Tananyag: KissBéla-KrebszAnna:Lineárisalgebra,többváltozósfüggvények,valószínűségszámítás,4.18.,
|
|
- Vilmos Hajdu
- 9 évvel ezelőtt
- Látták:
Átírás
1 // KURZUS: Matematika II. MODUL:Valószínűség-számítás 30. lecke: A nagy számok törvényei Tananyag: KissBéla-KrebszAnna:Lineárisalgebra,többváltozósfüggvények,valószínűségszámítás,4.18., fejezet Elméleti összefoglaló A nagy számok törvényének Csebisev-féle alakja Haaξ1,ξ2,,ξn azonosvárhatóérétkűésszórásúfüggetlen valószínűségiváltozókm(ξi )=m várhatóértékkelésd(ξi)=σ szórással(i=1,2,,n),akkorp( ξ1+ξ2+ +ξnn m ε ) σ2ε2 n.tetszőlegesε>0 pozitívszám esetén. AnagyszámoktörvényénekCsebisev-félealakjafüggetlen,azonosvárhatóértékűésszórású valószínűségiváltozókszámtaniközepénekaközösvárhatóértéktőlvalóeltéréséreadbecslést. A nagy számok Bernoulli-féle törvénye Han függetlenkísérletetvégzünkegyp=p(a)valószínűségűa eseménymegfigyeléséreésa kísérleteksoránaza eseménykn-szerkövetkezetbe,akkorp( knn p ε) p (1 p)ε2 n, tetszőlegesε>0 pozitívszám esetén. AnagyszámokBernouli-féletörvényétáltalábanP( knn p <ε)=1 P( knn p ε) 1 p ( 1 p)ε2 n formábanannakbecslésérehasználjuk,hogyarelatívgyakoriságmilyen valószínűséggelközelítimegazadota eseményp valószínűségét. Mivelp (1 p) 14,ezértaBernouli-féletörvénybőlaP( knn p ε) 14 ε2 n egyenlőtlenségteljesüléseiskövetkezik,amiismeretlenp eseténisalkalmazhatóp( knn p <ε)=1 P( knn p ε) 1 14 ε2 n becsléstteszlehetővé. Központi (centrális) határeloszlás tétel Haaξ1,ξ2,,ξn,.azonoseloszlásúésvégesszórásúfüggetlenvalószínűségiváltozókegy sorozata,m(ξi)=m,ésd(ξi)=σ (i=1,2,.),akkora0várhatóértékűés1szórásúηn=ξ1+ ξ2+.+ξn n m n σ,(n=1,2,.)valószínűségiváltozóksorozataaszimptotikusanstandard normáliseloszlású,azazlim n P(ηn<x)=Φ(x),aholΦ(x)astandardnormáliseloszlás eloszlásfüggvényétjelöli. Kidolgozott feladatok coedu.sze.hu/print.php4?print_items= 1/7
2 30.1. Adjunkbecsléstara,hogylegalábbhányszorkelegyszabályosdobókockátfeldobnunk ahhoz,hogyannakvalószínűsége,hogyadobotszámokátlagalegalább0,1-deleltéravárható értéktől,0,05-nélkisebblegyen? Megoldás: Legyenξiazi-edikdobotszámotjelentővalószínűségiváltozó. Ekkorξivárhatóértéke:M(ξi)= =3,5, ξi2 várhatóértéke:m(ξi2)= =916, ξiszórásnégyzete:d2(ξi)=m(ξi2) M 2(ξi) 2,9167 AnagyszámoktörvényénekCsebisev-félealakjátalkalmazva: P( ξ1+ξ2+.+ξnn m ε) σ2ε2 n Mostm=3,5,σ2 2,9167 ésε=0,1. Behelyetesítve:P( ξ1+ξ2+.+ξnn 3,5 0,1) 2,91670,01 n Afeladatbanszereplőfeltételteljesül,ha2,91670,01 n 0,05, ebbőlaztkapjuk,hogyn 5833,4. Tehátabecslésünkszerintlegalább5834-szerkelfeldobniakockátahhoz,hogyafeladatban kiszabotakteljesüljenek Valamelytermékbenaselejtekarányátszeretnénkmegálapítani.Ehhez12000mérést végeztekés358selejtettaláltak.adjunkbecsléstannakvalószínűségére,hogyakapotrelatív gyakoriság0,005-nélkevesebbeltérelaténylegesértéktől,vagyisannakvalószínűségétől,hogy egyvéletlenszerűenválasztottermékselejtes! Megoldás: Amérésekszáma:n=12000,aselejtekszámak=358,ebbőlarelatívgyakoriság:kn =0,02983.Reményeinkszerintaselejtvalószínűségeezenértéktőlnem téreltúlságosan.mivelaz ap valószínűségnem ismert,ezértanagyszámokbernouli-féletörvényénekalábbialakjátkel használnunk:p( kn p <ε) 1 14 ε2 n. Jelenesetbenε=0,005. Behelyetesítveaztkapjuk,hogy1 14 ε2 n=1 14 0, =16 Vagyiscsupánaztálíthatjuk,hogyakapotrelatívgyakoriságérték16-nálnagyobb valószínűséggel0,005-nélkevesebbeltérelazismeretlenp valószínűségtől.nyilváneznem túl meggyőzőérték,tehátavizsgáltmintaelemszámánaknövelésérevanszükség Adjunkbecsléstara,hogylegalábbhányszorkelegyszabályosdobókockátfeldobniahhoz, hogya4-esekrelatívgyakoriságalegalább0,9valószínűséggel0,02-nálkevesebbeltérel16-tól! Megoldás: AlkalmazzukanagyszámokBernouli-féletörvényét!P( kn p <ε) 1 14 ε2 n Afeladatbanp=16 ésε=0,02. Hateljesül,hogy1 p (1 p)ε2 n 0,9,akkorakívántfeltételnekiselegettetünk. 1 p (1 p)ε2 n 0,9,vagyis ,0004 n 0,9,ebbőln 3472,2. Tehátbecslésünkszerintlegalább3473-szorkelfeldobniakockát Egytömegtermelésbenkészülőterméketvizsgálunk,hatalmasmennyiségál rendelkezésünkre.becsüljükmeg,hogylegalábbhányeleműmintátkelvenniahhoz,hogyahibás termékekarányát95%-osbiztonsággal,0,05-nálkisebbeltérésselmegtudjukadni! Megoldás: Mivelnem ismertaz,hogyegytermékmekkoravalószínűséggelhibás,ezértabernouli- coedu.sze.hu/print.php4?print_items= 2/7
3 féletörvényalábbialakjátkelhasználnunk:p( kn p <ε) 1 14 ε2 n. Mostε=0,05 és1 14 ε2 n 0,95 teljesülésétkelvizsgálni. Behelyetesítve:1 14 0,0025 n 0,95,ebbőln Tehátlegalább2000eleműmintátkelvenni Népszavazásonegybizonyoskérdéseldöntéséhez50%+1beleegyezőszavazatravan szükség.aszavazatokfeldolgozásánakegykoraiszakaszábanazttapasztaljuk,hogy szavazóközül180000szavazotigennelafeltetkérdésre.mekkoraannakvalószínűsége,hogya népszavazásonazigenszavazatokszerezzenektöbbséget? Megoldás: Jelenálásszerintabeleegyezőszavazatokrelatívgyakorisága =0,45. Ahhoz,hogyazigeneklegyenektöbbségbenp>0,5 szükséges,tehátbernoulitételébenε>0,05 kel. Atételszerint:P( kn p ε) 14 ε2 n. ε=0,05 ésn= eseténahelyetesítésiérték: 14 ε2 n=14 0, =0,00025.(0,05-nálnagyobbε eseténennélmégkisebbértéket kapunk) Tehátbecslésünkszerintazigenszavazatoktöbbségének0,00025avalószínűsége(0,025% - "gyakorlatilagnula") Egyfűrészüzemben2cm vastagdeszkákatkészítenek,atapasztalatszerint2mm szórással. Raktározáskor100dbdeszkakerülközvetlenülegymásra.Milyenmagastárolóhelyiségrevan szükségahhoz,hogyadeszkák90%-osvalószínűséggelelférjenekbenne? Megoldás: Azegyesdeszkákvastagságaegymástólfüggetlen,azonoseloszlásúvalószínűségi változónaktekinthető(ugyanotkészültek),m(ξ)=20mm várhatóértékkel,ésd(ξ)=2mm szórással.aközpontihatáreloszlástételszerintfüggetlen,azonoseloszlásúvalószínűségiváltozók összegénekstandardizáltjaközelítőlegstandardnormáliseloszlású,azaz P(ξ1+ξ2+.+ξn n M(ξ)n D(ξ)<x) Φ(x),aholΦ(x)astandardnormáliseloszlás eloszlásfüggvényétjelöli. Akérdéstulajdonképpenaz,hogymiazazérték,aminélavalószínűségiváltozókösszege90% valószínűséggelkisebb,vagyismilyenx eseténleszφ(x)=0,9. Táblázatbólkikeresveadódik,hogyx=1,28. Aztkapjuktehát,hogyP(ξ1+ξ2+.+ξn n M(ξ)n D(ξ)<1,28) 0,9. Behelyetesítveaszövegbenszereplőértékeket:P(ξ1+ξ2+.+ξ <1,28)=P( ξ1+ξ2+.+ξ100<25,6+2000)=p(ξ1+ξ2+.+ξ100<2025,6) 0,9 Tehátadeszkahalom magassága(adeszkákvastagságánakösszege)0,9valószínűséggel202,56 cm-nélkisebb,vagyislegalábbilyenmagastárolóhelyiségrevanszükség Egy100személyessétahajókapitányahosszúidőalatazttapasztalja,hogyajeggyel rendelkezőknekmindössze90%-ajelenikmegabeszálásnál.ezenfelbuzdulvaegyalkalommal 110jegyetadel.Miavalószínűsége,hogyleszolyanutas,akinem férfelahajóra? Megoldás: Feltételezhetjük,hogyazutasokegymástólfüggetlenüldöntenekaról,hogyutaznak coedu.sze.hu/print.php4?print_items= 3/7
4 vagysem.átlagosan90%-ukdöntazutazásmelet,tehátannakvalószínűsége,hogyegybizonyos utasmegjelenikabeszálásnálp=0,9. Mindenegyesjeggyelrendelkezőutashozrendeljünkegyvalószínűségiváltozót:ξi:{1,haaziedikutasutazik0,hanem Azeloszlása:ξi:{100,90,1 Azinduláskormegjelentekszámaaξi-kösszegelesz.Halegalább101utasjelenikmeg beszálásnál,akkorvalakinekbiztosannem juthely.tehátakérdésannakvalószínűsége,hogyaξi -kösszegenagyobb100-nál. P(ξ1+.+ξ )=1 P(ξ1+.+ξ<110101) AP(ξ1+.+ξ<110101)valószínűségmeghatározásáhozhasználjukfelaközpontihatáreloszlás tételt. M(ξi)=0,9,D(ξi)=0,9 0,9 0,9=0,3 P(ξ1+.+ξ<110101)=P(ξ1+.+ξ ,9110 0,3< ,9110 0,3)=P(ξ1 +.+ξ ,1464<0,6356) Φ(0,6356),aholΦ astandardnormáliseloszlás eloszlásfüggvényétjelöli.táblázatbólφ(0,6356) 0,7375. Tehátkb.73,75% annakavalószínűsége,hogyvalakinem férfelahajóra Micimackómézetakartlopniaméhektől,derajtavesztet:minda200méhecskeegyszere támadtrá.tudjuk,hogymindenegyesméh0,4valószínűséggelcsípimegatolvajt.mia valószínűsége,hogymicimackó50csípésnélkevesebbelmegússzaakalandot? Megoldás: Másirányútanulmányainkból(biológia,élővilág,környezetismeret,stb.)tudjuk,hogy egyméhecskecsakegyszertudcsípni.ígymindenegyesméhecskéhezrendelhetünkegy valószínűségiváltozót: ξi:{1,haazi-edikméhecskecsípet0,hanem Eloszlása:ξi:{100,40,6 Várhatóértéke:M(ξi)=0,4,szórása:D(ξi)=0,4 0,4 0,4 0,4898. Acsípésekszámátξivalószínűségiváltozókösszegekéntkapjuk.Akérdésannakvalószínűsége, hogyezazösszeg50-nélkevesebb-e.eztavalószínűségetismétaközpontihatáreloszlástétel segítségévelhatározhatjukmeg: P(ξ1+.+ξ<20050)=P(ξ1+.+ξ M(ξi)200 D(ξi)< M(ξi)200 D(ξi) )=P(ξ1+.+ξ ,9268< 4,331) Φ( 4,331)=1 Φ(4,331)=1 1=0 Megjegyzés:Φ(4,331)értékenem mindenholszerepelatáblázatban,demivelmárφ(3 )=0, ,ezértezazérték1-nekvehető. Tehát0annakvalószínűsége,hogyMicimackó50csípésnélkevesebbelmegússzaakalandot. Ellenőrző kérdések 1. feladat Egy szabályos pénzérmét 1000-szer feldobunk. A Bernoulli-féle törvénnyel becsülve mekkora lehet annak valószínűsége, hogy a fejek számának relatív gyakorisága legalább 0,05-dal eltér 1 2 -től? coedu.sze.hu/print.php4?print_items= 4/7
5 legfeljebb110 legalább110 pontosan110 legfeljebb0,05 2. feladat Egy ismeretlen valószínűségű esemény valószínűségét szeretnénk megbecsülni a relatív gyakorisággal. Adjunk becslést a Bernoulli-féle törvénnyel arra, hányszor kell végrehajtani az adott esemény megfigyelésére vonatkozó kísérletet, ha azt akarjuk, hogy a relatív gyakoriság legalább 0,95 valószínűséggel 0,1-nél kevesebbel térjen el a valószínűségtől? legalább950 legalább500 legalább1000 legalább feladat Egy játékban 0,5 valószínűséggel nyerünk, vagy 0,5 valószínűséggel veszítünk 100 Ft-ot. A nagy számok törvényének Csebisev-féle alakját felhasználva adjunk becslést arra, hogy hány játék után mondhatjuk el: a nyereményünk átlaga legalább 90%-os valószínűséggel 0,05-nál kevesebbel tér el a várható értéktől? legalább4 107 legalább5 106 legalább4 106 legalább feladat Egy alkalommal a 100 fős évfolyam számára kiírt "Valószínűség számítás coedu.sze.hu/print.php4?print_items= 5/7
6 és matematikai statisztika" című előadást egy 90 fő befogadására alkalmas terembe tették. A hallgatók egymástól függetlenül 0,8 valószínűséggel mennek el az órára. Mi lehet annak a valószínűsége, hogy minden megjelent befér? 0,8888 0,7365 0,001 0, feladat Valamely típusú alkatrész élettartama exponenciális valószínűségi változó 200 óra várható értékkel. Ha az alkatrész meghibásodik, akkor azonnal cserélik, időveszteség nélkül. Tudjuk, hogy az alkatrész hiányában a teljes berendezés működésképtelen. Ha 100 ilyen alkatrész áll rendelkezésünkre, akkor mi a valószínűsége, hogy legalább óráig működőképes marad a berendezés? 0,9772 e ,3842 0, feladat Adott 80 darab független, azonos eloszlású valószínűségi változó, melyek várható értéke 10, szórása 4. Annak valószínűsége, hogy ezek átlaga nagyobb, mint 11: 0,9875 0,2236 0,0125 0,0257 coedu.sze.hu/print.php4?print_items= 6/7
7 7. feladat Egy érmét 1000-szer feldobva 452 fejet és 548 írást kapunk. A Bernoullitörvény alapján mi lehet annak valószínűsége, hogy az érme szabályos? legfeljebb0,1085 legalább0,1085 legalább0,8915 legfeljebb0,8915 coedu.sze.hu/print.php4?print_items= 7/7
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( 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
RészletesebbenMatematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév
Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév 1. A várható érték és a szórás transzformációja 1. Ha egy valószínűségi változóhoz hozzáadunk ötöt, mínusz ötöt, egy b konstanst,
RészletesebbenGyakorló feladatok. Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László
Gyakorló feladatok Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László I/. A vizsgaidőszak második napján a hallgatók %-ának az E épületben, %-ának a D épületben,
RészletesebbenNEVEZETES FOLYTONOS ELOSZLÁSOK
Bodó Beáta - MATEMATIKA II 1 NEVEZETES FOLYTONOS ELOSZLÁSOK EXPONENCIÁLIS ELOSZLÁS 1. A ξ valószínűségi változó eponenciális eloszlású 80 várható értékkel. (a) B Adja meg és ábrázolja a valószínűségi változó
RészletesebbenValószínűségszámítás 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:
Részletesebben1. Név:... Neptun Kód:... Feladat: Egy összeszerel½o üzemben 3 szalag van. Mindehárom szalagon ugyanazt
1. Név:......................... Egy összeszerel½o üzemben 3 szalag van. Mindehárom szalagon ugyanazt a gyártmányt készítik. Egy gyártmány összeszerelési ideje normális eloszlású valószín½uségi változó
RészletesebbenMatematikai alapok és valószínőségszámítás. Valószínőségi eloszlások Binomiális eloszlás
Matematikai alapok és valószínőségszámítás Valószínőségi eloszlások Binomiális eloszlás Bevezetés A tudományos életben megfigyeléseket teszünk, kísérleteket végzünk. Ezek többféle különbözı eredményre
Részletesebben4 ÉVFOLYAMOS FELVÉTELI EREDMÉNYEK
71400510854-9. évfolyam Magyar nyelv 46 71400510854-9. évfolyam Matematika 31 71479247326-9. évfolyam Magyar nyelv 37 71479247326-9. évfolyam Matematika 25 71507778014-9. évfolyam Magyar nyelv 43 71507778014-9.
RészletesebbenTananyag: Kiss Béla - Krebsz Anna: Lineáris algebra, többváltozós függvények, valószínűségszámítás,
// KURZUS: Matematika II. MODUL: Valószínűség-számítás 21. lecke: A feltételes valószínűség, események függetlensége Tananyag: Kiss Béla - Krebsz Anna: Lineáris algebra, többváltozós függvények, valószínűségszámítás,
RészletesebbenA valószínűségszámítás elemei
Alapfogalmak BIOSTATISZTIKA ÉS INFORMATIKA A valószínűségszámítás elemei Jelenség: minden, ami lényegében azonos feltételek mellett megismételhető, amivel kapcsolatban megfigyeléseket lehet végezni, lehet
Részletesebben4.4. Egy úton hetente átlag 3 baleset történik. Mi a valószínűsége, hogy egy adott héten 2?
HIPERGEO. BINOM. POISSON 4.1. Egy üzletben 100-an vásárolnak, közülük 80-an rendelkeznek bankkártyával. A pénztárnál 10-en állnak sorba, mi a valószínűsége, hogy 7-nek lesz bankkártyája? 4.2. Egy üzletben
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
RészletesebbenA Statisztika alapjai
A Statisztika alapjai BME A3c Magyar Róbert 2016.05.12. Mi az a Statisztika? A statisztika a valóság számszerű információinak megfigyelésére, összegzésére, elemzésére és modellezésére irányuló gyakorlati
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 4 IV. MINTA, ALAPsTATIsZTIKÁK 1. MATEMATIKAI statisztika A matematikai statisztika alapfeladatát nagy általánosságban a következőképpen
RészletesebbenValószínűségszámítás és Statisztika I. zh. 2014. november 10. - MEGOLDÁS
Valószínűségszámítás és Statisztika I. zh. 2014. november 10. - MEGOLDÁS 1. Kihasználva a hosszasan elhúzódó jó időt, kirándulást szeretnénk tenni az ország tíz legmagasabb csúcsa közül háromra az elkövetkezendő
RészletesebbenGyakorló feladatok a 2. dolgozathoz
Gyakorló feladatok a. dolgozathoz. Tíz darab tízforintost feldobunk. Mennyi annak a valószínűsége hogy vagy mindegyiken írást vagy mindegyiken fejet kapunk? 9. Egy kör alakú asztal mellett tízen ebédelnek:
RészletesebbenRégebbi Matek M1 zh-k. sztochasztikus folyamatokkal kapcsolatos feladatai.
Régebbi Matek M1 zh-k Folyamfeladatokkal, többszörös összef ggőséggel, párosításokkal, Nagy szḿok törvényével, Centrális Határeloszlás tétellel, sztochasztikus folyamatokkal kapcsolatos feladatai. Gráfok
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 3 III. VÉLETLEN VEKTOROK 1. A KÉTDIMENZIÓs VÉLETLEN VEKTOR Definíció: Az leképezést (kétdimenziós) véletlen vektornak nevezzük, ha Definíció:
RészletesebbenTananyag: Kiss Béla - Krebsz Anna: Lineáris algebra, többváltozós függvények, valószínűségszámítás,
// KURZUS: Matematika II. MODUL: Valószínűség-számítás 22. lecke: A teljes valószínűség tétele és a Bayes-tétel Tananyag: Kiss Béla - Krebsz Anna: Lineáris algebra, többváltozós függvények, valószínűségszámítás,
RészletesebbenBevezetés a hipotézisvizsgálatokba
Bevezetés a hipotézisvizsgálatokba Nullhipotézis: pl. az átlag egy adott µ becslése : M ( x -µ ) = 0 Alternatív hipotézis: : M ( x -µ ) 0 Szignifikancia: - teljes bizonyosság csak teljes enumerációra -
RészletesebbenKözlemény. Biostatisztika és informatika alapjai. Alapsokaság és minta
Közlemény Biostatisztika és informatika alajai. előadás: Az orvostudományban előforduló nevezetes eloszlások 6. szetember 9. Veres Dániel Statisztika és Informatika tankönyv (Herényi Levente) már kaható
RészletesebbenKísérlettervezés alapfogalmak
Kísérlettervezés alapfogalmak Rendszermodellezés Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Kísérlettervezés Cél: a modell paraméterezése a valóság alapján
Részletesebben36 0,3. Mo.: 36 0,19. Mo.: 36 0,14. Mo.: 32 = 0,9375 32 = 0,8125 32 = 0,40625. Mo.: 32 = 0,25
Valószínűségszámítás I. Kombinatorikus valószínűségszámítás. BKSS 4... Egy szabályos dobókockát feldobva mennyi annak a valószínűsége, hogy a -ost dobunk; 0. b legalább 5-öt dobunk; 0, c nem az -est dobjuk;
Részletesebbene (t µ) 2 f (t) = 1 F (t) = 1 Normális eloszlás negyedik centrális momentuma:
Normális eloszlás ξ valószínűségi változó normális eloszlású. ξ N ( µ, σ 2) Paraméterei: µ: várható érték, σ 2 : szórásnégyzet (µ tetszőleges, σ 2 tetszőleges pozitív valós szám) Normális eloszlás sűrűségfüggvénye:
RészletesebbenA valószínűségszámítás elemei
A valószínűségszámítás elemei Kísérletsorozatban az esemény relatív gyakorisága: k/n, ahol k az esemény bekövetkezésének abszolút gyakorisága, n a kísérletek száma. Pl. Jelenség: kockadobás Megfigyelés:
RészletesebbenMérési hibák 2006.10.04. 1
Mérési hibák 2006.10.04. 1 Mérés jel- és rendszerelméleti modellje Mérési hibák_labor/2 Mérési hibák mérési hiba: a meghatározandó értékre a mérés során kapott eredmény és ideális értéke közötti különbség
RészletesebbenKÖVETKEZTETŐ STATISZTIKA
ÁVF GM szak 2010 ősz KÖVETKEZTETŐ STATISZTIKA A MINTAVÉTEL BECSLÉS A sokasági átlag becslése 2010 ősz Utoljára módosítva: 2010-09-07 ÁVF Oktató: Lipécz György 1 A becslés alapfeladata Pl. Hányan láttak
Részletesebbenvásárlót átlag 2 perc alatt intéz el (blokkolás, kártyaleolvasás), de ez az
1. Név:......................... Egy ABC-ben délután (5-t½ol 9 óráig) a vásárlók száma óránként 200 várható érték½u Poisson eloszlású valószín½uségi változó. A pénztáros egy vásárlót átlag 2 perc alatt
RészletesebbenStatisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1.
Statisztika I. 4. előadás Mintavétel http://uni-obuda.hu/users/koczyl/statisztika1.htm Kóczy Á. László KGK-VMI koczy.laszlo@kgk.uni-obuda.hu Sokaság és minta Alap- és mintasokaság A mintasokaság az a részsokaság,
RészletesebbenOktatási azonosító Vizsga idıpontja Vizsga típusa Tantárgy Elért pontszám
71358932434 71457472261 71605522862 71650660111 71660992975 71665377048 71679875605 71768484518 71768486497 71769281879 71833697122 71872475320 71943429914 71959440135 71959443861 2015-01-17 10:00 9. évfolyam
RészletesebbenStatisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1.
Statisztika I. 4. előadás Mintavétel http://uni-obuda.hu/users/koczyl/statisztika1.htm Kóczy Á. László KGK-VMI koczy.laszlo@kgk.uni-obuda.hu Sokaság és minta Alap- és mintasokaság A mintasokaság az a részsokaság,
RészletesebbenKísérlettervezés alapfogalmak
Kísérlettervezés alapfogalmak Rendszermodellezés Budapest University of Technology and Economics Fault Tolerant Systems Research Group Budapest University of Technology and Economics Department of Measurement
RészletesebbenTananyag: Kiss Béla - Krebsz Anna: Lineáris algebra, többváltozós függvények, valószínűségszámítás,
// KURZUS: Matematika II. MODUL: Valószínűség-számítás 17. lecke: Kombinatorika (vegyes feladatok) Tananyag: Kiss Béla - Krebsz Anna: Lineáris algebra, többváltozós függvények, valószínűségszámítás, 3.1.
Részletesebben1. Hányféle sorrendben vonulhat ki a pályára egy focimeccsen a tizenegy kezdő játékos?
Valószínűségszámítás, földtudomány alapszak, 2015/2016. őszi félév 1. Hányféle sorrendben vonulhat ki a pályára egy focimeccsen a tizenegy kezdő játékos? 2. Két tizenhárom fős vízilabdacsapat mérkőzik
RészletesebbenValószínűségszámítás és statisztika
Valószínűségszámítás és statisztika Programtervező informatikus szak esti képzés Varga László Valószínűségelméleti és Statisztika Tanszék Matematikai Intézet Természettudományi Kar Eötvös Loránd Tudományegyetem
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 9 IX. ROBUsZTUs statisztika 1. ROBUsZTUssÁG Az eddig kidolgozott módszerek főleg olyanok voltak, amelyek valamilyen értelemben optimálisak,
RészletesebbenGazdasági matematika II. vizsgadolgozat megoldása A csoport
Gazdasági matematika II. vizsgadolgozat megoldása A csoport Definiálja az alábbi fogalmakat!. Egy eseménynek egy másik eseményre vonatkozó feltételes valószínűsége. ( pont) Az A esemény feltételes valószínűsége
RészletesebbenKészítette: Fegyverneki Sándor
VALÓSZÍNŰSÉGSZÁMÍTÁS Összefoglaló segédlet Készítette: Fegyverneki Sándor Miskolci Egyetem, 2001. i JELÖLÉSEK: N a természetes számok halmaza (pozitív egészek) R a valós számok halmaza R 2 {(x, y) x, y
RészletesebbenStatisztika I. 8. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 8. előadás Előadó: Dr. Ertsey Imre Minták alapján történő értékelések A statisztika foglalkozik. a tömegjelenségek vizsgálatával Bizonyos esetekben lehetetlen illetve célszerűtlen a teljes
RészletesebbenSzámítógépes döntéstámogatás. Statisztikai elemzés
SZDT-03 p. 1/22 Számítógépes döntéstámogatás Statisztikai elemzés Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Előadás SZDT-03 p. 2/22 Rendelkezésre
Részletesebben2. A ξ valószín ségi változó s r ségfüggvénye a következ : c f(x) =
1 Egy dobozban hat fehér golyó van Egy szabályos dobókockával dobunk, majd annyi piros golyót teszünk a dobozba, amennyit dobtunk Ezután véletlenszer en húzunk egy golyót a dobozból (a) Mi a valószín sége,
RészletesebbenStatisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1
Statisztika - bevezetés 00.04.05. Méréselmélet PE MIK MI_BSc VI_BSc Bevezetés Véletlen jelenség fogalma jelenséget okok bizonyos rendszere hozza létre ha mindegyik figyelembe vehető egyértelmű leírás általában
RészletesebbenMatematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása
Matematikai alapok és valószínőségszámítás Statisztikai becslés Statisztikák eloszlása Mintavétel A statisztikában a cél, hogy az érdeklõdés tárgyát képezõ populáció bizonyos paramétereit a populációból
RészletesebbenFeladatok 2. zh-ra. 1. Eseményalgebra április Feladat. Az A és B eseményekr l tudjuk, hogy P (A) = 0, 6, P (B) = 0, 7 és
Feladatok 2 zh-ra 205 április 3 Eseményalgebra Feladat Az A és B eseményekr l tudjuk, hogy P (A) = 0, 7, P (B) = 0, 4 és P (A B) = 0, 5 Határozza meg az A B esemény valószín ségét! P (A B) = 0, 2 2 Feladat
RészletesebbenNyugat-magyarországi Egyetem Geoinformatikai Kara. Prof. Dr. Závoti József. Matematika III. 3. MA3-3 modul. A valószínűségszámítás elemei
Nyugat-magyarországi Egyetem Geoinformatikai Kara Prof Dr Závoti József Matematika III 3 MA3-3 modul A valószínűségszámítás elemei SZÉKESFEHÉRVÁR 2010 Jelen szellemi terméket a szerzői jogról szóló 1999
RészletesebbenBiometria az orvosi gyakorlatban. Számítógépes döntéstámogatás
SZDT-01 p. 1/23 Biometria az orvosi gyakorlatban Számítógépes döntéstámogatás Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Gyakorlat SZDT-01 p.
RészletesebbenMatematika III. 3. A valószínűségszámítás elemei Prof. Dr. Závoti, József
Matematika III. 3. A valószínűségszámítás elemei Prof. Dr. Závoti, József Matematika III. 3. : A valószínűségszámítás elemei Prof. Dr. Závoti, József Lektor : Bischof, Annamária Ez a modul a TÁMOP - 4.1.2-08/1/A-2009-0027
RészletesebbenTananyag: Kiss Béla - Krebsz Anna: Lineáris algebra, többváltozós függvények, valószínűségszámítás,
// KURZUS: Matematika II. MODUL: Valószínűség-számítás 16. lecke: Kombinatorika (alapfeladatok) Tananyag: Kiss Béla - Krebsz Anna: Lineáris algebra, többváltozós függvények, valószínűségszámítás, 3.1.
RészletesebbenGazdasági matematika II. Tantárgyi útmutató
Módszertani Intézeti Tanszék Gazdálkodási és menedzsment, pénzügy és számvitel szakok távoktatás tagozat Gazdasági matematika II. Tantárgyi útmutató 2016/17 tanév II. félév 1/6 A KURZUS ALAPADATAI Tárgy
RészletesebbenBiomatematika 2 Orvosi biometria
Biomatematika 2 Orvosi biometria 2017.02.13. Populáció és minta jellemző adatai Hibaszámítás Valószínűség 1 Esemény Egy kísérlet vagy megfigyelés (vagy mérés) lehetséges eredményeinek összessége (halmaza)
Részletesebbenegyetemi jegyzet Meskó Balázs
egyetemi jegyzet 2011 Előszó 2. oldal Tartalomjegyzék 1. Bevezetés 4 1.1. A matematikai statisztika céljai.............................. 4 1.2. Alapfogalmak......................................... 4 2.
Részletesebben[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria 2016.02.22. Valószínűségi változó Véletlentől függő számértékeket (értékek sokasága) felvevő változókat valószínűségi változóknak nevezzük(jelölés: ξ, η, x). (pl. x =
Részletesebben6. Előadás. Vereb György, DE OEC BSI, október 12.
6. Előadás Visszatekintés: a normális eloszlás Becslés, mintavételezés Reprezentatív minta A statisztika, mint változó Paraméter és Statisztika Torzítatlan becslés A mintaközép eloszlása - centrális határeloszlás
Részletesebben4. Az A és B események egymást kizáró eseményeknek vagy idegen (diszjunkt)eseményeknek nevezzük, ha AB=O
1. Mit nevezünk elemi eseménynek és eseménytérnek? A kísérlet lehetséges kimeneteleit elemi eseményeknek nevezzük. Az adott kísélethez tartozó elemi események halmazát eseménytérnek nevezzük, jele: X 2.
Részletesebbenx, x R, x rögzített esetén esemény. : ( ) x Valószínűségi Változó: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel:
Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel: Valószínűségi változó általános fogalma: A : R leképezést valószínűségi változónak nevezzük, ha : ( ) x, x R, x rögzített esetén esemény.
RészletesebbenKabos: Statisztika II. t-próba 9.1. Ha ismert a doboz szórása de nem ismerjük a
Kabos: Statisztika II. t-próba 9.1 Egymintás z-próba Ha ismert a doboz szórása de nem ismerjük a doboz várhatóértékét, akkor a H 0 : a doboz várhatóértéke = egy rögzített érték hipotézisről úgy döntünk,
RészletesebbenA bergengóc lakosság szemszín szerinti megoszlása a négy tartományban azonos:
A. Matematikai Statisztika 2.MINTA ZH. 2003 december Név (olvasható) :... A feladatmegoldásnak az alkalmazott matematikai modell valószínűségszámítási ill. statisztikai szóhasználat szerinti megfogalmazását,
RészletesebbenMatematika III. Nagy Károly 2011
Matematika III előadások összefoglalója (Levelezős hallgatók számára) Nagy Károly 20 . Kombinatorika.. Definíció. Adott n darab egymástól különböző elem. Ezeknek egy meghatározott sorrendjét az n elem
RészletesebbenA sztochasztika alapjai. Szorgalmi feladatok tavaszi szemeszter
A sztochasztika alapjai Szorgalmi feladatok 2011. tavaszi szemeszter 1. feladat Egy kockával dobva mi a dobott szám eloszlásfüggvénye, várható értéke, szórása? 2. feladat Egy marketingakció keretében egy
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 10 X. SZIMULÁCIÓ 1. VÉLETLEN számok A véletlen számok fontos szerepet játszanak a véletlen helyzetek generálásában (pénzérme, dobókocka,
RészletesebbenStatisztikai következtetések Nemlineáris regresszió Feladatok Vége
[GVMGS11MNC] Gazdaságstatisztika 10. előadás: 9. Regressziószámítás II. Kóczy Á. László koczy.laszlo@kgk.uni-obuda.hu Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet A standard lineáris modell
RészletesebbenMatematika A3 Valószínűségszámítás, 5. gyakorlat 2013/14. tavaszi félév
Matematika A3 Valószínűségszámítás, 5. gyakorlat 013/14. tavaszi félév 1. Folytonos eloszlások Eloszlásfüggvény és sűrűségfüggvény Egy valószínűségi változó, illetve egy eloszlás eloszlásfüggvényének egy
RészletesebbenVALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA
VALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA A VALÓSZÍNŰSÉGI SZEMLÉLET ALAPOZÁSA 1-6. OSZTÁLY A biztos, a lehetetlen és a lehet, de nem biztos események megkülünböztetése Valószínűségi játékok, kísérletek események
RészletesebbenAdatok statisztikai értékelésének főbb lehetőségei
Adatok statisztikai értékelésének főbb lehetőségei 1. a. Egy- vagy kétváltozós eset b. Többváltozós eset 2. a. Becslési problémák, hipotézis vizsgálat b. Mintázatelemzés 3. Szint: a. Egyedi b. Populáció
Részletesebben4. A negatív binomiális eloszlás
1 / 7 2011.03.17. 14:27 Virtuális laboratóriumok > 10. Bernoulli kísérletek > 1 2 3 4 5 6 4. Alapelmélet Tételezzük fel, hogy a véletlen kísérletünk, amit végrehajtunk Bernoulli kísérleteknek egy X = (X
RészletesebbenFeladatok és megoldások a 8. hétre Építőkari Matematika A3
Feladatok és megoldások a 8. hétre Építőkari Matematika A3 1. Oldjuk meg a következő differenciálegyenlet rendszert: x + 2y 3x + 4y = 2 sin t 2x + y + 2x y = cos t. (1 2. Oldjuk meg a következő differenciálegyenlet
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
RészletesebbenBiomatematikai Tanszék
BIOSTATISZTIKA DENTISTRY Biomatematikai Tanszék Tantárgy: BIOSTATISZTIKA Év, szemeszter: 1. évfolyam - 1. félév Óraszám: Szeminárium: 28 Kód: FOBST03F1 ECTS Kredit: 2 A tárgyat oktató intézet: Biofizikai
Részletesebbena megoldásra ajánlott feladatokat jelöli, a nehezebb feladatokat jelöli
Gyakorló feladatok valószínűségszámításból végeredményekkel a megoldásra ajánlott feladatokat jelöli, a nehezebb feladatokat jelöli. Igaz-e, hogy tetszőleges A, B és C eseményekre teljesül a A B \ C =
RészletesebbenFeladatok és megoldások az 1. sorozat Építőkari Matematika A3
Feladatok és megoldások az 1. sorozat Építőkari Matematika A3 1. Tegyük fel, hogy A és B egymást kölcsönösen kizáró események, melyekre P{A} = 0.3 és P{B} = 0.. Mi a valószínűsége, hogy (a A vagy B bekövetkezik;
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,
RészletesebbenSTATISZTIKA. András hármas. Éva ötös. Nóri négyes. 5 4,5 4 3,5 3 2,5 2 1,5 ANNA BÉLA CILI 0,5 MAGY. MAT. TÖRT. KÉM.
STATISZTIKA 5 4,5 4 3,5 3 2,5 2 1,5 1 0,5 0 MAGY. MAT. TÖRT. KÉM. ANNA BÉLA CILI András hármas. Béla Az átlag 3,5! kettes. Éva ötös. Nóri négyes. 1 mérés: dolgokhoz valamely szabály alapján szám rendelése
RészletesebbenVéletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.
Valószín ségelméleti és matematikai statisztikai alapfogalmak összefoglalása (Kemény Sándor - Deák András: Mérések tervezése és eredményeik értékelése, kivonat) Véletlen jelenség: okok rendszere hozza
RészletesebbenValószín ségszámítás. Survey statisztika mesterszak és földtudomány alapszak Backhausz Ágnes 2018/2019.
Valószín ségszámítás Survey statisztika mesterszak és földtudomány alapszak Backhausz Ágnes agnes@cs.elte.hu 2018/2019. szi félév A valószín ségszámítás kurzus céljai a statisztika megalapozása: a véletlen
RészletesebbenHipotéziselmélet - paraméteres próbák. eloszlások. Matematikai statisztika Gazdaságinformatikus MSc szeptember 10. 1/58
u- t- Matematikai statisztika Gazdaságinformatikus MSc 2. előadás 2018. szeptember 10. 1/58 u- t- 2/58 eloszlás eloszlás m várható értékkel, σ szórással N(m, σ) Sűrűségfüggvénye: f (x) = 1 e (x m)2 2σ
RészletesebbenNormális eloszlás tesztje
Valószínűség, pontbecslés, konfidenciaintervallum Normális eloszlás tesztje Kolmogorov-Szmirnov vagy Wilk-Shapiro próba. R-funkció: shapiro.test(vektor) balra ferde eloszlás jobbra ferde eloszlás balra
RészletesebbenPoisson-eloszlás Exponenciális és normális eloszlás (házi feladatok)
Poisson-eloszlás Exponenciális és normális eloszlás (házi feladatok)./ Egy televízió készülék meghibásodásainak átlagos száma óra alatt. A meghibásodások száma a vizsgált időtartam hosszától függ. Határozzuk
RészletesebbenKövetelmény a 7. évfolyamon félévkor matematikából
Követelmény a 7. évfolyamon félévkor matematikából Gondolkodási és megismerési módszerek Elemek halmazba rendezése több szempont alapján. Halmazok ábrázolása. A nyelv logikai elemeinek helyes használata.
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 8 VIII. REGREssZIÓ 1. A REGREssZIÓs EGYENEs Két valószínűségi változó kapcsolatának leírására az eddigiek alapján vagy egy numerikus
RészletesebbenStatisztika I. 9. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 9. előadás Előadó: Dr. Ertsey Imre Statisztikai hipotézis vizsgálatok elsősorban a biometriában alkalmazzák, újabban reprezentatív jellegű ökonómiai vizsgálatoknál, üzemi szinten élelmiszeripari
RészletesebbenTerületi sor Kárpát medence Magyarország Nyugat-Európa
Területi sor Terület megnevezése Magyarok száma 2011.01.01. Kárpát medence 13 820 000 Magyarország 10 600 00 Nyugat-Európa 1 340 000 HIV prevalence (%) in adults in Africa, 2005 2.5 Daganatos halálozás
RészletesebbenSTATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás
ELŐADÁS ÁTTEKINTÉSE STATISZTIKA 9. Előadás Binomiális eloszlás Egyenletes eloszlás Háromszög eloszlás Normális eloszlás Standard normális eloszlás Normális eloszlás mint modell 2/62 Matematikai statisztika
Részletesebbenföldtudományi BSc (geológus szakirány) Matematikai statisztika elıadás, 2014/ félév 6. elıadás
Matematikai statisztika elıadás, földtudományi BSc (geológus szakirány) 2014/2015 2. félév 6. elıadás Konfidencia intervallum Def.: 1-α megbízhatóságú konfidencia intervallum: Olyan intervallum, mely legalább
RészletesebbenGyakorló feladatok valószínűségszámításból végeredményekkel. a megoldásra ajánlott feladatokat jelöli, a nehezebb feladatokat jelöli
Gyakorló feladatok valószínűségszámításból végeredményekkel a megoldásra ajánlott feladatokat jelöli, a nehezebb feladatokat jelöli Mutassuk meg, hogy tetszőleges A és B eseményekre PA B PA+PB. Mutassuk
RészletesebbenStatisztika elméleti összefoglaló
1 Statisztika elméleti összefoglaló Tel.: 0/453-91-78 1. Tartalomjegyzék 1. Tartalomjegyzék.... Becsléselmélet... 3 3. Intervallumbecslések... 5 4. Hipotézisvizsgálat... 8 5. Regresszió-számítás... 11
RészletesebbenKutatásmódszertan és prezentációkészítés
Kutatásmódszertan és prezentációkészítés 10. rész: Az adatelemzés alapjai Szerző: Kmetty Zoltán Lektor: Fokasz Nikosz Tizedik rész Az adatelemzés alapjai Tartalomjegyzék Bevezetés Leíró statisztikák I
RészletesebbenStatisztika 3. Dr Gősi Zsuzsanna Egyetemi adjunktus Koncentráció mérése Koncentráció általában a jelenségek tömörülését, összpontosulását értjük. Koncentráció meglétéről gyorsan tájékozódhatunk, ha sokaságot
Részletesebbenbiometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás
Kísérlettervezés - biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás A matematikai-statisztika feladata tapasztalati adatok feldolgozásával segítséget nyújtani
RészletesebbenBiometria az orvosi gyakorlatban. Korrelációszámítás, regresszió
SZDT-08 p. 1/31 Biometria az orvosi gyakorlatban Korrelációszámítás, regresszió Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Korrelációszámítás
RészletesebbenSTATISZTIKA. Egymintás u-próba. H 0 : Kefir zsírtartalma 3% Próbafüggvény, alfa=0,05. Egymintás u-próba vagy z-próba
Egymintás u-próba STATISZTIKA 2. Előadás Középérték-összehasonlító tesztek Tesztelhetjük, hogy a valószínűségi változónk értéke megegyezik-e egy konkrét értékkel. Megválaszthatjuk a konfidencia intervallum
RészletesebbenMatematikai statisztika szorgalmi feladatok
Matematikai statisztika szorgalmi feladatok 1. Feltételes várható érték és konvolúció 1. Legyen X és Y független és azonos eloszlású valószín ségi változó véges második momentummal. Mutassuk meg, hogy
RészletesebbenPróbaérettségi feladatsor_a NÉV: osztály Elért pont:
Próbaérettségi feladatsor_a NÉV: osztály Elért pont: I. rész A feladatsor 1 példából áll, a megoldásokkal maximum 30 pont szerezhető. A kidolgozásra 45 perc fordítható. 1. feladat Egy osztály tanulói a
RészletesebbenStatisztika I. 12. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 1. előadás Előadó: Dr. Ertsey Imre Regresszió analízis A korrelációs együttható megmutatja a kapcsolat irányát és szorosságát. A kapcsolat vizsgálata során a gyakorlatban ennél messzebb
RészletesebbenHÁZI DOLGOZAT. Érmefeldobások eredményei és statisztikája. ELTE-TTK Kémia BSc Tantárgy: Kémia felzárkóztató (A kémia alapjai)
ELTE-TTK Kémia BSc Tantárgy: Kémia felzárkóztató (A kémia alapjai) HÁZI DOLGOZAT Érmefeldobások eredményei és statisztikája Készítette: Babinszki Bence EHA-kód: BABSAET.ELTE E-mail cím: Törölve A jelentés
Részletesebben[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria 2016.02.08. Orvosi biometria (orvosi biostatisztika) Statisztika: tömegjelenségeket számadatokkal leíró tudomány. A statisztika elkészítésének menete: tanulmányok (kísérletek)
Részletesebben0,9268. Valószín ségszámítás és matematikai statisztika NGB_MA001_3, NGB_MA002_3 zárthelyi dolgozat
A 1. A feln ttkorú munkaképes lakosság 24%-a beszél legalább egy idegen nyelvet, 76%-a nem beszél idegen nyelven. Az idegen nyelvet beszél k 2,5%-a, az idegen nyelvet nem beszél k 10%-a munkanélküli. Véletlenszer
RészletesebbenAlap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( )
Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel: 463-6-80 Fa: 463-30-9 http://www.vizgep.bme.hu Alap-ötlet:
RészletesebbenTANTÁRGYI PROGRAM Matematikai alapok II. útmutató
BGF PÉNZÜGYI ÉS SZÁMVITELI KAR Módszertani Intézeti Tanszéki Osztály TANTÁRGYI PROGRAM Matematikai alapok II. útmutató 2013/2014. tanév II. félév Tantárgyi program Tantárgy megnevezése Tantárgy jellege/típusa:
RészletesebbenMatematika III. 5. Nevezetes valószínűség-eloszlások Prof. Dr. Závoti, József
Matematika III. 5. Nevezetes valószínűség-eloszlások Prof. Dr. Závoti, József Matematika III. 5. : Nevezetes valószínűség-eloszlások Prof. Dr. Závoti, József Lektor : Bischof, Annamária Ez a modul a TÁMOP
Részletesebben