KORLÁTOS. mateking.hu BINOMIÁLIS ELOSZLÁS. Egy úton hetente átlag 3 balesetes nap van. Mi a valószínűsége, hogy egy adott héten 2 balesetes nap van?
|
|
- Jázmin Faragóné
- 7 évvel ezelőtt
- Látták:
Átírás
1 NEVEZETES DISZKRÉT ÉS FOLYTONOS ELOSZLÁSOK HIPERGEO. BINOM. POISSON VAN ITT EGY FELADAT ISMERTHOGY MENNYI AZ ÖSSZES ELEM ÉS AZ ÖSSZES SELEJT VAGYIS N K ILLETVE n k. CSAK VALAMI %-OS IZÉ ISMERT A VÁRHATÓ AZ ÁTLAG AZ ARÁNY A VALÓSZÍNŰSÉG STB. VISSZATEVÉS NÉLKÜLI VISSZATEVÉSES KORLÁTOS NEM KORLÁTOS HIPERGEOMETRIAI matking.hu ELOSZLÁS K N K ( ) k n k P k N n K E( ) n N D( ) K ( N K )( N n) n N ( N ) BINOMIÁLIS ELOSZLÁS P( n k k nk k) p ( p) E( ) np D( ) np( p) POISSON ELOSZLÁS k P( k) k! E ( ) D ( ) Egy úton 30 nap alatt napon történt balst. Ebből a 30 napból kiválasztunk gy htt mi a valószínűség hogy zn a hétn balsts nap van? =balsts nap Az összs lm N=30 nap bből sljts a balsts nap K=. A minta n=7 és itt k= 4 7 B 5 3 N 30 K n 7 k balsts napot szrtnénk B P ( ) 30 7 Egy úton htnt átlag 3 balsts nap van. Mi a valószínűség hogy gy adott hétn balsts nap van? =balsts nap Egy különösn balszrncsés hétn sm lht 7-nél több balsts nap thát itt KORLÁTOS MAX 7. n 7 mrt 7 napot választunk p 3/ balsts nap P 7 ( ) Egy úton htnt átlag 3 balst történik. Mi a valószínűség hogy gy adott hétn balst van? =balst Balst viszont lht akármnnyi átlagosan 3 szokott lnni d miért is n lhtn mondjuk 000 balst. Vagyis itt NEM KORLÁTOS E ( ) 3 a vártó 3 P( )! 3
2 EGYENLETES EXP NORM Folytonos valószínűségi változók többnyir időt távolságot mg olyanokat mérnk hogy hány kiló hány litr stb. Trmésztükből adódóan itt nincs értlm olyat kérdzni hogy a? mindn ilyn valószínűség nulla. Csak intrvallumokat van értlm kérdzni hogy a? P a? vagy Pa b? P mrt P vagy A valószínűségkt az loszlásfüggvény vagy a sűrűségfüggvény sgítségévl tudjuk kiszámolni és többnyir mi döntjük l hogy mlyikt sználjuk. Azok akik lküzdhttln vágyat érznk az intgrálás iránt sználják bátran a sűrűségfüggvényt mindnki másnak az loszlásfüggvény ajánlott azzal ugyanis könnybb.. lépés hogy a valószínűségt átalakítjuk loszlásfüggvényr a. lépés pdig az hogy mgkrssük a konkrét loszlásfüggvényt.. matking.hu ELOSZLÁS NEVE Egynlts loszlás PARAMÉTEREI:(ab) a P ( a) F( a) f ( dx a P ( a) F( a) f ( dx P ( a b) F( b) F( a) f ( dx b a ELOSZLÁSFÜGGVÉNY SŰRŰSÉGFÜGGVÉNY VÁRHHATÓ ÉRTÉK SZÓRÁS 0 x a x a F( a x b a x b f ( b a b a a b b a E( ) D( ) b x 0 különbn a a a b. Exponnciális loszlás PARAMÉTEREI: (λ) A dolgok időbli vagy távolságbli bkövtkzésénk loszlása. 4 7 Normális B 5 3 loszlás PARAMÉTEREI: (mσ) B 4 A dolgok mnnyiségbli 5 loszlása. Standard normális loszlás F( F ( x x m ( =Lásd standard normális loszlás táblázat! x 0 0 x 0 f ( f x x ( x 0 0 x m E( ) D( ) E( ) m D( ) x ( E( ) 0 D( )
3 EGYENLETES ELOSZLÁS Valaki gy tlfonhívást vár ami 0.00 és 5.00 között érkzik mindn időpontban ugyanakkora valószínűséggl. Mkkora a valószínűség hogy délig hívják? =hány óra van a=0 b=5 Az gynlts loszlás loszlásfüggvény 0 x a x a F( a x b most a=0 és b=5 b a b x 0 x 0 x 0 F( 0 x x Az hogy délig hívják: 0 P( ) F() 04 5 EXPONENCIÁLIS ELOSZLÁS matking.hu Egy bankba általában ügyfél érkzik óránként. Mkkora valószínűséggl tlik l 0 prc úgy hogy nm jön snki? =ltlt idő prc prc Ha 0 prcig nm jön snki akkor a két ügyfél között ltlt idő 0 prcnél több thát a P ( 0) valószínűségt szrtnénk kiszámolni. Vártóan ügyfél érkzik óránként zért az ügyflk közt ltlt idő 60/=5 prc vagyis a vártó érték E( ) 5 prc és így / 5 0 Az xponnciális loszlás loszlásfüggvény 0 F( x x 0 0 x most / F( 0x x 0 0 x Az hogy 0 prcig nm jön snki: 00 P( 0) F(0)
4 NORMÁLIS ELOSZLÁS Egy bankban az ügyflk napi száma normális loszlású 560 fő vártó értékkl és 40 fő szórással. Mkkora a valószínűség hogy gy adott napon az ügyflk száma 60-nál kvsbb? Mkkora a valószínűség hogy az ügyflk száma 480-nál kvsbb? A normális loszlás sűrűségfüggvény xm f ( amit sajnálatos módon nm tudunk intgrálni mivl pdig az loszlásfüggvény a sűrűségfüggvény intgrálja zért loszlásfüggvény nincs. Ezt a kis kllmtlnségt úgy tudjuk kiiktatni hogy bvztünk gy spciális normális loszlást amink a vártó érték nulla a szórása pdig gy. Ezt standard normális loszlásnak nvzzük sűrűségfüggvény ( x loszlásfüggvény pdig gy táblázat formájában létző függvény amink jl Φ( x ). matking.hu A normális loszlásból úgy tudunk standard normális loszlást csinálni hogy a -ből kivonjuk a vártó értékét és losztjuk a szórással. A normális loszlás loszlásfüggvény thát: x m F ( Most gy olyan normális loszlásunk van ahol a vártó érték 560 a szórás pdig 40. E( ) m 560 D ( ) 40 Annak valószínűség hogy gy adott napon az ügyflk száma 60-nál kvsbb: 60 m 60 P ( 60) F(60) (5) B 5 3 Annak valószínűség hogy az ügyflk száma 480-nál kvsbb: 4 7 B m 80 P ( 480) F(480) ( ) () x Φ( x ) ( ( 4
5 A POISSON ELOSZLÁS ÉS AZ EXPONENCIÁLIS ELOSZLÁS KAPCSOLATA Egy bnzinkúthoz óránként átlag autó érkzik.. Mkkora a valószínűség hogy 0 prc alatt három autó érkzik?. Mkkora a valószínűség hogy két autó érkzés közt lgalább 0 prc tlik l? Az lső kérdés az autók számáról míg a második az érkzésük közt ltlt időről szól. Az autók száma diszkrét loszlás és mivl érkzht bármnnyi zért Poisson az ltlt idő folytonos loszlás és történtsn xponnciális.. autók száma 0 prc alatt darab POISSON A vártó érték óránként autó thát prc alatt /60=0 és 0 prc alatt E ( ) darab P( 3) 3! 3 3 3! 08. autók közt ltlt idő prc EXPONENCIÁLIS matking.hu 35 A vártó érték óránként autó thát az átlagosan ltlt idő 60/=5 prc E ( ) 5 prc P( 0) F(0) Mindkét loszlás ugyanazt a történtt írja l csak az gyik a bkövtkzésk számát vizsgálja a másik pdig a köztük ltlt időt. Így hát nnk a bizonyos -nak mindkét hlyn történő rjtélys flbukkanása sm pusztán a véltln műv. A két valójában ugyanaz. Ehhz azt kll mgértnünk hogy Poisson-loszlás vártó érték függ a vizsgált időtartamtól hosszabb idő alatt többn jönnk rövidbb idő alatt kvsbbn mondjuk 0 prc alatt d 5 prc alatt már 3. Az xponnciális loszlás vártó érték viszont a vártóan ltlt idő ami 5 prc és z nm függ a vizsgált időtartamtól. Fél óra alatt ugyanúgy átlagosan 5 prcnként érkznk az autók mint 0 prc alatt. Itt thát a mindig ugyanannyi. B 4 4 B / Ha pdig a Poisson loszlásnál éppn akkora időtartamot nézünk ami az xponnciális loszlásnál az idő múlásának 5 a mértékgység akkor a két mindig mggyzik. Nézzük mg mi a hlyzt zzl a konkrét példánk stébn. 7 3 Ha az xponnciális loszlásnál az ltlt időt prcbn mérjük akkor a vártó érték 5 prc és így. Most számoljuk ki a -t a Poisson-loszlásnál gy prcs időtartamra. Óránként -n jönnk thát gy prc alatt /60=0 vagyis 0 a két thát mggyzik. Ha az xponnciális loszlásnál az ltlt időt mondjuk órában mérjük akkor az 5 prcs vártó érték lássuk csak 5 prc = 5/60 óra thát úgy durván 0083 óra. Ekkor / Most számoljuk ki a -t a Poisson-loszlásnál gy órás időtartamra. Mivl a fladat úgy szólt hogy óránként -n jönnk a jlk szrint. A két thát ilynkor is mggyzik. 5
6 0A. Egy úton htnt átlag 3 balst történik. Mi a valószínűség hogy adott hétn? 0B. Egy úton htnt átlag 3 balsts nap van. Mi a valószínűség hogy adott hétn? 0. Egy bankba óránként átlag 4 ügyfél érkzik. a) Mi a valószínűség hogy 7 prc alatt éppn -n érkznk? b) Mi a valószínűség hogy 7 prc alatt lgfljbb -n érkznk? c) Mi a valószínűség hogy 5 prc alatt lgalább -n érkznk? d) Az stk hány százalékában nm jön 0 prcig snki? 03. Egy napilap az stk 03%-ában jlnik mg hibátlanul a hibák száma Poissonloszlást kövt. Mkkora a sajtóhibák vártó napi száma? P E( ) D( ) E( ) D( )? 04. Egy üvgtáblában a gyártás során vártóan 0 hiba kltkzik. Mkkora a valószínűség hogy gy tábla hibátlan? a) Mi a valószínűség hogy 0 táblából kttő hibás? b) Ha gy mgrndlőnk 00 darab hibátlan táblát kll lszállítani vártóan hány üvgtáblát kll lgyártani? 05. Egy vizsgán a llgatóknak általában 60%-a mgbukik. Egy nap 0-n vizsgáznak mi a valószínűség hogy éppn a 0%-uk mgy át? a) Mi a valószínűség hogy lgfljbb -n mnnk át? b) Mi a valószínűség hogy lgalább -n mnnk át? c) Mi a valószínűség hogy lgalább 4-n mnnk át? 06A. Egy bizonyos évszakban mindn nap 0 valószínűséggl sik ső. Mi a valószínűség hogy gy hétn három nap sik? 06B. Egy újságárus óránként átlag 4 darab újságot ad l. Mi a valószínűség hogy 0 prc alatt lgfljbb darabot? 08. Egy könyvbn 00 oldalon átlag 80 nyomdahiba találtó. Mi a valószínűség hogy 0 gymást kövtő oldalon 7 hiba lsz? 09. Egy bankba az stk 03%-ában nm érkzik ügyfél gy óra alatt. Az ügyflk száma Poisson loszlású. a) Mkkora az ügyflk vártó száma óránként? b) P E( X ) D( X ) X E( X ) D( X )? 6
7 0. Egy újságárus óránként 48 darab újságot szokott ladni amiből átlag 36 napilap. Mi a valószínűség hogy a) 0 prc alatt lgfljbb napilapot ad l? b) 5 prc alatt éppn 7 újságot ad l? c) a 7 ladott újságból 4 napilap?. Annak valószínűség hogy gy hírlapárus ngydóra alatt gytln 6 lapot sm tud ladni a) Mnnyit szokott ladni átlagosan óránként? b) Mkkora valószínűséggl ad l félóra alatt 0 darabot? c) Lgfljbb milyn hosszú idig nm tud ladni gytln lapot sm lgalább 06 valószínűséggl?. Egy bizonyos hónap 30 napjából átlag nap szokott sni. Mi a valószínűség hogy gy hétn három nap sik? 3. Egy könyvbn 00 oldalon átlag 80 nyomdahiba találtó. Mi a valószínűség hogy 0 gymást kövtő oldalon 7 hiba lsz? 4. Egy vizsgán a llgatóknak általában 60%-a mgbukik. Egy nap 0-n vizsgáznak mi a valószínűség hogy a) lgfljbb -n mnnk át? b) lgalább -n mnnk át? 5. Az X valószínűségi változó gynlts loszlású vártó érték 0 szórása 3. Mkkora a ( X 9) P a P( X ) és a ( 0 X 5) P valószínűség? 6. Egy tűzoltóságra átlagosan kétóránként érkzik riasztás. Mi a valószínűség hogy a) 8 óra alatt lgfljbb riasztás érkzik? b) gy kor érkző riasztás után a kövtkző 9 30 és 0 00 között érkzik? 7. Egy ügyfélszolgálatra érkző sgélyhívások száma Poisson-loszlású a köztük ltlt idő xponnciális loszlású valószínűségi változó annak valószínűség hogy 5 prc alatt érkzik hívás a) Hány hívás érkzik átlagosan óránként? b) Mkkora a valószínűség hogy fél óra alatt lgalább három hívás érkzik? c) Mkkora a valószínűség hogy két hívás közt lgalább 0 prc tlik l? 8. Egy üzlt a kövtkző 0 napból 3 nap zárva tart. Kiválasztunk 5 napot mi a valószínűség hogy 3 nap lsz nyitva? 7
8 9. Egy éttrmbn dolgozó 0 pincér közül 7 tud némtül. Egyik st éppn 8 pincér dolgozik és közülük 5-n a traszon. Mi a valószínűség hogy a traszon dolgozók közül -n bszélnk némtül? 0. Valaki két lövést ad l gy céltáblára mindkét alkalommal ugyanakkora d lgalább 06 valószínűséggl talál célba. Annak valószínűség hogy csak gy lövés talál célba 03. Mkkora valószínűséggl talál mindkttő?. Egy smény karaktrisztikus loszlásának szórása 04. Mkkora az smény bkövtkzésénk valószínűség az lgalább /3?. Egy st átlagosan óránként 0 hullócsillagot látni. Ha a hullócsillagok száma Poissonloszlást kövt mkkora a valószínűség hogy ngydóra alatt a) kttőt látni? b) lgfljbb kttőt látni? c) lgalább kttőt látni? c) Lgfljbb milyn hosszú idig nm látni gytln hullócsillagot sm lgalább 07 valószínűséggl? 3. Egy szövt anyagában átlag 0 métrnként van apró hiba. a) Mi a valószínűség hogy gy 6 métrs darab hibátlan? b) Mi a valószínűség hogy 30 métrnyi szövtt 6 métrs darabokra vágnak akkor pontosan két hibás darab lsz? c) Mi a valószínűség hogy 30 métrnyi szövtt 6 métrs darabokra vágnak akkor mind hibátlan lsz? d) Mi a valószínűség hogy 30 métrnyi szövtt 5 métrs darabokra vágnak akkor mind hibátlan lsz? ) 0 métrnyi szövtből mlyik stbn kltkzik több hibátlan darab? 4. A valószínűségi változó gynlts loszlású vártó érték 0 szórása 3. Mkkora ( 9) P illtv ( ) P? 5. Valaki gy tlfonhívást vár ami rggl 8 órától sdéks érkzés gynlts loszlást kövt. Annak valószínűség hogy a hívás 0-ig bfut 0. a) Mi a valószínűség hogy -ig hívják? b) Mi a valószínűség hogy 3.00 és 4.00 között hívják? c) Mi a valószínűség hogy 3.00-ig nm hívják 4.00-ig hívják? 6. Egy mobiltlfon élttartama xponnciális loszlású 4 év vártó élttartammal. a) Mkkora a valószínűség hogy lgalább 8 évig működik? b) Mkkora a valószínűség hogy 8 évnél tovább d 0-nél kvsbb idig működik? c) Mi a valószínűség hogy már 8 év működik a kövtkző évbn lromlik? 7. Egy trmék élttartama xponnciális loszlású valószínűségi változó 4 év szórással. a) Mkkora valószínűséggl hibásodik mg a gyártástól számított évn blül? 8
9 b) Lgfljbb mkkora lht a garanciaidő a trmékknk lgfljbb 0%-át szrtnék garanciálisan javítani vagy csrélni? 8. Egy tűzoltóságra átlagosan kétóránként érkzik riasztás. Mi a valószínűség hogy a) 8 óra alatt lgfljbb riasztás érkzik? b) gy.00-kor érkző riasztás után a kövtkző 3.30 és 4.00 között érkzik? 9. Egy bankba óránként átlag 4 ügyfél érkzik. Mi a valószínűség hogy a) 0 prc alatt lgalább -n érkznk az ügyflk száma Poisson-loszlást kövt? b) két ügyfél érkzés között 5 prc is ltlik az ltlt idő xponnciális loszlású? 30. Egy bankban az stk ngydébn fordul lő hogy gy ügyflt 0 prcn blül nm kövt másik. Egy óra alatt vártóan hány ügyfél érkzik? Mi a valószínűség hogy két ügyfél érkzés közt 5 prc is ltlik? 3. Egy üzltbn két óra alatt átlagosan 30 vvő fordul mg. A vvők érkzés között ltlt idő xponnciális loszlású valószínűségi változó. a) 0.00-kor érkzik gy vvő. Mi a valószínűség hogy a kövtkző vvő 0. és 0.5 között érkzik? b) Ha a 0.00-kor érkző vvő után már prc nm érkztt újabb vvő mi a valószínűség hogy 0.5-ig érkzni fog? 3. Egy bankban az stk ngydébn fordul lő hogy gy ügyflt 5 prcn blül nm kövt másik. Egy óra alatt vártóan hány ügyfél érkzik? a) Mi a valószínűség hogy gy 0.00-kor érkző ügyfél után 0. és 0.7 között érkzik a kövtkző? b) Mi a valószínűség hogy két ügyfél érkzés közt 5 prc is ltlik akkor kvsbb mint 0 prc tlik l? 33. Egy vonatra való várakozási idő xponnciális loszlású valószínűségi változó óránként átlagosan járat érkzik. Ha már 5 prc nm jött mkkora valószínűséggl kll még lgalább további 4 prct várni? Egy múzum pénztáránál a sorban állással töltött időt méri a valószínűségi változó órában mgadva amink sűrűségfüggvény: f 0 5 ( 5 x x 0 0 x a) Mkkora valószínűséggl krül sorra valaki ngyd órán blül? b) Mkkora valószínűséggl krül sorra fél órán blül már ngyd órája vár? 34. Egy készülék élttartama xponnciális loszlású valószínűségi változó száz ilyn készülékből átlagosan 55 hibásodik 400 üzmórán blül. a) Mkkora a készülék vártó élttartama? b) Mkkora valószínűséggl lsz 0 készülékből 6 olyan ami a vártó élttartamnál tovább működik? 35. Egy ügyfélszolgálatra óránként átlag 8 hívás fut b. Mi a valószínűség hogy 9
10 a) 0 prc alatt lgalább hívás érkzik a hívások száma Poisson-loszlású? b) két hívás között 5 prc is ltlik a hívások közt ltlt idő xponnciális loszlású? 36. A valószínűségi változó vártó érték 0 szórása 4. Lht- Poisson illtv binomiális loszlású? Ha ign mkkora a P ( 8) valószínűség? 37. A valószínűségi változó vártó érték 49 szórása 7. Lht- Poisson illtv binomiális loszlású? Ha ign mkkora a P ( 0) valószínűség? 38. Egy kamionsofőr az stk 368%-ában lgalább két órát várakozik a tárállomáson a várakozási idő xponnciális loszlású valószínűségi változó. a) Mkkora az átlagos várakozási idő? b) Mnnyi a valószínűség hogy gy adott stbn gy óránál kvsbbt kll várakoznia? D( ) c) P ( E( ) )? 39. Egy készülék élttartama xponnciális loszlású valószínűségi változó 5 év szórással. a) Mkkora a valószínűség hogy gy ilyn készülék lgalább 8 évig működik? b) Ha gy ilyn készülék már lgalább 8 év működik milyn valószínűséggl működik további lgalább 3 évig? 40. Egy úton 500 métrnként átlag 5 kátyú van. Mkkora a valószínűség hogy a) Egy 00 métrs szakasz hibátlan? b) Egy 00 métrs szakaszon lgalább két kátyú van? c) Két kátyú távolsága lgalább 50 métr d lgfljbb 300 métr? 4. Egy trmék garanciaidj két év. Mkkora a trmék vártó élttartama %-ukon kll garanciális javításokat végrjtani és 3%-ukat a javíttatlanság miatt csrélni? a) Mkkora a valószínűség hogy gy ilyn trmék lgalább 5 évig működik? b) Öt trmékt kiválasztva mkkora a valószínűség hogy lgalább kttő működik lgfljbb 3 évig? 4. Egy készülék élttartama xponnciális loszlású valószínűségi változó zr ilyn készülékből átlag 36 darab hibásodik mg a gyártástól számított fél évn blül. a) Mkkora a készülék vártó élttartama? b) Mkkora a valószínűség hogy gy ilyn készülék lgalább 0 évig működik? c) Ha gy ilyn készülék már lgalább 8 év működik milyn valószínűséggl működik további lgalább 3 évig? 43. Egy készülék élttartama xponnciális loszlású valószínűségi változó annak valószínűség hogy lgalább 6 évig működik. a) Mkkora a valószínűség hogy gy ilyn készülék lgfljbb 4 évig működik? b) Ha gy ilyn készülék már lgalább 4 év működik milyn valószínűséggl működik további lgalább 4 évig? 0
11 44. Egy üzlt napi forgalma közlítőlg normális loszlású valószínűségi változó. A vásárlók átlagos száma 560 fő a szórás 6 fő. Mkkora valószínűséggl lsz gy adott napon a vvők száma lgfljbb 600 fő? x Φ( x ) Egy tárátklőhlyn a várakozási idő jó közlítéssl normális loszlású valószínűségi változó 4 prc vártó értékkl. Annak valószínűség hogy az átklésig lgfljbb fél órát kll várni a) Mkkora valószínűséggl tart lgfljbb 0 prcig a várakozás? b) Mkkora a valószínűség hogy ngydóránál több d 36 prcnél kvsbbt kll várni? x ( Φ( x ) x ( Φ( x ) Egy iskolában a tanulók magasságának loszlása közlítőlg normális cm szórással. Annak valószínűség hogy gy tanuló 44 cm-nél alacsonyabb 059. Mkkora a valószínűség hogy gy tanuló lgalább 74 cm? x Φ( x ) x Φ( x ) Egy tszt mgírására 90 prc áll rndlkzésr a mgírási idő normális loszlású valószínűségi változó 65 prc vártó értékkl és 0 prc szórással. Mkkora valószínűséggl végz valaki kvsbb mint háromngyd óra alatt? x ( Φ( x ) x ( Φ( x )
12 48. Egy palackozó üzmbn 5 litrs gyümölcslvkt töltnk közlítőlg normális loszlással. Annak valószínűség hogy az üvgb töltött gyümölcslé a vártótól lgalább 5 millilitrrl ltér Mkkora a szórás? x Φ( x ) Egy métráru kiskrskdés által naponta ladott szövt hossza normális loszlású valószínűségi változó 45 m vártó értékkl és 9 m szórással. Mi a valószínűség hogy valamly nyitvatartási napon az ladott szövt hossza a 40 métrtől 0 métrnél nagyobb mértékbn tér l? x Φ( x ) x Φ( x ) Egy csomagoló üzmbn 900 g-os üvgkb töltnk mézkt. a) Lgfljbb mkkora szórást ngdhtünk mg az üvgkb töltött méz mnnyiség normális loszlású valószínűségi változó és annak valószínűség hogy gy üvgbn a méz mnnyiség nm 890 g és 90 g közé sik lgfljbb 0096 valószínűségű lht? b) Adjunk bcslést a Csbisv-gynlőtlnség sgítségévl hogy lgfljbb mkkora lht a szórás az üvgkb töltött méz mnnyiség ismrtln loszlású és annak valószínűség hogy nm 890 g és 90 g közé sik lgfljbb 0096! x ( Φ( x ) x ( Φ( x ) Egy üvgb töltött folyadék mnnyiség normális loszlású valószínűségi változó litr vártó értékkl. Mkkora a szórás annak valószínűség hogy a folyadék mnnyiség 990ml-nél kvsbb ()? Mi a valószínűség hogy gy üvgt tartalmazó csomagban lgalább üvg tartalma lgfljbb 990 millilitr? 5. Egy csomagolóüzmbn 500g-os konzrvkt töltnk g szórással. Mkkora a valószínűség hogy gy 0 darabos csomagban lgalább 8 konzrv 494 és 506 gramm közé sik?
13 53. Tapasztalatok szrint valamly szolgáltató vállalathoz naponta bérkző mgrndlésk száma jó közlítéssl normális loszlású valószínűségi változó 0 szórással. Mkkora a napi mgrndlésk számának vártó érték p ( 60) 0 x ( Φ( x ) x ( Φ( x ) Valamly üzltbn a vásárlók száma jó közlítéssl normális loszlású valószínűségi változó. Négy nyitvatartási napból átlagosan gyszr szokott lőfordulni hogy a vásárlók száma kvsbb mint 40. Mkkora a vásárlók átlagos száma a szórás? x ( Φ( x ) x ( Φ( x ) Egy palackozó üzmbn 5 litrs ásványvizkt töltnk közlítőlg normális loszlással. Annak valószínűség hogy az üvgb töltött ásványvíz a vártótól lgfljbb 4 millilitrrl tér l (3). Mkkora a szórás? 3
KORLÁTOS. mateking.hu BINOMIÁLIS ELOSZLÁS. Egy úton hetente átlag 3 balesetes nap van. Mi a valószínűsége, hogy egy adott héten 2 balesetes nap van?
NEVEZETES DISZKRÉT ÉS FOLYTONOS OK HIPERGEO. BINOM. POISSON VAN ITT EGY FELADAT ISMERTHOGY MENNYI AZ ÖSSZES ELEM ÉS AZ ÖSSZES SELEJT VAGYIS N K ILLETVE n k. CSAK VALAMI %-OS IZÉ ISMERT A VÁRHATÓ AZ ÁTLAG
RészletesebbenKORLÁTOS. mateking.hu BINOMIÁLIS ELOSZLÁS. Egy úton hetente átlag 3 balesetes nap van. Mi a valószínűsége, hogy egy adott héten 2 balesetes nap van?
NEVEZETES DISZKRÉT ÉS FOLYTONOS OK HIPERGEO. BINOM. POISSON VAN ITT EGY FELADAT ISMERTHOGY MENNYI AZ ÖSSZES ELEM ÉS AZ ÖSSZES SELEJT VAGYIS N K ILLETVE n k. CSAK VALAMI %-OS IZÉ ISMERT A VÁRHATÓ AZ ÁTLAG
Részletesebben4.4. Egy úton hetente átlag 3 baleset történik. Mi a valószínűsége, hogy egy adott héten 2?
HIPERGEO. BINOM. POISSON 4.1. Egy üzletben 100-an vásárolnak, közülük 80-an rendelkeznek bankkártyával. A pénztárnál 10-en állnak sorba, mi a valószínűsége, hogy 7-nek lesz bankkártyája? 4.2. Egy üzletben
RészletesebbenKOD: B377137. 0, egyébként
KOD: 777. Egy csomagológép kilogrammos zacskókat tölt. A zacskóba töltött cukor mnnyiség normális loszlású valószínûségi változó kg várható értékkl és.8 kg szórással. A zacskó súlyra nézv lsõ osztályú,
RészletesebbenELOSZLÁS, ELOSZLÁSFÜGGVÉNY, SŰRŰSÉGFÜGGVÉNY
ELOSZLÁS, ELOSZLÁSÜGGVÉNY, SŰRŰSÉGÜGGVÉNY AZ ELOSZLÁSÜGGVÉNY Egy célábla sugara 5 cm, a valószínűségi válozó jlns az, hogy milyn ávol lőünk a célábla középponjáól. Tgyük öl, hogy a céláblá bizosan laláljuk.
RészletesebbenOrszágos Szilárd Leó fizikaverseny feladatai
Országos Szilárd Ló fizikavrsny fladatai I katgória döntő, 5 április 9 Paks A fladatok mgoldásáoz 8 prc áll rndlkzésr Mindn sgédszköz asználató Mindn fladatot külön lapra írjon, s mindn lapon lgyn rajta
RészletesebbenNéhány pontban a függvény értéke: x -4-2 -1-0.5 0.5 1 2 4 f (x) -0.2343-0.375 0 6-6 0 0.375 0.2343
Házi ladatok mgoldása 0. nov.. HF. Elmzz az ( ) = üggvényt (értlmzési tartomány, olytonosság, határérték az értlmzési tartomány véginél és a szakadási pontokban, zérushly, y-tnglymtszt, monotonitás, lokális
Részletesebbene (t µ) 2 f (t) = 1 F (t) = 1 Normális eloszlás negyedik centrális momentuma:
Normális eloszlás ξ valószínűségi változó normális eloszlású. ξ N ( µ, σ 2) Paraméterei: µ: várható érték, σ 2 : szórásnégyzet (µ tetszőleges, σ 2 tetszőleges pozitív valós szám) Normális eloszlás sűrűségfüggvénye:
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
RészletesebbenNEVEZETES FOLYTONOS ELOSZLÁSOK
Bodó Beáta - MATEMATIKA II 1 NEVEZETES FOLYTONOS ELOSZLÁSOK EXPONENCIÁLIS ELOSZLÁS 1. A ξ valószínűségi változó eponenciális eloszlású 80 várható értékkel. (a) B Adja meg és ábrázolja a valószínűségi változó
RészletesebbenMágneses anyagok elektronmikroszkópos vizsgálata
Mágnss anyagok lktronmikroszkópos vizsgálata 1. Transzmissziós lktronmikroszkóp 1.1. A mágnss kontraszt rdt a TEM-bn Az lktronmikroszkópban 100-200 kv-os (stlg 1 MV-os) gyorsítófszültséggl gyorsított lktronok
RészletesebbenModern piacelmélet. ELTE TáTK Közgazdaságtudományi Tanszék. Selei Adrienn
Modrn piaclmélt ELTE TáTK Közgazdaságtudományi Tanszék Sli Adrinn A tananyag a Gazdasági Vrsnyhiatal Vrsnykultúra Központja és a Tudás-Ökonómia Alapítány támogatásáal készült az ELTE TáTK Közgazdaságtudományi
RészletesebbenJT 379 www.whirlpool.com
JT 379.hirlpool.com A HÁLÓZATRA CSATLAKOZTATÁS ELŐTT ÜZEMBE HELYEZÉS ELLENŐRIZZE, HOGY A TÖRZSLAPON jlztt fszültség mggyzik- a lakás fszültségévl. NE TÁVOLÍTSA EL A MIKROLLÁM-BEVEZETÉST VÉDŐ LEMEZEKET,
RészletesebbenMatematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév
Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév 1. A várható érték és a szórás transzformációja 1. Ha egy valószínűségi változóhoz hozzáadunk ötöt, mínusz ötöt, egy b konstanst,
RészletesebbenVillamos érintésvédelem
Villamos érintésvédlm A villamos nrgia ipari mértű flhasználása a század ljén kzdtt gyr nagyobb mértékbn ltrjdni és zzl gyidőbn jlntkztk az áramütésből rdő balstk is. Ennk kövtkztébn nagyarányú kutatás
RészletesebbenPoisson-eloszlás Exponenciális és normális eloszlás (házi feladatok)
Poisson-eloszlás Exponenciális és normális eloszlás (házi feladatok)./ Egy televízió készülék meghibásodásainak átlagos száma óra alatt. A meghibásodások száma a vizsgált időtartam hosszától függ. Határozzuk
RészletesebbenGYAKORLÓ FELADATOK 3. A pénzügyi eszközök értékelése
GYAKORLÓ FELADATOK 3. A pénzügyi szközök étéklés. fladat (kötvény) A vállalat 2 millió fointos buházása mgvalósításának finanszíozásához kötvénykibocsátást tvz, 5 Millió Ft étékbn. A jgyzést lbonyolító
RészletesebbenSzerző: Böröcz Péter János H-9026, Egyetem tér 1. Győr, Magyarország
In: Kóczy L, éánczos L, Bakó A, Prznszki J, Szgdi Z, Várlaki P (szrk.) Játéklmélt alkalmazási lhtőségi a logisztikai rndszrkbn - az gy- és többutas szállítási csomagolási szközök közötti döntéslmélti probléma
Részletesebben33 522 04 0001 33 10 Villámvédelmi felülvizsgáló Villanyszerelő
A 10/007 (II. 7.) SzMM rndlttl módosított 1/006 (II. 17.) OM rndlt Országos Képzési Jgyzékről és az Országos Képzési Jgyzékb történő flvétl és törlés ljárási rndjéről alapján. Szakképsítés, szakképsítés-lágazás,
Részletesebben36 0,3. Mo.: 36 0,19. Mo.: 36 0,14. Mo.: 32 = 0,9375 32 = 0,8125 32 = 0,40625. Mo.: 32 = 0,25
Valószínűségszámítás I. Kombinatorikus valószínűségszámítás. BKSS 4... Egy szabályos dobókockát feldobva mennyi annak a valószínűsége, hogy a -ost dobunk; 0. b legalább 5-öt dobunk; 0, c nem az -est dobjuk;
RészletesebbenMegoldások. ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4; 2, 3) normális eloszlású P (ξ
Megoldások Harmadik fejezet gyakorlatai 3.. gyakorlat megoldása ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4;, 3 normális eloszlású P (ξ 8 ξ 5 feltételes valószínűségét (.3. alapján számoljuk.
RészletesebbenELOSZLÁS, ELOSZLÁSFÜGGVÉNY, SŰRŰSÉGFÜGGVÉNY
ELOSZLÁS, ELOSZLÁSÜGGVÉNY, SŰRŰSÉGÜGGVÉNY AZ ELOSZLÁSÜGGVÉNY Egy célábla sugara cm, a valószínűségi válozó jlns az, hogy milyn ávol lőünk a célábla középponjáól. Tgyük öl, hogy a céláblá bizosan laláljuk.
RészletesebbenGyakorló feladatok. Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László
Gyakorló feladatok Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László I/. A vizsgaidőszak második napján a hallgatók %-ának az E épületben, %-ának a D épületben,
RészletesebbenVALÓSZÍNŰSÉGSZÁMÍTÁS. MSc. Órai Feladatok
VALÓSZÍNŰSÉGSZÁMÍTÁS MSc Órai Feladatok 1. Feladat (Diszkrét eloszlás) Ketten kosárlabdáznak. Az A játékos 0,4 a B játékos 0,3 valószínűséggel dob kosarat. A dobást A kezdi és felváltva dobnak egymás után.
RészletesebbenCÉLEGYENESBEN! Nyertek a horgászok
á z h i y g k r D Hírk ám 1. sz lyam o f év XI.. 2010 ár Janu t a! n o v i k ha n l j Mg A Drkgyházi Önkormányzat mgbízásából szrkszttt függtln információs kiadvány. CÉLEGYENESBEN! Nyrtk a horgászok Jó
RészletesebbenAbszolút folytonos valószín ségi változó (4. el adás)
Abszolút folytonos valószín ségi változó (4. el adás) Deníció (Abszolút folytonosság és s r ségfüggvény) Az X valószín ségi változó abszolút folytonos, ha van olyan f : R R függvény, melyre P(X t) = t
Részletesebben[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria 2016.02.22. Valószínűségi változó Véletlentől függő számértékeket (értékek sokasága) felvevő változókat valószínűségi változóknak nevezzük(jelölés: ξ, η, x). (pl. x =
RészletesebbenVÁRHATÓ ÉRTÉK, SZÓRÁS, MARKOV ÉS CSEBISEV EGYENLŐTLENSÉGEK
VÁRHATÓ ÉRTÉK SZÓRÁS MARKOV ÉS CSBISV GYNLŐTLNSÉGK A VÁRHATÓ ÉRTÉK gy mgsugró vrsnyn vrsnyzők 8 vlószínűséggl ugorják á lé. Mindn vrsnyző háromszor próálkozh. Mivl könnyn mgsh hogy nm rjongunk mgsugró
Részletesebben53. sz. mérés. Hurokszabályozás vizsgálata
53. sz. mérés Hurokszaályozás vizsgálata nagyszültségű alap- illtv losztóhálózat (4,, kv a hálózatok unkcióáól kövtkzőn hurkolt (töszörösn hurkolt kialakítású. sok csomóponttal, tö táplálási illtv ogyasztási
Részletesebben6. Határozatlan integrál
. Határozatlan intgrál.. Alkalmazza a hatványfüggvény intgrálására vonatkozó szabályt! d... d... d... d 8...... d... d... d..8. d..9. d..0. d... d... d 8... d... 8... d...... d..8...9. d..0. d d 8 d d..
RészletesebbenGazdasági matematika II. vizsgadolgozat megoldása A csoport
Gazdasági matematika II. vizsgadolgozat megoldása A csoport Definiálja az alábbi fogalmakat!. Egy eseménynek egy másik eseményre vonatkozó feltételes valószínűsége. ( pont) Az A esemény feltételes valószínűsége
RészletesebbenÉletkor (Age) és szisztolés vérnyomás (SBP)
Lináris rgrsszió Éltkor (Ag) és szisztolés vérnyomás (SBP) Ag SBP Ag SBP Ag SBP 22 131 41 139 52 128 23 128 41 171 54 105 24 116 46 137 56 145 27 106 47 111 57 141 28 114 48 115 58 153 29 123 49 133 59
RészletesebbenFELVÉTELI FELADATOK 4. osztályosok számára M 1 feladatlap
2004. jnuár-fruár FELVÉTELI FELADATOK 4. osztályosok számár M 1 fltlp Név:... Szültési év: hó: np: A fltokt ttszés szrinti sorrnn olhto mg. Minn próálkozást fltlpon végzz! Mllékszámításokr z utolsó, ürs
RészletesebbenRSA. 1. Véletlenszerűen választunk két "nagy" prímszámot: p1, p2
RS z algoritmus. Véltlnszrűn választunk két "nagy" prímszámot: p, p, p p. m= pp, φ ( m) = ( p -)( p -)., < φ( m), ( φ( m ),) = - 3. d = ( mod φ( m) ) 4. k p s = ( m,), = ( d, p, p ) k. Kódolás: y = x (
RészletesebbenIII. A RÉSZVÉNYEK ÉRTÉKELÉSE (4 óra)
5.3.3. VÁLLALATI ÉNZÜGYEK III. A RÉSZVÉNYEK ÉRTÉKELÉSE ( óa Összállíoa: Naá János okl. üzmgazdász, okl. közgazdász-aná Részvény: olyan ljáa nélküli éékaí, amly a ásasági agnak: az alaők mghaáozo hányadá
RészletesebbenSIKALAKVÁLTOZÁSI FELADAT MEGOLDÁSA VÉGESELEM-MÓDSZERREL
SIKALAKVÁLTOZÁSI FELADAT MEGOLDÁSA VÉGESELEM-MÓDSZERREL ADOTT: Az ábrán látható db végslmből álló tartószrkzt gomtriája, mgfogása és trhlés. A négyzt alakú síkalakváltozási végslmk mért 0 X 0 mm. p Anyagjllmzők:
RészletesebbenValószín ségszámítás és statisztika
Valószín ségszámítás és statisztika Informatika BSc, esti tagozat Backhausz Ágnes agnes@cs.elte.hu 2016/2017. tavaszi félév Bevezetés Célok: véletlen folyamatok modellezése; kísérletekb l, felmérésekb
RészletesebbenA Mozilla ThunderBird levelezőprogram haszálata (Készítette: Abonyi-Tóth Zsolt, SZIE ÁOTK, 2004-04-15, Version 1.1)
A Mozilla ThundrBird lvlzőprogram haszálata (Készíttt: Abonyi-Tóth Zsolt, SZIE ÁOTK, 2004-04-15, Vrsion 1.1) Tartalomjgyzék Tartalomjgyzék...1 A Központi Lvlző Szrvr használata... 1 A ThundrBird lvlzőprogram
RészletesebbenVT 265 www.whirlpool.com
VT 265.hirlpool.com 1 BEÜZEMELÉS A HÁLÓZATRA CSATLAKOZTATÁS ELŐTT ELLENŐRIZZE, HOGY A TÖRZSLAPON jlztt fszültség mggyzik- a lakás fszültségévl. NE TÁVOLÍTSA EL A MIKROLLÁM-BEVEZETÉST VÉDŐ LE- MEZEKET,
RészletesebbenA valószínűségszámítás elemei
Alapfogalmak BIOSTATISZTIKA ÉS INFORMATIKA A valószínűségszámítás elemei Jelenség: minden, ami lényegében azonos feltételek mellett megismételhető, amivel kapcsolatban megfigyeléseket lehet végezni, lehet
Részletesebben4. Differenciálszámítás
. Diffrnciálszámítás.. Írja fl a diffrnciahányadost a mgadott pontban és határozza mg a határértékét!... f...... f..7. f, f,,..9. f... f... f... f...... f..7...9. f...... f... f... f...,..6. f,,,, f,..8.
RészletesebbenStatisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1
Statisztika - bevezetés 00.04.05. Méréselmélet PE MIK MI_BSc VI_BSc Bevezetés Véletlen jelenség fogalma jelenséget okok bizonyos rendszere hozza létre ha mindegyik figyelembe vehető egyértelmű leírás általában
RészletesebbenValószínűségszámítás összefoglaló
Statisztikai módszerek BMEGEVGAT Készítette: Halász Gábor Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel:
RészletesebbenMatematika III. 5. Nevezetes valószínűség-eloszlások Prof. Dr. Závoti, József
Matematika III. 5. Nevezetes valószínűség-eloszlások Prof. Dr. Závoti, József Matematika III. 5. : Nevezetes valószínűség-eloszlások Prof. Dr. Závoti, József Lektor : Bischof, Annamária Ez a modul a TÁMOP
RészletesebbenFELVÉTELI FELADATOK 8. osztályosok számára M 1 feladatlap
200. jnuár-fruár FELVÉTELI FELADATOK 8. osztályosok számár M 1 fltlp Név:... Szültési év: hó: np: A fltokt ttszés szrinti sorrnn olhto mg. Minn próálkozást fltlpon végzz! Mllékszámításokr z utolsó, ürs
RészletesebbenGazdasági matematika II. Tantárgyi útmutató
Módszertani Intézeti Tanszék Gazdálkodási és menedzsment, pénzügy és számvitel szakok távoktatás tagozat Gazdasági matematika II. Tantárgyi útmutató 2016/17 tanév II. félév 1/6 A KURZUS ALAPADATAI Tárgy
Részletesebben0,9268. Valószín ségszámítás és matematikai statisztika NGB_MA001_3, NGB_MA002_3 zárthelyi dolgozat
A 1. A feln ttkorú munkaképes lakosság 24%-a beszél legalább egy idegen nyelvet, 76%-a nem beszél idegen nyelven. Az idegen nyelvet beszél k 2,5%-a, az idegen nyelvet nem beszél k 10%-a munkanélküli. Véletlenszer
RészletesebbenBIOMATEMATIKA ELŐADÁS
BIOMATEMATIKA ELŐADÁS 9. Együttes eloszlás, kovarianca, nevezetes eloszlások Debreceni Egyetem, 2015 Dr. Bérczes Attila, Bertók Csanád A diasor tartalma 1 Bevezetés, definíciók Együttes eloszlás Függetlenség
RészletesebbenEGYENLETRENDSZEREK MEGOLDÁSA ELEMI BÁZISTRANSZFORMÁCIÓVAL. együttható-mátrix x-ek jobb oldali számok 2.LÉPÉS: A BÁZISTRANSZFORMÁCIÓ. easymaths.
www.symhs.hu mk ilágos oldl symhs.hu.lépés: GENERÁLÓ ELEM VÁLASZTÁSA Csk -s oszlopól és -s soról álszhunk gnráló lm, nullá nm álszhunk és lhőlg - gy -- érdms AZ JÁTÉKSZABÁLYAI.LÉPÉS: A BÁZISTRANSZFORMÁCIÓ
RészletesebbenKészítette: Fegyverneki Sándor
VALÓSZÍNŰSÉGSZÁMÍTÁS Összefoglaló segédlet Készítette: Fegyverneki Sándor Miskolci Egyetem, 2001. i JELÖLÉSEK: N a természetes számok halmaza (pozitív egészek) R a valós számok halmaza R 2 {(x, y) x, y
RészletesebbenFeladatok megoldással
Fladatok mgoldással. sztmbr 6.. Halmazrdszrk. Igazoljuk! A \ B A r (A r B) (A [ B) r ((A r B) [ (B r A)) Mgoldás. A r (A r B) A \ A \ B A \ A [ B A \ A [ (A \ B) A \ B (A [ B) r ((A r B) [ (B r A)) (A
RészletesebbenDöntési rendszerek I.
Döntési rendszerek I. SZTE Informatikai Intézet Számítógépes Optimalizálás Tanszék Készítette: London András 3. Gyakorlat Egy újságárus 20 centért szerez be egy adott napilapot a kiadótól és 25-ért adja
RészletesebbenEgy általános iskola nyolcadikosainak vallomásai
ÉLETEM w Egy általános iskola nyolcadikosainak vallomásai A fjlődéslélktan művlői és ismrői számára nm újság, hogy a gyrmk llki fjlődésébn szociális körülményir, zn körülményink változására is tkintttl
RészletesebbenEseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem.
Eseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem. Elemi esemény: a kísérlet egyes lehetséges egyes lehetséges kimenetelei.
Részletesebbeni p i p 0 p 1 p 2... i p i
. vizsga, 06--9, Feladatok és megoldások. (a) Adja meg az diszkrét eloszlás várható értékének a definícióját! i 0... p i p 0 p p... i p i (b) Tegyük fel, hogy a rigófészkekben található tojások X száma
RészletesebbenISO 9000 és ISO 20000, minőségmenedzsment és információtechnológiai szolgáltatások menedzsmentje egy szervezeten belül
ISO 9000 és ISO 20000, minőségmndzsmnt és információtchnológiai szolgáltatások mndzsmntj gy szrvztn blül dr. Vondrviszt Lajos, Vondrviszt.Lajos@nhh.hu Nmzti Hírközlési Hatóság Előzményk A kormányzati intézményk
RészletesebbenA valószínűségszámítás elemei
A valószínűségszámítás elemei Kísérletsorozatban az esemény relatív gyakorisága: k/n, ahol k az esemény bekövetkezésének abszolút gyakorisága, n a kísérletek száma. Pl. Jelenség: kockadobás Megfigyelés:
RészletesebbenDR. JUHÁSZ MÁRTA BME Ergonómia és Pszichológia Tanszék 1111 Budapest, Egry J. u. 1. Email: juhaszm@erg.bme.hu Tel: 1/463 40 22 www.erg.bme.
DR. JUHÁSZ MÁRTA BME Ergonómia és Pszichológia Tanszék 1111 Budapst, Egry J. u. 1. Email: juhaszm@rg.bm.hu Tl: 1/463 40 22 www.rg.bm.hu A KIVÁLASZTÁS ÉS A MUNKAKÖRI ALKALMASSÁG PSZICHOLÓGIÁJA II. Az lızı
RészletesebbenMATEMATIKA FELADATLAP a 8. évfolyamosok számára
2009. jnuár 29. MATEMATIKA FELADATLAP 8. évfolymosok számár 2009. jnuár 29. 15:00 ór NÉV: SZÜLETÉSI ÉV: HÓ: NAP: Tolll olgozz! Zsszámológépt nm hsználhtsz. A fltokt ttszés szrinti sorrnn olhto mg. Minn
RészletesebbenÉrvénys: 2015. szptmbr 09től H I R D E T M É N Y A gazdálkodó szrvk részér folyósított hitlk után flszámított kamatról, kzlési költségről és díjakról I. KAMAT, KEZELÉSI KÖLTSÉG Hitlfajta Vállalkozói hitl
RészletesebbenValószínűségszámítás és Statisztika I. zh. 2014. november 10. - MEGOLDÁS
Valószínűségszámítás és Statisztika I. zh. 2014. november 10. - MEGOLDÁS 1. Kihasználva a hosszasan elhúzódó jó időt, kirándulást szeretnénk tenni az ország tíz legmagasabb csúcsa közül háromra az elkövetkezendő
RészletesebbenMINŐSÉGIRÁNYÍTÁSI KÉZIKÖNYV
Lap: 1/145 AZ INCZÉDY GYÖRGY KÖZÉPISKOLA, SZAKISKOLA ÉS KOLLÉGIUM MINŐSÉGIRÁNYÍTÁSI E AZ MSZ EN ISO 9001 SZABVÁNY ALAPJÁN, ILLETVE MINŐSÉGIRÁNYÍTÁSI PROGRAMJA A KÖZOK-TATÁSI TÖR- VÉNY (1993. ÉVI LXXIX.)
RészletesebbenSzámok tízezerig. ezer forint. ezer forint. ezer forint. ezer forint. ezer forint. ezer forint. ezer forint. ezer forint
Számok tízzrig 1. Vásároltatok olyan holmit tanévkzdésr, ami több mint -ba krült? Mnnyi volt az érték? Mondd l! 2. Írd a számgyns mgfllő pontjához, amnnyi forintot fölött látsz! Hasonlítsd össz az gymás
RészletesebbenTANTÁRGYI PROGRAM Matematikai alapok II. útmutató
BGF PÉNZÜGYI ÉS SZÁMVITELI KAR Módszertani Intézeti Tanszéki Osztály TANTÁRGYI PROGRAM Matematikai alapok II. útmutató 2013/2014. tanév II. félév Tantárgyi program Tantárgy megnevezése Tantárgy jellege/típusa:
RészletesebbenMatematika A3 Valószínűségszámítás, 5. gyakorlat 2013/14. tavaszi félév
Matematika A3 Valószínűségszámítás, 5. gyakorlat 013/14. tavaszi félév 1. Folytonos eloszlások Eloszlásfüggvény és sűrűségfüggvény Egy valószínűségi változó, illetve egy eloszlás eloszlásfüggvényének egy
RészletesebbenMegoldások MATEMATIKA II. VIZSGA (VK) NBT. NG. NMH. SZAKOS HALLGATÓK RÉSZÉRE (Kérjük, hogy a megfelelő szakot jelölje be!
MATEMATIKA II. VIZSGA (VK) NBT. NG. NMH. SZAKOS HALLGATÓK RÉSZÉRE (Kérjük, hogy a megfelelő szakot jelölje be!) 2016. JANUÁR 21. Elérhető pontszám: 50 pont Megoldások 1. 6. 2. 7. 3. 8. 4. 9. 5. Össz.:
RészletesebbenTANTÁRGYI PROGRAM Matematikai alapok 2. útmutató
BGF PÉNZÜGYI ÉS SZÁMVITELI KAR Módszertani Intézeti Tanszéki Osztály TANTÁRGYI PROGRAM Matematikai alapok 2. útmutató 2015/2016. tanév I. félév Tantárgyi program Tantárgy megnevezése Tantárgy jellege/típusa:
RészletesebbenTeherhordó üveg födémszerkezet: T gerenda ragasztott öv-gerinc kapcsolatának numerikus vizsgálata
Tudományos Diákköri Konrncia Thrhordó üvg ödémszrkzt: T grnda ragasztott öv-grinc kapcsolatának numrikus vizsgálata Készíttt: Gál Tamás F17JCS építőmérnök hallgató Konzulns: Dr. Vigh László Grgly Egytmi
Részletesebben2. A ξ valószín ségi változó s r ségfüggvénye a következ : c f(x) =
1 Egy dobozban hat fehér golyó van Egy szabályos dobókockával dobunk, majd annyi piros golyót teszünk a dobozba, amennyit dobtunk Ezután véletlenszer en húzunk egy golyót a dobozból (a) Mi a valószín sége,
Részletesebben13. gyakorlat Visszacsatolt műveletierősítők. A0=10 6 ; ω1=5r/s, ω2 =1Mr/s R 1. Kérdések: uki/ube=?, ha a ME ideális!
. gyakorlat Visszacsatolt művltirősítők.) Példa b (s) 6 ; r/s, Mr/s kω, 9 kω, kω, ( s )( s ) Kérdésk: /b?, ha a ME ális! Mkkora lgyn érték ahhoz, hogy az /b rősítés maximális lapos lgyn ( ξ ). Mkkora a
RészletesebbenLambda szonda szimulátor szerelési útmutató
Lambda szonda szimulátor szrlési útmutató Műszaki adatok: Működési fszültségtartomány: 616V DC Áramflvétl: 20mA 1. Vágjuk l a káblkt a lambda szonda fj és a csatlakozója között, a gyári szondát hagyjuk
Részletesebben1. FELADATLAP TUDNIVALÓ
0851 modul: GEOMETRII ISMÉTLÉS z alakzatokról tanultak ismétlés 135 TUDNIVLÓ Egy alakzatot akkor nvzünk tnglysn szimmtrikusnak, ha létzik lgalá gy olyan gyns, amlyr az alakzatot tnglysn tükrözv önmagát
RészletesebbenOsztályozóvizsga követelményei
Osztályozóvizsga követelményei Képzés típusa: Tantárgy: Nyolcosztályos gimnázium Matematika Évfolyam: 12 Emelt óraszámú csoport Emelt szintű csoport Vizsga típusa: Írásbeli Követelmények, témakörök: Emelt
RészletesebbenA művészeti galéria probléma
A műészti galéria probléma A műészti galéria probléma (art galry problm): A műészti galéria mgfigylés kamrákkal / őrökkl. Hálózattrzés Alapjai 2007 8: Műészti Galéria Probléma Őrzési / Mgilágítási problémák
RészletesebbenMATEMATIKA FELADATLAP a 4. évfolyamosok számára
4. évfolym Mt2 fltlp MATEMATIKA FELADATLAP 4. évfolymosok számár 2017. jnuár 26. 15:00 ór NÉV: SZÜLETÉSI ÉV: HÓ: NAP: Tolll olgozz! Zsszámológépt nm hsználhtsz. A fltokt ttszés szrinti sorrnn olhto mg.
RészletesebbenSTATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás
ELŐADÁS ÁTTEKINTÉSE STATISZTIKA 9. Előadás Binomiális eloszlás Egyenletes eloszlás Háromszög eloszlás Normális eloszlás Standard normális eloszlás Normális eloszlás mint modell 2/62 Matematikai statisztika
Részletesebben- 1 - A következ kben szeretnénk Önöknek a LEGO tanítási kultúráját bemutatni.
Játékok a tanításhoz? - 1 - Tanító játékok? A Lgo kockák gészn biztosan fontos szívügyi gy gész sor gyrk és szül gnráció éltébn. Mi köz van a Lgo kockáknak a tanuláshoz? Vagy lht gyáltalán tanítani /órákat
RészletesebbenFeladatok és megoldások a 13. hétre
Feladatok és megoldások a. hétre Építőkari Matematika A. Az alábbi függvények melyike lehet eloszlásfüggvény? + e x, ha x >, (a F(x =, ha x, (b F(x = x + e x, ha x, (c F(x =, ha x, x (d F(x = (4 x, ha
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 2 II. A valószínűségi VÁLTOZÓ És JELLEMZÉsE 1. Valószínűségi VÁLTOZÓ Definíció: Az leképezést valószínűségi változónak nevezzük, ha
RészletesebbenBiometria az orvosi gyakorlatban. Számítógépes döntéstámogatás
SZDT-01 p. 1/23 Biometria az orvosi gyakorlatban Számítógépes döntéstámogatás Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Gyakorlat SZDT-01 p.
RészletesebbenMATEMATIKA FELADATLAP a 6. évfolyamosok számára
6. évfolym Mt1 fltlp MATEMATIKA FELADATLAP 6. évfolymosok számár 11:00 ór NÉV: SZÜLETÉSI ÉV: HÓ: NAP: Tolll olgozz! Zsszámológépt nm hsználhtsz. A fltokt ttszés szrinti sorrnn olhto mg. Minn próálkozást,
RészletesebbenA szelepre ható érintkezési erő meghatározása
A szlpr ható érintkzési rő mghatározása Az [ 1 ] műbn az alábbi fladatot találtuk. A fladat: Adott az ábra szrinti szlpmlő szrkzt. Az a xcntricitással szrlt R sugarú bütyök / körtárcsa ω 1 állandó szögsbsséggl
Részletesebbensegítségével! Hány madárfajt találtál meg? Gratulálunk!
Odú llnőrzés CSORMÍVES Ha mgfogadtad a téli számban javasolt odúkihlyzést, vagy már volt odú kihlyzv a krtbn, márciustól már érdms figylgtnd trmésztsn csak gy kissé távolabbról hogy van- a környékén mozgolódás,
RészletesebbenA vállalati likviditáskezelés szerepe eszközfedezettel rendelkező hitelszerződésekben
VERSENY ÉS SZABÁLYOZÁS Közgazdasági Szml LVIII. évf. 2011. július augusztus (633 652. o.) Havran Dánil A vállalati likviditáskzlés szrp szközfdzttl rndlkző hitlszrződéskbn Az alkun alapuló mgközlítés rdményi
RészletesebbenNév:... osztály:... Matematika záróvizsga 2010.
Mtmtik záróvizsg 00. Név:... osztály:.... Az lái rjzon gy thrutó rktrénk vázltos rjz láthtó. Az árán olvshtó számtok, rkoásr ténylgsn flhsználhtó térfogtr vontkoznk. Mkkor thrutó hsznos rktrénk térfogt?
RészletesebbenBiomatematika 2 Orvosi biometria
Biomatematika 2 Orvosi biometria 2017.02.13. Populáció és minta jellemző adatai Hibaszámítás Valószínűség 1 Esemény Egy kísérlet vagy megfigyelés (vagy mérés) lehetséges eredményeinek összessége (halmaza)
RészletesebbenANYANYELVI FELADATLAP a 8. évfolyamosok számára
2006. jnuár 28. ANYANYELVI FELADATLAP 8. évfolymosok számár 2006. jnuár 28. 10:00 ór NÉV: SZÜLETÉSI ÉV: HÓ: NAP: A fltokt ttszés szrinti sorrnn olhto mg. Ügylj mgfllő iőosztásr és küllkr! Tolll olgozz!
RészletesebbenGyakorló feladatok Alkalmazott Operációkutatás vizsgára. További. 1. Oldja meg grafikusan az alábbi feladatokat mindhárom célfüggvény esetén!
Gyakorló feladatok Alkalmazott Operációkutatás vizsgára. További példák találhatók az fk.sze.hu oldalon a letöltések részben a közlekedési operációkutatásban 1. Oldja meg grafikusan az alábbi feladatokat
RészletesebbenANYANYELVI FELADATLAP a 8. évfolyamosok számára
ÚJ FELADATLAP 2007. ruár 1. ANYANYELVI FELADATLAP 8. évolymosok számár 2007. ruár 1. 14:00 ór ÚJ FELADATLAPI NÉV: SZÜLETÉSI ÉV: HÓ: NAP: A ltokt ttszés szrinti sorrnn olhto mg. Ügylj mgllő iőosztásr és
RészletesebbenANYANYELVI FELADATLAP a 4. évfolyamosok számára
2006. ruár 2. ANYANYELVI FELADATLAP 4. évolymosok számár 2006. ruár 2. 14:00 ór NÉV: SZÜLETÉSI ÉV: HÓ: NAP: A ltokt ttszés szrinti sorrnn olhto mg. Ügylj mgllő iőosztásr és küllkr! Tolll olgozz! A mgolásr
RészletesebbenNevezetes diszkre t eloszlá sok
Nevezetes diszkre t eloszlá sok Szűk elméleti összefoglaló Binomiális eloszlás: Jelölés: X~B(n, p) vagy X B(n, p) Tipikus használata: Egy kétféle kimenetelű (valami beteljesül vagy sem) kísérletet elvégzünk
Részletesebben3. Egy szabályos dobókockával háromszor dobunk egymás után. Legyen A az az esemény, hogy
Valószínűségszámítás. zárthelyi dolgozat 009. október 5.. Egy osztályba 3-an járnak. Minden fizikaórán a a többi órától függetlenül a tanár kisorsol egy felelőt, véletlenszerűen, egyenletesen, azaz mindig
RészletesebbenBiometria gyakorló feladatok BsC hallgatók számára
Biometria gyakorló feladatok BsC hallgatók számára 1. Egy üzem alkalmazottainak megoszlása az elért teljesítmény %-a szerint a következı: Norma teljesítmény % Dolgozók száma 60-80 30 81-90 70 91-100 90
Részletesebben6. INTEGRÁLSZÁMÍTÁS. Írjuk fel a következő függvények primitív függvényeit ( ): 6.1. f: f ( x) = f: f ( x) = 4x f: f x x x.
5 6 INTEGRÁLSZÁMÍTÁS Írjuk fl a kövtkző függvényk primitív függvényit (6-67): 6 f: f ( ) = 6 f: f ( ) = 6 f: + f, R 6 f: f ( ) = 65 f: f ( ) = + 66 f: 67 f: f 68 f: f 69 f: 6 f: f +, R, R + f f +, R 6
RészletesebbenGyakorló feladatok valószínűségszámításból végeredményekkel. a megoldásra ajánlott feladatokat jelöli, a nehezebb feladatokat jelöli
Gyakorló feladatok valószínűségszámításból végeredményekkel a megoldásra ajánlott feladatokat jelöli, a nehezebb feladatokat jelöli Mutassuk meg, hogy tetszőleges A és B eseményekre PA B PA+PB. Mutassuk
RészletesebbenHipotéziselmélet - paraméteres próbák. eloszlások. Matematikai statisztika Gazdaságinformatikus MSc szeptember 10. 1/58
u- t- Matematikai statisztika Gazdaságinformatikus MSc 2. előadás 2018. szeptember 10. 1/58 u- t- 2/58 eloszlás eloszlás m várható értékkel, σ szórással N(m, σ) Sűrűségfüggvénye: f (x) = 1 e (x m)2 2σ
RészletesebbenMatematika záróvizsga Név:... osztály:...
Mtmtik záróvizsg 007. Név:... osztály:.... Krs mg z gynlőkt! 0 4 8 4 68 6,, 0,6 0,,7 00 000 4 : 6 0,6000 8 4 0% pl. : 4 0. 0,66 6, 0,7 66,6% : 4 0 %. Ír mérőszámokt vgy mértékgységkt!. 0 000 mm =. 4 h
RészletesebbenValószínűségi változók. Várható érték és szórás
Matematikai statisztika gyakorlat Valószínűségi változók. Várható érték és szórás Valószínűségi változók 2016. március 7-11. 1 / 13 Valószínűségi változók Legyen a (Ω, A, P) valószínűségi mező. Egy X :
RészletesebbenSTATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Mi a modell? Matematikai statisztika. 300 dobás. sűrűségfüggvénye. Egyenletes eloszlás
ELŐADÁS ÁTTEKINTÉSE STATISZTIKA 7. Előadás Egyenletes eloszlás Binomiális eloszlás Normális eloszlás Standard normális eloszlás Normális eloszlás mint modell /56 Matematikai statisztika Reprezentatív mintavétel
Részletesebben[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria 2016.02.15. Esemény Egy kísérlet vagy megfigyelés (vagy mérés) lehetséges eredményeinek összessége (halmaza) alkotja az eseményteret. Esemény: az eseménytér részhalmazai.
Részletesebben