Matematikai statisztika gyakorlat félévkezdı tudnivalók. IP-aMSG
|
|
- Tivadar Gáspár
- 8 évvel ezelőtt
- Látták:
Átírás
1 Matematikai statisztika gyakorlat félévkezdı tudnivalók. A tantárgy tartalma (kb): Statisztikai mezı, minta, statisztika. Leíró statisztikák. Rendezett minta, tapasztalati eloszlásfüggvény. Torzítatlan, hatásos és konzisztens becslés. Teljes ill. elégséges statisztika. Neyman faktorizációs tétele. Fisher információ, Cramer-Rao egyenlıtlenség. Rao-Blackwell-Kolmogorov tétel. Maximum likelihood becslés, tulajdonságai. Momentum módszer. Konfidencia intervallumok. Hipotézisvizsgálat. Véletlenített próbák. Neyman-Pearson lemma. U-, Student t-, és F- próbák. Khínégyzet-próba és alkalmazásai. Nemparaméteres próbák. Szekvenciális próbák. Lineáris regresszió, legkisebb négyzetek módszere. A szóráselemzés legegyszerőbb esetei. Az idısorelemzés legegyszerőbb esetei. Ajánlott irodalom: Móri-Szeidl-Zempléni: Matematikai statisztikai példatár. ELTE, Bognár-Göndıcs-Kászonyi-Kováts-Michaletzky-Móri-Somogyi-Szeidl-Székely: Matematikai statisztika. Nemzeti Tankönyvkiadó, Budapest Bolla-Krámli: Statisztikai következtetések elmélete. Typotex, Budapest Órák: Heti egyszer 90 perc gyakorlat, a részvétel kötelezı (a jelenlétet ellenırzöm). A HKR 66. (1) bekezdése szerint a foglalkozások egyharmadát meghaladó távollét esetén a gyakorlati jegyet meg kell tagadnom. A feladatsorokat minden órán kinyomtatva kiosztom. Számonkérés: Két darab 90 perces zh, a 6./7. héten (márc. 10, 18) és a 13. héten (ápr. 28, 29). Mindkét zh 100 pontos lesz. A zhn egy puskalap használható (beleértve a pótzht és a gyakjegyuvt is). Az elégségeshez mindkét zhn legalább 30 pontot kell elérni. A többi jegy ponthatárát félév végén állapítom meg (kb %-nál). A félév végén lesz lehetıség pótzh illetve javítózh írására, összesen egy alkalommal (akár mindkét zht lehet pótolni, de csak 90 perc lesz rá). A pótzht követıen még egy alkalommal lesz lehetıség az elégtelen gyakorlati jegyet javítani. Elérhetıségeim: szoba tel.: / villo@ludens.elte.hu honlap: (nem ígérem, hogy ez mindig nagyon aktuális lesz) fogadóóra: kedd
2 Matematikai statisztika gyakorlat Egy ellenállást 12-szer megmérünk. A mérési hiba minden alkalommal, egymástól függetlenül, standard normális eloszlású. Adjuk meg a következı két valószínőségi változó eloszlását: X: a mérések összege, Y: a mérések átlaga! Melyik adat adja meg pontosabban az ellenállás valódi értékét, az elsı mérés, vagy a 12 mérés átlaga? 2. Péter n-szer dob kosárra. Minden dobása, egymástól függetlenül, p valószínőséggel talál be. Jelölje X, hogy a dobások hányad része talált be. Adjuk meg X eloszlását, várható értékét és szórását! a) Tegyük fel, hogy p = ¼. Közelítıleg mekkora az esélye, hogy Péter 400 dobásból legalább 160-szor betalál? b) 400 dobásból Péter 200-szor betalált. Hihetı-e, hogy p = ¼? 3. Egy (esetleg cinkelt) dobókockán dobásból 1300-szor lett az eredmény hatos. a) Mire tippelnénk, mekkora a kockán a hatos dobás valószínősége? b) Mondanánk-e az eredmény alapján, hogy a kocka nem szabályos? 4. Legyen X 1,..., X n független, azonos, az (0, 1) intervallumon egyenletes eloszlású valószínőségi változók sorozata. a) Adjuk meg az X 1 (n) = min(x 1,..., X n ), illetve az X n (n) = max(x 1,..., X n ) valószínőségi változók eloszlás- és sőrőségfüggvényét! b) Hova tartanak ezek a valószínőségi változók (eloszlásban illetve sztochasztikusan)? Mennyi a várható értékük? c) Adjuk meg a fenti valószínőségi változók olyan lineáris függvényét, amelynek nem-elfajuló határeloszlása van! d) Adjuk meg, hogy közelítıleg mekkora az esélye, hogy X 1 (n) nagyobb, mint 2/n! 5. Legyen X 1,..., X n független, azonos eloszlású valószínőségi változók sorozata. Adjuk meg az Y = X X n, valamint az Y/n valószínőségi változó eloszlását abban az esetben, ha az X i -k a) binomiális b) exponenciális c) Poisson eloszlásúak! 6. Legyen X 1,..., X n független, azonos abszolút folytonos eloszlású valószínőségi változók sorozata. a) Adjuk meg X 1 (n), illetve X n (n) eloszlás- és sőrőségfüggvényét! b) Hova tartanak ezek a valószínőségi változók? c) A minimumnál külön is vizsgáljuk meg azt az esetet, ha az X i változók exponenciális eloszlásúak. Mivel standardizálhatunk, hogy nem-elfajuló határeloszlást kapjunk? 7. Az alábbi számok Budapest évi középhımérsékletét mutatják 1981-tıl 2000-ig. ( Számítsuk ki a mintaközepet, a tapasztalati szórást és a szórási együtthatót!
3 Matematikai statisztika gyakorlat Legyen X 1,..., X n független, azonos, a (0, a) intervallumon egyenletes eloszlású valószínőségi változók sorozata, ahol a-t nem ismerjük. Adjunk becslést az a paraméterre a) a mintaátlag, b) a maximum, c) a minimum függvényében. Melyik becslést tartjuk a legjobbnak, és miért? Számítsuk ki a becsléseket a lenti táblázat alapján generált mintákon is! 2. Vizsgáljuk meg az 1. feladatban megadott becslések torzítatlanságát, és tegyük torzítatlanná azokat, amelyek nem ilyenek. Számítsuk ki a becslések szórását is! 3. Legyen X 1,..., X n független, azonos eloszlású indikátorváltozók sorozata. Adjunk többféle torzítatlan becslést az ismeretlen p paraméter négyzetére, ha n legalább kettı. Mi a helyzet n = 1-re? 4. Mutassuk meg, hogy egy független, azonos eloszlású mintából számolt tapasztalati szórásnégyzet nem torzítatlan becslés a mintaelemek elméleti szórásnégyzetre! Hogyan tehetjük torzítatlanná a becslést? 5. Tegyük fel, hogy a paraméterő exponenciális eloszlásból van n elemő mintánk. Adjunk torzítatlan becslést 1/a-ra és exp(-3a)-ra! 6. Legyen X 1,..., X 8 a Bin(4, p), Y 1,..., Y 10 pedig a Bin(6, p) eloszlásból származó független minta, ahol p ismeretlen paraméter. a) Milyen a és b értékekre lesz a X + by torzítatlan becslése p-nek? b) Milyen a és b választással kapjuk meg a legkisebb szórású becslést (a torzítatlanok között)? 7. Oldjuk meg az elızı feladatot általános esetben, azaz egyforma paraméterő, különbözı (ismert) rendő binomiális eloszlású mintákra! 8. Dobjunk fel 6-szor egy kockát. Határozzuk meg a következı alapstatisztikákat: mintaátlag, korrigált tapasztalati szórás, rendezett minta. Rajzoljuk fel a tapasztalati és az elméleti eloszlásfüggvényt! Határozzuk meg a sup F(x) F n (x) statisztika értékét! 9. Legyen n elemő mintánk b paraméterő Poisson eloszlásból. Adjunk torzítatlan becslést b 2 -re és exp(-b)-re! A (0,1) intervallumon egyenletes eloszlásból vett 100 elemő minta
4 Matematikai statisztika gyakorlat Mutassuk meg, hogy exponenciális eloszlású minta esetén n min(x 1,..., X n ) torzítatlan, de nem konzisztens becslés a várható értékre. 2. Mutassuk meg, hogy ha egyelemő mintánk van az (a, a+1) intervallumon egyenletes eloszlásból, akkor nincs hatásos becslés a paraméterre. (Ötlet: adjunk meg minél többféle torzítatlan becslést a megfigyelés egész része segítségével.) 3. Adjunk elégséges statisztikát indikátormintánál a paraméterre a definíció alapján. 4. Adjunk n elemő mintából elégséges statisztikát a faktorizáció segítségével a következı eloszlásokra: a) negatív binomiális eloszlás ( r ismert, p paraméter) b) gamma eloszlás (α, λ paraméter) c) normális eloszlás (µ, σ paraméter) 5. Tegyük fel, hogy október 4-e középhımérséklete Budapesten az elmúlt 10 évben az alábbiak szerint alakult: 12.0, 10.5, 8.6, 14.5, 13.3, 11.9, 14.2, 7.6, 12.2, Számoljuk ki a sőrőségfüggvény Parzen-Rosenblatt-féle becslésének értékét a 13 helyen, ha h = 2 és a magfüggvényünk k(x) = 1, ha 0.5 < x < 0.5 (és 0 különben). Rajzoljuk fel a sőrőségfüggvény Parzen-Rosenblatt-féle becslését! 6. Legyen X 1,..., X n független, az alábbi sőrőségfüggvényő eloszlásból származó minta: f a (x) = 2x/a 2, ha 0 < x < a, és 0 különben. (a > 0 tetszıleges) a) Adjunk elégséges statisztikát az ismeretlen a paraméterre! b) Konstruáljunk torzítatlan becslést a-ra a mintaátlag és a maximális mintaelem segítségével is. c) Mutassuk meg, hogy mindkét becslés konzisztens. d) Melyik a hatásosabb? 7. Legyen X 1,..., X n független, az alábbi sőrőségfüggvényő eloszlásból származó minta: f a (x) = ax a - 1, ha 0 < x < 1 és 0 különben. (a > 1 tetszıleges) a) Legyen X n (n) a legnagyobb mintaelem. Hová tart X n (n)? Hogyan lehet standardizálni, hogy nemelfajuló határeloszlást kapjunk, és mi ez a határeloszlás? b) Adjunk elégséges statisztikát a-ra! c) Adjunk kétféle értelmes becslést a-ra! d) Válasszunk egy konkrét a-t (pl. a = vezetéknevem hossza) és mintaelemszámot! Szimulációval vizsgáljuk meg a becslések eloszlását (speciálisan: torzítatlanok-e, melyiknek kisebb a szórása)! Lehet többféle mintanagyságra és a-ra is vizsgálódni! 8. Határozzuk meg az ismeretlen paraméter ML becslését és momentum módszerbıl adódó becslését, ha az n elemő minta a) geometriai b) E(a, b) c) E(a, 2a) d) exponenciális e) normális eloszlású!
5 Matematikai statisztika gyakorlat Határozzuk meg az ismeretlen paraméter maximum likelihood (ML) becslését a következı eloszlásokból vett n elemő mintából: a) geometriai b) E(0, a) c) exponenciális. 2. Legyenek X 1, X 2,, X n és Y 1, Y 2,, Y n egymástól független α, illetve 1/α paraméterő, exponenciális eloszlású minták. Határozzuk meg α ML becslését! Számítsuk ki a becslést a következı konkrét mintára: X Y A genetikusok szerint egy növényfajban egy bizonyos tulajdonság az alábbi eloszlásban fordul elı: P(AA) = p 2, P(AB) = 2p(1-p), P(BB) = (1 p) 2. Tegyük fel, hogy egy adott területen a három fajta gyakoriság rendre N AA, N AB, illetve N BB. Adjunk ML becslést p-re! Számítsuk ki a becslést a következı konkrét mintára: N AA = 320, N AB = 165, N BB = Legyen X 1, X 2,, X n a következı eloszlásból származó minta: P(X 1 = k) = 2k / (3N(N+1)), ha N k 2N, különben pedig 0. Itt N ismeretlen, pozitív egész értékő paraméter. Adjunk N-re ML becslést! Számítsuk ki a becslést a következı konkrét mintára: 91, 73, 60, 77, 71, 91, 56, 97, 92, Legyen X 1, X 2,..., X n a következı eloszlásból származó minta: P(X i = 1) = c, P(X i = 2) = 3c, P(X i = 3) = 1 4c (0 < c < ¼ ismeretlen paraméter). a) Határozzuk meg c ML becslését! b) Határozzuk meg c momentum módszerbıl adódó (MM) becslését! c) Írjunk fel egydimenziós elégséges statisztikát az ismeretlen paraméterre! d) Adjunk torzítlan becslést c-re X 1 segítségével! e) A d)-ben megadottnál konstruáljunk jobb becslést blackwellizálással! Számítsuk ki a becsléseket arra a 100 elemő mintára, melyben 12 darab 1-es, 39 darab 2-es, és 49 darab 3-as van. 6. Legyen Y ~ E(0, b), ahol b > 0. Legyen X = Y a, ahol a > 0. a) Írjuk fel X sőrőségfüggvényét! b) Legyen X 1, X 2,, X n a fenti eloszlásból vett minta. Adjunk elégséges statisztikát az (a, b) paramétervektorra! c) Adjuk meg (a, b) MM illetve ML becslését! Számítsuk ki a becsléseket a következı konkrét (nagyság szerint rendezett) mintára: 0.03, 0.28, 1.49, 2.05, 9.88, 19.81, 28.16, 39.17, 57.72, A mintaelemek összege 228, négyzetösszege , szorzata pedig Legyen X 1, X 2,, X n indikátor eloszlású minta (n>2). a) Adjunk X 1 és X 2 függvényeként torzítatlan becslést p(1-p)-re! b) Az a)-ban megadottnál konstruáljunk jobb becslést blackwellizálással!
6 8. Egy ezer fıs közvéleménykutatásnál 650-en válaszolták azt, hogy szeretik a kutyákat. Becsüljük meg ML és MM módszerrel a tényleges arányt! Hogyan módosul ez a becslés, ha tudjuk, hogy a kutyákat szeretık 10%-a hazudik, a kutyákat nem szeretıknél pedig 20% ez az arány? 9. Egy CASCO biztosítás kárai 2003-ban 200, 1200, 1800, 125, 485 E Ft voltak. A káreloszlásról feltételezzük, hogy (α, β) paraméterő Pareto eloszlású azaz eloszlásfüggvénye F(x) = 1 [β / (β + x)] α, ha x>0. Határozzuk meg az ismeretlen paraméterek ML és MM becslését! 10. Számítsuk ki a Fisher-információt a következı eloszlású n elemő minták esetén: a) Poisson(λ), λ > 0 paraméter. b) Bin(r, p), r ismert, 0 < p < 1 paraméter. c) Geo(p), 0 < p < 1 paraméter. d) Exp(λ), λ > 0 paraméter. 11. Egy közvéleménykutatás során 1000 embert kérdeztek meg. Közülük 88-an szavaznának a FUMI pártra. Adjunk 95%-os megbízhatóságú konfidenciaintervallumot a FUMI párt tényleges szavazatarányára! (Alkalmazzunk normális eloszlással való közelítést.) 12. Adjunk 95%-os konfidenciaintervallumot az exponenciális eloszlás várható értékére! 13. Legyen (1.8, 2, 3, 3.2, 3.4) öt elemő minta az f a (x) = 2x/a 2 (ha 0 x a, egyébként 0) sőrőségfüggvényő eloszlásból. Adjunk 95%-os megbízhatóságú konfidenciaintervallumot a-ra! (Lépések: adjunk ML becslést a paraméterre, standardizáljuk, határozzuk meg a kapott statisztika eloszlását és ennek tipikus értékeit). 14. Legyen X 1, X 2, X n független, azonos eloszlású minta az f a (x) = 2x/(3a 2 ) (ha a x 2a, egyébként 0) sőrőségfüggvényő eloszlásból, ahol a pozitív paraméter. Tekintsük a következı hipotézisvizsgálati feladatot: H 0 : a 1, H 1 : a < 1. a) Adjunk a legnagyobb mintaelem (X n (n) ) függvényében 10%-os terjedelmő próbát! b) Írjuk fel a próba erıfüggvényét! c) Milyen c-re lesz a (0.5 X n (n), c X n (n) ) intervallum éppen 95%-os megbízhatósági szintő konfidenciaintervallum a-ra?
7 Matematikai statisztika gyakorlat A Reggeli ital tejgyárban minden szállítás elıtt megvizsgálják a 25 dkg-os túrók minıségét. H 0 : p 0,01 a romlott túrócsomagok aránya (ez még elfogadható a gyár számára), H 1 : p > 0,01 (ebben az esetben a túrót újrahasznosítják, túrókrémet készítenek belıle). A gyár eljárása a következı: N csomagot bontanak fel és amennyiben legalább 2 köztük romlott, akkor újrahasznosítást rendelnek el. Írjuk le a statisztikai próbát (paramétertér, mintatér, kritikus tartomány, elfogadási tartomány)! Milyen N-re lesz az elsıfajú hiba valószínősége kisebb 5%-nál? Írjuk fel az erıfüggvényt! 2. A Dezinformatikai Kar HÖK elnöke nagyon fontosnak tartja népszerőségét. Amennyiben a hallgatók legfeljebb 70%-a utálja, az számára elfogadható (H 0 hipotézis). Az ennél nagyobb arány esetén (H 1 hipotézis) lemond. Minden negyedév végén 10 hallgatót kérdez meg (közvéleménykutatást tart). Az elnök akkor mond le, ha a tízbıl legalább 8 diák utálja. Mekkora a próba terjedelme? Várhatóan hány negyedévet fog tevékenykedni az elnök, ha stabilan a diákok 65%-a utálja? 3. A Reggeli ital tejgyárban minden szállítás elıtt megvizsgálják a 25 dkg-os túrók ólomtartalmát március 31-én a még megengedett szint %-ban a mérések a következık voltak: 98,5; 101,4; 99,5; 100,9; 100,7. A korábbi tapasztalatok alapján az ellenır az eredményekrıl feltételezi, hogy szórásuk 1. Elfogadható-e a H 0 : m 100 nullhipotézis a H 1 : m > 100 ellenhipotézissel szemben (α = 0,05)? Mennyi a p-érték? Mennyi a próba erıfüggvényének értéke az m = 102 pontban? Hogyan döntene az ellenır, ha nem ismerné a szórást? 4. (folyt.) A Magyar tarka tejgyárban ugyanezen a napon a következı százalékokat mérték: 97,4; 99,5; 99,9; 98,7. Korábbi tapasztalatok alapján az ellenır mindkét gyár eredményeirıl feltételezi, hogy szórásuk 1. Mondhatja-e, hogy valamelyik gyár jobb minıségő túrót gyárt, mint a másik? Mi a helyzet, ha az ellenır nem ismeri a szórásokat? 5. Az alábbi minta 4 év április 18-án Budapesten mért napi középhımérséklet adatait tartalmazza. Ellenırizzük a H 0 : m = 16 hipotézist α = 0,05 terjedelem mellett a H 1 : m 16 ellenhipotézissel szemben, ha (a) korábbi tapasztalatok alapján a szórást 2-nek tekintjük! Mennyi a p-érték? (b) a szórásról nincs információnk. hımérséklet 14,8 12,2 16,8 17,1 6. A Dezinformatikai Kar III. évfolyamán 5 (nagy létszámú) csoport írt statisztika zárthelyit, de a rossz eredmény miatt mindenki írt egy javítózht is. Az alábbi táblázat a nulla pontos zárthelyi dolgozatok csoportonkénti %-os arányát tartalmazza, mindkét alkalomra. Mondhatjuk-e (α = 0,05), hogy a javítózhra jobban felkészültek a hallgatók? eredeti zh 7,9 8,1 8,8 7,2 6,0 javítózh 7,5 7,5 8,1 7,2 5,7
8 Matematikai statisztika gyakorlat Az alábbi két minta 5 egyforma képességőnek feltételezett sportoló súlylökésben elért eredményeit tartalmazza. Az elsı dobás elıtt az edzı büszkén állította, hogy tanítványai átlagosan legalább 17 métert dobnak, amit a klub igazgatója kétségbe vont. Úgy döntött, hogy csak akkor hosszabbítja meg az edzı szerzıdését, ha a H 0 : m 17 hipotézis α = 0,05 terjedelem mellett elfogadható a H 1 : m < 17 ellenhipotézissel szemben. a) Hogyan döntött az igazgató, ha a korábbi tapasztalatok alapján a dobások szórását 2-nek tekintette? b) Változott volna-e a helyzet, ha nem tekinti a szórást ismertnek? c) Az elızıek alapján az igazgató még egy esélyt adott az edzınek, aki elmagyarázta a sportolóknak, hogy mire figyeljenek jobban oda. Ezután a sportolók még egyszer dobtak. Mondhatjuk-e, hogy a magyarázat hatásos volt? 1. eredmény 14,8 12,2 16,8 17,1 16,1 2. eredmény 18,0 12,1 17,2 17,7 17,0 2. A Reggeli ital tejgyárban minden szállítás elıtt megvizsgálják a 25 dkg-os túrókban található hajszálak számát, jelölje ezt X. A H 0 hipotézis szerint P(X=0)=1/2, P(X=1)=1/3, P(X=2)=1/6. Száz csomag túró ellenırzésekor 40 csomagban nem találtak hajszálat, 40-ben egy hajszál volt, 20-ban pedig 2 hajszál tekergızött. Elfogadjuk-e a nullhipotézist α = 2,5% mellett? 3. A Dezinformatikai Kar III. évfolyamán 300-an tanulnak. Megszámolták, hogy a legutóbbi vizsgaidıszakban hányszor buktak az egyes hallgatók. Az eredményeket tartalmazza az alábbi táblázat. Bukások száma Hallgatók száma Elfogadhatjuk-e azt a nullhipotézist, hogy egy hallgató bukásszáma Bin(4; 0,2) eloszlású? És azt, hogy négy rendő, tetszıleges paraméterő binomiális eloszlású? 4. Kaliforniai gépjármővezetık kárszámát vizsgálták egy kétéves ( ) periódusban. A vezetı adatait az alábbi táblázat tartalmazza. Tekinthetı-e a veztınkénti kárszám Poisson eloszlásúnak? Kárszám >7 Összesen Vezetık száma Az alábbi táblázat mutatja, hogy 100 évben a csapadék menyisége és az átlaghımérséklet hogyan alakult. hımérséklet csapadék kevés átlagos sok hővös átlagos meleg Tekinthetı-e a csapadékmennyiség és a hımérséklet függetlennek (α = 0,05)? 6. Megvizsgáltak összesen 460 darab csavart, amelyek közül 439 mérete volt
9 megfelelı. A megfelelı méretőek közül 416-nak az alakja is megfelelı volt, a többinek nem. Az összes csavar közül 28 darab alakja volt kifogásolható. Függetlennek tekinthetı-e a méret és az alak megfelelısége (α = 0,05)? 7. Két dobókockával dobva a következı eredmények adódtak: gyakoriság dobott érték: kocka kocka Tekinthetı-e a két kocka egyformának (α = 0,05)? 8. Az alábbi táblázat CASCO biztosítással rendelkezık éves kárszámát tartalmazza 2003-ban és 2004-ben. Tekintehetı-e a kárszám azonos eloszlásúnak a két évben? vezetık száma Kárszám > egyforma képességőnek feltételezett sportolónak súlylökésben pontossági dobásokat kell teljesítenie. A cél, hogy a dobás minél közelebb legyen a 11 méterhez. Az 11 métertıl való eltérésekrıl feltételezzük, hogy N(0,σ 2 ) eloszlásúak. A következı hipotéziseket vizsgáljuk. H 0 : σ = 1 és H 1 : σ = 2. Adjuk meg az α = 0,05 elsıfajú hibavalószínőséghez tartozó valószínőséghányadospróbát! Változna-e a próba, ha H 1 : σ = 3 lenne az ellenhipotézis? 10. A Reggeli ital tejgyárban minden szállítás elıtt megvizsgálják a 25 dkg-os túrókban található hajszálak számát, jelölje ezt X. A H 0 hipotézis szerint P(X=0) = 1/2, P(X=1) = 1/3, P(X=2) = 1/6, míg a H 1 szerint P(X=0) = P(X=1) = P(X=2) = 1/3. A hipotéziseket 5 csomag túró ellenırzésével tesztelik. Adjuk meg az α=0,01 elsıfajú hibavalószínőséghez tartozó valószínőséghányados-próbát! 11. Két széria izzólámpából elemő mintát vettek. Az élettartamukra a következı értékek adódtak: (A) széria: 10,2 150,3 180,7 52,0 69,1 6,2 91,5 101,8 75,1 83,6 (B) széria: 23,2 12,3 128,6 96,5 43,2 54,0 200,3 75,4 7,9 15,6 Döntsünk arról, α = 0,05 mellett,hogy a két széria izzóinak élettartama azonos eloszlásúnak tekinthetı-e! 12. Az Antarktiszon az F-12 gáz koncentrációjára az alábbi értékeket kapták: Év Koncentráció (ppt) a) Határozzuk meg és ábrázoljuk is az y = ax + b regessziós egyenest! b) Vizsgáljuk az a = 0 hipotézist az a > 0 ellenhipotézissel szemben! c) Adjunk elırejelzést és konfidenciaintervallumot 2010-re az egyenes alapján. Mi a veszély ebben?
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 12 XII. STATIsZTIKA ellenőrző feladatsorok 1. FELADATsOR Megoldások: láthatók nem láthatók 1. minta: 6.10, 0.01, 6.97, 6.03, 3.85, 1.11,
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 5 V. BECsLÉsELMÉLET 1. STATIsZTIKAI becslés A becsléselméletben gyakran feltesszük, hogy a megfigyelt mennyiségek független valószínűségi
RészletesebbenSz ekelyhidi L aszl o Val osz ın us egsz am ıt as es matematikai statisztika *************** Budapest, 1998
Székelyhidi László Valószínűségszámítás és matematikai statisztika *************** Budapest, 1998 Előszó Ez a jegyzet a valószínűségszámításnak és a matematikai statisztikának azokat a fejezeteit tárgyalja,
RészletesebbenAzonosító jel: Matematika emelt szint
I. 1. Hatjegyű pozitív egész számokat képezünk úgy, hogy a képzett számban szereplő számjegy annyiszor fordul elő, amekkora a számjegy. Hány ilyen hatjegyű szám képezhető? 11 pont írásbeli vizsga 1012
RészletesebbenStatisztika 2016. március 11. A csoport Neptun kód
Statisztika 2016. március 11. A csoport Név Neptun kód 1. Egy közösségben az élelmiszerre fordított kiadások az alábbiak szerint alakultak: osszeg (ezer Ft) csalad(db) 20 7 20:1 30 12 30:1 40 20 40:1 50
RészletesebbenStatisztika gyakorlat Alkalmazott matematikus szakirány
Statisztika gyakorlat Alkalmazott matematikus szakirány Bolla Krámli: Statisztikai következtetések elmélete Móri Szeidl Zempléni: Matematikai statisztikai feladatok Játékszabályok Az órákon részt kell
RészletesebbenElemi statisztika fizikusoknak
Elemi statisztika fizikusoknak Pollner Péter Biológiai Fizika Tanszék pollner@elte.hu 1. oldal 7. előadás Becslések és minta elemszámok 7-1 Áttekintés 7-2 A populáció arány becslése 7-3 A populáció átlag
RészletesebbenWALTER-LIETH LIETH DIAGRAM
TBGL0702 Meteorológia és klimatológia II. Bíróné Kircsi Andrea Egyetemi tanársegéd DE Meteorológiai Tanszék [ C] A diagram fejlécében fel kell tüntetni: - az állomás nevét, - tengerszint feletti magasságát,
RészletesebbenMATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK KÖZÉPSZINT Függvények
MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK KÖZÉPSZINT Függvények A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek megoldásához!
Részletesebben1. A skót bakák mellkas körmérete N(88, 10). A skót bakák mekkora hányada fér bele egy 84-es zubbonyba?
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
RészletesebbenKhi-négyzet próbák. Szűcs Mónika SZTE ÁOK-TTIK Orvosi Fizikai és Orvosi Informatikai Intézet
Khi-négyzet próbák Szűcs Mónika SZTE ÁOK-TTIK Orvosi Fizikai és Orvosi Informatikai Intézet Khi-négyzet próba Példa Az elleni oltóanyagok különböző típusainak hatását vizsgálták abból a szempontból, hogy
RészletesebbenVektorok összeadása, kivonása, szorzás számmal, koordináták, lineáris függetlenség
Vektoralgebra Vektorok összeadása, kivonása, szorzás számmal, koordináták, lineáris függetlenség Feladatok: 1) A koordinátarendszerben úgy helyezzük el az egységkockát, hogy az origó az egyik csúcsba essék,
RészletesebbenFazekas Mihály Fővárosi Gyakorló Általános Iskola és Gimnázium
26 Fazekas Mihály Fővárosi Gyakorló Általános Iskola és Gimnázium Az Önök telephelyére vonatkozó egyedi adatok táblázatokban és grafikonokon 1. évfolyam gimnázium szövegértés Előállítás ideje: 27.3.. 12:28:21
RészletesebbenIlleszkedésvizsgálat
Slide 1 Illeszkedésvizsgálat (kategória értékű változóra) Freedman: 28. fejezet 1-3. Egy képzeletbeli országban 10M ember lakik: 30% szőke, 10% barna, 60% fekete. Slide 2 N = 200 fős mintát vettünk, a
RészletesebbenBIOMATEMATIKA ELŐADÁS
BIOMATEMATIKA ELŐADÁS 11. Hipotézisvizsgálat, statisztikai tesztek Debreceni Egyetem, 2015 Dr. Bérczes Attila, Bertók Csanád A diasor tartalma 1 Bevezetés Hipotézis, hibák 2 Statisztikai tesztek u-próba
RészletesebbenElemi statisztika fizikusoknak
Elemi statisztika fizikusoknak Pollner Péter Biológiai Fizika Tanszék pollner@elte.hu 1. oldal 6. Előadás A normális eloszlás 6-3 A normális eloszlás alkalmazásai 6-4 Statisztikák eloszlása és becslő függvények
RészletesebbenDiszkrét matematika I. gyakorlat
Diszkrét matematika I. gyakorlat 1. Gyakorlat Bogya Norbert Bolyai Intézet 2012. szeptember 4-5. Bogya Norbert (Bolyai Intézet) Diszkrét matematika I. gyakorlat 2012. szeptember 4-5. 1 / 21 Információk
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,
RészletesebbenFIT-jelentés :: 2014. Intézményi jelentés. 8. évfolyam
FIT-jelentés :: 2014 Hőgyészi Hegyhát Általános Iskola, Gimnázium, Alapfokú Művészeti Iskola és Kollégium 7191 Hőgyész, Fő utca 1-3. Létszámadatok A telephelyek kódtáblázata A 002 - Hőgyészi Hegyhát Általános
RészletesebbenPuskás Tivadar Távközlési Technikum
27 Puskás Tivadar Távközlési Technikum Az Önök telephelyére vonatkozó egyedi adatok táblázatokban és grafikonokon 1. évfolyam szakközépiskola matematika Előállítás ideje: 28.3.6. 6:48:31 197 Budapest,
RészletesebbenA döntő feladatai. valós számok!
OKTV 006/007. A döntő feladatai. Legyenek az x ( a + d ) x + ad bc 0 egyenlet gyökei az x és x valós számok! Bizonyítsa be, hogy ekkor az y ( a + d + abc + bcd ) y + ( ad bc) 0 egyenlet gyökei az y x és
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. Nyomásmérővel mérjük egy gőzvezeték nyomását. A hőmérő méréstartománya 0,00 250,00 kpa,
1. Nyomásmérővel mérjük egy gőzvezeték nyomását. A hőmérő méréstartománya 0,0 250,0 kpa, pontossága 3% 2 osztás. Mekkora a relatív hibája a 50,0 kpa, illetve a 210,0 kpa értékek mérésének? rel. hiba_tt
RészletesebbenOktatói munka hallgatói véleményezése. Oktatók
Oktatói munka hallgatói véleményezése Oktatók Eredmények 1. A diákok órákon való részvételi hajlandósága eltérő attitűdöket mutat. A hallgatók négyötöde (80%) gyakori látogatója az előadásoknak, szemináriumoknak.
RészletesebbenMágneses szuszceptibilitás vizsgálata
Mágneses szuszceptibilitás vizsgálata Mérést végezte: Gál Veronika I. A mérés elmélete Az anyagok külső mágnesen tér hatására polarizálódnak. Általában az anyagok mágnesezhetőségét az M mágnesezettség
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,
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
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.
RészletesebbenTANTÁRGYI ÚTMUTATÓ. Gazdasági matematika II. tanulmányokhoz
I. évfolyam BA TANTÁRGYI ÚTMUTATÓ Gazdasági matematika II. tanulmányokhoz TÁVOKTATÁS 2014/2015-ös tanév II. félév A KURZUS ALAPADATAI Tárgy megnevezése: Gazdasági matematika II. (Valószínűségszámítás)
RészletesebbenGazdasági matematika II.
PÉNZÜGYI ÉS SZÁMVITELI KAR MESTERKÉPZÉSI ÉS TÁVOKTATÁSI KÖZPONT 1149 BUDAPEST, BUZOGÁNY U. 10-12. : 06-1-469-6600 I. évfolyam TANTÁRGYI ÚTMUTATÓ Gazdasági matematika II. 2013/2014. II. félév PÉNZÜGYI ÉS
RészletesebbenFIT-jelentés :: 2012. Intézményi jelentés. Összefoglalás
FIT-jelentés :: 2012 Összefoglalás Német Nemzetiségi Gimnázium és Kollégium, Deutsches Nationalitätengymnasium und Schülerwohnheim 1203 Budapest, Serény u. 1. Összefoglalás Az intézmény létszámadatai Tanulók
Részletesebben4. előadás. Statisztikai alkalmazások, Trendvonalak, regresszió. Dr. Szörényi Miklós, Dr. Kallós Gábor
4. előadás Statisztikai alkalmazások, Trendvonalak, regresszió Dr. Szörényi Miklós, Dr. Kallós Gábor 2013 2014 1 Tartalom Statisztikai alapfogalmak Populáció, mérési skálák, hisztogram Alapstatisztikák:
RészletesebbenDr. BALOGH ALBERT: AZ ÚJ STATISZTIKAI TERMINOLÓGIA
Dr. BALOGH ALBERT: AZ ÚJ STATISZTIKAI TERMINOLÓGIA 1 Az ISO 3534-1 és 3534-2: 2006 szabványok ismertetése Az ISO 3534 szabványsorozat- Szótár és jelölések- tagjai: 1. ISO 3534-1: Statisztikai és fogalmak(2006)
Részletesebben3. Egy szabályos dobókockát kétszer feldobva mennyi annak a valószínűsége, hogy a dobott számok különbségének abszolutértéke nagyobb mint 4?
1. Kombinatorikus valószínűség 1. Egy dobókockát kétszer feldobunk. a) Írjuk le az eseményteret! b) Mennyi annak a valószínűsége, hogy az első dobás eredménye nagyobb, mint a másodiké?. Mennyi a valószínűsége
RészletesebbenStatisztikai alapismeretek (folytatás)
Statisztikai alapismeretek (folytatás) 3. elıadás (5-6. lecke) Az alapsokaság fıbb jellemzıi () 5. lecke Folytonos változó megoszlásának jellemzése A sokasági átlag és szórás Átlag és szórás tulajdonságai
RészletesebbenStatisztikai módszerek
Statisztikai módszerek A hibaelemzı módszereknél azt néztük, vannak-e kiugró, kritikus hibák, amelyek a szabályozás kivételei. Ezekkel foglalkozni kell; minıségavító szabályozásra van szükség. A statisztikai
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..............................
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
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
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
RészletesebbenJelentéskészítő TEK-IK () Válaszadók száma = 610
Jelentéskészítő TEK-IK () Válaszadók száma = 0 Általános mutatók Szak értékelése - + átl.=. Felmérés eredmények Jelmagyarázat Kérdésszöveg Válaszok relatív gyakorisága Bal pólus Skála Átl. elt. Átlag Medián
Részletesebben10. Valószínűségszámítás
. Valószínűségszámítás.. Események A valószínűségszámítás nagyon leegyszerűsítve események bekövetkezésének valószínűségével foglalkozik. Példák: Ha egy játékban egy dobókockával dobunk, akkor a kockadobás
RészletesebbenÚtmutató a vízumkérő lap kitöltéséhez
Útmutató a vízumkérő lap kitöltéséhez A vízumkérő lap ( Visa application form of the People s Republic of China, Form V. 2013 ) az egyik legfontosabb dokumentum, amit a kínai vízumra való jelentkezésnél
RészletesebbenAdatgyőjtés, mérési alapok, a környezetgazdálkodás fontosabb mőszerei
GazdálkodásimodulGazdaságtudományismeretekI.Közgazdaságtan KÖRNYEZETGAZDÁLKODÁSIMÉRNÖKIMScTERMÉSZETVÉDELMIMÉRNÖKIMSc Tudományos kutatásmódszertani, elemzési és közlési ismeretek modul Adatgyőjtés, mérési
RészletesebbenValószínőségszámítás és statisztika elıadások Mérnök informatikus BSc szak MANB030, MALB030
Valószínőségszámítás és statisztika elıadások Mérnök informatikus BSc szak MANB030, MALB030 2. téma Feltételes valószínőség, függetlenség Példák feltételes valószínőségekre. Feltételes valószínőség definíciója.
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
RészletesebbenHÁZI FELADAT NÉV:.. Beadási határidı: az elsı ZH-ig (2010. március 30. 8:00). Olvassa el az útmutatást is! KOMBINATORIKA
HÁZI FELADAT NÉV:.. NEPTUN KÓD: CSOPORT: Beadási határidı: az elsı ZH-ig (010. március 0. 8:00). Olvassa el az útmutatást is! KOMBINATORIKA 1. Egy irádulás sorá tizeöt tauló elhelyezésére három szoba áll
RészletesebbenFIT-jelentés :: 2009. Széchenyivárosi Óvoda és Általános Iskola 6000 Kecskemét, Lunkányi János u. 10. OM azonosító: 200922. Intézményi jelentés
FIT-jelentés :: 2009 Széchenyivárosi Óvoda és Általános Iskola 6000 Kecskemét, Lunkányi János u. 10. Létszámadatok A telephelyek kódtáblázata A 001 - Széchenyivárosi Óvoda és Általános Iskola Arany János
RészletesebbenKispesti Deák Ferenc Gimnázium
4 Kispesti Deák Ferenc Gimnázium Az Önök iskolájára vontakozó egyedi adatok táblázatokban és grafikonokon 1. osztály matematika 1 Standardizált átlagos képességek matematikából Az Önök iskolájának átlagos
RészletesebbenA Hozzárendelési feladat megoldása Magyar-módszerrel
A Hozzárendelési feladat megoldása Magyar-módszerrel Virtuális vállalat 2013-2014/1. félév 3. gyakorlat Dr. Kulcsár Gyula A Hozzárendelési feladat Adott meghatározott számú gép és ugyanannyi független
RészletesebbenValószínűségszámítás
Eszterházy Károly Főiskola Matematikai és Informatikai Intézet Tómács Tibor Valószínűségszámítás programtervező informatikusok részére Eger, 010. szeptember 0. Tartalomjegyzék 1. Véletlen események...............................
RészletesebbenKispesti Deák Ferenc Gimnázium
4 Kispesti Deák Ferenc Gimnázium Az Önök iskolájára vontakozó egyedi adatok táblázatokban és grafikonokon 1. osztály szövegértés 1 Standardizált átlagos képességek szövegértésből Az Önök iskolájának átlagos
RészletesebbenLineáris algebra gyakorlat
Lineáris algebra gyakorlat 3 gyakorlat Gyakorlatvezet : Bogya Norbert 2012 február 27 Bogya Norbert Lineáris algebra gyakorlat (3 gyakorlat) Tartalom Egyenletrendszerek Cramer-szabály 1 Egyenletrendszerek
RészletesebbenKVANTITATÍV MÓDSZEREK
KVANTITATÍV MÓDSZEREK Dr. Kövesi János Tóth Zsuzsanna Eszter 6 Tartalomjegyzék Kvantitatív módszerek. Valószínűségszámítási tételek. eltételes valószínűség. Események függetlensége.... 3.. eltételes valószínűség...
RészletesebbenJelek tanulmányozása
Jelek tanulmányozása A gyakorlat célja A gyakorlat célja a jelekkel való műveletek megismerése, a MATLAB környezet használata a jelek vizsgálatára. Elméleti bevezető Alapműveletek jelekkel Amplitudó módosítás
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
RészletesebbenKockázatkezelés és biztosítás
Kockázatkezelés és biztosítás Dr. habil. Farkas Szilveszter PhD egyetemi docens, tanszékvezető Pénzügy Intézeti Tanszék Témák 1. Kockáztatott eszközök 2. Károkozó tényezők (vállalati kockázatok) 3. Holisztikus
RészletesebbenBeszámoló: a kompetenciamérés eredményének javítását célzó intézkedési tervben foglaltak megvalósításáról. Őcsény, 2015. november 20.
Őcsényi Perczel Mór Általános Iskola székhelye: 7143 Őcsény, Perczel Mór utca 1. Tel: 74/496-782 e-mail: amk.ocseny@altisk-ocseny.sulinet.hu Ikt.sz.: /2015. OM: 036345 Ügyintéző: Ősze Józsefné Ügyintézés
RészletesebbenFIT-jelentés :: 2009. Szász Ferenc Kereskedelmi Szakközépiskola és Szakiskola 1087 Budapest, Szörény u. 2-4. OM azonosító: 035418. Intézményi jelentés
FIT-jelentés :: 2009 Szász Ferenc Kereskedelmi Szakközépiskola és Szakiskola 1087 Budapest, Szörény u. 2-4. Létszámadatok A telephelyek kódtáblázata A 001 - Szász Ferenc Kereskedelmi Szakközépiskola és
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)
RészletesebbenMATEMATIKA HETI 3 ÓRA
EURÓPAI ÉRETTSÉGI 010 MATEMATIKA HETI 3 ÓRA IDŐPONT : 010. június 4. A VIZSGA IDŐTARTAMA : 3 óra (180 perc) MEGENGEDETT SEGÉDESZKÖZÖK : Európai képletgyűjtemény Nem programozható, nem grafikus kalkulátor
RészletesebbenÉrettségi feladatok Algoritmusok egydimenziós tömbökkel (vektorokkal) 1/6. Alapműveletek
Érettségi feladatok Algoritmusok egydimenziós tömbökkel (vektorokkal) 1/6 A tömbök deklarálásakor Pascal és C/C++ nyelvekben minden esetben meg kell adni az indexelést (Pascal) vagy az elemszámot (C/C++).
RészletesebbenJelentés a kiértékelésről az előadóknak
Debreceni Egyetem 00 Debrecen Egyetem tér. Debreceni Egyetem Tisztelt NK Úr! (személyes és bizalmas) Jelentés a kiértékelésről az előadóknak Tisztelt NK Úr! Ez az email tartalmazza a Népegészségügyi ellenõr
RészletesebbenAnalízisfeladat-gyűjtemény IV.
Oktatási segédanyag a Programtervező matematikus szak Analízis. című tantárgyához (003 004. tanév tavaszi félév) Analízisfeladat-gyűjtemény IV. (Függvények határértéke és folytonossága) Összeállította
RészletesebbenDr. Balogh Albert: A statisztikai adatfeldolgozás néhány érdekessége
Dr. Balogh Albert: A statszta adatfeldolgozás éháy érdeessége Kérdése:. Hogya becsüljü a tapasztalat eloszlásfüggvéyt? 2. M az a redezett mta? 3. M az a medá rag és mlye becslése vaa?. Hogya becsüljü a
RészletesebbenEgy heti edzés leírása (5. sz. melléklet)
Egy heti edzés leírása (5. sz. melléklet) PÉCSI TUDOMÁNYEGYETEM Név:. EHA kód: Szak/Munkarend:.. Sportág:. Kiválasztott csapat/csoport/egyén:. A kiválasztott csoport/csapat/egyén minősítése:. Az edzés
RészletesebbenA jelenség magyarázata. Fényszórás mérése. A dipólus keletkezése. Oszcilláló dipólusok. A megfigyelhető jelenségek. A fény elektromágneses hullám.
Fényszórás mérése A jelenség magyarázata A megfigyelhető jelenségek A fény elektromágneses hullám. Az elektromos tér töltésekre erőhatást fejt ki. A dipólus keletkezése Dipólusok: a pozitív és a negatív
RészletesebbenMATEMATIKA ÍRÁSBELI VIZSGA 2011. május 3.
MATEMATIKA ÍRÁSBELI VIZSGA I. rész Fontos tudnivalók A megoldások sorrendje tetszőleges. A feladatok megoldásához szöveges adatok tárolására és megjelenítésére nem alkalmas zsebszámológépet és bármelyik
RészletesebbenG Szabályfelismerés 2.2. 2. feladatcsomag
ÖSSZEFÜÉSEK Szabályfelismerés 2.2 Alapfeladat Szabályfelismerés 2. feladatcsomag összefüggés-felismerő képesség fejlesztése szabályfelismeréssel megkezdett sorozat folytatása a felismert szabály alapján
RészletesebbenÉVKÖZI MINTA AZ EGÉSZSÉGÜGYI BÉR- ÉS LÉTSZÁMSTATISZTIKÁBÓL. (2004. IV. negyedév) Budapest, 2005. április
ÉVKÖZI MINTA AZ EGÉSZSÉGÜGYI BÉR- ÉS LÉTSZÁMSTATISZTIKÁBÓL (2004. IV. negyedév) Budapest, 2005. április Évközi minta az egészségügyi bér- és létszámstatisztikából Vezet i összefoglaló Módszertan Táblázatok:
RészletesebbenFIT-jelentés :: 2013. Zoltánfy István Általános Iskola 6772 Deszk, Móra F. u. 2. OM azonosító: 200909 Telephely kódja: 005. Telephelyi jelentés
FIT-jelentés :: 2013 6. évfolyam :: Általános iskola Zoltánfy István Általános Iskola 6772 Deszk, Móra F. u. 2. Létszámadatok A telephely létszámadatai az általános iskolai képzéstípusban a 6. évfolyamon
RészletesebbenORSZÁGOS KÖRNYEZETEGÉSZSÉGÜGYI INTÉZET
ORSZÁGOS KÖRNYEZETEGÉSZSÉGÜGYI INTÉZET 197 Budapest, Gyáli út 2-6. Levélcím: 1437 Budapest Pf.: 839 Telefon: (6-1) 476-11 Fax: (6-1) 21-148 http://efrirk.antsz.hu/oki/ A PARLAGFŰ POLLENSZÓRÁSÁNAK ALAKULÁSA
RészletesebbenB1: a tej pufferkapacitását B2: a tej fehérjéinek enzimatikus lebontását B3: a tej kalciumtartalmának meghatározását. B.Q1.A a víz ph-ja = [0,25 pont]
B feladat : Ebben a kísérleti részben vizsgáljuk, Összpontszám: 20 B1: a tej pufferkapacitását B2: a tej fehérjéinek enzimatikus lebontását B3: a tej kalciumtartalmának meghatározását B1 A tej pufferkapacitása
RészletesebbenBevezetés az ökonometriába
Az idősorelemzés alapjai Gánics Gergely 1 gergely.ganics@freemail.hu 1 Statisztika Tanszék Budapesti Corvinus Egyetem Tizedik előadas Tartalom 1 Alapfogalmak, determinisztikus és sztochasztikus megközelítés
RészletesebbenA mérés célja: Példák a műveleti erősítők lineáris üzemben történő felhasználására, az előadásokon elhangzottak alkalmazása a gyakorlatban.
E II. 6. mérés Műveleti erősítők alkalmazása A mérés célja: Példák a műveleti erősítők lineáris üzemben történő felhasználására, az előadásokon elhangzottak alkalmazása a gyakorlatban. A mérésre való felkészülés
RészletesebbenTómács Tibor. Matematikai statisztika
Tómács Tibor Matematikai statisztika Eszterházy Károly Főiskola Matematikai és Informatikai Intézet Tómács Tibor Matematikai statisztika Eger, 01 Szerző: Dr. Tómács Tibor főiskolai docens Eszterházy Károly
RészletesebbenA fiatalok pénzügyi kultúrája Számít-e a gazdasági oktatás?
A fiatalok pénzügyi kultúrája Számít-e a gazdasági oktatás? XXXII. OTDK Konferencia 2015. április 9-11. Készítette: Pintye Alexandra Konzulens: Dr. Kiss Marietta A kultúrától a pénzügyi kultúráig vezető
RészletesebbenA mérési eredmény hibája
HIBASZÁMÍTÁS A mérési eredmény hibája A mérési eredmény hibája Hiba: A kísérlet jól meghatározott (reprodukálható) körülmények között játszódik le, lefolyását azonban sok apró, külön-külön nehezen figyelembe
RészletesebbenKÖVETELMÉNYEK. Anyanyelvi tantárgy-pedagógia III. Tantárgy kódja TAB 1312 Meghirdetés féléve 4. Kreditpont 2 Heti kontaktóraszám (elm. + gyak.
Anyanyelvi tantárgy-pedagógia III. Tantárgy kódja TAB 1312 Meghirdetés féléve 4. Heti kontaktóraszám (elm. + gyak.) 0+2 Előfeltétel (tantárgyi kód) TAB1310, TAB 1311 2 óra szeminárium a részvétel kötelező.
RészletesebbenOrszágos kompetenciamérés 2006
Országos kompetenciamérés 2006 A SULINOVA Kht. jelentései alapján összeállította: Kovács Károly A tesztek alapvetı statisztikai jellemzıi, valamint a tesztfüzetek feladatai és azok jellemzıit bemutató
RészletesebbenÉVKÖZI MINTA AZ EGÉSZSÉGÜGYI BÉR- ÉS LÉTSZÁMSTATISZTIKÁBÓL. (2004. III. negyedév) Budapest, 2004. december
ÉVKÖZI MINTA AZ EGÉSZSÉGÜGYI BÉR- ÉS LÉTSZÁMSTATISZTIKÁBÓL (2004. III. negyedév) Budapest, 2004. december Évközi minta az egészségügyi bér- és létszámstatisztikából Vezet i összefoglaló Módszertan Táblázatok:
RészletesebbenProgramozás I. - 9. gyakorlat
Programozás I. - 9. gyakorlat Mutatók, dinamikus memóriakezelés Tar Péter 1 Pannon Egyetem M szaki Informatikai Kar Rendszer- és Számítástudományi Tanszék Utolsó frissítés: November 9, 2009 1 tar@dcs.vein.hu
RészletesebbenMATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Trigonometria
005-05 MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Trigonometria A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett
RészletesebbenAz abortusz a magyar közvéleményben
Az abortusz a magyar közvéleményben Országos felmérés a egyesület számára Módszer: országos reprezentatív felmérés a 18 éves és idősebb lakosság 1200 fős mintájának személyes megkérdezésével a Medián-Omnibusz
RészletesebbenMiskolci Egyetem GÉPÉSZMÉRNÖKI ÉS INFORMATIKAI KAR. Analízis I. példatár. (kidolgozott megoldásokkal) elektronikus feladatgyűjtemény
Miskolci Egyetem GÉPÉSZMÉRNÖKI ÉS INFORMATIKAI KAR Analízis I. példatár kidolgozott megoldásokkal) elektronikus feladatgyűjtemény Összeállította: Lengyelné Dr. Szilágyi Szilvia Miskolc, 013. Köszönetnyilvánítás
RészletesebbenEgységes jelátalakítók
6. Laboratóriumi gyakorlat Egységes jelátalakítók 1. A gyakorlat célja Egységes feszültség és egységes áram jelformáló áramkörök tanulmányozása, átviteli karakterisztikák felvétele, terhelésfüggőségük
RészletesebbenRadon, Toron és Aeroszol koncentráció viszonyok a Tapolcai Tavas-barlangban
Radon, Toron és Aeroszol koncentráció viszonyok a Tapolcai Tavas-barlangban Kutatási jelentés Veszprém 29. november 16. Dr. Kávási Norbert ügyvezetı elnök Mérési módszerek, eszközök Légtéri radon és toron
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
RészletesebbenÉpületvillamosság laboratórium. Villámvédelemi felfogó-rendszer hatásosságának vizsgálata
Budapesti Műszaki és Gazdaságtudományi Egyetem Villamos Energetika Tanszék Nagyfeszültségű Technika és Berendezések Csoport Épületvillamosság laboratórium Villámvédelemi felfogó-rendszer hatásosságának
RészletesebbenAzonosító jel: MATEMATIKA EMELT SZINTŰ ÍRÁSBELI VIZSGA. 2011. május 3. 8:00. Az írásbeli vizsga időtartama: 240 perc NEMZETI ERŐFORRÁS MINISZTÉRIUM
ÉRETTSÉGI VIZSGA 2011. május 3. MATEMATIKA EMELT SZINTŰ ÍRÁSBELI VIZSGA 2011. május 3. 8:00 Az írásbeli vizsga időtartama: 240 perc NEMZETI ERŐFORRÁS MINISZTÉRIUM Pótlapok száma Tisztázati Piszkozati Matematika
RészletesebbenValószínőségszámítás ZH-k
Szak: Informatika II. Tárgy: Valószínûségszámítás és mat. stat..jzh.(5p) 5 színház, 5 mozi és kiállításra szóló jegyet osztanak ki aktív szervezı munkáért. A színház jegyek 6%-át, mozi jegyek 4%-át és
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
RészletesebbenAnalízis elo adások. Vajda István. 2012. október 3. Neumann János Informatika Kar Óbudai Egyetem. Vajda István (Óbudai Egyetem)
Vajda István Neumann János Informatika Kar Óbudai Egyetem / 40 Fogalmak A függvények értelmezése Definíció: Az (A, B ; R ) bináris relációt függvénynek nevezzük, ha bármely a A -hoz pontosan egy olyan
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
RészletesebbenMérési hibák 2007.02.22. 1
Mérési hibák 007.0.. 1 Mérés jel- és rendszerelméleti modellje Mérési hibák/ Mérési hibák mérési hiba: a meghatározandó értékre a mérés során kapott eredmény és ideális értéke közötti különbség általánosított
RészletesebbenMATEMATIKA ÍRÁSBELI VIZSGA 2012. május 8.
MATEMATIKA ÍRÁSBELI VIZSGA 2012. május 8. I. rész Fontos tudnivalók A feladatok megoldásához szöveges adatok tárolására és megjelenítésére nem alkalmas zsebszámológépet és bármelyik négyjegyű függvénytáblázatot
RészletesebbenORSZÁGOS KÖRNYEZETEGÉSZSÉGÜGYI INTÉZET AEROBIOLÓGIAI MONITOROZÁSI OSZTÁLY
ORSZÁGOS KÖRNYEZETEGÉSZSÉGÜGYI INTÉZET AEROBIOLÓGIAI MONITOROZÁSI OSZTÁLY 197 Budapest, Gyáli út 2-6. Levélcím: 1437 Budapest Pf. 839. Telefon: (6-1) 476-1215 Fax: (6-1) 476-1215 E-mail: pollen@oki.antsz.hu
Részletesebben[MECHANIKA- HAJLÍTÁS]
2010. Eötvös Loránd Szakközép és Szakiskola Molnár István [MECHANIKA- HAJLÍTÁS] 1 A hajlításra való méretezést sok helyen lehet használni, sok mechanikai probléma modelljét vissza lehet vezetni a hajlítás
RészletesebbenDefiníció. Definíció. 2. El adás (folytatása) Az adatok leírása, megismerése és összehasonlítása. 2-5. fejezet. A variabilitás mér számai 3.
. El adás (folytatása) Az adatok leírása, megismerése és összehasonlítása -1 Áttekintés - Gyakoriság eloszlások -3 Az adatok vizualizációja -4 A centrum mérıszámai -5 A szórás mérıszámai -6 A relatív elhelyezkedés
Részletesebben1. forduló. MEGOLDÁSOK Pontszerző Matematikaverseny 2015/2016-os tanév
MEGOLDÁSOK Pontszerző Matematikaverseny 2015/2016-os tanév 1. forduló 1. feladat: Jancsi és Juliska Matematikai Memory-t játszik. A játék lényege, hogy négyzet alakú kártyákra vagy műveletsorokat írnak
Részletesebben