5 3 0,8 0,2. Számolja ki a 3

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "5 3 0,8 0,2. Számolja ki a 3"

Átírás

1 Megoldási útmutató, eredménye A feladato megoldásaor mindig ismételje át a feladatban szereplő fogalma definícióit. A szüséges fogalma, definíció: valószínűségi változó, diszrét-, folytonos valószínűségi változó. Művelete eseményeel, egymást izáró, független eseménye, feltételes valószínűség fogalma. Eloszlásfüggvény, valószínűségeloszlás, sűrűségfüggvény eze tulajdonságai, apcsolatu, jelentésü. Tanult nevezetes eloszláso, azo tulajdonságai, paraméterei. Használja a zh-n, vizsgán is használható összefoglaló táblázatot. A szöveges feladat megoldását mindig úgy ezdje, hogy határozza meg a valószínűségi változó jelentését, az általa felvehető értéeet, folytonos-e diszrét-e, típusa. Nagyon hasznos, ha felrajzolja a ülönböző függvényeet, ha a onrét érdésnél, feladatnál többet is megpróbál értelmezni. A számításoat minden esetben ellenőrizze! Fontos, hogy az egyenlete megoldását, az integrálást is gyaorolja. Nem elég csa a megoldás gondolatmenetét megérteni..) A változó jelentse a továbbított ötös jelsorozatban a helyes jele számát. Így értéészlete a {,,,,4,5} számoból álló halmaz. Egy továbbított jel vagy helyes (sier,,8 valószínűséggel), vagy hibás (udarc,, valószínűséggel). Azzal a feltételezéssel élün, hogy a továbbított jele egymástól függetlenül helyese, vagy tévese. Így a változó binomiális eloszlásúna teinthető, n=5 és p=,8 paramétereel. Ahhoz, hogy jól történjen a deódolás legalább három helyes továbbított jelne ell lenni. A eresett valószínűség tehát a, 4, egymást izáró eseménye összegéne valószínűsége: 5,8,. Számolja i a valószínűséget!.) A ísérletne ét imenetele van, balezes (sier, p=,) nem balezes (udarc q=,87). A ísérletet n=-szor egymástól függetlenül elvégezzü. Legyen ξ valószínűségi változó jelentése a balezese száma ebben az fős csoportban. Így ξ diszrét és felveheti a,,,, értéeet, vagyis ξ B(,,).,,87 értéet ell meghatározni. Enne, de az ellentett eseményne a iszámítása is ellemetlen, hosszú számolás, ezért próbáljun valamilyen határeloszlás tételt alalmazni. Ilyen a Moivre- Laplace, amelyne a feltételei teljesülne, mivel, 5,87 5,,.,,,87,94,94, 864,,87 A Moivre-Laplace tétel is egy példa a normális eloszlás jelentőségére, alalmazására..) A valószínűségi változó jelentése legyen az allergiás betege száma a fős csoportban. A ísérletne ét imenetele van, a sier (allergiás valai) valószínűsége, a udarc (nem allergiás) valószínűsége,7. Feltételezhető, hogy a csoport tagjai egymástól függetlenül allergiása, vagy sem. Ezért a binomiális eloszlást övet n= és p=, paramétereel. várható értée np=6, szórásnégyzete npq=4, ,,7, ,,7, a.) 6,,7,96. b.). c.).

2 4.)Legyen a valószínűségi változó jelentése azona a napona a száma, amelyeen a napi hőmérséleti csúcs meghaladta a 8 C-ot az adott hét során! Ha feltesszü, hogy az egymást övető napo napi hőmérséleti maximuma egymástól független, aor binomiális eloszlással jellemezhető n=7 és p=,65 paramétereel. 7 7,65 4, 7 a.),65,5,998. M. b.) 55 5.) Legyen a valószínűségi változó jelentése a háromgyerees családoban a lányo száma! Mivel az egymást övető gyeree neme egymástól független esemény, ezért a teinthető egy n= és p=,49 paraméterű binomiális eloszlású változóna.,49,58,49,,49,58, np és 7 49 a.) valószínűségeloszlást. M 476,, 8659 b.). 6.) Az, összefüggésből a értée (=,,,) behelyettesítésével apju a D. npq egyenleteből álló egyenletrendszert ell megoldani. 7.) A feladat összetett, több ísérlet, így több valószínűségi változó szerepel benne. Az egyi változó X, amely az első nyereményig szüséges játszmá számát jelenti. X felveheti az,, értéeet. Így X olyan geometriai eloszlású változó, amelyne várható értée a játéos tapasztalata szerint 6 => sier valószínűsége /6. A mási változó Y jelenti az n-szer megismételt játésorozatban a nyert játszmá számát. Minden játéban ét imenetel van: a sier (nyer) p=/6 valószínűséggel, udarc (nem nyer) q=6/6 valószínűséggel, az egyes játéo imenetele egymástól független. Az Y felveheti a,,,n értéeet. Vagyis Y egy n, p=/6 paraméterű binomiális eloszlású valószínűségi változó Y Bn,. Az eredeti feladat 6 n n n 6 Y, 99 egyenlőtlenség megoldását jelentené, ami igen nehéz feladat, 6 6 hiszen n a ísérlete száma az ismeretlen. Ehelyett a omplementer esemény valószínűségét számolju. n 6 Így az ( Y ), egyenlőtlenséget ell megoldani. Innen n 88a megoldás. Vagyis 6 ezeel a feltételeel legalább 88-szor ell megismételni a ísérletet, a játéot. Megjegyzés: Ez a játészám jóval nagyobb, mint 6. Számolja i mi anna a valószínűsége, hogy a 6. játszma lesz az első, amelyben nyerni fog a játéos. 8.) A valószínűségi változó jelentése legyen a tárgy teljesítéséhez szüséges vizsgá száma, a sierre való váraozás. Értéei lehetne:,,. Teinthetjü geometriai eloszlásúna,6 sier valószínűséggel. Így a vizsgá számána várható értée:, 67, tehát a hallgató átlagban,67-szer vizsgázna.,6 9.) A sierre (4 méternél nagyobb ugrás) való váraozás, tehát geometriai eloszlás, / sier valószínűséggel, ha azt feltételezzü, hogy az egymást övető ugráso hossza egymástól független esemény..) A sierre való váraozás, szintén geometria eloszlás, ahol a sier valószínűsége /6.

3 .) Legyen a valószínűségi változó jelentése az egy táblában lévő hibá száma. Így a változó felveheti a,,,.. értéeet. Tehát a változó diszrét eloszlású, és oisson eloszlást övet, amelyre λ=,5. (Térben, időben történő pontszerű elhelyezedés.) a.) Az a érdés, hogy a táblá milyen valószínűséggel, hány százaléban leszne hibátlano. A,5!, 5 e értéet eressü, ami,66. Vagyis a táblá 6,6 %-a lesz hibátlan. b.) A valószínűség egyenlő a ; valószínűséget vonja a feltételes valószínűséggel. Ki ell számolni a feltételes. Figyelembe ell venni, hogy a { } esemény maga után eseményt, valamint azt, hogy a nevezőben szereplő eseménye egymást izáró eseménye. Számolja i a valószínűséget! c.) A ísérlet az, hogy db táblát megvizsgálun, és azt figyeljü, hogy egy tábla tartalmaz-e hibát, vagy sem. Tehát ét imenetel van, hibátlan (sier), vagy tartalmaz hibát (udarc). Az η valószínűségi változó jelentése legyen a hibátlan táblá száma. Így lehetséges értéei a {,,,} halmaz elemei. Vagyis η egy B(,,66) eloszlású valószínűségi változó. Keressü a ( ),66, 66 értéet. Végezze el a számolást! Gondolodhattun volna úgyis, ha a hiba várható értée egy táblában,5, aor táblában *,5=5. Azaz tábla esetén olyan oisson eloszlásról van szó, amelyre λ=5. Így anna a valószínűsége, hogy 5 5 tábla özül mindegyi hibátlan, azaz egyetlen hibás sem lesz e, ami megegyezi a fenti értéel.!.) Az X valószínűségi változó jelentése legyen a ét óra alatt érező híváso száma! Az X változó szintén oisson eloszlást övet. Annyit tudun, hogy egy óra alatt átlagban hívás érezi, aor óra alatt a híváso átlaga (várható értée) 4. Vagyis az eloszlás paramétere 4..) Az X valószínűségi változó jelentése a regisztrált részecsé száma. A változó diszrét eloszlású, felveheti a,,,,n értéeet. Mivel a p sier valószínűség icsi és feltehetőleg n elég nagy, ezért a binomiális eloszlású valószínűségi változó özelíthető np paraméterű oisson eloszlással. 4. A végtelen sorral történő számolás helyett a omplementer esemény X e 4! valószínűségéne meghatározásával ténylegesen a e, 99 egyenlőtlenséget! megoldani. Innen λ= =>n= 5. 4.) A iszolgáló egységhez érező ügyfele száma, többnyire oisson eloszlással jellemezhető. a változó jelentése legyen az időegység alatt érező ügyfele száma. Vigyázzun a mértéegységeel! a.) Az eloszlás paraméter nincs megadva. A megadott valószínűségből ell meghatározni.! e e összefüggésből adódi, hogy a perc alatt érező ügyfele számána várható értée (az eloszlás paramétere),5. Eor a 6 perc alatt érező az ügyfele számána várható értée,5.,5,5 e, a eresett valószínűség.! b.) Az esemény omplementeréne valószínűségét önnyebb iszámolni. 5.) A változó egyenletes eloszlású, így sűrűségfüggvénye: ell

4 ha x, b f ( x) b és tudju, hogy dx 4 4 => b=. M ( ), D ülönben b 4 7 Fejezze be a példát, írja fel az eloszlásfüggvényt! 6.) Legyen a Z valószínűségi változó jelentése a levél érezéséne időpontja. Tudju, hogy egyenletes eloszlású, de nem tudju, hogy mely intervallumon. A várható értée, az intervallum özepe ismert, 7, adott a szórás is. Meg ell a b oldani az: 7 b a ; intervallum határait iszámolta, aor Z ét ismeretlenes, ét egyenletből álló lineáris egyenletrendszert. Ha az min, b 6 f ( x) dx. Rajzolja fel a függvényt és vigyázzon a határora! 7.) Az X valószínűségi változó sűrűségfüggvénye: ha x, f x. Eor a várható értée, a szórása. Táblázat! ülönben Keressü a valószínűséget. Ez a valószínűség ét integrál összege: 6 dx + dx. Fejezze be! 8.)Legyen az Y valószínűségi változó jelentése a hívás időpontja. A sűrűségfüggvénye: ha x 8, b f x b 8 mivel tudju, hogy dx,8 a b értée meghatározható, b=,5. ülönben b Fejezze be!,5 a.),5 Y dx 8 9,5 b.) 9,5 Y Y 9,5 definíciójána és az,5 Y 9, 5 Y feltételes valószínűséget eressü. Végezze el a számolást a feltételes valószínűsség 9 összefüggésne a felhasználásával. 9.) A feladat összetett, ét ísérletből, ét valószínűségi változóból áll. Az egyi egyenletes eloszlású valószínűségi változó. Az eloszlásfüggvényét alalmazva: 4,5 4, Van egy mási valószínűségi változó η, amely értée azt adja meg, hogy 5 egymástól független ísérletből hányna az eredménye esi a megadott intervallumba. Eor η felveheti a,,,,5 értéeet. Így η binomiális eloszlású valószínűségi változó n=5 és p=/6 (amit az első részben iszámoltun) paramétereel. Ki ell számolni valószínűséget. A esemény 4 egymást izáró esemény összege, ezért a 5 5 5, ) Az exponenciális eloszlás használható olyan élettartamot jelentő valószínűségi változó eloszlásána leírására, amelyben a meghibásodás nem a használati időtől, hanem valamilyen véletlen esemény (pl. feszültségingadozás) miatt övetezi be. Bebizonyítottu, hogy az exponenciális eloszlásna nincs emléezete (öröifjú tulajdonság) Az ellentett esemény valószínűsége, az exponenciális Így M eloszlású valószínűségi változó eloszlásfüggvényéne, valamint az 5 5 e e adódi. felhasználásával:

5 .) Használju fel, hogy exponenciális eloszlás esetén M D x e dx e e., amiből. =, vagy az ellentett esemény és az eloszlásfüggvényéne a felhasználásával.) Elvárás: anna a valószínűsége, hogy a szerezet élettartama x-nél rövidebb legfeljebb,5 legyen. x x e, 5 => x 6, 55. Mivel napi óra üzemidőt számítun, ezért legfeljebb 6 nap legyen a garanciaidő..) A megoldás menete, a felhasznált összefüggése, mint a. feladatban. 4.) Enne a feladatna a megoldásához azt ell meggondolni, hogy a λ paraméterű oisson eloszlás esetén, milyen eloszlással jellemezhető a ét esemény beövetezése özött eltelt idő. Jelölje ξ az első vevő (esemény) érezéséig eltelt időt! Anna a valószínűsége, hogy az x> hosszúságú időtartam alatt egy vevő sem érezi (egyszer sem övetezi be az esemény): x x x x! e e. Így a ét vevő (esemény) érezése özött eltelt idő olyan exponenciális eloszlással jellemezhető, amelyne paramétere szintén λ. Ez szemléletesen azt jelenti, hogy ha óránént (6 perc alatt) átlagban vevő érezi, aor ét vevő érezése özött eltelt idő átlagosan / óra, azaz perc. Így a eresett valószínűsége meghatározásához a szintén λ paraméterű, de exponenciális eloszlást ell használni. 6 6 a.) F e, 7 6 b.) F e, 78 6 c.) F F. Végezze el a számolást! ) Folytonos valószínűségi változó esetén az ilyen típusú valószínűsége meghatározása a sűrűségfüggvény adott intervallum fölé eső területéne a iszámításával, azaz a sűrűségfüggvény adott intervallumon történő integrálásával lehetséges. Az eloszlásfüggvény ismeretében történhet az eloszlásfüggvény meghatározott helyeen vett helyettesítési értééből is megaphatju a eresett valószínűséget, de csa aor, ha az eloszlásfüggvény ismert, illetve sűrűségfüggvénye integrálását el tudju végezni. Ha a sűrűségfüggvény integráljána meghatározása csa numerius módszere alalmazásával (pl. sorfejtéssel) lehetséges, ezehez az eloszlásohoz eloszlásfüggvény táblázato észülte, hogy ne elljen minden alalommal elvégezni a rengeteg számítást. Ha ξ egy m, σ paraméterű normális eloszlású m valószínűségi változó, aor a transzformációval, egy új η valószínűségi változót apun, amely N(,) változó, azaz standard normális eloszlású. A sűrűségfüggvény várható érté örüli szimmetriáját az eloszlásfüggvényre alalmazva az ( x) ( x) összefüggést apju. Így a bármilyen paraméterű normális eloszlású valószínűségi változó eloszlásfüggvényéne értéét minden valós számra a standard normális eloszlásfüggvény nemnegatív értéere vonatozó táblázatából meg tudju határozni.

6 a.) ( x), 5 Az ellentett esemény valószínűségét ell felhasználnun, mivel definíció szerint F( x) ( x), és mivel folytonos valószínűségi változóról van szó, ezért (ξ=x)=. 6 x 6 x 6 ( x) ( x). Standardizálás után ( ) ( ), 5. A érdés az, x 6 hogy a független változó milyen értéére veszi fel a függvény a,5 értéet. Ebből => x=6. Maga a várható érté. Ha a normális eloszlás sűrűségfüggvényéne tulajdonságait jól ismerjü, aor számolni sem ell, hiszen a normális eloszlás esetében igaz, hogy M(ξ)=Medián(ξ). b.) ( x 9) F(9) F( x), összefüggést ell alalmazni. Standardizálás után a övetező x x 6 egyenletet ell megoldani. ( ) ( ) ( ), => x= 7,8 c.) ( 4, 6, )? Standardizálju, majd alalmazzu a ( x) ( x) összefüggést. Fejezze be a számolást! Rajzolja fel az N(6,) és a N(,) eloszláso sűrűségfüggvényét! Értelmezze a feladatot, jelölje be a feladatban szereplő területeet! 6. Jelentse X a észülé élettartamát, azaz a meghibásodásig eltelt időt. Erről tudju, hogy X N6,; 6,. Keressü azt az x értéet, amelyre X x,. Azaz x, egyenletet ell megoldani. 6, x Mivel az eloszlásfüggvény,5-nél isebb értéeet negatív értéere vesz fel, ezért, egyenletet ell megoldani. Fejezze be! 7. Legyen X olyan valószínűségi változó, amely a deszá hosszát jelenti => folytonos, még az is adott, hogy X N(4, ). a.) ( 98 X 4) F(4) F(98), mivel folytonos a valószínűségi változó, ezért anna a valószínűsége, hogy egy adott értéet (pl. 98) vesz fel. Mivel normális eloszlású a változó és enne az eloszlásfüggvényét nem tudju meghatározni egy éplet formájában, ezért standardizálás után a N(,) eloszlásfüggvény táblázatát használju X b.) Vagyis. Felhasználva a standard normális eloszlásfüggvény tulajdonságait, a eresett valószínűség:. Fejezze be a számítást! c.) A 97,5 X 4,5 valószínűséget eressü. A standardizálja, majd eresse i a standard normális eloszlás eloszlásfüggvényéne értéeit a táblázatból!

7 8.) Most az intervallum felső határa a érdés. Tudju, hogy A, 5. Standardizálás után a A A,5 egyenlőtlenséget ell megoldani úgy, hogy özben most is fel ell használni azt, hogy ( x) ( x), mivel a táblázatban az eloszlásfüggvény értée csa a nemnegatív valós számora adott. 9.) A valószínűségi változó jelentése legyen a zajszint db-ben. Ez folytonos és N(45, σ) eloszlású. A mérési (tapasztalati) adatoból arra öveteztetün, hogy 5, és M( ) 45 db. Keressü 7 F 7 értéét. Standardizálás után a standard normális eloszlásfüggvény táblázatát ell használni. A, 9 egyenletet ell megoldani. Számolja végig!.) Ha a valószínűségi változó jelentése a céghez beérező megrendelése száma, aor ez valójában diszrét eloszlású valószínűségi változó. Mivel azonban a megrendelése száma nagyon nagy, és so véletlen hatás együtteséne az eredménye is lehet, ezért ilyen esetben esetleg orábbi megfigyelése alapján- használhatun folytonos eloszlást, a normális eloszlást. A ξ valószínűségi változó jelentése a F => A naponta beérező megrendelésszám, N(m, ). Tudju, hogy m m m, összefüggésből az m értéét ell meghatározni a standard normális eloszlásfüggvény táblázatból, amely -nál isebb értéere nem tartalmazza az m eloszlásfüggvény értéeet. Így az, egyenletet ell megoldani. m, 9 alapján a táblázatból azt ell megeresni, milyen értére veszi fel az eloszlásfüggvény a,9 értéet. Ez a m hely,9 =>, 9=> m=..) A feladat ét részből áll. Az első részben szerepel ét valószínűségi változó: ξ amely N(;,4) és ξ, amely N(;,8) eloszlású, mind a ettőne a jelentése a betöltött folyadé mennyisége. A standard normális eloszlásfüggvény táblázatána segítségével i ell számítani a várható érté örüli, dl ingadozás valószínűségét a övetező összefüggése alapján:,9,,4,4,4,9,,5,8,8,8,9,,7,7,7,9,,5,5 Az első géppel töltött térfogat,5 valószínűséggel ingadozi a várható érté örül legfeljebb, dl-rel, a másodi géppel töltött térfogat,78 valószínűséggel. róbálja értelmezni ezt az eredményt. A feladat másodi részében szerepel ét esemény G, melyne jelentése az. géppel töltés, G, jelenti a. géppel töltést. Ez a ét esemény teljes eseményrendszert alot. (Nincs harmadi gép és egy üvegbe nem töltene ét gépből). Ugyanehhez a ísérlethez tartozi egy harmadi esemény: E a várható értétől való eltérés adott határon belül. Keressü E teljes valószínűségét az egész észletben, függetlenül attól, hogy melyi géppel töltötté a palacot. Tudju: (G )=,6, (G )=,4, valamint E G, és E G,

8 A teljes valószínűség tétele alapján: E,5,6,78, 4,64.

Legfontosabb bizonyítandó tételek

Legfontosabb bizonyítandó tételek Legfontosabb bizonyítandó tétele 1. A binomiális tétel Tetszőleges éttagú ifejezés (binom) bármely nem negatív itevőj ű hatványa polinommá alaítható a övetez ő módon: Az nem más, mint egy olyan n tényezős

Részletesebben

Megoldások. ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4; 2, 3) normális eloszlású P (ξ

Megoldások. 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.

Részletesebben

e (t µ) 2 f (t) = 1 F (t) = 1 Normális eloszlás negyedik centrális momentuma:

e (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:

Részletesebben

Gazdasági matematika II. vizsgadolgozat megoldása A csoport

Gazdasági 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

Részletesebben

Valószínűségszámítás és statisztika előadás Info. BSC B-C szakosoknak. Bayes tétele. Példák. Események függetlensége. Példák.

Valószínűségszámítás és statisztika előadás Info. BSC B-C szakosoknak. Bayes tétele. Példák. Események függetlensége. Példák. Valószínűségszámítás és statisztia előadás Info. BSC B-C szaosona 20018/2019 1. félév Zempléni András 2.előadás Bayes tétele Legyen B 1, B 2,..., pozitív valószínűségű eseményeből álló teljes eseményrendszer

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI 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:

Részletesebben

Valószínűségszámítás összefoglaló

Valószínűségszámítás 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:

Részletesebben

Gyakorló feladatok. Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László

Gyakorló feladatok. Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László Gyakorló feladatok Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László I/. A vizsgaidőszak második napján a hallgatók %-ának az E épületben, %-ának a D épületben,

Részletesebben

Eseményalgebra. 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. 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.

Részletesebben

Villamosmérnök A4 3. gyakorlat ( ) Nevezetes diszkrét eloszlások

Villamosmérnök A4 3. gyakorlat ( ) Nevezetes diszkrét eloszlások 1. Nevezetes diszrét eloszláso bemutatása Villamosmérnö A4 3. gyaorlat (01. 09. 4.-5. Nevezetes diszrét eloszláso (a Bernoulli eloszlás: Olyan ísérletet hajtun végre, amine eredménye lehet "sier" vagy

Részletesebben

4. Az A és B események egymást kizáró eseményeknek vagy idegen (diszjunkt)eseményeknek nevezzük, ha AB=O

4. 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.

Részletesebben

3. előadás Reaktorfizika szakmérnököknek TARTALOMJEGYZÉK. Az a bomlás:

3. előadás Reaktorfizika szakmérnököknek TARTALOMJEGYZÉK. Az a bomlás: beütésszám. előadás TARTALOMJEGYZÉK Az alfa-bomlás Az exponenciális bomlástörvény Felezési idő és ativitás Poisson-eloszlás Bomlási sémá értelmezése Bomlási soro, radioatív egyensúly Az a bomlás: A Z X

Részletesebben

Folytonos valószínűségi változó: Lehetséges értéei egy folytonos tartományt alotna. Minden egyes érté 0 valószínűségű, csa tartományona van pozitív va

Folytonos valószínűségi változó: Lehetséges értéei egy folytonos tartományt alotna. Minden egyes érté 0 valószínűségű, csa tartományona van pozitív va Valószínűségi változó (véletlen változó, random variables) Változó: Névvel ellátott érté. (Képzeljün el egy fióot. A fió címéje a változó neve, a fió tartalma pedig a változó értée.) Valószínűségi változó:

Részletesebben

BIOMATEMATIKA ELŐADÁS

BIOMATEMATIKA 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

Részletesebben

Matematika A3 Valószínűségszámítás, 5. gyakorlat 2013/14. tavaszi félév

Matematika 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

Részletesebben

[Biomatematika 2] Orvosi biometria

[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 =

Részletesebben

Készítette: Fegyverneki Sándor

Készítette: 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

Részletesebben

A valószínűségszámítás elemei

A valószínűségszámítás elemei A valószínűségszámítás elemei Kísérletsorozatban az esemény relatív gyakorisága: k/n, ahol k az esemény bekövetkezésének abszolút gyakorisága, n a kísérletek száma. Pl. Jelenség: kockadobás Megfigyelés:

Részletesebben

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

Statisztika - 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

Részletesebben

egyenletesen, és c olyan színű golyót teszünk az urnába, amilyen színűt húztunk. Bizonyítsuk

egyenletesen, 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,

Részletesebben

Valószínűségi változók. Várható érték és szórás

Valószínűségi 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 :

Részletesebben

Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév

Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév 1. A várható érték és a szórás transzformációja 1. Ha egy valószínűségi változóhoz hozzáadunk ötöt, mínusz ötöt, egy b konstanst,

Részletesebben

Gazdasági matematika II. vizsgadolgozat, megoldással,

Gazdasági 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

Részletesebben

2. A ξ valószín ségi változó eloszlásfüggvénye a következ : x 4 81 F (x) = x 4 ha 3 < x 0 különben

2. 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

Részletesebben

x, x R, x rögzített esetén esemény. : ( ) x Valószínűségi Változó: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel:

x, 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.

Részletesebben

Matematika 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 Matematika III. 5. : Nevezetes valószínűség-eloszlások Prof. Dr. Závoti, József Lektor : Bischof, Annamária Ez a modul a TÁMOP

Részletesebben

NEVEZETES FOLYTONOS ELOSZLÁSOK

NEVEZETES FOLYTONOS ELOSZLÁSOK Bodó Beáta - MATEMATIKA II 1 NEVEZETES FOLYTONOS ELOSZLÁSOK EXPONENCIÁLIS ELOSZLÁS 1. A ξ valószínűségi változó eponenciális eloszlású 80 várható értékkel. (a) B Adja meg és ábrázolja a valószínűségi változó

Részletesebben

A valószínűségszámítás elemei

A valószínűségszámítás elemei Alapfogalmak BIOSTATISZTIKA ÉS INFORMATIKA A valószínűségszámítás elemei Jelenség: minden, ami lényegében azonos feltételek mellett megismételhető, amivel kapcsolatban megfigyeléseket lehet végezni, lehet

Részletesebben

Matematika A4 III. gyakorlat megoldás

Matematika A4 III. gyakorlat megoldás Matematia A4 III. gyaorlat megoldás 1. Független eseménye Lásd másodi gyaorlat feladatsora.. Diszrét eloszláso Nevezetes eloszláso Binomiális eloszlás: Tipius példa egy pénzdobás sorozatban a feje száma.

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 10 X. SZIMULÁCIÓ 1. VÉLETLEN számok A véletlen számok fontos szerepet játszanak a véletlen helyzetek generálásában (pénzérme, dobókocka,

Részletesebben

Nagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem

Nagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem agy számok törvényei Statisztikai mintavétel Várható érték becslése Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem A mérés mint statisztikai mintavétel A méréssel az eloszlásfüggvénnyel

Részletesebben

Gazdasági matematika II. vizsgadolgozat megoldása, június 10

Gazdasági 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

Részletesebben

Függvények hatványsorba fejtése, Maclaurin-sor, konvergenciatartomány

Függvények hatványsorba fejtése, Maclaurin-sor, konvergenciatartomány Függvénye hatványsorba fejtése, Maclaurin-sor, onvergenciatartomány Taylor-sor, ) Állítsu elő az alábbi függvénye x helyhez tartozó hatványsorát esetleg ülönféle módszereel) éa állapítsu meg a hatványsor

Részletesebben

Dr. Tóth László, Kombinatorika (PTE TTK, 2007)

Dr. Tóth László, Kombinatorika (PTE TTK, 2007) A Fibonacci-sorozat általános tagjára vontozó éplet máséppen is levezethető A 149 Feladatbeli eljárás alalmas az x n+1 ax n + bx, n 1 másodrendű állandó együtthatós lineáris reurzióal adott sorozato n-edi

Részletesebben

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás ELŐADÁS ÁTTEKINTÉSE STATISZTIKA 9. Előadás Binomiális eloszlás Egyenletes eloszlás Háromszög eloszlás Normális eloszlás Standard normális eloszlás Normális eloszlás mint modell 2/62 Matematikai statisztika

Részletesebben

Speciális függvénysorok: Taylor-sorok

Speciális függvénysorok: Taylor-sorok Speciális függvénysoro: Taylor-soro Állítsu elő az alábbi függvénye x 0 0 helyhez tartozó hatványsorát esetleg ülönféle módszereel és állapítsu meg a hatványsor onvergenciatartományát! A cos 5x függvény

Részletesebben

TANTÁRGYI PROGRAM Matematikai alapok II. útmutató

TANTÁRGYI PROGRAM Matematikai alapok II. útmutató BGF PÉNZÜGYI ÉS SZÁMVITELI KAR Módszertani Intézeti Tanszéki Osztály TANTÁRGYI PROGRAM Matematikai alapok II. útmutató 2013/2014. tanév II. félév Tantárgyi program Tantárgy megnevezése Tantárgy jellege/típusa:

Részletesebben

Közlemény. Biostatisztika és informatika alapjai. Alapsokaság és minta

Közlemény. Biostatisztika és informatika alapjai. Alapsokaság és minta Közlemény Biostatisztika és informatika alajai. előadás: Az orvostudományban előforduló nevezetes eloszlások 6. szetember 9. Veres Dániel Statisztika és Informatika tankönyv (Herényi Levente) már kaható

Részletesebben

Számítógépes döntéstámogatás. Statisztikai elemzés

Számítógépes 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

Részletesebben

i p i p 0 p 1 p 2... i p i

i 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

Részletesebben

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.

Véletlen 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

Részletesebben

file:///l:/valsz%c3%a1mstatv%c3%a9gleges/bernoulli/introduction...

file:///l:/valsz%c3%a1mstatv%c3%a9gleges/bernoulli/introduction... 1 / 5 2011.03.17. 14:23 Virtuális laboratóriumo > 10. Bernoulli ísérlete > 1 2 3 4 5 6 1. Bevezetés Alapelmélet A Bernoulli ísérlet folyamat, melyne névadója Jacob Bernoulli a valószínűségszámítás egyi

Részletesebben

Biometria az orvosi gyakorlatban. Számítógépes döntéstámogatás

Biometria az orvosi gyakorlatban. Számítógépes döntéstámogatás SZDT-01 p. 1/23 Biometria az orvosi gyakorlatban Számítógépes döntéstámogatás Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Gyakorlat SZDT-01 p.

Részletesebben

Elméleti összefoglaló a Valószín ségszámítás kurzushoz

Elméleti 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

Részletesebben

TANTÁRGYI PROGRAM Matematikai alapok 2. útmutató

TANTÁRGYI PROGRAM Matematikai alapok 2. útmutató BGF PÉNZÜGYI ÉS SZÁMVITELI KAR Módszertani Intézeti Tanszéki Osztály TANTÁRGYI PROGRAM Matematikai alapok 2. útmutató 2015/2016. tanév I. félév Tantárgyi program Tantárgy megnevezése Tantárgy jellege/típusa:

Részletesebben

2.2.36. AZ IONKONCENTRÁCIÓ POTENCIOMETRIÁS MEGHATÁROZÁSA IONSZELEKTÍV ELEKTRÓDOK ALKALMAZÁSÁVAL

2.2.36. AZ IONKONCENTRÁCIÓ POTENCIOMETRIÁS MEGHATÁROZÁSA IONSZELEKTÍV ELEKTRÓDOK ALKALMAZÁSÁVAL 01/2008:20236 javított 8.3 2.2.36. AZ IONKONCENRÁCIÓ POENCIOMERIÁ MEGHAÁROZÁA IONZELEKÍ ELEKRÓDOK ALKALMAZÁÁAL Az onszeletív eletród potencálja (E) és a megfelelő on atvtásána (a ) logartmusa özött deáls

Részletesebben

3. Egy szabályos dobókockával háromszor dobunk egymás után. Legyen A az az esemény, hogy

3. Egy szabályos dobókockával háromszor dobunk egymás után. Legyen A az az esemény, hogy Valószínűségszámítás. zárthelyi dolgozat 009. október 5.. Egy osztályba 3-an járnak. Minden fizikaórán a a többi órától függetlenül a tanár kisorsol egy felelőt, véletlenszerűen, egyenletesen, azaz mindig

Részletesebben

Alap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( )

Alap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( ) Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel: 463-6-80 Fa: 463-30-9 http://www.vizgep.bme.hu Alap-ötlet:

Részletesebben

A feladatok megoldása

A feladatok megoldása A feladato megoldása A hivatozáso C jelölései a i egyenleteire utalna.. feladat A beérezési léps felszíne fölött M magasságban indul a mozgás, esési ideje t = M/g. Ezalatt a labda vízszintesen ut utat,

Részletesebben

Poisson-eloszlás Exponenciális és normális eloszlás (házi feladatok)

Poisson-eloszlás Exponenciális és normális eloszlás (házi feladatok) Poisson-eloszlás Exponenciális és normális eloszlás (házi feladatok)./ Egy televízió készülék meghibásodásainak átlagos száma óra alatt. A meghibásodások száma a vizsgált időtartam hosszától függ. Határozzuk

Részletesebben

biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás

biometria 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

Részletesebben

4.4. Egy úton hetente átlag 3 baleset történik. Mi a valószínűsége, hogy egy adott héten 2?

4.4. Egy úton hetente átlag 3 baleset történik. Mi a valószínűsége, hogy egy adott héten 2? HIPERGEO. BINOM. POISSON 4.1. Egy üzletben 100-an vásárolnak, közülük 80-an rendelkeznek bankkártyával. A pénztárnál 10-en állnak sorba, mi a valószínűsége, hogy 7-nek lesz bankkártyája? 4.2. Egy üzletben

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 2 II. A valószínűségi VÁLTOZÓ És JELLEMZÉsE 1. Valószínűségi VÁLTOZÓ Definíció: Az leképezést valószínűségi változónak nevezzük, ha

Részletesebben

A 2015/2016. tanévi Országos Középiskolai Tanulmányi Verseny második forduló MATEMATIKA I. KATEGÓRIA (SZAKKÖZÉPISKOLA) Javítási-értékelési útmutató

A 2015/2016. tanévi Országos Középiskolai Tanulmányi Verseny második forduló MATEMATIKA I. KATEGÓRIA (SZAKKÖZÉPISKOLA) Javítási-értékelési útmutató Otatási Hivatal A 015/016 tanévi Országos Középisolai Tanulmányi Verseny másodi forduló MATEMATIKA I KATEGÓRIA (SZAKKÖZÉPISKOLA) Javítási-értéelési útmutató 1 Egy adott földterület felásását három munás

Részletesebben

Mi az adat? Az adat elemi ismeret. Az adatokból információkat

Mi az adat? Az adat elemi ismeret. Az adatokból információkat Mi az adat? Az adat elemi ismeret. Tények, fogalmak olyan megjelenési formája, amely alkalmas emberi eszközökkel történő értelmezésre, feldolgozásra, továbbításra. Az adatokból gondolkodás vagy gépi feldolgozás

Részletesebben

Feladatok és megoldások a 13. hétre

Feladatok 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

Részletesebben

Nemparaméteres próbák

Nemparaméteres próbák Nemparaméteres próbák Budapesti Mőszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék 1111, Budapest, Mőegyetem rkp. 3. D ép. 334. Tel: 463-16-80 Fax: 463-30-91 http://www.vizgep.bme.hu

Részletesebben

Matematika III. 4. A valószínűségi változó és jellemzői Prof. Dr. Závoti, József

Matematika III. 4. A valószínűségi változó és jellemzői Prof. Dr. Závoti, József Matematika III. 4. A valószínűségi változó és jellemzői Prof. Dr. Závoti, József Matematika III. 4. : A valószínűségi változó és jellemzői Prof. Dr. Závoti, József Lektor : Bischof, Annamária Ez a modul

Részletesebben

A mérési eredmény megadása

A mérési eredmény megadása A mérési eredmény megadása A mérés során kapott értékek eltérnek a mérendő fizikai mennyiség valódi értékétől. Alapvetően kétféle mérési hibát különböztetünk meg: a determinisztikus és a véletlenszerű

Részletesebben

Villamosmérnök A4 11. hét Kétdimenziós normális eloszlás, cht - Megoldások

Villamosmérnök A4 11. hét Kétdimenziós normális eloszlás, cht - Megoldások Villamosmérnök A 11. hét Kétdimenziós normális eloszlás, cht - Megoldások Kétdimenziós normális összefoglalás Egy kétdimenziós X, Y valószínűségi változó kovariancia mátrixa: VarX CovX, Y CovX, Y VarY

Részletesebben

Tantárgy kódja Meghirdetés féléve 3 Kreditpont 4 Összóraszám (elm+gyak) 2+2

Tantárgy kódja Meghirdetés féléve 3 Kreditpont 4 Összóraszám (elm+gyak) 2+2 Tantárgy neve Alkalmazott matematika II. Tantárgy kódja MT003 Meghirdetés féléve 3 Kreditpont 4 Összóraszám (elm+gyak) 2+2 Számonkérés módja gyakorlati jegy Előfeltétel (tantárgyi kód) MT002 Tantárgyfelelős

Részletesebben

Gazdasági matematika II. Tantárgyi útmutató

Gazdasági matematika II. Tantárgyi útmutató Módszertani Intézeti Tanszék Gazdálkodási és menedzsment, pénzügy és számvitel szakok távoktatás tagozat Gazdasági matematika II. Tantárgyi útmutató 2016/17 tanév II. félév 1/6 A KURZUS ALAPADATAI Tárgy

Részletesebben

36 0,3. Mo.: 36 0,19. Mo.: 36 0,14. Mo.: 32 = 0,9375 32 = 0,8125 32 = 0,40625. Mo.: 32 = 0,25

36 0,3. Mo.: 36 0,19. Mo.: 36 0,14. Mo.: 32 = 0,9375 32 = 0,8125 32 = 0,40625. Mo.: 32 = 0,25 Valószínűségszámítás I. Kombinatorikus valószínűségszámítás. BKSS 4... Egy szabályos dobókockát feldobva mennyi annak a valószínűsége, hogy a -ost dobunk; 0. b legalább 5-öt dobunk; 0, c nem az -est dobjuk;

Részletesebben

A következő feladat célja az, hogy egyszerű módon konstruáljunk Poisson folyamatokat.

A 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

Részletesebben

Feladatok megoldásokkal a 9. gyakorlathoz (Newton-Leibniz formula, közelítő integrálás, az integrálszámítás alkalmazásai 1.

Feladatok megoldásokkal a 9. gyakorlathoz (Newton-Leibniz formula, közelítő integrálás, az integrálszámítás alkalmazásai 1. Feladatok megoldásokkal a 9. gyakorlathoz (Newton-Leibniz formula, közelítő integrálás, az integrálszámítás alkalmazásai.). Feladat. Határozzuk meg az alábbi integrálokat: a) x x + dx d) xe x dx b) c)

Részletesebben

Bevezetés a biometriába Dr. Dinya Elek egyetemi tanár. PhD kurzus. KOKI,

Bevezetés a biometriába Dr. Dinya Elek egyetemi tanár. PhD kurzus. KOKI, Bevezetés a biometriába Dr. Dinya Elek egyetemi tanár PhD kurzus. KOKI, 2015.09.17. Mi a statisztika? A sokaság (a sok valami) feletti áttekintés megszerzése, a sokaságról való információszerzés eszköze.

Részletesebben

Elméleti összefoglaló a Sztochasztika alapjai kurzushoz

Elméleti 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

Részletesebben

Kiválasztás. A változó szerint. Rangok. Nem-paraméteres eljárások. Rang: Egy valamilyen szabály szerint felállított sorban elfoglalt hely.

Kiválasztás. A változó szerint. Rangok. Nem-paraméteres eljárások. Rang: Egy valamilyen szabály szerint felállított sorban elfoglalt hely. Kiválasztás A változó szerint Egymintás t-próba Mann-Whitney U-test paraméteres nem-paraméteres Varianciaanalízis De melyiket válasszam? Kétmintás t-próba Fontos, hogy mindig a kérdésnek és a változónak

Részletesebben

Megoldások MATEMATIKA II. VIZSGA (VK) NBT. NG. NMH. SZAKOS HALLGATÓK RÉSZÉRE (Kérjük, hogy a megfelelő szakot jelölje be!

Megoldások MATEMATIKA II. VIZSGA (VK) NBT. NG. NMH. SZAKOS HALLGATÓK RÉSZÉRE (Kérjük, hogy a megfelelő szakot jelölje be! MATEMATIKA II. VIZSGA (VK) NBT. NG. NMH. SZAKOS HALLGATÓK RÉSZÉRE (Kérjük, hogy a megfelelő szakot jelölje be!) 2016. JANUÁR 21. Elérhető pontszám: 50 pont Megoldások 1. 6. 2. 7. 3. 8. 4. 9. 5. Össz.:

Részletesebben

1. Példa. A gamma függvény és a Fubini-tétel.

1. 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 +

Részletesebben

előadás Diszkrét idejű tömegkiszolgálási modellek Poisson-folyamat Folytonos idejű Markov-láncok Folytonos idejű sorbanállás

előadás Diszkrét idejű tömegkiszolgálási modellek Poisson-folyamat Folytonos idejű Markov-láncok Folytonos idejű sorbanállás 13-14. előadás Diszkrét idejű tömegkiszolgálási modellek Poisson-folyamat Folytonos idejű Markov-láncok Folytonos idejű sorbanállás 2016. november 28. és december 5. 13-14. előadás 1 / 35 Bevezetés A diszkrét

Részletesebben

Sztochasztikus folyamatok alapfogalmak

Sztochasztikus 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

Részletesebben

Matematika B4 VIII. gyakorlat megoldása

Matematika B4 VIII. gyakorlat megoldása Matematika B4 VIII. gyakorlat megoldása 5.április 7.. Eloszlás- és sűrűségfüggvény Ha az X egy folytonos valószínűségi változó, akkor X-et jól jellemzi az eloszlás illetve a sűrűségfüggvénye. Az eloszlásfüggvény

Részletesebben

A CSOPORT 4 PONTOS: 1. A

A CSOPORT 4 PONTOS: 1. A A CSOPORT 4 PONTOS:. A szám: pí= 3,459265, becslése: 3,4626 abszolút hiba: A szám és a becslés özti ülönbség abszolút értée Pl.: 0.000033 Relatív hiba: Az abszolút hiba osztva a szám abszolút értéével

Részletesebben

Abszolút folytonos valószín ségi változó (4. el adás)

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

Részletesebben

A Statisztika alapjai

A Statisztika alapjai A Statisztika alapjai BME A3c Magyar Róbert 2016.05.12. Mi az a Statisztika? A statisztika a valóság számszerű információinak megfigyelésére, összegzésére, elemzésére és modellezésére irányuló gyakorlati

Részletesebben

egyetemi jegyzet Meskó Balázs

egyetemi 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.

Részletesebben

BAYES-ANALÍZIS A KOCKÁZATELEMZÉSBEN, DISZKRÉT VALÓSZÍNŰSÉG ELOSZLÁSOK ALKALMAZÁSA 3

BAYES-ANALÍZIS A KOCKÁZATELEMZÉSBEN, DISZKRÉT VALÓSZÍNŰSÉG ELOSZLÁSOK ALKALMAZÁSA 3 Balogh Zsuzsanna Hana László BAYES-ANALÍZIS A KOCKÁZATELEMZÉSBEN, DISZKRÉT VALÓSZÍNŰSÉG ELOSZLÁSOK ALKALMAZÁSA 3 Ebben a dolgozatban a Bayes-féle módszer alalmazási lehetőségét mutatju be a ocázatelemzés

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 4 IV. MINTA, ALAPsTATIsZTIKÁK 1. MATEMATIKAI statisztika A matematikai statisztika alapfeladatát nagy általánosságban a következőképpen

Részletesebben

I. A PRIMITÍV FÜGGVÉNY ÉS A HATÁROZATLAN INTEGRÁL

I. A PRIMITÍV FÜGGVÉNY ÉS A HATÁROZATLAN INTEGRÁL A primitív függvény és a határozatlan integrál 5 I A PRIMITÍV FÜGGVÉNY ÉS A HATÁROZATLAN INTEGRÁL Gyaorlato és feladato ( oldal) I Vizsgáld meg, hogy a övetező függvényene milyen halmazon van primitív

Részletesebben

A gyors Fourier-transzformáció (FFT)

A gyors Fourier-transzformáció (FFT) A gyors Fourier-transzformáció (FFT) Egy analóg jel spetrumát az esete döntő többségében számítástechniai eszözöel határozzu meg. A jelet mintavételezzü és elvégezzü a mintasorozat diszrét Fouriertranszformációját.

Részletesebben

KÖVETKEZTETŐ STATISZTIKA

KÖVETKEZTETŐ STATISZTIKA ÁVF GM szak 2010 ősz KÖVETKEZTETŐ STATISZTIKA A MINTAVÉTEL BECSLÉS A sokasági átlag becslése 2010 ősz Utoljára módosítva: 2010-09-07 ÁVF Oktató: Lipécz György 1 A becslés alapfeladata Pl. Hányan láttak

Részletesebben

Osztályozóvizsga követelményei

Osztályozóvizsga követelményei Osztályozóvizsga követelményei Képzés típusa: Tantárgy: Nyolcosztályos gimnázium Matematika Évfolyam: 12 Emelt óraszámú csoport Emelt szintű csoport Vizsga típusa: Írásbeli Követelmények, témakörök: Emelt

Részletesebben

A szita formula és alkalmazásai. Gyakran találkozunk az alábbi kérdéssel, sokszor egy összetett feladat részfeladataként.

A szita formula és alkalmazásai. Gyakran találkozunk az alábbi kérdéssel, sokszor egy összetett feladat részfeladataként. A szta formula és alalmazása. Gyaran találozun az alább érdéssel, soszor egy összetett feladat részfeladataént. Tentsün bzonyos A 1,...,A n eseményeet, és számítsu anna a valószínűségét, hogy legalább

Részletesebben

Nyugat-magyarországi Egyetem Geoinformatikai Kara. Prof. Dr. Závoti József. Matematika III. 4. MA3-4 modul. A valószínűségi változó és jellemzői

Nyugat-magyarországi Egyetem Geoinformatikai Kara. Prof. Dr. Závoti József. Matematika III. 4. MA3-4 modul. A valószínűségi változó és jellemzői Nyugat-magyarországi Egyetem Geoinformatikai Kara Prof. Dr. Závoti József Matematika III. 4. MA3-4 modul A valószínűségi változó és jellemzői SZÉKESFEHÉRVÁR 2010 Jelen szellemi terméket a szerzői jogról

Részletesebben

GPK M1 (BME) Interpoláció / 16

GPK M1 (BME) Interpoláció / 16 Interpoláció Matematika M1 gépészmérnököknek 2017. március 13. GPK M1 (BME) Interpoláció 2017 1 / 16 Az interpoláció alapfeladata - Példa Tegyük fel, hogy egy ipari termék - pl. autó - előzetes konstrukciójának

Részletesebben

VALÓSZÍNŰSÉGSZÁMÍTÁS. MSc. Órai Feladatok

VALÓSZÍNŰSÉGSZÁMÍTÁS. MSc. Órai Feladatok VALÓSZÍNŰSÉGSZÁMÍTÁS MSc Órai Feladatok 1. Feladat (Diszkrét eloszlás) Ketten kosárlabdáznak. Az A játékos 0,4 a B játékos 0,3 valószínűséggel dob kosarat. A dobást A kezdi és felváltva dobnak egymás után.

Részletesebben

Statisztika I. 9. előadás. Előadó: Dr. Ertsey Imre

Statisztika I. 9. előadás. Előadó: Dr. Ertsey Imre Statisztika I. 9. előadás Előadó: Dr. Ertsey Imre Statisztikai hipotézis vizsgálatok elsősorban a biometriában alkalmazzák, újabban reprezentatív jellegű ökonómiai vizsgálatoknál, üzemi szinten élelmiszeripari

Részletesebben

Függvények Megoldások

Függvények Megoldások Függvények Megoldások ) Az ábrán egy ; intervallumon értelmezett függvény grafikonja látható. Válassza ki a felsoroltakból a függvény hozzárendelési szabályát! a) x x b) x x + c) x ( x + ) b) Az x függvény

Részletesebben

Biostatisztika VIII. Mátyus László. 19 October

Biostatisztika VIII. Mátyus László. 19 October Biostatisztika VIII Mátyus László 19 October 2010 1 Ha σ nem ismert A gyakorlatban ritkán ismerjük σ-t. Ha kiszámítjuk s-t a minta alapján, akkor becsülhetjük σ-t. Ez további bizonytalanságot okoz a becslésben.

Részletesebben

1. Kombinatorikai bevezetés

1. Kombinatorikai bevezetés 1. Kombinatorikai bevezetés 1.1. Permutációk Adott n különböző elem ismétlés nélküli permutációján az elemek egy meghatározott sorrendjét értjük. Az n különböző elem összes permutációinak számát P n -nel

Részletesebben

1. Fourier-sorok. a 0 = 1. Ennek a fejezetnek a célja a 2π szerint periodikus. 1. Ha k l pozitív egészek, akkor. (a) cos kx cos lxdx = 1 2 +

1. Fourier-sorok. a 0 = 1. Ennek a fejezetnek a célja a 2π szerint periodikus. 1. Ha k l pozitív egészek, akkor. (a) cos kx cos lxdx = 1 2 + . Fourier-soro. Bevezet definíció Enne a fejezetne a célja, hogy egy szerint periodius függvényt felírjun mint trigonometrius függvényeből épzett függvénysorént. Nyilván a cos x a sin x függvénye szerint

Részletesebben

Hipotéziselmélet - paraméteres próbák. eloszlások. Matematikai statisztika Gazdaságinformatikus MSc szeptember 10. 1/58

Hipotéziselmélet - paraméteres próbák. eloszlások. Matematikai statisztika Gazdaságinformatikus MSc szeptember 10. 1/58 u- t- Matematikai statisztika Gazdaságinformatikus MSc 2. előadás 2018. szeptember 10. 1/58 u- t- 2/58 eloszlás eloszlás m várható értékkel, σ szórással N(m, σ) Sűrűségfüggvénye: f (x) = 1 e (x m)2 2σ

Részletesebben

A maximum likelihood becslésről

A maximum likelihood becslésről A maximum likelihood becslésről Definíció Parametrikus becsléssel foglalkozunk. Adott egy modell, mellyel elképzeléseink szerint jól leírható a meghatározni kívánt rendszer. (A modell típusának és rendszámának

Részletesebben

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Függvények

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Függvények MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Függvények A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek

Részletesebben

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Abszolútértékes és gyökös kifejezések

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Abszolútértékes és gyökös kifejezések MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Abszolútértékes és gyökös kifejezések A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval

Részletesebben

Való szí nű sé gi va ltózó, sű rű sé gfű ggvé ny, élószla sfű ggvé ny

Való szí nű sé gi va ltózó, sű rű sé gfű ggvé ny, élószla sfű ggvé ny Való szí nű sé gi va ltózó, sű rű sé gfű ggvé ny, élószla sfű ggvé ny Szűk elméleti összefoglaló Valószínűségi változó: egy függvény, ami az eseményteret a valós számok halmazára tudja vetíteni. A val.

Részletesebben

Matematikai statisztika I. témakör: Valószínűségszámítási ismétlés

Matematikai 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

Részletesebben

Diszkrét matematika I. középszint Alapfogalmakhoz tartozó feladatok kidolgozása

Diszkrét matematika I. középszint Alapfogalmakhoz tartozó feladatok kidolgozása Diszrét matematia I. özépszint Alapfogalmahoz tartozó feladato idolgozása A doumentum a övetező címen elérhető alapfogalmahoz tartozó példafeladato lehetséges megoldásait tartalmazza: http://compalg.inf.elte.hu/~merai/edu/dm1/alapfogalma.pdf

Részletesebben

Operációkutatás. 4. konzultáció: Sorbanállás. Exponenciális elsozlás (ismétlés)

Operációkutatás. 4. konzultáció: Sorbanállás. Exponenciális elsozlás (ismétlés) Operációkutatás NYME KTK, gazdálkodás szak, levelező alapképzés 2002/2003. tanév, II. évf. 2.félév Előadó: Dr. Takách Géza NyME FMK Információ Technológia Tanszék 9400 Sopron, Bajcsy Zs. u. 9. GT fszt.

Részletesebben