file:///l:/valsz%c3%a1mstatv%c3%a9gleges/bernoulli/introduction...
|
|
- Hanna Németh
- 7 évvel ezelőtt
- Látták:
Átírás
1 1 / :23 Virtuális laboratóriumo > 10. Bernoulli ísérlete > Bevezetés Alapelmélet A Bernoulli ísérlet folyamat, melyne névadója Jacob Bernoulli a valószínűségszámítás egyi legegyszerűbb, de egyben egyi legfontosabb véletlen ísérlet folyamata is. Lényegében a folyamat az érmefeldobás matematiai absztraciója, de szélesörű alalmazhatóságána öveteztében megállapodun abban, hogy ielégíti a övetező feltételeet: Minden ísérletne ét lehetséges imenetele van, melyeet a megbízhatóság vizsgálatából származó ifejezéseel sieresne és siertelenne nevezün. A ísérlete függetlene. Egyi ísérlet imenetele sem befolyásolja egy mási ísérlet imenetelét. Minden ísérletnél anna valószínűsége, hogy a ísérlet sieres p és anna valószínűsége, hogy siertelen 1 p. Valószínűségi változó Matematiailag a Bernoulli ísérleteet egy valszínűségi változó indiátor sorozatána teintjü: X = (X 1, X 2,...) Egy indiátor változó egy valószínűségi változó, amely csa az 1 vagy 0 értéet veszi fel aszerint, hogy a ísérlet sieres, vagy nem sieres. Az X j indiátor változó egyszerűen a j-edi ísérlet imeneteléne az eredménye. Így az indiátor változó függetlene és ugyanolyan eloszlású sűrűségfüggvénnyel rendelezne: P(X i = 1) =p, P(X i = 0) = 1 p Az ezen sűrűségfüggvény által definiált eloszlás Bernoulli eloszlás néven ismeretes. Statisztiai értelemben a Bernoulli ísérlete a Benoulli eloszlásból vett mintána felelne meg. Speciálisan, az első n (X 1, X 2,..., X n ) ísérlet a Bernoulli eloszlásból vett n elemű véletlen mintát alot. Megjegyezzü, hogy a Bernoulli ísérlete egy paraméterrel, a p valószínűséggel jellemezhető. 1. Felhasználva az alapfeltevéseet mutassu meg, hogy az első n ísérlet sűrűségfüggvénye az alábbi módon adható meg P(X 1 =x 1, X 2 =x 2,..., X n =x n ) =p (1 p) n, (x 1, x 1,..., x n ) {0, 1} n n ahol = i = 1 x i 2. Feltételezve, hogy X = (X 1, X 2,...) egy p paraméterű Bernoulli ísérlet, mutassu meg, hogy 1 X = (1 X 1, 1 X 2,...) egy 1 p paraméterű Bernoulli ísérlet. 3. Tételezzü fel, hogy U = (U 1, U 2,...) független valószínűségi változóna egy sorozata, mindegyi egyenletes eloszlású a [ 0, 1] intervallumon. p [ 0, 1] és i +, esetén legyen X i (p) =1(U i p) az {U i p} esemény indiátor változój Mutassu meg, hogy X(p) = (X 1 (p), X 2 (p),...) p paraméterű Bernoulli ísérlet. Megjegyezzü, hogy az előző gyaorlatban a Bernoulli ísérlete a p paraméter minden lehetséges értée esetén egy özös valószínűségi téren vanna definiálv A onstrució ezen típusára néha mint összeapcsolt ísérletere hivatozun. Ez a gyaorlat azt is mutatja, hogyan szimulálju a Benoulli ísérleteet véletlen számo segítségével. Az összes többi véletlen ísérlet (folyamat), amit ebben a fejezetben tanulmányozun a Bernoulli ísérletsorozatna a függvényei és ezért is tudju szimulálni. Momentumo A ésőbbi hivatozásohoz számítsu i a P(X = 1) = p paraméterű X általános indiátor változó várható értéét, varianciáját, és a valószínűség generáló függvényét.
2 2 / :23 4. Mutassu meg, hogy (X) =p. 5. Mutassu meg, hogy var(x) =p (1 p). 6. Mutassu meg, hogy (t X ) = (1 p) +p t, t. 7. Vázolju fel az 5. gyaorlatban a varianciát, mint p függvényét. Figyeljü meg, hogy a variancia aor a legnagyobb, amior p = 1 és aor a legisebb, amior p = 0 vagy p = 1. 2 Példá és alalmazáso Mint orábban megjegyeztü, a Bernoulli ísérlete egy ézenfevő pédája a pénzérmeísérlete, ahol a síer jelenti a fej, a siertelenség az írásdobást. A p paraméter a fejdobás valószínűsége(így általában az érme nem szabályos.). 8. Az alap érmeísérletben legyen n = 20 és p = 0.1. Végezzü el a ísérletet és figyeljü meg az eredményeet. Ismétlejü meg a ísérletet az alábbi értéeel: p {0.3, 0.5, 0.7, 0.9}. Általános példá Egy bizonyos értelemben a Bernoulli ísérlete legáltalánosabb példája aor fordul elő, amior egy ísérletet megismétlün. Speciálisan tételezzü fel, hogy van egy alapísérletün és egy A esemény érdeel minet. Tegyü fel, hogy egy összetett eseményt hozun létre, ami az alapísérlet független megismétléseiből áll. Azt mondju, hogy az i-edi ísérlet sieres, ha az A esemény beövetezi az i-edi ismétlésre és az i-edi ísérlet siertelen, ha az A esemény nem övetezi be az i -edi ismétlésre. Ez nyilvánvalóan egy p = P(A) Bernoulli ísérlet sorozatot definiál. Bernoulli ísérleteet dichotom populációból is alothatun. Speciálisan tételezzü fel, hogy van egy populáción, amelyne ét típusú imenetele van, amelyere 0-val és 1-gyel hívatozun. Például lehet szó személyről ai vagy férfi vagy nő, vagy egy alatrészről, ami vagy jó vagy hibás. Válasszun i n objetumot véletlenszerűen a populációból; definíció szerint ez azt jelenti, hogy ha egyszerre (visszatevés nélül) történi az eleme iválasztása, aor a populációban mindegyi objetum egyenlő valószínűséggel választható i. Ha a mintavétel visszatevéssel történi, aor mindegyi objetum a övetező húzás elött visszaerül a ihúzandó özé. Ebben az esetben az egymás utáni húzáso függetlene, így a mintában lévő objetumo típusai p paraméterű Bernoulli ísérletene egy sorozatát alotjá. Ez a paraméter a populációban lévő 1-es objetumtípusaina hányad Ha a mintavétel visszatevés nélüli, aor az egymás utáni húzáso nem függetlene, így a mintában lévő objetumo típusai nem alotjá Bernoulli ísérletene egy sorozatát. Azonban, ha a populáció mérete a mintavétel méretéhez viszonyítva nagy, a függőség elhanyagolható, így az összes gyaorlati tervben a mintában lévő objetumo típusai Bernoulli ísérlete sorozataént ezelhető. További diszusszió található a dichotom populációból való mintavételről a Véges elemű mintamodelle c. fejezetben. 9. Tételezzü fel, hogy egy hallgató többválaszos tesztet tölt i. A teszt 10 érdésből áll, melye mindegyiére 4 lehetséges válasz van (de csa 1 a helyes). Ha a hallgató vaon találgat mindegyi érdésnél, meg tudju úgy csinálni a érdéseet, hogy Bernoulli ísérletsorzatot apjun? Ha így áll a dolog, azonosítsu a ísérlet imeneteleit és a p paramétert! 10. Az A pályázó egy bizonyos örzetben indul a jelölésért. Húsz személyt iválasztotta a szavazó özül véletlenszerűen és megérdezté tőlü, vajon az A személyre szavazna-e. A válaszo alothatna-e Bernoulli ísérletsorozatot? Ha igen, azonosítsu a ísérlet imeneteleit és a p paramétert! 11. Egy ameriai rulettben 38 vájat van; 18 piros, 18 feete és 2 zöld. A játéos 15-ször rulettezi, minden egyes alalommal a pirosra fogadv A imenetele alothatna-e Bernoulli ísérletsorozatot? Ha igen, azonosítsu a ísérlet imeneteleit és a p paramétert! A Rulettet részletesebben a Szerencsejáté fejezetben elemezzü.
3 3 / : Két tenisz játéos 6 gémből álló meccset játszi. A imenetele alothatna-e Bernoulli ísérletsorozatot? Ha igen, azonosítsu a ísérlet imeneteleit és a p paramétert! Megbízhatóság Emléeztetün ara, hogy a szerezeti megbízhatóság standard modelljében a rendszer n omponensből áll, amelye egymástól függetlenül műödne. Jelölje X i az i-edi omponens állapotát, ahol 1 jelenti, hogy műödi, 0 jelenti, hogy hibás a omponens. Ha a omponense mindegyie ugyanolyan típúsú, aor alapfeltevésün, hogy az X = (X 1, X 2,..., X n ) állapot vetor Bernoulli ísérletene egy sorozat A rendszer állapota (ismét 1 jelenti, hogy műödi, 0 jelenti, hogy hibás a omponens) csa a omponense állapotától függ és így egy valószínűségi változó Y =s(x 1, X 2,..., X n ) ahol s : {0, 1} n {0, 1} a strutúra függvény. Általában anna valószínűsége, hogy az eszöz műödi, az eszöz megbízhatósága, így a Bernoulli ísérletsorozat p paramétere a omponense özös megbízhatóság A függetlenség miatt a rendszer megbízhatósága r a omponens megbízhatóságna egy függvénye: r(p) = P p (Y = 1), p [ 0, 1] ahol hangsúlyozzu a p paraméteren értelmezett P valószínűségi mező függetlenségét. Általában elég, ha ezt a függvényt, mint megbízhatósági függvényt ismerjü. Rendszerint az a feladatun, hogy megtalálju a megbízhatósági függvényt, és megtalálju a strutúrafüggvényt. 13. Emléeztetün arra, hogy egy soros rendszer aor és csa aor műödi, ha mindegyi omponense műödi. Mutassu meg, hogy a rendszer állapota Y =X 1 X 2 X n = min {X 1, X 2,, X n } Mutassu meg, hogy a megbíhatósági függvény r(p) =p n p [ 0, 1] esetén. 14. Emléeztetün arra, hogy egy párhuzamos rendszer aor és csa aor műödi, ha legalább az egyi omponense műödi. Mutassu meg, hogy a rendszer állapota Y = 1 (1 X 1 ) (1 X 2 ) (1 X n ) = max {X 1, X 2,, X n } Mutassu meg, hogy a megbízhatósági függvény r(p) = 1 (1 p) n p [ 0, 1] esetén. Emléeztetün arra, hogy néhány esetben a rendszert reprezentálhatju, mint egy gráfot vagy hálózatot. Az éle a omponenseet, a csúcso a omponense özötti apcsolatoat reprezentáljá. A rendszer aor és csa aor műödi, ha létezi ét ijelölt csúcs özött műödő útvonal, amelyeet a-val és b-vel jelölün. 15. Adju meg az alábbi Wheatstone híd hálózatána megbízhatóságát (a névadó Charles Wheatstone) Összegyűjtött vérvizsgálat
4 4 / :23 Tételezzü fel, hogy egy populációban minden személy, egymástól függetlenül p valószínűséggel rendelezi egy bizonyos betegséggel. Így, a betegséget illetően a populációban lévő személye Bernoulli ísérletsorozatot alotna. A betegséget egy vérvizsgálattal lehet azonosítani, amine természetesen öltsége van. Egy létszámú csoport ( > 1 ) esetén ét stratégiát övethetün. Az első szerint minden személyt megvizsgálun egyenént, s ezért személyt ell vizsgálnun, s így vérvizsgálatot ell végeznün. A másodi stratégia szerint összegyűjtjü a személy vérmintáját és először együtt vizsgálju (egyetlen egy teszttel). Feltételezzü, hogy a teszt eredménye aor és csa aor negatív, ha a személy mindegyie egészséges. Ebben az esetben egy teszt elvégzése szüséges. Másrészről a teszt eredménye aor és csa pozitív, ha legalább egy személy beteg, eor egyenént tesztelni ell a személyeet. Ennél a stratégiánál + 1 teszt végrehajtása szüséges. Jelölje Y az összegyüjtött stratégia esetén a szüséges teszte számát. 16. Mutassu meg, hogy c. P(Y = 1) = (1 p), P(Y =+1) = 1 (1 p). (Y) = 1 + (1 (1 p) ). var(y) = 2 (1 p) (1 (1 p) ). 17. Mutassu meg, hogy várható értében megadva az összegyűjtött stratégia aor és csa aor jobb, mint az alapstratégia, ha p < 1 1 A p = 1 ( 1 1 ) ritius érté ábráját, mint [ 2, 20] -na a függvényét mutatja az alábbi ábra: Mutassu meg, hogy p maximális értée = 3 esetén van, és p p 0 ha. A 18. gyaorlatból övetezi, hogy ha p 0.307, aor az összegyűjtésne nincs értelme, teintet nélül a csoport méretére. A mási szélsőséges esetben, ha p nagyon icsi, a betegség igen rita, az összegyűjtés jobb, ivéve, ha a csoportméret nagyon nagy. Most tételezzü fel, hogy n személyün van. Ha n aor tudun csinálni részpopulációat, n csoport van és mindegyi csoportban személy. Alalmazzu az összegyüjtött stratégiát mindegyi csoportr Megjegyezzü, hogy = 1 megfelelel egyetlen egy tesztne és = n megfelelel a teljes populációra vonatozó összegyűjtött stratégiána. Jelölje Y i az i csoporthoz szüséges teszte számát. 19. Bizonyítsi be, hogy (Y 1, Y 2,..., Y n / ) függetlene és mindegyiü a 16. gyaorlatban megadott eloszlással rendelezi.
5 5 / :23 Az ehhez szüséges teszte teljes számára az alábbi terv érvényes Z n, =Y 1 +Y 2 + +Y n / 20. Mutassu meg, hogy a teszte teljes számána várható értée n, = 1 (Z n, ) = n (1 p), > Mutassu meg, hogy a teszte teljes számána varianciája var(z n, ) = 0, = 1 n (1 p) (1 (1 p) ), > 1 Így, a várható értéel apcsolatban az optimális stratégia a populáció felosztása n darab fős csoportra, ahol a 20. gyaorlatban definiált függvényt minimalizálj Igen nehéz optimális értéére zárt formulát adni, de ez az érté numeriusan meghatározható onrét n és p értéere. 22. n és p övetező értéeire adju meg az optimális összegyűjtéshez a értéet és a teszte várható számát. (Szorítozzun azon értéeire, amelye osztjá n értéét!) c. n = 100, p = n = 1000, p = n = 1000, p = Ha nem osztója n-ne, aor az n személyből álló populációt n / csoportra bontju személyt téve mindegyi csoportba és a maradé csoport n mod személyből áll. Ez nyilvánvalóan bonyolítja az elemzést, de nem vezet be új ötletet, így enne az esetne a vizsgálatát az érdelődő olvasóra bízzu. Virtuális laboratóriumo > 10. Bernoulli ísérlete > Tartalom Applete Adathalmazo Életrajzo Külső forrásmuná Kulcsszava Visszacsatolás
5 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
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
RészletesebbenLegfontosabb bizonyítandó tételek
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
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 :
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
Részletesebben6. Bizonyítási módszerek
6. Bizonyítási módszere I. Feladato. Egy 00 00 -as táblázat minden mezőjébe beírju az,, 3 számo valamelyiét és iszámítju soronént is, oszloponént is, és a ét átlóban is az ott lévő 00-00 szám öszszegét.
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
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.
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
Részletesebben4. A negatív binomiális eloszlás
1 / 7 2011.03.17. 14:27 Virtuális laboratóriumok > 10. Bernoulli kísérletek > 1 2 3 4 5 6 4. Alapelmélet Tételezzük fel, hogy a véletlen kísérletünk, amit végrehajtunk Bernoulli kísérleteknek egy X = (X
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:
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:
Részletesebben24. Kombinatorika, a valószínűségszámítás elemei
4. Kombiatoria, a valószíűségszámítás elemei Kombiatoria A véges halmazoal foglalozó tudomáyterület. Idő hiáyába csa a evezetes összeszámolásoal foglalozu. a) Sorbaállításo (ermutáció) alafeladat: ülöböző
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
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
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
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,
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
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,
Részletesebben1. Fourier-sorok. a 0 = 1. Ennek a fejezetnek a célja a 2π szerint periodikus. 1. Ha k l pozitív egészek, akkor. (a) cos kx cos lxdx = 1 2 +
. Fourier-soro. Bevezet definíció Enne a fejezetne a célja, hogy egy szerint periodius függvényt felírjun mint trigonometrius függvényeből épzett függvénysorént. Nyilván a cos x a sin x függvénye szerint
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.
RészletesebbenValószínűségszámítás feladatok
Valószínűségszámítás feladato A FELADATOK MEGOLDÁSAI A 0. FELADAT UTÁN TALÁLHATÓK.. Egyszerre dobun fel három érmét. Mi anna a valószínűsége, hogy mindegyine ugyanaz az oldala erül felülre?. Két dobóocát
Részletesebben13. Előadás. 1. Aritmetikai Ramsey-elmélet (folytatás)
Diszrét Matematia MSc hallgató számára 13. Előadás Előadó: Hajnal Péter Jegyzetelő: Virágh Zita 010. december 13. 1. Aritmetiai Ramsey-elmélet (folytatás) Eddig megemlített Ramsey-tételeet a övetező táblázatban
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)
RészletesebbenA szita formula és alkalmazásai. Gyakran találkozunk az alábbi kérdéssel, sokszor egy összetett feladat részfeladataként.
A szta formula és alalmazása. Gyaran találozun az alább érdéssel, soszor egy összetett feladat részfeladataént. Tentsün bzonyos A 1,...,A n eseményeet, és számítsu anna a valószínűségét, hogy legalább
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
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 10 X. SZIMULÁCIÓ 1. VÉLETLEN számok A véletlen számok fontos szerepet játszanak a véletlen helyzetek generálásában (pénzérme, dobókocka,
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
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,
RészletesebbenMatematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása
Matematikai alapok és valószínőségszámítás Statisztikai becslés Statisztikák eloszlása Mintavétel A statisztikában a cél, hogy az érdeklõdés tárgyát képezõ populáció bizonyos paramétereit a populációból
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,
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
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
RészletesebbenA Statisztika alapjai
A Statisztika alapjai BME A3c Magyar Róbert 2016.05.12. Mi az a Statisztika? A statisztika a valóság számszerű információinak megfigyelésére, összegzésére, elemzésére és modellezésére irányuló gyakorlati
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:
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
Részletesebben[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria 2016.02.29. A statisztika típusai Leíró jellegű statisztika: összegzi egy adathalmaz jellemzőit. A középértéket jelemzi (medián, módus, átlag) Az adatok változékonyságát
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
RészletesebbenValószínőségszámítás feladatok A FELADATOK MEGOLDÁSAI A 21. FELADAT UTÁN TALÁLHATÓK.
Valószínőségszámítás feladato A FELADATOK MEGOLDÁSAI A 2. FELADAT UTÁN TALÁLHATÓK.. Egyszerre dobun fel három érmét. Mi anna a valószínősége, hogy mindegyine ugyanaz az oldala erül felülre? 2. Két teljesen
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,
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
RészletesebbenKiegészítő részelőadás 2. Algebrai és transzcendens számok, nevezetes konstansok
Kiegészítő részelőadás. Algebrai és transzcendens számo, nevezetes onstanso Dr. Kallós Gábor 04 05 A valós számo ategorizálása Eml. (óori felismerés): nem minden szám írható fel törtszámént (racionálisént)
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,
RészletesebbenKÖVETKEZTETŐ STATISZTIKA
ÁVF GM szak 2010 ősz KÖVETKEZTETŐ STATISZTIKA A MINTAVÉTEL BECSLÉS A sokasági átlag becslése 2010 ősz Utoljára módosítva: 2010-09-07 ÁVF Oktató: Lipécz György 1 A becslés alapfeladata Pl. Hányan láttak
RészletesebbenHipotézis vizsgálatok
Hipotézis vizsgálatok Hipotézisvizsgálat Hipotézis: az alapsokaság paramétereire vagy az alapsokaság eloszlására vonatkozó feltevés. Hipotézis ellenőrzés: az a statisztikai módszer, amelynek segítségével
RészletesebbenDigitál-analóg átalakítók (D/A konverterek)
1.Laboratóriumi gyaorlat Digitál-analóg átalaító (D/A onvertere) 1. A gyaorlat célja Digitál-analóg onvertere szerezeti felépítése, műödése, egy négy bites DAC araterisztiájána felrajzolása, valamint az
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
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 4 IV. MINTA, ALAPsTATIsZTIKÁK 1. MATEMATIKAI statisztika A matematikai statisztika alapfeladatát nagy általánosságban a következőképpen
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
RészletesebbenBAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.
BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011. 1 Mérési hibák súlya és szerepe a mérési eredményben A mérési hibák csoportosítása A hiba rendűsége Mérési bizonytalanság Standard és kiterjesztett
RészletesebbenMatematikai alapok és valószínőségszámítás. Valószínőségi eloszlások Binomiális eloszlás
Matematikai alapok és valószínőségszámítás Valószínőségi eloszlások Binomiális eloszlás Bevezetés A tudományos életben megfigyeléseket teszünk, kísérleteket végzünk. Ezek többféle különbözı eredményre
RészletesebbenNeurális hálózatok. Nem ellenőrzött tanulás. Pataki Béla. BME I.E. 414,
Neurális hálózato Nem ellenőrzött tanulás Patai Béla BME I.E. 414, 463-26-79 patai@mit.bme.hu, http://www.mit.bme.hu/general/staff/patai Nem ellenőrzött tanulás (Klaszterezés ) Az eseteet szoásos módon
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:
RészletesebbenStatisztika I. 8. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 8. előadás Előadó: Dr. Ertsey Imre Minták alapján történő értékelések A statisztika foglalkozik. a tömegjelenségek vizsgálatával Bizonyos esetekben lehetetlen illetve célszerűtlen a teljes
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
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
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
RészletesebbenFélévi időbeosztás (nagyjából) házi feladat beadási határidőkkel (pontosan) Valószínűségszámítás 2., 2012 tavasz
Félévi időbeosztás (nagyjából) házi feladat beadási határidőel (pontosan) Valószínűségszámítás, 1 tavasz Dátum Téma Beadandó Feb 8 Sze Alapfogalma és eszözö Feb 15 Sze Konvolúció (normális, Cauchy, exponenciális)
RészletesebbenNormális eloszlás tesztje
Valószínűség, pontbecslés, konfidenciaintervallum Normális eloszlás tesztje Kolmogorov-Szmirnov vagy Wilk-Shapiro próba. R-funkció: shapiro.test(vektor) balra ferde eloszlás jobbra ferde eloszlás balra
RészletesebbenIII. FOLYTONOS OPTIMALIZÁCIÓ
III FOLYTONOS OPTIMALIZÁCIÓ El szó Ebben a részben a folytonos optimalizáció néhány területét teintjü át Az elso ötetbe a játéelmélettel foglalozó nyolcadi fejezet erült: ebben a fejezetben a véges játéoat,
RészletesebbenFurfangos fejtörők fizikából
Furfangos fejtörő fiziából Vigh Máté ELTE Komple Rendszere Fiziája Tanszé Az atomotól a csillagoig 03. április 5. . Fejtörő. A,,SLINKY-rugó'' egy olyan rugó, melyne nyújtatlan hossza elhanyagolhatóan icsi,
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
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,
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:
RészletesebbenGAZDASÁGI MATEMATIKA II. VALÓSZÍNŰSÉGSZÁMÍTÁS
Heller Faras Gazdasági és Turisztiai Szolgáltatáso Főisolája Levelező tagozat GAZDASÁGI MATEMATIKA II. VALÓSZÍNŰSÉGSZÁMÍTÁS Gyaorló feladato Összeállította: Kis Márta és Zombori Natasa Kedves Hallgató!
Részletesebben6. Előadás. Vereb György, DE OEC BSI, október 12.
6. Előadás Visszatekintés: a normális eloszlás Becslés, mintavételezés Reprezentatív minta A statisztika, mint változó Paraméter és Statisztika Torzítatlan becslés A mintaközép eloszlása - centrális határeloszlás
Részletesebbenbiometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás
Kísérlettervezés - biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás A matematikai-statisztika feladata tapasztalati adatok feldolgozásával segítséget nyújtani
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.
RészletesebbenStatisztikai becslés
Kabos: Statisztika II. Becslés 1.1 Statisztikai becslés Freedman, D. - Pisani, R. - Purves, R.: Statisztika. Typotex, 2005. Reimann J. - Tóth J.: Valószínűségszámítás és matematikai statisztika. Tankönyvkiadó,
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
RészletesebbenA teveszabály és alkalmazásai
A teveszabály és alalmazásai Tuzso Zoltá, Széelyudvarhely Godolá-e valai, hogy a matematiáa lehete-e valami öze a tevéhez? Ha em aor a továbbiaba meggyzzü errl, mégpedig arról, hogy a matematiába ige is
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
RészletesebbenAdatok statisztikai értékelésének főbb lehetőségei
Adatok statisztikai értékelésének főbb lehetőségei 1. a. Egy- vagy kétváltozós eset b. Többváltozós eset 2. a. Becslési problémák, hipotézis vizsgálat b. Mintázatelemzés 3. Szint: a. Egyedi b. Populáció
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. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése
4. A modell érvényességének ellenőrzése STATISZTIKA 4. Előadás Variancia-analízis Lineáris modellek 1. Függetlenség 2. Normális eloszlás 3. Azonos varianciák A maradék független a kezelés és blokk hatástól
RészletesebbenALÁÍRÁS NÉLKÜL A TESZT ÉRVÉNYTELEN!
A1 A2 A3 (8) A4 (12) A (40) B1 B2 B3 (15) B4 (11) B5 (14) Bónusz (100+10) Jegy NÉV (nyomtatott nagybetűvel) CSOPORT: ALÁÍRÁS: ALÁÍRÁS NÉLKÜL A TESZT ÉRVÉNYTELEN! 2011. december 29. Általános tudnivalók:
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
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.
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
RészletesebbenVillamosmérnök A4 11. hét Kétdimenziós normális eloszlás, cht - Megoldások
Villamosmérnök A 11. hét Kétdimenziós normális eloszlás, cht - Megoldások Kétdimenziós normális összefoglalás Egy kétdimenziós X, Y valószínűségi változó kovariancia mátrixa: VarX CovX, Y CovX, Y VarY
RészletesebbenFüggvények hatványsorba fejtése, Maclaurin-sor, konvergenciatartomány
Függvénye hatványsorba fejtése, Maclaurin-sor, onvergenciatartomány Taylor-sor, ) Állítsu elő az alábbi függvénye x helyhez tartozó hatványsorát esetleg ülönféle módszereel) éa állapítsu meg a hatványsor
RészletesebbenA valószínűségszámítás elemei
Alapfogalmak BIOSTATISZTIKA ÉS INFORMATIKA A valószínűségszámítás elemei Jelenség: minden, ami lényegében azonos feltételek mellett megismételhető, amivel kapcsolatban megfigyeléseket lehet végezni, lehet
RészletesebbenMATEMATIKA HETI 5 ÓRA. IDŐPONT: 2010. Június 4.
EURÓPAI ÉRETTSÉGI 2010 MATEMATIKA HETI 5 ÓRA IDŐPONT: 2010. Június 4. A VIZSGA IDŐTARTAMA: 4 óra (240 perc) ENGEDÉLYEZETT SEGÉDESZKÖZÖK : Európai képletgyűjtemény Nem programozható, nem grafikus kalkulátor
RészletesebbenBevezetés. 1. előadás, 2015. február 11. Módszerek. Tematika
Bevezetés 1. előadás, 2015. február 11. Zempléni András Valószínűségelméleti és Statisztika Tanszék Természettudományi Kar Eötvös Loránd Tudományegyetem Áringadozások előadás Heti 2 óra előadás + 2 óra
RészletesebbenStatisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1.
Statisztika I. 4. előadás Mintavétel http://uni-obuda.hu/users/koczyl/statisztika1.htm Kóczy Á. László KGK-VMI koczy.laszlo@kgk.uni-obuda.hu Sokaság és minta Alap- és mintasokaság A mintasokaság az a részsokaság,
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
Részletesebben( 1) i 2 i. megbízhatóságú a levont következtetése? A matematikai statisztika eszközeivel értékelje a kapott eredményeket!
1. Név:......................... Egy szabályos pénzérmét feldobunk, ha az els½o FEJ az i-edik dobásra jön, akkor a játékos nyereménye ( 1) i i forint. Vizsgálja szimulációval a játékot, különböz½o induló
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.
RészletesebbenBiometria, haladó biostatisztika EA+GY biometub17vm Szerda 8:00-9:00, 9:00-11:00 Déli Tömb 0-804, Lóczy Lajos terem
Biometria, haladó biostatisztika EA+GY biometub17vm Szerda 8:00-9:00, 9:00-11:00 Déli Tömb 0-804, Lóczy Lajos terem Előadások-gyakorlatok 2018-ban (13 alkalom) IX.12, 19, 26, X. 3, 10, 17, 24, XI. 7, 14,
Részletesebben1. előadás: Bevezetés. Számonkérés. Irodalom. Valószínűségszámítás helye a tudományok között. Cél
Valószíűségszámítás előadás formata BSC/ szaosoa és matemata elemző BSC-see 2015/2016 1. félév Zemplé drás zemple@ludes.elte.hu http://www.cs.elte.hu/~zemple/ 1. előadás: Bevezetés Irodalom, övetelméye
RészletesebbenOsztályozóvizsga követelményei
Osztályozóvizsga követelményei Képzés típusa: Tantárgy: Nyolcosztályos gimnázium Matematika Évfolyam: 12 Emelt óraszámú csoport Emelt szintű csoport Vizsga típusa: Írásbeli Követelmények, témakörök: Emelt
RészletesebbenStatisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1.
Statisztika I. 4. előadás Mintavétel http://uni-obuda.hu/users/koczyl/statisztika1.htm Kóczy Á. László KGK-VMI koczy.laszlo@kgk.uni-obuda.hu Sokaság és minta Alap- és mintasokaság A mintasokaság az a részsokaság,
Részletesebben1. Hányféle sorrendben vonulhat ki a pályára egy focimeccsen a tizenegy kezdő játékos?
Valószínűségszámítás, földtudomány alapszak, 2015/2016. őszi félév 1. Hányféle sorrendben vonulhat ki a pályára egy focimeccsen a tizenegy kezdő játékos? 2. Két tizenhárom fős vízilabdacsapat mérkőzik
Részletesebben6. HMÉRSÉKLETMÉRÉS. A mérés célja: ismerkedés a villamos elven mköd kontakthmérkkel; exponenciális folyamat idállandójának meghatározása.
6. HMÉRSÉKLETMÉRÉS A mérés célja: ismeredés a villamos elven möd ontathmérel; exponenciális folyamat idállandójána meghatározása. Elismerete: ellenállás hmérséletfüggése; ellenállás és feszültség mérése;
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:
RészletesebbenFELADATOK a Bevezetés a matematikába I tárgyhoz
FELADATOK a Bevezetés a matematiába I tárgyhoz a számítástechia taár főisolai és a programozó matematius szao számára 2004 ovember 4 FIGYELEM: a számtech szaosoa csa a övetező feladato ellee: 2,6,7,8,9-13,16-25,27,31-33
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,
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
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
RészletesebbenValó szí nű sé gi va ltózó, sű rű sé gfű ggvé ny, élószla sfű ggvé ny
Való szí nű sé gi va ltózó, sű rű sé gfű ggvé ny, élószla sfű ggvé ny Szűk elméleti összefoglaló Valószínűségi változó: egy függvény, ami az eseményteret a valós számok halmazára tudja vetíteni. A val.
Részletesebben