Approximációs tételek a kupongyűjtő problémában. Doktori (Ph.D.) értekezés tézisei
|
|
- Emma Molnár
- 6 évvel ezelőtt
- Látták:
Átírás
1 Approximációs tételek a kupogyűjtő problémába Doktori Ph.D.) értekezés tézisei Pósfai Aa Témavezetők: Dr. Csörgő Sádor egyetemi taár és Dr. Adrew D. Barbour egyetemi taár Matematika- és Számítástudomáyok Doktori Iskola Szegedi Tudomáyegyetem Bolyai Itézet 2010
2
3 1. Bevezetés 1.1. A kupogyűjtő probléma A kupogyűjtő probléma a valószíűségszámítás egyik klasszikus problémája. A probléma legegyszerűbb és mide bizoyal eredeti megfogalmazása a következő: Tegyük fel, hogy darab kupoból véletleszerűe visszatevéssel húzuk. Meyi aak a valószíűsége, hogy több, mit t húzásra va szükségük ahhoz, hogy megszerezzük mid az kupot. A probléma egyik legkorábbi tárgyalása Pólya evéhez fűződik [14]. Feller mukájába hétszer említik [9]. A problémáak számos változata és általáosítása létezik. Szoros kapcsolatba áll az ura problémákkal, illetve külöböző véletle jeleségek várakozási idejéek vizsgálatával pl. [12], [11], [1]). A dolgozatba a probléma következő változatával foglalkozuk: adva va 2 külöböző kupo, melyekből egy gyűjtő véletleszerű visszatevéses mitát vesz úgy, hogy mide egyes alkalommal az kupo bármelyikét azoos, tehát 1/ valószíűséggel szerzi meg. Valamely rögzített m {0, 1,..., 1} eseté a mitavételt addig folytatja, amíg előszörre potosa m külöböző kupot em gyűjtött. Jelölje W,m az ehhez szükséges ismétlések számát. Tehát a W,m véletle változó, amelyet a kupogyűjtő várakozási idejéek evezük, az m, m + 1, m + 2,... értékeket veheti fel, és megadja, hogy a gyűjtőek háyszor kell húzia ahhoz, hogy m darab kupo kivételével mide kupo a birtokába legye. Speciálisa, W,0 a teljes gyűjteméy megszerzéséhez szükséges várakozási idő. A dolgozatba a várakozási idő várható értékét µ = µ m) := EW,m ), szóráségyzetét pedig σ 2 = σ 2 m) := VarW,m ) jelöli Határeloszlás tételek a kupogyűjtő problémába Külöböző határeloszlás tételeket bizoyítottak W,m aszimptotikus eloszlására attól függőe, hogy az m = m) sorozat hogya viselkedik, amit. A továbbiakba mide kovergecia és aszimptotikus reláció mellett értedő. Az első eredméy Erdős és Réyi [8] evéhez fűződik, akik egy eltolt Gumbel-eloszlást kaptak határeloszláskét a teljes gyűjteméy esetére, amikor m mide N eseté 0. Ezt az eredméyt általáosította Baum és Billigsley [6], akik mide m = m) sorozat típust vizsgáltak. Négy külöböző határeloszlást határoztak meg: 1. Elfajuló eloszlás Ha m 0, akkor W,m m) D 0, 1) azaz a limesz valószíűségi mérték a 0-ra kocetrált. 3
4 2. Poisso eloszlás Ha m 2λ, akkor W,m m) D Poλ), 2) ahol Poλ) a λ paraméteres Poisso eloszlás: Poλ){k} = λk k! e λ, k = 0, 1, 2, Normális eloszlás Ha m és m, akkor W,m µ σ D N0, 1), 3) ahol N0, 1) a stadard ormális eloszlás, amelyek Lebesgue mértékre voatkozó 1 sűrűségfüggvéye 2π e x2 /2, x R. 4. Gumbel-típusú eloszlás Ha m kostas, akkor W,m µ D Gumbelm), 4) ahol Gumbelm) a későbbi 5) formula segítségével defiiált valószíűségi mérték, melyet m paraméteres Gumbel-típusú eloszlásak evezük Célkitűzések A dolgozatba fiomítjuk a feti, Baum és Billigsley evéhez fűződő határeloszlás tételeket. Céluk a megfelelőe cetralizált és ormalizált várakozási idő eloszlásáak jól ismert mértékekkel törtéő miél potosabb közelítése, és sok esetbe a kapcsolódó eloszlásfüggvéyek és valószíűségi potfüggvéyek aszimptotikus sorfejtése. A közelítő mértékeket öt külöböző mértékcsaládból választjuk. Ezek közül három a Poisso eloszlások, a ormális eloszlások és a Gumbel-típusú eloszlások olya mértékcsaládok, melyekek tagjai határeloszlásakét szerepelek Baum és Billigsley határeloszlás tételeibe. A egyedik approximáló mértékcsalád az összetett Poisso-eloszlásokak bizoyos {π µ,a : µ > 0, a > 0} osztálya. Tetszőleges µ > 0 és a > 0 eseté π µ,a a Z 1 + 2Z 2 véletle változó eloszlását jelöli, ahol Z 1 és Z 2 valamely közös valószíűségi mező defiiált függetle véletle változók, Z 1 Poµ) és Z 2 Poa/2). Valószíűségi geerátorfüggvéyéek segítségével köye elleőrizhető, hogy π µ,a valóba összetett Poisso eloszlás, azaz eloszlásba egyelő egy N X k alakú véletle változóval, ahol N, X 1, X 2,... közös valószíűségi mező értelmezett függetle véletle változók, melyek közül N Poisso eloszlású, X 1, X 2,... pedig azoos eloszlásúak. Az ötödik közelítő mértékcsalád a Poisso-Charlier előjeles mértékek osztálya. Tetszőleges pozitív valós λ, ã 1),..., ã S) és S N eseté a ν = νλ, ã 1),..., ã S) ) Poisso-Charlier előjeles mérték az az előjeles mérték, amely a emegatív egészekre va kocetrálva, és S ) ν{j} = Po{j}λ) 1) r ã r) C r j, λ), j N, r=1 4
5 ahol C r j, λ) az r-edik Charlier poliom [7] 170. o.). 2. Módszerek valószíűségi mértékek közelségéek mérésére Legyeek µ és ν az R, B) mérhetőségi tére értelmezett valószíűségi mértékek, ahol B a valós egyees Borel-halmazaiak σ-algebráját jelöli. A dolgozatba a két eloszlás közelségéek mérésére a Kolmogorov távolságot és a d K µ, ν) = sup x R teljes variációs távolságot haszáljuk. µ, x]) ν, x]) d TV µ, ν) = sup µb) νb) B B A dolgozat bizoyításaiba haszált fő eszközök között szerepelek külöböző karakterisztikus függvéyeket alkalmazó techikák, a Stei-módszer, csatolásos módszerek és bizoyos elemi kombiatorikai megfotolások. 3. Gumbel-típusú approximáció Ebbe a fejezetbe az 1 F,m x) := P W,m k=m+1 ) 1 k x, x R, eloszlásfüggvéy aszimptotikus viselkedését vizsgáljuk abba az esetbe, amikor m mide -re rögzített kostas és. A 4) potbeli gyege kovergecia felírható lim F,mx) = F m x) := 1 m! x e m+1)y+c m) e e y+c m)dy, x R, 5) alakba, ahol C m := γ m 1 és γ = lim 1 k log ) = 0, k A disszertációba mide m eseté olya F m + G,m egytagú aszimptotikus sorfejtést aduk, amely egyeletese 1/ redbe közelíti az F,m eloszlásfüggvéyt, továbbá az explicit módo megadott G,m függvéyek sorozata egyeletese log )/ redű. Ezáltal speciálisa azt is bizoyítjuk, hogy 5)-be a kovergeciasebesség redje log )/. Mide m + 2 eseté bevezetjük a G,m x) = k=m+1 1 x [f k m h k ]u) du, x R, 5
6 függvéyeket, ahol f m x) := F mx) a határeloszlás sűrűségfüggvéye, h k x) = e kx, x > 0, az 1/k várható értékű expoeciális eloszlás sűrűségfüggvéye, és a kovolúciót jelöli. Fő eredméyük a Tétel. Bármely rögzített m {0, 1, 2,...} eseté sup F,m x) [F m x) + G,m x)] ) 1 = O, 6) x R továbbá a G,m függvéyekhez létezik olya m-től függő K m > 0 kostas, x m R pot, c m ) pozitív függvéy és m ) N küszöbfüggvéy, hogy sup x R G,m x) Km log, m + 2, ugyaakkor G,m x) cm x) log, x, x m), valaháyszor m x). A dolgozatba azt is belátjuk, hogy 6)-ba a hibared éles, és hogy semmilye a 6) potba megadott sorfejtésél hosszabb aszimptotikus sorfejtés eseté em kaphatuk az 1/ redél kisebb hibaredet. A fejezet eredméyei publikálásra kerültek [19]-be. 4. Normális approximáció A dolgozat eze fejezetébe felső becslést aduk a kupogyűjtő várakozási idejéek ormális eloszlással való közelítéséek hibájára. Bevezetjük az ) W,m µ F,m x) := P x, x R, eloszlásfüggvéyt, és igazoljuk az alábbi tételt Tétel. Mide 3 és 1 m 2 eseté σ sup F,m x) Φx) C x R m ahol Φ a stadard ormális eloszlásfüggvéy és C = Elleőrizhető, hogy a Tétel által adott felső becslés potosa akkor tart ullához, ha m végtelebe megy, de elég lassa ahhoz, hogy a m)/ sorozat is végtelebe tartso, ami éppe a 3) határeloszlást adja. A fejezet eredméyei publikálásra kerültek [18]-ba. 6 1, σ
7 5. Poisso approximáció 5.1. Poisso approximáció egy általáos Poisso határeloszlás tételbe Az 5. fejezet első alfejezetébe általáos függetle emegatív egészértékű véletle változók összegeiek eloszlását közelítjük Poisso eloszlással. Az alábbi Gedeko és Kolmogorov [10] 132. o.) evéhez fűződő Poisso határeloszlás tételt fiomítjuk Tétel. Gedeko, Kolmogorov) Legye {Y 1, Y 2,..., Y r } N sorokét függetle, emegatív egészértékű véletle változókból álló szériasorozat, melyre mi PY k = 0) 1,, 1 k r r r PY k 1) λ, λ > 0 kostas, PY k 2) 0,. Ekkor Y := r Y k D Poλ), amit. Tetszőleges sorokét függetle, emegatív egészértékű véletle változókból álló szériasorozat tekitük, és mide eseté az -edik sorösszeg eloszlását olya Poisso eloszlással közelítjük, melyek λ várható értéke csak az adott sorba szereplő változók eloszlásától függ, de em követeljük meg mometumok létezését: λ = r PY k 1). A közelítés hibájára alsó és felső korlátot is aduk, melyek redje kostas szorzótól eltekitve megegyezik, feltéve, hogy a λ paraméterek korlátosak. Ezáltal jobb közelítését adjuk az Y változókak, mit amit a kézefekvő, határeloszlással törtéő approximáció jelet Tétel. Felső korlát.) Ha {Y 1, Y 2,..., Y r } N sorokét függetle, emegatív egészértékű véletle változókból álló szériasorozat, akkor d TV DY ), Poλ )) r [ PYk 2) + PY k 1) 2]. 7
8 Tétel. Alsó korlát.) Ha {Y 1, Y 2,..., Y r } N olya sorokét függetle, emegatív egészértékű véletle változókból álló szériasorozat, hogy mi 1 k r PY k = 0) 3 4 mide N eseté, akkor d TV DY ), Poλ )) 1 10 r ) r [ PY k = 0) PYk 2) + PY k 1) 2]. Az és Tételekből következik, hogy az Tételbe szereplő véletle változók feti Poisso approximációja eseté a hiba redje r [ PYk / {0, 1}) + PY k 1) 2]. Barbour és Hall a Stei-módszer segítségével hasoló eredméyeket igazoltak [3]-ba: függetle emegatív egészértékű véletle változók j=1 Y j összegeit olya Poisso eloszlású véletle változóval közelítették, melyek várható értéke j=1 PY j = 1) vagy j=1 EY j). Megjegyezzük, hogy az általuk alkalmazott approximációba a közelítő Poisso eloszlás paramétere e két érték között va.) Az általuk megadott korlátok más alakúak és szerepelek beük az Y j változók második mometumai. Továbbá alsó korlátaik sokkal boyolultabb kifejezések, melyek em adak haszálható iformációt abba az esetbe, amikor a kupogyűjtő várakozási idejére alkalmazzuk őket Következméy. Az Tételbe szereplő határeloszlásba a kovergecia sebessége r [ d TV DY ), Poλ)) PYk 2) + PY k 1) 2] r + PY k 1) λ Kupogyűjtés közel Poisso eloszlású várakozási idő eseté az általáos eredméyek alkalmazása Eze alfejezetbe először megvizsgáljuk, hogy a kupogyűjtő probléma hogya illeszkedik az előző alfejezetbeli felálláshoz. Belátható, hogy a W,m := W,m m) eltolt várakozási időre teljesül a W D,m = X,i 7) i=m+1 eloszlásbeli egyelőség, ahol az X,i véletle változók függetleek, és X,i + 1 geometriai eloszlású i/ siker-valószíűséggel, i {m + 1,..., }, N. Elleőrizhető, hogy a { X,m+1,..., X, } N szériasorozat kielégíti az Tétel feltételeit. Látjuk tehát, hogy a 2) határeloszlás tétel speciális esete a Gedeo Kolmogorov tételek. Ha az előző alfejezet eredméyeit alkalmazzuk W,m -re, a következőket kapjuk. 8
9 Következméy Ha {m = m)} N olya egészekből álló sorozat, amely teljesíti a 2) Poisso határeloszlás tétel feltételeit, akkor a kupogyűjtő W,m eltolt várakozási idejéek λ = i=m+1 1 i ) paraméteres Poisso eloszlású Nλ véletle változóval törtéő közelítése eseté a hiba redje ) i=m+1 1 i 2. Sőt, ha i mim+1 i 3 mide -re, 4 akkor ) 1 i 1 i 2 d TV D W,m ), DN λ )) ) i 2. ) i=m+1 i=m+1 i=m Következméy A 2) Poisso határeloszlás tételbe a kovergeciasebesség redjére a következő felső korlát adható: d TV D W,m ), DN λ )) 2 1 ) i i ) λ. i=m+1 i=m+1 A fejezet első két alfejezetéek eredméyei publikálásra kerültek [17]-be Kupogyűjtés közel Poisso eloszlású várakozási idő eseté kombiatorikai megközelítés A dolgozat eze alfejezetébe a kupogyűjtő probléma kombiatorikai struktúrájára építük. Egy kombiatorikai megfotolásokra támaszkodó módszer segítségével erősebb eredméyt tuduk igazoli, mit az Következméybe: a P W,m = k), k = 0, 1,..., valószíűségek megfelelő Poisso valószíűségekkel törtéő közelítését potosítjuk az első korrekciós tag meghatározása révé. Az eredméyt a Tétel tartalmazza. Megjegyezzük, hogy a bizoyításba alkalmazott módszer elméletbe az aszimptotikus sorfejtés magasabb redű tagjaiak meghatározására is alkalmas. Legye λ,j := i=m+1 1 i ) j, j = 1, 2,.... 8) Belátható, hogy ha {m = m)} N olya egészekből álló sorozat, amely teljesíti a 2) Poisso határeloszlás tétel feltételeit, akkor λ λ és λ,j 0, j = 2, 3,..., továbbá λ,2 = 2λ ) 3/2 3 + O 1 ) Tétel. Ha {m = m)} N olya egészekből álló sorozat, amely teljesíti a 2) Poisso határeloszlás tétel feltételeit, és λ valamit λ,2 a 8) formulával vaak defiiálva, 9
10 akkor P W,m = 0) = e λ e λ λ ), O, ) P W,m = 1) = e λ λ e λ λ,2 1 λ 2 + O, ) P W,m = k) = e λ λk λ k 2 k! + e λ k 2)! λk λ,2 k! 2 + O 1 ), k 2. Eze alfejezet eredméyei szerepelek [17]-be, a részleteket [16] tartalmazza Poisso approximáció a várható érték illesztése Az 5. fejezet utolsó alfejezetébe a kupogyűjtő W,m = W,m m) eltolt várakozási idejét egy újabb Poisso eloszlású véletle változóval közelítjük, méghozzá olyaal, amelyek várható értéke megegyezik W,m várható értékével. Kiszámolható, hogy azo és m paraméterértékek eseté, melyekre érvéyes a 2) Poisso határeloszlás tétel, az approximáció hibája a leti Tételbe 1/, ami kisebb, mit az ugyaeze esetbe az Következméybe vagy az Tételbe bizoyított 1/ -es hibared. Az Tétel bizoyítása a Stei-módszere alapszik, és kihaszálja azt a téyt, hogy az összehasolított eloszlások várható értékei egyelőek. Megjegyezzük, hogy az Tétel bizoyításába alkalmazott érvelés ebbe az esetbe em működe Tétel Ha λ = E W,m ) = i=m+1 1), akkor i ) d TV D W,m ), Poλ 2 )) 8 1 eλ i=m+1 ) 3 i. i 6. Összetett Poisso approximáció 6.1. A Mieka csatolási egyelőtleség egy általáosítása Ige agy irodalma va a függetle egészértékű véletle változók összegeiek összetett Poisso approximációjáak. A Stei-módszer segítségével az [5] és [2] dolgozatok ilye típusú approximációk teljes variációs távolságba mért hibáira adak felső korlátokat. Ezek a korlátok az X 1, X 2,..., X összeadadók első három mometumáak és a d TV D W ), D W + 1)) kifejezések függvéyei, ahol W = j=1 X j. A d TV D W ), D W + 1)) kifejezést általába a Mieka-csatolás [13] segítségével lehet becsüli, ami tipikusa 1/ redű eredméyt ad. Ha az X j véletle változók agyjából azoos szórásúak, akkor ez az eredméy közel va a cetrális határeloszlás tétel eseté 10
11 elvárt O1/ VarW ) hibaredhez. Azoba ha az X j véletle változók eloszlásai egyre laposabbak, amit j ő, akkor VarW őhet gyorsabba, mit, és ekkor 1/ jóval agyobb lesz, mit az elvárható 1/ VarW -es red. Potosa ez a helyzet, ha W -ek a kupogyűjtő várakozási idejét választjuk Lemma. Legyeek U 1, U 2,..., U r, r 2, függetle azoos eloszlású véletle változók, melyek valamely l 1 eseté egyeletes eloszlásúak az {1, 2,..., 2l 1, 2l} véges halmazo. Ha V r = r j=1 U j, akkor d TV DV r ), DV r + 1)) 1 l r. A Lemma megjavítja a Mieka-csatolás által ugyaerre a kifejezésre adott 1/ 2r) korlátot. A Állítás segítségével megmutatjuk, hogy a függetle diszkrét egyeletes eloszlású véletle változókra voatkozó lemma eredméye hogya alkalmazható tetszőleges függetle egészértékű véletle változók összegeire voatkozó hasoló eredméyek bizoyítására. Az alapötelet az, hogy az egyeletes eloszlású változókat ágyazzuk be azokba, amelyekre az eredméyt igazoli szereték Állítás. Ha X 1, X 2,..., X, 2, függetle egészértékű véletle változók és W = j=1 X, akkor d TV DW ), DW + 1)) 4 l lp + 8d lp, ahol l {2, 4, 6,...} valamit p mi{px j = k) : k = 1,..., l, j = 1,..., } tetszőlegesek és d = d TV DX ), DX + 1)). A dolgozatba megállapítjuk, hogy az állításba az általáosság megszorítása élkül feltehettük, hogy az l-itervallumok 1-él kezdődek, és hogy a p, l) paraméterek megválasztása agymértékbe függ az adott problémától. Azt is megjegyezzük, hogy az állítás által adott felső korlátba szereplő kostas javítható a bizoyításba alkalmazott módszer fiomításával: az X j véletle változókba emcsak egy, haem több diszkrét egyeletes eloszlású változót is be lehet ágyazi, ha a valós egyeest felbotjuk l-hosszú itervallumokra, és eze {m 1)l,..., ml}) m Z blokkok midegyikéhez defiiáluk egy egyeletes eloszlású változót Összetett Poisso approximáció a cetrális és Poisso határeloszlás tételek tartomáyába Ebbe az alfejezetbe a kupogyűjtő megfelelőe cetralizált várakozási idejéek eloszlását a bevezetésbe defiiált π µ,a összetett Poisso eloszlással közelítjük. A 7) eloszlásbeli egyelőségre alapozva, függetle egészértékű véletle változók összegeire voatkozó általáos összetett Poisso approximációs eredméyeket és az új csatolásukat alkalmazzuk. Belátjuk, hogy a W,m várakozási idő jól közelíthető összetett Poisso eloszlással 11
12 abba az esetbe, amikor az és m paraméterek teljesítik a 3) cetrális vagy a 2) Poisso határeloszlás tétel feltételeit Tétel. Bármely rögzített 2 és 2 m 4 eseté ha µ = σ 2 2 σ 2 µ, a = σ 2 µ c = σ 2 µ, ahol x, illetve x az x valós szám tört-, illetve egészrészét jelölik, akkor létezik olya pozitív C kostas, hogy ) d TV D W,m + c), π µ,a C ) σ 2 µ m) m)2 +. σ σ 2 m és A Tétel eredméyeit a µ, σ és a,2 := σ 2 µ m) meyiségekre voatkozó aszimptotikus formulák segítségével egyszerűbb alakba is kifejezhetjük: ) O 1 m, ha m ) ) 0; 1 d TV D W,m + c ), π µ,a = O, ha m c 0, 1] és lim if,m a 2 > 1; O ) m, ha lim sup,m a 3/2 2 < 1. A fetieket, illetve a Tétel eredméyét összehasolítva látjuk, hogy az itt bevezetett diszkrét approximáció ugyaolya, vagy jobb közelítését jeleti a várakozási időek, mit a ormális approximáció. Ráadásul a közelítés hibáját itt a Kolmogorov távolságál sokkal erősebb teljes variációs távolságba mérjük. Megjegyezzük, hogy a tételbe a paraméterek úgy lettek megválasztva, hogy az összehasolított eloszlások π µ,a és DW,m + c) első két mometuma megegyezze. A fejezet két alfejezetéek eredméyei publikálásra kerültek [15]-be. 7. Poisso-Charlier sorfejtések A dolgozat utolsó fejezetébe a kupogyűjtő W,m = W,m m) eltolt várakozási idejét Poisso-Charlier előjeles mértékekkel közelítjük teljes variációs távolságba. A [4]- be bevezetett karakterisztikus függvéyeket haszáló módszert alkalmazzuk. Legye µ = D W,m + c), ahol c = Var W,m E W,m. Bevezetjük az a,j := k=m+1 ) j k, j = 1, 2,..., k 12
13 sorozatokat és a ) ) w 2 R h R w) = a,2 a,2 w + a,2 a,2 2 + valamit H R w) = { R h l R w) l=0 3R 2 l=0 r=3, if a l!,2 > 1; h l R w), if a l!,2 < 1, ) w a,r + 1) r+1 r a,2 r, w C, poliomokat. A µ valószíűségi mértéket a véges ν R = ν R σ, 2 ã 1),m,..., ã R2 ) előjeles mértékkel közelítjük, melyet ) S ν R {j} = Poσ){j} ) r+1 ã r),mc r j, σ) 2, j N, r=1 defiiál, ahol S = degh R w)), ã r),m az e it 1) r tag együtthatója a H R e it 1) poliomba, és C r j, σ 2 ) az r-edik Charlier poliomot jelöli Tétel. Feltesszük, hogy a,2 > 1. Tetszőleges R 3 eseté létezek olya R-től függő m R és R küszöbszámok valamit C R kostas, hogy ha m m R és R, akkor,m ) és ) R 1 sup µ{k} ν R {k} C R, ha m k Z m 2 1, sup k Z ) R 2 µ{k} ν R {k} C R m), ha m R Tétel. Feltesszük, hogy a,2 < 1. Tetszőleges R 3 eseté létezik olya R-től függő R küszöbszám és C R kostas, hogy ha R, akkor 1 sup µ{k} ν R {k} C R k Z ). R A kapcsolódó teljes variációs távolságra voatkozó eredméyek kimodása előtt meghatározzuk az egymást követő R értékekhez tartozó közelítő mértékek külöbségéek teljes variációs ormáját: ν R+1 ν R T V C R 1 m) R 1, a Tétel eseté, ha m 2 1; C ) R 3 R m C R, m) R 2 a Tétel eseté, ha m ; 2, ) R+1 a Tétel eseté Következméy. Mide olya és m eseté, melyre a Tétel érvéyes, d TV µ, ν R ) C R σ log σ 1 m ) R, ha m 2 1, 13
14 és ) R 3 d TV µ, ν R ) C R m), ha m R 2 2 ; továbbá, mide olya és m eseté, melyre a Tétel érvéyes, ahol C R R-től függő pozitív kostas. m d TV µ, ν R ) C R ), R+1 Ha összehasolítjuk a Következméyt és a ν R+1 ν R T V ormára kapott korlátokat, látjuk, hogy eredméyeik em optimálisak az m /2 1 esetbe abba az értelembe, hogy a ν R -rel törtéő approximáció hibájáak redje em egyezik meg az R + 1)-edik korrekciós tag ν R+1 ν R T V teljes variációs ormájáak redjével. Érdekes yitott probléma, hogy d TV µ, ν R ) C R / m) R 1 elérhető-e m /2 1 eseté. A dolgozat végé összehasolítjuk az utolsó fejezet eredméyeit a 6. fejezetbe az összetett Poisso approximáció eseté kapottakkal. Hivatkozások [1] Baderier, C. ad Dobrow, R. P., A Geeralized Cover Time for Radom Walks o Graphs, Proceedigs of FPSAC 00, [2] Barbour, A.D. ad Cekaavicius, V, Total variatio asymptotics for sums of idepedet iteger radom variables, The Aals of Probability ), [3] Barbour, A.D. ad Hall, P., O the rate of Poisso covergece, Math. Proc. Cam. Phil. Soc ), [4] Barbour, A. D., Kowalski, E., Nikeghbali, A., Mod-discrete expasios, arxiv: v1 [math.pr], [5] Barbour, A.D. ad Xia, A., Poisso Perturbatios, ESAIM Probab. ad Statist ), [6] Baum, L.E. ad Billigsley, P., Asymptotic distributios for the coupo collector s problem, A. Math. Statist ), [7] Chihara, T. S., A itroductio to orthogoal polyomials, Gordo ad Breach, New York, [8] Erdős, P. ad Réyi, A., O a classical problem of probability theory, Magyar Tud. Akad. Mat. Kutató It. Közl ), [9] Feller, W., A Itroductio to Probability Theory ad its Applicatios, Joh Wiley & Sos,
15 [10] Gedeko, B. V. ad Kolmogorov, A. N., Limit Distributios for Sums of Idepedet Radom Variables, Addiso-Wesley Publishig Compay, Cambridge, Mass., [11] Gut, A. ad Holst, L., O the waitig time i a geeralized roulette game, Statistics & Probability Letters, ), [12] Holst, L., The geeral birthday problem, Proceedigs of the sixth iteratioal semiar o Radom graphs ad probabilistic methods i combiatorics ad computer sciece, Joh Wiley & Sos, [13] Lidvall, T., Lectures o the Couplig Method, Dover Publicatios, [14] Pólya, G., Eie Wahrscheilichkeitsaufgabe zur Kudewerbug, Z. Agew. Math. Mech., ), [15] Pósfai A., A extesio of Mieka s couplig iequality, Electroic Commuicatios i Probability, ), [16] Pósfai, A., A supplemet to the paper Poisso approximatio i a Poisso limit theorem ispired by coupo collectig, arxiv: [math.pr], [17] Pósfai A., Poisso approximatio i a Poisso limit theorem ispired by coupo collectig, Joural of Applied Probability, ), [18] Pósfai, A., Rates of covergece for ormal approximatio i icomplete coupo collectio, Acta Scietiarum Mathematicarum Szeged) ), [19] Pósfai, A. ad Csörgő, S., Asymptotic approximatios for coupo collectors, Studia Scietiarum Mathematicarum Hugarica, ),
18. 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.
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,
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
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
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
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.
Részletesebbenvéletlen : statisztikai törvényeknek engedelmeskedik (Mi az ami közös a népszavazásban, a betegségek gyógyulásában és a fiz. kém. laborban?
BEVEZETÉS A statisztika teljese laikusokak: agy mukával gyűjtött adatok vizsgálata, abból következtetések levoása ( statistical iferece ) (Egy kicsit sok hűhó semmiért azaz Much ado about othig.) Mi is
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
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
RészletesebbenSorozatok, határérték fogalma. Függvények határértéke, folytonossága
Sorozatok, határérték fogalma. Függvéyek határértéke, folytoossága 1) Végtele valós számsorozatok Fogalma, megadása Defiíció: A természetes számok halmazá értelmezett a: N R egyváltozós valós függvéyt
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
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.
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
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
RészletesebbenÁringadozások elıadás Kvantitatív pénzügyek szakirány 2012/13 2. félév
Árigadozások elıadás Kvatitatív pézügyek szakiráy 01/13. félév Heti óra elıadás + óra gyakorlat Elıadás: fıleg modellek, elemzési módszerek Gyakorlat: R programmal, alkalmazások Számokérés 50%: beadadó
Részletesebben(A TÁMOP /2/A/KMR számú projekt keretében írt egyetemi jegyzetrészlet):
A umerikus sorozatok fogalma, határértéke (A TÁMOP-4-8//A/KMR-9-8 számú projekt keretébe írt egyetemi jegyzetrészlet): Koverges és diverges sorozatok Defiíció: A természetes számoko értelmezett N R sorozatokak
RészletesebbenWiener-folyamatok definiciója. A funkcionális centrális határeloszlástétel. Norbert Wienerre, a második pedig egy Brown nevű XIX. században élt angol
Wieer-folyamatok defiiciója. A fukcioális cetrális határeloszlástétel. A valószíűségszámítás egyik agyo fotos fogalma a Wieer-folyamat, amelyet Browmozgásak is hívak. Az első elevezés e fogalom első matematikailag
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
RészletesebbenZavar (confounding): akkor lép fel egy kísérletben, ha a kísérletet végző nem tudja megkülönböztetni az egyes faktorokat.
Zavar és mita Zavar (cofoudig): akkor lép fel egy kísérletbe, ha a kísérletet végző em tudja megkülöbözteti az egyes faktorokat. Zavar és mita Zavar (cofoudig): akkor lép fel egy kísérletbe, ha a kísérletet
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
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
Részletesebbenf(n) n x g(n), n x π 2 6 n, σ(n) n x
Számelméleti függvéyek extremális agyságredje Dr. Tóth László 2006 Bevezetés Ha számelméleti függvéyek, l. multilikatív vagy additív függvéyek agyságredjét vizsgáljuk, akkor először általába az adott függvéy
RészletesebbenA tárgy címe: ANALÍZIS 1 A-B-C (2+2). 1. gyakorlat
A tárgy címe: ANALÍZIS A-B-C + gyakorlat Beroulli-egyelőtleség Legye N, x k R k =,, és tegyük fel, hogy vagy x k 0 k =,, vagy pedig x k 0 k =,, Ekkor + x k + x k Speciális Beroulli-egyelőtleség Ha N és
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
RészletesebbenInnen. 2. Az. s n = 1 + q + q 2 + + q n 1 = 1 qn. és q n 0 akkor és csak akkor, ha q < 1. a a n végtelen sor konvergenciáján nem változtat az, ha
. Végtele sorok. Bevezetés és defiíciók Bevezetéskét próbáljuk meg az 4... végtele összegek értelmet adi. Mivel végtele sokszor em tuduk összeadi, emiatt csak az első tagot adjuk össze: legye s = 4 8 =,
Részletesebbenfogalmazva a nagy számok törvénye azt mondja ki, hogy ha vesszük n független és
A Valószíűségszámítás II. előadássorozat egyedik témája. A NAGY SZÁMOK TÖRVÉNYE Eze előadás témája a agy számok erős és gyege törvéye. Kissé leegyszerűsítve fogalmazva a agy számok törvéye azt modja ki,
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.
RészletesebbenDifferenciaegyenletek aszimptotikus viselkedésének
Differeciaegyeletek aszimptotikus viselkedéséek vizsgálata Mathematica segítségével Botos Zsófia Újvidéki Egyetem TTK Újvidék Szerbia E-mail: botoszsofi@yahoo.com 1. Bevezető Tekitsük az késleltetett diszkrét
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
RészletesebbenGyakorló feladatok II.
Gyakorló feladatok II. Valós sorozatok és sorok Közgazdász szakos hallgatókak a Matematika B című tárgyhoz 2005. október Valós sorozatok elemi tulajdoságai F. Pozitív állítás formájába fogalmazza meg azt,
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:
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
RészletesebbenTartalom. Kezdeti szimulációs technikák. Tipikus kérdések. A bootstrap módszer. Bevezetés A független, azonos eloszlású eset:
Tartalom A bootstrap módszer Zempléi Adrás TTK, Valószíőségelméleti és Statisztika Taszék 2010. október 21 Bevezetés A függetle, azoos eloszlású eset: emparaméteres paraméteres eset Alkalmazások a rétegzett
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
RészletesebbenV. Deriválható függvények
Deriválható függvéyek V Deriválható függvéyek 5 A derivált fogalmához vezető feladatok A sebesség értelmezése Legye az M egy egyees voalú egyeletes mozgást végző pot Ez azt jeleti, hogy a mozgás pályája
RészletesebbenMatematika I. 9. előadás
Matematika I. 9. előadás Valós számsorozat kovergeciája +-hez ill. --hez divergáló sorozatok A határérték és a műveletek kapcsolata Valós számsorozatok mootoitása, korlátossága Komplex számsorozatok kovergeciája
RészletesebbenKomputer statisztika
Eszterházy Károly Főiskola Matematikai és Iformatikai Itézet Tómács Tibor Komputer statisztika Eger, 010. október 6. Tartalomjegyzék Előszó 4 Jelölések 5 1. Valószíűségszámítás 7 1.1. Valószíűségi mező............................
RészletesebbenA matematikai statisztika elemei
A matematikai statisztika elemei Mikó Teréz, dr. Szalkai Istvá szalkai@almos.ui-pao.hu Pao Egyetem, Veszprém 2014. március 23. 2 Tartalomjegyzék Tartalomjegyzék 3 Bevezetés................................
Részletesebben1 k < n(1 + log n) C 1n log n, d n. (1 1 r k + 1 ) = 1. = 0 és lim. lim n. f(n) < C 3
Dr. Tóth László, Fejezetek az elemi számelméletből és az algebrából (PTE TTK, 200) Számelméleti függvéyek Számelméleti függvéyek értékeire voatkozó becslések A τ() = d, σ() = d d és φ() (Euler-függvéy)
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
Részletesebben3.1. A Poisson-eloszlás
Harmadik fejezet Nevezetes valószíűségi változók Valamely valószíűségi változóhoz kapcsolódó kérdésekre akkor tuduk potos választ adi, ha a változó eloszlása ismert, vagy megközelítőleg ismert. Ebbe a
RészletesebbenLajkó Károly Kalkulus I. példatár mobidiák könyvtár
Lajkó Károly Kalkulus I. példatár mobidiák köyvtár Lajkó Károly Kalkulus I. példatár mobidiák köyvtár SOROZATSZERKESZTŐ Fazekas Istvá Lajkó Károly Kalkulus I. példatár programozó és programtervező matematikus
RészletesebbenEmpirikus szórásnégyzet
Empirikus égyzet Mi lee hasoló szellembe a becslése a mita alapjá? Empirikus égyzet Mi lee hasoló szellembe a becslése a mita alapjá? Az átlagtól való égyzetes eltérést kée átlagoli... Empirikus égyzet
RészletesebbenVirág Katalin. Szegedi Tudományegyetem, Bolyai Intézet
Függetleségvizsgálat Virág Katali Szegedi Tudomáyegyetem, Bolyai Itézet Függetleség Függetleség Két változó függetle, ha az egyik változó megfigyelése a másik változóra ézve em szolgáltat iformációt; azaz
Részletesebbenezek alapján kívánunk dönteni. Ez formálisan azt jelenti, hogy ellenőrizni akarjuk,
A deceber -i gyakorlat téája A hipotézisvizsgálat fotos probléája a következő két kérdés vizsgálata. a) Egy véletle eyiség várható értékéek agyságáról va bízoyos feltevésük. Elleőrizi akarjuk e feltevés
Részletesebben1 n. 8abc (a + b) (b + c) (a + c) 8 27 (a + b + c)3. (1 a) 5 (1 + a)(1 + 2a) n + 1
A tárgy címe: ANALÍZIS A-B-C + gyakorlat Beroulli-egyelőtleség Ha N és h R, akkor + h + h Mikor va itt egyelőség? Léyeges-e a h feltétel? Számtai-mértai közép Bármely N és,, R, k 0 k =,, választással k
RészletesebbenKétoldali hibás Monte Carlo algoritmus: mindkét válasz esetén hibázhat az algoritmus, de adott alsó korlát a hibázás valószínűségére.
Véletleített algoritmusok Tegyük fel, hogy va két doboz (A,B), amely egyike 1000 Ft-ot tartalmaz, a másik üres. 500 Ft-ért választhatuk egy dobozt, amelyek a tartalmát megkapjuk. A feladat megoldására
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.
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
Részletesebben2. egy iskola tanulói, a változók: magasságuk cm-ben, súlyuk (tömegük) kilóban; 3. egy iskola tanulói, a változó: tanulmányi átlaguk;
Statisztika Tegyük fel, hogy va egy halmazuk, és tekitsük egy vagy több valószíűségi változót, amelyek a halmaz mide elemé felveszek valamilye értéket. A halmazt populációak vagy sokaságak evezzük. Példák:
Részletesebben(d) x 6 3x 2 2 = 0, (e) x + x 2 = 1 x, (f) 2x x 1 = 8, 2(x 1) a 1
. Bevezető. Oldja meg az alábbi egyeleteket: (a cos x + si x + cos x si x = (b π si x = x π 4 x 3π 4 cos x (c cos x + si x = si x (d x 6 3x = 0 (e x + x = x (f x + 5 + x = 8 (g x + + x + + x + x + =..
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
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
RészletesebbenA primitív függvény létezése. Kitűzött feladatok. határérték, és F az f egy olyan primitívje, amelyre F(0) = 0. Bizonyítsd be,
6 A primitív üggvéy létezése A primitív üggvéy létezése Kitűzött eladatok. Határozd meg az a és b valós paraméterek értékét úgy hogy az : R ae + b üggvéyek létezze primitív üggvéye! >. Az : [ + [ + olytoos
RészletesebbenEötvös Loránd Tudományegyetem Informatikai Kar. Analízis 1. Írásbeli tételek. Készítette: Szántó Ádám Tavaszi félév
Eötvös Lorád Tudomáyegyetem Iformatikai Kar Aalízis. Írásbeli tételek Készítette: Szátó Ádám 20. Tavaszi félév . Archimedes tétele. Tétel: a > 0 és b R : N : b < a. Bizoyítás: Idirekt úto tegyük fel, hogy
Részletesebbenkismintás esetekben vagy olyanokban, melyeknél a tanulóalgoritmust tesztadatokon szeretnénk
ÚJRAMINTAVÉTELEZÉSI ELJÁRÁSOK A jackkife (zsebkés) és bootstrap (cipőhúzó a saját kallatyújáál fogva) eljárások agol elevezése is arra utal, hogy itt ad hoc eljárásokról va szó, melyek azoba agyo haszosak
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,
RészletesebbenDebreceni Egyetem, Közgazdaság- és Gazdaságtudományi Kar. Feladatok a Gazdasági matematika I. tárgy gyakorlataihoz. Halmazelmélet
Debrecei Egyetem Közgazdaság- és Gazdaságtudomáyi Kar Feladatok a Gazdasági matematika I. tárgy gyakorlataihoz a megoldásra feltétleül ajálott feladatokat jelöli e feladatokat a félév végére megoldottak
RészletesebbenAnalízis I. gyakorlat
Aalízis I. gyakorlat Kocsis Albert Tihamér, Németh Adriá 06. március 4. Tartalomjegyzék Előszó.................................................... Sorozatok és sorok.............................................
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
RészletesebbenKevei Péter. 2013. november 22.
Valószíűségelmélet feladatok Kevei Péter 2013. ovember 22. 1 Tartalomjegyzék 1. Mérhetőség 4 2. 0 1 törvéyek 12 3. Vektorváltozók 18 4. Véletle változók traszformáltjai 28 5. Várható érték 33 6. Karakterisztikus
RészletesebbenPrímszámok a Fibonacci sorozatban
www.titokta.hu D é e s T a m á s matematikus-kriptográfus e-mail: tdeest@freemail.hu Prímszámok a Fiboacci sorozatba A továbbiakba Fiboacci sorozato az alapsorozatot (u,,,3,5,...), Fiboacci számo az alapsorozat
Részletesebbenhidrodinamikai határátmenet
Véletle közegű kizárási folyamat, hidrodiamikai határátmeet Diplomamuka Írta Horváth Aja Alkalmazott matematikus szak Témavezető: Nagy Katali Egyetemi doces Differeciálegyeletek Taszék Budapesti Műszaki
RészletesebbenDiszkrét matematika II., 3. előadás. Komplex számok
1 Diszkrét matematika II., 3. előadás Komplex számok Dr. Takách Géza NyME FMK Iformatikai Itézet takach@if.yme.hu http://if.yme.hu/ takach/ 2007. február 22. Komplex számok Szereték kibővítei a valós számtestet,
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.
RészletesebbenKalkulus I. Első zárthelyi dolgozat 2014. szeptember 16. MINTA. és q = k 2. k 2. = k 1l 2 k 2 l 1. l 1 l 2. 5 2n 6n + 8
Név, Neptu-kód:.................................................................... 1. Legyeek p, q Q tetszőlegesek. Mutassuk meg, hogy ekkor p q Q. Tegyük fel, hogy p, q Q. Ekkor létezek olya k 1, k 2,
RészletesebbenELTE TTK Budapest, január
Valószíűségszámítás Arató Miklós előadásai alapjá Készítették: Martiek László Tassy Gergely ELTE TTK Budapest, 008. jauár Typeset by L A TEX . el adás 007. IX.. szerda Klasszikus (kombiatorikus valószí
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
RészletesebbenBootstrap (Efron, 1979)
Bootstrap (Efro, 979) 4. elıadás 204. március 3. Bootstrap módszerek, többdimeziós extrém-érték eloszlások illeszkedésvizsgálata Újramitavételezési eljárás, a becsléseik szórásáak vizsgálatára, modell-illeszkedés
RészletesebbenA G miatt (3tagra) Az egyenlőtlenségek két végét továbbvizsgálva, ha mindkét oldalt hatványozzuk:
Kocsis Júlia Egyelőtleségek 1. Feladat: Bizoytsuk be, hogy tetszőleges a, b, c pozitv valósakra a a b b c c (abc) a+b+c. Megoldás: Tekitsük a, b és c számok saját magukkal súlyozott harmoikus és mértai
RészletesebbenA brexit-szavazás és a nagy számok törvénye
Mûhely Medvegyev Péter kadidátus, a Corvius Egyetem egyetemi taára E-mail: peter.medvegyev@uicorvius.hu A brexit-szavazás és a agy számok törvéye A 016. év, de vélhetőe az egész évtized legfotosabb politikai
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
RészletesebbenAutoregressziós modellekkel kapcsolatos
Autoregressziós modellekkel kapcsolatos határeloszlás tételek Pap Gyula Kossuth Lajos Tudomáyegyetem, Matematikai és Iformatikai Itézet H 4 ebrece, Pf.2 papgy@math.klte.hu. AR() modellek Tekitsük az (.)
RészletesebbenEddig megismert eloszlások Jelölése Eloszlása EX D 2 X P(X = 1) = p Ind(p) P(X = 0) = 1 p. Leíró és matematikai statisztika
Leíró és matematikai statisztika Matematika alapszak, matematikai elemző szakiráy Zempléi Adrás Valószíűségelméleti és Statisztika Taszék Matematikai Itézet Természettudomáyi Kar Eötvös Lorád Tudomáyegyetem
Részletesebben4. Test feletti egyhatározatlanú polinomok. Klasszikus algebra előadás NE KEVERJÜK A POLINOMOT A POLINOMFÜGGVÉNNYEL!!!
4. Test feletti egyhatározatlaú poliomok Klasszikus algebra előadás Waldhauser Tamás 2013 április 11. Eddig a poliomokkal mit formális kifejezésekkel számoltuk, em éltük azzal a lehetőséggel, hogy x helyébe
RészletesebbenElméleti összefoglaló a Valószín ségszámítás kurzushoz
Elméleti összefoglaló a Valószín ségszámítás kurzushoz Véletlen kísérletek, események valószín sége Deníció. Egy véletlen kísérlet lehetséges eredményeit kimeneteleknek nevezzük. A kísérlet kimeneteleinek
RészletesebbenValószínűségszámítás II. feladatsor
Valószíűségszámítás II. feladatsor 214. szeptember 8. Tartalomjegyzék 1. Kovolúció 1 1.1. Poisso és Gamma eloszlások kapcsolata............................... 2 2. Geerátorfüggvéyek 3 2.1. Véletle tagszámú
RészletesebbenNumerikus sorok. Kónya Ilona. VIK, Műszaki Informatika ANALÍZIS (1) Oktatási segédanyag
VIK, Műszaki Iformatika ANALÍZIS Numerikus sorok Oktatási segédayag A Villamosméröki és Iformatikai Kar műszaki iformatikus hallgatóiak tartott előadásai alapjá összeállította: Fritz Józsefé dr. Kóya Iloa
RészletesebbenINJEKTIVITÁS ÉS EGYÉB TULAJDONSÁGOK MEGOLDOTT FELADATOK
Megoldott feladatok Ijektivitás és egyéb tulajdoságok 59 ) INJEKTIVITÁS ÉS EGYÉB TULAJDONSÁGOK MEGOLDOTT FELADATOK Határozd meg azt az f:r R függvéyt, amelyre f ( f ( ) x R és a g:r R g ( = x f ( függvéy
RészletesebbenFourier sorok FO 1. Trigonometrikus. A diákon megjelenő szövegek és képek csak a szerző (Kocsis Imre, DE MFK) engedélyével használhatók fel!
Fourier sorok FO Trigoometrikus Fourier sorok FO Trigoometrikus redszer Defiíció: trigoometrikus redszer Az {, cos x, si x, cos x, si x, cos 3x, si 3x, } függvéyekből álló (végtele sok függvéyt tartalmazó)
RészletesebbenAbszolút folytonos valószín ségi változó (4. el adás)
Abszolút folytonos valószín ségi változó (4. el adás) Deníció (Abszolút folytonosság és s r ségfüggvény) Az X valószín ségi változó abszolút folytonos, ha van olyan f : R R függvény, melyre P(X t) = t
RészletesebbenA függvénysorozatok olyanok, mint a valós számsorozatok, csak éppen a tagjai nem valós számok,
l.ch FÜGGVÉNYSOROZATOK, FÜGGVÉNYSOROK, HATVÁNYSOROK Itt egy függvéysorozat: f( A függvéysorozatok olyaok, mit a valós számsorozatok, csak éppe a tagjai em valós számok, 5 haem függvéyek, f ( ; f ( ; f
RészletesebbenBarczy Mátyás és Pap Gyula
Barczy Mátyás és Pap Gyula mobidiák köyvtár Barczy Mátyás és Pap Gyula mobidiák köyvtár SOROZATSZERKESZTŐ Fazekas Istvá Barczy Mátyás és Pap Gyula Debrecei Egyetem mobidiák köyvtár Debrecei Egyetem Szerzők
RészletesebbenValószínűségszámítás alapjai szemléletesen
### walszam07-jav-80.doc, ### 08.0.3., :00' http://math.ui-pao.hu/~szalkai/walszam07.pdf Valószíűségszámítás alapjai szemléletese /Kézirat, 08-0-3. / dr.szalkai Istvá Pao Egyetem, Veszprém Matematika Taszék
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( a b)( c d) 2 ab2 cd 2 abcd 2 Egyenlőség akkor és csak akkor áll fenn
Feladatok közepek közötti egyelőtleségekre (megoldások, megoldási ötletek) A továbbiakba szmk=számtai-mértai közép közötti egyelőtleség, szhk=számtaiharmoikus közép közötti egyelőtleség, míg szk= számtai-égyzetes
RészletesebbenAndai Attila: november 13.
Adai Attila: Aalízis éháy fejezete bizoyításokkal Óravázlat 006. ovember 13. Ebbe az óravázlatba az órá elhagzott defiíciókat és a bizoyított tételeket gyűjtöttem össze. i Elemi sorok és függvéyek 1 1.
RészletesebbenValószín ségszámítás (jegyzet)
Valószí ségszámítás (jegyzet) Csiszár Vill 9. február 8.. Valószí ségi mez Két bevezet példa: ) Osztozkodási probléma (494, helyes megoldás több, mit évvel kés bb, Pascal, Fermat): Két játékos fej-írás
RészletesebbenANALÍZIS I. TÉTELBIZONYÍTÁSOK ÍRÁSBELI VIZSGÁRA
ANALÍZIS I. TÉTELBIZONYÍTÁSOK ÍRÁSBELI VIZSGÁRA Szerkesztette: Balogh Tamás 202. július 2. Ha hibát találsz, kérlek jelezd a ifo@baloghtamas.hu e-mail címe! Ez a Mű a Creative Commos Nevezd meg! - Ne add
RészletesebbenFüggvényhatárérték-számítás
Függvéyhatárérték-számítás I Függvéyek véges helye vett véges határértéke I itervallumo, ha va olya k valós szám, melyre az I itervallumo, ha va olya K valós szám, melyre I itervallumo, ha alulról és felülről
RészletesebbenDebreceni Egyetem. Kalkulus példatár. Gselmann Eszter
Debrecei Egyetem Természettudomáyi és Techológiai Kar Kalkulus példatár Gselma Eszter Debrece, 08 Tartalomjegyzék. Valós számsorozatok Elméleti áttekités........................................................
RészletesebbenKalkulus II., második házi feladat
Uger Tamás Istvá FTDYJ Név: Uger Tamás Istvá Neptu: FTDYJ Web: http://maxwellszehu/~ugert Kalkulus II, második házi feladat pot) Koverges? Abszolút koverges? ) l A feladat teljese yilvávalóa arra kívácsi,
RészletesebbenKÍSÉRLETTERVEZÉS ÉS ÉRTÉKELÉS A MIKROBIOLÓGIAI GYAKORLATBAN
KÍSÉRLETTERVEZÉS ÉS ÉRTÉKELÉS A MIKROBIOLÓGIAI GYAKORLATBAN DR. REICHART OLIVÉR 005. Budapest Lektorálta: Zukál Edre Tartalom BEVEZETÉS 3. VALÓSZÍNŰSÉGSZÁMÍTÁSI ALAPOK 5.. Kombiatorikai alapösszefüggések
Részletesebbenhogy alkalmas konstrukcióval megadható-e olyan sztochasztikus folyamat, melynek ezek
Wieer folyamatok A következő két feladat azt mutatja, hogy az az eseméy, hogy egy sztochasztikus folyamat folytoos trajektóriájú-e vagy sem em határozható meg a folyamat véges dimeziós eloszlásai segítségével,
Részletesebben1 h. 3. Hogyan szól a számtani és a mértani közép közötti összefüggést kifejező tétel?
1. Fogalmazza meg az R -beli háromszög-egyelőtleségeket!,y R (i) +y + y (ii) -y - y 2. Mit mod ki a Beroulli-egyelőtleség? (i) (1+h) 1+ h ( h>-1) ( N*) (ii) (1+h) 1+2 h 1 ( N*) h 2 3. Hogya szól a számtai
RészletesebbenXXVI. Erdélyi Magyar Matematikaverseny Zilah, február II.forduló -10. osztály
Miisterul Educaţiei Națioale și Cercetării Știițifice Subiecte petru Etapa aţioală a Cocursului de Matematică al Liceelor Maghiare di Româia XXVI. Erdélyi Magyar Matematikaversey Zilah, 016. február 11
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
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 B Elem
RészletesebbenTartalomjegyzék. Pemutáció 5 Ismétléses permutáció 8 Variáció 9 Ismétléses variáció 11 Kombináció 12 Ismétléses kombináció 13
Tartalomjegyzék I Kombiatorika Pemutáció Ismétléses permutáció 8 Variáció 9 Ismétléses variáció Kombiáció Ismétléses kombiáció II Valószíségszámítás M/veletek eseméyek között 6 A valószí/ség fogalma 8
RészletesebbenEötvös Loránd Tudományegyetem Informatikai Kar. Additív számelméleti függvények eloszlása
Eötvös Loránd Tudományegyetem Informatikai Kar Additív számelméleti függvények eloszlása Doktori értekezés tézisei Germán László Témavezető Prof. Dr. Kátai Imre akadémikus Informatika Doktori Iskola vezető:
Részletesebben