Legfontosabb bizonyítandó tételek
|
|
- Gabi Szilágyi
- 7 évvel ezelőtt
- Látták:
Átírás
1 Legfontosabb bizonyítandó tétele 1. A binomiális tétel Tetszőleges éttagú ifejezés (binom) bármely nem negatív itevőj ű hatványa polinommá alaítható a övetez ő módon: Az nem más, mint egy olyan n tényezős szorzat, amelyne minden tényező je (a+b), azaz: = (a+b)*(a+b)* (a+b) (n>=) esetében. Ha mindegyi (a+b) tényezőbő l az a-t szorozzu össze adódi. Ha n-1 tényezőből az a-t, egybő l a b-t szorozzu össze, lesz a szorzat. de mivel ilyen szorzatot n esetben apun, mert az n tényez ő bármelyiéből választhatju a b-t, tehát n* lesz az eredmény. Ha n- tényezőből a-t, ettőbő l b-t veszün, lesz a szorzat. Mivel azonban a b-t -féleéppen választhatju i az n darab (a+b) tényezőből, összesen lesz az eredmény. Végül az egyi tényezőből sem választun a-t, mindegyiből b-t választun, aor lesz az eredmény. így: ezzel a tételt bizonyítottu.
2 . Két halmaz uniójána valószínűségére vonatozó tétel: Tétel: Ha A és B ét tetszõleges esemény, aor anna a valószínûsége, hogy özülü legalább az egyi beövetezi, P(A B) = P(A) + P(B) - P(A B). Bizonyítás: Az (A B) esemény előállítható ét egymást izáró esemény összegeént, azaz Ezért a III.axióma szerint és A B esemény is előállítható ét egymást izáró esemény összegeént, azaz és Ismét a III.axióma alapján Innen Ez utóbbit a összefüggésbe helyettesítve 3. Visszatevéses és visszatevés nélüli mintavétel tételei: Adott N ülönböző elem, özülü M db itüntetett (N, M N, M N). Kiválasztun özülü n db ot (n N, n N). Anna a valószínűsége, hogy a iválasztotta özött db itüntetett ( N, n, M) van n n M visszatevéses módszernél P = p q, ahol p =, q = 1 p ; N M N M n visszatevés nélüli módszernél P = N n Visszatevéses mintavétel: Tegyü fel, hogy N elem ű halmazban, pl. egy N golyót tartalmazó urnában, M feete és N M piros golyó van. Húzzun i egymás után találomra n számú golyót úgy, hogy a ihúzott golyót miután a színét feljegyeztü, visszadobju az urnába.
3 Határozzu meg anna a valószínűségét, hogy egy ilyen n húzásból álló sorozatban a feete golyó száma (a többi n pedig nyilván piros). Jelöljü A -val azt az eseményt, hogy az n golyó özül feete van. A feete golyó számára iválasztott lapra a feete golyó húzását M -féleépp, a többi n helyre a piros golyó húzását (N M) n -féleépp lehet feljegyezni. Így az összes lehetőség száma M (N M) n. A lap iválasztása n -féle módon lehet bárhogy is jelöljü i a lapot, a feladatna megfelel ő eredmény mindig M (N M) n. n Így az A esemény M ( N ) módon jöhet létre. Az összes elemi M eseménye száma N n, így anna a valószínűsége, hogy az pontosan darab feete van: P( A) n n M ( N M ) = n. N n ihúzott golyó özött Vezessü be a és a jelöléseet, ahol p a feete, q a piros golyó húzásána a valószín sége. Eor n P ű ( A) = p g épletet Bernoulli-féle épletne nevezzü. n (=0, 1,, n). Ezt a Mintavétel visszatevés nélül: Teintsün egy N elem ű halmazt (pl. egy N golyót tartalmazó urnát), amelyben M feete és N M piros golyó van. Vegyün i találomra n számú golyót az urnából, de úgy, hogy egyetlen golyó sem erülhet többször iválasztásra. Kétféle módon tehetjü meg: vagy egyszerre emeljü i az n golyót vagy egymás után húzzu i az urnából, de egyiet sem tesszü vissza. Mindét eljárást visszatevés nélüli mintavételne nevezi. Határozzu meg anna a valószínűségét, hogy az n golyó özött a feete golyó száma, a pirosaé pedig n. Az eseményt A -val jelöljü. A ét esetet ülön vizsgálju. Az els ő esetben az elemi eseménye száma az n számú pirosat =0,1 n. ; n N n -féleéppen M min (M,N-M) N n. M A számú feete golyót, M N lehet iválasztani. ( ) n P A = N Ha az M és az N értée nagy az n-hez épest, aor P értée a gyaorlat számára ielégít ő pontossággal özelíthető a visszatevéses mintavételnél megismert n M valószínű ségértéeel, azaz 4. Teljes valószínűség tétele
4 Tétel: Ha a H eseménytér B 1, B, B n eseményei teljes eseményrendszert alotna és P(B )>0 (=1,,.,n), aor bármely a H-hoz tartozó A esemény valószínûsége: teljes valószínűség tétele, mert egy A esemény valószínűségét (teljes) feltételes valószínűségeből (részvalószínűsége) határozzu meg. Bizonyítás: Az, hogy a B (=1,,.,n) eseménye teljes eseményrendszert alotna, azt jelenti, hogy egymást övet ő páronént izárjá és összegü biztos eseménye összegeént az alábbi módon: és ezért Alalmazva a szorzási szabályát) az egyes épletet (a valószínsége valószínűségere, a bizonyítandó álltást apju. 5. Bayes-tétel Tétel: Ha a H eseménytérhez tartozó B,... 1, B Bn eseménye teljes eseményrendszert alotna és P B ) >0, (=1,, n) aor bármely, a H-hoz ( tartozó pozitív valószínűség ű A eseményre igaz, hogy: P( B A) Bizonyítás: = n P( A B ) P( B ) i= 1 i, (=1,, n). P( A B ) P( B ) i A valószínűsége szorzási szabálya értelmében a és a összefüggéseet jelen esetre alalmazva apju, hogy Innen pedig A teljes valószínűség tétele szerint azonban
5 Amit az előz ő tört nevezőjébe helyettesítve a bizonyítandó tételhez jutun. 6. Várható érté négyzetes minimum tulajdonsága Tétel: Adott a ξ valószínűségi változó és az a valós szám. Az M [( ξ-a) ] érté pontosan aor minimális, ha a=m(ξ). 7. A binomiális eloszlás definíciója valószínűség-eloszlást határoz meg, illetve várható értééne meghatározása Tétel: Adott a ξ valószínűségi változó. Ha ξ lehetséges értéei 0, 1, n és n P(ξ = ) = p q n, ahol 0<p<1, q=1-p és =0, 1,,, n, aor az így definiált binomiális eloszlás valóban valószínűség-eloszlást határoz meg és az eloszlás várható értée: M(ξ)=n*p. Bizonyítás:
6 A valószínűégi változó eloszlásána éplettel történ ő definiálásaor legelőször azt ell tisztázni, hogy a éplet tényleg valószínűségeloszlást határoz-e meg: a ξ egyes értéeihez nemnegatív számona ell tartozniu és eze összegéne 1-ne ell lennie. A araterisztius és egyenletes eloszlásnál ezt a hozzárendelés módja biztosította. A binomiális eloszlásnál a a binomiális tételből ismert, hogy: negatív nem lehet, mert a p 0 és 1 özötti szám; továbbá Tehát a ξ egyes értéeihez tartozó valószínűsége összege: hiszen q = 1-p
7 8. A Poisson-eloszlás definíciója valószínűség-eloszlást határoz meg, illetve várható értééne meghatározása Tétel: Adott a ξ valószínűségi változó. Ha ξ lehetséges értéei 0, 1, λ λ és P( ξ = ) = e, ahol λ>0 és =0, 1,, aor az így! definiált Poisson eloszlás valóban valószínűség-eloszlást határoz meg és az eloszlás várható értée: M(ξ)=λ. 9. Folytonos egyenletes eloszlás várható értée
8 Tétel: Ha a ξ valószínűségi változó az ]a;b[ intervallumon egyenletes eloszlású, aor várható értée: Bizonyítás: a + b M ( ξ ) =. A várható érté: A folytonos egyenletes eloszlás a diszrét egyenletes eloszlás folytonos megfelelője, és olyan eseteben alalmazzu, amior az ]a;b[ intervallum bármely, részintervallumába az intervallum hosszával arányos valószínűséggel esi. 10. Exponenciális eloszlás sűrűségfüggvénye valóban sűrűségfüggvény Tétel: Adott a ξ valószínűségi változó. Ha sűrű ségfüggvénye λ x λ e, ha x 0 f ( x) = 0, ha x 0, ahol λ>0, x valós szám, aor az így definiált exponenciális eloszlás valóban valószínűség-eloszlást határoz meg. Bizonyítás: 11. Kapcsolat az N(m,σ) és az N(0,1) normális eloszlás függvényei özött
9 Tétel: A normális eloszlású valószínű ségi változó várható értée m, szórása σ, sűrűségfüggvénye f ( x m) 1 σ ( x) = e, σ π x ( x m) 1 σ ( x) = e eloszlásfüggvénye F dx, aor a standard σ π normális eloszlású valószínűségi változóna, melyne várható 1 értée 0, szórása 1, sűrűségfüggvénye f ( x) = e, π eloszlásfüggvénye x x 1 F( x) = e π dx. x 1. Várható értére szimmetrius onfidencia-intervallumba esés valószínűsége normális eloszlás esetén
10 Bizonyítás: Tétel: Adott a ξ normális eloszlású valószínűségi változó, m a várható értée, σ a szórása. Anna a valószínűsége, hogy δ [m-δ;m+δ] intervallumba esi Φ 1 σ. (δ>0, valós szám.) ξ értée A ξ normális eloszlású valószínűségi változó szimmetrius onfidencia-intervallumba esése csa a t paramétertől függ: (1) t =1 (egy szigma szabály) esetén örnyezetbe. valószínű séggel esi () t = esetén örnyezetbe. valószínűséggel esi (3) t = 3 esetén örnyezetbe. valószínűséggel esi Marov - Csebisev egyenlőtlenség Marov: Legyen η olyan nemnegatív valószínűségi változó, amelyne létezi várható értée: M(η)>0 és legyen t >1. Eor 1 P( η t M ( η)) t. Az a = t * M(η) jelölést bevezetve a tétel más, ezzel evivalens alaban is felírható; tető szelges a >0
11 Bizonyítás: Ha η diszrét valószínűségi változó és lehetséges értéei y1, y, (y i 0), aor Ha folytonos g sűrűségfüggvénnyel, aor Csebisev: Legyen ξ olyan valószínű ségi változó amelyne létezi szórása. Ha D(ξ)>0, aor tetsző leges t>1 esetén 1 P( ξ M ( ξ) td( ξ) ) (D(ξ)> 0) t Bizonyítás: Alalmazzu a Marov-egyenlő tlenséget az valószínűségi változóra és t helyett t -re. Eor a, egyenlőtlenséget apju. Mivel azonban, így Amiből már gyövonással övetezi a bizonyítandó állítás 1 P( ξ M ( ξ) td( ξ) ) (t > 0) t Komplementer eseménye:
12
Gazdasági matematika II. vizsgadolgozat megoldása A csoport
Gazdasági matematika II. vizsgadolgozat megoldása A csoport Definiálja az alábbi fogalmakat!. Egy eseménynek egy másik eseményre vonatkozó feltételes valószínűsége. ( pont) Az A esemény feltételes valószínűsége
RészletesebbenValószínűségszámítás és statisztika előadás Info. BSC B-C szakosoknak. Bayes tétele. Példák. Események függetlensége. Példák.
Valószínűségszámítás és statisztia előadás Info. BSC B-C szaosona 20018/2019 1. félév Zempléni András 2.előadás Bayes tétele Legyen B 1, B 2,..., pozitív valószínűségű eseményeből álló teljes eseményrendszer
RészletesebbenDr. Tóth László, Kombinatorika (PTE TTK, 2007)
A Fibonacci-sorozat általános tagjára vontozó éplet máséppen is levezethető A 149 Feladatbeli eljárás alalmas az x n+1 ax n + bx, n 1 másodrendű állandó együtthatós lineáris reurzióal adott sorozato n-edi
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:
Részletesebben5 3 0,8 0,2. Számolja ki a 3
Megoldási útmutató, eredménye A feladato megoldásaor mindig ismételje át a feladatban szereplő fogalma definícióit. A szüséges fogalma, definíció: valószínűségi változó, diszrét-, folytonos valószínűségi
Részletesebben4. Az A és B események egymást kizáró eseményeknek vagy idegen (diszjunkt)eseményeknek nevezzük, ha AB=O
1. Mit nevezünk elemi eseménynek és eseménytérnek? A kísérlet lehetséges kimeneteleit elemi eseményeknek nevezzük. Az adott kísélethez tartozó elemi események halmazát eseménytérnek nevezzük, jele: X 2.
RészletesebbenGazdasági matematika II. tanmenet
Gazdasági matematika II. tanmenet Mádi-Nagy Gergely A hivatkozásokban az alábbi tankönyvekre utalunk: T: Tóth Irén (szerk.): Operációkutatás I., Nemzeti Tankönyvkiadó 1987. Cs: Csernyák László (szerk.):
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
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.
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
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 3 III. VÉLETLEN VEKTOROK 1. A KÉTDIMENZIÓs VÉLETLEN VEKTOR Definíció: Az leképezést (kétdimenziós) véletlen vektornak nevezzük, ha Definíció:
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.
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
RészletesebbenElméleti összefoglaló a Valószín ségszámítás kurzushoz
Elméleti összefoglaló a Valószín ségszámítás kurzushoz Véletlen kísérletek, események valószín sége Deníció. Egy véletlen kísérlet lehetséges eredményeit kimeneteleknek nevezzük. A kísérlet kimeneteleinek
Részletesebbenegyenletesen, és c olyan színű golyót teszünk az urnába, amilyen színűt húztunk. Bizonyítsuk
Valószínűségszámítás 8. feladatsor 2015. november 26. 1. Bizonyítsuk be, hogy az alábbi folyamatok mindegyike martingál. a S n, Sn 2 n, Y n = t n 1+ 1 t 2 Sn, t Fn = σ S 1,..., S n, 0 < t < 1 rögzített,
Részletesebben1. Egyensúlyi pont, stabilitás
lméleti fizia. elméleti összefoglaló. gyensúlyi pont, stabilitás gyensúlyi pontna az olyan pontoat nevezzü, ahol a tömegpont gyorsulása 0. Ha a tömegpont egy ilyen pontban tartózodi, és nincs sebessége,
Részletesebbenk n k, k n 2 C n k k=[ n+1 2 ] 1.1. ábra. Pascal háromszög
Alapfeladato Megoldás A ombináció értelmezése alapján felírhatju, hogy n, n Ha n páros, aor n és n özött veszi fel értéeit Ha n páratlan, aor n, vagyis > n n+, ami azt jelenti, hogy és n özött veszi fel
RészletesebbenGazdasági matematika II. vizsgadolgozat, megoldással,
Gazdasági matematika II. vizsgadolgozat, megoldással, levelező képzés Definiálja az alábbi fogalmakat! 1. Kvadratikus mátrix invertálhatósága és inverze. (4 pont) Egy A kvadratikus mátrixot invertálhatónak
RészletesebbenMatematika A4 III. gyakorlat megoldás
Matematia A4 III. gyaorlat megoldás 1. Független eseménye Lásd másodi gyaorlat feladatsora.. Diszrét eloszláso Nevezetes eloszláso Binomiális eloszlás: Tipius példa egy pénzdobás sorozatban a feje száma.
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
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
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:
RészletesebbenMi az adat? Az adat elemi ismeret. Az adatokból információkat
Mi az adat? Az adat elemi ismeret. Tények, fogalmak olyan megjelenési formája, amely alkalmas emberi eszközökkel történő értelmezésre, feldolgozásra, továbbításra. Az adatokból gondolkodás vagy gépi feldolgozás
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
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.
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:
RészletesebbenA feladatok megoldása
A feladato megoldása A hivatozáso C jelölései a i egyenleteire utalna.. feladat A beérezési léps felszíne fölött M magasságban indul a mozgás, esési ideje t = M/g. Ezalatt a labda vízszintesen ut utat,
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 :
RészletesebbenDrótos G.: Fejezetek az elméleti mechanikából 4. rész 1
Drótos G.: Fejezete az elméleti mechaniából 4. rész 4. Kis rezgése 4.. gyensúlyi pont, stabilitás gyensúlyi pontna az olyan r pontoat nevezzü valamely oordináta-rendszerben, ahol a vizsgált tömegpont gyorsulása
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 =
Részletesebben1. Kombinatorikai bevezetés
1. Kombinatorikai bevezetés 1.1. Permutációk Adott n különböző elem ismétlés nélküli permutációján az elemek egy meghatározott sorrendjét értjük. Az n különböző elem összes permutációinak számát P n -nel
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
RészletesebbenA valószínűségszámítás elemei
Alapfogalmak BIOSTATISZTIKA ÉS INFORMATIKA A valószínűségszámítás elemei Jelenség: minden, ami lényegében azonos feltételek mellett megismételhető, amivel kapcsolatban megfigyeléseket lehet végezni, lehet
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
Részletesebben1. Példa. A gamma függvény és a Fubini-tétel.
. Példa. A gamma függvény és a Fubini-tétel.. Az x exp x + t )) függvény az x, t tartományon folytonos, és nem negatív, ezért alkalmazható rá a Fubini-tétel. I x exp x + t )) dxdt + t dt π 4. [ exp x +
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
RészletesebbenElméleti összefoglaló a Sztochasztika alapjai kurzushoz
Elméleti összefoglaló a Sztochasztika alapjai kurzushoz 1. dolgozat Véletlen kísérletek, események valószín sége Deníció. Egy véletlen kísérlet lehetséges eredményeit kimeneteleknek nevezzük. A kísérlet
RészletesebbenDiszkrét matematika I. középszint Alapfogalmakhoz tartozó feladatok kidolgozása
Diszrét matematia I. özépszint Alapfogalmahoz tartozó feladato idolgozása A doumentum a övetező címen elérhető alapfogalmahoz tartozó példafeladato lehetséges megoldásait tartalmazza: http://compalg.inf.elte.hu/~merai/edu/dm1/alapfogalma.pdf
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
RészletesebbenXL. Felvidéki Magyar Matematikaverseny Oláh György Emlékverseny Galánta 2016 Megoldások 1. évfolyam. + x = x x 12
XL. Felvidéi Magyar Matematiaverseny Oláh György Emléverseny Galánta 016 Megoldáso 1. évfolyam 1. Oldju meg az egész számo halmazán az egyenletet. x 005 11 + x 004 1 = x 11 005 + x 1 004 Az egyenlet mindét
RészletesebbenA következő feladat célja az, hogy egyszerű módon konstruáljunk Poisson folyamatokat.
Poisson folyamatok, exponenciális eloszlások Azt mondjuk, hogy a ξ valószínűségi változó Poisson eloszlású λ, 0 < λ
RészletesebbenA JÓLÉTI ÁLLAM KÖZGAZDASÁGTANA
A JÓLÉTI ÁLLAM KÖZGAZDASÁGTANA A JÓLÉTI ÁLLAM KÖZGAZDASÁGTANA Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázati projet eretében Tartalomfejlesztés az ELTE TátK Közgazdaságtudományi Tanszéén az ELTE Közgazdaságtudományi
RészletesebbenTantárgy kódja Meghirdetés féléve 3 Kreditpont 4 Összóraszám (elm+gyak) 2+2
Tantárgy neve Alkalmazott matematika II. Tantárgy kódja MT003 Meghirdetés féléve 3 Kreditpont 4 Összóraszám (elm+gyak) 2+2 Számonkérés módja gyakorlati jegy Előfeltétel (tantárgyi kód) MT002 Tantárgyfelelős
RészletesebbenBevezetés a biometriába Dr. Dinya Elek egyetemi tanár. PhD kurzus. KOKI,
Bevezetés a biometriába Dr. Dinya Elek egyetemi tanár PhD kurzus. KOKI, 2015.09.17. Mi a statisztika? A sokaság (a sok valami) feletti áttekintés megszerzése, a sokaságról való információszerzés eszköze.
Részletesebben1. Kombinatorikai bevezetés példákkal, (színes golyók):
1. Kombinatoriai bevezetés példáal, (színes golyó: (a ismétlés nélüli permutáció (sorba rendezés: n ülönböz szín golyót hányféleépp állíthatun sorba? 10-et? n! 10! (b ismétléses permutáció: n 1 piros,
RészletesebbenGyakorló feladatok a 2. dolgozathoz
Gyakorló feladatok a. dolgozathoz. Tíz darab tízforintost feldobunk. Mennyi annak a valószínűsége hogy vagy mindegyiken írást vagy mindegyiken fejet kapunk? 9. Egy kör alakú asztal mellett tízen ebédelnek:
RészletesebbenVALÓSZÍNŰSÉGSZÁMÍTÁS KIDOLGOZOTT FELADATOK
VALÓSZÍNŰSÉGSZÁMÍTÁS KIDOLGOZOTT FELADATOK KOMBINATORIKA Példa: a) Hányféle módon rakható sorba egy csomag Magyar kártya 3 lapja? Nyilván 3! féle módon. Ez nagyon nagy szám, 3!,63 0 35. b) Hányféle módon
RészletesebbenA 2015/2016. tanévi Országos Középiskolai Tanulmányi Verseny második forduló MATEMATIKA I. KATEGÓRIA (SZAKKÖZÉPISKOLA) Javítási-értékelési útmutató
Otatási Hivatal A 015/016 tanévi Országos Középisolai Tanulmányi Verseny másodi forduló MATEMATIKA I KATEGÓRIA (SZAKKÖZÉPISKOLA) Javítási-értéelési útmutató 1 Egy adott földterület felásását három munás
RészletesebbenNagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem
agy számok törvényei Statisztikai mintavétel Várható érték becslése Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem A mérés mint statisztikai mintavétel A méréssel az eloszlásfüggvénnyel
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;
RészletesebbenBackhausz Ágnes 1. Bevezetés A valószínűség elemi tulajdonságai... 5
Valószínűségszámítás Földtudomány BSc szak, 2016/2017. őszi félév Backhausz Ágnes agnes@cs.elte.hu Tartalomjegyzék 1. Bevezetés 2 2. A Kolmogorov-féle valószínűségi mező 3 2.1. Klasszikus valószínűségi
Részletesebbenx, x R, x rögzített esetén esemény. : ( ) x Valószínűségi Változó: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel:
Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel: Valószínűségi változó általános fogalma: A : R leképezést valószínűségi változónak nevezzük, ha : ( ) x, x R, x rögzített esetén esemény.
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 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
RészletesebbenTartalomjegyzék Szitaformulák Példák a szitaformulára Mintavételezés Bayes-tétel... 17
Valószínűségszámítás Földtudomány szak, 2015/2016. tanév őszi félév Backhausz Ágnes (ELTE TTK Valószínűségelméleti és Statisztika Tanszék)1 Tartalomjegyzék 1. Valószínűségi mező 3 1.1. Példák valószínűségi
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
RészletesebbenVillamosmérnök A4 3. gyakorlat ( ) Nevezetes diszkrét eloszlások
1. Nevezetes diszrét eloszláso bemutatása Villamosmérnö A4 3. gyaorlat (01. 09. 4.-5. Nevezetes diszrét eloszláso (a Bernoulli eloszlás: Olyan ísérletet hajtun végre, amine eredménye lehet "sier" vagy
RészletesebbenTizenegyedik gyakorlat: Parciális dierenciálegyenletek Dierenciálegyenletek, Földtudomány és Környezettan BSc
Tizenegyedi gyaorlat: Parciális dierenciálegyenlete Dierenciálegyenlete, Földtudomány és Környezettan BSc A parciális dierenciálegyenlete elmélete még a özönséges egyenleteénél is jóval tágabb, így a félévben
RészletesebbenBiostatisztika. Sz cs Gábor. 2018/19 tavaszi félév. Szegedi Tudományegyetem, Bolyai Intézet
Biostatisztika Sz cs Gábor Szegedi Tudományegyetem, Bolyai Intézet 2018/19 tavaszi félév Bevezetés Tudnivalók, követelmények Tudnivalók, követelmények Félév tematikája: Értékelés: Valószín ségszámítás
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.
RészletesebbenFolytonos valószínűségi változó: Lehetséges értéei egy folytonos tartományt alotna. Minden egyes érté 0 valószínűségű, csa tartományona van pozitív va
Valószínűségi változó (véletlen változó, random variables) Változó: Névvel ellátott érté. (Képzeljün el egy fióot. A fió címéje a változó neve, a fió tartalma pedig a változó értée.) Valószínűségi változó:
RészletesebbenDr. Tóth László, Kombinatorika (PTE TTK, 2007) nem vagyunk tekintettel a kiválasztott elemek sorrendjére. Mennyi a lehetőségek száma?
Dr Tóth László, Kombiatoria (PTE TTK, 7 5 Kombiáció 5 Feladat Az,, 3, 4 számo özül válasszu i ettőt (ét ülöbözőt és írju fel ezeet úgy, hogy em vagyu teitettel a iválasztott eleme sorredjére Meyi a lehetősége
RészletesebbenValószínűségszámítás
European Virtual Laboratory of Mathematics Project No. 2006 - SK/06/B/F/PP - 177436 Európai Virtuális Matematikai Laboratórium Árvai- Homolya Szilvia Valószínűségszámítás EVML e-könyvek Miskolc 2008 Sorozat
RészletesebbenJármőtervezés és vizsgálat I. VALÓSZÍNŐSÉGSZÁMÍTÁSI ALAPFOGALMAK Dr. Márialigeti János
BUDAPESTI MŐSZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM KÖZLEKEDÉSMÉRNÖKI KAR JÁRMŐELEMEK ÉS HAJTÁSOK TANSZÉK Jármőtervezés és vizsgálat I. VALÓSZÍNŐSÉGSZÁMÍTÁSI ALAPFOGALMAK Dr. Márialigeti János Budapest 2008
RészletesebbenVéletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.
Valószín ségelméleti és matematikai statisztikai alapfogalmak összefoglalása (Kemény Sándor - Deák András: Mérések tervezése és eredményeik értékelése, kivonat) Véletlen jelenség: okok rendszere hozza
RészletesebbenI. A PRIMITÍV FÜGGVÉNY ÉS A HATÁROZATLAN INTEGRÁL
A primitív függvény és a határozatlan integrál 5 I A PRIMITÍV FÜGGVÉNY ÉS A HATÁROZATLAN INTEGRÁL Gyaorlato és feladato ( oldal) I Vizsgáld meg, hogy a övetező függvényene milyen halmazon van primitív
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)
RészletesebbenSztochasztikus folyamatok alapfogalmak
Matematikai Modellalkotás Szeminárium 2012. szeptember 4. 1 Folytonos idejű Markov láncok 2 3 4 1 Folytonos idejű Markov láncok 2 3 4 Folytonos idejű Markov láncok I Adott egy G = (V, E) gráf Folytonos
RészletesebbenLÁNG CSABÁNÉ KOMBINATORIKA. Példák és megoldások
LÁNG CSABÁNÉ KOMBINATORIKA Példá és megoldáso Letorálta: Burcsi Péter c Láng Csabáné, 006 ELTE IK Budapest 008-11-10 3. javított iadás Tartalomjegyzé 1. El szó................................. 3. Elméleti
Részletesebben1. Komplex szám rendje
1. Komplex szám redje A hatváyo periódiusa ismétlőde. Tétel Legye 0 z C. Ha z egységgyö, aor hatváyai periódiusa ismétlőde. Ha z em egységgyö, aor bármely ét, egész itevőjű hatváya ülöböző. Tegyü föl,
RészletesebbenFeladatok 2. zh-ra. 1. Eseményalgebra április Feladat. Az A és B eseményekr l tudjuk, hogy P (A) = 0, 6, P (B) = 0, 7 és
Feladatok 2 zh-ra 205 április 3 Eseményalgebra Feladat Az A és B eseményekr l tudjuk, hogy P (A) = 0, 7, P (B) = 0, 4 és P (A B) = 0, 5 Határozza meg az A B esemény valószín ségét! P (A B) = 0, 2 2 Feladat
RészletesebbenBAYES-ANALÍZIS A KOCKÁZATELEMZÉSBEN, DISZKRÉT VALÓSZÍNŰSÉG ELOSZLÁSOK ALKALMAZÁSA 3
Balogh Zsuzsanna Hana László BAYES-ANALÍZIS A KOCKÁZATELEMZÉSBEN, DISZKRÉT VALÓSZÍNŰSÉG ELOSZLÁSOK ALKALMAZÁSA 3 Ebben a dolgozatban a Bayes-féle módszer alalmazási lehetőségét mutatju be a ocázatelemzés
Részletesebben3. előadás Reaktorfizika szakmérnököknek TARTALOMJEGYZÉK. Az a bomlás:
beütésszám. előadás TARTALOMJEGYZÉK Az alfa-bomlás Az exponenciális bomlástörvény Felezési idő és ativitás Poisson-eloszlás Bomlási sémá értelmezése Bomlási soro, radioatív egyensúly Az a bomlás: A Z X
RészletesebbenMatematika III. 4. A valószínűségi változó és jellemzői Prof. Dr. Závoti, József
Matematika III. 4. A valószínűségi változó és jellemzői Prof. Dr. Závoti, József Matematika III. 4. : A valószínűségi változó és jellemzői Prof. Dr. Závoti, József Lektor : Bischof, Annamária Ez a modul
Részletesebben1. A kísérlet naiv fogalma. melyek közül a kísérlet minden végrehajtásakor pontosan egy következik be.
IX. ESEMÉNYEK, VALÓSZÍNŰSÉG IX.1. Események, a valószínűség bevezetése 1. A kísérlet naiv fogalma. Kísérlet nek nevezzük egy olyan jelenség előidézését vagy megfigyelését, amelynek kimenetelét az általunk
RészletesebbenValószín ségszámítás és statisztika
Valószín ségszámítás és statisztika Informatika BSc, esti tagozat Backhausz Ágnes agnes@math.elte.hu fogadóóra: szerda 10-11 és 13-14, D 3-415 2018/2019. tavaszi félév Bevezetés A valószín ségszámítás
RészletesebbenMatematikai statisztika I. témakör: Valószínűségszámítási ismétlés
Matematikai statisztika I. témakör: Valószínűségszámítási ismétlés Elek Péter 1. Valószínűségi változók és eloszlások 1.1. Egyváltozós eset Ismétlés: valószínűség fogalma Valószínűségekre vonatkozó axiómák
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:
RészletesebbenValószínűségszámítás
Valószínűségszámítás Pap Gyula Szegedi Tudományegyetem 2010/2011 tanév, II. félév Pap Gyula (SZE) Valószínűségszámítás 2010/2011 tanév, II. félév 1 / 122 Ajánlott irodalom: RÉNYI ALFRÉD Valószínűségszámítás
Részletesebben(Independence, dependence, random variables)
Két valószínűségi változó együttes vizsgálata Feltételes eloszlások Két diszkrét változó együttes eloszlása a lehetséges értékpárok és a hozzájuk tartozó valószínűségek (táblázat) Példa: Egy urna 3 fehér,
RészletesebbenÁllapottér modellek tulajdonságai PTE PMMK MI BSc 1
Állapottér modelle tulajdonságai 28..22. PTE PMMK MI BSc Kalman-féle rendszer definíció Σ (T, X, U, Y, Ω, Γ, ϕ, η) T az időhalmaz X a lehetséges belső állapoto halmaza U a lehetséges bemeneti értée halmaza
RészletesebbenGRADUÁLIS BIOSTATISZTIKAI KURZUS február hó 22. Dr. Dinya Elek egyetemi docens
GRADUÁLIS BIOSTATISZTIKAI KURZUS 2012. február hó 22. Dr. Dinya Elek egyetemi docens Biometria fogalma The active pursuit of biological knowledge by quantitative methods Sir R. A. Fisher, 1948 BIOMETRIA
RészletesebbenGazdasági matematika II. vizsgadolgozat megoldása, június 10
Gazdasági matematika II. vizsgadolgozat megoldása, 204. június 0 A dolgozatírásnál íróeszközön kívül más segédeszköz nem használható. A dolgozat időtartama: 90 perc. Ha a dolgozat első részéből szerzett
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
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.
RészletesebbenSHk rövidítéssel fogunk hivatkozni.
Nevezetes függvény-határértékek Az alábbiakban a k sorszámú függvény-határértékek)re az FHk rövidítéssel, a kompozíció határértékéről szóló első, illetve második tételre a KL1, illetve a KL rövidítéssel,
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,
RészletesebbenSpeciális függvénysorok: Taylor-sorok
Speciális függvénysoro: Taylor-soro Állítsu elő az alábbi függvénye x 0 0 helyhez tartozó hatványsorát esetleg ülönféle módszereel és állapítsu meg a hatványsor onvergenciatartományát! A cos 5x függvény
RészletesebbenA CSOPORT 4 PONTOS: 1. A
A CSOPORT 4 PONTOS:. A szám: pí= 3,459265, becslése: 3,4626 abszolút hiba: A szám és a becslés özti ülönbség abszolút értée Pl.: 0.000033 Relatív hiba: Az abszolút hiba osztva a szám abszolút értéével
RészletesebbenFraktálok. Kontrakciók Affin leképezések. Czirbusz Sándor ELTE IK, Komputeralgebra Tanszék. TARTALOMJEGYZÉK Kontrakciók Affin transzformációk
Fraktálok Kontrakciók Affin leképezések Czirbusz Sándor ELTE IK, Komputeralgebra Tanszék TARTALOMJEGYZÉK 1 of 71 A Lipschitz tulajdonság ÁTMÉRŐ, PONT ÉS HALMAZ TÁVOLSÁGA Definíció Az (S, ρ) metrikus tér
RészletesebbenNemparaméteres próbák
Nemparaméteres próbák Budapesti Mőszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék 1111, Budapest, Mőegyetem rkp. 3. D ép. 334. Tel: 463-16-80 Fax: 463-30-91 http://www.vizgep.bme.hu
RészletesebbenVALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA
VALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA A VALÓSZÍNŰSÉGI SZEMLÉLET ALAPOZÁSA 1-6. OSZTÁLY A biztos, a lehetetlen és a lehet, de nem biztos események megkülünböztetése Valószínűségi játékok, kísérletek események
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
Részletesebbenelőadás Diszkrét idejű tömegkiszolgálási modellek Poisson-folyamat Folytonos idejű Markov-láncok Folytonos idejű sorbanállás
13-14. előadás Diszkrét idejű tömegkiszolgálási modellek Poisson-folyamat Folytonos idejű Markov-láncok Folytonos idejű sorbanállás 2016. november 28. és december 5. 13-14. előadás 1 / 35 Bevezetés A diszkrét
Részletesebbenfile:///l:/valsz%c3%a1mstatv%c3%a9gleges/bernoulli/introduction...
1 / 5 2011.03.17. 14:23 Virtuális laboratóriumo > 10. Bernoulli ísérlete > 1 2 3 4 5 6 1. Bevezetés Alapelmélet A Bernoulli ísérlet folyamat, melyne névadója Jacob Bernoulli a valószínűségszámítás egyi
Részletesebbenmatematikai statisztika
Valószínűségszámítás és matematikai statisztika 2003. május 23. ii Tartalomjegyzék I. Valószínűségszámítás 1 1. Véletlen jelenségek matematikai modellje 3 1.1. Valószínűségi mező..............................
RészletesebbenA gyors Fourier-transzformáció (FFT)
A gyors Fourier-transzformáció (FFT) Egy analóg jel spetrumát az esete döntő többségében számítástechniai eszözöel határozzu meg. A jelet mintavételezzü és elvégezzü a mintasorozat diszrét Fouriertranszformációját.
RészletesebbenSztochasztikus modellezés
Sztochasztikus modellezés Szerzı: Dr. Raisz Péter Dr. Fegyverneki Sándor Lektor: Dr. Kálovics Ferenc Tartalomjegyzék 1. Valószínűség-számítási alapok 5 1.1. Eseménytér, műveletek eseményekkel..............
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.:
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