példa: +, 5 5 4, 5 Legye X Exp() eloszlású valószí ségi változó. Tekitsük a P (X K) valószí séget, illetve becsléseit: K 4 5 K E(, 5 X ) E(, 5 X ) Markov 5, 5 Csebisev,, 4, 4 4 Igazság, 4 4, 5 5, 9 3, 7 44 ( ) Deíció. Az X valószí ségi változók sorozata tart X-hez sztochasztikusa, ha ε > : P ( X X > ε) Tétel. Nagy számok Beroulli-féle törvéye: Legye egy p valószí ség A eseméy gyakorisága függetle kísérletb l S. Ekkor S p sztochasztikusa ( ). Biz.: S Biom(, p) P ( S p > ε) P ( S p > ε) Cseb p( p) p( p) ε ε 3.4. Tétel. Nagy számok gyege törvéye: Legyeek X i -k függetle, azoos eloszlású valószí ségi változók, továbbá legye E(X i ) m ; D(X i ) σ (tehát létezek). Ekkor S X + + X S Biz.: P ( S m > ε) Cseb σ m sztochasztikusa ( ) ε σ ε cost E( S ) E(X + X ) (E(X ) + + E(X )) m } {{ } cost D ( S ) D (X + + X ) fgtl (D (X ) + + D (X )) σ σ 7
28 3.5. Tétel. Nagy számok gyege törvéye, általáosabb alak: Legye X, X,... párokét korrelálatla valószí ségi változók, E(X i ) m i, D (X i ) σi, és jelölje ϑ i σ i. Ha i m i m, és ϑ /, akkor S / m sztochasztikusa. Biz.: Vegyük észre, hogy E(S /) i m i, és D (S /) ϑ /. Mide ɛ > -hoz va olya N, hogy N eseté m i m < ɛ/. Ezért, ha N, akkor i P ( S / m > ɛ) P ( S / E(S /) > ɛ/) ϑ / (ɛ/) Tétel. Nagy számok gyege törvéye, Berstei-féle alak: Legyeek X, X,... valószí ségi változók, és haszáljuk az el z tétel jelöléseit. Legye még R(X i, X j ) R ij. Tegyük fel, hogy i m i m, és ϑ K valamilye K kostasra. Tegyük még fel, hogy R ij B( i j ), ahol B : N R olya függvéy, melyre B(), és k B(k). Ekkor S / m sztochasztikusa. Biz.: Az el z tétel bizoyítása m ködik most is, csak azt kell beláti, hogy D (S /). D (S /) Ebb l i,j cov(x i, X j ) i,j ϑ + i<j σ i σ j R ij Felhaszálva a Cauchy-Schwarz egyel tleséget, kapjuk, hogy k ( i k σ i σ i+k ) ( σ i σ j B( i j ) (ϑ + i σ i )( ik+ σ i ) ϑ 4. ) D (S /) (ϑ + ϑ B(k) K + K Példa: Legye X Id(/), és X + k { X 3/4 valószí séggel X /4 valószí séggel. k B(k). k k B(k) i σ i σ i+k ) Ezek em korrelálatlaok, de kiszámítható, hogy E(X i ) /, D (X i ) /4, és R(X i, X i+k ) / k, azaz teljesülek az el z tétel feltételei. 3.. Deíció. Legyeek X, X, X,... valószí ségi változók. Azt modjuk, hogy X tart X-hez valószí séggel (vagy majdem mideütt), ha P ({ω : X (ω) X(ω)}) Tétel. Ha X tart X-hez valószí séggel, akkor sztochasztikusa is. Biz.: Legye ɛ, δ > rögzített. Be kell láti, hogy elég agy -re P ( X X < ɛ) δ. Legye A {ω : X (ω) X(ω)}, és A {ω : X m (ω) X(ω) < ɛ m }. Ezek b vül halmazsorozatot alkotak. Továbbá, ha ω A, akkor va olya, hogy ω A. Ezért A A, azaz P (A) P ( A ) lim N). N. 8
29 Tehát va olya N, hogy m N-re P (A m ) δ, és ezekre az m-ekre P ( X m X < ɛ) P (A m ) δ. Mj. Visszafelé em igaz az állítás. Legye pl. Ω [, ] az eseméytér, P (A) A hossza, és X +k(x), ha k/ < x < (k + )/, egyébkét pedig. Ez a sorozat sztochasztikusa -hoz tart, de P (X ) Tétel. Nagy számok er s törvéye. Legye X, X,... függetle, azoos eloszlású valószí ségi változók, melyekre E(X) m létezik. Ekkor S / m valószí séggel. 4. Cetrális határeloszlástétel X 4.. Deíció. Legye X eloszlásfüggvéye F (x) valószí ségi változók sorozata, X eloszlásfüggvéye F (x). Ekkor azt modjuk hogy X tart X-hez eloszlásba (vagy gyegé), ha F (x) F (x) x-re, ahol F (x) folytoos. 4.. Tétel. Ha X tart X-hez sztochasztikusa, akkor eloszlásba is. Biz.: Legye F folytoos az x potba, és ɛ > adott. Ekkor va olya δ, hogy F (y) F (x) < ɛ, ha y x δ. F (x) P (X < x) P (X < x, X X > δ) + P (X < x, X δ X X + δ). Itt az els tag ullához tart, a másodikra pedig és P (X < x, X δ X X + δ) P (X < x + δ, X δ X X + δ), P (X < x, X δ X X + δ) P (X < x δ, X δ X X + δ). Ha, akkor a fels becslés F (x + δ)-hoz, az alsó F (x δ)-hoz tart. Mj. Az állítás fordítva em igaz, hisze az eloszlásbeli kovergecia csak a valószí ségi változók eloszlásáak közelségér l szól. Ha pl. va két kockák, az egyiket végtele sokszor (X i ), a másikat csak egyszer (Y ) dobjuk fel, akkor X eloszlásba megegyezik Y -al, de sztochasztikusa em tart hozzá. Példa: Biomiális eloszlás tart a Poissohoz eloszlásba. Legye X Bi(, p), ahol p λ, és X Poisso(λ). X eloszlásfüggvéye lépcs s, tehát a természetes számokba em folytoos. Ha j < x < j +, akkor j j F (x) P (X k) P (X k) F (x). k Példa: Legyeek Y i E(, ) függetleek, és X mi(y,..., Y ). Ekkor X eloszlásba az paraméter expoeciális eloszláshoz tart. 4.. Tétel. Cetrális határeloszlástétel: Legyeek X i -k függetleek, azoos eloszlásúak, E(X i ) m, D(X i ) σ > létezek, S X + X. Ekkor S m σ N(, ) eloszlásba. ( ) k Példa: dobás egy érmével. Meyi lesz a fejek száma az esetek 75%-ba? S X + + X ; X i Idikátor(p) ; E(X i ) p ; D (X i ) p( p) ; m ; σ { ha az i. fej X i egyébkét S, 5 N(, ), 5 ( S 5.75 P ( S 5 K) P K ) Φ(K/5) Φ( K/5) Φ(K/5). 5 5 Tehát Φ(K/5).875, amib l K/5.5, azaz K
30 4.3. Tétel. Ljapuov tétele. Legyeek X, X,... függetle valószí ségi változók, haszáljuk a korábbi jelöléseket. Legye még E( X i m i 3 ) Hi 3 véges, és K 3 i H3 i. Ha K /ϑ, akkor eloszlásba. S i m i ϑ N(, ) Mj.: A feltételek biztosa teljesülek, ha X i m i C és ϑ. 3
18. Valószín ségszámítás. (Valószín ségeloszlások, függetlenség. Valószín ségi változók várható
8. Valószí ségszámítás. (Valószí ségeloszlások, függetleség. Valószí ségi változók várható értéke, magasabb mometumok. Kovergeciafajták, kapcsolataik. Borel-Catelli lemmák. Nagy számok gyege törvéyei.
RészletesebbenValószín ségszámítás 1. Csiszár Vill
Valószí ségszámítás 1. Csiszár Vill Tartalomjegyzék 1. Valószí ségi mez 1 1.1. Klasszikus valószí ségi mez................................ 2 1.2. Geometriai valószí ségi mez................................
RészletesebbenI. Függelék. A valószínűségszámítás alapjai. I.1. Alapfogalamak: A valószínűség fogalma: I.2. Valószínűségi változó.
I. Függelék A valószíűségszámítás alapjai I.1. Alapfogalamak: Véletle jeleség: létrejöttét befolyásoló összes téyezőt em ismerjük. Tömegjeleség: a jeleség adott feltételek mellett akárháyszor megismételhető.
Részletesebben24. tétel A valószínűségszámítás elemei. A valószínűség kiszámításának kombinatorikus modellje.
24. tétel valószíűségszámítás elemei. valószíűség kiszámításáak kombiatorikus modellje. GYORISÁG ÉS VLÓSZÍŰSÉG meyibe az egyes adatok a sokaságo belüli részaráyát adjuk meg (törtbe vagy százalékba), akkor
RészletesebbenStatisztika 1. zárthelyi dolgozat március 21.
Statisztika 1 zárthelyi dolgozat 011 március 1 1 Legye X = X 1,, X 00 függetle mita b paraméterű Poisso-eloszlásból b > 0 Legye T 1 X = X 1+X ++X 100, T 100 X = X 1+X ++X 00 00 a Milye a számra igaz, hogy
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
RészletesebbenELTE TTK Budapest, január
Valószíűségszámítás Arató Miklós előadásai alapjá Készítették: Martiek László Tassy Gergely ELTE TTK Budapest, 008. jauár Typeset by L A TEX . el adás 007. IX.. szerda Klasszikus (kombiatorikus valószí
RészletesebbenSorozatok, határérték fogalma. Függvények határértéke, folytonossága
Sorozatok, határérték fogalma. Függvéyek határértéke, folytoossága 1) Végtele valós számsorozatok Fogalma, megadása Defiíció: A természetes számok halmazá értelmezett a: N R egyváltozós valós függvéyt
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
Részletesebben1. elıadás: Bevezetés. Számonkérés. Irodalom. Valószínőségszámítás helye a tudományok között. Cél
1 Valószíőségszámítás 1 elıadás alk.mat és elemzı szakosokak 2013/2014 1. félév Zempléi Adrás zemplei@ludes.elte.hu http://www.cs.elte.hu/~zemplei/ 1. elıadás: Bevezetés Irodalom, követelméyek A félév
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
Részletesebbenvéletlen : statisztikai törvényeknek engedelmeskedik (Mi az ami közös a népszavazásban, a betegségek gyógyulásában és a fiz. kém. laborban?
BEVEZETÉS A statisztika teljese laikusokak: agy mukával gyűjtött adatok vizsgálata, abból következtetések levoása ( statistical iferece ) (Egy kicsit sok hűhó semmiért azaz Much ado about othig.) Mi is
RészletesebbenA peremeloszlások. Valószínőségszámítás elıadás III. alk. matematikus szak. Példa. Valószínőségi vektorváltozók eloszlásfüggvénye.
y Valószíőségszámítás elıaás III. alk. matematkus szak 4. elıaás, szeptember 30 A peremeloszlások (X,Y) eloszlásából (elevezés: együttes eloszlás) következtethetük az egyes változók eloszlására: P(X)P(X,Y0)+P(X,Y)+P(X,Y2)
RészletesebbenMatematika B4 I. gyakorlat
Matematika B4 I. gyakorlat 2006. február 16. 1. Egy-dimeziós adatredszerek Va valamilye adatredszer (számsorozat), amelyről szereték kiszámoli bizoyos dolgokat. Az egyes értékeket jelöljük z i -vel, a
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
RészletesebbenPályázat címe: Pályázati azonosító: Kedvezményezett: Szegedi Tudományegyetem Cím: 6720 Szeged, Dugonics tér 13. www.u-szeged.hu www.palyazat.gov.
Pályázat címe: Új geerációs sorttudomáyi kézés és tartalomfejlesztés, hazai és emzetközi hálózatfejlesztés és társadalmasítás a Szegedi Tudomáyegyeteme Pályázati azoosító: TÁMOP-4...E-5//KONV-05-000 Sortstatisztika
RészletesebbenÁringadozások elıadás Kvantitatív pénzügyek szakirány 2012/13 2. félév
Árigadozások elıadás Kvatitatív pézügyek szakiráy 01/13. félév Heti óra elıadás + óra gyakorlat Elıadás: fıleg modellek, elemzési módszerek Gyakorlat: R programmal, alkalmazások Számokérés 50%: beadadó
Részletesebbenf (M (ξ)) M (f (ξ)) Bizonyítás: Megjegyezzük, hogy konvex függvényekre mindig létezik a ± ben
Propositio 1 (Jese-egyelőtleség Ha f : kovex, akkor tetszőleges ξ változóra f (M (ξ M (f (ξ feltéve, hogy az egyelőtleségbe szereplő véges vagy végtele várható értékek létezek Bizoyítás: Megjegyezzük,
Részletesebben2. Hatványsorok. A végtelen soroknál tanultuk, hogy az. végtelen sort adja: 1 + x + x x n +...
. Függvéysorok. Bevezetés és defiíciók A végtele sorokál taultuk, hogy az + x + x + + x +... végtele összeg x < eseté koverges. A feti végtele összegre úgy is godolhatuk, hogy végtele sok függvéyt aduk
Részletesebben3. SOROZATOK. ( n N) a n+1 < a n. Egy sorozatot (szigorúan) monotonnak mondunk, ha (szigorúan) monoton növekvő vagy csökkenő.
3. SOROZATOK 3. Sorozatok korlátossága, mootoitása, kovergeciája Defiíció. Egy f : N R függvéyt valós szám)sorozatak evezük. Ha A egy adott halmaz és f : N A, akkor f-et A-beli értékű) sorozatak evezzük.
RészletesebbenSorozatok október 15. Határozza meg a következ sorozatok határértékeit!
Sorozatok 20. október 5. Határozza meg a következ sorozatok határértékeit!. Zh feladat:vizsgálja meg mootoitás és korlátosság szerit az alábbi sorozatot! a + ha ; 2; 5 Mootoitás eldötéséhez vizsgáljuk
RészletesebbenTartalomjegyzék. Pemutáció 5 Ismétléses permutáció 8 Variáció 9 Ismétléses variáció 11 Kombináció 12 Ismétléses kombináció 13
Tartalomjegyzék I Kombiatorika Pemutáció Ismétléses permutáció 8 Variáció 9 Ismétléses variáció Kombiáció Ismétléses kombiáció II Valószíségszámítás M/veletek eseméyek között 6 A valószí/ség fogalma 8
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
Részletesebben(A TÁMOP /2/A/KMR számú projekt keretében írt egyetemi jegyzetrészlet):
A umerikus sorozatok fogalma, határértéke (A TÁMOP-4-8//A/KMR-9-8 számú projekt keretébe írt egyetemi jegyzetrészlet): Koverges és diverges sorozatok Defiíció: A természetes számoko értelmezett N R sorozatokak
RészletesebbenBIOMATEMATIKA ELŐADÁS
BIOMATEMATIKA ELŐADÁS 10. A statisztika alapjai Debrecei Egyetem, 2015 Dr. Bérczes Attila, Bertók Csaád A diasor tartalma 1 Bevezetés 2 Statisztikai függvéyek Defiíció, empirikus várható érték Empirikus
RészletesebbenKomputer statisztika
Eszterházy Károly Főiskola Matematikai és Iformatikai Itézet Tómács Tibor Komputer statisztika Eger, 010. október 6. Tartalomjegyzék Előszó 4 Jelölések 5 1. Valószíűségszámítás 7 1.1. Valószíűségi mező............................
RészletesebbenA matematikai statisztika elemei
A matematikai statisztika elemei Mikó Teréz, dr. Szalkai Istvá szalkai@almos.ui-pao.hu Pao Egyetem, Veszprém 2014. március 23. 2 Tartalomjegyzék Tartalomjegyzék 3 Bevezetés................................
RészletesebbenKalkulus II., második házi feladat
Uger Tamás Istvá FTDYJ Név: Uger Tamás Istvá Neptu: FTDYJ Web: http://maxwellszehu/~ugert Kalkulus II, második házi feladat pot) Koverges? Abszolút koverges? ) l A feladat teljese yilvávalóa arra kívácsi,
RészletesebbenValószín ségszámítás. Survey statisztika mesterszak és földtudomány alapszak Backhausz Ágnes 2018/2019.
Valószín ségszámítás Survey statisztika mesterszak és földtudomány alapszak Backhausz Ágnes agnes@cs.elte.hu 2018/2019. szi félév A valószín ségszámítás kurzus céljai a statisztika megalapozása: a véletlen
RészletesebbenStatisztika (jegyzet)
Statisztika (jegyzet) Csiszár Vill 009. május 6.. Statisztikai mez A statisztika egyik ága a leíró statisztika. Ekkor a meggyelt adatokat áttekithet formába ábrázoljuk, pl. hisztogrammal (oszlopdiagrammal),
Részletesebbenmin{k R K fels korlátja H-nak} a A : a ξ : ξ fels korlát A legkisebb fels korlát is:
. A szupréum elv. = H R felülr l körlátos H fels korlátai között va legkisebb, azaz A és B a A és K B : a K Ekkor ξ-re: mi{k R K fels korlátja H-ak} } a A : a ξ : ξ fels korlát A legkisebb fels korlát
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
RészletesebbenInnen. 2. Az. s n = 1 + q + q 2 + + q n 1 = 1 qn. és q n 0 akkor és csak akkor, ha q < 1. a a n végtelen sor konvergenciáján nem változtat az, ha
. Végtele sorok. Bevezetés és defiíciók Bevezetéskét próbáljuk meg az 4... végtele összegek értelmet adi. Mivel végtele sokszor em tuduk összeadi, emiatt csak az első tagot adjuk össze: legye s = 4 8 =,
RészletesebbenNevezetes sorozat-határértékek
Nevezetes sorozat-határértékek. Mide pozitív racioális r szám eseté! / r 0 és! r +. Bizoyítás. Jelöljük p-vel, illetve q-val egy-egy olya pozitív egészt, melyekre p/q r, továbbá legye ε tetszőleges pozitív
RészletesebbenValószín ségszámítás és statisztika gyakorlat Programtervez informatikus szak, esti képzés
Valószí ségszámítás és statisztika gyakorlat Programtervez iformatikus szak, esti képzés.) Egy érmével dobuk. Ha az eredméy fej, akkor még egyszer dobuk, ha írás, akkor még kétszer. a.) Mik leszek a kísérletet
RészletesebbenFELADATOK A KALKULUS C. TÁRGYHOZ
FELADATOK A KALKULUS C. TÁRGYHOZ. HALMAZOK RELÁCIÓK FÜGGVÉNYEK. Bizoyítsuk be a halmaz-műveletek alapazoosságait! 2. Legye adott az X halmaz legye A B C X. Ha A B := (A B) (B A) akkor bizoyítsuk be hogy
RészletesebbenValószín ségszámítás 2 gyakorlat Alkalmazott matematikus szakirány
Valószí ségszámítás gyakorlat Alkalmazott matematikus szakiráy Játékszabályok Az óráko részt kell vei, maximum 3-szor lehet hiáyozi. Aki többször hiáyzik, em ka gyakjegyet. 00 + x otot lehet szerezi a
Részletesebben2. fejezet. Számsorozatok, számsorok
. fejezet Számsorozatok, számsorok .. Számsorozatok és számsorok... Számsorozat megadása, határértéke Írjuk fel képlettel az alábbi sorozatok -dik elemét! mooto, korlátos, illetve koverges-e! Vizsgáljuk
RészletesebbenFeladatok megoldása. Diszkrét matematika I. Beadandó feladatok. Bujtás Ferenc (CZU7KZ) December 14, feladat: (A B A A \ C = B)
Diszkrét matematika I. Beadadó feladatok Bujtás Ferec (CZU7KZ) December 14 014 Feladatok megoldása 1..1-6. feladat: (A B A A \ C = B) A B A = A \ C = B igazolása: A B A = B \A = Ø = B = A B (Mivel a B-ek
RészletesebbenBackhausz Ágnes 1. Bevezetés A valószínűség elemi tulajdonságai... 5
Valószínűségszámítás Földtudomány BSc szak, 2016/2017. őszi félév Backhausz Ágnes agnes@cs.elte.hu Tartalomjegyzék 1. Bevezetés 2 2. A Kolmogorov-féle valószínűségi mező 3 2.1. Klasszikus valószínűségi
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
Részletesebben1. A radioaktivitás statisztikus jellege
A radioaktivitás időfüggése 1. A radioaktivitás statisztikus jellege Va N darab azoos radioaktív atomuk, melyekek az atommagja spotá átalakulásra képes. tegyük fel, hogy ezek em bomlaak tovább. Ekkor a
RészletesebbenAndai Attila: november 13.
Adai Attila: Aalízis éháy fejezete bizoyításokkal Óravázlat 006. ovember 13. Ebbe az óravázlatba az órá elhagzott defiíciókat és a bizoyított tételeket gyűjtöttem össze. i Elemi sorok és függvéyek 1 1.
Részletesebben1 k < n(1 + log n) C 1n log n, d n. (1 1 r k + 1 ) = 1. = 0 és lim. lim n. f(n) < C 3
Dr. Tóth László, Fejezetek az elemi számelméletből és az algebrából (PTE TTK, 200) Számelméleti függvéyek Számelméleti függvéyek értékeire voatkozó becslések A τ() = d, σ() = d d és φ() (Euler-függvéy)
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.
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
RészletesebbenKevei Péter. 2013. november 22.
Valószíűségelmélet feladatok Kevei Péter 2013. ovember 22. 1 Tartalomjegyzék 1. Mérhetőség 4 2. 0 1 törvéyek 12 3. Vektorváltozók 18 4. Véletle változók traszformáltjai 28 5. Várható érték 33 6. Karakterisztikus
Részletesebben(d) x 6 3x 2 2 = 0, (e) x + x 2 = 1 x, (f) 2x x 1 = 8, 2(x 1) a 1
. Bevezető. Oldja meg az alábbi egyeleteket: (a cos x + si x + cos x si x = (b π si x = x π 4 x 3π 4 cos x (c cos x + si x = si x (d x 6 3x = 0 (e x + x = x (f x + 5 + x = 8 (g x + + x + + x + x + =..
RészletesebbenVII. A határozatlan esetek kiküszöbölése
A határozatla esetek kiküszöbölése 9 VII A határozatla esetek kiküszöbölése 7 A l Hospital szabály A véges övekedések tétele alapjá egy függvéy értékét egy potba közelíthetjük az köryezetébe felvett valamely
RészletesebbenI. rész. Valós számok
I. rész Valós számok Feladatok 3 4 Teljes idukció Igazolja a teljes idukcióval a következ állítások helyességét!.. k 2 = k= ( + )(2 + ). 6.2. 4 + 2 7 + + (3 + ) = ( + ) 2..3. a) b) ( + ) = +. k ( ) =
RészletesebbenSzámsorozatok. 1. Alapfeladatok december 22. sorozat határértékét, ha. 1. Feladat: Határozzuk meg az a n = 3n2 + 7n 5n létezik.
Számsorozatok 2015. december 22. 1. Alapfeladatok 1. Feladat: Határozzuk meg az a 2 + 7 5 2 + 4 létezik. sorozat határértékét, ha Megoldás: Mivel egy tört határértéke a kérdés, ezért vizsgáljuk meg el
RészletesebbenANALÍZIS I. TÉTELBIZONYÍTÁSOK ÍRÁSBELI VIZSGÁRA
ANALÍZIS I. TÉTELBIZONYÍTÁSOK ÍRÁSBELI VIZSGÁRA Szerkesztette: Balogh Tamás 202. július 2. Ha hibát találsz, kérlek jelezd a ifo@baloghtamas.hu e-mail címe! Ez a Mű a Creative Commos Nevezd meg! - Ne add
RészletesebbenStatisztika 1. zárthelyi dolgozat március 18.
Statisztika. zárthelyi dolgozat 009. március 8.. Ismeretle m várható értékű, szórású ormális eloszlásból a következő hatelemű mitát kaptuk:, 48 3, 3, 83 0,, 3, 97 a) Számítsuk ki a mitaközepet és a tapasztalati
RészletesebbenValószínűségszámítás alapjai szemléletesen
### walszam07-jav-80.doc, ### 08.0.3., :00' http://math.ui-pao.hu/~szalkai/walszam07.pdf Valószíűségszámítás alapjai szemléletese /Kézirat, 08-0-3. / dr.szalkai Istvá Pao Egyetem, Veszprém Matematika Taszék
RészletesebbenValószín ségszámítás és statisztika
Valószí ségszámítás és statisztika oktatási segédayag Kupá Pál Tartalomjegyzék fejezet Valószí ségszámítási alapfogalmak 5 Eseméyek 5 M veletek eseméyekkel 5 2 A valószí ség fogalma 7 3 Valószí ségi változók
RészletesebbenWiener-folyamatok definiciója. A funkcionális centrális határeloszlástétel. Norbert Wienerre, a második pedig egy Brown nevű XIX. században élt angol
Wieer-folyamatok defiiciója. A fukcioális cetrális határeloszlástétel. A valószíűségszámítás egyik agyo fotos fogalma a Wieer-folyamat, amelyet Browmozgásak is hívak. Az első elevezés e fogalom első matematikailag
RészletesebbenAutoregressziós folyamatok
Autoregressziós folyamatok.. Példa.. Az ε(t) folyamat függetle érték zaj, ha a várható értéke és ε(t)-k függetle, azoos eloszlású valószí ségi változók.. Az ε(t) folyamat fehér zaj, ha Eε(t) =, és ε(t)-k
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 :
RészletesebbenMetrikus terek. továbbra is.
Metrius tere továbbra is. Defiíció: Legye X egy halmaz, d : X X R egy függvéy. Azt modju, hogy d metria (távolság), ha.. 3. 4. d d d d x, x 0, x, y 0 x y, x, y dy, x, x, z dx, y dy, z. Az X halmazt a d
RészletesebbenALGEBRA. egyenlet megoldásait, ha tudjuk, hogy egész számok, továbbá p + q = 198.
ALGEBRA MÁSODFOKÚ POLINOMOK. Határozzuk meg az + p + q = 0 egyelet megoldásait, ha tudjuk, hogy egész számok, továbbá p + q = 98.. Határozzuk meg az összes olya pozitív egész p és q számot, amelyre az
RészletesebbenA tárgy címe: ANALÍZIS 1 A-B-C (2+2). 1. gyakorlat
A tárgy címe: ANALÍZIS A-B-C + gyakorlat Beroulli-egyelőtleség Legye N, x k R k =,, és tegyük fel, hogy vagy x k 0 k =,, vagy pedig x k 0 k =,, Ekkor + x k + x k Speciális Beroulli-egyelőtleség Ha N és
RészletesebbenZavar (confounding): akkor lép fel egy kísérletben, ha a kísérletet végző nem tudja megkülönböztetni az egyes faktorokat.
Zavar és mita Zavar (cofoudig): akkor lép fel egy kísérletbe, ha a kísérletet végző em tudja megkülöbözteti az egyes faktorokat. Zavar és mita Zavar (cofoudig): akkor lép fel egy kísérletbe, ha a kísérletet
RészletesebbenAz átlagra vonatkozó megbízhatósági intervallum (konfidencia intervallum)
Az átlagra voatkozó megbízhatósági itervallum (kofidecia itervallum) Határozzuk meg körül azt az itervallumot amibe előre meghatározott valószíűséggel esik a várható érték (µ). A várható értéket potosa
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
RészletesebbenJátékszabályok. a keresett valószín ség:
Játékszabályok Az óráko részt kell vei, maximum -szor lehet hiáyozi. Aki többször hiáyzik, em kap gyakjegyet. + x potot lehet szerezi a félév sorá: pot:. ZH a félév közepé pot:. ZH a félév végé x pot:
RészletesebbenEseményalgebra, kombinatorika
Eseméyalgebra, kombiatorika Eseméyalgebra Defiíció. Véletle kísérletek evezük mide olya megfigyelést, melyek több kimeetele lehetséges, és a véletletől függ, (azaz az általuk figyelembevett feltételek
RészletesebbenEmpirikus szórásnégyzet
Empirikus égyzet Mi lee hasoló szellembe a becslése a mita alapjá? Empirikus égyzet Mi lee hasoló szellembe a becslése a mita alapjá? Az átlagtól való égyzetes eltérést kée átlagoli... Empirikus égyzet
RészletesebbenFeladatok 2. zh-ra. 1. Eseményalgebra április Feladat. Az A és B eseményekr l tudjuk, hogy P (A) = 0, 6, P (B) = 0, 7 és
Feladatok 2 zh-ra 205 április 3 Eseményalgebra Feladat Az A és B eseményekr l tudjuk, hogy P (A) = 0, 7, P (B) = 0, 4 és P (A B) = 0, 5 Határozza meg az A B esemény valószín ségét! P (A B) = 0, 2 2 Feladat
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:
RészletesebbenANALÍZIS 1. I. VIZSGA január 11. Mérnök informatikus szak α-variáns Munkaidő: 90 perc., vagyis z 2 1p = i 1p = ( cos 3π 2 2
ANALÍZIS. I. VIZSGA. jauár. Mérök iformatikus szak α-variás Mukaidő: perc. feladat pot) Adja meg az z 4 i)z i egyelet összes megoldását. i + i) + 4i + 4 i +, vagyis z p i p cos 3 + i si ) 3 vagy z p i
RészletesebbenVALÓSZÍNŰSÉGSZÁMÍTÁS KÉPLETTÁR
védőeryő az ismeretleek záporába VALÓSZÍNŰSÉGSZÁMÍTÁS KÉPLETTÁR www.matektaitas.hu www.matektaitas.hu ifo@matektaitas.hu 1 védőeryő az ismeretleek záporába Kombiatorika Permutáció Ismétlés élküli permutáció
RészletesebbenEseme nyalgebra e s kombinatorika feladatok, megolda sok
Eseme yalgebra e s kombiatorika feladatok, megolda sok Szűk elméleti áttekitő Kombiatorika quick-guide: - db. elemből db. sorredjeire vagyuk kívácsiak: permutáció - db. elemből m < db. háyféleképp rakható
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
RészletesebbenMatematika I. 9. előadás
Matematika I. 9. előadás Valós számsorozat kovergeciája +-hez ill. --hez divergáló sorozatok A határérték és a műveletek kapcsolata Valós számsorozatok mootoitása, korlátossága Komplex számsorozatok kovergeciája
RészletesebbenA primitív függvény létezése. Kitűzött feladatok. határérték, és F az f egy olyan primitívje, amelyre F(0) = 0. Bizonyítsd be,
6 A primitív üggvéy létezése A primitív üggvéy létezése Kitűzött eladatok. Határozd meg az a és b valós paraméterek értékét úgy hogy az : R ae + b üggvéyek létezze primitív üggvéye! >. Az : [ + [ + olytoos
Részletesebben3.1. A Poisson-eloszlás
Harmadik fejezet Nevezetes valószíűségi változók Valamely valószíűségi változóhoz kapcsolódó kérdésekre akkor tuduk potos választ adi, ha a változó eloszlása ismert, vagy megközelítőleg ismert. Ebbe a
RészletesebbenValószín ségszámítás gyakorlat Földtudomány BsC
Valószín ségszámítás gyakorlat Földtudomány BsC Játékszabályok Az órákon részt kell venni, maximum 3-szor lehet hiányozni. Aki többször hiányzik, nem kap gyakjegyet. 100 + x pontot lehet szerezni a félév
RészletesebbenBarczy Mátyás és Pap Gyula
Barczy Mátyás és Pap Gyula mobidiák köyvtár Barczy Mátyás és Pap Gyula mobidiák köyvtár SOROZATSZERKESZTŐ Fazekas Istvá Barczy Mátyás és Pap Gyula Debrecei Egyetem mobidiák köyvtár Debrecei Egyetem Szerzők
RészletesebbenVirág Katalin. Szegedi Tudományegyetem, Bolyai Intézet
Függetleségvizsgálat Virág Katali Szegedi Tudomáyegyetem, Bolyai Itézet Függetleség Függetleség Két változó függetle, ha az egyik változó megfigyelése a másik változóra ézve em szolgáltat iformációt; azaz
Részletesebben(Independence, dependence, random variables)
Két valószínűségi változó együttes vizsgálata Feltételes eloszlások Két diszkrét változó együttes eloszlása a lehetséges értékpárok és a hozzájuk tartozó valószínűségek (táblázat) Példa: Egy urna 3 fehér,
RészletesebbenEötvös Loránd Tudományegyetem Informatikai Kar. Analízis 1. Írásbeli beugró kérdések. Készítette: Szántó Ádám Tavaszi félév
Eötvös Lorád Tudomáyegyetem Iformatikai Kar Aalízis 1. Írásbeli beugró kérdések Készítette: Szátó Ádám 2011. Tavaszi félév 1. Írja le a Dedekid-axiómát! Legyeek A R, B R. Ekkor ha a A és b B : a b, akkor
RészletesebbenIntervallum Paraméteres Hipotézisek Nemparaméteres. Statisztika december 2.
Itervallum Paraméteres Hipotézisek Nemparaméteres Statisztika Hipotézisvizsgálat Székely Balázs 2010. december 2. Itervallum Paraméteres Hipotézisek Nemparaméteres Előadás vázlat 1 Itervallumbecslések
RészletesebbenIntegrálás sokaságokon
Itegrálás sokaságoko I. Riema-itegrál R -e Jorda-mérték haszálható ehhez: A R eseté c(a)=0, ha 0 eseté létezek C 1,,C s kockák hogy A C1 Cs és s i 1 c C i defiíció: D ullmértékű R itegrálási tartomáy,
RészletesebbenV. Deriválható függvények
Deriválható függvéyek V Deriválható függvéyek 5 A derivált fogalmához vezető feladatok A sebesség értelmezése Legye az M egy egyees voalú egyeletes mozgást végző pot Ez azt jeleti, hogy a mozgás pályája
Részletesebbenmegoldásvázlatok Kalkulus gyakorlat Fizika BSc I/1, 1. feladatsor 1. Rajzoljuk le a számegyenesen az alábbi halmazokat!
megoldásvázlatok Fizika BSc I/,. feladatsor. Rajzoljuk le a számegyeese az alábbi halmazokat! a { R < 5}, b { R 4}, c { Z 4}, d { Q < 4 6}, e { N 3 }.. Igazak-e az alábbi állítások? Adjuk meg az állítások
Részletesebben1. Példa. A gamma függvény és a Fubini-tétel.
. 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 +
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.):
RészletesebbenDebreceni Egyetem, Közgazdaság- és Gazdaságtudományi Kar. Feladatok a Gazdasági matematika I. tárgy gyakorlataihoz. Halmazelmélet
Debrecei Egyetem Közgazdaság- és Gazdaságtudomáyi Kar Feladatok a Gazdasági matematika I. tárgy gyakorlataihoz a megoldásra feltétleül ajálott feladatokat jelöli e feladatokat a félév végére megoldottak
RészletesebbenLajkó Károly Kalkulus I. példatár mobidiák könyvtár
Lajkó Károly Kalkulus I. példatár mobidiák köyvtár Lajkó Károly Kalkulus I. példatár mobidiák köyvtár SOROZATSZERKESZTŐ Fazekas Istvá Lajkó Károly Kalkulus I. példatár programozó és programtervező matematikus
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,
RészletesebbenA statisztikai vizsgálat tárgyát képező egyedek összességét statisztikai sokaságnak nevezzük.
Statisztikai módszerek. BMEGEVGAT01 Készítette: Halász Gábor Budapesti Műszaki és Gazdaságtudomáyi Egyetem Gépészméröki Kar Hidrodiamikai Redszerek Taszék 1111, Budapest, Műegyetem rkp. 3. D ép. 334. Tel:
RészletesebbenKalkulus gyakorlat - Megoldásvázlatok
Kalkulus gyakorlat - Megoldásvázlatok Fizika BSc I/. gyakorlat. Tétel Newto Leibiz. Ha f folytoos az a, b] itervallumo és F primitív függvéye f-ek, akkor b a f F b F a.. Számítsuk ki az alábbi racioális
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.
RészletesebbenEötvös Loránd Tudományegyetem Informatikai Kar. Analízis 1. Írásbeli tételek. Készítette: Szántó Ádám Tavaszi félév
Eötvös Lorád Tudomáyegyetem Iformatikai Kar Aalízis. Írásbeli tételek Készítette: Szátó Ádám 20. Tavaszi félév . Archimedes tétele. Tétel: a > 0 és b R : N : b < a. Bizoyítás: Idirekt úto tegyük fel, hogy
Részletesebben3.4. gyakorlat. Matematika B1X február 1819.
3.4. gyakorlat Matematika B1X 2003. február 1819. 1. A harmadik el adás (II. 17.) 1.1. Számosság Egyel számosságú halmazok. Véges, megszámlálhatóa végtele és kotiuum számosságú halmazok. Hatváyhalmaz számossága
RészletesebbenMATEMATIKA I. KATEGÓRIA (SZAKKÖZÉPISKOLA)
O k t a t á s i H i v a t a l A 5/6 taévi Országos Középiskolai Taulmáyi Versey első forduló MATEMATIKA I KATEGÓRIA (SZAKKÖZÉPISKOLA) Javítási-értékelési útmutató A 5 olya égyjegyű szám, amelyek számjegyei
Részletesebben1. előadás: Bevezetés. Számonkérés. Irodalom. Valószínűségszámítás helye a tudományok között. Cél
Valószíűségszámítás 1 előadás mat. BSc alk. mat. szakráyosokak 2016/2017 1. félév Zemplé Adrás zemple@ludes.elte.hu http://zemple.elte.hu/ 1. előadás: Bevezetés Irodalom, követelméyek A félév célja Valószíűségszámítás
RészletesebbenGyakorló feladatok II.
Gyakorló feladatok II. Valós sorozatok és sorok Közgazdász szakos hallgatókak a Matematika B című tárgyhoz 2005. október Valós sorozatok elemi tulajdoságai F. Pozitív állítás formájába fogalmazza meg azt,
RészletesebbenKomplex számok (el adásvázlat, 2008. február 12.) Maróti Miklós
Komplex számok el adásvázlat, 008. február 1. Maróti Miklós Eek az el adásak a megértéséhez a következ fogalmakat kell tudi: test, test additív és multiplikatív csoportja, valós számok és tulajdoságaik.
RészletesebbenFeladatok és megoldások a 11. heti gyakorlathoz
Feladatok és megoldások a. het gyakorlathoz dszkrét várható érték Építőkar Matematka A. Egy verseye öt ő és öt férf verseyző dul. Tegyük fel, hogy cs két azoos eredméy, és md a 0! sorred egyformá valószíű.
Részletesebben