1. A skót bakák mellkas körmérete N(88, 10). A skót bakák mekkora hányada fér bele egy 84-es zubbonyba?
|
|
- Eszter Hajduné
- 8 évvel ezelőtt
- Látták:
Átírás
1 Matematikai statisztika példák Matematikai statisztika példák Normális eloszlás 1. A skót bakák mellkas körmérete N(88, 10). A skót bakák mekkora hányada fér bele egy 84-es zubbonyba? 2. Majmok ébredését figyeltük meg. Azt tapasztaltuk, hogy 10%-uk 4 30 előtt mászott le a fáról, 20%-uk 9 15 után. Feltételezve, hogy az ébredési idejük normális eloszlást követ, mennyi a valószínűsége, hogy reggel 7-ig felkel a kedvenc majmunk? 3. A házimacskák testsúlya jó közelítéssel normális eloszlást követ: a macskák 10%-a könnyebb, mint 1, 5 kg és 20%-a nehezebb, mint 7 kg. Mekkora a 6 kg-nál nehezebb házimacskák aránya? 4. A programozó hallgatók valószínűségszámítás-gyakorlaton szerzett pontszáma közelítőleg normális eloszlású: 8%-uk szerzett kevesebb, mint 50 pontot és 12%-uk szerzett több, mint 86 pontot. Mekkora hányaduk szerzett 51 és 61, illetve 62 és 73 közötti pontszámot? 5. A 200 gramm névleges tömegű Tibi csokoládé tényleges tömege 200 gramm várható értékű, normális eloszlású v.v.: a csokoládék 80%-ának a tömege 195 és 205 gramm közé esik. Mekkora hányaduk könnyebb, mint 190 gramm? 6. Szegednél a Tisza vízszint ingadozása normális eloszlást követ. Ha a 402 m-es vízszintnek a várható értéktől való eltérése a szórásnégyzet háromszorosa, és ennél alacsonyabb vízszint az esetek 67%-ában mérhető, akkor mekkora µ és σ? 7. Egy üzemben egy folyékony termék töltését két automata végzi. Az üvegekbe töltött mennyiség átlagosan 2 dl és normális eloszlású mindkét gép esetében. A betöltött mennyiség szórása az első gépnél 0, 14 dl, a másodiknál pedig 0, 08 dl. Az üvegek 60%-át az első gép tölti, a többit a második. Mi a valószínűsége, hogy egy üveget véletlenszerűen kivéve a napi készletből, abban a betöltött folyadék mennyisége a várható értéktől 0, 1 dl-nél kevesebbel tér el? de Moivre-Laplace-tétel, Centrális határeloszlás tétel 8. Százszor feldobunk egy ferde forintos érmét. Mennyi a valószínűsége annak, hogy az írást eredményező dobások száma 40 és 60 közé esik? 9. Egy szabályos dobókockát 600-szor feldobunk: írjuk fel annak a pontos valószínűségét, hogy a dobbott 6-osok száma 100 és 105 közé esik, és közelítsük ezt a valószínűséget a de Moivre-Laplace-tétel segítségével! 10. Egy célpontra 200 lövést adnak le. A találatok valószínűsége minden lövésnél 0, 4. Adjon meg olyan felső korlátot, amelyet a találatok száma 90% eséllyel nem halad meg! 11. Budapesten meg akarják állapítani, hogy a dohányosok milyen p arányban fordulnak 1
2 elő. Ehhez n embert kiválasztanak, úgy hogy minden választásnál mindenki ugyanolyan valószínűséggel kerülhet kiválasztásra és csak ezek között nézik meg a dohányosok k számát. Milyen nagyra kell az n-et választani, hogy legalább 95% valószínűséggel a mintából kapott k/n arány legfeljebb 0, 005 hibával megközelítse a dohányosok valódi p arányát ( bármi is legyen p, 0 < p < 1)? 12. Egy pakli magyar kártyát jól összekeverünk, majd kihúzunk egy kártyát. Ezt 150-szer megismételjük. Mennyi a valószínűsége, hogy a kihúzott királyok száma 35 és 62 közé esik? 13. Ketten játszanak egy játékot. András 37/72 valószínűséggel, Béla 35/72 valószínűséggel nyer meg egy játékot. A játék 200 játszmából áll, minden játszmánál 10 dollár a tét, vagyis ha András nyer, Béla ad neki 10 dollárt és fordítva. Mennyi a valószínűsége, hogy András nyereménye 50 és 100 dollár között lesz! esetből kb. 300-szor fordul elő, hogy egy doboz málna nettó súlya több, mint 35 dkg. Becsüljük meg normális eloszlás táblázat segítségével, hogy hány szem málna van egy dobozban, ha az egyes málanszemek súlya 2 g körül ingadozik, 0, 25 g szórással! 15. X 1,..., X 1000 független, külön-külön [0, 1]-en egyenletes eloszlású véletlen változók. Normális eloszlás táblázat segítségével határozzuk meg a P ( 1000 i=1 X2 i 350) valószínűség közelítő értékét! 16. Egy adott repülőgép esetén a két meghibásodás között eltelt időtartam exponenciális eloszlást követ, 30 nap várható értékkel. A repülőt 100 meghibásodás után kivonják a forgalomból. Mennyi a valószínűsége, hogy 3600 napnál tovább üzemelhet? 17. Véletlenországban egy bank pénztáránál az egyik napon előreláthatóan 60 ügyfél vesz ki pénzt. A pénztárnál az átlagos kifizetés ügyfelenként 50 tallér, 20 tallér szórással. Mennyi pénzt tartson a kasszájában a pénztáros, ha 0, 95 valószínűséggel, minden fennakadás nélkül tudja teljesíteni a kifizetéseket? 18. Egy útvonalon két légitársaság indít járatokat: a két társaság szolgáltatási színvonala és jegyek ára azonos, a járatok azonos időben indulnak, feltehető, hogy az utasok teljesen véletlenszerűen és azonos valószínűséggel döntenek egyik vagy másik légitársaság mellett. Az adott viszonylatban 200-an akarnak utazni: hány férőhelyes gépekre van szüksége a légitársaságoknak, ha azt akarják, hogy legfeljebb 1% legyen annak a valószínűsége, hogy egy utast amiatt kelljen elutasítani, mert már nincs szabad hely a gépen? Empirikus eloszlásfüggvény, empirikus várható érték és empirikus szórás 19. A következő adatokat kapták a heti tv-nézési időre, órában mérve, egy 14 diákkal végzett felmérésnél: 3, 6, 14, 21, 4, 15, 20, 28, 45, 20, 5, 4, 4, 35. Határozzuk meg az adatok empirikus eloszlásfüggvényét, empirikus várható értékét és empirikus szórását! 20. Egy gyermek játékszer fizikai terhelhetőségére elvégzett próbatesztek a következő mérési eredményekre vezettek: 40, 45, 39, 42, 37 (kg). (a) Határozzuk meg az adatok empirikus eloszlásfüggvényét, empirikus várható értékét oszi 2
3 Matematikai statisztika példák és empirikus szórását! Ezután tegyük fel, hogy a terhelhetőség normális eloszlású a becslésből adódó szórással és várható értékkel. (b) Mi a valószínűsége, hogy egy játékszer terhelhetősége 15 és 28 kg közzé esik? (c) Mi a valószínűsége, hogy egy játékszer terhelhetősége nem éri el a 13 kg-ot? (d) Mi a valószínűsége, hogy egy játékszer terhelhetősége eléri a 46 kg-ot? (e) Adjunk meg egy olyan intervallumot, amelybe egy találomra kiválasztott játékszer terhelhetősége 0.9 valószínűséggel esik bele! ( a (b),(c),(d),(e) feladatoknál az elméleti értékeket kell meghatározni!) számítógép életkora (X) és karbantarásukra elköltött pénz mennyisége (Y ) a következő volt: Számítógép Életkor(X) Költség(Y ) (év) (eft) Jellemezzük az X és Y mutatók közötti kapcsolat szorosságát! 22. Egy város egyik piacán 10 egyást követő napon megfigyelést végeztek a nyári alma felhozatalára és egységárának alakulására vonatkozóan. Az adatokat a következő táblázat tartalmazza: Sorszám Felhozatal Egységár (q) (Ft/kg) Számítsuk ki a felhozatalra és az egységárra vonatkozó empirikus korrelációs együtthatót! Maximum likelihood becslés 3
4 23. A gyártót és a kereskedőt egyaránt érdekli, hogy egy adott árúkészletben hány darab selejtes van. Tegyük fel, hogy az árúkészlet N darabból áll. Válasszunk ebből véletlenszerűen egy n-elemű (1 n < N) mintát. Ez azt jelenti, hogy bármely n 1 darabos kollekciót egyenlő, tehát ( ) valószínűséggel választunk ki. Megszámoljuk N n hány selejtes van a mintában. Legyen m a mintabeli selejtes darabok száma. Adjunk maximum likelihood becslést a teljes készletben lévő selejtesek számára! Konkrét példaként tekintsük azt az esetet, amikor a készlet 2000 darabból áll és 20- elemű mintát veszünk. 24. A kékbálnaállomány becslésére a következőmódszert alkalmazták. Néhány napon át kb. 30 cm hosszú fémhengereket lőttek be a bálnák zsírpárnájába, közvetlenűl a bör alá. Feljegyezték, hogy hány bálnát jelöltek meg (M). Ezután felszólították a bálnahalászhajókat, hogy adják meg, hány bálnát fogtak (n), s azok közt hány volt megjelőlve (k). Adjunk maximum likelihood becslést a bálnák N számára! 25. Egy céllövő egy számára ismeretlen puskával először n 1 lövést ad le egy célpontra, minden egyes lövés találati valószínűsége p. Ezután ujra lő, ezúttal n 2 lövést ad le és αp a lövések találati valószínűsége. Jelöljük a találatok számát az egyes sorozatokban x 1 -el és x 2 -vel. (a) A p paramétert ismertnek tételezve, adjunk maximum likelihood becslést a α-ra. (b) Tegyük fel, hogy p is ismeretlen és becsüljük mindkét paramétert. (c) Adjuk meg a konkrét becsléseket az (a) illetve (b) esetekben, ha n 1 = 15, n 2 = 10, x 1 = 9, x 2 = Egy tóban a halakat betegség támadta meg, mely az egyes egyedeket ismert p (0 < p < 1) valószínűséggel pusztítja el. (a) A kifogott haltetemek k számából adjunk maximum likelihood becslést a betegség előtt a tóban élt halak számára. (b) Mennyiben változik a becslésünk, ha a mintában megkülönböztetjük a hím és nőstény egyedeket és feltételezzük, hogy mindkét nemet ugyanolyan arányban érinti, valamint a tóban ugyanannyi nőstény és hím van? (c) Adjuk meg a konkrét becslést az (a) esetben, ha k = 100 és p = Tegyük fel, hogy egy almáskertben véletlenszerűen, egymástól függetlenül találhatók fertőzött fák, melyek száma Poisson eloszlást követ. Tíz egyforma nagy, egyenként három sorból álló ültetvényben rendre 0, 3, 0, 1, 0, 0, 2, 1, 1, 2 beteg fát találtak. Adjunk maximum likelihood becslést az egy sorban található fertőzött fák számának várható értékére. 28. A színvakság gyakorisága egy populációban genetikai tényezők miatt p a férfiaknál és p 2 a nőknél. Adjuk meg a p maximum likelihood becslését az alapján, hogy M férfiből m és N nőből n volt színvak. oszi 4
5 Matematikai statisztika példák 29. Egy városban a gépkocsik rendszámai egyszerű számok, 1-től kezdődően. Adjunk maximum likelihood becslést a városban található gépkocsik számára n megfigyelés alapján ( jelölje pl. x 1, x 2,..., x n a megfigyelet n rendszámot). Adjuk meg a konkrét becslést, ha az 5, 8100, 76, és a rendszámokat figyeltük meg. 30. Egy alkatrészekből álló sokaság 6 mintapéldánynak következő volt a teljes élettartama: 39, 45, 67, 50, 50, 60 (hónap). Tegyük fel, hogy az élettartam exponenciális eloszlású egy ismeretlen λ paraméterrel. (a) Számoljuk ki a λ paraméter maximum likelihood becslést! Ezután tegyük fel, hogy az élettartam várható értéke a mintaelemek átlaga. (b) Mi a valószínűsége, hogy egy alkatrész élettartama a várható értékre szimmetrikus 20 hónap hosszú intervallumba esik? (c) Milyen T időtartamot ér meg az alkatrészek 10%-a? (d) Milyen T időtartamot nem ér meg az alkatrészek 85%-a? (e) Mi a valószínűsége, hogy egy alkatrész 35 hónapnál rövidebb ideig tart ki? (f) Mi a valószínűsége, hogy egy alkatrész legalább 70 hónapig müködik? ( a (b),(c),(d),(e),(f) feladatoknál az elméleti értékeket kell meghatározni!) 31. Határozzuk meg egy ismeretlen helyzetű 1 hosszúságú intervallum felezőpontjának maximum likelihood becslést! Adjuk konkrét becslést, ha a következő minta áll rendelkezésünkre: 1.1, 1.9, 1.3, 1.5, 1.7, Egy laborban a mérést általában az (ismert) σ szórású műszeren végzik. n ilyen mérés elvégzése után (a független, azonos N(µ, σ) eloszlású adatok: x 1,..., x n ) elromlott a készülék és csak a régi, kσ (szintén ismert) szórású műszert lehetett használni. Ezzel a műszerrel az y 1,..., y m adatokhoz jutottunk (µ változatlan). Adjunk maximum likelihood becslést µ-re. Adjuk meg a konkrét becslést, ha a következő minta áll rendelkezésünkre: 1.1, 1.9, 1.3, 1.5, 1.7, 1.99 és 1.1, 0.9, 1.3, 1.5, 1.7, 1.99, 2.1, 1.9, 2.3 a régi műszerrel mért minta (σ = 0.2, k = 1.2). 33. Egy alkatrész élettartama exponenciális eloszlású η/t, ha t hőmérsékleten működtetjük. (a) Hogyan függ a várható élettartam a t hőmérséklettől? (b) Tegyük fel, hogy n megfigyelést különböző t 1, t 2,..., t n hőmérsékleten végeztünk és x 1, x 2,..., x n élettartamot figyeltünk meg. Adjunk maximum likelihood becslést η-ra! (c) Adjunk meg konkrét becslést η-ra, ha a következő megfigyelések adódtak: Megfigyelés Élettartam Hőmérséklet x(év) t( o C)
6 oszi Konfidencia intervallum, tesztek 34. Egy város energiafogyasztása normális eloszlású ismeretlen µ várható értékkel és a korábbi tapasztalatok alapján ismert σ szórással. n napon át végeztünk méréseket x 1,..., x n eredménnyel, majd n + 1. naptól m napon át csak a város egyik kerületéből érkeztek adatok, ahol a fogyasztás várható értéke az egész városénak a fele: y 1,..., y m a kapott adatsor (tételezzük fel, hogy a szórás itt is σ). Adjunk maximum likelihood becslést µ-re. 35. Legyen X 1, X 2,..., X n mintánk az f(x) = 3x 2 2η, ha η x η 0, különben (η > 0) sűrűségfüggvényű eloszlásból. Adjunk maximum likelihood becslést az ismeretlen η parameterre. 36. Legyen X 1, X 2,..., X n az 2α x(1 x 2 ) α 1, ha0 < x < 1 f(x) = 0, különben sűrűségfüggvényű eloszlásból vett minta. Adjunk maximum likelihood becslést az ismeretlen α > 0 parameterre. 37. Egy gyermek játékszer fizikai terhelhetőségére elvégzett próbatesztek a következő mérési eredményekre vezettek: 40, 45, 39, 42, 37 (kg). Tegyük fel, hogy a terhelhetőség normális eloszlású a becslésből adódó szórással. (a) Adjunk meg egy olyan intervallumot, amely a terhelhetőség várható értékét 0.9 valószínűséggel tartalmazza! (b) Teszteljük azt a nullhipotézist 1, 5, 10% szignifikancia szinten, hogy a terhelhetőség várható értéke 40 kg-mal egyezik meg! 38. Adott gépen gyártott gyűrűk külső átmérője, mint véletlen változó, normális eloszlást követ. Tegyük fel, hogy a szórás ismert: σ = Teszteljük azt a nullhipotézist 1, 5, 10% szignifikancia szinten, hogy a külső átmérő várható értéke 16.8 mm-rel egyezik meg,ha 5 darabot lemérve: 16.7, 16.9, 16.3, 17.1, 17.2! 39. Egy laborban a mérést egy ismeretlen σ szórású műszeren végzik. Egy mérést 6- szor megismételve a ( független, azonos N(µ, σ 2 ) eloszlású) következő adatokat kaptuk: 1.1, 1.9, 1.3, 1.5, 1.7, Adjunk meg a egy olyan intervallumot, amely a szórás négyzetet 90% valószínűséggel tartalmazza! 6
7 Matematikai statisztika példák egyén testmagasságára a következő mérések adódtak: 171, 177, 183, 169, 172(cm). Az adatok szórása ismeretlen. (a) Adjunk meg egy olyan intervallumot, amely a várható magasságot 95% valószínűséggel tartalmazza! (b) 1, 5, 10% szignifikancia szinten teszteljük azt a nullhipotézist, hogy a várható magasság 178 cm! 41. Jancsi bácsi tüzifát fűrészel, szándéka szerint 10 cm-es darabokra. Mivel a reggeli első fél decijén már túl van, a levágott darabok hossza közelítőleg normális eloszlást követ, ismeretlen szórással. Elfogadjuk-e 10%-os szignifikancia szinten, hogy a tüzifák várható értéke 10 cm, ha 5 darabot lemérve: 8.7, 6.9, 10.3, 8.1, 7.9? 42. Az alábbi két minta 5-egyforma képességünek feltételezett- sportoló súlylökésben elért adatait tartalmazza ( tegyük fel, hogy az adatok normális eloszlásból származnak). Az első dobás előtt az edző büszkén állította, hogy tanítványai átlagosan legalább 17m-t dobnak, amit a klubb igazgatója kétségbe vont. Úgy döntött, hogy csak akkor hosszabbítja meg az edző szerződését, ha a H 0 : µ = 17 hipotézis α = 0.05 elsőfajú hibavalószínűség mellett elfogadható! (a) Hogyan döntött az igazgató, ha a korábbi tapasztalataik alapján a dobások szórását 2-nek tekintették? (b) Változott volna-e a helyzet, ha nem tekintik a szórást ismertnek? (c) Az előzőek alapján az igazgató végül is még egy esélyt adott az edzőnek. Ő az első kisérlet után mindenkinek elmagyarázta, hogy mire kellene odafigyelnie a jobb eredmény érdekében. Segített-e az edzés? (d) Végül is mi legyen az edző sorsa? Sportoló dobás dobás Az alábbi két minta 5 autó fogyasztási adatait tartalmazza. Az első sorban a szerviz előtti, a másodikban a szerviz utáni értékek találhatóak. Csökkentette-e a szerviz a fogyasztást? Autó szerviz előtt szerviz után embert megkérdeztünk dohányzik-e, 386 mondta magát dohányosnak. Adjunk 0, 9 megbízhatósági szintű konfidencia intervallumot arra a valószínűségre, hogy valaki dohányzik! 45. Állítólag Szegeden a fehér autók aránya 30%. Egy forgalmas útkereszteződésben 100 autó haladt keresztűl: ezek közzül 35 volt fehér. 7
8 (a) Adjunk 99%-os megbízhatósági szintű konfidencia intervallumot a fehér autók arányára! (b) α = 0, 01 szinten elfogadjuk-e H 0 : p = 0, 3 nullhipotézist? 46. Legyen A egy esemény ismeretlen P (A) = p valószínűséggel. A de Moivre-Laplace tértel felhasználásával konstruáljunk tesztet a következő nullhipotézis ellenőrzésére: H 0 : p = p 0 (l.a. centrális határeloszlás tételen alapuló próbákat!) Végezzük el a tesztet 1% szignifikancia szint mellett annak ellenőrzésére, hogy az A esemény valószínűsége 0.9, ha azt figyeltük meg, hogy 100 esetből 86 esetben következett be A. 47. A Szerencsejáték felügyelet kaszinót ellenőriz, arra kiváncsiak szabályos-e a dobókockájuk. Azt tapasztalják, hogy száz dobásból Elfogadjuk-e α = 0.05 megbízhatósági szinten hogy szabályos a kocka? oszi 8
KVANTITATÍV MÓDSZEREK
KVANTITATÍV MÓDSZEREK Dr. Kövesi János Tóth Zsuzsanna Eszter 6 Tartalomjegyzék Kvantitatív módszerek. Valószínűségszámítási tételek. eltételes valószínűség. Események függetlensége.... 3.. eltételes valószínűség...
Részletesebben5. Egyszerre feldobunk egy-egy szabályos hat-, nyolc-, és tizenkét oldalú dobókockát.
1. feladatsor 1. (a) Igazolja, hogy tetszőleges A, B, C eseményekre fennáll, hogy (A B) (A C) = A (B + C)! (b) Sorolja fel a valószínűség-számítás axiómáit! (a) c=? (4) (b) D(ξ)=? (0.4714) { c x 5 (c)
RészletesebbenFeladatok és megoldások a 6. heti eladshoz
Feladatok és megoldások a 6. heti eladshoz Építőkari Matematika A3 1. Ha E(X = 1 és D 2 (X = 5, határozzuk meg (a E[(2 + X 2 ], (b D 2 (4 + 3X értékét. 2. Legyenek X 1, X 2,... független azonos eloszlású
RészletesebbenNyugat-magyarországi Egyetem Geoinformatikai Kara. Prof. Dr. Závoti József. Matematika III. 6. MA3-6 modul. A statisztika alapfogalmai
Nyugat-magyarországi Egyetem Geoinformatikai Kara Prof. Dr. Závoti József Matematika III. 6. MA3-6 modul A statisztika alapfogalmai SZÉKESFEHÉRVÁR 2010 Jelen szellemi terméket a szerzői jogról szóló 1999.
RészletesebbenVéletlenszám-generátorok
Véletlenszám-generátorok 1. Lineáris kongruencia generátor megvalósítása: (a) Készítsen lineáris kongruencia generátort az paraméterekkel, rnd_lcg néven. (b) Nyomtasson ki 20 értéket. legyen. (a, c, m,
RészletesebbenKVANTITATÍV MÓDSZEREK
Budapesti Műszaki és Gazdaságtudományi Egyetem Gazdaság- és Társadalomtudományi Kar Üzleti Tudományok Intézet Dr. Kövesi János, Erdei János, Dr. Tóth Zsuzsanna Eszter KVANTITATÍV MÓDSZEREK Példatár Budapest,
RészletesebbenGyakorló feladatok Anyagmérnök hallgatók számára
Gyakorló feladatok Anyagmérnök hallgatók számára. feladat Egy külkereskedelmi vállalat 7 ezer üvegből álló gyümölcskonzerv szállítmányt exportál. A nettó töltősúly ellenőrzése céljából egy 9 elemű véletlen
RészletesebbenValószín ségelmélet házi feladatok
Valószín ségelmélet házi feladatok Minden héten 3-4 házi feladatot adok ki. A megoldásokat a következ órán kell beadni, és kés bb már nem lehet pótolni. Csak az mehet vizsgázni, aki a 13 hét során kiadott
RészletesebbenSztochasztikus folyamatok 1. házi feladat
Sztochasztikus folyamatok 1. házi feladat 1. Egy borfajta alkoholtartalmának meghatározására méréseket végzünk. Az egyes mérések eredményei egymástól független valószínûségi változók, melyek normális eloszlásúak,
Részletesebben1.4 Hányféleképpen rakhatunk sorba 12 könyvet, ha 3 bizonyos könyvet egymás mellé akarunk rakni és
Valószínűségszámítás és statisztika feladatok 1 Kombinatorika 2011/12. tanév, I. félév 1.1 Hányféleképpen lehet a sakktáblán 8 bástyát elhelyezni úgy, hogy egyik se üsse a másikat? Mennyi lesz az eredmény,
Részletesebben11. Matematikai statisztika
11. Matematikai statisztika 11.1. Alapfogalmak A statisztikai minta valamely valószínűségi változóra vonatkozó véges számú független kisérlet eredménye. Ez véges sok, azonos eloszlású valószínűségi változó
RészletesebbenVariancia-analízis (folytatás)
Variancia-analízis (folytatás) 6. elıadás (11-12. lecke) Szórás-stabilizáló transzformációk (folyt.), t-próbák 11. lecke További variancia-stabilizáló transzformációk Egy-mintás t-próba Szórás-kiegyenlítı
RészletesebbenKonfidencia-intervallumok
Konfdenca-ntervallumok 1./ Egy 100 elemű mntából 9%-os bztonság nten kéített konfdenca ntervallum: 177,;179,18. Határozza meg a mnta átlagát és órását, feltételezve, hogy az egé sokaság normáls elolású
RészletesebbenHipotézisvizsgálat. A sokaság valamely paraméteréről állítunk valamit,
II. Hipotézisvizsgálat Lényege: A sokaság valamely paraméteréről állítunk valamit, majd az állításunk helyességét vizsgáljuk. A hipotézisvizsgálat eszköze: a statisztikai próba Menete: 1.Hipotézisek matematikai
RészletesebbenFelszín- és térfogatszámítás (emelt szint)
Felszín- és térfogatszámítás (emelt szint) (ESZÉV 2004.minta III./7) Egy négyoldalú gúla alaplapja rombusz. A gúla csúcsa a rombusz középpontja felett van, attól 82 cm távolságra. A rombusz oldalának hossza
RészletesebbenValószínűségszámítás
Eszterházy Károly Főiskola Matematikai és Informatikai Intézet Tómács Tibor Valószínűségszámítás programtervező informatikusok részére Eger, 010. szeptember 0. Tartalomjegyzék 1. Véletlen események...............................
Részletesebben10. Valószínűségszámítás
. Valószínűségszámítás.. Események A valószínűségszámítás nagyon leegyszerűsítve események bekövetkezésének valószínűségével foglalkozik. Példák: Ha egy játékban egy dobókockával dobunk, akkor a kockadobás
Részletesebben4b 9a + + = + 9. a a. + 6a = 2. k l = 12 évfolyam javítóvizsgára. 1) Alakítsd szorzattá a következő kifejezéseket!
) Alakítsd szorzattá a következő kifejezéseket! 4 c) d) e) f) 9k + 6k l + l = ay + 7ay + 54a = 4 k l = b 6bc + 9c 4 + 4y + y 4 4b 9a évfolyam javítóvizsgára ) Végezd el az alábbi műveleteket és hozd a
Részletesebben3 6. 3 4. o.: 1 50. feladat 5 6. o.: 26 75. feladat. Mérünk és számolunk 2011. Egységnyi térfogatú anyag tömege
Jármezei Tamás Egységnyi térfogatú anyag tömege Mérünk és számolunk 211 FELADATGYŰJTEMÉNY AZ ÁLTALÁNOS ISKOLA 3 6. ÉVFOLYAMA SZÁMÁRA Jedlik-verseny I. forduló 3 4. o.: 1 5. feladat 5 6. o.: 26 75. feladat
RészletesebbenCsődvalószínűségek becslése a biztosításban
Csődvalószínűségek becslése a biztosításban Diplomamunka Írta: Deák Barbara Matematikus szak Témavezető: Arató Miklós, egyetemi docens Valószínűségelméleti és Statisztika Tanszék Eötvös Loránd Tudományegyetem,
RészletesebbenValószínűség-számítás II.
Valószínűség-számítás II. Geometriai valószínűség: Ha egy valószínűségi kísérletben az események valamilyen geometriai alakzat részhalmazainak felelnek meg úgy, hogy az egyes események valószínűsége az
RészletesebbenMatematikai statisztikai elemzések 1.
Matematikai statisztikai elemzések 1. A statisztika alapfogalmai, feladatai, Prof. Dr. Závoti, József Matematikai statisztikai elemzések 1.: A statisztika alapfogalmai, feladatai, statisztika, osztályozás,
RészletesebbenMINİSÉGSZABÁLYOZÁS. Dr. Drégelyi-Kiss Ágota e-mail: dregelyi.agota@bgk.uni-obuda.hu http://uni-obuda.hu/users/dregelyia
MINİSÉGSZABÁLYOZÁS A GÉPIPARBAN Dr. Drégelyi-Kiss Ágota e-mail: dregelyi.agota@bgk.uni-obuda.hu http://uni-obuda.hu/users/dregelyia ISO 9000:2008 A STATISZTIKAI MÓDSZEREK HASZNÁLATÁRÓL A statisztikai módszerek
RészletesebbenBemenet modellezése II.
Bemenet modellezése II. Vidács Attila 2005. november 3. Hálózati szimulációs technikák, 2005/11/3 1 Kiszolgálási id k modellezése Feladat: Egy bemeneti modell felállítása egy egy kiszolgálós sorbanállási
RészletesebbenA felmérési egység kódja:
A felmérési egység lajstromszáma: 0056 ÚMFT Programiroda A felmérési egység adatai A felmérési egység kódja: A kódrészletek jelentése: Iterköz//30/Rea//Ált Informatika közös szakképesítés-csoportban, a
RészletesebbenKomputer statisztika gyakorlatok
Eszterházy Károly Főiskola Matematikai és Informatikai Intézet Tómács Tibor Komputer statisztika gyakorlatok Eger, 2010. október 26. Tartalomjegyzék Előszó 4 Jelölések 5 1. Mintagenerálás 7 1.1. Egyenletes
RészletesebbenFELTÉTELES VALÓSZÍNŰSÉG, TELJES VALÓSZÍNŰSÉG TÉTELE, BAYES TÉTELE
FELTÉTELES VALÓSZÍNŰSÉG, TELJES VALÓSZÍNŰSÉG TÉTELE, BAYES TÉTELE 1. Egy alkalmassági vizsgálat adatai szerint a vizsgált személyeken 0,05 valószínűséggel mozgásszervi és 0,03 valószínűséggel érzékszervi
RészletesebbenValószínűségszámítás
1. Kombinatorika Valószínűségszámítás 2004.03.01. Készítette: Dr. Toledo Rodolfo 1.1. Tétel. Ha n darab különböző elemet az összes lehetséges módon sorba rendezünk, akkor ezt n! := n (n 1) (n 2) 2 1-féle
RészletesebbenMunkafüzet megoldások 7. osztályos tanulók számára. Makara Ágnes Bankáné Mező Katalin Argayné Magyar Bernadette Vépy-Benyhe Judit
Kalandtúra 7. unkafüzet megoldások 7. osztályos tanulók számára akara Ágnes Bankáné ező Katalin Argayné agyar Bernadette Vépy-Benyhe Judit BEELEGÍTŐ GONDOLKODÁS. SZÓRAKOZTATÓ FELADVÁNYOK. oldal. 6... 6.
RészletesebbenMATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK KÖZÉP SZINT Térgeometria
MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK KÖZÉP SZINT Térgeometria 1) Egy gömb alakú labda belső sugara 13 cm. Hány liter levegő van benne? Válaszát indokolja! 2) Egy forgáskúp alapkörének átmérője egyenlő a
RészletesebbenStatisztika feladatok (emelt szint)
Statisztika feladatok (emelt szint) (ESZÉV Minta (1) 2004.05/8) Tekintse az alábbi magyarországi házassági adatokat tartalmazó statisztikai táblázatot! a) Készítsen diagramot, amely szemlélteti a házasságkötések
Részletesebbenmatematikai statisztika 2006. október 24.
Valószínűségszámítás és matematikai statisztika 2006. október 24. ii Tartalomjegyzék I. Valószínűségszámítás 1 1. Véletlen jelenségek matematikai modellje 3 1.1. Valószínűségi mező..............................
RészletesebbenFeladatok és megoldások a 4. hétre
Feladatok és megoldások a. hétre Építőkari Matematika A3. Pisti nem tanult semmit a vizsgára, ahol 0 darab eldöntendő kérdésre kell válaszolnia. Az anyagból valami kicsi dereng, ezért kicsit több, mint
Részletesebben1. A MÁSODIK OSZTÁLYBAN TANULTAK ISMÉTLÉSE
1. A MÁSODIK OSZTÁLYBAN TANULTAK ISMÉTLÉSE 1. Írd le számokkal! Hat, tizenhat,,hatvan, hatvanhat, ötven, száz, tizenhét, húsz nyolcvankettı, nyolcvanöt. 2. Tedd ki a vagy = jelet! 38 40 2 42 50+4
RészletesebbenÖsszefoglaló valószínűségszámításból a Gépészmérnök Msc szak hallgatói számára
Összefoglaló valószínűségszámításból a Gépészmérnök Msc szak hallgatói számára Matematikai alapszöveg: Bálint Péter, BME Differenciálegyenletek Tanszék Konzultáció, kiegészítések gépészmérnöki szempontok
Részletesebben3. Öt alma és hat narancs 20Ft-tal kerül többe, mint hat alma és öt narancs. Hány forinttal kerül többe egy narancs egy
1. forduló feladatai 1. Üres cédulákra neveket írtunk, minden cédulára egyet. Egy cédulára Annát, két cédulára Pétert, három cédulára Bencét és négy cédulára Petrát. Ezután az összes cédulát egy üres kalapba
RészletesebbenMATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK KÖZÉP SZINT Térgeometria
MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK KÖZÉP SZINT Térgeometria A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek
Részletesebben7 10. 7.o.: 1 50. feladat 8. o.: 26 75. feladat 9 10. o.: 50 100. feladat
-1- Fizikaiskola 2012 FELADATGYŰJTEMÉNY a 7 10. ÉVFOLYAMA SZÁMÁRA Jedlik-verseny I. forduló 7.o.: 1 50. feladat 8. o.: 26 75. feladat 9 10. o.: 50 100. feladat Szerkesztette: Jármezei Tamás (1 75. feladat)
RészletesebbenSzent István Tanulmányi Verseny Matematika 3.osztály
SZENT ISTVÁN RÓMAI KATOLIKUS ÁLTALÁNOS ISKOLA ÉS ÓVODA 5094 Tiszajenő, Széchenyi út 28. Tel.: 56/434-501 OM azonosító: 201 669 Szent István Tanulmányi Verseny Matematika 3.osztály 1. Hányféleképpen lehet
RészletesebbenVargha András PSZICHOLÓGIAI STATISZTIKA DIÓHÉJBAN 1. X.1. táblázat: Egy iskolai bizonyítvány. Magyar irodalom. Biológia Földrajz
Megjelent: Vargha A. (7). Pszichológiai statisztika dióhéjban. In: Czigler I. és Oláh A. (szerk.), Találkozás a pszichológiával. Osiris Kiadó, Budapest, 7-46. Mi az, hogy statisztika? Vargha András PSZICHOLÓGIAI
RészletesebbenGAZDASÁGI STATISZTIKA
GAZDASÁGI STATISZTIKA Dr. Kun István GÁBOR DÉNES FŐISKOLA Tantárgy: Gazdasági statisztika Kódszám: 224 Lapszám: 1 TÉMAKÖRÖK A STATISZTIKA ALAPFOGALMAI STATISZTIKAI SOROK STATISZTIKAI TÁBLÁK ÖSSZETETT VISZONYSZÁMOK
RészletesebbenValószínűségszámítás és statisztika. István Fazekas
Valószínűségszámítás és statisztika István Fazekas Tartalomjegyzék 1. fejezet. A valószínűségszámítás alapfogalmai 5 1.1. A valószínűség 5 1.2. Halmazalgebrák és σ-algebrák 11 1.3. A feltételes valószínűség
RészletesebbenGÉPÉSZKARI MATEMATIKA MSC
Bálint Péter - Garay Barna - Kiss Márton - Lóczi Lajos - Nagy Katalin - Nágel Árpád GÉPÉSZKARI MATEMATIKA MSC 211 Ismertető Tartalomjegyzék Pályázati támogatás Gondozó Szakmai vezető Lektor, konzulensek
RészletesebbenIlleszkedésvizsgálat χ 2 -próbával
Illeszkedésvizsgálat χ -próbával Szalay Krisztina 1. feladat (tiszta illeszkedésvizsgálat) Négy pénzérmét 0-szor feldobunk. A kapott gyakoriságok: fejek száma 0 1 3 4 Összes gyakoriság 5 35 67 41 1 0 Elfogadható-e
RészletesebbenHipotézis-ellenırzés (Statisztikai próbák)
Következtetı statisztika 5. Hipotézis-elleırzés (Statisztikai próbák) 1 Egymitás próbák Átlagra, aráyra, Szórásra Hipotézis-vizsgálat Áttekités Egymitás em paraméteres próbák Függetleségvizsgálat Illeszkedésvizsgálat
RészletesebbenII. A következtetési statisztika alapfogalmai
II. A következtetési statisztika alapfogalmai Tartalom Statisztikai következtetések A véletlen minta fogalma Pontbecslés és hibája Intervallumbecslés A hipotézisvizsgálat alapfogalmai A legegyszerűbb statisztikai
RészletesebbenNév:. Dátum: 2013... 01a-1
Név:. Dátum: 2013... 01a-1 Ezeket a szorzásokat a fejben, szorzótábla nélkül végezze el! 1. Mennyi 3 és 3 szorzata?.. 2. Mennyi 4 és 3 szorzata?.. 3. Mennyi 4 és 4 szorzata?.. 4. Mennyi 5 és 3 szorzata?..
RészletesebbenMatematikai statisztikai elemzések 5.
Nyugat-magyarországi Egyetem Geoinformatikai Kara Prof. Dr. Závoti József Matematikai statisztikai elemzések. MSTE modul Kapcsolatvizsgálat: asszociáció vegyes kapcsolat korrelációszámítás. Varianciaanalízis
Részletesebbenkonfidencia-intervallum Logikai vektorok az R-ben 2012. március 14.
Valószínűség, pontbecslés, konfidencia-intervallum Logikai vektorok az R-ben 2012. március 14. Normális eloszlás tesztje Kolmogorov-Szmirnov vagy Wilk-Shapiro próba. R-funkció: shapiro.test(vektor) balra
Részletesebben2009 szeptemberében megvizsgálták a magyarországi jogi személyiségű építőipari kft-ket. Töltse ki a táblázat hiányzó részeit!
2. feladat 2009 szeptemberében megvizsgálták a magyarországi jogi személyiségű építőipari kft-ket. Töltse ki a táblázat hiányzó részeit! Megnevezés Közös Ismérv Megkülönböztető jogi személyiségű területi
RészletesebbenMATEMATIKAI KOMPETENCIATERÜLET A
MATEMATIKAI KOMPETENCIATERÜLET A Matematika 4. évfolyam eszközök diákok és csoportok részére 1. félév A kiadvány KHF/2568-5/2009. engedélyszámon 2009.05.13. időponttól tankönyvi engedélyt kapott Educatio
RészletesebbenMűszerek tulajdonságai
Műszerek tulajdonságai 1 Kiválasztási szempontok Műszerek kiválasztásának általános szempontjai mérendő paraméter alkalmazható mérési elv mérendő érték, mérési tartomány környezeti tényezők érzékelő mérete
RészletesebbenOsztályozóvizsga követelményei
Osztályozóvizsga követelményei Képzés típusa: Tantárgy: Általános iskola Matematika Évfolyam: 1 Emelt óraszámú csoport Emelt szintű csoport Vizsga típusa: Írásbeli Követelmények, témakörök: Halmazok összehasonlítása
RészletesebbenDr. Szőke Szilvia Dr. Balogh Péter: Nemparaméteres eljárások
Dr. Szőke Szilvia Dr. Balogh Péter: Nemparaméteres eljárások Bevezetés A magas mérési szintű változók adataiból számolhatunk átlagot, szórást. Fontos módszerek alapulnak ezeknek a származtatott paramétereknek
RészletesebbenMérések szabványos egységekkel
MENNYISÉGEK, ECSLÉS, MÉRÉS Mérések szabványos egységekkel 5.2 Alapfeladat Mérések szabványos egységekkel 2. feladatcsomag a szabványos egységek ismeretének mélyítése mérések gyakorlása a megismert szabványos
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
RészletesebbenCurie Matematika Emlékverseny 5. évfolyam Országos döntő 2011/2012. Fontos tudnivalók
A feladatokat írta: Kódszám: Tóth Jánosné, Szolnok Lektorálta:. Kozma Lászlóné, Sajószentpéter 2012.április 14. Curie Matematika Emlékverseny 5. évfolyam Országos döntő 2011/2012. Feladat 1. 2. 3. 4. 5.
RészletesebbenEGYENLETEK, EGYENLŐTLENSÉGEK, EGYENLETRENDSZEREK
X. Témakör: feladatok 1 Huszk@ Jenő X.TÉMAKÖR EGYENLETEK, EGYENLŐTLENSÉGEK, EGYENLETRENDSZEREK Téma Egyenletek, egyenlőtlenségek grafikus megoldása Egyszerűbb modellalkotást igénylő, elsőfokú egyenletre
Részletesebben1. Három tanuló reggel az iskola bejáratánál hányféle sorrendben lépheti át a küszöböt?
skombinatorika 1. Három tanuló reggel az iskola bejáratánál hányféle sorrendben lépheti át a küszöböt? P = 3 2 1 = 6. 3 2. Hány különböző négyjegyű számot írhatunk föl 2 db 1-es, 1 db 2-es és 1 db 3-as
RészletesebbenMinőségirányítási rendszerek 8. előadás 2013.05.03.
Miőségiráyítási redszerek 8. előadás 2013.05.03. Miőségtartó szabályozás Elleőrző kártyák miősítéses jellemzőkre Két esete: A termékre voatkozó adat: - valamely jellemző alapjá megfelelő em megfelelő:
RészletesebbenMATEMATIKA 1-12. ÉVFOLYAM
MATEMATIKA 1-12. ÉVFOLYAM SZERZŐK: Veppert Károlyné, Ádám Imréné, Heibl Sándorné, Rimainé Sz. Julianna, Kelemen Ildikó, Antalfiné Kutyifa Zsuzsanna, Grószné Havasi Rózsa 1 1-2. ÉVFOLYAM Gondolkodási, megismerési
RészletesebbenElméleti összefoglalók dr. Kovács Péter
Elméleti összefoglalók dr. Kovács Péter 1. Adatállományok létrehozása, kezelése... 2 2. Leíró statisztikai eljárások... 3 3. Várható értékek (átlagok) vizsgálatára irányuló próbák... 5 4. Eloszlások vizsgálata...
RészletesebbenA DUNA VÍZJÁTÉKÁNAK ÉS A KÖRNYEZŐ TERÜLET TALAJVÍZSZINTJEINEK KAPCSOLATA. Mecsi József egyetemi tanár, Pannon Egyetem, Veszprém
A DUNA VÍZJÁTÉKÁNAK ÉS A KÖRNYEZŐ TERÜLET TALAJVÍZSZINTJEINEK KAPCSOLATA Mecsi József egyetemi tanár, Pannon Egyetem, Veszprém mecsij@almos.uni-pannon.hu, jmecsi@gmail.com ÖSSZEFOGLALÓ A Duna illetve a
RészletesebbenOktatáskutató és Fejlesztő Intézet TÁMOP-3.1.1-11/1-2012-0001 XXI. századi közoktatás (fejlesztés, koordináció) II. szakasz. Fejlesztőfeladatok
Oktatáskutató és Fejlesztő Intézet TÁMOP-3.1.1-11/1-2012-0001 XXI. századi közoktatás (fejlesztés, koordináció) II. szakasz Fejlesztőfeladatok MATEMATIKA 4. szint 2015 Oktatáskutató és Fejlesztő Intézet
RészletesebbenMATEMATIKAI KOMPETENCIATERÜLET A
MATEMATIKAI KOMPETENCIATERÜLET A Matematika 3. évfolyam Diák mérőlapok A kiadvány KHF/3992-8/2008. engedélyszámon 2008.08.8. időponttól tankönyvi engedélyt kapott Educatio Kht. Kompetenciafejlesztő oktatási
RészletesebbenMÛVELETEK TIZEDES TÖRTEKKEL
MÛVELETEK TIZEDES TÖRTEKKEL Tizedes törtek írása, olvasása, összehasonlítása 7. a) Két egész hét tized; kilenc tized; három egész huszonnégy század; hetvenkét század; öt egész száztizenkét ezred; ötszázhetvenegy
RészletesebbenMatematikai statisztikai elemzések 2.
Matematikai statisztikai elemzések 2. Helyzetmutatók, átlagok, kvantilisek. A szórás és szóródás Prof. Dr. Závoti, József Matematikai statisztikai elemzések 2.: Helyzetmutatók, átlagok, Prof. Dr. Závoti,
RészletesebbenMikrohullámok vizsgálata. x o
Mikrohullámok vizsgálata Elméleti alapok: Hullámjelenségen valamilyen rezgésállapot (zavar) térbeli tovaterjedését értjük. A hullám c terjedési sebességét a hullámhossz és a T rezgésido, illetve az f frekvencia
RészletesebbenI. Általános információk az előadásokról, szemináriumokról, szak- vagy laborgyakorlatokról
BABEŞ BOLYAI TUDOMÁNYEGYETEM KOLOZSVÁR KÖZGAZDASÁG- ÉS GAZDÁLKODÁSTUDOMÁNYI KAR SZAKIRÁNY: KÖZÖS TÖRZS EGYETEMI ÉV: 2009/2010 FÉLÉV: IV I. Általános információk az előadásokról, szemináriumokról, szak-
Részletesebben44. ORSZÁGOS TIT KALMÁR LÁSZLÓ MATEMATIKAVERSENY. Országos döntő, 1. nap - 2015. május 29.
44. ORSZÁGOS TIT KALMÁR LÁSZLÓ MATEMATIKAVERSENY Országos döntő, 1. nap - 015. május 9. ÖTÖDIK OSZTÁLY - ok 1. Egy háromjegyű szám középső számjegyét elhagyva egy kétjegyű számot kaptunk. A két szám összege
RészletesebbenFEJSZÁMOLÁS A TÍZEZRES SZÁMKÖRBEN A KÉTJEGYŰEKKEL ANALÓG ESETEKBEN. AZ ÖSSZEADÁS ÉS KIVONÁS MONOTONITÁSA. 5. modul
Matematika A 4. évfolyam FEJSZÁMOLÁS A TÍZEZRES SZÁMKÖRBEN A KÉTJEGYŰEKKEL ANALÓG ESETEKBEN. AZ ÖSSZEADÁS ÉS KIVONÁS MONOTONITÁSA 5. modul Készítette: KONRÁD ÁGNES matematika A 4. ÉVFOLYAM 5. modul FEJSZÁMOLÁS
RészletesebbenVizsgafeladatok 1. Feladat korrelációs mérőszámok lineáris regresszió fügvénnyel 2. Feladat Korreláció regresszió 3. feladat
Vizsgafeladatok 1. Feladat (10+3+3+3=19 pont) (2012. május 29.) Véletlenszerűen kiválasztott 100 felnőttkorú esetében vizsgálták az életkor és a vér koleszterin koncentrációjának (gramm/liter) összefüggését.
RészletesebbenJANUS PANNONIUS TUDOMÁNYEGYETEM. Schipp Ferenc ANALÍZIS I. Sorozatok és sorok
JANUS PANNONIUS TUDOMÁNYEGYETEM Schipp Ferenc ANALÍZIS I. Sorozatok és sorok Pécs, 1994 Lektorok: Dr. FEHÉR JÁNOS egyetemi docens, kandidtus. Dr. SIMON PÉTER egyetemi docens, kandidtus 1 Előszó Ez a jegyzet
RészletesebbenAlapfogalmak áttekintése. Pszichológiai statisztika, 1. alkalom
Alapfogalmak áttekintése Pszichológiai statisztika, 1. alkalom Hipotézisek Milyen a jó null hipotézis?? H0: Léteznek kitőnı tanuló diszlexiások.? H1: Nem léteznek. Sokkal inkább: H0: Nincs diszlexiás kitőnı
Részletesebben1992. évi verseny, 2. nap. legkisebb d szám, amelyre igaz, hogy bárhogyan veszünk fel öt pontot
1991. évi verseny, 1. nap 1. Bizonyítsd be, hogy 1 101 + 1 102 + 1 103 +... + 1 200 < 1 2. 2. Egy bálon 42-en vettek részt. Az első lány elmondta, hogy 7 fiúval táncolt, a második lány 8-cal, a harmadik
RészletesebbenStatisztika, próbák Mérési hiba
Statisztika, próbák Mérési hiba ÁTLAG SZÓRÁS KICSI, NAGY MIN, MAX LIN.ILL LOG.ILL MEREDEKSÉG METSZ T.PROBA TREND NÖV Statisztikai függvények Statisztikailag fontos értékek Számtani átlag: ŷ= i y i /n Medián:
RészletesebbenMETEOROLÓGIAI MÉRÉSEK, MŰSZEREK. 2004. 11.9-11.-12. Meteorológia-gyakorlat
METEOROLÓGIAI MÉRÉSEK, MŰSZEREK 2004. 11.9-11.-12. Meteorológia-gyakorlat Sugárzási fajták Napsugárzás: rövid hullámú (0,286 4,0 µm) A) direkt: közvetlenül a Napból érkezik (Napkorong irányából) B) diffúz
Részletesebben4. modul Poliéderek felszíne, térfogata
Matematika A 1. évfolyam 4. modul Poliéderek felszíne, térfogata Készítette: Vidra Gábor Matematika A 1. évfolyam 4. modul: POLIÉDEREK FELSZÍNE, TÉRFOGATA Tanári útmutató A modul célja Időkeret Ajánlott
RészletesebbenDoktori munka. Solymosi József: NUKLEÁRIS KÖRNYEZETELLENŐRZŐ MÉRŐRENDSZEREK. Alkotás leírása
Doktori munka Solymosi József: NUKLEÁRIS KÖRNYEZETELLENŐRZŐ MÉRŐRENDSZEREK Alkotás leírása Budapest, 1990. 2 KÖSZÖNETNYILVÁNÍTÁS A doktori munka célja az egyéni eredmény bemutatása. Feltétlenül hangsúlyoznom
RészletesebbenXIII. Bolyai Konferencia Bodnár József Eötvös József Collegium, ELTE TTK, III. matematikus. A véletlen nyomában
XIII. Bolyai Konferencia Bodnár József Eötvös József Collegium, ELTE TTK, III. matematikus A véletlen nyomában Mi is az a véletlen? 1111111111, 1010101010, 1100010111 valószínűsége egyaránt 1/1024 Melyiket
RészletesebbenA családi háttér és az iskolai utak eltérései
13 Szanyi-F. Eleonóra A családi háttér és az iskolai utak eltérései Az alábbi cikk első része egy, e folyóiratban korábban megjelent írás (Hiányszakmát tanuló végzős szakiskolások; ÚPSz 211/6) folytatása.
RészletesebbenSorbanállási modellek
VIII. előadás Sorbaállási modellek Sorbaállás: A sorbaállás, a várakozás általáos probléma közlekedés, vásárlás, takolás, étterem, javításra várás, stb. Eze feladatok elmélete és gyakorlata a matematikai
RészletesebbenKosztolányi József Kovács István Pintér Klára Urbán János Vincze István. tankönyv. Mozaik Kiadó Szeged, 2013
Kosztolányi József Kovács István Pintér Klára Urbán János Vincze István tankönyv 0 Mozaik Kiadó Szeged, 03 TARTALOMJEGYZÉK Gondolkodási módszerek. Mi következik ebbõl?... 0. A skatulyaelv... 3. Sorba rendezési
RészletesebbenMATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK KÖZÉPSZINT Statisztika
MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK KÖZÉPSZINT Statisztika A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek
RészletesebbenSZÁMOLÁSOS FELADATOK
SZÁMOLÁSOS FELADATOK 1. Galambosnénak három lánya volt. Éppen két barátnjét várta délutáni beszélgetésre, ezért megkérte a legidsebb lányát, hogy tegyen nápolyit egy tálcára. A lány nem tudott ellenállni
RészletesebbenDefine Measure Analyze Improve Control. F(x), M(ξ),
5.5.5. Six Sigma Minőségmenedzsment Statisztikai folyamatszabályozási (SPC) rendszer Erdei János Egy fegyelmezett és erősen mennyiségi szemléletű folyamatfejlesztési megközelítés, amely a gyártási, szolgáltatási
Részletesebben1. mérés. Egyenes vonalú egyenletes mozgás vizsgálata
1. mérés Egyenes vonalú egyenletes mozgás vizsgálata Emlékeztető Az egyenes vonalú egyenletes mozgás a mozgásfajták közül a legegyszerűbben írható le. Ha a mozgó test egyenes pályán mindig egy irányban
RészletesebbenMatematikai és matematikai statisztikai alapismeretek
Kézirat a Matematikai és matematikai statisztikai alapismeretek című előadáshoz Dr. Győri István NEVELÉSTUDOMÁNYI PH.D. PROGRM 1999/2000 1 1. MTEMTIKI LPOGLMK 1.1. Halmazok Halmazon mindig bizonyos dolgok
RészletesebbenElső sorozat (2000. május 22. du.) 1. Oldjamegavalós számok halmazán a. cos x + sin2 x cos x. +sinx +sin2x =
2000 Írásbeli érettségi-felvételi feladatok Első sorozat (2000. május 22. du.) 1. Oldjamegavalós számok halmazán a egyenletet! cos x + sin2 x cos x +sinx +sin2x = 1 cos x (9 pont) 2. Az ABCO háromszög
Részletesebben7. A Poisson folyamat
7. A Poisson folyamat 1. Egy boltba független exponenciális időközönként érkeznek vevők, óránként átlagosan tíz. Legyen N(t), t 0 a vevőket számláló folyamat. a. Igaz-e, hogy N(t) Poisson-folyamat? Mi
RészletesebbenCsicsman József-Sipos Szabó Eszter csicsman@calculus.hu, siposeszti@gmail.com. Matematikai alapok az adatbányászati szoftverek első megismeréséhez
Csicsman József-Sipos Szabó Eszter csicsman@calculus.hu, siposeszti@gmail.com Matematikai alapok az adatbányászati szoftverek első megismeréséhez 1.1 A statisztikai sokaság A statisztika a valóság számszerű
Részletesebben2-17. ábra 2-18. ábra. Analízis 1. r x = = R = (3)
A -17. ábra olyan centrifugáli tengelykapcolót mutat, melyben a centrifugáli erő hatáára kifelé mozgó golyók ékpálya-hatá egítégével zorítják öze a urlódótárcát. -17. ábra -18. ábra Analízi 1 A -17. ábrán
RészletesebbenStatisztika II. BSc. Gyakorló feladatok I. 2008. február
1) Egyik felsıoktatási intézmény oktatóitól megkérdezték, hogy milyen intézménytípust tartanának ideálisnak. A megkérdezettek megoszlása a két kérdésre (irányítás és az oktatók teljesítményének értékelése)
RészletesebbenÚTMUTATÓ A MÓDSZERTANI SZIGORLAT LETÉTELÉHEZ
Szolnoki Főiskola Üzleti Fakultás, 5000 Szolnok, Tiszaligeti sétány ÚTMUTATÓ A MÓDSZERTANI SZIGORLAT LETÉTELÉHEZ A 4/1996. (I. 18.) Korm. rendelet a közgazdasági felsőoktatás alapképzési szakjainak képesítési
RészletesebbenBevezető Mi a statisztika? Mérés Feldolgozás Adatok rendezése Adatok jellemzése Időbeli elemzés Feladatok. Statisztika I.
Statisztika I. 1. előadás: A statisztika alapfogalmai Kóczy Á. László koczy.laszlo@kgk.uni-obuda.hu Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet Óbudai Egyetem A kurzusról A kurzus célja
RészletesebbenRátz László Matematikai kvízverseny 5. osztály
Rátz László Matematikai kvízverseny 5. osztály 2010. november 26. 1. feladat Ez a különleges óra a pontos időt mutatja. Az első sor ötórás intervallumokat számol (minden ötóránként vált szürkére), a második
RészletesebbenNyitott mondatok Bennfoglalás maradékkal
Matematika A 2. évfolyam Nyitott mondatok Bennfoglalás maradékkal 35. modul Készítette: Szitányi Judit 2 modulleírás A modul célja Időkeret Ajánlott korosztály Modulkapcsolódási pontok A képességfejlesztés
RészletesebbenELEMI VALÓSZÍNŰSÉGSZÁMÍTÁS és STATISZTIKAI MÓDSZEREK A FIZIKÁBAN
ELEMI VALÓSZÍNŰSÉGSZÁMÍTÁS és STATISZTIKAI MÓDSZEREK A FIZIKÁBAN SINKOVICZ PÉTER (PhD hallgató) MTA WIGNER FIZIKAI KUTATÓKÖZPONT (2013) a TARTALOMJEGYZÉK A VALÓSÁG STATISZTIKAI LEKÉPEZÉSE 1. Alapfogalmak
RészletesebbenApor Vilmos Katolikus Iskolaközpont. Helyi tanterv. Matematika. készült. a 51/2012. (XII. 21.) EMMI rendelet 1. sz. melléklet 1-4./1.2.3.
1 Apor Vilmos Katolikus Iskolaközpont Helyi tanterv Matematika készült a 51/2012. (XII. 21.) EMMI rendelet 1. sz. melléklet 1-4./1.2.3. alapján 1-4. évfolyam 2 MATEMATIKA Az iskolai matematikatanítás célja,
RészletesebbenA felmérési egység kódja:
A felmérési egység lajstromszáma: 0108 ÚMFT Programiroda A felmérési egység adatai A felmérési egység kódja: A kódrészletek jelentése: Aterköz//50/Rea//Ált Agrár közös szakképesítés-csoportban, a célzott,
Részletesebben