Összetett hálózatok a híradástechnikában

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Összetett hálózatok a híradástechnikában"

Átírás

1 Összetett hálózatok a híradástechnikában Horváth Árpád <horvath.arpad@arek.uni-obuda.hu> 03. december 4.. Híradástechnikai példák. példa: A telefonhálózat El ször minden telefont összekötöttek. Kés bb telefontközpontok (Puskás Tivadar, Bell), majd azok hierarchikus rendszere. Telefonvonalak terheltsége A telefonvonalak terheltségében egy másik hálózatnak van szerepe, a telefonálók hálózatának, ki kivel milyen gyakran telefonál. A tarifák meghatározásánál ezt is érdemes gyelembe venni.. példa: Internet 950-es évek, hidegháború, amerikai védelmi minisztérium (DoD) igény atombombát túlélni képes irányítási hálózatra Paul Baran javaslata, csomagkapcsolat megoldás a h b c d e f AT&T javaslatára elvetették, csak 968-ban alkottak ilyet. Az Internet fejl dése már nem központilag irányított. g

2 Internet: autonóm rendszerek Az Internet sok független hálózat által alkotott nagyobb hálózat. Ezek a független hálózatok saját maguk határozzák meg, hogy belül hogyan juttatják célba a csomagokat az útválasztóik (router). A teljes Interneten egy azonosítóval rendelkeznek, ezalapján történik a csomagokat. Szabványos protokoll írja le, hogyan történik a megállapodás a csomagok továbbítási irányáról. Egy üzenet egyes csomagjai külön-külön útvonalon is utazhatnak. Az Internetet autonóm-rendszerek szintjén fogjuk vizsgálni laboron: egy csúcs egy autonóm rendszer. Az Internet kialakulásáról és az autonóm rendszerekr l b vebben például Tanenbaum-Whetherall: Számítógép-hálózatok könyvében olvashatnak. 3. példa: Web A Világháló az Internet egyik alkalmazása. Az eddig említett hálózatokkal szemben irányított: a hivatkozott és a hivatkozó oldal szerepe eltér a kapcsolatban. Az európai részecskezikai kutatóközpontban, a CERN-ben fejlesztette ki Tim-Berners Lee 989- ben. 999-ben Barabási Albert-Lászlóék vizsgálták a szerkezetét, és megállapították annak skálafüggetlen (nemsokára lesz) jellegét. Laborgyakorlat A laboron a Python nyelv igraph és cxnet moduljával fogunk vizsgálni hálózatokat. Most csak az elméletét érintjük kisebb hálózatok példáján. Ugyancsak a Python nyelv felhasználásával fogunk megismerkedni a digitális információátviteli lánccal (tömörítés, hibajelzés/hibajavítás), harmonikus függvények összetételével, és a jelek spektrumával. Érdemes lehet otthon a Pythonnal ismerkedni. 3-as verzióval. (pl as) python.org. Alapfogalmak.. Hálózatok, távolság, átmér, komponens Összetett hálózatok Nagyobb gráfok összetett tulajdonságokkal. csúcs él 5 fokszámú csúcs csomópont (nagy fokszám)

3 Összetett hálózatok (complex networks) Hálózatok gráfok, vagy azok id ben változó sorozata Összetett hálózatok: szerkezetük nem írható le egyszer en. Példák hálózatokra hálózat csúcsok él van ha... ir. ismeretségi h. személyek találkoztak Világháló weboldalak van köztük link Internet routerek van vezeték közöttük cikkek h. cikkek hivatkozik a másikra fehérjeh. fehérjék közös kölcsönhatásban részt vesznek szavak h. szavak ha szerepelnek együtt a szinonímaszótárban színészek h. színészek szerepeltek közös lmben Átmér Útvonal hossza, a benne szerepl élek száma. Az út hossza. Két csúcs távolsága: a közöttük vezet legrövidebb út hossza. d(, 3) = mert van közöttük három hosszúságú út, de rövidebb nincsen deníció. Hálózat átmér je Határozzuk meg az összes csúcspár esetén a köztük lév távolságot. Ezeknek a távolságoknak a maximuma a hálózat átmér je. D = max d(i, j) i j 5 Átmér b b c c a a d e d e f D =. Bármelyik kett távolsága legfeljebb 4, és az alsó és fels között pontosan annyi. f D =. Bármelyik kett között mehetünk a középen lév n keresztül kett hosszúságún, de egy hosszúságú út nincsen például az alsó és a fels között. Átmér 3

4 a h b c d e D =. f g Komponensek Irányítatlan hálózaté A hálózat három (összefügg ) komponenst tartalmaz: egy komponensbe tartoznak azok a csúcsok, amelyek között van útvonal. Komponensek Irányított hálózaté A hálózat három gyengén összefügg komponenst tartalmaz: ennél nem vesszük gyelembe a csúcsok irányát. Az azonosan színezett csúcsok egy er sen összefügg komponensbe tartoznak: itt bármely csúcsból a nyilak irányában el kell tudni érni bármelyik másikat... A fokszámok, skálafüggetlenség, hálózatmodellek A fokszám. deníció. A hálózat egy csúcsának fokszáma (degree) alatt a hozzá csatlakozó élek számát értem. Ha nem engedek meg többszörös éleket és a kiinduló csúcsba visszatér hurokéleket, akkor ez a szomszédok számát is megadja. Irányított hálózatok esetén külön értelmezhetünk befokszámot (a nyilak hegyét számoljuk meg), és kifokszámot a nyilak kezd pontját számoljuk meg. 4

5 k be,7 = k ki,7 = k 7 = Kapcsolat a hálózatok alapvet tulajdonságai között Az éleknek kép végpontja van, tehát minden egyes él kett csúcs fokszámát növeli meg. Az átlagos fokszám: Be-fokszám esetén az átlagos fokszám: Ki-fokszám esetén szintén. k = M N k be = M N Példák Mekkora az ábrán látható hálózatban az átlagfokszám, az átlagos kifokszám és az átlagos befokszám, a maximális és minimális fokszám, 3 4 a maximális befokszám és maximális kifokszám? Erd s Pál és Rényi Alfréd Véletlen hálózatok Véletlen hálózatok Erd s Pál és Rényi Alfréd vizsgálta 959-t l. 5

6 Véletlen hálózatoknál adott egy N csúcsszám és egy p valószín ség. Végigmegyek az összes csúcspáron és p valószín séggel élt húzok közéjük. Élek száma és átlagfokszám a véletlen hálózatokban Ha a hálózat teljes hálózat lenne, benne M teljes = N(N ) él lenne. (Minden csúcsból N él, de akkor mindet kétszer számoltam.) Élek várható száma a véletlen hálózatban: E(M v ) = p N(N ) p N ha N nagy Az átlagfokszám várható értéke: E( k ) = p(n ) p N ha N nagy Az utóbbi összefüggés kétféleképpen is származtatható. Az egyszer bb módszer, hogy megnézzük hány él futhatna ki maximálisan egy csúcsból: ha teljes lenne a hálózat, akkor egy csúcs az összes többi N csúccsal össze lenne kötve. Ha p valószín séggel választjuk ki az éleket, akkor nyilván p(n ) fog ezek közül létezni átlagosan, így az átlagfokszám ennyi lesz. A másik lehet ség, ha az átlagfokszám kiszámításának k = M/N képletébe behelyettesítem a várható értékét az élek számának a véletlen hálózatban. A fokszámeloszlás 3. deníció. A p(k) fokszámeloszlás (degree distribution) egy olyan függvény, amely az egyes k fokszámokhoz hozzárendeli annak a valószín ségét, hogy egy véletlenszer en kiválasztott csúcs k fokszámú, azaz p(k) = P rob(véletlen csúcs fokszáma = k) Példák Megoldás a végén. Az ábrán látható hálózat fokszámeloszlása: k N k p(k) Két hálózatmodell eloszlása (darabszám) 6

7 Két eltérő modellből származó hálózat fokszámeloszlása Barabási-Albert modell (m=3) Erdős-Rényi modell (p=0,006) p(k) valószínűség csúcsok száma 0000 átlagos fokszám kb k fokszám A valódi hálózatoknál általában nem az Erd srényi modell fokszámeloszlását tapasztalták. Az eloszlás fontos lehet a hálózaton történ folyamatok (vírusterjedés, meghibásodás, célzott támadás, hírek terjedése) és hatásaik szempontjából. Vajon hogyan jön létre egy hálózat? A hálózatok kialakulása. A hálózat növekszik.. Népszer ségi csatlakozás: a nagyobb fokszámú csúcshoz nagyobb valószín séggel csatlakoznak. A BarabásiAlbert modell szerint egy tetsz leges kezd hálózatból indulunk ki. Minden lépésben egy új csúcs keletkezik, és adott m számú éllel kapcsolódik a régi csúcsokhoz. A kapcsolódás valószín sége arányos a fokszámmal. Barabási Albert-László, a Behálózva cím könyve és Albert Réka 7

8 Az élek száma a BA-modellben A BarabásiAlbert-modellben az élek száma minden lépésben m-mel növekszik. Ha kezdetben N 0 csúcs volt, és M 0 él, akkor N N 0 lépést kellett végrehajtani, amiben (N N 0 )m él jött létre, tehát az élek száma M = M 0 + (N N 0 )m Ha a végén a csúcsok száma jóval nagyobb, mint kezdetben, akkor jó közelít értéket kaphatunk az képletb l. M m N Tehát az átlagos fokszám k = M N m Ez nem meglep, hiszen minden lépésben m élvég jön létre..3. Az összegzett fokszámeloszlás Az összegzett fokszámeloszlás 4. deníció. A P (k) összegzett fokszámeloszlás (cumulative degree distribution) egy olyan függvény, amely az egyes k fokszámokhoz hozzárendeli annak a valószín ségét, hogy egy véletlenszer en kiválasztott csúcs fokszáma nagyobb vagy egyenl mint k, azaz Kevésbé ugrál nagy fokszámoknál. P (k) = P rob(véletlen csúcs fokszáma k) Ha az eredeti p(k) hatványfüggvény, akkor a P (k) is az lesz. A kitev eggyel kisebb abszolútérték lesz. A hatványfüggvény kétszer logaritmikus skálán egyenes. 8

9 Néhány hálózat összegzett fokszámeloszlása (a) matematikai együttmûködések (b) hivatkozások (c) World Wide Web (d) Internet Az el z oldalon a következ k szerepelnek. Matematikusok együttm ködkése (közös cikkek), cikkek hivatkozásai, Világháló, Internet, elektromos hálózat, fehérjekölcsönhatások. A fentiek közül csak az elektromos hálózat nem skálafüggetlen. (Lineáris skála a vizszintes tengelyen.) Skálafüggetlen hálózatok (e) elektromos hálózat (f) fehérje kölcsönhatások 5. deníció. Skálafüggetlen hálózatoknak nevezzük azokat a hálózatokat, melyeknek a fokszámeloszlása hatványfüggvényt követ nagy fokszámok esetén: A hatványfüggvényre igaz egyedül: p(k) k γ P (k) k (γ ) f(c x) = c f(x) c, c R Ellenállóképesség. Véletlen meghibásodás: Ha véletlenszer en veszek el csúcsokat (pl. az Internet routereinek véletlen meghibásodása) a skálafüggetlen hálózatok sokáig egyben maradnak, nem esnek szét komponensekere, például az Internet érzéketlen a véletlen routermeghibásodásokkal szemben. A véletlen hálózatok hamarabb esnek szét.. Célzott támadás: Ha célzottan a legnagyobb fokszámú csúcsokat törlöm ki a skálafüggetlen hálózat hamar és rövid id alatt esik szét nagyon kicsi darabokra. A véletlen hálózatok tovább egyben maradnak. Egyik hatással szemben az egyik, másikkal szemben a másik ellenállóbb. Egyik sem tökéletes. 9

10 3. Az Ubuntu szoftvercsomagjai Az Ubuntu szoftvercsomagjai Az Ubuntu a GNU/Linux operációs rendszer egyik disztribúciója A Debianból származó deb szoftvercsomagokat használ A deb fájlok optikai diszkr l vagy Internetes tárolókból érhet ek el. Legtöbb csomag másikaktól függ, tehát irányított hálózatot alkotnak. apt csomagkezel rendszer: telepítés függ ségekkel együtt, eltávolítás, frissítés, keresés A csomagfügg ségi hálózat egy részlete vim-latexsuite vim-vimoutliner vim vim-common python.5 vim-runtime libgpmg libncurses5 libc6 Csomagok, amit l sok másik függ (nagy be-fokszám k in ) Átlagos be-fokszám: élek száma/csúcsok száma = 5,077. k in csomagnév megjegyzés 3 libc6 C standard könyvtár 330 libgcc C-fordító könyvtárai 309 libstdc++6 C++ standard könyvtár 696 libx-6 A grakus felület könyvtára 985 libglib.0-0 A GLIB könyvtár 940 zlibg Tömörít könyvtár 99 perl Perl programnyelv 865 libxext6 A grakus felület kiterjesztései 38 libgtk.0-0 A GTK grakus felület könyvtárai 96 python A Python nyelv :-) 0

11 Er sen összefügg komponensek (a második legnagyobb) libmono-posix.0-cil libmono-system.0-cil libmono-security.0-cil libmono-corlib.0-cil mono-runtime xserver-xorg-input-all mono-.0-gac mono-gac Mindegyikb l mindegyikbe el lehet jutni nyilak irányába. xserver-xorg-input-wacom xserver-xorg-input-evdev xserver-xorg-video-r8 xserver-xorg-video-mach64 xserver-xorg-video-vmware xserver-xorg xserver-xorg-input-synaptics xserver-xorg-video-geode xserver-xorg-video-s3 xserver-xorg-video-ati xserver-xorg-video-radeon xserver-xorg-video-i8 xserver-xorg-video-rendition xserver-xorg-video-siliconmotion xserver-xorg-video-sisusb xserver-xorg-video-chips xserver-xorg-video-tdfx xserver-xorg-core xserver-xorg-video-all xserver-xorg-video-trident xserver-xorg-video-openchrome xserver-xorg-video-mga xserver-xorg-video-nouveau xserver-xorg-video-s3virge xserver-xorg-video-fbdev xserver-xorg-video-vesa xserver-xorg-video-savage xserver-xorg-video-voodoo xserver-xorg-video-neomagic xserver-xorg-video-nv xserver-xorg-video-ark xserver-xorg-video-sis xserver-xorg-video-tseng xserver-xorg-video-i740 xserver-xorg-video-apm xserver-xorg-video-intel xserver-xorg-video-cirrus

12 4. Megoldások Az ábrán látható hálózat p(k) fokszámeloszlása: k N k p(k) 0 0, 0, 0, 3 3 0, , p(k) k

Véletlen gráfok, hálózatok

Véletlen gráfok, hálózatok Véletlen gráfok, hálózatok Véletlen gráfok, hálózatok Csirik András 2018.04.25 Erdős-Rényi modell Watts-Strogatz modell Barabási-Albert modell Hálózatok a mindennapokban Hálózatok a világ minden területén

Részletesebben

Véletlen gráfok. Backhausz Ágnes Eötvös Loránd Tudományegyetem és MTA Rényi Alfréd Matematikai Kutatóintézet december 2.

Véletlen gráfok. Backhausz Ágnes Eötvös Loránd Tudományegyetem és MTA Rényi Alfréd Matematikai Kutatóintézet december 2. Véletlen gráfok Backhausz Ágnes Eötvös Loránd Tudományegyetem és MTA Rényi Alfréd Matematikai Kutatóintézet agnes@cs.elte.hu 2015. december 2. Nagy hálózatok Példák valós hálózatokra társadalmi hálózatok

Részletesebben

Összetett hálózatok vizsgálata

Összetett hálózatok vizsgálata Összetett hálózato vizsgálata az Internet és a csomagfügg ségi hálózat példáján Horváth Árpád 013. április 18. Összetett hálózato Nagyobb gráfo összetett tulajdonságoal.

Részletesebben

A Barabási-Albert-féle gráfmodell

A Barabási-Albert-féle gráfmodell A Barabási-Albert-féle gráfmodell és egyéb véletlen gráfok Papp Pál András Gráfok, hálózatok modelljei Rengeteg gráfokkal modellezhető terület: Pl: Internet, kapcsolati hálók, elektromos hálózatok, stb.

Részletesebben

1. tétel - Gráfok alapfogalmai

1. tétel - Gráfok alapfogalmai 1. tétel - Gráfok alapfogalmai 1. irányítatlan gráf fogalma A G (irányítatlan) gráf egy (Φ, E, V) hátmas, ahol E az élek halmaza, V a csúcsok (pontok) halmaza, Φ: E {V-beli rendezetlen párok} illeszkedési

Részletesebben

Komplex hálózatok: alapfogalmak, modellek, módszerek

Komplex hálózatok: alapfogalmak, modellek, módszerek Komplex hálózatok: alapfogalmak, modellek, módszerek London András, Németh Tamás 2015. április 13. Motiváció Alapfogalmak Centralitás mértékek Néhány gráfmodell Hálózatok mindenhol! ábra 1: Facebook kapcsolati

Részletesebben

Társadalmi és gazdasági hálózatok modellezése

Társadalmi és gazdasági hálózatok modellezése Társadalmi és gazdasági hálózatok modellezése 6. el adás Hálózatok növekedési modelljei: `uniform és preferential attachment' El adó: London András 2015. október 12. Hogyan n nek a hálózatok? Statikus

Részletesebben

Az Összetett hálózatok vizsgálata elektronikus tantárgy részletes követeleményrendszere

Az Összetett hálózatok vizsgálata elektronikus tantárgy részletes követeleményrendszere Az Összetett hálózatok vizsgálata elektronikus tantárgy részletes követeleményrendszere Horváth Árpád 2014. február 7. A tárgy célja: Az összetett hálózatok fogalomrendszerének használata a tudomány több

Részletesebben

Csima Judit BME, SZIT február 18.

Csima Judit BME, SZIT február 18. 1 Véletlen gráfok és valós hálózatok Csima Judit BME, SZIT 2011. február 18. Tartalom 2 1. Motiváció: miért pont véletlen gráfok? Tartalom 2 1. Motiváció: miért pont véletlen gráfok? 2. A klasszikus modell:

Részletesebben

A hazai elszámolásforgalom hálózati elemzése

A hazai elszámolásforgalom hálózati elemzése A hazai elszámolásforgalom hálózati elemzése Révkomárom, 2013. január 23. Pál Zsolt egyetemi tanársegéd Miskolci Egyetem Gazdaságtudományi Kar A kutatás előzményei, háttere Hálózatelmélet - szabályos gráfok

Részletesebben

Statisztikai módszerek a skálafüggetlen hálózatok

Statisztikai módszerek a skálafüggetlen hálózatok Statisztikai módszerek a skálafüggetlen hálózatok vizsgálatára Gyenge Ádám1 1 Budapesti Műszaki és Gazdaságtudományi Egyetem Villamosmérnöki és Informatikai Kar Számítástudományi és Információelméleti

Részletesebben

Betekintés a komplex hálózatok világába

Betekintés a komplex hálózatok világába Betekintés a komplex hálózatok világába Dr. Varga Imre Debreceni Egyetem Informatikai Kar EFOP-3.6.1-16-2016-00022 Egyszerű hálózatok Grafit kristály Árpád házi uralkodók családfája LAN hálózat Komplex

Részletesebben

Hálózatok fejlődése A hatványtörvény A preferential attachment A uniform attachment Vertex copy. SZTE Informatikai Intézet

Hálózatok fejlődése A hatványtörvény A preferential attachment A uniform attachment Vertex copy. SZTE Informatikai Intézet Hálózattudomány SZTE Informatikai Intézet Számítógépes Optimalizálás Tanszék Előadó: London András 4. Előadás Hogyan nőnek a hálózatok? Statikus hálózatos modellek: a pontok száma (n) fix, az éleket valamilyen

Részletesebben

Társadalmi és gazdasági hálózatok modellezése

Társadalmi és gazdasági hálózatok modellezése Társadalmi és gazdasági hálózatok modellezése 2. el adás A hálózatkutatás néhány fontos fogalma El adó: London András 2015. szeptember 15. Átmér l ij a legrövidebb út a hálózatban i és j pont között =

Részletesebben

Taylor-polinomok. 1. Alapfeladatok. 2015. április 11. 1. Feladat: Írjuk fel az f(x) = e 2x függvény másodfokú Maclaurinpolinomját!

Taylor-polinomok. 1. Alapfeladatok. 2015. április 11. 1. Feladat: Írjuk fel az f(x) = e 2x függvény másodfokú Maclaurinpolinomját! Taylor-polinomok 205. április.. Alapfeladatok. Feladat: Írjuk fel az fx) = e 2x függvény másodfokú Maclaurinpolinomját! Megoldás: A feladatot kétféle úton is megoldjuk. Az els megoldásban induljunk el

Részletesebben

Bevezete s a ha ló zatók vila ga ba II.

Bevezete s a ha ló zatók vila ga ba II. Bevezete s a ha ló zatók vila ga ba II. Véletlen hálózatok Szervezzünk partit! Körülbelül 100 vendéget hívunk meg. A vendégek kezdetben nem ismerik egymást. Kínáljuk őket sajttal és borral, biztosítva

Részletesebben

III. Gráfok. 1. Irányítatlan gráfok:

III. Gráfok. 1. Irányítatlan gráfok: III. Gráfok 1. Irányítatlan gráfok: Jelölés: G=(X,U), X a csomópontok halmaza, U az élek halmaza X={1,2,3,4,5,6}, U={[1,2], [1,4], [1,6], [2,3], [2,5], [3,4], [3,5], [4,5],[5,6]} Értelmezések: 1. Fokszám:

Részletesebben

Doktori disszertáció. szerkezete

Doktori disszertáció. szerkezete Doktori disszertáció tézisfüzet Komplex hálózatok szerkezete Szabó Gábor Témavezető Dr. Kertész János Elméleti Fizika Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 2005 Bevezetés A tudományos

Részletesebben

Összefoglalás és gyakorlás

Összefoglalás és gyakorlás Összefoglalás és gyakorlás High Speed Networks Laboratory 1 / 28 Hálózatok jellemző paraméterei High Speed Networks Laboratory 2 / 28 Evolúció alkotta adatbázis Önszerveződő adatbázis = (struktúra, lekérdezés)

Részletesebben

Hierarchikus skálafüggetlen gráfok generálása fraktálokkal

Hierarchikus skálafüggetlen gráfok generálása fraktálokkal Hierarchikus skálafüggetlen gráfok generálása fraktálokkal Komjáthy Júlia Simon Károly Sztochasztika Tanszék Matematika Intézet Budapesti Műszaki és Gazdaságtudományi Egyetem www.math.bme.hu/~komyju www.math.bme.hu/~simonk

Részletesebben

Csima Judit BME, SZIT február 17.

Csima Judit BME, SZIT február 17. 1 Véletlen gráfok és valós hálózatok Csima Judit BME, SZIT 2010. február 17. Tartalom 2 1. Motiváció: miért pont véletlen gráfok? 2. A klasszikus modell: Erdős-Rényi véletlen-gráf modell definíció jellemzői

Részletesebben

Lineáris egyenletrendszerek

Lineáris egyenletrendszerek Lineáris egyenletrendszerek 1 Alapfogalmak 1 Deníció Egy m egyenletb l álló, n-ismeretlenes lineáris egyenletrendszer általános alakja: a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a

Részletesebben

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.

Véletlen 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

Részletesebben

2. A ξ valószín ségi változó eloszlásfüggvénye a következ : x 4 81 F (x) = x 4 ha 3 < x 0 különben

2. 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

Részletesebben

Közösség detektálás gráfokban

Közösség detektálás gráfokban Közösség detektálás gráfokban Önszervező rendszerek Hegedűs István Célkitűzés: valamilyen objektumok halmaza felett minták, csoportok detektálása csakis az egyedek közötti kapcsolatok struktúrájának a

Részletesebben

Véletlen bolyongás. Márkus László március 17. Márkus László Véletlen bolyongás március / 31

Véletlen bolyongás. Márkus László március 17. Márkus László Véletlen bolyongás március / 31 Márkus László Véletlen bolyongás 2015. március 17. 1 / 31 Véletlen bolyongás Márkus László 2015. március 17. Modell Deníció Márkus László Véletlen bolyongás 2015. március 17. 2 / 31 Modell: Egy egyenesen

Részletesebben

Megoldott feladatok november 30. n+3 szigorúan monoton csökken, 5. n+3. lim a n = lim. n+3 = 2n+3 n+4 2n+1

Megoldott feladatok november 30. n+3 szigorúan monoton csökken, 5. n+3. lim a n = lim. n+3 = 2n+3 n+4 2n+1 Megoldott feladatok 00. november 0.. Feladat: Vizsgáljuk az a n = n+ n+ sorozat monotonitását, korlátosságát és konvergenciáját. Konvergencia esetén számítsuk ki a határértéket! : a n = n+ n+ = n+ n+ =

Részletesebben

Képfeldolgozás. 1. el adás. A képfeldolgozás m veletei. Mechatronikai mérnök szak BME, 2008

Képfeldolgozás. 1. el adás. A képfeldolgozás m veletei. Mechatronikai mérnök szak BME, 2008 Képfeldolgozás 1. el adás. A képfeldolgozás m veletei Mechatronikai mérnök szak BME, 2008 1 / 61 Alapfogalmak transzformációk Deníció Deníció Geometriai korrekciókra akkor van szükség, ha a képr l valódi

Részletesebben

Bevezete s a ha ló zatók vila ga ba

Bevezete s a ha ló zatók vila ga ba Bevezete s a ha ló zatók vila ga ba Bevezetés Kezdjük egy játékkal! Képzeletünkben kalandozzunk el és válasszunk egy tetszőleges országot a világon, annak tetszőleges települését és egy ott élő tetszőleges

Részletesebben

Számítógép hálózatok, osztott rendszerek 2009

Számítógép hálózatok, osztott rendszerek 2009 Számítógép hálózatok, osztott rendszerek 2009 1: Bevezetés: Internet, rétegmodell Alapok: aszimptótika, gráfok 1 Az előadáshoz Előadás: Hétfő 10:00 12:00 óra Gyakorlat: Hétfő 14:00-16:00 óra Honlap: http://people.inf.elte.hu/lukovszki/courses/0910nwmsc

Részletesebben

Diszkrét matematika 2.

Diszkrét matematika 2. Diszkrét matematika 2. 2018. szeptember 21. 1. Diszkrét matematika 2. 2. előadás Fancsali Szabolcs Levente nudniq@cs.elte.hu www.cs.elte.hu/ nudniq Komputeralgebra Tanszék 2018. szeptember 21. Gráfelmélet

Részletesebben

Relációk. 1. Descartes-szorzat. 2. Relációk

Relációk. 1. Descartes-szorzat. 2. Relációk Relációk Descartes-szorzat. Relációk szorzata, inverze. Relációk tulajdonságai. Ekvivalenciareláció, osztályozás. Részbenrendezés, Hasse-diagram. 1. Descartes-szorzat 1. Deníció. Tetsz leges két a, b objektum

Részletesebben

Gráfelméleti alapfogalmak-1

Gráfelméleti alapfogalmak-1 KOMBINATORIKA ELŐADÁS osztatlan matematika tanár hallgatók számára Gráfelméleti alapfogalmak Előadó: Hajnal Péter 2015 1. Egyszerű gráfok Nagyon sok helyzetben egy alaphalmaz elemei között kitűntetett

Részletesebben

Ez is Hungaricum. Kovács Vera, Palotay Dorka, Pozsonyi Enik, Szabó Csaba január 27. ELTE

Ez is Hungaricum. Kovács Vera, Palotay Dorka, Pozsonyi Enik, Szabó Csaba január 27. ELTE Ez is ELTE 2013. január 27. Motiváció Tapasztalatok és célok A középiskolából kikerül diákok nagy része nem ismeri a gráfokat Vizsgálataink: A gráfok oktatásának mai helyzete Mi ennek az oka? A gráfok

Részletesebben

Hálózati elemzések az üzleti életben. Kovács Gyula Sixtep Kft.

Hálózati elemzések az üzleti életben. Kovács Gyula Sixtep Kft. Hálózati elemzések az üzleti életben Kovács Gyula Sixtep Kft. Hálózat kutatás rövid ismertetése Königsbergi hidak problémája Háttér: A probléma története, hogy a poroszországi Königsberg (most Kalinyingrád,

Részletesebben

Skalárszorzat, norma, szög, távolság. Dr. Takách Géza NyME FMK Informatikai Intézet takach@inf.nyme.hu http://inf.nyme.hu/ takach/ 2005.

Skalárszorzat, norma, szög, távolság. Dr. Takách Géza NyME FMK Informatikai Intézet takach@inf.nyme.hu http://inf.nyme.hu/ takach/ 2005. 1 Diszkrét matematika II., 4. el adás Skalárszorzat, norma, szög, távolság Dr. Takách Géza NyME FMK Informatikai Intézet takach@inf.nyme.hu http://inf.nyme.hu/ takach/ 2005. március 1 A téma jelent sége

Részletesebben

HTML és CSS. Horváth Árpád május 6. Óbudai Egyetem Alba Regia M szaki Kar (AMK) Székesfehérvár

HTML és CSS. Horváth Árpád május 6. Óbudai Egyetem Alba Regia M szaki Kar (AMK) Székesfehérvár Óbudai Egyetem Alba Regia M szaki Kar (AMK) Székesfehérvár 2015. május 6. Vázlat 1 2 A világháló Története statikus és dinamikus oldal URL DNS-feloldás IP-cím ügyfél (kliens, böngész ) és szerver (kiszolgáló)

Részletesebben

1. A k-szerver probléma

1. A k-szerver probléma 1. A k-szerver probléma Az egyik legismertebb on-line probléma a k-szerver probléma. A probléma általános deníciójának megadásához szükség van a metrikus tér fogalmára. Egy (M, d) párost, ahol M a metrikus

Részletesebben

1: Bevezetés: Internet, rétegmodell Alapok: aszimptótika, gráfok. HálózatokII, 2007

1: Bevezetés: Internet, rétegmodell Alapok: aszimptótika, gráfok. HálózatokII, 2007 Hálózatok II 2007 1: Bevezetés: Internet, rétegmodell Alapok: aszimptótika, gráfok 1 Az előadáshoz Előadás: Szerda 17:00 18:30 Gyakorlat: nincs Vizsga írásbeli Honlap: http://people.inf.elte.hu/lukovszki/courses/g/07nwii

Részletesebben

Zsidók, tudomány és hálózatok?

Zsidók, tudomány és hálózatok? Zsidók, tudomány és hálózatok? Bevezető gondolatok és alapfogalmak Biró Tamás OR-ZSE Hálózatkutatás a Zsidó Tanulmányokban kutatócsoport 2018. 12. 19. Hálózatok mindenhol Például: emberek alkotta társadalmi

Részletesebben

Valószínűségi változók. Várható érték és szórás

Valószínűségi 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 :

Részletesebben

Diszkrét matematika 2.C szakirány

Diszkrét matematika 2.C szakirány Diszkrét matematika 2.C szakirány 2017. ősz 1. Diszkrét matematika 2.C szakirány 2. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék 2017.

Részletesebben

Optika gyakorlat 6. Interferencia. I = u 2 = u 1 + u I 2 cos( Φ)

Optika gyakorlat 6. Interferencia. I = u 2 = u 1 + u I 2 cos( Φ) Optika gyakorlat 6. Interferencia Interferencia Az interferencia az a jelenség, amikor kett vagy több hullám fázishelyes szuperpozíciója révén a térben állóhullám kép alakul ki. Ez elektromágneses hullámok

Részletesebben

Valószín ségszámítás és statisztika

Valószín 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

Részletesebben

Határozott integrál és alkalmazásai

Határozott integrál és alkalmazásai Határozott integrál és alkalmazásai 5. május 5.. Alapfeladatok. Feladat: + d = Megoldás: Egy határozott integrál kiszámolása a feladat. Ilyenkor a Newton-Leibniz-tételt használhatjuk, mely azt mondja ki,

Részletesebben

Gráfelméleti alapfogalmak

Gráfelméleti alapfogalmak 1 Gráfelméleti alapfogalmak Gráf (angol graph= rajz): pontokból és vonalakból álló alakzat. pontok a gráf csúcsai, a vonalak a gráf élei. GRÁ Irányítatlan gráf Vegyes gráf Irányított gráf G H Izolált pont

Részletesebben

Szimuláció RICHARD M. KARP és AVI WIGDERSON. (Készítette: Domoszlai László)

Szimuláció RICHARD M. KARP és AVI WIGDERSON. (Készítette: Domoszlai László) Szimuláció RICHARD M. KARP és AVI WIGDERSON A Fast Parallel Algorithm for the Maximal Independent Set Problem című cikke alapján (Készítette: Domoszlai László) 1. Bevezetés A következőkben megadott algoritmus

Részletesebben

Elméleti összefoglaló a Valószín ségszámítás kurzushoz

Elméleti 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

Részletesebben

Biomatematika 2 Orvosi biometria

Biomatematika 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)

Részletesebben

Egyváltozós függvények 1.

Egyváltozós függvények 1. Egyváltozós függvények 1. Filip Ferdinánd filip.ferdinand@bgk.uni-obuda.hu siva.banki.hu/jegyzetek 015 szeptember 1. Filip Ferdinánd 015 szeptember 1. Egyváltozós függvények 1. 1 / 5 Az el adás vázlata

Részletesebben

Online algoritmusok. Algoritmusok és bonyolultságuk. Horváth Bálint március 30. Horváth Bálint Online algoritmusok március 30.

Online algoritmusok. Algoritmusok és bonyolultságuk. Horváth Bálint március 30. Horváth Bálint Online algoritmusok március 30. Online algoritmusok Algoritmusok és bonyolultságuk Horváth Bálint 2018. március 30. Horváth Bálint Online algoritmusok 2018. március 30. 1 / 28 Motiváció Gyakran el fordul, hogy a bemenetet csak részenként

Részletesebben

Köszönetnyilvánítás... xv Bevezetés az otthoni hálózatok használatába... xvii. A könyv jellegzetességei és jelölései... xxi Segítségkérés...

Köszönetnyilvánítás... xv Bevezetés az otthoni hálózatok használatába... xvii. A könyv jellegzetességei és jelölései... xxi Segítségkérés... Köszönetnyilvánítás... xv Bevezetés az otthoni hálózatok használatába... xvii A könyvben szereplő operációs rendszerek...xviii Feltételezések...xviii Minimális rendszerkövetelmények... xix Windows 7...

Részletesebben

22. GRÁFOK ÁBRÁZOLÁSA

22. GRÁFOK ÁBRÁZOLÁSA 22. GRÁFOK ÁBRÁZOLÁSA A megoldandó feladatok, problémák modellezése során sokszor gráfokat alkalmazunk. A gráf fogalmát a matematikából ismertnek vehetjük. A modellezés során a gráfok több változata is

Részletesebben

HAMILTON KÖR: minden csúcson PONTOSAN egyszer áthaladó kör. Forrás: (

HAMILTON KÖR: minden csúcson PONTOSAN egyszer áthaladó kör. Forrás: ( HAMILTON KÖR: minden csúcson PONTOSAN egyszer áthaladó kör Teljes gráf: Páros gráf, teljes páros gráf és Hamilton kör/út Hamilton kör: Minden csúcson áthaladó kör Hamilton kör Forrás: (http://www.math.klte.hur/~tujanyi/komb_j/k_win_doc/g0603.doc

Részletesebben

EGYSZERŰ, NEM IRÁNYÍTOTT (IRÁNYÍTATLAN) GRÁF

EGYSZERŰ, NEM IRÁNYÍTOTT (IRÁNYÍTATLAN) GRÁF Összefoglaló Gráfok / EGYSZERŰ, NEM IRÁNYÍTOTT (IRÁNYÍTATLAN) GRÁF Adott a G = (V, E) gráf ahol a V a csomópontok, E az élek halmaza E = {(x, y) x, y V, x y (nincs hurokél) és (x, y) = (y, x)) Jelölések:

Részletesebben

24. szakkör (Csoportelméleti alapfogalmak 3.)

24. szakkör (Csoportelméleti alapfogalmak 3.) 24. szakkör (Csoportelméleti alapfogalmak 3.) D) PERMUTÁCIÓK RENDJE Fontos kérdés a csoportelméletben, hogy egy adott elem hanyadik hatványa lesz az egység. DEFINÍCIÓ: A legkisebb olyan pozitív k számot,

Részletesebben

Bevezetés az informatikába

Bevezetés az informatikába Bevezetés az informatikába 6. előadás Dr. Istenes Zoltán Eötvös Loránd Tudományegyetem Informatikai Kar Programozáselmélet és Szoftvertechnológiai Tanszék Matematikus BSc - I. félév / 2008 / Budapest Dr.

Részletesebben

Lokális tulajdonságok véletlen. Nagy Gábor

Lokális tulajdonságok véletlen. Nagy Gábor Eötvös Loránd Tudományegyetem Természettudományi Kar Lokális tulajdonságok véletlen gráfokban Szakdolgozat Nagy Gábor Matematika BSc Alkalmazott matematikus szakirány Témavezető: Backhausz Ágnes tanársegéd

Részletesebben

Az Internet. avagy a hálózatok hálózata

Az Internet. avagy a hálózatok hálózata Az Internet avagy a hálózatok hálózata Az Internet története 1. A hidegháború egy fontos problémája Amerikában a hatvanas évek elején: Az amerikai kormányszervek hogyan tudják megtartani a kommunikációt

Részletesebben

Diszkrét matematika 2.C szakirány

Diszkrét matematika 2.C szakirány Diszkrét matematika 2.C szakirány 2017. tavasz 1. Diszkrét matematika 2.C szakirány 3. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék 2017.

Részletesebben

13. Oldja meg a valós számok halmazán az alábbi egyenleteket!

13. Oldja meg a valós számok halmazán az alábbi egyenleteket! A 13. Oldja meg a valós számok halmazán az alábbi egyenleteket! a) b) sin 2 x 1 2cos x a) 6 pont b) 6 pont 12 pont írásbeli vizsga, II. összetev 4 / 16 2011. október 18. 14. Egy felmérés során két korcsoportban

Részletesebben

Gráfelmélet. I. Előadás jegyzet (2010.szeptember 9.) 1.A gráf fogalma

Gráfelmélet. I. Előadás jegyzet (2010.szeptember 9.) 1.A gráf fogalma Készítette: Laczik Sándor János Gráfelmélet I. Előadás jegyzet (2010.szeptember 9.) 1.A gráf fogalma Definíció: a G=(V,E) párt egyszerű gráfnak nevezzük, (V elemeit a gráf csúcsainak/pontjainak,e elemeit

Részletesebben

Arany Dániel Matematikai Tanulóverseny 2017/2018-as tanév 2. forduló Haladók II. kategória

Arany Dániel Matematikai Tanulóverseny 2017/2018-as tanév 2. forduló Haladók II. kategória Bolyai János Matematikai Társulat Arany Dániel Matematikai Tanulóverseny 017/018-as tanév. forduló Haladók II. kategória Megoldások és javítási útmutató 1. Egy tanár kijavította egy 1 f s csoport dolgozatait.

Részletesebben

Folyadékszcintillációs spektroszkópia jegyz könyv

Folyadékszcintillációs spektroszkópia jegyz könyv Folyadékszcintillációs spektroszkópia jegyz könyv Zsigmond Anna Julia Fizika MSc I. Mérés vezet je: Horváth Ákos Mérés dátuma: 2010. október 21. Leadás dátuma: 2010. november 8. 1 1. Bevezetés A mérés

Részletesebben

A MATEMATIKA NÉHÁNY KIHÍVÁSA

A MATEMATIKA NÉHÁNY KIHÍVÁSA A MATEMATIKA NÉHÁNY KIHÍVÁSA NAPJAINKBAN Simon L. Péter ELTE, Matematikai Intézet Alkalmazott Analízis és Számításmatematikai Tsz. 1 / 20 MATEMATIKA AZ ÉLET KÜLÖNBÖZŐ TERÜLETEIN Kaotikus sorozatok és differenciálegyenletek,

Részletesebben

DiMat II Végtelen halmazok

DiMat II Végtelen halmazok DiMat II Végtelen halmazok Czirbusz Sándor 2014. február 16. 1. fejezet A kiválasztási axióma. Ismétlés. 1. Deníció (Kiválasztási függvény) Legyen {X i, i I} nemüres halmazok egy indexelt családja. Egy

Részletesebben

1. feladat Az egyensúly algoritmus viselkedése: Tekintsük a kétdimenziós Euklideszi teret, mint metrikus teret. A pontok

1. feladat Az egyensúly algoritmus viselkedése: Tekintsük a kétdimenziós Euklideszi teret, mint metrikus teret. A pontok 1. feladat Az egyensúly algoritmus viselkedése: Tekintsük a kétdimenziós Euklideszi teret, mint metrikus teret. A pontok (x, y) valós számpárokból állnak, két (a, b) és (c, d) pontnak a távolsága (a c)

Részletesebben

Magyar és angol szóasszociációs hálózatok vizsgálata. Orosz Katalin Kovács László Pollner Péter

Magyar és angol szóasszociációs hálózatok vizsgálata. Orosz Katalin Kovács László Pollner Péter Magyar és angol szóasszociációs hálózatok vizsgálata Orosz Katalin Kovács László Pollner Péter 0. Bevezetés Jelenlegi elképzeléseink szerint a beszédértés és beszédprodukció során előhívott szavakat (és

Részletesebben

HAMILTON ÚT: minden csúcson PONTOSAN egyszer áthaladó út

HAMILTON ÚT: minden csúcson PONTOSAN egyszer áthaladó út SÍKBA RAJZOLHATÓ GRÁFOK ld. előadás diasorozat SZÍNEZÉS: ld. előadás diasorozat PÉLDA: Reguláris 5 gráf színezése 4 színnel Juhász, PPKE ITK, 007: http://users.itk.ppke.hu/~b_novak/dmat/juhasz_5_foku_graf.bmp

Részletesebben

Szalai Péter. April 17, Szalai Péter April 17, / 36

Szalai Péter. April 17, Szalai Péter April 17, / 36 Szociális hálók Szalai Péter April 17, 2015 Szalai Péter April 17, 2015 1 / 36 Miről lesz szó? 1 Megfigyelések Kis világ Power-law Klaszterezhetőség 2 Modellek Célok Erdős-Rényi Watts-Strogatz Barabási

Részletesebben

Algoritmusok bonyolultsága

Algoritmusok bonyolultsága Algoritmusok bonyolultsága 5. előadás http://www.ms.sapientia.ro/~kasa/komplex.htm 1 / 27 Gazdaságos faváz Kruskal-algoritmus Joseph Kruskal (1928 2010) Legyen V = {v 1, v 2,..., v n }, E = {e 1, e 2,...,

Részletesebben

Diszkrét matematika 2. estis képzés

Diszkrét matematika 2. estis képzés Diszkrét matematika 2. estis képzés 2018. tavasz 1. Diszkrét matematika 2. estis képzés 10. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék

Részletesebben

TvNetTel Internet Kapcsolat Beállítása

TvNetTel Internet Kapcsolat Beállítása TvNetTel Internet Kapcsolat Beállítása A TvNetTel Kft internetes szolgáltatásának igénybevételéhez szükséges a hálózati csatlakozás beállítása a számítógépen vagy routeren. A beállításhoz szükség van a

Részletesebben

Valószínűségszámítás összefoglaló

Valószínűségszámítás 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:

Részletesebben

Gyors Telepítési Útmutató N típusú, Vezeték Nélküli, ADSL2+ Modem DL-4305, DL-4305D

Gyors Telepítési Útmutató N típusú, Vezeték Nélküli, ADSL2+ Modem DL-4305, DL-4305D Gyors Telepítési Útmutató N típusú, Vezeték Nélküli, ADSL2+ Modem DL-4305, DL-4305D Tartalomjegyzék 1. Hardver telepítése... 1 2. Számítógép beállításai... 2 3. Bejelentkezés... 4 4. Modem beállítások...

Részletesebben

Érdemes egy n*n-es táblázatban (sorok-lányok, oszlopok-fiúk) ábrázolni a két színnel, mely éleket húztuk be (pirossal, kékkel)

Érdemes egy n*n-es táblázatban (sorok-lányok, oszlopok-fiúk) ábrázolni a két színnel, mely éleket húztuk be (pirossal, kékkel) Kombi/2 Egy bizonyos bulin n lány és n fiú vesz részt. Minden fiú pontosan a darab lányt és minden lány pontosan b darab fiút kedvel. Milyen (a,b) számpárok esetén létezik biztosan olyan fiúlány pár, akik

Részletesebben

Diszkrét matematika II. gyakorlat

Diszkrét matematika II. gyakorlat Diszkrét matematika II. gyakorlat 9. Gyakorlat Szakács Nóra Helyettesít: Bogya Norbert Bolyai Intézet 2013. április 11. Bogya Norbert (Bolyai Intézet) Diszkrét matematika II. gyakorlat 2013. április 11.

Részletesebben

Gráfok 2. Legrövidebb utak, feszítőfák. Szoftvertervezés és -fejlesztés II. előadás. Szénási Sándor

Gráfok 2. Legrövidebb utak, feszítőfák. Szoftvertervezés és -fejlesztés II. előadás.   Szénási Sándor Gráfok 2. Legrövidebb utak, feszítőfák előadás http://nik.uni-obuda.hu/sztf2 Szénási Sándor Óbudai Egyetem,Neumann János Informatikai Kar Legrövidebb utak keresése Minimális feszítőfa keresése Gráfok 2

Részletesebben

Vektorok. Wettl Ferenc október 20. Wettl Ferenc Vektorok október / 36

Vektorok. Wettl Ferenc október 20. Wettl Ferenc Vektorok október / 36 Vektorok Wettl Ferenc 2014. október 20. Wettl Ferenc Vektorok 2014. október 20. 1 / 36 Tartalom 1 Vektorok a 2- és 3-dimenziós térben 2 Távolság, szög, orientáció 3 Vektorok koordinátás alakban 4 Összefoglalás

Részletesebben

Síkbarajzolható gráfok Április 26.

Síkbarajzolható gráfok Április 26. Síkbarajzolható gráfok 2017. Április 26. Síkgráfok Egy gráf síkgráf=síkba rajzolható gráf, ha lerajzolható úgy a síkba, hogy élei csak a szögpontokban metszik egymást. Ha egy gráf lerajzolható a síkba,

Részletesebben

Diszkrét matematika 2. estis képzés

Diszkrét matematika 2. estis képzés Diszkrét matematika 2. estis képzés 2018. tavasz 1. Diszkrét matematika 2. estis képzés 11. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék

Részletesebben

Markov-láncok stacionárius eloszlása

Markov-láncok stacionárius eloszlása Markov-láncok stacionárius eloszlása Adatbányászat és Keresés Csoport, MTA SZTAKI dms.sztaki.hu Kiss Tamás 2013. április 11. Tartalom Markov láncok definíciója, jellemzése Visszatérési idők Stacionárius

Részletesebben

Diszkrét matematika 2.C szakirány

Diszkrét matematika 2.C szakirány Diszkrét matematika 2.C szakirány 2015. ősz 1. Diszkrét matematika 2.C szakirány 3. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék 2015.

Részletesebben

Miskolci Egyetem GÉPÉSZMÉRNÖKI ÉS INFORMATIKAI KAR. Analízis I. példatár. (kidolgozott megoldásokkal) elektronikus feladatgyűjtemény

Miskolci Egyetem GÉPÉSZMÉRNÖKI ÉS INFORMATIKAI KAR. Analízis I. példatár. (kidolgozott megoldásokkal) elektronikus feladatgyűjtemény Miskolci Egyetem GÉPÉSZMÉRNÖKI ÉS INFORMATIKAI KAR Analízis I. példatár kidolgozott megoldásokkal) elektronikus feladatgyűjtemény Összeállította: Lengyelné Dr. Szilágyi Szilvia Miskolc, 013. Köszönetnyilvánítás

Részletesebben

II. PÁLYÁZATI ÚTMUTATÓ a Társadalmi Infrastruktúra Operatív Program

II. PÁLYÁZATI ÚTMUTATÓ a Társadalmi Infrastruktúra Operatív Program II. PÁLYÁZATI ÚTMUTATÓ a Társadalmi Infrastruktúra Operatív Program A felsőoktatási tevékenységek színvonalának emeléséhez szükséges infrastrukturális és informatikai fejlesztések támogatása c. pályázati

Részletesebben

Lineáris algebra 2. Filip Ferdinánd december 7. siva.banki.hu/jegyzetek

Lineáris algebra 2. Filip Ferdinánd december 7. siva.banki.hu/jegyzetek Lineáris algebra 2 Filip Ferdinánd filipferdinand@bgkuni-obudahu sivabankihu/jegyzetek 2015 december 7 Filip Ferdinánd 2016 februar 9 Lineáris algebra 2 1 / 37 Az el adás vázlata Determináns Determináns

Részletesebben

Grafikonok automatikus elemzése

Grafikonok automatikus elemzése Grafikonok automatikus elemzése MIT BSc önálló laboratórium konzulens: Orosz György 2016.05.18. A feladat elsődleges célkitűzései o eszközök adatlapján található grafikonok feldolgozása, digitalizálása

Részletesebben

FELHASZNÁLÓI KÉZIKÖNYV. WF-2322 Vezetéknélküli Hozzéférési Pont

FELHASZNÁLÓI KÉZIKÖNYV. WF-2322 Vezetéknélküli Hozzéférési Pont FELHASZNÁLÓI KÉZIKÖNYV WF-2322 Vezetéknélküli Hozzéférési Pont Netis Vezetéknélküli Hozzáférési Pont Felhasználói Kézikönyv Netis Vezetéknélküli Hozzáférési Pont Felhasználói Kézikönyv 1. A csomag tartalma

Részletesebben

Diszkrét matematika 1. estis képzés

Diszkrét matematika 1. estis képzés Diszkrét matematika 1. estis képzés 2019. tavasz 1. Diszkrét matematika 1. estis képzés 9. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Mérai László diái alapján

Részletesebben

Matematikai logika. 3. fejezet. Logikai m veletek, kvantorok 3-1

Matematikai logika. 3. fejezet. Logikai m veletek, kvantorok 3-1 3. fejezet Matematikai logika Logikai m veletek, kvantorok D 3.1 A P és Q elemi ítéletekre vonatkozó logikai alapm veleteket (konjunkció ( ), diszjunkció ( ), implikáció ( ), ekvivalencia ( ), negáció

Részletesebben

Minden feladat teljes megoldása 7 pont

Minden feladat teljes megoldása 7 pont Postacím: 11 Budapest, Pf. 17. ORSZÁGOS TIT KALMÁR LÁSZLÓ MATEMATIKAVERSENY ORSZÁGOS DÖNTŐ 1. nap NEGYEDIK OSZTÁLY JAVÍTÁSI ÚTMUTATÓ Minden feladat teljes megoldása 7 pont 1. Hat futó: András, Bence, Csaba,

Részletesebben

2011 TAVASZI FÉLÉV 3. LABORGYAKORLAT PRÉM DÁNIEL ÓBUDAI EGYETEM. IP címzés. Számítógép hálózatok gyakorlata

2011 TAVASZI FÉLÉV 3. LABORGYAKORLAT PRÉM DÁNIEL ÓBUDAI EGYETEM. IP címzés. Számítógép hálózatok gyakorlata IP címzés Számítógép hálózatok gyakorlata ÓBUDAI EGYETEM 2011 TAVASZI FÉLÉV 3. LABORGYAKORLAT PRÉM DÁNIEL Az IP cím 172. 16. 254. 1 10101100. 00010000. 11111110. 00000001 Az IP cím logikai címzést tesz

Részletesebben

Internetes keresés. Menedzsment modul. Nyugat-Magyarországi Egyetem Földmérési és Földrendezői Főiskolai Kar SdiLA menedzsment-képzés.

Internetes keresés. Menedzsment modul. Nyugat-Magyarországi Egyetem Földmérési és Földrendezői Főiskolai Kar SdiLA menedzsment-képzés. Nyugat-Magyarországi Egyetem Földmérési és Földrendezői Főiskolai Kar Menedzsment modul Internetes keresés Készítette: Fábián József okl.építőmérnök 2000. április 17. Bevezetés Az Internet egy nemzetközi

Részletesebben

Az egyenes egyenlete: 2 pont. Az összevont alak: 1 pont. Melyik ábrán látható e függvény grafikonjának egy részlete?

Az egyenes egyenlete: 2 pont. Az összevont alak: 1 pont. Melyik ábrán látható e függvény grafikonjának egy részlete? 1. Írja fel annak az egyenesnek az egyenletét, amely áthalad az (1; 3) ponton, és egyik normálvektora a (8; 1) vektor! Az egyenes egyenlete: 2. Végezze el a következő műveleteket, és vonja össze az egynemű

Részletesebben

( 1) i 2 i. megbízhatóságú a levont következtetése? A matematikai statisztika eszközeivel értékelje a kapott eredményeket!

( 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

Részletesebben

Lineáris algebra gyakorlat

Lineáris algebra gyakorlat Lineáris algebra gyakorlat 7. gyakorlat Gyakorlatvezet : Bogya Norbert 2012. március 26. Ismétlés Tartalom 1 Ismétlés 2 Koordinátasor 3 Bázistranszformáció és alkalmazásai Vektorrendszer rangja Mátrix

Részletesebben

Diszkrét matematika 2.C szakirány

Diszkrét matematika 2.C szakirány Diszkrét matematika 2.C szakirány 2015. tavasz 1. Diszkrét matematika 2.C szakirány 1. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu Komputeralgebra Tanszék 2015. tavasz Gráfelmélet Diszkrét

Részletesebben

Gráf csúcsainak színezése. The Four-Color Theorem 4 szín tétel Appel és Haken bebizonyították, hogy minden térkép legfeljebb 4 színnel kiszínezhető.

Gráf csúcsainak színezése. The Four-Color Theorem 4 szín tétel Appel és Haken bebizonyították, hogy minden térkép legfeljebb 4 színnel kiszínezhető. Gráf csúcsainak színezése Kromatikus szám 2018. Április 18. χ(g) az ún. kromatikus szám az a szám, ahány szín kell a G gráf csúcsainak olyan kiszínezéséhez, hogy a szomszédok más színűek legyenek. 2 The

Részletesebben

HALMAZELMÉLET feladatsor 1.

HALMAZELMÉLET feladatsor 1. HALMAZELMÉLET feladatsor 1. Egy (H,, ) algebrai struktúra háló, ha (H, ) és (H, ) kommutatív félcsoport, és teljesül az ún. elnyelési tulajdonság: A, B H: A (A B) = A, A (A B) = A. A (H,, ) háló korlátos,

Részletesebben

Diszkrét matematika 2.

Diszkrét matematika 2. Diszkrét matematika 2. A szakirány 11. előadás Ligeti Péter turul@cs.elte.hu www.cs.elte.hu/ turul Nagy hálózatok Nagy hálózatok jellemzése Internet, kapcsolati hálók, biológiai hálózatok,... globális

Részletesebben