Tananyag: KissBéla-KrebszAnna:Lineárisalgebra,többváltozósfüggvények,valószínűségszámítás,4.18.,

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Tananyag: KissBéla-KrebszAnna:Lineárisalgebra,többváltozósfüggvények,valószínűségszámítás,4.18.,"

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

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) 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

Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév

Matematika 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,

Részletesebben

Gyakorló 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 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,

Részletesebben

NEVEZETES FOLYTONOS ELOSZLÁSOK

NEVEZETES 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

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

1. Név:... Neptun Kód:... Feladat: Egy összeszerel½o üzemben 3 szalag van. Mindehárom szalagon ugyanazt

1. 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

Részletesebben

Matematikai alapok és valószínőségszámítás. Valószínőségi eloszlások Binomiális eloszlás

Matematikai 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

Részletesebben

4 ÉVFOLYAMOS FELVÉTELI EREDMÉNYEK

4 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.

Részletesebben

Tananyag: Kiss Béla - Krebsz Anna: Lineáris algebra, többváltozós függvények, valószínűségszámítás,

Tananyag: 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,

Részletesebben

A valószínűségszámítás elemei

A valószínűségszámítás elemei Alapfogalmak BIOSTATISZTIKA ÉS INFORMATIKA A valószínűségszámítás elemei Jelenség: minden, ami lényegében azonos feltételek mellett megismételhető, amivel kapcsolatban megfigyeléseket lehet végezni, lehet

Részletesebben

4.4. Egy úton hetente átlag 3 baleset történik. Mi a valószínűsége, hogy egy adott héten 2?

4.4. 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

Részletesebben

Nagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem

Nagy 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 Statisztika alapjai

A 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

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI 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

Részletesebben

Valószínűségszámítás és Statisztika I. zh. 2014. november 10. - MEGOLDÁS

Valószínűségszámítás 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

Részletesebben

Gyakorló feladatok a 2. dolgozathoz

Gyakorló 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:

Részletesebben

Régebbi Matek M1 zh-k. sztochasztikus folyamatokkal kapcsolatos feladatai.

Régebbi 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

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI 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:

Részletesebben

Tananyag: Kiss Béla - Krebsz Anna: Lineáris algebra, többváltozós függvények, valószínűségszámítás,

Tananyag: 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,

Részletesebben

Bevezetés a hipotézisvizsgálatokba

Bevezetés 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 -

Részletesebben

Közlemény. Biostatisztika és informatika alapjai. Alapsokaság és minta

Közlemény. 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

Részletesebben

Kísérlettervezés alapfogalmak

Kísérlettervezés alapfogalmak Kísérlettervezés alapfogalmak Rendszermodellezés Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Kísérlettervezés Cél: a modell paraméterezése a valóság alapján

Részletesebben

36 0,3. Mo.: 36 0,19. Mo.: 36 0,14. Mo.: 32 = 0,9375 32 = 0,8125 32 = 0,40625. Mo.: 32 = 0,25

36 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;

Részletesebben

e (t µ) 2 f (t) = 1 F (t) = 1 Normális eloszlás negyedik centrális momentuma:

e (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:

Részletesebben

A valószínűségszámítás elemei

A 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:

Részletesebben

Mérési hibák 2006.10.04. 1

Mérési 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

Részletesebben

KÖVETKEZTETŐ STATISZTIKA

KÖVETKEZTETŐ 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

Részletesebben

vásárlót átlag 2 perc alatt intéz el (blokkolás, kártyaleolvasás), de ez az

vásárlót 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

Részletesebben

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1.

Statisztika 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,

Részletesebben

Oktatási azonosító Vizsga idıpontja Vizsga típusa Tantárgy Elért pontszám

Oktatási 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

Részletesebben

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1.

Statisztika 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,

Részletesebben

Kísérlettervezés alapfogalmak

Kísérlettervezés alapfogalmak Kísérlettervezés alapfogalmak Rendszermodellezés Budapest University of Technology and Economics Fault Tolerant Systems Research Group Budapest University of Technology and Economics Department of Measurement

Részletesebben

Tananyag: Kiss Béla - Krebsz Anna: Lineáris algebra, többváltozós függvények, valószínűségszámítás,

Tananyag: 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.

Részletesebben

1. Hányféle sorrendben vonulhat ki a pályára egy focimeccsen a tizenegy kezdő játékos?

1. 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

Részletesebben

Valószínűségszámítás és statisztika

Valószínűségszámítás és statisztika Valószínűségszámítás és statisztika Programtervező informatikus szak esti képzés Varga László Valószínűségelméleti és Statisztika Tanszék Matematikai Intézet Természettudományi Kar Eötvös Loránd Tudományegyetem

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI 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,

Részletesebben

Gazdasági matematika II. vizsgadolgozat megoldása A csoport

Gazdasági 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

Részletesebben

Készítette: Fegyverneki Sándor

Készítette: 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

Részletesebben

Statisztika I. 8. előadás. Előadó: Dr. Ertsey Imre

Statisztika 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

Részletesebben

Számítógépes döntéstámogatás. Statisztikai elemzés

Számítógépes 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

Részletesebben

2. A ξ valószín ségi változó s r ségfüggvénye a következ : c f(x) =

2. 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,

Részletesebben

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

Statisztika - 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

Részletesebben

Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása

Matematikai 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

Részletesebben

Feladatok 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. 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

Részletesebben

Nyugat-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 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

Részletesebben

Biometria az orvosi gyakorlatban. Számítógépes döntéstámogatás

Biometria 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.

Részletesebben

Matematika 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 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

Részletesebben

Tananyag: Kiss Béla - Krebsz Anna: Lineáris algebra, többváltozós függvények, valószínűségszámítás,

Tananyag: 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.

Részletesebben

Gazdasági matematika II. Tantárgyi útmutató

Gazdasági 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

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

egyetemi jegyzet Meskó Balázs

egyetemi 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 [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 =

Részletesebben

6. Előadás. Vereb György, DE OEC BSI, október 12.

6. 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

Részletesebben

4. Az A és B események egymást kizáró eseményeknek vagy idegen (diszjunkt)eseményeknek nevezzük, ha AB=O

4. 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.

Részletesebben

x, x R, x rögzített esetén esemény. : ( ) x Valószínűségi Változó: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel:

x, 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.

Részletesebben

Kabos: Statisztika II. t-próba 9.1. Ha ismert a doboz szórása de nem ismerjük a

Kabos: 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,

Részletesebben

A bergengóc lakosság szemszín szerinti megoszlása a négy tartományban azonos:

A 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,

Részletesebben

Matematika III. Nagy Károly 2011

Matematika 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

Részletesebben

A sztochasztika alapjai. Szorgalmi feladatok tavaszi szemeszter

A 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

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI 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,

Részletesebben

Statisztikai következtetések Nemlineáris regresszió Feladatok Vége

Statisztikai 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

Részletesebben

Matematika A3 Valószínűségszámítás, 5. gyakorlat 2013/14. tavaszi félév

Matematika 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

Részletesebben

VALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA

VALÓSZÍNŰSÉG, 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

Részletesebben

Adatok statisztikai értékelésének főbb lehetőségei

Adatok 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

Részletesebben

4. A negatív binomiális eloszlás

4. 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

Részletesebben

Feladatok és megoldások a 8. hétre Építőkari Matematika A3

Feladatok 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

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

Biomatematikai Tanszék

Biomatematikai 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

Részletesebben

a megoldásra ajánlott feladatokat jelöli, a nehezebb feladatokat jelöli

a 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 =

Részletesebben

Feladatok és megoldások az 1. sorozat Építőkari Matematika A3

Feladatok 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;

Részletesebben

egyenletesen, és c olyan színű golyót teszünk az urnába, amilyen színűt húztunk. Bizonyítsuk

egyenletesen, 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,

Részletesebben

STATISZTIKA. 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. 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

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

Valószín ségszámítás. Survey statisztika mesterszak és földtudomány alapszak Backhausz Ágnes 2018/2019.

Valószín 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

Részletesebben

Hipotéziselmélet - paraméteres próbák. eloszlások. Matematikai statisztika Gazdaságinformatikus MSc szeptember 10. 1/58

Hipotéziselmélet - 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

Részletesebben

Normális eloszlás tesztje

Normális 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

Részletesebben

Poisson-eloszlás Exponenciális és normális eloszlás (házi feladatok)

Poisson-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

Részletesebben

Követelmény a 7. évfolyamon félévkor matematikából

Követelmény 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.

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI 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

Részletesebben

Statisztika I. 9. előadás. Előadó: Dr. Ertsey Imre

Statisztika 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

Részletesebben

Területi sor Kárpát medence Magyarország Nyugat-Európa

Területi 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

Részletesebben

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás

STATISZTIKA 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

Részletesebben

földtudományi BSc (geológus szakirány) Matematikai statisztika elıadás, 2014/ félév 6. elıadás

földtudományi 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

Részletesebben

Gyakorló 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 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

Részletesebben

Statisztika elméleti összefoglaló

Statisztika 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

Részletesebben

Kutatásmódszertan és prezentációkészítés

Kutatásmódszertan 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

Részletesebben

Statisztika 3. Dr Gősi Zsuzsanna Egyetemi adjunktus Koncentráció mérése Koncentráció általában a jelenségek tömörülését, összpontosulását értjük. Koncentráció meglétéről gyorsan tájékozódhatunk, ha sokaságot

Részletesebben

biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás

biometria 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

Részletesebben

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió

Biometria 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

Részletesebben

STATISZTIKA. Egymintás u-próba. H 0 : Kefir zsírtartalma 3% Próbafüggvény, alfa=0,05. Egymintás u-próba vagy z-próba

STATISZTIKA. 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

Részletesebben

Matematikai statisztika szorgalmi feladatok

Matematikai 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

Részletesebben

Próbaérettségi feladatsor_a NÉV: osztály Elért pont:

Próbaérettségi 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

Részletesebben

Statisztika I. 12. előadás. Előadó: Dr. Ertsey Imre

Statisztika 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

Részletesebben

HÁZI DOLGOZAT. Érmefeldobások eredményei és statisztikája. ELTE-TTK Kémia BSc Tantárgy: Kémia felzárkóztató (A kémia alapjai)

HÁZI 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 [Biomatematika 2] Orvosi biometria 2016.02.08. Orvosi biometria (orvosi biostatisztika) Statisztika: tömegjelenségeket számadatokkal leíró tudomány. A statisztika elkészítésének menete: tanulmányok (kísérletek)

Részletesebben

0,9268. Valószín ségszámítás és matematikai statisztika NGB_MA001_3, NGB_MA002_3 zárthelyi dolgozat

0,9268. 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

Részletesebben

Alap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( )

Alap-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:

Részletesebben

TANTÁRGYI PROGRAM Matematikai alapok II. útmutató

TANTÁRGYI 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:

Részletesebben

Matematika 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 Matematika III. 5. : Nevezetes valószínűség-eloszlások Prof. Dr. Závoti, József Lektor : Bischof, Annamária Ez a modul a TÁMOP

Részletesebben