Nagypontosságú aritmetika
|
|
- Ilona Deákné
- 7 évvel ezelőtt
- Látták:
Átírás
1 Nagypotosságú artmetka Nagypotosságú artmetka I. Egész artmetka Számok ábrázolása: komplemes ábrázolás (egatív számok így agyo sokjegyűek) előjel + számjegyek + hossz + számredszer (tömb vagy szöveg): x = x 0 + x S + x S x S A műveletekél az előjelet külö kezeljük, a műveleteket vssza- vezetjük poztív számokkal végzett műveletekre.. Hosszú számok összeadása ((z 0,...,z + )=(x 0,...,x )+(y 0,...,y )) a rövdebb szám hosszág összeadás, majd csak átvtel számolás a rövdebb számot kegészítjük 0-kkal z =(x +y +c - ) mod S: c =(x +y +c - ) dv S (=0,...,) z + =c. Hosszú számok kvoása ((z 0,...,z )=(x 0,...,x )-(y 0,...,y )) z =(x y +c - ) mod S: c =(x y +c - ) dv S (=0,...,) 3. Hosszú számok szorzása ((z 0,...,z +m+ )=(x 0,...,x )*(y 0,...,y m )) r,j =(x *y j +c -,j ) mod S: c,j =(x *y j +c -,j ) dv S r +,j =c,j z k = ( r, j + d k-) mod S: z k = ( r, j + d k-) dv S + j=k + j=k vagy azoal az eredméyhez hozzáad (sok átvtel lehet) vagy eredméy szert sorredbe számol: z k = ( x * y j + d k- ) mod S: z k = ( x * y j + d k-) dv S +j=k + j=k 4. Felezéses szorzás algortmus kettes számredszerhez A ha B A * B * A * B / ha B pá ros A A * B ha B pá ratla 5. Felezéses hatváyozás algortmus kettes számredszerhez A ha B A^B A * A^B / ha B pá ros A * A^B ha B pá ratla
2 Nagypotosságú artmetka 6. Osztás kvoással (z:=x: h:=0: zły - (h:=h+: z:=z y)) eltolással és kvoással (z:=x: v:=y*s K : h:=0 K-szor (h:=h*s: złv (h:=h+: z:=z v) v:=v/s)) háyados becslésével, vsszavezetés "+-jegyű osztása -jegyűvel" esetre: (u 0,u,...u + )/(v 0,...,v ) a H háyados Q becslése a következő (vs/ eseté): Q: Su u, így Q=H vagy H+ vagy H+ v Egy gyors elleőrzés lehetőség: v - Q>(Su + +u Qv )*S+u - Q:=Q (esetleg kétszer) Ha még mdg em jó, akkor teljes elleőrzés Osztás(U(),V(),H): Ha U(N+)=V(N) akkor Q:=S- külöbe Q:=(S*U(N+)+U(N))/V(N) Cklus amíg V(N-)*Q>(S*U(N+)+U(N)-Q*V(N))*S+U(N-) Q:=Q- Cklus vége W():=V()*Q U():=U()-W() Ha U()<0 akkor U():=U()+V(): Q:=Q- H:=Q Eljárás vége. 7. Szorzás, osztás alapszámmal, alapszámhatváyal (léptetés) 8. Növelés, csökketés -gyel (átvtelszámítás amíg kell) 9. Relácók (hossz felhaszálása, azoos hosszál lexkografkusa) 0. Recprok számítás (X=/A ( - /A), x + =*x A*x, terácó, >X 0 *A kovergeca, X 0 *A>/ helyes jegyek száma duplázódk) Recprok([a,...,a ]): Ha N= akkor Recprok:=[0] külöbe [c 0,...,c / ]:=Recprok([a,...,a / ]) [d,...,d * ]:=[c 0,...,c / ]* 3*/ - [c 0,...,c / ] *[a,...,a ] [a 0,...,a ]:=[d,...,d + ] Recprok:=[a 0,...,a ] Eljárás vége.
3 Nagypotosságú artmetka II. Polomartmetka (agypotosságú artmetka átvtel élkül). Helyettesítés érték Px 0 a x Horer-elredezés: P(x)=a 0 +x*(a +x*(...+x*a )...). Osztás 0 m j0 a x b x j j a h m : A A B x m : * * h bm m (a :=0: (j=..m: a j :=a j b m j *h m ) ) 3. Dervált polom ( P( x) = a x, P k k x P x vagy 0? P k k j x ), azaz a j * a k j =0.. m a x + a-x ax + a0 = 0 K. derváltja: - - k -k- - ( - )..( - k + ) a x + ( - )..( - k) a x k( k - )..* a = 0, k ezért c k 0 =!, c k c k k = * + k 0 k, a = a c k III. Közelítések. A: x : * x x B: Pell-egyelet: P N*Q =4 végtele sok megoldása va, ha N em égyzetszám. N= eseté: P Ha x alakú, akkor x Q : * x szté megoldása a Pell-egyeletek. P P x P * Q Q P lm, így pl. P 0 =676, Q 0 =4756 eseté 7 lépés alatt az eredméy jegyre lesz Q potos. (Jó P 0 =6, Q 0 =4 s.) k 3
4 Nagypotosságú artmetka (P 0,Q 0 ) megkeresése: (P,Q):=(,) Cklus amíg P -*Q 4 Ha P -*Q <4 akkor P:=P+ külöbe Q:=Q+ Cklus vége Tehát csak egész számokkal kell dolgoz, szorzás és kvoás műveletre va szükség.. e 3. t e lm t0 t * *... 0! Ä evezetes törtek (56/83.6, /7 > p > 3/7) Ä * * * * * *... * 3* 3* 5* 5* 7*... Ä kör közelítése szabályos sokszögekkel 3 - Walls formula Ä * arctg * arctg * arctg 39 arctg 3 x 3 5 x 5 7 x 7 x x... IV. Racoáls artmetka. Ábrázolás Ä előjel + számláló számjegye + számláló hossza + evező számjegye + evező hossza + számredszer (tömb vagy szöveg):. Összeadás, kvoás Us V s U V 3. szorzás, osztás U U s V * V s U V D V U s * s * D, ahol D=lko(U U,V ) * D V U D U D s V * s D U V s, ahol D =lko(u s,v ), D =lko(u,v s ) * D 4. Legagyobb közös osztó, alkalmazása agyságred csökketésre Ä eukldesz algortmus Ä kvoásos algortmus Ä bárs algortmus 4
5 Nagypotosságú artmetka 5. Racoáls fxpotos valós koverzó (osztás törthelyértékű eredméyekre s, előre megadott maxmáls potossággal) 6. Kétszeres potosságú műveletek alkalmazása 7. Közelítés túlcsordulás eseté V. Fxpotos valós artmetka. Ábrázolás. Műveletek mt az egész + tzedespot helye mt az egész, de egatív dexek s vaak összeadásál, kvoásál a külöböző hosszúságú törtrészek esete osztás adott hosszúságú törtrészre lebegőpotossá alakítás, racoálssá alakítás, közelítés racoálssal VI. Lebegőpotos artmetka. Ábrázolás (ormalzált) egész matssza, egész karaktersztka, matssza alapszáma. Műveletek (utáuk ormalzálás) összeadás, kvoás: azoos ktevőre hozás szorzás, osztás (K K eseté: K:=K : A:=A +A /S K K ) ormalzálás (kerekítés) fxpotossá alakítás VII. Számredszerek között koverzó (A alapúból B alapúba) 0. Általáos feladat: (u,...u u 0,u -,...u -m ) A (v p,...v v 0,v -,...v q ) B ahol u * A v * B m p jq j j Alkalmazzuk egy közbülső számredszert, ambe az egyk szumma kszámolható! Kvétel: A=B k, ahol k vagy /k természetes szám.. Egész számok: B-vel osztás A alapúba (U A (u m,...u 0 ) B ) u 0 :=U mod B: U:=U dv B:.... Egész számok: A-val szorzás B alapúba ((u m,...u 0 ) A U B ) U:=u 0 +A*(u +A*(...)) 3. Törtek: B-vel szorzás A alapúba (U A (0,u -,...u -m ) B ) u - :=egészrész(u*b): U:=törtrész(U*B): Törtek: A-val osztás B alapúba ((0.u -,...u -m ) A U B ) 5
6 Nagypotosságú artmetka U:=((...+u - )/A+u - )/A 5. Vegyes alapú számredszerek (faktoráls, dő,...) 6. Negatív alapú, recprok alapú számredszerek 6
7 Nagypotosságú artmetka Kombatorka alkalmazások I. Az összes előállítása (backtrack és javítása, N,K vagy rekurzó). Varácók előállítása (smétléses, smétlés élkül). Permutácók előállítása (smétléses, smétlés élkül) 3. Kombácók előállítása (smétléses, smétlés élkül) 4. Permutácó rekurzíva: ha - elem összes permutácója kész, akkor szúrjuk be az.-et mde lehetséges helyre, mdegykbe! 5. Részhalmazok: megfeleltetés a részhalmazok és az N-jegyű bárs számok között. 6. Kompozícók (K db részhalmaz dszjukt uójakét előállítás): olya K-jegyű számok, ahol a számjegyek összege potosa N. 7. Partícók (max. N db em üres részhalmaz dszjukt uója) II. Az I. előállítása (N,K). Varácók előállítása (smétléses) I felírása K alapú számredszerbe. Permutácók előállítása (smétléses, smétlés élkül) Vegyük egy redező módszert! F:=0: K:=redezedő elemek száma A redező cklus belsejébe: F:=F*K+elmozdulás távolság: K:=K- Ezzel megkapjuk egy permutácó sorszámát (faktoráls számredszerbe felírt szám). Az. permutácó előállítása ezutá eek az ellekezőjével törték: K:= A cklusba: T:= mod K: := dv K: K:=K+: mozgatás T távolságra. Iverzós táblázat: a,...,a b,..,b, ahol b jeletse az.-től balra levő, ála agyobb elemek számát (ez pl. redezett vektor eseté csupa 0 elemet tartalmazó táblázat lesz, lletve egyetle, faktoráls számredszerbe felírt szám), ekkor egy permutácó előállítása: sorozat:=[n] cklus =N--től -g --esével belleszt(,b[]. helyre) cklus vége 3. Részhalmaz előállítása: az I szám bárs alakjáak meghatározása III. Egy véletle előállítása. Varácók előállítása (smétlés élkül, smétléses) varácó=kombácó+permutácó, lletve vsszatevéses mtavétel. Permutácók előállítása (smétlés élkül) Ä keverés véletle kválasztással Ä keverés véletle bellesztéssel 3. Kombácók előállítása (smétlés élkül) Ä kválogatás N elemből ( (K DB)/(N I+) valószíűséggel az I. elemet) 7
8 Nagypotosságú artmetka Ä kválogatás smeretle számú elemből (az új elemet K/(K+) valószíűséggel tesszük be egy véletle rég helyére) 4. Részhalmaz előállítása: N db dkátorváltozó előállítása 5. Kompozícó előállítása: N db [,K]-bel dszkrét egyeletes változó felhaszálása 6. Partícó előállítása: N- eleműből /N valószíűséggel tesszük mdegykbe, valamt /N valószíűséggel tesszük új részhalmazba. 8
9 Nagypotosságú artmetka Grafka a programozás yelvekbe I. Grafkus megjeleítés fázsa. Rajzelemlsta pásztakoverzó képpotpuffer dsplay vezérlő képeryő. Dsplay vezérlő: karakteres kép, lletve grafkus kártyák, paraméterezésük 3. Pascal: ItGraph, CloseGraph, RestoreCrtMode, DetectGraph II. Grafkus redszer felépítése. Utasítások tartalmazak mde paramétert. Grafkus állapottábla, Set..., Get...,... műveletek III. Ablaktechka (Turbo Pascal). Karakteres képeryő (Wdow). Grafkus képeryő (VewPort) IV. Elem grafka utasítások és haszálatuk (Turbo Pascal). Szövegmegjeleítés OutTextXY. Potrajzolás PutPxel V. Tovább grafka lehetöségek. Szakasz Le. Téglalap Bar, Rectagle 3. Kör Crcle 4. Ellpszs Ellpse 5. Körív Arc 6. Festés FloodFll Függvéyábrázolás I. -változós függvéyek. Elem megoldás. Képeryőre traszformálás 3. Képeryőre traszformálás azoos yújtás téyezővel 4. Képeryőre traszformálás azoos yújtás téyezővel, orgó helybehagyása 5. A potokak megfelelő magasságú téglalap rajzolása a kép aljától 6. A potokak megfelelő magasságú téglalap rajzolása az X-tegelytől 7. A rajzolt potok összekötése egyeessel 8. Közelítő görbe (K.-fokú polom a legksebb égyzetek módszerével). 9
10 Nagypotosságú artmetka 9. Közelítő görbe N+ pothoz létezk N.-fokú polom, am az összes poto átmegy: x x y j * x x j0 j 0. A rajzolt potok összekötése harmadfokú sple-al 3 k k, ahol k 0 y, S x y (=,..,) S x a x S x '' ' ' S x S x (=,..,-) '' S x S x (=,..,-) j ez így 4 smeretle, 4 egyelet, tehát kell még egyelet: S x s 0 ', S ' x s '' vagy S x, S '' x 0. Görbék paraméteres alakja f(x,y)=0 x(t)=f (t), y(t)=f (t). Bezer görbe 3. B-sple Bx t x * B t, By t y * B t, ahol B t Ezzel az. potak t=/-él va a legagyobb hatása. 4. A képeryő oszlopa szert potrajzolás t t * *. 0
11 Nagypotosságú artmetka II. -változós függvéyek 0. A másodk változóval dőbe követve az első változót.. Áryalatokkal (szíek, áryalatok, zebrakép két szíel). Sztvoalakkal (függőleges vagy vízsztes) Sztvoalvarácók: Ä lehesseek ferde sztvoaldarabok s Ä sztvoalak a rácspotoktól aráyos távolságra Ä a külöböző magasságú sztvoallal határolt területek festése, zebrakép 3. Potfelhővel 4. Pszeudoplasztkus kép (megvlágítás ráyból, ráyból, 4 ráyból) 5. Gradesmódszer 6. Áryékolt téglalapokkal 7. Függvéyhálós: N db Y-szert függvéy, tömör függvéy alatt terület N db Y- és N db X-szert függvéy, tömör függvéy alatt terület N db Y-szert függvéy, "lepel" N db Y-szert függvéy, "lepel" mde képeryőoszlopra számolva
12 Nagypotosságú artmetka Véletleszámok, véletle eseméyek I. Valószíűségszámítás alapfogalmak. Eseméy, elem eseméy. Gyakorság, relatív gyakorság, valószíűség (fotos tulajdosága: P(0)=0, P(I)=, 0P(A), P(A+B)=P(A)+P(B) P(AB) ) 3. Eloszlás ( P ) véges, lletve végtele eseméyredszerre, eloszlásfüggvéy ( F( x) = P( x < x), F0, F), x sűrűségfüggvéy ( F ( x) = f ( z) dz ), függetleség (P(A B)=P(A), vagy P(AB)=P(A)*P(B)) + 4. Várható érték ( x P( x = x ), xf ( x) dx), M M M M szóráségyzet (D ) II. Véletleszámok előállítása. Követelméyek Ä mde lehetséges kmeetele előbb-utóbb bekövetkezze Ä az előzőekből e lehesse következtet a következőre Ä szokásos problémá: perodkus, lletve elfajulhat. Módszerek Ä Négyzetközép módszer, szorzatközép módszer Ä Leárs kogrueca módszer Ha x + ax +c (mod m), akkor m lesz a peródushossz, ha m= K, a=4x+, (c,m)= (és m prímosztó a -ek s prímosztó) leársra ez a maxmum. Ä Nemleárs kogruecamódszerek Ä Kombált módszerek (sorosa kapcsolt, párhuzamosa kapcsolt, vsszacsatolásos: összegük, kzáró vagy, egyk a másk számaból választ, a másk véletle tagjat helyettesít, zavarás, a másk tagjat kever,...) 3. A jóság elleőrzése (véletle számok, számjegyek sorozatára) Mt evezük véletleek: -egyeletes, K-egyeletes, Ą-egyeletes sorozatok X dmezós kockába esés relatív gyakorsága a kocka térfogatához. Ä K hoszúságú sorozataak gyakorsága (K=,,...) Ä egy szám (számjegy, számosztály) két előfordulása között hézagok vzsgálata Ä adott számmták gyakorsága Ä kombácók gyakorsága (Póker teszt: abcd,aabc,aabb,aaab,aaaa gyakorsága)
13 Nagypotosságú artmetka Ä futampróba: mooto szakaszok vzsgálata Ä széravzsgálat: azoos számjegyek sorozata Ä egyeletesség elleőrzés lleszkedés vzsgálattal Ä látváyos elleőrzés: véletle potok a képe 4. [0,) tervallumo egyeletes eloszlás: x x M = xf ( x) dx = x dx = = D x f x dx xf x dx x III. Véletleszámok programozás yelvekbe. Turbo Pascal: Radom, Radom(N) IV. Véletle eseméyek előállítása. eseméy, teljes eseméyredszer (P valószíűségű eseméy). eseméy, em kzáróak 3. eseméy, lehet, hogy egyk sem következk be V. Dszkrét valószíűség változók előállítása. Véges sok tagú (teljes eseméyredszer). Végtele sok tagú (véges sokra vsszavezetés) VI. Tapasztalat eloszlás készítése. Dszkrét: melyk érték háyszor fordul elő. Folytoos redezett mtára: f(x):=k/x, ha x k+ xx k ) VII. Specáls eloszlások előállítása (R egyeletes eloszlásúból). Bomáls eloszlás (háyszor következk be egy p valószíűségű eseméy kísérletből): M=p, D =p( p) p p p p x és ekkor ezek teljes eseméyredszert alkotak, vagy ha x p, és ekkor : 0, ha x p p R j. Geometra eloszlás (egy p valószíűségű eseméy első bekövetkezéséek sorszáma): M=/p, D =( p)/p p p p és ekkor ezek teljes eseméyredszert alkotak, vagy 0 3
14 Nagypotosságú artmetka l R belátható, hogy éppe p() valószíűséggel gaz, tehát l p l R : l p 3. Posso eloszlás(eseméy bekövetkezéséek gyakorsága): M=l, D =l stacoárus: dőpottól em, csak az dőtartamtól függ, utóhatásmetes: korább bekövetkezésszámtól függetle, rtka: 0 a valószíűsége, hogy egy kellőe rövd dő alatt kétszer s bekövetkezk. p e, felhaszálva dszkrét valószíűség változók előállításáak módszerét, olya -t! j j kell talál, amelyre: e R e, ehhez geeráljuk a következőket: j! j! j0 j0 T(0):=, T():=T(-)*l/, S(0):=T(0), S():=S(-)+T(), ekkor a keresett I-re gaz: S(I-) e l R < S(I) Más módszer: Képezzük az R, R R, R R R 3,... szorzatokat, amíg a szorzat ksebb em lesz, mt e -l, I tagú szorzat eseté I legye a Posso-eloszlású véletleszám! Expoecálsok összege, amíg agyobb em lesz -él. 4. Dszkrét egyeletes eloszlás (N lehetséges érték fordul elő) : * R 5. [A,B) tervallumo egyeletes eloszlás: M=(A+B)/, D =(B-A) / f x X:=(B A)*R+A 0, ha x A vagy x B, B A ha A x B 6. Normáls eloszlás (függetle valószíűség változók összege): M=0, D = m várható értékű, d szórású valószíűség változók összegéek eloszlása: d f x R ma stadard ormáls eloszláshoz tart. x m d d e R várható értéke /, szórása /, egyszerű lesz = eseté. N(m,d)=d*N(0,)+m 4
15 Nagypotosságú artmetka 7. Expoecáls (verz függvéy módszer): M=/l, D =/l eloszlásfüggvéye: F( x) = - e -mx, F(F - l R (x))=x képlet alapjá x: m mg x e mg x x x e l x mg x...ahol tudjuk, hogy R és R azoos eloszlású 8. eloszlás függetle, azoos eloszlású valószíűség változók égyzetösszege 9. F-eloszlás eloszlású valószíűség változók háyadosa 0. t-eloszlás ormáls és eloszlású valószíűség változó háyadosa 5
16 Nagypotosságú artmetka A kísérletkértékelés módszere I. Alapfogalmak. mta, mtaelem, mtaagyság, redezett mta. statsztka: mtatér R II. Megfgyelések. Mt fgyeljük meg? (függetle paraméterek). Mey paramétert fgyeljük meg? (: átlag, szórás, eloszlás, : y=f(x)?,...) 3. Mely paramétereket fgyeljük meg? (paraméterek ragsora) 4. Hogya válasszuk mtaelemeket, háy kísérletet végezzük? (mtavétel) 5. Glveko-tétele: függetle, azoos eloszlású (F eloszlásfüggvéyű) mtaelemekből képezett tapasztalat eloszlásfüggvéy valószíűséggel egyeletese tart az F eloszlásfüggvéyhez. III. A mtavétel módszere (mtaelemek függetleek, azoos eloszlásúak legyeek). egyszerű véletle mtavétel. többfokozatú mtavétel 3. sorozatos (szekvecáls, Wald-módszer) mtavétel 4. csoportos mtavétel Ä egylépéses (teljes csoportok) Ä kétlépéses (a kválasztott csoportokból választuk elemeket) 5. rácsmódszerek IV. Méréskértékelés (torzítatla, hatásos, kozsztes becslés). A várható érték mérőszáma: Átlag, medá (F(x)=0.5 megoldása), modus (leggyakorbb érték), p-kvatls (F(x)=p megoldása). A szóródás mérőszáma: szórás, szóráségyzet, átlagos abszolúteltérés, mtaterjedelem, korrgált tapasztalat szóráségyzet, szórás együttható (=szórás/átlag) 3. Kovaraca: cov X, Y Korrelácó: r X Y x M X * y M Y cov X, Y, D X * D Y Leárs regresszó: Y=aX+b ( y - ax + b) mmáls legye Nemleárs regresszó: Y=aX b : X 0 =l X, Y 0 =l Y Y 0 =l a + b X 0 Y=ae bx : Y =l Y Y =l a + b X Y=a/X: X 0 =/X Y=aX 0 6
17 Nagypotosságú artmetka 4. Kofdeca-tervallum (a keresett érték p valószíűséggel bee va), K M X t D X v, ahol t=t(p,n,f) úgy, hogy K M X t D X k Kv p f x dx K 5. Hpotézsvzsgálat k ullhpotézs statsztka próba: a ullhpotézs elfogadása vagy elutasítása ez egy függvéy, amely meghatároz egy [A,B] tervallumot, ambe a keresett érték p valószíűséggel esk. elsőfajú hba: elutasítjuk, de gaz másodfajú hba: elfogadjuk, de em gaz 6. Statsztka becslések Illeszkedés-vzsgálat: adott eloszlású-e a mta ( P(<x)=F(x) )? K s P K szabadság fokú c -eloszlású, P ha P =F(x ) F(x - ), s = az [x -, x )-ba esés relatív gyakorsága Homogetás-vzsgálat: két mta azoos eloszlású-e ( P(x<x)=P(h<x) )? s t K m m K szabadság fokú eloszlású, s t Függetleség-vzsgálat: két eseméyredszer függetle-e (K elemre) ( P(<x,<y))=P(<x)*P(<y) )? m s j Kp q j m szabadság fokú eloszlású Kp q j j tu j s m j K K ( )(m ) szabadság fokú eloszlású, ahol s j két t u j j eseméy együttes gyakorsága, t,u j pedg az egyk, lletve másk redszerbel eseméyek gyakorsága. 7
18 Nagypotosságú artmetka F próba: két ormáls eloszlású mta azoos szórású-e ( D()=D() )? * d F max, * d ( )( ) paraméterű F eloszlású (kétoldal próbáál az helyett a tört recproka szerepel) t próba: egy ormáls eloszlású mta várható értéke M ( M()=M )? két ormáls eloszlású mta várható értéke megegyezk-e ( M()=M() )? x M x M t d paraméterű t eloszlású * d u próba: ugyaaz, ha a szórások (D,D,D ) smertek (a statsztka ormáls eloszlású). x M u * d u x y D D V. Hbás adatok kszűrése. Hhetőségvzsgálat. Szélsőértékek elhagyása 3. Szóráso kívülek elhagyása ormáls eloszlású ormáls eloszlású 4. Mozgóátlagolás (azoos várható érték, szóráségyzet pedg K+-ed része az eredetek) 5. Dxo-próba: redezett mtából elhagyjuk-e az első értéket? x x r (=3..7 eseté) x x r x x3 (=..3 eseté) x x VI. Oszlop- és kördagramok. Álló oszlopdagram: képre traszformálás r r. Növekvő oszlopdagram: ormálás meet közbe 3. Időbe változó oszlopdagram: Ä új ablak Ä elölről kezdés törlés élkül Ä elölről kezdés előtörléssel Ä ablak eltolás 4. Kördagram: körívek + szakaszok + festés x x (=8..0 eseté) x x x x3 (=4..5 eseté) x x 8
? közgazdasági statisztika
Valószíűségszámítás és a statsztka Valószíűség számítás Matematka statsztka Alkalmazott statsztka? közgazdaság statsztka épesség statsztka orvos statsztka Stb. Példa: vércsoportok Az eloszlás A AB B Elem
RészletesebbenORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések!
ORVOSI STATISZTIKA Az orvos statsztka helye Életta Aatóma Kéma Lehet kérdés?? Statsztka! Az orvos dötéseket hoz! Mkor jó egy dötés? Meyre helyes egy dötés? Mekkora a tévedés lehetősége? Példa: test hőmérséklet
Részletesebben? közgazdasági statisztika
... Valószíűségszámítás és a statsztka Valószíűség számítás Matematka statsztka Alkalmazott statsztka? közgazdaság statsztka épesség statsztka orvos statsztka Stb. Példa: vércsoportok Az eloszlás A AB
RészletesebbenMatematikai statisztika
Matematka statsztka 8. elıadás http://www.math.elte.hu/~arato/matstat0.htm Kétmtás eset: függetle mták + + + = + ) ( ) ( ) ( Y Y X X Y X m m m t m Ha smert a szórás: (X elemő, σ szórású, Y m elemő, σ szórású),
RészletesebbenMegállapítható változók elemzése Függetlenségvizsgálat, illeszkedésvizsgálat, homogenitásvizsgálat
Megállapítható változók elemzése Függetleségvzsgálat, lleszkedésvzsgálat, homogetásvzsgálat Ordáls, omáls esetre s alkalmazhatóak a következő χ próbá alapuló vzsgálatok: 1) Függetleségvzsgálat: két valószíűség
RészletesebbenTulajdonságok. Teljes eseményrendszer. Valószínőségi változók függetlensége. Példák, szimulációk
Valószíőségszámítás és statsztka elıadás fo. BSC/B-C szakosokak 3. elıadás Szeptember 26 p 0.4 0.35 0.3 0.25 0.2 0.15 0.1 0.05 0 A bomáls és a hpergeom. elo. összehasolítása 0 1 2 3 4 5 6 7 8 9 10 k Hp.geom
RészletesebbenA statisztikai vizsgálat tárgyát képező egyedek összességét statisztikai sokaságnak nevezzük.
Statisztikai módszerek. BMEGEVGAT01 Készítette: Halász Gábor Budapesti Műszaki és Gazdaságtudomáyi Egyetem Gépészméröki Kar Hidrodiamikai Redszerek Taszék 1111, Budapest, Műegyetem rkp. 3. D ép. 334. Tel:
RészletesebbenA peremeloszlások. Valószínőségszámítás elıadás III. alk. matematikus szak. Példa. Valószínőségi vektorváltozók eloszlásfüggvénye.
y Valószíőségszámítás elıaás III. alk. matematkus szak 4. elıaás, szeptember 30 A peremeloszlások (X,Y) eloszlásából (elevezés: együttes eloszlás) következtethetük az egyes változók eloszlására: P(X)P(X,Y0)+P(X,Y)+P(X,Y2)
RészletesebbenFeladatok és megoldások a 11. heti gyakorlathoz
Feladatok és megoldások a. het gyakorlathoz dszkrét várható érték Építőkar Matematka A. Egy verseye öt ő és öt férf verseyző dul. Tegyük fel, hogy cs két azoos eredméy, és md a 0! sorred egyformá valószíű.
RészletesebbenMatematikai statisztika elıadás III. éves elemzı szakosoknak. Zempléni András 9. elıadásból (részlet)
Matematka statsztka elıadás III. éves elemzı szakosokak Zemplé Adrás 9. elıadásból részlet Y közelítése függvéyével Gyakor eset, hogy em smerjük a számukra érdekes meység Y potos értékét pl. holap részvéy-árfolyam,
RészletesebbenPéldák 2. Teljes eseményrendszer. Tulajdonságok. Példák diszkrét valószínőségi változókra
Valószíőségszámítás és statsztka elıadás fo. BSC/B-C szakosokak 3. elıadás Szeptember 28 dszkrét valószíőség változókra X(ω)=c mde ω-ra. Elevezés: elfajult eloszlás. P(X=c)=1. X akkor 1, ha egy adott,
RészletesebbenA paramétereket kísérletileg meghatározott yi értékekre támaszkodva becsülik. Ha n darab kisérletet (megfigyelést, mérést) végeznek, n darab
öbbváltozós regresszók Paraméterbecslés-. A paraméterbecslés.. A probléma megfogalmazása A paramétereket kísérletleg meghatározott y értékekre támaszkodva becsülk. Ha darab ksérletet (megfgyelést, mérést
RészletesebbenStatisztika. Eloszlásjellemzők
Statsztka Eloszlásjellemzők Statsztka adatok elemzése A sokaság jellemzése középértékekkel A sokaság jellemzéséek szempotja A sokaság jellemzéséek szempotja: A sokaság tpkus értékéek meghatározása. Az
RészletesebbenIsmérvek közötti kapcsolatok szorosságának vizsgálata. 1. Egy kis ismétlés: mérési skálák (Hunyadi-Vita: Statisztika I. 25-26. o)
Ismérvek között kapcsolatok szorosságáak vzsgálata 1. Egy ks smétlés: mérés skálák (Huyad-Vta: Statsztka I. 5-6. o) A külöböző smérveket, eltérő mérés sztekkel (skálákkal) ellemezhetük. a. évleges (omáls)
RészletesebbenHipotéziselmélet. Statisztikai próbák I. Statisztikai próbák II. Informatikai Tudományok Doktori Iskola
Hpotézselmélet Iformatka Tudomáyok Doktor Iskola Statsztka próbák I. 0.0.. Dr Ketskeméty László előadása Statsztka próbák II. Dötés eljárást dolgozuk k aak eldötésére, hogy a ullhpotézs gaz-e. Ha úgy kell
Részletesebben24. tétel A valószínűségszámítás elemei. A valószínűség kiszámításának kombinatorikus modellje.
24. tétel valószíűségszámítás elemei. valószíűség kiszámításáak kombiatorikus modellje. GYORISÁG ÉS VLÓSZÍŰSÉG meyibe az egyes adatok a sokaságo belüli részaráyát adjuk meg (törtbe vagy százalékba), akkor
RészletesebbenNagypontosságú aritmetika I.
Nagypontosságú aritmetika I. Nagypontosságú aritmetika Problémák: sokjegyű (100 vagy 1000 vagy...) egész számok kellenek több alkalmazásban; jó lenne, ha 1/3*3 értéke 1 lenne, azaz kellenének racionális
RészletesebbenStatisztika 1. zárthelyi dolgozat március 21.
Statisztika 1 zárthelyi dolgozat 011 március 1 1 Legye X = X 1,, X 00 függetle mita b paraméterű Poisso-eloszlásból b > 0 Legye T 1 X = X 1+X ++X 100, T 100 X = X 1+X ++X 00 00 a Milye a számra igaz, hogy
Részletesebben1. Írd fel hatványalakban a következõ szorzatokat!
Számok és mûveletek Hatváyozás aaaa a a darab téyezõ a a 0 0 a,ha a 0. Írd fel hatváyalakba a következõ szorzatokat! a) b),,,, c) (0,6) (0,6) d) () () () e) f) g) b b b b b b b b h) (y) (y) (y) (y) (y)
RészletesebbenHipotézis vizsgálatok. Egy példa. Hipotézisek. A megfigyelt változó eloszlása Kérdés: Hatásos a lázcsillapító gyógyszer?
01.09.18. Hpotézs vzsgálatok Egy példa Kérdések (példa) Hogyan adhatunk választ? Kérdés: Hatásos a lázcsllapító gyógyszer? Hatásos-e a gyógyszer?? rodalomból kísérletekből Hpotézsek A megfgyelt változó
RészletesebbenA pályázat címe: Rugalmas-képlékeny tartószerkezetek topológiai optimalizálásának néhány különleges feladata
6. év OTKA zárójeletés: Vezető kutató:kalszky Sádor OTKA ylvátartás szám T 4993 A pályázat címe: Rugalmas-képlékey tartószerkezetek topológa optmalzálásáak éháy külöleges feladata (Részletes jeletés) Az
RészletesebbenSorozatok október 15. Határozza meg a következ sorozatok határértékeit!
Sorozatok 20. október 5. Határozza meg a következ sorozatok határértékeit!. Zh feladat:vizsgálja meg mootoitás és korlátosság szerit az alábbi sorozatot! a + ha ; 2; 5 Mootoitás eldötéséhez vizsgáljuk
Részletesebbeni 0 egyébként ábra. Negyedfokú és ötödfokú Bernstein polinomok a [0,1] intervallumon.
3. Bézer görbék 3.1. A Berste polomok 3.1. Defícó. Legye emegatív egész, tetszőleges egész. A ( ) B (u) = u (1 u) polomot Berste polomak evezzük, ahol ( ) = {!!( )! 0, 0 egyébkét. A defícóból közvetleül
RészletesebbenRegresszió és korreláció
Regresszó és korrelácó regresso: vsszatérés, hátrálás; vsszafordulás correlato: vszo, összefüggés, kölcsöösség KAD 01.11.1 1 (vsszatérés, hátrálás; vsszafordulás) Regresszó és korrelácó Gakorlat megközelítés
RészletesebbenVáltozók függőségi viszonyainak vizsgálata
Változók függőség vszoyaak vzsgálata Ismétlés: változók, mérés skálák típusa kategoráls változók Asszocácós kapcsolat számszerű változók Korrelácós kapcsolat testsúly (kg) szemüveges em ő 1 3 férf 5 3
RészletesebbenALGEBRA. egyenlet megoldásait, ha tudjuk, hogy egész számok, továbbá p + q = 198.
ALGEBRA MÁSODFOKÚ POLINOMOK. Határozzuk meg az + p + q = 0 egyelet megoldásait, ha tudjuk, hogy egész számok, továbbá p + q = 98.. Határozzuk meg az összes olya pozitív egész p és q számot, amelyre az
RészletesebbenA MATEMATIKAI STATISZTIKA ELEMEI
A MATEMATIKAI STATISZTIKA ELEMEI Az Eötvös Lórád Tudomáyegyetem Természettudomáy Kará a Fzka Kéma Taszék évek óta kéma-szakos taárhallgatókak matematka bevezetõ elõadásokat tart. Az elõadások célja az,
Részletesebbenf (M (ξ)) M (f (ξ)) Bizonyítás: Megjegyezzük, hogy konvex függvényekre mindig létezik a ± ben
Propositio 1 (Jese-egyelőtleség Ha f : kovex, akkor tetszőleges ξ változóra f (M (ξ M (f (ξ feltéve, hogy az egyelőtleségbe szereplő véges vagy végtele várható értékek létezek Bizoyítás: Megjegyezzük,
Részletesebben10.M ALGEBRA < <
0.M ALGEBRA GYÖKÖS KIFEJEZÉSEK. Mutassuk meg, hogy < + +... + < + + 008 009 + 009 008 5. Mutassuk meg, hogy va olya pozitív egész szám, amelyre 99 < + + +... + < 995. Igazoljuk, hogy bármely pozitív egész
RészletesebbenA szórások vizsgálata. Az F-próba. A döntés. Az F-próba szabadsági fokai
05..04. szórások vizsgálata z F-próba Hogya foguk hozzá? Nullhipotézis: a két szórás azoos, az eltérés véletle (mitavétel). ullhipotézishez tartozik egy ú. F-eloszlás. Szabadsági fokok: számláló: - evező:
Részletesebbens n s x A m és az átlag Standard hiba A m becslése Információ tartalom Átlag Konfidencia intervallum Pont becslés Intervallum becslés
A m és az átlag Standard hba Mnta átlag 1 170 Az átlagok szntén ngadoznak a m körül. s x s n Az átlagok átlagos eltérése a m- től! 168 A m konfdenca ntervalluma. 3 166 4 173 x s x ~ 68% ~68% annak a valószínűsége,
RészletesebbenTartalomjegyzék. 4.3 Alkalmazás: sorozatgyártású tűgörgő átmérőjének jellemzése
3 4 Tartalomegyzék. BEVEZETÉS 5. A MÉRÉS 8. A mérés mt folyamat, fogalmak 8. Fotosabb mérés- és műszertechka fogalmak 4.3 Mérés hbák 8.3. Mérés hbák csoportosítása eredetük szert 8.3. A hbák megeleítés
Részletesebben1. előadás: Bevezetés. Számonkérés. Irodalom. Valószínűségszámítás helye a tudományok között. Cél
Valószíűségszámítás 1 előadás mat. BSc alk. mat. szakráyosokak 2016/2017 1. félév Zemplé Adrás zemple@ludes.elte.hu http://zemple.elte.hu/ 1. előadás: Bevezetés Irodalom, követelméyek A félév célja Valószíűségszámítás
RészletesebbenPályázat címe: Pályázati azonosító: Kedvezményezett: Szegedi Tudományegyetem Cím: 6720 Szeged, Dugonics tér 13. www.u-szeged.hu www.palyazat.gov.
Pályázat címe: Új geerációs sorttudomáyi kézés és tartalomfejlesztés, hazai és emzetközi hálózatfejlesztés és társadalmasítás a Szegedi Tudomáyegyeteme Pályázati azoosító: TÁMOP-4...E-5//KONV-05-000 Sortstatisztika
RészletesebbenSZÁMELMÉLET. Vasile Berinde, Filippo Spagnolo
SZÁMELMÉLET Vasile Beride, Filippo Spagolo A számelmélet a matematika egyik legrégibb ága, és az egyik legagyobb is egybe Eek a fejezetek az a célja, hogy egy elemi bevezetést yújtso az első szite lévő
Részletesebben3. SOROZATOK. ( n N) a n+1 < a n. Egy sorozatot (szigorúan) monotonnak mondunk, ha (szigorúan) monoton növekvő vagy csökkenő.
3. SOROZATOK 3. Sorozatok korlátossága, mootoitása, kovergeciája Defiíció. Egy f : N R függvéyt valós szám)sorozatak evezük. Ha A egy adott halmaz és f : N A, akkor f-et A-beli értékű) sorozatak evezzük.
Részletesebben2. fejezet. Számsorozatok, számsorok
. fejezet Számsorozatok, számsorok .. Számsorozatok és számsorok... Számsorozat megadása, határértéke Írjuk fel képlettel az alábbi sorozatok -dik elemét! mooto, korlátos, illetve koverges-e! Vizsgáljuk
RészletesebbenRegresszió és korreláció
Regresszó és korrelácó regresso: vsszatérés, hátrálás; vsszafordulás correlato: vszo, összefüggés, kölcsöösség KAD 016.11.10 1 (vsszatérés, hátrálás; vsszafordulás) Regresszó és korrelácó Gakorlat megközelítés
RészletesebbenMatematika B4 I. gyakorlat
Matematika B4 I. gyakorlat 2006. február 16. 1. Egy-dimeziós adatredszerek Va valamilye adatredszer (számsorozat), amelyről szereték kiszámoli bizoyos dolgokat. Az egyes értékeket jelöljük z i -vel, a
RészletesebbenSTATISZTIKA II. kötet
Szeged Tudomáyegyetem Gazdaságtudomáy Kar Petres Tbor Tóth László STATISZTIKA II. kötet Szerzők: Dr. Petres Tbor, PhD egyetem doces Statsztka és Demográfa Taszék Tóth László PhD-hallgató Gazdaságtudomáy
Részletesebben18. Valószín ségszámítás. (Valószín ségeloszlások, függetlenség. Valószín ségi változók várható
8. Valószí ségszámítás. (Valószí ségeloszlások, függetleség. Valószí ségi változók várható értéke, magasabb mometumok. Kovergeciafajták, kapcsolataik. Borel-Catelli lemmák. Nagy számok gyege törvéyei.
RészletesebbenKomplex számok. d) Re(z 4 ) = 0, Im(z 4 ) = 1 e) Re(z 5 ) = 0, Im(z 5 ) = 2 f) Re(z 6 ) = 1, Im(z 6 ) = 0
Komplex számok 1 Adjuk meg az alábbi komplex számok valós, illetve képzetes részét: a + i b i c z d z i e z 5 i f z 1 A z a + bi komplex szám valós része: Rez a, képzetes része Imz b Ez alapjá a megoldások
RészletesebbenMegjegyzések. További tételek. Valódi határeloszlások. Tulajdonságok. Gyenge (eloszlásbeli) konvergencia
Valószíűségszámítás és statisztika előadás ifo. BSC/B-C szakosokak 6. előadás október 5. Megjegyzések. A tétel feltételei gyegíthetőek: elég, ha a függetle, azoos eloszlású változók várható értéke véges.
RészletesebbenÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter június
ÖKONOMETIA Készült a TÁMOP-4.1.-08//A/KM-009-0041pályázat projet eretébe Tartalomfejlesztés az ELTE TáTK Közgazdaságtudomáy Taszéé az ELTE Közgazdaságtudomáy Taszé az MTA Közgazdaságtudomáy Itézet és a
RészletesebbenBIOMATEMATIKA ELŐADÁS
BIOMATEMATIKA ELŐADÁS 10. A statisztika alapjai Debrecei Egyetem, 2015 Dr. Bérczes Attila, Bertók Csaád A diasor tartalma 1 Bevezetés 2 Statisztikai függvéyek Defiíció, empirikus várható érték Empirikus
RészletesebbenBacktrack módszer (1.49)
Backtrack módszer A backtrack módszer kombatorkus programozás eljárás, mely emleárs függvéy mmumát keres feltételek mellett, szsztematkus kereséssel. A módszer előye, hogy csak dszkrét változókat kezel,
RészletesebbenValószínőségszámítás helye a tudományok között. Véletlen tömegjelenségek. Történeti áttekintés 1. Modellezés. Történeti áttekintés 3.
Valószíőségszámítás és statsztka elıadás Ifo. BSC B-C szakosokak 4/5. félév Zemplé Adrás zemple@ludes.elte.hu http://www.cs.elte.hu/~zemple/. elıadás: Bevezetés Irodalom, követelméyek A félév célja Valószíőségszámítás
RészletesebbenI. Függelék. A valószínűségszámítás alapjai. I.1. Alapfogalamak: A valószínűség fogalma: I.2. Valószínűségi változó.
I. Függelék A valószíűségszámítás alapjai I.1. Alapfogalamak: Véletle jeleség: létrejöttét befolyásoló összes téyezőt em ismerjük. Tömegjeleség: a jeleség adott feltételek mellett akárháyszor megismételhető.
RészletesebbenA felhasznált térfogalmak: lineáris tér (vektortér), normált tér, Banach tér, euklideszi-tér, Hilbert tér. legjobban közelítõ elem, azaz v u
Approxmácó Bevezetés A felhaszált térfogalmak: leárs tér (vektortér) ormált tér Baach tér eukldesz-tér Hlbert tér V ormált tér T V T kompakt halmaz Ekkor v V u ~ T legjobba közelítõ elem azaz v u ~ f {
RészletesebbenORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések!
ORVOSI STATISZTIKA Az orvos statsztka helye Élettan Anatóma Kéma Lehet kérdés?? Statsztka! Az orvos döntéseket hoz! Mkor jó egy döntés? Mennyre helyes egy döntés? Mekkora a tévedés lehetősége? Példa: test
Részletesebben1. A radioaktivitás statisztikus jellege
A radioaktivitás időfüggése 1. A radioaktivitás statisztikus jellege Va N darab azoos radioaktív atomuk, melyekek az atommagja spotá átalakulásra képes. tegyük fel, hogy ezek em bomlaak tovább. Ekkor a
RészletesebbenInformációs rendszerek elméleti alapjai. Információelmélet
Iformácós redszerek elmélet alaja Iformácóelmélet A forrás kódolása csatora jelekké 6.4.5. Molár Bált Beczúr Adrás NMMMNNMNfffyyxxfNNNNxxMNN verzazazthatóvsszaálímdeveszteségcsaakkorfüggvéykódolásaakódsorozat:eredméyekódolássorozatváltozó:forás
RészletesebbenA biostatisztika alapfogalmai, konfidenciaintervallum. Dr. Boda Krisztina PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet
A biostatisztika alapfogalmai, kofideciaitervallum Dr. Boda Krisztia PhD SZTE ÁOK Orvosi Fizikai és Orvosi Iformatikai Itézet Mitavétel ormális eloszlásból http://www.ruf.rice.edu/~lae/stat_sim/idex.html
RészletesebbenIzsák János. ELTE TTK Állatrendszertani és Ökológiai Tanszék. Kézirat
BIOSTATISZTIKAI ALAPISMERETEK Izsák Jáos ELTE TTK Állatredszerta és Ökológa Taszék Kézrat Budapest, 5 Tartalomjegyzék Előszó 4. Valószíűség vektorváltozók 6.. Bevezetés 6.. A többváltozós, specálsa kétváltozós
RészletesebbenAzonos névleges értékű, hitelesített súlyokból alkotott csoportok együttes mérési bizonytalansága
Azoos évleges értékű, htelesített súlyokból alkotott csoportok együttes mérés bzoytalasága Zeleka Zoltá* Több mérés feladatál alkalmazak súlyokat. Sokszor ezek em egyekét, haem külöböző társításba kombácókba
Részletesebbenbiometria III. foglalkozás előadó: Prof. Dr. Rajkó Róbert Hipotézisvizsgálat
Kísérlettervezés - biometria III. foglalkozás előadó: Prof. Dr. Rajkó Róbert u-próba Feltétel: egy ormális eloszlású sokaság σ variaciájáak számszerű értéke ismert. Hipotézis: a sokaság µ várható értéke
RészletesebbenTapasztalati eloszlás. Kumulált gyakorisági sorok. Példa. Értékösszegsor. Grafikus ábrázolás
Matemata statszta elıadás III. éves elemzı szaosoa 009/00. élév. elıadás Tapasztalat eloszlás Mde meggyeléshez (,,, ) / súlyt redel. Valószíőségeloszlás! Mtaátlag éppe ee az eloszlása a várható értée.
RészletesebbenFüggvénygörbe alatti terület a határozott integrál
Függvéygörbe alatt terület a határozott tegrál Tektsük az üggvéyt a ; tervallumo. Adjuk becslést a görbe az tegely és az egyees között síkdom területére! Jelöljük ezt a területet I-vel! A becslést legegyszerűbbe
RészletesebbenMérési adatok feldolgozása. 2008.04.08. Méréselmélet PE_MIK MI_BSc, VI_BSc 1
Mérés adatok feldolgozása 2008.04.08. Méréselmélet PE_MIK MI_BSc, VI_BSc Bevezetés A mérés adatok külöböző formába, általába ömlesztve jeleek meg Ezeket az adatokat külöböző szempotok szert redez kértékel
RészletesebbenA Secretary problem. Optimális választás megtalálása.
A Secretary problem. Optmáls választás megtalálása. A Szdbád problémáa va egy szté lasszusa tethető talá természetesebb vszot ehezebb változata. Ez a övetező Secretary problem -a evezett érdés: Egy állásra
Részletesebben) ( s 2 2. ^t = (n x 1)s n (s x+s y ) x +(n y 1)s y n x+n y. +n y 2 n x. n y df = n x + n y 2. n x. s x. + s 2. df = d kritikus.
Kétmtás t-próba ^t ȳ ( s +( s + + df + vag ha, aor ^t ȳ (s +s Welch-próba ^d ȳ s + s ( s + s df ( s ( s + d rtus t s (α, +t s (α, s + s Kofdecatervallum ét mta átlagáa ülöbségére SE s ( + s ( ±t (α,df
RészletesebbenMATEMATIKA I. KATEGÓRIA (SZAKKÖZÉPISKOLA)
O k t a t á s i H i v a t a l A 5/6 taévi Országos Középiskolai Taulmáyi Versey első forduló MATEMATIKA I KATEGÓRIA (SZAKKÖZÉPISKOLA) Javítási-értékelési útmutató A 5 olya égyjegyű szám, amelyek számjegyei
Részletesebben1. előadás: Bevezetés. Irodalom. Számonkérés. A valószínűségszámítás és a statisztika tárgya. Cél
Valószíűségszámítás és statsztka előadás fo. BSC/B-C szakosokak 1. előadás szeptember 13. 1. előadás: Bevezetés Irodalom, követelméyek A félév célja Valószíűségszámítás tárgya Törtéet Alapfogalmak Valószíűségek
RészletesebbenFELADATOK A KALKULUS C. TÁRGYHOZ
FELADATOK A KALKULUS C. TÁRGYHOZ. HALMAZOK RELÁCIÓK FÜGGVÉNYEK. Bizoyítsuk be a halmaz-műveletek alapazoosságait! 2. Legye adott az X halmaz legye A B C X. Ha A B := (A B) (B A) akkor bizoyítsuk be hogy
RészletesebbenEötvös Loránd Tudományegyetem Informatikai Kar. Analízis 1. Írásbeli beugró kérdések. Készítette: Szántó Ádám Tavaszi félév
Eötvös Lorád Tudomáyegyetem Iformatikai Kar Aalízis 1. Írásbeli beugró kérdések Készítette: Szátó Ádám 2011. Tavaszi félév 1. Írja le a Dedekid-axiómát! Legyeek A R, B R. Ekkor ha a A és b B : a b, akkor
RészletesebbenAZ OPTIMÁLIS MINTANAGYSÁG A KAPCSOLÓDÓ KÖLTSÉGEK ÉS BEVÉTELEK RELÁCIÓJÁBAN
AZ OPTIMÁLIS MINTANAGYSÁG A KAPCSOLÓDÓ KÖLTSÉGEK ÉS BEVÉTELEK RELÁCIÓJÁBAN Molár László Ph.D. hallgató Mskolc Egyetem, Gazdaságelmélet Itézet 1. A MINTANAGYSÁG MEGHATÁROZÁSA EGYSZERŐ VÉLETLEN (EV) MINTA
Részletesebben2. Hatványsorok. A végtelen soroknál tanultuk, hogy az. végtelen sort adja: 1 + x + x x n +...
. Függvéysorok. Bevezetés és defiíciók A végtele sorokál taultuk, hogy az + x + x + + x +... végtele összeg x < eseté koverges. A feti végtele összegre úgy is godolhatuk, hogy végtele sok függvéyt aduk
RészletesebbenStatisztika 1. zárthelyi dolgozat március 18.
Statisztika. zárthelyi dolgozat 009. március 8.. Ismeretle m várható értékű, szórású ormális eloszlásból a következő hatelemű mitát kaptuk:, 48 3, 3, 83 0,, 3, 97 a) Számítsuk ki a mitaközepet és a tapasztalati
RészletesebbenHajós György Versenyre javasolt feladatok SZIE.YMÉTK 2011
1 Molár-Sáska Gáboré: Hajós György Verseyre javasolt feladatok SZIE.YMÉTK 011 1. Írja fel a számokat 1-tıl 011-ig egymás utá! Határozza meg az így kapott agy szám 0-cal való osztási maradékát!. Az { }
RészletesebbenVÉLETLENÍTETT ALGORITMUSOK. 1.ea.
VÉLETLENÍTETT ALGORITMUSOK 1.ea. 1. Bevezetés - (Mire jók a véletleített algoritmusok, alap techikák) 1.1. Gyorsredezés Vegyük egy ismert példát, a redezések témaköréből, méghozzá a gyorsredezés algoritmusát.
RészletesebbenDr. Tóth Zsuzsanna Eszter Dr. Jónás Tamás Erdei János. Gazdaságstatisztika. II. rész A matematikai statisztika alapjai
Budapest Műszak és Gazdaságtudomáy Egyetem Gazdaság- és Társadalomtudomáy Kar Üzlet Tudomáyok Itézet Meedzsmet és Vállalatgazdaságta Taszék Dr. Tóth Zsuzsaa Eszter Dr. Jóás Tamás Erde Jáos Gazdaságstatsztka
RészletesebbenV. GYAKORLATOK ÉS FELADATOK ALGEBRÁBÓL
86 Összefoglaló gyaorlato és feladato V GYAKORLATOK ÉS FELADATOK ALGEBRÁBÓL 5 Halmazo, relácó, függvéye Bzoyítsd be, hogy ha A és B ét tetszőleges halmaz, aor a) P( A) P( B) P( A B) ; b) P( A) P ( B )
Részletesebben2. gyakorlat - Hatványsorok és Taylor-sorok
. gyakorlat - Hatváysorok és Taylor-sorok 9. március 3.. Adjuk meg az itt szereplő sorok kovergeciasugarát és kovergeciaitervallumát! + a = + Azaz a hatváysor kovergeciasugara. Az biztos, hogy a (-,) yílt
RészletesebbenVII. A határozatlan esetek kiküszöbölése
A határozatla esetek kiküszöbölése 9 VII A határozatla esetek kiküszöbölése 7 A l Hospital szabály A véges övekedések tétele alapjá egy függvéy értékét egy potba közelíthetjük az köryezetébe felvett valamely
Részletesebben2. METROLÓGIA ÉS HIBASZÁMíTÁS
. METROLÓGIA ÉS HIBASZÁMíTÁS. Metrológa alapfogalmak A metrológa a mérések tudomáya, a mérésekkel kapcsolatos smereteket fogja össze. Méréssel egy objektum valamlye tulajdoságáról számszerű értéket kapuk.
RészletesebbenStatisztikai próbák. Ugyanazon problémára sokszor megvan mindkét eljárás.
Statsztka próbák Paraméteres. A populácó paraméteret becsüljük, ezekkel számolunk.. Az alapsokaság eloszlására van kkötés. Nem paraméteres Nncs lyen becslés Nncs kkötés Ugyanazon problémára sokszor megvan
RészletesebbenProgramozási tételek. Elemi programozási tételek. (Sorozathoz érték rendelése)
Programozás tételek I. Elem programozás tételek (Sorozathoz érték redelése) Olya algortmusokat tárgyaluk meg, amelyek a programozás sorá redszerese előforduló feladatok megoldására kész választ adak. Ezeket
Részletesebben2012.03.01. Méréselmélet PE_MIK MI_BSc, VI_BSc 1
Mérés adatok feldolgozása 202.03.0. Méréselmélet PE_MIK MI_BSc, VI_BSc Bevezetés A mérés adatok külöböző formába, általába ömlesztve jeleek meg Ezeket az adatokat külöböző szempotok szert redez kértékel
RészletesebbenA heteroszkedaszticitásról egyszerûbben
Mûhely Huyad László kaddátus, egyetem taár, a Statsztka Szemle főszerkesztője A heteroszkedasztctásról egyszerûbbe E-mal: laszlo.huyad@ksh.hu A heteroszkedasztctás az ökoometra modellezés egyk kulcsfogalma,
RészletesebbenValószínűségszámítás és matematikai statisztika. Ketskeméty László
Valószíűségszámítás és matematka statsztka Ketskeméty László Budapest, 996 Tartalomjegyzék I. fejezet VALÓSZÍNŰSÉGSZÁMÍTÁS 4. Kombatorka alapfogalmak 5 Elleőrző kérdések és gyakorló feladatok 7. A valószíűségszámítás
RészletesebbenGeostatisztika c. tárgy a BSc földrajz alapszak hallgatóinak
Geostatsztka c. tárgy a BSc földrajz alapszak hallgatóak Dr. Szabó Norbert Péter egyetem taársegéd Geofzka Taszék e-mal: orbert.szabo.phd@gmal.com gfmal@u-mskolc.hu Tematka Adatredszerek, hsztogrammok
RészletesebbenNevezetes sorozat-határértékek
Nevezetes sorozat-határértékek. Mide pozitív racioális r szám eseté! / r 0 és! r +. Bizoyítás. Jelöljük p-vel, illetve q-val egy-egy olya pozitív egészt, melyekre p/q r, továbbá legye ε tetszőleges pozitív
RészletesebbenPopuláció. Történet. Adatok. Minta. A matematikai statisztika tárgya. Valószínűségszámítás és statisztika előadás info. BSC/B-C szakosoknak
Valószíűségszámítás és statisztika előadás ifo. BSC/B-C szakosokak 6. előadás október 16. A matematikai statisztika tárgya Következtetések levoása adatok alapjá Ipari termelés Mezőgazdaság Szociológia
RészletesebbenSztochasztikus tartalékolás és a tartalék függése a kifutási háromszög időperiódusától
Sztochasztkus tartalékolás és a tartalék függése a kfutás háromszög dőperódusától Faluköz Tamás Vtéz Ildkó Ibola Kozules: r. Arató Mklós ELTETTK Budapest IBNR kfutás háromszög IBNR: curred but ot reported
RészletesebbenAdatfeldolgozás, adatértékelés. Dr. Szűcs Péter, Dr. Madarász Tamás Miskolci Egyetem, Hidrogeológiai Mérnökgeológiai Tanszék
Adatfeldolgozás, adatértékelés Dr. Szűcs Péter, Dr. Madarász Tamás Mskolc Egyetem, Hdrogeológa Mérökgeológa Taszék A vzsgált köryezet elemek, lletve a felszí alatt közeg megsmerése céljából számtala külöböző
RészletesebbenRegresszió. Fő cél: jóslás Történhet:
Fő cél: jóslás Történhet: Regresszó 1 változó több változó segítségével Lépések: Létezk-e valamlyen kapcsolat a 2 változó között? Kapcsolat természetének leírása (mat. egy.) A regresszós egyenlet alapján
RészletesebbenElőző óra összefoglalása. Programozás alapjai C nyelv 3. gyakorlat. Karakter típus (char) Karakter konstansok. Karaktersorozatot lezáró nulla
Programozás alapja C yelv 3. gyakorlat Szeberéy Imre BME IIT Programozás alapja I. (C yelv, gyakorlat) BME-IIT Sz.I. 25..3.. -- Előző óra összefoglalása Algortmus leírása Sztaxs leírása
RészletesebbenHa n darab standard normális eloszlású változót négyzetesen összegzünk, akkor kapjuk a χ 2 - eloszlást: N
Krály Zoltá: Statsztka II. Bevezetés A paraméteres eljárások alkalmazásához, a célváltozóra ézve szgorú feltételek szükségesek (folytoosság, ormaltás, szóráshomogetás), ekkor a hpotézseket egy-egy paraméterre
RészletesebbenValószínűségszámítás. Ketskeméty László
Valószíűségszámítás Ketskeméty László Budapest, 996 Tartalomjegyzék I. fejezet VALÓSZÍNŰSÉGSZÁMÍTÁS 3. Kombatorka alapfogalmak 4 Elleőrző kérdések és gyakorló feladatok 6. A valószíűségszámítás alapfogalma
RészletesebbenAz átlagra vonatkozó megbízhatósági intervallum (konfidencia intervallum)
Az átlagra voatkozó megbízhatósági itervallum (kofidecia itervallum) Határozzuk meg körül azt az itervallumot amibe előre meghatározott valószíűséggel esik a várható érték (µ). A várható értéket potosa
RészletesebbenStatisztika I. 4. előadás. Előadó: Dr. Ertsey Imre
Statsztka I. 4. előadás Előadó: Dr. Ertsey Imre KÖZÉPÉRTÉKEK A statsztka sor általáos jellemzésére szolgálak, a statsztka sokaságot egy számmal jellemzk. Számított középértékek: matematka számítás eredméyekét
RészletesebbenMatematikai statisztika
Matematikai statisztika PROGRAMTERVEZŐ INFORMATIKUS alapszak, A szakiráy Arató Miklós Valószíűségelméleti és Statisztika Taszék Természettudomáyi Kar 2019. február 18. Arató Miklós (ELTE) Matematikai statisztika
RészletesebbenVEKTORGEOMETRIA. Mit nevezünk null vektornak? Olyan vektort, amelynek a nagysága (abszolút értéke) 0 és az iránya tetszőleges.
VEKTORGEOMETRIA Mt evezü vetora? Olya meységet, amelye ráya és agysága va. Mt evezü egységvetora? Olya vetort, amelye a agysága (abszolút értée). Mt evezü ull vetora? Olya vetort, amelye a agysága (abszolút
Részletesebben3. MINTAFELADATSOR EMELT SZINT JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ
Oktatáskutató és Fejlesztő Itézet TÁMOP-3.1.1-11/1-01-0001 XXI. századi közoktatás (fejlesztés, koordiáció) II. szakasz MATEMATIKA 3. MINTAFELADATSOR EMELT SZINT 015 JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ Oktatáskutató
RészletesebbenNUMERIKUS SOROK II. Ebben a részben kizárólag a konvergencia vizsgálatával foglalkozunk.
NUMERIKUS SOROK II. Ebbe a részbe kizárólag a kovergecia vizsgálatával foglalkozuk. SZÜKSÉGES FELTÉTEL Ha pozitív (vagy em egatív) tagú umerikus sor, akkor a kovergecia szükséges feltétele, hogy lim a
RészletesebbenVASBETON ÉPÜLETEK MEREVÍTÉSE
BUDAPET MŰZAK É GAZDAÁGTUDOMÁY EGYETEM Építőmérök Kar Hdak és zerkezetek Taszéke VABETO ÉPÜLETEK MEREVÍTÉE Oktatás segédlet v. Összeállította: Dr. Bód stvá - Dr. Farkas György Dr. Kors Kálmá Budapest,.
Részletesebben18. Differenciálszámítás
8. Differeciálszámítás I. Elméleti összefoglaló Függvéy határértéke Defiíció: Az köryezetei az ] ε, ε[ + yílt itervallumok, ahol ε > tetszőleges. Defiíció: Az f függvéyek az véges helye vett határértéke
RészletesebbenMegjegyzés: Amint már előbb is említettük, a komplex számok
1 Komplex sámok 1 A komplex sámok algeba alakja 11 Defícó: A komplex sám algeba alakja: em más, mt x y, ahol x, y R és 1 A x -et soktuk a komplex sám valós éséek eve, míg y -t a komplex sám képetes (vagy
RészletesebbenIntervallum Paraméteres Hipotézisek Nemparaméteres. Statisztika december 2.
Itervallum Paraméteres Hipotézisek Nemparaméteres Statisztika Hipotézisvizsgálat Székely Balázs 2010. december 2. Itervallum Paraméteres Hipotézisek Nemparaméteres Előadás vázlat 1 Itervallumbecslések
RészletesebbenEseményalgebra, kombinatorika
Eseméyalgebra, kombiatorika Eseméyalgebra Defiíció. Véletle kísérletek evezük mide olya megfigyelést, melyek több kimeetele lehetséges, és a véletletől függ, (azaz az általuk figyelembevett feltételek
Részletesebben